http://adisetiawan26.files.wordpress.com/2013/03/adi uksw 2012a.
PROSIDING
Seminar Nasional
Sains dan Pendidikan Sains VII
“ Pembelajaran Sains yang Menarik dan Menantang”
Tema :
“ Pemberdayaan Manusia dan Alam yang Berkelanjutan Melalui
Sains, Matematika dan Pendidikan ”
The Human and Nature Sustainability Empowerment through
Science, Mathematic and Education
Bidang Fisika
Bidang Kimia
Bidang Matematika dan Pendidikan Matematika
Bidang Pendidikan Sains
Fakultas Sains dan Matematika-Universitas Kristen Satya Wacana
Jl.Diponegoro 52-60 Salatiga 50715 Telp.0298-7100396
Fax.0298-321433
ISSN : 2087 - 0922
Vol. 3 No. 1, Tahun 2012
ISSN : 2087‐0922
Vol. 3 No.1 2012
PROSIDING
SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII
Dewan Redaksi/Editor :
Dr. Suryasatriya Trihandaru, M.Sc.nat
Dr. rer.nat. A. Ign. Kristijanto, M.S
Yohanes Martono, S.Si, M.Sc
Dr. Adi Setiawan, M.Sc
Dr. Hanna Arini Parhusip
Adita Sutresno, S.Si, M.Sc
Nur Aji Wibowo, S.Si, M.Si
Alamat Redaksi :
Fakultas Sains dan Matematika
Universitas Kristen Satya Wacana
Jl. Diponegoro 52-60 Salatiga 50711 Telp 0298-321212 ext 368/Fax : 0298-321433
ISSN : 2087‐0922
Vol. 3 No.1 2012
KATA PENGANTAR
Puji dan Syukur kepada Allah Bapa di surga yang telah memberikan rahmat dan
kurniaNya sehingga Seminar Nasional Sains dan Pendidikan Sains VII dalam rangka Dies
Natalis ke 20. Fakultas Sains dan Matematika UKSW dapat terlaksana. Mudah-mudahan
Seminar yang bertema 'Pemberdayaan Manusia dan Alam yang Berkelanjutan Melalui
Sains, Matematika dan Pendidikan (The Human and Nature Sustainability
Empowerment through Science, Mathematic and Education) ini dapat memberikan
manfaat kepada kita semua.
Dengan perasaan gembira dan bahagia, panitia mengucapkan selamat dating dan
terima kasih kepada peserta seminar yang telah berkenan hadir dalam seminar hari ini.
Seminar nasional ini merupakan dedikasi Fakultas Sains dan Matematika UKSW yang
diselenggarakan dalam bentuk kegiatan rutin tahunan Seminar Nasional VII tahun 2012 ini
terasa istimewa karena merupakan penutup rangkaian acara HUT FSM yang ke 20 yang
sudah dilaksanakan sejak tanggal 8 Juni 2012 yang lalu.
Seminar dua hari ini diikuti oleh sekitar 150 peserta dengan 3 (tiga) makalah utama
dan 52 makalah yang dipresentasikan secara pararel. Prosiding ini merupakan kumpulan
makalah yang dipresentasikan oleh para peneliti dalam lingkungan pendidikan maupun
lembaga penelitian serta dinas terkait, serta pendidik di tingkat pendidikan menengah
maupun pendidikan tinggi secara nasional. Dengan demikian seminar ini dapat merupakan
ajang saling tukar informasi untuk memperluas wawasan.
Akhir kata panitia mohon maaf atas segala kekurangan dalam penyelenggaraan
seminar ini. Tuhan memberkati.
Salatiga, 5 Maret 2013
Dr. rer.nat. A. Ign. Kristijanto, M.S
Ketua Seminar Nasional
i
ISSN : 2087‐0922
Vol. 3 No.1 2012
SAMBUTAN DEKAN
Puji syukur atas karunia Tuhan bahwa Fakultas Sains dan Matematika, Universitas
Kristen Satya Wacana , Salatiga dapat menyelenggarakan Seminar Nasional Sains dan
Pendidikan Sains yang Ke VII. Seminar kali ini mengangkat issue “Tantangan Sekolah
dan Perguruan Tinggi dalam menghadapi globalisasi dalam dunia pendidikan ( bidang
Sains dan Matematika )”
MIPA (SAINS) mendasari berbagai kompetensi bidang yang lain, sehingga ada”
kewajiban” bagi orang yang bergelut di bidang MIPA untuk melayani pembelajaran MIPA
dengan baik. MIPA adalah ilmu yang memuat teori dan menghasilkan terapan. MIPA
tidak dapat berdiri sendiri, dibutuhkan sinergi antar ilmu. Maka seminar ini diharapakan
dapat dipergunakan sebagai forum ilmiah antara ilmuan, sehingga akan terjalin sinergi
yang baik antar bidang MIPA. Aplikasi – aplikasi MIPA
yang disajikan oleh para
penyaji makalah, dapat membuka wawasan bagi dunia MIPA.
Akhir kata, semoga Seminar Nasional Sains dan Pendidikan Sains ke VII ini
membawa manfaat bagi kita semua.
Tuhan memberkati.
Salatiga, 5 Maret 2013
Dr. Suryasatriya Trihandaru, S.Si, M.Sc.nat
Dekan FSM
ii
ISSN
N : 2087‐092
22
Voll. 3 No.1 201
12
D
DENAH
Univerrsitas Krristen Sattya Wacaana
C
BU
FSM
Pintu Masuk
BU
: Lokasi Seminaar
Gedung C
: Lokasi Seminaar Paralel
Gedung FSM
F
: Lokasi Seminaar Paralel
iii
ISSN : 2087‐0922
Vol. 3 No.1 2012
JADWAL
SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII
BU-UKSW, 21 – 22 SEPTEMBER 2012
WAKTU
KEGIATAN
07.30 – 09.00
09.00 – 09.30
09.30 – 10.00
10.00 – 11.30
11.30 – 13.30
13.30 – 16.00
08.00 – 08.30
08.30 – 09.30
09.30 – 10.00
10.00 – 11.00
11.00 – 12.30
12.30 – 16.00
Jumat, 21 September 2012
Registrasi Ulang
1. Sambutan Ketua Panitia
(Dr. rer.nat. A. Ign. Kristijanto, M.S)
2. Sambutan Dekan Fakultas Sains Dan Matematika
(Dra. Lusiawati Dewi, M.Sc)
3. Sambutan Rektor UKSW
(Prof. Pdt. John Titaley, T.hD)
Rehat
Pembicara I – Prof. Dr. G. Jongbloed (TU Delf The Netherlands)
ISHOMA
Sidang pararel
Sabtu, 22 September 2012
Registrasi Ulang
Pembicara I – Prof. Dr. Liek Wilardjo (UKSW Salatiga)
Rehat
Pembicara II – Prof. Dr. Shigeo Katsumura (KGU Japan)
ISHOMA
Paralel II (Penutupan di masing-masing kelas)
Pembagian Sertifikat di BU
iv
ISSN : 2087‐0922
Vol. 3 No.1 2012
DAFTAR ISI
Kata Pengantar
......…….. ……. ......................................................................
Sambutan Dekan ..........................................................................................................
Denah …………………………………………………………………….…………...
Susunan Acara ….…………………………………………………………….……...
Daftar Isi
.............................................................................................................
i
ii
iii
iv
v
Halaman
PEMBICARA UTAMA
1
2
3
TESTING FOR AGEING Within sustainability agenda of TU Delft
Prof. dr. ir. G. Jongbloed ………………………………………………………………
FASCINATION OF CHEMICAL SYNTHESIS LEARNING FROM NATURAL
PRODUCTS
Prof. Shigeo Katsumura …………………………………………………………………
A GLIMPSE OF PHYSICS
Prof. Dr.Liek Wilarjo ……………………………………………………..……..…………
1-9
10 - 22
23 - 31
BIDANG FISIKA
1
2
3
4
5
6
7
PENGUKURAN KANDUNGAN PROVITAMIN A DARI CPO (CRUDE PALM
OIL)
MENGGUNAKAN
SPEKTROFOTOMETER
UV-VIS
DAN
SPEKTROSKOPI NIR (NEAR INFRARED)
Istianingrum, Suryasatriya Trihandaru, dan Martanto Martosupono ……………..……..
PERBANDINGAN MASSA KALIUM HIDROKSIDA PADA EKSTRAKSI SiO2
ORDE NANO BERBASIS BAHAN ALAM PASIR KUARSA
Munasir, Widodo, Triwikantoro, Moch.Zainuri, dan Darminto …………………………
40 - 44
HELMET STREAMER ANIMATION THROUGH AGNETOHYDRODYNAMICS
COMPUTER SIMULATION OUTPUT: SPACE EARLY WARNING PRECURSOR
Bambang Setiahadi …………………………….…………………………………………
45- 49
KARAKTERISTIK VARIASI HARIAN KOMPONEN H GEOMAGNET
REGIONAL INDONESIA
Habirun …………………………………………………………………………………
50 - 55
PEMBUATAN SENSOR WARNA SEDERHANA DENGAN MENGGUNAKAN
LDR DAN MIKROKONTROLER ATMEGA8535
Triponia Martini, Made Rai Suci Shanti. N.A,Suryasatriya Trihandaru …… ………….
56 - 62
SISTEM PENERANGAN TANPA LISTRIK : TEROBOSAN PEMANFAATAN
SINAR MATAHARI DI INDONESIA
Muhamad Azhar Ma’arif, Kukuh Azis Waluyo, Giner Maslebu, Made Rai S. S. N. A…..
63 - 68
PENGUJIAN PEMBERLAKUAN RUMUS SEGITIGA BOLA DALAM
PENENTUAN ARAH KIBLAT SHOLAT
Galuh Kusuma Wardhani, Wahyu Kurniawan, Natalia Dianing Gulita, Wahyu Hari
Kristiyanto ……........................................................................................................
69 -76
v
32 - 39
ISSN : 2087‐0922
Vol. 3 No.1 2012
8
9
10
11
12
PENGUKURAN ABSORPSI BAHAN ANYAMAN ENCENG GONDOK DAN
TEMPAT TELUR DENGAN METODE RUANG AKUSTIK KECIL
Aska, Andreas Setiawan, Adita Sutresno …………………………..…………..…….
77 - 81
PENGARUH GELOMBANG AKUSTIK TERHADAP PERTUMBUHAN ATAU
PERKEMBANGAN SAWI HIJAU ( Brassica Rapa Var. Parachinensis L. )
Tesar Aditya, Eko Yuli Kristianto, Kukuh Oktavianus, Adita Sutresno ……………..…
82 - 87
KOMBINASI
TEKNIK
KROMATOGRAFI
KOLOM
GRAVITASISPEKTROMETER
SEDERHANA
SEBAGAI
PERMODELAN
KROMATOGRAFI CAIRAN KERJA TINGGI (KCKT)
Giner Maslebu, Suryasatria Trihandaru, Nur Aji Wibowo ……………………….……
88 - 94
IDENTIFIKASI KANDUNGAN ANION NITRAT DALAM SAMPEL AIR
MENGGUNAKAN SPEKTROSKOPI NEAR INFRA-RED
Giner Maslebu, Andreas Setiawan, Jubhar. Chr. Mangumbulude, Ferdy S. Rondonuwu
95 - 99
PERANCANGAN DETEKTOR ASAP SEDERHANA UNTUK MENJAGA
KESEHATAN SISTEM PERNAPASAN MASYARAKAT DI LINGKUNGAN 100 - 104
GUNUNG BERAPI AKTIF
Satriya Ary Hapsara, Umi Muflihatun Nurul Azizah, Yodhi Anggara P, Yospina Reru
BIDANG KIMIA
1
IDENTIFIKASI SENYAWA DAN EFEK ANTIBAKTERI MINYAK JEWAWUT
( Setaria Italica )
105 - 108
Hartati Soetjipto, Yohanes Martono dan Natalia T Pujiastuti …………………………
2.
ANALISIS PROTEIN DAN IDENTIFIKASI ASAM AMINO PADA TEPUNG
GAPLEK TERFORTIFIKASI PROTEIN TEPUNG BIJI SAGA POHON 109 - 116
(ADENANTHERA PAVONINA LINN.)
Yohanes Martono , Sri Hartini , Irene Wijaya Gunawan ……………………………….
3
EKSTRAK ENZIMATIS MINYAK BUAH MERAH (Pandanus Conoideus LAM.)
SEBAGAI ANTIKOLESTEROL TERHADAP MENCIT PUTIH JANTAN 117 - 126
GALUR SWISS
Ina Sanchezy, Yohanes Martono, dan Hartati Soetjipto.... ………. …………………
4
PENAMBAHAN TEPUNG BELUT (Monopterus Albus Zuieuw) TERHADAP
KUALITAS TEMPE KEDELAI LOKAL DITINJAU DARI KADAR PROTEIN,
KADAR AIR, KADAR LEMAK DAN ANGKA KETIDAKJENUHAN
127 - 137
Santoso Sastrodihardjo , Lusiawati Dewi , Grace Ervina Hasan …………………………
5
ISOLASI KATEKIN DAUN GAMBIR (Uncaria Gambir) SEBAGAI
FUNCTIONAL FOOD PADA MIE
138 - 142
Anidya Ariani, Febrine pentadini, E. Mega Kurnia Dewi, Yohanes Martono.........….…
6
KRISTALISASI STEVIOSIDA BERBASIS AIR DAN PRA-FORMULASINYA
DARI STEVIA REBAUDIANA (BERT). SEBAGAI PEMANIS ALAMI RENDAH 143- 149
KALORI
November Rianto Aminu, Fandi Ade Darmawan, Oei Cindy Juwita Widagdo, Yohanes
Martono.........................................................................................................
