INFERENSI , Vol. xx(x), Xxx. 20xx.

ISSN: 0216-308X (Print) 2721-3862 (Online)

Pengendalian Kualitas Produk Snack

Mini Stick di PT. Nissin Biscuits
Indonesia Menggunakan Peta Kendali
𝒑 dan 𝒏𝒑
Prima Ari Wibowo1*, and Algio Wijaya Artha1 Received: 23 October 2022
1
Departemen Statistika, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia Revised: 24 Octoberr2022
*Corresponding author: prima.205003@mhs.its.ac.id Accepted: 27 October 2022

ABSTRAK ⎯ Pengendalian kualitas merupakan suatu proses pengembangan melalui pemantauan atau pengontrolan yang
bertujuan untuk memperbaiki kualitas suatu produk. Proses produksi penting untuk dilakukan pengecekan berulang kali agar
mendapatkan kualitas produk yang maksimal. Proses produksi juga tidak terlepas dari adanya kecacatan produksi, baik dari segi
kemasan maupun keutuhan isi produk. Hal ini bisa dikarenakan faktor manusia dan mesin pada saat proses produksi, sehingga
kecacatan produksi tidak dapat terhindarkan. Demikian juga yang dialami proses produksi snack Nissin Mini Stick dari PT. Nissan
Biscuits Indonesia ini, pada proses produksi stik biskuit sudah pasti pernah mengalami kecacatan dalam produksinya. Dalam
penelitian kali ini, kami mencoba untuk menganalisis kecacatan yang ada pada produk tersebut. Sehingga dengan melakukan
pemantauan kualitas melalui kecacatan dapat membantu perusahaan untuk memantau batas wajar kecacatan yang dapat dimaklumi
dalam proses produksi. Pada uji asumsi kecakan data dan distribusi binomial kedua data baik 𝒑 maupun 𝒏𝒑 sama-sama bersifat
random dan berdistribusi binomial. Pada hasil analisis control chart menggunakan peta kendali 𝒑 dan 𝒏𝒑 keduanya sama-sama
sudah terkendali secara statistik. Pada peta kendali 𝒑 tidak ada observasi yang melewati batas kendali, begitu juga sama halnya
dengan peta kendali 𝒏𝒑. Sehingga dengan itu dapat dikatakan keduanya sudah terkendali secara statistik. Hasil analisis diagram
pareto menyatakan kesalahan yang paling sering terjadi yaitu tentang keutuhan isi snack yang di mana pada diagram Ishikawa
dijelaskan kecacatan tersebut dapat dikarenakan oleh enam komponen, yaitu manusia, mesin, metode, pengukuran, lingkungan,
serta material. Berdasarkan hasil analisis kapabilitas proses, ternyata baik proses pada peta kendali 𝒑 maupun peta kendali 𝒏𝒑
sama-sama tidak kapabel karena nilai dari |𝒛| < 𝒁𝜶 , sehingga dapat disimpulkan proses keduanya tidak kapabel dalam menangani
𝟐
kecacatan produk snack mini stick di PT. Nissin Biscuits Indonesia.
Kata kunci⎯ Diagram Fishbone, Diagram Pareto, Kecacatan , Pengendalian Kualitas, Peta Kendali.

ABSTRACT ⎯ Quality control is a development process through monitoring or control that aims to improve the quality of a
product. The production process is important to be checked repeatedly in order to get maximum product quality. The production
process is also inseparable from production limitations, both in terms of packaging and product integrity. This can happen due to
human and machine factors during the production process, so production is unavoidable. Likewise, the production process for the
Nissin Mini Stick snack from PT. Nissan Biscuits Indonesia, in the production process of biscuit sticks, it is certain that they have
experienced difficulties in their production. In this study, we tried to analyze what is in the product. So that by monitoring quality,
it can help companies to overcome reasonable limits that are understandable in the production process. In the assumption test of
data randomness and binomial distribution, both p and np data are both random and have a binomial distribution. In the results of
the control chart analysis using 𝒑 and 𝒏𝒑 control charts both are statistically controlled. On the 𝒑 control chart, there are no
observations that cross the control limit, as is the case with the 𝒏𝒑 control chart. So with that it can be said that both are statistically
controlled. The results of the Pareto diagram analysis state that the most frequent error is regarding the integrity of the contents of
the snack, where in the Ishikawa diagram it is explained that the defect can be caused by six components, namely humans, machines,
methods, measurements, environment, and materials. Based on the results of the process capability analysis, it turns out that both
the processes on the 𝒑 control chart and the 𝒏𝒑 control chart are equally incapable because the value of |𝒛| < 𝒁𝜶 , so it can be concluded
𝟐
that both processes are not capable of handling mini stick snack product defects. at PT. Nissin Biscuits Indonesia.
Keywords⎯ Control Chart, Defects, Fishbone Diagram, Pareto Diagram, Quality Control.

I. PENDAHULUAN
Baru-baru ini persaingan dalam berbisnis atau berusaha sangatlah ketat, hal ini merupakan hal yang tidak bisa
dihindari oleh perusahaan sehingga perusahaan dituntut untuk lebih peka terhadap produknya, baik itu dari segi
kualitas maupun kuantitas. Perusahaan juga harus dituntut dapat memahami dan mengerti dinamika atau perubahan
yang terjadi di pasar khususnya yang terkait dengan pengendalian kualitas suatu produk agar dapat terus bersaing
dengan kompetitor [1].
Perilaku pembelian seseorang dapat dikatakan sesuatu yang cukup unik, karena preferensi dan sikap terhadap objek
setiap orang berbeda-beda. Selain itu, konsumen berasal dari beberapa segmen, sehingga apa yang diinginkan dan
dibutuhkan juga pasti berbeda. Masih banyak faktor yang mempengaruhi bagaimana perilaku seseorang dalam membeli
sebuah produk, sehingga dengan ini diharapkan kesigapan para produsen untuk terus memahami perilaku konsumen
terhadap produk yang ada di pasar agar produk tidak kehilangan pangsa pasarnya [2].
Kualitas produk merupakan salah satu faktor yang diperhatikan oleh konsumen dalam membeli dan menggunakan
sebuah produk. Adanya peningkatan pendidikan kemampuan daya beli serta kepedulian konsumen terhadap nilai gizi
telah menggugah kesadaran konsumen akan pentingnya suatu kualitas produk [3]. Kualitas menjadi faktor dasar yang

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

harus dipahami oleh para produsen, karena hal ini sangat menentukan bagaimana kesuksesan pemasaran sebuah
produk di pasaran. Dengan kualitas yang mumpuni, tentu konsumen merasa puas dengan apa yang mereka dapatkan.
Proses produksi penting untuk dilakukan pengecekan berulang kali agar mendapatkan kualitas produk yang
maksimal. Proses produksi juga tidak terlepas dari adanya kecacatan produksi, baik dari segi kemasan maupun
keutuhan isi produk. Hal ini bisa dikarenakan faktor manusia dan mesin pada saat proses produksi, sehingga kecacatan
produksi tidak dapat terhindarkan. Hal yang bisa dilakukan adalah terus memantau atau memonitoring banyaknya
kecacatan tersebut agar tetap di dalam kontrol atau standarnya
Perusahaan yang memiliki awareness yang tinggi terhadap kualitas produknya akan selalu memantau bagaimana
perkembangan kualitas produk yang dimiliki. Hal ini disebut juga dengan pengendalian kualitas (quality control), adalah
suatu proses di mana kualitas di jaga agar tetap dalam jangkauan atau standard perusahaan. Usaha tersebut diharapkan
memberikan arahan terhadap pemantauan produk cacat pada proses produksi sehingga dapat menekan angka
kecacatan, baik dari proporsi maupun jumlah cacatnya.
Perbaikan dan peningkatan kualitas dengan menerapkan pengendalian kualitas pada perusahaan akhirnya akan
memberikan sebuah masukan, tidak terbatas pada kualitas produk yang lebih baik, tetapi juga dalam hal produktivitas
yang tinggi akan memberikan suatu dampak pada penekanan biaya yang lebih kecil yang dikeluarkan oleh perusahaan.
Pada dasarnya setiap proses produksi pasti terdapat beberapa kecacatan produksi, baik produksi menggunakan tenaga
manusia ataupun mesin. Namun kembali lagi bahwa perusahaan yang berhasil meminimalkan suatu kecacatan
produksi, maka perusahaan itu lah yang berhasil menekan biaya produksi dan pastinya membawa keuntungan yang
lebih besar.
Demikian juga yang dialami proses produksi snack Nissin Mini Stick dari PT. Nissan Biscuits Indonesia ini, pada
proses produksi stik biskuit sudah pasti pernah mengalami kecacatan dalam produksinya. Baik itu dari segi keutuhan
isi makanan ataupun kondisi kemasan, karena dilihat dari karakteristik biskuit sendiri yang rentan sekali hancur dalam
proses produksinya. Dalam penelitian kali ini, kami mencoba untuk menganalisis kecacatan yang ada pada produk
tersebut. Sehingga dengan melakukan pemantauan kualitas melalui kecacatan dapat membantu perusahaan untuk
memantau batas wajar kecacatan yang dapat dimaklumi dalam proses produksi dan berusaha untuk tidak melewati
batas tersebut. Oleh karena itu, kami ingin menganalisis bagaimana pengendalian produk cacat pada snack tersebut agar
dapat meminimalisir kecacatan dan biaya tambahan.

