EVALUASI PROSES BELAJAR MENGAJAR DI JURU

LAPORAN SEMENTARA
PENGENDALIAN KUALITAS STATISTIK
MODUL I

EVALUASI PROSES BELAJAR MENGAJAR DI JURUSAN
TEKNIK MESIN FTI ITS SEMESTER 1 ANGKATAN 2015
DENGAN MENGGUNAKAN PETA KENDALI VARIABEL,
DIAGRAM PARETO, DAN DIAGRAM SEBAB-AKIBAT
SERTA MENGHITUNG KAPABILITAS PROSES

Oleh :
Andriana Yoshinta

1313 100 015

Alicia Mutiara Anky

1313 100 065

Asisten dosen :
Vonessa Dwi L.

1312 100 067
Dosen:

Dra. Lucia Aridinanti, M.T

PROGRAM STUDI SARJANA
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2016

LAPORAN SEMENTARA
PENGENDALIAN KUALITAS STATISTIK
MODUL I

EVALUASI PROSES BELAJAR MENGAJAR DI JURUSAN
TEKNIK MESIN FTI ITS SEMESTER 1 ANGKATAN 2015
DENGAN MENGGUNAKAN PETA KENDALI VARIABEL,

DIAGRAM PARETO, DAN DIAGRAM SEBAB-AKIBAT
SERTA MENGHITUNG KAPABILITAS PROSES

Oleh :
Andriana Yoshinta

1313 100 015

Alicia Mutiara Anky

1313 100 065

Asisten dosen :
Vonessa Dwi L.

1312 100 067
Dosen:

Dra. Lucia Aridinanti, M.T
PROGRAM STUDI SARJANA

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2016

1

ABSTRAK
Statistical Process Control adalah suatu cara mengendalikan proses secara statistik. Adapun
´ dan R, diagram pareto, dan diagram
pengujian yang akan digunakan yaitu peta kendali X
sebab akibat, serta perhitungan kapabilitas proses untuk mengevaluasi kualitas proses dalam hal
kegiatan belajar mengajar di ITS, khususnya untuk mahasiswa semester 1 jurusan Teknik Mesin
FTI ITS angkatan 2015. Sebelum melakukan analisis, dilakukan pengujian asumsi, yaitu pengujian
keacakan (Runs Test) dan pengujian normalitas (uji Kolmogorov-Smirnov) pada data Indeks
Prestasi Semester (IPS). Dan didapatkan bahwa data yang telah diambil dilakukan secara acak dan
´ dan R, digunakan untuk mengetahui nilai
telah mengikuti distribusi normal. Peta kendali X
IPS mahasiswa/i semester 1 jurusan Teknik Mesin FTI ITS angkatan 2015 masih terkendali atau

tidak, apabila masih terkendali maka nilai IPS menunjukkan data baik. Diagram pareto digunakan
untuk menunjukkan nilai seluruh mata kuliah dengan frekuensi nilai A, AB, B, BC, C, D dan, E
dari mulai frekuensi terbanyak sampai frekuensi terendah. Diagram sebab akibat untuk mencari
sumber variasi dari nilai baik (A/AB) dan buruk (D/E) per mata kuliah dan khusus untuk nilai D/E
untuk berbagai mata kuliah dari mahasiswa/i Teknik Mesin ITS angkatan 2015, baik dari segi
measurement, material, personnel, environment, methods, dan machines. Kemudian melakukan
analisis kapabilitas proses dan menghitung probabilitas IPS mahasiswa/i yang berada di luar
spesifikasi. Dimana batas spesifikasi terendah adalah 2 dan yang tertinggi adalah 4.

Kata Kunci : Diagram Pareto, Diagram Sebab Akibat, Kapabilitas Proses,
Probabilitas Di luar Spesifikasi, SPC

2

DAFTAR ISI
HALAMAN JUDUL
ABSTRAK..............................................................................................................ii
DAFTAR ISI..........................................................................................................iii
DAFTAR TABEL...................................................................................................v
DAFTAR GAMBAR.............................................................................................vi

BAB I PENDAHULUAN.......................................................................................1
1.1

Latar Belakang..........................................................................................1

1.2

Rumusan Masalah.....................................................................................2

1.3

Tujuan........................................................................................................2

1.4

Manfaat......................................................................................................3

BAB II TINJAUAN PUSTAKA............................................................................4
2.1

Uji Keacakan.............................................................................................4

2.2

Uji Kenormalan.........................................................................................4

2.3

Diagram Kontrol

X −R ........................................................................6

2.4

Diagram Kontrol

I −MR .....................................................................7

2.5

Diagram Pareto..........................................................................................8

2.6

Diagram Sebab Akibat (Fishbone Diagram).............................................9

2.7

Capability Process...................................................................................10

2.8

Probabilitas Di Luar Batas Spesifikasi....................................................11

BAB III METODOLOGI PENELITIAN..........................................................12
3.1

Sumber Data............................................................................................12

3.2

Variabel Penelitian...................................................................................12

3.3

Langkah Analisis....................................................................................12

3.4

Diagram Alir............................................................................................14

BAB IV ANALISIS DAN PEMBAHASAN.......................................................15
4.1

Uji Keacakan Data (Run Test).................................................................15

4.2

Uji Kenormalan Data...............................................................................15

4.3

Peta Kendali

I −MR .........................................................................16

4.4

Peta Kendali

X −R ...........................................................................17

4.5

Diagram Pareto........................................................................................18

4.5.1

Diagram Pareto untuk Semua Nilai Mata Kuliah............................19

4.5.2

Diagram Pareto untuk Mata Kuliah dengan Nilai Baik (A/AB)......19

4.5.3

Diagram Pareto untuk Nilai Mata Kuliah Fisika Dasar I.................20
3

4.5.4

Diagram Pareto untuk Nilai Mata Kuliah Agama............................21

4.5.5

Diagram Pareto Untuk Mata Kuliah Kalkulus 1..............................22

4.5.6

Diagram Pareto Untuk Mata Kuliah PTM.......................................23

4.5.7

Diagram Pareto Untuk Mata Kuliah Kimia.....................................24

4.5.8 Diagram Pareto Untuk Mata Kuliah B.Inggris....................................25
4.6

Diagram Sebab Akibat.............................................................................26

4.7

Kapabilitas proses....................................................................................27

4.7.1

Kapabilitas Proses untuk IPS...........................................................27

4.7.2

Kapabilitas Proses untuk Semua Matakuliah...................................28

4.8

Probabilitas Mahasiswa/i di Luar Batas Spesifikasi................................28

4.8.1

Probabilitas di Luar Batas Spesifikasi untuk IPS.............................29

4.8.1

Probabilitas di Luar Batas Spesifikasi untuk Mata Kuliah..............29

BAB V KESIMPULAN DAN SARAN...............................................................30
5.1

Kesimpulan..............................................................................................30

5.2

Saran........................................................................................................31

DAFTAR PUSTAKA...........................................................................................32
LAMPIRAN..........................................................................................................33

4

DAFTAR TABEL
Tabel 4. 1 Pengujian Keacakan Data.....................................................................15

