Nama : Mochamad Afandi (1310 100 059)

Rida Dwi Lestari (1310 100 086)

Asdos : arahdina !a"#is
La$oran A%hir Mod&" '
1( )eran*%a +eori
1(1 R&m&san Masa"ah
Permasalahan yang ingin dianalisis adalah bagaimana kualitas ruangan
kelas, kamar mandi, Tata Usaha (TU) dan ruang baca jurusan Matematika ITS
Surabaya. Pengamatan dilakukan pada 1 !asilitas (subgrup) dengan melihat jenis
kecacatan pada setiap sampel. Terdapat " sampel yang diamati setiap hari dimana
ada " jenis kecacatan yang diamati dalam setiap sampel. Pengamatan dilakukan
selama " hari kerja (senin # $umat) sehingga didapatkan %" sampel dalam setiap
subgrup.
1(' ,&m-er Data
&ata yang digunakan dalam praktikum merupakan data sekunder yang
diambil dari 'ap(ran Pengendalian )ualitas Statistik (P)S) mahasis*i jurusan
Statistika angkatan %++, yang bernama -arisca Susiani, ./P 1+,1++11.
1(3 Metode ana"isis
Met(de yang digunakan dalam analisis kualitas beberapa !asilitas di jurusan
Matematika ITS Surabaya adalah met(de pengendalian kualitas peta kendali
atribut yaitu peta kendali np dan p. Penggunaan peta kendali p dan np karena data
merupakan data atribut dimana kualitas !asilitas hanya bisa dibedakan antara cacat
dan tidak cacat.
Penggunaan peta kendali np adalah untuk mengukur banyaknya cacat dalam
setiap sampel dimana jumlah sampel yang diamati pada setiap subgrup.
Sedangkan peta kendali p digunakan untuk meng(ntr(l pr(p(rsi dari item0item
yang tidak memenuhi syarat spesi!ikasi kualitas. Perhitungan peta kendali atribut
didasarkan pada distribusi bin(mial karena hanya memiliki dua macam keadaan
yaitu cacat dan tidak cacat.
'( Lan*%ah."an*%ah /ra%ti%&m Men**&na%an Software Minita- dan ,/,,
R&ns +est: cacat0 %om$onen
/uns test !(r cacat1 k(mp(nen
/uns ab(2e and bel(* ) 3 +.41564%
The (bser2ed number (! runs 3 157
The e8pected number (! runs 3 1"6.75
%+1 (bser2ati(ns ab(2e ), 1%6 bel(*
P02alue 3 +.+++
Sebelum melakukan analisis lebih lanjut, maka akan dilakukan terlebih
dahulu pengujian asumsi yaitu uji keacakan data dan uji bin(mial. 9pabila hasil
pengujian bin(mial data tidak berdistribusi bin(mial maka akan terjadi kesulitan
dalam pembuatan peta kendali p dan peta kendali np, sehingga apabila hal itu
terjadi maka s(lusi yang paling mudah adalah dengan mengasumsikan data
mengikuti distribusi bin(mial.
'(1 12i )eaca%an ata& )erandoman Data
&engan bantuan software minitab dilakukan uji keacakan terhadap sampel
data yang ada dengan langkah0langkah sebagai berikut.
1. Melakukan pengk(dingan terhadap data dimana + menunjukkan tidak cacat
dan 1 bermakna ada cacat. &ata k(dingan digunakan untuk menguji keacakan
data.
2. )lik pada options minitab Stat Nonparametrics Runs Test. )emudian
keluar k(tak dial(g sebagai berikut.
Pada k(l(m variables isi dengan cacat1k(mp(nen yang merupakan
2ariabel jenis cacat, kemudian klik :). Sehingga diper(leh hasil minitab
berikut.
'(' 12i !inomia"
Pengujian bin(mial dilakukan menggunakan software SPSS dengan
langkah0langkah sebagai berikut.
