BAB 4 HASIL DAN PEMBAHASAN
|
|
- Widya Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 4 HASIL DAN PEMBAHASAN 4. Hasil Pengumpulan Data Tabel 4. Tabel Pengumpulan Data Jam Tgl Variabel 9: : : 4: 5: 8/8/5 Tebal Material Kecepatan Potong Hasil Pemotongan /8/5 Tebal Material Kecepatan Potong Hasil Pemotongan /8/5 Tebal Material Kecepatan Potong Hasil Pemotongan /8/5 Tebal Material Kecepatan Potong Hasil Pemotongan /8/5 Tebal Material.5 8 Kecepatan Potong Hasil Pemotongan /8/5 Tebal Material.5 Kecepatan Potong Hasil Pemotongan /8/5 Tebal Material Kecepatan Potong Hasil Pemotongan /8/5 Tebal Material 8 8 Kecepatan Potong Hasil Pemotongan /8/5 Tebal Material Kecepatan Potong Hasil Pemotongan
2 Tabel 4. Tabel Pengumpulan Data (Lanjutan ) Jam Tgl Variabel 9: : : 4: 5: 3/8/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material 8 6 Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material 8 6 Kecepatan Potong Hasil Pemotongan
3 Tabel 4.3 Tabel Pengumpulan Data (Lanjutan ) Jam Tgl Variabel 9: : : 4: 5: /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material 6 Kecepatan Potong Hasil Pemotongan /9/5 Tebal Material Kecepatan Potong Hasil Pemotongan
4 4. Analisis Data dan Pembahasan 4.. Peta Kontrol Dari data variabel hasil pengukuran terhadap 3 sampel, masing-masing berukuran 5, yang diperoleh pada periode 8 Agustus 3 September 5, dipilih peta kontrol X-bar dan R yang digunakan untuk mengendalikan proses pada cutting machine. Dimana pembuatan peta kontrol ini dilakukan dengan dua cara, yakni dengan bantuan software minitab 3 for windows dan juga perhitungan secara manual. a. Pembuatan peta kontrol dengan bantuan software minitab 3 for windows. Langkah-langkah pembuatan peta kontrol dengan menggunakan Minitab 3 for windows : Pada worksheet masukkan data yang akan diolah. Kemudian pada menu bar pilih Stat Control Charts Xbar-R... Pada single column, masukkan kolom yang hendak dibuat peta kontrolnya (C untuk variabel input tebal material, C untuk variabel input kecepatan potong, C3 untuk variabel respon hasil pemotongan), dan pada subgroup size masukkan ukuran subgroup dari data tersebut.
5 Gambar 4. Tampilan layar minitab untuk membuat peta kontrol Kemudian klik OK. Xbar/R Chart for Tebal Materi Sample Mean Subgroup 3 UCL=.34 Mean=8.777 LCL=6. UCL=9.49 Sample Range 5 R=4.45 LCL= Grafik 4. Xbar/R Chart untuk variabel input Tebal Material.
6 Xbar/R Chart for Kecepatan Po 6 UCL=6.4 Sample Mean 57 5 Subgroup 3 Mean=573.9 LCL=57.4 Sample Range UCL=7.5 R=8.63 LCL= Grafik 4. Xbar/R Chart untuk variabel input Kecepatan Potong. Xbar/R Chart for Hasil Pemoto Sample Mean UCL=4.59 Mean=4.9 LCL=3.59 Subgroup 3 Sample Range UCL=.83 R=.8666 LCL= Grafik 4.3 Xbar/R Chart untuk variabel respon Hasil Pemotongan.
7 b. Pembuatan peta kontrol dengan perhitungan secara manual. Tabel 4.4 Lembar Perhitungan Untuk Pembuatan Peta Kontrol X-bar dan R Untuk Variabel Tebal Material Ukuran subgroup (n = 5) Perhitungan yang perlu Sampel x x x 3 x 4 x 5 Jumlah Ratarata (R) Range (X-bar) Jumlah = Rata-rata = (X-double bar) 4.45 (R-bar)
8 Keterangan : Rata-rata (X-bar) dari setiap sampel adalah nilai rata-rata pengukuran dari sample tersebut. Sebagai misal: X-bar pada sampel = Σ X / n = 38.5 / 5 = 7.7 Range adalah jarak antara nilai pengukuran terbesar dan nilai pengukuran terkecil. Sebagai misal: Range pada sampel = R =.5 6 = 6.5 X-double bar merupakan garis tengah (central line = CL) dari peta kontrol X-bar, yang merupakan nilai rata-rata keseluruhan (rata-rata dari X-bar), dihitung sebagai berikut: X-double bar = ( ) / 3 = 63.3 / 3 = = 8.78 (dibulatkan) R-bar merupakan garis tengah (central line = CL) dari peta kontrol R, yang merupakan nilai rata-rata dari range data, dihitung sebagai berikut: R-bar = ( ) / 3 = 33.5 / 3 = 4.45 Berbagai nilai koefisien A, D3, D4, d, untuk ukuran subgroup (n), yang diperlukan dalam membangun peta kontrol terkendali dari X-bar dan R ditunjukkan dalam Tabel 4.5.
9 Tabel 4.5 Daftar Nilai Koefisien Dalam Perhitungan Batas-Batas Peta Kontrol X-bar dan R Serta Indeks Kapabilitas Proses Ukuran sample (n) Koefisien Untuk Batas Kontrol X-bar Koefisien Untuk Batas Kontrol R Koefisien Untuk Menduga Simpangan Baku, s d A D 3 D Berdasarkan hasil perhitungan dalam Tabel 4.4, dapat dibangun peta kontrol X-bar dan R, dengan batas-batas kontrol 3-sigma sebagai berikut: Peta kontrol X-bar: CL = X-double bar = 8.78 UCL=X-double bar + ( A )R-bar= (.577)(4.45)=.35 (dibulatkan) LCL=X-double bar - ( A )R-bar= (.577)(4.45)=6. (dibulatkan) Peta kontrol R: CL = R-bar = 4.45 UCL = ( D 4 )R-bar = (.4)(4.45) = 9.4 (dibulatkan) LCL = ( D 3 )R-bar = ()(4.45) =
10 Setelah dilakukan perhitungan untuk membuat peta kontrol X-bar dan R bagi data variabel input tebal material, dengan menggunakan software minitab 3 for windows serta dengan perhitungan manual (menunjukkan hasil yang sama, baik dengan software minitab 3 for windows maupun secara manual), menunjukkan data variabel hasil pengukuran yang dilakukan pada tanggal 8 Agustus 3 September 5 tidak ada yang melewati batas kontrol. Ini berarti variabel input tebal material terkontrol.
11 Jumlah = Rata-rata = Tabel 4.6 Lembar Perhitungan Untuk Pembuatan Peta Kontrol X-bar dan R Untuk Variabel Kecepatan Potong Ukuran subgroup (n = 5) Perhitungan yang perlu Sampel x x x 3 x 4 x 5 Jumlah Ratarata (R) Range (X-bar) (Xdouble bar) (R-bar)
12 Keterangan : Rata-rata (X-bar) dari setiap sampel adalah nilai rata-rata pengukuran dari sample tersebut. Sebagai misal: X-bar pada sampel = Σ X / n = 959 / 5 = 59.8 Range adalah jarak antara nilai pengukuran terbesar dan nilai pengukuran terkecil. Sebagai misal: Range pada sampel = R = = 84 X-double bar merupakan garis tengah (central line = CL) dari peta kontrol X-bar, yang merupakan nilai rata-rata keseluruhan (rata-rata dari X-bar), dihitung sebagai berikut: X-double bar = ( ) / 3 = 7.8 / 3 = = (dibulatkan) R-bar merupakan garis tengah (central line = CL) dari peta kontrol R, yang merupakan nilai rata-rata dari range data, dihitung sebagai berikut: R-bar = ( ) / 3 = 49 / 3 = = 8.63 (dibulatkan) Berdasarkan hasil perhitungan dalam Tabel 4.6, dapat dibangun peta kontrol X-bar dan R, dengan batas-batas kontrol 3-sigma sebagai berikut: Peta kontrol X-bar:
13 CL = X-double bar = UCL = X-double bar + ( A )R-bar = (.577)(8.63) = 6.45 (dibulatkan) LCL = X-double bar - ( A )R-bar = (.577)(8.63) Peta kontrol R: = 57.4 (dibulatkan) CL = R-bar = 8.63 UCL = ( D 4 )R-bar = (.4)(8.63) = 7.45 (dibulatkan) LCL = ( D 3 )R-bar = ()(8.63) = Setelah dilakukan perhitungan untuk membuat peta kontrol X-bar dan R bagi data variabel input kecepatan potong, dengan menggunakan software minitab 3 for windows serta dengan perhitungan manual (menunjukkan hasil yang sama, baik dengan software minitab 3 for windows maupun secara manual), menunjukkan data variabel hasil pengukuran yang dilakukan pada tanggal 8 Agustus 3 September 5 tidak ada yang melewati batas kontrol. Ini berarti variabel input kecepatan potong terkontrol.
