5.2. Pengolahan Data
Proses pengolahan dan analisa data dilakukan dengan metode seven tools sebagai berikut :
1. Check Sheet
Dari data yang telah diperoleh dibuat check sheet jumlah dan jenis kerusakan. Data yang dikumpulkan yaitu data produk cacat dari produk minyak
kelapa sawit di PT.Perkebunan Nusantara III Pabrik Kelapa Sawit Aek Nabara Selatan. Check sheet kerusakan pada bulan Maret 2011 dapat dilihat pada Tabel
5.3.
Tabel 5.3. Check Sheet Kerusakan Minyak Kelapa Sawit
No Jumlah sampel
yang Diperiksa Jens Kerusakan
Jumlah kecacatanhari
Kadar ALB Tinggi n
Kadar Kotoran Tinggi n
Kadar Air Tinggi n
1 24
7 6
8 21
2
24 8
6 6
20
3
24 10
4 8
22
4
24 6
6 8
20
5
24 7
9 6
22
6
24 8
5 9
22
7
24 15
5 8
28
8
24 10
4 8
22
9
24 11
7 9
27 10
24 17
5 10
32 11
24 7
8 8
23 12
24 15
14 8
37 13
24 12
6 9
27 14
24 8
6 8
22 15
24 11
7 8
26 16
24 9
5 8
22 17
24 7
8 16
31 18
24 9
7 7
23
Universitas Sumatera Utara
Tabel 5.3.Jumlah Kerusakan Minyak Kelapa Sawit Lanjutin
No Jumlah sampel
yang Diperiksa Jens Kerusakan
Jumlah kecacatanhari
Kadar ALB Tinggi n
Kadar Kotoran Tinggi n
Kadar Air Tinggi n
19 24
6 9
6 21
20 24
10 5
6 21
21 24
9 5
9 23
22 24
19 6
5 30
23 24
7 4
5 16
24 24
5 4
8 17
25 24
10 7
16 33
26 24
13 5
8 26
27 24
4 9
7 20
28 24
7 6
6 19
29 24
9 8
10 27
30 24
17 4
11 32
31 24
9 6
6 21
Total 744
302 196
255 753
2. Histogram
Untuk histogram data jenis kerusakan dan jumlah kerusakan produk minyak kelapa sawit yang telah diperoleh dari tabel check sheet dapat dilihat pada Gambar
5.1 di bawah ini.
Gambar 5.1 Histogram Kerusakan Minyak Kelapa Sawit
302 196
255
50 100
150 200
250 300
350
x1 x2
x3 T
ot al
K er
u sak
an
Jenis Kerusakan
Universitas Sumatera Utara
3. Diagram Pareto
Untuk melihat bagaimana persentase perbandingan jumlah produk yang terjadi, maka jenis cacat diurutkan berdasarkan persentase terbesar, kemudian
persentase kumulatifnya, sehingga dapat diketahui pada kasus cacat apa yang harus lebih mendapat perhatian. dihitung Dari hasil pengecekan yang terdapat
pada tabel 5.3., maka persensate kerusakan minyak kelapa sawit dapat dilihat dibawah ini, yaitu :
1. Kadar ALB tinggi X1 =
x 100 = 40,11
2. Kadar kotoran tinggi X2 =
x 100 = 26,03
3. Kadar Air tinggi X3 =
x 100 = 33,86 Kemudian dibuat tabel perentase kesalahan serta diurutkan, seperti terlihat
pada tabel 5.4. dan pareto diagram seperti terlihat pada Gambar 5.2. berikut ini :
Tabel 5.4. Pengurutan Total Jumlah kerusakan Minyak kelapa Sawit
Jenis Kerusakan Total kerusakan
n Kerusakan
Kerusakan Kumulatif
X1 302
40.11 40.11
X3 255
33.86 73.97
X2 196
26.03 100
Setelah semua jenis kerusakan telah disusun dari jenis kerusakan terbesar hingga yang terkecil, maka selanjutnya adalah pembuatan gambar diagram pareto
yang dapat dilihat pada gambar 5.2.