1. Melakukan pengk(dingan terhadap data dimana + menunjukkan tidak cacat
dan 1 bermakna ada cacat. &ata k(dingan digunakan untuk melakukan uji
bin(mial.
%. :pen SPSS kemudian masukkan data k(dingan yang akan dianalisis.
3. )lik analyze non parametrik Binomial. )emudian akan keluar k(tak
dial(g sebagai berikut.
Pada k(l(m Test Variabel List masukkan 2ariabel c(ding yang
merupakan k(dingan dari data asli.
6. )lik :) sehingga diper(leh hasil sebagai berikut.
!inomia" +est
;ateg(ry .
:bser2ed
Pr(p. Test Pr(p.
9symp. Sig. (%0
tailed)
c(ding <r(up 1 1.++ %+1 .4% ."+ .+++
a
<r(up % .++ 1%6 .5
T(tal %" 1.++
'(3 /em-&atan /eta )enda"i np
Setelah dilakukan uji keacakan dan uji bin(mial maka langkah selanjutnya
adalah membuat peta kendali dengan langkah0langkah sebagai berikut.
1. Mendeskripsikan data yang ada menjadi % hal, yaitu=
a. Ukuran sampel setiap subgrup misal diberikan nama >n?
b. @anyak cacat tiap subgrup misal diberikan nama >d?
2. )lik pada pada (pti(n minitab Stat Control Charts ttributtes charts
N!, sehingga muncul k(tak dial(g sebagai berikut.
Pada k(l(m Variables masukkan banyaknya cacat dalam setiap
subgrup (d) dan untuk k(l(m Sub"roup Sizes masukkan jumlah sampel pada
setiap subgrup (n).
. )lik :) sehingga diper(leh hasil sebagai berikut.
'(3 /em-&atan /eta )enda"i p
&engan bantuan software minitab dilakukan pembuatan peta kendali p
terhadap sampel data yang ada dengan langkah0langkah sebagai berikut=
1. Mendeskripsikan data yang ada menjadi % hal, yaitu=
a. Ukuran sampel setiap subgrup misal diberikan nama >n?
b. @anyak cacat tiap subgrup misal diberikan nama >d?
2. )lik pada pada (pti(n minitab StatControl Charts ttributtes charts!
sehingga muncul k(tak dial(g sebagai berikut.
Pada k(l(m Variables masukkan banyaknya cacat dalam setiap subgrup
(d), dan untuk k(l(m Sub"roup Sizes masukkan jumlah sampel pada setiap
subgrup (n).
. )lik :) sehingga diper(leh hasil sebagai berikut.
'(5 /em-&atan Dia*ram /areto
Untuk mengetahui 2ariasi kecacatan dilakukan dengan membuat diagram
paret( menggunakan software minitab sebagai berikut.
1. 'akukan pengel(mp(kan data berdasarkan jenis cacat dan berapa cacatnya.
2. )lik Stat #uality Tools !areto Chart. Maka akan keluar k(tak dial(g
sebagai berikut.
. Pada k(l(m Labels in masukkan jenis cacat dan pada k(l(m $re%uencies in
masukkan banyaknya cacat.
6. )lik :) sehingga diper(leh hasil sebagai berikut.
'(6 /em-&atan )a$a-i"itas /roses
Untuk mengetahui kapabilitas pr(ses dengan menggunakan minitab
dilakukan langkah0langkah sebagai berikut.
1. Mendeskripsikan data yang ada menjadi % hal yaitu=
a. Ukuran sampel dari setiap subgrup misal diberikan nama >n?
b. @anyak cacat dari setiap subgrup misal diberikan nama >d?
2. )lik Stat #uality Tools Capability nalysis Binomial. Maka akan
keluar k(tak dial(g sebagai berikut.
Pada k(l(m &efectives masukkan >d? yang merupakan data
banyaknya cacat dalam setiap subgrup, dan pada k(l(m pilihan Sample
Size pilih 'se Sizes in kemudian masukkan >n? yang merupakan
banyaknya sampel dalam setiap subgrup.