14 Tabel 4.7 Lembar Perhitungan Untuk Pembuatan Peta Kontrol X-bar dan R Untuk Variabel Hasil Pemotongan Ukuran subgroup (n = 5) Perhitungan yang perlu Sampel x x x 3 x 4 x 5 Jumlah Rata-rata Range (X-bar) (R) Jumlah = Rata-rata = 4.9 (X-double bar).867 (R-bar)
15 Keterangan : Rata-rata (X-bar) dari setiap sampel adalah nilai rata-rata pengukuran dari sample tersebut. Sebagai misal: X-bar pada sampel = Σ X / n =.667 / 5 = Range adalah jarak antara nilai pengukuran terbesar dan nilai pengukuran terkecil. Sebagai misal: Range pada sampel = R = =.667 X-double bar merupakan garis tengah (central line = CL) dari peta kontrol X-bar, yang merupakan nilai rata-rata keseluruhan (rata-rata dari X-bar), dihitung sebagai berikut: X-double bar = ( ) / 3 =.658 / 3 = 4.9= 4.(dibulatkan) R-bar merupakan garis tengah (central line = CL) dari peta kontrol R, yang merupakan nilai rata-rata dari range data, dihitung sebagai berikut: R-bar = ( ) / 3 = / 3 =.867 =.87 (dibulatkan) Berdasarkan hasil perhitungan dalam Tabel 4.7, dapat dibangun peta kontrol X-bar dan R, dengan batas-batas kontrol 3-sigma sebagai berikut: Peta kontrol X-bar: CL = X-double bar = 4.
16 UCL = X-double bar + ( A )R-bar = 4. + (.577)(.87) = 4.5 (dibulatkan) LCL = X-double bar - ( A )R-bar = 4. - (.577)(.87) Peta kontrol R: = 3.5 (dibulatkan) CL = R-bar =.87 UCL = ( D 4 )R-bar = (.4)(.87) =.84 (dibulatkan) LCL = ( D 3 )R-bar = ()(.87) = Setelah dilakukan perhitungan untuk membuat peta kontrol X-bar dan R bagi data variabel respon atau output hasil pemotongan, dengan menggunakan software minitab 3 for windows serta dengan perhitungan manual (menunjukkan hasil yang sama, baik dengan software minitab 3 for windows maupun secara manual), menunjukkan data variabel hasil pengukuran yang dilakukan pada tanggal 8 Agustus 3 September 5 tidak ada yang melewati batas kontrol. Ini berarti variabel respon atau output hasil pemotongan terkontrol.
17 4.. Analisis Capability Process (CP) Setelah dibuktikan, bahwa data variabel hasil pengukuran yang dilakukan pada 8 Agustus 3 September 5 sudah terkontrol (proses stabil), langkah selanjutnya yaitu menganalisa apakah kemampuan proses tersebut baik atau tidak (capable or not), dengan melakukan analisis capability process (CP). Analisis kemampuan proses digunakan untuk mengukur kinerja proses. Proses analisis ini bisa dilakukan setelah proses berada dalam batas kontrol (in control). Analisis capability process (CP), dapat dilakukan dengan bantuan software minitab 3 for windows serta perhitungan secara manual. a. Analisis capability process (CP) dengan software minitab 3 for windows Langkah-langkah yang dilakukan dalam analisis capability process (CP) dengan menggunakan software minitab 3 for windows: Pada worksheet masukkan data yang akan diolah. Kemudian pada menu bar pilih Stat Quality Tools Capability Analysis (Normal)... Maka muncul layar seperti pada Gambar 4. Pada single column masukkan kolom yang akan dianalisis (C untuk tebal material, C untuk kecepatan potong, C3 untuk hasil pemotongan). Pada subgroup size masukkan jumlah subgroup (subgroup = 5).
18 Masukkan Lower spec dan Upper spec (Tebal material L = 3 mm, U = 5 mm ; Kecepatan potong L = 46 mm / menit, U = 68 mm / menit ; Hasil pemotongan L =.667, U = 5 ) Gambar 4. Layar minitab untuk analisis capability process Kemudian klik OK.
19 Process Capability Analysis for Tebal Materi Process Data LSL USL USL Target LSL Mean 5. * Within Overall Sample N StDev (Within) StDev (Overall) Potential (Within) Capability Cp CPU CPL Cpk Cpm * Overall Capability Pp.93 PPU.97 Observed Performance PPM < LSL. PPM > USL. Exp. "Within" Performance PPM < LSL PPM > USL 34.8 Exp. "Overall" Performance PPM < LSL PPM > USL PPL Ppk.9.9 PPM Total. PPM Total PPM Total Gambar 4.3 Capability Process untuk variabel Tebal Material Berdasarkan ukuran indeks performansi, diketahui bahwa C PK =.93 = CPL. Hal ini berarti bahwa nilai rata-rata tebal material dari proses pemotongan material di PT Basuki Pratama Engineering sekarang, yaitu sebesar: 6 mm, adalah lebih dekat ke batas spesifikasi bawah yang ditetapkan, LSL = 3 mm, sekaligus menunjukkan bahwa proses tidak mampu memenuhi batas spesifikasi bawah (LSL = 3 mm) karena nilai CPL =.93 berada dalam kriteria CPL<. (tidak mampu memenuhi batas spesifikasi bawah, LSL). Sebaliknya CPU =. menunjukkan bahwa proses mampu, namun perlu pengendalian ketat memenuhi batas spesifikasi atas (USL = 5 mm), karena nilai CPU =. berada dalam kriteria. CPU.33 (kapabilitas
20 proses baik, namun perlu pengendalian ketat untuk memenuhi batas spesifikasi atas, USL). Process Capability Analysis for Kecepatan Po Process Data LSL USL USL Target LSL Mean 68. * Within Overall Sample N StDev (Within) StDev (Overall) Potential (Within) Capability Cp CPU CPL Cpk.6... Cpm * Overall Capability Pp.6 PPU. Observed Performance PPM < LSL. PPM > USL. Exp. "Within" Performance PPM < LSL 55. PPM > USL 4.43 Exp. "Overall" Performance PPM < LSL PPM > USL 74. PPL Ppk.. PPM Total. PPM Total PPM Total Gambar 4.4 Capability Process untuk variabel Kecepatan Potong Berdasarkan ukuran indeks performansi, diketahui bahwa C PK =. = CPU. Hal ini berarti bahwa nilai rata-rata kecepatan potong dari proses pemotongan material di PT Basuki Pratama Engineering sekarang, yaitu sebesar: 645 mm /menit, adalah lebih dekat ke batas spesifikasi atas yang ditetapkan, USL = 68 mm / menit, sekaligus menunjukkan bahwa proses mampu memenuhi batas spesifikasi atas, namun perlu pengendalian ketat (USL = 68 mm / menit) karena nilai CPU =. berada dalam kriteria. CPU.33 (mampu memenuhi batas spesifikasi atas, USL, namun perlu pengendalian ketat). Begitu pula dengan CPL =. menunjukkan bahwa
21 proses mampu, namun perlu pengendalian ketat memenuhi batas spesifikasi bawah (USL = 46 mm / menit), karena nilai CPL =. berada dalam kriteria. CPU.33 (kapabilitas proses baik, namun perlu pengendalian ketat untuk memenuhi batas spesifikasi bawah, LSL). Process Capability Analysis for Hasil Pemoto Process Data LSL USL USL Target LSL Mean 5. * Within Overall Sample N StDev (Within) StDev (Overall) Potential (Within) Capability Cp CPU CPL Cpk Cpm * Overall Capability Pp.4 PPU.89 Observed Performance PPM < LSL. PPM > USL. Exp. "Within" Performance PPM < LSL 4.8 PPM > USL Exp. "Overall" Performance PPM < LSL 6.6 PPM > USL PPL Ppk..89 PPM Total. PPM Total PPM Total 49.4 Gambar 4.5 Capability Process untuk variabel Hasil Pemotongan Berdasarkan ukuran indeks performansi, diketahui bahwa C PK =.9 = CPU. Hal ini berarti bahwa nilai rata-rata tingkat hasil pemotongan dari proses pemotongan material di PT Basuki Pratama Engineering sekarang, yaitu sebesar: 4.667, adalah lebih dekat ke batas spesifikasi atas yang ditetapkan, USL = 5, sekaligus menunjukkan bahwa proses tidak mampu memenuhi batas spesifikasi atas (USL = 5)
22 karena nilai CPU =.9 berada dalam kriteria CPU<. (tidak mampu memenuhi batas spesifikasi atas, USL). Sebaliknya CPL =. menunjukkan bahwa proses mampu, namun perlu pengendalian ketat memenuhi batas spesifikasi bawah (LSL =.667), karena nilai CPL =. berada dalam kriteria. CPU.33 (kapabilitas proses baik, namun perlu pengendalian ketat untuk memenuhi batas spesifikasi bawah, LSL). b. Analisis capability process (CP) dengan perhitungan manual Untuk variabel input tebal material. C p = (USL LSL) / 6s s = R-bar / d = 4.45 /.36 =.936 C p = (5-3) / (6)(.936) =.45 (dibulatkan) C PK = min (CPL;CPU), dimana: CPL = (X-double bar LSL) / 3(R-bar / d ) = (8.78 3) / (3)(.936) =. (dibulatkan) CPU = (USL X-double bar) / 3(R-bar / d ) = (5 8.78) / (3)(.936) =.8 (dibulatkan) C PK = min (CPL,CPU) = min (. ;.8) =. Berdasarkan ukuran indeks performansi secara perhitungan manual (dengan hasil yang berbeda tipis dengan yang menggunakan software minitab 3 for
