Penelitian statistik bengkel sepeda moto

(1)

BAB I PENDAHULUAN

Pada bab ini akan dijelaskan mengenai latar belakang penelitian, identifikasi masalah, tujuan dan manfaat penelitian, serta batasan dan asumsi masalah.

1.1 Latar Belakang

Statistik mempunyai peran untuk mengubah informasi yang berupa data-data menjadi sebuah pengetahuan. Secara umum, statistik merupakan disiplin ilmu yang mempelajari metode dan prosedur pengumpulan, penyajian, analisa, dan penyimpulan suatu data mentah, agar menghasilkan informasi yang lebih jelas untuk keperluan suatu pendekatan ilmiah.Saat ini statistik berkembang, merambah ke banyak bidang. Ekonomi, sosial, kesehatan industri pengolahan, pertanian, eksperimen-eksperimen biologi, fisika dan masih banyak lagi bidang-bidang yang lain. Definisi statistik pun berubah dari ilmu tentang kependudukan menjadi ilmu tentang bagaimana merencanakan, mengumpulkan, mengolah, menganalisa, menginterpretasi dan mempresentasikan data.

Ilmu statistika berperan penting dalam penyelesaian suatu masalah terutama dalam bidang industri dan manufaktur. Melalui pengumpulan dan analisis data, akan didapatkan faktor yang menjadi permasalahan dalam perusahaan sehingga perusahaan dapat menangani masalah tersebut secara tepat dan akurat. Salah satu penggunaan ilmu statistika adalah pada industri otomotif. Pada pengamatan ini, kami mengambil objek amatan sebuah bengkel sepeda motor di suatu lingkungan padat penduduk yang memiliki fungsi utama untuk perbaikan sepeda motor. Bengkel yang kami jadikan objek amatan adalah Bengkel Sepeda Motor AHASS Dealer Putra Merdeka di Jalan Keputih Timur 100B.

Dalam fungsi utama ini tentunya sebuah bengkel membutuhkan komponen sepeda motor yang tidak sedikit jumlahnya. Dengan banyaknya jenis dan tipe sepeda motor yang beragam, maka penting bagi sebuah bengkel untuk memperhatikan jumlah stock komponen sepeda motor sesuai dengan jenis dan tipenya. Agar tidak terjadi penyimpanan stock yang berlebihan, maka permasalahan yang kami amati adalah jenis sepeda motor dengan beragam tipenya dan komponen sepeda motor yang sering mengalami kerusakan sehingga bengkel dapat menyediakan jumlah stock komponen sepeda motor yang sesuai dengan jenisnya.

1.2 Identifikasi Masalah

Banyaknya tipe sepeda motor serta beragamnya jenis kerusakan yang terjadi adalah suatu masalah yang harus dihadapi oleh bengkel sepeda motor. Agar suatu bengkel dapat menyimpan stock komponen sepeda motor yang sesuai dengan tipe sepeda motornya, maka harus ditentukan terlebih dulu jenis dan tipe sepeda motor apa yang paling sering mengalami kerusakan. Bagaimana cara menentukan jenis dan tipe sepeda motor yang paling sering mengalami kerusakan?

(2)

1.3 Tujuan dan Manfaat 1.3.1 Tujuan

1.3.1.1 Mengetahui jenis dan tipe sepeda motor yang paling sering mengalami kerusakan 1.3.1.2 Mengetahui komponen sepeda motor apa yang paling sering mengalami kerusakan

1.3.2 Manfaat

1.3.1.1 Manfaat bagi Peneliti

Mengetahui kaedah pengumpulan, pengolahan, dan penyajian data yang benar serta melihat keadaan real lapangan dalam rangka mengaplikasikan disiplin ilmu Statistik Industri yang dipelajari.

1.3.1.2 Manfaat bagi Objek Amantan

Dari tujuan yang dipaparkan diatas, manfaat yang dirasakan bengkel sebagai objek amatan yaitu dapat menyediakan stock komponen sepeda motor jenis apa yang dibutuhkan lebih banyak.

1.4 Batasan dan Asumsi 1.4.1 Batasan

Batasan dalam pengamatan kami terhadap objek adalah:

1. Waktu pengamatan yaitu pada hari Kamis,7 Mei 2015; Jumat,8 Mei 2015; Sabtu,9 Mei 2015 dan Senin,11 Mei 2015.

2. Jenis motor yang diamati ada tiga yaitu, motor jenis CUB, matic dan sport.

3. Bengkel yang kami jadikan objek amatan adalah Bengkel Sepeda Motor AHASS Dealer Putra Merdeka di Jalan Keputih Timur 100B.

