BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATAthesis.binus.ac.id/doc/Bab4/2011-2-00679 TI Bab...

92

BAB 4

PENGUMPULAN, PENGOLAHAN

DAN ANALISIS DATA

4.1 Sejarah Perusahaan

PT. Indokarlo Perkasa berdiri sejak tanggal 14 Desember 1988, dengan

produksi utama adalah spare part berbahan dasar karet untuk industri otomotif

maupun industri lainnya termasuk juga karet-karet yang terikat dengan logam. Saat

ini PT. Indokarlo Perkasa sudah memenuhi standar-standar kualitas secara

profesional yang ditandai dengan memilikinya sertifikat-sertifikat standar kualitas,

antara lain adalah ISO 9001 : 2008, ISO/TS 16949 : 2002. Untuk standar keselamatan

dan kesehatan kerja, serta keramahan terhadap lingkungan, PT. Indokarlo Perkasa

juga telah memiliki sertifikat ISO 14001 : 2004, OHSAS 18001 : 2007.

Sedangkan misi dari PT. Indokarlo Perkasa sendiri adalah, “To Be A

Reputable Rubber Parts Supplier In Asean Region”, serta mempunyai visi, “World

Class Manufacturer Of Automotive Rubber Vibration Insulator And Other

Automotive Functional Rubber Parts, Partner Of Choice In Indonesia”.

Untuk omset PT. Indokarlo Perkasa sendiri dapat dilihat sebagai berikut :

93

Sumber PT. Indokarlo Perkasa

Grafik 4.1 Profit PT. Indokarlo Perkasa

PT. Indokarlo Perkasa memproduksi original equipment manufacture untuk

beberapa merk ternama, antara lain adalah :

0.4 0.9 1.5 2.2 3.5 5.3 7.5 8.3 11.2 7.4 11.624.7

44.753.9

66.8

103

144.2 146.9

198

282

323

363

0255075

100125150175200225250275300325350375400

Sales Amount (in Rp. Billion)

94


Gambar 4.1 Customer PT. Indokarlo Perkasa

Selain itu PT. Indokarlo Perkasa juga menyuplai produk – produk yang

dihasilkan ke beberapa pelanggan lainnya, antara lain adalah :

1. Automotive and Component Maker

a. Wire harness & electrical parts

• Stanley Electric Indonesia

• Autocomp System Indonesia

• Nippon Seiki Indonesia

• Mitsuba

• Toyo Denso Indonesia

• Denso Indonesia

95

• EDS Manufacturing Indonesia

b. Shock absorbers

• Kayaba Indonesia

• Showa Mfg Indonesia

c. Seat

• Meiwa Indonesia

• Abadi Barindo Autotech

2. Non-Automotive Industry

• Sanyo Kompresor Indonesia

• Panasonic Manufacturing Indonesia

• Surya Toto Indonesia

• Yanmar

• Dulmison Indonesia

3. After Market

• Astra Komponen Indonesia

• Astra Otoparts

4. Export

− Japan - China

− Malaysia - Germany

− Thailand - Netherland

− Phillipine - New Zaeland

96

− Vietnam - Yemen

− Australia

Susunan kepemimpinan PT. Indokarlo Perkasa dapat dilihat di bawah ini :

Board of commisioners

1. President Commissioner : Siswanto Prawiroatmodjo

2. Commissioner : Darmawan Widjaja

3. President Director : Djangkep Budhi Santoso

4. Director : Rudy Chandra

5. Marketing Department Head : Pandit Indrawirawan

6. Engineering Department Head : Harjanto Purnama

7. Quality Control Department Head : Purwantoro

8. Production & Maintenance Dept. Head : E.S.R Ekowati

9. PPIC Department Head : Endang Purwanti

10. Finance & Accounting Department Head : Yeni Sunarsih

11. Human Resources & GA Dept. Head : Herry Joediono

12. Purchasing Department Head : Gunawan Karnady

Jumlah pekerja (per Agustus 2010) yang ada saat ini di PT. indokarlo Perkasa

adalah 1900 orang dengan expatriate 1 orang. Berikut adalah sejarah perjalanan PT.

Indokarlo Perkasa.

97

Tabel 4.1 Sejarah PT. Indokarlo Perkasa

Year Facts Date

1988 Berdiri dan mulai memproduksi

1996 Memulai export ke Japan Seal, Jepang 11-Sep-96

1997 Memulai export ke Yamato Rubber, Jepang 28-Feb-97

1998 Mendapatkan sertifikat ISO 9002 untuk Quality Management System 10-Feb-98

Memulai export ke Tokai Kogyo, Jepang 8-Jul-98

1999 Mendapatkan sertifikat QS-9000 untuk Quality Management System 19-Oct-99

Memulai export ke ORTEC GMBH, Jerman 5-Aug-99

2000 Mengikuti Automechanika 2000 Exhibition di Frankfurt, Jerman 6 -10 Sep 2000

Mengikuti konfrensi ketiga ASEAN Auto Supporting Industries Exhibition di Jakarta 19 - 20 Jul 2000

2001 Mendapatkan sertifikat ISO 14001 untuk Safety, Health and Environmental Management System 6-Jun-01

2002 Mengikuti Auto China 2002 Exhibition di Beijing, China 6 - 13 Jun 2002

Mengikuti Automechanika 2002 Exhibition di Frankfurt, Jerman 17 - 22 Sep 2002

Mengikuti konfrensi keempat ASEAN Auto Supporting Industries Exhibition di Manila 9 - 10 Jul 2002

2003 Mendapatkan sertifikat OHSAS 18001 untuk Occupational, Safety and Health, & Environmental System 1-Feb-03

Mengikuti Asia Automotive Engineering Exhibition di

7 - 11 Mei 2003

98

Thailand

Memulai export ke Malaysia 1-Apr-03

Mengikuti Australian Automotive Aftermarket Association Trade Show Australia Jun-03

2004 Pindah ke kantor dan pabrik baru di Bogor 2-Aug-04

Technical Assistant Agreement untuk produk keran karet : Teito Rubber LTD, Japan 3-Sep-04

2005 ISO 14001:2004, pembaharuan sertifikat untuk Safety, Health & Environmental Management System 12-Sep-05

Sertifikasi ISO/TS 16949:2002 12-Sep-05


Beberapa penghargaan yang telah diraih oleh PT. Indokarlo Perkasa :

99

Tabel 4.2 Penghargaan PT. Indokarlo Perkasa

Year Award

1995 The Best 5S dari Honda Federal Inc.

1998 Award for Cost dari Toyota Astra Motor, Indonesia

1999 The Best 5 Subcontractor dari Showa Indonesia Manufacturing

2000 Award for Delivery Target Achievement dari Toyota Astra Motor, Indonesia

Excellence Quality Performance dari Toyota Astra Motor, Indonesia

The Best 5 Subcontractor dari Showa Indonesia Manufacturing

2001 Award for Delivery Target Achievement dari Toyota Astra Motor, Indonesia

The Best Supplier 2001 from Showa Indonesia Manufacturing

Excellence Quality Targer Achievement dari Kayaba Indonesia

2002 Award for Quality & Delivery Target Achievement dari Toyota Astra Motor

2003 Award for Excellence daru Pantja Motor

Award for Zero Defect Achievement dari Toyota Manufacturing Indonesia

2004 The Best Quality 2003 dari Showa Manufacturing Indonesia

Award for Zero Defect Achievement dari Abadi Barindo Autotech

2005 Quality and Delivery Excellence Award dari PT. Pantja Motor

2006 The Best Vendor dari Hicom Honda, Malaysia

Award for 2006 Cost Reduction Target dari Toyota Motor Manufacturing Indonesia

2007 The Best Performance Multisourcing Vendor dari Hicom Honda, Malaysia

Quality Target Appreciation dari Toyota Mfg Indonesia

100

Cost Performance Award dari Toyota Mfg Indonesia

Cost Target Achievement dari Toyota Mfg Indonesia

Delivery Performance dari Hino Motor Mfg Indonesia

Quality Target Achievement dari Akasi Wahana Indonesia

The Best Quality and Delivery Performance dari Astra Daihatsu Motor

2008 Great Support And Contribution To The Success of 2008 Mitsubitshi Vehicle Production in Indonesia dari Krama Yudha Tiga Berlian Motors

The Best Quality Performance 2008 dari Kawasaki

The Great Support and Contribution dari PT. Inti Ganda Perdana Group

Recognition of the Valuable and Continous Support in Quality and Delivery dari PT. Hino Motors Indonesia

Recognition of the Outstanding Contribution in year 2008 dari PT. Toyota Motor Mfg Indonesia

Recognition of the Outstanding Contribution in year 2008 dari PT. Akashi Wahana Indonesia

Supplier Zero Defect Achievement dari PT. Abadi Barindo Autotech

The Best Vendor Performance dari PT. Suzuki Indomobil Motor

2009 The Best Quality Performance 2009 dari Kawasaki

The Best Quality Performance in 2009 dari PT. Toyota Mfg Indonesia

Appreciation for Quality Target Achievement dari PT. Toyota Mfg Indonesia

Appreciation for Urget VA Contribution dari PT. Toyota Mfg Indonesia


Untuk lokasi PT. Indokarlo Perkasa adalah di Jl. Raya Jakarta Bogor Km. 47

Cibinong 16912, Bogor, Jakarta Barat – Indonesia. Dengan nomor telp 021 875 4966.

101


Gambar 4.2 Peta Lokasi PT. Indokarlo Perkasa

4.2 Ruang Lingkup Observasi

4.2.1 Six Sigma

Six Sigma merupakan strategi bisnis yang berupaya mengidentifikasi

dan menghilangkan penyebab - penyebab kesalahan atau produk cacat atau

kegagalan –kegagalan di dalam proses bisnis dengan berfokus pada keluaran

yang kritis bagi pelanggan. Six Sigma juga merupakan suatu ukuran kualitas

yang berupaya mengurangi cacat produk dengan menerapkan metode-metode

statistik, dimana cacat di sini dimaksudkan sebagai hal apapun yang

menyebabkan terjadinya ketidakpuasan pelanggan.

Proses six sigma dapat ditentukan dengan rumus Y = f (X1, X2, X3,

…, Xn). Rumus tersebut berarti bahwa nilai Y di pengaruhi oleh fungsi X, Y

102

dalam six sigma ada tujuan penelitian sedangkan X adalah faktor – faktor

yang mempengaruhi Y. Dengan kata lain, kontrol-lah X untuk mengontrol Y.

Dengan berlandasarkan rumus diatas, maka akan dilakukan penerapan six

sigma terhadap proses yang bermasalah terhadap pelanggan dengan metode

DMAIC. DMAIC sendiri terdiri dari 5 tahapan proses yang berlandaskan

rumus = f (X1, X2, X3, …, Xn), yaitu :

1. Define

Langkah ini untuk mendefinisikan rencana-rencana tindakan (action

plans) yang harus dilakukan untuk melaksanakan peningkatan dari setiap

tahap proses bisnis kunci itu, seperti membuat project chapter dan juga grafik

SIPOC. Termasuk dalam langkah definisi ini adalah menetapkan sasaran dari

aktivitas peningkatan kualitas Six Sigma dengan berdasarkan voice of

cutomer (VOC) kemudian critical to quality (CTQ) pun ditentukan dalah

tahap ini.

2. Measure

Terdapat 4 hal penting dalam langkah pengukuran ini, yaitu :

a. Menentukan tujuan penelitian atau yang disebut juga dengan “project

Y.”

b. Melakukan validasi terhadap alat ukur dan sistem pengukuran.

103

c. Melakukan perencanaan pengumpulan data dan kemudian

mengumpulkan data.

d. Menentukan kapabilitas proses yang ada pada saat ini.

3. Analyze

Pada tahap analyze ini akan dilakukan penyaringan dari beberapa

faktor X yang diperkirakan menjadi penyebab terjadinya Y, dari beberapa

faktor X tersebut nantinya akan terpilih salah satu faktor X yang paling

berpengaruh terhadap Y.

4. Improve

Langkah improve akan mencari solusi berlandaskan dari X yang

paling berpengaruh terhadap Y, solusi – solusi yang berkaitan dengan faktor

X tersebut akan di experiment-kan dan kemudian akan terpilih solusi apa yang

paling efektif untuk memperbaiki kinerja faktor X.

5. Control

Pada langkah control akan dilakukan pengontrolan terhadap solusi

yang akan diterapkan sehingga solusi yang telah didapatkan pada tahap

improve tersebut bisa berjalan dengan baik. Tahap control ini juga

menentukan seberapa besar keuntungan yang akan didapatkan dari proses six

sigma ini apabila di impelemtasikan secara terus menerus.

Berdasarkan dari penjelasan diatas berikut di bawah ini adalah hasil

dari penelitian six sigma yang telah dilakukan di PT. IndoKarlo Perkasa.

104

4.2.2 Tahap Define

Tahap pertama dari metode DMAIC adalah tahap define, pada tahap ini akan

dilakukan identifikasi masalah. Agar identifikasi masalah, cakupan penelitian,

anggota proyek, target pencapaian, serta targer waktu penyelesaian terlihat dengan

jelas dan ada hitam di atas putih, maka dibuatlah Project Charter.

Beberapa unsur penting dalam pembuatan project charter, antara lain adalah :

a. Masalah yang akan diselesaikan harus tercantum dengan jelas, agar

penelitian yang berjalan menuju ke arah yang pasti.

b. Target pencapaian yang dituliskan juga harus jelas agar hasil yang dicapai

dapat dipertanggung jawabkan.

c. Anggota tim yang tertera pada project charter harus bertanggung jawab

pada setiap langkah dari proyek ini.

d. Waktu setiap tahap harus tertera dengan jelas agar diselesaikan dengan

tepat waktu.

105

Gambar 4.3 Project Charter Penelitian

Setelah project charter dibuat maka langkah selanjutnya dari tahap define ini

adalah membuat SIPOC (supplier, input, process, output, customer) diagram. Agar

aliran barang dari tangan supplier sampai ke tangan customer dapat terlihat dengan

jelas.

b

A

d

y

I

P

d

u

p

d

Dapa

bahan jadi d

Argatama M

ditetapkan o

yang dimin

Indokarlo Pe

PT. Indokar

sebelumnya

Seda

dapat diliha

ukuran panj

produksi. K

dipotong se

at dilihat de

di tangan cus

Multy Agun

oleh PT. Ind

nta, PT. Ar

erkasa. Yan

lo Perkasa b

. Inilah yang

angkan untuk

at sendiri ba

jang sekitar

Kemudian pip

suai dengan

Diagram 4.

engan jelas

stomer. PT.

g untuk me

dokarlo Perk

rgatama Mu

g menjadi p

banyak yang

g menjadi ma

k proses pro

hwa proses

2.5 meter

pa dipasang

n ukuran yan

1 Diagram S

aliran bahan

Indokarlo P

emotong bes

kasa. Setelah

ulty Agung

permasalahan

tidak sesuai

asalah utama

oduksinya se

yang terjad

menyerupai

ke mesin, s

ng diperluk

SIPOC Prose

n baku dari

Perkasa mem

si sesuai de

h besi terpoto

mengantar

n adalah bes

i dengan uku

a dari diadak

endiri di PT

di tidaklah ru

i pipa, dibaw

setelah itu p

an. Tahap s

es Potong

supplier sa

mberikan ord

engan panjan

ong sesuai d

rkannya kem

si yang diant

uran yang te

kannya proy

. Argatama

umit. Pertam

wa dari gud

ipa dipotong

selanjutnya

1

ampai menja

der kepada P

ng yang tel

dengan ukur

mbali ke P

tar kembali

elah ditetapk

yek ini.