II. TINJAUAN PUSTAKA

A. Statistika Deskriptif
Statistika deskriptif adalah salah satu bagian statistika mengenai pengumpulan data, penyajian, penentuan nilai-nilai
statistika, pembuatan diagram atau gambar mengenai sesuatu hal. Pada statistika deskriptif, data yang disajikan dalam
bentuk yang lebih mudah dipahami oleh pembaca [4]. Lebih lanjut, statistika deskriptif dalam prosesnya hanya berusaha
melukiskan atau mengalisa kelompok yang diberikan tanpa membuat atau menarik kesimpulan tentang populasi atau
kelompok yang lebih besar [5]. Terdapat beberapa ukuran untuk data kuantitatif dalam analisa statistika deskriptif,
seperti mean, mode, median, varians, dan lainnya.
Nilai rata-rata diperoleh dari jumlah keseluruhan pada nilai-nilai skala dibagi dengan jumlah ukuran pengamatan.
Lebih rinci, nilai rata-rata didapatkan dari hasil penambahan semua nilai yang ada dari tiap data, lalu dibagi dengan
banyak data yang ada tersebut [6]. Nilai rata-rata bisa dihitung menggunakan rumus berikut.
𝑥 +𝑥 +𝑥 +⋯+𝑥𝑛
𝑋̅ = 1 2 3 (1)
𝑛
Varians adalah ukuran yang menunjukkan tingkat penyebaran dari kumpulan data. Varians merupakan kuadrat dari
deviasi standar nilai individual terhadap rata-rata kelompok.
∑𝑛 ̅ )2
1 (𝑋−𝑋
𝑆2 = (2)
𝑛−1
Nilai maksimum merupakan nilai paling tinggi pada suatu kumpulan data. Nilai minimum adalah nilai terendah
dari suatu kumpulan data. Selain daripada ukuran-ukuran di atas, terdapat parameter proporsi untuk mengukur
seberapa besar bagian yang sedang diamati jika dibandingkan dengan jumlah total sampel/populasi. Estimasi parameter
proporsi dapat dihitung menggunakan persamaan sebagai berikut.
𝑛𝑝𝑒𝑛𝑔𝑎𝑚𝑎𝑡𝑎𝑛
𝑝̂ = (3)
𝑛𝑡𝑜𝑡𝑎𝑙

B. Uji Keacakan Data (Runs Test)

Salah satu syarat untuk pengambilan sampel suatu populasi data adalah keacakan. Oleh karena itu, perlu dilakukan
uji keacakan data untuk mengetahui apakah data pengamatan yang diambil menjadi sampel telah terpilih secara acak
atau tidak [7]. Runs Test terdiri atas serangkaian data pengamatan yang dicatat berdasarkan perolehannya dan bisa
dikategorikan dalam dua kelompok yang saling eksklusif. Jika yang satu terjadi, yang lain tidak mungkin terjadi juga,
seperti jika hasil positif tidak mungkin berbarengan dengan hasil negatif. Hipotesis yang digunakan adalah sebagai
berikut.
𝐻0 : data pengamatan yang diambil dari populasi telah acak
𝐻1 : data pengamatan yang diambil dari populasi tidak acak
Statistik Uji :

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

2𝑛1 𝑛2
𝑟−𝜇𝑟 𝑟−( +1)
𝑛1 +𝑛2
𝑍= = (4)
𝜎𝑟 2𝑛1 𝑛2 (2𝑛1 𝑛2 −𝑛1 −𝑛2 )
√ (𝑛 2
1+𝑛2 ) (𝑛1 +𝑛2 −1)

Keterangan :
𝑟 : banyak rangkaian
𝑛1 : banyak data yang bertanda (+)
𝑛2 : banyak data yang bertanda (-)
𝐻0 ditolak apabila p-value lebih kecil dari α atau jika 𝑍 > 𝑍𝛼⁄2 atau 𝑍 < −𝑍𝛼⁄2

C. Uji Binomial
Uji Binomial termasuk dalam uji nonparametrik yang digunakan untuk mengetahui apakah proporsi dari populasi
memiliki nilai tertentu [6]. Uji binomial digunakan saat menganalisis populasi dengan dua kategori. contohnya seperti
jantan-betina, sukses-gagal, kaya-miskin, dan lainnya. Dengan hanya menggunakan dua kategori, maka data yang
diamati akan berdistribusi binomial. Analisis uji binomial dibedakan menjadi dua, yaitu untuk sampel kecil dan sampel
besar.
- Tahapan Uji Binomial pada Sampel Kecil (N ≤ 25)
1. Merumuskan hipotesis
• Hipotesis dua arah
𝐻0 ∶ 𝑝 = 𝑝0 (data berdistribusi binomial)
𝐻1 : 𝑝 ≠ 𝑝0 (data tidak berdistribusi binomial)
• Hipotesis satu arah
𝐻0 : 𝑝 = 𝑝0 (data berdistribusi binomial)
𝐻1 : 𝑝 > 𝑝0 ( data tidak berdistribusi binomial)
2.. Menentukan tingkat signifikansi, umumnya menggunakan 𝛼 = 5%
3. Tentukan banyaknya sampel (n)
4. Hitung banyak frekuensi pada tiap kategori
5. Menghitung p-value
𝑛
𝑃 (𝑌 ≥ 𝑦) = ∑𝑛𝑌=𝑦 (𝑦) 𝑝 𝑦 𝑞𝑛−𝑦 (5)
dimana
𝑛 𝑛!
(𝑦 ) = (6)
𝑦!(𝑛−𝑦)!
𝑝 = proporsi kasus yang diharapkan
𝑞 = 1 – 𝑝 = proporsi kasus pada kategori lainnya
𝑦 = banyaknya kejadian diharapkan yang diperoleh dari sampel
6. Pengambilan keputusan
• Untuk sampel kecil (𝑁 ≤ 25), kita dapat melihat nilai 𝑃(𝑌 ≥ 𝑦) di tabel yang sudah disediakan atau juga bisa
menggunakan kalkulator binomial
• Jika sampel besar (𝑁 > 25), kita dapat menghitung nilai 𝑃(𝑌 ≥ 𝑦) dengan pendekatan distribusi normal
• Pada hipotesis dua arah (𝑝 = 𝑝0 ), tolak 𝐻0 jika 𝑃(𝑌 ≥ 𝑦) ≤ 𝛼/2 atau 2𝑃(𝑌 ≥ 𝑦) ≤ 𝛼
• Untuk hipotesis satu arah (𝑝 > 𝑝0 ), tolak 𝐻0 jika 𝑃(𝑌 ≥ 𝑦) ≤ 𝛼

- Tahapan Uji Binomial pada Sampel Besar (𝑁 > 25)

