LAPORAN PRAKTIKUM

PENGENDALIAN KUALITAS STATISTIK

MODUL II

PENGENDALIAN MANAJEMEN MUTU TERPADU

PADA PERUSAHAAN AGROINDUSTRI GULA CAIR
PT. PUNCAK GUNUNG MAS DENGAN MENGGUNAKAN GRAFIK
KENDALI GENERALIZED VARIANCE DAN T2 HOTELLING

Oleh:
Al’awwa Prima Nadia Putri (062116 4000 0011)
Amelia Kurnia Salwa (062116 4000 0112)

Asisten Dosen :
Shindy Sari Utami (062115 4000 0005)

Dosen:
Dr. Muhammad Mashuri, M.T
Ni Luh Putu Satyaning P.Paramitha, S.Si., M.Sc

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA, KOMPUTASI, DAN SAINS DATA
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2018
 ABSTRAK
Seiring dengan perkembangan zaman, setiap perusahaan yang bergerak dalam produksi
barang atau jasa dituntut untuk mempertahankan kualitasnya dan memiliki strategi bersaing agar
tidak kalah dengan perusahaan sejenis. Pertahanan kualitas yang dilakukan salah satunya dengan
menjaga stabilitas produksi. PT. Puncak Gunung Mas (PT PGM) adalah perusahaan yang bergerak
di bidang agroindustri gula cair dimana dalam menjalankan kegiatan produksinya perusahaan
harus melakukan pengendalian mutu total salah satunya meliputi pengendalian mutu bahan baku,
maka dari itu dalam penelitian ini akan dilakukan analisis pengendalian proses raw material produk
HFS-55% bulan Juni hingga November 2001 menggunakan grafik kendali Generalized Variance
dan T2 Hotelling. Grafik kendali Generalized Variance digunakan untuk mengendalikan variansi
proses, sedangkan grafik kendali T2 Hotelling digunakan untuk mengendalikan mean proses. Setelah
dilakukan pengujian, data proses raw material produk HFS-55% bulan Juni hingga November 2001
telah memenuhi asumsi uji normal multivariat dan uji dependensi (homogenitas). Pada grafik
kendali Generalized Variance terdapat data pengamatan yang out of control. Kemudian dibuat
grafik kendali R untuk mengetahui data pengamatan yang menyebabkan keluar batas kendali,
sehingga didapatkan data pengamatan ke-10 pada variabel SpR yang out of control dilanjutkan
dengan pembuangan data dan dibuat grafik kendali Generalized Variance kembali. Setelah dibuat
grafik kendali data proses raw material produk HFS-55% bulan Juni hingga November 2001 sudah
terkendali secara statistik, begitu pula dengan grafik kendali T2 Hotelling data sudah terkendali
secara statistik karena data in control. Berdasarkan uji kapabilitas diperoleh kesimpulan bahwa
proses raw material produk HFS-55% bulan Juni hingga November 2001 belum kapabel.

Kata kunci : Analisis Kapabilitas, Generalized Variance, Normal Multivariat, T2 Hotelling, Uji
Dependensi

ii
 DAFTAR ISI
Halaman
HALAMAN JUDUL .......................................................................................................... i
ABSTRAK ............................................................................................................................ ii
DAFTAR ISI ....................................................................................................................... iii
DAFTAR GAMBAR ......................................................................................................... iiv
DAFTAR TABEL ................................................................................................................ v
BAB I PENDAHULUAN .................................................................................................... 1
1.1 Latar Belakang ................................................................................................................... 1
1.2 Rumusan Masalah .............................................................................................................. 2
1.3 Tujuan ................................................................................................................................ 2
1.4 Manfaat .............................................................................................................................. 2
1.5 Batasan Masalah................................................................................................................. 2
BAB II TINJAUAN PUSTAKA ......................................................................................... 3
2.1 Kualitas .................................................................................................................................... 3
2.2 Statistical Process Control (SPC) ............................................................................................ 3
2.3 Statistika Dekskriptif ................................................................................................................ 3
2.4 Pengujian Asumsi..................................................................................................................... 3
2.4.1 Uji Distribusi Normal Multivariat ..................................................................................... 3
2.3.2 Uji Dependensi .................................................................................................................. 4
2.6 Grafik Kendali Generalized Variance...................................................................................... 5
2.7 Grafik Kendali T2 Hotteling ..................................................................................................... 5
2.8 Kapabilitas Proses .................................................................................................................... 6
2.9 Gula Cair .................................................................................................................................. 7
BAB III METODOLOGI PENELITIAN .......................................................................... 8
3.1 Sumber Data ............................................................................................................................. 8
3.2 Variabel Penelitian dan Struktur Data ...................................................................................... 8
3.3 Struktur Data ............................................................................................................................ 8
3.4 Langkah Analisis ...................................................................................................................... 8
3.4 Diagram Alir ............................................................................................................................ 9
BAB IV ANALISIS DAN PEMBAHASAN .................................................................... 11
4.1 Karakteristik Data .................................................................................................................. 11
4.2 Pengujian Asumsi................................................................................................................... 11
4.2.1 Uji Distribusi Normal Multivariat ................................................................................... 11
4.2.2 Uji Dependensi ................................................................................................................ 11
4.3 Grafik Kendali Generalized Variance.................................................................................... 11
4.4 Grafik Kendali T2 Hotteling ................................................................................................... 11
4.5 Uji Kapabilitas Proses Multivariat ......................................................................................... 14
BAB V KESIMPULAN DAN SARAN ............................................................................ 16
5.1 Kesimpulan ............................................................................................................................ 16
5.2 Saran....................................................................................................................................... 16
DAFTAR PUSTAKA ........................................................................................................ 17
LAMPIRAN

iii
 DAFTAR GAMBAR
Halaman
Gambar 3.1 Diagram Alir Penelitian ................................................................................... 9
Gambar 3.2 Diagram Alir Penelitian (lanjutan) ................................................................. 10
Gambar 4.1 Grafik Kendali Generalized Variance ........................................................... 12
Gambar 4.2 Grafik Kendali R untuk Variabel pH ............................................................. 12
Gambar 4.3 Grafik Kendali R untuk Variabel SpR ........................................................... 13
Gambar 4.4 Grafik Kendali Generalized Variance Penghapusan Pengamatan ke-10 ....... 13
Gambar 4.5 Grafik Kendali T2 Hotelling ........................................................................... 14
Gambar 4.6 Kabapilitas Proses Berdasarkan Variabel pH ................................................ 14
Gambar 4.7 Kapabilitas Proses Berdasarkan Variabel SpR .............................................. 15

iv
 DAFTAR TABEL

Halaman

Tabel 3.1 Variabel Penelitian dan Batas Spesifikasi ............................................................ 8