Multy Agun

ma besi dala

dang ke lan

g chamfer d

adalah poto

06

adi

PT.

lah

ran

PT.

ke

kan

ng,

am

ntai

dan

ong

107

chamfer bagian ujung lainnya dari besi tadi di mesin potong finish, setelah itu besi

yang sudah selesai dipotong chamfer dikedua ujungnya diperiksa panjangnya, apakah

sudah sesuai dengan yang diharapkan. Besi-besi yang sudah lulus proses pemeriksaan

siap diantar kembali ke PT. Indokarlo Perkasa. Apabila ada yang tidak lulus proses

pemeriksaan, jika terlalu panjang bisa diproses lagi d potong finishing.

PT. Indokarlo Perkasa adalah customer jika dilihat dari diagram SIPOC

diatas. Dalam penelitian ini diketahui bahwa keinginan dari PT. Indokarlo Perkasa

sekaligus customer adalah menurunkan angka reject yang ada saat ini.

Dari Voice of Customer (VOC) PT. Indokarlo Perkasa tersebut dapat

ditentukan beberapa Critical To Quality (CTQ) atau dengan kata lain aspek yang

paling berpengaruh terhadap kepuasan konsumen, yang dalam penelitian ini

menurunnya angka persentase reject yang mencapai angka 10,34 % pada bulan april.

CTQ yang berpengaruh terhadap penurunan angka reject adalah sbb:

1. ukuran produk yang harus akurat sesuai dengan spesifikasi yang ditentukan

PT. IKP.

2. Jenis produk yang dikirimkan kepada PT. IKP harus sesuai dengan yang

diminta.

3. Visual produk yang dikirimkan kepada PT. IKP harus dalam keadaan visual

yang baik.

108

4.3 Pengumpulan dan Pengolahan Data

4.3.1 Measure

Setelah mendefinisikan sasaran peningkatan dan memetakan informasi kunci

proses, langkah operasional kedua yang dilakukan dalam usaha peningkatan kualitas

proses adalah measure atau pengukuran kinerja proses saat sekarang.

Pada tahap Measure ini dilakukan perhitungan dengan beberapa metode untuk

mengetahui kondisi proses yang ada sehingga bisa menetapkan tujuan perbaikan.

Dari hasil perhitungan tersebut nantinya akan dijadikan acuan untuk melakukan

analisis terhadap permasalahan yang terjadi sehingga akan memberikan usulan

perbaikan bagi perusahaan dengan konsep Six Sigma.

Di bawah ini akan diberitahukan secara singkat langkah – langkah measure

yang akan dilakukan sehingga bisa menetapkan tujuan perbaikan :

a. Menentukan “Project Y”

Mengidentifikasi semua Y yang memungkinan, memprioritaskannya dan

kemudian memilih Y yang akan digunakan untuk menjadi tujuan dari penelitian

ini. Hal ini dilakukan juga untuk memastikan ruang lingkup dari penelitian ini.

b. Measurement System Analysis (MSA)

Metode ini digunakan untuk menvalidasi apakah alat ukur yang digunakan

saat ini bisa dipercaya untuk mengumpulkan data. Tidak hanya alat ukur,

109

inspector yang menggunakan alat ukur tersebut juga akan di ukur, serta sistem

pengukuran yang dilakukan juga ikut diukur, sehingga data yang dikumpulkan

dengan alat ukur oleh inspector dengan sistem pengukurannya tersebut bisa

dipercaya untuk digunakan pada perhitungan selanjutnya.

c. Data Collection Plan

Merencanakan data – data apa saja yang akan dikumpulkan dan berapa

banyak data yang harus dikumpulkan untuk nantinya dilakukan perhitungan pada

tahapan selanjutnya. Perencanaan ini dilakukan agar data yang dikumpulkan tidak

salah dan tidak perlu dilakukan pengumpulan data berulang kali.

d. Data Collection

Mengumpulkan data – data yang akan digunakan untuk perhitungan

selanjutnya berdasarkan dari perencanaan pengumpulan data yang telah

dilakukan. Data yang sudah dikumpulkan juga diproses seperti di cari rata –

ratanya agar bisa digunakan di langkah selanjutnya.

e. Menghitung Kapabilitas Proses

Dari data yang sudah dikumpulkan kemudian dilakukan perhitungan

kapabilitas proses. Pada tahap ini akan dilakukan perhitungan dengan beberapa

metode sehingga kapabiltas proses yang ada saat ini bisa terukur sehingga

110

nantinya pada tahap analyze bisa dianalisa faktor apa yang menyebabkan

terjadinya kapabilitas proses yang ada saat ini.

Dengan langkah - langkah yang akan dilakukan tersebut akan ditemukan

kondisi proses yang ada sekarang sebelum proses identifikasi perbaikan dilakukan.

Untuk melaksanakan langkah – langkah diatas taraf nyata yang akan digunakan

adalah sebesar 95 %. Berikut di bawah ini adalah pelaksaaan dari tahap measure yang

telah direncanakan.

4.3.1.1 Menentukan “Project Y”

Proses memulai metode six sigma dengan berlandaskan rumus Y = f (X1, X2,

X3, …, Xn), maka pada tahap measure ini “Y” harus ditentukan terlebih dahulu agar

tujuan dari penelitian ini jelas. Penentuan Y dalam penelitian ini disebut dengan

project Y, dengan kata lain project Y adalah tujuan dalam penelitian yang sedang

dilakukan saat ini. Project Y ditentukan dari CTQ yang ada yang kemudian di

prioritaskan salah satu CTQ yang akan dipilih menjadi project Y.

Pada tahap define telah ditentukan 3 CTQ, yaitu :

1. Ukuran produk yang sesuai dengan spesifikasi PT. IKP

2. Jenis produk yang dikirimkan sesuai dengan yang telah ditentukan PT.

IKP

111

3. Visual produk yang sesuai dengan spesifikasi PT. IKP

Berikut di bawah ini data yang diperoleh dari PT. IKP dan diagram pareto pada bulan

april 2011 mengenai banyaknya reject yang terjadi dari total populasi sebesar

1168461 unit bushing, beserta jenis rejectnya.

Tabel 4.3 Jumlah Reject pada Bulan April Berdasarkan Jenis Reject

No Jenis Reject Banyak Reject

1 Ukuran produk 73063

2 Visual produk 44798

3 Jenis Produk 2961

4 Lain ‐ lain 86

Total 120908

112

Coun

t

Perc

ent

Jenis RejectCount

0.1Cum % 60.4 97.5 99.9 100.0

73063 44798 2961 86Percent 60.4 37.1 2.4

OtherJenis ProdukVisual produkUkuran produk

120000

100000

80000

60000

40000

20000

0

100

80

60

40

20

0

Diagram Pareto Banyaknya Reject Berdasarkan Jenisnya

Sumber Minitab

Diagram 4.2 Diagram Pareto Banyaknya Reject Berdasarkan Jenis Reject

Pada diagram pareto diatas dapat dilihat bahwa reject yang paling sering

terjadi adalah pada jenis reject ukuran produk yang berjumlah 73063 unit (60.4%)

dari total 120908 unit yang reject pada bulan april, berdasarkan diagram tersebut

maka penelitian ini akan lebih difokuskan kepada jenis reject “ukuran produk” yang

bermasalah. Ukuran dari produk juga ditentukan dari banyak ketentuan, yaitu:

a. Panjang

b. Diameter

c. Chamfer (Kemiringan)

113

d. Ulir (Part tertentu / special cause)

e. Topi (Part tertentu / special cause)

Suatu produk dapat dikatakan mempunyai ukuran yang standard dan bisa

masuk dalam kategori finished good apabila semua ketentuan ukuran diatas berada di

dalam batas spesifikasi. Oleh karena itu dilakukan pengambilan data ketentuan

ukuran manakah yang paling sering menjadi penyumbang dari angka reject “ukuran

produk”. Berikut data yang diperoleh dari hasil penelitian lebih lanjut berserta

diagram pareto.

Tabel 4.4 Banyaknya Reject Berdasarkan Ukuran Produk

No Ukuran Produk Banyak Reject

1 Panjang 29020

2 Chamfer 21676

3 Diameter 15512

4 Ulir 6048

5 Topi 807

Total 73063

114

Coun

t

Perc

ent

Ukuran ProdukCount

21.2 8.3 1.1Cum % 39.7 69.4 90.6 98.9 100.0

29020 21676 15512 6048 807Percent 39.7 29.7

TopiUlirDiameterChamferPanjang

80000

70000

60000

50000

40000

30000

20000

10000

0

100

80

60

40

20

0

Diagram Pareto Banyaknya Reject Berdasarkan Jenis Ukuran Produk

Sumber Minitab

Diagram 4.3 Diagram Pareto Banyaknya Reject Berdasarkan Ukuran Produk

Panjang yang bermasalah atau disebut juga “defect panjang” adalah jenis

ukuran produk yang paling sering bermasalah,yaitu sebesar 29020 unit (39.7 %) dari

total 73063 unit reject yang disebabkan oleh ukuran part. Oleh karena itu penelitian

ini akan lebih difokuskan lagi terhadap defect panjang, sehingga Y dalam proyek ini

adalah mengurangi defect panjang, dengan kata lain Tujuan dari penelitian ini adalah

mengurangi defect panjang. Defect panjang di sini berarti panjang dari part yang

dihasilkan panjangnya melebihi batasan spesifikasi yang telah ditetapkan, baik

terlampau panjang ataupun terlampau pendek.

115

4.3.1.2 Measurement System Analysis (MSA)

Pada tahap measurement system analysis ini dilakukan pengukuran terhadap

kinerja dari alat ukur yang digunakan untuk melakukan pengukuran. Untuk

melakukan measurement system analysis digunakan tools yang disebut “The Gage

R&R study”. “The Gage R&R study” adalah metode yang digunakan untuk

menganalisis suatu sistem pengukuran untuk menentukan jumlah dan jenis variasi

(kesalahan) yang dialami ketika mengukur sesuatu. Untuk melakukan metode ini

dilakukan pengambilan data terhadap 3 orang inspector yang akan melakukan

pengukuran terhadap 5 part yang memiliki ukuran standar 32(3,2 cm), tiap part akan

dilakukan pengukuran dua kali tiap inspector-nya dengan menggunakan alat ukur

yang sama. Berikut di bawah ini adalah data yang telah diambil.

116

Tabel 4.5 Data Measurement System Analysis

No. Part Inspector Length No. Part Inspector Length 1 1 asep 32.19 16 3 suhari 32.20 2 1 asep 32.20 17 4 suhari 32.19 3 2 asep 32.26 18 4 suhari 32.20 4 2 asep 32.25 19 5 suhari 32.20 5 3 asep 32.20 20 5 suhari 32.19 6 3 asep 32.21 21 1 adi priyogi 32.19 7 4 asep 32.20 22 1 adi priyogi 32.20 8 4 asep 32.21 23 2 adi priyogi 32.25 9 5 asep 32.19 24 2 adi priyogi 32.24 10 5 asep 32.20 25 3 adi priyogi 32.20 11 1 suhari 32.19 26 3 adi priyogi 32.19 12 1 suhari 32.19 27 4 adi priyogi 32.19 13 2 suhari 32.25 28 4 adi priyogi 32.20 14 2 suhari 32.25 29 5 adi priyogi 32.19 15 3 suhari 32.20 30 5 adi priyogi 32.19


Dari 30 data yang telah diambil di atas, kemudian dilakukan perhitungan

dengan menggunakan “The Gage R&R study” dengan menggunakan software

minitab, berikut adalah hasilnya.

Gage R&R Study - ANOVA Method Gage R&R for Length Gage name: Length Measurement System Analysis Date of study: 03-04-2011 Reported by: Andry Tolerance: 0.2 Misc: 3 inspector with 5 part Two-Way ANOVA Table With Interaction Source DF SS MS F P Part 4 0.0140800 0.0035200 201.143 0.000 Inspector 2 0.0002600 0.0001300 7.429 0.015 Part * Inspector 8 0.0001400 0.0000175 0.477 0.854

117

Repeatability 15 0.0005500 0.0000367 Total 29 0.0150300 Two-Way ANOVA Table Without Interaction Source DF SS MS F P Part 4 0.0140800 0.00352 117.333 0.000 Inspector 2 0.0002600 0.00013 4.333 0.025 Repeatability 23 0.0006900 0.00003 Total 29 0.0150300 Gage R&R %Contribution Source VarComp (of VarComp) Total Gage R&R 0.0000400 6.43 Repeatability 0.0000300 4.83 Reproducibility 0.0000100 1.61 Inspector 0.0000100 1.61 Part-To-Part 0.0005817 93.57 Total Variation 0.0006217 100.00 Study Var %Study Var %Tolerance Source StdDev (SD) (5.15 * SD) (%SV) (SV/Toler) Total Gage R&R 0.0063246 0.032571 25.37 16.29 Repeatability 0.0054772 0.028208 21.97 14.10 Reproducibility 0.0031623 0.016286 12.68 8.14 Inspector 0.0031623 0.016286 12.68 8.14 Part-To-Part 0.0241178 0.124206 96.73 62.10 Total Variation 0.0249332 0.128406 100.00 64.20

Number of Distinct Categories = 5

Bagian yang dilingkari diatas adalah nilai p-value dari part dan inspector. P –

value part dan inspector tersebut bernilai lebih kecil dari 0.05 (α= 0.05) yang berarti

bahwa sumber memberikan kontribusi signifikan terhadap variasi total sebesar 95 %.

Dengan kata lain data yang dikumpulkan bisa dipercaya sampai 95 % untuk

digunakan di perhitungan selanjutnya sehingga hasil perhitungan tersebut pun bisa

dipercaya sampai 95 %.

118

Bagian yang diberikan kotak persegi panjang adalah % study variation total.

% study variation digunakan untuk membandingkan variasi pengukuran terhadap

variasi proses. % study variation adalah ukuran seberapa baik sistem pengukuran

pada kontrol proses. % study variation di atas adalah 25,37 %, berada di 20 % <

25,37 % < 30 %, itu berarti bahwa sistem pengukuran yang dilakukan berada diantara

bisa diterima atau tidak diterima untuk digunakan pada perhitungan proses kontrol.

