analisa permasalahan & teknik statistik_full.pdf
Post on 26-Feb-2018
253 Views
Preview:
TRANSCRIPT
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 1/211
Analisa Permasalahan-R0 1/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
TAHAP II:
IDENTIFIKASI PELUANG PERBAIKAN
C. ANALISA PERMASALAHAN
C1. ANALISA DATA
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 2/211
Analisa Permasalahan-R0 2/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Tony A Himawan
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 3/211
Analisa Permasalahan-R0 3/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
ATURAN
• TEPAT WAKTU
• PROAKTIF
• HP SILENT
• MENERIMA
TELEPON DI
LUAR RUANGAN
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 4/211
Analisa Permasalahan-R0 4/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
PRE-TEST
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 5/211
Analisa Permasalahan-R0 5/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
NEW TEAMSPERIOD: 16 Maret – 6 June 2009 (Classroom)
• KELAS A : 5 team – Team 2 & 3 : 8 org
– Team 4 & 5 : 8 org
– Team 1 & 6 : 6 org
– Team 11 & 12 : 5 org
– Team 10 : 4 org
• KELAS B : 6 team
– Team 7 & 15 & 16 : 9 org
– Team 18 & 19 : 7 org
– Team 21 & 22 : 7 org
– Team 23 & 24 : 7 org
– Team 26 & 27 : 6 org
– Team 17 & 25 : 8 org
• KELAS C : 6 team – Team 8 & 9 : 7 org
– Team 13 & 14 : 7 org
– Team 28 & 29 : 7 org
– Team 30 & 31 : 7 org
– Team 33 & 34 : 7 org
– Team 32 & 20 : 7 org
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 6/211
Analisa Permasalahan-R0 6/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
1 2
Project measurements
Operational Definition
Data Sources
Sample Size
Sampling scheme
PIC
Form
Procedure
Analysis
LATIHAN : DATA COLLECTION PLAN
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 7/211
Analisa Permasalahan-R0 7/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
MARS PTBA
PT BA…. PT BA …..
PT BA MILIK KITA
YUK KITA BANGUN BERSAMA
UNTUK PT BA EMAS
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 8/211
Analisa Permasalahan-R0 8/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Setelah mengikuti pelatihan ini MT
memahami dan mampu melakukan
Analisa Data dengan menggunakanteknik yang sesuai
SASARAN MODUL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 9/211
Analisa Permasalahan-R0 9/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
TAHAP II: IDENTIFIKASI PELUANG PERBAIKAN
C. ANALISA PERMASALAHAN
TEKNIK ANALISA DATA
Hari Pertama:
08.00 –10.00 Grafik Visualisasi Data
- Grafik: Balok, Garis, Pie, Pareto
10.00 -10.15 Rehat
10:15 -12.00 Grafik Visualisasi Data
- Pareto
12.00 -13.00 Makan Siang
13:00 -14.30 Grafik Visualisasi Data
- Histogram
14:30 -14.45 Rehat
14.45 -16.30 Menetapkan Target
- SMART
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 10/211
Analisa Permasalahan-R0 10/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
C. ANALISA PERMASALAHAN
TEKNIK ANALISA DATA
Hari K edua:
08.00 –10.00 Analisa Sebab
- 5xMengapa?
10.00 -10.15 Rehat10:15 -12.00 Analisa Sebab:
- Diagram Tulang Ikan/Sebab-Akibat
12.00 -13.00 Makan Siang
13:00 -14.30 Analisa Sebab
- Verifikasi Sebab – Diagram Tebar/Scatter14:30 -14.45 Rehat
14.45 -16.30 Analisa Sebab
- Verifikasi Sebab
TAHAP II: IDENTIFIKASI PELUANG PERBAIKAN
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 11/211
Analisa Permasalahan-R0 11/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
GRAPH
(BALOK, GARIS, PIE)
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 12/211
Analisa Permasalahan-R0 12/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DEFINISI
Grafik Balok adalah grafik dalam bentuk balok
yang menunjukkan perbandingan kuantitas/jumlah
dari dua atau lebih faktor / item dalam periode
tertentu
MANFAAT
Membandingkan dua atau lebih faktor/ item pada
periode tertentu
GRAFIK BALOK
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 13/211
Analisa Permasalahan-R0 13/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
GRAFIK BALOKLANGKAH
1. Kumpulkan data berbentuk kategori
• Tetapkan periode waktu
• Jenis data : dapat berupa data continuous (hasil
pengukuran) atau data atribut (hasil penghitungan)
2. Gambar sumbu horizontal dan vertikal dan buat skalanya• Sumbu Horizontal : kategori
• Sumbu Vertical : hasil pengukuran atau penghitungan
3. Gambar dan beri label balok dari tiap kategori
dimana setiap balok dapat mencerminkan perhitungan suatu
kategori, suatu fungsi (rumus) dari kategori (seperti rata-rata, jumlah, atau standard deviasi ) atau jumlahan nilai
dari suatu tabel
4. Analisa Grafik Balok
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 14/211
Analisa Permasalahan-R0 14/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Problem Tile di FT 1 - Januari 2001
GRAFIK BALOKCONTOH
Kesimpulan: Problem tile terbesar pada Januari 2001 adalah
Pinhole (39 pcs)
29
39
31
12
27
18
0
10
20
30
40
50
C h i p p i n g
P i n h o
l e
C r a z i n g
S h a d i n g
T h i c k n
e s s
S
i z e
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 15/211
Analisa Permasalahan-R0 15/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Jumlahpenjualan
pabrik A
pabrikB
pabrikC
pabrikD
Graph batang vertikal
100
200
Graph batang horizontal
100 200 300 400
Line A
Line B
Line C
Line D
Jumlahproduk
GRAFIK BALOKCONTOH
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 16/211
Analisa Permasalahan-R0 16/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DEFINISI :
Grafik Garis adalah grafik dalam bentuk garis yangmenunjukkan PERGERAKAN hasil pengukuransuatu parameter dalam periode tertentu
Contoh Parameter : suhu, kelembaban, jumlah produk cacat
MANFAAT :Untuk memonitor kecenderungan / perubahan hasilpengukuran suatu pengamatan dalam periodetertentu
.
GRAFIK GARIS
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 17/211
Analisa Permasalahan-R0 17/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
LANGKAH
1. Kumpulkan data dalam kurun waktu tertentu
• Data yang diplot bisa berupa data continuous (hasil
pengukuran) atau data atribut (hasil penghitungan)
• Contoh : suhu, berat jenis, # defect, Rp Sales
2. Tentukan frekwensi pengamatan (misal setiap 1 jam, setiap 1
shift, dll).
3. Gambar sumbu horizontal dan vertikal dan buat skalanya
• Sumbu Horizontal : interval waktu
• Sumbu Vertical : hasil pengukuran atau penghitungan3. Plot data secara kronologis ke dalam grafik dan hubungkan
dengan garis
2. Analisa Grafik
GRAFIK GARIS
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 18/211
Analisa Permasalahan-R0 18/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
GRAFIK GARISCONTOH
Kesimpulan: Cacat Chipping
selama tahun 2001 cenderung
menunjukkan penurunan
0
5
10
15
20
25
30
1 2 3 4 5 6 7 8 9 10 11 12Bulan
j m l C h i p p
i n g
persentasekerusakan
1 2 3 4 5 6 7
Mesin A
Mesin B
Kesimpulan: Mesin A
mengalami kerusakan lebih
sering dibanding mesin B
KERUSAKAN MESIN – JAN – JULI „02 CACAT CHIPPING TAHUN 2001
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 19/211
Analisa Permasalahan-R0 19/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DEFINISI :
Suatu grafik lingkaran yang menggambarkan proporsidua atau lebih data kategori dengan pengukuran yang
sama pada periode waktu tertentuContoh: kg, Rp, newton, unit
MANFAAT
Berguna untuk menunjukkan proporsi dari setiapkategori data relatif terhadap keseluruhan data
GRAFIK LINGKARAN / PIE CHART
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 20/211
Analisa Permasalahan-R0 20/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
LANGKAH:
1. Data disusun dalam tiga kolom : kolom pertama berisi kategori
data dan 2 (dua) kolom berikutnya adalah rekapitulasi data
(Hitungan & %)
2. Hasil dari grafik lingkaran / pie chart berupa potongan -potongan
untuk setiap kategori yang diurutkan dari yang paling besar
proporsinya hingga yang paling kecil. Kategori pertama dimulai
dari puncak pie chart dan semua kategori diatur searah putaran
jarum jam.
3. Analisa Grafik
GRAFIK LINGKARAN / PIE CHART
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 21/211
Analisa Permasalahan-R0 21/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
GRAFIK LINGKARAN (PIE CHART)CONTOH
Pinhole; 39; 24%
Crazing; 31; 20%
Thickness; 27;
17%
Size; 18; 12%
Shading; 12; 8%
Chipping; 29;
19%
Problem Tile di FT 1 - Januari 2001
Kesimpulan: Problem tile terbesar pada Januari 2001 adalah
Pinhole (24%= 39/156)
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 22/211
Analisa Permasalahan-R0 22/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DIAGRAM PARETO
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 23/211
Analisa Permasalahan-R0 23/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Pernahkah anda berada dalam situasi ini?
1. Anda sebagai Production Manager baru melihat bahwa
banyak sekali pemborosan yang terjadi di
perusahaan, dan anda bertekad melakukan perbaikan
namun kalau semua program perbaikan dijalankan
maka sudah kebayang bakalan lembur tiap hari
2. Seorang Supervisor harus mengalokasikan waktu kerja
sebaik-baiknya. Namun sering dijumpai beberapa
Supervisor lebih senang mengerjakan pekerjaan yang
mudah, dan pekerjaan yang sulit dilakukan belakangan
yang akhirnya tidak selesai
DIAGRAM PARETOLATAR BELAKANG
Apa yang salah ?
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 24/211
Analisa Permasalahan-R024/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DIAGRAM PARETO
DEFINISI
Diagram Pareto adalah suatu Grafik Balok berbentukvertikal yang mengurutkan hasil pengukuran dari yangtertinggi ke yang terendah
• Diagram Pareto merupakan salah satu bentuk Bar Chart , dimanasetiap balok dapat merupakan mencerminkan perhitungan suatukategori, suatu fungsi (rumus) dari kategori (seperti rata-rata, jumlah, atau standard deviasi ) atau jumlahan nilai dari suatutabel
• Pada umumnya digunakan untuk menunjukkan masalah yang disusundari prioritas tertinggi ke yang terendah untuk menentukan masalahyang harus ditangani terlebih dahulu
• Pertama kali ditemukan oleh Vilfredo Pareto , ahli ekonomi Italia
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 25/211
Analisa Permasalahan-R025/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
MANFAAT
• Merupakan pedoman memilih peluang perbaikanberdasarkan prinsip „vital few‟ dari ‟trivial many‟
• Memfokuskan sumber daya pada area/ defect/penyebab yang menghasilkan keuntungan yangterbesar
• Membandingkan frekuensi dan/atau dampak dari
berbagai penyebab masalah
DIAGRAM PARETO
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 26/211
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 27/211
Analisa Permasalahan-R027/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
LANGKAH
4. Buat tabel frekuensi (item, jumlah , jumlah kumulatif , % , %kumulatif)
5. Buatlah segi empat dan buat skalanya• Sumbu Horizontal : kategori
• Sumbu Vertical kiri : hasil pengukuran• Sumbu Vertical kanan : persentase
6. Gambarkan grafik baloknya dan beri keterangan untuk setiapkategori• Setiap balok vertikal menunjukkan besarnya kontribusi
terhadap total masalah• Balok disusun berdasarkan urutan nilai, yang paling tinggidiletakkan sebelah kiri. Balok paling kiri memberikan kontribusitertinggi dalam jumlah kejadian maupun biaya.
7. Gambarkan garis persentase kumulatif
8. Analisa Diagram Pareto yang dihasilkan
DIAGRAM PARETO
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 28/211
Analisa Permasalahan-R028/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DIAGRAM PARETODefect Produksi FT 1 - Periode : 1-7 Juli 2001
0
40
20
1513
85 6
37,38%
56,07%
70,09%
82,24%
89,72%
94,39%
100,00%
37,38%
56,07%
70,09%
82,24%
89,72%
94,39%
100,00%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0
20
40
60
80
100
Chipping Crawling Fallen Dirty CampanaDefect
Dimple Pinhole Lain-lain
J u m
l a h
Jenis Cacat
Frekwensi Akumulasi % %
Akumulasi
1 Chipping 40 40 37,38% 37,38%
2 Crawling 20 60 18,69% 56,07%
3 Fallen dirty 16 76 14,02% 70,09%
4 Campana
defect
12 88 12,15% 82,24%
5 Dimple 8 96 7,48% 89,72%
6 Pinhole 5 101 4,67% 94,39%
7 Lain-lain 6 107 5,61% 100,00%
TOTAL 107 100,00%
Jenis Cacat
Kesimpulan : Defect paling besar di FT 1 pada 1- 7 Juli 2001
adalah Chipping (40 pcs = 37.38%)
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 29/211
Analisa Permasalahan-R029/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
ANALISA PARETO DIAGRAM
C12 30 10 8 5 4 3
Percent 50,0 16,7 13,3 8,3 6,7 5,0
Cum % 50,0 66,7 80,0 88,3 95,0 100,0
C11 OtherBedsLampsFine Dining SetsCouchesChairs
60
50
40
30
20
10
0
100
80
60
40
20
0
F R E Q
P e r c e n t
345
810
30
Type of Furniture Returns - Store # 1 - Jan 07
C18 15000 4500 3000 2000 1800 350
Percent 56,3 16,9 11,3 7,5 6,8 1,3
Cum % 56,3 73,2 84,4 91,9 98,7 100,0
C17 OtherDressersBedsCouchesChairsFine Dining Sets
30000
25000
20000
15000
10000
5000
0
100
80
60
40
20
0
$ U S D
P e r c e n
t
35018002000
3000
4500
15000
Type of Furniture Returns - Store # 1 - Jan 07
Note : Pareto Diagram dari Furniture return berdasar Frequency dan berdasar losses$USD beda prioritasnya mana yang dipilih?
