ANALISIS PENGENDALIAN KUALITAS PROSES PRODUKSI PEREKAT (LEM) DI PT. ARJUNA UTAMA KIMIA - ITS Repository

  

ANALISIS PENGENDALIAN KUALITAS

PROSES PRODUKSI PEREKAT (LEM)

  

DI PT. ARJUNA UTAMA KIMIA

OLEH:

  

Eka Rahmadina Widiyantoro

(13 13 030 009)

DOSEN PEMBIMBING:

  

Dra. Sri Mumpuni Retnaningsih, MT

DOSEN PENGUJI:

  

Dr. Muhammad Mashuri, MT

Dr. I Nyoman Latra, MS

PROGRAM STUDI DIPLOMA III JURUSAN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

  OUTLINE PENDAHULUAN |

TINJAUAN PUSTAKA

  | METODOLOGI PENELITIAN ANALISIS DAN PEMBAHASAN

KESIMPULAN DAN SARAN

  |

1. PENDAHULUAN

LATAR BELAKANG

  PLYWOOD (Formalin)

  FURNITURE (Polivinil Alkohol-PVA)

  BARECORE (Polivinil Asetat- PVAc)

PAPER RESIN

  (Acrylamide) TIPE 170/172

  4

  LATAR BELAKANG UL 170/172 PENGENDALIAN Specific KUALITAS Gravity STATISTIKA Non Volatile Content SALING BERKAITAN

LATAR BELAKANG PENELITIAN SEBELUMNYA

  Supriyono, 2006 Optimasi proses produksi plywood di PT Arjuna Utama Kimia menggunakan pendekatan Taguchi Multirespon dengan kombinasi level terbaik untuk kualitas plywood adalah Uloid Resin level kedua (195 kg), Melamine Resin level pertama (90 kg), Catcher level pertama (30 kg), Melamin Powder level pertama (1,8 kg) dan tepung industri level pertama (50 kg).

  RUMUSAN MASALAH Specific Gravity HANYA SECARA DESKRIPTIF PENGENDALIAN SAJA DENGAN MELIHAT BSA KUALITAS DAN BSB STATISTIKA Peta Kendali M Non Volatile Peta Kendali T² Hotelling Content Kapabilitas Proses

  TUJUAN & MANFAAT PENELITIAN mengetahui apakah proses produksi perekat (lem) jenis

  UL 170/172 telah kapabel atau belum Memberikan informasi berdasarkan indeks kapabilitas terhadap proses produksi perekat (lem) jenis UL 170/172

BATASAN MASALAH

  Data yang digunakan adalah hasil proses produksi perekat (lem) jenis UL 170/172 di PT. Arjuna Utama Kimia pada bulan April 2015 dan Mei 2015 dengan variabel Specific Gravity dan Non Volatile Content

  Data berasal dari departmen Quality Assurance

2. TINJAUAN PUSTAKA

PENGENDALIAN KUALITAS STATISTIKA

  Pengendalian kualitas statistika merupakan suatu metode untuk mengevaluasi kualitas produk

hasil produksi dengan menggunakan metode-metode statistik, salah satu metode statistik yang akan

digunakan adalah peta kendali (Montgomery, 2009).

  Peta kendali yang digunakan apabila karakteristik kualitas lebih dari satu dengan ukuran

  2

subgrup sama dengan satu maka digunakan peta kendali T Hotelling Individu untuk

mengendalikan vektor rata-rata dan peta kendali M untuk mengendalikan varian proses

2 Dalam membuat peta kendali T Hotelling Individu terdapat beberapa asumsi yang harus dipenuhi,

  

yakni berdistribusi multivariat normal dan variabel yang digunakan saling berhubungan

(dependen).

MULTIVARIAT NORMAL

  3

  ) x )(x x (x 1 m 1 s k ik j ij

   m 1 i jk

     

  S 

     

  s s s s s s s s s p p p

  1

  2

  12

  13

  2

  2

  23

  

Pemeriksaan distribusi normal multivariat dapat dilakukan dengan cara membuat q-q plot sebagai

berikut (Johnson dan Wichern, 2007) Keterangan: = nilai statistik uji untuk pengamatan ke-i

  = vektor objek pengamatan ke-i = merupakan vektor rata-rata = invers matrik varian kovarian S pxp

  1

  2

  2

  

       

       

  2 d i x x

  1

   i

'

i i

  S x x x x

  

  S    

  1 

  d i

  2

  2

MULTIVARIAT NORMAL

  

Suatu pengamatan yang berdistribusi multivariat normal, dapat dilihat menggunakan grafik dari q-q

plot dengan langkah-langkah pembuatan sebagai berikut.