Dikarenakan beberapa indikator lain dalam metode “The Gage R&R study” ini

menyatakn bahwa sistem pengukuran yang dilakukan sudah baik maka diputuskan

sistem pengukuran yang dilakukan diterima untuk digunakan pada perhitungan proses

kontrol.

Angka yang dilingkari dengan titik – titik diatas adalah % tolerance (% Gage

R&R) total. % tolerance (% Gage R&R) digunakan untuk membandingkan variasi

pengukuran terhadap batas spesifikasi. % tolerance adalah ukuran seberapa baik

suatu sistem pengukuran dapat menentukan apakah suatu produk berada di dalam

atau keluar dari spesifikasi yang telah ditentukan. % tolerance dalam perhitungan kali

ini bernilai 16.29 %. 16.29% < 20 %, itu berarti bahwa sistem pengukuran yang

dilakukan dapat diterima untuk menentukan apakah produk diterima atau ditolak,

dengan kata lain sistem pengukuran yang dilakukan saat ini bisa digunakan untuk

mengukur part yang akan digunakan dalam penelitian ini.

Angka yang diberi tanda segitiga adalah Number of distinct categories.

Number of distinct categories mewakili kelompok angka yang tidak tumpang tindih

119

dalam data proses yang menyatakan bahwa sistem pengukuran yang dilakukan dapat

dipahami. Number of distinct categories yang ada diatas adalah 5, 5 ≥ 4, yang berarti

bahwa sistem pengukuran memiliki yang resolusi cukup, yang berarti juga bahwa

sistem pengukuran yang dilakukan bisa diterima untuk melakukan pengambilan

keputusan terhadap proses kontrol.

Per

cent

Part-to-PartReprodRepeatGage R&R

100

80

60

40

20

0

% Contribution% Study Var% Tolerance

Gage name: Length Measurement Sy stem A naly sisDate of study : 03-04-2011

Reported by : A ndryTolerance: 0.2Misc: 3 inspector w ith 5 part

Components of Variation

Gage R&R (ANOVA) for Length

Sumber Minitab

Diagram 4.4 Histogram MSA

Pada grafik diatas dapat dilihat % contribution, % study variance dan %

tolerance dari Gage R&R, repeatability, reproduceability berada dibawah 30 %, hal

ini menunjukkan bahwa sistem pengukuran yang ada sudah tidak perlu ditingkatkan

120

lagi, baik dari segi operator maupun dari peralatan yang digunakan sudah bagus dan

siap digunakan untuk mengukur part yang akan digunakan dalam penelitian. Sa

mpl

e R

ange 0.02

0.01

0.00

_R=0.00733

UCL=0.02396

LCL=0

adi priyogi asep suhari

Sam

ple

Mea

n

32.26

32.24

32.22

32.20

__X=32.207

UCL=32.22079

LCL=32.19321

adi priyogi asep suhari



R Chart by Inspector

Xbar Chart by Inspector


Sumber Minitab

Grafik 4.2 Grafik X-bar dan R Perhitungan MSA

Pada grafik X bar semakin banyak titik yang melewati batas spesifikasi (UCL

dan LCL), maka semakin menunjukkan bahwa inspector dapat secara konsisten

membedakan antara part yang 1 dengan part lainnya yang akan di ukur. Pada grafik

di atas tiap inspector rata – rata ada 2 titik dari 5 titik yang berada di luar batas

spesifikasi, inspector cukup konsisten membedakan antara part yang 1 dengan part

lainnya.

121

Pada grafik R sebaiknya titik –titik berada dalam batas spesifikasi (UCL dan

LCL). Hal ini berarti bahwa tidak ada nilai yang luar biasa atau sangat berbeda antara

percobaan pengukuran. Dari grafik di atas menungjukkan semua titik berada dalam

batas spesifikasi, berarti tidak ada nilai yang luar biasa . Dan inspector asep

melakukan yang paling banyak pengulangan dari 2 inspector lainnya, jika dilihat dari

grafik di atas.

Part54321

32.26

32.24

32.22

32.20



Length by Part


Sumber Minitab

Grafik 4.3 Grafik MSA Panjang Bushing Berdasarkan Part (Busing)

Grafik di atas adalah grafik panjang part berdasarkan dari tiap part yang

diukur. Garis – garis tersebut dihubungkan melalui nilai rata –rata dari tiap part.

122

Penyebaran tiap part hamper sama semua, dan penyebaran data yang paling luas

adalah pada part 4. Hal ini berarti pada part 4 variasi pengukuran cukup besar.

Inspectorsuhariasepadi priyogi

32.26

32.24

32.22

32.20



Length by Inspector


Sumber Minitab

Grafik 4.4 Grafik MSA Panjang Bushing Berdasarkan Inspector

Grafik di atas adalah grafik panjang part berdasarkan dari tiap inspector yang

mengukur. Rata – rata dari hasil pengukuran adi priyogi dan suhari hamper sama, rata

– rata hasil pengukuran asep lah yang paling besar. Penyebaran data asep lah yang

paling besar, sementara adi priyogi dan suhari memiliki penyebaran data yang

relative sama, dengan kata lain varian data asep lah yang paling besar.

123

Part

Ave

rage

54321

32.26

32.24

32.22

32.20

Inspectoradi priyogiasepsuhari



Inspector * Part Interaction


Sumber Minitab

Grafik 4.5 Grafik MSA Produk Bushing berdasarkan Interaksi Part dengan Inspector

Grafik interaction ini secara grafis menampilkan seberapa baik inspector

sesuai dengan setiap part yang di ukur. Terlihat bahwa interaksi mereka kurang baik

terhadap part yang mereka ukur, adi priyogi cenderung mengukur dengan hasil ukur

yang lebih pendek di banding yang lain, dan asep mengukur dengan hasil ukur yang

lebih tinggi disbanding dengan yang lain. Hal inilah yang mengakibatkan interaksi

mereka kurang baik. Interaksi antara inspector dengan part tidak berkontribusi secara

signifikan terhadap variasi pengukuran.

124

Dari seluruh hasil yang didapatkan dari minitab baik session maupun

grafiknya, dapat disimpulkan bahwa alat ukur, serta orang yang mengukur (inspector)

dan juga cara pengukuran yang dilakukan sudah baik dan bisa di terapkan dan

dilakukan untuk melakukan pengukuran terhadap part yang akan digunakan untuk

penelitian ini.

4.3.1.3 Data Collection Plan

Data yang akan diambil akan digunakan untuk perhitungan lebih lanjut

sampai ke bagian analyze yang akan mencari tahu penyebab dari terjadinya defect

panjang, sehingga perencanaan pengambilan data ini harus direncanakan agar

mengetahui data apa saja yang harus diambil dan seberapa banyak data yang

diperlukan untuk melakukan perhitungan – perhitungan. Perencanaan pengambilan

data juga perlu dilakukan agar data yang diambil tidak asal – asalan atau tidak

memenuhi spesifikasi yang diinginkan yang mengakibatkan data harus diambil ulang

dan menghabiskan banyak waktu. Perencanaan pengambilan data akan dilakukan

dengan 2 metode, yakni :

a. Uji Kecukupan Data

Uji ini dilakukan untuk mengeyahui banyaknya sampel yang

diperlukan untuk mewakili suatu karakteristik dari keseluruhan suatu

125

populasi. Dalam penelitian ini akan digunakan rumus Slovin karena ukuran

populasi yang akan diambil sampelnya diketahui jumlahnya.

n = .

; Di mana, N = Jumlah Populasi

N selama 4 hari = 4 hari x 13 mesin x 2 shift x 4000 unit/mesin/shift

N selama 4 hari = 416000 unit populasi yang dihasilkan selama 4 hari.

Ket :

− pengambilan sampel dilakukan selama 4 hari = 4 hari

− jumlah mesin yang digunakan untuk proses produksi = 13

mesin

− shift yang digunakan untuk proses produksi = 2 shift

− Kapasitas produksi = 4000 unit/mesin/shift.

n = . .

n = 399.62 = 400 sampel minimal yang harus di ambil dari bagian

produksi.

b. Fishbone Diagram

Diagram ini digunakan untuk mencari tahu penyebab - penyebab yang

diperkirakan menjadi penyebab dari terjadinya defect panjang. Dari penyebab

– penyebab defect panjang tersebutlah bisa diperkirakan data apa saja yang

126

akan diambil sehingga bisa digunakan untuk perhitungan selanjutnya yang

mencaritahu penyebab sebenarnya dari defect panjang.

Diagram 4.5 Diagram Fishbone Defect Panjang

Dari diagram Fishbone di atas dapat dilihat penyebab – penyebab dari

terjadinya defect panjang, berikut penjelasannya :

a. Machine

Tipe mesin yang digunakan untuk memotong silinder besi

berbeda - beda, bisa saja ada tipe mesin yang kinerjanya kurang

baik. Kalibrasi mesin berkemungkinan menjadi penyebab

terjadinya defect panjang, getaran pada mesin bisa saja

mengakibatkan perubahan kalibrasi pada mesin potong sehingga

mesin tidak beroperasi dengan sebagaimana mestinya. Umur mesin

127

bisa menjadi penyebab dari terjadinya defect panjang, karena umur

yang sudah cukup tua akan memberikan kinerja yang kurang baik.

b. Man Power

Kemampuan dari masing – masing manusia berbeda,

kemungkinan ada beberapa operator yang kemampuan kurang

sehingga hal ini bisa saja jadi penyebab dari terjadinya defect

panjang. Kemungkinan ada beberapa operator yang belum di

training, sehingga hal ini bisa saja jadi kurangnya kinerja operator

tersebut. Kondisi ergonomi yang kurang baik juga sangat

berpengaruh terhadap kinerja dari operator sehingga terjadi defect

panjang.

c. Method

Ada dua proses agar bisa menghasilkan finished good, yaitu

proses potong 1 dan potong 2. Bisa saja ada proses yang salah

terjadi pada proses – proses tersebut yang mengakibatkan

terjadinya defect panjang.

d. Tools

Ada dua jenis cutter yang digunakan untuk memotong besi,

yaitu HSS (High Speed Steel) dengan kadar cobalt sebesar 8% dan

HSS dengan kadar cobalt sebesar 5%, bisa saja jenis tools tersebut

yang mengakibatkan terjadinya defect panjang. Ketajaman dari

128

cutter juga sepertinya mempengaruhi panjang dari silinder besi

yang di potong.

e. Time

Terkadang pekerja yang mendapat shift malam menjadi lebih

lengah sehingga kesalahan dalam proses produksi pun terjadi, oleh

karena itu shift juga mungkin menjadi penyebab dari terjadinya

defect panjang.

Dari dua metode diatas dapat diperkirakan data – data apa saja yang akan

diambil sehingga pembuatan formulir untuk pengambilan data pun bisa dibuat,

berikut form yang akan digunakan untuk mengisi data – data.

129

Tabel 4.6 Contoh Formulir Pengisian Data

Tanggal : No M /C : Nama operator : Nama inspector : Shift : Standar : Tools :

No. sampel Hasil Pengukuran

Min Max 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

130

23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Contoh ( Lanjutan ) Formulir Pengisian Data

131

4.3.1.4 Data Collection

Pengumpulan data dilakukan oleh inspector dengan alat ukur yang telah lolos

uji MSA. Data yang diambil dari hasil pengukuran silider besi yang telah selesai di

proses potong 1 dan proses potong 2 dengan menggunakan formulir pengambilan

data yang telah ada. Batas spesifikasi pada proses potong 1 adalah 0 - 0.5 cm,

sedangkan untuk proses potong 2 batas spesifikasi yang diterima adalah : 0 – 0.2 cm.

Ada 13 mesin yang digunakan dalam proses produksi ini, mesin 1 sampai dengan

mesin 5 digunakan untuk proses potong 1, mesin 6 sampai dengan mesin 13

digunakan untuk proses potong 2. Tidak semua mesin digunakan setiap harinya. Ada

2 shift yang digunakan untuk proses produksi tiap harinya, shift pertama dimulai pada

jam 07.00 WIB sampai dengan 17.00 WIB dan shift kedua dimulai pada 18.00 WIB

sampai dengan pukul 04.00 WIB. Tools yang digunakan untuk memotong ada dua

jenis, yaitu M35 dengan campuran cobalt 5% dan M42 dengan campuran cobalt 8%.

Jumlah operator yang ada sebanyak 22 orang untuk 13 mesin dalam 2 shift. Berikut

adalah daftar nama – nama operator dan beberapa contoh data panjang produk

bushing yang diambil :

132

Tabel 4.7 Data Operator

No Nama Operator No Nama Operator

1 Sigit 12 Camal 2 Sanudin 13 A.rahman 3 Samat 14 Saeful 4 Puji 15 Ribut 5 Rohmanu 16 U. Hidayat 6 Budiyana 17 Ujang 7 Purwoto 18 Sutrisno 8 Ipit. S 19 Didi 9 Andre 20 Teguh 10 Anwar 21 Hasan

11 Said 22 Madinah Sumber PT. Indokarlo Perkasa

133

Tabel 4.8 Data Panjang mentah 1


Tgl Tgl TglNo M/C No M/C No M/COperator Operator OperatorInspector Inspector InspectorShift Shift Shift