5

DAFTAR GAMBA
Gambar 3. 1 Diagram Alir Proses Praktikum....................................................14Y
Gambar 4. 1 Probability Plot untuk IPS Mahasiswa............................................16
Gambar 4. 2 Peta I-MR untuk data IPS...............................................................17
Gambar 4. 3 Peta X -R untuk Semua Nilai Mata Kuliah...................................18
Gambar 4. 4 Diagram Pareto untuk Semua Nilai Mata Kuliah............................19
Gambar 4. 5 Diagram Pareto untuk Nilai A/AB..................................................20
Gambar 4. 6 Diagram Pareto untuk Nilai Mata Kuliah Fisika Dasar I...............21
Gambar 4. 7 Diagram Pareto untuk Nilai Mata Kuliah Agama...........................22
Gambar 4. 8 Diagram Pareto untuk Nilai Mata Kuliah Kalkulus.......................23
Gambar 4. 9 Diagram Pareto PTM.......................................................................24
Gambar 4. 10 Diagram Pareto Untuk Mata Kuliah Kimia...................................24
Gambar 4. 11 Diagram Pareto Untuk Mata Kuliah B.Inggris..............................25
Gambar 4. 12 Diagram Sebab Akibat Nilai A/AB................................................26
Gambar 4. 13 Kapabilitas Proses IPS...................................................................27
Gambar 4. 14 Kapabilitas Proses Seluruh Mata Kuliah.......................................28

6

BAB I
PENDAHULUAN
1.1

Latar Belakang
Prestasi mahasiswa pada setiap semester dapat dilihat dari nilai Indeks

Prestasi Semester (IPS). Nilai IPS menggambarkan kemajuan belajar seorang
mahasiswa tiap semester yang telah ditempuh. Jika niali IPS di semester yang
telah ditempuh kecil, maka mahasiswa harus mengulang kembali mata kuliah
yang memiliki nilai kecil pada semester berikutnya. Hal ini membuat setiap
mahasiswa akan berusaha mendapatkan nilai IPS yang tinggi. Nilai kumulatif IPS
digunakan untuk mengukur prestasi mahasiswa selama menjalani jenjang
pendidikan di bangku kuliah, sehingga jika nilai IPS di awal semester baik maka
mahasiswa akan mendapatkan ideks IPK tinggi. Untuk mencegah penurunan nilai
IPS maka dibutuhkan suatu prediksi nilai IPS, sehingga masing-masing
mahasiswa akan memiliki keinginan untuk memperbaiki nilai-nilai yang kurang
baik.
Faktor-faktor yang mempengaruhi nilai IPS ada dua, yaitu faktor internal
dan faktor eksternal. Faktor internal merupakan faktor yang berasar dari dalam
mahasiswa itu sendiri. Sedangkan faktor eksternal adalah faktor dari luar diri
mahasiswa. Faktor eksternal meliputi 4M1L (Manusia, Metode, Mesin, Material,
dan Lingkungan).
Oleh karena itu, maka perlu dilakukan pengujian mengenai pengaruh IPS
mahasiswa. Adapun pengujian yang akan digunakan adalah Statistical Process
Control (SPC) yaitu peta kendali, diagram pareto, dan diagram sebab akibat.
Statistical Process Control adalah suatu cara mengendalikan proses secara
statistik, yaitu dengan melakukan pengukuran terhadap hasil dengan menganalisis
dan melakukan penelusuran terhadap penyebab terjadinya penyimpangan agar
dapat dilakukan perbaikan guna meningkatkan kualitas proses secara kontinu dan
stabilitas proses serta perbaikan kapabilitas proses. Sebagai study kasusn
dilakukan penelitian terhadap nilai IPS angkatan 2015 S1 Teknik Mesin ITS untuk
diamati lebih lanjut.

1

1.2

Rumusan Masalah
Dalam praktikum ini permasalahan yang muncul sebagai acuan untuk

analisis adalah sebagai berikut.
1.

Apakah data Indeks Prestasi Semester (IPS) mahasiswa/i S1 Jurusan
Teknik Mesin FTI ITS Angkatan 2015 pada semester 1 telah diambil
secara acak dan memenuhi asumsi distribusi normal?

2.

Apakah data Indeks Prestasi Semester (IPS) dan nilai per mata kuliah
mahasiswa S1 Jurusan Teknik Mesin ITS Angkatan 2015 pada semester 1
sudah terkendali berdasarkan peta I - MR dan peta

3.

X´

- R?

Bagaimana bentuk diagram pareto untuk nilai semua mata kuliah, untuk
nilai baik (A/AB) dan untuk nilai buruk (D/E) berbagai mata kuliah, serta
diagram pareto untuk masing- masing mata kuliah?

4.

Bagaimana bentuk diagram sebab akibat pada faktor-faktor yang
berpengaruh terhadap Indeks Prestasi Semester (IPS) Mahasiswa S1
Jurusan Teknik Mesin ITS Angkatan 2015 pada semester 1?

5.

Bagaimana menentukan kapabilitas proses untuk data Indeks Prestasi
Semester (IPS) dan mata kuliah Mahasiswa S1 Jurusan Teknik Mesin ITS
Angkatan 2015 pada semester 1?

6.
1.3

Berapa probabilitas mahasiswa yang berada di luar batas spesifikasi?
Tujuan
Berdasarkan rumusan masalah di atas, tujuan yang ingin dicapai pada
penelitian ini adalah sebagai berikut:

1.

Untuk mengetahui apakah data Indeks Prestasi Semester (IPS) Mahasiswa
S1 Jurusan Teknik Mesin ITS Angkatan 2015 pada semester 1 telah
diambil secara acak dan memenuhi asumsi distribusi normal.

2.

Untuk mengetahui apakah data Indeks Prestasi Semester (IPS) dan nilai
per mata kuliah mahasiswa S1 Jurusan Teknik Mesin ITS Angkatan 2015
pada semester 1 sudah terkendali berdasarkan peta I - MR dan peta
R.

2

X´

–

3.

Untuk mengetahui bentuk diagram pareto untuk semua nilai mata kuliah,
untuk nilai baik (A/AB) dan untuk nilai buruk (D/E) berbagai mata kuliah,
serta diagram pareto untuk masing- masing mata kuliah.

4.

Untuk mengetahui bentuk diagram sebab akibat pada faktor-faktor yang
berpengaruh terhadap Indeks Prestasi Semester (IPS) Mahasiswa S1
Jurusan Teknik Mesin ITS Angkatan 2015 pada semester 1.

5.

Untuk menentukan kapabilitas proses data Indeks Prestasi Semester (IPS)
dan mata kuliah Mahasiswa S1 Jurusan Teknik Mesin ITS Angkatan 2015
pada semester 1.

6.

Untuk mengetahui probabilitas mahasiswa yang berada di luar batas
spesifikasi.

1.4

Manfaat
Manfaat yang dapat diperoleh dari praktikum ini adalah lebih memahami

metode Statistical Process Control (SPC) yaitu peta kendali, diagram pareto, dan
diagram sebab akibat. Dan juga dapat dijadikan acuan perbaikan nilai IPS (Indeks
Prestasi Semester) dari mahasiswa/I jurusan Teknik Mesin FTI ITS angkatan
2015.

