Oleh : Dwi Listya Nurina 1307030003
ANALISIS PENGENDALIAN KUALITAS
PADA PRODUKSI PESTISIDA ( PRODUK
MIPCINTA 50 WP ) DI PT PETROKIMIA
KAYAKU
Dosen Pembimbing Wibawati,S.Si,M,Si
PT. Petrokimia Kayaku salah satu anak perusahaan dari PT. Petrokimia Gresik yang berperan dalam pembangunan disektor pertanian yaitu memproduksi pestisida yang diperlukan untuk meningkatkan hasil pertanian.
Produk yang dihasilkan adalah pestisida dan bahan kimia pertanian lainnya yang meliputi produk insektisida, fungisida, herbisida, rodentisida, akarisida, fumigant, zat pengatur tumbuh, surfaktan, termitisida, atraktan, dan pupuk pelengkap cair.
Pada penelitian ini produk yang digunakan adalah produk Mipcinta 50 WP, dimana produk ini adalah salah satu produk pestisida dengan jenis insektisida yang berupa tepung
Produk Mipcinta 50 WP memiliki 5 variabel kualitas yaitu Kadar MIPC (%), Bulk Density (Gr/Ml), PH (20%), Wetting Time (detik), Particle Size (%).
produk Mipcinta 50 WP memiliki 5 variabel kualitas yang saling berhubungan antar variabel maka pengendalian kualitas yang akan digunakan adalah pengendalian kualitas menggunakan peta pengendali multivariat T2 Hottelling.
Perumusan Masalah
• bagaimanakah analisis pengendalian kualitas pada produk Mipcinta 50 WP apakah dalam kondisi terkendali atau tidak terkendali
• bagaimanakah kapabilitas proses pada produk Mipcinta 50 WP.
Tujuan Penelitian
• Mengetahui apakah produk Mipcinta 50 WP sudah dalam kondisi terkendali atau tidak terkendali
• Mengetahui kapabilitas proses pada produk Mipcinta 50 WP
Manfaat
• mengetahui gambaran tentang pengendalian kualitas produk Mipcinta 50 WP sehingga dapat dijadikan bahan masukan yang nantinya diharapkan dapat meminimalkan adanya cacat produksi
Batasan Masalah
• data yang digunakan yaitu data sekunder. Data tersebut adalah data hasil
produk Mipcinta 50 WP yang diambil dari laboratorium Quality Control (QC)
pada periode 11 Januari 2010 sampai 12 Juli 2010 dengan 5 variabel kualitas yaitu Kadar MIPC (%), Bulk Density (Gr/Ml), PH (20%), Wetting Time (detik), Particle Size (%).
Statistika Deskriptif
Uji
Bartlett
Statistika adalah sekumpulan konsep dan metode untuk mengumpulkan data, menyajikan data, menganalisis data, dan menarik kesimpulan dalam situasi ada ketidakpastian dan variansi dari sekumpulan data. Informasi yang didapat dari statistika deskriptif diantaranya adalah rata-rata (mean), nilai minimum, nilai maksimum dan varians. Rata-rata (mean) Nilai minimum Nilai maksimum varians 1. 2. 3. 4. I I Hipotesis : H0 : H1 : Statistik Uji :
Daerah Penolakan : tolak H0 jika nilai X2
hitung > X2α,p(p-1)/2
( Variabel Kualitas tidak berkorelasi ) ( Variabel Kualitas berkorelasi )
2 21 11 1 i i i x x x 2 1 11 1 1 2 1 n i i i i x x n S n i m j ij j i hitung r p N X 1 1 2 2 6 5 2 1
Distribusi Normal Multivariat
Hipotesis :
H0 = Data mengikuti sebaran distribusi normal multivariate.
H1 = Data tidak mengikuti sebaran distribusi normal multivariate
fungsi padat probabilitas seperti berikut /2 1/2 ( )' 1( )/2
) 2 ( 1 ) ( x x p e x f 2 j d ) ( )' ( 1 2 X X S X X dj j j j X 1 S
1. Menghitung nilai jarak kuadrat dengan dimana : j = 1, 2, …, n
= Obyek pengamatan ke-j = Nilai jarak kuadrat ke-j
= Invers matrik varians-kovarian
Langkah-langkah mencari distribusi normal Multivariat :
