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

(1)

PENGENDALIAN MUTU PADA PENGOLAHAN MINYAK

SAWIT DENGAN METODE

STATISTICAL QUALITY

CONTROL

(SQC) PADA PTP NUSANTARA IV

PKS ADOLINA

RIDHO PARISSA SIMATUPANG

112407063

PROGRAM STUDI DIPLOMA 3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(2)

PENGENDALIAN MUTU PADA PENGOLAHAN MINYAK

SAWIT DENGAN METODE

STATISTICAL QUALITY

CONTROL

(SQC) PADA PTP NUSANTARA IV

PKS ADOLINA

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ahli Madya

RIDHO PARISSA SIMATUPANG

112407063

PROGRAM STUDI DIPLOMA 3 STATISTIKA

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

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

(SQC) Pada PTP Nusantara IV PKS Adolina

Kategori : Tugas Akhir

Nama : Ridho Parissa Simatupang Nomor Induk Mahasiswa : 112407063

Program Studi : D3 Statistika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Disetujui di Medan, Juli 2014

Disetujui Oleh:

Program Studi D3 Statistika FMIPA USU

Ketua, Pembimbing,

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

(4)

PERNYATAAN

PENGENDALIAN MUTU PADA PENGOLAHAN MINYAK

SAWIT DENGAN METODE STATISTICAL QUALITY

CONTROL (SQC) PADA PTP NUSANTARA IV PKS ADOLINA

TUGAS AKHIR

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

Medan, Juli 2014

RIDHO PARISSA SIMATUPANG 112407063

(5)

PENGHARGAAN

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

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

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

(6)

DAFTAR ISI 1.7.2 Metode Pengumpulan Data 8 1.8 Sistematika Penulisan 8

BAB 2. TINJAUAN PUSTAKA 10

2.1 Definisi Mutu 10

2.2 Pengendalian Mutu 10

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

2.4.1 Data Atribut 12

2.4.2 Data Variabel 13

2.5 Peta Kendali 14

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

BAB 3. GAMBARAN UMUM 23

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

3.3 Lokasi Perusahaan 24

(7)

BAB 4 PENGUMPULAN DAN PENGOLAHAN DATA 25

4.1 Pengumpulan Data 25

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

BAB 5 IMPLEMENTASI SISTEM 57

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

BAB 6 PENUTUP 67

6.1 Kesimpulan 67

6.2 Saran 68

(8)

DAFTAR TABEL

Nomor Judul Halaman Tabel

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

Kadar Kotoran 25

Tabel 4.2 Perhitungan ̅ dan R Pada Pengujian Kadar Asam Lemak

Bebas 30

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

(9)

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

(10)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Pengendalian kualitas merupakan taktik dan strategi perusahaan global dengan

produk perusahaan lain. Kualitas menjadi faktor dasar keputusan konsumen dalam

memilih produk. Bila konsumen merasa produk tertentu jauh lebih baik

kualitasnya dari produk pesaing, maka konsumen memutuskan untuk membeli

produk tersebut. Tuntutan konsumen yang senantiasa berubah inilah yang perlu

direspon perusahaan. Oleh karena itu, perusahaan haruslah menerapkan

pengendalian kualitas dalam pembuatan produk.

Pengendalian kualitas adalah aktivitas keteknikan dan manajemen, di

mana aktivitas tersebut mengukur ciri-ciri kualitas produk, membandingkannya

dengan spesifikasi atau persyaratan, dan mengambil tindakan penyehatan yang

sesuai apabila ada perbedaan antara penampilan yang sebenarnya dan yang

standar (Montgomery, 1990). Statistical Quality Control (SQC) merupakan salah

satu metode pengendalian kualitas. Pada tahun 1924, Walter A Shewhart dari Bell

Telephone Laboratories mengembangkan diagram pengawasan dengan

pendekatan statistik untuk mengontrol variabel-variabel penting dalam proses

produksi. Metode statistical quality control lebih banyak menggunakan

pendekatan diagram-diagram fungsi dan statistika dalam implementasinya.

PTP Nusantara IV PKS Adolina merupakan perusahaan yang

(11)

menentukan mutu minyak mentah kelapa sawit yaitu, kadar asam lemak bebas,

kadar air, dan kadar kotoran. Keadaan saat ini menunjukkan dalam melakukan

pengolahan minyak sawit mutu yang dihasilkan ternyata selalu bervariasi dan

sering tidak memenuhi spesifikasi standard mutu yang ditetapkan.

Mengacu pada uraian di atas maka dapat diketahui bahwa masalah

pengendalian mutu terhadap kualitas produk yang dihasilkan oleh sebuah

perusahaan merupakan suatu hal yang penting dan membutuhkan kajian yang

lebih mendalam. Oleh karena itu penulis menganggap penelitian di bidang

pengendalian mutu ini sangat penting dalam mendukung perusahaan untuk

memiliki daya saing dengan produk perusahaan lain. Dalam hal ini bentuk

penelitian tentang penerapan Statistical Quality Control.

1.2 Rumusan Masalah

Sebagai rumusan masalah yang akan dianalisis dalam penelitian ini adalah sebagai

berikut:

a. Apakah produk yang dihasilkan oleh perusahaan sudah memenuhi

standard mutu perusahaan?

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

c. Bagaimana nilai kapabilitas proses produksi minyak sawit pada PTP

Nusantara IV PKS Adolina?

