Pengendalian Kualitas Statistik
-
Upload
adhitya-akbar -
Category
Data & Analytics
-
view
167 -
download
3
Transcript of Pengendalian Kualitas Statistik
LAPORAN AKHIRPRAKTIKUM PENGENDALIAN
KUALITAS STATISTIK
Dosen Pengampu :Dra. Sri Pangesti, S.U.
Asisten Praktikum :1. Atika Puspitasari W. (12558)2. Ika Nur Jannah F. (12670)
Oleh :ADHITYA AKBAR 10/297716/PA/13065
LABORATORIUM KOMPUTASIMATEMATIKA DAN STATISTIKA
JURUSAN MATEMATIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAMUNIVERSITAS GADJAH MADA
YOGYAKARTA2011
PERMASALAHAN
NOMOR 1
Berikut ini adalah data ukuran Kadar Karet Kering
Produk : Sheet
Karakteristik : Ukuran Kadar Karet Kering (K3)
Unit Ukuran : %
No SampelUkuran Kadar Karet Kering
1 2 3 4 51 22 22 23 23 222 22 20 23 22 223 23 23 22 22 234 23 22 22 22 235 23 23 22 22 226 22 22 22 22 237 22 22 22 22 228 23 22 22 22 219 21 23 21 22 22
10 22 22 22 22 2411 22 22 23 22 2212 20 23 23 22 2113 21 22 23 22 2314 22 22 23 22 2215 21 22 23 22 2116 22 22 23 23 23
17 22 22 23 23 2318 21 22 23 23 2219 22 22 23 22 2120 20 22 23 22 22
Batas spesifikasi yang ditentukan oleh perusahaan adalah 22,17 ±0,02
a. Lakukan analisis yg sesuai dan berikan alasannya. Apakah variabilitas atau pemencaran pada proses
pengukuran Kadar Karet Kering (K3) terkendali dan berapakah batas kendali di mana proses
produksi tersebut dikategorikan benar-benar terkendali secara statistik? Lakukan analisis lengkap
terhadap data tersebut!
b. Lakukan analisis kapabilitas!
NOMOR 2
DATA PRODUK CACAT
PT. TUPAI ADYAMAS INDONESIA
TAHUN 2006
BULAN PRODUKSIJENIS CACAT JUMLAH
CACATKOTOR SOBEK SALAH UKURAN
Januari 83063 44 18 6 68Februari 106793 45 21 46 112Maret 134894 62 45 17 124April 48029 27 10 9 46Mei 33438 51 29 33 113Juni 27094 11 6 1 18Juli 24718 4 12 4 20
Agustus 25624 5 9 12 26September 28187 4 13 11 28Oktober 18428 8 2 1 11
November 45547 42 2 7 51Desember 38518 6 14 9 29JUMLAH 614333 309 181 156 646
Lakukan analisis yang sesuai, beri alasan dan interpretasikan hasilnya.
a. Analisis pengendalian produk+asumsib. Kapabilitas proses+asumsi
NOMOR 3
Jawablah dengan singkat dan jelas :
a. mengapa pengendalian kualitas sangat penting bagi perusahaan?
b. apa yang terjadi jika data yang tidak terkendali, namun kapabilitas proses tetap
dilakukan?
NOMOR 4
Berilah kritik dan saran untuk asisten
PEMBAHASAN
1. Analisis yang cocok untuk data tersebut adalah menggunakan uji x−R(karena subgroup size-nya ≤ 10), tetapi terlebih dahulu diuji kenormalan dan kerandoman datanya.
Uji Normalitas
Uji Hipotesis:
H0: Data berdistribusi normal
H1: Data tidak berdistribusi normal
Tingkat signifikansi: α=0.05
Statistik uji: P-value>0.150
Daerah kritis: Ho ditolak bila P-value<α
Kesimpulan: Karena p-value(<0.150)> α(0.05), maka H0 tidak ditolak, sehingga dapat disimpulkan
bahwa data berdistribusi normal.
Uji Kerandoman Data
Runs Test: C1
Runs test for C1
Runs above and below K = 22.17
The observed number of runs = 41The expected number of runs = 43.7831 observations above K, 69 belowP-value = 0.513
Uji Hipotesis:
H0: Data berdistribusi random
H1: Data tidak berdistribusi random
Tingkat signifikansi: α=0.05
Statistik uji: P-value=0.513
Daerah kritis: Ho ditolak bila P-value<α
Kesimpulan: Karena P-value(0.513) > α(0.05), maka Ho tidak ditolak, sehingga dapat disimpulkan
bahwa data berdistribusi random.