3

BAB II
TINJAUAN PUSTAKA

2.1

Uji Keacakan

Uji ini dapat digunakan untuk melihat apakah observasi (sampel) diambil
secara random. Data bisa berbentuk kualitatif seperti data laki-laki dan perempuan
atau kuantitatif seperti data dibawah rata-rata diberi simbol minus dan data diatas
rata-rata diberi simbol plus. Pada dasarnya uji ini membagi data menjadi dua
kategori. Data yang sama dengan nilai rata-rata tidak diperhitungkan
(dihilangkan). Sebuah deretan simbol yang sama disebut satu runs
(Yulianto,2012).
Hipotesis yang digunakan pada uji ini adalah sebagai berikut.
H 0 : Data pengamatan telah diambil secara acak dari suatu populasi
H 1 : Data pengamatan yang diambil dari populasi tidak acak
Statistik uji :
r = banyaknya runtun yang terjadi
Daerah Kritis :
Tolak H0, bila : r < rbawah atau r > ratas dari tabel nilai kritis untuk runtun r
dengan n1 dan n2, dimanan1 adalah banyak data bertanda (+) atau huruf tertentu
dan n2 adalah banyak data bertanda (-) atau huruf lainnya.
Jika sampel yang digunakan cukup besar, dimana baik n 1 maupun n2 > 20
maka menggunakan aproksimasi sampel besar dengan persamaan sebagai berikut.
2 n1 n2
+1
n 1+n 2
(2.1)
¿
r −¿
z=¿
z
α
Nilai z ini kemudian dibandingkan dengan nilai
dari distribusi normal

{ }

baku. Tolak H0, bila : z >

2.2

zα
2

2

dari distribusi normal baku.

Uji Kenormalan

Uji normalitas berguna untuk menentukan data yang telah dikumpulkan
berdistribusi normal atau diambil dari populasi normal. Metode klasik dalam
pengujian normalitas suatu data tidak begitu rumit. Berdasarkan pengalaman
empiris beberapa pakar statistik, data yang banyaknya lebih dari 30 angka (n >
30), maka sudah dapat diasumsikan berdistribusi normal. Biasa dikatakan sebagai
sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi
normal atau tidak, sebaiknya digunakan uji statistik normalitas. Karena belum
tentu data yang lebih dari 30 bisa dipastikan berdistribusi normal, demikian
sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak berdistribusi
normal, untuk itu perlu suatu pembuktian (Hidayat, 2015).
Pengujian kenormalan dapat dilakukan dengan uji Kolmogorov-Smirnov
karena data yang digunakan bersifat variabel. Uji normalitas secara manual
(Kolmogorov-Smirnov) memiliki hipotesis sebagai berikut.
Hipotesis:
4

H0 : data mengikuti suatu distribusi teoritis tertentu F0(x)
H1 : data tidak mengikuti suatu distribusi teoritis tertentu F0(x)
Statistik Uji:

D=

SUP
x |S ( x )−F 0 ( x )|

(2.2)

Dengan:

S ( x ) : nilai kumulatif distribusi empiris
F0 ( x ) : nilai kumulatif distribusi teoritis
Daerah kritis :
Tolak H0 jika D > Dα tabel atau P-value < α
(Sukoco, 2011)
Bila mengunakan paket program Minitab, maka uji kenormalan dapat
ditinjau dari statistik uji P-value, dan H0 ditolak jika P-value < 1
Hipotesis
H0 : Data berdistribusi normal
H1 : Data tidak berditribusi normal
Kesimpulan:
Tolak H0 jika P-value < 1.
Diagram Kontrol X´ −R
Menurut V. Gaspersz (1998), peta kendali untuk data variable adalah peta
kendali yang digunakan untuk pengendalian karakteristik mutu yang dapat
dinyatakan secara numeric. Umumnya peta kendali variable disebut juga X´ -R
Chart. Peta kendali X´ (rata-rata) dan R (range) digunakan untuk memantau
proses yang mempunyai karakteristik yang berdimensi kontinyu.
Peta kendali X´ menjelaskan tentang apakah perubahan-perubahan telah
terjadi dalam ukuran titik pusat atau rata-rata dari suatu proses. Sedangkan peta
kendali R (range) menjelaskan apakah perubahan-perubahan terjadi dalam ukuran
variasi, dengan demikian berkaitan dengan perubahan homogenitas produk yang
dihasilkan melalui suatu proses.
Diagram kendali R adalah diagram yang memonitor penyebaran
(dispersion) kuantitas yang diamati dalam sebuah proses. Jika yang menjadi
perhatian utama adalah rata-rata variabel hasil proses, maka digunakan diagram
kontrol X´
untuk melakukan pengontrolan kualitas. Untuk pengontrolan
kualitas biasanya digunakan kontrol terhadap dispersi atau variasi, meskipun
diagram kontrol simpangan baku dapat pula digunakan. Diagram kendali R lebih
banyak dipakai bila dibandingkan dengan diagram simpangan baku, hal ini
disebabkan mudah dihitung, mudah dimengerti, cepat dibuat, menghemat waktu
dan biaya (Sukoco,2011).
Diagram kontrol rumus yang digunakan untuk menentukan batas kontrol
(control limit) pada peta kendali X´ -R ialah sebagai berikut.
a. Untuk parameter grafik X´ .
´
UCL = X´ + A2 R
(2.3)
´
CL = X
(2.4)
LCL = X´ −A 2 R´
´ .
b. Untuk parameter grafik R
(2.5)
´ D4
UCL = R
(2.6)
(2.7)
2.3

(2.8)
5

´
CL = R
´ D3
LCL = R

Keterangan:
UCL = Upper Control Limit (batas kontrol atas)
CL = Centerline (garis tengah)
LCL = Lower Control Limit (batas kontrol bawah)
= Rata-rata sampel
X´
´R
= Rata-rata range
= Rata-rata mean sampel
X´
A 2 , D3 , D4 = konstanta (Montgomery,2009).
Diagram Kontrol I −MR
Individuals and moving range control chart ( I −MR ) yang juga
dikenali dengan nama X´ −R atau shewhart individuals control chart adalah
peta kendali variabel yang digunakan jika jumlah observasi dari masing-masing
subgrup hanya satu (n = 1). I −MR diperlukan dalam situasi-situasi sebagai
berikut (Montgomery, 2009).
1.
Siklus produksi sangat lama, dan menyulitkan jika mengumpulkan sampel
sebanyak n > 1.
2.
Pengukuran berulang pada proses akan berbeda karena (error)
laboratorium atau analisis.
3.
Beberapa pengukuran diambil pada unit produk yang sama.
Rumus yang digunakan untuk menentukan batas kendali (control limit)
pada peta kendali X´ -R adalah sebagai berikut.
a. Batas kontrol grafik X´
´
´ 3 MR
(2.9)
UCL= X+
d2
(2.10)
CL= X´
´
(2.11)
MR
´
LCL= X−3
d2
´
b. Batas kontrol grafik MR
´
(2.12)
UCL=D 4 MR
(2.13)
´
CL= MR
(2.14)
´
LCL=D 3 MR
∑ MR i
´
dimana, MRi =|x i−x i−1| dan MR=
n
Keterangan:
UCL
= Upper Control Limit (batas kendali atas)
CL
= Centerline (garis tengah)
LCL
= Lower Control Limit (batas kendali bawah)
´X
= rata-rata sampel
´
= rata-rata moving range
MR
´X
= rata-rata mean sampel
MRi
= moving range ke-i
A 2 , D3 , D4 = konstanta.
2.4

6

2.5

Diagram Pareto
Diagram Pareto merupakan salah satu alat dari Quality Control 7 Tools
yang sering digunakan dalam hal pengendalian Mutu. Pada dasarnya, diagram
pareto adalah grafik batang yang menunjukkan masalah berdasarkan urutan
banyaknya jumlah kejadian. Urutannya mulai dari jumlah permasalahan yang
paling banyak terjadi sampai yang paling sedikit terjadi.
Dalam Grafik, ditunjukkan dengan batang grafik tertinggi (paling kiri)
hingga grafik terendah (paling kanan).Dalam aplikasinya, Diagram pareto sangat
bermanfaat dalam menentukan dan mengidentifikasikan prioritas permasalahan
yang akan diselesaikan.