  2

  d

  

1. Menghitung jarak tergeneralisasi yang dikuadratkan (jarak mahalanobis) atau disebut dimana

i

  

  1 S berukuran p x p

  2

2. Mengurutkan d dari terkecil hingga terbesar

i 3. Mengurutkan nilai q, dimana nilai q diperoleh dari persamaan sebagai berikut.

  2 q   p ; (( n  j  , 5 ) / n )

  2

  d

  4. Membuat scatterplot antara dan i

  

5. Data akan mengikuti distribusi multivariat apabila pada q-q plot membentuk suatu garis lurus

  2

  2

   d p ;0,5 dan nilai-nilai dari yang kurang dari sama dengan nilai sebanyak 50% i

UJI DEPENDENSI

  

Pada pengujian dependensi, salah satu uji yang dapat dilakukan adalah menggunakan korelasi

Pearson. Tingkat keeratan hubungan dengan suatu nilai koefisien korelasi antara dua variabel

dilambangkan dengan r . Koefisien korelasi bernilai diantara -1 sampai dengan 1. (Setiawan & Kusrini,

2010) Hipotesis :

    H : (Variabel Saling Independen) H :   (Variabel Saling Dependen)

  1 m m m m x x  ( x )( x )

  1 i 2 i 1 i 2 i   

  Statistik Uji :    i 1 i 1 i

  1 r  x , x

  1

  2

  m m m m    

  2

  2

  

2

  2 m x  ( x ) m x  ( x )

  1 i 1 i

2 i

2 i    

      i 1 i 1 i 1 i

  1     dimana m merupakan banyaknya pengamatan atau jumlah observasi

  PETA KENDALI M

Peta kendali M dapat digunakan untuk mengontrol variabilitas dari proses secara multivariat untuk

data individu yang didasarkan pada successive difference. Successive difference yaitu selisih antar

vektor pengamatan secara berturut-turut dan digunakan dalam menghitung nilai statistiknya dengan

rumus dan diperoleh matriks W yang berdistribusi sebagai berikut. (Khoo dan

Quah, 2003),

  1

  

  , Σ CC'

  p Σ

  1 ) ( N

  2

  2

  ' ' '

    '

  1 x x

x x

x x

w w w W

  2

  

2

1 m

  3

  , i=1, 2, 3, ..., m-1 Matriks W yang diperoleh jika dikalikan dengan maka akan menjadi yang berdistribusi . Apabila diketahui bahwa dimana C adalah matriks nonsingular yang berukuran i 1 i x x

  2

  1 m m

  )' ( )' ( ) (

    

       

         

  



  

       

       

  Σ ,

  ) N 2 ( p

   

1 W

  PETA KENDALI M W C U

  ' ~

  1 

   ' '

  ) ( )' (

  2

  1 i 1 i

  1 - i 1 i x x Σ U x x U

      

  ' Dimana U’U merupakan jumlah kuadrat data sehingga oleh karena itu perhitungan nilai statistik dalam peta kendali ini adalah sebagai berikut

  BKA= BKB= 2 i p

    M U U

  1

  ) ( ) (

  2

  1 M i 1 i

  1 i 1 i i x x Σ x x

      

   '

  2  

  , p

  2 1   

  2

  ' ' ' W Σ W U U

  1

       

  2

  1 

   ) (

  2

  1

  1

  1 i i C x x U

     

  Maka,    

    

  1  1  

    W C W C U U

  1

  1

  2

  1

  2

  1 ' '

  W C C W U U ) ( ) (

  2

  1

  , p

  PETA KENDALI T ² HOTELLING INDIVIDU

  Jika suatu produk mempunyai p karakteristik kualitas maka distribusi yang digunakan adalah p- variate. Pada peta kendali T

2 Hotelling data yang digunakan akan dihitung rata-rata dan matriks kovariannya dengan menggunakan perhitungan kovarians sebagai berikut (Montgomery, 2009).

