(BASIC)
Pengalaman : 10 thn PT.LG Electronic Indonesia Pend. Terakhir : Magister Teknik Mesin (UI)
Industri
Spesialisasi : Pengembangan Kulkas Baru Spesialisasi : Perancangan Teknik dan
Pengembangan Produk.
Pend. Terakhir : Sarjana Teknik Mesin (ITI)
Pengalaman : Dosen untuk mata kuliah :
Pengalaman : Dosen untuk matakuliah : 1. Product Development
1. Elemen mesin 1 (ITI) 2. Manajemen Produksi
2. Proses Produksi (ITI) 3. Fisika Dasar
4. Total Quality Managemen (TQM)
Pembicara / Training :
1. “Blue Ocean Strategy, PT. LG Electronic Indonesia Pembicara / Training :
1. “Blue Ocean Strategy, PT. LG Electronic Indonesia
2. “Training & Workshop, BOS for Product Developer”,
Univ. Pelita Harapan, UPH – Jakarta, 2005 2. “Training & Workshop, BOS for Product Developer”,
Univ. Pelita Harapan, UPH – Jakarta, 2005
3. “Blue Ocean Strategy, Univ. Moestopo, Magister Program. 2006
3. “Blue Ocean Strategy, Univ. Moestopo, Magister Program. 2006
4. “Basic Six Sigma”, Univ. Mercu Buana, 4. Kuliah Umum “Product Development,” LP3I Jakarta & Bekasi
Program Magister (Batch 1,2), 2011 5. “Basic Six Sigma”, Univ. Mercu Buana,
Program Magister (Batch 1,2), 2011
Program Magister Teknik Industri-Universitas Mercu Buana
Quality & Failure Rate
Biaya Mutu
Biaya kegagalan Biaya Penilaian Biaya kegagalan Biaya Penilaian
& pencegahan & pencegahan
Diperlukan biaya extra untuk Mutu yang baik membuat
meningkatkan tingkat mutu biaya turun
3 4 5 6
Tahun Kejadian
1911 Frederich Taylor menerbitkan buku The Pcinciples of Scientific Management yang melahirkan teknik studi waktu dan pergerakan
Walter A. Shewhart dari Bell Laboratories memperkenalkan statistical quality control dalam bukunya Economic Control of Quality of Manufactured
1931
Products
1940 W. Edwards Deming membantu U.S. Bureau of the Census menerapkan statistical sampiling techniques
1950 W. Edwards Deming mengajarkan para ilmuwan,insinyur, dan pimpinan perusahaan di Jepang terkait topik kualitas
1951 Joseph M. Juran memublikasikan Quality Control Handbook
Martin Company (kemudian bernama Martin-Marietta) membangun sebuah rudal Pershing yang memiliki nol cacat (builds a Pershing missile that has
1961
zero defects)
1970 Philip Crosby memperkenalkan konsep zero defects
1979 Philip Crosby memublikasikan buku Quality is Free
1980 Dokumenter siaran televisi If Japan Can....Why Can’t We? Mengudara, memberikan Edwards Deming pembaharuan dan pengakuan di Amerika Serikat
Perusahaan Ford Motor mengundang W. Edwards Deming berbicara di hadapan top executives, dimana dimulai hubungan berbatu tetapi produktif
1981
antara mobil dan pakar kualitas (which begins a rocky but productive relationship between the automaker and the quality expert)
1982 W.Edwards Deming memublikasikan buku Quality, Productivity, and Competitive Position
1984 Philip Crosby memublikasikan buku Quality Without Tears: The Art of Hassle-Free Management
● The U.S. Congress menciptakan the Malcon Baldrige National Quality Award
1987
● Motorolla memperkenalkan metode Six Sigma
1988 Secretary of Defense Frank Carlucci directs the U.S. Department of Defense untuk mengadopsi total quality
1989 Florida Power and Light memenangkan Ddeming Prize, perusahaan pertama non-Jepang yang meraihnya
1993 Pendekatan total quality diajarkan di sekolah dan universitas di Amerika Serikat
2000 Standar ISO-9000 ditulis ulang untuk menggabungkan konsep total quality
2001 E-commerce (information quality) dan mass customization adalah merupakan pertimbangan penting
2009 Konsep Six Sigma dan Lean dipraktekkan secara luas
4 6,210
Six Sigma adalah salah Tool yang lengkap Dapat membantu kita Memberikan informasi
satu metode untuk yang dapat dalam meraih kepada kita seberapa
bekerja lebih pintar, dipergunakan dan keuntungan pada suatu bagus produk &
tidak keras diaplikasikan pada persaingan. service kita serta
SS membuat Design, Manufactur, Bila kita dapat proses didalamnya.
kesalahan akan Sales, Service, memperbaiki s level pada
semakin berkurang Transactional, others. proses kita, berarti
kualitas produk akan
lebih baik dan biaya
yang tidak perlu akan
berkurang dan hasilnya
customer akan semakin
puas.
Industri otomotif
Manufacturing Industri elektronik
Process
Industri komponen
Desain (design)
Pengembangan produk
6
Asuransi
Distributor
R&D Transaction
Customer service
Manufacturing
Desain
Penjualan (sales)
Sektor pelayanan (service)
R&D
TRANSACTIONAL MANUFACTURE
(Research and Dev.)
• 54,000 resep obat yang salah selama 1 tahun • Satu resep obat salah selama 25 tahun
• 40,500 bayi yang jatuh oleh dokter maupun • 3 bayi yang jatuh oleh dokter maupun perawat
perawat setiap tahun. selama seratus tahun.
• Kebocoran air minum 2 jam per bulan • Kebocoran air minum sejam dalam 16 tahun
• Telepon tak dijawab selama 27 menit dalam • Telepon tak dijawab selama 6 detik dalam 100
seminggu. tahun
• 5 pendaratan tidak tepat di O Hare Airport dalam • 1 pendaratan tidak tepat di United States selama
sehari 10 tahun.
• 1,350 kegagaln operasi bedah dalam seminggu. • Satu kegagaln operasi bedah selama 20 tahun.
• 54,000 kehilangan artikel atau surat salah • 35 kehilangan artikel atau surat salah alamat
alamat dalam satu jam dalam satu tahun
Role :
- Menetapkan visi dan misi
Champion - Mengendalikan aktivitas 6
- Memonitor, mensupport aktivitas 6 melalui CR
Role :
- Sebagai pemilik projek
- Pembimbing BB/GB
- Mengecek dan memeriksa penyelesaian projek
- Memverifikasi hasil projek
- Memberikan 6 training to BB/GB
Champion
Review (CR)
Guidance, support
Support request
Project Leader
Master Black Belt (MBB)
Content
Definisi Statistik
Ukuran Statistik
Distribusi Normal
Transformasi Z
Pengujian Hipotesis
Statistika adalah ilmu yang mempelajari mengenai pengumpulan data, analisis data,
sampai pada kesimpulan data.
Statistik adalah nilai-nilai yang diperoleh dari proses pengumpulan data, analisis data,
sampai pada kesimpulan data, bisa berupa grafik, tabel, dll.
Sampel (n)
Statistik : Karakteristik/ukuran dari Sampel
x = Rata-rata Sampel
s = Standard Deviasi sampel
s2 = Varians sampel
Populasi : Kumpulan dari seluruh objek (manusia, hewan, barang, dsb) pada suatu tempat yang
memiliki karakteristik tertentu.