7
BEKATUL SEBAGAI SUMBER MINYAK JANTUNG DAN BIOETANOL
Tirza Thea,Rivy Valen,Marchelline ……………………………………………………..
vi
150 - 153
ISSN : 2087‐0922
Vol. 3 No.1 2012
8
SURFAKTAN YANG BIODEGRADABLE DARI MINYAK GORENG BEKAS
BIODEGRADABLE SURFACTANT FROM COOKING OIL
154- 156
Olkelala, Agung R. Gintu, Istari B, Dewi Kusuma Hastuti................................................
9
INTEGRASI MANAJEMEN PENGURANGAN RESIKO BENCANA DAN
ADAPTASI PERUBAHAN IKLIM UNTUK PEMBELAJARAN BERBASIS 157 - 168
MASYARAKAT MENGGUNAKAN TEKNOLOGI INFORMASI
Teguh Wahyono, Adi Winanto, Harry Jocom.....................................................................
10
PEMBELAJARAN
TAKSONOMI
MELALUI
PENDEKATAN
KONTEKSTUAL SEBAGAI UPAYA PENINGKATAN MINAT MAHASISWA 169 - 175
PADA TAKSONOMI
Murni Sapta Sari.................................................................................................................
11
KITOSAN SEBAGAI AGEN PENGENTAL DAN PENGAWET DALAM
PRODUKSI TAHU
176 - 181
Sri Hartini, Anita Dwi Widyanti, Putri Malithasari.....................................................
12
PEMANFAATAN TEPUNG LABU KUNING (Cucurbita Moschata DURCH )
SEBAGAI BAHAN FORTIFIKASI PADA PEMBUATAN MIE
182 - 189
Lydia Ninan Lestario, Maria Susilowati, dan Yohanes Martono....................................
13
KOMPOSISI
EKSTRAK
PETROLEUM
ETER
DAN
AKTIVITAS
ANTIBAKTERI DARI RIMPANG TEMU IRENG (CURCUMA AERUGINOSA) 190 - 193
DARI INDONESIA
Dewi K.A.K.Hastuti1, Slamet Widodo .....................................................................
14
EKSTRAK LIMBAH BIJI PEPAYA (CARICA PAPAYA SEEDS)
ANTI
PENYAKIT JANTUNG KORONER
194 - 198
Kesi Lusiana, Panawidha Magatra, Maya Hapsari dan Yohanes Martono.......................
15
ASAM LIGNOSERAT BIJI SAGA (Adenanthera Pavonina) SEBAGAI
PENURUN KOLESTEROL PADA TELUR PUYUH
Liem Oktaviani Putri Purnom, Alvian Kristiandy Hartono, Birgitta Eknis Putri dan
199 - 201
Sri Hartini........................................................................................................
16
KURKUMIN
TERMODIFIKASI
DARI
TEMULAWAK
(CURCUMA
XANTHORRHIZA) SEBAGAI PENGAWET DAN PEWARNA PADA SAUS 202 - 206
TOMAT
Reza Permana Putra, Mikhael Nofiyanto H, Rizky Cahya Pradana, Anik Tri Haryani......
17
EKSTRAK KASAR LIMBAH CENGKEH (SYZYGIUM AROMATICUM L.)
FRAKSI HEKSAN SEBAGAI LARVISIDA ALAMI TERHADAP JENTIK 207 - 217
NYAMUK DEMAM BERDARAH (AEDES AEGYPTI LINN.) INSTAR III DAN
IV
A.Ign. Kristijanto, Hartati Soetjipto,Frederico Tika Putranto......................................
18
KONVERSI NIKOTIN PADA DAUN TEMBAKAU MENJADI ASAM
NIKOTINAT (PROVITAMIN B) SEBAGAI PILIHAN PRODUK INDUSTRI 218 - 222
HILIR BERBAHAN BAKU TEMBAKAU
Devy Kartika Ratnasari, Vellisya Puspaningsih, Galih Novendi, Sri Hartini.................
BIDANG MATEMATIKA DAN PENDIDIKAN MATEMATIKA
1
PERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM
GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES
223- 229
Endah Puspitasari, Lilik Linawati, Hanna Arini Parhusip.......................................…
vii
ISSN : 2087‐0922
Vol. 3 No.1 2012
2.
PENGGUNAAN PROGRAM INTEGER 0-1 UNTUK PENYUSUNAN JADUAL
PEMBELAJARAN BAGI SISWA DAN GURU DI SEKOLAH MENENGAH
ATAS
230 - 239
Elizabeth Fidela Felicia, Lilik Linawati, Tundjung Mahatma..................................…….
3
PENENTUAN DISTRIBUSI SKEWNESS DAN KURTOSIS DENGAN
METODE RESAMPLING BERDASAR DENSITAS KERNEL
(STUDI KASUS PADA ANALISIS INFLASI BULANAN KOMODITAS 240 - 247
BAWANG MERAH, DAGING AYAM RAS DAN MINYAK GORENG DI KOTA
SEMARANG)
Adi Setiawan ...................................................................................................................
4
GERAK BROWN GEOMETRIK SUATU TINJAUAN ULANG
Bambang Susanto ………………………………………………………………………
248 - 251
5
TURUNAN TINGKAT TAK BULAT
Bambang Susanto..................................................................................................…
252 - 254
6
PENENTUAN ALOKASI BEBAN KERJA MENGGUNAKAN MODEL 255 - 262
LEXICOGRAPHIC LINEAR GOAL PROGRAMMING
Lilik Linawati …………………………………………………………………..............
7
HUBUNGAN ANTARA HARI TENANG VARIASI MEDAN GEOMAGNET
DENGAN AKTIVITAS MATAHARI DI SPD MANADO
263- 268
John Maspupu Dan Setianto.......................................................….....................................
8
KECOCOKAN KURVA DISTRIBUSI GANGGUAN VARIASI MEDAN
GEOMAGNET
269 - 277
John Maspupu Dan Harry Bangkit......................................................................…
9
PEMBELAJARAN METODE PENYELESAIAN SISTEM PERSAMAAN
LINEAR DENGAN BANYAK PENYELESAIAN DAN YANG TIDAK 278 - 285
MEMPUNYAI PENYELESAIAN
H.A. Parhusip ...............................................................................…...............
10
PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT
Frangkymasipupu, Adisetiawan,Bambang Susanto ......................................……….
11
ESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN
LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO 296 - 300
Yessy Okvita, Bambang Susanto, Dan Hanna Arini Parhusip………………….………..
12
ESTIMASI VOLATILITY (σ) DARI MODEL AR(P) MENGGUNAKAN
METODE MARKOV CHAIN MONTE CARLO (MCMC)
301 - 306
Radite Astana Murti, Bambang Susanto, Dan Hanna Arini Parhusip............................
13
IMPLEMENTASI TUTORIAL BERBASIS DEEP DIALOGUE DAN
CRITICAL
THINKING
DALAM
TUTORIAL
PENDIDIKAN 307 - 316
MATEMATIKA PADA MAHASISWA S1 PGSD POKJAR MADIUN
(Pra Penelitian)
Sri Tresnaningsih. Dwikoranto ………………………………………………..
viii
286 - 295
ISSN : 2087‐0922
Vol. 3 No.1 2012
BIDANG PENDIDIKAN SAINS
1
PENERAPAN
MODEL
PEMBELAJARAN
INKUIRI
UNTUK
MENGEMBANGKAN SIKAP ILMIAH MAHASISWA PADA MATA KULIAH 317 - 322
KONSEP DASAR IPA (FISIKA) II
Dwi Nugraheni Rositawati, Tarsisius Sarkim..................................................................
2.
PENGGUNAAN METODE FAST FEEDBACK MODEL “CLOSED EYES”
PADA PEMBELAJARAN FISIKA TENTANG SIFAT SUSUNAN PARTIKEL 323 - 332
ZAT PADAT, ZAT CAIR, ZAT GAS
Meylani Aljeinie Tijow, Marmi Sudarmi, Ferdy S. Rondonuwu ………………….……
3
PENGGUNAAN METODE FAST FEEDBACK MODEL “MASUK BARISAN”
DALAM PEMBELAJARAN FISIKA TENTANG GAYA LORENTZ PADA 333 - 343
PENGHANTAR BERARUS LISTRIK
Nanik Sugiarti , Marmi Sudarmi, Alvama Pattiserlihun …………………………………
4
PEMBUATAN MEDIA ANIMASI UNTUK PEMBELAJARAN FISIKA TOPIK
INTERFERENSI
CINCIN
NEWTON
BESERTA
UJI
COBA 344 - 353
KEBERHASILANNYA
Dodi Purnomo, Made Rai Suci Shanti N.A, Diane Noviandini ………………………….
5
PEMBELAJARAN FISIKA MENGGUNAKAN ROKET AIR; SEBUAH
RANCANGAN PEMBELAJARAN KONTEKSTUAL TENTANG GERAK, 354- 362
MOMENTUM DAN TEKANAN
Chandra Prasetyo Oentoro, Marmi Sudarmi, Ferdy S. Rondonuwu …………………….
6
THE USE “INDIKASI WARNA” AS MODEL OF FAST FEEDBACK METHOD
IN PHYSICS LEARNING ON FORMING IMAGE IN LENSES
363 - 375
Siti Noor Fauziah, Ferdy S. Rondonuwu, Marmi Sudarmi ……………………….……...
7
MISKONSEPSI SISWA KELAS V SDN SIDOREJO LOR 04 SALATIGA
TENTANG GAYA GRAVITASI DAN PEMBELAJARAN REMEDIASINYA
376 - 381
Abdi Rochman, Adi Winanto…………….……………………………………..……….
8
PEMBUATAN MEDIA PEMBELAJARAN FISIKA ALVEOLI DENGAN
MENGGUNAKAN PISTON TERTUTUP
382 - 389
Rabinus, Made Rai Suci Shanti, Nur Aji Wibowo ………………………………..……...
9
IMPLEMENTASI METODE INKUIRI UNTUK MENINGKATKAN
PRESTASI BELAJAR SISWA DALAM MATA PELAJARAN IPA
MATERI CAHAYA DAN SIFAT-SIFATNYA BAGI SISWA KELAS V
SD
Abdul Faqih, Dwi Koranto ……………………………………………………..
390 - 399
ix
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
PENGKONSTRUKSIAN
GRAFIK PENGENDALI BERDASAR BOXPLOT
Frangky Masipupu 1), Adi Setiawan2),Bambang Susanto3)
1)
Mahasiswa Program Studi Matematika
2),3)
Dosen Program Studi Matematika
Fakultas Sains dan Matematika
Universitas Kristen Satya Wacana
Jl. Diponegoro 52 – 60 Salatiga 50711
Email : frangky_masipupu@yahoo.com
ABSTRAK
Pada suatu industri, pengendalian kualitas sangatlah penting, pengendalian dapat dilakukan dengan
menggunakanStatistical Processing Control (SPC) untuk pengendalian proses dalam memastikan bahwa
barang atau jasa yang diproduksi oleh perusahan dengan yang diharapkan sesuai.Grafik pengendali x
sering dipakai untuk data yang berdistribusi normal, pada makalah ini akan dibahas grafik pengendali
berdasar boxplot untuk data yang tidak berdistribusi normal. Grafik pengendali berdasar boxplot dapat
dibangun dengan batas pengendali menggunakan nilai kuartil dan jangkaun antar kuartil. Penelitian ini
akan menggunakan data univariat karakteristik O3 dari sebuah perusahaan “Y” di bidang air minum
kemasan, dimana salah satu produknya adalah air mineral kemasan galon 19L merk “X”. Perusahaan “Y”
memiliki standar kandungan O3dalam setiap produksi air mineral galon 19L berkisar antara 0.1– 0.4.
Dalam penelitian ini, dikontruksikan batas pengendali untuk grafik pengendali berdasar boxplot.
Boxplot merupakan alat yang paling banyak digunakan dalam analisis data. Kuartil Q1, Q2, dan Q3 akan
membagi data terurut menjadi empat bagian. Jangkauan antar kuartil (IQR, Interquartile Range)
didefinisikan sebagai selisih kuartil Q1 terhadap kuartil Q3, atau IQR = Q3 – Q1. Data-data pencilan dapat
ditentukan yaitu nilai yang kurang dari 1.5*IQR terhadap kuartil Q1 dan nilai yang lebih dari 1.5*IQR
terhadap kuartil Q3. Grafik pengendali berdasarkan boxplot pada data O3 air minum galon 19L merk
“X”dari perusahaan “Y” memiliki batas pengendali untuk LCL=0.03 , CL=0,14 dan UCL=0,205 jika
digunakan batas boxplot untuk grafik pengen dali UCL=Q3 +1.5*IQR dan LCL=Q1-1.5*IQR, sedangkan
jika digunakan grafik pengendali berdasar UCL=Q3 +3*IQR dan LCL=Q1-3*IQR maka diperoleh
LCL=0.04 , CL=0,14 dan UCL=0,25. Grafik pengendali berdasar boxplot yang telah dibangun melalui
batas penggendali tersebut memperlihatkan bahwa tidak ada titik yang out of control. Dengan demikian
bisa dikatakan bahwa air mineral galon 19L merk “X“ dari perusahaan “Y” dalam batas kendali kualitas
dan memenuhi syarat kualitas yangdidasarkan pada grafik pengendali berdasarkan boxplot yang
diusulkan.
Kata kunci : grafik pengendali, boxplot, pencilan (outlier), grafik pengendali berdasar boxplot.
PENDAHULUAN
berperan penting pada dunia industri karena
itu dibutuhkan suatu pengendalian kualitas
untuk menjaga kestabilan kualitas.
Latar Belakang
Pada era globalisasi yang berkembang,
kebutuhan masyarakat meningkat. Manusia
sebagai konsumen sangatlah menginginkan
suatu barang dan jasa yang sangat murah dan
terjangkau, karena itu dunia industri ingin
menjawab kebutuhan para konsumen yang
ingin mendapatkan barang atau jasa yang
diinginkannya. Salah satu cara untuk menarik
perhatian para konsumen adalah memakai
barang dan jasa yang baik dan berkualitas.