Ketika sampel semakin besar, maka distribusi binomial cenderung akan mengikuti distribusi normal. Kecenderungan
ini semakin kuat apabila nilai peluang mendekati 0.5. Dalam hal ini ditribusi akan cenderung normal ketika 𝑁 > 25.
Apabila nilai peluang mendekati 0 atau 1, maka kecenderungan mengikuti distribusi normal terjadi ketika 𝑛𝑝𝑞 > 9.
Statistik uji pada sampel besar adalah
𝑦 ±0.5−𝑛𝑝
𝑧= (7)
√𝑛𝑝𝑞
Rumus Uji Binomial Sampel besar
• 𝑦 + 0.5 ketika 𝑦 < 𝑛𝑝
• 𝑦 – 0.5 ketika 𝑦 > 𝑛𝑝
Nilai 𝑧 yang diperoleh akan dibandingkan dengan ztabel atau bisa juga nilai 𝑧 dikonversi terlebih dahulu ke 𝑝 − 𝑣𝑎𝑙𝑢𝑒
untuk dibandingkan dengan 𝛼.
• Jika menggunakan uji satu arah dengan 𝛼 = 5%, maka 𝑧𝑡𝑎𝑏𝑒𝑙 = 𝑧0.05 = 1.645
• Untuk uji dua arah dengan 𝛼 = 5%, maka 𝑧𝑡𝑎𝑏𝑒𝑙 = 𝑧0.0025 = 1.96
• Jika 𝑧 > 𝑧𝑡𝑎𝑏𝑒𝑙 atau 𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼, maka tolak 𝐻0

D. Peta kendali 𝒑 dan 𝒏𝒑 chart

a. Peta kendali 𝑝

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

Peta Kendali 𝑝 merupakan peta kendali yang menganalisis data atribut. Untuk data atribut, biasanya telah tersedia
tanpa perlu dilakukan pengukuran ulang, sehingga yang perlu dilakukan untuk proses penelitian adalah melaksanakan
pengumpulan data terhadap jumlah ketidaksesuaian yang ada.
Peta Kendali 𝑝 digunakan untuk mengamati bagian yang ditolak karena tidak memenuhi spesifikasi (disebut bagian
yang cacat). Bagian yang ditolak dapat didefinisikan sebagai rasio dari banyaknya barang yang tak sesuai yang
ditemukan dalam pemeriksaan atau sederetan pemeriksaan terhadap total barang yang benar-benar diamati. Adapun
nilai batas kendali untuk peta kendali 𝑝, dapat ditentukan dengan persamaan sebagai berikut:
Garis Tengah :
∑𝑝
𝑝̅ = ∑𝑛
(8)
𝑝̅ (1− 𝑝̅ )
𝑈𝐶𝐿 = 𝑝̅ + 3 (√ ) (9)
𝑛

𝑝̅ (1− 𝑝̅ )
𝐿𝐶𝐿 = 𝑝̅ − 3 (√ ) (10)
𝑛
𝐶𝐿 = 𝑝̅
Dimana :
𝑝̅ = Proporsi cacat
n = Jumlah produk yang diperiksa
np = Jumlah produk yang cacat
𝑈𝐶𝐿 = Batas kendali atas
𝐿𝐶𝐿 = Batas kendali bawah
𝐶𝐿 = Garis Tengah

b. Peta kendali 𝑛𝑝
Peta kendali 𝑛𝑝 biasa digunakan untuk memetakan jumlah produk cacat atau banyaknya cacat dari sebuah sampel
yang diambil. Berbeda dengan peta kendali p̅ yang dapat memetakan proses dengan jumlah sampel tiap observasi sama
maupun tidak sama, peta kendali 𝑛𝑝 hanya biasa digunakan apabila sampel yg diambil tiap observasi jumlahnya
konstan. Adapun untuk menentukan nilai batas-batas kendali pada peta kendali 𝑛𝑝 dapat digunakan persamaan sebagai
berikut:
𝑛𝑝 (1− 𝑝)
𝑈𝐶𝐿 = 𝑛𝑝 + 3 (√ ) (11)
𝑛

𝑛𝑝 (1− 𝑝)
𝐿𝐶𝐿 = 𝑛𝑝 − 3 (√ ) (12)
𝑛

𝐶𝐿 = 𝑛𝑝 (13)

E. Diagram Pareto
Diagram Pareto (Pareto Chart) pertama kali diperkenalkan oleh Alfredo Pareto dan digunakan pertama kali oleh
Joseph Juran [8]. Diagram pareto terdiri dari grafik balok dan grafik baris yang menggambarkan perbandingan masing-
masing jenis data terhadap keseluruhan. Dengan memakai diagram Pareto, dapat terlihat masalah mana yang dominan
sehingga dapat mengetahui prioritas penyelesaian masalah . Kegunaan diagram pareto adalah:
1). Menunjukkan masalah utama.
2). Menyatakan perbandingan masing-masing persoalan terhadap keseluruhan.
3). Menunjukkan tingkat perbaikan setelah tindakan perbaikan pada daerah yang terbatas.
4). Menunjukkan perbandingan masing-masing persoalan sebelum dan setelah perbaikan.
Diagram Pareto lebih rinci bisa digunakan untuk mengidentifikasikan beberapa permasalahan yang penting, untuk
mencari cacat yang terbesar dan yang paling berpengaruh. Pencarian cacat terbesar atau cacat yang paling berpengaruh
dapat berguna untuk mengambil beberapa cacat yang teridentifikasi, kemudian dapat digunakan untuk membuat
diagram sebab akibat.

F. Diagram Sebab-Akibat (Ishikawa)

Diagram sebab akibat merupakan diagram yang menggambarkan hubungan antara sebab dengan akibat. Istilah lain
dari diagram ini adalah Diagram Tulang Ikan (fishbone diagram) dikarenakan bentuknya menyerupai kerangka ikan, dan
juga disebut Diagram Ishikawa (Ishikawa Diagram) yang diambil dari nama penemu diagram sebab akibat, yaitu Prof.
Kaour Ishikawadari Universitas Tokyo pada 1953. Pada prinsipnya, diagram sebab akibat bisa diterapkan untuk
mengetahui akar penyebab permasalahan, menemukan ide-ide untuk solusi suatu masalah, serta membantu dalam
penggalian fakta lebih dalam.
Diagram Ishikawa juga memiliki kelebihan dan kekurangan. Keunggulan diagram Ishikawa adalah dapat
memperluas setiap masalah yang terjadi, dan setiap orang yang terlibat dapat memberikan saran membangun atau saran
apa yang dapat menimbulkan masalah. Kelemahan diagram Ishikawa atau diagram sebab akibat adalah bahwa
perspektif berbasis alat dan desain akan membatasi kemampuan tim untuk mendeskripsikan masalah menggunakan
metode "level why" yang dalam, kecuali media diagram yang digunakan benar-benar cukup untuk memenuhi

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

kebutuhan ini. Voting biasanya digunakan untuk memilih penyebab yang paling mungkin yang tercantum pada grafik
[9].

G. Analisis Kapabilitas Proses

Analisis kapabilitas proses merupakan bagian penting dari seluruh proses peningkatan kualitas. Kapabilitas proses
adalah kemampuan dari suatu proses untuk menghasilkan produk yang dapat mencapai spesifikasi. Apabila proses
memiliki kapabilitas baik, maka produk yang dihasilkan berada dalam batas-batas spesifikasi. Namun, jika proses
tersebut mempunyai kapabilitas tidak baik, produk yang dihasilkan akan berada di luar batas spesifikasi dan
menyebabkan kerugian bagi perusahaan serta perlu adanya perubahan baik pada proses maupun pada batas spesifikasi
itu sendiri [10]. Ada beberapa indeks yang perlu diperhatikan dalam kapabilitas proses.
Indeks Cp digunakan untuk menjelaskan tingkat presisi. Presisi sendiri merupakan ukuran kedekatan tiap
pengamatan yang dapat dinyatakan oleh variabilitas (𝜎 ). Nilai Cp adalah rasio antara penyebaran sesuai batas spesifikasi
dengan penyebaran proses sebenarnya. Secara matematis adalah sebagai berikut.
𝑈𝑆𝐿−𝐿𝑆𝐿
𝐶𝑝 = (14)
6𝜎
Untuk kasus 2 spesifikasi. Sementara untuk 1 spesifikasi adalah sebagai berikut :
𝑈𝑆𝐿−𝑥̅ 𝑥̅ −𝐿𝑆𝐿
𝐶𝑝 = atau 𝐶𝑝 = (15)
3𝜎 3𝜎
Indeks Cpk digunakan untuk menunjukkan tingkat presisi dan juga akurasi.
𝑈𝑆𝐿−𝑥̅ 𝑥̅ −𝐿𝑆𝐿
𝐶𝑝𝑘 = 𝑚𝑖𝑛 {( ),( )} (16)
3𝜎 3𝜎
Selain menggunakan indeks 𝐶𝑝 , pada analisis kapabilitas data atribut juga dapat menggunakan Defect Per Million
Opportunity (DPMO) yang merupakan ukuran kegagalan yang menunjukkan banyaknya cacat atau kegagalan per satu
juta kesempatan. DPMO dihitung dengan persamaan berikut.
𝐷𝑃𝑀𝑂 = 𝐷𝑃𝑂 𝑥 1.000.000 (17)
Defect per Opportunity (DPO) adalah kegagalan per satu kesempatan. Untuk menghitung DPO digunakan rumus
sebagai berikut.
𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑡𝑖𝑑𝑎𝑘𝑠𝑒𝑠𝑢𝑎𝑖𝑎𝑛
𝐷𝑃𝑂 = (18)
𝑈𝑛𝑖𝑡 𝑦𝑎𝑛𝑔 𝐷𝑖𝑝𝑒𝑟𝑖𝑘𝑠𝑎 𝑥 𝐷𝑒𝑓𝑒𝑐𝑡 𝑂𝑝𝑝𝑜𝑟𝑡𝑢𝑛𝑖𝑡𝑦
Selanjutnya untuk menentukan apakah proses kapabel atau tidak pada data berdistribusi Binomial dapat dilakukan
pendekatan menggunakan Uji Distribusi Normal, di mana menggunakan nilai “z process” yang tercantum dalam output
Minitab 19. Dengan menggunakan hipotesis sebagai berikut.
𝐻0 ∶ Proses Tidak Kapabel
𝐻1 ∶ Proses Kapabel
Menghasilkan keputusan tolak 𝐻0 jika |𝑧| > 𝑧𝛼 yang menghasilkan kesimpulan bahwa proses kapabel.
2