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 30/211
Analisa Permasalahan-R030/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
ANALISA PARETO DIAGRAM
C12 30 10 8 5 4 3
Percent 50,0 16,7 13,3 8,3 6,7 5,0Cum % 50,0 66,7 80,0 88,3 95,0 100,0
C11 OtherBedsLampsFine Dining SetsCouchesChairs
60
50
40
30
20
10
0
100
80
60
40
20
0
N u m b e r
P e r c e n t
345
810
30
Type of Furniture Returns - Store # 1 - Jan 07
C9 60 32 15 8 5
Percent 50,0 26,7 12,5 6,7 4,2Cum % 50,0 76,7 89,2 95,8 100,0
C8 OtherStore # 4Store # 2Store # 6Store # 1
120
100
80
60
40
20
0
100
80
60
40
20
0
N u m b e r
P e r c e n t
58
15
32
60
Number of Returns of Furniture by Store - J an 07
C15 22 5 2 1
Percent 73,3 16,7 6,7 3,3
Cum % 73,3 90,0 96,7 100,0
C14 OtherWood Fine Dining SetsOccasionalDining Room
30
25
20
15
10
5
0
100
80
60
40
20
0
N u m b e r
P e r c e n t
Type of Chairs Returned - Store # 1 - Jan 07
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 31/211
Analisa Permasalahan-R031/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
ANALISA PARETO DIAGRAM
C3 68 30 20 10 3
Percent 51,9 22,9 15,3 7,6 2,3
Cum % 51,9 74,8 90,1 97,7 100,0
C2 OtherDefect DDefect CDefect BDefect A
140
120
100
80
60
40
20
0
100
80
60
40
20
0
F R E Q
P e r c e n t
3
10
20
30
68
Pareto Chart Defect - Jan 07 IMPROVEMENT
BEFORE IMPROVEMENT AFTER IMPROVEMENT
Kesimpulan: Penurunan Defect keseluruhan dapat dilihat.bukan hanya pada Defect Ayang dominan saja
C6 33 15 15 2
Percent 50,8 23,1 23,1 3,1
Cum % 50,8 73,8 96,9 100,0
C5 OtherDefect DDefect A Defect B
70
60
50
40
30
20
10
0
100
80
60
40
20
0
F R E Q
P e r c e n t
2
1515
33
Pareto Chart Defect- April 07
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 32/211
Analisa Permasalahan-R032/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Membuat Diagram Pareto dengan EXCELL
1. Buka File Excell2. Siapkan lembar data Pareto dengan data yang
sudah diurutkan dari besar hingga terkecil3. Blok Range yang berisi 3 kolom: Item
masalah, frekwensi, %kumulatif 4. Klik : Chart Wizard5. Pilih Custom Types6. Pda Chart type: pilih Line –Column on 2 axes7. Klik : Next
8. Klik : Next ,1. klik Title : beri judul2. Klik Data labels: Pada Label contains Klik “value”
9. Klik Next10. Finish muncul Diagram Pareto awal bersambung
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 33/211
Analisa Permasalahan-R033/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Membuat Diagram Pareto dengan EXCELLLanjutan
11. Klik pada Diagram Pareto awal, pada sumbu Y sebelah kirihingga muncul “value axis”
12. Klik kanan: Format axis13. Klik Scale14. Maximum : disesuaikan nilai total frekwensi
15. Minimum : 0, Klik : “OK”16. Klik pada Diagram Pareto awal, pada sumbu Y sebelahkanan hingga muncul “secondary value axis”
17. Klik kanan: Format axis18. Klik Scale19. Maximum : 1 , Minimum : 0 , Klik : “OK”
20. Supaya baloknya rapat, klik kanan pada salah satubaloknya, klik “format data series” , klik “Options”. Klikpada kotak Gap width = 0, klik “OK”
21. Diagram Pareto selesai (jika perlu dapat dirapikan ukuranfont)
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 34/211
Analisa Permasalahan-R034/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DIAGRAM PARETOLATIHAN
Identifikasi data-data di area kerja yang dapat dianalisa dengan Diagram
Pareto, dan buatlah Diagram Paretonya
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 35/211
Analisa Permasalahan-R0
35/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
HISTOGRAM
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 36/211
Analisa Permasalahan-R0
36/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Pernahkah anda berada dalam situasi ini?
1. Berdasar data lalu menunjukkan bahwa rata-rata lead time dari
order barang dari supplier hingga delivery adalah 7 hari.
Berdasar data tersebut anda melakukan pemesanan barang H-
7, Namun pada hari H ternyata barang belum datang, dan anda
kecewa.
2. Anda sedang kehabisan uang sehingga pergi ke ATM terdekat
dari rumah Anda, namun untuk kesekian kalinya anda kecewa
karena ternyata uang di ATM tersebut habis, sehingga terpaksa
pindah ke ATM lainnya
3. Anda suka jeruk Medan yang memang manis, namun tidak
semua supermarket menjualnya sehingga harus ke
supermarket tertentu
HISTOGRAMLATAR BELAKANG
Apa yang salah ?
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 37/211
Analisa Permasalahan-R0
37/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
HISTOGRAMDEFINISI:
Grafik balok yang menggambarkan penyebaran data sebagai hasil
dari satu macam pengukuran ,atas suatu kejadian atau proses
MANFAAT:Berguna untuk menguji bentuk dan penyebaran sample data :
Untuk melihat range dan distribusi dari data continuous
(misalnya: berat barang yang dikirim, dolar yang dibelanjakan
dalam setiap PO , dsb)
Untuk melihat variasi dan tingkat pemenuhan
spesifikasi/persyaratan pelanggan (size, cycle time, suhu,
dsb). Hanya berlaku untuk data continuous saja
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 38/211
Analisa Permasalahan-R0
38/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
HISTOGRAMLANGKAH
1. Kumpulkan dan tabulasikan data continuous (data hasilpengukuran) : n data
2. Urutkan data dari data yang terendah nilainya (min) sampainilai yang tertinggi (max)
3. Kurangi nilai tertinggi dengan nilai terendah untukmenghitung range dari data yang diobservasi
• range = max - min
4. Hitung jumlah balok (sel) sebagai berikut : akar pangkat dua
dari jumlah nilai data• k = sqrt ( n)
5. Hitung lebar tiap balok dengan membagi range dari data(max-min) dengan jumlah balok
• h = Range / k
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 39/211
Analisa Permasalahan-R0
39/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
HISTOGRAMLANGKAH
6. Beri label di sumbu X dengan nilai dari tiap balok(dari balok pertama s/d balok ke k)
• balok pertama : min + h
• balok kedua : min + 2h
• …..
• balok ke -k : min + (kxh)7. Hitung jumlah data dari tiap balok
8. Sumbu vertikal (Y) menunjukkan jumlah data padatiap balok
9. Sumbu horizontal (X) menunjukkan nilai data dari
setiap balok10. Analisa Histogram
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 40/211
Analisa Permasalahan-R0
40/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DATA BERAT SUSU – 400 gr
NO KELAS TALLY FREKUENSI
1 400,10 - 401,65 |||| 4
2 401,65 - 403,20 |||| || 7
3 403,20 - 404,75 |||| || 8
4 404,75 - 406,30 |||| 5
5 406,30 - 407,85 |||| 5
6 407,85 - 409,40 | 1
30
INTERVAL KELAS
T O T AL
Maximum : 409,4 ; Minimum :400,1
Jumlah data = n = 30 k = sqrt (30) = mendekati 6
Range = max – min = 409, 4 – 400,1 = 9,3
H = Range / k = 9,3/6 = 1,55
Rata-rata : Mean : Excel formula =average (…..) = 404,25
Standard Deviasi : Excel formula = STDEV(…..) = 2,26
407,2 406,8 400,1 405,0 401,3
402,4 403,2 405,6 404,3 406,2
406,9 401,4 409,0 402,0 402,6
406,5 402,6 404,4 404,0 401,4
402,8 406,1 403,2 404,0 409,4
403,5 404,0 404,0 403,2 404,4
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 41/211
Analisa Permasalahan-R0
41/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
0
1
2
3
4
5
6
7
8
9
1 2 3 4 5 6
HISTOGRAM Berat Susu- 400 gr
Rata
2 Center Mean 404,3Median 404,0
Spread
StDev 2,262
Range 9,3
Var 5,1
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 42/211
Analisa Permasalahan-R0
42/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Mean
Median
Mode
HISTOGRAMDATA BERDISTRIBUSI NORMAL
Mean : Rata-rata
Median : Nilai Tengah
Mode : Nilai yang seringmuncul
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 43/211
Analisa Permasalahan-R0
43/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
-3 -2 -1 X 1
Untuk Data berdistribusi Normal
a. 68.27% data berada dalam area X – dan X +
b. 95.45% data berada dalam area X – 2 dan X + 2
c. 99.73% data berada dalam area X- 3 dan X + 3
95.45%
-3 -2 -1 X 1
68.27%
mean + 2
-3 -2 -1 X 1
99.73%
mean + 3mean +
HISTOGRAMDATA BERDISTRIBUSI NORMAL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 44/211
Analisa Permasalahan-R0
44/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
• Pelajari bentuk/ pola histogram• Membandingkan Histogram dengan spesifikasi
yang ditetapkan
– Jika ada spesifikasi, buatlah garis batas spesifikasipada histogram untuk membandingkan distribusi darihistogram dengan batas spesifikasi yang ditentukan.Kemudian perhatikan apakah histogram beradadalam batas spesifikasi tersebut.
– Membandingkan histogram dengan spesifikasi inilebih lanjut dianalisa dengan pengukuran ProcessCapability Analysis
ANALISA HISTOGRAM
ANALISA HISTOGRAM
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 45/211
Analisa Permasalahan-R0
45/211Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
• Stratifikasi Histogram – Untuk menganalisa lebih lanjut sebuah histogram (terutama bila
terjadi penyimpangan) dengan data yang dikumpulkan dariberbagai sumber/cara, stratifikasikanlah data yang ada(misalnya berdasar material, mesin, kondisioperasional, pekerja, dll) dan buatlah masing-masing histogramuntuk data yang sudah distratifikasikan itu.
– Dengan stratifikasi, persoalan akan lebih jelas.
ANALISA HISTOGRAM
3630241812
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0,00
Torque
D e n s i t y
18,67 4,395 36
24,19 7,119 32
Mean StDev N
1
2
Machine
Histogram of TorqueNormal
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 46/211
Analisa Permasalahan-R0 46/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
POLA HISTOGRAM
Normal
S
er
S
er
S
er
S
er
0
5
10
15
20
25
30
35
Distribusi Normal (Simetris)
Anda bisa memberi tanda spesifikasi pelanggan pada
histogram sehingga secara visual dapat diketahui
seberapa baik kemampuan proses memenuhi (tidakmemenuhi) persyaratan pelanggan
Anda juga dapat memunculkan nilai rata-rata dan
Standard Deviasi pada histogram ini sebagai angka
yang mewakili proses
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 47/211
Analisa Permasalahan-R0 47/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
POLA HISTOGRAM
0
5
10
15
20
25
30
0
5
10
15
20
25
30
0
5
10
15
20
25
Skewed Distribution
(kelompok data mendekatisalah satu ekor histogram)
Contoh : waktu proses, cycle
time, biaya
Analisa kondisi apa yang
terjadi di area ekor yang
membedakan dengan area
lain nya, jika kondisi tersebuttidak diinginkan lakukan
perbaikan, eliminir
kejadiannya, tetapi jika
merupakan kondisi yang
diinginkan maka pertahankan
dan dapat diterapkan di area
lain
Nilai data tersebar rata
(jarang sekali terjadi)
Model ini muncul di pabrik bila
sebuah gauge atau TOOLS
pengukuran sudah tidak lagi sensitif
dalam mendeteksi perbedaan antara
unit (seperti sebuah penggaris yang
seluruhnya hanya memiliki tanda
inci)
Distribusi Bimodal
(data memiliki dua puncak)
Pola ini muncul bila sesuatu
yang anda perkirakan sebagai
sebuah proses ternyata adalah
dua proses
Jika anda melakukan
stratifikasi, anda bisa
mengidentifikasi sumber datadari setiap puncak
HISTOGRAM
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 48/211
Analisa Permasalahan-R0 48/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
HISTOGRAMLATIHAN
Identifikasi data-data di area kerja yang dapat dianalisa dengan
Histogram, dan buatlah Histogramnya
LEMBAR DATA (1) UNTUK HISTOGRAM
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 49/211
Analisa Permasalahan-R0 49/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
LEMBAR DATA (1) UNTUK HISTOGRAMDATA:
LOKASI :
PERIODE:
MAX = MIN =
LEMBAR DATA (2) UNTUK HISTOGRAM
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 50/211
Analisa Permasalahan-R0 50/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
LEMBAR DATA (2) UNTUK HISTOGRAMDATA:
LOKASI :
PERIODE:
NO KELAS INTERVAL KELAS TALLY FREKWENSI
TOTAL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 51/211
Analisa Permasalahan-R0 51/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
HISTOGRAMData :LokasiPeriode :
Kesimpulan :……………………………………………………………..