Sampel : bagian dari populasi
Rata-rata (Mean) n
Median
Nilai tengah dari sederetan data yang sudah terurut GANJIL GENAP
dari nilai terkecil hingga terbesar (diranking) Banyaknya
Data
Tidak dipengaruhi oleh nilai-nilai yang ekstrim
Jika banyaknya data adalah ganjil, median sama
dengan nilai data yang berada di tengah-tengah Median = Median =
Jika banyaknya data adalah genap, median sama Nilai Tengah Jumlah 2 Nilai Paling Tengah
dengan rata-rata 2 nilai yang berada paling tengah 2
Modus (Mode)
Nilai yang paling banyak atau paling sering muncul
Rentang (Range)
R = Xmax – Xmin
Nilai Terbesar - Nilai Terkecil
n
Varians (Variance)
x x
2
nilai rata-ratanya n 1 n 1
Varians populasi memiliki simbol 2
Contoh : Data
107
Hitung nilai-nilai berikut ini berdasarkan data di samping !
169
Rata-rata = 106,6364
131
Median = 84 84
67
Varians = s2 = 3074,655
81
Simpangan Baku (Standard Deviation) = s = 55,44957
122
52
233
46
Target
Sebuah nilai bisa di transformasi ke dalam distribusi normal (Z), setelah diketahui sebelumnya
Rata-rata (m) dan standard deviasi () deretan suatu data. Diformulasikan sebagai berikut :
Dalam sebuah proses nilai Z sering disebut sebagai level kemampuan proses.
↑ Z↓ atau ↓ Z↑
700 (USL-x )
ZU =
600 σ
500
=
1.1-1.034
Frequency
400 .0553
300 = 1.19(tanda (+) untuk menunjukan
nilai ini ada di sebelah kanani)
200
100
12.48 %
(LSL-x )
Z L= Diperoleh dari Tabel Z
σ
=
0.9-1.034 0.80 0.85 0.90 0.95 1.00 1.05 1.10 1.15 1.20 % product di luar spesifikasi
.0553
(tanda (-) hanya untuk menunjukan nilai ini
= - 2.42
ada di sebelah kiri)
Contoh 2
Penyelesaian :
Transformasi - Z
X 1 Mean 6 - 10 14 - 10
Z Z1 2 Z2 2
Standard Deviation 2 2
P ( Z1 2) = 0.0228 P ( Z2 2) = 0.0228
Content
Komponen MINITAB
Menu Data
Menu Calc.
Normality Test
MINITAB adalah software statistik terkenal yang digunakan secara umum pada proses manufaktur
dan digunakan dalam Six Sigma proses.
(Tool bar)
(Menu-bar)
(Session
Window) (Project
Manager)
(Data Window
atau Worksheet)
(Status bar)
Time values
Text values
Numbers
(Masukkan Data)
Stack Untuk menggabungkan data dalam beberapa baris atau beberapa kolom ke dalam satu baris
atau satu kolom
Hasil
Make Pattern Data Untuk membuat pola susunan angka dalam sebuah worksheet
Contoh :
1111122222333334444455555
11223344551122334455
Percent
60
50
40
Kesimpulan : 30
20
10
Karena P-value < 0.05 maka H0 ditolak 5
P-Value = 0.022
“Dengan derajat kepercayaan 95% data
1
0.1
Menentukan permasalahan yang berasal dari Kebutuhan Customer yang dilanjutkan dengan
menentukan target dari improvement yang akan dilakukan.
2
• Semua organisasi /personnel
• Orang yang menerima pekerjaan yang sudah kita
proses
• Departemen-departemen yang berhubungan
Voice of Customers (VOC) adalah suara yang berasal dari internal atau eksternal customers yang
mencerminkan semua keinginan customers tersebut terhadap produk yang dihasilkan oleh sebuah
perusahaan.; sedangkan
Voice of Business (VOB) adalah suara yang berasal dari Business proses sebagai implementasi
dari market issue yang sedang berkembang, biasanya VOB diperoleh dari management direction
atau management strategy.
1 Program Magister Teknik Industri-Universitas Mercu Buana
Step 1. Memilih Project Definisi Big Y
Big Y adalah :
- Klarifikasi arah pencapaian secara sistematis di dalam optimalisasi poin-poin pencapaian secara
menyeluruh
- Index Output dari theme/strategy management
- Index pencapaian dalam jangka waktu menengah/panjang supaya menjadi world best.
Set up the
middle year’s Quality Return Lot Ratio 000 000 000 000
goal
Critical
CTQ To
Quality
Menentukan project yang mempunyai effect yang significant terhadap management Goal dan
Customer requirement dengan cara menentukan CTQ dan Y project.
Brainstorming
Process Issues
QFD
V (Quality Function Deployment)
O
C FMEA
(Failure Mode & Effect Analysis)
SMART
CTQ Selection
- Measurable : Problem yang terukur
- Attainable : Bisa di selesaikan oleh project team
- Relevant : Sesuai dengan kepentingan MGT
- Time : Dapat diselesaikan sesuai waktu
yang ditetapkan.
Big Y
• Little y1 TDR
• Little y2 TDR
Setting Target
Waktu pengerjaan harus
jelas dan terukur
Approval
Pjt Leader Gr Head VI Gr
Theme Anticipate Door Down CS7,8
Salmon. Hermanto Hariyadi
D M A I C
Breakthrough
Period Relation to TDR
25~30Jan 2 ~ 10 Feb 21 ~ 30 Feb IDEA
12 – 20 Feb Mar ~ May
Monitoring Torque
of Hinge Lower
TDR
Major Improvement Object Target
( Cost/Quality/Productivity) KPI Current Target (’07)
CS3,4,6-PJT
Why? Quality problem, How? Replacing Worn Tool for Bolding Name Dept Ext
Door Foam R Down Change washer position on Pjt. Leader Salmon R&D 512
bottom of Hinge C
Black Belt
William
Supporter
(Sign)
DoorFoam R down
3.5 Bottleneck
Sebuah perusahaan mainan anak-anak (Mattel Toy Corp.) telah menjual produk berupa
helikopter mini. Pada awalnya, tingkat penjualan produk tersebut cukup menggembirakan. Akan
tetapi pada akhir-akhir ini tanggapan konsumen mulai berkurang yang ditandai dengan semakin
menurunnya tingkat penjualan produk tersebut.
Perusahaan kemudian melakukan survey terhadap 1000 konsumen dan mendapatkan data
respon (VOC) tentang karakteristik helikopter mini yang disukai, sebagai berikut :
-. Harga murah = 125 orang
Tool : Diagram Pareto
-. Mudah dimodifikasi = 100 orang
-. Waktu terbang lama = 600 orang Pareto Chart of Item
1000 100
-. Warna mencolok = 75 orang
800 80
-. Lain-lain = 100 orang
Percent
600 60
Count
400 40
Mengklarifikasi dan menentukan Y baseline dengan mengukur capability proses saat ini yang
berguna untuk menentukan arahan dan target improvement.
- Klarifikasi terhadap Y
Step 4. Setup Rencana Pengumpulan Data
- Pengumpulan data yang tepat - Sampling
- Validasi sistem pengukuran - Gage R&R
Data Discrete
• Berlaku operasi Matematika
Skala Ratio • Terdapat tingkatan.
• Nilai nol tidak absolut/patokan tidak harus dari
Skala Interval Kategori
Data Continuous
nilai nol.
Jumlah Contoh : Temperatur, dsb.
Skala Ordinal Frekuensi
4. Skala Rasio, Ciri :
Skala Nominal • Sebagai pembeda
Data Attribute atau kategori
• Berlaku operasi Matematika
Problem / Issue • Terdapat tingkatan.
• Nilai nol absolut/patokan dari nilai nol.
Dalam statistik terdapat 4 skala data: Contoh : Tinggi, Berat, dsb.
1. Skala Nominal, Ciri :
• Sebagai pembeda Secara umum tipe data terbagi menjadi 2 :
• Tidak berlaku operasi Matematika 1.Data Continuous, yaitu data hasil pengukuran, biasanya
Contoh : Jenis Kelamin, Jenis Warna, dsb. berupa desimal (Interval & Ratio). bisa dibuat kategori
(discrete). Cnth : 20oC; 22,1 cm, dsb.