23 windows), diketahui bahwa C PK =. = CPL. Hal ini berarti bahwa nilai ratarata tebal material dari proses pemotongan material di PT Basuki Pratama Engineering sekarang, yaitu sebesar: 6 mm, adalah lebih dekat ke batas spesifikasi bawah yang ditetapkan, LSL = 3 mm, sekaligus menunjukkan bahwa proses mampu memenuhi batas spesifikasi bawah, namun perlu pengendalian yang ketat (LSL = 3 mm) karena nilai CPL =. berada dalam kriteria. CPL.33 (mampu memenuhi batas spesifikasi bawah, LSL, namun perlu pengendalian ketat). Begitu pula dengan CPU =.8 menunjukkan bahwa proses mampu, namun perlu pengendalian ketat memenuhi batas spesifikasi atas (USL = 5 mm), karena nilai CPU =.8 berada dalam kriteria. CPU.33 (kapabilitas proses baik, namun perlu pengendalian ketat untuk memenuhi batas spesifikasi atas, USL). Untuk variabel input kecepatan potong. C p = (USL LSL) / 6s s = R-bar / d = 8.63 /.36 = C p = (68-46) / (6)( ) =.6 (dibulatkan) C PK = min (CPL;CPU), dimana: CPL = (X-double bar LSL) / 3(R-bar / d ) = ( ) / (3)( ) =. (dibulatkan) CPU = (USL X-double bar) / 3(R-bar / d ) = ( ) / (3)( ) =. (dibulatkan)
24 C PK = min (CPL,CPU) = min (. ;.) =. Berdasarkan ukuran indeks performansi secara perhitungan manual (dengan hasil yang sama menggunakan software minitab 3 for windows), diketahui bahwa C PK =. = CPU. Hal ini berarti bahwa nilai rata-rata kecepatan potong dari proses pemotongan material di PT Basuki Pratama Engineering sekarang, yaitu sebesar: 645 mm /menit, adalah lebih dekat ke batas spesifikasi atas yang ditetapkan, USL = 68 mm / menit, sekaligus menunjukkan bahwa proses mampu memenuhi batas spesifikasi atas, namun perlu pengendalian ketat (USL = 68 mm / menit) karena nilai CPU =. berada dalam kriteria. CPU.33 (mampu memenuhi batas spesifikasi atas, USL, namun perlu pengendalian ketat). Begitu pula dengan CPL =. menunjukkan bahwa proses mampu, namun perlu pengendalian ketat memenuhi batas spesifikasi bawah (USL = 46 mm / menit), karena nilai CPL =. berada dalam kriteria. CPU.33 (kapabilitas proses baik, namun perlu pengendalian ketat untuk memenuhi batas spesifikasi bawah, LSL). Untuk variabel output hasil pemotongan. C p = (USL LSL) / 6s s = R-bar / d =.87/.36 =.3743 C p = (5-.667) / (6)(.3743) =.4 (dibulatkan) C PK = min (CPL;CPU), dimana:
25 CPL = (X-double bar LSL) / 3(R-bar / d ) = (4..667) / (3)(.3743) =. (dibulatkan) CPU = (USL X-double bar) / 3(R-bar / d ) = (5 4.) / (3)(.3743) =.88 (dibulatkan) C PK = min (CPL,CPU) = min (. ;.88) =.88 Berdasarkan ukuran indeks performansi secara perhitungan manual (dengan hasil yang berbeda tipis dengan menggunakan software minitab 3 for windows), diketahui bahwa C PK =.88 = CPU. Hal ini berarti bahwa nilai ratarata tingkat hasil pemotongan dari proses pemotongan material di PT Basuki Pratama Engineering sekarang, yaitu sebesar: 4.667, adalah lebih dekat ke batas spesifikasi atas yang ditetapkan, USL = 5, sekaligus menunjukkan bahwa proses tidak mampu memenuhi batas spesifikasi atas (USL = 5) karena nilai CPU =.88 berada dalam kriteria CPU<. (tidak mampu memenuhi batas spesifikasi atas, USL). Sebaliknya CPL =. menunjukkan bahwa proses mampu, namun perlu pengendalian ketat memenuhi batas spesifikasi bawah (LSL =.667), karena nilai CPL =. berada dalam kriteria. CPU.33 (kapabilitas proses baik, namun perlu pengendalian ketat untuk memenuhi batas spesifikasi bawah, LSL).
26 4..3 Diagram Sebab-Akibat (cause and effect diagram) Diagram sebab akibat menjelaskan hal-hal yang mempengaruhi setiap variabel yang mempengaruhi proses kerja dari mesin potong (cutting machine), baik variabel input yaitu tebal material dan kecepatan potong, dan juga variabel output (respone variable) dari mesin yaitu hasil pemotongan. Supplier Komposisi Harga Volume Standar Pembelian Material Tebal Material Bentuk Material Jenis Material Diagram 4. Diagram Sebab Akibat Variabel Input Tebal Material Dari diagram sebab akibat diatas dapat dilihat hal-hal yang mempengaruhi variabel input tebal material, yaitu: Supplier Hal-hal yang mempengaruhi tebal material dari faktor supplier yaitu harga dari material, karena harga sangat mempengaruhi kualitas dari material itu
27 sendiri, selain itu volume pembelian, terkadang volume pembelian sangat mempengaruhi kondisi dari material, semakin besar volume, semakin besar kemungkinan kondisi dari material tidak diperhatikan. Hal lain yaitu standar material dari supplier itu sendiri, ada supplier yang hanya memiliki standar yang rendah untuk material yang di suplainya. Jenis Material Komposisi dan bentuk material sebagai penentu apa jenis material tersebut. Material Mesin Tebal Material Komposisi Setting mesin Diameter Nojle Umur Pakai Skil / Pengalaman Tekanan Oksigen Kecepatan Potong Manusia Diagram 4. Diagram Sebab Akibat Variabel Input Kecepatan Potong
28 Dari diagram sebab akibat pada Diagram 4. dapat dilihat hal-hal yang mempengaruhi variabel input kecepatan potong, yaitu: Manusia Pengoperasian mesin oleh manusia sangat dipengaruhi oleh setting mesin dari manusia itu, serta pengalaman / skil dari manusia tersebut. Pengalaman yang baik dari manusia mengakibatkan setting mesin yang baik pula, sehingga kecepatan potong juga baik. Mesin Umur mesin terkadang sebagai tolak ukur kinerja mesin tersebut. Selain itu spesifikasi dari mesin seperti diameter nojle dan juga tekanan gas mempengaruhi kinerja mesin yang juga memepengaruhi kecepatan potong dari mesin tersebut. Material Material yang baik, kecepatan potong akan terkontrol dengan baik. Tebal dan komposisi dari material sangat mempengaruhi kondisi dari material.
29 Jenis Material Kecepatan Potong Manusia Mesin Material Supplier Hasil Pemotongan Tebal Material Diagram 4.3 Diagram Sebab Akibat Variabel Output Hasil Pemotongan Dari diagram sebab akibat diatas dapat dilihat hal-hal yang mempengaruhi variabel output hasil pemotongan, yaitu: Kecepatan potong Variabel input yang baik menyebabkan hasil pemotongan yang baik pula. Seperti yang telah dijelaskan pada Diagram 4., hal-hal yang mempengaruhi kecepatan potong. Tebal material Variabel input yang baik menyebabkan hasil pemotongan yang baik pula. Seperti yang telah dijelaskan pada Diagram 4., hal-hal yang mempengaruhi tebal material.
30 4..4 ANOVA (Analysis Of Variance) Dari data hasil pengukuran yang dilakukan di PT Basuki Pratama Engineering pada tanggal 8 Agustus 3 September 5. Akan dilakukan suatu rancangan percobaan (desain eksperimen). Langkah-langkah dalam melakukan desain eksperimen, yaitu: Pertama-tama, tentukan setting faktor percobaan. Tabel 4.8 Setting Faktor Percobaan Faktor Low Level (-) High Level (+) Tebal Material (A) 6 mm.5 mm Kecepatan Potong (B) 58 mm /menit 645 mm /menit Kedua, lakukan replikasi. Replikasi didapatkan dari data yang telah diperoleh periode 8 Agustus 3 September 5, yang sesuai dengan kombinasi treatment (perlakuan) yang ada. Tabel 4.9 Data Hasil Percobaan (Replikasi) Faktor Treatment Replicated Total A B Combination I II III (-) - - A Low, B Low A + - A High, B Low B - + A Low, B High AB + + A high, B High Σ Ketiga, lakukan pengacakan atau randomisasi. Randomisasi dilakukan dengan menggunakan software minitab 3 for windows, dengan langkah-langkah sebagai berikut:
31 . Stat DOE Factorial Create Factorial Design. Pada Create Factorial Design, klik level factorial design (default generators). Number of factor isi dengan. Gambar 4.6 Tampilan Layar Minitab Create Factorial Design 3. Klik Design, kemudian, Number of Replicates diisi dengan 3. Gambar 4.7 Tampilan Layar Minitab Create Factorial Design-Design
32 4. Klik OK 5. Masukkan data seperti tabel di bawah ini Tabel 4. Tabel Pengacakan (Randomize) 6. Stat DOE Factorial Analyze Factorial Design. Pada respones isi C7. Klik OK.
