Pengendalian Mutu pada Pengolahan Minyak Sawit dengan Metode Statistical Quality Control (SQC) Pada PTP Nusantara IV PKS Adolina

PENGENDALIAN MUTU PADA PENGOLAHAN MINYAK

SAWIT DENGAN METODE

STATISTICAL QUALITY

CONTROL

(SQC) PADA PTP NUSANTARA IV

PKS ADOLINA

RIDHO PARISSA SIMATUPANG

112407063

PROGRAM STUDI DIPLOMA 3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

PENGENDALIAN MUTU PADA PENGOLAHAN MINYAK

SAWIT DENGAN METODE

STATISTICAL QUALITY

CONTROL

(SQC) PADA PTP NUSANTARA IV

PKS ADOLINA

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

RIDHO PARISSA SIMATUPANG

112407063

PROGRAM STUDI DIPLOMA 3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

PERSETUJUAN

Judul : Pengendalian Mutu Pada Pengolahan Minyak Sawit dengan Metode Statistical Quality Control

(SQC) Pada PTP Nusantara IV PKS Adolina Kategori : Tugas Akhir

Nama : Ridho Parissa Simatupang Nomor Induk Mahasiswa : 112407063

Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui Oleh:

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing,

Dr. Faigiziduhu Bu’ulö_lö_{, M.Si Drs. Open Darnius, M.Sc}

PERNYATAAN

PENGENDALIAN MUTU PADA PENGOLAHAN MINYAK

SAWIT DENGAN METODE STATISTICAL QUALITY

CONTROL (SQC) PADA PTP NUSANTARA IV PKS ADOLINA

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan masing-masing disebutkan sumbernya.

Medan, Juli 2014

RIDHO PARISSA SIMATUPANG 112407063

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya Penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul Pengendalian Mutu Pada Pengolahan Minyak Sawit Dengan Metode Statistical Quality Control (SQC) Pada PTP Nusantara IV PKS ADOLINA.

Terimakasih penulis sampaikan kepada Bapak Drs. Open Darnius, M.Sc selaku pembimbing yang telah meluangkan waktunya selama penyusunan Tugas Akhir ini. Terimakasih kepada Bapak Dr. Faigiziduhu Bu’ulö_lö_{, M.Si dan Bapak}

Dr. Suwarno Arriswoyo, M.Si selaku Ketua dan Sekretaris Program Studi D3 Statistika FMIPA USU Bapak Prof. Dr. Tulus. M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU Medan, Bapak Dr. Sutarman M.Sc selaku Dekan FMIPA USU Medan, seluruh staff dan Dosen Program Studi D3 Statistika FMIPA USU, pengawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Ayahanda tercinta Mahidin Simatupang, Ibunda tercinta Rosdiana Siagian dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.

DAFTAR ISI

Halaman

PERSETUJUAN i

PERNYATAAN ii

PENGHARGAAN iii

DAFTAR ISI iv

DAFTAR TABEL vi

DAFTAR GAMBAR vii

BAB 1. PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Tinjauan Pustaka 4

1.7 Metode Penelitian 7

1.7.1 Lokasi Penelitian 8 1.7.2 Metode Pengumpulan Data 8 1.8 Sistematika Penulisan 8

BAB 2. TINJAUAN PUSTAKA 10

2.1 Definisi Mutu 10

2.2 Pengendalian Mutu 10

2.3 Pengertian Statistic Quality Control 11 2.4 Data Atribut dan Data Variabel 12

2.4.1 Data Atribut 12

2.4.2 Data Variabel 13

2.5 Peta Kendali 14

2.5.1 Peta Kendali Untuk Data Variabel 15 2.5.2 Peta Kendali Untuk Data Atribut 18 2.6 Peta Kendali Revisi 20 2.7 Kapabilitas Proses 21

BAB 3. GAMBARAN UMUM 23

3.1 Sejarah Singkat PTP Nusantara IV PKS Adolina 23 3.2 Ruang Lingkup Bidang Usaha 24

3.3 Lokasi Perusahaan 24

BAB 4 PENGUMPULAN DAN PENGOLAHAN DATA 25

4.1 Pengumpulan Data 25

4.2 Peta ̅ dan R Untuk Kadar Asam Lemak Bebas 29 4.3 Peta ̅ dan R Untuk Kadar Kotoran 41 4.4 Peta ̅ dan R Untuk Kadar Kotoran 49

BAB 5 IMPLEMENTASI SISTEM 57

5.1 Pengertian Implementasi Sistem 57 5.2 Sekilas Tentang Program SPSS Versi 18 57 5.3 Peta Kendali Dengan Program SPSS 58

BAB 6 PENUTUP 67

6.1 Kesimpulan 67

6.2 Saran 68

DAFTAR TABEL

Nomor Judul Halaman Tabel

Tabel 4.1 Data Hasil Pengujian Kadar Asam Lemak, Kada Air, dan

Kadar Kotoran 25

Tabel 4.2 Perhitungan ̅ dan R Pada Pengujian Kadar Asam Lemak

Bebas 30

Tabel 4.3 Perhitungan ̅ dan R Pada Pengujian Kadar Kotoran 41 Tabel 4.4 Perhitungan ̅ dan R Pada Pengujian Kadar Air 49

DAFTAR GAMBAR

Nomor Judul Halaman Gambar

Gambar 4.1 Peta Kendali X Kadar Asam Lemak Bebas 33 Gambar 4.2 Peta Kendali R Kadar Asam Lemak Bebas 33 Gambar 4.3 Peta Kendali X Revisi I Kadar Asam Lemak Bebas 36 Gambar 4.4 Peta Kendali R Revisi I Kadar Asam Lemak Bebas 36 Gambar 4.5 Peta Kendali X Revisi II Kadar Asam Lemak Bebas 38 Gambar 4.6 Peta Kendali R Revisi II Kadar Asam Lemak Bebas 39 Gambar 4.7 Peta Kendali X Kadar Kotoran 44 Gambar 4.8 Peta Kendali R Kadar Kotoran 44 Gambar 4.9 Peta Kendali X Revisi Kadar Kotoran 46 Gambar 4.10 Peta Kendali R Revisi Kadar Kotoran 47 Gambar 4.11 Peta Kendali X Kadar Air 52 Gambar 4.12 Peta Kendali X Kadar Air 52 Gambar 4.13 Peta Kendali X Revisi Kadar Air 54 Gambar 5.1 Tampilan Jendela Pengisian Data View 58 Gambar 5.2 Tampilan Jendela Editor Compute Variabel 59 Gambar 5.3 Tampilan Compute Variabel 59 Gambar 5.4 Tampilan Pengisian Numeric Expression Variabel Xbar 60 Gambar 5.5 Tampilan Output Compute Variabel Xbar 60 Gambar 5.6 Tampilan Jendela editor Compute Variabel 61 Gambar 5.7 Tampilan Pengisian Numeric Expression Variabel Xbar 61 Gambar 5.8 Tampilan Output Compute Variabel Range 62 Gambar 5.9 Tampilan Control Chart 62 Gambar 5.10 Tampilan X-bar, R, S, Case are Subgroup 63 Gambar 5.11 Tampilan Titles Control Chart 63 Gambar 5.12 Tampilan Peta Kendali X 64 Gambar 5.13 Tampilan Control Chart 65 Gambar 5.14 Tampilan X-bar, R, S, Case are Subgroup 65 Gambar 5.15 Tampilan Titles Control Chart 66 Gambar 5.16 Tampilan Peta Kendali X 66

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Pengendalian kualitas merupakan taktik dan strategi perusahaan global dengan produk perusahaan lain. Kualitas menjadi faktor dasar keputusan konsumen dalam memilih produk. Bila konsumen merasa produk tertentu jauh lebih baik kualitasnya dari produk pesaing, maka konsumen memutuskan untuk membeli produk tersebut. Tuntutan konsumen yang senantiasa berubah inilah yang perlu direspon perusahaan. Oleh karena itu, perusahaan haruslah menerapkan pengendalian kualitas dalam pembuatan produk.

Pengendalian kualitas adalah aktivitas keteknikan dan manajemen, di mana aktivitas tersebut mengukur ciri-ciri kualitas produk, membandingkannya dengan spesifikasi atau persyaratan, dan mengambil tindakan penyehatan yang sesuai apabila ada perbedaan antara penampilan yang sebenarnya dan yang standar (Montgomery, 1990). Statistical Quality Control (SQC) merupakan salah satu metode pengendalian kualitas. Pada tahun 1924, Walter A Shewhart dari Bell Telephone Laboratories mengembangkan diagram pengawasan dengan pendekatan statistik untuk mengontrol variabel-variabel penting dalam proses produksi. Metode statistical quality control lebih banyak menggunakan pendekatan diagram-diagram fungsi dan statistika dalam implementasinya.

PTP Nusantara IV PKS Adolina merupakan perusahaan yang memproduksi minyak mentah kelapa sawit (Crude Palm Oil). Faktor-faktor yang

menentukan mutu minyak mentah kelapa sawit yaitu, kadar asam lemak bebas, kadar air, dan kadar kotoran. Keadaan saat ini menunjukkan dalam melakukan pengolahan minyak sawit mutu yang dihasilkan ternyata selalu bervariasi dan sering tidak memenuhi spesifikasi standard mutu yang ditetapkan.