1.4.2 Asumsi

Diasumsikan bahwa waktu pengamatan selama empat hari dapat merepresentasikan data yang didapatkan.

(3)

METODE PENGUMPULAN DATA

Pada bab ini akan dibahas mengenai metode yang digunakan dalam pengumpulan data pada objek amatan. Data yang digunakan dalam laporan ini adalah data primer dari objek amatan yaitu Bengkel Ahas Honda Keputih

2.1 Proses Pengumpulan Data

Pada proses pengumpulan data, ada beberapa metode yang digunakan yaitu observasi dan wawancara. Berikut Flowchart mengenai proses pengumpulan data dalam makalah ini.

(Gambar 1. Flowchart Pengumpulan Data )

Flowchart diatas menunjukkan langkah-langkah pengumpulan data yang dimulai dari menentukan objek amantan. Objek amatan disini yaitu Bengkel Ahas Honda Keputih, Sukolilo, Surabaya. Kemudian setelah objek dapat dipastikan, hal terpenting yang harus dilakukan yaitu survey lapangan. Langkah ini betujuan untuk memastikan kesediaan perusahaan yang dituju dan melihat kondisi awal sebagai gambaran umum serta juga dalam

Survey Objek Amatan Menentukan

Objek amatan

Wawancara Narasumber

Observasi Lapangan

Data Primer

(Mentah) Arsip

Perusahaan

Penyajian Data Statistika

Deskriptif Selesai

Mulai

Identifikasi Masalah

(4)

rangka menyepakati waktu wawancara dan observasi yang dilengkapi dengan surat pengantar dari laboratorium Komputasi Optimasi Industri (KOI) Teknik Industri ITS.

Dalam mendapatkan data primer dari objek amatan dilakukan beberapa metode yaitu seperti ditunjukkan gambar diatas. Pertama dilakukan pengamatan lansung ke lapangan sekaligus menyepakati waktu untuk wawancara. Kemudian setelah terdapat kesepakatan dengan narasumber dilakukan wawancara yang bertujuan mendapatkan data dari kegiatan industri yang dituju. Dari dua metode tersebut didapatkan data primer yang kemudian bisa diolah dan disajikan dalam bentuk Stastik Deskriptif, namun jika dibutuhkan juga bisa menjadi arsip perusahaan. Tujuan akhir dari kegiatan tersebut yaitu sebagai pertimbangan bagi pemilik perusahaan dalam mengambil keputusan.

2.2 Teknik Sampling

Sesuai proses pengumpulan data yang dilakukan, metode yang digunakan khususnya observasi memerlukan teknik sampling dalam pengumpulan data. Observasi dilakukan lansung ke lapangan dalam rentang waktu satu minggu. Dari populasi kendaraan yang datang ke bengkel dalam rentang waktu tersebut diambil sampel data berupa banyak motor yang datang dalam waktu yang telah ditentukan. Dalam penentuan waktu pengambilan data primer juga mempertimbangkan jam kerja seperti jam berangkat kerja, istirahat siang, dan jam pulang kerja

Secara spesifik dapat dinyatakan bahwa teknik sampling yang digunakan yaitu Quota Sampling. Teknik sampling ini termasuk jenis pengambilan sampel tanpa acak, yang berarti setiap populasi tidak mendapat peluang yang sama. Teknik quota sampling yaitu pengambilan sampling berdasarkan jatah dan pada penlitian ini jatah tersebut mengacu pada pemilihan waktu pengamatan. Tujuan pengambilan jatah tersebut yaitu untuk menjamin keterwakilan dari populasi objek amatan. Pengambilan sampling dengan teknik quota sampling secara saintis kurang objektif, akan tetapi pemilihan teknik tersebut juga mempertimbangkan keterbatasan sumber daya dari peneliti.

2.3 Data Screening

Penggunaan perangkat lunak minitab, ikuti langkah dibawah ini:  Copy dan paste data ke perangkat lunak minitab

 Klik Start pada Menu Bar  Select Control Charts  Variable Charts for Individuals 

Individuals

 Pilih variabel terpilih untuk Tes Keseragaman Data, dengan mengklik data yang sudah ditulis,kemudian Klik select, dan kemudian OK.