Tabel 3.2 Struktur Data Penelitian ........................................................................................ 8
Tabel 4.1 Output Minitab Statistika Deskriptif .................................................................. 11
Tabel 4.2 Kapabilitas Proses Multivariat ............................................................................ 15

v
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Semakin berkembangnya zaman maka semakin ketat pula persaingan antar perusahaan
yang sejenis, terutama perusahaan yang memproduksi bahan makanan. Hal yang harus
dilakukan oleh perusahaan adalah membuat suatu produk yang memiliki ciri khas dalam
pembuatan barang atau pelayanan jasa. Perusahaan harus bersaing untuk menarik minat dari
konsumen dengan cara menjaga kualitas. Dalam hal ini yang dimaksud kualitas adalah
ukuran seberapa dekat suatu barang atau jasa dengan standar tertentu (Marimin, 2005).
Peningkatan kualitas barang atau jasa sebaiknya dilakukan oleh perusahaan secara terus
menerus mengikuti perkembangan zaman dan keinginan pasar. Selain itu, perusahaan harus
memiliki strategi dalam bersaing. Strategi yang dapat dilakukan yaitu dengan melakukan
pengujian terhadap produk yang dihasilkan. Pengujian produk dilakukan dengan metode
yang telah ditetapkan oleh perusahaan atau standarisasi dari perusahaan, sehingga kualitas
produk tersebut dapat dipertahankan atau ditingkatkan lagi.
PT. Puncak Gunung Mas (PT PGM) adalah perusahaan yang bergerak dalam
agroindustri gula cair. Sebagai salah satu produsen gula cair, maka perusahaan harus
melakukan pengendalian mutu total yang meliputi pengendalian mutu bahan baku,
pengendalian mutu selama proses, dan pengendalian mutu produk jadi agar dihasilkan
produk gula cair yang memiliki mutu tinggi sehingga dapat bersaing di pasaran dengan
perusahaan lain. Panduan pengendalian mutu total yang dilakukan oleh PT. Puncak Gunung
Mas (PT PGM) adalah sistem Manajemen Mutu Terpadu (Total Quality Management).
Sampai saat ini PT. Puncak Gunung Mas (PT PGM) telah melaksanakan pengendalian mutu
total dengan baik yaitu dengan melakukan perbaikan kualitas dan sistem secara
berkesinambungan, namun masih terdapat beberapa produk yang memiliki kualitas kurang
baik.
Peningkatan kualitas produksi dilakukan dengan menerapkan beberapa metode untuk
mengawasi serta melakukan pengendalian kualitas secara menyeluruh. Salah satu fungsi
manajemen yang baik adalah pengendalian. Fungsi pengendalian yaitu untuk pengukuran
dan perbaikan terhadap pelaksanaan proses produksi, sehingga dapat memenuhi standar
yang telah ditetapkan. Pengendalian kualitas statistik disebut juga metode proses kontrol
statistik. Grafik kendali dapat digunakan sebagai alat pengukuran kualitas yng dilakukan
secara kualitatif maupun kuantitatif sehingga dapat digunakan sebagai acuan dalam
perbaikan proses produksi.
Analisis yang digunakan dalam penelitian ini adalah pengendalian kualitas dengan
menggunakan grafik kendali pada data penggunaan bahan dasar dalam pembuatan gula cair
pada perusahaan Agroindustri Gula Cair PT. Puncak Gunung Mas. Pada data tersebut akan
dilakukan pengujian asumsi normal multivariat dan uji dependensi, selanjutnya dilakukan
analisis dengan menggunakan grafik kendali generalized variance dan T2 Hotelling untuk
mengetahui apakah proses raw material produk HFS-55% bulan Juni hingga November
2001 sudah terkendali secara statistik. Selain itu, dilakukan perhitungan kapabilitas proses
untuk mengetahui kapabel tidaknya proses raw material produk HFS-55% bulan Juni hingga
November 2001. Hasil penelitian nantinya diharapkan dapat memberikan masukan atau
usulan kepada pihak perusahaan mengenai kualitas proses penggunaan bahan baku dalam
proses produksi gula cair.

1
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, rumusan masalah yang akan dibahas dalam
penelitian ini adalah sebagai berikut.
1. Bagaimana karakteristik data proses raw material produk HFS-55% bulan Juni hingga
November 2001?
2. Bagaimana pengujian asumsi distribusi normal multivariat dan uji dependensi pada
proses raw material produk HFS-55% bulan Juni hingga November 2001?
3. Bagaimana pengendalian kualitas statistik menggunakan grafik kendali generalized
variance pada raw material produk HFS-55% bulan Juni hingga November 2001?
4. Bagaimana pengendalian kualitas statistik menggunakan grafik kendali T2 Hotelling
proses raw material produk HFS-55% bulan Juni hingga November 2001?
5. Bagaimana analisis kapabitlitas proses raw material produk HFS-55% bulan Juni
hingga November 2001?
1.3 Tujuan
Berdasarkan rumusan masalah di atas, diperoleh tujuan sebagai berikut.
1. Menganalisis karakteristik data proses raw material produk HFS-55% bulan Juni hingga
November 2001.
2. Melakukan pengujian asumsi distribusi normal multivariat dan uji dependensi pada
proses raw material produk HFS-55% bulan Juni hingga November 2001.
3. Mengidentifikasi proses yang terkendali menggunakan grafik kendali generalized
variance pada proses raw material produk HFS-55% bulan Juni hingga November
2001.
4. Mengidentifikasi proses yang terkendali menggunakan grafik kendali T2 Hotelling pada
proses raw material produk HFS-55% bulan Juni hingga November 2001.
5. Menghitung kapabilitas proses raw material produk HFS-55% bulan Juni hingga
November 2001.
1.4 Manfaat
Manfaat yang diperoleh dari penelitian ini adalah untuk mengetahui dan memahami
pengaplikasian grafik kendali dalam pengendalian kualitas statistika pada kehidupan sehari-
hari khususnya grafik kendali generalized variance dan T2 Hotelling. Selain itu, dapat
dijadikan sebagai salah satu bahan pertimbangan dalam menentukan pengendalian kualitas
statistik pada proses raw material produk HFS-55% bulan Juni hingga November 2001
dalam upaya peningkatan kualitas produksi.
1.5 Batasan Masalah
Batasan masalah dalam kegiatan praktikum ini adalah sebagai berikut.
1. Apabila proses raw material produk HFS-55% bulan Juni hingga November 2001 tidak
memenuhi asumsi berdistribusi normal multivariat, maka data diasumkasikan
berdistribusi normal multivariat.
2. Apabila terdapat data yang out of control pada grafik kendali generalized variance maka
dilakukan proses pembuangan data maksimal sebanyak 2 kali.
3. Apabila terdapat data yang out of control pada grafik kendali T2 Hotelling maka proses
diteruskan dengan mencari variable yang menyebabkan terjadinya out of control.

