Uji kenormalan Data dengan Metode Kolmogorov Smirnov Test,

5.2.2.3.2. Penentuan Batas Kontrol Batas Kendali

Batas kendali adalah suatu alat statistik yang dapat digunakan untuk melihat dan mempertahankan variasi-variasi sesuai spesifikasi yang diinginkan. Penentuan batas kendali merupakan sebagai syarat dalam perhitungan process capability. Perhitungan batas kontrol untuk parameter kadar kotoran dapat dilihat sebagai berikut: Rata-rata proporsi = = = 0,029 UCL Batas Kontrol Atas = + 3 = 0,029 +3 = 0,445 LCL Batas Kontrol Bawah = - 3 = 0,029 – 3 = Untuk medapatkan nilai batas kontrol seperti pada perhitungan diatas secara keseluruhan pada jenis kecacatan kadar kotoran, maka selanjutnya dapat dilihat pada Tabel 5.12. Tabel 5.12. Perhitungan Batas Kontrol Peta p Kadar Kotoran Subgroup Total Inspeksi n Total Kecacatan np UCL LCL Ket. 1 50,4 1,476 0,0292 0,445 in control 2 39,06 1,143 0,0292 0,502 in control 3 39,06 1,134 0,0292 0,504 in control 4 39,06 1,152 0,0292 0,500 in control 5 41,58 1,215 0,0292 0,487 in control 6 45,36 1,323 0,0292 0,468 in control 7 39,06 1,134 0,0292 0,504 in control 8 49,14 1,431 0,0292 0,451 in control 9 44,1 1,287 0,0292 0,474 in control 10 47,88 1,395 0,0292 0,457 in control 11 41,58 1,215 0,0292 0,487 in control 12 46,62 1,359 0,0292 0,462 in control 13 40,32 1,179 0,0292 0,494 in control 14 49,14 1,431 0,0292 0,451 in control 15 40,32 1,179 0,0292 0,494 in control 16 37,8 1,107 0,0292 0,509 in control 17 47,88 1,395 0,0292 0,457 in control 18 45,36 1,323 0,0292 0,468 in control 19 41,58 1,215 0,0292 0,487 in control 20 49,14 1,440 0,0292 0,450 in control 21 49,14 1,431 0,0292 0,451 in control 22 40,32 1,179 0,0292 0,494 in control 23 42,84 1,251 0,0292 0,481 in control 24 45,36 1,323 0,0292 0,468 in control 25 37,8 1,107 0,0292 0,509 in control 26 39,06 1,143 0,0292 0,502 in control Total 1128,96 32,967 Maka peta kendali peta kontrol p dari data kecacatan produk jenis kadar kotoran dapat dilihat pada Gambar 5.4. Gambar 5.4. Peta Kontrol p Kadar Kotoran Dari tabel dan grafik peta kontrol p pada jenis kecacatan kadar kotoran diatas terlihat bahwa tidak ada data yang diluar batas kontrol.