Standar Standar StandarTools Tools Tools

Max Min Max Min Max Min1 58.45 58.48 1 58.46 58.51 1 19.04 19.082 58.53 58.56 2 58.55 58.59 2 18.93 18.993 58.32 58.34 3 58.57 58.59 3 19.01 19.064 58.57 58.62 4 58.4 58.45 4 19.03 19.15 58.49 58.53 5 58.52 58.56 5 19.02 19.046 58.6 58.63 6 58.71 58.72 6 19.05 19.097 58.55 58.58 7 58.46 58.51 7 19.04 19.088 58.5 58.53 8 58.5 58.54 8 19.01 19.069 58.42 58.45 9 58.55 58.59 9 19.03 19.0410 58.48 58.51 10 58.29 58.33 10 19.06 19.111 58.42 58.46 11 58.5 58.56 11 19.02 19.112 58.55 58.6 12 58.55 58.59 12 18.93 18.9413 58.53 58.58 13 58.44 58.48 13 19.02 19.0914 58.43 58.48 14 58.47 58.53 14 19.03 19.0515 58.43 58.47 15 58.53 58.59 15 19.04 19.116 58.53 58.55 16 58.46 58.55 16 18.93 18.9817 58.45 58.48 17 58.53 58.56 17 19.02 19.0518 58.52 58.54 18 58.4 58.47 18 19.04 19.0619 58.47 58.51 19 58.43 58.46 19 19.03 19.0720 58.43 58.47 20 58.47 58.55 20 19.06 19.121 58.45 58.48 21 58.45 58.54 21 19.06 19.122 58.43 58.5 22 58.4 58.46 22 19.02 19.0623 58.45 58.49 23 58.43 58.46 23 19.06 19.124 58.5 58.57 24 58.54 58.57 24 19.04 19.0925 58.27 58.34 25 58.5 58.55 25 19.05 19.126 58.42 58.5 26 58.53 58.57 26 19.01 19.0827 58.53 58.57 27 58.55 58.59 27 19.02 19.0728 58.54 58.59 28 58.52 58.52 28 19.01 19.1229 58.42 58.45 29 58.43 58.42 29 19.03 19.0730 58.26 58.3 30 58.5 58.53 30 19.03 19.0931 58.32 58.35 31 58.19 58.26 31 19.03 19.0632 58.41 58.47 32 58.52 58.57 32 19.04 19.0833 58.54 58.59 33 58.52 58.56 33 19.02 19.0834 58.33 58.38 34 58.54 58.59 34 19.04 19.0935 58.27 58.32 35 58.51 58.56 35 19.08 19.1636 58.19 58.25 36 58.47 58.53 36 19.09 19.1337 58.34 58.39 37 58.34 58.37 37 19.05 19.0938 58.42 58.47 38 58.29 58.34 38 19.04 19.0839 58.51 58.54 39 58.41 58.45 39 18.98 19.0440 58.48 58.53 40 58.25 58.29 40 18.84 18.8941 58.48 58.54 41 58.34 58.38 41 18.82 19.0542 58.23 58.27 42 58.42 58.47 42 19.01 19.0543 58.35 58.38 43 58.4 58.44 43 19.06 19.0944 58.15 58.23 44 58.44 58.46 44 19.09 19.1145 58.24 58.29 45 58.21 58.27 45 19.02 19.0646 58.48 58.53 46 58.53 58.59 46 19 19.0647 58.52 58.56 47 58.58 58.63 47 19.05 19.1148 58.51 58.57 48 58.43 58.5 48 19.02 19.0649 58.39 58.48 49 58.24 58.3 49 19.01 19.0550 58.4 58.45 50 58.44 58.48 50 19.08 19.11

RibutSuhari

2

28 x 19

PujiAsep2

13 x 58M35M42

No. sample

No. sample

No. sample

Hasil pengukuran Hasil pengukuran Hasil pengukuranM42

13 x 58

7/4/2011T.2 (22.00)

PujiAsep2

7/4/2011T.2 (04.00)

6/4/2011T.08 (10.00)

134



Tgl Tgl TglNo M/C No M/C No M/COperator Operator OperatorInspector Inspector InspectorShift Shift Shift

Standar Standar StandarTools Tools Tools

Max Min Max Min Max Min1 19.02 19.08 1 20.57 20.59 1 28.48 28.532 19 19.05 2 20.48 20.54 2 28.31 28.353 19.08 19.08 3 20.57 20.6 3 28.54 28.584 19.04 19.1 4 20.52 20.53 4 28.57 28.645 19.01 19.04 5 20.54 20.57 5 28.36 28.46 19.05 19.07 6 20.54 20.58 6 28.54 28.587 19.02 19.08 7 20.51 20.55 7 28.54 28.598 19.06 19.1 8 20.54 20.57 8 28.49 28.519 18.84 18.9 9 20.53 20.58 9 28.53 28.5510 19 19.07 10 20.5 20.53 10 28.43 28.5211 19.04 19.08 11 20.52 20.54 11 28.38 28.4212 19.06 19.07 12 20.53 20.58 12 28.54 28.5913 19.09 19.15 13 20.52 20.56 13 28.41 28.4614 18.92 19.06 14 20.56 20.58 14 28.54 28.5615 19.05 19.1 15 20.53 20.58 15 28.38 28.4116 19.05 19.09 16 20.52 20.56 16 28.58 28.617 19.01 19.07 17 20.51 20.57 17 28.51 28.5218 19.03 19.07 18 20.57 20.59 18 28.45 28.6519 19.05 19.08 19 20.53 20.58 19 28.61 28.6520 19 19.03 20 20.54 20.57 20 28.33 28.3821 19.05 19.09 21 20.55 20.57 21 28.21 28.2422 19.03 19.07 22 20.57 20.62 22 28.52 28.5623 19.03 19.08 23 20.52 20.55 23 28.59 28.6424 19.01 19.04 24 20.57 20.61 24 28.57 28.5925 19.03 19.09 25 20.53 20.6 25 28.45 28.526 19.04 19.08 26 20.54 20.58 26 28.46 28.5227 18.97 18.99 27 20.57 20.6 27 28.51 28.5528 19.03 19.07 28 20.47 20.49 28 28.41 28.4329 18.97 19.06 29 20.49 20.53 29 28.49 28.5130 19.05 19.07 30 20.5 20.52 30 28.31 28.3431 19 19.04 31 20.5 20.53 31 28.4 28.4332 18.91 18.98 32 20.52 20.54 32 28.55 28.5933 19.02 19.1 33 20.51 20.54 33 28.41 28.4334 19.07 19.12 34 20.55 20.6 34 28.54 28.5635 19.02 19.1 35 20.53 20.6 35 28.47 28.4936 19.08 19.12 36 20.52 20.56 36 28.55 28.5837 19.07 19.12 37 20.55 20.6 37 28.62 28.6338 19.04 19.1 38 20.53 20.58 38 28.36 28.439 19.02 19.02 39 20.49 20.52 39 28.51 28.5440 18.98 19.01 40 20.56 20.59 40 28.5 28.5241 19.03 19.06 41 20.52 20.55 41 28.49 28.5242 19.01 19.09 42 20.54 20.56 42 28.38 28.4143 19.04 19.07 43 20.52 20.55 43 28.66 28.6944 18.79 18.84 44 20.51 20.61 44 28.59 28.6245 19.05 19.12 45 20.54 20.57 45 28.34 28.3646 19.05 19.11 46 20.54 20.58 46 28.58 28.6147 19.04 19.07 47 20.47 20.59 47 28.58 28.648 19.01 19.04 48 20.52 20.57 48 28.53 28.5849 19.08 19.11 49 20.56 20.59 49 28.49 28.5350 19.01 19.09 50 20.53 20.58 50 28.41 28.44

28 x 19

6/4/2011T.08 (04.00)

RibutSuhari

2

M35M35M35No.

sampleNo.

sample

7/4/2011T.10 (11.00) T.04 (11.00)Sutrisno purwoto

Hasil pengukuran

7/4/2011

Suhari Suhari1 1

14 x 20.5 173 x 28

Hasil pengukuran Hasil pengukuranNo. sample

135



Tgl Tgl TglNo M/C No M/C No M/COperator Operator OperatorInspector Inspector InspectorShift Shift ShiftStandar Standar StandarTools Tools Tools

No. sil pengukuran No. sil pengukuranMax Min Max Min Max Min

1 21.03 21.15 1 35.71 35.77 1 27.88 27.902 21.63 21.68 2 35.6 35.64 2 27.82 27.843 21.4 21.51 3 35.52 35.56 3 27.81 27.824 21.92 21.94 4 35.05 35.19 4 27.82 27.845 21.74 21.78 5 35.29 35.35 5 27.90 27.946 21.64 21.73 6 35.56 35.61 6 27.86 27.907 21.69 21.74 7 35.79 35.84 7 27.88 27.918 21.23 21.29 8 35.38 35.39 8 27.87 27.899 21.3 21.34 9 35.5 35.64 9 27.83 27.8710 21.12 21.15 10 35.63 35.7 10 27.86 27.8911 21.16 21.19 11 35.47 35.5 11 27.84 27.9412 21.07 21.1 12 35.24 35.28 12 27.87 27.8913 21.57 21.6 13 35.1 35.18 13 27.86 27.8814 21.36 21.4 14 35.5 35.6 14 27.84 27.8715 20.94 20.96 15 35.54 35.58 15 27.86 27.8916 21.08 21.16 16 35.29 35.35 16 27.88 27.9117 21.4 21.43 17 35.31 35.35 17 27.90 27.9318 21.62 21.65 18 35.69 35.47 18 27.77 27.8419 21.79 21.84 19 35.42 35.56 19 27.88 27.9020 21.71 21.77 20 35.2 35.22 20 27.90 27.9221 21.72 21.84 21 35.59 35.72 21 27.89 27.9322 21.02 21.07 22 35.6 35.65 22 27.85 27.8623 21.82 21.87 23 35.43 35.49 23 27.85 27.8724 21.61 21.73 24 35.51 35.57 24 27.86 27.8925 21.52 21.56 25 35.46 35.5 25 27.89 27.9326 21.63 21.74 26 35.78 35.84 26 27.84 27.8627 20.89 20.96 27 35.36 35.47 27 27.88 27.9028 21.63 21.74 28 35.64 35.65 28 27.86 27.8929 20.96 21.08 29 35.37 35.45 29 27.92 27.9530 21.73 21.8 30 35.33 35.39 30 27.88 27.9031 21.59 21.63 31 35.26 35.35 31 27.85 27.8732 21.88 21.91 32 35.27 35.12 32 27.83 27.8533 21.6 21.69 33 35.5 35.58 33 27.85 27.8734 20.13 20.17 34 35.4 35.51 34 27.85 27.8935 21.91 21.93 35 35.31 35.38 35 27.84 27.8636 21.31 21.4 36 35.59 35.42 36 27.88 27.9037 21.64 21.7 37 35.38 35.26 37 27.87 27.8938 21.31 21.37 38 35.13 35.59 38 27.88 27.9139 21.31 21.35 39 35.49 35.59 39 27.79 27.8040 20.8 20.85 40 35.3 35.39 40 27.88 27.9041 21.82 21.92 41 35.46 35.49 41 27.88 27.9142 21.05 21.11 42 35.56 35.46 42 27.82 27.8643 21.5 21.57 43 35.33 35.44 43 27.87 27.8944 21.49 21.5 44 36.23 36.3 44 27.89 27.9245 21.62 21.64 45 35.38 35.4 45 27.89 27.9046 20.52 20.58 46 35.58 35.62 46 27.84 27.8647 21.62 21.67 47 35.14 35.17 47 27.80 27.8248 21.61 21.63 48 35.21 35.27 48 27.89 27.9249 21.81 21.85 49 35.51 35.62 49 27.89 27.9450 21.32 21.35 50 35.47 35.49 50 27.88 27.91

15 x 35 M35M35

1asep Hasep H

114 x 20.5 C.1.

6/4/2011

andreT.5 (11.00)

6/4/2011T.3 (11.00)rohmanu

12/4/2011T.08SaefullSuhari

2

No. sample

Hasil pengukuranM35

D. 17 x 28

136




Max Min Max Min Max Min1 20.56 20.59 1 21.24 21.32 1 66.01 66.052 20.44 20.46 2 21.09 21.11 2 66.06 66.083 20.55 20.58 3 21.26 21.31 3 66.09 66.104 20.52 20.57 4 21.03 21.06 4 66.06 66.095 20.53 20.55 5 21.17 21.19 5 66.05 66.086 20.48 20.50 6 21.28 21.32 6 66.02 66.047 20.47 20.49 7 21.28 21.31 7 66.05 66.078 20.58 20.60 8 21.17 21.21 8 66.03 66.059 20.47 20.49 9 21.11 21.14 9 65.98 66.0010 20.58 20.60 10 21.11 21.13 10 66.04 66.0611 20.44 20.50 11 21.27 21.36 11 66.00 66.0212 20.50 20.52 12 21.07 21.08 12 66.07 66.0913 20.52 20.55 13 20.86 20.88 13 66.04 66.0614 20.49 20.52 14 21.18 21.21 14 66.05 66.0915 20.53 20.56 15 20.93 20.95 15 66.03 66.0516 20.53 20.55 16 21.72 21.77 16 65.95 65.9817 20.47 20.50 17 21.31 21.39 17 66.08 66.1118 20.52 20.50 18 21.11 21.18 18 66.09 66.1119 20.44 20.46 19 21.23 21.45 19 66.04 66.0920 20.49 20.52 20 21.06 21.10 20 66.05 66.0721 20.47 20.51 21 21.11 21.17 21 66.09 66.1222 20.53 20.55 22 21.15 21.24 22 65.95 65.9623 20.50 20.51 23 21.31 21.38 23 66.06 66.0924 20.44 20.52 24 21.42 21.52 24 66.02 66.0425 20.46 20.48 25 20.87 21.04 25 66.06 66.1126 20.47 20.48 26 20.97 21.00 26 66.08 66.1127 20.49 20.53 27 21.36 21.46 27 66.08 66.1128 20.62 20.64 28 20.88 20.97 28 66.03 66.0629 20.52 20.54 29 21.27 21.34 29 65.95 66.0330 20.49 20.55 30 21.20 21.28 30 66.07 66.1131 20.45 20.46 31 21.22 21.25 31 65.98 66.0132 20.49 20.52 32 20.80 20.84 32 66.03 66.0433 20.50 20.52 33 21.35 21.40 33 66.05 66.0434 20.60 20.64 34 21.32 21.38 34 66.04 66.0535 20.49 20.62 35 21.29 21.31 35 65.86 65.8736 20.49 20.51 36 20.94 20.95 36 66.02 66.0537 20.46 20.49 37 21.15 21.20 37 66.09 66.1138 20.51 20.53 38 21.05 21.10 38 66.09 66.1239 20.52 20.55 39 20.97 21.07 39 66.05 66.0640 20.47 20.51 40 21.13 21.20 40 65.92 65.9541 20.53 20.55 41 20.74 20.79 41 66.00 66.0442 20.50 20.52 42 21.16 21.28 42 65.99 66.0143 20.45 20.47 43 21.10 21.15 43 65.91 65.9444 20.45 20.48 44 21.19 21.20 44 65.85 65.8745 20.56 20.58 45 21.19 21.21 45 66.05 66.1046 20.48 20.49 46 20.90 20.95 46 66.28 66.2947 20.56 20.59 47 21.11 21.18 47 66.01 66.0848 20.51 20.52 48 21.52 21.57 48 66.05 66.0949 20.49 20.51 49 21.05 21.09 49 65.79 65.8250 20.55 20.60 50 21.15 21.17 50 66.11 66.14

T. 0614/4/2011

A.camalJajat1

14/4/2011T. 05AnwarJajat1

12/4/2011T.10

SutrisnoSuhari

2

No. sample

Hasil pengukuran No. sample

Hasil pengukuranM35 M42

No. sample

Hasil pengukuranM35

D. 14 x 20 D 14x 20.5 D 19.3 x 65.8

137

Dari Data yang didapatkan diatas, data kemudian di kurangin dengan standar

panjangnya terlebih dahulu baik dari maksimum maupun minimumnya agar semua

data panjang tersebut bisa digunakan secara bersama walupun jenis bushingnya

berbeda – beda, setelah itu dicari rata –ratanya, dan juga d cari selisihnya untuk

menentukan performa dari alat potong yang digunakan untuk memotong pipa besi.