. )lik :) sehingga diper(leh hasil sebagai berikut.
3( 4asi" /ra%ti%&m
3(1 12i )eaca%an Data ata& )erandoman Data
@erdasarkan data yang ada maka akan dilakukan pengujian terhadap data
atribut dengan menggunakan peta kendali p dan peta kendali np. Sebelum
dilakukan analisis maka dilakukan uji keacakan terlebih dahulu dengan
menggunakan data k(dingan +,1 dimana + menunjukkan pr(duk tidak cacat dan 1
menunjukkan pr(duk tersebut cacat. Pengujian keacakan dilakukan dengan
menggunakan software minitab dengan hip(tesis sebagai berikut.
A
+
= &ata tidak menunjukkan p(la tertentu (rand(m)
A
1
= &ata menunjukkan p(la tertentu (tidak rand(m)
/uns ab(2e and bel(* ) 3 +.41564%
The (bser2ed number (! runs 3 157
The e8pected number (! runs 3 1"6.75
%+1 (bser2ati(ns ab(2e ), 1%6 bel(*
P02alue 3 +.+++
Tabel 1. Uji )eacakan
@erdasarkan Tabel 1 uji keacakan didapatkan p(value sebesar +,+++.
&engan menggunakan B 3 +.+", maka A+ dit(lak, sehingga diputuskan bah*a
data tidak rand(m.
3(' 12i !inomia"
Setelah dilakukan uji kerand(man data maka langkah selanjutnya yaitu
menguji apakah data berdistribusi bin(mial. Pengujian ini dilakukan dengan
menggunakan data k(dingan +,1 dimana + menunjukkan pr(duk baik1tidak cacat
dan 1 merupakan pr(duk cacat. Pengujian ini dilakukan dengan menggunakan
software S!SS dengan hip(tesis sebagai berikut.
A
+
= -
+
(8) 3 -(8) untuk semua nilai 8
A
1
= -
+
(8) C -(8) untuk sekurang0kurangnya sebuah nilai 8
dimana
-
+
(8) = !ungsi distribusi yang dihip(tesiskan berdistribusi n(rmal
-(8) = !ungsi distribusi yang belum diketahui
!inomia" +est
;ateg(ry .
:bser2ed
Pr(p. Test Pr(p.
9symp. Sig. (%0
tailed)
c(ding <r(up 1 1.++ %+1 .4% ."+ .+++
a
<r(up % .++ 1%6 .5
T(tal %" 1.++
Tabel %. Uji bin(mial
@erdasarkan Tabel % uji bin(mial didapatkan p(value sebesar +,+++. &engan
menggunakan B 3 +.+", maka A+ dit(lak,sehingga dapat diputuskan bah*a data
tidak berdistribusi bin(mial.
3(3 /eta )enda"i np
Peta kendali np digunakan untuk mengukur banyaknya cacat pada setiap
sampel dengan jumlah sampel dalam setiap subgrup sama. )arena data tidak
berdistribusi bin(mial maka diasumsikan data mengikuti distribusi bin(mial
sehingga dapat dibuat peta kendali np. &ata pengamatan terdiri dari 1 subgrup
dengan jumlah sampel pada masing0masing subgrup sebanyak %" sampel.
<ambar 1. Peta kendali np
&ari gambar 1 peta kendali np terlihat bah*a tidak ada titik yang keluar
batas spesi!ikasi, dimana batas atas spesi!ikasi peta kendali np adalah %%,7", batas
ba*ah spesi!ikasi 5,15 dan center line sebesar 1",64 sehingga dapat dikatakan
bah*a kualitas !asilitas ruangan di jurusan Matematika ITS Surabaya dalam
k(ndisi baik (tidak ada cacat).