Tidak hanya itu kualitas merupakan ukuran
seberapa dekat suatu barang atau jasa sesuai
dengan standar tertentu. Kualitas sangatlah
Pengendalian kualitas merupakan teknik dan
manajemen, dimana aktivitas tersebut
mengukur ciri khas suatu produk yang
berkualitas untuk membandingkan dengan
spesifikasi atau persyaratan dan mengambil
tindakan yang sesuai apabila ada perbedaan
antara penampilan yang sebenarnya dan yang
standar (Montgomery,1990). Oleh karena itu
adanya
pengendalian
kualitas
dapat
mendeteksi penyimpangan yang terjadi
supaya dapat melakukan perbaikan sehingga
memberikan kepuasan kepada konsumen.
286
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
bawah (lower limit control atau LCL).
Apabila titik-titik sampel berada di antara
UCL dan LCL maka dikatakan bahwa proses
dalam keadaan terkendali. Artinya bahwa
jumlah variasi dalam output masih relatif
konstan dan masih berada dalam batas yang
dapat diterima. Output yang dimaksud
merupakan barang maupun jasa hasil
produksi. Akan tetapi, jika ada titik-titik
sampel yang berada diluar UCL atau LCL
maka proses dikatakan tidak terkendali.
Pengendalian dapat dilakukan dengan
menggunakan metode Statistical Processing
Control (SPC) dan Outlier (pencilan) yang
diartikan sebagai penyimpangan suatu data
dari sekumpulan data yang lain. Dalam
skripsi Taungke (2011) telah dibahas tentang
bagaimana
mengkonstruksikan
grafik
pengendali berdasar fungsi densitas kernel,
sedangkan dalam makalah Jantini et al.
(2011a) telah dibahas tentang bagaimana
mengkonstruksikan
grafik
pengendali
berdasarkan fungsi distribusi empirik
danpada makalah Jantini et al. (2011b)
dibahas tentang studi simulasinya.Dalam
makalah ini akan dibahas tentang bagainana
mengkonstruksikan
grafik
pengendali
berdasarkan boxplot.
Grafik pengendali x , R dan S termasuk
teknik pengendalian paling penting dan
berguna.
Misalkan karakter kualitas x1 , x2 ,..., xn
berdistribusi normal dengan mean μ dan
deviasi standar σ . Jika x1 , x2 ,..., xn sampel
berukuran n maka rata-rata sampel berukuran
ini adalah
DASAR TEORI
Statistik prosers control (SPC)
Statistical Process Control (SPC) merupakan
metode statistik untuk pemantauan dan
pengendalian proses dalam memastikan
bahwa barang atau jasa yang diproduksi oleh
perusahan beroperasi pada potensi penuh
untuk menghasilkan produk yang sesuai.
Dikatakan pula bahwa SPC merupakan
pengaplikasian teknik – teknik statistik untuk
mengendalikan
suatu
proses
guna
menentukan
stabilitasnya
dan
kemampuannya menghasilkan produk atau
jasa yang bermutu. Karena SPC memiliki
kemampuan untuk mendeteksi segala bentuk
penyimpangan ketidaksesuaian maupun
kesesuaian terhadap standar produk, proses
dan sistem maka perusahaan industri dapat
mengambil tindakan perbaikan terhadap
penyimpangan tersebut agar produk dapat
memenuhi standard. Metode tersebut
merupakan salah satu cikal bakal konsep
pendekatan jaminan kualitas terbaik yang
diperkenalkan dalam dunia industri modern
(Taungke, 2011). Salah satu alat yang dapat
digunakan dalam metode SPC adalah grafik
pengendali.
x=
x1 + x2 +...+ xn
n
.
(1)
Dalam praktek, biasanya kita tidak
mengetahui μ dan σ , sehingga nilai-nilai
harus
ditaksir
dari
sampel-sampel
pendahuluan yang diambil ketika proses itu
diduga terkendali. Misalkan x 1 , x 2 ,..., x m
adalah rata-rata tiap sampel. maka penaksir
terbaik untuk rata-rata proses μ adalah mean
keseluruhan yakni
x=
x1 + x 2 + ... + x m
m
.
(2)
Jadi x digunakan sebagai garis tengah grafik
pengendali x tersebut.
Pada
metode
rentang
(range),
jika
x1 , x 2, ..., x n suatu sampel berukuran n maka
rentang sampel itu adalah selisih observasi
yang terbesar dan terkecil yakni
Grafik Pengendali
Grafik pengendali terdiri dari elemen batasbatas pengendali dan sebuah garis
pertengahan. Pada grafik pengendali memuat
garis tengah yang disebut dengan centerline
(CL) dan mempunyai dua batas pengendali
yaitu batas pengendali atas (upper limit
control atau UCL) dan batas pengendali
R= xmaks − xmin .
(3)
Misalkan R1 , R2 ,..., Rm adalah rentang m
sampel itu,maka rentang rata-ratanya adalah
287
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
R=
R1 + R2 + ... + Rm
m
.
UCL = x + A 2 R
CL = x
LCL = x − A 2 R
(4)
Taksiran untuk σ dihitung sebagai berikut
σ=
∧
R
d2 .
(5)
(8)
Nilai d 2 untuk berbagai ukuran sampel
diberikan dalam Tabel Lampiran VI
(Montgomery, 1990).
dengan x =rata-rata mean keseluruhan, R
=rata-rata dari n sampel, A2=konstanta yang
bergantung pada ukuran sampel yang ada
pada Tabel Lampiran VI (Montgomery,
1990).
Grafik Pengendali x
Contoh penggunaan grafik pengendali x
Untuk mengontrol kualitas dan memantau
jalannya produksi maka digunakan bagan
Dengan menggunakan data kandungan O3
pada lampiran, maka di peroleh nilai
R = 0 , 0383 dan garis tengah adalah
CL = x = 0,1441 .
Untuk menghitung batas grafik pengendali
kendali khususnya bagan kendali x yang
memiliki tiga batas kendali CL (centerline),
UCL(upper limit control) dan LCL (lower
limit control), batas kendali tersebut dapat
dihitung dengan rumus sebagai berikut.
x digunakan sebagai penaksir untuk
sedangkan
R
sebagai penaksir untuk
d2
x , digunakan A2 = 0.729 dari Tabel
Lampiran VI (Montgomery, 1990)dengan
n=4 dan persamaan (8) sehingga diperoleh
UCL= 0,1441+0,729 *0,0383= 0,1721 dan
LCL=0,1441-0,729 *0,0383=0,1161.
μ
σ
Grafik pengendali x ditunjukkan dalam
Gambar 1, terlihat bahwa tidak ada titik yang
diluar kontrol sehingga variabilitas proses
terkendali.
,sehingga para meter grafik x adalah
UCL = x +
CL = x
LCL = x −
3
d2 n
3
d2 n
R
R
(6)
Dicatat bahwa kuantitas :
A2 =
3
d2 n
(7)
adalah konstan yang hanya tergantung pada
ukuran sampel sehingga persamaan(6) dapat
ditulis kembali menjadi
Gambar 1.Grafik pengendali x untuk
kandungan O3.
288
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
Boxplot
Gambar 3.Boxplot dari data kandungan O3.
Gambar 2. Skema identifikasi pencilan
dengan menggunakan IQR atau Boxplot.
Data pencilan adalah pengamatan yang tidak
mengikuti sebagian besar pola dan terletak
jauh dari pusat data. Tidak jarang ditemukan
satu atau beberapa data yang jauh dari pola
kumpulan data keseluruhan. Karena dalam
suatu pengamatan terhadap suatu keadaan
tidak menutup kemungkinan diperoleh suatu
nilai pengamatan yang berbeda dengan nilai
pengamatan lainnya. Hal ini mungkin
disebabkan oleh kesalahan pada saat
persiapan data atau terdapat peristiwa yang
ekstrim yang mempengaruhi data.
Boxplot
adalah teknik grafik yang
dikembangkan untuk menganalisa data,
grafik ini secara umum mengurangi
penyajian data yang terperinci pada grafik
sehingga efektif untuk ukuran data yang
lebih besar. Elemen dasar dari bentuk
grafiknya adalah (1) kotak segi empat yang
memuat 50 persen data (ingat istilah IQR
atau interquartile range), (2) garis melintang
pada kotak yang menunjukkan median, (3)
kedua sisi pada kotak dengan kutub yang
berlawanan (kiri dan kanan, atau atas dan
bawah), disebut hinges, dan (4) serat
(whisker) yang menghubungkan hinges
dikedua sisi dengan data terkecil dan data
terbesar(Anonim, 2001).Boxplot merupakan
alat yang paling banyak digunakan yakni
dengan mempergunakan nilai kuartil dan
jangkauanKuartil Q1, Q2, dan Q3 akan
membagi sebuah urutan data menjadi empat
bagian. Jangkauan antar kuartil
(IQR,
Interquartile Range) didefinisikan sebagai
selisih kuartil Q1 terhadap kuartil Q3,
atauIQR = Q3 – Q1. Data-datayang nilai
kurang dari 1.5*IQR terhadap kuartil Q1 dan
nilai yang lebih dari 1.5*IQR terhadap kuartil
Q3biasa disebut data pencilan (outlier) . Pada
Gambar 3 berikut adalah boxplot dari data
hasil uji produk gallon merk ”X”untuk
kandungan O3.
METODE PENELITIAN
Data
Penelitian ini menggunakan data sekunder
yang diperoleh dari perusahaan untuk air
minum galon 19L merk ”X”khususnya data
tentang kandungan
O3 dalam air pada
lampiran yang dicatatmulai 01 Januari – 28
Februari 2010 sebanyak 172 titik sampel
sebagai salah satu variabel yang akan diuji
kualitasnya. Berdasarkan data dikonstruksi
grafik pengendali berdasarkan boxplot untuk
menentukan titik sampel yangoutof control.
Analisis Data
Untuk membantu dalam analisis data
digunakan paket program R2.15.1 antara lain
untuk menentukan nilai UCL, CL, LCL serta
menggambarkan grafik.Data yang digunakan
adalah data hasil uji produk gallon merek
“X” dengan mengambil variable kandungan
O3 .
1. Berdasarkan data dilakukan grafik
pengendali berdasarkan boxplot.
2. Melakukan studi simulasi dengan cara :
289
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
a. Membangkitkan
data
berdistribusi
normal dengan mean 0.1441 dan variansi
0.0193
selanjutnya
menentukan
prosentase titik-titik yang di luar kontrol
dengan menggunakan grafik pengendali
berdasar boxplot. Prosedur ini diulang
sebanyak bilangan besar kali, misalkan B
= 10000 dan dicari rata-ratanya.
b. Membangkit data berdistribusi normal
dengan mean 0 dan variansi 1, 4 dan 16
begitu juga distribusi normal dengan
mean 1, 2, 3 dan variansi 1 selanjutnya
menentukan presentase titik-titik yang
diluar kontrol dengan menggunakan
grafik pengendali berdasar boxplot
prosudur ini diulang sebanyak bilangan
besar B kali,misalkan B=10000 dan
dicari rata-ratanya.
c. Membangkitkan data acak berdistribusi
Eksponensial dengan mean 1, 2, dan
3.selanjutnya menentukan prosentase
titik-titik yang di luar kontrol dengan
menggunakan grafik pengendali berdasar
boxplot. Prosedur ini diulang sebanyak
bilangan besar B kali, misalkan B =
10000 dan dicari rata-ratanya
d. Membangkitkan data acak berdistribusi
Chikuadrat dengan mean 1, 3, dan 5
selanjutnya menentukan prosentase titiktitik yang di luar kontrol dengan
menggunakan grafik pengendali berdasar
boxplot. Prosedur ini diulang sebanyak
bilangan besar B kali, misalkan B =
10000 dan dicari rata-ratanya.
e. Membangkitkan data acak berdistribusi
Cauchy dengan lokasi 0 dan skala 1, 2,
dan 3 selanjutnya menentukan prosentase
titik-titik yang di luar kontrol dengan
menggunakan grafik pengendali berdasar
boxplot. Prosedur ini diulang sebanyak
bilangan besar B kali, misalkan
B = 10000 dan dicari rata-ratanya.
tersebut berkisar antara 0.09 sampai 0.19.
Gambar 4 dana memperlihatkan bahwa
terdapat 1 titik yang out of control untuk
standar yang ditetapkan oleh perusahaan,
sedangkan pada Gambar 5 menunjukkan
gambaran data dengan kandungan O3 dalam
bentuk histogram.
Gambar 4. Gambar data dan batas yang
diberikan perusahaan.
20
15
0
5
10
F req u e n cy
25
30
35
Histogram Data Kandungan O3
0.10
0.12
0.14
0.16
0.18
X
Gambar 5. Histrogram data kandungan O3
Untuk mencari batas grafik pengendali pada
boxplot, terlebihdahulu dihitung nilai kuartil
Q1,Q2dan Q3 serta jangkauan (IQR
,Interquartile Range) sehingga diperoleh
hasil :
Q1=0,13; Q2=0,14; Q3=0,16; IQR=0,03;
1,5*IQR=0,045.
Dari hasil perhitungan nilai kuartil Q1, Q2 dan
Q3 serta IQR maka kita dapat menentukan
batas-batas
pengendali
berdasarkan
boxplot,sehingga diperoleh garis tengah yaitu
HASIL DAN PEMBAHASAN
CL=median= Q2 =0,14,
Perusahaan “Y” memiliki standar nilai
kandungan O3dalam setiap produksi air
mineral galon 19L berkisar antara 0,1– 0,4.
Kandungan O3pada produksi airminum 19L
sedangkan batas atas dan batas bawah grafik
pengendali berdasarkan boxplot yaitu
290
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
UCL=Q3+1,5 IQR=0,205
LCL=Q1-1,5IQR=0,03.
prosentasetitik – titik sampel yang out of
statistical controlyang dinyatakan pada Tabel
1. Tabel 1 memperlihatkan untuk n= 15,
n=30, dan n=50 tidak terdapat titik sampel
yang berada di luar kontrol, sedangkan untuk
n=100, n=500, n=1000,n=10000
masing
masing terdapat 0.007, 0.01, 0.03 dan 0.071
titik sampel yang berada diluar kontrol.
dan
Bila disajikan dalam grafik pengendali
berdasarkan boxplot akan tampak seperti
pada Gambar 6.