  2 Hotelling Individu dengan persamaan sebagai berikut.

  1

    

  )' ( )' ( ) (

  1

  2

  3

  1

  2

  2

         

  1 m m m x x x x x x v v v

    '

  ' ' '

  V ) ( )' ( T i

  1 i 2 i x x x x

     

  

S

       

     

  , i=1,2,...,m )' )( ( 1 m

  S 1) (

  1

  1

  1

  x x x x   

   

  

  i m i i

  2

  dan dimana, Setelah menghitung nilai matriks kovarians, selanjutnya menghitung nilai statistik T

  1

  2   m

  V V' S

  i 1 i i

  x x v  

  

       

       

  PETA KENDALI T ² HOTELLING INDIVIDU

2 Peta kendali T Hotelling Individu juga memiliki batasan kontrol fase I sebagai berikut.

  2

  m (  1) BKA 

  

β

p m p

  α, /2, (   1)/2

  m BKB  Sedangkan batas kontrol untuk fase II adalah sebagai berikut. p ( m  1)( m  1)

  BKA  F

  α, p , m  p

  2

  m  mp BKB 

  Keterangan: m = banyaknya pengamatan, i=1,2,3,...,m p = banyaknya karakteristik kualitas (variabel)

KAPABILITAS PROSES

  

Kapabilitas proses bertujuan untuk menaksir kemampuan proses yang merupakan bagian yang

sangat penting dalam keseluruhan peningkatan kualitas. Indeks kapabilitas proses dilihat dari nilai

M dan M yang diperoleh dengan keterangan sebagai berikut. (Raissi, 2009) C C p p k p p

  MC  W C W C

  MC  p k i p k p i p i i

    i 

  1

  i 

1 Dimana,

  

 

 BSA BSB 

μ μ

BSB  BSA

   , C min   C pk  p

   

  3

  3

 

6  p

  Keterangan: W

  = Bobot kepentingan sesuai keterangan perusahaan dimana, W 

  1 i i

   i 

  1

KAPABILITAS PROSES

  Indeks MCp yang diperoleh memiliki definisi sebagai berikut.

• Jika M C =1 maka proses dalam keadaan cukup baik

  p

• Jika M >1 maka proses dalam keadaan baik (presisi baik) C

  p

• Jika M C <1 maka sebaran data pengamatan berada diluar batas spesifikasi

  p

  PROSES PRODUKSI LEM & PENGAMBILAN SAMPEL Bahan- Bahan Kimia

  UL 170/172 Proses

• Berbahan dasar UL

  Formalin Plant

  1 (Urea Formalin)

  Bahan- Bahan Kimia Polimer termosetting

• Storage Life = 30 -

  Proses Hari

  2 Adhesive Plant Lem Kayu Lapis Pengukuran Sampel

  Specific Gravity dan Non Volatile Content

PENGAMBILAN SAMPEL DILAKUKAN PADA SAAT LEM JADI PADA TANGKI MASAK, SEBELUM MASUK TANGKI

  Tangki

SIMPAN LEM

  Simpan Lem

3. METODOLOGI PENELITIAN

SUMBER PENELITIAN

  data PRIMER

  Proses Produksi UL 170/172 Bulan April 2015 sebanyak 131 batch pada fase 1 dan 83 batch pada fase 2dengan 2 variabel

2 VARIABEL

  Specific Gravity & Non Volatile Content subgroup

  “batch”

  2 i

  2 i

  2 i

  2 s

  2

  1 s

  2

  2 x

  1 x

  x )2 131 ( x

    )1 131 (

  T

  2 x i

  1 x

  1 x i

   

  2 T

  2

  22 x

  21 x

  1 T

  2

  12 x

  11 x

  2 x

  T

  2 x

  T

   

  2 i m

  1

  Karakteristik Kualitas (j)

  Pengamatan pada batch ke-(i)

  2 s

  2

  1 s

  2

  2 x

  1 x

  T

  11 x

  2 i

  2 x i

  1 x i

   

  2 T

  2

  22 x

  21 x

  1 T

  2

  12 x

  1 x

  2 i

  T

  2 x i

  1 s

  2

  2 x

  1 x

  T

  2 131

  x )2 131 ( x

    )1 131 (

  T

  2 i

  1 x i

  2 s

   

  2 T

  2

  22 x

  21 x

  1 T

  2

  12 x

  11 x

  2 x

  1 x

  2

  2 i

  2 s

  2 x i

  2

  1 s

  2

  2 x

  1 x

  T

  2 131

  x )2 131 ( x

    )1 131 (

  T

  2 i

  1 x i

  T

   

  2 T

  2

  22 x

  21 x

  1 T

  2

  12 x

  11 x

  2 x

  1 x

STRUKTUR DATA

  VARIABEL PENELITIAN Variabel Keterangan Batas Spesifikasi Satuan Berat jenis suatu bahan yang dibandingkan