3(3( /eta )enda"i p
Peta kendali p digunakan untuk meng(ntr(l pr(p(rsi dari item0item yang
tidak sesuai dengan syarat spesi!ikasi kualitas atau pr(p(rsi dari pr(duk cacat
yang dihasilkan dalam suatu pr(ses. Peta kendali p biasa digunakan pada
pengamatan dengan jumlah sampel setiap subgrup berbeda. )arena data tidak
berdistribusi bin(mial maka diasumsikan data mengikuti distribusi bin(mial
sehingga dapat dibuat peta kendali p. &ata pengamatan terdiri dari 1 subgrup dan
jumlah sampel pada setiap subgrup sebanyak %".
<ambar %. Peta kendali p
&ari gambar % peta kendali p terlihat bah*a semua titik0titik masuk dalam
batas spesi!ikasi dengan batas atas spesi!ikasi adalah +,,+,,, batas ba*ah
spesi!ikasi +,%7+ dan center line sebesar +,415" sehingga dapat disimpulkan
bah*a kualitas !asilitas ruangan di jurusan Matematika ITS Surabaya dalam
k(ndisi baik (tidak ada cacat).
3(5( Dia*ram /areto
&iagram paret( digunakan untuk membandingkan berbagai kateg(ri
kejadian yang disusun menurut urutan dengan urutan terbesar berada disebelah
kiri ke yang paling kecil disebelah kanan.
<ambar . &iagram Paret( berdasarkan jenis cacat
&ari <ambar terlihat bah*a jenis cacat terbanyak terjadi pada jenis cacat
k(t(r sebanyak 11 dengan persentase sebesar "%,4D. )emudian untuk jumlah
cacat jenis c(retan berjumlah 6, (1,,7D), rusak sebesar %, (11,4D) dan tidak rapi
sebanyak %1 (5,6D). Sedangkan untuk jumlah kecacatan terkecil terjadi pada jenis
cacat redup sebanyak 1, dengan persentase sebesar 7,4D. )(ndisi ini
menunjukkan bah*a dalam lima hari kerja (Senin # $umat) terindikasi sampel0
sampel !asilitas cenderung k(t(r. Maka untuk meningkatkan kualitas !asilitas di
jurusan Matematika ITS, yang sebaiknya dipri(ritaskan dalam perbaikan adalah
jenis cacat k(t(r karena memiliki jumlah pr(sentase kecacatan terbesar.
3(6( )a$a-i"itas /roses
)apabilitas pr(ses adalah perbandingan antara (utput dari suatu
pengendalian pr(ses ke batas k(ntr(l menggunakan indeks kapabilitas. Untuk
mengetahui kapabilitas pr(ses diuji menggunakan software minitab dengan
hip(tesis sebagai berikut.
A
+ =
)apabilitas pr(ses dikatakan tidak baik
A
1
= )apabilitas pr(ses dikatakan baik
<ambar 6. )apabilitas Pr(ses
@erdasarkan <ambar 6 kapabilitas pr(ses diketahui bah*a dari gra!ik p
chart terlihat bah*a semua sampel berada dalam k(ndisi k(ntr(l. Sedangkan dari
gra!ik Cumulative ) &efectin" didapatkan nilai 4+D yang berarti dalam setiap
sampel estimasi kecacatan sebesar 4+D. Sementara untuk pr(ses E didapatkan
nilai 0+,+16 sedangkan untuk nilai E
tabel
dengan al!a "D didapatkan nilai 1,,4
sehingga dapat disimpulkan bah*a gagal t(lak A
+
yang berarti !asilitas di jurusan
Matematika tidak baik atau tidak sesuai dengan standar kualitas sehingga perlu
dilakukan perbaikan terhadap !asilitas di jurusan Matematika ITS.
3( )esim$&"an dan saran
3(1 )esim$&"an
@erdasarkan hasil analisis didapatkan kesimpulan berikut.
1. @erdasarkan peta kendali p dan np diketahui bah*a kualitas ruangan !asilitas
di jurusan Matematika ITS masih bagus karena semua !asilitas berada dalam
batas spesi!ikasi.