Tabel 1.Prosentase titik sampel yang out of
controluntuk distribusi normal dengan
mengambil mean dan variansi dari data O3.
n
15
Gambar
6. Grafik pengendali berdasar
boxplot.
Jika data kandungan O3 diubah untuk titik
ke-1 menjadi 0.05 , titik ke-171 menjadi 0.06
dan titik ke-172 menjadi 0.3, maka terdapat
data pencilan(outlier) pada grafik pengendali
berdasar boxplot, sehingga Gambar 7
memperlihatkan titik yang out of control
pada data ke 1,171 dan 172.
Distribusi normal dengan
mean=0.1441dan variansi
=0.0193
0
30
0
50
0
100
500
1000
10000
0.7
1
3
7
Tabel 2. Prosentase titik sampel yang out of
control untuk distribusi normal dengan mean
0 dan variansi berturut-turut 1,4 dan 16.
n
15
30
50
100
500
1000
10000
N(0,1)
0
0
0
0
0.1
0.4
0.62
N(0,4)
0
0
0
0
0.5
0.8
0.72
N(0,16)
0
0
0
4
0.5
0.12
0.73
Tabel2
memperlihatkan
untuk
n=15,n=30,n=50,pada
distribusi
normal
untuk nilai mean dan variansi yang telah
ditentukan memperlihatkan bahwa tidak ada
titik yang out of control, sedangkan n=100
pada distribusi normal dengan mean 0 dan
variansi 16 terdapat 0.04 titik sampel yang
diluar kontrol.Begitu pula n= 500, n=1000
dan n=10000 masing-masing terdapat titik
sampel yang di luar kontrol.
Gambar 7. Grafik pengendali berdasar
boxplot sesudah berubah.
Simulasi
dilaksanakan
dengan
cara
mengambil sampel ukuran n dari distribusi
normal dengan mean 0.1441 dan variansi
0.019 yang diperoleh dari data kandungan O3.
Berdasarkan
simulasi,
diperoleh
Tabel3 memperlihatkan
untukn=15pada
distribusi normal untuk nilai mean dan
variansi
yang
telah
ditentukan
memperlihatkan bahwa tidak ada titik yang
out of control, sedangkan
n=100pada
291
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
distribusi normal dengan mean 3 dan variansi
1 terdapat 0.03 titik sampel yang diluar
kontrol,begitu pula n=50 dengan mean 2 dan
3 untuk variansi 1 terdapat 0.16 dan 0.33 titik
sampel yang diluar kontrol. Kemudian untuk
n=30, n=500, n=1000
dan
n=10000
masing-masing juga memiliki titik sampel
yang diluar kontrol.
1000
10000
N(1,1)
0
3.3
0
0
0.6
0.7
0.63
N(2,1)
0
1.6
6
0
14
1
0.61
n
Chikuadrat(1)
0
15
10
30
4
50
8
100
9.8
500
8.4
1000
7.3
10000
N(3,1)
0
3.3
2
3
12
0.9
0.79
Berikut ini adalah hasil simulasi untuk
distribusi Eksponensial, distribusi Chikuadrat
dan distribusi Cauchy.Pada Tabel 4 untuk
n=15 pada distribusi Eksponensial dengan
nilai mean yang telah ditentukan dapat
dilihat bahwa tidak ada titik yang diluar
kontrol, sedangkan untuk n=30, n=50, n=100,
n=500, n=1000, dan
n=10000 masing–
masing memiliki titik sampling yang ada
diluar kontrol.Begitu pula Tabel 5 untuk
n=15 pada distribusi Chikuadrat dengan nilai
mean yang telah ditentukan dapat dilihat
bahwa tidak ada titik yang diluar kontrol,
sedangkan untuk n=30, n=50, n=100, n=500,
n=1000, dan
n=10000 masing–masing
memiliki titik sampling yang ada diluar
kontrol. Sedangkan nilai n pada Tabel 6
untuk distribusi Cauchy dengan nilai lokasi
dan nilai skala yang telah ditentukan
semuanya memiliki titik sampling yang ada
diluar kontrol.
15
30
50
100
500
1000
10000
Eks(2)
0
3.3
2
2
6.4
Chikuadrat(3)
0
3.3
6.6
4
3.2
2.2
3.83
Chikuadrat(5)
0
1
1.2
1
2.8
2.7
2.7
Cauchy
(0,1)
12.6
6.6
10
11
14
15
16.1
Cauchy
(0,2)
13.3
10
14
12
17.2
15
15.1
Cauchy
(0,3)
13.3
16.6
12
16
16.4
14
15.5
Untuk mengubah batas pengendali pada
boxplot maka dapat menghitung kembali
nilai kuartil dengan mengubah 1.5*IQR
menjadi 3*IQR dengan tujuan dapat
mendefinisikan kembali nilai UCL dan LCL
atau data ekstrim
berikut adalah hasil
perhitungan.
Q1=0,13;
Q2=0,14;
Q3=0,16;
IQR=0,03; 3*IQR=0,09.
Dari hasil perhitungan nilai kuartil Q1,Q2 dan
Q3 serta IQR maka kita dapat menentukan
batas-batas grafik pengendali berdasar
boxplot,dengan garis tengah yaitu
CL= median =Q2=0,14.
Sedangkan batas atas dan batas bawah
Tabel 4. Prosentase titik sampel yang out of
controluntuk distribusi Eksponensial dengan
mean berturut-turut 1,2 dan 3.
Eks(1)
0
3.3
4
5
4.4
3.5
5
Tabel 6. Prosentase titik sampel yang out of
control untuk distribusi Cauchydengan lokasi
0 dan skala berturut-turut 1,2 dan 3.
n
n
15
30
50
100
500
4.5
5
Tabel 5. Prosentase titik sampel yang out of
control untuk distribusi Chikuadratdengan
mean berturut-turut 1,3 dan 5.
Tabel 3. Prosentase titik sampel yang out of
control untuk distribusi normal dengan
variansi 1 dan mean berturut-turut 1,2 dan 3.
n
15
30
50
100
500
1000
100000
5.9
4.66
UCL=Q3+3 IQR= 0,25 dan
LCL=Q1-3IQR=0,04.
Eks(3)
0
6.6
6
4
4
Bila disajikan dalam grafik pengendali
berdasarkan boxplot akan tampak seperti
pada Gambar 8.
292
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
Dari hasil simulasi untuk UCL dan LCL
yang telah diubah, pada distribusi normal
tidak terdapat titik yang out of control. Pada
Tabel 7 dan Tabel 8 untuk n=15, n=30,n=50,
pada distriEksponensial dan Chikuadrat tidak
terdapat titik yang diluar kontrol begitu pulah
untuk n=100, n=500, n=1000, dan n=10000
masing–masing memiliki titik sampling yang
ada diluar kontrol.Sedangkan pada tabel 9
untuk n=15 pada distribusi Cauchy dengan
lokasi 0 dan skala 1tidak terdapat titik yang
diluar kontrol, sedangkan nilai n lainnya
yang telah ditentukan pada distribusi Cauchy
pada Tabel 9 masing-masing memiliki titik
sampling yang ada diluar kontrol.
Tabel 7. Prosentase titik sampel yang out of
controldengan
perubahan
UCL
dan
LCLuntuk distribusi Eksponensial dengan
mean berturut-turut 1,2 dan 3.
Gambar
9. Grafik pengendali
berdasar boxplot dengan perubahan UCL dan
LCL.
n
15
30
50
100
500
1000
10000
Kemudian jika data kandungan O3 diubah
untuk titik ke-1 menjadi 0.05, titik ke-171
menjadi 0.06 dan titik ke-172 menjadi 0.3,
maka terdapat titikoutlier pada grafik
pengendali berdasar boxplot, sehingga
Gambar 9 memperlihatkan titik yang out of
control pada data ke 172, hal ini disebapkan
karena semakin besar nilai batas atas dan
bawah grafik pengendali berdasar boxplot.
Eks(1)
0
0
0
0.1
0.8
0.8
0.83
Eks(2)
0
0
0
0.1
0.6
0.6
0.9
Eks(3)
0
0
0
0.2
0.9
1.07
6.6
Tabel 8. Prosentase titik sampel yang out of
control dengan perubahan UCL dan
LCLuntuk distribusi Chikuadrat dengan mean
berturut-turut 1,3 dan 5.
n
15
30
50
100
500
1000
10000
Chikuadrat
(1)
0
0
0
2
2.8
3.2
2.15
Chikuadrat
(3)
0
0
0
2
0.8
0.8
0.49
Chikuadrat
(5)
0
0
0
1
0.4
0.2
0.24
Tabel 9. Prosentase titik sampel yang out of
control untuk distribusi Cauchy dengan
lokasi 0 dan skala berturut-turut 1,2 dan 3.
n
15
30
50
100
500
1000
10000
Gambar 9. Grafik pengendali berdasar
boxplot sesudah berubah dengan perubahan
UCL dan LCL.
293
Cauchy(0,1)
0
6.6
10
12
9.2
8.2
9.02
Cauchy(0,2)
6.6
6.6
14
9
10.4
7.3
8.76
Cauchy(0,3)
13.3
13.3
8
6
8.8
8
9.32
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
yang diberlakukan oleh perusahaan
sehingga layak untuk dipasarkan.
Gambar 7 memperlihatkan terdapat 3 titik
yang out of controlpada kandungan O3
dengan batas UCL = Q3 + 1.5* IQR dan LCL
= Q1 - 1.5* IQR sedangkan Gambar 9
terdapat 1 titik yang out of control dari data
kandungan O3 dengan batas UCL= Q3
+3*IQR dan LCL= Q1 - 3* IQR. Hal
tersebut disebabkan semakin lebar batas
nilai UCL dan
LCL yang ditentukan
sehingga semakin sedikit data pencilan
(outlier) yang terlihat.Untuk nilai UCL dan
LCL yang telah diubah, tidak terdapat titik
yang out of control pada simulasi data
yang dibangkitkan dari distribusi normal.
Perbedaan juga terlihat pada Tabel 9 dan
Tabel 6 untuk distribusi Cauchy dengan
lokasi 0 dan skala 1untuk ukuran sampel
10000 terdapat 9.02% titik yang diluar
kontrol untuk tabel 9, dan 16%titik yang
diluar kontrol untuk Tabel 6. Kemudian
untuk data berdistribusi Chikuadrat dengan
mean 1 untuk ukuran sampel 10000 pada
Tabel 8 terdapat 2.15% titik sampel yang
diluar kontrol sedangkan pada Tabel 5
terdapat 7.3% titik yang ada diluar kontrol,
dan juga pada distribusi Eksponensial dengan
nilai n=10000 terdapat prosentase titik yang
berbeda dimana 0.83% titik yang diluar
kontrol untuk Tabel 7 dan 4.66% titik yang
diluar kontrol. Dengan demikian presentase
titik-titik yang di luar kontrol seperti yang
diharapkan tergantung pada batas kendali
dari grafik pengendali yang digunakan.
3. Makin lebar batas nilai UCL dan
LCL maka makin sedikit data
pencilan (outlier) yang dilihat.
4. Prosentase titik-titik yang diluar
kontrol bergantung
pada
batas
pengendali pada grafik pengendali
berdasar boxplot dan distribusi
sampel yang menjadi asal populasi.
DAFTAR PUSTAKA
[1] Anonim. 2001. Modul kursus :Metode
penelitian ilmiah ekonomi:Riset Bisnis ;
Universitas Gunadarma Jakartadiunduh
dari;http://elearning.gunadarma.ac.id/doc
modul/risetbisnis_pdf/baca.php
[2]Harinaldi. 2005. Prinsip-prinsip Statistik
untuk teknik dan sains : Fakultas Teknik
Universitas Indonesia
[3]Jantini Trinasari Natangku, Adi Setiawan,
Lilik Linawati. 2011a. Studi Pengendali
Non Prametrik Berdasar Fungsi Distribusi
EmpirikSimulasi
Grafik,Prosiding
Seminar
NasionalMatematika dan
Pendidikan Matematika:UNY Yogyakarta
3 Desember 2011
[4]Jantini Trinasari Natangku, Adi Setiawan,
Lilik Linawati. 2011b. Grafik Pengendali
Non Para metrik Univariat pada data pH
Produk Air minum Galon merk “X”
Berdasarkan Fungsi Distribusi Empirik
,Prosiding Seminar NasionalMatematika
dan
Pendidikan
Matematika:UNS
Surakarta,26 November 2011
KESIMPULAN
Berdasarkan pembahasan di atas dapat
disimpulkan beberapa hal mengenai grafik
pengendali berdasar boxplot :
1. Grafik
pengendali
berdasarkan
boxplot
pada data kandungan
O3dalam air minum galon 19L merk
“X”dari perusahaan “Y” memiliki
batas pengendali untuk LCL=0.03 ,
CL=0,14 dan UCL=0,205
[5]Montgomery, Douglas C. 1990. Pengantar
Pengendalian
Kualitas
Statistik.
Yogjakarta : Gadjah Mada University
Press.
[6]Soemartini.2007.
(Artikel)
Pencilan
(Outlier). Jatinangor : Jurusan Statistika
Fakultas
Matematika
dan
Ilmu
Pengetahuan Universitas Padjadjaran.
2. Berdasarkan
grafik
pengendali
berdasar boxplot,data kandungan O3
air minum galon 19L merk “X”
sebanyak 172 titik sampel berada di
dalam kontrol dan memenuhi stándar
[7]Taungke, Novriyanthi. 2011. (Skripsi)
Pengendalian Kualitas “Susu Segar
Nasional”
Rasa
Coklat
untuk
294
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
Karakteristik
PH
dengan
Grafik
Pengendali Berdasarkan Densitas Kernel.