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 52/211
Analisa Permasalahan-R0 52/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
MENETAPKAN
TARGET
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 53/211
Analisa Permasalahan-R0 53/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Target menggambarkan hasil yang ingin dicapai dari masalah yangdikemukakan dalam Proposal perbaikan
MANFAAT:
1. Memberikan arah perbaikan
2. Mendorong pencapaian tujuan yang lebih baik
CARA :
1. Penetapan Target dilakukan setelah dibuat kesimpulan dari Analisa Data
2. Target biasanya mengandung prinsip SMART : Specific, Measurable,
Attainable, Relevant & Time Bounded
S pesific, > tertentu
M easureable > dapat diukur atau diamatiA ttainable > realistik dan dapat dicapai
R elevant > terkait dengan misi/cita-cita
T ime bounded > ada batas waktu
MENETAPKAN TARGET
MENETAPKAN TARGET
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 54/211
Analisa Permasalahan-R0 54/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
CARA
3. Target biasanya dimulai dengan kata kerja:
“Mengurangi”, “meningkatkan”, atau
“Mengeliminasi”
4. Target harus menunjukkan perbaikan dari kondisisebelumnya
Baseline data yang digunakan : data
lampau, pengalaman, kompetitor, hasilBenchmarking
Target yang akan ditetapkan hendaknya
menunjang pencapaian sasaran perusahaan
MENETAPKAN TARGET
MENETAPKAN TARGET
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 55/211
Analisa Permasalahan-R0 55/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
CARA
5. Target seharusnya tidak berisi bagaimana akan
dicapai. Jika demikian akan banyak solusi dari problem
tersebut. Contoh SALAH : Mengurangi defect pada Customer Application
sebesar 50% sebelum April 30, 2006” dengan meng- installsuatu Web Site”
Tulisan dengan tanda italic di atas merupakan solusi. Kita harusmenggali dahulu penyebab-penyebab defect sebelum installsolusi, jika tidak, kita bisa gagal menyelesaikan masalah
(sementara kita telah mengeluarkan banyak waktu dan biayauntuk Web site).
6. Jelaskan bagaimana target tersebut ditetapkan (bagaimana
perhitungan atau mengapa angka tersebut ditetapkan)
MENETAPKAN TARGET
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 56/211
Analisa Permasalahan-R0 56/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Contoh:
Kesimpulan dari Analisa Data :
PH merupakan sumber dominan kebocoran gas SO2= 52.92 ppm
Target Perbaikan:Menurunkan kebocoran gas SO2 di PH menjadi 5 ppm dalam waktu 2
bulan ke depan
Latar Belakang Penetapan Target:
- Merupakan target perusahaan
- Pernah dicapai 2 thn lalu
MENETAPKAN TARGET
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 57/211
Analisa Permasalahan-R0 57/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
LATIHAN : ANALISA DATA
Berdasar data yang telah dikumpulkan, analisalah data anda dengan 7QC Toolsyang sesuai & Tetapkan Target Perbaikan
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 58/211
Analisa Permasalahan-R0 58/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
CAUSE & EFFECT
ANALYSIS
DIAGRAM SEBAB DAN AKIBAT
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 59/211
Analisa Permasalahan-R0 59/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Pernahkah anda berada dalam situasi ini?
1. Menghadapi suatu problem, kemudian berhasil
diselesaikan , tetapi dalam beberapa waktu
kemudian problem yang sama berulang kembali
2. Menganalisa sebab-sebab permasalahan produksinamun penyebabnya senantiasa berujung pada
mesin yang yang harus diganti, padahal kondisi
perusahaan sedang payah dan tidak
memungkinkan mengganti mesin yang tua dansering rusak
DIAGRAM SEBAB DAN AKIBATLATAR BELAKANG
Apa yang salah ?
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 60/211
Analisa Permasalahan-R0 60/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Menggali Faktor Penyebab
• Gunakan prinsip 5 Why, untuk:
– Menghindari jebakan “mengobati” gejala
– Menggali akar penyebab yang sebenarnya
– Merangsang tim melakukan perbaikan optimal
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 61/211
Analisa Permasalahan-R0 61/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
CONTOH 1: BERTANYA 5-MENGAPA
Masalah:Banyak karyawan
keluar
1 Mengapa?Tidak betah
2 Mengapa?Beban kerja tak seimbang
3 Mengapa?Skill tidak merata
4 Mengapa?Tidak ada programpengembangan karyawan
5 Mengapa?Ketidakjelasan kompe-tensi yang dibutuhkan
Penanggulangan:
Menyusun kompetensi needs
LATIHAN : BERTANYA 5-MENGAPA
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 62/211
Analisa Permasalahan-R0 62/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Masalah:
1 Mengapa?
2 Mengapa?
3 Mengapa?
4 Mengapa?
5 Mengapa?
Penanggulangan:
LATIHAN : BERTANYA 5 MENGAPA
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 63/211
Analisa Permasalahan-R0 63/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DEFINISI
Suatu diagram yang terstruktur untuk mengidentifikasipenyebab dari masalah (x‟s) dan hubungan sebab-
akibat berdasarkan pengalaman dan keahlian dari
sekelompok orang dengan melakukan brainstorming
secara terstruktur.
• Juga dapat digunakan untuk brainstorming cara-cara
yang perlu dilakukan untuk mencapai suatu tujuan
• Diagram Sebab dan Akibat ini dikembangkan tahun
1943 oleh Prof Kaoru Ishikawa. Sehingga juga disebutdengan Diagram Ishikawa atau diagram Tulang Ikan
karena bentuknya mirip gambar tulang ikan
DIAGRAM SEBAB DAN AKIBAT
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 64/211
Analisa Permasalahan-R0 64/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
MANFAAT
• Mengidentifikasi sebab-sebab utama
masalah• Mengidentifikasi akar masalah
• Mengidentifikasi beberapa
alternative cara penyelesaian
masalah
DIAGRAM SEBAB DAN AKIBAT
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 65/211
Analisa Permasalahan-R0 65/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Akibat (masalah)
Penyebab
Penyebab
Sub-Penyebab
Sub-Penyebab 2
Sub-Penyebab 1
Sub-Penyebab 3
Sub-Penyebab ke 4, dsb
DIAGRAM SEBAB DAN AKIBAT
(CAUSE –AND –EFFECT DIAGRAM)
DIAGRAM SEBAB DAN AKIBAT
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 66/211
Analisa Permasalahan-R0 66/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
LANGKAH
1. Tuliskan secara singkat Masalah atau Akibat yang akandianalisa pada “kepala” Diagram Tulang Ikan
2. Tetapkan kategori penyebab yang sesuai dengan
permasalahan yang dianalisa
Umumnya menggunakan kategori sbb:
• 5M & 1 E:Manusia, Mesin, Metoda, Material, Measurement
(Pengukuran), Environment (Lingkungan)
• 4 P : Policy, Prosedur, Plant (Pabrik), People
Jika permasalahannya cukup kompleks dapat dibuat tulang
ikan untuk setiap sub proses baru kemudian di setiap sub
proses dianalisa 5M + 1E
3. Lakukan brainstorming sebab-sebab yang mungkin di setiap
kategori
DIAGRAM SEBAB DAN AKIBAT
DIAGRAM SEBAB DAN AKIBAT
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 67/211
Analisa Permasalahan-R0 67/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
LANGKAH
4. Identifikasi hubungan sebab-akibat di antara faktordi dalam setiap kategori dan sub kategori
5. Buat Diagram Tulang Ikan• Kategori utama menjadi tulang terbesar dari diagram
tulang ikan
• Susun setiap penyebab dan sub penyebab di tulang yang
lebih rendah (penyebab paling spesifik dituliskan di
tulang terkecil)
6. Gunakan data atau lakukan konsensus untuk
memilih akar penyebab yang paling mungkin ataupaling penting untuk dianalisa lebih lanjut• Pilih 3-5 penyebab dari tulang terkecil
• Penyebab tersebut ditandai tanda bintang atau lingkaran
DIAGRAM SEBAB DAN AKIBAT
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 68/211
LATIHAN : DIAGRAM SEBAB AKIBAT
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 69/211
Analisa Permasalahan-R0 69/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
LATIHAN : DIAGRAM SEBAB AKIBAT
Sebab Dominan: 1……………; 2…………..: 3…………: 4…………
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 70/211
Analisa Permasalahan-R0 70/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
SCATTER DIAGRAM
DIAGRAM TEBAR
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 71/211
Analisa Permasalahan-R0 71/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Pernahkah anda berada dalam situasi ini?1. Dari survai karyawan menunjukkan bahwa kinerja
karyawan yang kurang disebabkan gaji
kurang, namun setelah dinaikkan gajinya, ternyata
kinerjanya tidak meningkat2. Dalam rapat mingguan disimpulkan bahwa semakin
sering dilakukan visit ke customer maka penjualan
semakin meningkat, namun anda kecewa ternyata
peningkatan visit ke customer pada bulan Oktoberini tidak meningkatkan penjualan
DIAGRAM TEBARLATAR BELAKANG
Apa yang salah ?
DIAGRAM TEBAR ( SCATTER DIAGRAM )
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 72/211
Analisa Permasalahan-R0 72/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DIAGRAM TEBAR ( SCATTER DIAGRAM )
DEFINISI :
Diagram yang menggambarkan hubungan (korelasi)antara dua variabel (faktor )
MANFAAT :
• Menyajikan data untuk mengkonfirmasikan hipotesaapakah dua variable (faktor) saling berhubungan
/berkorelasi
• Mengetahui seberapa erat hubungan antara faktor
tersebut• Sebagai tools untuk memverifikasi akar penyebab
yang diperoleh dari analisa sebab dan akibat
DIAGRAM TEBAR ( SCATTER DIAGRAM )
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 73/211
Analisa Permasalahan-R0 73/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DIAGRAM TEBAR ( SCATTER DIAGRAM )
CONTOH KORELASI :
– antara jumlah kunjungan ke pelanggan dengan hasilpenjualan – antara keluhan pelanggan dengan pendapatan usaha – antara lama kerja dengan prestasi kerja – antara jumlah salesmen dengan hasil penjualan
– antara waktu pelayanan dengan tingkat kepuasanpelanggan – antara umur mesin dengan jumlah breakdown – antara jumlah sampel yang diinspeksi dengan jumlah
defect – antara frekwensi perawatan dengan dengan jumlah
reject/breakdown – antara tingkat inventory dengan jumlah produk kedaluarsa – antara jumlah buku dengan kompetensi karyawan – antara jam training dengan kecelakaan/kesalahan kerja
JENIS KORELASI ANTARA DUA VARIABEL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 74/211
Analisa Permasalahan-R0 74/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Korelasi Positif
Korelasi Negatif Pola Kurvalinear
Korelasi Positif
Mungkin Terjadi
Korelasi Negatif
Mungkin Terjadi
Tidak ada Korelasi
y
x
y
x
y
x
y
x
y
x
y
x
JENIS KORELASI ANTARA DUA VARIABEL
DIAGRAM TEBAR ( SCATTER DIAGRAM )
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 75/211
Analisa Permasalahan-R0 75/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DIAGRAM TEBAR ( SCATTER DIAGRAM )
LANGKAH PEMBUATAN:
1. Tetapkan dua variabel yang akan diteliti korelasinya, yaitu variabel X
& Y.
Variabel X: variabel independen (sebab, akan dirubah-
rubah, dipengaruhi). Misal: “jumlah kunjungan” , dan
Variabel Y: variabel dependen( akibat, diharapkan
berubah, terpengaruh, goal /dampak yang terjadi). Misalnya “hasil penjualan
2. Tentukan sumber data/darimana data itu diperoleh untuk setiap
pasangan X dan Y
Misalnya : X = 10 kunjungan, hasilnya Y= 2 penjualan; data inimerupakan data kunjungan & penjualan Pak Budi(Salesman).
Jadi dalam hal ini sumber data adalah: data Salesman(nama
seluruh Salesman)
DIAGRAM TEBAR ( SCATTER DIAGRAM )
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 76/211
Analisa Permasalahan-R0 76/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DIAGRAM TEBAR ( SCATTER DIAGRAM )
LANGKAH PEMBUATAN : (lanjutan)
3. Tentukan periode pengumpulan data (misal : tgl 1 – 31 Juli)
4. Buat Lembar Data Scatter Diagram yang terdiri dari 4 kolom:
• Kolom 1 nomor urut data
• Kolom 2 Sumber Data
• Kolom 3 variabel X
• Kolom 4 variabel Y
5. Kumpulkan data dengan melakukan pengukuran aktual (padaumumnya data yang dibuat Scatter Diagram adalah > 50pasang data )
6. Gambarkan Diagram Tebar dengan sumbunya:• Gambarkan garis horizontal (sumbu X atau variabel
independen) dan
• vertikal (sumbu Y atau variabel dependen); Beri Label padasetiap titik skala dalam diagram
DIAGRAM TEBAR ( SCATTER DIAGRAM )
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 77/211
Analisa Permasalahan-R0 77/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DIAGRAM TEBAR ( SCATTER DIAGRAM )
LANGKAH PEMBUATAN : (lanjutan)
7. Plot data pada diagram sehingga dipeoleh titik-titik yangberpencar (scatter)
8. Interpretasikan data
• Analisa Scatter Diagram, apakah ada kecenderunganpositif, negatif, atau tidak ada pola tertentu
• Untuk memastikan ada tidaknya korelasi, buatlahgaris regresi dengan type regresi sesuai pola
data(linier, kurve, dll) ,• kemudian hitung koefisien korelasinya ( r )
• Korelasi dua variabel adalah kuat, bila |r| > 0.75
KOEFISIEN KORELASI ( r )
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 78/211
Analisa Permasalahan-R0 78/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DEFINISI :
Koefisien yang menunjukkan korelasi antara dua faktor atauvariabel
Koefisien Korelasi r = -1 < r < 1
r = 0, tidak ada korelasi r > 0 , korelasi positif, bila X meningkat , maka Y juga
meningkat
r < 0 , korelasi negatif, bila X meningkat, Y menurun
KOEFISIEN KORELASI ( r )
KOEFISIEN KORELASI ( r )
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 79/211
Analisa Permasalahan-R0 79/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
-1 r 1
Korelasi Negatif
KuatKorelasi Positif
Kuat
0- 1 1
1. Perhitungan Manual
KOEFISIEN KORELASI ( r )
DIAGRAM TEBAR (SCATTER DIAGRAM)
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 80/211
Analisa Permasalahan-R0 80/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
PEMBUATAN DIAGRAM TEBAR – Microsoft Excel
LANGKAH1. Buka File Excell2. Blok Range yang terdiri dari : Data X & Y (berisi faktor yang
akan dianalisa hubungannya)3. Klik : Chart Wizard4. Pilih: XY (Scatter)
5. Klik : Chart Subtype, pilih paling atas6. Klik Next7. Ketik Judul8. Klik : Finish9. Klik value (X) axis
10. Klik Kanan: Format axis11. Klik Scale12. Minimum : tulis sesuai dengan data minimum13. Scatter Diagram selesai
( )
KOEFISIEN KORELASI ( r )
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 81/211
Analisa Permasalahan-R0 81/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
PEMBUATAN GARIS TREND PADA DIAGRAM TEBAR & r – Microsoft Excel
LANGKAH1. Klik salah satu titik pada Diagram Tebar 2. Klik kanan : Format Trend line3. Klik : Add trend line, Klik: OK4. Klik : Linier Correlation *), Klik : OK
5. Klik kanan pada trend line6. Klik : Format trend line7. Klik: Option8. Klik: Display squared value on chart9. OK nilai R2 muncul
10. Hitung r = sqrt(R2)
KOEFISIEN KORELASI ( r )
*) Note: Dalam contoh soal ini pola diagramnya mendekati linier sehinggadidekati dengan regresi linier dan korelasi linier
DIAGRAM TEBAR
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 82/211
Analisa Permasalahan-R0 82/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
CONTOH SOAL
Kita ingin mengetahui dan melihat , apakah ada korelasi
antara jumlah kunjungan salesmen - sales calls dengan
hasil penjualan
1. Mengumpulkan data, misalnya ada 40 orang salesmen dengan
jumlah kunjungan dan hasil penjualan mereka.