1.3 Batasan Masalah

a. Karakteristik kualitas yang diteliti dibatasi hanya untuk karakteristik kualitas

(12)

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

kotoran

c. Penelitian dilakukan pada produk akhir yaitu minyak mentah kelapa sawit

d. Data yang digunakan adalah data sekunder yaitu data produksi pada shift kerja

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

1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini antara lain:

a. Menentukan jumlah sampel yang di luar batas kendali pada setiap faktor mutu

sesuai dengan nilai rata-rata den range dari data syarat mutu minyak mentah

kelapa s awit yaitu kadar asam lemak bebas, kadar air dan kadar kotoran

b. Menentukan nilai kapabilitas proses (Cp) untuk pengolahan minyak mentah

kelapa sawit

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah sebagai berikut:

a. Dapat menuangkan ilmu dan mengaplikasikan teori-teori statistika yang

diperoleh penulis selama kuliah untuk menyelesaikan permasalahan yang

diteliti

b. Dapat memberikan salah satu alternatif pemecahan masalah kepada PTP

Nusantara IV PKS Adolina dalam mengatasi pengendalian kualitas

c. Sebagai pedoman bagi perusahaan untuk mengendalikan dan mengontrol

(13)

1.6 Tinjauan Pustaka

Pengendalian kualitas adalah aktivitas keteknikan dan manajemen, di mana

aktivitas tersebut mengukur ciri-ciri kualitas produk, membandingkannya dengan

spesifikasi atau persyaratan, dan mengambil tindakan penyehatan yang sesuai

apabila ada perbedaan antara penampilan yang sebenarnya dan yang standar

(Montgomery, 1990). Menurut Russel dan Taylor (1998) pengendalian kualitas

dapat dilakukan dengan menggunakan Statistical Quality Control dan salah satu

alat statistik yang melandasi hal tersebut adalah grafik pengendali (Marimin,

2005). Suatu alat yang digunakan dalam pengendalian kualitas secara statistik

pada proses produksi disebut peta pengendali (Control Chart). Salah satu contoh

peta pengendali adalah peta pengendali rata-rata x dan peta pengendali range.

Peta pengendali rata-rata x digunakan untuk proses yang mempunyai

karakteristik berdimensi kontinu. Peta ini menggambarkan variasi harga rata-rata

(mean) dari data yang diklasifikasikan dalam suatu kelompok. Pengelompokan

data ini bisa dilakukan berdasarkan satuan waktu hari atau satuan waktu lainnya di

mana sampel berasal dari kelompok yang melakukan pekerjaan yang sama dan

lain-lain.

Langkah-langkah untuk membuat peta pengendali X dapat dikemukakan

sebagai berikut:

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

̿ ∑ ̅

(14)

̿ = jumlah rata-rata dari nilai rata-rata subgroup

̅ = nilai rat-rata subgroup ke-i

g = jumlah subgroup

b. Batas konrol untuk peta X ini adalah:

BKA = ̿ ̅

BKB = ̿ ̅

Di mana:

BKA = batas kontrol atas

BKB = batas kontrol bawah

= nilai koefiisien

̅ = selisih harga Xmaks dan Xmin

c. Menggambarkan peta pengendali X menggunakan batas kontrol dan sebaran

data ̅

Peta kendali rata-rata dan jarak (range) merupakan dua peta kendali yang

saling membantu dalam mengambil keputusan mengenai kualitas proses. Peta

kendali jarak (range) digunakan untuk mengetahui tingkat akurasi atau ketepatan

proses yang diukur dengan mencari range dari sampel yang diambil. Seperti

halnya peta kendali rata-rata, peta kendali jarak tersebut juga digunakan untuk

(15)

Peta kendali R merupakan peta untuk menggambarkan rentang data dari suatu

sub group, yaitu data terbesar dikurangi data terkecil. Langkah-langkah penentuan

garis sentral yakni sebagai berikut:

a. Menetukan rentang rata-rata

Untuk menentukan rentang rata-rata dapat digunakan dengan rumus:

̅ ∑

Di mana:

̅ = jumlah rata-rata dari nilai rata-rata subgroup

= nilai rat-rata subgroup ke-i

g = jumlah subgroup

b. Batas kontrol untuk peta X ini adalah:

BKA = ̅

BKB = ̅

Di mana:

BKA = batas kontrol atas

BKB = batas kontrol bawah

(16)

c. Menggambarkan peta ̅ dan garis batas kontrol pada peta serta sebaran data

Range (R)

Kapabilitas proses digunakan untuk melihat kapabiltas atau kemampuan

proses. Indeks kapabilitas proses hanya layak dihitung apabila proses berada

dalam pengendalian. Adapun kriteria penilaian indeks kapabilitas proses sebagai

berikut:

1. Jika Cp > 1.33 maka kapabilitas proses sangat baik

2. Jika 1.00 Cp 1.33 maka kapabilitas proses baik, namun perlu

pengendalian ketat apabila Cp mendekati 1.00

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

kinerjanya melalui peningkatan proses.

Perumusan untuk perhitungan nilai indeks kapabilitas ini adalah sebagai

berikut:

Metode yang digunakan penulis dalam melaksanakan penelitian ini adalah sebagai

(17)

1.7.1 Lokasi Penelitian

Dalam penyusunan tugas akhir ini data yang digunakan diperoleh dari PTP

Nusantara IV PKS Adolina. Data tersebut dikumpulkan dalam bentuk buku

catatan laboratorium produksi dari tanggal 1 s/d 31 maret 2014.

1.7.2 Metode Pengumpulan Data

Keperluan data untuk riset ini penulis menggunakan data sekunder (data yang

telah tersedia) atau data yang telah dikumpulkan. Data yang dikumpulkan tersebut

kemudian diatur, disusun dan disajikan dalam bentuk angka-angka dengan tujuan

untuk mendapatkan gambaran yang jelas tentang sekumpulan data tersebut.

1.8 Sistematika Penulisan

Adapun sistematika penulisan yang digunakan penulis antara lain:

BAB 1 : PENDAHULUAN

Pada bab ini akan diuraikan latar belakang, rumusan masalah,

pembatasan masalah, tujuan penelitian, manfaat penelitian,

tinjauan pustaka, metodelogi penelitian, dan sistematika

penulisan.

BAB 2 : LANDASAN TEORI

Bab ini menguraikan teori-teori yang menunjang, penyelesaian

masalah yaitu studi kepustakaan yang berkaitan dengan teori-teori

(18)

studi kepustakaan lainnya yang dianggap turut membantu

pemecahan masalah.