Berikut hasil dari pengolahan data panjang :

138

Tabel 4.12 Data Panjang di Olah 1


Min Max Min Max Min Max1 0.45 0.48 0.03 0.47 1 0.46 0.51 0.05 0.49 1 0.04 0.08 0.04 0.062 0.53 0.56 0.03 0.55 2 0.55 0.59 0.04 0.57 2 0.07 0.01 0.06 0.043 0.32 0.34 0.02 0.33 3 0.57 0.59 0.02 0.58 3 0.01 0.06 0.05 0.044 0.57 0.62 0.05 0.60 4 0.40 0.45 0.05 0.43 4 0.03 0.10 0.07 0.075 0.49 0.53 0.04 0.51 5 0.52 0.56 0.04 0.54 5 0.02 0.04 0.02 0.036 0.60 0.63 0.03 0.62 6 0.71 0.72 0.01 0.72 6 0.05 0.09 0.04 0.077 0.55 0.58 0.03 0.57 7 0.46 0.51 0.05 0.49 7 0.04 0.08 0.04 0.068 0.50 0.53 0.03 0.52 8 0.50 0.54 0.04 0.52 8 0.01 0.06 0.05 0.049 0.42 0.45 0.03 0.44 9 0.55 0.59 0.04 0.57 9 0.03 0.04 0.01 0.0410 0.48 0.51 0.03 0.50 10 0.29 0.33 0.04 0.31 10 0.06 0.10 0.04 0.0811 0.42 0.46 0.04 0.44 11 0.50 0.56 0.06 0.53 11 0.02 0.10 0.08 0.0612 0.55 0.60 0.05 0.58 12 0.55 0.59 0.04 0.57 12 0.07 0.06 0.01 0.0713 0.53 0.58 0.05 0.56 13 0.44 0.48 0.04 0.46 13 0.02 0.09 0.07 0.0614 0.43 0.48 0.05 0.46 14 0.47 0.53 0.06 0.50 14 0.03 0.05 0.02 0.0415 0.43 0.47 0.04 0.45 15 0.53 0.59 0.06 0.56 15 0.04 0.10 0.06 0.0716 0.53 0.55 0.02 0.54 16 0.46 0.55 0.09 0.51 16 0.07 0.02 0.05 0.0517 0.45 0.48 0.03 0.47 17 0.53 0.56 0.03 0.55 17 0.02 0.05 0.03 0.0418 0.52 0.54 0.02 0.53 18 0.40 0.47 0.07 0.44 18 0.04 0.06 0.02 0.0519 0.47 0.51 0.04 0.49 19 0.43 0.46 0.03 0.45 19 0.03 0.07 0.04 0.0520 0.43 0.47 0.04 0.45 20 0.47 0.55 0.08 0.51 20 0.06 0.10 0.04 0.0821 0.45 0.48 0.03 0.47 21 0.45 0.54 0.09 0.50 21 0.06 0.10 0.04 0.0822 0.43 0.50 0.07 0.47 22 0.40 0.46 0.06 0.43 22 0.02 0.06 0.04 0.0423 0.45 0.49 0.04 0.47 23 0.43 0.46 0.03 0.45 23 0.06 0.10 0.04 0.0824 0.50 0.57 0.07 0.54 24 0.54 0.57 0.03 0.56 24 0.04 0.09 0.05 0.0725 0.27 0.34 0.07 0.31 25 0.50 0.55 0.05 0.53 25 0.05 0.10 0.05 0.0826 0.42 0.50 0.08 0.46 26 0.53 0.57 0.04 0.55 26 0.01 0.08 0.07 0.0527 0.53 0.57 0.04 0.55 27 0.55 0.59 0.04 0.57 27 0.02 0.07 0.05 0.0528 0.54 0.59 0.05 0.57 28 0.52 0.52 0.00 0.52 28 0.01 0.12 0.11 0.0729 0.42 0.45 0.03 0.44 29 0.43 0.42 ‐0.01 0.43 29 0.03 0.07 0.04 0.0530 0.26 0.30 0.04 0.28 30 0.50 0.53 0.03 0.52 30 0.03 0.09 0.06 0.0631 0.32 0.35 0.03 0.34 31 0.19 0.26 0.07 0.23 31 0.03 0.06 0.03 0.0532 0.41 0.47 0.06 0.44 32 0.52 0.57 0.05 0.55 32 0.04 0.08 0.04 0.0633 0.54 0.59 0.05 0.57 33 0.52 0.56 0.04 0.54 33 0.02 0.08 0.06 0.0534 0.33 0.38 0.05 0.36 34 0.54 0.59 0.05 0.57 34 0.04 0.09 0.05 0.0735 0.27 0.32 0.05 0.30 35 0.51 0.56 0.05 0.54 35 0.08 0.16 0.08 0.1236 0.19 0.25 0.06 0.22 36 0.47 0.53 0.06 0.50 36 0.09 0.13 0.04 0.1137 0.34 0.39 0.05 0.37 37 0.34 0.37 0.03 0.36 37 0.05 0.09 0.04 0.0738 0.42 0.47 0.05 0.45 38 0.29 0.34 0.05 0.32 38 0.04 0.08 0.04 0.0639 0.51 0.54 0.03 0.53 39 0.41 0.45 0.04 0.43 39 0.02 0.04 0.02 0.0340 0.48 0.53 0.05 0.51 40 0.25 0.29 0.04 0.27 40 0.16 0.11 0.05 0.1441 0.48 0.54 0.06 0.51 41 0.34 0.38 0.04 0.36 41 0.18 0.05 0.13 0.1242 0.23 0.27 0.04 0.25 42 0.42 0.47 0.05 0.45 42 0.01 0.05 0.04 0.0343 0.35 0.38 0.03 0.37 43 0.40 0.44 0.04 0.42 43 0.06 0.09 0.03 0.0844 0.15 0.23 0.08 0.19 44 0.44 0.46 0.02 0.45 44 0.09 0.11 0.02 0.1045 0.24 0.29 0.05 0.27 45 0.21 0.27 0.06 0.24 45 0.02 0.06 0.04 0.0446 0.48 0.53 0.05 0.51 46 0.53 0.59 0.06 0.56 46 0.00 0.06 0.06 0.0347 0.52 0.56 0.04 0.54 47 0.58 0.63 0.05 0.61 47 0.05 0.11 0.06 0.0848 0.51 0.57 0.06 0.54 48 0.43 0.50 0.07 0.47 48 0.02 0.06 0.04 0.0449 0.39 0.48 0.09 0.44 49 0.24 0.30 0.06 0.27 49 0.01 0.05 0.04 0.0350 0.40 0.45 0.05 0.43 50 0.44 0.48 0.04 0.46 50 0.08 0.11 0.03 0.10

Tools Rata ‐ rata Tools Rata ‐ rataHasil pengukuran Hasil pengukuran Hasil pengukuran

M4213 x 58

7/4/2011T.2 (22.00)

PujiAsep2

7/4/2011T.2 (04.00)

6/4/2011T.08 (10.00)

M35M42No.

sampleNo.

sampleNo.

sampleTools Rata ‐ rata

PujiAsep2

13 x 58

RibutSuhari

228 x 19

139



Min Max Min Max Min Max1 0.02 0.08 0.06 0.05 1 0.07 0.09 0.02 0.08 1 0.48 0.53 0.05 0.512 0.00 0.05 0.05 0.03 2 0.02 0.04 0.02 0.03 2 0.31 0.35 0.04 0.333 0.08 0.08 0.00 0.08 3 0.07 0.10 0.03 0.09 3 0.54 0.58 0.04 0.564 0.04 0.10 0.06 0.07 4 0.02 0.03 0.01 0.03 4 0.57 0.64 0.07 0.615 0.01 0.04 0.03 0.03 5 0.04 0.07 0.03 0.06 5 0.36 0.40 0.04 0.386 0.05 0.07 0.02 0.06 6 0.04 0.08 0.04 0.06 6 0.54 0.58 0.04 0.567 0.02 0.08 0.06 0.05 7 0.01 0.05 0.04 0.03 7 0.54 0.59 0.05 0.578 0.06 0.10 0.04 0.08 8 0.04 0.07 0.03 0.06 8 0.49 0.51 0.02 0.509 0.16 0.10 0.06 0.13 9 0.03 0.08 0.05 0.06 9 0.53 0.55 0.02 0.5410 0.00 0.07 0.07 0.04 10 0.00 0.03 0.03 0.02 10 0.43 0.52 0.09 0.4811 0.04 0.08 0.04 0.06 11 0.02 0.04 0.02 0.03 11 0.38 0.42 0.04 0.4012 0.06 0.07 0.01 0.07 12 0.03 0.08 0.05 0.06 12 0.54 0.59 0.05 0.5713 0.09 0.15 0.06 0.12 13 0.02 0.06 0.04 0.04 13 0.41 0.46 0.05 0.4414 0.08 0.06 0.02 0.07 14 0.06 0.08 0.02 0.07 14 0.54 0.56 0.02 0.5515 0.05 0.10 0.05 0.08 15 0.03 0.08 0.05 0.06 15 0.38 0.41 0.03 0.4016 0.05 0.09 0.04 0.07 16 0.02 0.06 0.04 0.04 16 0.58 0.60 0.02 0.5917 0.01 0.07 0.06 0.04 17 0.01 0.07 0.06 0.04 17 0.51 0.52 0.01 0.5218 0.03 0.07 0.04 0.05 18 0.07 0.09 0.02 0.08 18 0.45 0.65 0.20 0.5519 0.05 0.08 0.03 0.07 19 0.03 0.08 0.05 0.06 19 0.61 0.65 0.04 0.6320 0.00 0.03 0.03 0.02 20 0.04 0.07 0.03 0.06 20 0.33 0.38 0.05 0.3621 0.05 0.09 0.04 0.07 21 0.05 0.07 0.02 0.06 21 0.21 0.24 0.03 0.2322 0.03 0.07 0.04 0.05 22 0.07 0.12 0.05 0.10 22 0.52 0.56 0.04 0.5423 0.03 0.08 0.05 0.06 23 0.02 0.05 0.03 0.04 23 0.59 0.64 0.05 0.6224 0.01 0.04 0.03 0.03 24 0.07 0.11 0.04 0.09 24 0.57 0.59 0.02 0.5825 0.03 0.09 0.06 0.06 25 0.03 0.10 0.07 0.07 25 0.45 0.50 0.05 0.4826 0.04 0.08 0.04 0.06 26 0.04 0.08 0.04 0.06 26 0.46 0.52 0.06 0.4927 0.03 0.01 0.02 0.02 27 0.07 0.10 0.03 0.09 27 0.51 0.55 0.04 0.5328 0.03 0.07 0.04 0.05 28 0.03 0.01 0.02 0.02 28 0.41 0.43 0.02 0.4229 0.03 0.06 0.03 0.05 29 0.01 0.03 0.02 0.02 29 0.49 0.51 0.02 0.5030 0.05 0.07 0.02 0.06 30 0.00 0.02 0.02 0.01 30 0.31 0.34 0.03 0.3331 0.00 0.04 0.04 0.02 31 0.00 0.03 0.03 0.02 31 0.40 0.43 0.03 0.4232 0.09 0.02 0.07 0.06 32 0.02 0.04 0.02 0.03 32 0.55 0.59 0.04 0.5733 0.02 0.10 0.08 0.06 33 0.01 0.04 0.03 0.03 33 0.41 0.43 0.02 0.4234 0.07 0.12 0.05 0.10 34 0.05 0.10 0.05 0.08 34 0.54 0.56 0.02 0.5535 0.02 0.10 0.08 0.06 35 0.03 0.10 0.07 0.07 35 0.47 0.49 0.02 0.4836 0.08 0.12 0.04 0.10 36 0.02 0.06 0.04 0.04 36 0.55 0.58 0.03 0.5737 0.07 0.12 0.05 0.10 37 0.05 0.10 0.05 0.08 37 0.62 0.63 0.01 0.6338 0.04 0.10 0.06 0.07 38 0.03 0.08 0.05 0.06 38 0.36 0.40 0.04 0.3839 0.02 0.02 0.00 0.02 39 0.01 0.02 0.01 0.02 39 0.51 0.54 0.03 0.5340 0.02 0.01 0.01 0.02 40 0.06 0.09 0.03 0.08 40 0.50 0.52 0.02 0.5141 0.03 0.06 0.03 0.05 41 0.02 0.05 0.03 0.04 41 0.49 0.52 0.03 0.5142 0.01 0.09 0.08 0.05 42 0.04 0.06 0.02 0.05 42 0.38 0.41 0.03 0.4043 0.04 0.07 0.03 0.06 43 0.02 0.05 0.03 0.04 43 0.66 0.69 0.03 0.6844 0.21 0.16 0.05 0.19 44 0.01 0.11 0.10 0.06 44 0.59 0.62 0.03 0.6145 0.05 0.12 0.07 0.09 45 0.04 0.07 0.03 0.06 45 0.34 0.36 0.02 0.3546 0.05 0.11 0.06 0.08 46 0.04 0.08 0.04 0.06 46 0.58 0.61 0.03 0.6047 0.04 0.07 0.03 0.06 47 0.03 0.09 0.06 0.06 47 0.58 0.60 0.02 0.5948 0.01 0.04 0.03 0.03 48 0.02 0.07 0.05 0.05 48 0.53 0.58 0.05 0.5649 0.08 0.11 0.03 0.10 49 0.06 0.09 0.03 0.08 49 0.49 0.53 0.04 0.5150 0.01 0.09 0.08 0.05 50 0.03 0.08 0.05 0.06 50 0.41 0.44 0.03 0.43

Tools Rata ‐ rataTools Tools Rata ‐ rata

114 x 20.5 173 x 28

Hasil pengukuran Hasil pengukuranNo. sample

7/4/2011T.10 (11.00) T.04 (11.00)Sutrisno purwoto

Hasil pengukuran

7/4/2011

Suhari Suhari1

M35M35M35No.

sampleNo.

sampleRata ‐ rata

6/4/2011T.08 (04.00)

RibutSuhari

228 x 19

140




Tools Rata ‐ rata Tools Rata ‐ rata Tools Rata ‐ rataHasil pengukuranNo.

sampleNo.

sampleHasil pengukuran No.

sampleHasil pengukuran

M35D. 17 x 28

12/4/2011T.08SaefullSuhari

215 x 35 M35M35

1asep Hasep H

114 x 20.5 C.1.