2
 BAB II
TINJAUAN PUSTAKA
2.1 Kualitas
Keseluruhan fitur dan karakteristik produk atau jasa yang mampu memuaskan
kebutuhan yang tampak atau samar. Yang lain, bagaimanapun juga, memercayai definisi
dari kualitas dibagi ke dalam beberapa kategori. Beberapa definisi adalah berdasarkan pada
pengguna (user based). Mereka mengusulkan kualitas tersebut terlihat pada mata yang
melihatnya. Orang pemasaran menyukai pendekatan ini begitu pula pelanggan. Bagi mereka,
kualitas yang tinggi berarti kinerja yang lebih baik, fitur yang bagus, dan peningkatan
lainnya (terkadang mahal). Bagi manajer produksi, kualitas adalah berdasarkan pada
manufakturing (manufacturing based). Mereka percaya bahwa kualitas berarti sesuai dengan
standar dan membuatnya dengan pada kali pertama. Namun, pendekatan yang ketiga adalah
berdasarkan pada produk (product biased), yang melihat kualitas sebagai variabel yang tepat
dan dapat diukur. Dalam sudut pandang ini, sebagai contoh, es krim yang sangat enak
mengandung tingkat lemak mentega yang tinggi (Heizer dan Render, 2009).
2.2 Statistical Process Control (SPC)
Statistical Process Control (SPC) adalah kumpulan pemecahan masalah yang merupakan
alat yang berguna dalam mencapai stabilitas proses dan meningkatkan kegunaan melalui
pengurangan variabilitas (Montgomery, 2009).
SPC adalah salah satu perkembangan teknologi terbesar pada abad ke-20 karena
didasarkan pada prinsip-prinsip seperti mudah digunakan, memiliki dampak yang signifikan,
dan dapat diterapkan ke proses apa pun. Tujuh alat utamanya adalah sebagai berikut.
1. Histogram atau stem and leaf plot
2. Check sheet
3. Diagram Pareto
4. Diagram sebab-akibat
5. Defect concentration diagram
6. Scatter plot
7. Grafik kendali
2.3 Statistika Dekskriptif
Statistika deskripstif merupakan statistika yang berkaitan dengan metode atau cara
mendeskripsikan, menggambarkan, menjabarkan atau menguraikan data. Statistika
deskriptif mengacu pada bagaimana menata dan menyajikan data, yang dapat dilakuka
misalnya dengan menentukan nilai rata-rata hitung, median, modus, standar deviasi atau
menggunakan cara lain yaitu dengan membuat tabel distribusi frekuensi dan diagram atau
grafik (Mendenhall, 1987). Informasi yang diperoleh melalui analisis statistika deskriptif
hanya mengai data yang dipunya dan sama sekali tidak menarik inferensia atau kesimpulan
apapun tentang gugus data induknya yang lebih besar.
2.4 Pengujian Asumsi
Pengujian asumsi yang dilakukan adalah uji distribusi normal multivariat dan uji
dependensi. Berikut adalah penjelasan mengenai uji distribusi normal multivariat dan uji
dependensi.
2.4.1 Uji Distribusi Normal Multivariat
Suatu data memiliki distribusi normal atau tidak dapat diuji dengan menggunakan
histogram atau dapat menggunakan normal probability plot yang membandingkan distribusi
kumulatif dari data observasi dengan distribusi kumulatif dari distribusi normal. Distribusi
normal membentuk garis diagonal yang lurus dan data observasi yang telah diplotkan