33 Output adalah sebagai berikut: Factorial Design Full Factorial Design Factors: Base Design:, 4 Runs: Replicates: 3 Blocks: none Center pts (total): All terms are free from aliasing Fractional Factorial Fit: treatment versus Tebal Materi, Kecepatan Po Estimated Effects and Coefficients for treatmen (coded units) Term Effect Coef SE Coef T P Constant Tebal Ma Kecepata Tebal Ma*Kecepata Analysis of Variance for treatmen (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects Way Interactions Residual Error Pure Error Total. Alias Structure I Tebal Kecepata Tebal*Kecepata Dilihat dari hasil perhitungan anova dengan menggunakan software minitab 3 for windows, pada nilai P diperoleh nilai P untuk tebal material adalah.8 < α, dimana α =.5, ini berarti faktor tebal material signifikan, nilai P untuk kecepatan potong adalah. < α, dimana α =.5, ini berarti
34 faktor kecepatan potong signifikan, nilai P untuk interaksi antara faktor tebal material dan faktor kecepatan potong adalah.37 < α, dimana α =.5, ini berarti interaksi antara faktor tebal material dan faktor kecepatan potong signifikan. Lakukan perhitungan ANOVA dua arah dengan menggunakan software minitab 3 for windows, dengan langkah-langkah sebagai berikut:. Stat ANOVA Two-way.... Pada Response masukkan C7 Treatment, pada Row Factor masukkan C5 Tebal material, pada Column Factor masukkan C6 Kecepatan Potong. Gambar 4.8 Tampilan Layar Minitab Untuk Two-way ANOVA
35 Outputnya adalah sebagai berikut: Two-way ANOVA: treatment versus Tebal Material, Kecepatan Potong Analysis of Variance for treatmen Source DF SS MS F P Tebal Ma Kecepata Interaction Error Total. Uji ANOVA dua arah secara manual. Langkah-langkah perhitungan:. α =.5. n = jumlah replikasi = 3 3. Perhitungan: Contrast A = [a + ab b ()] = [ ] =.333 Contrast B = [b + ab a ()] = [ ] = Contrast AB = [ab + () a b] = [ ] = Effect = Contrast / n Effect A = Contrast A / n =.333 / ()(3) =.3888 Effect B = Contrast B / n = / ()(3) =.6 Effect AB = Contrast AB / n = / ()(3) = Sum Of Square (SS) = Contrast / 4 n
36 SS A = (Contrast A) / 4 n = (.333) / (4)(3) =.454 SS B = (Contrast B) / 4 n = (3.667) / (4)(3) =. SS AB = (Contrast AB) / 4 n = (-.665) / (4)(3) =.3 SS SS SS T T E = i= j= k= = = SS T n SS Y A ijk SS Y... 4n B SS AB () 3 =. = =.96 Tabel 4. Tabel Perhitungan ANOVA Dua Arah Manual Source Of Variance Sum Of Square (SS) Dof Mean Square (MS) Fo Tebal Material (A) Kecepatan Potong (B) SS A =.454 SSB =. AB SS AB =.3 Error SS E =.96 Total SS T =. Σ Level A = = Σ Level B = = ( Σ Level A ) ( Σ Level B ) = ()() = Dof T - Dof A - Dof B - Dof AB = = 8 Σ Data = = SS Dof SS A Dof SS Dof SS Dof A B B AB AB E E.454 = =.454. = =..3 = =.3.96 = =.37 8 MS MS MS MS MS A E B E MS AB E =.7 = 3.97 = 6.43
37 Setelah dilakukan perhitungan, baik dengan menggunakan software minitab 3 for windows, maupun secara manual, diperoleh nilai F yang tidak berbeda jauh diantara kedua metode tersebut. Untuk faktor A, yaitu tebal material, diperoleh nilai F =. (dengan software minitab 3 for windows) dan F =.7 (dengan perhitungan manual), nilai ini dibandingkan dengan nilai F tabel ( F α [Dof A, Dof E ]) F. 5 [,8] = 5.3, karena nilai F > F. 5 [,8], maka faktor tebal material (A) signifikan. Untuk faktor B, yaitu kecepatan potong, diperoleh nilai F = 3.8 (dengan software minitab 3 for windows) dan F = 3.97 (dengan perhitungan manual), nilai ini dibandingkan dengan nilai F tabel ( F α [DofB, Dof E ]) F. 5 [,8] = 5.3, karena nilai F > F. 5 [,8], maka faktor kecepatan potong (B) signifikan. Untuk interaksi faktor tebal material (A) dan faktor kecepatan potong (B), diperoleh nilai F = 6. (dengan software minitab 3 for windows) dan F = 6.43 (dengan perhitungan manual), nilai ini dibandingkan dengan nilai F tabel ( F α [Dof A x DofB, Dof E ]) F. 5 [,8] = 5.3, karena nilai F > F. 5 [,8], maka interaksi faktor tebal material (A) dan faktor kecepatan potong (B) signifikan.
38 Interaction Plot dengan menggunakan software minitab 3 for windows. Langkah-langkahnya yaitu:. Stat DOE Factorial Factorial Plots... Gambar 4.9 Tampilan Layar Minitab Factorial Plots. Pilih Main Effect Plot, Interaction Plot, dan Cube Plot, lalu pilih setup.
39 Gambar 4. Tampilan Layar Minitab Setelah Klik Setup 3. Masukkan C7 treatment pada Responses dan masukkan faktor yang dipilih. 4. Klik OK.
40 Main Effects Plot (data means) for treatment treatment tebal materi kecepatan po Gambar 4. Main Effect Plot For Treatment Interaction Plot (data means) for treatment Mean tebal materi - - kecepatan po Gambar 4. Interaction Plot For Treatment
41 Cube Plot (data means) for treatment kecepatan po tebal materi 4. Gambar 4.3 Cube Plot For Treatment 4..5 Diagram Pareto Diagram pareto dibuat untuk mendukung kesimpulan dari analisis variansi yang telah dilakukan sebelumnya. Diagram pareto dibuat dengan menggunakan software minitab 3 for windows dan diperoleh kesimpulan yang sama, yakni faktor tebal material (A), faktor kecepatan potong (B), dan interaksi kedua faktor tersebut (A*B) berpengaruh terhadap variabel respon hasil pemotongan.
42 Pareto Chart of the Standardized Effects (response is treatmen, Alpha =.5) A: tebal ma B: kecepata B A AB Diagram 4.4 Diagram Pareto Efek Faktor-Faktor Dimana pada diagram pareto untuk tiap Faktor dapat diketahui dengan menggunakan software minitab 3 for windows dengan langkah-langkah sebagai berikut:. Stat Quality Tools Pareto Chart...
43 Gambar 4.4 Tampilan Layar Minitab Untuk Pareto Chart. Masukkan faktor yang ingin dibuat diagram paretonya pada Chart defect data in. 3. Klik OK
44 Defect Count Percent Cum % Percent Count Pareto Chart for Tebal Materi Diagram 4.5 Pareto Chart Untuk Tebal Material Others Defect Count Percent Cum % Percent Count Pareto Chart for Kecepatan Po Diagram 4.6 Pareto Chart Untuk Kecepatan Potong
45 Pareto Chart for Hasil Pemoto 5 Count Percent Defect Count Percent Cum % Diagram 4.7 Pareto Chart Untuk Hasil Pemotongan Fungsi dari diagram pareto untuk masing-masing faktor, yaitu agar dapat diketahui nilai apa yang paling berpengaruh dalam faktor tersebut.
46 4..6 Regresi Selanjutnya akan dibuat model regresi dengan menggunakan software minitab 3 for windows, dengan langkah-langkah sebagai berikut:. Stat DOE Response Surface Design Custom Responses Surface Design.. Masukkan kolom kolom yang berisi faktor percobaan pada Factors. Gambar 4.5 Tampilan Menu Define
47 3. Kemudian klik Low/High Kita dapat memasukkan nilai level rendah dan level tinggi dari setiap faktor serta memilih apakah ingin ditampilkan sebagai kode atau tidak. Kemudian klik OK. Gambar 4.6 Tampilan Menu Low/High 4. Kemudian klik Design masukkan kolom pada worksheet yang berisikan standard order, run order dan blocks ke baris yang sesuai. Kemudian klik OK.
48 Gambar 4.7 Tampilan Menu design 5. Klik OK 6. Stat DOE Response Surface Analyze Responses Surface Design...
49 Gambar 4.8 Tampilan Menu Design 7. Klik Terms pilihlah faktor-faktor yang ingin diuji kedalam kolom selected terms. Kemudian klik OK.
50 Gambar 4.9 Tampilan Menu Terms 8. Klik OK Outputnya berupa: Response Surface Regression: treatment versus Tebal materi, Kecepatan Po The following terms cannot be estimated and were removed Tebal ma*tebal ma Kecepata*Kecepata The analysis was done using coded units. Estimated Regression Coefficients for treatmen Term Coef SE Coef T P Constant Tebal ma Kecepata Tebal ma*kecepata S =.97 R-Sq = 85.9% R-Sq(adj) = 8.6%
51 Analysis of Variance for treatmen Source DF Seq SS Adj SS Adj MS F P Regression Linear Interaction Residual Error Pure Error Total. Estimated Regression Coefficients for treatmen using data in uncoded units Term Coef Constant Tebal ma.9447 Kecepata Tebal ma*kecepata Dari hasil perhitungan menggunakan software minitab memberikan hasil model regresi yaitu: Yˆ = x +.356x. 388xx, X dan X merupakan variabel yang melambangkan faktor A dan B. Misalnya, faktor A diset pada level rendah maka nilai X akan menjadi dan jika faktor B diset pada level tinggi maka nilai X akan menjadi +, begitu juga untuk faktor dan level lainnya. Berikutnya adalah membandingkan P value dengan α =.5. Karena nilai P value.5, maka disimpulkan bahwa koefisien model regresi linier dan koefisien regresi interaksi berpengaruh secara signifikan.
52 Berikut adalah perhitungan secara manual untuk menghitung koefisien untuk model regresi: = X = Y = ' X = = ' X X
53 = = ' Y X ( ) = ' X X ( ) ( ) = = ' ' Y X X X Hasil yang didapatkan antara perhitungan dengan menggunakan software minitab 3 for windows dengan perhitungan secara manual didapatkan koefisien regresi yang tidak berbeda jauh, hanya berbeda pada pembulatan dibelakang koma. Pada perhitungan manual didapatkan persamaan regresi: ˆ x x x x Y + + =.
54 4..7 Distribusi Residual Distribusi residual dibuat dengan menggunakan software minitab 3 for windows. Tujuan dari pembuatan distribusi residual yaitu untuk mengetahui apakah pengujian asumsi kenormalan telah terpenuhi atau belum. Salah satu pengujian asumsi yaitu dengan membuat normal probability plot, dengan langkah-langkah sebagai berikut:. Stat DOE Factorial Analyze Factorial Design Masukkan kolom yang berisi hasil percobaan pada Responses. Gambar 4. Tampilan Menu Analyze
55 . Klik Graphs. Masukkan nilai alpha kemudian beri tanda centang pada pilihan Residual Plots untuk Residual versus fits, dan Residuals versus order. Kemudian klik OK. Gambar 4. Tampilan Menu Graphs 3. Klik Terms, Results, Covariates, dan Storage. Pilih sesuai keinginan lalu klik OK.