BAB 3 : GAMBARAN UMUM

Menguraikan tentang gambaran umum perusahaan, sejarah

singkat perusahaan, ruang lingkup bidang usaha, dan lokasi

perusahaan.

BAB 4 : ANALISIS DATA

Bab ini merupakan bab yang berisikan mengenai penggambaran

peta pengendalian X dan R untuk setiap faktor mutu dan nilai

kapabilitas proses.

BAB 5 : IMPLEMENTASI SISTEM

Dalam bab ini penulis menguraikan pengertian dan tujuan

implementasi sistem, rancangan program yang dipakai dan hasil

outputnya.

BAB 6 : KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang merupakan hasil

kesimpulan dari pembahasan serta saran penulis berdasarkan

(19)

BAB 2

LANDASAN TEORI

2.1 Defenisi Mutu

Dalam dunia industri baik industri jasa maupun manufaktur mutu adalah faktor

kunci yang membawa keberhasilan bisnis, pertumbuhan dan peningkatan posisi

bersaing. mutu adalah keseluruhan karakteristik produk dan jasa dari pemasaran,

rekayasa, pembikinan, dan pemeliharaan yang membuat produk dan jasa yang

digunakan memenuhi harapan-harapan pelanggan. Harapan disini mencakup

kemudahan perawatan, kemudahan dalam penggunaannya, desain yang baik,

harga yang ekonomis, daya tahan dan ketersediaan produk tersebut.

Pengendalian mutu adalah penggunaan teknik-teknik dan

aktivitas-aktivitas untuk mencapai, mempertahankan dan meningkatkan mutu suatu produk

atau jasa. Pengendalian mutu juga dapat dikatakan yaitu suatu proses pengaturan

secara standar yang telah ditentukan, dan melakukan tindakan tertentu jika

terdapat perbedaan. Maksud dari kebanyakan pengukuran mutu ini adalah

menentukan dan mengevaluasi tingkat di mana produk atau jasa mendekati

keinginan atau harapan dari konsumen.

2.2Pengendalian Mutu

Pengendalian mutu merupakan aktivitas teknik dan manajemen di mana kita

mengukur karakteristik dari kualitas suatu barang atau jasa, kemudian

(20)

oleh pelanggan dan mengambil tindakan peningkatan yang tepat apabila

ditemukan perbedaan diantara kinerja actual dan standar.

Berdasarkan uraian di atas pengendalian mutu merupakan suatu

metodologi pengumpulan dan analisis data kualitas, serta menentukan dan

menginterpretasikan pengukuran-pengukuran yang menjelaskan tentang proses

dalam suatu sistem industri untuk meningkatkan kualitas produk guna memenuhi

kebutuhan dan ekspektasi pelanggan. Dengam demikian pengertian peningkatan

dan pengendalian manajemen mutu lebih menekankan pada aspek peningkatan

proses industri dengan menggunakan teknik-teknik statistika.

Dalam konteks pembahasan tentang analisis data untuk peningkatan proses

dengan menggunakan teknik-teknik statistika, termilogi kualitas didefinisikan

sebagai konsistensi peningkatan atau perbaikan dan penurunan variasi

karakteristik kualitas dari suatu produk yang dihasilkan, agar memenuhi

kebutuhan yang telah dispesifikasikan guna meningkatkan kepuasan pelanggan.

2.3Pengertian Statistic Quality Control

Statistic Quality Control (pengendalian kualitas statistik) adalah teknik yang

digunakan untuk mengendalikan dan mengelola proses baik manufaktur maupun

jasa melalui penggunaan metode statistik (Dorothea. W.A,2003). Pengendalian

kualitas statistik merupakan teknik penyelesaian masalah yang digunakan untuk

memonitor, mengendalikan, menganalisis, mengelola, dan memperbaiki produk

proses menggunakan metode-metode statistik.

Dalam banyak proses produksi begaimanapun baiknya suatu rancangan

(21)

gangguan dasar ini merupakan pengaruh kumulatif dari banyak sebab-sebab kecil

yang pada dasarnya tidak terkendali.

Variabilitas yang dimaksud adalah variabilitas antar sampel dan

variabilitas dalam sampel. Apabila sampel diambil dari populasi yang sama,

variasi statistik akan terjadi dari sampel kesampel dan variasi range dapat

dihitung. Bentuk ini merupakan dasar yang dihitung pada peta kendali, di mana

tujuan akhir pengendalian kualitas statistik adalah menyingkirkan atau

mengurangi variabilitas dalam proses.

Pengendalian kualitas statistik secara garis besar digolongkan menjadi dua,

yaitu pengendalian proses statistik dan rencana penerimaan sampel produk.

Berdasarkan jenis data yang digunakan pengendalian kualitas statistik dapat

dibagi atas dua golongan, yaitu pengendalian kualitas untuk data variabel dan

pengendalian kualitas untuk data atribut.

2.4 Data Atribut dan Data Variabel

2.4.1 Data Atribut

Banyak karakteristik kualitas tidak dapat diklasifikasi sesuai kuantitasnya. Dalam

suatu kasus kita selalu mengklasifikasikan tiap-tiap item yang diperiksa sebagi

data yang seragam dan data yang tidak seragam kedalam suatu spesifikasi dalam

suatu karakteristik. Karakteristik dalam jenis ini yang disebut data atribut. Data

atribut merupakan data kualitatif yang dapat dihitung untuk pencatatan dan

analisis. Contoh dari data atribut karakteristik kualitas adalah ketiadaan label pada

(22)

unit-unit yang ketidaksesuaian dengan spesifikasi atribut yang ditetapkan. Pada

umumnya data atribut digunakan dalam peta kendali p, np, c, dan u.

2.4.2 Data Variabel

Data variabel merupakan data kuantitatif yang diukur untuk keperluan analisis.

Contoh dari data variabel karakteristik kualitas adalah diameter pipa, ketebalan

produk, berat produk dan lain-lain. Ukuran-ukuran berat, panjang, tinggi,

diameter, volume biasanya merupakan data variabel.