Mengacu pada uraian di atas maka dapat diketahui bahwa masalah pengendalian mutu terhadap kualitas produk yang dihasilkan oleh sebuah perusahaan merupakan suatu hal yang penting dan membutuhkan kajian yang lebih mendalam. Oleh karena itu penulis menganggap penelitian di bidang pengendalian mutu ini sangat penting dalam mendukung perusahaan untuk memiliki daya saing dengan produk perusahaan lain. Dalam hal ini bentuk penelitian tentang penerapan Statistical Quality Control.

1.2 Rumusan Masalah

Sebagai rumusan masalah yang akan dianalisis dalam penelitian ini adalah sebagai berikut:

a. Apakah produk yang dihasilkan oleh perusahaan sudah memenuhi standard mutu perusahaan?

b. Bagaimana peta kendali untuk setiap faktor mutu yang ada?

c. Bagaimana nilai kapabilitas proses produksi minyak sawit pada PTP Nusantara IV PKS Adolina?

1.3 Batasan Masalah

a. Karakteristik kualitas yang diteliti dibatasi hanya untuk karakteristik kualitas yang berlaku di perusahaan

b. Syarat mutu yang diteliti adalah kadar asam lemak bebas, kadar air dan kadar kotoran

c. Penelitian dilakukan pada produk akhir yaitu minyak mentah kelapa sawit d. Data yang digunakan adalah data sekunder yaitu data produksi pada shift kerja

pertama dari jam 6.30 sampai 14.30 WIB dari tanggal 1 s/d 31 Maret 2013

1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini antara lain:

a. Menentukan jumlah sampel yang di luar batas kendali pada setiap faktor mutu sesuai dengan nilai rata-rata den range dari data syarat mutu minyak mentah kelapa s awit yaitu kadar asam lemak bebas, kadar air dan kadar kotoran b. Menentukan nilai kapabilitas proses (Cp) untuk pengolahan minyak mentah

kelapa sawit

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah sebagai berikut:

a. Dapat menuangkan ilmu dan mengaplikasikan teori-teori statistika yang diperoleh penulis selama kuliah untuk menyelesaikan permasalahan yang diteliti

b. Dapat memberikan salah satu alternatif pemecahan masalah kepada PTP Nusantara IV PKS Adolina dalam mengatasi pengendalian kualitas

c. Sebagai pedoman bagi perusahaan untuk mengendalikan dan mengontrol kualitas produk yang dihasilkan

1.6 Tinjauan Pustaka

Pengendalian kualitas adalah aktivitas keteknikan dan manajemen, di mana aktivitas tersebut mengukur ciri-ciri kualitas produk, membandingkannya dengan spesifikasi atau persyaratan, dan mengambil tindakan penyehatan yang sesuai apabila ada perbedaan antara penampilan yang sebenarnya dan yang standar (Montgomery, 1990). Menurut Russel dan Taylor (1998) pengendalian kualitas dapat dilakukan dengan menggunakan Statistical Quality Control dan salah satu alat statistik yang melandasi hal tersebut adalah grafik pengendali (Marimin, 2005). Suatu alat yang digunakan dalam pengendalian kualitas secara statistik pada proses produksi disebut peta pengendali (Control Chart). Salah satu contoh peta pengendali adalah peta pengendali rata-rata x dan peta pengendali range.

Peta pengendali rata-rata x digunakan untuk proses yang mempunyai karakteristik berdimensi kontinu. Peta ini menggambarkan variasi harga rata-rata (mean) dari data yang diklasifikasikan dalam suatu kelompok. Pengelompokan data ini bisa dilakukan berdasarkan satuan waktu hari atau satuan waktu lainnya di mana sampel berasal dari kelompok yang melakukan pekerjaan yang sama dan lain-lain.

Langkah-langkah untuk membuat peta pengendali X dapat dikemukakan sebagai berikut:

a. Menentukan harga rata-rata ̿. Nilai rata-rata ̿ didapat dengan rumus:

̿ ∑ ̅

̿ = jumlah rata-rata dari nilai rata-rata subgroup

̅ = nilai rat-rata subgroup ke-i

g = jumlah subgroup

b. Batas konrol untuk peta X ini adalah:

BKA = ̿ ̅

BKB = ̿ ̅

Di mana:

BKA = batas kontrol atas

BKB = batas kontrol bawah

= nilai koefiisien

̅ = selisih harga Xmaks dan Xmin

c. Menggambarkan peta pengendali X menggunakan batas kontrol dan sebaran data ̅

Peta kendali rata-rata dan jarak (range) merupakan dua peta kendali yang saling membantu dalam mengambil keputusan mengenai kualitas proses. Peta kendali jarak (range) digunakan untuk mengetahui tingkat akurasi atau ketepatan proses yang diukur dengan mencari range dari sampel yang diambil. Seperti halnya peta kendali rata-rata, peta kendali jarak tersebut juga digunakan untuk mngetahui dan menghilangkan sebab yang membuat terjadinya penyimpangan.

Peta kendali R merupakan peta untuk menggambarkan rentang data dari suatu sub group, yaitu data terbesar dikurangi data terkecil. Langkah-langkah penentuan garis sentral yakni sebagai berikut:

a. Menetukan rentang rata-rata

Untuk menentukan rentang rata-rata dapat digunakan dengan rumus:

̅ ∑

Di mana:

̅ = jumlah rata-rata dari nilai rata-rata subgroup

= nilai rat-rata subgroup ke-i

g = jumlah subgroup

b. Batas kontrol untuk peta X ini adalah:

BKA = ̅

BKB = ̅

Di mana:

BKA = batas kontrol atas

BKB = batas kontrol bawah

c. Menggambarkan peta ̅ dan garis batas kontrol pada peta serta sebaran data Range (R)

Kapabilitas proses digunakan untuk melihat kapabiltas atau kemampuan proses. Indeks kapabilitas proses hanya layak dihitung apabila proses berada dalam pengendalian. Adapun kriteria penilaian indeks kapabilitas proses sebagai berikut:

1. Jika Cp > 1.33 maka kapabilitas proses sangat baik

2. Jika 1.00 Cp 1.33 maka kapabilitas proses baik, namun perlu pengendalian ketat apabila Cp mendekati 1.00

3. Jika Cp < 1.00 maka kapabilitas proses rendah, sehingga perlu ditingkatkan kinerjanya melalui peningkatan proses.

Perumusan untuk perhitungan nilai indeks kapabilitas ini adalah sebagai berikut:

=

Cp = Di mana:

Cp = Process capability

LSL= Lower specification limit

USL= Upper specification limit

1.7 Metode Penelitian

Metode yang digunakan penulis dalam melaksanakan penelitian ini adalah sebagai berikut:

1.7.1 Lokasi Penelitian

Dalam penyusunan tugas akhir ini data yang digunakan diperoleh dari PTP Nusantara IV PKS Adolina. Data tersebut dikumpulkan dalam bentuk buku catatan laboratorium produksi dari tanggal 1 s/d 31 maret 2014.

1.7.2 Metode Pengumpulan Data

Keperluan data untuk riset ini penulis menggunakan data sekunder (data yang telah tersedia) atau data yang telah dikumpulkan. Data yang dikumpulkan tersebut kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.8 Sistematika Penulisan

Adapun sistematika penulisan yang digunakan penulis antara lain:

BAB 1 : PENDAHULUAN

Pada bab ini akan diuraikan latar belakang, rumusan masalah, pembatasan masalah, tujuan penelitian, manfaat penelitian, tinjauan pustaka, metodelogi penelitian, dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan teori-teori yang menunjang, penyelesaian masalah yaitu studi kepustakaan yang berkaitan dengan teori-teori yang merupakan landasan bagi pemecahan persoalan dan hasil

studi kepustakaan lainnya yang dianggap turut membantu pemecahan masalah.

BAB 3 : GAMBARAN UMUM

Menguraikan tentang gambaran umum perusahaan, sejarah singkat perusahaan, ruang lingkup bidang usaha, dan lokasi perusahaan.

BAB 4 : ANALISIS DATA

Bab ini merupakan bab yang berisikan mengenai penggambaran peta pengendalian X dan R untuk setiap faktor mutu dan nilai kapabilitas proses.

BAB 5 : IMPLEMENTASI SISTEM

Dalam bab ini penulis menguraikan pengertian dan tujuan implementasi sistem, rancangan program yang dipakai dan hasil outputnya.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan hasil kesimpulan dari pembahasan serta saran penulis berdasarkan kesimpulan yang didapat.

BAB 2

LANDASAN TEORI 2.1 Defenisi Mutu

Dalam dunia industri baik industri jasa maupun manufaktur mutu adalah faktor kunci yang membawa keberhasilan bisnis, pertumbuhan dan peningkatan posisi bersaing. mutu adalah keseluruhan karakteristik produk dan jasa dari pemasaran, rekayasa, pembikinan, dan pemeliharaan yang membuat produk dan jasa yang digunakan memenuhi harapan-harapan pelanggan. Harapan disini mencakup kemudahan perawatan, kemudahan dalam penggunaannya, desain yang baik, harga yang ekonomis, daya tahan dan ketersediaan produk tersebut.

Pengendalian mutu adalah penggunaan teknik-teknik dan aktivitas-aktivitas untuk mencapai, mempertahankan dan meningkatkan mutu suatu produk atau jasa. Pengendalian mutu juga dapat dikatakan yaitu suatu proses pengaturan secara standar yang telah ditentukan, dan melakukan tindakan tertentu jika terdapat perbedaan. Maksud dari kebanyakan pengukuran mutu ini adalah menentukan dan mengevaluasi tingkat di mana produk atau jasa mendekati keinginan atau harapan dari konsumen.