6/4/2011

andreT.5 (11.00)

6/4/2011T.3 (11.00)rohmanu

141




Tools Rata ‐ rata Tools Rata ‐ rata Tools Rata ‐ rataNo.

sampleHasil pengukuran

M35D. 14 x 20 D 14x 20.5

No. sample

Hasil pengukuran No. sample

Hasil pengukuranM35 M42

D 19.3 x 65.8

T. 0614/4/2011

A.camalJajat1

14/4/2011T. 05AnwarJajat1

12/4/2011T.10

SutrisnoSuhari

2

142

Dari data – data yang telah dikumpulkan dan di cari rata- ratanya kemudian akan dilakukan perhitungan kapabilitas proses,

4.3.1.5 Menghitung Kapabilitas Proses

Untuk menghitung kapabilitas proses yang ada saat ini akan dimulai dengan

melakukan uji normalitas, uji ini dilakukan untuk mengetahui apakah data sampel

yang diambil bisa mewakili populasi yang ada atau disebut juga normal, sehingga

hasil penelitian yang dilakukan berdasarkan data sampel tersebut bisa dipercaya.

Uji normalitas menggunakan data dari nilai maximum dan minimum tiap

sampel yang ada, data – data tersebut kemudian dikurangi dengan standart panjang

masing – masing part baik nilai maximum maupun minimum, hal ini dilakukan agar

bisa membandingan dengan part lain walaupun panjang standart partnya berbeda.

Setelah itu nilai maximum dan minimum tiap sampel yang ada di cari rata –ratanya,

rata – rata inilah yang akan digunakan untuk melakukan perhitungan uji normalitas.

Data rata – rata tersebut dibagi menjadi dua berdasarkan proses, yaitu uji notmalitas

proses potong 1 dan uji normalitas proses potong 2, berikut data – data tersebut.

143

Tabel 4. 16 Keseluruhan Data Panjang

No Rata ‐ rata potong 1

No Rata ‐ rata potong 2

1 0.45 1 0.20 2 0.39 2 0.20 3 0.05 3 0.19 4 0.52 4 0.27 5 0.21 5 0.20 6 0.11 6 0.20 7 0.05 7 0.28 8 0.29 8 0.20 9 0.41 9 0.16 10 0.33 10 0.17 11 0.29 11 0.19 12 0.19 12 0.16 13 0.16 13 0.19 14 0.08 14 0.19 15 0.47 15 0.19 : : : : : : : : : : : :

2635 0.80 2225 0.23 2636 0.45 2226 0.15 2637 0.68 2227 0.17 2638 0.58 2228 0.18 2639 0.52 2229 0.19 2640 0.67 2230 0.20 2641 0.27 2231 0.14 2642 0.72 2232 0.13 2643 0.63 2233 0.21 2644 0.70 2234 0.17 2645 0.70 2235 0.15 2646 0.43 2236 0.16 2647 0.65 2237 0.20 2648 1.05 2238 0.19 2649 0.57 2239 0.21

2650 0.66 2240 0.16

144

Data – data tersebut kemudian dimasukkan ke dalam minitab dan berikut di

bawah ini adalah hasilnya:

potong1

Perc

ent

2.01.51.00.50.0

99.99

99

95

80

50

20

5

1

0.01

Mean

<0.005

0.4485StDev 0.2135N 2650AD 11.985P-Value

Probability Plot of potong1Normal

Sumber Minitab

Grafik 4.6 Sebaran Distribusi Normal Proses Potong 1

145

potong2

Perc

ent

1.51.00.50.0-0.5

99.99

99

95

80

50

20

5

1

0.01

Mean

<0.005

0.1657StDev 0.2220N 2240AD 280.302P-Value

Probability Plot of potong2Normal

Sumber Minitab

Grafik 4.7 Sebaran Distribusi Normal Proses Potong 2

Data – data yang dikumpulkan bisa dikatakan normal apabila p-value dari

data tersebut lebih kecil dari 0.05 (α = 0.05). Dari grafik minitab di atas dapat dilihat

nilai P value dari proses potong 1 dan proses potong 2 menunjukkan lebih kecil dari

0.05, ini berarti data yang dikumpulkan dari proses potong 1 dan proses potong 2

sudah berdistribusi normal sehingga bisa dilanjutkan untuk perhitungan nilai Zst

(short term) dan Zlt (long term).

Dari data yang sudah normal kemudian dilakukan perhitungan nilai Zst dan

Zlt dengan menggunakan software minitab untuk mengetahui nilai kapabilitas proses

146

yang ada saat ini, baik secara proses maupun teknologi. Zst adalah suatu ukuran dari

kapabilitas teknologi proses tersebut, sedangkan Zlt adalah ukuran dari teknologi dan

kontrol proses tersebut. Setelah Zst dan Zlt didapatkan, selanjutnya adalah mencari

nilai Zshift. Zshift berguna untuk menyatakan kemampuan untuk mengontrol

teknologi. Cara mencari Zshift adalah dengan rumus, Zshift = Zst – Zlt.

1.751.501.251.000.750.500.250.00

LSLTarget USLProcess Data

Sample N 2650StDev (Within) 0.144083StDev (O v erall) 0.213547

LSL 0Target 0USL 0.5Sample Mean 0.448472

Potential (Within) C apability

C C pk 0.00

O v erall C apability

Z.Bench 0.20Z.LSL 2.10Z.USL 0.24Ppk

Z.Bench

0.08C pm 0.00

0.36Z.LSL 3.11Z.USL 0.36C pk 0.12

O bserv ed PerformancePPM < LSL 0.00PPM > USL 379622.64PPM Total 379622.64

Exp. Within PerformancePPM < LSL 927.28PPM > USL 360310.65PPM Total 361237.93

Exp. O v erall PerformancePPM < LSL 17859.75PPM > USL 404662.44PPM Total 422522.18

WithinOverall

Process Capability of potong1

Sumber Minitab

Grafik 4.8 Kapabilitas Proses Potong 1

Dari grafik minitab kapabilitas proses potong 1 diatas didapatkan hasil :

• Zst = 0.36

• Zlt = 0.20

147

• Zshift = Zst – Zlt = 0.36 - 0.20 = 0.16

1.251.000.750.500.250.00-0.25





C C pk 0.00


Z.Bench -0.43Z.LSL 0.75Z.USL 0.15Ppk

Z.Bench

0.05C pm 0.00

0.32Z.LSL 1.91Z.USL 0.39C pk 0.13




WithinOverall

Process Capability of potong2

Sumber Minitab

Grafik 4.9 Kapabilitas Proses Potong 2

Dari grafik minitab kapabilitas proses potong 2 diatas didapatkan hasil :

• Zst = 0.32

• Zlt = -0.43

• Zshift = Zst – Zlt = 0.32 – (-0.43) = 0.75

Dari nilai Zst dan Zshift yang ada kemudian dimasukan ke dalam four block

diagram untuk mengetahui proses yang ada berada dalam “control” dan “technology”

148

yang baik atau buruk. Pada four block diagram terdapat 4 area,yakni area A, area B,

area C dan area D. Tiap area ini memiliki arti yang berbeda – beda, yaitu :

a. Area A menyatakan bahwa kontrol terhadap proses kurang dan juga

teknologi yang ada yang berguna untuk menyokong proses tidaklah

cukup.

b. Area B menyatakan bahwa proses yang ada harus lebih dikontrol dengan

baik dan teknologi yang ada saat ini sudah cukup baik.

c. Area C menyatakan bahwa kontrol terhadap proses yang ada saat ini

sudah baik akan tetapi teknologi yang ada masih tidak mencukupi.

d. Area D menyatakan proses dan teknologi yang ada masuk dalam kategori

“world class.”

149

A

D

B

C

1 2 3 4 5 6

1.5

1.0

0.5

2.0

2.5CO

NTRO

Lpoor

good

Zshif t

ZSTgoodpoor

TECHNOLOGY

Diagram 4.6 Four Block Diagram Potong 1

Titik yang menyatakan kapabilitas dari proses potong 1 berada di area C yang

berarti bahwa proses control yang ada saat ini sudah cukup baik, tetapi teknologi

yang digunakan saat ini masih kurang memadai.

150

A

D

B

C

1 2 3 4 5 6

1.5

1.0

0.5

2.0

2.5CO

NTRO

L

poor

good

Zshif t

ZSTgoodpoor

TECHNOLOGY Diagram 4.7 Four Block Diagram Potong 2

Titik yang menyatakan kapabilitas dari proses potong 2 berada di area C yang

berarti bahwa proses control yang ada saat ini sudah cukup baik, tetapi teknologi

yang digunakan saat ini masih kurang memadai.

Dari grafik di atas dapat disimpulkan bahwa kondisi yang ada saat ini

memiliki kekurangan di bagian teknologi. Setelah mengetahui kondisi yang ada saat

ini, maka pada tahap selanjutnya atau tahap analyze akan dilakukan perhitungan

untuk mencari tahu penyebab apa yang sebenarnya menyebabkan terjadinya defect

panjang. Sehingga nantinya bisa diperbaiki dan nilai Zst diharapkan bisa naik. Karena

nilai Zst juga menyatakan niali sigma yang ada saat ini.

151

4.4 Analisa Data

4.4.1 Analyze

Dengan berlandaskan rumus Y = f (X1, X2, X3, …, Xn), pada tahap analyze

ini akan dilakukan perhitungan dari data – data yang ada berdasarkan X (fakor –

faktor yang mempengaruhi Y) yang memungkinkan untuk mencari tahu faktor

apakah yang paling berpengaruh terhadap Y (mengurangi defect panjang), sehingga

pada tahap improve bisa di fokuskan terhadap X tersebut. Proses perhitungan diatas

disebut juga dengan proses screening atau proses penyaringan dari beberapa X

kemudian disaring sehingga tersaring X yang paling berpengaruh terhadap Y.

Perhitungan yang akan dilakukan adalah T distribution dengan 2 sample T–

test melalui software minitab, data yang ada akan dimasukan ke dalam minitab dan

kemudian dilihat apabila P value-nya lebih besar dari 0.05 (α = 0.05), jika lebih besar

maka dinyatakan X tersebut tidak menjadi faktor penyebab dari Y. Perhitungan

dilakukan dengan memisahkan dua proses yang ada antara proses potong 1 dengan

proses potong 2. Adapun X yang memungkinkan berpengaruh terhadap Y adalah :

• X1 = Shift

• X2 = Machine

• X3 = Man Power

• X4 = Tools

152

Untuk melakukan perhitungan 2 sampel T-test harus dilakukan pengambilan

data berdasarkan X yang telah ditentukan. Data yang diambil adalah data yang

mempunyai dua kondisi yang hampir sama dimana hanya X yang ditentukanlah yang

berbeda. Berikut adalah perhitungannya. Dari data tersebut kemudian diproses di

minitab dan menghasilkan nilai p-value yang bisa digunakan untuk mengambil

keputusan X mana yang paling berpengaruh terhadap Y dan juga boxplot diagram

yang bisa digunakan untuk membandingkan mean antar data yang pertama dengan

data kedua.

4.4.1.1 Proses Potong 1

a. X1 = Shift

Tabel 4.17 Data Proses Potong 1; X1= Shift

X 1 2

Machine T. 04 T. 04

Operator Ipit S. Ipit S.

Shift 1 2

Tools M42 M42

153

No Shift 1 Shift 2

1 0.28 0.44

2 0.40 0.45

3 0.40 0.45

4 0.18 0.09

5 0.47 0.18

6 0.48 0.41

7 0.39 0.39

8 0.38 0.31

9 0.42 0.32

10 0.36 0.04

11 0.31 0.44

12 0.26 0.46

13 0.27 0.46

14 0.30 0.45

15 0.33 0.02

16 0.43 0.37

17 0.44 0.38

18 0.33 0.31

19 0.43 0.36

20 0.48 0.31

21 0.46 0.27

22 0.38 0.41

23 0.29 0.23

24 0.45 0.41

25 0.40 0.31 Sumber PT. Indokarlo Perkasa

154

Two-Sample T-Test and CI: Shift 1, Shift 2

N Mean StDev SE Mean

Shift 1 25 0.3728 0.0793 0.016

Shift 2 25 0.331 0.130 0.026

Difference = mu (Shift 1) - mu (Shift 2)

Estimate for difference: 0.042000

95% CI for difference: (-0.019545, 0.103545)

T-Test of difference = 0 (vs not =): T-Value = 1.38 P-Value = 0.175 DF = 39

Boxplot of Shift 1, Shift 2

Dat

a

Shift 2Shift 1

0.5

0.4

0.3

0.2

0.1

0.0


Sumber Minitab Grafik 4.10 Boxplot T-test Potong 1 ; X1 = Shift

155

b. X2 = Machine

Tabel 4.18 Data Proses Potong 1; X2 = Machine

X 1 2

Machine T. 01 T. 02

Operator Puji Puji

Shift 2 2

Tools M42 M42

No

Mesin

1

Mesin

2

1 0.45 0.47

2 0.38 0.55

3 0.41 0.33

4 0.29 0.60

5 0.40 0.51

6 0.15 0.62

7 0.48 0.57

8 0.36 0.52

9 0.41 0.44

10 0.37 0.50

11 0.47 0.44

12 0.40 0.58

13 0.50 0.56

14 0.49 0.46

15 0.43 0.45

16 0.37 0.54

17 0.43 0.47

156

18 0.47 0.53

19 0.47 0.49

20 0.45 0.45

21 0.41 0.47

22 0.44 0.47

23 0.37 0.47

24 0.42 0.54


Two-Sample T-Test and CI: Mesin 1, Mesin 2


Mesin 1 25 0.4116 0.0734 0.015

Mesin 2 25 0.4936 0.0733 0.015

Difference = mu (Mesin 1) - mu (Mesin 2)

Estimate for difference: -0.082000

95% CI for difference: (-0.123709, -0.040291)

T-Test of difference = 0 (vs not =): T-Value = -3.96 P-Value = 0.000 DF = 47

Boxplot of Mesin 1, Mesin 2

157

Dat

a

Mesin 2Mesin 1

0.6

0.5

0.4

0.3

0.2

0.1


Sumber Minitab Grafik 4.11 Boxplot T-test Potong 1 ; X2 = Machine

c. X3 = Man Power

Tabel 4.19 Data Proses Potong 1; X3 = Man Power

X 1 2

Machine T. 04 T. 04

Operator Ipit S. Purwoto

Shift 1 1

Tools M35 M35

158

No Ipit S. Purwoto

1 0.52 0.42

2 0.33 0.42

3 0.47 0.43

4 0.40 0.42

5 0.17 0.43

6 0.46 0.36

7 0.27 0.46

8 0.31 0.37

9 0.30 0.39

10 0.41 0.28

11 0.56 0.59

12 0.38 0.59

13 0.38 0.26

14 0.53 0.28

15 0.32 0.31

16 0.51 0.33

17 0.37 0.25

18 0.39 0.46

19 0.40 0.37

20 0.38 0.45

21 0.47 0.56

22 0.42 0.54

23 0.47 0.45

24 0.57 0.46


159

Two-Sample T-Test and CI: Ipit S., Purwoto


Ipit S. 25 0.4080 0.0950 0.019

Purwoto 25 0.4136 0.0963 0.019

Difference = mu (Ipit S.) - mu (Purwoto)

Estimate for difference: -0.005600


T-Test of difference = 0 (vs not =): T-Value = -0.21 P-Value = 0.837 DF = 47

Boxplot of Ipit S., Purwoto

Dat

a

PurwotoIpit S.