• dengan berat jenis air

  Alat testing yang digunakan adalah hidrometer

• Specific Gravity

  1,180-1,220 ppm dengan 2 jenis alat, yaitu dengan panjang alat 30 cm untuk volume cairan sampel 250 mL dan panjang alat 16 cm untuk volume cairan sampel 100 mL Kadar padatan -

  Non Volatile Proses testing dilakukan dengan - 49-51 %

  Content menggunakan oven pada temperatur 105ºC selama 3 jam

  LANGKAH ANALISIS Mengumpulkan data variabel-variabel produksi perekat (lem) jenis UL

  1 170/172 Melakukan pengujian dan pemeriksaan asumsi multivariat normal untuk mengetahui apakah variabel-variabel produksi perekat (lem)

  2 jenis UL 170/172 telah memenuhi asumsi multivariat normal Melakukan pengujian asumsi dependensi pada produksi perekat

  2 (lem) jenis UL 170/172 sebelum membuat peta kendali M dan T

3 Hotelling Membuat peta kendali M untuk memonitoring variabilitas proses

  4 pada fase 1

  LANGKAH ANALISIS Peta Kendali M yang telah terkendali, dapat dilanjutkan pada tahap

  

2

membuat peta kendali T Hotelling terhadap variabel-variabel

  5 produksi perekat (lem) jenis UL 170/172 fase 1 Melakukan langkah analisis 2-5 untuk data produksi perekat (lem)

  6 jenis UL 170/172 pada fase II Menghitung indeks kapabilitas proses setelah prosesnya terkendali

  7 secara statistik Menarik kesimpulan dan saran berdasarkan analisis

  8

DIAGRAM ALIR

  Mulai Mengumpulkan Data Identifikasi Variabel Tidak

  Apakah Transformasi Multivariat Normal?

  Ya A

DIAGRAM ALIR

  A Apakah Dependen?

  Tidak Peta Kendali M Bukan Peta Kendali T

  2 Hotelling

  C Ya Terkendali

  Identifikasi Penyebab dengan Menghapus Pengamatan diluar Batas Kendali

  B Tidak Ya

DIAGRAM ALIR

  C

Kesimpulan

Selesai

  Identifikasi Penyebab dengan Menghapus Pengamatan diluar Batas Kendali

  Peta Kendali T

  2 Hotelling

  

Terkendali

Kapabilitas Proses

Tidak Ya

  B

4. ANALISIS DAN PEMBAHASAN

  

  ANALISIS DESKRIPTIF Variabel Bulan Mean Varians Min. Maks. Spec.

  April

• -5

   Specific 1,203 2,6 10 1,188 1,22

  2015

  Gravity

  1,18-1,22 Mei

• -5

   (ppm) 1,202 2,6 10 1,19 1,214

  2015 April

  Non 50,256 0,579 48,67 51,92

  2015

  Volatile

  49-51

  Content Mei

  50,055 0,621 48,67 51,87

  (%) 2015

PEMERIKSAAN DISTRIBUSI

  MULTIVARIAT NORMAL DATA FASE 1 Pemeriksaan distribusi multivariat normal

  12 dilakukan menggunakan macro Minitab.

10 Berdasarkan hasil analisis yang telah dilakukan

  8

  2

  6 didapatkan jarak yang lebih kecil dari nilai d

q

i

  2

  4 

  2 ;0,5 tabel sebesar 0,5267. Nilai tersebut

  2 mendekati 50% , sehingga dapat disimpulkan

  2

  4

  6

  8

  10

  12 bahwa data proses produksi perekat (lem) jenis dd UL 170/172 berdistribusi multivariat normal.

  PENGUJIAN DEPEDENSI DATA FASE 1 Hipotesis dan hasil pengujian menggunakan uji korelasi Pearson adalah sebagai berikut.

  Hipotesis : H :   (Variabel Specific Gravity dan Non Volatile Content tidak berhubungan satu sama lain) H :   (Variabel Specific Gravity dan Non Volatile Content saling berhubungan)

1 Pearson Correlation 0,394

  H ditolak karena r hitung (0,394) > r tabel (0,173) P-value 0,000

  Kesimpulan : kedua variabel, yakni Specific Gravity dan Non Volatile Content saling berhubungan.