Pengendalian kualitas untuk data variabel sering disebut dengan metode

peta kendali variabel. Manfaat pengendalian kualitas proses untuk data variabel

adalah memberikan informasi mengenai perbaikan kualitas, menentukan

kemampuan proses setelah perbaikan kualitas tercapai, membuat keputusan yang

berkaitan dengan spesifikasi produk, membuat keputusan yang berkaitan dengan

proses produksi, membuat keputusan terbaru yang berkaitan dengan produk yang

dihasilkan. Peta kontrol yang umum digunakan untuk data variabel adalah peta

kendali X dan peta kendali R.

2.5Peta Kendali

Peta kendali pertama kali ditemukan oleh Walter A. Shewart ketika sedang

bekerja untuk perusahaan Western Electrik. Shewart telah lama meneliti cara

untuk mengembangkan reliabilitas dari sistem transmisi telepon. Peta kendali

(23)

karakteristik yang akan diperiksa. Jadi, peta kendali adalah teknik pengendali

proses pada jalur yang digunakan secara luas untuk menyelidiki secara cepat

terjadinya sebab-sebab terduga atau proses sedemikian sehingga penyelidikan

terhadap proses itu dan tindakan pembetulan dapat dilakukan sebelum terlalu

banyak unit yang tidak sesuai diproduksi.

Peta kendali merupakan penggambaran secara visual mengenai mutu atau

kualitas suatu barang atau jasa. Teknik yang paling umum dilakukan dalam

pengontrolan kualitas adalah menggunakan peta kontrol Shewart. Peta ini

bentuknya sangat sederhana, yaitu terdiri dari tiga buah garis yang sejajar:

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

2. Batas kendali atas ditarik nilai tiga kali standar deviasi diatas garis tengah.

3. Batas kendali bawah yang terletak pada nilai tiga kali standar deviasi

dibawah garis tengah

Out of control adalah suatu kondisi di mana karakteristik produk tidak

sesuai dengan spesifikasi perusahaan ataupun keinginan pelanggan dan posisinya

pada peta kendali berada di luar batas kendali.

2.5.1 Peta Kendali Untuk Data Variabel

Peta kendali untuk data variabel dapat digunakan secara luas. Biasanya peta

kendali ini merupakan prosedur pengendali yang lebih efisien dan memberikan

informasi tentang proses yang lebih banyak. Apabila bekerja dengan karakteristik

kuantitas yang variabelnya sudah merupakan standar untuk mengendalikan nilai

(24)

mean tingkat kualitas biasanya dengan peta kendali mean atau peta kendali x. Peta

kendali untuk rentang dinamakan peta kendali R

1. Peta Kendali x

Peta kendali x digunakan untuk proses yang mempunyai karakteristik berdimensi

kontinu. Peta ini menggambarkan variasi harga rata-rata (mean) dari data yang

diklasifikasikan dalam suatu kelompok. Pengelompokan data ini bisa dilakukan

berdasarkan satuan waktu hari atau satuan waktu lainnya dimana sampel berasal

dari kelompok yang melakukan pekerjaan yang sama, dan lain-lain.

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

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

̿ ∑ ̅

Di mana:

̅ = nilai rat-rata subgroup ke-i

g = jumlah subgroup

b. Batas kendali untuk peta X ini adalah:

BKA = ̿

BKB = ̿

Di mana:

(25)

BKB = batas kendali bawah

= nilai koefiisien

R = selisih harga Xmaks dan Xmin

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

Peta ini sering digunakan sebagai dasar pembuatan keputusan mengenai

penolakan atau penerimaan produk yang dihasilkan atau diteliti.

2. Peta kendali R (R chart)

Peta kendali rata-rata dan jarak (range) merupakan dua peta kendali yang saling

membantu dalam mengambil keputusan mengenai kualitas proses. Peta kendali

jarak (range) digunakan untuk mengetahui tingkat akurasi atau ketepatan proses

yang diukur dengan mencari range dari sampel yang diambil. Seperti halnya peta

kendali rata-rata kendali jarak tersebut juga digunakan untuk mengetahui dan

menghilangkan sebab yang membuat terjadinya penyimpangan.

Peta kendali R merupakan peta untuk menggambarkan rentang data dari

suatu sub group yaitu data terbesar dikurangi data terkecil. Langkah-langkah

penentuan garis sentral yakni sebagai berikut:

a. Menetukan rentang rata-rata

Untuk menentukan rentang rata-rata dapat digunakan dengan rumus:

̅ ∑

Di mana:

(26)

= nilai rat-rata subgroup ke-i

g = jumlah subgroup

b. Batas kendali untuk peta X ini adalah:

BKA =

BKB =

Di mana:

BKA = batas kendali atas

dan = nilai koefisien

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

Range (R)

2.5.2 Peta Kendali Untuk Data Atribut

Data yang diperlukan disini hanya diklasifikasikan sebagai data dalam kondisi

baik atau cacat. Seperti halnya dengan peta kendali variabel, maka suatu proses

akan dikatakan terkendali bila data berada dalam batas-batas kendali. Pada

umumnya untuk data atribut dipergunakan peta kendali p, np, c, u.

a. Peta kendali p

Peta kendali p digunakan untuk mengukur proporsi ketidaksesuaian atau sering

disebut cacat) dari item-item dalam kelompok yang sedang diinspeksi. Dengan

(27)

yang tidak memenuhi syarat spesifikasi kualitas. Proporsi yang tidak memenuhi

syarat didefinisikan sebagai rasio banyaknya item yang tidak memenuhi syarat

dalam suatu kelompok terhadap total banyaknya item dalam kelompok itu. Jika

item-item itu tidak memenuhi standar pada satu atau lebih karakteristik kualitas

yang diperiksa, maka item-item itu digolongkan sebagai tidak memnuhi syarat.