III. METODOLOGI PENELITIAN

A. Sumber Data
Data yang kami gunakan merupakan data primer yang berasal dari pengamatan mandiri dengan membeli produk
melalui online shop. Pada 13 Oktober 2022 kami melakukan pemesanan melalui online shop dengan harga Rp 6.250,00/pack,
di mana satu pack berisikan 10 buah produk sehingga kami membeli empat pack untuk mendapatkan 40 produk
snacknya dengan total harga Rp 25.000,00. Pada tanggal 17 Oktober 2022 produk tiba pada kami dan tanggal 19 Oktober
2022 kami mulai mengamati produk di Institut Teknologi Sepuluh Nopember untuk mengecek apakah ada kecacatan
pada produk. Untuk jenis kecacatan ada sedikit modifikasi dari kami karena menyesuaikan produk yang kami amati.

B. Variabel Penelitian
Pada penelitian kali ini variabel yang kami amati adalah kecacatan produk sesuai dengan jenis kecacatan yang sudah
kami definisikan. Adapaun jenis kecacatan produk yang kami gunakan adalah sebagai berikut :
1. Keutuhan isi jajan (remuk,patah,dsb)
2. Tulisan (tanggal kedaluarsa,kode produksi,dsb) pudar
3. Kemasan kempes tidak ada udara (seperti bocor)
4. Ukuran isi jajan ada yang berbeda
5. Warna kemasan pudar/berbeda
Di mana nanti kami akan mengecek produk satu per satu lalu dari tiap produk tersebut kami identifikasi jenis
kecacatannya sesuai poin-poin di atas. Jika produk mengalami jenis kecacatan tertentu, maka akan diberi angka 1 dan
jika tidak mengalami kecacatan pada jenis kecacatan tertentu diberi angka 0. Lalu jika dari produk terdeteksi mengalami
kecacatan dua atau lebih dari lima jenis kecacatan di atas, produk tersebut dapat dikatakan cacat dan diberi indeks 1
pada kolom cacat, jika terdeteksi kecacatan kurang dari 2 produk diasumsikan tidak mengalami kecacatan dan diberi
indeks 0.

C. Struktur Data
Untuk struktur data, kami menggunakan dua struktur data karena untuk digunakan pengendalian kualitas
menggunakan peta kendali 𝑝 dan 𝑛𝑝. Perbedaan dari kedua struktur data yaitu terletak pada jumlah sampel pada tiap

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

subgrupnya, jika peta kendali 𝑝 jumlah sampel pada tiap subgrupnya tidak konstan yaitu di kisaran 3-5 sampel,
sedangkan pada peta kendali 𝑛𝑝 jumlah sampel pada tiap subgrupnya sama yaitu 4 sampel. Adapun struktur datanya
adalah sebagai berikut :
a. Peta Kendali 𝑝
Tabel 1. Struktur data peta kendali 𝑝
Jenis Cacat
Subgrup Sample
1 2 3 4 5

1 X1,1 X1,2 X1,3 X1,4 X1,5

1 2 X2,1 X2,2 X2,3 X2,4 X2,5

3 X3,1 X3,2 X3,3 X3,4 X3,5

1 X4,1 X4,2 X4,3 X4,4 X4,5

2 X5,1 X5,2 X5,3 X5,4 X5,5

2 3 X6,1 X6,2 X6,3 X6,4 X6,5

4 X7,1 X7,2 X7,3 X7,4 X7,5

5 X8,1 X8,2 X8,3 X8,4 X8,5

. . . . . . .

. . . . . . .

. . . . . . .
1 X36,1 X36,2 X36,3 X36,4 X36,5

2 X37,1 X37,2 X37,3 X37,4 X37,5

10 3 X38,1 X38,2 X38,3 X38,4 X38,5

4 X39,1 X39,2 X39,3 X39,4 X39,5

5 X40,1 X40,2 X40,3 X40,4 X40,5

b. Peta Kendali 𝑛𝑝
Tabel 2. Struktur data peta kendali 𝑛𝑝
Jenis Cacat
Subgrup Sample
1 2 3 4 5

1 𝑋1,1 𝑋1,2 𝑋1,3 𝑋1,4 𝑋1,5

1 2 𝑋2,1 𝑋2,2 𝑋2,3 𝑋2,4 𝑋2,5

3 𝑋3,1 𝑋3,2 𝑋3,3 𝑋3,4 𝑋3,5

4 𝑋4,1 𝑋4,2 𝑋4,3 𝑋4,4 𝑋4,5

1 𝑋5,1 𝑋5,2 𝑋5,3 𝑋5,4 𝑋5,5

2 2 𝑋6,1 𝑋6,2 𝑋6,3 𝑋6,4 𝑋6,5

3 𝑋7,1 𝑋7,2 𝑋7,3 𝑋7,4 𝑋7,5

4 𝑋8,1 𝑋8,2 𝑋8,3 𝑋8,4 𝑋8,5

. . . . . . .

. . . . . . .

. . . . . . .
1 𝑋37,1 𝑋37,2 𝑋37,3 𝑋37,4 𝑋37,5

2 𝑋38,1 𝑋38,2 𝑋38,3 𝑋38,4 𝑋38,5

10
3 𝑋39,1 𝑋39,2 𝑋39,3 𝑋39,4 𝑋39,5

4 𝑋40,1 𝑋40,2 𝑋40,3 𝑋40,4 𝑋40,5

D. Langkah Analisis
Pada penelitian kali ini digunakan peta kendali p dan np untuk menganalisis kecacatan yang terjadi pada snack mini
stick. Sehingga adapaun langkah-langkah analisis yang harus dilakukan untuk mendapatkan kesimpulan adalah sebagai
berikut :