(5)

2.4 Uji Kecukupan

 Tes kecukupan data dihitung menggunakan rumus :

N'

=

[

z

..

s

x

.

k

]

2

Keterangan :

N’ = Jumlah pengamatan harus dilakukan

z = Tingkat Kepercayaan (confidence level of 95%, z = 1.96) s = Standard deviasi data

x

₌_{Rata-rata data setalah uji keseragaman}

k = Tingkat Kesalahan (5%)

 Data Pengamatan dianggap cukup representatif dan layak untuk dianalisis jika N > N ' . Pengumpulan data harus dilakukan sampai kriteria tercapai .

(6)

BAB III

PROSES DATA

Dalam mengamati suatu objek amatan, hal yang terpenting adalah mencatat semua data sesuai dengan objek yang ditentukan dan data yang diambil harus akurat, valid, dan tepat. Mulai dari waktu dan tempat pengambilan data.

3.1 Waktu dan Lokasi Objek Amatan

Waktu : Kamis, 7 Mei 2015; Jumat,8 Mei 2015; Sabtu, 9 Mei 2015; dan Senin, 11 Mei 2015

Tempat: Bengkel Sepeda Motor AHASS Dealer Putra Merdeka di Jalan Keputih Timur 100B.

3.2 Tabel Pengamatan

 Tabel dibawah ini merupakan jumlah motor per hari berdasarkan jenisnya

 Tabel dibawah ini merupakan jumlah komponen motor yang rusak dan perawatan yang diberikan dalam 4 hari pengamatan

N

11 Mei 2015

42 42 1 2 5 7 1 3 2

5 Jumlah 197 196 18 10 23 31 17 12 12

3.3 Uji Kecukupan

Berikut ini akan diberikan contoh perhitungan dari penggunaan rumus uji kecukupan diatas, misal di dapatkan data :

Z= 1.96 s= 8.08 x= 20.33 k= 0.05 N=61

Sehingga :

N'

=

[

1.96..8.08

20.33.0.05 ]

2

Waktu Pengamatan Jenis Sepeda Motor

Jumlah

Matic CUB Sport

1 Kamis, 7 Mei 2015 25 25 11 61

2 Jumat, 8 Mei 2015 33 43 7 83

3 Minggu, 10 Mei 2015 33 42 7 82

(7)

N’ = 242.82 , N’>N sehingga kesimpulannya data tidak cukup

Terdapat beberapa faktor yang mempengaruhi hasil dari perhitungan uji kecukupan data pada suatu data statistik, seperti terlalu banyaknya variasi data yang ada, sehingga mempengaruhi persebaran data yang sangat berflukstuasi dan akan sangat berpengaruh pada hasil perhitungan rata-rata data dan standar deviasi data, karena standar deviasi dan rata-rata masuk pada rumus hitungan secara langsung sehingga secara tidak langsung variansi data sangat mempengaruhi hasil dari uji kecukupan data.

3.4 Grafik Minitab

 Grafik jumlah kendaraan yang masuk kebengkel pada hari kamis, jumat, sabtu dan senin

4

I Chart of jumlah

Berdasarkan tabel tersebut didapatkan x sebesar 64,3 UCL sebesar 113,9 dan LCL sebesar 14,6. Berdasarkan tabel tersebut tidak ada data out layer.

 Grafik jumlah kendaraan jenis Cub yang masuk pada hari kamis, jumat, sabtu dan senin

4

(8)

 Grafik jumlah kendaraan jenis Sport yang masuk pada hari kamis, jumat, sabtu dan senin

I Chart of sport

Berdasarkan tabel tersebut didapatkan x sebesar 6,5 UCL sebesar 17,14 dan LCL sebesar -4,14. Berdasarkan tabel tersebut tidak ada data out layer.

 Grafik jumlah kendaraan jenis Metik yang masuk pada hari kamis, jumat, sabtu dan senin

4

I Chart of metik

 Grafik jumlah ganti oli yang dilakukan pada hari kamis, jumat, sabtu dan senin

(9)

Berdasarkan tabel tersebut didapatkan x sebesar 49 UCL sebesar 101,3 dan LCL sebesar 3,3. Berdasarkan tabel tersebut tidak ada data out layer.

 Grafik jumlah tune up yang dilakukan pada hari kamis, jumat, sabtu dan senin

4

Berdasarkan tabel tersebut didapatkan x sebesar 49,25 UCL sebesar 70,53 dan LCL sebesar 27,29 . Berdasarkan tabel tersebut tidak ada data out layer.