Karena data telah berdistribusi normal dan random, maka dapat dilakukan uji grafik x−R.
Uji Grafik x−R
Karena tidak ada data yang keluar batas pengendali, maka dapat disimpulkan data telah
terkendali. Dengan BPA=23.093 dan BPB=21.247 dan Garis Tengah(rata-rata)=22.17.
Karena data telah terkendali, maka dapat dilakukan uji kapabilitas.
BPA dan BPB dengan perhitungan manual:
BPA = x́ + 3 3 Rd2√ n
=22.17+3 [3 (24−20 )3.735√20 ]=¿ 24.325
GT = x́ = 22.17
BPB = x́ - 3 3 Rd2√ n
= 22.17−3[ 3 (24−20 )3.735√20 ]=¿20.014
Uji Kapabilitas
Uji Kapabilitas dengan menggunakan BSA=22.19 dan BSB=22.15.
Didapat Cp=0.01(Cp<1) berarti batas spesifikasi lebih kecil daripada sebaran data, sehingga
masih banyak data yang diluar batas spesifikasi.
Dengan perhitungan manual: Cp = BSA−BSB
6 σ = 22.19−22.156(0.74731) =0.00892~0.01(minitab
hanya mengambil 2 angka desimal).
Cpk=0.01(0<Cpk<1) berarti rata-rata proses masih di dalam batas spesifikasi.
Sehingga dapat disimpulkan bahwa proses dalam keadaan yang kurang baik(not capable).
2. Analisis yang sesuai dengan menggunakan grafik U, karena diketahui variansi/perincian jumlah
cacatnya dan subgroup size nya berbeda-beda. Terlebih dahulu dilakukan uji kerandoman data
dan poisson.
Uji Kerandoman Data
Runs test for C2
Runs above and below K = 53.8333
The observed number of runs = 4The expected number of runs = 6.333334 observations above K, 8 below* N is small, so the following approximation may be invalid.P-value = 0.107
Uji Hipotesis:
H0: Data berdistribusi random
H1: Data tidak berdistribusi random
Tingkat signifikansi: α=0.05
Statistik uji: P-value=0.107
Daerah kritis: Ho ditolak bila P-value<α
Kesimpulan: Karena P-value(0.107) > α(0.05), maka Ho tidak ditolak, sehingga dapat disimpulkan
bahwa data berdistribusi random.
Uji Poisson
o Uji Poisson untuk jenis cacat ‘kotor’
One-Sample Kolmogorov-Smirnov Test
VAR00001
N 12
Poisson Parametera Mean 25.7500
Most Extreme Differences Absolute .499
Positive .499
Negative -.415
Kolmogorov-Smirnov Z 1.729
Asymp. Sig. (2-tailed) .005
a. Test distribution is Poisson.
Uji Hipotesis:
H0: Data berdistribusi poisson
H1: Data tidak berdistribusi poisson
Tingkat signifikansi: α=0.05
Statistik uji: P-value=0.005
Daerah kritis: Ho ditolak bila P-value<α
Kesimpulan: Karena P-value(0.005) < α(0.05), maka Ho ditolak, sehingga dapat disimpulkan
bahwa data tidak berdistribusi poisson. Tetapi diasumsikan berdistribusi poisson, sebagai syarat
uji grafik U.
o Uji Poisson untuk jenis cacat ‘sobek’
One-Sample Kolmogorov-Smirnov Test
VAR00003
N 12
Poisson Parametera Mean 15.0833
Most Extreme Differences Absolute .302
Positive .302
Negative -.166
Kolmogorov-Smirnov Z 1.047
Asymp. Sig. (2-tailed) .223
a. Test distribution is Poisson.
Uji Hipotesis:
H0: Data berdistribusi poisson
H1: Data tidak berdistribusi poisson
Tingkat signifikansi: α=0.05
Statistik uji: P-value=0.223
Daerah kritis: Ho ditolak bila P-value<α
Kesimpulan: Karena P-value(0.223) > α(0.05), maka Ho tidak ditolak, sehingga dapat disimpulkan
bahwa data berdistribusi poisson.
o Uji Poisson untuk jenis cacat ‘salah ukuran’
One-Sample Kolmogorov-Smirnov Test
VAR00004
N 12
Poisson Parametera Mean 13.0000
Most Extreme Differences Absolute .418
Positive .418
Negative -.167
Kolmogorov-Smirnov Z 1.446
Asymp. Sig. (2-tailed) .030
a. Test distribution is Poisson.