Spesifikasi atau cacat.

b. Peta kendali np

Pada dasarnya peta kontrol np serupa dengan peta kontrol p, kecuali dalam

peta kendali np terjadi perubahan skala pengukuran. Peta kendali np

menggunakan ukuran banyaknya item yang tidak memenuhi spesifikasi atau

banyaknya item yang tidak sesuai (cacat) dalam suatu pemeriksaan.

c. Peta Kendali c

Suatu item tidak memenuhi syarat atau cacat dalam proses pengendalian

kualitas didefinisikan sebagai tidak memenuhi spesifikasi untuk item itu.

Setiap titik spesifikasi yang tidak memenuhi spesifikasi yang ditentukan

untuk item itu, menyebabkan item itu digolongkan sebagai cacat.

Konsekuensinya setiap item yang tidak memenuhi syarat akan mengandung

paling sedikit satu spesifikasi yang tidak memenuhi syarat.

Penggolongan produk yang cacat berdasarkan kriteria di atas,

kadang-kadang untuk jenis produk tertentu dianggap kurang representatif, karena bisa

saja suatu produk masih dapat berfungsi dengan baik meskipun mengandung

satu atau lebih titik spesifik yang tidak memenuhi spesifikasi. Sebagai contoh,

dalam proses perakitan komputer, setiap unit komputer dapat saja

(28)

mempengaruhi operasional komputer, dan karena itu digolongkan sebagai

tidak cacat atau masih layak diterima.

d. Peta Kendali u

Peta kendali u mengukur banyaknya ketidaksesuaian (titik spesifikasi) per

unit laporan inspeksi dalam kelompok (periode) pengamatan., yang mungkin

memiliki ukuran contoh (banyak item yang diperiksa). Peta kendali u serupa

dengan dengan peta kendali c, kecuali bahwa banyaknya ketidaksesuaian

dinyatakan dalam basis per unit item.

2.6 Peta Kendali Revisi

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

maka dilakukan perbaikan dengan menggunakan peta kendali revisi. Adapaun

tujuan dari pemakaian peta kendali revisi ini untuk mendapatkan peta kendali di

mana data berada dalam batas pengendali.

Adapun data pendahuluan pada peta kendali revisi untuk peta X dan R

adalah sebagai berikut:

1. Meletakkan data pendahuluan pada peta kendali

Apabila terjadi nilai-nilai maupun subgroup-subgroup yang menyimpang

dari garis sentral maka perlu dihitung garis sentral baru terhadap data yang

ada. Dimana data yang diluar batas kendali dihilangkan dari peta kendali.

Untuk peta X rata-rata dan R perhitungannya dengan menggunakan

(29)

Di mana :

= Jumlah rata-rata subgroup yang ditolak

= Jumlah range subgroup yang ditolak

= Jumlah subgroup yang ditolak

2. Menghitung batas kendali atas dan batas kendali bawah

Untuk menghitung batas kendali yang baru maka dapat digunakan dengan

rumus:

Kapabilitas proses digunakan untuk melihat kapabilitas atau kemampuan proses.

Indeks kapabilitas proses hanya layak dihitung apabila proses berada dalam

pengendalian. Adapun kriteria penilaian indeks kapabilitas proses sebagai berikut:

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

2. Jika 1.00 maka kapabilitas proses baik, namun perlu

(30)

3. Jika Cp < 1.00 maka kapabilitas proses rendah, sehingga perlu

ditingkatkan kinerjanya melalui peningkatan proses.

Perumusan untuk perhitungan nilai indeks kapabilitas ini adalah sebagai

berikut:

= ̅

Cp =

Di mana :

Cp = process capability

LSL = Lower specification limit

USL = Upper specification limit

Kriteria penilaian:

a. Jika > 1.33, maka kapabilitas proses sangat baik

b. Jika 1.00 maka kapabilitas baik, namun perlu pengendalian

ketat apabila Cp mendekati 1.00

c. Jika < 1.00 maka kapabilitas proses rendah, sehingga perlu

(31)

BAB 3

GAMBARAN UMUM

3.1. Sejarah Singkat PTP Nusantara IV PKS

Unit usaha Adolina pertama kali didirikan pada tahun 1962 oleh pemerintahan

Belanda. Unit usaha ini diberi nama NV Cultuur Maatschappy Onderneming (NV

CMO). Unit usaha NV CMO ini bergerak dalam budi daya tembakau. Sejak tahun

1983 budi daya tembakau ini berubah menjadi budi daya kelapa sawit dan karet,

dan berubah nama menjadi NV Serdang Cultuur Maatschappy (NV SCM). Pada

tahun 1973 budi daya karet diganti dengan budi daya kakao. Pada tahun 1942

pemerintah Jepang mengambil alih unit usaha NV SCM dari tangan pemerintah

Belanda, dan pada tahun 1946 diambil alih lagi oleh pemerintah Belanda.

Pada tahun 1958 perusahaan unit usaha ini diambil alih oleh pemerintah

Republik Indonesia dan berganti nama menjadi Perusahaan Perkebunan Negara

(PPN). Pada tahun 1960 PPN berganti nama menjadi PPN Baru SUMUT V.

Tahun 1968 PPN Baru Sumut berganti nama menjadi PNP VI dengan

penggabungan kembali PPN Karet III Kebun Adolina Hulu dengan PPN Aneka

Tanaman II Kebun adolina Hilir. Pada tahun 1978 PNP VI berubah menjadi

bentuk persero dengan nama PT. Perkebunan VI Tahun 1994 PTP VI, PTP VII,

PTP VIII digabung menjadi satu dan dipimpin oleh Direktur Utama PTP VII.

Sejak tahun 1996 sampai dengan sekarang gabungan PTP VI, PTP VII,

PTP VIII diberi nama PTP Nusantara IV (Persero), di mana Adolina merupakana

salah satu unit usaha dari PTP Nusantara IV (Persero) dan merupakan badan

(32)

3.2. Ruang Lingkup Bidang Usaha

Pabrik kelapa sawit PTP Nusantara IV Adolina merupakan perusahaan yang

bergerak dalam bidang produksi minyak sawit yaitu minyak mentah kelapa sawit.