0.6

0.5

0.4

0.3

0.2

Boxplot of Ipit S., Purwoto

Sumber Minitab Grafik 4.12 Boxplot T-test Potong 1 ; X3 = Man Power

160

d. X4 = Tools

Tabel 4.20 Data Proses Potong 1; X4 = Tools

X 1 2

Machine T. 03 T. 03

Operator Budiyana Budiyana

Shift 2 2

Tools M35 M42

No Tools M35 Tools M42

1 0.03 0.03

2 0.04 0.02

3 0.03 0.04

4 0.04 0.02

5 0.07 0.04

6 0.03 0.05

7 0.06 0.05

8 0.08 0.04

9 0.02 0.05

10 0.03 0.02

11 0.04 0.02

12 0.02 0.04

13 0.03 0.05

14 0.06 0.03

15 0.05 0.05

16 0.03 0.02

17 0.05 0.05

18 0.06 0.05

161

19 0.03 0.07

20 0.02 0.04

21 0.04 0.06

22 0.04 0.01

23 0.02 0.04

24 0.04 0.06


Two-Sample T-Test and CI: Tools M35, Tools M42


Tools M35 25 0.0396 0.0162 0.0032

Tools M42 25 0.0392 0.0153 0.0031

Difference = mu (Tools M35) - mu (Tools M42)




Boxplot of Tools M35, Tools M42

162

Dat

a

Tools M42Tools M35

0.08

0.07

0.06

0.05

0.04

0.03

0.02

0.01

0.00


Sumber Minitab Grafik 4.13 Boxplot T-test Potong 1 ; X4 = Tools

4.4.1.2 Proses Potong 2

a. X1 = Shift

Tabel 4.21 Data Proses Potong 2; X1 = Shift

X 1 2

Machine T. 07 T. 07

Operator A.Rahman A.Rahman

Shift 1 2

Tools M35 M35

163

No Shift 1 Shift 2

1 0.13 0.67

2 0.57 0.74

3 0.45 0.51

4 0.57 0.41

5 0.50 0.28

6 0.47 0.68

7 0.54 0.75

8 0.99 0.02

9 0.41 0.57

10 0.11 0.18

11 0.73 0.45

12 0.46 0.42

13 0.69 0.60

14 0.71 0.48

15 0.70 0.65

16 0.42 0.82

17 1.00 0.73

18 0.67 0.70

19 0.58 0.49

20 0.62 0.51

21 0.78 0.38

22 0.43 0.79

23 1.03 0.79

24 0.50 0.58


164

Two-Sample T-Test and CI: Shift 1, Shift 2


Shift 1 25 0.583 0.226 0.045

Shift 2 25 0.549 0.198 0.040

Difference = mu (Shift 1) - mu (Shift 2)





Dat

a

Shift 2Shift 1

1.0

0.8

0.6

0.4

0.2

0.0


Sumber Minitab Grafik 4.14 Boxplot T-test Potong 2 ; X1 = Shift

165

b. X2 = Machine

Tabel 4.22 Data Proses Potong 2; X2 = Machine

X 1 2

Machine T. 09 T.10

Operator U.hidayat U.hidayat

Shift 1 1

Tools M35 M35

No Mesin 9 Mesin 10

1 0.08 0.01

2 0.08 0.04

3 0.08 0.02

4 0.03 0.04

5 0.09 0.05

6 0.04 0.05

7 0.09 0.06

8 0.07 0.04

9 0.11 0.05

10 0.10 0.03

11 0.09 0.02

12 0.07 0.03

13 0.10 0.04

14 0.04 0.01

15 0.06 0.10

16 0.11 0.02

17 0.04 0.06

18 0.10 0.06

166

19 0.09 0.03

20 0.09 0.03

21 0.09 0.03

22 0.13 0.03

23 0.10 0.04

24 0.14 0.05


Two-Sample T-Test and CI: Mesin 9, Mesin 10


Mesin 9 25 0.0848 0.0273 0.0055

Mesin 10 25 0.0384 0.0195 0.0039

Difference = mu (Mesin 9) - mu (Mesin 10)


95% CI for difference: (0.032882, 0.059918)



167

Dat

a

Mesin 10Mesin 9

0.14

0.12

0.10

0.08

0.06

0.04

0.02

0.00


Sumber Minitab Grafik 4.15 Boxplot T-test Potong 2 ; X2 = Machine

c. X3 = Man Power

Tabel 4.23 Data Proses Potong 2; X3 = Man Power

X 1 2

Machine T. 06 T. 06

Operator Sahid A.Camal

Shift 1 1

Tools M35 M35

No Sahid A.camal

1 0.17 0.27

2 0.20 0.12

168

3 0.18 0.09

4 0.17 0.08

5 0.14 0.07

6 0.20 0.25

7 0.21 0.06

8 0.19 0.27

9 0.21 0.29

10 0.12 0.06

11 0.14 0.09

12 0.27 0.06

13 0.21 0.28

14 0.17 0.25

15 0.19 0.08

16 0.13 0.31

17 0.16 0.07

18 0.17 0.11

19 0.23 0.11

20 0.24 0.10

21 0.12 0.08

22 0.16 0.25

23 0.12 0.20

24 0.15 0.10


Two-Sample T-Test and CI: Sahid, A.camal


169

Sahid 25 0.1784 0.0394 0.0079

A.camal 25 0.1468 0.0931 0.019

Difference = mu (Sahid) - mu (A.camal)




Boxplot of Sahid, A.camal

Dat

a

A.camalSahid

0.35

0.30

0.25

0.20

0.15

0.10

0.05

0.00

Boxplot of Sahid, A.camal

Sumber Minitab Grafik 4.16 Boxplot T-test Potong 2 ; X3 = Man Power

170

d. X4 = Tools

Tabel 4.24 Data Proses Potong 2; X4 = Tools

X 1 2

Machine T. 08 T. 08

Operator Ribut Ribut

Shift 2 2

Tools M35 M42

No

Tools

A

Tools

B

1 0.04 0.06

2 0.06 0.05

3 0.05 0.00

4 0.07 0.06

5 0.02 0.03

6 0.04 0.02

7 0.04 0.06

8 0.05 0.04

9 0.01 0.06

10 0.04 0.07

11 0.08 0.04

12 0.01 0.01

13 0.07 0.06

14 0.02 0.14

15 0.06 0.05

16 0.05 0.04

17 0.03 0.06

171

18 0.02 0.04

19 0.04 0.03

20 0.04 0.03

21 0.04 0.04

22 0.04 0.04

23 0.04 0.05

24 0.05 0.03


Two-Sample T-Test and CI: Tools M35, Tools M42 Two-sample T for Tools M35 vs Tools M42 N Mean StDev SE Mean Tools M35 25 0.0488 0.0224 0.0045 Tools M42 25 0.0500 0.0212 0.0042 Difference = mu (Tools M35) - mu (Tools M42) Estimate for difference: -0.001200 95% CI for difference: (-0.013619, 0.011219) T-Test of difference = 0 (vs not =): T-Value = -0.19 P-Value = 0.847 DF = 47 Boxplot of Tools M35, Tools M42

172

Dat

a

Tools M42Tools M35

0.14

0.12

0.10

0.08

0.06

0.04

0.02


Sumber Minitab Grafik 4.17 Boxplot T-test Potong 2 ; X4 = Tools

Dari Hasil perhitungan minitab 2 T-test di atas dapat dilihat nilai p-value yang

telah didapatkan untuk mengambil keputusan faktor X mana yang menjadi penyebab

dari defect panjang :

Tabel 4.25 P-value Proses Potong 1

No X P-value α = 0.05 1 Shift 0.175 P value > α 2 Machine 0.000 P value < α 3 Man Power 0.929 P value > α 4 Tools 0.837 P value > α

173

Tabel 4.26 P-value Proses Potong 2

No X P-value α = 0.05 1 Shift 0.574 P value > α 2 Machine 0.000 P value < α 3 Man Power 0.128 P value > α 4 Tools 0.847 P value > α

Dari hasil di atas dapat dilihat bahwa mesin adalah X yang paling

berpengaruh terhadap Y, dapat dilihat dari nilai p-value yang lebih kecil dari 0.05.

Oleh karena itu pada tahap improve akan dilakukan beberapa rencana perbaikan pada

bagian mesin, yang kemudian akan dipilih perbaikan apa yang paling efektif.

4.4.2 Improve

Pada tahap improve ini akan dilakukan penelitian dengan metode design of

experiment (DOE) yang berguna untuk mencari solusi dari mesin yang digunakan

untuk produksi yang paling berpengaruh terhadap defect panjang. DOE akan

memberikan solusi terbaik dari beberapa solusi yang akan dilakukan sehingga

keefektifan dan efesiensi mesin akan mencapai nilai optimum dari beberapa solusi

tersebut.

Observasi lapangan kembali dilakukan dan setelah diperhatikan lebih lanjut

putaran yang ditimbulkan mesin terhadap material pipa besi yang akan dipotong tidak

stabil sehingga menjadi penyebab utama dari terjadinya defect panjang oleh mesin.

174

Putaran material pipa besi yang tidak stabil muncul karena material yang tidak lurus

atau terlalu panjang sehingga putaran menjadi tidak stabil.

Solusi yang akan diberikan adalah solusi yang bisa meredam material

sehingga bisa berputar dengan stabil. Berikut beberapa solusi yang dianggap

berpengaruh besar terhadap mesin sehingga menimbulkan defect panjang :

1. Front Holder

Sumber PT. Argatama

Gambar 4.4 Front Holder

175

Front holder akan dipasang didepan mesin dan didepan material yang

akan dipotong yang berguna untuk menahan guncangan material yang

diakibatkan putaran tidak stabil dari belakang material yang menjulur hingga

kedepan material. Dengan diimplementasikannya front holder ini diharapkan

putaran material bisa lebih stabil.

2. Standarisasi Bandul

Sumber PT. Argatama

Gambar 4.5 Standarisasi Bandul

176

Bandul atau pemberat digunakan untuk mendorong material masuk ke

mesin potong dan juga menstabilkan putaran material. Saat penelitian ini

dimulai bandul yang digunakan beratnya bervariasi sehingga pada produk

atau part yang materialnya lebih berat akan menyebabkan dorongan material

menjadi lebih kecil dan putaran material pun menjadi tidak stabil dan

menyebabkan defect panjang terjadi. Oleh karena itu, bandul akan dilakukan

standarisasi sehingga berat semua bandul sama dan cukup berat untuk

mendorong dan menstabilkan material ke mesin potong.

3. Back Holder

Sumber PT. Argatama

Gambar 4.6 Back Holder

177

Back holder berupa lahar yang dipasang dibelakang material untuk

menahan putaran tidak stabil dari material yang terlalu panjang atau kurang

lurus, dengan begitu putaran material lebih bisa terkontrol dan hasil potong

pun menjadi lebih baik.

Dengan menggunakan metode DOE akan dilakukan analisa mengenai ketiga

solusi diatas, sehingga akan diketahui solusi manakah yang paling efektif untuk

mengurangi defect panjang, salah satu solusi saja sudah cukup, atau diperlukan dua

solusi atau bahkan ketiga solusi harus diterapkan untuk mencapai hasil yang optimal.

Dikarenakan ada tiga solusi yang disarankan maka akan ada 8 kondisi seperti

dibawah ini.

Tabel 4.27 8 Kondisi DOE

Kondisi Front Holder

Standarisasi Bandul

Back Holder

1 ‐1 ‐1 ‐1 2 1 ‐1 ‐1 3 ‐1 1 ‐1 4 1 1 ‐1 5 ‐1 ‐1 1 6 1 ‐1 1 7 ‐1 1 1

8 1 1 1

Keterangan : -1 = Solusi tidak diterapkan

1 = Solusi diterapkan

178

Pada kondisi 1, semua solusi tidak diterapkan, pada kondisi kedua cuma

solusi front holder yang diterapkan, begitu seterusnya. Setelah dilakukan 8 kondisi

terhadap 3 solusi, maka saatnya dilakukan pengambilan data dari 8 kondisi tersebut.

Satu persatu kondisi di tabel akan dilakukan atau diterapkan terhadap material yang

berukuran sama dengan operator, mesin dan tools yang sama, sehingga diperoleh

panjang, sbb:

179

Tabel 4.28 Data DOE dari 8 Kondisi

No. Kondisi

1 2 3 4 5 6 7 8 1 0.60 0.48 0.87 0.32 0.58 0.66 0.38 0.34 2 0.55 0.22 0.40 0.49 0.65 0.55 0.22 0.31 3 0.66 0.23 0.41 0.40 0.35 0.27 0.23 0.29 4 0.65 0.21 0.39 0.43 0.67 0.31 0.21 0.28 5 0.61 0.22 0.36 0.78 0.40 0.09 0.22 0.32 6 0.65 0.67 0.46 0.68 0.35 0.35 0.24 0.29 7 0.54 0.55 0.77 0.37 0.33 0.28 0.55 0.26 8 0.54 0.35 0.51 0.19 0.42 0.38 0.35 0.36 9 0.58 0.59 0.44 0.33 0.22 0.17 0.45 0.28 10 0.45 0.73 0.22 0.01 0.81 0.23 0.73 0.24 11 0.46 0.20 0.23 0.39 0.76 0.39 0.20 0.24 12 0.47 0.35 0.33 0.27 0.76 0.27 0.35 0.34 13 0.65 0.55 0.39 0.04 0.53 0.11 0.55 0.22 14 0.24 0.55 0.41 0.47 0.42 0.29 0.55 0.22 15 0.36 0.50 0.55 0.22 0.56 0.24 0.50 0.29 16 0.49 0.39 0.31 0.33 0.46 0.33 0.33 0.28 17 0.58 0.48 0.32 0.27 0.32 0.47 0.47 0.33 18 0.51 0.30 0.32 0.39 0.43 0.36 0.36 0.28 19 0.45 0.44 0.55 0.51 0.52 0.37 0.37 0.38 20 0.51 0.53 0.47 0.30 0.43 0.33 0.33 0.33 21 0.65 0.28 0.59 0.33 0.55 0.40 0.40 0.33 22 0.47 0.55 0.56 0.29 0.35 0.32 0.32 0.25 23 0.41 0.27 0.51 0.27 0.50 0.06 0.06 0.32 24 0.56 0.56 0.59 0.31 0.52 0.36 0.08 0.25 25 0.54 0.45 0.55 0.09 0.52 0.41 0.52 0.24 26 0.40 0.50 0.49 0.35 0.56 0.71 0.50 0.28 27 0.74 0.53 0.37 0.28 0.32 0.23 0.33 0.37 28 0.23 0.51 0.47 0.38 0.43 0.56 0.56 0.37 29 0.46 0.44 0.64 0.17 0.52 0.49 0.41 0.35 30 0.40 0.46 0.50 0.45 0.43 0.55 0.55 0.34