Gambar 2.1 Contoh Diagram Pareto

Tahapan penggunaan dari diagram pareto adalah mencari fakta dari data ciri
gugus kendali mutu yang diukur, menentukan penyebab masalah dari tahapan
sebelumnya dan mengelompokkan sesuai dengan periodenya, membentuk
histogram evaluasi dari kondisi awal permasalahan yang ditemui, melakukan
rencana dan pelaksanaan perbaikan dari evaluasi awal permasalahan yang
ditemui, melakukan standarisasi dari hasil perbaikan yang telah ditetapkan dan
menentukan tema selanjutnya.
Kegunaan dari diagram pareto adalah untuk menganalisa suatu fenomena
agar dapat diketahui masalah utama berdasarkan tingkat kepentingan dari
fenomena tersebut, menunjukkan hasil perbaikan setelah dilakukan tindakan
koretif berdasarkan prioritas, dan untuk menyusun data menjadi informasi yang
berguna.
Sebelum membuat sebuah diagram pareto, data yang berhubungan dengan
masalah atau kejadian yang ingin kita analisis harus dikumpulkan terlebih dahulu.
Pada umumnya, alat yang sering digunakan untuk pengumpulan data adalah
dengan menggunakan check sheet atau lembaran periksa (Dickson, 2015).
2.6

Diagram Sebab Akibat (Fishbone Diagram)
Diagram sebab akibat merupakan salah satu alat (tools) dari QC 7
tools yang dipergunakan untuk meng-identifikasikan dan menunjukkan hubungan
antara sebab dan akibat agar dapat menemukan akar penyebab dari suatu
permasalahan. Diagram sebab akibat dipergunakan untuk menunjukkan faktorfaktor penyebab dan akibat kualitas yang disebabkan oleh faktor-faktor penyebab
tersebut.
7

Gambar 2.2 Contoh Diagram Sebab Akibat

Faktor – faktor penyebab masalah dalam diagram sebab-akibat yang paling
sering digunakan adalah manusia, mesin, metode, material, dan lingkungan.
Dengan menerapkan diagram sebab akibat ini, dapat membantu kita untuk dapat
menemukan akar penyebab terjadinya masalah khususnya di industri manufaktur,
dimana prosesnya terkenal dengan banyaknya ragam variabel yang berpotensi
menyebabkan munculnya permasalahan (Dickson, 2015).
2.7

Capability Process
Capability Process bertujuan untuk melihat apakah variasi hasil proses
produksi lebih besar atau lebih kecil dari variasi proses yang
diperbolehkan/diinginkan oleh customer (batas spesifikasi produk). Formula yang
digunakan adalah :
USL−LSL
Cp=
6σ
(2.9)
USL (Upper Specification Limit) dan LSL (Lower Specification Limit)
adalah batas spesifikasi atas dan batas spesifikasi bawah dari produk. Sedangkan
σ adalah standar deviasi dari proses.
Kriteria penilaian Cp adalah :


Jika Cp > 1.33 maka kapabilitas proses sangat baik



Jika 1.00 ≤ Cp ≤ 1.33 maka kapabilitas proses baik



Jika Cp < 1.00 maka kapabilitas proses rendah

2.8

Probabilitas Di Luar Batas Spesifikasi
Perhitungan probabilitas yang berada di luar batas spesifikasi
membutuhkan asumsi distribusi normal karena dalam perhitungan ini
menggunakan pendekatan normal standar. Perhitungan probabilitas di luar batas
spesifikasi dilambangkan dengan p.
p = P{xUSL}

8

p= Φ

( LSL−μ
)+1−Φ( LSL−μ
^σ
σ^ )
(2.10)

dimana : µ = rata-rata data
USL = batas spesifikasi atas
LSL = batas spesifikasi bawah
σ = standar deviasi data

9

BAB III
METODOLOGI PENELITIAN
3.1

Sumber Data

Data yang digunakan dalam praktikum ini merupakan data primer dengan
melakukan survey kepada 30 mahasiswa/i Teknik Mesin FTI ITS angkatan 2015
semester 1 pada.
Hari
: Senin
Tanggal
: 07 Maret 2016
Pukul
: 16.00 WIB
Tempat: Jurusan Teknik Mesin ITS
3.2

Variabel Penelitian
Variabel penelitian yang digunakan dalam pengendalian Indeks Prestasi
Semester mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015 disajikan
pada tabal berikut.
Tabel 3.1 Variabel Penelitian

No
.
1
2
3
4
5
6
7
8
.

Variabel

Tipe Data/ Sala

Indeks Prestasi Semester
Nilai mata kuliah Agama
Nilai mata kuliah Bahasa Inggris
Nilai mata kuliah Fisika Dasar I
Nilai mata kuliah Kimia
Nilai mata kuliah Pengenalan Teknik Mesin
Nilai mata kuliah Kalkulus I
Alasan mendapat nilai mata kuliah yang bersangkutan

Numerik/ Rasio
Kategorik/ Ordinal
Kategorik/ Ordinal
Kategorik/ Ordinal
Kategorik/ Ordinal
Kategorik/ Ordinal
Kategorik/ Ordinal
Kategorik/ Ordinal

3.3

Langkah Analisis
Langkah-langkah analisis pada penelitian ini dimulai dari pengumpulan
data sampai mendapatkan kesimpulan. Berikut ini merupakan perincian dari
langkah-langkah analisis.
1.
Tahap Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data dengan melakukan survey
nilai IPS pada semester 1 terhadap 30 mahasiswa/i Teknik Mesin FTI ITS
angkatan 2015.
2.
Tahap Analisis
Analisis pertama yang dilakukan pada tahap ini adalah melakukan uji
keacakan dengan Run Test untuk mengetahui data nilai per mata kuliah
dan IPS (Indeks Prestasi Semester) pada semester 1 dari mahasiswa/i
Teknik Mesin FTI ITS angkatan 2015 telah diambil secara acak.
Kemudian melakukan uji kenormalan data (uji Kolmogorov-Smirnov)
.Setelah data memenuhi asumsi, selanjutnya membuat peta kendali
I −MR untuk nilai IPS (Indeks Prestasi Semester) dan peta variabel
X´ −R untuk nilai mata kuliah semester 1 dari 30 mahasiswa/i jurusan
Teknik Mesin FTI ITS angkatan 2015, dialnjutkan dengan membuat

10

3.