2. Skala Ordinal, Ciri :
2.Data Discrete, yaitu data hasil menghitung, tidak
• Sebagai pembeda
• Tidak berlaku operasi Matematika terdapat desimal (Nominal & ordinal). tidak bisa dibuat
• Terdapat tingkatan. jadi continuous. Cnth: 100 Orang, 200 Kulkas, dsb.
Contoh : Jenjang Pendidikan, Jabatan, dsb.
1 Program Magister Teknik Industri-Universitas Mercu Buana
Validate Measurement
System
:: Gage R&R Study ::
Variasi proses yang diamati bukan berarti hanya actual variation saja tapi juga variation dari
measurement system.
Pemeriksaan Measurement System adalah prasyarat dari keseluruhan analisis measurement.
Reproducibility Linearity
Stability
LSL Target
USL
Measurement harus dilakukan dengan metode, alat, dan proses yang tepat Accuracy
Actual
value
Repeatability :
“to get result with consistency”
Variasi pengukuran yang disebabkan oleh
Repeatability pengukuran yang berulang-ulang oleh operator yg
sama dengan alat ukur dan part yang sama.
Variasi yang diakibatkan oleh alat ukur
Variasi pengukuran yang disebabkan oleh variation at measuring repeatedly
Reproducibility pengukuran dari operator yang berbeda terhadap
Operator B
part yang sama oleh alat ukur yang sama Operator A Operator C
Variasi yang disebabkan oleh operator
• Dalam mengukur jumlah variasi dalam proses yang diamati bisa saja
terjadi kesalahan dalam sistem pengukuran.
• Guna mengevaluasi alat ukur (Gage) sebelum dipakai.
• Guna membandingkan dengan tipe alat ukur yang lain
• Guna mengevaluasi apakah gage masih laik pakai atau tidak
+ =
Variation of
Actual process variation Observed process variation
Measurement System
Operators X Parts O X X X
O = ada
X = tidak ada
≤ 20% : Acceptable
% Study Variance
20% to 29% : Conditionally accept
% Tolerance
≥ 30% : Impossible to apply (improvement action)
Number of Distinct
>4
Categories (NDC)
Gage R&R
Source VarComp StdDev 5.15*Sigma %Contribution %Study Var %Tolerance
James, Bryan dan Michael adalah 3 orang staff QA yang diminta untuk melakukan pengukuran
sample terhadap suatu part. Dari hasil pengukuran dibawah, apakah kita bisa terima sistem
pengukuran yang telah mereka lakukan?
N.D.C > 4
RATIONAL
Black Noise
PROCESS RESPONSE
SUBGROUPS
White noise
TIME
Black Noise
- Black noise adalah keadaan (variasi) yang disebabkan karena dipengaruhi oleh perbedaan faktor 4M1E
- Merupakan variasi yang dapat dikontrol
White Noise
- White noise adalah keadaan (variasi) yang disebabkan karena dipengaruhi oleh di luar perbedaan faktor
4M1E
- Merupakan variasi yang tidak dapat dikontrol
15 Program Magister Teknik Industri-Universitas Mercu Buana
Step 5. Memeriksa Kondisi Saat ini Short & Long Term
Short Term:
Long Term:
Short Term Capability Untuk Short Term pada proses six sigma,
untuk Six Sigma
terdapat 6 sigma (standard deviasi) diantara SL
dan m.
LSL m USL
Estimasi reduksinya adalah 1.5 Sigma.
Proses perhitungan sigma level dibedakan berdasarkan jenis data yaitu data diskrit
maupun data kontinyu.
Data Analysis
Transformation
of sigma level
Sigma-level, RTY
20
Zshift = Zst - Zlt = 6 - 4.5 = 1.5 !!!
Program Magister Teknik Industri-Universitas Mercu Buana
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Kontinyu
N(0,1)
Probability
of Defects : PL Probability of
Probability of Defects : PU
Z-value Defects : P
Execution 0 Execution
0 Execution Limits 1 Limits 2
Limits
Contoh :
Dari hasil data didapatkan σST=2Ω , σLT=2.5Ω, average =100Ω CTQS dari proses Parts Resistence USL=110Ω,
LSL=88Ω. Hitunglah ZLT.Bench dalam long term proses.
StDev(Within) = 0.18769
ZBench.Lt Calculation
ZBench.LT = 1.91
Process capability
measured from current Process capability in
data (PPM) terms of Long-term
ZBench.St Calculation
USL + LSL
= StDev (Within)
2
9.5 + 10.5
=
2
= 10
Continuous Case
4 Block Diagram
Z shift
Poor A B
Lack of Control
Lack of Control
Lack of Technology Proper Technology Pada tahap Measurement 4 Blok
Control
Defect
DPU
Unit YRT e dpu
DPO
Defect YRT YFT 1 YFT 2 YFT 3 ....YFT n
(Unit opportunity ) ZLT
1
DPMO DPO 10 6
YNorm YNA (YRT ) Opportunity
Sigma-level ZST
YNorm YNA (YRT ) Pr ocess
Defects Defects
DPU = DPO =
Unit (Unit*Opportunity)
Opportunity +
Unit
Defect
DPMO
• Suatu Opportunities (kesempatan) dipilih karena :
Critical To Quality (CTQ) dan Kemauan konsumen adanya Cost Of Failure
(COF)
• DPMO adalah jumlah defect yang terjadi dalam satu juta kesempatan, atau
defect per sejuta kesempatan
Defects
DPMO = X 1,000,000
(Unit*Opportunities)
Contoh : Cara mengitung sigma level untuk process discrete dengan menggunakan
DPU,DPO,DPMO?
Jika terdapat 34 buah defect dari 750 unit, Hitunglah sigma level melalui DPU/DPO/Yield/DPMO.
Diketahui bahwa terdapat 10 buah opportunity per unit.
Penyelesaian
P( X <= x ) x
0.995510 2.61284
Hasil MiNITAB
29 Program Magister Teknik Industri-Universitas Mercu Buana
Step 5. Memeriksa Kondisi Saat ini Capability Analisis-Diskrit
Contoh :
Hitunglah nilai-nilai YRT, YF dan YNA !
Dengan menggunakan Minitab, berapakah sigma level proses tersebut ?
YIELD
INPUT S1 S2 S3 S4 S5 S6 S7 S8 test
275
300
Scrap
Scrap Rework Defects - Tuning &
5
20 48 Cleaning 25
• YRT ?
YRT = YFT1x YFT2 x YFT3 Zlt MINITAB
YRT = 0.8 x 0.7x 0.9 = 0.504 = 50.4% Calc + Probability Dist + Normal
Dari hasil survey diperoleh data mengenai rata- Akan dilakukan Validasi Measurement System
rata lama waktu terbang beberapa kompetitor. melalui Gage R&R.
Dengan operator 2 orang, part 10 Unit pesawat
1.65 mainan, dan alat stop watch.