Universitas Sumatera Utara
Gambar 5.2. Diagram Pareto Kerusakan Minyak Kelapa Sawit
Dari Gambar diagram pareto diatas diambil dua tingkatan nilai paling tinggi, yang digunakan untuk melihat korelasi hubungan antara dua faktor
mempunyai hubungan secara nyata. Dapat dilihat bahwa kerusakan terbesar terdapat pada kadar ALB yang tinggi 40,11 dan kadar air yang tinggi
33,86, dengan menggunakan aturan 80-20, bahwa umumnya 80 dari total keseluruhan kesalahan berasal dari 20 item yang ada secara keseluruhan
pada proses tersebut dan perlu dilakukan perbaikan.
4. Stratifikasi
Untuk melihat bagaimana perbandingan masing-masing jenis kerusakan produk yang terjadi maka dilakukan stratifikasi. Stratifikasi bertujuan untuk
membantu pembuatan scatter diagram. Perbandingan dari dua kerusakan tersebut dapat dilihat pada Tabel 5.5.
40.99 33,86
26,03 73,97
100,00
20 40
60 80
100 120
20 40
60 80
100 120
x1 x3
x2 P
er cen
ta se K
u m
u la
ti f
Ju m
lah t
ot al
k es
al ah
an
Jenis Kerusakan
Kesalahan
Universitas Sumatera Utara
Tabel 5.5. Jumlah Kerusakan kadar ALB yang Tinggi dan Kadar Air yang Tingggi Pada Minyak kelapa sawit
No Jumlah sampel
yang Diperiksa Jens Kerusakan
Kadar ALB Tinggi n
Kadar Air Tinggi n
1 24
7 8
2
24 8
6
3
24 10
8
4
24 6
8
5
24 7
6
6
24 8
9
7
24 15
8
8
24 10
8
9
24 11
9 10
24 17
10 11
24 7
8 12
24 15
8 13
24 12
9 14
24 8
8 15
24 11
8 16
24 9
8 17
24 7
16 18
24 9
7 19
24 6
6 20
24 10
6 21
24 9
9 22
24 19
5 23
24 7
5 24
24 5
8 25
24 10
16 26
24 13
8 27
24 4
7 28
24 7
6 29
24 9
10 30
24 17
11 31
24 9
6 Total
744 302
255
Universitas Sumatera Utara
5. Scatter Diagram
Untuk melihat korelasi antara jumlah kerusakan akibat kadar asam lemak bebas ALB tinggi dan kadar air tinggi dapat dilakukan dengan menggunakan
scatter digram . Korelasi dihitung dengan menggunakan rumus :
r
xy
=
dimana : N
= Jumlah sampel ∑XY = Total kerusakan
∑X = Total kadar asam lemak bebas ALB yang tinggi ∑Y = Total kadar air yang tinggi
Untuk data perhitungan koefisien korelasi antara kerusakan akibat kadar ALB tinggi dan kadar air tinggi dapat dilihat pada tabel 5.6.