2.2Pengendalian Mutu

Pengendalian mutu merupakan aktivitas teknik dan manajemen di mana kita mengukur karakteristik dari kualitas suatu barang atau jasa, kemudian membandingkan hasil pengukuran dengan spesifikasi produk yang diinginkan

oleh pelanggan dan mengambil tindakan peningkatan yang tepat apabila ditemukan perbedaan diantara kinerja actual dan standar.

Berdasarkan uraian di atas pengendalian mutu merupakan suatu metodologi pengumpulan dan analisis data kualitas, serta menentukan dan menginterpretasikan pengukuran-pengukuran yang menjelaskan tentang proses dalam suatu sistem industri untuk meningkatkan kualitas produk guna memenuhi kebutuhan dan ekspektasi pelanggan. Dengam demikian pengertian peningkatan dan pengendalian manajemen mutu lebih menekankan pada aspek peningkatan proses industri dengan menggunakan teknik-teknik statistika.

Dalam konteks pembahasan tentang analisis data untuk peningkatan proses dengan menggunakan teknik-teknik statistika, termilogi kualitas didefinisikan sebagai konsistensi peningkatan atau perbaikan dan penurunan variasi karakteristik kualitas dari suatu produk yang dihasilkan, agar memenuhi kebutuhan yang telah dispesifikasikan guna meningkatkan kepuasan pelanggan.

2.3Pengertian Statistic Quality Control

Statistic Quality Control (pengendalian kualitas statistik) adalah teknik yang digunakan untuk mengendalikan dan mengelola proses baik manufaktur maupun jasa melalui penggunaan metode statistik (Dorothea. W.A,2003). Pengendalian kualitas statistik merupakan teknik penyelesaian masalah yang digunakan untuk memonitor, mengendalikan, menganalisis, mengelola, dan memperbaiki produk proses menggunakan metode-metode statistik.

Dalam banyak proses produksi begaimanapun baiknya suatu rancangan atau pemeliharaan akan selalu ada variabilitas dasar. Variabilitas dasar atau

gangguan dasar ini merupakan pengaruh kumulatif dari banyak sebab-sebab kecil yang pada dasarnya tidak terkendali.

Variabilitas yang dimaksud adalah variabilitas antar sampel dan variabilitas dalam sampel. Apabila sampel diambil dari populasi yang sama, variasi statistik akan terjadi dari sampel kesampel dan variasi range dapat dihitung. Bentuk ini merupakan dasar yang dihitung pada peta kendali, di mana tujuan akhir pengendalian kualitas statistik adalah menyingkirkan atau mengurangi variabilitas dalam proses.

Pengendalian kualitas statistik secara garis besar digolongkan menjadi dua, yaitu pengendalian proses statistik dan rencana penerimaan sampel produk. Berdasarkan jenis data yang digunakan pengendalian kualitas statistik dapat dibagi atas dua golongan, yaitu pengendalian kualitas untuk data variabel dan pengendalian kualitas untuk data atribut.

2.4 Data Atribut dan Data Variabel 2.4.1 Data Atribut

Banyak karakteristik kualitas tidak dapat diklasifikasi sesuai kuantitasnya. Dalam suatu kasus kita selalu mengklasifikasikan tiap-tiap item yang diperiksa sebagi data yang seragam dan data yang tidak seragam kedalam suatu spesifikasi dalam suatu karakteristik. Karakteristik dalam jenis ini yang disebut data atribut. Data atribut merupakan data kualitatif yang dapat dihitung untuk pencatatan dan analisis. Contoh dari data atribut karakteristik kualitas adalah ketiadaan label pada kemasan, banyaknya jenis cacat. Data atribut biasanya diperoleh dalam bentuk

unit-unit yang ketidaksesuaian dengan spesifikasi atribut yang ditetapkan. Pada umumnya data atribut digunakan dalam peta kendali p, np, c, dan u.

2.4.2 Data Variabel

Data variabel merupakan data kuantitatif yang diukur untuk keperluan analisis. Contoh dari data variabel karakteristik kualitas adalah diameter pipa, ketebalan produk, berat produk dan lain-lain. Ukuran-ukuran berat, panjang, tinggi, diameter, volume biasanya merupakan data variabel.

Pengendalian kualitas untuk data variabel sering disebut dengan metode peta kendali variabel. Manfaat pengendalian kualitas proses untuk data variabel adalah memberikan informasi mengenai perbaikan kualitas, menentukan kemampuan proses setelah perbaikan kualitas tercapai, membuat keputusan yang berkaitan dengan spesifikasi produk, membuat keputusan yang berkaitan dengan proses produksi, membuat keputusan terbaru yang berkaitan dengan produk yang dihasilkan. Peta kontrol yang umum digunakan untuk data variabel adalah peta kendali X dan peta kendali R.

2.5Peta Kendali

Peta kendali pertama kali ditemukan oleh Walter A. Shewart ketika sedang bekerja untuk perusahaan Western Electrik. Shewart telah lama meneliti cara untuk mengembangkan reliabilitas dari sistem transmisi telepon. Peta kendali secara rutin digunakan untuk memeriksa kualitas, tergantung pada jumlah

karakteristik yang akan diperiksa. Jadi, peta kendali adalah teknik pengendali proses pada jalur yang digunakan secara luas untuk menyelidiki secara cepat terjadinya sebab-sebab terduga atau proses sedemikian sehingga penyelidikan terhadap proses itu dan tindakan pembetulan dapat dilakukan sebelum terlalu banyak unit yang tidak sesuai diproduksi.

Peta kendali merupakan penggambaran secara visual mengenai mutu atau kualitas suatu barang atau jasa. Teknik yang paling umum dilakukan dalam pengontrolan kualitas adalah menggunakan peta kontrol Shewart. Peta ini bentuknya sangat sederhana, yaitu terdiri dari tiga buah garis yang sejajar:

1. Garis tengah, yaitu menggambarkan nilai rata-rata proses.

2. Batas kendali atas ditarik nilai tiga kali standar deviasi diatas garis tengah. 3. Batas kendali bawah yang terletak pada nilai tiga kali standar deviasi

dibawah garis tengah

Out of control adalah suatu kondisi di mana karakteristik produk tidak sesuai dengan spesifikasi perusahaan ataupun keinginan pelanggan dan posisinya pada peta kendali berada di luar batas kendali.

2.5.1 Peta Kendali Untuk Data Variabel

Peta kendali untuk data variabel dapat digunakan secara luas. Biasanya peta kendali ini merupakan prosedur pengendali yang lebih efisien dan memberikan informasi tentang proses yang lebih banyak. Apabila bekerja dengan karakteristik kuantitas yang variabelnya sudah merupakan standar untuk mengendalikan nilai mean karakteristik kualitas dan variabilitasnya. Pengendalian rata-rata proses atau

mean tingkat kualitas biasanya dengan peta kendali mean atau peta kendali x. Peta kendali untuk rentang dinamakan peta kendali R

1. Peta Kendali x

Peta kendali x digunakan untuk proses yang mempunyai karakteristik berdimensi kontinu. Peta ini menggambarkan variasi harga rata-rata (mean) dari data yang diklasifikasikan dalam suatu kelompok. Pengelompokan data ini bisa dilakukan berdasarkan satuan waktu hari atau satuan waktu lainnya dimana sampel berasal dari kelompok yang melakukan pekerjaan yang sama, dan lain-lain.

Langkah-langkah untuk membuat peta kendali X adalah sebagai berikut:

a. Menentukan harga rata-rata X. nilai rata-rata X didapat dengan rumus:

̿ ∑ ̅

Di mana:

̿ = jumlah rata-rata dari nilai rata-rata subgroup

̅ = nilai rat-rata subgroup ke-i

g = jumlah subgroup

b. Batas kendali untuk peta X ini adalah:

BKA = ̿

BKB = ̿

Di mana:

BKB = batas kendali bawah = nilai koefiisien

R = selisih harga Xmaks dan Xmin

c. Menggambarkan peta X menggunakan batas kendali dan sebaran data X.

Peta ini sering digunakan sebagai dasar pembuatan keputusan mengenai penolakan atau penerimaan produk yang dihasilkan atau diteliti.

2. Peta kendali R (R chart)

Peta kendali rata-rata dan jarak (range) merupakan dua peta kendali yang saling membantu dalam mengambil keputusan mengenai kualitas proses. Peta kendali jarak (range) digunakan untuk mengetahui tingkat akurasi atau ketepatan proses yang diukur dengan mencari range dari sampel yang diambil. Seperti halnya peta kendali rata-rata kendali jarak tersebut juga digunakan untuk mengetahui dan menghilangkan sebab yang membuat terjadinya penyimpangan.