3
dibandingkan dengan diagonal tersebut. Jika data memiliki distribusi normal, maka garis
yang merepresentasikan data observasi akan mengikuti garis tersebut.
Distribusi normal multivariat data dapat diperiksa dengan menghitung jarak pada setiap
pengamatan yaitu
d 2j  x j  x  S-1 x j  x 
T
(2.1)
Dengan j = 1, 2, 3, …, n dan n adalah banyaknya data
xj = pengamatan data ke-j
S-1 = invers matriks varians kovarians S
d = jarak pada setiap pengamatan
Kemudian d diurutkan d12  d 22  ...  d n2 . Lalu dibuat qq plot antara d (2j ) dengan q j dimana
j = 1,2,…,n dengan p merupakan banyaknya variabel.
Bila plot mendekati garis lurus maka dapat disimpulkan bahwa data berdistribusi normal
multivariat. Selain itu dapat juga dihitung jaraj kuadrat dari setiap pengamatan d 2j   2p 0.5 
paling tidak 50%. Cara yang dilakukan dengan mengurutkan d 2j dari kecil ke besar
d12  d 22  ...  d n2 . Setelah itu dibuat plot antara d 2j dengan  2  p, j  0.5  dimana j = 1,2,…,p
 n 
dan p adalah banyaknya variabel pendukung.
Nilai 𝑑𝑖2 kemudian dibandingkan dengan  (i2 ,0,5) i = 1, 2, ..., m dan m merupakan
banyaknya variabel.Jika nilai proporsi dj 2   2p ( 0,5) berada di sekitar 50%, maka H0 gagal
ditolak artinya data berdistribusi normal multivariat (Johnson dan Wichern, 2002).
2.4.2 Uji Dependensi
Uji Barltlett dan Uji KMO digunaka untuk mengetahui ada atau tidaknya hubungan
antar variabel dalam kasus multivariat. Jika variabel x1, x2 ,..., x p bersifat saling bebas
(independen), sehingga matriks korelasi antar variabel sama dengan matriks identitas
(Johnson & Winchern, 2002). Hipotesis pengujian yang digunakan pada Uji Bartlett dan Uji
KMO adalah sebagai berikut.
H 0 :   I (tidak terdapat hubungan antar variabel)
H1 :   I (terdapat hubungan antar variabel)
Nilai statistik Uji Bartlett dan Uji KMO dapat ditulis dengan persamaan sebagai berikut.
(n  1)
T i k (rik  r ) 2  yi k (r k  r ) 2  (2.2)
(1  r )  
Daerah kritis: Tolak H0 jika T  2p 1 p 2/2; atau jika p-value <  , yang berarti bahwa
antara variabel saling berkorelasi. Uji Bartlett dan Uji KMO dapat dilakukan dengan Uji
Box’s M. Jika nilai Sig. <  , tolak H0 sehingga terdapat hubungan yang signifikan antar
variabel.
2.5 Diagram Kontrol (Control Chart)
Diagram kontrol (control chart) adalah tampilan grafis dari karakteristik kualitas yang
telah diukur atau dihitung dari sampel versus jumlah sampel atau waktu. Grafik berisi garis
tengah yang mewakili nilai rata-rata karakteristik kualitas yang sesuai dengan status kontrol.
(artinya, hanya ada kemungkinan penyebab). Dua garis horizontal lainnya, yang disebut
batas kontrol atas (UCL) dan batas kontrol bawah (LCL), juga ditampilan pada bagan. Batas
kendali ini dipilih sehingga jika prosesnya terkendali, hampir semua titik sampel akan berada
di antara batas kontrol. Sepanjang plot titik dalam batas kontrol, proses diasumsikan
terkendali, dan tidak ada tindakan yang diperlukan. Namun, titik yang berada di luar batas
kontrol ditafsirkan sebagai keyakinan bahwa prosesnya di luar kendali, dan penyelidikan

4
serta tindakan korektif diperlukan untuk menemukan dan menghilangkan penyebab yang
dapat dialihkan atau penyebab yang bertanggung jawab atas perilaku ini. Biasanya
menghubungkan titik-titik sampel pada diagram kontrol dengan segmen garis lurus,
sehingga lebih mudah untuk memvisualisasikan bagaimana urutan poin telah berkembang
dari waktu ke waktu (Montgomery, 2009).
2.6 Grafik Kendali Generalized Variance
Grafik kendali generalized variance (|S|) merupakan salah satu alat untuk mengenali
variabilitas proses dimana data pengamatan bersifat multvariat (Montgomery, 2013).
Variabilitas proses dinyatakan sebagai matriks kovarian  berukuran pxp . Diagonal utama
dari matriks ini adalah variansi dari variabel proses secara individual dan data selain diagonal
utama adalah kovarians. Matriks kovarians  biasa ditaksir oleh matriks kovarian sampel S
berdasarkan analisis sampel pendahuluan. Berikut adalah dugaan nilai ekspektasi (rata-rata)
dan varians dari (|S|).

E (| S |)  b1 |  |
(2.3)
Var (| S |)  b2 |  |2

dimana

p
1
b1   (n  i )
(n  1) p i 1
(2.4)
1 p
p p

b2   (n  i )   (n  j  2)   (n  j ) 
(n  1) 2 p i 1  j 1 j 1

Sehingga batas kontrol grafik kendali generalized variance (|S|) adalah sebagai berikut.
|S|
UCL  (b1  3b2 )
b1
CL | S | (2.5)
|S|
LCL  (b1  3b2 )
b1
Keterangan:
UCL = batas kendali atas
LCL = batas kendali bawah
2.7 Grafik Kendali T2 Hotteling
Grafik kendali T2 Hotelling merupakan suatu metode pengendalian kualitas proses atau
produksi secara multivariat. Metode ini digunakan untuk mengendalikan rata-rata proses
dengan 2 atau lebih karakteristik yang diduga saling berhubungan (Montgomery, 2003).
Berdasarkan hasil pengamatannya, diagram kontrol T2 Hotelling dibagi menjadi dua yaitu
diagram kontrol T2 Hotelling untuk pengamatan subgrup dan diagram kontrol T2 Hotelling
untuk pengamatan individual. Berikut merupakan persamaan untuk estimasi parameter rata-
rata dan varians.
1 n
X j   X ij j  1, 2,..., p
n i 1
1 VV (2.6)
Sj  x
2 n 1

dimana
5
  v1   ( x2  x1 ) 
 v   (x  x ) 
V  2  3 2  (2.7)
   
   
 vn 1   ( xi 1  xi ) 
dimana X ij adalah data pengamatan ke- i dari karakteristik kualitas ke- j . S j adalah matriks
kovarian successive difference sampel ke- i berukuran pxp dengan nilai varians yang
terletak pada diagonal matriks, dan lainnya adalah nilai kovariannya, dimana
i  1, 2,.., n; j  1, 2,..., p .
Setelah diketahui nilai dugaan parameter  dan  maka dapat dihitung nilai T2
Hotteling. Pada grafik kendali T2 Hotteling, matriks kovarian S digunakan untuk
mengestimasi  dan vektor x p digunakan sebagai nilai vektor rata-rata proses yang telah
terkendali. Statistik uji pada grafik kendali T2 Hotteling adalah sebaagai berikut.
   