Tabel 5.6. Data Perhitungan Koefisian Korelasi Antara Kerusakan minyak akibat kadar ALB tinggi dan kadar air tinggi
No Kadar ALB
tinggi Kadar Air
tinggi x2
y2 xy
1
7 8
49 64
56
2
8 6
64 36
48
3
10 8
100 64
80
4
6 8
36 64
48
5
7 6
49 36
42
6
8 9
64 81
72
7
15 8
225 64
120
8
10 8
100 64
80
9
11 9
121 81
99 10
17 10
121 100
110 11
7 8
49 64
56 12
15 8
225 64
120
Universitas Sumatera Utara
Tabel 5.6. Data Perhitungan Koefisian Korelasi Antara Kerusakan minyak akibat kadar ALB tinggi dan kadar air tinggi Lanjutan
No Kadar ALB
tinggi Kadar Air
tinggi x2
y2 xy
13 12
9 144
81 108
14 8
8 64
64 64
15 11
8 121
64 88
16 9
8 81
64 72
17 7
16 49
256 112
18 9
7 81
49 63
19 6
6 36
36 36
20 10
6 100
36 60
21 9
9 81
81 81
22 19
5 361
25 95
23 7
5 49
25 35
24 5
8 25
64 40
25 10
16 100
256 160
26 13
8 169
64 104
27 4
7 16
49 28
28 7
6 49
36 42
29 9
10 81
100 90
30 17
11 289
121 187
31 9
6 81
36 54
Total 302
255 3348
2289 2510
r
xy
=
= 0.092578
Scatter diagram untuk perbandingan jumlah kerusakan akibat kadar ALB tinggi dan kadar air tinggi dapat dilihat pada gambar 5.3. berikut :
Universitas Sumatera Utara
Gambar 5.3. Scatter Diagram Kerusakan Minyak Akibat Kadar ALB Tinggi dan Kadar Air Tinggi
6. Diagram Sebab Akibat
Dari diagram pareto terlihat bahwa jumlah kerusakan terbesar adalah kadar ALB tinggi dan kadar air tinggi. Dengan demikian dilakukan analisa penyebab
kerusakan tersebut dengan menggunakan cause and effect diagram, sehingga komponen dan faktor-faktor yang menimbulkan permasalahan yang berkaitan
dengan kualitas dapat diketahui pada suatu proses. Seperti terlihat pada gambar 5.4. dan gambar 5.5.
2 4
6 8
10 12
14 16
18
5 10
15 20
X3
X1
Universitas Sumatera Utara
Kadar ALB Mesin
Manusia
Lingkungan Bahan baku
Kurang perawatan Mesin bocor
Tidak Teliti pada saat proses
Tidak Teliti pada saat proses
Tidak Terampil
Tidak Terampil
Kurang Pelatihan dalam proses produksi
Kurang Pelatihan dalam proses produksi
Pemeriksaan bahan baku kurang, hanya
pemeriksaan visual Pemeriksaan bahan
baku kurang, hanya pemeriksaan visual
Buah terlalu tua saat pemanenan
Buah terlalu tua saat pemanenan
Suhu yang terlalu panas
Pencampuran air dari lingkungan sektar
Pencampuran air dari lingkungan sektar
Metode
Proses produksi yang tidak teratur
Tidak bervariasi
Kualitas kurang bagus
Gambar 5.4. Cause and Effect Diagram Kerusakan Kadar ALB tinggi
Pemeriksaan kurang teliti sebelum TBS diproses
Bahan Baku Lingkungan Kerja
Mesin Manusia
Lalai dalam penyetelan mesin Tidak teliti dalam
waktu proses Penyetelan mesin
kurang baik Mesin bocor
Kondisi mesin vacum dryer kurang baik
Pencahayaan kurang Pencampuran air dari
lingkungan sektar Terkena hujan selama
ditempat sortasi Suhu yang
terlalu lembab
Kurang konsentrasi Kadar Air Tinggi
Metode Prosedur kurang
tepat Tidak bervariasi
Gambar 5.5. Cause and Effect Diagram Kerusakan Kadar Air tinggi
Universitas Sumatera Utara
7. Control Chart
Peta kendali merupakan suatu grafik yang digunakan untuk menentukan apakah suatu proses berada dalam keadaan stabil atau tidak atau dalam kata lain
untuk melihat apakah frekuensi kesalahan yang terjadi pada masing-masing hari kerja pada pengolahan data masih berada dalam batas Kendali yang diijinkan.
Pada dasarnya data pemeriksaan terhadap kerusakan dalam proses pengolahan tersebut akan ditentukan oleh batas-batas kendali berdasarkan hasil
perhitungan ada tidaknya data yang di luar batas kendali. 1.