Peta kendali R merupakan peta untuk menggambarkan rentang data dari suatu sub group yaitu data terbesar dikurangi data terkecil. Langkah-langkah penentuan garis sentral yakni sebagai berikut:

a. Menetukan rentang rata-rata

Untuk menentukan rentang rata-rata dapat digunakan dengan rumus:

̅ ∑

Di mana:

= nilai rat-rata subgroup ke-i

g = jumlah subgroup

b. Batas kendali untuk peta X ini adalah:

BKA =

BKB =

Di mana:

BKA = batas kendali atas

BKB = batas kendali bawah

dan = nilai koefisien

c. Menggambarkan garis R dan garis batas kendali pada peta serta sebaran data Range (R)

2.5.2 Peta Kendali Untuk Data Atribut

Data yang diperlukan disini hanya diklasifikasikan sebagai data dalam kondisi baik atau cacat. Seperti halnya dengan peta kendali variabel, maka suatu proses akan dikatakan terkendali bila data berada dalam batas-batas kendali. Pada umumnya untuk data atribut dipergunakan peta kendali p, np, c, u.

a. Peta kendali p

Peta kendali p digunakan untuk mengukur proporsi ketidaksesuaian atau sering disebut cacat) dari item-item dalam kelompok yang sedang diinspeksi. Dengan demikian peta kendali p digunakan untuk mengendalikan proporsi dari item-item

yang tidak memenuhi syarat spesifikasi kualitas. Proporsi yang tidak memenuhi syarat didefinisikan sebagai rasio banyaknya item yang tidak memenuhi syarat dalam suatu kelompok terhadap total banyaknya item dalam kelompok itu. Jika item-item itu tidak memenuhi standar pada satu atau lebih karakteristik kualitas yang diperiksa, maka item-item itu digolongkan sebagai tidak memnuhi syarat. Spesifikasi atau cacat.

b. Peta kendali np

Pada dasarnya peta kontrol np serupa dengan peta kontrol p, kecuali dalam peta kendali np terjadi perubahan skala pengukuran. Peta kendali np menggunakan ukuran banyaknya item yang tidak memenuhi spesifikasi atau banyaknya item yang tidak sesuai (cacat) dalam suatu pemeriksaan.

c. Peta Kendali c

Suatu item tidak memenuhi syarat atau cacat dalam proses pengendalian kualitas didefinisikan sebagai tidak memenuhi spesifikasi untuk item itu. Setiap titik spesifikasi yang tidak memenuhi spesifikasi yang ditentukan untuk item itu, menyebabkan item itu digolongkan sebagai cacat. Konsekuensinya setiap item yang tidak memenuhi syarat akan mengandung paling sedikit satu spesifikasi yang tidak memenuhi syarat.

Penggolongan produk yang cacat berdasarkan kriteria di atas, kadang-kadang untuk jenis produk tertentu dianggap kurang representatif, karena bisa saja suatu produk masih dapat berfungsi dengan baik meskipun mengandung satu atau lebih titik spesifik yang tidak memenuhi spesifikasi. Sebagai contoh, dalam proses perakitan komputer, setiap unit komputer dapat saja mengandung satu atau lebih titik lemah, namun kelemahan itu tidak

mempengaruhi operasional komputer, dan karena itu digolongkan sebagai tidak cacat atau masih layak diterima.

d. Peta Kendali u

Peta kendali u mengukur banyaknya ketidaksesuaian (titik spesifikasi) per unit laporan inspeksi dalam kelompok (periode) pengamatan., yang mungkin memiliki ukuran contoh (banyak item yang diperiksa). Peta kendali u serupa dengan dengan peta kendali c, kecuali bahwa banyaknya ketidaksesuaian dinyatakan dalam basis per unit item.

2.6 Peta Kendali Revisi

Untuk peta kendali yang memiliki data di luar batas kendali atau out of control

maka dilakukan perbaikan dengan menggunakan peta kendali revisi. Adapaun tujuan dari pemakaian peta kendali revisi ini untuk mendapatkan peta kendali di mana data berada dalam batas pengendali.

Adapun data pendahuluan pada peta kendali revisi untuk peta X dan R adalah sebagai berikut:

1. Meletakkan data pendahuluan pada peta kendali

Apabila terjadi nilai-nilai maupun subgroup-subgroup yang menyimpang dari garis sentral maka perlu dihitung garis sentral baru terhadap data yang ada. Dimana data yang diluar batas kendali dihilangkan dari peta kendali.

Untuk peta X rata-rata dan R perhitungannya dengan menggunakan rumus:

̅new =

∑

dan ̅new =

∑

Di mana :

= Jumlah rata-rata subgroup yang ditolak = Jumlah range subgroup yang ditolak = Jumlah subgroup yang ditolak

2. Menghitung batas kendali atas dan batas kendali bawah

Untuk menghitung batas kendali yang baru maka dapat digunakan dengan rumus:

Batas Kendali Atas Untuk Peta Revisi ̅new : ̅ = ̅ + A2 ̅new

Batas Kendali Bawah Untuk Peta Revisi ̅new: _̅ = ̅ - A2 ̅new Batas Kendali Atas Untuk Peta Revisi ̅new : = D4 R0

Batas Kendali Bawah Untuk Peta Revisi ̅new : = D3 R0

Di mana :

̅ = ̅new

R0 = ̅new

3. Menggambarkan peta kontrol ̅new dan ̅new

2.7 Kapabilitas Proses (Cp)

Kapabilitas proses digunakan untuk melihat kapabilitas atau kemampuan proses. Indeks kapabilitas proses hanya layak dihitung apabila proses berada dalam pengendalian. Adapun kriteria penilaian indeks kapabilitas proses sebagai berikut:

1. Jika Cp > 1.33 maka kapabilitas proses sangat baik.

2. Jika 1.00 maka kapabilitas proses baik, namun perlu pengendalian ketat apabila Cp mendekati 1.00

3. Jika Cp < 1.00 maka kapabilitas proses rendah, sehingga perlu ditingkatkan kinerjanya melalui peningkatan proses.

Perumusan untuk perhitungan nilai indeks kapabilitas ini adalah sebagai berikut:

= ̅

Cp = Di mana :

Cp = process capability

LSL = Lower specification limit

USL = Upper specification limit

Kriteria penilaian:

a. Jika > 1.33, maka kapabilitas proses sangat baik

b. Jika 1.00 maka kapabilitas baik, namun perlu pengendalian ketat apabila Cp mendekati 1.00

c. Jika < 1.00 maka kapabilitas proses rendah, sehingga perlu diperhatikan tingkat kinerjanya melalui peningkatan proses.

BAB 3

GAMBARAN UMUM 3.1. Sejarah Singkat PTP Nusantara IV PKS

Unit usaha Adolina pertama kali didirikan pada tahun 1962 oleh pemerintahan Belanda. Unit usaha ini diberi nama NV Cultuur Maatschappy Onderneming (NV CMO). Unit usaha NV CMO ini bergerak dalam budi daya tembakau. Sejak tahun 1983 budi daya tembakau ini berubah menjadi budi daya kelapa sawit dan karet, dan berubah nama menjadi NV Serdang Cultuur Maatschappy (NV SCM). Pada tahun 1973 budi daya karet diganti dengan budi daya kakao. Pada tahun 1942 pemerintah Jepang mengambil alih unit usaha NV SCM dari tangan pemerintah Belanda, dan pada tahun 1946 diambil alih lagi oleh pemerintah Belanda.

Pada tahun 1958 perusahaan unit usaha ini diambil alih oleh pemerintah Republik Indonesia dan berganti nama menjadi Perusahaan Perkebunan Negara (PPN). Pada tahun 1960 PPN berganti nama menjadi PPN Baru SUMUT V. Tahun 1968 PPN Baru Sumut berganti nama menjadi PNP VI dengan penggabungan kembali PPN Karet III Kebun Adolina Hulu dengan PPN Aneka Tanaman II Kebun adolina Hilir. Pada tahun 1978 PNP VI berubah menjadi bentuk persero dengan nama PT. Perkebunan VI Tahun 1994 PTP VI, PTP VII, PTP VIII digabung menjadi satu dan dipimpin oleh Direktur Utama PTP VII.

Sejak tahun 1996 sampai dengan sekarang gabungan PTP VI, PTP VII, PTP VIII diberi nama PTP Nusantara IV (Persero), di mana Adolina merupakana salah satu unit usaha dari PTP Nusantara IV (Persero) dan merupakan badan usaha milik Negara (BUMN).

3.2. Ruang Lingkup Bidang Usaha

Pabrik kelapa sawit PTP Nusantara IV Adolina merupakan perusahaan yang bergerak dalam bidang produksi minyak sawit yaitu minyak mentah kelapa sawit. PTP Nusantara IV PKS Adolina ini memperoleh bahan baku kelapa sawit dari kebun-kebun PTP Nusantara IV unit Adolina sendiri dan sebagian lagi diperoleh dari kebun-kebun rakyat atau swasta sekitarnya. Selain memproduksi minyak mentah kelapa sawit PTP Nusantara juga memproduksi inti sawit yang selanjutnya tidak dipasarkan akan tetapi diproses lebih lanjut ke pabrik pengolahan inti sawit di Pabatu.

3.3. Lokasi Perusahaan

Lokasi pabrik pengolahan kelapa sawit PTP Nusantara IV Unit Adolina berada di Kabupaten Serdang Begadai tepatnya di pinggir jalan raya Medan-Pematang Siantar Perbaungan dengan jarak 38 km dari kota Medan. Sesuai surat keputusan direksi PT Perkebunan Nusantara IV (Persero) No: 04.13/Kpts/Org/93/XII/1998 tanggal 17 Desember 1998 memutuskan terhitung tanggal 01 Januari 1999 melebur Kebun Bangun Purba dan merubah statusnya menjadi Afdeling unit kebun Adolina. Luas area hak guna kebun Adolina seluas 8.965,69 Ha. Dimana dibagi atas dua bagian yaitu 8.636 Ha untuk lahan kelapa sawit dan 329,69 Ha untuk Emplasmaent, pondok, bibitan, pabrik, dll.

BAB 4

PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data

Data yang diolah pada tugas akhir ini adalah data sekunder yang diperoleh dari PTP Nusantara IV PKS Adolina. Yaitu hasil pengujian kualitas minyak mentah kelapa sawit dengan syarat mutu kadar asam lemak, kadar air, dan kadar kotoran pada laboratorium dari tanggal 1 s/d 31 Maret 2014.