 Grafik jumlah penggantian lampu yang dilakukan pada hari kamis, jumat, sabtu dan senin

4 I Chart of lampu

 Grafik jumlah penggantian gear yang dilakukan pada hari kamis, jumat, sabtu dan senin

4

(10)

Berdasarkan tabel tersebut didapatkan x sebesar 3 UCL sebesar 6,546 dan LCL sebesar 0,546. Berdasarkan tabel tersebut tidak ada data out layer.

 Grafik jumlah perawatan karburator yang dikerjakan pada hari kamis, jumat, sabtu dan senin

4

I Chart of karburator

 Grafik jumlah pergantian busi yang dikerjakan pada hari kamis, jumat, sabtu dan senin

4

I Chart of busi

(11)

4

I Chart of speedometer

Berdasarkan tabel tersebut didapatkan x sebesar 3 dan dari data tersebut tidak memiliki UCL dan LCL karena data yang sama tiap harinya.

 Grafik jumlah perawatan pada filter udara yang dilakukan pada hari kamis, jumat, sabtu dan senin

4

I Chart of filter udara

3.5 Grafik Data (Bar Chart)

(12)

kamis sabtu jumat senin

Grafik Jumlah Motor per Jenis

cub

Senin, 11 Mei 2015 Sabtu, 9 Mei 2015 Jumat, 8 Mei 2015 Kamis, 7 Mei 2015

3.6 Statistik Deskriptif 3.1

(13)

Error 120 828 5

3.10 M

edian 3.1171,5

3.12 M

urtosis 3.19

-5,85 323 907 8

3.20 Sk

ewness 3.21

-0,01 528 266 3

3.22 R

ange 3.23 24

3.24 M

inimum 3.25 59

3.26 M

aximum 3.27 83

3.28 S

ean 3.4027,75

3.41 St

edian 3.44 29

3.45 M

urtosis 3.52

-3,17 833 425 3

3.53 Sk

ewness 3.54

-0,50 147 460 3

3.55 R

ange 3.56 13

3.57 M

inimum 3.58 20

3.59 M

aximum 3.60 33

3.61 S

ean 3.7136,5

3.72 St

edian 3.75 39

3.76 M

ode 3.77#N/A

(14)

andard

urtosis 3.830,91302 796

3.84 Sk

ewness 3.85

-1,27 462 838 9

3.86 R

ange 3.87 18

3.88 M

inimum 3.89 25

3.90 M

aximum 3.91 43

3.92 S

edian 3.106 7

3.107 M

urtosis 3.1141,5

3.115 S

kewness 3.116 0

3.117 R

ange 3.118 8

3.119 M

inimum 3.120 3

3.121 M

aximum 3.12211

3.123 S

um 3.12428

3.125 C

ount 3.126 4

3.127

une up 3.139

3.140 3.141

3.142 M

ean 3.14386,5

3.144 S

edian 3.14753,5

3.148 M

ode 3.149#N/A

3.150 S

urtosis 3.1553,86429 431 4

3.156 S

(15)

s 653 9

3.158 R

ange 3.159155

3.160 M

inimum 3.16142

3.162 M

aximum 3.163197

3.164 S

um 3.165346

3.166 C

ount 3.167 4

3.168

3.169 O

li 3.170

3.171 3.172

3.173 M

ean 3.17488,75

3.175 S

edian 3.17858,5

3.179 M

ode 3.180#N/A

3.181 S

urtosis 3.1863,45485 433

ange 3.190154

3.191 M

inimum 3.19242

3.193 M

aximum 3.194196

3.195 S

um 3.196355

3.197 C

ount 3.198 4

3.199

edian 3.2214,5

3.222 M

(16)

3.230 S

kewness 3.2311,68 7 8 7 8

3.232 R

ange 3.23317

3.234 M

inimum 3.2351

3.236 M

aximum 3.23718

3.238 S

um 3.23928

3.240 C

ount 3.2414

3.242

3.243 L

ampu 3.244

3.245 3.246

3.247 M

ean 3.2484,5

3.249 S

edian 3.2523,5

3.253 M

urtosis 3.2600,29 7 3 7

6

3.261 S

kewness 3.2621,09 0 7 3 8

3.263 R

ange 3.2649

3.265 M

inimum 3.2661

3.267 M

aximum 3.26810

3.269 S

um 3.27018

3.271 C

ount 3.2724

3.273

ean 3.29110

3.292 S

edian 3.2956

(17)