Salatiga : Fakultas Sains dan Matematika
Universitas Kristen Satya Wacana
295
Seminar Nasional
Sains dan Pendidikan Sains VII
“ Pembelajaran Sains yang Menarik dan Menantang”
Tema :
“ Pemberdayaan Manusia dan Alam yang Berkelanjutan Melalui
Sains, Matematika dan Pendidikan ”
The Human and Nature Sustainability Empowerment through
Science, Mathematic and Education
Bidang Fisika
Bidang Kimia
Bidang Matematika dan Pendidikan Matematika
Bidang Pendidikan Sains
Fakultas Sains dan Matematika-Universitas Kristen Satya Wacana
Jl.Diponegoro 52-60 Salatiga 50715 Telp.0298-7100396
Fax.0298-321433
ISSN : 2087 - 0922
Vol. 3 No. 1, Tahun 2012
ISSN : 2087‐0922
Vol. 3 No.1 2012
PROSIDING
SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII
Dewan Redaksi/Editor :
Dr. Suryasatriya Trihandaru, M.Sc.nat
Dr. rer.nat. A. Ign. Kristijanto, M.S
Yohanes Martono, S.Si, M.Sc
Dr. Adi Setiawan, M.Sc
Dr. Hanna Arini Parhusip
Adita Sutresno, S.Si, M.Sc
Nur Aji Wibowo, S.Si, M.Si
Alamat Redaksi :
Fakultas Sains dan Matematika
Universitas Kristen Satya Wacana
Jl. Diponegoro 52-60 Salatiga 50711 Telp 0298-321212 ext 368/Fax : 0298-321433
ISSN : 2087‐0922
Vol. 3 No.1 2012
KATA PENGANTAR
Puji dan Syukur kepada Allah Bapa di surga yang telah memberikan rahmat dan
kurniaNya sehingga Seminar Nasional Sains dan Pendidikan Sains VII dalam rangka Dies
Natalis ke 20. Fakultas Sains dan Matematika UKSW dapat terlaksana. Mudah-mudahan
Seminar yang bertema 'Pemberdayaan Manusia dan Alam yang Berkelanjutan Melalui
Sains, Matematika dan Pendidikan (The Human and Nature Sustainability
Empowerment through Science, Mathematic and Education) ini dapat memberikan
manfaat kepada kita semua.
Dengan perasaan gembira dan bahagia, panitia mengucapkan selamat dating dan
terima kasih kepada peserta seminar yang telah berkenan hadir dalam seminar hari ini.
Seminar nasional ini merupakan dedikasi Fakultas Sains dan Matematika UKSW yang
diselenggarakan dalam bentuk kegiatan rutin tahunan Seminar Nasional VII tahun 2012 ini
terasa istimewa karena merupakan penutup rangkaian acara HUT FSM yang ke 20 yang
sudah dilaksanakan sejak tanggal 8 Juni 2012 yang lalu.
Seminar dua hari ini diikuti oleh sekitar 150 peserta dengan 3 (tiga) makalah utama
dan 52 makalah yang dipresentasikan secara pararel. Prosiding ini merupakan kumpulan
makalah yang dipresentasikan oleh para peneliti dalam lingkungan pendidikan maupun
lembaga penelitian serta dinas terkait, serta pendidik di tingkat pendidikan menengah
maupun pendidikan tinggi secara nasional. Dengan demikian seminar ini dapat merupakan
ajang saling tukar informasi untuk memperluas wawasan.
Akhir kata panitia mohon maaf atas segala kekurangan dalam penyelenggaraan
seminar ini. Tuhan memberkati.
Salatiga, 5 Maret 2013
Dr. rer.nat. A. Ign. Kristijanto, M.S
Ketua Seminar Nasional
i
ISSN : 2087‐0922
Vol. 3 No.1 2012
SAMBUTAN DEKAN
Puji syukur atas karunia Tuhan bahwa Fakultas Sains dan Matematika, Universitas
Kristen Satya Wacana , Salatiga dapat menyelenggarakan Seminar Nasional Sains dan
Pendidikan Sains yang Ke VII. Seminar kali ini mengangkat issue “Tantangan Sekolah
dan Perguruan Tinggi dalam menghadapi globalisasi dalam dunia pendidikan ( bidang
Sains dan Matematika )”
MIPA (SAINS) mendasari berbagai kompetensi bidang yang lain, sehingga ada”
kewajiban” bagi orang yang bergelut di bidang MIPA untuk melayani pembelajaran MIPA
dengan baik. MIPA adalah ilmu yang memuat teori dan menghasilkan terapan. MIPA
tidak dapat berdiri sendiri, dibutuhkan sinergi antar ilmu. Maka seminar ini diharapakan
dapat dipergunakan sebagai forum ilmiah antara ilmuan, sehingga akan terjalin sinergi
yang baik antar bidang MIPA. Aplikasi – aplikasi MIPA
yang disajikan oleh para
penyaji makalah, dapat membuka wawasan bagi dunia MIPA.
Akhir kata, semoga Seminar Nasional Sains dan Pendidikan Sains ke VII ini
membawa manfaat bagi kita semua.
Tuhan memberkati.
Salatiga, 5 Maret 2013
Dr. Suryasatriya Trihandaru, S.Si, M.Sc.nat
Dekan FSM
ii
ISSN
N : 2087‐092
22
Voll. 3 No.1 201
12
D
DENAH
Univerrsitas Krristen Sattya Wacaana
C
BU
FSM
Pintu Masuk
BU
: Lokasi Seminaar
Gedung C
: Lokasi Seminaar Paralel
Gedung FSM
F
: Lokasi Seminaar Paralel
iii
ISSN : 2087‐0922
Vol. 3 No.1 2012
JADWAL
SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII
BU-UKSW, 21 – 22 SEPTEMBER 2012
WAKTU
KEGIATAN
07.30 – 09.00
09.00 – 09.30
09.30 – 10.00
10.00 – 11.30
11.30 – 13.30
13.30 – 16.00
08.00 – 08.30
08.30 – 09.30
09.30 – 10.00
10.00 – 11.00
11.00 – 12.30
12.30 – 16.00
Jumat, 21 September 2012
Registrasi Ulang
1. Sambutan Ketua Panitia
(Dr. rer.nat. A. Ign. Kristijanto, M.S)
2. Sambutan Dekan Fakultas Sains Dan Matematika
(Dra. Lusiawati Dewi, M.Sc)
3. Sambutan Rektor UKSW
(Prof. Pdt. John Titaley, T.hD)
Rehat
Pembicara I – Prof. Dr. G. Jongbloed (TU Delf The Netherlands)
ISHOMA
Sidang pararel
Sabtu, 22 September 2012
Registrasi Ulang
Pembicara I – Prof. Dr. Liek Wilardjo (UKSW Salatiga)
Rehat
Pembicara II – Prof. Dr. Shigeo Katsumura (KGU Japan)
ISHOMA
Paralel II (Penutupan di masing-masing kelas)
Pembagian Sertifikat di BU
iv
ISSN : 2087‐0922
Vol. 3 No.1 2012
DAFTAR ISI
Kata Pengantar
......…….. ……. ......................................................................
Sambutan Dekan ..........................................................................................................
Denah …………………………………………………………………….…………...
Susunan Acara ….…………………………………………………………….……...
Daftar Isi
.............................................................................................................
i
ii
iii
iv
v
Halaman
PEMBICARA UTAMA
1
2
3
TESTING FOR AGEING Within sustainability agenda of TU Delft
Prof. dr. ir. G. Jongbloed ………………………………………………………………
FASCINATION OF CHEMICAL SYNTHESIS LEARNING FROM NATURAL
PRODUCTS
Prof. Shigeo Katsumura …………………………………………………………………
A GLIMPSE OF PHYSICS
Prof. Dr.Liek Wilarjo ……………………………………………………..……..…………
1-9
10 - 22
23 - 31
BIDANG FISIKA
1
2
3
4
5
6
7
PENGUKURAN KANDUNGAN PROVITAMIN A DARI CPO (CRUDE PALM
OIL)
MENGGUNAKAN
SPEKTROFOTOMETER
UV-VIS
DAN
SPEKTROSKOPI NIR (NEAR INFRARED)
Istianingrum, Suryasatriya Trihandaru, dan Martanto Martosupono ……………..……..
PERBANDINGAN MASSA KALIUM HIDROKSIDA PADA EKSTRAKSI SiO2
ORDE NANO BERBASIS BAHAN ALAM PASIR KUARSA
Munasir, Widodo, Triwikantoro, Moch.Zainuri, dan Darminto …………………………
40 - 44
HELMET STREAMER ANIMATION THROUGH AGNETOHYDRODYNAMICS
COMPUTER SIMULATION OUTPUT: SPACE EARLY WARNING PRECURSOR
Bambang Setiahadi …………………………….…………………………………………
45- 49
KARAKTERISTIK VARIASI HARIAN KOMPONEN H GEOMAGNET
REGIONAL INDONESIA
Habirun …………………………………………………………………………………
50 - 55
PEMBUATAN SENSOR WARNA SEDERHANA DENGAN MENGGUNAKAN
LDR DAN MIKROKONTROLER ATMEGA8535
Triponia Martini, Made Rai Suci Shanti. N.A,Suryasatriya Trihandaru …… ………….
56 - 62
SISTEM PENERANGAN TANPA LISTRIK : TEROBOSAN PEMANFAATAN
SINAR MATAHARI DI INDONESIA
Muhamad Azhar Ma’arif, Kukuh Azis Waluyo, Giner Maslebu, Made Rai S. S. N. A…..
63 - 68
PENGUJIAN PEMBERLAKUAN RUMUS SEGITIGA BOLA DALAM
PENENTUAN ARAH KIBLAT SHOLAT
Galuh Kusuma Wardhani, Wahyu Kurniawan, Natalia Dianing Gulita, Wahyu Hari
Kristiyanto ……........................................................................................................
69 -76
v
32 - 39
ISSN : 2087‐0922
Vol. 3 No.1 2012
8
9
10
11
12
PENGUKURAN ABSORPSI BAHAN ANYAMAN ENCENG GONDOK DAN
TEMPAT TELUR DENGAN METODE RUANG AKUSTIK KECIL
Aska, Andreas Setiawan, Adita Sutresno …………………………..…………..…….
77 - 81
PENGARUH GELOMBANG AKUSTIK TERHADAP PERTUMBUHAN ATAU
PERKEMBANGAN SAWI HIJAU ( Brassica Rapa Var. Parachinensis L. )
Tesar Aditya, Eko Yuli Kristianto, Kukuh Oktavianus, Adita Sutresno ……………..…
82 - 87
KOMBINASI
TEKNIK
KROMATOGRAFI
KOLOM
GRAVITASISPEKTROMETER
SEDERHANA
SEBAGAI
PERMODELAN
KROMATOGRAFI CAIRAN KERJA TINGGI (KCKT)
Giner Maslebu, Suryasatria Trihandaru, Nur Aji Wibowo ……………………….……
88 - 94
IDENTIFIKASI KANDUNGAN ANION NITRAT DALAM SAMPEL AIR
MENGGUNAKAN SPEKTROSKOPI NEAR INFRA-RED
Giner Maslebu, Andreas Setiawan, Jubhar. Chr. Mangumbulude, Ferdy S. Rondonuwu
95 - 99
PERANCANGAN DETEKTOR ASAP SEDERHANA UNTUK MENJAGA
KESEHATAN SISTEM PERNAPASAN MASYARAKAT DI LINGKUNGAN 100 - 104
GUNUNG BERAPI AKTIF
Satriya Ary Hapsara, Umi Muflihatun Nurul Azizah, Yodhi Anggara P, Yospina Reru
BIDANG KIMIA
1
IDENTIFIKASI SENYAWA DAN EFEK ANTIBAKTERI MINYAK JEWAWUT
( Setaria Italica )
105 - 108
Hartati Soetjipto, Yohanes Martono dan Natalia T Pujiastuti …………………………
2.
ANALISIS PROTEIN DAN IDENTIFIKASI ASAM AMINO PADA TEPUNG
GAPLEK TERFORTIFIKASI PROTEIN TEPUNG BIJI SAGA POHON 109 - 116
(ADENANTHERA PAVONINA LINN.)
Yohanes Martono , Sri Hartini , Irene Wijaya Gunawan ……………………………….
3
EKSTRAK ENZIMATIS MINYAK BUAH MERAH (Pandanus Conoideus LAM.)
SEBAGAI ANTIKOLESTEROL TERHADAP MENCIT PUTIH JANTAN 117 - 126
GALUR SWISS
Ina Sanchezy, Yohanes Martono, dan Hartati Soetjipto.... ………. …………………
4
PENAMBAHAN TEPUNG BELUT (Monopterus Albus Zuieuw) TERHADAP
KUALITAS TEMPE KEDELAI LOKAL DITINJAU DARI KADAR PROTEIN,
KADAR AIR, KADAR LEMAK DAN ANGKA KETIDAKJENUHAN
127 - 137
Santoso Sastrodihardjo , Lusiawati Dewi , Grace Ervina Hasan …………………………
5
ISOLASI KATEKIN DAUN GAMBIR (Uncaria Gambir) SEBAGAI
FUNCTIONAL FOOD PADA MIE
138 - 142
Anidya Ariani, Febrine pentadini, E. Mega Kurnia Dewi, Yohanes Martono.........….…
6
KRISTALISASI STEVIOSIDA BERBASIS AIR DAN PRA-FORMULASINYA
DARI STEVIA REBAUDIANA (BERT). SEBAGAI PEMANIS ALAMI RENDAH 143- 149
KALORI
November Rianto Aminu, Fandi Ade Darmawan, Oei Cindy Juwita Widagdo, Yohanes
Martono.........................................................................................................
7
BEKATUL SEBAGAI SUMBER MINYAK JANTUNG DAN BIOETANOL
Tirza Thea,Rivy Valen,Marchelline ……………………………………………………..
vi
150 - 153
ISSN : 2087‐0922
Vol. 3 No.1 2012
8
SURFAKTAN YANG BIODEGRADABLE DARI MINYAK GORENG BEKAS
BIODEGRADABLE SURFACTANT FROM COOKING OIL
154- 156
Olkelala, Agung R. Gintu, Istari B, Dewi Kusuma Hastuti................................................