2 j d q X n j p 2 ) 5 , 0 , ( 2 j d
2. Mengurutkan nilai dari yang terkecil sampai terbesar.
4. Membuat scatter plotantara pasangan ( ,qj).
3. Mencari nilai dari tabel chi-square.
“Data dikatakan berdistribusi normal multivariat apabila d2j X(2p;0,5) dengan
50
%
2 j
Peta Pengendalian Multivariat T
2Hottelling
Berdasarkan Montgomery, peta kendali T2 Hotteling yang digunakan adalah
2 2 1 1 12 2 2 2 2 1 2 1 1 2 2 2 12 2 2 2 1 2 0 x x 2 x x n T
Uji statistik diplot pada peta kendali chi-square untuk sampel masing-masing
) ( ) ( ' 1 2 0 n x x T Estimasi µ and ∑ n i ijk jk x n x 1 1 m k p j ,..., 2 ,1 ,..., 2 ,1 n i ijk jk jk x x n S 1 2 2 ( ) 1 1 m k p j ,..., 2 ,1 ,..., 2 ,1 ) ( ) ( 1 1 1 ihk hk n i ijk jk jhk x x x x n S h j m k 1,2,..., jk
x
S
2jk Sjhk Statistik , dan kemudian rata-rata atas semua sampel m untuk mendapatkan m k jk j x m x 1 1 m k jk j s m s 1 2 2 1 m k jhk jh s m s 1 1matriks kovarians sampel S dibentuk sebagai 2 2 3 2 23 2 2 1 13 12 2 1 ... p p p s s s s s s s s s S 1 , , 1 ) 1 )( 1 ( p m mn p F p m mn n m p BKA BKB = 0
Analisis Kemampuan Proses Multivariat
Proses dikatakan kapabel jika :
1. Dalam keadaan terkendali. 2. Memenuhi batas spesifikasi. 3. Tingkat presisi dan akurasi tinggi
Indeks nilai kapabilitas multivariat dapat ditulis sebagai berikut : 2 1 9973 . 0 , ) 1 ( S p n X k Cp p j j X X ' ) ( )' ( 1 0 x V x k n j j j X A X X X S 1 1( ) )' ( ) ( 2 1 BSB BSA 09973 . 0 , p X Dimana :
n = Jumlah pengamatan pada peta kendali yang sudah terkendali. p = Jumlah variabel kualitas
A-1 = Invers matrik
K = daerah proses sebenarnya, V0-1= invers matrik varian kovarian
S = Matrik varian-kovarian,
Peta Alur Proses Produksi Mipcinta 50 WP
A2 A6 A6 A8 A1 A3 A4 A5 Bahan Baku A7 A9 Ribon Mixer I Primery Storage Tank I Secondary Dust CollectorRibon Mixer A Ribon Mixer B Inspeksi
Storage Tank II
Pengambilan Sampel
Pengambilan sampel dilakukan dengan cara mengambil sampel sebesar 1 Kg dari proses produksi Mipcinta 50 WP yang diambil dari Ribbon Mixer. Dimana dari 1 Kg, sampel diambil sebanyak 100 mg untuk Kadar MIPC, 30 gram untuk Bulk Density, 20 gram untuk PH, 5 gram untuk Wetting Time, 20 gram untuk Particle Size sedangkan sisa dari sampel didokumentasikan. Proses produksi Mipcinta 50 WP dilakukan per hari dengan pengambilan sampel untuk 1 hari diambil 2 sampel yaitu sampel I pada shift 1 dan sampel 2 pada shift 2. Untuk shift I yaitu jam 07.00-15.00 WIB dan shift II yaittu jam 15.00-23.00 WIB.
Sumber Data
Pada penelitian ini yang digunakan adalah data hasil uji sampel produk Mipcinta
50 WP yang diambil dari laboratorium
Quality Control
(QC) PT. Petrokimia
Struktur Data
Subgroup (Hari)(i) Sampel (j) Variabel Kualitas (k) Kadar MIPC (%) Bulk Density (Gr/Ml) PH (20%) WettingTime (detik) Particle Size (%) 1 12 XX111121 XX122112 XX123113 XX124114 XX115125 2 12 XX211221 XX222212 XX223213 XX224214 XX215225
… …… …… …… …… …… ……
… … … …
i 12 XXi11i21 XXi22i12 XXi23i13 XXi24i14 XXi15i25
… …… …… …… …… …… …… … … … … 59 12 XX59115921 XX59225912 XX59235913 XX59245914 XX59155925 Rata-rata keseluruhan pengamatan Varians keseluruhan pengamatan 2 11 S S122 S132 S142 2 15 S 2 21 S S222 S232 S242 S252 2 1 i S 2 2 i S Si23 2 4 i S Si25 2 591 S S5922 S5932 2 594 S 2 595 S 1 X X 2 X3 X 4 X5 2 1 S 2 2 S S32 S42 S52
X
1adalah Kadar MIPC
X
2adalah Bulk Density
X
3adalah PH
X
4adalah Wetting Time
X
5adalah Particle Size
Langkah Analisis
Data dianalisis dengan statistika deskriptif pada produk Mipcinta 50
WP dengan nilai
mean
, nilai minimum, dan nilai maksimum.
Melakukan uji
barrlett
, jika berkorelasi maka dilanjutkan dengan uji
distribusi multivariat normal
Melakukan uji distribusi multivariat normal.