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

1. Melakukan Pengecekan Karakteristik Data

Sebelum menganalisis lebih dalam terkait kecacatan sebuah produk, alangkah baiknya kita mengenal bagaimana
karakteristik data melalui parameter proporsi tiap jenis kecacatan produk.
2. Melakukan Uji Keacakan Data (Runs Test)
Salah satu asumsi yang digunakan pada proses ini adalah data merupakan data random atau acak, sehingga untuk
melihat apakah data random atau tidak dapat digunakan Uji Runs. Uji Runs digunakan untuk menguji hipotesis
deskriptif ( satu sampel ), bila skala pengukurannya ordinal maka Run test dapat digunakan untuk mengukur urutan
suatu kejadian. Pengujian dilakukan dengan cara mengukur kerandoman populasi yang didasarkan atas data hasil
pengamatan melalui sampel. Pengamatan dilakukan dengan mengukur banyaknya “run” dalam suatu kejadian, run
dapat diartikan perubahan data [11].
3. Melakukan Pengecekan Distribusi Binomial
Setelah mengetahui keacakan data, selanjutnya adalah mengecek apakah data sudah berdistribusi binomial atau
tidak. Hal ini dikarenakan data bersifat kategorik yang di mana terdapat dua kejadian, yaitu cacat yang disimbolkan
angka 1 dan tidak cacat yang disimbolkan dengan angka 0, sehingga asumsi data harus berdiistribusi binomial. Namun
pada penelitian kali ini, jika pada hasil pengujian menyatakan data tida berdistribusi binomial, akan tetap diasumsikan
data berdistribusi binomial.
4. Membuat Peta Kendali 𝑝 dan 𝑛𝑝
Setelah asumsi data berdistribusi binomial terpenuhi, barulah melakukan analisis intinya yaitu menggunakan peta
kendali 𝑝 dan 𝑛𝑝. Peta kendali 𝑝 adalah peta kendali yang digunakan untuk memantau proporsi kecacatan suatu produk
agar proporsi tidak keluar dari batas kendalinya. Sedangkan peta kendali 𝑛𝑝 adalah peta kendali yang digunakan untuk
memantau jumlah cacat produk agar jumlahnya tidak melebihi batas kendali yang diterapkan perusahaan.
5. Membuat Diagram Pareto
Diagram pareto adalah grafik yang menunjukkan frekuensi kecacatan yang paling sering terjadi hingga paling jarang
terjadi, disertai dengan peluang kejadian yang bersifat kumulatif. Biasanya diagram pareto digunakan untuk melihat
kecacatan utama atau yang paling besar. Sehingga setelah melihat bagaimana peta kendali 𝑝 dan 𝑛𝑝, maka dibuatlah
diagram pareto untuk mengetahui kecacatan yang apling sering terjadi dan hal ini memberikan perusahaan masukan
untuk cepat membenahi kecacatan yang paling utama tersebut.
6. Membuat Diagram Sebab Akibat (Ishikawa)
Diagram ishikawa adalah diagram yang berisi kemungkinan-kemungkinan akar masalah penyebab dari suatu
permasalahan,di mana dengan adanya ishikawa suatu organisasi atau pihak tertentu dapat melihat lebih spesifik apa
yang menjadi akar masalah dan dapat lebih fokus memperbaiki akar masalah tersebut.
7. Menganalisis Kapabilitas Proses
Analisis kapabilitas proses adalah analisis lebih lanjut untuk melihat apakah proses tersebut kapabel atau tidak dalam
memenuhi keinginan atau spesifikasi dari konsumen. Dalam melakukan analisis kapabilitas proses, asumsi yang harus
dipenuhi yaitu karakteristik kualitas berdistribusi normal dan proses telah terkendali secara statistik (peta kendali 𝑝 dan
𝑛𝑝)
8. Mengambil Kesimpulan
Setelah semua analisis dilakukan, waktunya untuk mengambil kesimpulan dengan meringkas hasil dan pembahasan
menjadi sebuah kalimat yang lebih ringkas

IV. HASIL DAN PEMBAHASAN

A. Karakteristik Data
Pada penelitian kali ini, untuk melihat karakteristik data tidak menggunakan metode statistika deskriptif seperti
penelitian sebelumnya, melainkan menggunakan parameter statistic proporsi. Untuk mencari proporsi hal pertama yang
harus dicari adalah jumlah cacat pada tiap jenis kecacatan lalu jumlah total sampel. Sehingga akan menghasilkan
proporsi sebagai berikut.
Tabel 3. Jumlah cacat tiap jenis kecacatan.

Cacat Jenis Jumlah

1 26

2 13

3 10

4 23

5 0

Total 40

Setelah didapat jumlah dari tiap jenis kecacatan dan sampel total, dapat dihitung parameter proporsi sebagai berikut.

Tabel 4. Proporsi cacat tiap jenis kecacatan.

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

Cacat Jenis Proporsi

1 0,65

2 0,325

3 0,25

4 0,575

5 0

Total 40

Berdasarkan nilai proporsi di atas, dapat diartikan missal pada cacat jenis 1 memiliki proporsi 0,65 yang di mana hal
ini menandakan 65% dari 40 sampel ditemukan mengalami kecacatan jenis 1. Begitu juga kesimpulan dari jenis cacat
yang lainnya. Terlihat yang paling menonjol adalah cacat jenis 5 yang memiliki proporsi 0. Hal ini berarti pada total
sampel tidak ada produk yang mengalami kecacatan jenis 5.

B. Analisis Keacakan Data ( Runs Test )

Salah satu asumsi pengendalian kualitas menggunakan peta kendali 𝑝 dan 𝑛𝑝 adalah data bersifat random, artinya
antara observasi satu dan lainnya tidak memiliki keterkaitan ( independent ). Untuk mengetahui apakah data yang kami
pakai pada penelitian kali ini bersifat random atau tidak, dapat digunakan Uji Runs dengan menghitung banyaknya
Runs atau rangkaian dalam data. Pada pengujian runs test kami menggunakan bantuan software minitab 19. Karena
penelitian menggunakan dua metode yaitu peta kendali 𝑝 dan 𝑛𝑝, maka dapat dicari bagaimana sifat masing-masing
data, apakah random atau tidak.
1. Data 𝑝
Pada data 𝑝 memiliki sampel berbeda-beda pada tiap subgrupnya, sehingga dengan menggunakan bantuan software
minitab 19 didapatkan output sebagai berikut.

Tabel 5. Hasil uji keacakan data 𝑝

Number of Observations
N
K ≤K >K

10 0,638333 4 6

Berdasarkan output di atas, dapat kita ketahui bahwa K adalah nilai rata-rata sampel yang bernilai 0,638 Banyak data
yang kurang dari K terdapat 4 data, sedangkan sisanya bernilai lebih dari K. Untuk ujinya sendiri sebagai berikut.

Tabel 6. Hasil uji keacakan data 𝑝

Number of Runs

Observed Expected P-value

4 5,8 0,206

Berdasarkan Runs Test hasil output Minitab 19, dideklarasikan hipotesis awal adalah data random dan hipotesis
alternatif data tidak random. Dengan menggunakan nilai alfa sebesar 0,05, maka dapat ditarik keputusannya bahwa
gagal tolak 𝐻0 karena nilai p-value > alfa yaitu 0,206 > 0,05. Sehingga kesimpulan yang didapat bahwa data kecacatan
produk yang kami gunakan merupakan data random atau data yang tidak memiliki pengaruh satu sama lainnya.
Dengan kesimpulan tersebut, asumsi random untuk data 𝑝 telah terpenuhi.
2. Data 𝑛𝑝
Pada data 𝑛𝑝 pada tiap subgroup memiliki sampel yang konstan atau tetap, yaitu sebesar 4, sehingga dengan
menggunakan bantuan software minitab 19, didapatkan hasil uji keacakan data sebagai berikut.

Tabel 7. Hasil uji keacakan data 𝑛𝑝

Number of Observations
N
K ≤K >K

10 0,65 5 5

Berdasarkan output di atas, dapat kita ketahui bahwa K adalah nilai rata-rata sampel yang bernilai 0,65. Banyak data
yang kurang dari K terdapat 5 data, sedangkan sisanya bernilai lebih dari K. Untuk ujinya sendiri sebagai berikut.

Tabel 8. Hasil uji keacakan data 𝑛𝑝

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

Number of Runs

Observed Expected P-value

7 6 0,502

Berdasarkan Runs Test hasil output Minitab 19, dideklarasikan hipotesis awal adalah data random dan hipotesis
alternatif data tidak random. Dengan menggunakan nilai alfa sebesar 0,05, maka dapat ditarik keputusannya bahwa
gagal tolak 𝐻0 karena nilai p-value > alfa yaitu 0,502 > 0,05. Sehingga kesimpulan yang didapat bahwa data kecacatan
produk yang kami gunakan merupakan data random atau data yang tidak memiliki pengaruh satu sama lainnya.
Dengan kesimpulan tersebut, asumsi random untuk data 𝑛𝑝 telah terpenuhi.

C. Analisis Distribusi Binomial

Setelah melakukan pengecekan asumsi keacakan data, ternyata data keseluruhan bersifat random, baik untuk data 𝑝
maupun 𝑛𝑝. Selanjutnya asumsi yang perlu dicek adalah asumsi data berdistribusi binomial. Untuk melakukan Uji
Binomial kami menggunakan bantuan software SPSS untuk mempermudah perhitungan. Sehingga didapatkan hasil
sebagai berikut.
1. Data 𝑝
Pada data 𝑝 dengan menggunakan nilai sampel yang berbeda-beda pada tiap subgrupnya, didapatkan hasil output
Uji Binomial menggunakan SPSS adalah sebagai berikut.