3.4

diagram pareto untuk semua mata kuliah untuk nilai A, AB, B, BC, C, D,
dan E. Membuat diagram pareto khusus untuk nilai baik (A/AB) dan nilai
buruk (D/E) untuk berbagai mata kuliah. Serta membuat diagram pareto
untuk masing- masing mata kuliah. Selanjutnya membuat diagram sebab
akibat untuk mencari sumber variasi dari nilai baik (A/AB) dan buruk
(D/E), Dan yang terakhir adalah melakukan analisis kapabilitas proses
serta menghitung probabilitas mahasiswa yang berada di luar spesifikasi.
Penarikan Kesimpulan dan Saran.
Pada tahap ini dilakukan penarikan kesimpulan dan pemberian saran dari
hasil penelitian yang telah dilakukan.
Diagram Alir
Diagram alir pada praktikum ini adalah sebagai berikut.
Mulai
Pengumpulan data
Tidak

Uji Keacakan
Ya
Uji Normalitas

Tidak

Mengendalikan proses Ya
dengan peta kendali
Membuat diagram pareto
Membuat diagram sebab akibat

Melakukan analisis kapabilitas
Menghitung probabilitas di luar spesifikasi
Menghitung probabilitas di luar spesifikasi

Selesai
Gambar 3. 1 Diagram Alir Proses Praktikum

11

BAB IV
ANALISIS DAN PEMBAHASAN
4.1

Uji Keacakan Data (Run Test)
Uji keacakan data dilakukan untuk mengetahui apakah data sudah diambil

secara acak atau tidak. Pengujian yang dilakukan pada data IPS Semester 1
mahasiswa/i S1 Teknik Mesin ITS 2015 adalah sebagai berikut.
Hipotesis
H0: Sampel yang diambil dari populasi Mahasiswa S1 Teknik Mesin 2015
adalah acak.
H1: Sampel yang diambil dari populasi Mahasiswa S1 Teknik Mesin 2015
tidak acak.
Hasil pengujian keacakan data IPS dengan Run Test disajikan dalam Tabel
4.1 sebagai berikut.
Tabel 4. 1 Pengujian Keacakan Data

Hasil Uji
K
r atas
r bawah
P-value

Nilai
3,1773
20
9
0,216

Berdasarkan Tabel 4.1, diperoleh informasi bahwa nilai P-value hasil
pengujian sebesar 0,216 yang mana nilai tersebut lebih besar dari α = 0,5 sehingga
gagal tolak H0 dan dapat disimpulkan bahwa pada tingkat keyakinan 95%, data
IPS telah terambil secara acak atau random. Selain nilai P-value dapat juga diuji
menggunakan nilai r hitung dan hasil perhitungan didapatkan nilai r hitung
sebesar 19, selanjutnya mencari batas bawag dan batas atas dengan nilai n 1 = 20
dan n2 = 10 sehingga didapatkan batas atas sebesar 20 dan batas bawah sebesar 9.
Maka dapat diketahui bahwa nilai r hitung yaitu 19 berada dalam selang interval
batas atas dan batas bawah sehingga H0 gagal ditolak yang berarti dapat
disimpulkan bahwa data nilai IPS diambil secara acak atau random.
4.2

Uji Kenormalan Data
Uji kenormalan data dilakukan untuk mengetahui apakah data sudah

berdistribusi normal atau tidak. Pengujian yang dilakukan pada data IPS Semester
1 Mahasiswa S1 Teknik Mesin ITS 2015 adalah sebagai berikut.
Hipotesis
12

H0: Data berdistribusi normal.
H1: Data tidak berdistribusi normal.
Hasil pengujian kenormalan data IPS dengan Kolmogorov-Smirnov
disajikan dalam Gambar 4.1 sebagai berikut.

Gambar 4. 1 Probability Plot untuk IPS Mahasiswa

Berdasarkan Gambar 4.1, diperoleh informasi nilai P-Value hasil
pengujian sebesar >0,150 yang mana nilai tersebut lebih besar dari α = 0,05
sehingga gagal tolak H0 dan dapat disimpulkan bahwa pada tingkat keyakinan
95%, data nilai IPS Mahasiswa S1 Teknik Mesin angkatan 2015 berdistribusi
normal.
4.3

Peta Kendali

I −MR

Setelah dilakukan uji asumsi keacakan dan distribusi normal pada data IPS
(Indeks Prestasi Semester) pada semester 1 mahasiswa/i jurusan Teknik Mesin
FTI ITS angkatan 2015 terpenuhi maka selanjutnya akan dibuat peta kendali
I −MR

untuk mengetahui apakah data IPS (Indeks Prestasi Semester) tersebut

terkendali atau tidak. Berikut ini merupakan peta kendali
dibuat dengan bantuan software Minitab.

13

I −MR

yang telah

Gambar 4. 2 Peta I-MR untuk data IPS

Berdasarkan Gambar 4.2, diperoleh informasi bahwa pada peta
bawah IPS (Indeks Prestasi Semester) pada semester 1

X´

batas

mahasiswa/i jurusan

Teknik Mesin FTI ITS angkatan 2015 adalah 1,928 sedangkan batas atas adalah 4,
dengan rata-rata IPS adalah 3,177. Selain itu dapat diperoleh informasi pada Peta
MR batas bawah IPS adalah 0 sedangkan batas atas adalah 1,534, dengan rata-rata
jangkauan IPS adalah 0,470. Dari Peta

X´

dan MR dapat diketahui bahwa titik-

titik pengamatan data IPS tidak ada yang keluar dari batas kendali atas dan batas
kendali bawah, artinya proses terkendali. Sehingga dapat disimpulkan bahwa
proses belajar mengajar di jurusan Teknik Mesin FTI ITS sudah baik.
4.4

Peta Kendali

X´ −R

Setelah membuat peta kendali

I −MR untuk data IPS (Indeks Prestasi

Semester) pada semester 1 mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan
2015, selanjutnya akan dibuat peta kendali

X´ −R

untuk mengetahui apakah

data untuk semua nilai mata kuliah terkendali atau tidak. Berikut ini merupakan
peta kendali

X´ −R

dengan 6 subgrup (Fisika Dasar I, Kalkulus I, Pengenalan

Teknik Mesin, Kimia, Bahasa Inggris, dan Agama) yang telah dibuat dengan
bantuan software Minitab.
Gambar 4. 3 Peta X -R untuk Semua Nilai Mata Kuliah

14

Dapat dilihat pada Gambar 4.3, diperoleh informasi bahwa pada peta

X´

batas bawah nilai mata kuliah semester 1 mahasiswa/i jurusan Teknik Mesin FTI
ITS angkatan 2015 adalah 2,459 sedangkan batas atas adalah 3,941, dengan ratarata nilai mata kuliah adalah 3,3. Selain itu dapat diperoleh informasi pada Peta R
batas bawah IPS adalah 0 sedangkan batas atas adalah 3,073, dengan rata-rata
X´

jangkauan IPS adalah 1,533. Dari Peta

dan R dapat diketahui bahwa titik-

titik pengamatan dari data mata kuliah dengan 6 subgrup berada dalam batas
kendali atas dan batas kendali bawah, artinya proses terkendali. Sehingga dapat
disimpulkan bahwa proses belajar mengajar di jurusan Teknik Mesin FTI ITS
sudah baik.
4.5

Diagram Pareto
Diagram Pareto adalah grafik batang yang menunjukkan masalah

berdasarkan urutan banyaknya jumlah kejadian. Urutannya mulai dari jumlah
permasalahan yang paling banyak terjadi sampai yang paling sedikit terjadi. Pada
praktikum ini masalah yang dibahas berkaitan dengan evaluasi proses belajar pada
semester 1 dari mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015.

15

4.5.1

Diagram Pareto untuk Semua Nilai Mata Kuliah
Pada bagian ini akan dibuat diagram pareto berdasarkan mata kuliah

semester 1 dari 30 mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015. Hal
tersebut dilakukan untuk mengetahui nilai mata kuliah yang memiliki frekuensi
terbanyak hingga terendah yang diperoleh oleh mahasiswa/i. Berikut merupakan
output diagram pareto dengan bantuan software Minitab.