1.6 1.58
1.6
Dari hasil pengambilan data diperoleh :
1.55
1.51
1.5 Dudung Andy
Part
1.45 Lama Waktu Terbang 1 2 1 2
1.4 (Menit) 1 1.32 1.32 1.32 1.31
1.4
2 1.34 1.34 1.38 1.37
1.35
3 1.42 1.42 1.42 1.42
1.3
4 1.52 1.51 1.51 1.51
LG SS TO CC
5 1.55 1.54 1.55 1.55
6 1.52 1.51 1.52 1.51
Y = Lama Waktu Terbang (menit) 7
8
1.42
1.43
1.41
1.43
1.42
1.43
1.41
1.43
Spec : > 1.65 Menit 9 1.51 1.51 1.52 1.53
Alat ukur : Stop Watch 10 1.52 1.51 1.51 1.51
Percent
50
Part 9 0.21814 0.0242378 156.935 0.000 1.4
1.3
0
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 6 7 8 9 10
Opr 1 0.00016 0.0001600 1.036 0.335 R Chart by Opr
Part
Y by Opr
1 2
0.016 UCL=0.01634
Part * Opr 9 0.00139 0.0001544 6.178 0.000
Sample Range
1.5
0.008 _ 1.4
Sample Mean
1.5 _ 1.5 1
Average
UCL=1.4639
X=1.4545 2
LCL=1.4451
1.4
Gage R&R 1.4
1.3
1.3 1 2 3 4 5 6 7 8 9 10
%Contribution Part
Repeatability 0.0000250 0.41 Total Gage R&R 0.0094868 0.056921 12.14 < 20%
Repeatability 0.0050000 0.030000 6.40
Reproducibility 0.0000650 1.06
Reproducibility 0.0080623 0.048374 10.31
Opr 0.0000003 0.00
Opr 0.0005270 0.003162 0.67
Opr*Part 0.0000647 1.06
Opr*Part 0.0080450 0.048270 10.29
Part-To-Part 0.0060208 98.53
Part-To-Part 0.0775940 0.465564 99.26
Total Variation 0.0061108 100.00
Total Variation 0.0781718 0.469031 100.00
Normality Test
1.2 1.4 1.6 1.8 2.0
4 Block Diagram
Improvement Direction
Z shift
Poor A B Lebih fokus untuk memperbaiki
Technology
Control
1.5
C D Target Setting
0.87
Memilih Vital faktor dengan cara menyeleksi dari semua X’s yang mungkin untuk memperbaiki project
Y yang telah di extract pada tahapan measurement
Y
X1 Input Process/
Output (Y)
X2 System
X8 80%
Main
of
Vital factor X’s : Vital Few
Vital
to influence
factor
X5 X10 CTQ
X9 Y = f(X1, X2,
X7 X8) Y = f(X’s)
X4 X6
20%
X3 of
Y Dependen variabel
etc.
X Independen Variabel
Y Tergantung pada X
Brainstorming
- Untuk mengungkap ide-ide dengan cepat
Jenis-jenis Brainstorming
- Free Wheeling : Semua anggota tim proyek memberikan ide-ide
mereka dalam sebuah obrolan
- Round Robin : Semua anggota tim proyek memberikan ide-ide
mereka secara berputar bergiliran
- Card Method : Mencatat ide-ide dari setiap anggota tim proyek
dalam secarik kertas tanpa diskusi
Why Why
Losses
Electromagnetic
Why Inductance
Lamination
OD
Mechanical
Why ROTOR Core length
Area A
Endrings
RPM STATOR Area B
Fokuskan pada bagian ini
ASSEMBLY
Tiga kategori ini merupakan
MECE untuk masalah RPM.
● Untuk melihat hubungan antara variabel : Scatter Plot, Matrix Plot, Draftsman Plot, Marginal Plot
MTB <Graph>
Scatter Plot
Not
Matrix Plot Available No Bar
Marginal Plot
Graphical Chart
Tools With
Comparison
Box Plot
Not In MTB grouping
Individual Plot
Available
(Interval Plot)
Apakah Hipotesis itu? Secara bahasa hipotesis adalah dugaan sementara terhadap suatu
kejadian. Dugaan ini tentunya harus diuji kebenarannya melalui sebuah Pengujian Hipotesis
berdasarkan data-data real yang dikumpulkan melalui sampling yang mendukung terhadap
kejadian itu.
Sampel Populasi
Melalui data sampel (hasil sampling) kita akan menguji dugaan (Hipotesis)
yang merupakan data Populasi, apakah dugaan itu benar atau tidak
dengan derajat kepercayaan yang sudah ditentukan
Daerah penerimaan H0
Daerah penerimaan H0
atau
Daerah penerimaan H0
Daerah penolakan H0
Daerah penolakan H0
Statistics
t Untuk menganalisa perbedaan rata-rata
Tool
Test dari 2 grup (level)
Average
Discrete
Ratio Proportion Membandingkan rasio dari suatu
Data grup
Jenis Data
Uji Hipotesis
H0 : Data Mengikuti Distribusi Normal
H1 : Data tidak mengikuiti Distribusi Normal
Minitab
File Name : Cranksh .mtw
Stat > Basic Statistic > Normality test
Hypothesis Testing
H0 : µ = T vs. H1 : m ≠ T Tujuan : Untuk menguji rata-rata dari satu sample populasi
How to use Minitab jika Standard deviation populasi (s) dari populasi tidak
File Name : Exh_Stat .mtw diketahui.
Stat > Basic Statistic > 1 sample t
Values
4.9
5.1
4.6
5.0
5.1
4.7
4.4
4.7
4.6
Hasil Minitab
One-Sample T: Values
Test of mu = 5 vs not = 5
Kesimpulan :
Karena P-Value < 0.05, maka
kita tolak H0. Artinya dengan
tingkat kepercayaan 95%,
dapat. Disimpulkan bahwa
rata-rata dari data ≠ 5
Uji Hipotesis
H0 : m1 - m2 = 0 vs. H1 : m1 - m2≠0 Tujuan :Untuk menguji perbedaan rata-rata antara dua buah
How to use Minitab sample populasi jika standard deviasi populasi () tidak
Hasil MINITAB
Two-Sample T-Test and CI: BTU.In, Damper
Kesimpulan :
Uji Hipotesis
H0 : m1= m2 = m3 vs H1 : at least one of them ≠Tujuan :
Untuk melihat perbedaan rata-rata dari dua sample atau lebih
How to use Minitab
File Name : EXH_AOV .mtw
Stat >Anova > One Way (stacked)
Durability Carpet
18.95 1
12.62 1
11.94 1
14.42 1
10.06 2
7.19 2
7.03 2
14.66 2
10.92 3
13.28 3
14.52 3
12.51 3
10.46 4
21.4 4
18.1 4
22.5 4
Hasil MINITAB
One-way ANOVA: Durability versus Carpet
Source DF SS MS F P
Carpet 3 146.4 48.8 3.58 0.047
Error 12 163.5 13.6
Total 15 309.9
Kesimpulan :
Uji Hipotesis
H0 : P1 = P2 = P3 vs. H1: At least one of P ≠
Hasil MINITAB
Expected counts are printed below observed counts
Chi-Square contributions are printed below expected
counts
Political Party
Democrat Republican Other Total
L 28 18 4 50
25.00 22.50 2.50
Gender 0.360 0.900 0.900
P 22 27 1 50
25.00 22.50 2.50
0.360 0.900 0.900
Total 50 45 5 100
Kesimpulan :
Chi-Sq = 4.320, DF = 2, P-Value = 0.115
2 cells with expected counts less than 5. Karena P-Value > 0.05, maka
kita terima H0. Artinya dengan
tingkat kepercayaan 95%, dapat
disimpulkan bahwa Hasil pemilihan
terhadap partai politik independen
terhadap Gender
Uji Hipotesis
H0 : P = 0 vs. H1: P ≠ 0
Uji Hipotesis
H0 : P1 = P2 0 vs. H1 : P1 ≠ P2
Y f(X)
Berdasarkan hasil analysis para ahli
Operator yang berpengalaman dalam
Man
Skill bidangnya, ditentukan bahwa yang
menjadi Potensial Few Vital Factor
Length Wing X1 yang mungkin berpengaruh terhadap
Machine
perubahan lama waktu terbang
Number of X2
pesawat helikopter mainan adalah
Lama Waktu Clip
Terbang
Length Wing (X1) dan Number of
Clip (X2).
Method Assembly
Berdasarkan hasil ini langkah
selanjutnya adalah melakukan
pengujian apakah potensial few vital
Material factor (X) benar-benar berpengaruh
terhadap masalah (Y), dalam hal ini
(Logic Tree) lama waktu terbang.