56 Normal Probability Plot of the Residuals (response is treatmen) Normal Score Residual.. Gambar 4. Normal Probability Plot Dari gambar di atas dapat dilihat kalau asumsi kenormalan (distribusi error/galat adalah normal) telah terpenuhi. Hal ini ditunjukkan oleh titik-titik pada gambar di atas membentuk suatu garis lurus dan jika kita membayangkan sebuah pensil di atas garis tersebut maka semua titik akan tertutup oleh pensil tersebut. Setelah dilakukan pengecekan terhadap asumsi kenormalan maka pengujian asumsi akan dilanjutkan dengan pengecekan asumsi independensi untuk melihat apakah ada hubungan antarresidual berdasarkan urutan waktu pengambilan data. Agar dapat memenuhi asumsi ini maka diperlukan teknik randomisasi yang baik. Dari gambar dibawah terlihat bahwa plot antara nilai residual dengan urutan waktu pengambilan data tidak ada titik yang membentuk suatu pola tertentu.
57 Sehingga dapat diambil kesimpulan bahwa asumsi independensi telah terpenuhi yaitu tidak ada hubungan antarresidual. Residuals Versus the Order of the Data (response is treatmen).. Residual Observation Order 8 Gambar 4.3 Residuals Versus the orders Of The Data
58 Residuals Versus the Fitted Values (response is treatmen).. Residual Fitted Value 4.5 Gambar 4.4 Residuals Versus The Fitted Values 4..8 Contour Plot & Respon Surface Setelah diperoleh model regresi yang telah dilakukan pengujian koefisien regresi, maka diketahui koefisien mana saja yang mempengaruhi secara signifikan. Dari model tersebut maka dapat dibuat plot datanya baik itu surface plot dan contour plot. Surface plot adalah plot data berbentuk tiga dimensi dan memiliki grafik permukaan yang sesuai dengan fungsi modelnya. Sedangkan Contour plot adalah plot data berbentuk planar hasil interpretasi dari surface plot agar memudahkan dalam menganalisa hasilnya.
59 Langkah-langkah pada minitab 3 untuk membuat contour plot dan respon surface adalah sebagai berikut:. Stat DOE Response Surface Contour/Surface (Wireframe) Plots... Gambar 4.5 Tampilan Menu Contour/Surface Plots. Pilih Contour plot dan Surface (wireframe) plot, lalu pilih setup. Gambar 4.6 Tampilan Menu Setup
60 3. Pilih General plots for all pairs of factors, kemudian pada menu settings pilih Low Settings. Klik OK 4. Kilik OK. Gambar 4.7 Tampilan Menu Settings
61 Surface Plot of treatmen 4.5 treatment tebal material - kecepatan potong Gambar 4.8 Surface Plot Contour Plot of treatmen kecepatan potong tebal material Gambar 4.9 Contour Plot
62 Dari gambar surface plot terlihat bahwa faktor A (tebal material) dan faktor B (kecepatan potong) terletak di bidang alas dari kubus. Sedangkan nilai hasil pemotongan ditunjukkan dengan sumbu Y. Hasil dari setiap perubahan nilai pada faktor A dan B tersebut ditunjukkan dengan bidang yang terletak di tengah-tengah kubus. Untuk memudahkan melihat bidang tersebut, maka sebaiknya menggunakan contour plot dimana faktor A terletak pada sumbu X dan faktor B terletak pada sumbu Y dan hasil yang diperoleh untuk setiap perubahan nilai ditunjukkan dengan garis-garis miring. Pada contour plot terlihat bahwa garis hitam memiliki nilai response 3.8 yang diperoleh pada saat variabel tebal material pada level rendah dan variabel kecepatan potong berada pada level antara low dan medium, pada garis merah menunjukkan nilai response 4. yang diperoleh pada saat variabel tebal material dan variabel kecepatan potong pada level medium, pada garis hijau menunjukkan nilai response 4. yang diperoleh pada saat variabel tebal material dan variabel kecepatan potong berada pada level antara medium dan high, dan pada garis biru menunjukkan nilai response 4.4 yang diperoleh pada saat variabel tebal material dan variabel kecepatan potong berada pada level tinggi, sehingga ini berarti, agar memperoleh response yang terbaik yaitu pada saat kedua variabel input yaitu tebal material dan kecepatan potong berada pada level tinggi (tebal material =.5mm, dan kecepatan potong = 645mm/menit). Untuk tebal material 6mm,8mm, dan mm, kecepatan potong harus berada pada level high yakni 645mm/menit untuk mendapatkan response terbaik pula.
BAB 4 ANALISA DAN PEMBAHASAN
BAB 4 ANALISA DAN PEMBAHASAN 4. Data Sampel 4.. Pengambilan dan Pemilihan Data Sampel Dari pengumpulan data yang telah dilakukan, diperoleh 20 data sampel yang telah dikelompokkan menjadi subgrup-subgrup
Lebih terperinciBAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA
BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4.1 Pengumpulan Data Data yang digunakan untuk membuat peta kontrol merupakan data pengukuran dimensi pada kabel jenis NYFGbY antara bulan April 007 sampai
Lebih terperinciBAB IV PENGOLAHAN DAN ANALISA DATA
36 BAB IV PENGOLAHAN DAN ANALISA DATA Langkah berikutnya adalah mengolah data-data yang telah dikumpulkan untuk dihitung jumlah dominan cacat cetakan yang terjadi, kapabilitas proses dari unit pengolahan
Lebih terperinci: - Mahasiswa dapat melakukan eksperimen dengan bantuan software MINITAB
A. TUJUAN Tujuan Umum Tujuan Khusus : - Mahasiswa dapat melakukan eksperimen dengan bantuan software MINITAB : - Mahasiswa dapat menggunakan MINITAB dengan metode ANOVA - Mahasiswa dapat menggunakan MINITAB
Lebih terperinciUniversitas Bina Nusantara
Universitas Bina Nusantara Jurusan Teknik Industri Fakultas Teknik Skripsi PENERAPAN METODE STATISTICAL PROCESS CONTROL (SPC) DAN DESIGN OF EXPERIMENT (DOE) PADA PROSES PEMOTONGAN MATERIAL DI PT. BASUKI
Lebih terperinciLAMPIRAN A. Daftar Riwayat Hidup. Kartu Mata Kuliah. Surat Keterangan Survey Tugas Akhir
111 LAMPIRAN A Daftar Riwayat Hidup Kartu Mata Kuliah Surat Keterangan Survey Tugas Akhir SURAT KETERANGAN SURVEY TUGAS AKHIR 114 115 LAMPIRAN B Faktor Batas Kendali Peta Variabel FAKTOR BATAS KENDALI
Lebih terperinciLAMPIRAN A RANCANGAN DAN ANALISIS PERCOBAAN DENGAN METODE RESPONSE SURFACE MENGGUNAKAN MINITAB 16 SOFTWARE
LAMPIRAN A RANCANGAN DAN ANALISIS PERCOBAAN DENGAN METODE RESPONSE SURFACE MENGGUNAKAN MINITAB 16 SOFTWARE LA-1 Rancangan Percobaan Optimasi Hidrolisis Selulosa dari Tandan Kosong Kelapa Sawit Rancangan
Lebih terperinciBAB 6 KESIMPULAN. X 1 = faktor kecepatan X 2 = faktor tekanan X 3 = faktor suhu. 0,4583 X 1 X 2, dimana:
BAB 6 KESIMPULAN 6.. Kesimpulan Dari penelitian yang telah dilakukan, maka kesimpulan yang diperoleh sebagai berikut:. Berdasarkan proses brainstorming, wawancara dan hasil penyebaran kuesioner awal diperoleh
Lebih terperinciANANALISIS EFISIENSI SISTEM PEMBAKARAN PADA BOILER DI PLTU UNIT III PT.PJB UP GRESIK DENGAN METODE STATISTICAL PROCESS CONTROL (SPC)
ANANALISIS EFISIENSI SISTEM PEMBAKARAN PADA BOILER DI PLTU UNIT III PT.PJB UP GRESIK DENGAN METODE STATISTICAL PROCESS CONTROL (SPC) Oleh: INTAN ALIFIYAH ILMI NRP. 2406 00 063 Pembimbing: Ir. Ya umar,
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH. Tahapan selanjutnya dalam metode Six Sigma adalah analisa. Setelah
BAB V ANALISA PEMECAHAN MASALAH 5.1 TAHAP ANALISIS (ANALYZE) Tahapan selanjutnya dalam metode Six Sigma adalah analisa. Setelah melakukan pengukuran untuk mengetahui akar masalah secara kuantitatif. Alat
Lebih terperinciANALISA PERFORMANCE MESIN PENGUPAS KAYU (ROTARY) PT. HENRISON IRIANA SORONG MENGGUNAKAN METODE INDEKS KAPABILITAS
ANALISA PERFORMANCE MESIN PENGUPAS KAYU (ROTARY) PT. HENRISON IRIANA SORONG MENGGUNAKAN METODE INDEKS KAPABILITAS Ashar 1, Irman Amri 2*, Usran 3 1 Dosen Program Studi Teknik Industri Universitas Muhammadiyah
Lebih terperinciBAB 6 KESIMPULAN DAN SARAN
BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan 1. Faktor-faktor yang mempengaruhi kualitas hasil proses produksi Genteng Super DD Hidrolik.adalah: a. Komposisi jenis lempung (faktor A) b. Kecepatan penggilingan
Lebih terperinciOptimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk
Jurnal Rekayasa Mesin Vol.4, No.3 Tahun 3: 77-8 ISSN 6-468X Optimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk Franscisca Gayuh Utami Dewi, Femiana Gapsari Jurusan Teknik Mesin Fakultas
Lebih terperinciANALISIS EFISIENSI MESIN POMPA PADA RUMAH POMPA PDAM SURABAYA UNIT X DENGAN METODE STATISTICAL PROCESS CONTROL (SPC) Oleh: Resty Dwi S.