PTP Nusantara IV PKS Adolina ini memperoleh bahan baku kelapa sawit dari

kebun-kebun PTP Nusantara IV unit Adolina sendiri dan sebagian lagi diperoleh

dari kebun-kebun rakyat atau swasta sekitarnya. Selain memproduksi minyak

mentah kelapa sawit PTP Nusantara juga memproduksi inti sawit yang

selanjutnya tidak dipasarkan akan tetapi diproses lebih lanjut ke pabrik

pengolahan inti sawit di Pabatu.

3.3. Lokasi Perusahaan

Lokasi pabrik pengolahan kelapa sawit PTP Nusantara IV Unit Adolina berada di

Kabupaten Serdang Begadai tepatnya di pinggir jalan raya Medan-Pematang

Siantar Perbaungan dengan jarak 38 km dari kota Medan. Sesuai surat keputusan

direksi PT Perkebunan Nusantara IV (Persero) No: 04.13/Kpts/Org/93/XII/1998

tanggal 17 Desember 1998 memutuskan terhitung tanggal 01 Januari 1999

melebur Kebun Bangun Purba dan merubah statusnya menjadi Afdeling unit

kebun Adolina. Luas area hak guna kebun Adolina seluas 8.965,69 Ha. Dimana

dibagi atas dua bagian yaitu 8.636 Ha untuk lahan kelapa sawit dan 329,69 Ha

(33)

BAB 4

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

Data yang diolah pada tugas akhir ini adalah data sekunder yang diperoleh dari

PTP Nusantara IV PKS Adolina. Yaitu hasil pengujian kualitas minyak mentah

kelapa sawit dengan syarat mutu kadar asam lemak, kadar air, dan kadar kotoran

pada laboratorium dari tanggal 1 s/d 31 Maret 2014.

Adapun data nilai batas normal kadar asam lemak, kadar air, dan kadar kotoran

adalah sebagai berikut:

1. Kadar normal Asam Lemak Bebas (ALB) : 2.5% - 3,0 %

2. Kadar normal air : 0.1% - 0.15%

3. Kadar normal kotoran : 0.01% - 0.02%

Dalam hal ini perusahaan melakukan sampel untuk pemeriksaan syarat mutu

untuk mewakili produk. Pengambilan sampel dilakukan dengan rentang 1 jam

sekali selama proses produksi berlangsung

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

(34)

(35)

(36)

Tabel 4.1 Lanjutan

(37)

4.2. Peta ̅ dan R Untuk Kadar Asam Lemak Bebas

Membuat peta kendali ̅ menggunakan rata-rata ̿. Nilai rata-rata ̿ yang

merupakan garis sentral didapatkan dengan rumus:

̿ =∑ ̅

Di mana:

̅= nilai rata-rata subgroup ke-i

g = jumlah subgroup

BKA = ̿ ̅

BKB = ̿ ̅

Di mana:

= nilai koefiisien

R = selisih harga Xmaks dan Xmin

Peta kendali R merupakan peta untuk menggambarkan rentang data dari

suatu sub group, yaitu data terbesar dikurangi data terkecil. Penentuan garis

(38)

̅ ∑

BKA =

BKB =

Di mana:

̅ = jumlah rata-rata dari nilai rata-rata subgroup

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

Nilai dapat dilihat pada table faktor untuk peta ̅ dan table faktor

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

(39)

Tabel 4.2 Lanjutan

No Tanggal Sampel ̅ R

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

Penentuan garis sentral ̿ adalah sebagai berikut:

̿ =∑ ̅

̿ =

= 3.1908

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

̅ = ∑

̅ =

̅ = 0.710

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

dan Dpembentuk peta kendali untuk subgroup 7.

Batas kendali ̅ untuk kadar kotoran adalah:

BKA = ̿ + A2 ̅

(40)

= 3.4887

BKB = ̿ - A2 ̅

= 3.1908- (0.419 x 0.710)

= 2.893

Batas kendali peta R adalah:

BKA = D4 ̅

= 1.924 x 0.710

= 1.366

BKA = D3 ̅

= 0.076 x 0.710

= 0.054

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

(41)

Gambar 4.1 Peta kendali X kadar asam lemak bebas

(42)

Dari peta kendali X dan R di atas terdapat data yang out of conrol, yaitu

data untuk peta kendali dengan nomor sampel 2,11,14,19 untuk data peta kendali

R dengan nomor sampel 2 dan 6. Karena terdapat data yang out of control maka

dilakukan revisi terhadap peta kendali X dan R.

Revisi untuk peta X adalah:

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

Batas kendali untuk peta X adalah:

BKA Untuk Peta Revisi ̅new: _̅ = ̅ + A2 ̅

= 3.1959+ (0.419 x 0.6165)

(43)

BKB Untuk Peta Revisi ̅new: ̅ = ̅ - A2 ̅

= 3.1959 - (0.419 x 0.6165)

= 2.93

Batas kendali untuk peta R adalah:

BKA Untuk Peta Revisi ̅new: = D4 ̅

= 1.924 x 0.6165

= 1.1862

BKA Untuk Peta Revisi ̅new: = D3 ̅

= 0.076 x 0.6165

= 0.0468

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

(44)

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

(45)

Dari peta kendali X revisi I dan peta kendali R revisi I di atas terdapat data

yang out of conrol, yaitu data untuk peta kendali X dengan nomor sampel 5 untuk

data peta kendali R dengan nomor sampel 11 dan 13. Karena terdapat data yang

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

BKA Untuk Peta Revisi ̅new : ̅ = ̅ + A2 ̅

= 3.1759+ (0.419 x 0.52)

(46)

BKB Untuk Peta Revisi ̅new : ̅ = ̅ - A2 ̅

= 3.1759 - (0.419 x 0.52)

= 2.997

BKA Untuk Peta Revisi ̅new : = D4 ̅

= 1.924 x 0.52

= 1.0005

= 0.076 x 0.52

= 0.0395

berikut:

(47)

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

Setelah direvisi II maka pada peta kendali X dan R tidak terdapat data yang di

luar batas kendali, selanjutnya ditentukan proses kapabilitasnya.