Peta kontrol untuk kerusakan yang disebabkan kadar asam lemak bebas ALB yang tinggi dengan ukuran sampel n=24 dan periode pengamatan sebanyak
31 kali. Rata-rata bagian minyak dengan kadar ALB tinggi :
= =
= 9,74
= =
=
= 0,41 Rumus untuk menghitung UCL adalah :
UCL
n
= + 3
Maka kita dapat menghitung UCL
n
dengan menggunakan rumus diatas. Perhitungan UCL
n
sebagai berikut :
UCL
n
= 3
Universitas Sumatera Utara
= 0,41 3
= 0,41 3 . 0,1002 = 0,41 0,3007
Batas Kendali untuk peta Kendali adalah : UCL = 0,41 + 0,3007= 0,7066
LCL = 0,41 – 0,3007= 0,1052 Peta Kendali berdasarkan perhitungan di atas dapat dilihat pada gambar berikut :
Gambar 5.6. Peta Kontrol Kadar asam lemak bebas ALB Tinggi
Dari gambar 5.6. terlihat ada data-data yang keluar dari batas control yaitu 0,708, 0,791.
0,05 0,1
0,15 0,2
0,25 0,3
0,35 0,4
0,45 0,5
0,55 0,6
0,65 0,7
0,75 0,8
0,85 0,9
0,95 1
1 3
5 7
9 11 13 15 17 19 21 23 25 27 29 31 LCL
UCL p
Universitas Sumatera Utara
2. Peta kontrol untuk kerusakan yang disebabkan kadar kotoran yang tinggi
dengan ukuran sampel n=24 dan periode pengamatan sebanyak 31 kali. Rata-rata bagian minyak dengan kadar kotoran tinggi :
= =
= 6,32
= =
=
= 0,26 Rumus untuk menghitung UCL adalah :
UCL
n
= + 3
Maka kita dapat menghitung UCL
n
dengan menggunakan rumus diatas. Perhitungan UCL
n
sebagai berikut :
UCL
n
= 3
= 0,26 3
= 0,26 3 . 0,0899 = 0,26 0,2697
Batas Kendali untuk peta Kendali adalah : UCL = 0,26 + 0,2697
= 0,5331 LCL = 0,26 – 0,2697
= -0,010
Universitas Sumatera Utara
Peta Kendali berdasarkan perhitungan di atas dapat dilihat pada gambar berikut :
Gambar 5.7. Peta Kontrol Kadar Kotoran Tinggi
Dari gambar 5.7. terlihat ada data-data yang keluar dari batas control yaitu 0,583.
3. Peta kontrol untuk kerusakan yang disebabkan kadar air yang tinggi
dengan ukuran sampel n=24 dan periode pengamatan sebanyak 31 kali. Rata-rata bagian minyak dengan kadar air tinggi :
= =
= 8,23
= =
=
= 0,34
Rumus untuk menghitung UCL adalah :
UCL
n
= + 3
0,05 0,1
0,15 0,2
0,25 0,3
0,35 0,4
0,45 0,5
0,55 0,6
0,65 0,7
0,75 0,8
0,85 0,9
0,95 1
1 3
5 7
9 11 13 15 17 19 21 23 25 27 29 31 LCL
UCL p
Universitas Sumatera Utara
Maka kita dapat menghitung UCL
n
dengan menggunakan rumus diatas. Perhitungan UCL
n
sebagai berikut :
UCL
n
= 3
= 0,34 3
= 0,34 3 . 0,0969 = 0,34 0,2907
Batas Kendali untuk peta Kendali adalah : UCL = 0,34 + 0,2907
= 0,6333 LCL = 0,34 – 0,2907
= 0,0521 Peta Kendali berdasarkan perhitungan di atas dapat dilihat pada gambar berikut :
Gambar 5.8. Peta Kontrol Kadar Air Tinggi
Dari gambar 5.8. terlihat ada data-data yang keluar dari batas control yaitu 0,666.
0,05 0,1
0,15 0,2
0,25 0,3
0,35 0,4
0,45 0,5
0,55 0,6
0,65 0,7
0,75 0,8
0,85 0,9
0,95 1
1 3
5 7
9 11 13 15 17 19 21 23 25 27 29 31 LCL
UCL p
Universitas Sumatera Utara
5.3. Penataan dengan Menerapkan 5S Seiri, Seiton, Seiso, Seiketsu,
Kategori