Gambar 4. 4 Diagram Pareto untuk Semua Nilai Mata Kuliah

Dari Gambar 4.4, diperoleh informasi bahwa nilai mata kuliah dengan
frekuensi terbanyak diperoleh mahasiswa dengan nilai AB sebanyak 63 atau setara
dengan 35% dari total nilai yang ada. Selanjutnya yang menempati urutan nomor
2 adalah nilai A sebanyak 40. Kemudian nilai B sebanyak 28. Dilanjutkan dengan
nilai BC sebanyak 27 dan yang paling sedikit adalah nilai C sebanyak 22 atau
setara dengan 12% dari total nilai yang ada. Hal ini menunjukkan bahwa kualitas
proses belajar mengajar di jurusan Teknik Mesin FTI ITS angkatan 2015
cenderung baik karena nilai tertinggi adalah A dan kemudian AB, serta tidak ada
nilai D ataupun E. Sehingga kualitas proses belajar di jurusan Teknik Mesin FTI
ITS dapat dipertahankan dan ditingkatkan sehingga dapat semakin baik.
4.5.2

Diagram Pareto untuk Mata Kuliah dengan Nilai Baik (A/AB)
Pada diagram pareto untuk mata kuliah dengan nilai baik (A/AB) akan

diketahui frekuensi mata kuliah yang paling sering mendapatkan nilai A/AB.
Berikut hasil diagram pareto untuk mata kuliah yang mendapat nilai A/AB dengan
bantuan software Minitab yang dapat disajikan pada Gambar 4.5.

16

Gambar 4. 5 Diagram Pareto untuk Nilai A/AB

Berdasarkan Gambar 4.5, dapat dilihat bahwa mata kuliah yang
mendapatkan frekuensi nilai A/AB terbanyak adalah mata kuliah Agama dengan
jumlah 27 mahasiswa/i atau 29% dari 30 mahasiswa/i. Selanjutanya dapat dilihat
mata kuliah Bahasa Inggris dengan jumlah 19 mahasiswa/i, kemudian Kalkulus I
dengan total 16 mahasiswa/i, yang di lanjutkan dengan mata kuliah Pengenalan
Teknik Mesin dengan jumlah 13 mahasiswa/i, serta kimia dengan 11 mahasiswa/i
dan yang paling sedikit adalah mata kuliah Fisika Dasar I yang hanya 7
mahasiswa/i atau setara dengan 7,5% dari 30 mahasiswa/i jurusan Teknik Mesin
FTI ITS angkatan 2015. Karena mata kuliah agama merupakan mata kuliah
dengan nilai baik(A/AB) yang tertinggi maka perlu dicari penyebab tingginya
nilai tersebut, agar nilai mata kuliah lain juga dapat lebih baik seperti mata kuliah
Agama.
4.5.3

Diagram Pareto untuk Nilai Mata Kuliah Fisika Dasar I
Diagram pareto untuk nilai mata kuliah Fisika Dasar I digunakan untuk

mengetahui frekuensi dari nilai mata kuliah Fisika Dsar 1 mulai dari frekuensi
nilai tertinggi hingga yang terendah. Berikut hasil diagram pareto untuk nilai mata
kuliah Fisika Dasar I dengan bantuan software Minitab yang dapat disajikan pada
Gambar 4.6.
Gambar 4. 6 Diagram Pareto untuk Nilai Mata Kuliah Fisika Dasar I

17

Dapat dilihat pada Gambar 4.6, bahwa nilai yang paling banyak diperoleh
pada mata kuliah Fisika Dasar I adalah nilai AB yaitu sebanyak 13 mahasiswa/i
atau 43,3% dari 30 mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015.
Selanjutanya adalah nilai BC sebanyak 8 mahasiswa/i, kemudian nilai A dengan
total 4 mahasiswa/i, dan di lanjutkan dengan nilai B dengan total 3 mahasiswa/i,
serta frekuensi yang paling sedikit adalah nilai C yaitu sebanyak 2 mahasiswa/i
atau setara dengan 6,7% dari 30 mahasiswa/i jurusan Teknik Mesin FTI ITS
angkatan 2015. Dapat disimpulkan bahwa nilai Fisika Dasar mahasiswa/i jurusan
Teknik Mesin FTI ITS angkatan 2015 cenderung masih cukup baik karena masih
banyak yang mendapat nilai AB, walaupun nilai A hanya diperoleh oleh 4
mahasiswa/i.
4.5.4 Diagram Pareto untuk Nilai Mata Kuliah Agama
Diagram pareto untuk nilai mata kuliah Agama digunakan untuk
mengetahui frekuensi dari nilai mata kuliah Agama mulai dari frekuensi nilai
tertinggi hingga yang terendah. Berikut hasil diagram pareto untuk nilai mata
kuliah Agama dengan bantuan software Minitab yang dapat disajikan pada
Gambar 4.7.

18

Gambar 4. 7 Diagram Pareto untuk Nilai Mata Kuliah Agama

Dari Gambar 4.7, diperoleh infornasi bahwa nilai yang paling banyak
adalah nilai A sebanyak 15 mahasiswa/i atau 50% dari 30 mahasiswa/i jurusan
Teknik Mesin FTI ITS angkatan 2015. Selanjutanya adalah nilai AB sebanyak 8
mahasiswa/i, dan yang terendah adalah nilai BC yang hanya 3 mahasiswa/i atau
hanya 10% dari total 30 mahasiswa/i. Dapat disimpulkan bahwa nilai Agama dari
mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015 cenderung sangat baik
karena setengah dari 30 mahasiswa/i yang di-survey mendapatkan nilai A, dan
tidak ada nilai di bawah BC. Sehingga proses belajar Agama perlu dipertahankan
dan lebih baik lagi jika dapat terus ditingkatkan.
4.5.5 Diagram Pareto Untuk Mata Kuliah Kalkulus 1
Diagram pareto untuk nilai mata kuliah Kalkulus 1 digunakan untuk
mengetahui frekuensi dari nilai mata kuliah Kalkulus 1 mulai dari frekuensi nilai
tertinggi hingga yang terendah. Berikut hasil diagram pareto untuk nilai mata
kuliah Agama dengan bantuan software Minitab yang dapat disajikan pada
Gambar 4.8.

19

Gambar 4. 8 Diagram Pareto untuk Nilai Mata Kuliah Kalkulus

Dari Gambar 4.8, diperoleh infornasi bahwa nilai yang paling banyak
adalah nilai A dan AB yaitu sebanyak 8 mahasiswa/i atau 26,7% dari 30
mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015. Selanjutanya adalah
nilai B sebanyak 7 mahasiswa/i, dan yang terendah adalah nilai BC yang hanya 2
mahasiswa/i atau hanya 6,7% dari total 30 mahasiswa/i. Dapat disimpulkan bahwa
nilai Kalkulus 1 dari mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015
cenderung baik karena setengah dari 30 mahasiswa/i yang di-survey mendapatkan
nilai A dan AB, dan tidak ada nilai di bawah BC. Sehingga proses belajar
Kalkulus perlu dipertahankan dan lebih baik lagi jika dapat terus ditingkatkan.
4.5.6 Diagram Pareto Untuk Mata Kuliah PTM
Diagram pareto untuk nilai mata kuliah PTM (Pengantar Teori Mesin)
digunakan untuk mengetahui frekuensi dari nilai mata kuliah PTM mulai dari
frekuensi nilai tertinggi hingga yang terendah. Berikut hasil diagram pareto untuk
nilai mata kuliah PTM dengan bantuan software Minitab yang dapat disajikan
pada Gambar 4.9.
.