1,390 1,577
90
80
P-Value 0.863
kepercaan 95 % Data
1,432 1,571 70
mengikuti distribution
Percent
60
1,387 1,618 50
40
1,392 1,602 30
20 Probability Plot of 3.7 cm
normal
Normal
1,388 1,568 10
99
5 Mean 1.595
1,402 1,641
1,411 1,606 Normality Test 1
1.35 1.36 1.37 1.38
95
90 1.39 1.40 1.41 1.42 1.43 1.44
StDev
N
AD
P-Value
0.02164
30
0.361
0.422
1,394 1,601 3.4 cm
80
70
1,382 1,598
Percent
60
50
1,390 1,611 40
30
1,369 1,609 20
10
1,368 1,602 5
1,420 1,581
1
1,409 1,628 1.550 1.575 1.600 1.625 1.650
3.7 cm
1,413 1,599
1,395 1,599 Hypothesis
1,373 1,600
1,402 1,595
1,399 1,585 H0 : Data lama waktu terbang untuk length wing 3.7 cm
1,391 1,613
1,394 1,587
mengikuti distribusi normal.
1,402 1,598
1,424 1,556 H1 : Data lama waktu terbang untuk length wing 3.7 cm
1,431 1,596
tidak mengikuti distribusi normal.
Hypothesis
H0 :12 22; Varians data lama waktu terbang untuk length wing 3.4 cm dan 3.7 cm equal
H1 :12 ≠ 22; Varians data lama waktu terbang untuk length wing 3.4 cm dan 3.7 cm not equal
a = 5%
Hasil MINITAB
Test for Equal Variances for 3.4 cm, 3.7 cm
F-Test
Test Statistic 0.63
3.4 cm P-Value 0.220
Lev ene's Test
P-Value > 0.05
Test Statistic
P-Value
0.47
0.495
“H0 Diterima”
3.7 cm
Dengan derajat kepercaan
0.015 0.020 0.025 0.030
95% Bonferroni Confidence Intervals for StDevs
95 % Varians data lama
waktu terbang untuk length
wing 3.4 cm dan 3.7 cm
3.4 cm
equal
3.7 cm
Hypothesis
H0 :m12 m22; Rata-rata lama waktu terbang untuk length wing 3.4 cm dan 3.7 cm tidak berbeda nyata
H1 :m12 ≠ m22; Rata-rata lama waktu terbang untuk length wing 3.4 cm dan 3.7 cm berbeda nyata
a = 5%
Boxplot of 3.4 cm, 3.7 cm
Hasil MINITAB 1.65
Data
1.50
3.4 cm 30 1.3989 0.0172 0.0031
3.7 cm 30 1.5951 0.0216 0.0040
1.45
1.708 1.498 95 N
AD
30
0.405
kepercaan 95 % Data
90
P-Value 0.332
1.800 1.496 80 Probability Plot of 1
Normal
mengikuti distribution
70
1.730 1.498
Percent
60
50
99
Mean 1.696 normal
1.737 1.504 40
30 95
StDev
N
0.06290
30
AD 0.250
1.789 1.502 20
90
P-Value 0.721
10
1.694 1.500 Normality Test 5
80
70
Percent
1.627 1.497 1
60
50
1.4950 1.4975
40 1.5000 1.5025 1.5050 1.5075
1.744 1.497 30 2
1.675 1.495 20
10
1.832 1.507 5
1.627 1.497
1
1.726 1.502 1.50 1.55 1.60 1.65 1.70 1.75 1.80 1.85
1
1.601 1.501
1.741 1.499
1.648 1.502
Hypothesis
1.700 1.501
1.772 1.501 H0 : Data lama waktu terbang untuk number of clip 2
1.648 1.502 mengikuti distribusi normal.
1.675 1.498
1.712 1.501 H1 : Data lama waktu terbang untuk number of clip 2
1.682 1.499
1.520 1.500
tidak mengikuti distribusi normal.
1.687 1.497
1.652 1.498
27 Program Magister Teknik Industri-Universitas Mercu Buana
Equal Varians (X2)
Hypothesis
H0 :12 22; Varians data lama waktu terbang untuk Number of Clip 1 dan 2 equal
H1 :12 ≠ 22; Varians data lama waktu terbang untuk Number of Clip 1 dan 2 not equal
a = 5%
Hasil MINITAB
Test for Equal Variances for 1, 2
F-Test
Test Statistic 517.20
1 P-Value 0.000
Levene's Test
Test Statistic 33.95
P-Value 0.000
2 P-Value < 0.05
“H0 Ditolak”
0.00 0.02 0.04 0.06 0.08 0.10
95% Bonferroni Confidence Intervals for StDevs Dengan derajat kepercaan 95 %
Varians data lama waktu terbang
1
untuk Number of Clip 1 dan 2 not
equal
2
Hypothesis
H0 :m12 m22; Rata-rata lama waktu terbang untuk Number of Clip 1 dan 2 tidak berbeda nyata
H1 :m12 ≠ m22; Rata-rata lama waktu terbang untuk Number of Clip 1 dan 2 berbeda nyata
a = 5%
1.70
N Mean StDev SE Mean
Data
1.65
1 30 1.6993 0.0559 0.010
2 30 1.50007 0.00277 0.00050 1.60
1.55
1.50
Difference = mu (1) - mu (2)
1 2
Estimate for difference: 0.199212
95% CI for difference: (0.178320, 0.220103)
T-Test of difference = 0 (vs not =): T-Value = 19.50 P-Value < 0.05
P-Value = 0.000 DF = 29 “H0 Ditolak”
Dengan derajat kepercaan 95 % rata-rata lama waktu terbang
untuk Number of clip 1 dan 2 berbeda nyata
Number of Clip is VITAL FACTOR
29 Program Magister Teknik Industri-Universitas Mercu Buana
Aktivitas utama dalam tahap ANALYSIS
adalah menentukan faktor-faktor X (Vital
Factor) yang berpengaruh terhadap Y
(masalah/issue)
(Check Points)
- Dapatkah final rencana improvement mencapai target?
- Adakah pengaruh/reaksi lain mengenai range/fungsi proses?
Verifikasi
- Dapatkah rencana improvement menghilangkan semua
penyebab masalah?
- Apakah standard performance kongkrit?
Definisi DOE
• DOE adalah metode penentuan awal mengenai pengambilan data dari proses eksperimen
dan analisa data sehingga kita mendapatkan informasi yang akurat melalui Eksperimen.
Tujuan DOE
• Menentukan hubungan cause-effect antara proses input dan karakteristik produk
• Menentukan kondisi proses dari faktor
• Menentukan sumber variasi pada Critical Proces
• Menentukan persamaan model pada proses
• Menentukan nilai optimal dari faktor.
Faktor
Suatu faktor (input) yang mempengaruhi Response (output) dan dapat merupakan
variabel terkontrol (controllable) atau tidak terkontrol (uncontrollable).
Suatu faktor dapat saja bersifat kuantitatif (misal : temperatur, waktu) atau bersifat
kualitatif (Perbedaan mesin, Perbedaan Operator, Bersih atau tidak)
Level
Level suatu faktor adalah nilai-nilai dari faktor dalam suatu eksperimen. Misalkan
eksperimen yang dilakukan terhadap 2 perbedaan temperatur (100C dan 200C) maka
faktor temperatur mempunyai 2 level
Sub Faktor
Sub Faktor adalah eksperimen yang dilakukan terhadap satu level pada faktor. Misal, pada
tingkat temperatur 2500C kita lakukan eksperimen.
Perlakuan Kombinasi
Suatu eksperimen yang menggunakan level-level yang spesifik dari tiap faktor. Jumlah
perlakuan kombinasi pada full experiment adalah percobaan yang dilakukan terhadap
SELURUH KOMBINASI level pada tiap faktor.
