Judul Praktikum

: Praktikum Modul 1

Nama Asdos

: Ida Bagus Oka A.

Identitas Mahasiswa

1. Kerangka Teori1.1 Rumusan MasalahPermasalahan yang ingin dianalisis adalah bagaimana kualitas produk keramik kayu lantai di CV. Tri Makmur Sentosa. Jumlah sampel yang diamati setiap hari berjumlah 4 sampel yang dilakukan selama 30 hari dengan variabel yang diamati adalah ukuran panjang keramik kayu lantai.1.2 Sumber DataData yang digunakan dalam praktikum merupakan data sekunder yang diambil dari Tugas Akhir mahasiswa Jurusan Statistika angkatan 2002 yang bernama Rahayu Romanika, NRP 1302100058.1.3 Metode analisisMetode yang digunakan dalam analisis kualitas produk keramik kayu lantai di CV. Tri Makmur Sentosa adalah metode pengendalian kualitas peta kendali variabel (). Penggunaan peta kendali karena data merupakan data variabel ukuran panjang keramik di CV. Tri Makmur Sentosa.Penggunaan peta kendali karena ukuran sampel kecil (n1 pilih Rbar. Hal ini dilakukan agar estimasi nilai batas atas dan batas bawah yang dihasilkan tidak bias. Setelah set up selesai pada xbar-R options lalu klik OK, sehingga didapatkan hasil sebagai berikut.

Dari gambar di atas terlihat bahwa semua rata-rata dari subgroup masih dalam kondisi in control.2.4 Pembuatan Peta Kendali Dengan bantuan aplikasi minitab dilakukan pembuatan peta kendali terhadap sampel data yang ada dengan langkah-langkah sebagai berikut:1. Menggabungkan sampel yang ada terlebih dahulu berdasarkan subgroupnya ke dalam 1 kolom.2. Klik pada pada option minitab Stat(Control Charts(Variables charts for subgroups(Xbar-S.

Pada kotak dialog ini masukkan sampel kedalam kolom yang tersedia. Pada Subgroup sizes yang ada isi dengan 4 karena banyak sampel adalah 4, kemudian klik Xbar-S Options sehingga muncul kotak dialog berikut.

Pada submenu yang ada pilih estimate dan pada subgroup size >1 pilih Sbar. Hal ini dilakukan agar estimasi nilai batas atas dan batas bawah yang dihasilkan tidak bias. Setelah set up selesai pada Xbar-S Options maka klik OK sehingga didapatkan hasil sebagai berikut.

Dari gambar di atas terlihat bahwa semua rata-rata dari subgroup masih dalam kondisi in control.3. Hasil Praktikum3.1 Uji Kenormalan Berdasarkan data maka akan dilakukan analisis proses kendali statistik. Sebelum dilakukan analisis proses kendali statistik maka harus dilakukan uji kenormalan data terlebih dahulu dengan menggunakan Uji Kolmogorov-Smirnov dan didapatkan hasil pengujian sebagai berikut.

Gambar 3.1 Plot Distribusi untuk Data Sampel

Berdasarkan Gambar 3.1 Plot distribusi untuk data sampel, didapatkan nilai P < 0,01. Dengan menggunakan = 0,05 maka dapat dikatakan bahwa data tidak berdistribusi normal. 3.2

Uji Keacakan data

Setelah dilakukan pengujian terhadap uji kenormalan maka selanjutnya akan dilakukan pengujian terhadap keacakan data. Dengan menggunakan Uji Run Test, didapatkan hasil pengujian sebagai berikut. Runs above and below K = 49.7854

The observed number of runs = 65

The expected number of runs = 60.7333

64 observations above K, 56 below

P-value = 0.432Tabel 3.1 Uji Keacakan Sampel

Berdasarkan tabel 3.1 Uji Keacakan Sampel, didapatkan P-value 0,432. Dengan menggunakan = 0,05 dapat disimpulkan bahwa data tidak menunjukkan pola tertentu (random). 3.3 Peta Kendali Xbar - R

Karena data tidak berdistribusi normal maka diasumsikan data mengikuti distribusi normal sehingga dapat dibuat peta kendali Xbar-R. Data pengamatan terdiri dari 30 subgrup dengan ukuran sampel pada masing-masing subgrup sebanyak 4. Dengan bantuan software minitab didapatkan hasil sebagai berikut .