= ̅

Cp =

Di mana:

(48)

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

e. Jika 1.00 maka kapabilitas baik, namun perlu pengendalian

f. Jika Cp < 100 maka kapabilitas proses rendah, sehingga perlu diperhatikan

(49)

CPK = ( ̿) ̿

menunjukkan bahwa kapabilitas proses sangat.rendah, sedangkan CPK < 1.00

menunjukkan kinerja proses yang rendah dimana spesifikasi berada diluar batas

4.3. Peta ̅ dan R Untuk Kadar Kotoran

Data kadar kotoran yang telah dikelompokan dalam 7 sub group kemudian dicari

nilai X rata-rata dan range. Berikut perhitungan X rata-rata dan range yang dapat

(50)

Tabel 4.3 Lanjutan

̿ =∑ ̅

̿ =

= 0.01983

̅ = ∑

̅ =

̅ = 0.00458

(51)

= 0.01983 + (0.419 x 0.00458)

= 0.02175

BKB = ̿ - A2 ̅

= 0.01983 - (0.419 x 0.00458)

= 0.01791

BKA = D4 ̅

= 1.924 x 0.00458

= 0.0088

BKA = D3 ̅

= 0.076 x 0.00458

= 0.00035

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

(52)

Gambar 4.7 Peta kendali X untuk kadar kotoran

(53)

Dari peta kendali X di atas terdapat data yang out of control, data dengan

nomor sampel 3,7,14,17. Untuk peta R data yang out of control adalah data

dengan nomor sampel 4,8,19. Karena terdapat data yang out of control maka perlu

dilakukan revisi.

̅ = ̅new =

BKA Untuk Peta Revisi ̅new : ̅ = ̅ + A2 ̅

= 0.02020+ (0.419 x 0.00375)

(54)

BKB Untuk Peta Revisi ̅new : ̅ = ̅ - A2 ̅

= 0.02020 - (0.419 x 0.00375)

= 0.0181

= 1.924 x 0.00375

= 0.00722

= 0.076 x 0.00375

= 0.00028

berikut.

(55)

Gambar 4.10 Peta kendali R revisi untuk data kadar kotoran

Berdasarkan hasil revisi dapat dilihat bahwa data sudah berada dalam batas

pengendalian, selanjutnya ditentukan proses kapabilitasnya.

= ̅

Cp =

Di mana:

Kriteria penilaian:

(56)

c. Jika Cp < 100 maka kapabilitas proses rendah, sehingga perlu diperhatikan

(57)

=

= - 0.048

Berdasarkan ukuran indeks kerja, dapat diketahui bahwa 1.00 Cp= 1.199

1.33 menunjukkan bahwa kapabilitas proses baik, sedangkan CPK < 1.00

menunjukkan kinerja proses yang rendah di mana berada di luar batas spesifikasi.

4.4. Peta ̅ dan R Untuk Kadar Air

Data kadar air yang telah dikelompokan dalam 7 sub group kemudian dicari nilai

X rata-rata dan range. Berikut perhitungan X rata-rata dan range yang dapat

dilihat pada table 4.4.

Tabel 4.4 Perhitungan ̅ dan R pada pengujian kadar kotoran

(58)

rata-Tabel 4.4 Lanjutan

̿ =∑ ̅

̿ =

= 0.15359

̅ = ∑

̅ =

̅ = 0.01616

BKA = ̿ + A2 ̅

(59)

= 0.16036

BKB = ̿ - A2 ̅

= 0.15359 - (0.419 x 0.01616)

= 0.14681

BKA = D4 ̅

= 1.924 x 0.01616

= 0.03109

BKA = D3 ̅

= 0.076 x 0.01616

(60)

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

berikut

Gambar 4.11 Peta kendali X untuk data kadar air

(61)

Dari peta kendali X di atas terdapat data yang out of conrol, yaitu data

untuk peta kendali dengan nomor sampel 4,5,7,9,11,12,13,14,15,17,18 maka

dilakukan revisi untuk mendapatkan data yang berada dalam batas kendali,

sedangkan pada peta kendali R data sudah berada dalam batas kendali.

BKA Untuk Peta Revisi ̅new : _̅ = ̅ + A2 ̅

(62)

Gambar Peta 4.13 Kontrol X revisi untuk kadar air

setelah dilakukan revisi maka semua data pada peta X terdapat dalam batas

kendali, selanjutnya ditentukan proses kapabilitasnya.

= ̅

Cp =

Di mana:

(63)

Kriteria penilaian:

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

c. Jika Cp < 100 maka kapabilitas proses rendah, sehingga perlu diperhatikan

(64)

CPK = ( ̿) ̿

=

= - 0.329

Berdasarkan ukuran indeks kerja, dapat diketahui bahwa Cp= 1.412 1.33

menunjukkan bahwa kapabilitas proses sangat baik, sedangkan CPK= -0.329 <

1.00 menunjukkan kinerja proses yang rendah dimana berada diluar batas

(65)

BAB 5

IMPLEMENTASI SISTEM

5.1 Pengertian Implementasi Sistem

Implementasi sistem adalah prosedur yang dilakukan untuk menyelesaikan

desain sistem yang ada dalam desain sistem yang disetujui, menginstal dan

memulai sistem atau sistem yang diperbaiki.

Tahapan implementasi sistem merupakan tahapan penerapan hasil desain

yang tertulis ke dalam programming. Pengolahan data pada tugas akhir ini

menggunakan software yaitu SPSS 17.0 for Windows dalam memperoleh hasil

perhitungan.

5.2 Sekilas Tentang Program SPSS Versi 18

Statistical Product and Service Solutions atau sering disebut dengan istilah SPSS,

merupakan suatu program aplikasi komputer yang secara khusus digunakan untuk

mengolah dan menganalisis data statistik. Dengan menggunakan SPSS, analisis

data akan menjadi lebih cepat, efisien dengan hasil perhitungan yang akurat dan

cukup mudah untuk mengoperasikannya.