Dibuatkan tabel seperti dalam Tabel 1.2. Membuat diagram tebar mengenai jumlah kunjungan vs hasil
penjualan. Caranya dengan menggambarkan titik-titik data ke
dalam sumbu datar/ absis (X) dan sumbu tegak/ ordinat (Y)
dimana: Sumbu datar (X) : jumlah kunjungan
Sumbu tegak (Y) : hasil penjualan
dengan menggunakan Scatter Diagram
3. Hitung koefisiensi korelasi (r)
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 83/211
Analisa Permasalahan-R0 83/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
TABEL: 1 LEMBAR DATA SCATTER DIAGRAM
X Y
JUMLAH HASIL
KUNJUNGAN PENJUALAN
1 90 4
2 130 3
3 140 8
4 100 5
5 123 7
6 121 6
7 133 8
8 95 3
9 88 2
10 135 10
11 117 6
12 125 9
13 92 7
14 132 7
15 105 516 129 11
17 102 4
18 118 3
19 107 2
20 135 12
NO
NAMA
SALESM
AN
X Y
JUMLAH HASIL
KUNJUNGAN PENJUALAN
21 125 6
22 131 9
23 137 7
24 100 7
25 128 8
26 85 327 110 5
28 113 4
29 139 10
30 80 2
31 122 9
32 130 10
33 127 8
34 95 8
35 103 3
36 115 537 105 4
38 135 11
39 124 9
40 97 1
NO
NAMA
SALESM
AN
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 84/211
Analisa Permasalahan-R0 84/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
SCATTER DIAGRAM
R2 = 0,5121
0
5
10
15
60 80 100 120 140 160 jml kunjungan
h
a s i l p e n j u a l a n
Kesimpulan : karena nilai “r” = 0.735 mendekati 1 maka bisa disimpulkan ada
korelasi yang cukup kuat antara variabel X dan variabel Y (peningkatan
kunjungan mempengaruhi peningkatan sales)
LEMBAR DATA UNTUK SCATT ER DIAGRAMDATA
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 85/211
Analisa Permasalahan-R0 85/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DATA:
LOKASI :
PERIODE:
NO SUMBER DATA X : ………. Y: ……….
LATIHAN : SCATTER DIAGRAM
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 86/211
Analisa Permasalahan-R0 86/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
100
90
80
70
60
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 20 21 22 31302719 28 2923 24 25 26
LATIHAN : SCATTER DIAGRAM
Kesimpulan :……………………………………………………………..
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 87/211
Analisa Permasalahan-R0 87/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
VERIFIKASI SEBAB
VERIFIKASI SEBAB
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 88/211
Analisa Permasalahan-R0 88/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DEFINISISuatu kegiatan untuk memverifikasi / mengkonfirmasikan /membuktikan terjadinya penyebab masalah
MANFAATMendapatkan data / bukti / evidence yang menunjukkan bahwapenyebab masalah tersebut memang ada dan dapatdipertanggungjawabkan, bukan berdasar opini, dan berkorelasidengan akibat masalah
LANGKAH1. Dari setiap sebab dominan yang diperoleh pada analisa sebab
akibat , kumpulkan data kuantitatif atau bukti-bukti lainnya2. Analisa data / evidence yang telah dikumpulkan. Tools yang dapat
digunakan antara lain : Grafik, Scatter Diagram, HyphothesisTest, tabel atau dengan menampilkan nilai kuantitatifnya3. Buat kesimpulan apakah sebab dominan tersebut valid atau tidak
Sebab dominan yang valid ditindaklanjuti dengan menyusun RencanaPenanggulangan
Sebab dominan yang tidak valid , didrop (tidak ditindaklanjuti)
CONTOH : VERIFIKASI SEBAB
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 89/211
Analisa Permasalahan-R0 89/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
SEBAB EVIDENCE
1
Tidak ada standarisasi perhitungan min max
level
masih pakai perhitungan sederhana (average per month)
dan belum dibakukan valid
2
Perubahan quantity order tanpa persetujuan
komite
Feb 2006 : 0 kejadian ; Maret 2006 terjadi 19 kejadian
perubahan quantity order tanpa persetujuan komite min
max valid
3
Pembagian RO ke buyer yang tidak
sistematis
actual : terima PR dari store dibagikan oleh Section Head
secara manual, dampaknya terjadi double job (2 org
mengerjakan 1 pekerjaan sama): ideal : dimasukkan
dalam sistem Mincom, dll… valid
4
Catalouging merubah spec tanpa persetujuan
buyer
Catalouging rubah spec setelah ada cut order, dlm bln
December 05 terjadi 3 kejadian valid
5 no Commitment dari higher level
tidak meresponse undangan meeting dari level yang
lebih rendah valid
Note : Data No 3 & 4 dilampirkan
SEBAB DOMINAN WASTE JUAL
NO SEBAB DOMINAN EVIDENCE KESIMPULAN
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 90/211
Analisa Permasalahan-R0 90/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
NO SEBAB DOMINAN EVIDENCE KESIMPULAN
10 Bag di tusuk saatPengecekan
Valid
11Mutu Impeller Centrifugal
kurang bagusValid
12 Pisau Rotary Aus Valid
Impeller
sering
Putus
Bag di
tusuk saatpengecekan
Prongkolan Akibat
Pisau Aus
LATIHAN : VERIFIKASI SEBAB
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 91/211
Analisa Permasalahan-R0 91/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
LATIHAN : VERIFIKASI SEBABDari Sebab Dominan yang dipilih pada Diagram Sebab dan Akibat, lakukan
Verifikasi untuk setiap Sebab Dominan
NO SEBAB DOMINAN EVIDENCE KESIMPULAN(Valid/Invalid)
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 92/211
Analisa Permasalahan-R0 92/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
TAHAP II:
IDENTIFIKASI PELUANG PERBAIKAN
C. ANALISA PERMASALAHAN
C2. TEKNIK STATISTIK
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 93/211
Analisa Permasalahan-R0 93/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Setelah mengikuti pelatihan ini MTmemahami dan mampu melakukanAnalisa Data dengan menggunakanteknik statistik lanjutan
SASARAN MODUL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 94/211
TAHAP II: IDENTIFIKASI PELUANG PERBAIKAN
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 95/211
Analisa Permasalahan-R0 95/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
C. ANALISA PERMASALAHANTEKNIK STATISTIK
Hari K edua: 08.00 –10.00 Advanced analytical Tools (Continuous Data)
- Concept of Hypothesis Test
- p Value
- One sample Z - test
10.00 -10.15 Rehat
10:15 -12.00 Advanced analytical Tools (Continuous Data) -lanjutan
- Two sample T – test
- Paired T Test
12.00 -13.00 Makan Siang
13:00 -14.30 Analysis of Varian (ANOVA)
14:30 -14.45 Rehat14.45 -16.30 Advanced analytical Tools (Discrete Data)
- One Sample Proportion test
- Two Samples Proportion test
- Goodness of fit chi square test
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 96/211
Analisa Permasalahan-R0 96/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
STATISTICAL PROCESS CONTROL
(SPC)
- Variable Control Chart- Attribute Control Chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 97/211
SPESIFIKASI vs. CONTROL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 98/211
Analisa Permasalahan-R0 98/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
SPESIFIKASI vs. CONTROL
• MENGONTROL PROSES
TERHADAP SPESIFIKASI =TAMPERING
– Tampering mengakibatkanmeningkatnya variasi proses
MENGONTROL PROSES
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 99/211
Analisa Permasalahan-R0 99/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
BERBASIS SPESIFIKASI LIMIT
USL
LSL
Kondisi awal Setelah Adjustment
Proses Tampering
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 100/211
Analisa Permasalahan-R0 100/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
p g
USL
LSL
Kondisi awal Stlh Adjustment #1
Stlh Adjustment #2
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 101/211
CONTROL LIMIT vs SPESIFIKASI LIMIT
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 102/211
Analisa Permasalahan-R0 102/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
• Control limit: – Control Limit merupakan garis batas yang menggambarkan
(potret) kemampuan berdasarkan pengalaman dan
kemampuan teknik .
Control Limit bukanlah Spesifikasi Limit !!!!
• Spesifikasi Limit ;
– Spesifikasi Limit adalah limit/batas-batas/spesifikasi yang
ditentukan oleh konsumen (dalam maupun luar) atau target
yang harus dicapai.Walaupun proses menunjukkan keadaan terkontrol (di dalam control limit) harus
diperhatikan juga apakah proses sesuai dengan Spesifikasi Limit
CONTROL LIMIT
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 103/211
Analisa Permasalahan-R0 103/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
– Adalah garis yang menunjukkandispersi/penyebaran data dan memberitahuapakah situasi abnormal terjadi dalamproduksi, dengan demikian kita dapat segeramengambil tindakan yang tepat
– Ada tiga macam garis kendali yaitu :• UCL (Upper Control Limit) atau garis/batas
kontrol atas
• LCL (Lower Control Limit) atau garis/bataskontrol bawah
• CL (Central line) atau garis tengah
CONTROL CHART
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 104/211
Analisa Permasalahan-R0 104/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
DEFINISI:
• Control Chart adalah suatu grafik garis yangmencantumkan garis-garis control (Control Limit) sebagai
dasar pengendalian proses (untuk menunjukkan proses
dalam keadaan terkontrol atau tidak)
MANFAAT:
• Control Chart ini digunakan untuk memonitor variasi hasil
pengukuran parameter proses
– Apakah prosesnya normal atau menunjukkan trend?
– Mengidentifikasi penyimpangan dini dan mengambiltindakan sebelum proses out of control
CONTOH CONTROL CHART
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 105/211
Analisa Permasalahan-R0 105/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
x-chart and R-chart
UCL
LCL
time
x
UCL
LCL
time
RR-chart
x-chart
JENIS-JENIS CONTROL CH
ART
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 106/211
Analisa Permasalahan-R0 106/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
1. Variable Control Chart :
adalah Control Chart dimana data yang
dikumpulkan dan akan dianalisa adalah
data variabel (data yang diperoleh
dengan melakukan pengukuran dengan
alat ukur).