Adapun data nilai batas normal kadar asam lemak, kadar air, dan kadar kotoran adalah sebagai berikut:

1. Kadar normal Asam Lemak Bebas (ALB) : 2.5% - 3,0 % 2. Kadar normal air : 0.1% - 0.15% 3. Kadar normal kotoran : 0.01% - 0.02%

Dalam hal ini perusahaan melakukan sampel untuk pemeriksaan syarat mutu untuk mewakili produk. Pengambilan sampel dilakukan dengan rentang 1 jam sekali selama proses produksi berlangsung

Table 4.1 Data hasil pengujian kadar asam lemak, kadar air dan kadar kotoran Tanggal Kadar Asam

Lemak Bebas

Kadar Kotoran Kadar Air 1 Maret 2014 3.38 0.021 0.165

3.18 0.019 0.157 3.31 0.019 0.151 3.12 0.017 0.148

3.2 0.021 0.158

3.35 0.022 0.163 3.35 0.021 0.147 2 Maret 2014 3.86 0.023 0.155

Tabel 4.1 Lanjutan Tanggal Kadar Asam

Lemak Bebas

Kadar Kotoran Kadar Air 4.17 0.023 0.154 3.59 0.021 0.159

3.56 0.02 0.16

3.65 0.023 0.154

3.99 0.02 0.153

2.65 0.021 0.153 3 Maret 2014 3.15 0.022 0.145

2.9 0.021 0.156

2.96 0.023 0.148 2.93 0.022 0.149 2.91 0.022 0.159

3 0.021 0.155

2.89 0.022 0.166 4 Maret 2014 2.86 0.016 0.142 3.31 0.017 0.131

3.27 0.02 0.136

3.31 0.021 0.138 3.24 0.022 0.141 3.32 0.025 0.127

3.1 0.022 0.142

5 Maret 2014 2.87 0.021 0.139 2.61 0.019 0.139

3.43 0.02 0.144

3.21 0.023 0.145 2.79 0.025 0.147

2.9 0.02 0.141

2.77 0.022 0.147 7 Maret 2014 3.24 0.02 0.146 3.46 0.023 0.159 2.71 0.021 0.163

4 0.022 0.154

3.57 0.022 0.157

3.14 0.02 0.151

4.21 0.019 0.152 8 Maret 2014 3.48 0.017 0.13

3.45 0.018 0.145

3.12 0.02 0.131

3.09 0.016 0.136 2.78 0.016 0.131 3.42 0.017 0.142 3.16 0.018 0.138

Tabel 4.1 Lanjutan Tanggal Kadar Asam

Lemak Bebas

Kadar Kotoran Kadar Air 10 Maret 2014 2.87 0.021 0.138

2.81 0.025 0.147 3.16 0.022 0.143 2.73 0.023 0.159 2.81 0.019 0.146 2.84 0.017 0.142 3.24 0.016 0.153 11 Maret 2014 2.97 0.017 0.164 3.09 0.018 0.176 3.09 0.019 0.164 2.99 0.019 0.178 3.24 0.019 0.173

3.18 0.02 0.166

3.12 0.019 0.183 13 Maret 2014 3.07 0.019 0.15

3.01 0.018 0.158

3.05 0.02 0.151

3.07 0.022 0.157

3.05 0.019 0.15

3.08 0.021 0.161

3.08 0.02 0.163

14 Maret 2014 2.46 0.021 0.138 2.65 0.018 0.149 3.23 0.018 0.143 2.91 0.019 0.148

2.85 0.02 0.149

2.81 0.021 0.138 2.77 0.022 0.158 17 Maret 2014 3.09 0.021 0.137

3.59 0.02 0.133

3.68 0.022 0.138 3.55 0.023 0.131 3.19 0.021 0.138

3 0.023 0.128

3.21 0.021 0.141 18 Maret 2014 4.22 0.02 0.143

3.69 0.02 0.141

3.14 0.019 0.148 3.04 0.019 0.143 2.88 0.021 0.145 3.21 0.021 0.139

3.04 0.023 0.14

Tabel 4.1 Lanjutan Tanggal Kadar Asam

Lemak Bebas

Kadar Kotoran Kadar Air 2.43 0.017 0.164 2.89 0.016 0.155 2.49 0.018 0.164 2.47 0.016 0.166

2.88 0.018 0.16

2.84 0.018 0.166 21 Maret 2014 3.2 0.02 0.172 2.94 0.019 0.169 3.47 0.018 0.166 4.28 0.016 0.173 3.33 0.017 0.169

3.15 0.02 0.18

2.96 0.021 0.167 24 Maret 2014 2.96 0.021 0.155 3.13 0.022 0.163 3.05 0.021 0.161

3.05 0.02 0.159

3.07 0.019 0.152 3.02 0.018 0.157 3.07 0.019 0.156 25 Maret 2014 3.11 0.018 0.163 3.42 0.018 0.164 3.68 0.019 0.179 3.43 0.019 0.175 3.19 0.017 0.181 3.66 0.016 0.173 3.19 0.016 0.172 27 Maret 2014 3.46 0.02 0.181 3.56 0.019 0.168

3.71 0.02 0.169

3.69 0.016 0.158 3.35 0.017 0.161 2.96 0.018 0.153 2.95 0.019 0.159 29 Maret 2014 4.36 0.016 0.147 3.43 0.018 0.147

3.52 0.02 0.16

3.45 0.021 0.173 3.41 0.022 0 .168 3.45 0.022 0.162

3.7 0.025 0.149

4.2. Peta ̅ dan R Untuk Kadar Asam Lemak Bebas

Membuat peta kendali ̅ menggunakan rata-rata ̿. Nilai rata-rata ̿ yang merupakan garis sentral didapatkan dengan rumus:

̿ =∑ ̅

Di mana:

̿ = jumlah rata-rata dari nilai rata-rata subgroup

̅= nilai rata-rata subgroup ke-i

g = jumlah subgroup

BKA = ̿ ̅

BKB = ̿ ̅

Di mana:

BKA = batas kendali atas

BKB = batas kendali bawah

= nilai koefiisien

R = selisih harga Xmaks dan Xmin

Peta kendali R merupakan peta untuk menggambarkan rentang data dari suatu sub group, yaitu data terbesar dikurangi data terkecil. Penentuan garis sentral, yakni rentang rata-rata adalah sebagai berikut:

̅ ∑

BKA =

BKB =

Di mana:

̅ = jumlah rata-rata dari nilai rata-rata subgroup

= nilai rata-rata subgroup ke-ig = jumlah subgroup

BKA = batas kendali atas

BKB = batas kendali bawah

Nilai dapat dilihat pada table faktor untuk peta ̅ dan table faktor dan untuk peta R. Perhitungan X dan R dapat dilihat pada table 4.2.

Tabel 4.2 Perhitungan ̅ dan R pada pengujian kadar asam lemak bebas

No Tanggal

Sampel

̅ R

1 1 Maret 2014 3.38 3.18 3.31 3.12 3.2 3.35 3.35 3.27000 0.26 2 2 Maret 2014 3.86 4.17 3.59 3.56 3.65 3.99 2.65 3.63857 1.52 3 3 Maret 2014 3.15 2.9 2.96 2.93 2.91 3 2.89 2.96286 0.26 4 4 Maret 2014 2.86 3.31 3.27 3.31 3.24 3.32 3.1 3.20143 0.46 5 5 Maret 2014 2.87 2.61 3.43 3.21 2.79 2.9 2.77 2.94000 0.82 6 7 Maret 2014 3.24 3.46 2.71 4 3.57 3.14 4.21 3.47571 1.5 7 8 Maret 2014 3.48 3.45 3.12 3.09 2.78 3.42 3.16 3.21429 0.7 8 10 Maret 2014 2.87 2.81 3.16 2.73 2.81 2.84 3.24 2.92286 0.51 9 11 Maret 2014 2.97 3.09 3.09 2.99 3.24 3.18 3.12 3.09714 0.27 10 13 Maret 2014 3.07 3.01 3.05 3.07 3.05 3.08 3.08 3.05857 0.07 11 14 Maret 2014 2.46 2.65 3.23 2.91 2.85 2.81 2.77 2.81143 0.77 12 17 Maret 2014 3.09 3.59 3.68 3.55 3.19 3 3.21 3.33000 0.68 13 18 Maret 2014 4.22 3.69 3.14 3.04 2.88 3.21 3.04 3.31714 1.34 14 19 Maret 2014 2.34 2.43 2.89 2.49 2.47 2.88 2.84 2.62000 0.55

Tabel 4.2 Lanjutan

No Tanggal Sampel ̅ R

15 21 Maret 2014 3.2 2.94 3.47 4.28 3.33 3.15 2.96 3.33286 1.34 16 24 Maret 2014 2.96 3.13 3.05 3.05 3.07 3.02 3.07 3.05000 0.17 17 25 Maret 2014 3.11 3.42 3.68 3.43 3.19 3.66 3.19 3.38286 0.57 18 27 Maret 2014 3.46 3.56 3.71 3.69 3.35 2.96 2.95 3.38286 0.76 19 29 Maret 2014 4.36 3.43 3.52 3.45 3.41 3.45 3.7 3.61714 0.95

Penentuan garis sentral ̿ adalah sebagai berikut:

̿ =∑ ̅

̿ =

= 3.1908

Penentuan garis tengah R yakni rentang rata-rata adalah sebagai berikut:

̅ = ∑

̅ = ̅ = 0.710

Nilai dari A2 = 0.419 dan D3 = 0.076 dan D4 = 1.924 didapat dari table faktor A

dan Dpembentuk peta kendali untuk subgroup 7.