Total 15.41 13.09 13.98 10.11 14.67 10.54 11.32 8.98 Average 0.514 0.436 0.466 0.337 0.489 0.351 0.377 0.299


180

Dari hasil experiment yang dilakukan terhadap 3 solusi dengan 8 kondisi yang

berbeda, maka didapatkan nilai rata- rata tiap kondisinya. Dari data – data tersebut

dapat disimpulkan seperti tabel dibawah ini :

Tabel 4.29 Rata – Rata Panjang 8 Kondisi DOE

Kondisi Front Holder

Standarisasi Bandul

Back Holder

Rata ‐rata Panjang

1 ‐1 ‐1 ‐1 0.514 2 1 ‐1 ‐1 0.436 3 ‐1 1 ‐1 0.466 4 1 1 ‐1 0.337 5 ‐1 ‐1 1 0.489 6 1 ‐1 1 0.351 7 ‐1 1 1 0.377

8 1 1 1 0.299

Dari data- data yang diperoleh dari tabel diatas akan dilakukan perhitungan

melalui software minitab untuk menggambarkan tiga plot atau grafik yang berguna

untuk menggambarkan hubungan antar solusi dan untuk membandingkan ketiga

solusi yang disarankan, berikut plot atau grafik-nya dibawah ini:

181

Mea

n of

Ave

rage

1-1

0.450

0.425

0.400

0.375

0.3501-1

1-1

0.450

0.425

0.400

0.375

0.350

Front Holder Standarisasi Bandul

Back Holder

Average Main Effect Plot

Sumber Minitab

Grafik 4.18 DOE Average Main Effect Plot

Dilihat dari main effect plot di atas, semua solusi yang diberikan cukup

berpengaruh terhadap panjang yang dihasilkan, panjang yang dihasilkan sebelum

dilakukan implementasi solusi masih cukup besar rata – ratanya, kemudian setelah

dilakukan implementasi solusi baik front holder, standarisasi bandul, maupun back

holder, semuanya menunjukkan hasil rata – rata panjang yang lebih kecil. Jadi

kesimpulannya, semua solusi yang disarankan cukup berpengaruh terhadap panjang

yang dihasilkan.

182

Front Holder

Standar isasi Bandul

Back Holder

1-1 1-1

0.5

0.4

0.30.5

0.4

0.3

FrontHolder

-11

StandarisasiBandul

-11

Average Interaction Plot

Sumber Minitab

Grafik 4.19 DOE Average Interaction Plot

Interaction plot digunakan untuk menggambarkan hubungan atau pengaruh

antara satu solusi terhadap solusi yang lain, dari interaction plot diatas dapat dilihat

hubungan:

• Front holder terhadap standarisasi bandul

Tidak ada hubungan antara front holder dengan standarisasi

bandul,dapat dilihat dari dua garis di plot yang sejajar, itu berarti ketika front

holder dan standarisasi bandul diterapkan secara bersamaan, kedua solusi

183

tersebut tidak saling mempengaruhi, jadi ketika kedua solusi tersebut

diterapkan hasil yang didapat menjadi lebih optimal.

• Front holder terhadap back holder

Hasil dari plot meggambarkan kedua garis sejajar dengan miring

kebawah, yang berarti kedua solusi tidak saling berpengaruh dan kedua solusi

akan lebih baik apabila diterapkan secara bersamaan.

• Standarisasi bandul terhadap back holder

Gambar pada plot juga menujukkan gambar yang sama, yaitu sejajar

dengan miring ke kanan bawah. Yang berarti ketika solusi standarisasi bandul

dan back holder diterapkan, kedua solusi tersebut tidak saling

memepengaruhi, malah lebih baik apabila kedua solusi tersebut diterapkan

langsung berdua.

184

1

-1

1

-11-1

Back Holder

Standarisasi Bandul

Front Holder

0.299

0.3510.489

0.377

0.337

0.4360.514

0.466

Cube Plot (data means) for Average

Sumber Minitab

Grafik 4.20 DOE Cube Plot for Average

Gambar plot diatas adalah cube plot yang berfungsi untuk memudahkan

dalam melihat level variable yang menghasilkan nilai respon yang paling tinggi dan

rendah. Dari cube plot diatas, dapat dilihat sisi yang memiliki nilai paling kecil

adalah sisi kanan, dengan nilai 0.436, 0.337, 0.351 dan 0.299. Sisi dengan nilai

terkecil tersebut adalah sisi standarisasi bandul dan back holder, yang berarti kedua

solusi tersebut yang lebih berpengaruh terhadap defect panjang.

Dari tiga jenis plot diatas didapatkan beberapa kesimpulan, yaitu: semua

solusi yang diberikan cukup berpengaruh baik terhadap pengurangan defect panjang

185

dan akan lebih baik apabila kesemua solusi tersebut diterapkan, walaupun solusi front

holder dan back holder merupakan solusi yang paling berpengaruh. Untuk

pengambilan keputusan solusi mana yang akan diterapkan, dari tiga plot diatas masih

kurang sehingga akan dilakukan analisis factorial design yang berguna untuk

menganalisis secara angka dari hasil rata –rata panjang hasil experiment dari 8

kondisi yang berbeda. Berikut perhitungan yang dilakukan dengan software minitab

berdasarkan data dari tabel kesimpulan data DOE:

Factorial Fit: Average versus Front Holder, Standarisasi, Back Holder Estimated Effects and Coefficients for Average (coded units) Term Effect Coef Constant 0.40863 Front Holder -0.10575 -0.05287 Standarisasi Bandul -0.07775 -0.03887 Back Holder -0.05925 -0.02963 Front Holder*Standarisasi Bandul 0.00225 0.00112 Front Holder*Back Holder -0.00225 -0.00113 Standarisasi Bandul*Back Holder -0.00425 -0.00213 Front Holder*Standarisasi Bandul* 0.02775 0.01387 Back Holder S = * Analysis of Variance for Average (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects 3 0.0414774 0.0414774 0.0138258 * * 2-Way Interactions 3 0.0000564 0.0000564 0.0000188 * * 3-Way Interactions 1 0.0015401 0.0015401 0.0015401 * * Residual Error 0 * * * Total 7 0.0430739 Alias Structure I Front Holder Standarisasi Bandul Back Holder Front Holder*Standarisasi Bandul Front Holder*Back Holder Standarisasi Bandul*Back Holder

186

Front Holder*Standarisasi Bandul*Back Holder *) Sumber Minitab

Dari hasil minitab diatas, nilai p-value tidak muncul, oleh karena itu kondisi

yang mempunyai pengaruh paling kecil harus disingkirkan dalam perhitungan

analisis factorial kedua, dan kondisi yang berpengaruh paling kuat adalah Front

Holder*Standarisasi Bandul*Back Holder. Berikut hasil perhitungan analisis factorial

design kedua yang menggunakan ketiga solusi sekaligus:

Factorial Fit: Average versus Front Holder, Standarisasi, Back Holder Estimated Effects and Coefficients for Average (coded units) Term Effect Coef SE Coef T P Constant 0.40863 0.001533 266.62 0.000 Front Holder -0.10575 -0.05287 0.001533 -34.50 0.000 Standarisasi Bandul -0.07775 -0.03887 0.001533 -25.36 0.000 Back Holder -0.05925 -0.02963 0.001533 -19.33 0.000 Front Holder*Standarisasi Bandul* 0.02775 0.01387 0.001533 9.05 0.003 Back Holder S = 0.00433494 R-Sq = 99.87% R-Sq(adj) = 99.69% Analysis of Variance for Average (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects 3 0.0414774 0.0414774 0.0138258 735.74 0.000 3-Way Interactions 1 0.0015401 0.0015401 0.0015401 81.96 0.003 Residual Error 3 0.0000564 0.0000564 0.0000188 Total 7 0.0430739 Alias Structure I Front Holder Standarisasi Bandul Back Holder Front Holder*Standarisasi Bandul*Back Holder *)Sumber Minitab

187

Nilai P-value yang terdapat pada analisis factorial kedua menunjukkan di

bawah 0.05 (α=5%), yang berarti juga bahwa ketiga solusi tersebut memang sangat

berpengaruh terhadap berkurangnya defect panjang. Dilihat lagi dari nilai SS Error

yang dihasilkan adalah 99.99%, yang berarti bahwa 99.99% penelitian ini telah

menjelaskan variasi yang terdapat di dalam proses yang ada.

Dikarenakan kondisi kedelapan yang dipilih maka digunakan data panjang

kondisi kedelapan untuk menghitung nilai Z (Kapabilitas proses) dari experiment

yang dilakukan, berikut nilai Z yang dihitung menggunakan software minitab.

0.480.400.320.240.160.08-0.00





C C pk 0.00


Z.Bench 4.26Z.LSL 6.36Z.USL 4.26Ppk

Z.Bench

1.42C pm 0.00

4.17Z.LSL 6.22Z.USL 4.17C pk 1.39




WithinOverall

Nilai Z DOE

Sumber Minitab

Grafik 4.21 Kapabilitas Proses setelah DOE

188

Dari grafik minitab kapabilitas proses kondisi kedelapan diatas didapatkan

hasil :

• Zst = 4.17

• Zlt = 4.26

• Zshift = Zst – Zlt = 4.26 – 4.16 = 0.10

Nilai Zst atau nilai sigma dari hasil experiment menunjukkan kenaikan, yang

berarti defect yang terjadi lebih sedikit. Walaupun hasil dari nilai Zst diatas masih

kurang valid karena sampel yang diambil sedikit, tetapi dari hasil tersebut

menujukkan adanya perubahan yang lebih baik jadi seharusnya defect yang terjadi

akibat panjang akan berkurang. Pada tahap selanjutnya akan dilakukan beberapa cara

untuk menerapkan kondisi kedelapan pada proses produksi untuk mengurangi defect

panjang.

4.4.3 Control

Setelah fase improve selesai, fase selanjutnya adalah fase Control. Setelah

perbaikan yang dilakukan pada fase improve terbukti dapat mengurangi tingkat

kecacatan panjang pada bushing yang diteliti. Maka langkah selanjutnya adalah

bagaimana kemajuan yang telah dicapai dapat di pertahankan agar tidak kembali

kepada kondisi semula yang lebih buruk sebelum dilakukan langkah improve.

Sebagai langkah untuk mempertahankan kemajuan yang sudah dicapai, perlu

adanya tindakan-tindakan pengecekan secara rutin agar performa baik yang sudah

189

dicapai tidak mengendur kembali. Adapun langkah-langkah yang diambil dapat

dengan beberapa cara, antara lain adalah dengan cara membuat Standard Operating

Procedure (SOP), dan juga melakukan audit 5R secara berkala.

• Standard Operating Procedure (SOP)

Langkah-langkah kerja yang sama antara 1 operator dengan operator

lain sangat menentukan bagaimana produk yang dihasilkan juga memiliki

keseragaman kualitas yang sama. Maka dari itu diperlukan Standard

Operating Procedure yang harus diikuti semua operator. Diharapkan dengan

langkah-langkah proses produksi yang sama antara 1 operator dengan

operator lain dapat menghasilkan keseragaman produk yang dihasilkan baik

dalam segi kualitas maupun kapasitas produksi. Agar SOP dapat dibaca oleh

semua operator, maka sebaiknya SOP yang telah dibuat ditempatkan di sekitar

area produksi.

Untuk usulan Standard Operating System yang ditempatkan adalah

berupa instruksi kerja, adapun bentuk instruksi kerja yang kami usulkan

adalah sebagai berikut :

190

Gambar 4.7 SOP untuk Argatama

• Audit 5R

Selain memasang Standard Operating Procedure di tempat yang

strategis, ada baiknya juga kita melakukan audit 5R secara berkala.

Diharapkan dengan melakukan audit 5R ini kondisi tempat kerja yang ada

tetap bahkan semakin baik untuk melakukan proses produksi. Dengan tempat

yang baik untuk melakukan proses produksi semoga dapat mendukung para

pekerja untuk meningkatkan produktifitasnya. Adapun form untuk melakukan

audit 5R tersebut adalah sebagai berikut :

191

Gambar 4.8 Formulir Audit 5R untuk Argatama

192

Form 5R ini akan sangat berguna untuk memastikan sistem produksi yang baru

tersebut benar - benar di implementasikan dengan baik, sehingga defect akibat panjang

bisa berkurang.

Apabila semua solusi yang telah direncanakan diterapkan dengan baik, maka

penurunan defect panjang akan berhasil. Di bawah ini adalah beberapa harga – harga

barang yang digunakan untuk improvement.

Tabel 4.30 Biaya Investment

No Jenis

improvement Biaya per

mesin Harga untuk 5

mesin

1 Front Holder Rp5,800,000.00 Rp29,000,000.00

2 Bandul Rp200,000.00 Rp1,000,000.00

3 Back Holder Rp35,000.00 Rp175,000.00

Total biaya Rp30,175,000.00

Dari harga – harga yang di investasikan diatas, maka di harapkan bahwa defect

panjang akan berkurang sebesar dengan angka perhitungan di tabel dibawah ini.

193

Tabel 4.31 Persentase Penurunan Defect Panjang

No Value Before

improve After improve

1 Sigma 0.36 4.26

2 DPMO 872857 2890

3 Persentase 87.29% 0.29%

Selisih Persentase 87.00%

Dari perhitungan perkiraan penurunan defect panjang diatas, yaitu 87%

kemudian di masukan ke data bulan ke -4 yang bertotal 1,168,461 unit bushing dengan

harga Rp 350,- per unit bushing nya, maka dihasilkan Perhitungan dibawah ini.

Tabel 4.32 Value yang di Dapatkan

Faktor Before improve After improve

Defect panjang

29020 unit 3774 unit

Jumlah defect berkurang 25246

Harga Rp8,836,100.00

Harga 1 tahun Rp106,033,200.00

194

Jumlah defect panjang pada bushing yang diperkirakan akan berkurang sebesar

25246 unit (87 %) selama sebulan apabila solusi yang diajukan diterapkan dengan baik.

Value yang didapatkan dari pengurangan defect panjang tersebut adalah sebesar

Rp8,836,100.00 setiap bulannya dan apabila diterapkan terus selama setahun maka

akan didapatkan value sebesar Rp106,033,200.00. Bila dibandingkan dengan biaya

yang diinvestasikan untuk perbaikan kualitas sebesar Rp30,175,000.00, maka perkiraan

benefit yang didapatkan sebesar Rp75,858,200,00 pada tahun pertama solusi perbaikan

ini diterapkan.

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATAthesis.binus.ac.id/doc/Bab4/2011-2-00679 TI Bab...

Documents

Transcript of BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATAthesis.binus.ac.id/doc/Bab4/2011-2-00679 TI Bab...