Contoh : X-R , X-S, Individual Moving Range
JENIS-JENIS CONTROL CHART
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 107/211
Analisa Permasalahan-R0 107/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
2. Attribute Control Chart :
adalah Control Chart dimana data
yang dikumpulkan dan akan
dianalisa adalah data yangdiperoleh dengan melakukan
menghitung
contoh : c-chart, u-chart, np-chart, p-
chart
JENIS-JENIS CONTROL CHART
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 108/211
Analisa Permasalahan-R0 108/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Individual
& Moving
range
chart
CONTROL CHART BAS
ICS
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 109/211
Analisa Permasalahan-R0 109/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Process Average
UCL = Process Average + 3 Standard DeviationsLCL = Process Average – 3 Standard Deviations
UCL
LCL
+3σ
-3σ
Common CauseVariation: range ofexpected variability
Special Cause Variation:Range of unexpected variability
time
PROCESS VARIABILITY
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 110/211
Analisa Permasalahan-R0 110/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Process Average
UCL = Process Average + 3 Standard DeviationsLCL = Process Average – 3 Standard Deviations
UCL
LCL
3σ → 99.7% of
process valuesshould be in thisrange
time
Special Cause of Variation
Contoh Form untuk pengontrolan proses dengan menggunakan X bar - R Chart( UCL & LCL dihitung berdasar kinerja proses lalu yang stabil dan memenuhi
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 111/211
Analisa Permasalahan-R0 111/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
spesifikasi yang dijadikan acuan untuk mengontrol proses mendatang )
PROCESS IN CONTROL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 112/211
Analisa Permasalahan-R0 112/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
• Process in control: Titik-titik
terdistribusi secara random di sekitarcenter line dan semua titik berada didalam control limit
UCL
LCL
x
x
time
PROCESS OUT OF CONTR
OL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 113/211
Analisa Permasalahan-R0 113/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
• One or more pointsoutside control limits
UCL
LCL
x
• Nine or more points in arow on one side of the
center line UCL
LCL
x
• Six or more pointsmoving in the samedirection UCL
LCL
x
• 14 or more pointsalternating above andbelow the center line UCL
LCL
x
PROCESS OUT OF CONTR
OL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 114/211
Analisa Permasalahan-R0 114/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
• Jika control chart menunjukkan out-of-
control – Maka ada dua penyebab : common causes
of variation dan assignable causes ofvariation
– Assignable causes of variation harusdiidentifikasi
• Jika menunjukkan gejala penurunan mutu, maka
assignable causes of variation harus dihilangkan• Jika menunjukkan gejala peningkatan
mutu, maka assignable causes of variation harusdiintegrasikan dalam proses
VARIABLE CONTROL CHART
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 115/211
Analisa Permasalahan-R0 115/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
1. X bar-R Chart
Definisi:
Adalah variabel control chart dimana data yang
dikumpulkan dalam setiap pengamatan berbentuk
subgroup yang besarnya 2-9
Kapan digunakan:
– Jika ingin mengetahui stabilitas suatu proses
– Jika datanya adalah data variabel
– Jika setiap data yang dikumpulkan dalam bentuk
subgroup yang besarnya 2 - 9
Variable Control Chart :
X bar - R Chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 116/211
Analisa Permasalahan-R0 116/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
X bar R Chart
VARIABLE CONTROL CHART
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 117/211
Analisa Permasalahan-R0 117/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
1. X bar – R Chart
Contoh penerapan X bar – R Chart:
1. Panjang potongan pelat baja yang diproduksi
2. Welding strength (2 tiap 2jam)
3. Porosity (n=4, tiap 4jam)
4. Freeness ( 2x / shift)5. Ph (2 x / shift)
6. Thickness solder paste (n=2, 2 jam)
7. Punch terminal pressure (n=5, 2 jam)
8. Impact test (n=2, 1 jam)
9. Intermediate test (n=10, per lot)10. Sliding impact test (n=6, per lot)
11. Berat piston motor –grm (n= 5 per shift)
12. Bending strength – kg/cm2 (n=3 per shift)
Variable Control Chart :
X bar - R Chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 118/211
Analisa Permasalahan-R0 118/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
. Rumus garis kendali, yaitu:
Peta X : Peta R :
• UCL = X + A2.R UCL = D4.R
• LCL = X - A2.R LCL = D3.R
• CL = X CL = R
• A2, D3, D4 diambil dari Table A. Factors for Computing ControlChart Lines
• X = rata-rata hasil pengukuran dalam sekali pengamatan
• R = range/selisih hasil pengukuran terbesar dengan terkecil dalam
sekali pengamatan
• X = X / N R = R / N• N = jumlah pengamatan.• Untuk membuat peta kendali ini N = data (subgroup) yang dibutuhkan
minimum 25
X bar R Chart
X bar – R Chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 119/211
Analisa Permasalahan-R0 119/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
X BAR CHART - UJI LIMIT (BOLT DIAMETER)
X bar – R Chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 120/211
Analisa Permasalahan-R0 120/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
11,0
11,5
12,0
12,5
13,0
13,5
14,0
14,5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
A V E R A G E
PENGAMATAN KE
X BAR CHART UJI LIMIT (BOLT DIAMETER)
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
R A N G E
PENGAMATAN KE
R CHART - UJI LIMIT (BOLT DIAMETER)
ucl
ucl
cl
cl
lcl
lcl
VARIABLE CONTROL CHART2 X b S Ch
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 121/211
Analisa Permasalahan-R0 121/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
2. X bar-S Chart
Definisi: Adalah Variable Control Chart dimana datayang dikumpulkan dalam setiappengamatan, dalam subgroup yang besarnya
10 atau lebih
Kapan digunakan:
Jika ingin mengetahui stabilitas suatu proses
Jika datanya adalah data variabel Jika setiap data yang dikumpulkan dalambentuk subroup yang besarnya 10 atau lebih
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 122/211
Variable Control Chart :
X bar - S Chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 123/211
Analisa Permasalahan-R0 123/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
– Rumus garis kendali, yaitu:
Peta X : Peta S :
UCL = X + A3.S UCL = B4.S
LCL = X - A3.S LCL = B3.SCL = X CL = S
A3, B3, B4 diambil dari Table A. Factors for Computing Control Chart
Lines
X = rata-rata hasil pengukuran dalam sekali pengamatan
S = standard deviasi setiap sub group
X = X / N (N = jumlah pengamatan) S = ( Xi - X )2
S = S / N n-1
X bar S Chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 124/211
Variable Control Chart : X bar - S ChartBerat Pasta (gr)
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 125/211
Analisa Permasalahan-R0 125/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
(g )
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 126/211
VARIABLE CONTROL CHART3. X- Moving Range Chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 127/211
Analisa Permasalahan-R0 127/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
3. X Moving Range ChartDefinisi:
Adalah Variable Control Chart dimana data yang dikumpulkan dalam setiap
pengamatan jumlahnya satu (=1)
Disebut Moving Range karena: range diperoleh dari data yang bergerak
yakni data dari pengujian satu ke pengujian berikutnya
Kapan digunakan:
Jika ingin mengetahui stabilitas suatu proses
Jika datanya adalah data variabel
Jika setiap data yang dikumpulkan adalah data individu
Umumnya digunakan dalam industri yang berjalan 24 jam seperti
semen, pupuk kimia, minyak dimana dalam setiap pengambilan datahasilnya relatif homogen sehingga cukup diambil satu sampel
Dapat juga digunakan dimana pengujian hanya dapat dilakukan sedikit
saja, karena faktor biaya, atau memang sedikit produksi yang tersedia
VARIABLE CONTROL CHART3 X- Moving Range Chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 128/211
Analisa Permasalahan-R0 128/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Contoh penerapan Peta X - Moving Range
1. Konsentrasi larutan
2. Daya ledak peluru
3. Kadar air dalam pupuk
4. Daya tahan baterai handphone
5. Kadar TS (per batch)
6. Kadar protein ransum (per no formula)
7. Dimensi komponen (per komponen)
8. Running test break-m (per unit)9. PH larutan (per batch)
10. Viskositas – poise (per batch)
3. X Moving Range Chart
Variable Control Chart :
X M i A
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 129/211
Analisa Permasalahan-R0 129/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
X – Moving Average
Rumus garis kendali, yaitu:
Peta X : Peta Moving Range :
UCL = X + E2.mR UCL = D4.mR
LCL = X - E2.mR LCL = D3.mR
CL = X CL = mR
E2, D3, D4 diambil dari Table A. Factors for Computing
Control Chart Lines (untuk n= 2--> E2 = 2.66)
X = hasil pengukuran dalam sekali pengamatan
mR = range dari sekelompok data yang berturutanX = X / N (N = jumlah pengamatan)
mR = mR / (N-n+1)
Subgroup Size E2
(n)
2 2.660
3 1.772
4 1.457
5 1.290
6 1.184
7 1.1098 1.054
9 1.010
10 0.975
Variable Control Chart : X – Moving Average
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 130/211
Analisa Permasalahan-R0 130/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Variable Control Chart : X – Moving Average
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 131/211
Analisa Permasalahan-R0 131/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
0,00
0,01
0,01
0,02
0,02
0,03
0,03
0,04
m R
PENGUKURAN KE
MOVING RANGE (LEBAR SISI AXIS)-UJI LIMITmRUCLCLLCL
ATTRIBUTE CONTROL CHARTDEFECT vs DEFECTIVE
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 132/211
Analisa Permasalahan-R0 132/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
DEFECT vs DEFECTIVE
Dalam pembuatan ATTRIBUTE CONTROL CHART akan
ditemui istilah - istilah yang perlu diperhatikan yaitu :
defect dan defective
n Produk disebut memiliki defect(nonconformity) jika terdapat
sekurang-kurangnya satu spesifikasi yang tak dipenuhiMisal : tergores, dinding menggelombang, cat mengelupas
n Produk disebut defective(nonconforming) jika terdapat defect (satu
atau lebih) yang mengakibatkan produk tersebut ditolak / tak
berfungsi lagi
Misal : ubin pecah, gelas retak, produk yang rusak, dan lain-lain
ATTRIBUTE CONTROL CHART1. p - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 133/211
Analisa Permasalahan-R0 133/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Definisi:
Adalah Attribute Control Chart dimana data yang dikumpulkandigo-longkan diterima atau ditolak (mengecek defective), dan
dalam setiap pengamatan besarnya subgroup berbeda
Kapan digunakan:
n Jika ingin mengetahui stabilitas suatu proses
n Jika datanya dalam setiap subgroup berupa jumlah
produk defective / nonconforming
n Jika dalam setiap pengamatan besarnya subgroup
berbedan Jika ingin mengamati karakteristik kualitas, dimana
produk diklasifikasikan diterima atau ditolak
ATTRIBUTE CONTROL CHART1. p - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 134/211
Analisa Permasalahan-R0 134/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
pContoh penerapan p - chart:
1. Proporsi waste per hari dalam pembuatan produk
2. Proporsi reject item dalam pembelian barang
3. Proporsi pasien meninggal dari seluruh pasien dirawat
4. Proporsi ubin yang pecah dalam pemasangan lantai
5. Jml Lampu mati pada saat pengujian
6. Reject kropos casting process
7. Jml pengujian salah per bulan8. Salah kirim
9. Salah bayar wesel
10. Jml nasabah yang dilayani vs yg complain
11. Jml transaksi kiriman uang vs jml salah bayar
12. Jml unit terjual vs jml retour
13. Jml ATM vs ATM yang rusak
14. Jml PO vs delivery terlambat
15. Jml panggilan vs jml panggilan gagal
Attribute Control Chart : p - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 135/211
Analisa Permasalahan-R0 135/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
UCL = p + 3 p ( 1 - p ) CL = p
ni
LCL = p - 3 p ( 1 - p )ni
p = proporsi defective per unit
p = pn / ni
ni = besarnya subroup/ pengamatan ke - i
Attribute Control Chart : p chart
Rumus garis kendali, yaitu:
Attribute Control Chart :
p - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 136/211
Analisa Permasalahan-R0 136/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Attribute Control Chart :
p - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 137/211
Analisa Permasalahan-R0 137/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
ATTRIBUTE CONTROL CHART2. np - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 138/211
Analisa Permasalahan-R0 138/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
p
Definisi:
Adalah Attribute Control Chart dimana data yang dikumpulkan digo-longkan diterima atau ditolak (mengecek defective/nonconforming ) dan
dalam setiap pengamatan besarnya subgroup sama
Kapan digunakan:n Jika ingin mengetahui stabilitas suatu proses
n Jika datanya dalam setiap subgroup berupa jumlah produk defective /
nonconforming
n Jika dalam setiap pengamatan besarnya subgroup sama
n Jika ingin mengamati karakteristik kualitas, dimana produk
diklasifikasikan diterima atau ditolak
ATTRIBUTE CONTROL CHART2. np - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 139/211
Analisa Permasalahan-R0 139/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
p
Contoh penerapan np - chart:1. Lama waktu breakdowm mesin setiap seminggunya
(mesin beroperasi 24 jam dalam sehari)
2. Jml reject item dalam setiap karton box(isi 12 lusin), bolpen yang
dibeli
3. Jml bayi meninggal setiap 100 kelahiran4. Jml „landing‟ pesawat yang kurang mulus dari setiap 1000 kali
„landing‟
5. Inspeksi 100% untuksemua item setiap lot (ukuran sama)
6. Setiap 1000 ton dihitung complain
7. Setiap 1000 debitur, yg macet brp8. Box tercampur dalam tiap palet
9. Setiap box dihitung salah size
Attribute Control Chart :
np - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 140/211
Analisa Permasalahan-R0 140/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Rumus Garis kendali, yaitu:
UCL = np + 3 np ( 1 - p )
CL = np
LCL = np - 3 np ( 1 - p )
np = proporsi defective per subgroup=> jumlah
np = np / N p = np / ni
N = banyaknya pengamatan/ jumlah subgroup
Attribute Control Chart :np - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 141/211
Analisa Permasalahan-R0 141/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Attribute Control Chart :
np - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 142/211
Analisa Permasalahan-R0 142/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
ATTRIBUTE CONTROL CHART3 u - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 143/211
Analisa Permasalahan-R0 143/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
3. u - chart
Definisi: Adalah Attribute Control Chart dimana data yang dikumpulkanadalah defect-defect / nonconformity dalam subroup dimana dalamsetiap pengamatan besarnya subgroup berbeda
Kapan digunakan:n Jika ingin mengetahui stabilitas suatu proses
n Jika datanya adalah berupa banyaknya defect / nonconformity
setiap subgroup
n Jika dalam setiap pengamatan besarnya subgroup berbeda
n Jika ingin mengamati karakteristik kualitas, berapa banyaknya
defect per unit pengamatan
ATTRIBUTE CONTROL CHART3 u - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 144/211
Analisa Permasalahan-R0 144/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
3. u - chart
Contoh penerapan u - chart:1. Jml nasabah yang transfer vs jumlah kesalahan
penulisan form
2. Jml kehadiran karyawan vs tindakan indisipliner
3. Jml produksi harian vs jumlah cacat4. Jumlah pelanggan datang vs Jumlah keluhan
5. Jml siswa vs kesalahan penggunaan pemadam
kebakaran
6. …………………………………….
7. …………………………………….
8. …………………………………….