7

urtosis 3.3033,94 3 4 1 8

3.304 S

kewness 3.3051,98 2 0 9 4

3.306 R

ange 3.30718

3.308 M

inimum 3.3095

3.310 M

aximum 3.31123

3.312 S

um 3.31340

3.314 C

ount 3.3154

3.316

3.317 B

usi 3.318

3.319 3.320

3.321 M

ean 3.32213,7

5

edian 3.3268,5

3.327 M

ode 3.328#N/

A

3.329 S

tandard 3.33011,5

Deviatio

urtosis 3.3343,90 0 1 2 7

3.335 S

kewness 3.3361,96 9 9 6 3

3.337 R

ange 3.33824

3.339 M

inimum 3.3407

3.341 M

aximum 3.34231

3.343 S

um 3.34455

3.345 C

ount 3.3464

(18)

3.364 M

ean 3.3657,25

3.366 S

edian 3.3695,5

3.370 M

urtosis 3.3772,53 8 1 5 4

3.378 S

kewness 3.3791,38 8 6 3 3

3.380 R

ange 3.38116

3.382 M

inimum 3.3831

3.384 M

aximum 3.38517

3.386 S

um 3.38729

3.388 C

ount 3.3894

3.390

ean 3.3965,2

5

edian 3.4003

3.401 M

urtosis 3.4084

3.409 S

kewness 3.4102

3.411 R

ange 3.4129

3.413 M

inimum 3.4143

3.415 M

aximum 3.41612

3.417 S

um 3.41821

3.419 C

ount 3.4204

3.421

ean 3.4345,5

(19)

tandard

edian 3.4384

3.439 M

urtosis 3.4463,26 4 5 7 9

3.447 S

kewness 3.4481,71 9 8 6 8

3.449 R

ange 3.45010

3.451 M

inimum 3.4522

3.453 M

aximum 3.45412

3.455 S

um 3.45622

3.457 C

ount 3.4584

(20)

3.486 3.487

3.488 BAB IV

3.489 ANALISIS DAN INTERPRETASI DATA 3.490 4.1 Analisis Data

3.491 Data yang telah disajikan pada bab sebelumnya mengenai proses data pada Bengkel Sepeda Motor Ahass, dapat dianalisa bahwa data yang didapatkan pada objek amatan tersebut hampir mendekati keseragaman. Keseragaman tersebut dapat dilihat pada grafik hasil analisa data menggunakan aplikasi minitab. Dari grafik tersebut memperlihatkan bahwa data yang didapatkan berkisar sekitar nilai rata-rata dan tidak melewati garis UCL atau LCL sebagai batas outlayers. Selain itu data pengamatan yang didapatkan dari beberapa metode pengumpulan data secara teori belum mencukupi untuk merepresentasikan data secara keseluruhan. Kekurangan jumlah pengamatan tersebut karena hasil yang didapatkan dari uji keseragaman sangat besar. Oleh karena itu jumlah pengamatan tidak mungkin dipenuhi karena berbagai faktor, seperti keterbatasan waktu, sumberdaya, dan tools.

3.492 Uji keseragaman yang telah disinggung pada sub bab 2.3 bertujuan untuk melihat apakah data yang diambil terdapat nilai outlayer. Uji keseragaman penting untuk dilakukan karena akan mempermudah proses pengumpulan dan pengolahan data. Pada grafik yang dihasilkan oleh aplikasi minitab terdapat tiga garis batas, yaitu rata-rata disimbolkan dengan (X), Upper Control Limit (UCL), dan Lower Control Limit (LCL). Ketiga garis ini merupakan paremeter dalam Statistical Process Control (SPC). Output dari pengujian ini yaitu menentukan apakah proses stabil dari waktu ke waktu. Contohnya pada tabel jumlah kendaraan, data tersebut memiliki X=64.3, UCL=113.9 , dan LCL= 14.6, sedangkan data yang diperoleh hanya berkisar pada titik 55 - 80. Artinya data tersebut berada sekitar rata-rata nilai dan grafiknya tidak menyinggung garis UCL ataupun LCL. Dengan data yang telah dikumpulkan berkisar antara UCL dan LCL, maka data tersebut tidak outlayer sehingga tidak terjadi kesalahan dalam pengolahan data untuk mencapai tujuan penelitian dan data yang didapatkan relatif konstan dari waktu ke waktu.