20

Gambar 4. 9 Diagram Pareto PTM

Dari Gambar 4.9, diperoleh infornasi bahwa nilai yang paling banyak
adalah nilai B yaitu sebanyak 10 mahasiswa/i atau 33,3% dari 30 mahasiswa/i
jurusan Teknik Mesin FTI ITS angkatan 2015. Selanjutanya adalah nilai AB
sebanyak 8 mahasiswa/i, dan yang terendah adalah nilai BC yang hanya 3
mahasiswa/i atau hanya 10% dari total 30 mahasiswa/i. Dapat disimpulkan bahwa
nilai PTM dari mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015
cenderung baik karena tidak ada nilai di bawah BC. Sehingga proses belajar PTM
perlu dipertahankan dan lebih baik lagi jika dapat terus ditingkatkan.
4.5.7 Diagram Pareto Untuk Mata Kuliah Kimia
Diagram pareto nilai mata kuliah Kimia digunakan untuk mengetahui
frekuensi dari nilai mata kuliah Kimia mulai dari frekuensi nilai tertinggi hingga
yang terendah. Berikut hasil diagram pareto untuk nilai mata kuliah Kimia dengan
bantuan software Minitab yang dapat disajikan pada Gambar 4.10.
.

Gambar 4. 10 Diagram Pareto Untuk Mata Kuliah Kimia

21

Dari Gambar 4.10, diperoleh infornasi bahwa nilai yang paling banyak
adalah nilai AB yaitu sebanyak 11 mahasiswa/i atau 36,7% dari 30 mahasiswa/i
jurusan Teknik Mesin FTI ITS angkatan 2015. Selanjutanya adalah nilai C
sebanyak niali AB yaitu 11 mahasiswa/i, dan yang terendah adalah nilai B hanya 2
mahasiswa/i atau hanya 6,7% dari total 30 mahasiswa/i. Dapat disimpulkan bahwa
nilai Kimia dari mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015
cenderung kurang baik karena proporsi jumlah nilai C banyak, setara dengan
jumlah nial AB Sehingga proses belajar Kimia perlu ditingkatkan dan lebih baik
lagi agar nilai mahasiswa/I semakin meningkat.
4.5.8 Diagram Pareto Untuk Mata Kuliah B.Inggris
Diagram pareto untuk nilai mata kuliah B.Inggris digunakan untuk
mengetahui frekuensi dari nilai mata kuliah B.Inggris mulai dari frekuensi nilai
tertinggi hingga yang terendah. Berikut hasil diagram pareto untuk nilai mata
kuliah B.Inggris dengan bantuan software Minitab yang dapat disajikan pada
Gambar 4.11.
.

Gambar 4. 11 Diagram Pareto Untuk Mata Kuliah B.Inggris

Dari Gambar 4.11, diperoleh infornasi bahwa nilai yang paling banyak
adalah nilai AB yaitu sebanyak 11 mahasiswa/i atau 36,7% dari 30 mahasiswa/i
jurusan Teknik Mesin FTI ITS angkatan 2015. Selanjutanya adalah nilai A
sebanyak 8 mahasiswa/i, dan yang terendah adalah nilai BC ada 5 mahasiswa/i
atau 16,7% dari total 30 mahasiswa/i. Dapat disimpulkan bahwa nilai B.Inggris

22

dari mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015 masih harus
ditingkatkan agar nilai BC dan dibawahnya tidak terlalu banyak
4.6

Diagram Sebab Akibat
Diagram sebab akibat ini digunakan untuk mengetahui alasan atau

penyebab mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015 pada
semester 1 yang memperoleh nilai baik (A/AB) atau nilai buruk (D/E). Untuk
kasus pada praktikum ini tidak ditemukan nilai buruk (D/E) sehingga yang akan
dianalisis hanya nilai baik (A/AB) sebagai berikut.

Gambar 4. 12 Diagram Sebab Akibat Nilai A/AB

Berdasarkan Gambar 4.12, diperoleh informasi bahwa terdapat beberapa
faktor yang mempengaruhi mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan
2015 pada semester 1 memperoleh nilai baik (A/AB), yaitu dari segi material,
personnel, mechines, methods, dan environment. Dari segi material, faktor yang
mempengaruhi adalah penguasaan materi dasar oleh mahasiswa dan materi kuliah
di semester ini tergolong mudah. Dari segi personnel ada 2 faktor yang
mempengaruhi yaitu faktor dosen dan mahasiswa sendiri. Dari faktor dosen yang
mempengaruhi nilai adalah dosen baik dan komunikatif. Yang dimaksud dengan
komunikatif disini adalah dosen mampu menjelaskan dengan baik dan cepat
dimengerti, serta dosen mengetahui kemampuan setiap mahasiswa. Sedangkan
dari segi mahasiswa, yang mempengaruhi adalah tingkat keaktifan di dalam kelas,
ketepatan waktu mengumpulkan tugas, selalu mengikuti mata kuliah tanpa absen,
rajin belajar dan nilai-nilai ujian bagus. Ditinjau dari segi methods yang
23

mempengaruhi adalah banyaknya link dengan dosen dan teman-teman, metode
belajar dengan kerja kelompok daan menghafal materi, serta metode pengambilan
nilai berdasarkan tugas. Untuk segi machines yang dapat membantu proses belajar
mengajar mahasiswa adalah faktor kepemilikan buku mata kuliah yang lengkap
dan untuk segi environment adalah suasana kelas dengan teman-teman yang aktif
4.7

Kapabilitas proses
Kapabilitas proses dalam praktikum ini menggunakan rasio kapabilitas

proses (Cp). Anlisis kapabilitas proses ini dilakukan terhadap nilai IPS dan seluruh
nilai mata kuliah dari mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015
pada semester 1
4.7.1

Kapabilitas Proses untuk IPS
Hasil analisis kapabilitas proses untuk data IPS dari mahasiswa/i jurusan

Teknik Mesin FTI ITS angkatan 2015 pada semester 1 adalah sebagai berikut.

Gambar 4. 13 Kapabilitas Proses IPS

Berdasarkan Gambar 4.13, diperoleh informasi bahwa diperoleh rasio
kapabilitas proses (Cp) IPS adalah 0,80 dan Cpk sebesar 0,66 maka karena nilai
Cp dan Cpk kurang dari 1, artinya proses belajar mengajar berdasarkan nilai IPS
jurusan Teknik Mesin FTI ITS angkatan 2015 tidak kapabel. Selanjutnya nilai
PPM total adalah 0 yang menunjukkan bahwa probabilitas nilai IPS dari
1.000.000 mahasiswa yang berada diluar batas spesifikasi bawah sebesar 2,00 dan
batas spesifikasi atas sebesar 4,00 adalah 0. Sehingga hal ini mengindikasikan
bahwa IPS mahasiswa/i mengajar jurusan Teknik Mesin FTI ITS angkatan 2015
pada semester 1 tidak ada yang berada di bawah nilai batas spesifikasi bawah.
24

4.7.2

Kapabilitas Proses untuk Semua Matakuliah
Berikut ini merupakan hasil analisis kapabilitas proses untuk seluruh mata

kuliah dari mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015 pada
semester 1.