T
T 2  n X ij  X j S 1 X ij  X j (2.8)
Tahapan dalam melakukan pengendalian kualitas dengan grafik kendali T2 Hotteling ada dua
fase. Fase I atau disebut retrospective analysis yaitu tahapan untuk mendapatkan
pengamatan yang berada dalam batas kendali dapat digunakan untuk fase II. Berikut ini
merupakan batas kendali untuk grafik kendali T2 Hotteling pada fase I (Montgomery, 2013).
p  m  1 n  1
UCL  Fa , p ,mn  m  p 1
mn  m  p  1 (2.9)
LCL  0
Sedangkan batas kendali yang digunakan untuk fase II adalah sebagai berikut.
p  m  1 n  1
UCL  Fa , p ,mn  m  p 1
mn  m  p  1 (2.10)
LCL  0
Keterangan:
UCL = batas kendali atas
LCL = batas kendali bawah
2.8 Kapabilitas Proses
Analisis kapabilitas proses merupakan suatu studi untuk menaksir kemampuan proses,
yaitu apakah produk sudah memenuhi spesifikasi yang ditentukan atau belum. Kegunaan
analisis kapabilitas proses diantaranya.
a. Memberi informasi mengenai variabilitas dalam proses produksi
b. Memprediksi kebaikan proses dalam memenuhi toleransi
c. Membantu perancangan produk dalam memilih dan memodifikasi proses
d. Membantu menetapkan interval sampling untuk pengendalian proses
e. Menspesifikasi persyaratan performance untuk alat baru
f. Memilih suplier yang kompetitif
Kapabilitas proses menggunakan Pp dan Ppk dihitung dengan rumus sebagai berikut.
USL  LSL
Pp  ^
, untuk kasus 2 spesifikasi (2.11)
6
USL  x x  LSL (2.12)
P 
p ^
atau P 
p , untuk kasus 1 spesifikasi
^
3 3

6
 
 USL  x  x  LSL  

Ppk  min    (2.13)
 ^
 ^


 3  3   

Sementara untuk kapabilitas proses multivariat, perhitungan indeks Pp dan Ppk

selanjutnya digunakan untuk perhitungan persamaan berikut.
p
MPp   W j Pp ( X j ) (2.14)
j 1
p
MPpk   W j Ppk ( X j ) (2.15)
j 1

dimana MPp dan MPpk berturut-turut merupakan bentuk Pp dan Ppk dalam keadaan
p
multivariat Wj merupakan pembobotan berdasarkan kepentingan dengan W
j 1
j  1 . Nilai

pembobot Wj disesuaikan dengan pembobot dari masing-masing karakteristik kualitas yang

ditentukan oleh perusahaan, jika tidak ada maka pembobotan untuk setiap variabel dianggap
sama (Raissi, 2009). Kriteria penilaian MCp dan MCpk yaitu apabila nilai yang didapat
kurang dari satu maka kinerja dari proses tidak bagus atau proses tidak kapabel secara
multivariat sedangkan jika lebih dari satu maka proses kapabel multivariat (Werner, 2011).

2.9 Gula Cair

Gula adalah senyawa organik yang tergolong karbohidrat, manis, larut dalam air dan
berfungsi sebagai sumber kalori, pemanis, serta pengawet (Susi, 1999). Gula yang sebagian
besar dikonsumsi oleh masyarakat terdapat berbagai jenis yaitu gula kristal maupun gula
cair. Gula kristal berbentu padat atau butiran-butiran sedangkan gula cair berbentuk cair
sehingga untuk pemasaran atau penjualan dikemas dalam botol.

7
 BAB III
METODOLOGI PENELITIAN
3.1 Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder pada laporan Tugas
Akhir milik Natalia yang berjudul “Analisis Manajemen Mutu Terpadu pada Perusahaan
Agroindustri Gula Cair PT Puncak Gunung Mas, Ciracas, Jakarta Timur” yang diambil pada:
hari/tanggal : Sabtu, 10 November 2018
waktu : pukul 19.00 WIB
3.2 Variabel Penelitian dan Struktur Data
Variabel penelitian yang terdapat pada analisis terhadap proses raw material produk
HFS-55% bulan Juni hingga November 2001 menggunakan 2 variabel penelitian yaitu
sebagai berikut.
Tabel 3.1 Variabel Penelitian dan Batas Spesifikasi
Variabel Keterangan BSA BSB
X1 pH 6,5 4,5
X2 SpR 408105 191895

3.3 Struktur Data

Struktur data dari proses raw material produk HFS-55% bulan Juni hingga November
2001 adalah sebagai berikut.
Tabel 3.2 Struktur Data Penelitian
Variabel
Subgrup Pengamatan
X1 X2
1 x111 x121
2 x112 x122
1 3 x113 x123
4 x114 x124
5 x115 x125
…

1 x2811 x2821
2 x2812 x2822
28 3 x2813 x2823
4 x2814 x2824
5 x2815 x2825
3.4 Langkah Analisis
Langkah analisis yang dilakukan dalam penelitian ini adalah adalah sebagai berikut.
1. Mengidentifikasi permasalahan dan tujuan penelitian.
2. Mengambil data sekunder.
3. Melakukan analisis karakteristik data proses raw material produk HFS-55% bulan Juni
hingga November 2001.
4. Melakukan pengujian normal multivariat dan dependensi pada data proses raw material
produk HFS-55% bulan Juni hingga November 2001.
5. Melakukan pengendalian kualitas statistik pada data proses raw material produk HFS-
55% bulan Juni hingga November 2001 menggunakan grafik kendali Generalized
Variance.
6. Melakukan pengendalian kualitas statistik pada data proses raw material produk HFS-
55% bulan Juni hingga November 2001 menggunakan grafik kendali T2 Hotelling.
7. Menganalisis kapabilitas proses raw material produk HFS-55% bulan Juni hingga
November 2001.

8
 8. Menarik kesimpulan dan saran
3.4 Diagram Alir
Langkah penelitian dapat digambarkan melalui diagram alir sebagai berikut.

Mulai

Merumuskan Masalah dan

Tujuan

Pengambilan Data Sekunder

Analisis Karakteristik Data

Uji Dependensi

Tidak
Dependen

Ya
Uji Normal Multivariat

Tidak Diasumsikan
Normal
Normal
Multivariat
Ya
Membuat Grafik Kendali
Generalized Variance

Tidak Membuat grafik

In Control
kendali R

Ya
Membuat Grafik Kendali
T2 Hotelling

Gambar 3.1 Diagram Alir Penelitian

9
 A

Membuat Grafik Kendali

T2 Hotelling

Melakukan dekomposisi
Tidak untuk mencari penyebab
In Control
proses tidak terkendali

Ya
Menganalisis Kapabilitas Proses

Menarik Kesimpulan

Selesai

Gambar 3.2 Diagram Alir Penelitian (lanjutan)