9
INTEGRASI MANAJEMEN PENGURANGAN RESIKO BENCANA DAN
ADAPTASI PERUBAHAN IKLIM UNTUK PEMBELAJARAN BERBASIS 157 - 168
MASYARAKAT MENGGUNAKAN TEKNOLOGI INFORMASI
Teguh Wahyono, Adi Winanto, Harry Jocom.....................................................................
10
PEMBELAJARAN
TAKSONOMI
MELALUI
PENDEKATAN
KONTEKSTUAL SEBAGAI UPAYA PENINGKATAN MINAT MAHASISWA 169 - 175
PADA TAKSONOMI
Murni Sapta Sari.................................................................................................................
11
KITOSAN SEBAGAI AGEN PENGENTAL DAN PENGAWET DALAM
PRODUKSI TAHU
176 - 181
Sri Hartini, Anita Dwi Widyanti, Putri Malithasari.....................................................
12
PEMANFAATAN TEPUNG LABU KUNING (Cucurbita Moschata DURCH )
SEBAGAI BAHAN FORTIFIKASI PADA PEMBUATAN MIE
182 - 189
Lydia Ninan Lestario, Maria Susilowati, dan Yohanes Martono....................................
13
KOMPOSISI
EKSTRAK
PETROLEUM
ETER
DAN
AKTIVITAS
ANTIBAKTERI DARI RIMPANG TEMU IRENG (CURCUMA AERUGINOSA) 190 - 193
DARI INDONESIA
Dewi K.A.K.Hastuti1, Slamet Widodo .....................................................................
14
EKSTRAK LIMBAH BIJI PEPAYA (CARICA PAPAYA SEEDS)
ANTI
PENYAKIT JANTUNG KORONER
194 - 198
Kesi Lusiana, Panawidha Magatra, Maya Hapsari dan Yohanes Martono.......................
15
ASAM LIGNOSERAT BIJI SAGA (Adenanthera Pavonina) SEBAGAI
PENURUN KOLESTEROL PADA TELUR PUYUH
Liem Oktaviani Putri Purnom, Alvian Kristiandy Hartono, Birgitta Eknis Putri dan
199 - 201
Sri Hartini........................................................................................................
16
KURKUMIN
TERMODIFIKASI
DARI
TEMULAWAK
(CURCUMA
XANTHORRHIZA) SEBAGAI PENGAWET DAN PEWARNA PADA SAUS 202 - 206
TOMAT
Reza Permana Putra, Mikhael Nofiyanto H, Rizky Cahya Pradana, Anik Tri Haryani......
17
EKSTRAK KASAR LIMBAH CENGKEH (SYZYGIUM AROMATICUM L.)
FRAKSI HEKSAN SEBAGAI LARVISIDA ALAMI TERHADAP JENTIK 207 - 217
NYAMUK DEMAM BERDARAH (AEDES AEGYPTI LINN.) INSTAR III DAN
IV
A.Ign. Kristijanto, Hartati Soetjipto,Frederico Tika Putranto......................................
18
KONVERSI NIKOTIN PADA DAUN TEMBAKAU MENJADI ASAM
NIKOTINAT (PROVITAMIN B) SEBAGAI PILIHAN PRODUK INDUSTRI 218 - 222
HILIR BERBAHAN BAKU TEMBAKAU
Devy Kartika Ratnasari, Vellisya Puspaningsih, Galih Novendi, Sri Hartini.................
BIDANG MATEMATIKA DAN PENDIDIKAN MATEMATIKA
1
PERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM
GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES
223- 229
Endah Puspitasari, Lilik Linawati, Hanna Arini Parhusip.......................................…
vii
ISSN : 2087‐0922
Vol. 3 No.1 2012
2.
PENGGUNAAN PROGRAM INTEGER 0-1 UNTUK PENYUSUNAN JADUAL
PEMBELAJARAN BAGI SISWA DAN GURU DI SEKOLAH MENENGAH
ATAS
230 - 239
Elizabeth Fidela Felicia, Lilik Linawati, Tundjung Mahatma..................................…….
3
PENENTUAN DISTRIBUSI SKEWNESS DAN KURTOSIS DENGAN
METODE RESAMPLING BERDASAR DENSITAS KERNEL
(STUDI KASUS PADA ANALISIS INFLASI BULANAN KOMODITAS 240 - 247
BAWANG MERAH, DAGING AYAM RAS DAN MINYAK GORENG DI KOTA
SEMARANG)
Adi Setiawan ...................................................................................................................
4
GERAK BROWN GEOMETRIK SUATU TINJAUAN ULANG
Bambang Susanto ………………………………………………………………………
248 - 251
5
TURUNAN TINGKAT TAK BULAT
Bambang Susanto..................................................................................................…
252 - 254
6
PENENTUAN ALOKASI BEBAN KERJA MENGGUNAKAN MODEL 255 - 262
LEXICOGRAPHIC LINEAR GOAL PROGRAMMING
Lilik Linawati …………………………………………………………………..............
7
HUBUNGAN ANTARA HARI TENANG VARIASI MEDAN GEOMAGNET
DENGAN AKTIVITAS MATAHARI DI SPD MANADO
263- 268
John Maspupu Dan Setianto.......................................................….....................................
8
KECOCOKAN KURVA DISTRIBUSI GANGGUAN VARIASI MEDAN
GEOMAGNET
269 - 277
John Maspupu Dan Harry Bangkit......................................................................…
9
PEMBELAJARAN METODE PENYELESAIAN SISTEM PERSAMAAN
LINEAR DENGAN BANYAK PENYELESAIAN DAN YANG TIDAK 278 - 285
MEMPUNYAI PENYELESAIAN
H.A. Parhusip ...............................................................................…...............
10
PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT
Frangkymasipupu, Adisetiawan,Bambang Susanto ......................................……….
11
ESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN
LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO 296 - 300
Yessy Okvita, Bambang Susanto, Dan Hanna Arini Parhusip………………….………..
12
ESTIMASI VOLATILITY (σ) DARI MODEL AR(P) MENGGUNAKAN
METODE MARKOV CHAIN MONTE CARLO (MCMC)
301 - 306
Radite Astana Murti, Bambang Susanto, Dan Hanna Arini Parhusip............................
13
IMPLEMENTASI TUTORIAL BERBASIS DEEP DIALOGUE DAN
CRITICAL
THINKING
DALAM
TUTORIAL
PENDIDIKAN 307 - 316
MATEMATIKA PADA MAHASISWA S1 PGSD POKJAR MADIUN
(Pra Penelitian)
Sri Tresnaningsih. Dwikoranto ………………………………………………..
viii
286 - 295
ISSN : 2087‐0922
Vol. 3 No.1 2012
BIDANG PENDIDIKAN SAINS
1
PENERAPAN
MODEL
PEMBELAJARAN
INKUIRI
UNTUK
MENGEMBANGKAN SIKAP ILMIAH MAHASISWA PADA MATA KULIAH 317 - 322
KONSEP DASAR IPA (FISIKA) II
Dwi Nugraheni Rositawati, Tarsisius Sarkim..................................................................
2.
PENGGUNAAN METODE FAST FEEDBACK MODEL “CLOSED EYES”
PADA PEMBELAJARAN FISIKA TENTANG SIFAT SUSUNAN PARTIKEL 323 - 332
ZAT PADAT, ZAT CAIR, ZAT GAS
Meylani Aljeinie Tijow, Marmi Sudarmi, Ferdy S. Rondonuwu ………………….……
3
PENGGUNAAN METODE FAST FEEDBACK MODEL “MASUK BARISAN”
DALAM PEMBELAJARAN FISIKA TENTANG GAYA LORENTZ PADA 333 - 343
PENGHANTAR BERARUS LISTRIK
Nanik Sugiarti , Marmi Sudarmi, Alvama Pattiserlihun …………………………………
4
PEMBUATAN MEDIA ANIMASI UNTUK PEMBELAJARAN FISIKA TOPIK
INTERFERENSI
CINCIN
NEWTON
BESERTA
UJI
COBA 344 - 353
KEBERHASILANNYA
Dodi Purnomo, Made Rai Suci Shanti N.A, Diane Noviandini ………………………….
5
PEMBELAJARAN FISIKA MENGGUNAKAN ROKET AIR; SEBUAH
RANCANGAN PEMBELAJARAN KONTEKSTUAL TENTANG GERAK, 354- 362
MOMENTUM DAN TEKANAN
Chandra Prasetyo Oentoro, Marmi Sudarmi, Ferdy S. Rondonuwu …………………….
6
THE USE “INDIKASI WARNA” AS MODEL OF FAST FEEDBACK METHOD
IN PHYSICS LEARNING ON FORMING IMAGE IN LENSES
363 - 375
Siti Noor Fauziah, Ferdy S. Rondonuwu, Marmi Sudarmi ……………………….……...
7
MISKONSEPSI SISWA KELAS V SDN SIDOREJO LOR 04 SALATIGA
TENTANG GAYA GRAVITASI DAN PEMBELAJARAN REMEDIASINYA
376 - 381
Abdi Rochman, Adi Winanto…………….……………………………………..……….
8
PEMBUATAN MEDIA PEMBELAJARAN FISIKA ALVEOLI DENGAN
MENGGUNAKAN PISTON TERTUTUP
382 - 389
Rabinus, Made Rai Suci Shanti, Nur Aji Wibowo ………………………………..……...
9
IMPLEMENTASI METODE INKUIRI UNTUK MENINGKATKAN
PRESTASI BELAJAR SISWA DALAM MATA PELAJARAN IPA
MATERI CAHAYA DAN SIFAT-SIFATNYA BAGI SISWA KELAS V
SD
Abdul Faqih, Dwi Koranto ……………………………………………………..
390 - 399
ix
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
PENGKONSTRUKSIAN
GRAFIK PENGENDALI BERDASAR BOXPLOT
Frangky Masipupu 1), Adi Setiawan2),Bambang Susanto3)
1)
Mahasiswa Program Studi Matematika
2),3)
Dosen Program Studi Matematika
Fakultas Sains dan Matematika
Universitas Kristen Satya Wacana
Jl. Diponegoro 52 – 60 Salatiga 50711
Email : frangky_masipupu@yahoo.com
ABSTRAK
Pada suatu industri, pengendalian kualitas sangatlah penting, pengendalian dapat dilakukan dengan
menggunakanStatistical Processing Control (SPC) untuk pengendalian proses dalam memastikan bahwa
barang atau jasa yang diproduksi oleh perusahan dengan yang diharapkan sesuai.Grafik pengendali x
sering dipakai untuk data yang berdistribusi normal, pada makalah ini akan dibahas grafik pengendali
berdasar boxplot untuk data yang tidak berdistribusi normal. Grafik pengendali berdasar boxplot dapat
dibangun dengan batas pengendali menggunakan nilai kuartil dan jangkaun antar kuartil. Penelitian ini
akan menggunakan data univariat karakteristik O3 dari sebuah perusahaan “Y” di bidang air minum
kemasan, dimana salah satu produknya adalah air mineral kemasan galon 19L merk “X”. Perusahaan “Y”
memiliki standar kandungan O3dalam setiap produksi air mineral galon 19L berkisar antara 0.1– 0.4.
Dalam penelitian ini, dikontruksikan batas pengendali untuk grafik pengendali berdasar boxplot.
Boxplot merupakan alat yang paling banyak digunakan dalam analisis data. Kuartil Q1, Q2, dan Q3 akan
membagi data terurut menjadi empat bagian. Jangkauan antar kuartil (IQR, Interquartile Range)
didefinisikan sebagai selisih kuartil Q1 terhadap kuartil Q3, atau IQR = Q3 – Q1. Data-data pencilan dapat
ditentukan yaitu nilai yang kurang dari 1.5*IQR terhadap kuartil Q1 dan nilai yang lebih dari 1.5*IQR
terhadap kuartil Q3. Grafik pengendali berdasarkan boxplot pada data O3 air minum galon 19L merk
“X”dari perusahaan “Y” memiliki batas pengendali untuk LCL=0.03 , CL=0,14 dan UCL=0,205 jika
digunakan batas boxplot untuk grafik pengen dali UCL=Q3 +1.5*IQR dan LCL=Q1-1.5*IQR, sedangkan
jika digunakan grafik pengendali berdasar UCL=Q3 +3*IQR dan LCL=Q1-3*IQR maka diperoleh
LCL=0.04 , CL=0,14 dan UCL=0,25. Grafik pengendali berdasar boxplot yang telah dibangun melalui
batas penggendali tersebut memperlihatkan bahwa tidak ada titik yang out of control. Dengan demikian
bisa dikatakan bahwa air mineral galon 19L merk “X“ dari perusahaan “Y” dalam batas kendali kualitas
dan memenuhi syarat kualitas yangdidasarkan pada grafik pengendali berdasarkan boxplot yang
diusulkan.
Kata kunci : grafik pengendali, boxplot, pencilan (outlier), grafik pengendali berdasar boxplot.
PENDAHULUAN
berperan penting pada dunia industri karena
itu dibutuhkan suatu pengendalian kualitas
untuk menjaga kestabilan kualitas.
Latar Belakang
Pada era globalisasi yang berkembang,
kebutuhan masyarakat meningkat. Manusia
sebagai konsumen sangatlah menginginkan
suatu barang dan jasa yang sangat murah dan
terjangkau, karena itu dunia industri ingin
menjawab kebutuhan para konsumen yang
ingin mendapatkan barang atau jasa yang
diinginkannya. Salah satu cara untuk menarik
perhatian para konsumen adalah memakai
barang dan jasa yang baik dan berkualitas.