Ketebalan
A2 A1 A : Tekanan
B : Temperatur
A1 A2 Output : Kekuatan (Strength)
B1 B2 Temperatur
5 Program Magister Teknik Industri-Universitas Mercu Buana
Step 8. Optimal Plan Selection Desain Faktorial
Desain Fraksional
• Suatu desain eksperimen yang dilakukan hanya sebagian saja atau tidak
dilakukan secara penuh (full factorial design).
• Jika terdapat banyak faktor, maka kita harus melakukan banyak eksperimen.
• Bila kita melakukan banyak eksperimen berarti akan banyak membutuhkan biaya dan
waktu.
• Kita dapat mereduksi banyaknya eksperimen dengan menjalankan desain
fraksional faktorial.
• Dengan asumsi tidak terdapat perbedaan efek interaksi sehingga bisa diabaikan.
• Biasanya perbedaan efek interaksi diabaikan bila lebih dari 3 faktor.
• Biasanya desain fraksional dilakukan dengan pembauran (Comfounding)
Dari tahap ANALYSIS kita sudah memperoleh bahwa yang menjadi few Vital Factor dalam kasus
lama waktu terbang helikopter mainan adalah Length Wing dan Number of Clip.
Untuk itu pada tahap improvement kita akan mengimprove Few Vital Factor resebut melalui
Design of Experiment (DoE). Akan dicari kombinasi optimal Length Wing dan Number of Clip yang
memiliki lama waktu terbang terlama.
Akan di uji cobakan :
Masukkan
Hasil exp. (Y)
Masukkan
Hasil exp. (Y)
Kemudian dilakukan analysis factorial design :
Cube Plot:
Cube Plot:
A B
Manual Calculation:
A = (1.97+1.96)/2 = 1.965
B = (2.28+2.31)/2 = 2.295
C = (2.00+2.03)/2 = 2.015
D = (2.75+2.65)/2 = 2.700
C D
(Pesawat Mainan)
60
50
40
30
20
10
1
1.67 1.68 1.69 1.70 1.71
Data
Zst.Bench = 5.48
Karena P-Value (0.943) > 0.05, maka :
H0 diterima atau Sigma Level Kondisi saat ini = 5.48
“Dengan derajat kepercayaan 95% data mengikuti distribusi
normal”
16 Program Magister Teknik Industri-Universitas Mercu Buana
Berdasarkan perhitungan capability analysis maka
nilai Zbench yang diperoleh dapat dipetakan ke
dalam :
4 Block Diagram
Z shift
Poor A B
Result
(Minutes)
-Average- ()
Control
Memberikan suatu standarisasi untuk menstabilisasi hasil improvement yang optimal, serta
merencanakan suatu aktivitas pengontrolan.
- Work Standard
Step 10. Standarisasi
Set rencana operasi proses standard untuk memahami quality sistem secara praktis dan
untuk menjaga hasil yang sudah diimprove secara terus-menerus.
Process
Improvement
Menjaga Hasil
Improvement
Definisi
•Suatu grafik untuk menemukan sebuah proses dalam
kondisi yang stabil atau menjaga untuk stabil.
Tujuan Penggunaan
•Untuk menjaga dan memperbaiki kualitas melalui
pencarian sesuatu yang khusus di dalam proses dengan
pengoreksian dan penjagaan proses dalam kondisi yang
stabil.
3 x 2 x
CL
LCL
Incidental cause
Material
(Common cause ~Chance cause
Peralatan NG
Penyebab ~Non-assignable cause~Noise~
Rusak Seting Mesin Black Noise-Controllable-Average)
khusus Berubah •Perubahan tidak dapat disesuaikan
dengan lingkungan kerja.
•Gap antara skill operator
•Gap antara fungsi peralatan
produksi
Pengawasan Training •Gap antara perubahan kualitas raw
Lemah Kurang Bagus materials disebabkan oleh incidental
cause, dan hal ini masih “dalam
Penyebab statistical control”
Umum
Metode Kesalahan Abnormal cause
Tidak Bagus Pengukuran (Special cause~Assignable
cause~Signal~White Noise-
Uncontrollable-Shift)
•Kegagalan pemakaian peralatan
produksi
Kesalahan •Input dari ketidak mahiran operator
Penyebab mesin Perubahan •Penggunaan material yang defect
Khusus Kesalahan Temp. Udara menyebabkan proses terpisah dari
Operator
statistical control.
Jika abnormal cause terjadi,
maka proses keluar dari
statistical control
Continuous Attribute
•Control Chart untuk Distribusi
jika n lebih kecil (biasanya dibawah 5), R control
chart digunakan. Sekali n menjadi lebih besar, S Defect no.ratio Fault Number
1 Diagnosis
Attribute
2
Standard
Continuous
A : -3S~-2S or 2S~3S 3 1. In case certain control value
B : -2S~-1S or 1S~2S exceed the control limits line.
4
C : -1S~Center or Center~1S (±3σ)
1 5
1
+ 3S 6
+ 2S
A 2. Appear 9 ea control value
7
+1S
B continuously from one side of
C 8 center line.
-1S C
-2S B
-3S A 3. 6 ea control value are increased
2 or decreased continuously.
+ 3S 3 6
+ 3S + 3S
A A A 4. 14 ea control value appear up
+ 2S + 2S + 2S
B B B
+1S +1S +1S and down center line regularly.
C C C
-1S C -1S C C
-1S
-2S B B B
A
-2S -2S 5. 2 ea control value appear in A
-3S -3S A -3S A 6
region in one side of center line
4 among 3 ea control value
+ 3S + 3S
A A
+ 2S + 2S
The various abnormal +1S
B
+1S
B 7
C 6. 4 ea control value appear in A or
pattern can appear in C
- In case occurrence of + 3S
5 8
A + 3S 7. 15 ea control value appear in C
abnormal pattern, check + 2S
+ 2S
A
region in one side of center in
B B
its cause. +1S
C +1S order.
C
C
-1S
-1S C 8. 8 ea control value appear in
-2S B B
-2S order in A or B region in one
-3S A A
5
-3S side of center line.
: X bar-R control chart digunakan untuk mengontrol rata-rata dan distribusi karakteristik CTQ. Secara umum data dikumpulkan melalui
sub-grouping dengan ukuran (size) di bawah 5 (di atas 2).
① Ukuran, frekuensi, jumlah Subgroup
- Menentukan ukuran subgroup secara logika (long-term data)
- Menentukan frekuensi yang mempertimbangkan penyebab potensial dari perubahan, seperti pergeseran, waktu, data.
② Perhitungan nilai rata-rata (X bar) dan range (R) untuk setiap group.
n
X i
R X max X min ● n is a standard value within part group
X i 1
n
③ Perhitungan batas kontrol (control limit )
③-1. Calculate average of range and process ③-2. Calculate control limit
*) Xbar Chart *) R Chart
UCLR D4 R
k k
R k X k UCLX X A2 R
R k 1 X k 1
k k LCLX X A2 R LCLR D3 R
Perhitungan Coefficient
n 2 3 4 5 6 7 8 9 10
Misalkan Anda bekerja di pabrik Assembly mesin automobile. Salah satu parts yaitu camshaft, spesifikasinya harus 600 mm +2 mm
supaya memenuhi engineering specifications. Terdapat masalah chronic dengan panjang camshaft keluar dari specification, penyebab
itu adalah poor-fitting assemblies, sehingga menghasilkan tingginya scrap dan rework rates. Supervisor anda ingin menggunakan X
and R charts untuk memonitor karakteristik tersebut. Sehingga untuk satu bulan anda mengumpulkan total 100 observasi (20 samples
of 5 camshafts each) dari seluruh camshafts yang digunakan di pabrik, dan 100 observation dari setiap supplier anda.