Batas kendali ̅ untuk kadar kotoran adalah:

BKA = ̿ + A2 ̅

= 3.4887

BKB = ̿ - A2 ̅

= 3.1908- (0.419 x 0.710)

= 2.893

Batas kendali peta R adalah:

BKA = D4 ̅

= 1.924 x 0.710

= 1.366

BKA = D3 ̅

= 0.076 x 0.710

= 0.054

Dari hasil perhitungan di atas dapat digambarkan peta kendali X dan R sebagai berikut:

Gambar 4.1 Peta kendali X kadar asam lemak bebas

Dari peta kendali X dan R di atas terdapat data yang out of conrol, yaitu data untuk peta kendali dengan nomor sampel 2,11,14,19 untuk data peta kendali R dengan nomor sampel 2 dan 6. Karena terdapat data yang out of control maka dilakukan revisi terhadap peta kendali X dan R.

Revisi untuk peta X adalah:

̅ = ̅new =

∑

̅new =

̅new =

̅new = 3.1959

̅new = ∑ ̅new =

̅new = ̅new = 0.6165

Untuk ukuran sampel n=7, maka A2= 0.419 (daftar tabel), sehingga:

Batas kendali untuk peta X adalah:

BKA Untuk Peta Revisi ̅new: _̅ = ̅ + A2 ̅

= 3.1959+ (0.419 x 0.6165) = 3.45

BKB Untuk Peta Revisi ̅new: ̅ = ̅ - A2 ̅

= 3.1959 - (0.419 x 0.6165) = 2.93

Batas kendali untuk peta R adalah:

BKA Untuk Peta Revisi ̅new: = D4 ̅

= 1.924 x 0.6165 = 1.1862

BKA Untuk Peta Revisi ̅new: = D3 ̅

= 0.076 x 0.6165 = 0.0468

Peta revisi dari peta X dan R untuk kadar asam lemak bebas adalah sebagai berikut:

Gambar 4.3 Peta kendali X revisi I untuk kadar asam lemak bebas

Dari peta kendali X revisi I dan peta kendali R revisi I di atas terdapat data yang out of conrol, yaitu data untuk peta kendali X dengan nomor sampel 5 untuk data peta kendali R dengan nomor sampel 11 dan 13. Karena terdapat data yang

out of control maka dilakukan revisi terhadap peta kendali X dan R.

Revisi untuk peta X adalah:

̅ = ̅new =

∑

̅new =

̅new =

̅new = 3.1759

̅new =

∑

̅new =

̅new =

̅new = 0.52

Untuk ukuran sampel n=7, maka A2= 0.419 (daftar tabel), sehingga:

Batas kendali untuk peta X adalah:

BKA Untuk Peta Revisi ̅new : ̅ = ̅ + A2 ̅

= 3.1759+ (0.419 x 0.52) = 3.39378

BKB Untuk Peta Revisi ̅new : ̅ = ̅ - A2 ̅

= 3.1759 - (0.419 x 0.52) = 2.997

Batas kendali untuk peta R adalah:

BKA Untuk Peta Revisi ̅new : = D4 ̅

= 1.924 x 0.52 = 1.0005 BKA Untuk Peta Revisi ̅new : = D3 ̅

= 0.076 x 0.52 = 0.0395

Peta revisi dari peta X dan R untuk kadar asam lemak bebas adalah sebagai berikut:

Gambar Peta 4.6 kendali R revisi II untuk data kadar asam lemak

Setelah direvisi II maka pada peta kendali X dan R tidak terdapat data yang di luar batas kendali, selanjutnya ditentukan proses kapabilitasnya.

= ̅

Cp = Di mana:

Cp = process capability

LSL = Lower specification limit

USL = Upper specification limit

d. Jika Cp > 1.33, maka kapabilitas proses sangat baik

e. Jika 1.00 maka kapabilitas baik, namun perlu pengendalian ketat apabila Cp mendekati 1.00

f. Jika Cp < 100 maka kapabilitas proses rendah, sehingga perlu diperhatikan tingkat kinerjanya melalui peningkatan proses.

= ̅

= = 0.192

Cp =

= = 0.434

CPU = ̿

=

= -0.304

CPL = ̿

=

CPK = ( ̿) ̿ = = = - 0.304

Berdasarkan ukuran indeks kerja, dapat diketahui bahwa Cp < 1.33 menunjukkan bahwa kapabilitas proses sangat.rendah, sedangkan CPK < 1.00 menunjukkan kinerja proses yang rendah dimana spesifikasi berada diluar batas

4.3. Peta ̅ dan R Untuk Kadar Kotoran

Data kadar kotoran yang telah dikelompokan dalam 7 sub group kemudian dicari nilai X rata-rata dan range. Berikut perhitungan X rata-rata dan range yang dapat dilihat pada table 4.3

Tabel 4.3. Perhitungan ̅ dan R pada pengujian kadar kotoran

Tanggal No Sampel X

rata-rata Range 1 Maret 1 0.021 0.019 0.019 0.017 0.021 0.022 0.021 0.02000 0.005 2 Maret 2 0.023 0.023 0.021 0.02 0.023 0.02 0.021 0.02157 0.003 3 Maret 3 0.022 0.021 0.023 0.022 0.022 0.021 0.022 0.02186 0.002 4 Maret 4 0.016 0.017 0.02 0.021 0.022 0.025 0.022 0.02043 0.009 5 Maret 5 0.021 0.019 0.02 0.023 0.025 0.02 0.022 0.02143 0.006 7 Maret 6 0.02 0.023 0.021 0.022 0.022 0.02 0.019 0.02100 0.004 8 Maret 7 0.017 0.018 0.02 0.016 0.016 0.017 0.018 0.01743 0.004 10 Maret 8 0.021 0.025 0.022 0.023 0.019 0.017 0.016 0.02043 0.009 11 Maret 9 0.017 0.018 0.019 0.019 0.019 0.02 0.019 0.01871 0.03 13 Maret 10 0.019 0.012 0.02 0.022 0.019 0.021 0.02 0.01986 0.044 14 Maret 11 0.021 0.018 0.018 0.019 0.02 0.021 0.022 0.01986 0.04 17 Maret 12 0.021 0.02 0.022 0.023 0.021 0.023 0.021 0.02157 0.03

Tabel 4.3 Lanjutan

Tanggal No Sampel X

rata-rata

Range

18 Maret 13 0.02 0.02 0.019 0.019 0.021 0.021 0.023 0.02043 0.004 19 Maret 14 0.016 0.017 0.016 0.018 0.016 0.018 0.018 0.017 0.002 21 Maret 15 0.02 0.019 0.018 0.016 0.017 0.02 0.021 0.01871 0.005 24 Maret 16 0.021 0.022 0.021 0.02 0.019 0.018 0.019 0.02 0.004 25 Maret 17 0.018 0.018 0.019 0.019 0.017 0.016 0.016 0.01757 0.003 27 Maret 18 0.02 0.019 0.02 0.016 0.017 0.018 0.019 0.01843 0.004 29 Maret 19 0.016 0.018 0.02 0.021 0.022 0.022 0.025 0.02057 0.009

Penentuan garis sentral ̿ adalah sebagai berikut:

̿ =∑ ̅

̿ =

= 0.01983

Penentuan garis tengah R yakni rentang rata-rata adalah sebagai berikut:

̅ = ∑

̅ = ̅ = 0.00458

Nilai dari A2 = 0.419 dan D3 = 0.076 dan D4 = 1.924 didapat dari table faktor A

dan Dpembentuk peta kendali untuk subgroup 7.

Batas kendali ̅ untuk kadar kotoran adalah:

= 0.01983 + (0.419 x 0.00458)

= 0.02175

BKB = ̿ - A2 ̅

= 0.01983 - (0.419 x 0.00458)

= 0.01791

Batas kendali peta R adalah:

BKA = D4 ̅

= 1.924 x 0.00458

= 0.0088

BKA = D3 ̅

= 0.076 x 0.00458

= 0.00035

Dari hasil perhitungan di atas dapat digambarkan peta kendali X dan R sebagai berikut:

Gambar 4.7 Peta kendali X untuk kadar kotoran

Dari peta kendali X di atas terdapat data yang out of control, data dengan nomor sampel 3,7,14,17. Untuk peta R data yang out of control adalah data dengan nomor sampel 4,8,19. Karena terdapat data yang out of control maka perlu dilakukan revisi.

Revisi untuk peta X adalah:

̅ = ̅new =

∑

̅new =

̅new =

̅new = 0.02020

̅new =

∑

̅new =

̅new =

̅new = 0.00375

Untuk ukuran sampel n=7, maka A2= 0.419 (daftar tabel), sehingga:

Batas kendali untuk peta X adalah:

BKA Untuk Peta Revisi ̅new : ̅ = ̅ + A2 ̅

= 0.02020+ (0.419 x 0.00375) = 0.022

BKB Untuk Peta Revisi ̅new : ̅ = ̅ - A2 ̅

= 0.02020 - (0.419 x 0.00375) = 0.0181

Batas kendali untuk peta R adalah:

BKA Untuk Peta Revisi ̅new : = D4 ̅

= 1.924 x 0.00375 = 0.00722

BKA Untuk Peta Revisi ̅new : = D3 ̅

= 0.076 x 0.00375 = 0.00028

Peta revisi dari peta X dan R untuk kadar asam lemak bebas adalah sebagai berikut.