10
 BAB IV
ANALISIS DAN PEMBAHASAN
4.1 Karakteristik Data Proses Raw Material Produk HFS-55% Bulan Juni Hingga
November 2001
Langkah pertama yang dilakukan dalam menganalisis suatu permasalahan adalah
dengan melakukan analisis statistika deskriptif dari daya yang digunakan. Hal ini bertujuan
untuk mengetahui karakteristik dari data. Berikut adalah hasil analisis statistika deskriptif
dari data proses raw material produk HFS-55% bulan Juni hingga November 2001 dengan
menggunakan Software Minitab 16.
Tabel 4.1 Output Minitab Statistika Deskriptif
Variabel Mean Median Varians
pH 5.6879 1.2868 5.5100
SpR 103376 5932892756 90000

Berdasarkan Tabel 4.1 dapat diketahui bahwa nilai rata-rata dan median variabel SpR
sebesar 103376 dan 5932892756. Nilai varians sebesar 90000 berarti variabel SpR memiliki
keragaman yang tinggi dibandingkan dengan variabel pH. Rata-rata nilai variabel pH adalah
sebesar 5.6879 atau dapat diartikan bahwa pH yang digunakan dalam proses raw material
produk HFS-55% bulan Juni hingga November 2001 adalah sebesar 5.6879 dari masing-
masing bahan. Nilai median dan variansnya sebesar 1.2868 dan 5.5100 yang berarti bahwa
keragaman pada variabel pH lebih kecil dibandingkan dengan variabel SpR.
4.2 Pengujian Asumsi
Sebelum melakukan analisis lebih lanjut mengenai data proses raw material produk
HFS-55% bulan Juni hingga November 2001 maka diperlukan pengujian asumsi dimana
data harus memenuhi asumsi uji distribusi normal multivariat dan uji dependensi. Berikut
merupakan pengujian distribusi normal multivariat dan dependensi menggunakan Software
R dan SPSS.
4.2.1 Uji Dependensi
Pengujian dependensi data dilakukan untuk mengetahui apakah antar variabel data
proses raw material produk HFS-55% bulan Juni hingga November 2001 terdapat korelasi
antar variabel (dependent) atau tidak terdapat korelasi antar variabel (independent). Hasil
KMO and Bartlett’s Test terhadap data proses raw material produk HFS-55% bulan Juni
hingga November 2001 menghasilkan p-value yaitu sebesar 0,000. Artinya p-value < taraf
signifikansi α yang bernilai 0.05. Keputusan dari pengujian dependensi adalah tolak H0 .
Sehingga dapat disimpulkan bahwa data proses raw material produk HFS-55% bulan Juni
hingga November 2001 memliki korelasi antar variabelnya.
4.2.2 Uji Normal Multivariat
Pengujian distribusi normal secara multivariat untuk memenuhi asumsi data
berdistribusi normal menggunakan software R. Output R menunjukkan proporsi bernilai
52,85714%, artinya data proses raw material produk HFS-55% bulan Juni hingga November
2001 memiliki proporsi diantara 45% sampai 55%. Keputusan dari pengujian normal
multivariate adalah gagal tolak H0 . Sehingga dapat disimpulkan bahwa data proses raw
material produk HFS-55% bulan Juni hingga November 2001 berdistribusi normal
multivariat.
4.3 Grafik Kendali Generalized Variance
Berdasarkan uji asumsi yang telah dilakukan, dapat diketahui bahwa data proses raw
material produk HFS-55% bulan Juni hingga November 2001 PT. Puncak Gunung Mas

11
berdistribusi normal multivariat dan variabelnya saling dependen atau berkorelasi sehingga
dapat dilanjutkan dengan analisis menggunakan grafik kendali generalized variance. Grafik
kendali generalized variance digunakan untuk mengetahui variabilitas proses raw material
produk HFS-55% bulan Juni hingga November 2001 PT. Puncak Gunung Mas yang diukur
berdasarkan variabel pH dan SpR. Grafik kendali generalized variance yang didapatkan
adalah sebagai berikut.
Generalized Variance Chart of pH, SpR
3.5000E+10
UCL=3.2062E+10
3.0000E+10

2.5000E+10
Generalized Variance

2.0000E+10

1.5000E+10

1.0000E+10
|S|=6859312064
5000000000

0 LCL=0

1 4 7 10 13 16 19 22 25 28
Sample

Gambar 4.1 Grafik Kendali Generalized Variance

Berdasarkan Gambar 4.1 dapat diketahui bahwa grafik kendali generalized variance
memiliki UCL sebesar 3.2062E+10, nilai S yaitu 6859312064, dan LCL sebesar 0.
Terdapat satu titik yang berada di luar batas kendali atas (out of control) sehingga dapat
disimpulkan bahwa variabilitas proses raw material produk HFS-55% bulan Juni hingga
November 2001 PT. Puncak Gunung Mas belum terkendali secara statistik. Selanjutnya
melakukan identifikasi dengan menggunakan grafik kendali R untuk mengetahui variabel
mana yang menyebabkan out of control. Berikut adalah hasil identifikasi dengan
menggunakan grafik kendali R .

R Chart of pH

UCL=5.196
5

4
Sample Range

3
_
R=2.458
2

0 LCL=0

1 4 7 10 13 16 19 22 25 28
Sample

Gambar 4. 2 Grafik Kendali R untuk Variabel pH

12
 R Chart of SpR
1

400000 UCL=404704

300000

Sample Range
_
200000 R=191395

100000

0 LCL=0

1 4 7 10 13 16 19 22 25 28
Sample

Gambar 4. 3 Grafik Kendali R untuk variabel SpR

Berdasarkan Gambar 4.2 dapat diketahui bahwa tidak terdapat out of control pada data
variabel pH atau dengan kata lain proses raw material produk HFS-55% bulan Juni hingga
November 2001 PT. Puncak Gunung Mas berdasarkan variabel pH telah terkendali secara
statistik. Gambar 4.3 menunjukkan terdapat satu titik pengamatan yang keluar batas kendali
atas yaitu pengamatan ke-10. Selanjutnya adalah membuat grafik kendali generalized
variance dengan data tanpa titik pengamatan ke-10. Berikut ini adalah hasil dari grafik
kendali generalized variance yang baru.