602
U C L=602.474
Interpretasi Hasil
Sample M ean
_
_
X=600.23
600
tidak stabil. Center line pada R chart adalah 3.890, ini juga
Sample Range
4
_
R=3.890
sungguh harus dipertimbangkan karena maksimum variasi
2
yang diijinkan adalah +2 mm. Mungkin ada kelebihan
0 LC L=0
2 4 6 8 10 12 14 16 18 20
variabilitas di dalam proses anda.
Sample
NP Control Charts
NP control chart digunakan untuk melihat variasi dalam attribute data yang sifatnya Ya atau tidak. Hanya terdapat 2
kemungkinan yaitu defect atau tidak. NP control chart digunakan untuk menentukan jika sebaran item yang defect dalam suatu group
konsisten dari waktu ke waktu. NP Control Chart digunakan pada saat anda melakukan perhitungan item-item yang defect pada setiap n
yang jumlahnya sama.
Example
Sebuah team dalam accounting group bekerja pada perbaikan proses invoice. Team ini mencoba mengurangi biaya proses invoice
melalui penurunan jumlah invoice yang mengalami kesalahan (error). Team ini mengembangkan definisi operational untuk membuat
kategori bahwa invoice tersebut termasuk defect : invoice termasuk defect jika terdapat harga, jumlah, pengkodean, alamat, atau
nama yang salah. Kemudian team ini memutuskan untuk mengambil sampel 100 invoice setiap hari. Jika invoice mempunya satu atau
lebih kesalahan maka invoice tersebut defect. Data dari 25 hari terakhir ditampilkan pada gambar berikut ini :
35
30
Sample Count
__
25 NP=24.84
20
15
LCL=11.88
10
2 4 6 8 10 12 14 16 18 20 22 24
Sample
Y Monitoring 4.510
U C L=4.51136
Sample M ean
4.505 _
_
X=4.50366
1.68 1.69
4.500
Average Waktu 1.67
Terbang LC L=4.49596
4.495
5.09 5.10 1 2 3 4 5
5.08 Sample
Sigma Level
0.03
U C L=0.02821
Sample Range
Month 1 2 3 0.02
_
R=0.01334
0.01
Sample M ean
Sample M ean
4.505 _
_
4.505 _ X=4.50367
_
X=4.50314
4.500
4.500
LC L=4.49599
4.495
4.495 LC L=4.49528 1 2 3 4 5
Sample
1 2 3 4 5
Sample
0.03
U C L=0.02816
0.03
U C L=0.02882 Sample Range
0.02
_
Sample Range
0.02 R=0.01332
_ 0.01
R=0.01363
0.01
0.00 LC L=0
1 2 3 4 5
0.00 LC L=0 Sample
1 2 3
Sample
4 5 Bulan ke-3
Bulan ke-1
14 Program Magister Teknik Industri-Universitas Mercu Buana
Z Normal table
Z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 5. 00E -01 4. 96E -01 4. 92E -01 4. 88E -01 4. 84E -01 4. 80E -01 4. 76E -01 4. 72E -01 4. 68E -01 4. 64E -01
0.1 4. 60E -01 4. 56E -01 4. 52E -01 4. 48E -01 4. 44E -01 4. 40E -01 4. 36E -01 4. 33E -01 4. 29E -01 4. 25E -01
0.2 4. 21E -01 4. 17E -01 4. 13E -01 4. 09E -01 4. 05E -01 4. 01E -01 3. 97E -01 3. 94E -01 3. 90E -01 3. 86E -01
0.3 3. 82E -01 3. 78E -01 3. 74E -01 3. 71E -01 3. 67E -01 3. 63E -01 3. 59E -01 3. 56E -01 3. 52E -01 3. 48E -01
0.4 3. 45E -01 3. 41E -01 3. 37E -01 3. 34E -01 3. 30E -01 3. 26E -01 3. 23E -01 3. 19E -01 3. 16E -01 3. 12E -01
0.5 3. 09E -01 3. 05E -01 3. 02E -01 2. 98E -01 2. 95E -01 2. 91E -01 2. 88E -01 2. 84E -01 2. 81E -01 2. 78E -01
0.6 2. 74E -01 2. 71E -01 2. 68E -01 2. 64E -01 2. 61E -01 2. 58E -01 2. 55E -01 2. 51E -01 2. 48E -01 2. 45E -01
0.7 2. 42E -01 2. 39E -01 2. 36E -01 2. 33E -01 2. 30E -01 2. 27E -01 2. 24E -01 2. 21E -01 2. 18E -01 2. 15E -01
0.8 2. 12E -01 2. 09E -01 2. 06E -01 2. 03E -01 2. 00E -01 1. 98E -01 1. 95E -01 1. 92E -01 1. 89E -01 1. 87E -01
0.9 1. 84E -01 1. 81E -01 1. 79E -01 1. 76E -01 1. 74E -01 1. 71E -01 1. 69E -01 1. 66E -01 1. 64E -01 1. 61E -01
0 Z 1.0
1.1
1. 59E -01
1. 36E -01
1. 56E -01
1. 33E -01
1. 54E -01
1. 31E -01
1. 52E -01
1. 29E -01
1. 49E -01
1. 27E -01
1. 47E -01
1. 25E -01
1. 45E -01
1. 23E -01
1. 42E -01
1. 21E -01
1. 40E -01
1. 19E -01
1. 38E -01
1. 17E -01
1.2 1. 15E -01 1. 13E -01 1. 11E -01 1. 09E -01 1. 07E -01 1. 06E -01 1. 04E -01 1. 02E -01 1. 00E -01 9. 85E -02
1.3 9. 68E -02 9. 51E -02 9. 34E -02 9. 18E -02 9. 01E -02 8. 85E -02 8. 69E -02 8. 53E -02 8. 38E -02 8. 23E -02
1.4 8. 08E -02 7. 93E -02 7. 78E -02 7. 64E -02 7. 49E -02 7. 35E -02 7. 21E -02 7. 08E -02 6. 94E -02 6. 81E -02
1.5 6. 68E -02 6. 55E -02 6. 43E -02 6. 30E -02 6. 18E -02 6. 06E -02 5. 94E -02 5. 82E -02 5. 71E -02 5. 59E -02
1.6 5. 48E -02 5. 37E -02 5. 26E -02 5. 16E -02 5. 05E -02 4. 95E -02 4. 85E -02 4. 75E -02 4. 65E -02 4. 55E -02
1.7 4. 46E -02 4. 36E -02 4. 27E -02 4. 18E -02 4. 09E -02 4. 01E -02 3. 92E -02 3. 84E -02 3. 75E -02 3. 67E -02
1.8 3. 59E -02 3. 51E -02 3. 44E -02 3. 36E -02 3. 29E -02 3. 22E -02 3. 14E -02 3. 07E -02 3. 01E -02 2. 94E -02
1.9 2. 87E -02 2. 81E -02 2. 74E -02 2. 68E -02 2. 62E -02 2. 56E -02 2. 50E -02 2. 44E -02 2. 39E -02 2. 33E -02
2.0 2. 28E -02 2. 22E -02 2. 17E -02 2. 12E -02 2. 07E -02 2. 02E -02 1. 97E -02 1. 92E -02 1. 88E -02 1. 83E -02
2.1 1. 79E -02 1. 74E -02 1. 70E -02 1. 66E -02 1. 62E -02 1. 58E -02 1. 54E -02 1. 50E -02 1. 46E -02 1. 43E -02