Gambar 4.10 Peta kendali R revisi untuk data kadar kotoran

Berdasarkan hasil revisi dapat dilihat bahwa data sudah berada dalam batas pengendalian, selanjutnya ditentukan proses kapabilitasnya.

= ̅

Cp = Di mana:

Cp = process capability

LSL = Lower specification limit

USL = Upper specification limit

Kriteria penilaian:

b. Jika 1.00 maka kapabilitas baik, namun perlu pengendalian ketat apabila Cp mendekati 1.00

c. Jika Cp < 100 maka kapabilitas proses rendah, sehingga perlu diperhatikan tingkat kinerjanya melalui peningkatan proses.

= ̅

= = 0.00139

Cp =

= = 1.199

CPU = ̿

=

= -0.048

CPL = ̿

= –

= 2.446

CPK = ( ̿) ̿

=

= = - 0.048

Berdasarkan ukuran indeks kerja, dapat diketahui bahwa 1.00 Cp= 1.199 1.33 menunjukkan bahwa kapabilitas proses baik, sedangkan CPK < 1.00 menunjukkan kinerja proses yang rendah di mana berada di luar batas spesifikasi.

4.4. Peta ̅ dan R Untuk Kadar Air

Data kadar air yang telah dikelompokan dalam 7 sub group kemudian dicari nilai X rata-rata dan range. Berikut perhitungan X rata-rata dan range yang dapat dilihat pada table 4.4.

Tabel 4.4 Perhitungan ̅ dan R pada pengujian kadar kotoran

Tanggal No Sampel X

rata-rata Range X1 X2 X3 X4 X5 X6 X7

1 Maret 1 0.165 0.157 0.151 0.148 0.158 0.163 0.147 0.15557 0.018 2 Maret 2 0.155 0.154 0.159 0.16 0.154 0.153 0.153 0.15543 0.007 3 Maret 3 0.145 0.156 0.148 0.149 0.159 0.155 0.166 0.15400 0.021 4 Maret 4 0.142 0.131 0.136 0.138 0.141 0.127 0.142 0.13671 0.015 5 Maret 5 0.139 0.139 0.144 0.145 0.147 0.141 0.147 0.14314 0.008 7 Maret 6 0.146 0.159 0.163 0.154 0.157 0.151 0.152 0.15457 0.017 8 maret 7 0.13 0.145 0.131 0.136 0.131 0.142 0.138 0.13614 0.015 10 Maret 8 0.141 0.147 0.143 0.159 0.146 0.142 0.153 0.14729 0.018 11 Maret 9 0.164 0.176 0.164 0.178 0.173 0.166 0.183 0.17200 0.019 13 maret 10 0.15 0.158 0.151 0.157 0.15 0.161 0.163 0.15571 0.013 14 Maret 11 0.138 0.149 0.143 0.148 0.149 0.138 0.158 0.14614 0.02 17 Maret 12 0.137 0.133 0.138 0.131 0.138 0.128 0.141 0.13514 0.013 18 Maret 13 0.143 0.141 0.148 0.143 0.145 0.139 0.14 0.14271 0.009 19 Maret 14 0.149 0.164 0.155 0.164 0.166 0.16 0.166 0.16057 0.017

Tabel 4.4 Lanjutan

Tanggal No Sampel X

rata-rata Range X1 X2 X3 X4 X5 X6 X7

21 Maret 15 0.172 0.169 0.166 0.173 0.169 0.18 0.167 0.17086 0.014 24 Maret 16 0.155 0.163 0.161 0.159 0.152 0.157 0.156 0.15757 0.011 25 Maret 17 0.163 0.164 0.179 0.175 0.181 0.173 0.172 0.17243 0.018 27 Maret 18 0.181 0.168 0.169 0.158 0.161 0.153 0.159 0.16414 0.028 29 Maret 19 0.147 0.147 0.16 0.173 0.168 0.162 0.149 0.15800 0.026

Penentuan garis sentral ̿ adalah sebagai berikut:

̿ =∑ ̅

̿ =

= 0.15359

Penentuan garis tengah R yakni rentang rata-rata adalah sebagai berikut:

̅ = ∑

̅ = ̅ = 0.01616

Nilai dari A2 = 0.419 dan D3 = 0.076 dan D4 = 1.924 didapat dari table faktor A

dan Dpembentuk peta kendali untuk subgroup 7.

Batas kendali ̅ untuk kadar kotoran adalah:

BKA = ̿ + A2 ̅

= 0.16036

BKB = ̿ - A2 ̅

= 0.15359 - (0.419 x 0.01616)

= 0.14681

Batas kendali peta R adalah:

BKA = D4 ̅

= 1.924 x 0.01616

= 0.03109

BKA = D3 ̅

= 0.076 x 0.01616

Dari hasil perhitungan di atas dapat digambarkan peta kendali X dan R sebagai berikut

Gambar 4.11 Peta kendali X untuk data kadar air

Dari peta kendali X di atas terdapat data yang out of conrol, yaitu data untuk peta kendali dengan nomor sampel 4,5,7,9,11,12,13,14,15,17,18 maka dilakukan revisi untuk mendapatkan data yang berada dalam batas kendali, sedangkan pada peta kendali R data sudah berada dalam batas kendali.

Revisi untuk peta X adalah:

̅ = ̅new =

∑

̅new=

̅new =

̅new = 0.15584

Untuk ukuran sampel n=7, maka A2= 0.419 (daftar tabel), sehingga:

Batas kendali untuk peta X adalah:

BKA Untuk Peta Revisi ̅new : _̅ = ̅ + A2 ̅

= 0.15584+ (0.419 x 0.01616) = 0.16261

BKB Untuk Peta Revisi ̅new : ̅ = ̅ - A2 ̅

= 0.15584 - (0.419 x 0.01616) = 0.14907

Gambar Peta 4.13 Kontrol X revisi untuk kadar air

setelah dilakukan revisi maka semua data pada peta X terdapat dalam batas kendali, selanjutnya ditentukan proses kapabilitasnya.

= ̅

Cp = Di mana:

Cp = process capability

LSL = Lower specification limit

Kriteria penilaian:

a. Jika Cp > 1.33, maka kapabilitas proses sangat baik

b. Jika 1.00 maka kapabilitas baik, namun perlu pengendalian ketat apabila Cp mendekati 1.00

c. Jika Cp < 100 maka kapabilitas proses rendah, sehingga perlu diperhatikan tingkat kinerjanya melalui peningkatan proses.

= ̅

= = 0.0059

Cp =

= = 1.412

CPU = ̿

=

= -0.329

CPL = ̿

= –

CPK = ( ̿) ̿

=

= = - 0.329

Berdasarkan ukuran indeks kerja, dapat diketahui bahwa Cp= 1.412 1.33 menunjukkan bahwa kapabilitas proses sangat baik, sedangkan CPK= -0.329 < 1.00 menunjukkan kinerja proses yang rendah dimana berada diluar batas spesifikasi.

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan desain sistem yang ada dalam desain sistem yang disetujui, menginstal dan memulai sistem atau sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan penerapan hasil desain yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini menggunakan software yaitu SPSS 17.0 for Windows dalam memperoleh hasil perhitungan.

5.2 Sekilas Tentang Program SPSS Versi 18

Statistical Product and Service Solutions atau sering disebut dengan istilah SPSS, merupakan suatu program aplikasi komputer yang secara khusus digunakan untuk mengolah dan menganalisis data statistik. Dengan menggunakan SPSS, analisis data akan menjadi lebih cepat, efisien dengan hasil perhitungan yang akurat dan cukup mudah untuk mengoperasikannya.

SPSS pertama sekali diperkenalkan oleh tiga mahasiswa Standford University pada tahun 1968. Tahun 1948 SPSS sebagai software muncul dengan nama SPSS/PC+ dengan sistem DOS. Lalu sejak tahun 1992 SPSS mengeluarkan versi windows. SPSS dengan sistem windows telah mengeluarkan software dengan

beberapa versi yang berkembang dalam penggunaannya dalam mengolah data statistik.

SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu sosial, sehingga SPSS merupakan singkatan dari Statistical Program for Social Science. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas untuk berbagai jenis penggunaan, misalnya untuk proses produksi di perusahaan, riset ilmu-ilmu sains dan sebagainya. Sehingga kini SPSS menjadi singkatan dari

Statistical Product and Service Solutions.

5.3 Peta Kendali dengan Program SPSS

Pembuatan peta kendali X dan peta kendali R pada program SPSS dapat dilakukan dengan tahap sebagai berikut:

1. Memasukkan data

2. Menghitung harga rata-rata total a. Pilih menu transform

Gambar 5.2 Tampilan jendela editor compute variabel

b. Pilih compute

c. Pada kotak numeric expression ketik apa yang hendak dihitung. Karena ingin dicari nilai mean ketik Mean(X1,X2,X3,X4,X5,X6,X7)

Gambar 5.4 Tampilan pengisian numeric expression variabel Xbar d. Klik OK, sehingga akan muncul tampilan berikut:

3. Menghitung harga rata-rata range

a. Pilih menu transform, hasilnya sebagai berikut:

Gambar 5.6 Tampilan jendela editor compute variabel

b. Pilih compute. Pada target variabel ketik range. Ketik pada kotak numeric expression range= Max(X1,X2,X3,X4,X5,X6,X7) –

Min(X1,X2,X3,X4,X5,X6,X7)

c. Klik OK, hasilnya akan muncul tampilan berikut:

Gambar 5.8 Tampilan output compute variabel range

4. Membuat peta kendali X

a. Pilih menu analyze → quality control → control chart → X-bar, R, S. Pada data organization klik cases are subgroups, kemudian klik define.

b. Pada kotak samples, masukkan semua variabel X1,X2, . . . ,X7. Pada kotak subgroup labeled by, masukkan variabel Xbar.