5.2.2.4. Uji kenormalan Data dengan Metode

Kolmogorov Smirnov Test, Penentuan Batas Kontrol dan Perhitungan Kapabilitas Proses untuk Parameter Kadar PRI 5.2.2.4.1. Uji Kenormalan Data untuk Parameter Kadar PRI Uji Kolmogorov Smirnov merupakan pengujian normalitas yang banyak dipakai, terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik. Adapun langkah-langkah pengujian kenormalan data kadar PRI dengan Kolmogorov-Smirnov Test adalah sebagai berikut: 1. Data dari hasil pengamatan mengenai kadar PRI diurutkan mulai dari nilai pengamatan terkecil sampai nilai pengamatan terbesar. Setelah itu, data baru diberi nomor 1 - 26. 2. Dari data pengamatan yang telah kita urutkan dan diberi nomor, selanjutnya hitung nilai FaX-nya, yaitu dengan: data total data nomor X Fa = Misalnya, data nomor 1 dan jumlah datanya 26, maka : 26 1 = X Fa = 0,038 3. Hitung nilai Z. x = n xi n i ∑ =1 = 6,121 n x xi n i ∑ = − = 1 2 σ = 0,581 Maka nilai Z untuk data pertama X 1 = 5,391 adalah : 256 , 1 581 , 121 , 6 391 , 5 − = − = − = σ X X Z i 4. Dari nilai Z yang didapat, cari nilai FeX dengan melihat tabel distribusi normal atau menggunakan Microsoft Excel. Dalam hal ini untuk mencari nilai FeX menggunakan Microsoft Excel dengan formulasi : =NORMSDIST-1,256 = 0,105 5. Hitung selisih nilai FaX dengan FeX dan diberi tanda mutlak, serta notasikan dengan D. FaX = 0,038, FeX = 0,105 maka : D = | FaX – FeX | = | 0,038 – 0,105 | = 0,066 Untuk mendapatkan hasil perhitungan mengenai uji klomogorov smirnov dapat dilihat pada Tabel 5.13. Tabel 5.13. Uji Kenormalan Data dengan Kolmogorov-Smirnov Test untuk Kecacatan Kadar PRI No Jumlah Cacat xi Fax X σ Z Fex D = |FaX – FeX| 1 5,391 0,038 6,121 0,581 -1,256 0,105 0,066 2 5,391 0,077 6,121 0,581 -1,256 0,105 0,028 3 5,499 0,115 6,121 0,581 -1,070 0,142 0,027 4 5,499 0,154 6,121 0,581 -1,070 0,142 0,012 5 5,508 0,192 6,121 0,581 -1,055 0,146 0,047 6 5,508 0,231 6,121 0,581 -1,055 0,146 0,085 7 5,517 0,269 6,121 0,581 -1,039 0,149 0,120 8 5,679 0,308 6,121 0,581 -0,760 0,224 0,084 9 5,679 0,346 6,121 0,581 -0,760 0,224 0,123 10 5,679 0,385 6,121 0,581 -0,760 0,224 0,161 11 5,850 0,423 6,121 0,581 -0,466 0,321 0,102 12 5,859 0,462 6,121 0,581 -0,450 0,326 0,135 13 5,859 0,500 6,121 0,581 -0,450 0,326 0,174 14 6,030 0,538 6,121 0,581 -0,156 0,438 0,100 15 6,210 0,577 6,121 0,581 0,154 0,561 0,016 16 6,390 0,615 6,121 0,581 0,464 0,679 0,063 17 6,390 0,654 6,121 0,581 0,464 0,679 0,025 18 6,390 0,692 6,121 0,581 0,464 0,679 0,014 19 6,561 0,731 6,121 0,581 0,758 0,776 0,045 Tabel 5.13. Uji Kenormalan Data dengan Kolmogorov-Smirnov Test untuk Kecacatan Kadar PRI Lanjutan No Jumlah Cacat xi Fax X σ Z Fex D = |FaX – FeX| 20 6,741 0,769 6,121 0,581 1,068 0,857 0,088 21 6,741 0,808 6,121 0,581 1,068 0,857 0,049 22 6,912 0,846 6,121 0,581 1,362 0,913 0,067 23 6,921 0,885 6,121 0,581 1,378 0,916 0,031 24 6,921 0,923 6,121 0,581 1,378 0,916 0,007 25 6,921 0,962 6,121 0,581 1,378 0,916 0,046 26 7,092 1,000 6,121 0,581 1,672 0,953 0,047 D max 0,174 Langkah pengujian hipotesanya : 1. H : Data tersebut Berdistribusi Normal H 1 : Data tersebut Tidak Berdistribusi Normal 2. Level of Significant α = 0.05 3. Wilayah Kritis D α = 0,259 4. Nilai D D max = 0,174 Kesimpulan : H diterima, karena D 0,174 ≤ D α 0,259. Hal ini berarti data kadar PRI berdistribusi normal.