2.2 1. 39E -02 1. 36E -02 1. 32E -02 1. 29E -02 1. 25E -02 1. 22E -02 1. 19E -02 1. 16E -02 1. 13E -02 1. 10E -02
2.3 1. 07E -02 1. 04E -02 1. 02E -02 9. 90E -03 9. 64E -03 9. 39E -03 9. 14E -03 8. 89E -03 8. 66E -03 8. 42E -03
2.4 8. 20E -03 7. 98E -03 7. 76E -03 7. 55E -03 7. 34E -03 7. 14E -03 6. 95E -03 6. 76E -03 6. 57E -03 6. 39E -03
2.5 6. 21E -03 6. 04E -03 5. 87E -03 5. 70E -03 5. 54E -03 5. 39E -03 5. 23E -03 5. 08E -03 4. 94E -03 4. 80E -03
2.6 4. 66E -03 4. 53E -03 4. 40E -03 4. 27E -03 4. 15E -03 4. 02E -03 3. 91E -03 3. 79E -03 3. 68E -03 3. 57E -03
2.7 3. 47E -03 3. 36E -03 3. 26E -03 3. 17E -03 3. 07E -03 2. 98E -03 2. 89E -03 2. 80E -03 2. 72E -03 2. 64E -03
2.8 2. 56E -03 2. 48E -03 2. 40E -03 2. 33E -03 2. 26E -03 2. 19E -03 2. 12E -03 2. 05E -03 1. 99E -03 1. 93E -03
2.9 1. 87E -03 1. 81E -03 1. 75E -03 1. 70E -03 1. 64E -03 1. 59E -03 1. 54E -03 1. 49E -03 1. 44E -03 1. 40E -03
3.0 1. 35E -03 1. 31E -03 1. 26E -03 1. 22E -03 1. 18E -03 1. 14E -03 1. 11E -03 1. 07E -03 1. 04E -03 1. 00E -03
3.1 9. 68E -04 9. 36E -04 9. 04E -04 8. 74E -04 8. 45E -04 8. 16E -04 7. 89E -04 7. 62E -04 7. 36E -04 7. 11E -04
3.2 6. 87E -04 6. 64E -04 6. 41E -04 6. 19E -04 5. 98E -04 5. 77E -04 5. 57E -04 5. 38E -04 5. 19E -04 5. 01E -04
3.3 4. 83E -04 4. 67E -04 4. 50E -04 4. 34E -04 4. 19E -04 4. 04E -04 3. 90E -04 3. 76E -04 3. 62E -04 3. 50E -04
3.4 3. 37E -04 3. 25E -04 3. 13E -04 3. 02E -04 2. 91E -04 2. 80E -04 2. 70E -04 2. 60E -04 2. 51E -04 2. 42E -04
3.5 2. 33E -04 2. 24E -04 2. 16E -04 2. 08E -04 2. 00E -04 1. 93E -04 1. 85E -04 1. 79E -04 1. 72E -04 1. 65E -04
3.6 1. 59E -04 1. 53E -04 1. 47E -04 1. 42E -04 1. 36E -04 1. 31E -04 1. 26E -04 1. 21E -04 1. 17E -04 1. 12E -04
3.7 1. 08E -04 1. 04E -04 9. 97E -05 9. 59E -05 9. 21E -05 8. 86E -05 8. 51E -05 8. 18E -05 7. 85E -05 7. 55E -05
3.8 7. 25E -05 6. 96E -05 6. 69E -05 6. 42E -05 6. 17E -05 5. 92E -05 5. 68E -05 5. 46E -05 5. 24E -05 5. 03E -05
3.9 4. 82E -05 4. 63E -05 4. 44E -05 4. 26E -05 4. 09E -05 3. 92E -05 3. 76E -05 3. 61E -05 3. 46E -05 3. 32E -05
4.0 3. 18E -05 3. 05E -05 2. 92E -05 2. 80E -05 2. 68E -05 2. 57E -05 2. 47E -05 2. 36E -05 2. 26E -05 2. 17E -05
4.1 2. 08E -05 1. 99E -05 1. 91E -05 1. 82E -05 1. 75E -05 1. 67E -05 1. 60E -05 1. 53E -05 1. 47E -05 1. 40E -05
4.2 1. 34E -05 1. 29E -05 1. 23E -05 1. 18E -05 1. 13E -05 1. 08E -05 1. 03E -05 9. 86E -06 9. 43E -06 9. 01E -06
4.3 8. 62E -06 8. 24E -06 7. 88E -06 7. 53E -06 7. 20E -06 6. 88E -06 6. 57E -06 6. 28E -06 6. 00E -06 5. 73E -06
4.4 5. 48E -06 5. 23E -06 5. 00E -06 4. 77E -06 4. 56E -06 4. 35E -06 4. 16E -06 3. 97E -06 3. 79E -06 3. 62E -06
4.5 3. 45E -06 3. 29E -06 3. 14E -06 3. 00E -06 2. 86E -06 2. 73E -06 2. 60E -06 2. 48E -06 2. 37E -06 2. 26E -06
4.6 2. 15E -06 2. 05E -06 1. 96E -06 1. 87E -06 1. 78E -06 1. 70E -06 1. 62E -06 1. 54E -06 1. 47E -06 1. 40E -06
4.7 1. 33E -06 1. 27E -06 1. 21E -06 1. 15E -06 1. 10E -06 1. 05E -06 9. 96E -07 9. 48E -07 9. 03E -07 8. 59E -07
4.8 8. 18E -07 7. 79E -07 7. 41E -07 7. 05E -07 6. 71E -07 6. 39E -07 6. 08E -07 5. 78E -07 5. 50E -07 5. 23E -07
4.9 4. 98E -07 4. 73E -07 4. 50E -07 4. 28E -07 4. 07E -07 3. 87E -07 3. 68E -07 3. 50E -07 3. 32E -07 3. 16E -07
5. 0 3. 00E -07 2. 85E -07 2. 71E -07 2. 58E -07 2. 45E -07 2. 32E -07 2. 21E -07 2. 10E -07 1. 99E -07 1. 89E -07
5. 1 1. 80E -07 1. 71E -07 1. 62E -07 1. 54E -07 1. 46E -07 1. 39E -07 1. 31E -07 1. 25E -07 1. 18E -07 1. 12E -07
5. 2 1. 07E -07 1. 01E -07 9. 59E -08 9. 10E -08 8. 63E -08 8. 18E -08 7. 76E -08 7. 36E -08 6. 98E -08 6. 62E -08
5. 3 6. 27E -08 5. 95E -08 5. 64E -08 5. 34E -08 5. 06E -08 4. 08E -08 4. 55E -08 4. 31E -08 4. 08E -08 3. 87E -08
5. 4 3. 66E -08 3. 47E -08 3. 29E -08 3. 11E -08 2. 95E -08 2. 97E -08 2. 64E -08 2. 50E -08 2. 37E -08 2. 24E -08
5. 5 2. 12E -08 2. 01E -08 1. 90E -08 1. 80E -08 1. 70E -08 1. 61E -08 1. 53E -08 1. 44E -08 1. 37E -08 1. 29E -08
5. 6 1. 22E -08 1. 16E -08 1. 09E -08 1. 03E -08 9. 78E -09 9. 24E -09 8. 74E -09 8. 26E -09 7. 81E -09 7. 39E -09
5. 7 6. 98E -09 6. 60E -09 6. 24E -09 5. 89E -09 5. 57E -09 5. 26E -09 4. 97E -09 4. 70E -09 4. 44E -09 4. 19E -09
5. 8 3. 96E -09 3. 74E -09 3. 53E -09 3. 34E -09 3. 15E -09 2. 97E -09 2. 81E -09 2. 65E -09 2. 50E -09 2. 36E -09
DF t 0.40 (r) t 0.25 (r) t 0.10 (r) t 0.05 (r) t 0.025 (r) t 0.01 (r) t 0.005 (r)
r : Sample Size
DF = r-1
1 0.325 1.000 3.078 6.314 12.706 31.821 63.657
2 0.289 0.816 1.886 2.920 4.303 6.965 9.925
3 0.277 0.765 1.638 2.353 3.182 4.541 5.841
4 0.271 0.741 1.533 2.132 2.776 3.747 4.604
5 0.267 0.727 1.476 2.015 2.571 3.365 4.032
• Tanggal Questioner
: 8 ~15 Jul 2011