Tabel 9. Hasil uji binomial data 𝑝

Observasi
Kategori N Tes Proporsi P-value
Proporsi

Cacat 0 2 0,2 0,5 0,109

Data Tidak Cacat 1 8 0,8

Total 10 1

Berdasarkan hasil Uji Binomial di atas, dideklarasikan hipotesis awal data pengamatan berdistribusi binomial,
sedangkan untuk hipotesis alternatifnya data pengamatan tidak berdistribusi binomial. Dengan menggunakan nilai
𝛼 sebesar 5%, maka dapat ditarik keputusannya bahwa pada Uji Binomial data 𝑝 gagal tolak 𝐻𝑜 , karena nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 >
𝛼 yaitu 0,109 > 0,05. Sehingga dapat ditarik kesimpulan bahwa data pengamatan kecacatan mini stick untuk data 𝑝
berdistribusi binomial, maka dapat dikatakan asumsi terpenuhi.
2. Data 𝑛𝑝
Pada data 𝑛𝑝 dengan menggunakan nilai sampel yang sama pada tiap subgrupnya (konstan), didapatkan hasil output
Uji Binomial menggunakan SPSS adalah sebagai berikut.

Tabel 10. Hasil uji binomial data 𝑛𝑝

Observasi
Kategori N Tes Proporsi P-value
Proporsi

Cacat 0 5 0,5 0,5 1

Data Tidak Cacat 1 5 0,5

Total 10 1

Berdasarkan hasil Uji Binomial di atas, dideklarasikan hipotesis awal data pengamatan berdistribusi binomial,
sedangkan untuk hipotesis alternatifnya data pengamatan tidak berdistribusi binomial. Dengan menggunakan nilai
𝛼 sebesar 5%, maka dapat ditarik keputusannya bahwa pada Uji Binomial data 𝑛𝑝 gagal tolak 𝐻𝑜 , karena nilai 𝑝 −
𝑣𝑎𝑙𝑢𝑒 > 𝛼 yaitu 1 > 0,05. Sehingga dapat ditarik kesimpulan bahwa data pengamatan kecacatan mini stick untuk data 𝑛𝑝
berdistribusi binomial, maka dapat dikatakan asumsi terpenuhi.

D. Analisis Peta Kendali 𝒑 dan 𝒏𝒑

Setelah dua asumsi terpenuhi, yaitu data acak dan data berdistribusi binomial, maka langkah selanjutnya dapat
dilanjutkan ke dalam analisis peta kendali 𝑝 dan 𝑛𝑝. Pengujian dibagi menjadi dua, yaitu peta kendali 𝑝 dan peta kendali
𝑛𝑝 dengan struktur data dari masing-masing yang berbeda. Jika terdapat data observasi yang diluar batas kendali, maka
dapat diatasi dengan menghilangkan observasi tersebut dengan asumsi penyebab diketahui. Penghapusan terus
dilakukan jika masih terdapat observasi diluar batas kendali, sampai proses terkendali secara statistik ( tidak ada
observasi yang diluar batas kendali ). Berikut adalah hasil analisis peta kendali 𝑝 dan 𝑛𝑝.
1. Peta Kendali 𝑝

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

10

Dengan menggunakan bantuan software Minitab 19, didapatkan bentuk peta kendali 𝑝 sebagai berikut.

Gambar 1 Peta kendali 𝑝 pada data pengamatan kecacatan snack mini stick

Berdasarkan output peta kendali 𝑝 Minitab 19, didapatkan nilai dari batas kendalinya yaitu sebagai berikut.

Tabel 11. Batas kendali dari data 𝑝 menggunakan software Minitab 19

UCL CL LCL
1 0,65 0,01

Pada grafik terlihat bahwa tidak ada observasi yang keluar dari batas kendali. Sehingga dari hasil grafik di atas, dapat
dikatakan untuk peta kendali 𝑝 proses sudah terkendali secara statistik. Artinya proporsi kecacatan yang terjadi pada
produk snack mini stick selama ini masih dalam batas kontrol atau masih terkendali.
2. Peta Kendali 𝑛𝑝
Dengan menggunakan bantuan software Minitab 19, didapatkan bentuk peta kendali 𝑛𝑝 sebagai berikut.

Gambar 2 Peta kendali 𝑛𝑝 pada data pengamatan kecacatan snack mini stick

Berdasarkan output peta kendali 𝑛𝑝 Minitab 19, didapatkan nilai dari batas kendalinya yaitu sebagai berikut.

Tabel 12. Batas kendali dari data 𝑛𝑝 menggunakan software Minitab 19

UCL CL LCL
4 2,6 0

Sama halnya dengan peta kendali 𝑝, pada peta kendali 𝑛𝑝 juga tidak memiliki observasi yang melewati batas kendali.
Hanya saja terdapat observasi yang tepat berada pada batas atas yaitu pada observasi ke 2 dengan nilai 4, tetapi hal ini
tidak berpengaruh selama tidak melewati batas kendali. Oleh karena itu, sama seperti peta kendali 𝑝, untuk peta kendali
𝑛𝑝 proses juga sudah terkendali secara statistik. Artinya jumlah kecacatan yang terjadi pada produk snack mini stick
selama ini masih dalam batas kendali.

E. Analisis Diagram Pareto

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

11

Setelah melakukan analisis proporsi kecacatan dan jumlah kecacatan pada produk, maka selanjutnya dapat
melakukan analisis diagram pareto. Hal ini bertujuan untuk mengetahui kecacatan mana yang apling sering terjadi
sampai kecacatan yang sukar terjadi. Dengan menggunakan software Minitab 19, didapat diagram pareto sebagai
berikut.
Table 13. Jumlah kecacatan pada tiap jenis cacat

Cacat Jenis Jumlah Proporsi

Keutuhan Isi 26 0,361111
Ukuran Berbeda 23 0,319444
Tulisan Pudar 13 0,180556
Kemasan Kempes 10 0,138889
Kemasan Pudar 0 0
Total 72

Gambar 3 Diagram pareto pada pengamatan kecacatan snack mini stick

Berdasarkan output table 13 dan gambar 3 di atas, dapat dilihat ternyata kecacatan yang paling sering terjadi pada
produk sncak mini stick yaitu kecacatan pada keutuhan isi produk yang dimana dari seluruh total kecacatan yang terjadi,
kecacatan pada keutuhan isi produk terjadi sekitar 36%, disusul dengan kecacatan ukuran produk yang berbeda-beda
terjadi sekitar 32% dari total keseluruhan kecacatan yang terjadi. Namun, Perusahaan PT. Nissin Biscuits Indonesia
sudah mampu untuk mengatasi kecacatan pada kemasan yang pudar karena terlihat jenis kecacatan tersebut tidak terjadi
pada sampel yang kami amati. Dengan diagram pareto ini, diharapkan perusahaan PT. Nissin Biscuits Indonesia dapat
lebih fokus memperbaiki kualitas dan meminimalisir kecacatan produk khususnya keutuhan isi dan ukuran produk
yang berbeda-beda. Dengan menekan jumlah kecacatan tersebut, perusahaan juga dapat menekan biaya produksi
sekaligus meningkatkan kualitas produk yang dimiliki.

F. Analisis Diagram Sebab-Akibat (Ishikawa)

Setelah menganalisis kecacatan jenis apa yang paling sering dan jarang terjadi menggunakan diagram pareto,
selanjutnya perlu dianalisis kira-kira apa yang menyebabkan kecacatan jenis tersebut sering terjadi menggunakan
diagram sebab-akibat (fishbone). Dengan menggunakan bantuan Minitab 19, didapatkan diagram fishbone seperti berikut
ini.

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

12

Gambar 4 Diagram fishbone kecacatan snack mini stick

Berdasarkan gambar dapat diidentifikasi penyebab adanya cacat pada produk Snack Mini Stick dari PT. Nissin
Biscuits Indonesia karena beberapa petugas yang kurang teliti dan pengerjaan kurang sesuai dengan standar operasional
(SOP), sehingga hasil yang didapatkan dapat tidak sesuai yang diharapkan. Adanya kecacatan pada produk juga bisa
diakibatkan karena kualitas komposisi dan kemasan produk yang digunakan kurang baik sehingga produk yang
dihasilkan tidak sesuai spesifikasi. Proses perhitungan saat memasukkan produk dalam kemasan dan juga pengepakan
yang kurang tepat membuat ukuran isi produk tidak sesuai. Adanya kemasan yang kempis bisa diakibatkan karena
tempat distribusi produk tidak sesuai aturan sehingga produk pada kemasan tidak sesuai spesifikasi. Lebih lanjut,
pengemasan produk yang kurang telili menyebabkan adanya kode produksi yang terlihat pudar serta proses pengiriman
yang kurang cermat membuat keutuhan produk tidak terjaga. Sebab lainnya yaitu penggunaan mesin yang berlebihan
dan perawatan mesin yang kurang baik. Dengan memperhatikan enam komponen di atas, perusahaan dapat lebih
meningkatkan kualitas produknya dan tentunya dapat lebih hemat dalam hal biaya.