Attribute Control Chart :
u - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 145/211
Analisa Permasalahan-R0 145/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Rumus Garis kendali, yaitu:
UCL = u + 3 u CL = uni
LCL = u - 3 uni
u = proporsi defect per unit =>juml defect/juml yg di inspect
u = c / ni c = jumlah defect per subgroup
ni = besarnya subroup/ pengamatan ke- i
Attribute Control Chart :
u - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 146/211
Analisa Permasalahan-R0 146/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Attribute Control Chart :
u - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 147/211
Analisa Permasalahan-R0 147/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
ATTRIBUTE CONTROL CHART4. c - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 148/211
Analisa Permasalahan-R0 148/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Definisi:
Adalah Attribute Control Chart dimana data yang dikumpulkanadalah defect-defect / nonconformity dalam subgroup dimana dalamsetiap pengamatan besarnya subgroup sama
Kapan digunakan:n Jika ingin mengetahui stabilitas suatu proses
n Jika datanya adalah berupa banyaknya defect / nonconformity
setiap subgroup
n Jika dalam setiap pengamatan besarnya subgroup sama
n Jika ingin mengamati karakteristik kualitas, berapa banyaknya
defect pada setiap artikel produk
ATTRIBUTE CONTROL CHART
4. c - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 149/211
Analisa Permasalahan-R0 149/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Contoh penerapan c - chart:
1. Setiap 10 halaman buku vs jumlah salah
2. Setiap 10 m luas bidang yang dicat vs jumlah cacat
3. Setiap botol obat vs banyaknya gelembung udara
dalam satu botol obat4. Setiap 100 sambungan telepon vs salah sambung
5. Setiap area dalam roll yang diperiksa vs jml defect
6. …………………………………….
7. …………………………………….
8. …………………………………….
Attribute Control Chart :
c - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 150/211
Analisa Permasalahan-R0 150/211
Copyright 2009 - PQM Consultantshttp:\\www.pqm.co.id
Rumus Garis kendali, yaitu:
UCL = c + 3 c
CL =
cLCL = c - 3 c
c = proporsi defect per subgroup =>jumlah
c = c / N c = jumlah defect per subgroup
N = banyaknya pengamatan atau jumlah subgroup
c chart
Attribute Control Chart :
c - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 151/211
Analisa Permasalahan-R0 151/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Attribute Control Chart :
c - chart
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 152/211
Analisa Permasalahan-R0 152/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 153/211
Analisa Permasalahan-R0 153/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
P C bilit
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 154/211
Analisa Permasalahan-R0 154/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Process CapabilityAnalysis
Cp
Cpk
PROCESS CAPABILITY ANALYSIS
D fi i i d l h t li t k dik i b
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 155/211
Analisa Permasalahan-R0 155/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
• Definisi: adalah suatu analisa untuk memprediksi seberapa
konsisten proses memenuhi spesifikasi yang ditentukan
pelanggan internal atau eksternal
• Proses disebut „capable‟ jika mampu menghasilkan hampir100% output sesuai spesifikasi
– Capability: kemampuan proses untuk menghasilkanoutput sesuai spesifikasi
– Capability Index: adalah suatu index yang
menggambarkan seberapa jauh proses memenuhi
spesifikasi yang ditetapkan :
1. “Potential” Capability Index = Cp
2. “Real” Capability Index = Cpk
Mengapa perlu Process Capability Analysis?
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 156/211
Analisa Permasalahan-R0 156/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
54321
Precise but notAccurate
Accurate but notPrecise
Current Situation
Problem wi th Center ing
LSL USL
Desired
Precise
(but notaccurate)
Problem wi th Spread
Current situation
DesiredAccurate
(but not precise)
LSLUSLT
T
PROCESS CAPABILITY ANALYSIS
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 157/211
Analisa Permasalahan-R0 157/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Dengan mengetahui Capablility Index, membantu
memfokuskan pada target value, yaitu value yangpaling diinginkan pelanggan. Meskipun output 100%
berada di dalam spesifikasi limit, bisa jadi pelanggan
tidak puas & memungkinkan hilangnya bisnis
• PENERAPAN:
– Menguji apakah setup mesin baru sudah OK,
– Menguji seberapa baik performance dari suatu alat/mesin / sekelompok pekerja terhadap suatu
parameter (dimensi, dll) dalam periode tertentu(daily, weekly, monthly, dll)
– Sebagai persyaratan untuk penerimaan produk
PROCESS CAPABILITY ANALYSIS
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 158/211
Analisa Permasalahan-R0 158/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
• Sebelum melakukan Process Capability Analysis harus
dipastikan prosesnya stabil. Proses yang tidak stabiltidak bisa dijadikan acuan untuk memprediksi. Jikaproses stabil maka dapat diprediksi performancemendatang dan meningkatkan capability
• Process capability harus senantiasa diukur dan dianalisa
• Dengan melakukan Process Capability Analysis dapatdiketahui: – Apakah proses memenuhi spesifikasi – Bagaimana kinerja proses di masa mendatang – Apakah perlu dilakukan perbaikan di dalam proses
– Apakah improvement yang dilakukan bisamempertahankan kinerja, atau malah menurun?
PROCESS CAPABILITY ANALYSIS
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 159/211
Analisa Permasalahan-R0 159/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
LANGKAH ANALYSIS:
• Tetapkan parameter yang akan dianalisis :temperatur, dimensi, viskositas, dll (data variabel)
• Kumpulkan data untuk setiap parameter yangakan dianalisa, n> 25(populasi homogen)
• Buatlah Control Chart yang sesuai, analisaapakah Chart dalam keadaan in control atau outof control
• Buat histogramnya, analisa apakah berdistribusinormal? (Test: Anderson-Darling test atau
Kolmogorov-Smirnov statistic, atauMean=Median=Mode)
• Hitung Cp dan/atau Cpk
PROCESS CAPABILITY ANALYSIS
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 160/211
Analisa Permasalahan-R0 160/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Istilah yang perlu diperhatikan dalam mengukur prosesCapability Index:
• Control Limit:
– Control Limit merupakan garis batas yangmenggambaran kemampuan (potret) prosesberdasarkan pengalaman dan kemampuanteknik
• Spesifikasi Limit :
– Spesikfikasi Limit adalah limit/batas-batas
/spesifikasi yang ditentukan oleh konsumen(dalam maupun luar) atau target yang harusdicapai
PROCESS „POTENTIAL‟ CAPABILITY INDEX - Cp
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 161/211
Analisa Permasalahan-R0 161/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Cp = Index yang menunjukkan kemampuan suatu proses dalam
memenuhi Spesifikasi Limit (atas & bawah), dimana
perhitungannya hanya memperhatikan spread (sebaran
data) namun Tidak memperhatikan centering /titik tengah
dari proses.
Karena Cp tidak memperhitungkan centering dari proses, maka nilai
Cp tak dapat digunakan sebagai index tersendiri dalam
menggambarkanperformance proses, dan harus disertai dengan Cpk
Cp = Spec. Atas - Spec. Bawah
6
Jika ada 2 batas Spec. :Spec. Atas & Spec. Bawah
Cp ini mengukur seberapa presisi suatu parameter proses
dapat diestimasi dari
1. Standard deviasi sampel s: Dalam Minitab, jika
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 162/211
Analisa Permasalahan-R0 162/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
X : rata-rata
S : Std. Deviasi
S = ( X - X )2
n-1
2. Data dari Peta Kendali Xbar- R atau X bar-S:
= Rd2
R = rata-rata range pada peta kendali X bar-Rd2 = konstanta yang besarnya tergantung jumlah
observasi dalam menghitung range (besar subgroup)
= Sc4
S = rata-rata satndard deviasi pada peta kendali X bar-Sc4 = konstanta yang besarnya tergantung jumlah
observasi dalam menghitung standard deviasi(besar subgroup)
Dalam Minitab, jika
menggunakan rumus
ini , maka hasilnya
adalah Ppk
Dalam Minitab, jika
menggunakan rumus
ini , maka hasilnya
adalah Cpk
INTERPRETASI
PROCESS „POTENTIAL‟ CAPABILITY - Cp
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 163/211
Analisa Permasalahan-R0 163/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
• Variabilitas Proses dikatakan memenuhi
spesifikasi yang ditetapkan, jika:
Index Capability Process 1 , atau
Cp 1
INTERPRETASI PROCESS „POTENTIAL‟ CAPABILITY - Cp
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 164/211
Analisa Permasalahan-R0 164/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Lower
Specification
C p < 1
C p = 2.0
Upper
Specification
I m pr ov em en t
C p = 1
C p = 1.5
Limit Limit
INDEX PROCESS „REAL‟ CAPABILITY - Cpk
Cpk = Index yang menunjukkan kemampuan suatu proses
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 165/211
Analisa Permasalahan-R0 165/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Cpk Index yang menunjukkan kemampuan suatu proses
dalam memenuhi spesifikasi limit (atas &/ atau
bawah) dimana dalam perhitungannya
memperhatikan sebaran data dan centering/titik
tengah proses
Jika ada 2 batas Spec. :
Spec. Atas & Spec. Bawah
Cpk =Spec. Atas - X
3
Jika ada 1 batas Spec. :
Spec. Atas saja
Cpk =X - Spec. Bawah
3
Jika ada 1 batas Spec. :
Spec. Bawah saja
Cpk = minSpec. Atas - X , X - Spec Bawah
3 3
Cpk ini mengukur seberapa presisi dan akurasi suatu parameter proses
INTERPRETASI PROCESS „REAL‟ CAPABILITY - Cpk
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 166/211
Analisa Permasalahan-R0 166/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Proses dikatakan memenuhi spesifikasiyang ditetapkan, jika:
Index Capability Process - Cpk 1
Catatan :
nilai Cp Cpk
Cp & Cpk BERBAGAI PROSES
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 167/211
Analisa Permasalahan-R0 167/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Potential
capability
Lower
specification
Upper
specification
Cp
= 2.0 Cpk
= 2.0
Cp
= 2.0 Cpk
= 1
Cp
= 2.0 Cpk
< 1
Cp
= 2.0 Cpk
= 0
Cp
= 2.0 Cpk
< 0
Cp
= 2.0 Cpk
< -1
I n cr e a s ei n t h en um b er of r e j e c t s
Real
capability
9
HISTOGRAM Berat Susu- 400 gr
Rata2
Jika Manajemen telah menetapkan spesifikasibahwa berat susu tidak boleh kurang dari400 gr dan tidak boleh lebih dari 404 gr
B il i i d C d i t b t ?
CONTOH PERHITUNGAN Cp
LSL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 168/211
Analisa Permasalahan-R0 168/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
0
1
2
3
4
5
6
7
8
1 2 3 4 5 6
2 Berapa nilai index Cp dari proses tersebut ?
Jawaban :
n = 30 ; X = 404,3 gr ; s = 2,262 gr;
Spec bawah = LSL= 400 gr; Spec Atas = USL= 404gr
Interpretasi :
Karena Cp = 0,29 < 1 , maka variabilitas berat susu melebihi batasspesifikasi perlu dilakukan perbaikan untuk memperkecil
variabilitas
=404 - 400
6 ( 2,262)
Cp =USL - LSL
6
= 0.29
Center Mean 404,3
Median 404,0
Spread
StDev 2,262
Range 9,3
Var 5,1
USL
9
HISTOGRAM Berat Susu- 400 gr
Rata2
Jika Manajemen telah menetapkan spesifikasi bahwaberat susu tidak boleh kurang dari 400 gr dan tidakboleh lebih dari 404 gr
Berapa nilai index Cpk dari proses tersebut ?
CONTOH PERHITUNGAN Cpk
LSL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 169/211
Analisa Permasalahan-R0 169/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
0
1
2
3
4
5
6
7
8
1 2 3 4 5 6
2p p p
Jawaban :
n = 30 ; X = 404,3 gr ; s = 2,262 gr;Spec bawah = LSL= 400 gr; Spec Atas = USL= 404
gr
Cpk = min { Spec atas - X , X - Spec bawah } = min { 404 - 404,3 ; 404,3 - 400 }3 s 3 s 3 x 2,262 2 x 2,262
Cpk = min { -0,04 ; 0,63} = - 0,04
Kesimpulan :Karena Cpk = -0,064 < 1 , maka variabilitas berat susu melebihi batas spesifikasi
dan rata-rata berat susu jauh menyimpang dari titik tengah spesifikasi
Center Mean 404,3
Median 404,0
Spread
StDev 2,262
Range 9,3
Var 5,1
USL
• Cpk > 1.3 :
Jik t j di i k t i i di d t k il
INTERPRETASI PROCESS „REAL‟ CAPABILITY - Cpk
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 170/211
Analisa Permasalahan-R0 170/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
– Jika terjadi peningkatan variasi di masa mendatang, kecil
kemungkinannya menyimpang dari spesifikasi (proses menjadi lebih
murah, lebih produktif)
• 1.1 < Cpk < 1.3 :
– Kondisi ideal, variasi dalam batas yang diijinkan
• 1.0 < Cpk < 1.1 :
– Perubahan sedikit dalam proses produksi mengakibatkan munculnya
penyimpangan
• 0.9 < Cpk < 1.0 :
– Produk cacat (penyimpangan produk) kadangkala muncul, proses
harus diperiksa lebih ketat untuk mengeliminasi
cacat/penyimpangan
• Cpk < 0.9 : – Produk cacat (penyimpangan produk) terjadi secara teratur, proses
tak terkontrol. harus diperiksa bagaimana proses kerja, atau design
spesifikasi perlu ditinjau ulang
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 171/211
CONTOH PERHITUNGAN Cpm
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 172/211
Analisa Permasalahan-R0 172/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
p
Diketahui :Specification limit : 28 + 3/-4 . Rata-rata X = 29.0, dan standard deviasi S = 0.43
Berapa nilai Cpm?