Generalized Variance Chart of pH, SpR

UCL=2.5846E+10
2.5000E+10

2.0000E+10
Generalized Variance

1.5000E+10

1.0000E+10

5000000000 |S|=5529549705

0 LCL=0

1 4 7 10 13 16 19 22 25
Sample

Gambar 4.4 Grafik Kendali Generalized Variance dengan Penghapusan Pengamatan ke-10
Gambar 4.4 menunjukkan bahwa peta kendali generalized variance setelah
penghapusan pengamatan ke-10 memiliki nilai UCL, S , dan LCL secara berturut-turut
yaitu 2.5846E+10, 5529549705, dan 0. Setelah penghapusan data, tidak terdapat out of
control lagi atau dengan kata lain variabilitas proses raw material produk HFS-55% bulan
Juni hingga November 2001 PT. Puncak Gunung Mas sudah terkendali secara statistik.
4.4 Grafik Kendali T2 Hotelling
Setelah dilakukan analisis dengan menggunakan grafik kendali generalized variance
maka langkah selanjutnya adalah analisis dengan grafik kendali T2 Hotelling yang digunakan
untuk mengetahui mean pada suatu proses pengendalian secara bersama-sama dengan
karakteristik kualitas yang dilakukan pemeriksaan lebih dari satu variabel diduga dengan
sifat dependen antar variabel. Berikut merupakan hasil analisis grafik kendali T2 Hotelling
pada data proses raw material produk HFS-55% bulan Juni hingga November 2001 PT.
Puncak Gunung Mas.

13
 Tsuared Chart of pH, SpR
14
UCL=13.67

12

10

Tsquared
6

2
Median=1.36
0

1 4 7 10 13 16 19 22 25
Sample

Gambar 4. 5 Grafik Kendali T2 Hotelling

Berdasarkan Gambar 4.5 dapat diketahui grafik kendali T2 Hotelling memiliki nilai UCL
sebesar 13.67 dan median 3.63, dalam grafik tersebut tidak terdapat titik pengamatan yang
keluar batas kendali sehingga dapat disimpulkan bahwa mean proses raw material produk
HFS-55% bulan Juni hingga November 2001 PT. Puncak Gunung Mas sudah terkendali
secara statistik.
4.5 Uji Kapabilitas Proses Multivariat
Uji kapabilitas proses multivariat bertujuan untuk mengetahui apakah proses produksi
gula cair di PT. Puncak Gunung Mas kapabel. Indeks kapabel yang digunakan adalah Pp dan
Ppk karena terdapat proses yang belum terkendali secara statistik (terdapat data yang out of
control). Berikut adalah hasil kapabilitas proses multivariat proses raw material produk
HFS-55% bulan Juni hingga November 2001 PT. Puncak Gunung Mas berdasarkan variabel
pH dan SpR.

Gambar 4.6 Kabapilitas Proses Berdasarkan Variabel pH

14
 Gambar 4.7 Kapabilitas Proses Berdasarkan Variabel SpR

Tabel 4.2 Kapabilitas Proses Multivariat

Variabel Wk Pp Ppk MPp MPpk
pH 0.5 0.29 0.24
0.38 0.31
SpR 0.5 0.47 -0.38
Berdasarkan Tabel 4.2 dapat diketahui bahwa indeks kapabilitas proses multivariat
(MPp) dan indeks kapabilitas aktual multivariat (MPpk) bernilai kurang dari 1, yang berarti
bahwa presisi dan akurasi pada variabel pH dan SpR rendah, sehingga dapat disimpulkan
bahwa proses proses raw material produk HFS-55% bulan Juni hingga November 2001 PT.
Puncak Gunung Mas belum kapabel.

15
 BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil analisis dan pembahasan yang dilakukan, dapat diperoleh kesimpulan
sebagai berikut.
a. Karakteristik data proses raw material produk HFS-55% bulan Juni hingga November
2001 PT. Puncak Gunung Mas adalah mean, median, dan varians tertinggi dimiliki oleh
variabel SpR secara berturut-turut nilainya adalah 103376, 5932892756, dan 90000.
Nilai keragaman yang paling kecil adalah variabel pH yaitu 5.5100
b. Hasil dari uji normal multivariat dan dependensi yaitu data proses raw material produk
HFS-55% bulan Juni hingga November 2001 PT. Puncak Gunung Mas memenuhi uji
normal multivariat dan terdapat korelasi antara variabel pH dan SpR.
c. Berdasarkan grafik kendali generalized variance dapat disimpulkan bahwa variabilitas
data proses raw material produk HFS-55% bulan Juni hingga November 2001 PT.
Puncak Gunung Mas sudah terkendali secara statistik dengan satu kali pembuangan data
pengamatan ke-10.
d. Grafik kendali T2 Hotelling menunjukkan bahwa mean data proses raw material produk
HFS-55% bulan Juni hingga November 2001 PT. Puncak Gunung Mas sudah terkendali
secara statistik dibuktikan dengan tidak adanya data yang keluar batas kendali.
e. Analisis kapabilitas proses multivariat menghasilkan kesimpulan bahwa indeks
kapabilitas proses multivariat (MPp) dan indeks kapabilitas aktual multivariat (MPpk)
bernilai kurang dari 1 atau dengan kata lain proses raw material produk HFS-55% bulan
Juni hingga November 2001 PT. Puncak Gunung Mas belum kapabel.
5.2 Saran
Saran untuk penelitian selanjutnya agar lebih selektif dalam memilih data yang akan
dianalisis. Diharapkan apabila menggunakan data yang memenuhi asumsi yang dibutuhkan
akan menghasilkan analisis yang lebih valid. Saran untuk PT. Puncak Gunung Mas dapat
meningkatkan kapabilitas proses produksi dan memperbaiki faktor yang menyebabkan
terjadinya penurunan kualitas produk.