Uji Hipotesis:
H0: Data berdistribusi poisson
H1: Data tidak berdistribusi poisson
Tingkat signifikansi: α=0.05
Statistik uji: P-value=0.030
Daerah kritis: Ho ditolak bila P-value<α
Kesimpulan: Karena P-value(0.03) < α(0.05), maka Ho ditolak, sehingga dapat disimpulkan bahwa
data tidak berdistribusi poisson. Tetapi diasumsikan berdistribusi poisson sebagai syarat uji
grafik U.
o Uji Poisson untuk ‘jumlah cacat’
One-Sample Kolmogorov-Smirnov Test
VAR00002
N 12
Poisson Parametera Mean 53.8333
Most Extreme Differences Absolute .500
Positive .500
Negative -.298
Kolmogorov-Smirnov Z 1.732
Asymp. Sig. (2-tailed) .005
a. Test distribution is Poisson.
Uji Hipotesis:
H0: Data berdistribusi poisson
H1: Data tidak berdistribusi poisson
Tingkat signifikansi: α=0.05
Statistik uji: P-value=0.005
Daerah kritis: Ho ditolak bila P-value<α
Kesimpulan: Karena P-value(0.005) < α(0.05), maka Ho ditolak, sehingga dapat disimpulkan
bahwa data tidak berdistribusi poisson. Tetapi diasumsikan berdistribusi poisson sebagai syarat
uji grafik U.
Uji Grafik U
Ternyata, data pada sample ke-5 keluar batas pengendali, sehingga perlu dikeluarkan.
Grafik U dengan data pada sample ke-5 yang telah dikeluarkan
Sekarang, tidak ada lagi data yang keluar batas pengendali, sehingga data telah
terkendali. Lalu akan dilakukan uji kapabilitas proses, dengan terlebih dahulu diuji
kenormalannya.
Uji Normalitas: Jumlah Cacat
Uji Hipotesis:
H0: Data berdistribusi normal
H1: Data tidak berdistribusi normal
Tingkat signifikansi: α=0.05
Statistik uji: P-value=0.042
Daerah kritis: Ho ditolak bila P-value<α
Kesimpulan: Karena p-value(0.042) < α(0.05), maka H0 ditolak, sehingga dapat disimpulkan
bahwa data tidak berdistribusi normal. Tetapi diasumsikan normal untuk pengujian kapabilitas
proses.
Kapabilitas Proses
Kapabilitas proses dengan BSA=0.001381 dan BSB=0.000455(mengikuti BPA dan BPB
dari data yang sudah terkendali), didapat:
Terlihat bahwa semua data terkendali, sehingga dapat disimpulkan bahwa proses dalam
keadaan yang baik(capable).
3. A) Pengendalian kualitas sangat penting bagi perusahaan karena untuk mengetahui
produk mana yang telah memenuhi kualitas dan mana yang tidak, produk yang tidak
memenuhi kualitas yang telah ditetapkan sebelumnya, tentu saja dibuang, agar
kredibilitas(nama baik) perusahaan tetap terjaga.
B) Akan terdapat banyak data(produk) yang diluar batas spesifikasi, sehingga
produksinya dianggap gagal/cacat, dan bila produk-produk yang cacat tersebut tetap
dipasarkan, maka tentu saja akan menurunkan kredibilitas perusahaan tersebut, akan
banyak konsumen yang mengadu yang berujung pada kerugian bagi perusahaan
tersebut dan juga bagi konsumen. Data yang sudah terkendali pun belum tentu
kapabilitas prosesnya baik, apalagi data yang belum terkendali, pastilah ‘hancur’ hasil
kapabilitas prosesnya.
4. Comment for asprak: udah cukup OK dalam penyampaian materi dan pemberian tugas/laporan,
sehingga ilmu yang terdapat di dalam modul PKS sudah cukup terserap dengan baik dan semoga
berguna untuk kedepannya bagi kami, aamiin. Dan semoga dapat ‘A’ untuk nilai akhir ^^