Cpm = USL -
LSL 6 ( – T )2 + 2
= 31 – 24 = 1.07
6 (29 – 28 )2 + 0.43 2
24 25 26 27 28 29 30 31
Target USLLSL
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 173/211
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 174/211
Hypothesis Test
• Untuk mendapatkan keputusan umumnya
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 175/211
Analisa Permasalahan-R0 175/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Untuk mendapatkan keputusan, umumnya
digunakan asumsi terhadap populasi. Asumsiuntuk mendapatkan keputusan tersebut (bisabenar, bisa salah), dinamakan STATISTICALHYPHOTHESIS atau Hypothesis Test
• Hypothesis test dapat digunakan untuk:• Menilai kinerja proses (rata-rata dan variasi) terhadap suatu
standard atau spesifikasi,• Menentukan apakah terdapat perbedaan-perbedaan yang terjadi
selama proses,• Menguji peningkatan proses dengan membandingkan data lama
dan yang baru,• Dan sebagainya
HYPOTHESIS TEST
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 176/211
Analisa Permasalahan-R0 176/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
• Dalam melakukan hypothesis test, digunakan duahypothesis yang berlawanan:
– Hipotesis Nol (Null Hypothesis) (H0) : Yaitu suatu statementmengenai persamaan atau ketidaksamaan mengenai
parameter populasi. Peneliti ingin mendeskreditkan(menyangkal) statement ini.
– Hipotesis Alternatif ( Alternative Hypothesis) (H1) : Yaitu suatustatement yang berkontradiksi dengan null hyphothesis.
Peneliti mengharapkan statement ini yang aktual terjadi.
Menolak H0 = Menerima H1, Menerima H1 = Menolak H0
HYPOTHESIS TEST
Starting point untuk hypothesis test adalah “null”
hypothesis Ho Ho merupakan hypothesis mengenai suatu
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 177/211
Analisa Permasalahan-R0 177/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
hypothesis - Ho. Ho merupakan hypothesis mengenai suatu
kesamaan atau tidak ada perbedaaan
Con toh : H0: Rata-rata Populasi = rata-rata hasi l penguj ian
Hypothesis Ha adalah “alternative” hypothesis. Menyajikan
hyphothesis mengenai adanya perbedaan
Con toh Ha: rata-rata Populasi # rata-rata hasi l penguj ian
Dengan Hypothesis test dapat dibuktikan apakah perbedaanmemang terjadi secara signifikan atau secara kebetulan
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 178/211
Analisa Permasalahan-R0 178/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Note: based on the graph above, the Ho
wouldn‟t be ≠, but =, ≥, or ≤. And the Ha is
the opposite.
HYPOTHESIS TEST
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 179/211
Analisa Permasalahan-R0 179/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Contoh :
1. Jika ingin memutuskan apakah suatu coin itu imbang,maka formulasi hipotesa tsb adalah :
Ho: p = 0.5, dan Coin disebut imbang (dengan
probabilitas muncul gambar kepala = 0.5)
H1: p # 0.5 atau p > 0.5 atau p = 0.7 (pilih salah satu)
2. Jika ingin memutuskan apakah suatu prosedur lebih baik
dari yang lain, maka formulasi hipotesa tsb adalah:
Ho: Tidak ada perbedaan antara prosedurH1 : Ada perbedaan prosedur
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 180/211
Critical Values of Z
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 181/211
Analisa Permasalahan-R0 181/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Level ofsignificance( )
0.10 0.05 0.01 0.005 0.002
Critical Values of z
for One Tailed Test
-1.28
atau1.28
-1.645
atau1.645
-2.33
atau2.33
-2.58
atau2.58
-2.28
atau2.28
Critical Values of zfor Two Tailed Test
-1.645
dan1.645
-1.96dan1.96
-2.58dan2.58
-2.81
dan
2.81
-3.08dan3.08
(Untuk lainnya, Critical values of Z
dapat dilihat dalam tabel Distribusi Normal)
Dari Tabel Distribusi Normal, untuk setiap level of significant ( ), dapatdihitung confidence koefisien atau critical value/daerah kritis yangdinyatakan dalam Z
Mapping Statistical Tools
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 182/211
Analisa Permasalahan-R0 182/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
1. Define the hypothesis.Tetapkan Hypothesis Awal (Ho), dan Hypothesis Alternatif/Kontra (Ha/H1),
Misal; untuk menguji apakah rata-rata populasi (
) sama atau tidak dengan nilai tertentu,
LANGKAH-LANGKAH UJI HYPOTHESIS
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 183/211
Analisa Permasalahan-R0 183/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
; g j p p p ( ) g ,
H0: X vs H1: ≠ X (tanda ≠ nantinya menuntun kita untuk melakukan uji dua sisi/tail) .
H0: < X vs H1: >X (tanda > atau < nantinya menuntun kita untuk melakukan uji satu sisi).
2. Define the hypothesis test & Calculate the value of the test statistic. Tetapkan
test statistik yang digunakan (Z, t, atau F, atau p value )
Misal untuk mengetes rata-rata populasi dengan n> 30, test statistiknya:Z = X – hitung hingga diperoleh suatu nilai
s n
3. Define the confidence level and error level ( level).Definisikan tingkat kesalahan ( ) dan kuasa uji (1- ).
Misal, dengan tingkat error 5%, maka tingkat kepercayaan adalah sebesar 95%.
4. Carry out the test.Hasil test statistik pada no 3 dibandingkan dengan rejection region. Buat keputusanterima/tolak Ho
5. State a conclusion.Buat kesimpulan. (Gunakan bahasa sehari-hari, jangan pakai jargon statistik).
p-Value
• p-value adalah suatu test statistik yang digunakan di dalam
hypotesis testing untuk menerima atau menolak null hypothesis
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 184/211
Analisa Permasalahan-R0 184/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
hypotesis testing untuk menerima atau menolak null hypothesis.
• p-value ditunjukkan oleh tail area di dalam table distribusi normalyang diperoleh dari konversi hasil pengukuran aktual (rata-rata)
ke dalam Statistic ( Z , t atau c 2 statistic )
P value = area A yg diarsir
P value = area B (yg diarsir)
P value = area A + B(yg diarsir)
A
B
A
= .05= .05
= .05
B
= .05
P-value • p-value menunjukkan peluang untuk membuat Type I error, menolak null
hypothesis yang benar.
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 185/211
Analisa Permasalahan-R0 185/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
• Type I Error : Menolak null hypothesis padahal null hypothesis itu benar.
Probabilitas Type I Error = .• Contoh: peneliti menolak klaim/hipotesa bahwa rata-rata tinggi populasi =
160 cm, padahal kenyataannya adalah benar
• Type II Error : Menerima null hypothesis padahal null hypothesis itu salah.
Probabilitas Type II Error = β.
– Contoh: Peneliti tidak menolak (menerima) klaim/hipotesa bahwa rata-rata
tinggi populasi = 160 cm, padahal kenyataannya rata-rata tinggi 160 cm
• Semakin kecil p-value, semakin kecil pula peluang untuk membuat kesalahan
untuk menolak null hypothesis (H0).
• Nilai cut-off value yang sering dipergunakan untuk p-value adalah 0.05 (α).
α
β
p-Value
• Acuan menerima atau menolak hypothesis, pada significance
level (
)
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 186/211
Analisa Permasalahan-R0 186/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
level ( )
– Jika p-value < , menerima H1
– Jika p-value , menerima H0
• Nilai umumnya yang digunakan adalah 0, 01 atau 0,05 ( = 0,05
yang paling sering ), sehingga:
– Kriteria penerimaan:
• Jika p-value < 0,05, diterima H1 atau tolak Ho• Jika p-value > 0,05, diterima Ho atau tolak H1
Terima Ho /Tolak H1
= .05 = .05
Terima H1 / Tolak Hop valuep value
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 187/211
Analisa Permasalahan-R0 187/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
HYPHOTHESIS TEST
- Data Variable -
ONE SAMPLE Z-TEST
• One Sample Z Test
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 188/211
Analisa Permasalahan-R0 188/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
• One Sample Z-Test
– Digunakan untuk membandingkan rata-rata sampledengan nilai tertentu ketika standard deviasi populasi ( )diketahui.
• Langkah melakukan One Sample Z-Test : – Tentukan uji normalitas (normality test)• Jika p-value > 0,05 : Data berdistribusi normal
• Jika p-value < 0,05 : Data tidak berdistribusi normal
– Lakukan uji one sample Z-Test
– Tentukan keputusan berdasarkan analisa
Contoh: One Sample Z-Test(dengan Excel Calculator)• PT Crunchy yang memproduksi cereal mengklaim bahwa kadar protein dalam setiap 1
cup cereal adalah 3 gram. Dari data sebelumnya diketahui bahwa standar deviasipopulasi ( )= 0,25 gr . Sebagai karyawan baru, anda ingin membuktikan apakahpernyataan tersebut masih valid dengan melakukan pengujian terhadap 100 sample .Dari hasil pengujian diketahui bahwa rata rata kadar protein 2 88 gr dan standard
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 189/211
Analisa Permasalahan-R0 189/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
Dari hasil pengujian diketahui bahwa rata-rata kadar protein 2,88 gr dan standarddeviasi (s) = 0,41 gr.
Ho : > 3 gr (kadar protein dalam cereal benar > 3 gr)
H1: < 3 gr, (kadar protein dalam cereal < 3 gr)
1
3
2
4
Karena p-value =0,0000 < 0,05, makaditerima H1, artinya
dengan kepercayaan95% (1-0.05) terbuktibahwa kadar protein
dalam cereal <
3gram
One Sample T-Test
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 190/211
Analisa Permasalahan-R0 190/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
• One Sample T-Test – Digunakan untuk membandingkan sebuah sampledengan sebuah nilai tertentu ketika standard deviasipopulasi ( ) tidak diketahui.
• Langkah melakukan One Sample T-Test : – Tentukan uji normalitas (normality test)
• Jika p-value > 0,05 : Data berdistribusi normal
• Jika p-value < 0,05 : Data tidak berdistribusi normal
– Lakukan uji one sample T-Test
– Tentukan keputusan berdasarkan analisa
Contoh: One Sample T-Test(dengan Excel Calculator)
PT Merah Delima yang memproduksi cereal mengklaim bahwa kadar gula dalamcerealnya adalah 8 gram. Tidak diketahui standar deviasi populasi ( ) sebelumnya.
Anda melakukan pengujian dengan mengambil 10 sampel, dan diperoleh rata-rata
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 191/211
Analisa Permasalahan-R0 191/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
1
2
3
p g j g g p pberat gula 7,84 gr, std dev sample : 0,39 gr. Kita akan menguji apakah klaim tersebut
benar atau tidak dengan signifikan level 5%? Gunakan One sample t Test Ho : beratgula dalam cereal > 8 gr
H1 : berat gula dalam cereal < 8 gr
Karena p-value =0,1114 > 0,05, makaterima H0, artinya
dengan kepercayaan95% terbukti bahwa
berat gula dalamcereal
> 8 gram
Two Sample T-Test• Two Sample T-Test
Di k t k b di k d t t d i d jik
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 192/211
Analisa Permasalahan-R0 192/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
– Digunakan untuk membandingkan dua rata-rata dari dua proses jika
standard deviasi tidak diketahui, dimana data didapat dari sampling duapopulasi independen.
• Ingin membandingkan mutu dari 2 produk /proses /area yang berbeda
(data contonuous) mana yang lebih baik
• Langkah melakukan Two Sample T-Test :
– Tentukan uji normalitas (normality test)
• Jika p-value > 0,05 : Data berdistribusi normal
• Jika p-value < 0,05 : Data tidak berdistribusi normal
– Tentukan uji homogeneity dengan melakukan Two variation test
• Jika p-value > 0,05 : tidak ada perbedaan varians antar sample• Jika p-value < 0,05 : ada perbedaan varians antar sample
– Lakukan uji two sample T-Test
– Tentukan keputusan berdasarkan analisa
Anda akan melakukan pengamatan untuk mengevaluasi efsiensi penggunaan bahan bakar dari dua alatelectric vent damper (Mesin A )dan thermally activated vent damper (Mesin B) . Untuk itu anda akanmelakukan two sample t test, tetapi sebelumnya anda harus melakukan two- variation test untuk mengujiapakah kedua mesin tersebut varians nya berbeda. (syarat untuk melakukan two sample t test adalahvarians kedua mesin tersebut berbeda)
Contoh: Two Sa
mple T-TestTahap 1: Two Variation Test
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 193/211
Analisa Permasalahan-R0 193/211
Copyright 2009 - PQM Consultants
http:\\www.pqm.co.id
)
Ho : varians konsumsi bahan bakar (ltr/hr) kedua mesin samaH1 : varians konsumsi bahan bakar (ltr/hr) kedua mesin tidak sama
1 2
3
4
Karena p-value =0,0030 < 0,05, makaditerima H1, artinyadengan kepercayaan95% terbukti bahwavarians konsumsi
bahan bakar keduamesin tidaksama, dengandemikian anda bisamelan-jutkanpengujian two samplet test.
Contoh: Two Sample T-TestTahap 2: Two Sampe t -Test Anda akan melakukan pengamatan untuk mengevaluasi efsiensi penggunaan bahan bakar dari dua alatelectric vent damper (Mesin A )dan thermally activated vent damper (Mesin B) . Anda telah melakukantwo variation test, (sebagai syarat melakukantwo sample t test), dan hasil pengujian menunjukkanbahwa varians kedua mesin tersebut beda, sehingga anda sekarang bisa melakukan two sample t test,
H t 2 k i b h b k (lt /h ) k d i
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 194/211
Analisa Permasalahan-R0 194/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
– H0: rata2 konsumsi bahan bakar (ltr/hr) kedua mesin sama
– H1 : rata2 konsumsi bahan bakar (ltr/hr) antara dua mesin berbeda
21
3
Karena p-value =0,5276> 0,05, makaditerima H0, artinyadengan kepercayaan95% terbukti bahwarata2 konsumsi bahanbakar kedua mesinsama.