Melakukan pengujian menggunakan peta T
2Hottelling
Melakukan analisis kemampua proses untuk mengetahui apakah
produk Mipcinta 50 WP kapabel atau tidak
Diagr
am
Alur
Mulai Selesai Kesimpulan Analisis KapabilitasProses Statistika Deskriptif Uji Multivariat Normal Transformasi Peta T2 Hottelling Mencari penyebab proses tidak terkendali •Perumusan Masalah •Identifikasi Variabel •Pengambilan Data Menghilangkan titik yang tidakterkendali Tidak Ya Ya Tidak Ya
Statistik Deskriptif
Uji
Bartlett
Hipotesis :
H0 : Variabel kualitas tidak berkorelasi
H1 : Variabel kualitas berkorelasi
α = 0,5
Daerah kritis :
Tolak H0 jika nilai P_value < α
KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of
Sampling Adequacy. .460
Bartlett's Test of
Sphericity Approx. Chi-Square 19.433
df 10
Sig. .035
Variabel Mean Min. Max. BSB BSA Kadar MIPC (%) 48,228 44,02 50,01 47,5% 52,5% Bulk Density (gr/ml) 0,3052 5 0,29 0,34 gr/ml0,20 gr/ml0,40 pH (20%) 8,4158 7,48 9,36 5% 8,4% Wetting Time (detik) 93,251 47 105 -120 detik Particle Size - 300 M (%) 96,592 94 98,97 95% 100%
Pengujian Distribusi Normal Multivariat
Hipotesis :
H0 = Data produk Mipcinta 50 WP mengikuti sebaran distribusi normal multivariat.
H1 = Data produk Mipcinta 50 WP tidak mengikuti sebaran distribusi normal multivariat.
Statistik uji :
j = 1, 2, …, n
= 0.644068 = 64 %
Daerah penolakan yaitu
H
0ditolak jika
≤ 50%
Kesimpulan : memenuhi asumsi distribusi multivariat normal
karena 64 % ≥ 4,3546 ≥ 50%
)
(
)'
(
1 2X
X
S
X
X
d
j j j35146
,
4
2 ) 5 . 0 , ( 2 p jX
d
55 49 43 37 31 25 19 13 7 1 40 30 20 10 0 Sample Ts q u a re d Median=4.65 UCL=24.40 Tsquared Chart of Kadar MIPC (%), ..., Particle Size - 300 M (%)
Setelah Menghilangkan 8 titik yaitu titik pada observasi
ke-29,43,25,31,25,30,1&3 51 46 41 36 31 26 21 16 11 6 1 25 20 15 10 5 0 Sample Ts q u a re d Median=4.70 UCL=25.29 Tsquared Chart of Kadar MIPC (%), ..., Particle Size - 300 M (%)
Obs Ke-29 35,93 31,72 4.21 8,451 34,67 1.26 35,61 0.32 5,94 29.99 33,35 2.58 2 i T Tij2 dij 2 1 , 0027 . 0 X Obs Ke-43 29,31 28,57 0,74 8,451 24,86 4,45 29,31 0 15,49 13,82 25,02 4,29 2 1 , 0027 . 0 X 2 i T Obs Ke-25 26.76 25.27 1,49 8,451 26.76 0 26.62 0.14 2,00 24.76 25.97 0.79 Obs Ke-31 25.29 18.47 6.82 8,451 25.19 0.1 21.71 3.58 14.48 10.81 22.72 2.57 2 1 , 0027 . 0 X 2 1 , 0027 . 0 X ij d ij d ij d 2 ij T 2 ij T 2 ij T 2 i T 2 i T
Obs Ke-25 26.11 23.39 2.72 8,451 26.11 0 23.32 2.79 15.44 10.67 17.63 8.48 2 i T Tij2 dij 2 1 , 0027 . 0 X Obs Ke-30 25.88 23.75 2.13 8,451 25.32 0.56 25.4 0.48 23.43 2.45 25.32 0.56 2 1 , 0027 . 0 X 2 i T Obs Ke-1 25.16 24.59 0.57 8,451 24.61 0.55 12.14 13.02 13.47 11.69 23.94 1.22 Obs Ke-3 26.01 23.23 2.78 8,451 25.99 0.02 14.27 11.74 12.16 13.85 26.00 0.01 2 1 , 0027 . 0 X 2 1 , 0027 . 0 X ij d ij d ij d 2 ij T 2 ij T 2 ij T 2 i T 2 i T
Kapabilitas Proses Produk Mipcinta 50 WP
Proses
S
C
pMipcinta 50 WP
1078.03 4.00005
18.2051
20.2645
2
KESIMPULAN
Peta
Hotelling
untuk produk Mipcinta 50 WP dalam
keadaan terkendali. Karena tidak ada titik yang keluar dari
batas kendali
Nilai kapabilitas proses produk Mipcinta 50 WP
sebesar 20, 26 dimana hasil tersebut didapatkan pada
lampiran E2. Karena nilai indeks kapabilitas proses lebih
dari 1 (C
p> 1) maka dapat disimpulkan bahwa produk
Mipcinta 50 WP telah kapabel.
2
Daftar Pustaka
Johnson,R.A and Wichren,D.W.(2002).”Applied Multivariate Statistika
Analysis”.Prentice Hall.New Jersey.
Kotz,Samuel and Norman,L.Johnson.1993.”Process Capability
Indices”.University of Mayland.USA
Montgomery,Douglas C.2005.”Intruduction to Statistical Quality Control Fifth Edition”.John Wiley & Sons,inc: New York
Morisson, D. (2005). Multivariate Statistical Methods (Second Edition). The
Wharton School University Of Pennsylvania: United States of America.