Gambar 4. 14 Kapabilitas Proses Seluruh Mata Kuliah

Dari Gambar 4.14, dapat dilihat bahwa rasio kapabilitas proses (Cp) IPS
adalah 0,55 dan Cpk sebesar 0,44 maka karena nilai Cp dan Cpk kurang dari 1,
artinya proses belajar mengajar berdasarkan nilai seluruh mata kuliah jurusan
Teknik Mesin FTI ITS angkatan 2015 tidak kapabel. Selanjutnya nilai PPM total
adalah 0 yang menunjukkan bahwa probabilitas nilai IPS dari 1.000.000
mahasiswa yang berada diluar batas spesifikasi bawah sebesar 2,00 dan batas
spesifikasi atas sebesar 4,00 adalah 0. Sehingga hal ini mengindikasikan bahwa
IPS mahasiswa/i mengajar jurusan Teknik Mesin FTI ITS angkatan 2015 pada
semester 1 tidak ada yang berada di bawah nilai batas spesifikasi bawah.
4.8

Probabilitas Mahasiswa/i di Luar Batas Spesifikasi
Batas spesifikasi IPS mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan

2015 pada semester 1, yaitu batas spesifikasi bawah adalah 2,00 dan batas
spesifikasi atas adalah 4,00. Karena tidak mungkin ada nilai IP di atas 4,00. Maka
yang perlu dihitung adalah probabilitas mahasiswa/i di bawah batas bawah (2,00).
4.8.1

Probabilitas di Luar Batas Spesifikasi untuk IPS
Berikut merupakan perhitungan probabilitas mahasiswa/i di luar batas

spesifikasi berdasarkan nilai IPS (Indeks Prestasi Semester).
25

σ^

=

´
R
d2

=

0,470
1,128

= 0,417

( LSL−μ
)
σ^
2,00−3,177
Φ(
0,417 )

p= Φ
p=

p = Φ (−2,822 )
p = 0,0024
Dari perhitungan diatas maka dapat diketahui probabilitas mahasiswa/i
jurusan Teknik Mesin FTI ITS angkatan 2015 pada semester 1 yang berada di luar
spesifikasi berdasarkan nilai IPS sebesar 0,0024
4.8.1

Probabilitas di Luar Batas Spesifikasi untuk Mata Kuliah
Berikut merupakan perhitungan probabilitas mahasiswa/i di luar batas

spesifikasi berdasarkan nilai mata kuliah.
σ^

=

´
R
d2

=

1,533
2,534

= 0,605

( LSL−μ
)
σ^
2,00−3,2
Φ(
0,605 )

p= Φ
p=

p = Φ (−1,9834 )
p = 0,02385
Dari perhitungan diatas maka dapat diketahui probabilitas mahasiswa/i
jurusan Teknik Mesin FTI ITS angkatan 2015 pada semester 1 yang berada di luar
spesifikasi berdasarkan nilai seluruh mata kuliah sebesar 0,02385.

26

BAB V
KESIMPULAN DAN SARAN
5.1

Kesimpulan
Dari hasil analisis dan pembahasan sebelumnya, kesimpulan yang dapat

dibuat adalah sebagai berikut.
1. Dari pengujian asumsi yang dilakukan yaitu uji keacakan (Runs Test) dan
uji kenormalan dari data IPS pada semester 1 mahasiswa Jurusan Teknik
Mesin FTI ITS angkatan 2015, dapat disimpulkan bahwa data telah
diambil secara acak, sehingga data tersebut memenuhi asumsi acak dan
data

juga

telah

memenuhi

asumsi

berdistribusi

normal

dengan

menggunakan uji Kolmogorov-Smirnov.
2. Dari peta

I −¿ MR dapat diketahui bahwa titik-titik pengamatan data

IPS tidak ada yang keluar dari batas kendali atas dan batas kendali bawah,
artinya proses terkendali. Dan untuk peta

X´

dan R dapat diketahui

bahwa titik-titik pengamatan dari data mata kuliah dengan 6 subgrup
(Fisika Dasar I, Kalkulus I, Agama, Kimia, Pengenalan Teknik Mesin, dan
Bahasa Inggris) berada dalam batas kendali atas dan batas kendali bawah,
artinya proses terkendali. Sehingga dapat disimpulkan bahwa proses
belajar mengajar di jurusan Teknik Mesin FTI ITS sudah baik dari segi IPS
maupun dari segi nilai dari tiap mata kuliah.

3. Pada diagram pareto dapat disimpulkan bahwa semua nilai mata kuliah
yang terbanyak diperoleh mahasiswa/i adalah nilai AB sebanyak 63 atau
setara dengan 35% dan yang paling sedikit adalah nilai C sebanyak 22 atau
setara dengan 12% dari total nilai yang ada. Mata kuliah yang paling
banyak mendapatkan nilai baik (A/AB) adalah Agama yaitu sejumlah 27
mahasiswa/i atau 29% dari 30 mahasiswa/i dan yang paling sedikit adalah
mata kuliah Fisika Dasar I yang hanya 7 mahasiswa/i atau setara dengan 7.
Serta tidak ada nilai buruk (D/E) yang diperoleh. Sehingga kualitas proses
belajar di jurusan Teknik Mesin FTI cenderung cukup baik.
4. Nilai A atau AB yang diperoleh oleh mahasiswa/i jurusan Teknik Mesin
ITS angkatan 2015 pada semester 1 disebabkan oleh beberapa faktor, yaitu
dari segi material (pemahaman materi), personnel (mahasiswa dan dosen),
27

environment (keaktifan di lingkungan kelas), methods (pola belajar dan
sistem pengajaran), serta machines (alat penunjang belajar).
5. Perhitungan kapabilitas proses berdasarkan IPS (indeks Prestasi Semester)
dan berdasarkan nilai semua matakuliah didapatkan nilai Cp dan Cpk
kurang dari 1, artinya proses belajar mengajar berdasarkan nilai IPS dan
nilai semua mata kuliah jurusan Teknik Mesin FTI ITS angkatan 2015
tidak kapabel. Selanjutnya nilai PPM total untuk nilai IPS dan nilai semua
mata kuliah adalah 0. Sehingga hal ini mengindikasikan bahwa IPS dan
nilai semua mata kuliah mahasiswa/i mengajar jurusan Teknik Mesin FTI
ITS angkatan 2015 pada semester 1 tidak ada yang berada di bawah nilai
batas spesifikasi bawah.
6. Probabilitas mahasiswa/i jurusan Teknik Mesin FTI ITS angkatan 2015
pada semester 1 yang berada di luar spesifikasi berdasarkan nilai IPS
sebesar 0,0024,sedangkan untuk yang berdasarkan nilai seluruh mata
kuliah sebesar 0,02385.
5.2

Saran
Saran yang dapat dibentuk dalam penyusunan laporan praktikum ini

adalah sebagai berikut.
1. Sebaiknya lebih berhati-hati dalam melakukan survey agar data yang
diperoleh acak dan mengikuti distribusi normal.
2. Untuk lebih cermat dalam menentukan batas kendali pada peta
pada peta kendali

I −MR

maupun pada peta kendali

X´ −R

X´

baik
karena

batas kendali atas tidak mungkin melebihi batas spesifikasi yang telah
ditentukan, karena IP maksimum yang dapat terjadi adalah 4,00.
3. Agar lebih teliti dalam mengkategorikan faktor-faktor yang mempengaruhi
nilai baik(A/AB) pada diagram sebab akibat.

28

DAFTAR PUSTAKA
Anonimous. 2012.Pengendalian Proses. http://www .premysisconsulting.com /
2012/08/14/pengendalian-proses-2/ diakses Kamis, 03 Maret 2016 pukul
15.30 WIB.
Hidayat, Anwar. 2015. Uji Kenormalan. http://www.statistikian.com/2013/01/ujinormalitas.html diakses Kamis, 03 Maret 2016 pukul 15.30 WIB.
Kho,

Dickson.

2015.

Diagram

Pareto

dan

Cara

Membuatnya.

http://ilmumanajemenindustri.com/pengertian-diagram-pareto