Paired T-Test• Paired T-Test
Di k t k b di k t t b d t d
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 195/211
Analisa Permasalahan-R0 195/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
– Digunakan untuk membandingkan rata-rata perbedaan antara dua
sample jika standard deviasinya tidak diketahui, dimana data didapat
dari sampling dua populasi dependen.
• Ingin dilihat pengaruh mutu suatu Produk (data continuous)
atas penggunaan suatu jenis material : A vs B
• Ingin dilihat pengaruh mutu suatu Produk (data continuous)
jika diberi perlakukan A vs perlakuan B
• Langkah melakukan Paired T-Test :
– Tentukan uji normalitas (normality test)
• Jika p-value > 0,05 : Data berdistribusi normal
• Jika p-value < 0,05 : Data tidak berdistribusi normal – Lakukan uji paired T-Test
– Tentukan keputusan berdasarkan analisa
Contoh: Paired T-TestPT Merah Delima yang memproduksi roti menyatakan bahwa tepung terigu dari vendor Adan dari vendor B kadar proteinnya tidak sama sehingga berpengaruh pada kualitas rotiyang dihasilkan. Kita akan menguji apakah benar bahwa material kedua vendor tersebutberbeda dengan signifikan level 5%?
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 196/211
Analisa Permasalahan-R0 196/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
– Ho : kadar protein terigu dari vendor A # vendor B
– Ha : kadar protein terigu dari vendor A = vendor B
Karena p-value =0,0085 <0,05, maka terimaH1, artinya dengan
kepercayaan 95%terbukti bahwakadar protein terigudari vendor A =vendor B
21
3
ANALYSIS OF VARIANCE (ANOVA)
DEFINISI :
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 197/211
Analisa Permasalahan-R0 197/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
DEFINISI :
Adalah suatu analisa statistik yang digunakan dalam rancanganpercobaan untuk menguji ada/tidaknya perbedaan dampak yang
signifikan atas perlakuan yang berbeda
Contoh Penerapan Anova:
Akan diuji coba apakah suatu serum apakah dapat menyembuhkan
penyakit hepatitis.• obyek yang diamati adalah pasien hepatitis,• serumnya yang diuji beda-beda, misal A, B, C,• pasien ada yang diberi serum jenis A, B, atau C;
• selain kondisi di atas, pasien yang diobservasi mendapatperlakuan yang sama
ANALYSIS OF VARIANCE (ANOVA)
Istilah yang digunakan dalam Anova: Observasi, Faktor & Perlakuan
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 198/211
Analisa Permasalahan-R0 198/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
Observasi: adalah frekwensi pengamatan yang dilakukan untukpercobaan tersebut. Biasanya observasi untuk percobaan dilakukan > 3
kali.
Faktor: adalah variabel yang diujicoba dan diduga akan mempengaruhihasil percobaan. Contoh. Mesin, manusia, metode, material
Perlakuan: adalah jenis perlakuan dari Faktor yang diujicobakan.
Contoh: Faktor Mesin perlakuan dengan menggunakan mesin A, B, C
JENIS-JENIS ANOVA
• One Way ANOVA : yaitu Anova dimana faktor yang diuji adalah 1 faktor
Contoh: Misal ingin diuji jenis pupuk mana di antara pupuk A, B, C, yangmemberikan hasil panen terbaik
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 199/211
Analisa Permasalahan-R0 199/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
memberikan hasil panen terbaik
Ho : 1 = 2 = 3 = … (Rata-rata berbagai jenis pupuk Sama)H1 : Minimal ada satu rata-rata yang berbeda
• Two Way ANOVA : yaitu Anova dimana faktor yang diuji adalah 2 faktor .Contoh: Misal ingin diuji varietas padi apa serta pupuk jenis apa yang
memberikan hasil panen yang terbaik
Ho : 11 = 2 = 3 = … = 1 = 2 = 3 (Rata-rata berbagai jenis padidan jenis pupuk Sama)H1 : Minimal ada satu rata-rata yang berbeda
• Multiple Way ANOVA : yaitu Anova dimana faktor yang diuji adalah > 2 faktor
Contoh: Misal ingin diuji kombinasi faktor (suhu, kekentalan, kelembaban, daya
tekan, lama tekan, dll) seperti apa yang memberikan daya rekat lem yang terbaik
Note: Dalam bab ini, yang dibahas adalah khusus One Way & Two way Anova
1. Tentukan output hasil percobaan .Misal ingin diuji apakah terdapat perbedaan hasil panen dari penggunaan pupuk A, B, Cdi suatu petak sawah
Langkah-langkah pengujian dengan One way Anova
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 200/211
Analisa Permasalahan-R0 200/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
di suatu petak sawah.
2. Menetapkan faktor & jenis perlakukan :Sawah diberi pupuk A, B, C. dalam hal ini faktor adalah pupuk(1 faktor), sedangkanperlakuan ada 3 , yaitu : A, B, C
3. Menentukan jumlah observasi:Misalnya untuk analisa ini akan diobservasi periode panen selama 10 periode. Dalam 10periode tersebut, 3 periode menggunakan pupuk A, 3 periode menggunakan pupuk B, 4
periode menggunakan pupuk C. (jumlah periode observasi dengan pupuk A, B, Csebaiknya proporsional)
4. Lakukan percobaan.Gunakan masing-masing pupuk tersebut sesuai ketentuan di atas.Percobaan dapatdilakukan sekaligus atau bergantian (sesuai dengan kondisi lapangan)
5. Analisa output hasil percobaan.
Analisa output hasil percobaan (hasil panen) dengan rumus One Way Anova. Apakahada indikasi bahwa pupuk jenis tertentu memberikan hasil panen yang lebih baikdibanding pupuk lainnya
Botol kemasan plastik diproduksi dari 3 mesin (A, B, C). Ingin diuji apakah terdapat
perbedaan berat botol (dalam gram) dari ke-tiga mesin tersebut, pada tingkat signifikan
0.05? Customer menginginkan berat botol adalah 80 gr +/- 0.2 gr
Dari mesin A & B & C diambil masing-masing 7 botol kemudian ditimbang berat botol
Contoh: One Way Anova(Excel Calculator)
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 201/211
Analisa Permasalahan-R0 201/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
Dari mesin A & B & C diambil masing-masing 7 botol, kemudian ditimbang berat botol
tersebut dan masukkan hasil pengukuran tersebut ke dalam lembar data berikut:Ho : Rata-rata berat botol dari mesin A = mesin B = mesin C
H1 : Di antara mesin A , B, C rata-rat berat botol ada yang berbeda
Karena p-value =0,021 < 0,05, makaterima H1, artinyadengan
kepercayaan 95%terbukti bahwa : Diantara mesin A, B, C rata-rataberat botol adayang berbeda
21
3
Mesin A Mesin B Mesin C
Berat BotolObservasi
Contoh: Two Way AnovaSeorang karyawan di departemen Litbang sedang meneliti bagaimana bakteri hidup di dalamsusu sapi. Dia menyediakan enam wadah di dalam laboratorium. 3 wadah diisi susu dari sapi jenis 1, dan 3 wadah diisi susu jenis 2. Kemudian dia menambahkan satu dari tiga zat kimiawike dalam masing-masing wadah dan setelah 30 hari dia menghitung jumlah bakteri di dalamsetiap wadah.Dia menggunakan two way ANOVA untuk menguji apakah rata-rata jumlah bakteri sama / tidak
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 202/211
Analisa Permasalahan-R0 202/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
Dia menggunakan two way ANOVA untuk menguji apakah rata rata jumlah bakteri sama / tidakdi setiap wadah
Ho : Jumlah bakteri tidak dipengaruhi oleh jenis sapi dan zat kimiawi (jml bakteri sama disemua wadah)
– H1 : Jumlah bakteri dipengaruhi oleh jenis sapi dan zat kimiawi (ada minimal 1 wadah yangtidak sama)
1
2
Karena p-value = 0,915 >0,05, maka terima H0, artinyadengan kepercayaan 95%terbukti bahwa Jumlah bakteri
tidak dipengaruhi oleh jenis sapidan zat kimiawi (jml bakterisama di semua wadah)
Data : Jumah bakteri per ml
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 203/211
Analisa Permasalahan-R0 203/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
HYPHOTHESIS TEST- Data Attribute -
ONE SAMPLE PROPORTION TEST
• One Sample Proportion Test adalah pengujian proporsi pada datadi t jik j l h l di l j i d l h t l /f kt
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 204/211
Analisa Permasalahan-R0 204/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
discrete jika jumlah sample yang dipelajari adalah satu sample/faktor
• Mengapa menggunakan one sample proportion test?
– Guna menentukan apakah defect rate berbeda terhadap kriteriapenerimaan (level of significant) atau terhadap suatu defect
target
• Kapan Menggunakan one sample proportion test?
– Membandingkan proporsi tunggal dari sample acak/randomdengan suatu nilai tertentu
– Membandingkan proporsi defect dengan jumlah sample
Contoh : One Sample Proportion
Test
PT Tinatoon produsen pembuat kaleng makanan menyatakan bahwa yieldratio dari proses pembuatan kaleng makanan adalah 90%. Kemudiandiperiksa 100 kaleng dan hasilnya 87 diantaranya adalah „bagus‟ dan 13 partadalah leaking Kita ingin mengetahui apakah pernyataan orang tersebut tadi
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 205/211
Analisa Permasalahan-R0 205/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
adalah leaking. Kita ingin mengetahui apakah pernyataan orang tersebut tadi
bisa diterima atau tidak.1
2
Ho : yield ratio = 90%H1: yield ratio # 90%
Karena p-value = 0,4047> 0,05, maka terimaH0, artinya dengankepercayaan 95%terbukti bahwa yieldratio proses pembuatankaleng = 90%
3
TWO SAMPLE PROPORTION TEST
T S l P ti T t d l h ji i d d t
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 206/211
Analisa Permasalahan-R0 206/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
• Two Sample Proportion Test adalah pengujian proporsi pada datadiscrete jika jumlah sample yang dipelajari adalah dua sample/faktor
• Mengapa menggunakan one sample proportion test?
– Guna menentukan apakah dua defect rate berbeda• Sebelum dan sesudah perbaikan
• Dua supplier, shift, setting proses, dll
• Kapan Menggunakan one sample proportion test?
– Membandingkan dua proporsi dari sample acak/randomdengan suatu nilai tertentu
– Membandingkan proporsi defect dengan jumlah sample
Contoh : Two Sample Proportion Te
st
Kita ingin mengetahui apakah yield ratio proses pembuatan kaleng susudari Plant A (dancow) dengan Plant B (Milo) sama atau tidak. Diambilsampel 100 kaleng dari masing-masing plant. Dari Plant A (dancow) 74
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 207/211
Analisa Permasalahan-R0 207/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
part bagus, dan dari Plant B (Milo) 78 kaleng adalah bagus. – H0: tidak ada perbedaan yield ratio antara Dancow Plant dan Milo Plant
– H1: ada perbedaan yield ratio antara Dancow Plant dan Milo Plant
12
Berdasarkan hasilanalisa, didapatkan nilai p-value =
0,5078 > 0,05, maka terimaHo, artinya dengan kepercayaan95% terbukti tidak ada perbedaanyield ratio antara Plant Dancow
dan Milo Plant
3
Chi-Square Goodness-of-Fit Test: pengujian untuk
lih t/ li d t di t l bih d i 2
CHI-SQUARE TEST
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 208/211
Analisa Permasalahan-R0 208/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
melihat/menganalisa data discrete yang lebih dari 2
faktor/sample, apakah hasil sampling sama dengan hasil yang
diharapkan
Contoh:
• Faktor X : lokasi (Jkt, Sby, Lampung) , method (manual, otomatis) , product type (A, B, C, D)
• Faktor Y : performance ( OK, NOK); customer satisfaction (poor, fair, good, excellent), defect(kotor, bau, warna tak sesuai, rasa tak sesuai)
DEGREES OF FREEDOM
Jumlah degrees of freedom dari statistik dinyatakan dengan simbol d.f., adalah
jumlah N independen observasi dalam sampel (sample size ) dikurangi jumlah
k parameter dari populasi yang diestimasi dari sampel.
Simbolnya: d.f. = N – k
Ho: tidak ada perbedaan proporsi secara signifikan di antarakelompok yang diamati
CHI-SQUARE TEST
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 209/211
Analisa Permasalahan-R0 209/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
kelompok yang diamati
H1 : minimal ada 1 kelompok yang berbeda dari semua kelmpok yangdiamati
Kriteria Penerimaan
– Jika p .05
• Terima Ho (tidak cukup bukti bahwa terjadi perbedaan proporsisecara signifikan di antara kelompok yang diamati
– Jika p < .05
• Tolak H0, (minimal ada 1 kelompok dengan proporsi yangberbeda secara signifikan di banding kelmpok lainnya)
LATIHAN : CHI SQUARE TEST
Sebuah perusahaan electronic mengevaluasi product cacat yangdihasilkan dalam suatu periode. Jumlah total cacat = n = 309 yang terdiridari 4 kategori cacat(A B C D) Perusahaan menduga bahwa perbedaan
7/25/2019 Analisa Permasalahan & Teknik Statistik_full.pdf
http://slidepdf.com/reader/full/analisa-permasalahan-teknik-statistikfullpdf 210/211
Analisa Permasalahan-R0 210/211
Copyright 2009 - PQM Consultants
http:\\www pqm co id
dari 4 kategori cacat(A,B,C, D). Perusahaan menduga bahwa perbedaan
shift berpengaruh terhadap banyaknya cacatBuktikan apakah terjadi perbedaan jumlah cacat antar shift
Ho: tidak ada perbedaan jumlah cacat antar shiftHa: ada perbedaan jumlah cacat antar shift
Type Cacat A : Dents Shift A B C DB : Sealed system Leaks. 1 15 21 45 13C : Switch failure 2 26 31 34 5D : Missing Parts 3 33 17 49 20
LATIHAN : CHI SQUARE TEST
top related