G. Analisis Kapabilitas Proses

Setelah serangkaian proses analisis sudah dilakukan, mulai dari menguji asumsi data pengamatan sampai dengan
tahap analisis diagram sebab-akibat untuk melihat akar permasalahan utama, pada tahap akhir dilakukan analisis
kapabilitas proses untuk melihat apakah proses yang sudah dilalui sudah kapabel atau malah ternyata proses tidak
kapabel. Untuk melihat kapabilitas proses, dapat menggunakan bantuan software Minitab 19 seperti berikut.
1. Data 𝑝
Pada data pengamatan kecacatan 𝑝 dengan sampel yang berbeda-beda pada tiap subgroup, didapatkan hasil
perhitungan analisis kapabilitas prosesnya sebagai berikut.

Gambar 5 Hasil output analisis kapabilitas proses 𝑝 pada pengamatan kecacatan snack mini stick

Berdasarkan output di atas, terlihat bahwa grafik kumulatif defektif dari data pengamatan 𝑝, yang menghasilkan
nilai persentase defektif sebesar 65%. Hal ini menyatakan bahwa persentase cacat dari produk snack mini stick adalah
sebesar 65% dengan nilai PPM defektif sebesar 650.000. Hal ini menunjukkan bahwa dalam satu juta produk snack mini
stick yang diproduksi, kemungkinan sekitar 650.000 produk mengalami kecacatan produksi atau dapat dikatakan angka
650.000 di dalam daripada interval (483.156,793.718) yang berarti kemungkinan kecacatan yang terjadi masih sesuai
dengan perkiraan interval. Lalu untuk melihat bagaiamana kapabilitas prosesnya, dapat dilakukan pendekatan
Distribusi Normal. Dengan mendeklarasikan hipotesis awal proses tidak kapabel dan hipotesis alternatif proses kapabel.
Pada output di atas sudah tercantum nilai dari 𝑧 score atau nilai 𝑧, kemudian nilai tersebut akan dibandingkan dengan

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

13

nilai 𝑍𝛼 untuk menghasilkan suatu keputusan. Nilai dari 𝑍0,05 adalah 1,96, sehingga jika dibandingkan dengan nilai z
2 2
sebesar -0,3853 menghasilkan keputusan gagal tolak 𝐻0 karena |𝑧| < 𝑍𝛼 yaitu 0,3853 < 1,96. Sehingga dapat dikatakan
2
proses untuk data peta kendali 𝑝 tidak kapabel dalam menangani kecacatan.
2. Data 𝑛𝑝
Pada data pengamatan kecacatan 𝑛𝑝 dengan jumlah sampel yang konstan atau tetap pada tiap subgrupnya,
didapatkan hasil perhitungan kapabilitas prosesnya seperti beirkut ini.

Gambar 6 Hasil output analisis kapabilitas proses 𝑛𝑝 pada pengamatan kecacatan snack mini stick

Berdasarkan output di atas, terlihat bahwa grafik kumulatif defektif dari data pengamatan 𝑛𝑝, yang menghasilkan
nilai persentase defektif sebesar 65%. Hal ini menyatakan bahwa persentase cacat dari produk snack mini stick adalah
sebesar 65% dengan nilai PPM defektif sebesar 650.000. Hal ini menunjukkan bahwa dalam satu juta produk snack mini
stick yang diproduksi, kemungkinan sekitar 650.000 produk mengalami kecacatan produksi atau dapat dikatakan angka
650.000 di dalam daripada interval (483.156,793.718) yang berarti kemungkinan kecacatan yang terjadi masih sesuai
dengan perkiraan interval. Lalu untuk melihat bagaiamana kapabilitas prosesnya, dapat dilakukan pendekatan
Distribusi Normal. Dengan mendeklarasikan hipotesis awal proses tidak kapabel dan hipotesis alternatif proses kapabel.
Pada output di atas sudah tercantum nilai dari z score atau nilai z, kemudian nilai tersebut akan dibandingkan dengan
nilai 𝑍𝛼 untuk menghasilkan suatu keputusan. Nilai dari 𝑍0,05 adalah 1,96, sehingga jika dibandingkan dengan nilai z
2 2
sebesar -0,3853 menghasilkan keputusan gagal tolak 𝐻0 karena |𝑧| < 𝑍𝛼 yaitu 0,3853 < 1,96. Sehingga dapat dikatakan
2
proses untuk data peta kendali 𝑝 tidak kapabel dalam menangani kecacatan produk.

V. KESIMPULAN DAN SARAN

Berdasarkan langkah, hasil, serta pembahasan yang dilakukan pada bab sebelumnya, dapat ditarik penutup berupa
kesimpulan dan saran sebagai berikut.
A. Kesimpulan
Berdasarkan hasil analisis dan pembahasan pada Bab IV di atas, dapat kami simpulkan bahwa untuk asumsi baik
data 𝑝 dan 𝑛𝑝 sama-sama memenuhi asumsi data random dan berdistribusi binomial. Pada hasil analisis control chart
menggunakan peta kendali 𝑝 dan 𝑛𝑝 keduanya sama-sama sudah terkendali secara statistik. Pada peta kendali 𝑝 tidak
ada observasi yang melewati batas kendali, begitu juga sama halnya dengan peta kendali 𝑛𝑝. Sehingga dengan itu dapat
dikatakan keduanya sudah terkendali secara statistik. Setelah itu untuk analisis kecacatan menggunakan diagram pareto
terlihat bahwa kecacatan pada keutuhan isi produk dan perbedaan ukuran isi menjadi jenis kecacatan yang paling besar
pada produksi snack mini stick. Sehingga perlu adanya pemfokusan dari perusahaan untuk meminimalisir kecacatan jenis
tersebut kembali terjadi. Berdasarkan hasil analisis kapabilitas proses, ternyata baik proses pada peta kendali 𝑝 maupun
peta kendali 𝑛𝑝 sama-sama tidak kapabel karena nilai dari |𝑧| < 𝑍𝛼, sehingga dapat disimpulkan proses keduanya tidak
2
kapabel dalam menangani kecacatan produk snack mini stick di PT. Nissin Biscuits Indonesia.

B. Saran
Berdasarkan kesimpulan di atas dan juga hasil analisis diagram sebab-akibat, dapat kami sarankan untuk PT. Nissin
Biscuits Indonesia yaitu untuk lebih memperhatikan komponen-komponen seperti manusia, metode, dan lainnya dalam
melakukan produksi. Kami menyarankan untuk lebih tegas dalam memonitoring karyawan agar melakukan pekerjaan
sesuai SOP yang berlaku, hal ini juga berdampak kepada ketelitian operator. Selain itu juga yang terpenting selalu
memperhatikan bahan baku, baik dari kualitas maupun kuantitasnya. Kualitas bahan baku harus selalu terjaga agar
menghasilkan produk yang lebih berkualitas pula. Selain itu harus selalu teliti dalam melakukan perhitungan, baik itu
ukuran produk maupun jumlah produk dalam satu bungkusnya. Selain itu kondisi pabrik juga patut diperhatikan, mulai
dari tempat pendistribusian barang, tata letak, dan alur kerja di pabrik harus di sesuaikan sedemikian rupa agar produksi

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

14

efisien dan efektif. Metode juga sangat berpengaruh terhadap control kecacatan produk, karena dengan metode yang
tepat dalam melakukan pembungkusan produk dapat menghasilkan produk yang presisi dan sesuai, selain itu juga
harus memilih metode pengiriman produk yang efektif dalam artian dapat meminimalisir produk hancur dalam
perjalanan. Selain itu yang terakhir tidak kalah penting yaitu perusahaan harus selalu maintenance mesin yang mereka
miliki, baik dari segi performa maupun jumlah mesin produksi, karena dengan mesin yang selalu diperhatikan maka
mesin akan bekerja secara maksimal dan mendapatkan produk yang berkualitas. Mungkin cukup sekian saran yang
dapat kami sampaikan.