  PETA KENDALI MULTIVARIAT FASE 1

  20 BKA=18.80

  14 BKA=13.22

  12

  15

  10

d

  8

re

  10

a

  M

u

q

  6

s

T

  4

  5

  2 Median=2.11 BKB=0.002

  1

  13

  26

  39

  52

  65

  78 91 104 117 130

  1

  14

  27

  40

  53

  66

  79 92 105 118 131 Sampel

  Sampel

  2 Peta M Peta T Hotelling Individu

PEMERIKSAAN DISTRIBUSI

  MULTIVARIAT NORMAL DATA FASE 2 Pemeriksaan distribusi multivariat normal

  10 dilakukan menggunakan macro Minitab.

8 Berdasarkan hasil analisis yang telah dilakukan

  6

q

  2 didapatkan jarak yang lebih kecil dari nilai d i

  4

  2 

  2 ;0,5 tabel sebesar 0,457831. Nilai tersebut

  2 mendekati 50% , sehingga dapat disimpulkan

  1

  2

  3

  4

  5

  6

  7

  8

  9 dd bahwa data proses produksi perekat (lem) jenis UL 170/172 berdistribusi multivariat normal.

  PENGUJIAN DEPEDENSI DATA FASE 2 Hipotesis dan hasil pengujian menggunakan uji korelasi Pearson adalah sebagai berikut.

  Hipotesis : H :   (Variabel Specific Gravity dan Non Volatile Content tidak berhubungan satu sama lain) H :   (Variabel Specific Gravity dan Non Volatile Content saling berhubungan)

1 Pearson Correlation 0,595

  H ditolak karena r hitung (0,595) > r tabel (0,218) P-value 0,000

  Kesimpulan : kedua variabel, yakni Specific Gravity dan Non Volatile Content saling berhubungan.

  PETA KENDALI MULTIVARIAT FASE 1

  16

14 BKA= 13.22

  BKA=18.8

  14

  12

  12

  10

  10

  8

d

re

  8

a

M

u

  6

q

s

T

  6

  4

  4

  2

  2 BKB=0.002 BKB=0

  1

  8

  16

  24

  32

  40

  48

  56

  64

  72

  80

  1

  8

  16

  24

  32

  40

  48

  56

  64

  72

  80 Sampel Sampel

  2 Peta M Peta T Hotelling Individu

KAPABILITAS PROSES

  Indeks C untuk variabel Specific Gravity dan Non Volatile Content berturut-turut sebesar 1,24 p dan 0,46. Dimana nilai-nilai tersebut menjelaskan bahwa presisi yang dihasilkan oleh variabel Specific Gravity telah baik, karena nilai yang diperoleh lebih dari satu. Namun sebaliknya, presisi untuk variabel Non Volatile Content belum baik karena indeks yang diperoleh kurang dari 1.

  Bobot kepentingan yang digunakan pada masing masing variabel adalah sebesar 0,5. Sehingga indeks MC sebesar 0,85. Indeks MC yang diperoleh masih kurang dari satu, sehingga presisinya p p masih kurang baik atau variabilitas produknnya masih besar antar pengamatan.

  Indeks C untuk variabel Specific Gravity dan Non Volatile Content berturut-turut sebesar 1,12 pk dan 0,43, Dimana nilai-nilai tersebut menjelaskan bahwa presisi yang dihasilkan oleh variabel Specific Gravity telah baik, karena nilai yang diperoleh lebih dari satu. Namun sebaliknya, presisi untuk variabel Non Volatile Content belum baik karena indeks yang diperoleh kurang dari

1.Dengan bobot yang sama diperoleh indeks MC sebesar 0,77. Indeks MC yang diperoleh masih

  p p kurang dari satu, sehingga presisinya masih kurang baik atau variabilitas produknnya masih

5. KESIMPULAN DAN SARAN

  2

  2

  2 x

  1 x

  x )2 131 ( x

    )1 131 (

  T

  2 i

  2 x i

  1 x i

   

  2 T

  22 x

  1 s

  21 x

  1 T

  2

  12 x

  11 x

  2 x

  1 x

  T

  2 i

  2 s

  2

  2

  1 s

  2 T

  1 s

  2

  2 x

  1 x

   

  T

  2 i

  2 x i

  1 x i

   

  2

  2 s

  22 x

  21 x

  1 T

  2

  12 x

  11 x

  2 x

  1 x

  T

  2 i

  2 i

  2

  2 s

   

  2 x

  1 x

  T

  2 131

  x )2 131 ( x

    )1 131 (

  T

  2 i

  2 x i

  1 x i

  2 T

  1 s

  2

  22 x

  21 x

  1 T

  2

  12 x

  11 x

  2 x

  1 x

  T

  2

  2

  2 x

  2 T

  1 x

  T

  2 131

  x )2 131 ( x

    )1 131 (

  T

  2 i

  2 x i

  1 x i

   