16
 DAFTAR PUSTAKA

Heizer, Jay. Barry Render. 2009. Manajemen Operasi. Jakarta: Salemba Empat.
Johnson, N. And Wichern, D. 2002. Applied Multivariate Statistical Analysis, 5th Edition.
New Jersey: Prentice Hall, Englewood Cliffs.
Marimin. 2005. Teknik dan Aplikasi. Jakarta: PT. Gasindo.
Mendenhall, William. 1987. Introduction to Probability and Statistics. Boston: PWS-Kent.
Montgomery, D. C., 2003. Introduction to Statistical Quality Control, New York: John
Wiley & Sons, Inc.
Montgomery, D. C., 2009. Introduction to Statistical Quality Control, New York: John
Wiley & Sons, Inc.
Montgomery, D. C., 2013. Introduction to Statistical Quality Control, New York: John
Wiley & Sons, Inc.
Natalia. 2002. Analisis Manajemen Mutu Terpadu Pada Perusahaan Agroindustri Gula
Cair PT. Puncak Gunung Mas, Ciracas, Jakarta Timur. Skripsi: Jurusan Ilmu-Ilmu
Sosial Ekonomi Pertanian, Fakultas Pertanian, Institut Pertanian Bogor.
Raissi. 2009. Multivariate Process Capability Indices on The Presence of The Priority for
Quality Characteristics. Journal of Industrial Engineering International, 5, 27-36.
Susi. 1999. Optimalisasi Produksi Gula Cair dan Gula Kristal (Studi Kasus pada PT. Raya
Sugarindo Inti, Tasikmalaya, Jawa Barat). Skripsi. Jurusan Sosial Ekonomi
Pertanian. Fakultas Pertanian. Institut Pertanian Bogor.
Werner, L. 2011. Desempenho de Indices de Capacidade de Processos Multivariados: Uma
Comparacao de Indices Via Simulacao. Roberto de France Moreira Junior: Porto
Alegre.

17
 LAMPIRAN
Lampiran 1. Data Proses Raw Material Produk HFS-55% Bulan Juni hingga November
2001 PT. Puncak Gunung Mas

Subgrup No pH SpR Subgrup No pH SpR

1 1 6.15 37000 15 1 5.91 20000
1 2 7.38 7100 15 2 5.01 263000
1 3 4.56 126000 15 3 7.40 7000
1 4 7.95 54000 15 4 7.06 9000
1 5 7.64 10000 15 5 6.89 75000
2 1 6.01 46000 16 1 6.93 73000
2 2 7.17 36000 16 2 7.26 33000
2 3 4.02 125000 16 3 5.76 100000
2 4 6.84 2900 16 4 5.93 200000
2 5 7.87 41000 16 5 6.50 200000
3 1 5.24 86000 17 1 6.87 238000
3 2 3.91 30000 17 2 5.25 163000
3 3 4.57 198000 17 3 4.84 238000
3 4 3.37 18000 17 4 6.61 142000
3 5 5.07 50000 17 5 3.56 45000
4 1 3.29 22000 18 1 3.80 62000
4 2 5.58 52000 18 2 5.48 100000
4 3 6.16 19000 18 3 4.76 200000
4 4 7.50 110000 18 4 5.15 136000
4 5 6.30 54000 18 5 5.35 95000
5 1 4.12 112000 19 1 5.65 149000
5 2 5.90 11000 19 2 4.60 100000
5 3 6.72 263000 19 3 4.80 63000
5 4 5.92 46000 19 4 3.72 51000
5 5 5.62 90000 19 5 5.24 110000
6 1 5.52 77000 20 1 3.52 38000
6 2 4.87 256000 20 2 4.33 232000
6 3 5.10 277000 20 3 4.51 196000
6 4 5.31 86000 20 4 4.61 217000
6 5 7.31 86000 20 5 7.07 97000
7 1 6.19 175000 21 1 5.34 190000
7 2 5.64 107000 21 2 5.56 217000
7 3 5.36 200000 21 3 5.21 200000
7 4 7.44 95000 21 4 4.92 98000
7 5 4.46 217000 21 5 5.05 119000
8 1 6.57 30000 22 1 7.24 86000
8 2 7.50 100000 22 2 4.88 250000
8 3 5.01 270000 22 3 5.82 123000
8 4 7.55 16000 22 4 5.90 125000
 8 5 5.37 33000 22 5 6.67 13000
9 1 5.45 133000 23 1 4.81 150000
9 2 5.15 125000 23 2 6.51 48000
9 3 7.61 80000 23 3 5.34 41000
9 4 4.76 285000 23 4 8.20 1800
9 5 4.41 200000 23 5 7.97 35000
10 1 4.31 434000 24 1 5.85 175000
10 2 5.20 476000 24 2 7.75 76000
10 3 4.05 88000 24 3 8.06 26000
10 4 4.86 138000 24 4 4.70 156000
10 5 6.47 43000 24 5 5.21 52000
11 1 5.52 25000 25 1 5.18 38000
11 2 5.01 263000 25 2 5.77 42000
11 3 6.56 11000 25 3 5.84 58000
11 4 6.82 9000 25 4 5.81 126000
11 5 4.36 20000 25 5 5.62 98000
12 1 6.37 23000 26 1 4.41 270000
12 2 7.49 100000 26 2 5.26 50000
12 3 4.61 101000 26 3 5.19 170000
12 4 6.25 37000 26 4 5.88 58000
12 5 5.51 108000 26 5 5.00 94000
13 1 6.04 51000 27 1 7.56 61000
13 2 4.89 227000 27 2 4.69 82000
13 3 6.15 55000 27 3 5.50 122000
13 4 4.94 200000 27 4 5.36 98000
13 5 5.48 54000 27 5 6.41 172000
14 1 5.14 95000 28 1 5.22 100000
14 2 3.63 10900 28 2 7.14 47000
14 3 5.60 62000 28 3 4.93 256000
14 4 4.05 65000 28 4 5.21 140000
14 5 4.85 1000 28 5 5.81 28000

Lampiran 2. Output SPSS untuk Uji Dependensi

KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,500
Bartlett's Test of Sphericity Approx. Chi-Square 13,906
df 1
Sig. ,000
Lampiran 3.Syntax Uji Normalitas Multivariat
getwd()
setwd("C:/Users/Amelia Kurnia Salwa/Documents")
data=read.csv("modul2.csv",sep=";",header=T)
data

multinorm.test<-function(x)
{
x<-as.data.frame(x)
mu<-colMeans(x)
S<-cov(x)
invS<-solve(S)
d<-matrix(rep(0,nrow(x)),nrow(x),1)
eval<-matrix(rep(0,nrow(x)),nrow(x),1)
q<-qchisq(0.5,ncol(x))
for (i in 1:nrow(x))
{
d[i]<-as.numeric(x[i,]-mu) %*% (invS) %*%
as.numeric(t(x[i,]-mu))
ifelse (d[i]<=q, eval[i]<-1, eval[i]<-0)
}
prop <- sum(eval)/nrow(x)
result<- list(distance=d, chisquared=q,
proportion=prop)
return (result)
}
multinorm.test(data)

Lampiran 4.Output R untuk Uji Normalitas Multivariat

$chisquared
[1] 1.386294

$proportion
[1] 0.5285714