SPSS pertama sekali diperkenalkan oleh tiga mahasiswa Standford

University pada tahun 1968. Tahun 1948 SPSS sebagai software muncul dengan

nama SPSS/PC+ dengan sistem DOS. Lalu sejak tahun 1992 SPSS mengeluarkan

(66)

beberapa versi yang berkembang dalam penggunaannya dalam mengolah data

statistik.

SPSS sebelumnya dirancang untuk pengolahan data statistik pada ilmu-ilmu

sosial, sehingga SPSS merupakan singkatan dari Statistical Program for Social

Science. Namun, dalam perkembangan selanjutnya penggunaan SPSS diperluas

untuk berbagai jenis penggunaan, misalnya untuk proses produksi di perusahaan,

riset ilmu-ilmu sains dan sebagainya. Sehingga kini SPSS menjadi singkatan dari

Statistical Product and Service Solutions.

5.3 Peta Kendali dengan Program SPSS

Pembuatan peta kendali X dan peta kendali R pada program SPSS dapat

dilakukan dengan tahap sebagai berikut:

1. Memasukkan data

(67)

2. Menghitung harga rata-rata total

a. Pilih menu transform

Gambar 5.2 Tampilan jendela editor compute variabel

b. Pilih compute

(68)

c. Pada kotak numeric expression ketik apa yang hendak dihitung. Karena ingin

dicari nilai mean ketik Mean(X1,X2,X3,X4,X5,X6,X7)

Gambar 5.4 Tampilan pengisian numeric expression variabel Xbar

d. Klik OK, sehingga akan muncul tampilan berikut:

(69)

3. Menghitung harga rata-rata range

a. Pilih menu transform, hasilnya sebagai berikut:

Gambar 5.6 Tampilan jendela editor compute variabel

b. Pilih compute. Pada target variabel ketik range. Ketik pada kotak numeric

expression range= Max(X1,X2,X3,X4,X5,X6,X7) –

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

(70)

c. Klik OK, hasilnya akan muncul tampilan berikut:

Gambar 5.8 Tampilan output compute variabel range

4. Membuat peta kendali X

a. Pilih menu analyze → quality control → control chart → X-bar, R, S. Pada data

organization klik cases are subgroups, kemudian klik define.

(71)

b. Pada kotak samples, masukkan semua variabel X1,X2, . . . ,X7. Pada kotak

subgroup labeled by, masukkan variabel Xbar.

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

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

OK,

(72)

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

berikut:

Gambar 5.12 Tampilan peta kendali X

5. Membuat peta kendali R

a. Pilih menu analyze → quality control → control chart → X-bar, R, S. Pada data

(73)

Gambar 5.13 Tampilan control chart

b. Pada kotak samples, masukkan semua variabel X1,X2, . . . ,X7. Pada kotak

subgroup labeled by, masukkan variabel Range.

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

(74)

Gambar 5.15 Tampilan titlescontrol chart

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

berikut:

(75)

BAB 6

KESIMPULAN DAN SARAN

6.1. Kesimpulan

Berdasarkan pembahasan dan perhitungan yang telah dilakukan pada bab

sebelumnya, maka diperoleh beberapa kesimpulan antara lain:

a. Hasil pengolahan data dengan menggunakan metode Statistical Quality

Control peta X dan R diketahui tingkat pencapaian standar yang

diharapkan oleh perusahaan belum tercapai. Di mana hasil pemeriksaan

sampel faktor mutu masih terdapat jumlah produk yang di luar batas

persyaratan mutu atau penyimpangan kualitas.

b. Untuk faktor mutu kadar asam lemak peta kendali X dengan BKA =

3.39378, ̿ = 3.1759, dan BKB = 2.997 terdapat 5 Data yang berada di

luar batas kendali dan peta kendali R dengan BKA = 1.0005, ̿ = 0.52 ,

BKB = 0.0395 terdapat 4 data yang berada di luar batas kendali.

c. Untuk faktor mutu kadar kotoran peta kendali X dengan BKA = 0.022, ̿

= 0.02020, dan BKB = 0.0181 terdapat 4 data yang berada di luar batas

kendali dan peta kendali R dengan BKA = 0.00722, ̿ = 0.00357 , BKB =

0.00028 terdapat 3 data yang berada di luar batas kendali.

d. Untuk faktor mutu kadar air peta kendali X dengan BKA = 0.16261, ̿ =

0.15584, dan BKB = 0.14907 terdapat 11 data yang berada di luar batas

kendali dan peta kendali R dengan BKA = 0.03109, ̿ = 0.01616 , BKB =

(76)

e. Nilai indeks proses kapabilitas dari kadar asam lemak bebas (Cp) = 0.434

dan nilai indeks kinerja proses Cpk = -3.04. dapat dilihat bahwa Cp,Cpk <

1 maka kapabilitas proses dan kinerja proses sangat rendah.

f. Nilai indeks proses kapabilitas dari kadar kotoran (Cp) = 1.199 dan nilai

indeks kinerja proses Cpk = -0.048. dapat dilihat bahwa 1.00 Cp 1.33

maka kapabilitas proses baik dan nilai Cpk < 1 maka kinerja proses sangat

rendah.

g. Nilai indeks proses kapabilitas dari kadar air (Cp) = 1.412 dan nilai indeks

kinerja proses Cpk = -0.329. dapat dilihat bahwa Cp > 1.33 maka

kapabilitas proses sangat baik dan nilai Cpk < 1 maka kinerja proses

sangat rendah.

6.2. Saran

Berdasarkan hasil pembahasan dan perhitungan, penulis memberi saran kepada

pihak perusahaan yaitu sebagai berikut:

a. Lebih meningkatkan pengendalian dan kontrol terhadap proses yang

berlangsung mulai dari penanganan pasca panen sampai pada lantai

produksi

b. Lebih meningkatkan kontrol terhadap pekerja untuk lebih memenuhi

(77)

DAFTAR PUSTAKA

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

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

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

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

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