Gambar 5.10 Tampilan X-bar, R, S, Case are Subgroup

c. Klik titles. Pada tittle line 1 ketik Peta Kendali X. klik continue, kemudian klik OK,

Maka akan muncul gambar peta kendali X pada output SPSS, seperti gambar berikut:

Gambar 5.12 Tampilan peta kendali X 5. Membuat peta kendali R

a. Pilih menu analyze → quality control → control chart → X-bar, R, S. Pada data organization klik cases are subgroups, kemudian klik define.

Gambar 5.13 Tampilan control chart

b. Pada kotak samples, masukkan semua variabel X1,X2, . . . ,X7. Pada kotak subgroup labeled by, masukkan variabel Range.

Gambar 5.14 Tampilan X-bar, R, S, Case are Subgroup

Gambar 5.15 Tampilan titlescontrol chart

Maka akan muncul gambar peta kendali R pada output SPSS, seperti gambar berikut:

BAB 6

KESIMPULAN DAN SARAN 6.1. Kesimpulan

Berdasarkan pembahasan dan perhitungan yang telah dilakukan pada bab sebelumnya, maka diperoleh beberapa kesimpulan antara lain:

a. Hasil pengolahan data dengan menggunakan metode Statistical Quality Control peta X dan R diketahui tingkat pencapaian standar yang diharapkan oleh perusahaan belum tercapai. Di mana hasil pemeriksaan sampel faktor mutu masih terdapat jumlah produk yang di luar batas persyaratan mutu atau penyimpangan kualitas.

b. Untuk faktor mutu kadar asam lemak peta kendali X dengan BKA = 3.39378, ̿ = 3.1759, dan BKB = 2.997 terdapat 5 Data yang berada di luar batas kendali dan peta kendali R dengan BKA = 1.0005, ̿ = 0.52 , BKB = 0.0395 terdapat 4 data yang berada di luar batas kendali.

c. Untuk faktor mutu kadar kotoran peta kendali X dengan BKA = 0.022, ̿ = 0.02020, dan BKB = 0.0181 terdapat 4 data yang berada di luar batas kendali dan peta kendali R dengan BKA = 0.00722, ̿ = 0.00357 , BKB = 0.00028 terdapat 3 data yang berada di luar batas kendali.

d. Untuk faktor mutu kadar air peta kendali X dengan BKA = 0.16261, ̿ = 0.15584, dan BKB = 0.14907 terdapat 11 data yang berada di luar batas kendali dan peta kendali R dengan BKA = 0.03109, ̿ = 0.01616 , BKB = 0.0012 tidak terdapat data yang berada di luar batas kendali.

e. Nilai indeks proses kapabilitas dari kadar asam lemak bebas (Cp) = 0.434 dan nilai indeks kinerja proses Cpk = -3.04. dapat dilihat bahwa Cp,Cpk < 1 maka kapabilitas proses dan kinerja proses sangat rendah.

f. Nilai indeks proses kapabilitas dari kadar kotoran (Cp) = 1.199 dan nilai indeks kinerja proses Cpk = -0.048. dapat dilihat bahwa 1.00 Cp 1.33 maka kapabilitas proses baik dan nilai Cpk < 1 maka kinerja proses sangat rendah.

g. Nilai indeks proses kapabilitas dari kadar air (Cp) = 1.412 dan nilai indeks kinerja proses Cpk = -0.329. dapat dilihat bahwa Cp > 1.33 maka kapabilitas proses sangat baik dan nilai Cpk < 1 maka kinerja proses sangat rendah.

6.2. Saran

Berdasarkan hasil pembahasan dan perhitungan, penulis memberi saran kepada pihak perusahaan yaitu sebagai berikut:

a. Lebih meningkatkan pengendalian dan kontrol terhadap proses yang berlangsung mulai dari penanganan pasca panen sampai pada lantai produksi

b. Lebih meningkatkan kontrol terhadap pekerja untuk lebih memenuhi standard operasi yang telah ditetapkan perusahaan.

DAFTAR PUSTAKA

Montgomery, Douglas C. 1990. Pengantar Pengendalian Kualitas Statistik. Gadjah Mada University Press. Yogyakarta

Ishikawa, Kaoru. 1989. Teknik Penuntun Pengendalian Mutu. PT. Mediyatama Sarana Perkasa. Jakarta

Gaspersz, Vincent. 2001. Metode Analisis Untuk Peningkatan Kualitas. PT. Gramedia Pustaka Utama. Jakarta

Indranata, Iskandar. 2008. Pendekatan Kualitatif Untuk Pengendalian Kualitas. Universitas Indonesia. Jakarta

Kuswadi dan Mutiara, Erna. 2004. Delapan Langkah dan Tujuh Alat Statistik. PT. Elex Media Komputindo. Jakarta

Maka akan muncul gambar peta kendali X pada output SPSS, seperti gambar berikut:

Gambar 5.12 Tampilan peta kendali X 5. Membuat peta kendali R

a. Pilih menu analyze → quality control → control chart → X-bar, R, S. Pada data organization klik cases are subgroups, kemudian klik define.

Gambar 5.13 Tampilan control chart

b. Pada kotak samples, masukkan semua variabel X1,X2, . . . ,X7. Pada kotak subgroup labeled by, masukkan variabel Range.

Gambar 5.14 Tampilan X-bar, R, S, Case are Subgroup

Gambar 5.15 Tampilan titlescontrol chart

Maka akan muncul gambar peta kendali R pada output SPSS, seperti gambar berikut:

BAB 6

KESIMPULAN DAN SARAN

6.1. Kesimpulan

Berdasarkan pembahasan dan perhitungan yang telah dilakukan pada bab sebelumnya, maka diperoleh beberapa kesimpulan antara lain:

a. Hasil pengolahan data dengan menggunakan metode Statistical Quality Control peta X dan R diketahui tingkat pencapaian standar yang diharapkan oleh perusahaan belum tercapai. Di mana hasil pemeriksaan sampel faktor mutu masih terdapat jumlah produk yang di luar batas persyaratan mutu atau penyimpangan kualitas.

b. Untuk faktor mutu kadar asam lemak peta kendali X dengan BKA = 3.39378, ̿ = 3.1759, dan BKB = 2.997 terdapat 5 Data yang berada di luar batas kendali dan peta kendali R dengan BKA = 1.0005, ̿ = 0.52 , BKB = 0.0395 terdapat 4 data yang berada di luar batas kendali.

c. Untuk faktor mutu kadar kotoran peta kendali X dengan BKA = 0.022, ̿ = 0.02020, dan BKB = 0.0181 terdapat 4 data yang berada di luar batas kendali dan peta kendali R dengan BKA = 0.00722, ̿ = 0.00357 , BKB = 0.00028 terdapat 3 data yang berada di luar batas kendali.

d. Untuk faktor mutu kadar air peta kendali X dengan BKA = 0.16261, ̿ = 0.15584, dan BKB = 0.14907 terdapat 11 data yang berada di luar batas kendali dan peta kendali R dengan BKA = 0.03109, ̿ = 0.01616 , BKB = 0.0012 tidak terdapat data yang berada di luar batas kendali.

e. Nilai indeks proses kapabilitas dari kadar asam lemak bebas (Cp) = 0.434 dan nilai indeks kinerja proses Cpk = -3.04. dapat dilihat bahwa Cp,Cpk < 1 maka kapabilitas proses dan kinerja proses sangat rendah.

f. Nilai indeks proses kapabilitas dari kadar kotoran (Cp) = 1.199 dan nilai indeks kinerja proses Cpk = -0.048. dapat dilihat bahwa 1.00 Cp 1.33 maka kapabilitas proses baik dan nilai Cpk < 1 maka kinerja proses sangat rendah.

g. Nilai indeks proses kapabilitas dari kadar air (Cp) = 1.412 dan nilai indeks kinerja proses Cpk = -0.329. dapat dilihat bahwa Cp > 1.33 maka kapabilitas proses sangat baik dan nilai Cpk < 1 maka kinerja proses sangat rendah.

6.2. Saran

Berdasarkan hasil pembahasan dan perhitungan, penulis memberi saran kepada pihak perusahaan yaitu sebagai berikut:

a. Lebih meningkatkan pengendalian dan kontrol terhadap proses yang berlangsung mulai dari penanganan pasca panen sampai pada lantai produksi

b. Lebih meningkatkan kontrol terhadap pekerja untuk lebih memenuhi standard operasi yang telah ditetapkan perusahaan.

DAFTAR PUSTAKA

Montgomery, Douglas C. 1990. Pengantar Pengendalian Kualitas Statistik. Gadjah Mada University Press. Yogyakarta

Ishikawa, Kaoru. 1989. Teknik Penuntun Pengendalian Mutu. PT. Mediyatama Sarana Perkasa. Jakarta

Gaspersz, Vincent. 2001. Metode Analisis Untuk Peningkatan Kualitas. PT. Gramedia Pustaka Utama. Jakarta

Indranata, Iskandar. 2008. Pendekatan Kualitatif Untuk Pengendalian Kualitas. Universitas Indonesia. Jakarta

Kuswadi dan Mutiara, Erna. 2004. Delapan Langkah dan Tujuh Alat Statistik. PT. Elex Media Komputindo. Jakarta