5.2.2.3.3. Penentuan Batas Kontrol Batas Kendali

Batas kendali adalah suatu alat statistik yang dapat digunakan untuk melihat dan mempertahankan variasi-variasi sesuai spesifikasi yang diinginkan. Penentuan batas kendali merupakan sebagai syarat dalam perhitungan process capability. Perhitungan batas kontrol untuk kadar PRI dapat dilihat sebagai berikut: Rata-rata proporsi = = = 0,1410 UCL Batas Kontrol Atas = + 3 =0,1410+ 3 = 0,533 LCL Batas Kontrol Bawah = – 3 =0,1410 – 3 = - 0,251 Untuk medapatkan nilai batas kontrol seperti pada perhitungan diatas secara keseluruhan pada jenis kecacatan kadar PRI, maka selanjutnya dapat dilihat pada Tabel 5.14. Tabel 5.14. Perhitungan Batas Kontrol Peta p Kadar PRI Subgroup Total Inspeksi n Total Kecacatan np UCL LCL Ket 1 50,40 7,09 0,1410 0,533 in control 2 39,06 5,51 0,1410 0,586 in control 3 39,06 5,50 0,1410 0,586 in control 4 39,06 5,52 0,1410 0,585 in control 5 41,58 5,86 0,1410 0,572 in control 6 45,36 6,39 0,1410 0,554 in control 7 39,06 5,51 0,1410 0,586 in control 8 49,14 6,92 0,1410 0,538 in control 9 44,10 6,21 0,1410 0,560 in control 10 47,88 6,74 0,1410 0,543 in control

Dokumen yang terkait

Analisis Penentuan Level Faktor untuk Meminimisasi Jumlah Kecacatan Produk Crumb Rubber SIR 20 dengan Menggunakan Metode Response Surface pada PT. Hadi Baru

2 62 116

Analisa Kadar Nitrogen Dalam Crumb Rubber Mutu Sir 20 Dan Crumb Rubber Mutu Sir 3 Metode Kjeldhal

43 205 56

Analisa Perbandingan Konsentrasi Zat Menguap Dalam Crumb Rubber Mutu Sir 20 Dan Crumb Rubber Mutu Sir 3wf

0 26 45

INDENTIFIKASI FAKTOR PENYEBAB KECACATAN PRODUK MIE SNACK UNTUK MENINGKATKAN KUALITAS DENGAN MENGGUNAKAN METODE SIX SIGMA DI PT. SIANTAR TOP TBK SURABAYA.

3 13 90

IDENTIFIKASI FAKTOR – FAKTOR PENYEBAB KECACATAN (DEFECT) PADA PRODUK VELG MOBIL JENIS DAVINO DENGAN PENDEKATAN SIX SIGMA DI PT. PRIMA ALLOY STELL SIDOARJO.

17 50 129

Analisis Penentuan Level Faktor untuk Meminimisasi Jumlah Kecacatan Produk Crumb Rubber SIR 20 dengan Menggunakan Metode Response Surface pada PT. Hadi Baru

0 0 14

BAB II GAMBARAN UMUM PERUSAHAAN - Analisis Penentuan Level Faktor untuk Meminimisasi Jumlah Kecacatan Produk Crumb Rubber SIR 20 dengan Menggunakan Metode Response Surface pada PT. Hadi Baru

0 1 13

Aplikasi Six Sigma Untuk Menganalisis Faktor-Faktor Penyebab Kecacatan Produk Crumb Rubber Sir 20 Pada PT.Hadi Baru

0 0 24

Aplikasi Six Sigma Untuk Menganalisis Faktor-Faktor Penyebab Kecacatan Produk Crumb Rubber Sir 20 Pada PT.Hadi Baru

0 0 18

IDENTIFIKASI FAKTOR – FAKTOR PENYEBAB KECACATAN (DEFECT) PADA PRODUK VELG MOBIL JENIS DAVINO DENGAN PENDEKATAN SIX SIGMA DI PT. PRIMA ALLOY STELL SIDOARJO

1 1 20