ANALISIS EFISIENSI MESIN POMPA PADA RUMAH POMPA PDAM SURABAYA UNIT X DENGAN METODE STATISTICAL PROCESS CONTROL (SPC) Oleh: Resty Dwi S. 240905022 Ir.Ya umar,mt Dosen Pembimbing: Ir.Ali Musyafa, MSc Diperlukan
Lebih terperinciANALISIS PERBAIKAN POWER QUALITY UNTUK PENCAPAIAN EFISIENSI ENERGI DI RS. X
ANALISIS PERBAIKAN POWER QUALITY UNTUK PENCAPAIAN EFISIENSI ENERGI DI RS. X Nur Yulianti Hidayah 1, Desi Rahmawaty 2 1,2) Jurusan Teknik Industri Fakultas Teknik Universitas Pancasila 1) nur.yulianti@univpancasila.ac.id,
Lebih terperinciPENERAPAN METODE SPC DAN TAGUCHI DALAM IDENTIFIKASI FAKTOR KECACATAN PRODUK RIM
PENERAPAN METODE SPC DAN TAGUCHI DALAM IDENTIFIKASI FAKTOR KECACATAN PRODUK RIM Cahyono dan Mulki Siregar Teknik Industri Universitas Islam Jakarta cahyono76@gmail.com Abstrak Meminimalkan produk cacat
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Industri - Fakultas Teknik SKRIPSI Semester Ganjil 2005/2006
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Industri - Fakultas Teknik SKRIPSI Semester Ganjil 2005/2006 PENERAPAN STATISTICAL PROCESS CONTROL (SPC) DAN DESIGN OF EXPERIMENTS (DOE) PADA MESIN CETAK FLEXO
Lebih terperinciANALISIS REGRESI DENGAN EXCEL
ANALISIS REGRESI DENGAN EXCEL Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak. Karenanya, software-software statistik umumnya
Lebih terperinciTabel Perhitungan Waktu Standar
waktu baku = = waktu 3,39 normal 100 % 100 % 17 % 100 % 100 % % allowance = 4,08 menit /container. Tabel Perhitungan Waktu Standar No 1 2 3 Proses Kerja Memindakan container dari tanah ke truk (L1) Memindakan
Lebih terperinciPada tugas akhir ini, data yang digunakan adalah data salah satu key characteristic dari suatu produk manufaktur.
BAB IV ANALISA DATA 3 BAB 4 ANALISA DATA 4.1 Pendahuluan Dalam suatu proses produksi di industri, data yang akan diolah tidak begitu saja bisa didapatkan. Ada suatu proses sehingga data tersebut bisa didapatkan,
Lebih terperinciPerencanaan dan Analisis Eksperimen dengan Minitab
UNIVERSITAS MUHAMMADIYAH PALANGKARAYA LEMBAGA PENELITIAN DAN PENGABDIAN PADA MASYARAKAT KARYA PENGABDIAN PADA MASYARAKAT Perencanaan dan Analisis Eksperimen dengan Minitab Haryadi NIDN 0003116401 i HALAMAN
Lebih terperinciOPTIMASI DIAMETER TEBAR DAN DETONASI CONE EXPLOSIVE DENGAN METODA DUAL RESPONSE SURFACE
OPTIMASI DIAMETER TEBAR DAN DETONASI CONE EXPLOSIVE DENGAN METODA DUAL RESPONSE SURFACE Siswo Hadi Sumantri, Abdullah Shahab Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember
Lebih terperinciJurnal Teknik Industri HEURISTIC Vol 11 No 1 April ISSN
PENGENDALIAN KUALITAS PEMOTONGAN KAIN SATEN PADA PROSES PEMBUATAN TAS DI HOME INDUSTRI X DI KABUPATEN SIDOARJO Erni Puspanantasari Putri Teknik Industri Universitas 17 Agustus 1945 Surabaya erniputri@untag-sby.ac.id
Lebih terperinciGRAFIKPENGENDALI VARIABEL
GRAFIKPENGENDALI VARIABEL Grafik pengendali pertamakali diperkenalkan oleh Dr. Walter Andrew Shewhart dari Bell Telephone Laboratories, Amerika Serikat, pada tahun 1924 dengan maksud untuk mengurangi variasi.
Lebih terperinciPerbandingan Peta Kendali X-R Dan EWMA Dengan Pendekatan P-Value Untuk Mendeteksi Pergeseran Rata-Rata Proses Di PT.XYZ
Perbandingan Peta Kendali X-R Dan EWMA Dengan Pendekatan P-Value Untuk Mendeteksi Pergeseran Rata-Rata Proses Di PT.XYZ Alin Widiawati 1, Faula Arina 2, Putro Ferro Ferdinant 3 1, 2, 3 Jurusan Teknik Industri
Lebih terperinciRancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri)
Rancangan Percobaan dengan SPSS 13.0 (Untuk kalangan sendiri) Statistical Product and Service Solution (SPSS) merupakan salah satu perangkat lunak/software statistik yang dapat digunakan sebagai alat pengambil
Lebih terperinciANALISIS KEMAMPUAN PROSES
ANALISIS KEMAMPUAN PROSES ì 11 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hcp://debrina.lecture.ub.ac.id/ 2 Outline ì ANALISIS
Lebih terperinciAPLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com
APLIKASI REGRESI SEDERHANA DENGAN SPSS HENDRY admin teorionline.net Phone : 02-834 4694 / email : klik.statistik@gmail.com Tentang Regresi Sederhana Analisis regresi merupakan salah satu teknik analisis
Lebih terperinciPengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi
Pengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi Novita Homer 1, Jantje D. Prang 2, Nelson Nainggolan 3 1 Program Studi Matematika, FMIPA,
Lebih terperinciBAB III METODE PENELITIAN
1 BAB III METODE PENELITIAN Metode penelitian merupakan gambaran dari tahapan yang dilalui dalam menyelesaikan suatu masalah yang ditemui dalam sebuah penelitian, dimana dibuat berdasarkan latar belakang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Kualitas Kualitas memang merupakan topik yang hangat di dunia bisnis dan akademik. Namun demikian istilah tersebut memerlukan tanggapan secara hati-hati dan perlu mendapat
Lebih terperinciPencilan. Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya
Pencilan Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya Bisa jadi terletak pada tiga atau empat simpangan baku atau lebih jauh lagi dari rata-rata
Lebih terperinciIV. METODOLOGI PE ELITIA
IV. METODOLOGI PE ELITIA 4.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan selama 4 bulan, mulai bulan Februari 2012 sampai dengan Mei 2012 di laboratorium kimia departemen Quality Control (QC)
Lebih terperinciPROCESS CAPABILITY ANALYSIS PADA NUT (STUDI KASUS: PT SANKEI DHARMA INDONESIA)
PROCESS CAPABILITY ANALYSIS PADA NUT (STUDI KASUS: PT SANKEI DHARMA INDONESIA) Helena Sisilia R. S.*, Hendy Tannady* Program Studi Teknik Industri, Universitas Bunda Mulia Jl. Lodan Raya No. 2, Ancol-Jakarta
Lebih terperinci3 BAB III METODOLOGI PENELITIAN
3 BAB III METODOLOGI PENELITIAN Bagian ketiga dari laporan skripsi ini menggambarkan langkah-langkah yang akan dijalankan dalam penelitian ini. Metodologi penelitian dibuat agar proses pengerjaan penelitian
Lebih terperinciKULIAH 4-6 PENGENDALIAN KUALITAS STATISTIKA UNTUK DATA VARIABEL
KULIAH 4-6 PENGENDALIAN KUALITAS STATISTIKA UNTUK DATA VARIABEL KOMPETENSI Mahasiswa dapat menyusun peta pengendali kualitas proses statistika untuk data variabel dengan menggunakan software statistika,
Lebih terperinciANALISIS KAPABILITAS PROSES UNTUK PENGENDALIAN KUALITAS PRODUK PEMBATAS BUKU INDUSTRI RUMAHAN
J u r n a l E K B I S / V o l. X IV/ N o. / e d i s i S e p t e m b e r 15 7 ANALISIS KAPABILITAS PROSES UNTUK PENGENDALIAN KUALITAS PRODUK PEMBATAS BUKU INDUSTRI RUMAHAN *( Diah Ayu Novitasari Fakultas
Lebih terperinciLAMPIRAN A HASIL UJI MUTU FISIK GRANUL
LAMPIRAN A HASIL UJI MUTU FISIK GRANUL Pengujian Kadar air (persen) Waktu alir (detik) Sudut diam (derajat) Indeks kompresibilitas (persen) Formula Replikasi 1 2 3 4 I 3,64 4,71 4,38 2,78 II 4,66 3,11
Lebih terperinciBAB 08 ANALISIS VARIAN 8.1 ANALISIS VARIAN SATU JALAN
BAB 08 ANALISIS VARIAN Sebagaimana yang sudah dijelaskan sebelumnya bahwa salah satu statistik parametrik yang sering digunakan dalam penelitian pendidikan yaitu Analisis Varian. Oleh karena itu pada bagian
Lebih terperinciAplikasi SPC (Statistical Process Control) dan Quality Improvement Tool Di Bagian Giling Dan Batil Rokok SKT PT. Djarum Kudus
Aplikasi SPC (Statistical Process Control) dan Quality Improvement Tool Di Bagian Giling Dan Batil Rokok SKT PT. Djarum Kudus Ida Nursanti* 1, Eny Rokhayati 2 1,2 Jurusan Teknik Industri Universitas Muhammadiyah
Lebih terperinciDidonwload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Pada bab sebelumnya telah dibahas rancangan faktorial secara umum, seringkali peneliti berhadapan pada rancangan yang melibatkan sejumlah faktor yang masing-masing faktor hanya terdiri
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Tahap Analisis (Analyse) Untuk mengetahui penyebab terjadi, Maka digunakan analisa Fish Bone diagram berdasarkan faktor material, machine, man dan method seperti gambar
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
38 BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengumpulan Data Untuk mendukung perhitungan statistikal pengendalian proses maka diperlukan data. Data adalah informasi tentang sesuatu, baik yang bersifat kualitatif
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilakukan di salah satu pabrik PT. SUCACO yang terdapat di Jl. Daan Mogot Km 16, Desa Semanan. Penelitian dilakukan pada plant
Lebih terperinciPETA KENDALI VARIABEL
PETA KENDALI VARIABEL 9 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hcp://debrina.lecture.ub.ac.id/ 2 Outline Peta Kendali Variabel
Lebih terperinciRancangan Acak Lengkap. Created by : Ika Damayanti, S.Si, M.Si
Rancangan Acak Lengkap Created b : Ika Damaanti, S.Si, M.Si RAL (Rancangan Acak Lengkap) Desain dimana perlakuan dikenakan sepenuhna secara acak kepada unit- unit eksperimen. Desain ini dapat digunakan
Lebih terperinciPENERAPAN METODE SIX SIGMA DALAM ANALISIS KUALITAS PRODUK (Studi Kasus Produk Batik Handprint Pada PT XYZ di Bali)
E-Jurnal Matematika Vol. 6 (2), Mei 2017, pp. 124-130 ISSN: 2303-1751 PENERAPAN METODE SIX SIGMA DALAM ANALISIS KUALITAS PRODUK (Studi Kasus Produk Batik Handprint Pada PT XYZ di Bali) Tri Alit Tresna
Lebih terperinciRegresi dengan Microsoft Office Excel
Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.