REFERENSI
[1] V. R. Pattipeilohy, "INOVASI PRODUK DAN KEUNGGULAN BERSAING (STUDI PADA USAHA NASI KUNING DI
KELURAHAN BATU MEJA KOTA AMBON)," p. 8, 2018.
[2] N. Oktavia, "Pengaruh Kualitas Produk, Promosi dan Desain Terhadap Keputusan Pembelian Kendaraan Bermotor Yamaha
Mio," p. 16, 2019.
[3] H. S. H. S. A. A. Nila Novianti, "PENGENDALIAN KUALITAS PRODUK SELADA ROMAINE PADA SISTEM TANAM," Jurnal
Sosial Ekonomi dan Kebijakan Pertanian, p. 20, 2019.
[4] P. Subagyo, "Statistika Deskriptif," no. BPFE-Yogyakarta, 2003.
[5] Sudjana, "Metode Statistika," no. Penerbit Tarsito Bandung, 1996.
[6] N. J. C. S Siegel, Nonparametric Statistics for the Behavioral Sciences 2nd edition, New York: McGraw-Hill, 1988.
[7] A. T. K. D. W. W., Statistik Nonparametrik Terapan, Jakarta: Gramedia, 1989.
[8] D. A. N. Y. N. N. O Yemima, "Penerapan Peta Kendali Demerit dan Diagram Pareto Pada Pengontrolan Kualitas Produk (Studi
Kasus : Produksi Botol Sosro di PT. X Surabaya)," 2014.
[9] M. H. Hurnawan, "Perencanaan Produktivitas Kerja Dari Hasil Evaluasi Produktivitas Dengan Metode Fishbone di Perusahaan
Percetakan Kemasan PT.X," 2014.
[10] V. Gaspersz, Statstical Process Control : Penerapan Teknik-Teknik Statistikal Dalam Manajemen Bisnis Total, Jakarta: Gramedia
Pustaka Utama, 1998.
[11] A. A. Jamaluddin, "STATISTIKA UJI PERSYARATANMELIPUTI UJI HOMOGENITAS, BENTUK-BENTUK UJI Fmax, DAN
TEHNIK BARLETT DAN UJI RUN’S," no. Universitas Negeri Malang, p. 14, 2017.
[12] I. Ghozali, Aplikasi Analisis Multivariete dengan Program IBM SPSS 23, Semarang: Universitas Diponegoro, 2016.
[13] V. Gaspersz, Statistical process control : penerapan teknik-teknik statistikal dalam manajemen bisnis total, Jakarta: Gramedia
Pustaka Utama, 1998.

LAMPIRAN
A. Data Peta Kendali 𝒑
Jenis Cacat
Subgrup Sample Cacat p Di
1 2 3 4 5
1 1 0 0 1 0 1
1 2 1 0 0 0 0 0 0,6666667 2
3 1 0 0 1 0 1
1 0 0 0 1 0 0
2 1 0 0 1 0 1
2 3 1 1 0 0 0 1 0,8 4
4 1 0 0 1 0 1
5 0 1 0 1 0 1
1 1 0 1 0 0 1
2 1 1 0 1 0 1
3 0,5 2
3 1 0 0 0 0 0
4 0 0 0 1 0 0
1 0 0 1 0 0 0
4 2 1 1 0 0 0 1 0,3333333 1
3 0 0 0 0 0 0
1 1 1 0 1 0 1
5 2 1 0 1 0 0 1 0,6666667 2
3 0 0 0 1 0 0

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

15

1 1 0 1 1 0 1
2 1 1 0 0 0 1
6 3 0 0 0 1 0 0 0,8 4
4 0 1 0 1 0 1
5 1 1 0 1 0 1
1 1 0 1 0 0 1
2 1 1 0 0 0 1
7 0,75 3
3 1 0 0 0 0 0
4 0 1 1 1 0 1
1 1 0 0 0 0 0
8 2 0 1 1 1 0 1 0,6666667 2
3 1 0 0 1 0 1
1 0 0 0 0 0 0
2 1 0 0 1 0 1
9 3 1 0 1 1 0 1 0,6 3
4 1 1 0 1 0 1
5 0 0 0 0 0 0
1 1 1 1 0 0 1
2 0 0 0 1 0 0
10 3 1 0 1 0 0 1 0,6 3
4 0 0 0 1 0 0
5 1 0 0 1 0 1

B. Data Peta Kendali 𝒏𝒑

Jenis Cacat
Subgrup Sample Cacat p Di (n*p)
1 2 3 4 5
1 1 0 0 1 0 1
2 1 0 0 0 0 0
1 0,50 2
3 1 0 0 1 0 1
4 0 0 0 1 0 0
1 1 0 0 1 0 1
2 1 1 0 0 0 1
2 1 4
3 1 0 0 1 0 1
4 0 1 0 1 0 1
1 1 0 1 0 0 1
2 1 1 0 1 0 1
3 0,5 2
3 1 0 0 0 0 0
4 0 0 0 1 0 0
1 0 0 1 0 0 0
2 1 1 0 0 0 1
4 0,5 2
3 0 0 0 0 0 0
4 1 1 0 1 0 1
1 1 0 1 0 0 1
2 0 0 0 1 0 0
5 0,75 3
3 1 0 1 1 0 1
4 1 1 0 0 0 1
1 0 0 0 1 0 0
6 2 0 1 0 1 0 1 0,75 3
3 1 1 0 1 0 1

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

16

4 1 0 1 0 0 1
1 1 1 0 0 0 1
2 1 0 0 0 0 0
7 0,5 2
3 0 1 1 1 0 1
4 1 0 0 0 0 0
1 0 1 1 1 0 1
2 1 0 0 1 0 1
8 0,75 3
3 0 0 0 0 0 0
4 1 0 0 1 0 1
1 1 0 1 1 0 1
2 1 1 0 1 0 1
9 0,75 3
3 0 0 0 0 0 0
4 1 1 1 0 0 1
1 0 0 0 1 0 0
2 1 0 1 0 0 1
10 0,5 2
3 0 0 0 1 0 0
4 1 0 0 1 0 1

C. Output Minitab Runs Test Peta Kendali 𝒑

Descriptive Statistics
Number of
Observations
N K ≤K >K
10 0,638333 4 6

K = sample mean

Test
Null hypothesis H₀: The order of the data is random
Alternative hypothesis H₁: The order of the data is not random
Number of Runs
Observed Expected P-Value
4 5,80 0,206

The p-value may not be accurate for samples with fewer than 11 observations above K or fewer
than 11 below.

D. Output Minitab Runs Test Peta Kendali 𝒏𝒑

Descriptive Statistics
Number of
Observations
N K ≤K >K
10 0,65 5 5

K = sample mean

Test
Null hypothesis H₀: The order of the data is random
Alternative hypothesis H₁: The order of the data is not random
Number of Runs
Observed Expected P-Value

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

17

7 6,00 0,502

The p-value may not be accurate for samples with fewer than 11 observations above K or fewer
than 11 below.

E. Output SPSS Uji Binomial Peta Kendali 𝒑

F. Output SPSS Uji Binomial Peta Kendali 𝒏𝒑

G. Pembagian Kerja
Prima Ari Wibowo Algio Wijaya Artha
Melakukan Pengamatan Produk Melakukan Pengamatan Produk
Mengerjakan Pendahuluan Mengerjakan Abstrak
Mengerjakan Metodologi Penelitian Mengerjakan Tinjauan Pustaka
Mengerjakan Hasil dan Pembahasan Mengerjakan Hasil dan Pembahasan
Mengerjakan Referensi / Daftar Pustaka Mengerjakan Kesimpulan dan Saran
Mengerjakan Lampiran Melakukan Uji Runs Test
Membuat Peta Kendali p dan np Mengerjakan Uji Binomial
Membuat Diagram Pareto Membuat Diagram Ishikawa
Mengerjakan Analisis Kapabilitas Proses

H. Dokumentasi Pengamatan Snack

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

18

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember

INFERENSI , Vol. xx(x), Xxx. 20xx. ISSN: 0216-308X (Print) 2721-3862 (Online)

19

© 2022 by the authors. This work is licensed under a Creative Commons Attribution-
ShareAlike 4.0 International License (http://creativecommons.org/licenses/by-sa/4.0/).

DOI: 10.12962/j27213862.vxix.xxxx Department of Statistics, Institut Teknologi Sepuluh Nopember