Tidak hanya itu kualitas merupakan ukuran
seberapa dekat suatu barang atau jasa sesuai
dengan standar tertentu. Kualitas sangatlah
Pengendalian kualitas merupakan teknik dan
manajemen, dimana aktivitas tersebut
mengukur ciri khas suatu produk yang
berkualitas untuk membandingkan dengan
spesifikasi atau persyaratan dan mengambil
tindakan yang sesuai apabila ada perbedaan
antara penampilan yang sebenarnya dan yang
standar (Montgomery,1990). Oleh karena itu
adanya
pengendalian
kualitas
dapat
mendeteksi penyimpangan yang terjadi
supaya dapat melakukan perbaikan sehingga
memberikan kepuasan kepada konsumen.
286
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
bawah (lower limit control atau LCL).
Apabila titik-titik sampel berada di antara
UCL dan LCL maka dikatakan bahwa proses
dalam keadaan terkendali. Artinya bahwa
jumlah variasi dalam output masih relatif
konstan dan masih berada dalam batas yang
dapat diterima. Output yang dimaksud
merupakan barang maupun jasa hasil
produksi. Akan tetapi, jika ada titik-titik
sampel yang berada diluar UCL atau LCL
maka proses dikatakan tidak terkendali.
Pengendalian dapat dilakukan dengan
menggunakan metode Statistical Processing
Control (SPC) dan Outlier (pencilan) yang
diartikan sebagai penyimpangan suatu data
dari sekumpulan data yang lain. Dalam
skripsi Taungke (2011) telah dibahas tentang
bagaimana
mengkonstruksikan
grafik
pengendali berdasar fungsi densitas kernel,
sedangkan dalam makalah Jantini et al.
(2011a) telah dibahas tentang bagaimana
mengkonstruksikan
grafik
pengendali
berdasarkan fungsi distribusi empirik
danpada makalah Jantini et al. (2011b)
dibahas tentang studi simulasinya.Dalam
makalah ini akan dibahas tentang bagainana
mengkonstruksikan
grafik
pengendali
berdasarkan boxplot.
Grafik pengendali x , R dan S termasuk
teknik pengendalian paling penting dan
berguna.
Misalkan karakter kualitas x1 , x2 ,..., xn
berdistribusi normal dengan mean μ dan
deviasi standar σ . Jika x1 , x2 ,..., xn sampel
berukuran n maka rata-rata sampel berukuran
ini adalah
DASAR TEORI
Statistik prosers control (SPC)
Statistical Process Control (SPC) merupakan
metode statistik untuk pemantauan dan
pengendalian proses dalam memastikan
bahwa barang atau jasa yang diproduksi oleh
perusahan beroperasi pada potensi penuh
untuk menghasilkan produk yang sesuai.
Dikatakan pula bahwa SPC merupakan
pengaplikasian teknik – teknik statistik untuk
mengendalikan
suatu
proses
guna
menentukan
stabilitasnya
dan
kemampuannya menghasilkan produk atau
jasa yang bermutu. Karena SPC memiliki
kemampuan untuk mendeteksi segala bentuk
penyimpangan ketidaksesuaian maupun
kesesuaian terhadap standar produk, proses
dan sistem maka perusahaan industri dapat
mengambil tindakan perbaikan terhadap
penyimpangan tersebut agar produk dapat
memenuhi standard. Metode tersebut
merupakan salah satu cikal bakal konsep
pendekatan jaminan kualitas terbaik yang
diperkenalkan dalam dunia industri modern
(Taungke, 2011). Salah satu alat yang dapat
digunakan dalam metode SPC adalah grafik
pengendali.
x=
x1 + x2 +...+ xn
n
.
(1)
Dalam praktek, biasanya kita tidak
mengetahui μ dan σ , sehingga nilai-nilai
harus
ditaksir
dari
sampel-sampel
pendahuluan yang diambil ketika proses itu
diduga terkendali. Misalkan x 1 , x 2 ,..., x m
adalah rata-rata tiap sampel. maka penaksir
terbaik untuk rata-rata proses μ adalah mean
keseluruhan yakni
x=
x1 + x 2 + ... + x m
m
.
(2)
Jadi x digunakan sebagai garis tengah grafik
pengendali x tersebut.
Pada
metode
rentang
(range),
jika
x1 , x 2, ..., x n suatu sampel berukuran n maka
rentang sampel itu adalah selisih observasi
yang terbesar dan terkecil yakni
Grafik Pengendali
Grafik pengendali terdiri dari elemen batasbatas pengendali dan sebuah garis
pertengahan. Pada grafik pengendali memuat
garis tengah yang disebut dengan centerline
(CL) dan mempunyai dua batas pengendali
yaitu batas pengendali atas (upper limit
control atau UCL) dan batas pengendali
R= xmaks − xmin .
(3)
Misalkan R1 , R2 ,..., Rm adalah rentang m
sampel itu,maka rentang rata-ratanya adalah
287
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
R=
R1 + R2 + ... + Rm
m
.
UCL = x + A 2 R
CL = x
LCL = x − A 2 R
(4)
Taksiran untuk σ dihitung sebagai berikut
σ=
∧
R
d2 .
(5)
(8)
Nilai d 2 untuk berbagai ukuran sampel
diberikan dalam Tabel Lampiran VI
(Montgomery, 1990).
dengan x =rata-rata mean keseluruhan, R
=rata-rata dari n sampel, A2=konstanta yang
bergantung pada ukuran sampel yang ada
pada Tabel Lampiran VI (Montgomery,
1990).
Grafik Pengendali x
Contoh penggunaan grafik pengendali x
Untuk mengontrol kualitas dan memantau
jalannya produksi maka digunakan bagan
Dengan menggunakan data kandungan O3
pada lampiran, maka di peroleh nilai
R = 0 , 0383 dan garis tengah adalah
CL = x = 0,1441 .
Untuk menghitung batas grafik pengendali
kendali khususnya bagan kendali x yang
memiliki tiga batas kendali CL (centerline),
UCL(upper limit control) dan LCL (lower
limit control), batas kendali tersebut dapat
dihitung dengan rumus sebagai berikut.
x digunakan sebagai penaksir untuk
sedangkan
R
sebagai penaksir untuk
d2
x , digunakan A2 = 0.729 dari Tabel
Lampiran VI (Montgomery, 1990)dengan
n=4 dan persamaan (8) sehingga diperoleh
UCL= 0,1441+0,729 *0,0383= 0,1721 dan
LCL=0,1441-0,729 *0,0383=0,1161.
μ
σ
Grafik pengendali x ditunjukkan dalam
Gambar 1, terlihat bahwa tidak ada titik yang
diluar kontrol sehingga variabilitas proses
terkendali.
,sehingga para meter grafik x adalah
UCL = x +
CL = x
LCL = x −
3
d2 n
3
d2 n
R
R
(6)
Dicatat bahwa kuantitas :
A2 =
3
d2 n
(7)
adalah konstan yang hanya tergantung pada
ukuran sampel sehingga persamaan(6) dapat
ditulis kembali menjadi
Gambar 1.Grafik pengendali x untuk
kandungan O3.
288
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
Boxplot
Gambar 3.Boxplot dari data kandungan O3.
Gambar 2. Skema identifikasi pencilan
dengan menggunakan IQR atau Boxplot.
Data pencilan adalah pengamatan yang tidak
mengikuti sebagian besar pola dan terletak
jauh dari pusat data. Tidak jarang ditemukan
satu atau beberapa data yang jauh dari pola
kumpulan data keseluruhan. Karena dalam
suatu pengamatan terhadap suatu keadaan
tidak menutup kemungkinan diperoleh suatu
nilai pengamatan yang berbeda dengan nilai
pengamatan lainnya. Hal ini mungkin
disebabkan oleh kesalahan pada saat
persiapan data atau terdapat peristiwa yang
ekstrim yang mempengaruhi data.
Boxplot
adalah teknik grafik yang
dikembangkan untuk menganalisa data,
grafik ini secara umum mengurangi
penyajian data yang terperinci pada grafik
sehingga efektif untuk ukuran data yang
lebih besar. Elemen dasar dari bentuk
grafiknya adalah (1) kotak segi empat yang
memuat 50 persen data (ingat istilah IQR
atau interquartile range), (2) garis melintang
pada kotak yang menunjukkan median, (3)
kedua sisi pada kotak dengan kutub yang
berlawanan (kiri dan kanan, atau atas dan
bawah), disebut hinges, dan (4) serat
(whisker) yang menghubungkan hinges
dikedua sisi dengan data terkecil dan data
terbesar(Anonim, 2001).Boxplot merupakan
alat yang paling banyak digunakan yakni
dengan mempergunakan nilai kuartil dan
jangkauanKuartil Q1, Q2, dan Q3 akan
membagi sebuah urutan data menjadi empat
bagian. Jangkauan antar kuartil
(IQR,
Interquartile Range) didefinisikan sebagai
selisih kuartil Q1 terhadap kuartil Q3,
atauIQR = Q3 – Q1. Data-datayang nilai
kurang dari 1.5*IQR terhadap kuartil Q1 dan
nilai yang lebih dari 1.5*IQR terhadap kuartil
Q3biasa disebut data pencilan (outlier) . Pada
Gambar 3 berikut adalah boxplot dari data
hasil uji produk gallon merk ”X”untuk
kandungan O3.
METODE PENELITIAN
Data
Penelitian ini menggunakan data sekunder
yang diperoleh dari perusahaan untuk air
minum galon 19L merk ”X”khususnya data
tentang kandungan
O3 dalam air pada
lampiran yang dicatatmulai 01 Januari – 28
Februari 2010 sebanyak 172 titik sampel
sebagai salah satu variabel yang akan diuji
kualitasnya. Berdasarkan data dikonstruksi
grafik pengendali berdasarkan boxplot untuk
menentukan titik sampel yangoutof control.
Analisis Data
Untuk membantu dalam analisis data
digunakan paket program R2.15.1 antara lain
untuk menentukan nilai UCL, CL, LCL serta
menggambarkan grafik.Data yang digunakan
adalah data hasil uji produk gallon merek
“X” dengan mengambil variable kandungan
O3 .
1. Berdasarkan data dilakukan grafik
pengendali berdasarkan boxplot.
2. Melakukan studi simulasi dengan cara :
289
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
a. Membangkitkan
data
berdistribusi
normal dengan mean 0.1441 dan variansi
0.0193
selanjutnya
menentukan
prosentase titik-titik yang di luar kontrol
dengan menggunakan grafik pengendali
berdasar boxplot. Prosedur ini diulang
sebanyak bilangan besar kali, misalkan B
= 10000 dan dicari rata-ratanya.
b. Membangkit data berdistribusi normal
dengan mean 0 dan variansi 1, 4 dan 16
begitu juga distribusi normal dengan
mean 1, 2, 3 dan variansi 1 selanjutnya
menentukan presentase titik-titik yang
diluar kontrol dengan menggunakan
grafik pengendali berdasar boxplot
prosudur ini diulang sebanyak bilangan
besar B kali,misalkan B=10000 dan
dicari rata-ratanya.
c. Membangkitkan data acak berdistribusi
Eksponensial dengan mean 1, 2, dan
3.selanjutnya menentukan prosentase
titik-titik yang di luar kontrol dengan
menggunakan grafik pengendali berdasar
boxplot. Prosedur ini diulang sebanyak
bilangan besar B kali, misalkan B =
10000 dan dicari rata-ratanya
d. Membangkitkan data acak berdistribusi
Chikuadrat dengan mean 1, 3, dan 5
selanjutnya menentukan prosentase titiktitik yang di luar kontrol dengan
menggunakan grafik pengendali berdasar
boxplot. Prosedur ini diulang sebanyak
bilangan besar B kali, misalkan B =
10000 dan dicari rata-ratanya.
e. Membangkitkan data acak berdistribusi
Cauchy dengan lokasi 0 dan skala 1, 2,
dan 3 selanjutnya menentukan prosentase
titik-titik yang di luar kontrol dengan
menggunakan grafik pengendali berdasar
boxplot. Prosedur ini diulang sebanyak
bilangan besar B kali, misalkan
B = 10000 dan dicari rata-ratanya.
tersebut berkisar antara 0.09 sampai 0.19.
Gambar 4 dana memperlihatkan bahwa
terdapat 1 titik yang out of control untuk
standar yang ditetapkan oleh perusahaan,
sedangkan pada Gambar 5 menunjukkan
gambaran data dengan kandungan O3 dalam
bentuk histogram.
Gambar 4. Gambar data dan batas yang
diberikan perusahaan.
20
15
0
5
10
F req u e n cy
25
30
35
Histogram Data Kandungan O3
0.10
0.12
0.14
0.16
0.18
X
Gambar 5. Histrogram data kandungan O3
Untuk mencari batas grafik pengendali pada
boxplot, terlebihdahulu dihitung nilai kuartil
Q1,Q2dan Q3 serta jangkauan (IQR
,Interquartile Range) sehingga diperoleh
hasil :
Q1=0,13; Q2=0,14; Q3=0,16; IQR=0,03;
1,5*IQR=0,045.
Dari hasil perhitungan nilai kuartil Q1, Q2 dan
Q3 serta IQR maka kita dapat menentukan
batas-batas
pengendali
berdasarkan
boxplot,sehingga diperoleh garis tengah yaitu
HASIL DAN PEMBAHASAN
CL=median= Q2 =0,14,
Perusahaan “Y” memiliki standar nilai
kandungan O3dalam setiap produksi air
mineral galon 19L berkisar antara 0,1– 0,4.
Kandungan O3pada produksi airminum 19L
sedangkan batas atas dan batas bawah grafik
pengendali berdasarkan boxplot yaitu
290
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
UCL=Q3+1,5 IQR=0,205
LCL=Q1-1,5IQR=0,03.
prosentasetitik – titik sampel yang out of
statistical controlyang dinyatakan pada Tabel
1. Tabel 1 memperlihatkan untuk n= 15,
n=30, dan n=50 tidak terdapat titik sampel
yang berada di luar kontrol, sedangkan untuk
n=100, n=500, n=1000,n=10000
masing
masing terdapat 0.007, 0.01, 0.03 dan 0.071
titik sampel yang berada diluar kontrol.
dan
Bila disajikan dalam grafik pengendali
berdasarkan boxplot akan tampak seperti
pada Gambar 6.