Lebih terperinciReview QUIZ ( 10 menit )
Lecture 4 Control Chart for Variables - 1 1 Review QUIZ ( 10 menit ) Sebutkan pembagian penyebab variasi pada proses manufaktur? Berikan contoh? Kapan proses disebut in control dan kapan out of control?
Lebih terperinciBAB I PENDAHULUAN. B. Rumusan masalah Bagaimana cara pengendalian kualitas proses statistik pada data variabel.
BAB I PENDAHULUAN A. Latar Belakang Pengendalian Kualitas Statistik (Statistical Quality Control) secara garis besar digolongkan menjadi dua, yakni pengendalian proses statistik (statistical process control)
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan di PT SEI Bogor pada Bulan September 2016 sampai dengan Bulan Desember 2016. PT SEI Bogor merupakan perusahaan yang bergerak
Lebih terperinciBAB IV ANALISIS DATA. bebas dan variabel terikat, kemudian data tersebut di analisis dengan
BAB IV ANALISIS DATA A. Pengujian Hipotesis Setelah diperoleh masing-masing jumlah dari kategori variabel bebas dan variabel terikat, kemudian data tersebut di analisis dengan menggunakan analisis kuantitatif,
Lebih terperinciLAMPIRAN A HASIL UJI MUTU FISIK GRANUL
LAMPIRAN A HASIL UJI MUTU FISIK GRANUL Mutu fisik yang diuji Kadar air (%) Waktu alir (detik) Sudut diam ( ) Indeks kompresibilitas (%) Replikasi Formula I II III IV I 3,34 3,35 3,31 3,25 II 3,01 3,04
Lebih terperinciBAB V ANALISA PEMBAHASAN
BAB V ANALISA PEMBAHASAN 5.1 Tahap Analyze Setelah dilakukan pengukuran maka dilakukan analisis permasalahan. Aktivitas utama tahap analisis adalah menentukan faktor penyebab kurang optimalnya yield yang
Lebih terperinciDAFTAR PUSTAKA. Albin, D., 2001, The Use of Statistical Experimental Design for PCB Process Optimization, Inggris.
BAB 6 KESIMPULAN 6.1. Kesimpulan Kesimpulan yang diperoleh berdasarkan penelitian yang telah dilakukan yaitu: 1. Faktor yang berpengaruh terhadap jumlah cacat roti smeer adalah faktor metode pembuatan
Lebih terperinciMetode Training SPC TIDAK FOKUS PADA CARA MELAKUKAN PERHITUNGAN STATISTIK TAPI
Metode Training SPC TIDAK FOKUS PADA CAA MELAKUKAN PEHITUNGAN STATISTIK TAPI MENGAJAKAN KONSEP STATISTIK SECAA MENDALAM, APLIKASI STATISTIK, TEMASUK TEKNIK SAMPLING DISETAI VIDEO SIMULASI, STUDI KASUS
Lebih terperinciPERBAIKAN DAN PENINGKATAN KUALITAS DI PERUSAHAAN MIE SUMBER RASA DENGAN PENDEKATAN DMAIC
07 PERBAIKAN DAN PENINGKATAN KUALITAS DI PERUSAHAAN MIE SUMBER RASA DENGAN PENDEKATAN DMAIC Jimmy Effendy ), Joko Mulyono ), Martinus Edy Sianto ) ABSTRAK Perusahaan Mie Sumber Rasa, merupakan perusahaan
Lebih terperinciBAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA
BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4.1. Pengumpulan dan Pengolahan Data dengan Metode Taguchi 4.1.1. Identifikasi Faktor-faktor yang Berpengaruh Tidak semua faktor diteliti pada penelitian
Lebih terperinciAnalisis Korelasi dan Regresi Sederhana
Analisis Korelasi dan Regresi Sederhana Pada minggu ini akan dipelajari : Menghitung Korelasi Melakukan Analisis Regresi Sederhana Pemeriksaan Asumsi dalam Analisis Regresi Untuk melakukan kegiatan pada
Lebih terperinciSTRATEGI PERBAIKAN KUALITAS GULA BERDASARKAN KEMAMPUAN PROSES KONTROL
STRATEGI PERBAIKAN KUALITAS GULA BERDASARKAN KEMAMPUAN PROSES KONTROL Mila Faila Sufa * 1, Dina Ariningsih 2 1,2 Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl.A. Yani Tromol Pos 1 Kartasura
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
61 BAB 3 METODOLOGI PEMECAHAN MASALAH Metodologi penelitian menggambarkan proses atau tahap tahap penelitian yang harus ditetapkan dahulu sebelum melakukan pemecahan masalah yang sedang dibahas sehingga
Lebih terperinciAPLIKASI PENDEKATAN LEAN SIX SIGMA UNTUK MENINGKATKAN KUALITAS KUE MALKIST DI PT.X
APLIKASI PENDEKATAN LEAN SIX SIGMA UNTUK MENINGKATKAN KUALITAS KUE MALKIST DI PT.X Oleh: Lilla Ayu Dyawara Pembimbing: 1. Prof.Ir.Suparno,MSIE,PhD Penguji: 1. Prof.Ir.Moses L.Singgih,Msc,Ph.D 2. Dr.Ir.Bambang
Lebih terperinciBAB III BAHAN DAN METODE
BAB III BAHAN DAN METODE 3.1 Waktu dan Tempat Penelitian Penelitian ini telah dilaksanakan di PT. X yang terdapat pada Pelabuhan Perikanan Nusantara Nizam Zachman Jakarta. Waktu penelitian telah dilaksanakan
Lebih terperinciRegresi. Data : Untuk melakukan regresi linear, langkah-langkah sebagai berikut, 1. Pilih Stat > Regression > Regression
Regresi Fungsi regresi yang tersedia pada Minitab yang dibahas disini adalah regresi tipe least squares regression atau kuadrat terkecil, sedangkan regresi tipe logaritma walaupun juga tersedia dalam Minitab
Lebih terperinciDIKTAT MATA KULIAH STATISTIKA PENELITIAN PENDIDIKAN MATEMATIKA
DIKTAT MATA KULIAH STATISTIKA PENELITIAN PENDIDIKAN MATEMATIKA Oleh : Wahyu Hidayat, S.Pd., M.Pd. NIDN. 0404088402 PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP)
Lebih terperinciPETA KENDALI VARIABEL
PETA KENDALI VARIABEL 9 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hcp://debrina.lecture.ub.ac.id/ 2 Outline Peta Kendali Variabel
Lebih terperinciKata kunci: Daya Saing, Peningkatan Kualitas yang Berkesinambungan, Kualitas Produk, Kapabilitas Proses (Cp), Indeks Kinerja Kane (Cpk)
PENINGKATAN DAYA SAING PENGRAJIN INDUSTRI KECIL RUMAH TANGGA PEDESAAN DI KABUPATEN SIDOARJO MELALUI PENINGKATAN KUALITAS YANG BERKESINAMBUNGAN Erni Puspanantasari Putri Teknik, UNTAG Surabaya e-mail: Nantasari@yahoo.co.id
Lebih terperinciPengendalian dan Evaluasi Kualitas Beton Dengan Metode Statistical Process Control (SPC) Ir. Helmy Darjanto, MT ABSTRAK
NEUTRON, Vol.4, No. 2, Agustus 2004 105 Pengendalian dan Evaluasi Kualitas Beton Dengan Metode Statistical Process Control (SPC) Ir. Helmy Darjanto, MT ABSTRAK Hingga saat ini dalam evaluasi kualitas beton
Lebih terperinciLAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si. Oleh Nurul Anggraeni Hidayati NIM.
LAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si Oleh Nurul Anggraeni Hidayati NIM. 14610002 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Menentukan Model Persamaan Regresi Linier Berganda Data yang dikumpulkan dalam penelitian ini adalah jumlah kecelakaan lalu lintas dan faktor-faktor yang mempengaruhinya yaitu
Lebih terperinciPasteurized Milk Industry in Malang
PENERAPAN PETA KENDALI X DAN R PADA PROSES FILLING SUSU PASTEURISASI DI KUD DAU DAU MALANG The Use of X - R Control Chart on The Filling Process at A Particular Pasteurized Milk Industry in Malang E.F
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN
BAB 5 HASIL DAN PEMBAHASAN 5.1. Ekstraksi Hasil Pengumpulan Data Pengumpulan data di perusahaan PT. Jasa Putra Plastik dilakukan dari bulan Juli 004 sampai bulan Desember 004. Data yang diperoleh dalam
Lebih terperinciRekayasa Mutu Produksi Gate Valve di P.T. Barindo Anggun Industri *
Rekayasa Mutu Produksi Gate Valve di P.T. Barindo Anggun Industri (Didik Wahjudi) Rekayasa Mutu Produksi Gate Valve di P.T. Barindo Anggun Industri * Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik
Lebih terperinciAplikasi Statistik Pada Industri Manufaktur. SPC,I/Rev.03 Copyright Sentral Sistem Mei 08
Aplikasi Statistik Pada Industri Manufaktur 1 Why Statistik Kecepatan Produksi sangat cepat, pengecekan 100% sulit dilakukan karena tidak efisien Cycle time produksi motor di AHM : 1,7 menit Cycle time
Lebih terperinciBAB V ANALISA HASIL. 5.1 Analisa peta kendali dan kapabilitas proses. Dari gambar 4.7 peta kendali X-bar dan R-bar bulan Januari 2013, dapat
BAB V ANALISA HASIL 5.1 Analisa peta kendali dan kapabilitas proses Dari gambar 4.7 peta kendali X-bar dan R-bar bulan Januari 2013, dapat dijelaskan sebagai berikut: Garis berwarna hijau adalah Mean (rata-rata
Lebih terperinciJika terdapat k variabel bebas, x dan Y merupakan variabel tergantung, maka diperoleh model linier dari regresi berganda seperti rumus [3.1]. [3.
Analisis Regresi Analisis regresi merupakan salah satu alat statistika yang sangat populer digunakan user dalam mengolah data statistika. Analisis regresi digunakan untuk mengetahui hubungan satu atau
Lebih terperinciDAFTAR ISI. HALAMAN PENGAKUAN... ii. SURAT PENGAMBILAN DATA DARI PERUSAHAAN... iii. HALAMAN PENGESAHAN PEMBIMBING... iv. HALAMAN PERSEMBAHAN...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGAKUAN... ii SURAT PENGAMBILAN DATA DARI PERUSAHAAN... iii HALAMAN PENGESAHAN PEMBIMBING... iv HALAMAN PENGESAHAN PENGUJI... v HALAMAN PERSEMBAHAN... vi HALAMAN
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. independen dari listrik adalah satuan kilowatt (kwh), untuk minyak adalah
36 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Pengolahan Data Data yang diambil untuk varibel dependen adalah produk domestic bruto di Jakarta period 1995 2005 dalam satuan rupiah. Sedangkan variabel
Lebih terperinciBAB 4 PENGUMPULAN, PENGOLAHAN, DAN ANALISIS DATA
BAB 4 PENGUMPULAN, PENGOLAHAN, DAN ANALISIS DATA 4.1 Pengumpulan Data Dari jenis-jenis masalah yang ditemukan pada part dalam tiga bulan terakhir yaitu pada bulan Juni, Juli, dan Agustus ditemukan beberapa
Lebih terperinciMulai. Studi pustaka. Pengumpulan d. Penyusunan control chart Xbar-R dengan Minitab. - Po - PRI. Apakah control chart. terkendali?
Lampiran 1. Bagan alir penelitian Mulai Studi pustaka Pengumpulan d Penyusunan control chart Xbar-R dengan Minitab - Po - PRI Ya Apakah control chart terkendali? Tidak Menetapkan spesifikasi konsumen Penelusuran
Lebih terperinciBAB VI KESIMPULAN DAN SARAN
BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan Berdasarkan hasil dari analisa pengolahan data yang terkait dengan Usulan Analisa Kualitas Dengan Metode Six Sigma-DMAIC Dalam Upaya Mengurangi Kecacatan Produk
Lebih terperinciAPLIKASI REGRESI GANDA DENGAN SPSS. HENDRY admin teorionline.net Phone : /
APLIKASI REGRESI GANDA DENGAN SPSS HENDRY admin teorionline.net Phone : 0-834 4694 / email : klik.statistik@gmail.com Tentang Regresi Ganda Analisis regresi merupakan salah satu teknik analisis yang paling
Lebih terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA y (x 3,y 3 ) d 3 (x 5,y 5 ) d 5 d 2 (x 2,y 2 ) d (x 1 1,y 1 ) d 4 (x 4,y 4 ) x Definisi: Dari semua kurva pendekatan terhadap satu set data, kurva yang memenuhi sifat bahwa nilai
Lebih terperinciLAMPIRAN A Percobaan Validasi Metode Analisa Propranolol HCl. 1. Penentuan Kurva Baku Berikut ini adalah data dari kurva baku selama tiga hari C 1
LAMPIRAN A Percobaan Validasi Metode Analisa Propranolol HCl 1. Penentuan Kurva Baku Berikut ini adalah data dari kurva baku selama tiga hari C 1 A 1 C 2 A 2 C 3 (µg/ml) (µg/ml) (µg/ml) 2,04 0,03 2 0,03
Lebih terperinciMEMPELAJARI PENGENDALIAN KUALITAS PEMBUATAN PINTU MEDIUM BUS TIPE VIERO 050 PADA PT. RAHAYU SANTOSA
MEMPELAJARI PENGENDALIAN KUALITAS PEMBUATAN PINTU MEDIUM BUS TIPE VIERO 050 PADA PT. RAHAYU SANTOSA Nama : Rian Purnama Rasyid NPM : 34409939 Fakultas : Teknologi Industri Jurusan/Jenjang : Teknik Industri/S1
Lebih terperinciVI. SPSS RANCANGAN ACAK KELOMPOK (RAK)
VI. SPSS RANCANGAN ACAK KELOMPOK (RAK) Syarat : Ada satu peuabah bebas yang disebut perlakukan Ada satu peubah sampingan/pengganggu yang disebut kelompok Model Matematis : Yij = µ + Ki + Pj + єij i = 1,
Lebih terperinciOPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE
JURNAL TEKNIK INDUSTRI VOL., NO., DESEEMBER 999: 8-29 OPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik Mesin Universitas Kristen
Lebih terperinciRANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN
RANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 007 1. PENDAHULUAN 1 Pada suatu
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
1 BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum 1. Profil Perusahaan PT. Gelora Aksara Pratama (Erlangga Group) merupakan perusahaan percetakan yang berdiri pada tahun 1987. PT. Gelora Aksara Pratama dimulai
Lebih terperinciLAMPIRAN II SURAT KETERANGAN MAGANG
LAMPIRAN II SURAT KETERANGAN MAGANG 286 287 LAMPIRAN III LANGKAH-LANGKAH PENGGUNAAN SPSSV13 Salah Satu Contoh Langkah dalam melakukan perhitungan cacat jahitan dengan metode SPSSv13 1) Membuka program
Lebih terperinciHasil perhitungan Kolmogorov-Smirnov menunjukkan bahwa ketiga sampel atau variabel tersebut adalah distribusi normal.
NORMALITAS DATA One-Sample Kolmogorov-Smirnov Test N Normal Parameters a,b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.
Lebih terperinciLAMPIRAN. Universitas Kristen Maranatha
LAMPIRAN Perhitungan yang dipakai dalam penelitian ini adalah dengan menggunakan analisis regresi dan analisis grafik. Seluruh perhitungan dilakukan dengan menggunakan program Statistik SPSS. Berikut ini
Lebih terperinciANALISA PENYIMPANGAN DAN CAPABILITY PROCESS (CP)
#11 ANALISA PENYIMPANGAN DAN CAPABILITY PROCESS (CP) Analisa Penyimpangan Dalam diagram kendali dimungkinkan terjadi penyimpangan, antara lain: 1. Proses Terkendali, terjadi variasi karena penyebab acak
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4. Hasil Pengumpulan Data Sebelum dilakukan pengolahan data, dalam melakukan penelitian ini data yang berhasil dikumpulkan dalam penelitian pada PT. FEDERAL KARYATAMA dalam periode
Lebih terperinciLampiran 1. Struktur Organisasi PTP Nusantara VIII Kebun Cianten
LAMPIRAN 71 Lampiran 1. Struktur Organisasi PTP Nusantara VIII Kebun Cianten 72 Lampiran 2. Spesifikasi persyaratan mutu teh hitam (SNI 01-1902-1995) No. Jenis Uji Satuan Spesifikasi 1 Kadar air % b/b
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciDAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN NASKAH SOAL TUGAS AKHIR HALAMAN PERSEMBAHAN INTISARI KATA PENGANTAR UCAPAN TERIMA KASIH
DAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN NASKAH SOAL TUGAS AKHIR HALAMAN PERSEMBAHAN INTISARI KATA PENGANTAR UCAPAN TERIMA KASIH DAFTAR ISI DAFTAR GAMBAR DAFTAR TABEL DAFTAR LAMPIRAN
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah suatu kerangka yang memuat langkah-langkah yang ditempuh dalam menyelesaikan permasalahan yang dihadapi. Pada bagian ini akan dijelaskan secara
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh
STK511 Analisis Statistika Pertemuan 4 Sebaran Penarikan Contoh Konsep Dasar Suatu statistik, misalnya, adalah fungsi dari peubah acak sering kita tulis. Idea dasaranya : Karena adalah peubah acak, maka
Lebih terperinci