%. Sebanyak "%,4D kecacatan terjadi pada jenis cacat k(t(r dengan jumlah
banyaknya cacat adalah 11 cacat, 1,,7D kecacatan terjadi pada cacat jenis
c(retan, 11,4D jenis cacat rusak, 5,6D tidak rapi dan 7,4D pada jenis cacat
redup.
. )apabilitas pr(ses !asilitas di jurusan Matematika ITS diper(leh nilai pr(ses E
sebesar 0+,+16 lebih kecil daripada nilai F
tabel
dengan al!a "D yang
menunjukkan bah*a berarti !asilitas di jurusan Matematika tidak baik atau
tidak sesuai dengan standar kualitas sehingga perlu dilakukan perbaikan
terhadap !asilitas di jurusan Matematika ITS.
3(' ,aran
&ari hasil analisis diketahui bah*a kualitas !asilitas ruangan di jurusan
Matematika ITS banyak yang tidak sesuai spesi!ikasi. $umlah jenis cacat
terbanyak yang tidak sesuai dengan spesi!ikasi adalah jenis cacat k(t(r, sehingga
harus dilakukan perbaikan agar kualitas meningkat dengan cara selalu menjaga
kebersihan.
LAM/5RAN
1. &ata hasil pengamatan dan data k(dingan
Ruanga
n
F-101
F-
102
F-110
T-
101
F-
109
Kamar
Mandi 1
Kamar
Mandi 2
Data
Kodinga
n 0
(tidak
cacat),
1(cacat)
1 1 + + 1 1 +
1 1 1 + 1 + 1
1 + + 1 1 1 1
+ + 1 + + 1 1
1 1 + 1 + 1 1
1 1 + + 1 1 +
1 1 1 + 1 + 1
+ + 1 1 1 1 1
+ + + + + 1 1
1 1 + 1 + 1 1
+ 1 + + 1 + +
1 1 1 + 1 1 1
+ 1 1 1 1 1 1
+ + + + + 1 1
1 1 1 1 + 1 1
+ + 1 + + + +
1 1 1 1 1 1 1
+ 1 1 1 1 1 +
1 + 1 + + 1 1
1 1 + 1 1 1 1
+ + 1 + + + +
1 1 1 1 1 1 1
+ 1 1 1 1 1 +
+ + + + 1 1 1
1 1 1 1 1 1 1
Ruanga
n
Kamar
Mandi 3
Kamar
Mandi 4
Teras
1
Teras 2
Tata
Usaha
(TU)
Ruang
aca
Data
Kodinga
n 0
(tidak
cacat),
1(cacat)
+ + 1 1 1 +
1 1 1 1 1 1
1 1 1 + + +
1 + 1 + 1 +
1 1 + + 1 1
+ + 1 1 1 +
1 1 1 1 1 1
1 1 1 + + +
1 + 1 1 1 +
1 1 + + 1 1
+ + + + 1 +
1 1 1 1 1 1
1 1 1 + 1 +
+ + 1 1 + +
+ + + + + 1
+ 1 + + 1 +
1 1 1 1 1 1
1 + 1 + + +
1 1 + 1 1 1
1 1 + 1 + 1
+ + 1 + 1 +
1 1 1 1 1 1
+ + 1 + + +
1 1 1 1 1 +
1 1 + 1 + 1
%. &ata jumlah kecacatan setiap subgrup
,&-*r&$ R&an*an 6&m"ah cacat (d) 1%&ran sam$e" (n)
1 -01+1 16 %"
% -01+% 14 %"
-011+ 1" %"
6 T01+1 1% %"
" -01+, 14 %"
4 )amar Mandi 1 %+ %"
7 )amar Mandi % 15 %"
5 )amar Mandi 17 %"
, )amar Mandi 6 1" %"
1+ Teras 1 17 %"
11 Teras % 1 %"
1% Tata Usaha (TU) 17 %"
1 /uang @aca 11 %"
. &ata kecacatan berdasarkan jenis cacat
Jenis
Cacat
Banyak
Cacat
Kotor 131
Redu! 1"
Rusak 2"
#oretan 4"
Tidak ra!i 21