Gambar 3.2 Peta Kendali Xbar-R

Berdasarkan Gambar 3.2 peta kendali Xbar-R terlihat bahwa semua subgrup berada dalam batas kontrol dengan batas kendali atas (UCL) sebesar 50,836, Center Line (CL) 49,785 dan batas kendali bawah (LCL) sebesar 48,734. Sedangkan pada peta kendali R juga terlihat bahwa semua subgrup juga berada dalam batas kontrol dengan batas kendali atas (UCL) sebesar 3,291, Center Line (CL) adalah Rbar sebesar 1,443 dan batas kendali bawah (LCL) sebesar 0.3.4

Peta Kendali Xbar S

Peta kendali Peta Kendali XbarS pada umumnya dibuat pada saat sampel besar, namun peta kendali XbarS ini juga bisa dibuat dalam sampel kecil seperti dalam kasus ini, dimana sampel berjumlah 4 dengan subgroup berjumlah 30. Dengan bantuan software minitab didapatkan hasil sebagai berikut .

Gambar 3.3 Peta Kendali Xbar-SBerdasarkan Gambar 3.3 Peta Kendali Xbar-S terlihat bahwa semua subgrup berada dalam batas kontrol dengan batas kendali atas (UCL) sebesar 50,846, Center Line (CL) 49,785 dan batas kendali bawah (LCL) sebesar 48,725. Sedangkan pada peta kendali S juga terlihat bahwa semua subgrup juga berada dalam batas kontrol dengan batas kendali atas (UCL) sebesar 1.476, Center Line (CL) adalah Sbar sebesar 0.651, batas kendali bawah (LCL) sebesar 0.3.5 Perbandingan Peta Kendali Xbar S dan Peta Kendali Xbar R

Gambar 3.4 Perbandingan Peta Kendali Xbar-S dan Peta Kendali Xbar RBerdasarkan Gambar 3.4 Perbandingan Peta Kendali Xbar-S dan Peta Kendali Xbar R terlihat bahwa batas kendali atas dan batas kendali bawah peta kendali Xbar R lebih sempit jika dibandingkan dengan peta kendali Xbar-S, sehingga pada sampel yang kecil akan lebih baik jika menggunakan peta kendali Xbar R.4. Kesimpulan dan saran

Berdasarkan peta kendali Xbar-S dan peta kendali XbarR dapat disimpulkan bahwa rata-rata panjang keramik dalam setiap subgroup dalam kondisi in-kontrol atau tidak terjadi cacat produk. Kondisi ini menunjukkan bahwa produk keramik kayu lantai di CV. Tri Makmur Sentosa dengan variabel pengamatan panjang keramik sudah sesuai dengan spesifikasi yang ditentukan oleh perusahaan. Dengan kondisi ini maka dapat di sarankan bahwa batas peta kendali dari Xbar-S dan peta kendali Xbar R saat ini bisa digunakan sebagai batas kendali dalam proses selanjutnya dengan lebih mengutamakan untuk membuat peta kendali Xbar-R karena batas-batas dari peta kendali Xbar R memiliki selang yang lebih sempit.Nama: Rida Dwi Lestari

NRp: 1310100086

Nama: Mochamad Afandi

NRp: 1310100059

Runs Test: sampel

Runs test for sampel

Runs above and below K = 49.7854

The observed number of runs = 65

The expected number of runs = 60.7333

64 observations above K, 56 below

P-value = 0.432

_1424344144

_1424344145