Tabel 1.Prosentase titik sampel yang out of
controluntuk distribusi normal dengan
mengambil mean dan variansi dari data O3.
n
15
Gambar
6. Grafik pengendali berdasar
boxplot.
Jika data kandungan O3 diubah untuk titik
ke-1 menjadi 0.05 , titik ke-171 menjadi 0.06
dan titik ke-172 menjadi 0.3, maka terdapat
data pencilan(outlier) pada grafik pengendali
berdasar boxplot, sehingga Gambar 7
memperlihatkan titik yang out of control
pada data ke 1,171 dan 172.
Distribusi normal dengan
mean=0.1441dan variansi
=0.0193
0
30
0
50
0
100
500
1000
10000
0.7
1
3
7
Tabel 2. Prosentase titik sampel yang out of
control untuk distribusi normal dengan mean
0 dan variansi berturut-turut 1,4 dan 16.
n
15
30
50
100
500
1000
10000
N(0,1)
0
0
0
0
0.1
0.4
0.62
N(0,4)
0
0
0
0
0.5
0.8
0.72
N(0,16)
0
0
0
4
0.5
0.12
0.73
Tabel2
memperlihatkan
untuk
n=15,n=30,n=50,pada
distribusi
normal
untuk nilai mean dan variansi yang telah
ditentukan memperlihatkan bahwa tidak ada
titik yang out of control, sedangkan n=100
pada distribusi normal dengan mean 0 dan
variansi 16 terdapat 0.04 titik sampel yang
diluar kontrol.Begitu pula n= 500, n=1000
dan n=10000 masing-masing terdapat titik
sampel yang di luar kontrol.
Gambar 7. Grafik pengendali berdasar
boxplot sesudah berubah.
Simulasi
dilaksanakan
dengan
cara
mengambil sampel ukuran n dari distribusi
normal dengan mean 0.1441 dan variansi
0.019 yang diperoleh dari data kandungan O3.
Berdasarkan
simulasi,
diperoleh
Tabel3 memperlihatkan
untukn=15pada
distribusi normal untuk nilai mean dan
variansi
yang
telah
ditentukan
memperlihatkan bahwa tidak ada titik yang
out of control, sedangkan
n=100pada
291
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
distribusi normal dengan mean 3 dan variansi
1 terdapat 0.03 titik sampel yang diluar
kontrol,begitu pula n=50 dengan mean 2 dan
3 untuk variansi 1 terdapat 0.16 dan 0.33 titik
sampel yang diluar kontrol. Kemudian untuk
n=30, n=500, n=1000
dan
n=10000
masing-masing juga memiliki titik sampel
yang diluar kontrol.
1000
10000
N(1,1)
0
3.3
0
0
0.6
0.7
0.63
N(2,1)
0
1.6
6
0
14
1
0.61
n
Chikuadrat(1)
0
15
10
30
4
50
8
100
9.8
500
8.4
1000
7.3
10000
N(3,1)
0
3.3
2
3
12
0.9
0.79
Berikut ini adalah hasil simulasi untuk
distribusi Eksponensial, distribusi Chikuadrat
dan distribusi Cauchy.Pada Tabel 4 untuk
n=15 pada distribusi Eksponensial dengan
nilai mean yang telah ditentukan dapat
dilihat bahwa tidak ada titik yang diluar
kontrol, sedangkan untuk n=30, n=50, n=100,
n=500, n=1000, dan
n=10000 masing–
masing memiliki titik sampling yang ada
diluar kontrol.Begitu pula Tabel 5 untuk
n=15 pada distribusi Chikuadrat dengan nilai
mean yang telah ditentukan dapat dilihat
bahwa tidak ada titik yang diluar kontrol,
sedangkan untuk n=30, n=50, n=100, n=500,
n=1000, dan
n=10000 masing–masing
memiliki titik sampling yang ada diluar
kontrol. Sedangkan nilai n pada Tabel 6
untuk distribusi Cauchy dengan nilai lokasi
dan nilai skala yang telah ditentukan
semuanya memiliki titik sampling yang ada
diluar kontrol.
15
30
50
100
500
1000
10000
Eks(2)
0
3.3
2
2
6.4
Chikuadrat(3)
0
3.3
6.6
4
3.2
2.2
3.83
Chikuadrat(5)
0
1
1.2
1
2.8
2.7
2.7
Cauchy
(0,1)
12.6
6.6
10
11
14
15
16.1
Cauchy
(0,2)
13.3
10
14
12
17.2
15
15.1
Cauchy
(0,3)
13.3
16.6
12
16
16.4
14
15.5
Untuk mengubah batas pengendali pada
boxplot maka dapat menghitung kembali
nilai kuartil dengan mengubah 1.5*IQR
menjadi 3*IQR dengan tujuan dapat
mendefinisikan kembali nilai UCL dan LCL
atau data ekstrim
berikut adalah hasil
perhitungan.
Q1=0,13;
Q2=0,14;
Q3=0,16;
IQR=0,03; 3*IQR=0,09.
Dari hasil perhitungan nilai kuartil Q1,Q2 dan
Q3 serta IQR maka kita dapat menentukan
batas-batas grafik pengendali berdasar
boxplot,dengan garis tengah yaitu
CL= median =Q2=0,14.
Sedangkan batas atas dan batas bawah
Tabel 4. Prosentase titik sampel yang out of
controluntuk distribusi Eksponensial dengan
mean berturut-turut 1,2 dan 3.
Eks(1)
0
3.3
4
5
4.4
3.5
5
Tabel 6. Prosentase titik sampel yang out of
control untuk distribusi Cauchydengan lokasi
0 dan skala berturut-turut 1,2 dan 3.
n
n
15
30
50
100
500
4.5
5
Tabel 5. Prosentase titik sampel yang out of
control untuk distribusi Chikuadratdengan
mean berturut-turut 1,3 dan 5.
Tabel 3. Prosentase titik sampel yang out of
control untuk distribusi normal dengan
variansi 1 dan mean berturut-turut 1,2 dan 3.
n
15
30
50
100
500
1000
100000
5.9
4.66
UCL=Q3+3 IQR= 0,25 dan
LCL=Q1-3IQR=0,04.
Eks(3)
0
6.6
6
4
4
Bila disajikan dalam grafik pengendali
berdasarkan boxplot akan tampak seperti
pada Gambar 8.
292
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
Dari hasil simulasi untuk UCL dan LCL
yang telah diubah, pada distribusi normal
tidak terdapat titik yang out of control. Pada
Tabel 7 dan Tabel 8 untuk n=15, n=30,n=50,
pada distriEksponensial dan Chikuadrat tidak
terdapat titik yang diluar kontrol begitu pulah
untuk n=100, n=500, n=1000, dan n=10000
masing–masing memiliki titik sampling yang
ada diluar kontrol.Sedangkan pada tabel 9
untuk n=15 pada distribusi Cauchy dengan
lokasi 0 dan skala 1tidak terdapat titik yang
diluar kontrol, sedangkan nilai n lainnya
yang telah ditentukan pada distribusi Cauchy
pada Tabel 9 masing-masing memiliki titik
sampling yang ada diluar kontrol.
Tabel 7. Prosentase titik sampel yang out of
controldengan
perubahan
UCL
dan
LCLuntuk distribusi Eksponensial dengan
mean berturut-turut 1,2 dan 3.
Gambar
9. Grafik pengendali
berdasar boxplot dengan perubahan UCL dan
LCL.
n
15
30
50
100
500
1000
10000
Kemudian jika data kandungan O3 diubah
untuk titik ke-1 menjadi 0.05, titik ke-171
menjadi 0.06 dan titik ke-172 menjadi 0.3,
maka terdapat titikoutlier pada grafik
pengendali berdasar boxplot, sehingga
Gambar 9 memperlihatkan titik yang out of
control pada data ke 172, hal ini disebapkan
karena semakin besar nilai batas atas dan
bawah grafik pengendali berdasar boxplot.
Eks(1)
0
0
0
0.1
0.8
0.8
0.83
Eks(2)
0
0
0
0.1
0.6
0.6
0.9
Eks(3)
0
0
0
0.2
0.9
1.07
6.6
Tabel 8. Prosentase titik sampel yang out of
control dengan perubahan UCL dan
LCLuntuk distribusi Chikuadrat dengan mean
berturut-turut 1,3 dan 5.
n
15
30
50
100
500
1000
10000
Chikuadrat
(1)
0
0
0
2
2.8
3.2
2.15
Chikuadrat
(3)
0
0
0
2
0.8
0.8
0.49
Chikuadrat
(5)
0
0
0
1
0.4
0.2
0.24
Tabel 9. Prosentase titik sampel yang out of
control untuk distribusi Cauchy dengan
lokasi 0 dan skala berturut-turut 1,2 dan 3.
n
15
30
50
100
500
1000
10000
Gambar 9. Grafik pengendali berdasar
boxplot sesudah berubah dengan perubahan
UCL dan LCL.
293
Cauchy(0,1)
0
6.6
10
12
9.2
8.2
9.02
Cauchy(0,2)
6.6
6.6
14
9
10.4
7.3
8.76
Cauchy(0,3)
13.3
13.3
8
6
8.8
8
9.32
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
yang diberlakukan oleh perusahaan
sehingga layak untuk dipasarkan.
Gambar 7 memperlihatkan terdapat 3 titik
yang out of controlpada kandungan O3
dengan batas UCL = Q3 + 1.5* IQR dan LCL
= Q1 - 1.5* IQR sedangkan Gambar 9
terdapat 1 titik yang out of control dari data
kandungan O3 dengan batas UCL= Q3
+3*IQR dan LCL= Q1 - 3* IQR. Hal
tersebut disebabkan semakin lebar batas
nilai UCL dan
LCL yang ditentukan
sehingga semakin sedikit data pencilan
(outlier) yang terlihat.Untuk nilai UCL dan
LCL yang telah diubah, tidak terdapat titik
yang out of control pada simulasi data
yang dibangkitkan dari distribusi normal.
Perbedaan juga terlihat pada Tabel 9 dan
Tabel 6 untuk distribusi Cauchy dengan
lokasi 0 dan skala 1untuk ukuran sampel
10000 terdapat 9.02% titik yang diluar
kontrol untuk tabel 9, dan 16%titik yang
diluar kontrol untuk Tabel 6. Kemudian
untuk data berdistribusi Chikuadrat dengan
mean 1 untuk ukuran sampel 10000 pada
Tabel 8 terdapat 2.15% titik sampel yang
diluar kontrol sedangkan pada Tabel 5
terdapat 7.3% titik yang ada diluar kontrol,
dan juga pada distribusi Eksponensial dengan
nilai n=10000 terdapat prosentase titik yang
berbeda dimana 0.83% titik yang diluar
kontrol untuk Tabel 7 dan 4.66% titik yang
diluar kontrol. Dengan demikian presentase
titik-titik yang di luar kontrol seperti yang
diharapkan tergantung pada batas kendali
dari grafik pengendali yang digunakan.
3. Makin lebar batas nilai UCL dan
LCL maka makin sedikit data
pencilan (outlier) yang dilihat.
4. Prosentase titik-titik yang diluar
kontrol bergantung
pada
batas
pengendali pada grafik pengendali
berdasar boxplot dan distribusi
sampel yang menjadi asal populasi.
DAFTAR PUSTAKA
[1] Anonim. 2001. Modul kursus :Metode
penelitian ilmiah ekonomi:Riset Bisnis ;
Universitas Gunadarma Jakartadiunduh
dari;http://elearning.gunadarma.ac.id/doc
modul/risetbisnis_pdf/baca.php
[2]Harinaldi. 2005. Prinsip-prinsip Statistik
untuk teknik dan sains : Fakultas Teknik
Universitas Indonesia
[3]Jantini Trinasari Natangku, Adi Setiawan,
Lilik Linawati. 2011a. Studi Pengendali
Non Prametrik Berdasar Fungsi Distribusi
EmpirikSimulasi
Grafik,Prosiding
Seminar
NasionalMatematika dan
Pendidikan Matematika:UNY Yogyakarta
3 Desember 2011
[4]Jantini Trinasari Natangku, Adi Setiawan,
Lilik Linawati. 2011b. Grafik Pengendali
Non Para metrik Univariat pada data pH
Produk Air minum Galon merk “X”
Berdasarkan Fungsi Distribusi Empirik
,Prosiding Seminar NasionalMatematika
dan
Pendidikan
Matematika:UNS
Surakarta,26 November 2011
KESIMPULAN
Berdasarkan pembahasan di atas dapat
disimpulkan beberapa hal mengenai grafik
pengendali berdasar boxplot :
1. Grafik
pengendali
berdasarkan
boxplot
pada data kandungan
O3dalam air minum galon 19L merk
“X”dari perusahaan “Y” memiliki
batas pengendali untuk LCL=0.03 ,
CL=0,14 dan UCL=0,205
[5]Montgomery, Douglas C. 1990. Pengantar
Pengendalian
Kualitas
Statistik.
Yogjakarta : Gadjah Mada University
Press.
[6]Soemartini.2007.
(Artikel)
Pencilan
(Outlier). Jatinangor : Jurusan Statistika
Fakultas
Matematika
dan
Ilmu
Pengetahuan Universitas Padjadjaran.
2. Berdasarkan
grafik
pengendali
berdasar boxplot,data kandungan O3
air minum galon 19L merk “X”
sebanyak 172 titik sampel berada di
dalam kontrol dan memenuhi stándar
[7]Taungke, Novriyanthi. 2011. (Skripsi)
Pengendalian Kualitas “Susu Segar
Nasional”
Rasa
Coklat
untuk
294
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VII UKSW
Karakteristik
PH
dengan
Grafik
Pengendali Berdasarkan Densitas Kernel.
Salatiga : Fakultas Sains dan Matematika
Universitas Kristen Satya Wacana
295