3.493 Pengujian kecukupan data merupakan salah satu hal penting yang harus dilakakukan sebelum proses pengumpulan data. Uji kecukupan data dilakukuan untuk mengukur jumlah pengamatan yang harus dilakukan sehingga data pengamatan dianggap representatif dan layak dianalisis. Kaedah uji kecukupan data mengacu pada teori GIGO (Gerbage-in Gerbage-Out), dimana data input menentukan kualitas output sebuah penelitian. Oleh karena itu sebelum melakukan pengumpulan data diharuskan untuk menguji kecukupan dari data yang diambil. 3.494 Setelah data teruji kecukupan dan keseragamannya kemudian ditampilkan statistika deskriptif. Tabel statistik deskriptif pada proses data memperlihatkan penjelasan mengenai deskripsi data yang diambil. Pada tabel tersebut terdapat data-data seperti rata-rata, standard error, median, standar deviasi, modus, varians, dan lainya. Semua data tersebut bermanfaat bagi pengelola karena akan membantu dalam perumusan kebijakan

3.495

3.496 4.2 Interpretasi Data

(21)

komponen yang rusak merupakan permasalahan perusahaan yang akan terbantu dengan adanya data dan penyajian data.

3.498 Dengan adanya data jumlah kendaraan yang masuk berdasarkan jenisnya, pihak manajemen bisa mengantisipasi jumlah teknisi yang ada untuk memenuhi kebutuhan konsumen. Dari data yang dipaparkan pada grafik jumlah motor perjenis terlihat bahwa jumlah kendaraan jenis Matic tiap harinya selalu terbesar dibanding jenis motor cub dan sport. Data statistik jumlah motor jenis matic mempunyai median 39 dan rata-rata 36.5 dengan standar deviasi sebesar 8.26. Berbeda dengan jenis motor cub dan sport yang intensitasnya lebih kecil dibanding matic. Namun jenis motor cub dan sport memiliki data terpusat karena jika dilihat motor cub memiliki median dan rata-rata yang hampir sama yaitu 29 dan 27.75 dengan standar deviasi 6.39, begitu juga motor sport yang memiliki rata-rata, modus, dan median yang sama yaitu 7 dengan standar deviasi 3.2. Dengan demikian jelas bahwa intensitas motor jenis matic lebih tinggi namun untuk jumlah motor jenis cub dan sport memiliki tingkat keseragaman yang tinggi sehingga bisa menjadi patokan dalam penetapan kerja teknisi dan karyawan.

3.499 Selain itu manajer bengkel juga bisa menyusun waktu kerja dari karyawan melihat kuantitas motor yang masuk tiap hari. Pada grafik jumlah motor perjenis memperlihatkan bahwa kecondongan cutumer yaitu intensitas kendaraan yang masuk lebih sering di hari-hari weekend, dapat dilihat pada Jumat dan Sabtu jumlah kendaraan yang masuk cukup banyak yaitu sekitar 82 dan 83 kendaraan dibandingkan hari kamis yang hanya 63 kendaraan dan hari senin yang hanya sekitar 59 kendaraan. Oleh karena itu manajer perlu memaksimalkan teknisi dan karyawan untuk bekerja keras dan memiliki waktu kerja lebih panjang di hari weekend seperti Jumat dan Sabtu.

3.500 Permasalahan terakhir yang dapat dibantu dengan data yang diperoleh yaitu jenis komponen yang sering rusak pada setiap kendaraan yang masuk. Dengan demikian pihak manajemen bisa menyediakan stok barang atau komponen yang setiap minggu berpotensi habis sehingga kebutuhan konsumen terpenuhi dan meminimalisir kendala stok barang di Bengkel Sepeda Motor Ahass Keputih.

(22)

3.514 3.515

3.516 BAB V

3.517 KESIMPULAN DAN SARAN

3.518 Berdasarkan hasil pengamatan dapat diambil kesimpulan yang dapat membantu untuk pengambilan langkah sebagai saran. Kesimpulan yang diambil berdasarkan hasil analisa yang dibahas dalam bab IV.

3.519 5.1 Kesimpulan

3.520 Data yang didapatkan dari Bengkel Sepeda Motor Ahass menunjukkan tingkat keseragaman yang tinggi sehingga dari waktu ke waktu relatif konstan. Meskipun demikian, jumlah data masih belum mencukupi untuk merepresentasikan data secara keseluruhan. Ketidakcukupan jumlah data disebabkan oleh keterbatasan dari peneliti baik dari segi waktu ataupun resources. Analisis dan interpretasi data menunjukkan bahwa jenis sepeda motor yang paling sering mengalami kerusakan adalah sepeda motor jenis matic dibandingkan cub dan sport. Sedangkan Komponen sepeda motor yang paling sering mengalami kerusakan adalah busi.

3.521 5.2 Saran 3.522