  2

  2 s

  22 x

  21 x

  1 T

  2

  12 x

  11 x

  2 x

  1 x

  T

  2 i

  2

KESIMPULAN DAN SARAN

• • Vektor rata-rata dan variabilitas proses produksi perekat (lem) jenis UL 170/172

  pada bulan Mei 2015 pada fase II telah terkendali secara statistik. Hal ini menunjukkan bahwa proses produksi pada bulan April 2015 yang digunakan pada fase I sudah tepat digunakan untuk memonitoring proses produksi di waktu yang lain.
• Berdasarkan nilai MC

  p dan MC pk menunjukkan bahwa proses produksi perekat (lem) jenis UL 170/172 pada bulan Mei 2015 belum kapabel. Hal ini terlihat dari produk yang berada di luar batas spesifikasi, variabilitas produksi cukup tinggi, serta produk memiliki presisi dan akurasi yang rendah.

  1 s

  2

  2 x

  1 x

  x )2 131 ( x

    )1 131 (

  T

  2 i

  2 x i

  1 x i

   

  2 T

  22 x

  1 s

  21 x

  1 T

  2

  12 x

  11 x

  2 x

  1 x

  T

  2 i

  2 s

  2

  2

  2 i

  2 T

  1 s

  2

  2 x

  1 x

   

  T

  2 i

  2 x i

  1 x i

   

  2

  2 s

  22 x

  21 x

  1 T

  2

  12 x

  11 x

  2 x

  1 x

  T

  2 i

  2

  2

  2 s

   

  2 x

  1 x

  T

  2 131

  x )2 131 ( x

    )1 131 (

  T

  2 i

  2 x i

  1 x i

  2 T

  1 s

  2

  22 x

  21 x

  1 T

  2

  12 x

  11 x

  2 x

  1 x

  T

  2

  2

  2 x

  2 T

  1 x

  T

  2 131

  x )2 131 ( x

    )1 131 (

  T

  2 i

  2 x i

  1 x i

   

  2

  2 s

  22 x

  21 x

  1 T

  2

  12 x

  11 x

  2 x

  1 x

  T

  2 i

  2

KESIMPULAN DAN SARAN

• PT. Arjuna Utama Kimia masih perlu melakukan adanya pemantauan secara terus menerus terhadap keseluruhan proses produksi, terutama difokuskan pada proses pengukuran terhadap variabel yang diamati. Karena proses pengukuran yang berlangsung merupakan hal yang penting. Proses pengukuran yang kurang tepat akan menyebabkan proses produksi yang seharusnya baik, menjadi kurang baik ketika variabel terkait diukur.
• Pengukuran yang dilakukan oleh petugas sebaiknya dilakukan secara teliti dengan alat yang akurat. Alat yang digunakan untuk mengukur variabel terkait harus rutin dilakukan kalibrasi.
• PT. Arjuna Utama Kimia hendaknya melakukan evaluasi terhadap teknik pengukuran serta cara pembacaan terkait dengan proses pengukuran variabel yang dilakukan para karyawan. Hal ini dapat dilakukan dengan cara memberikan pelatihan kepada karyawan.

DAFTAR PUSTAKA

  Johnson, R. A., & Wichern, D. (2007). Applied Multivariate Statistical Analysis. New Jersey: Prentice Hall. Khoo, M.B.C, & Quah, S.H. (2003). Multivariate Control Chart For Process Dispersion Based On Individual Observations. Quality Engineering, Vol. 15(4), pp. 639-642. Montgomery, Douglas C. (2009). Statistical Quality Control: A Modern Introduction (Sixth Edition). Unites States: John Wiley and Sons (Asia) Pte. Ltd. Raissi, S. (2009).

  Multivariate Process Capability Indices on The Presence of Priority for Quality Characteristics. Journal of Industrial Engineering International June 2009, Vol. 5, No. 9, pp. 27-36

  Supriyono, Eko. (2006). Analisis Optimasi Proses Produksi Plywood di PT. Arjuna Utama Kimia (ARUKI) Menggunakan Pendekatan Taguchi Multirespon. Surabaya: Statistika FMIPA ITS

  Walpole, R.E., Myers, R.H., Myers, S.L., & Ye, K. (2012).

  Probability & Statistics for Engineers & Scientists 9

  th Edition. United States of America: Prentice Hall.