LAPORAN PRAKTIKUM TEKNIK PENGUJIAN MUTU HASIL PERIKANAN STATISTICAL PROCESS CONTROL
Disusun oleh: Bekti Wulan Sari 11/318052/PN/12374
LABORATORIUM TEKNOLOGI IKAN JURUSAN PERIKANAN FAKULTAS PERTANIAN UNIVERSITAS GADJAH MADA YOGYAKARTA 2014
1. Pendahuluan a. Tinjauan Pustaka Era zaman yang semakin modern ini, tentunya persaingan bisnis antara perusahaan perusahaan sangat ketat. Setiap perusahaan bersaing untuk menarik perhatian konsumen untuk menggunakan produk yang dihasilkan oleh perusahaan tersebut. Kualitas barang atau jasa merupakan salah satu faktor yang sangat mempengaruhi dalam menarik perhatian konsumen. Kualitas yang dimaksud dalam hal ini adalah ukuran seberapa dekat suatu barang atau jasa sesuai dengan standar tertentu (Marimin, 2005). Sebuah perusahaan dalam memproduksi suatu produk perlu memperhatikan kualitas produk yang dihasilkan agar dapat bersaing di pasaran. Untuk menghasilkan produk yang berkualitas, maka pengendalian kualitas sangat diperlukan untuk mengontrol proses produksi agar dapat diketahui apakah terjadi penyimpangan pada proses tersebut. Metode yang digunakan untuk mengontrol proses produksi adalah metode Statistical Process Control (SPC) (Taungke dkk., 2014). Suatu alat yang digunakan dalam pengendalian kualitas secara statistik pada proses produksi disebut grafik pengendali (Control Chart). Salah satu contoh grafik pengendali adalah grafik pengendali rata-rata atau disebut dengan grafik pengendali Shewhart. Dalam grafik pengendali Shewhart menggunakan asumsi dasar berdistribusi normal. Namun dalam kenyataannya, karakteristik kualitas tidak selalu berdistribusi normal. Dalam kasus sampel yang tidak berdistribusi normal, grafik pengendali Shewhart kurang sesuai jika digunakan. Oleh karena itu, dikembangkan alternatif grafik pengendali dengan pendekatan non parametrik karena metode non parametrik tidak membutuhkan asumsi distribusi normal (Najib, 2007). Grafik pengendali dapat digunakan untuk menaksir parameter suatu proses produksi, dan melalui informasi ini, dapat menentukan kemampuan proses. Selain itu, grafik pengendali dapat juga memberikan informasi yang berguna dalam meningkatkan proses itu (Montgomery, 1990). Salah satu tujuan penggunaan grafik pengendali adalah untuk menemukan dan jika mungkin menghilangkan sebab-sebab khusus variasi. Variasi yang muncul dalam berbagai proses dapat dikarenakan oleh sebab-sebab biasa maupun sebab-sebab khusus. Variasi dalam konteks industri dapat disebabkan karena sebab-sebab khusus
misalkan tingkat aus yang berlebihan pada alat, operator baru yang belum terampil, penggantian bahan, pemasok yang berbeda, dan sebagainya (Spiegel, 2007). Secara umum, grafik pengendali terdiri dari elemen batas-batas pengendali dan sebuah garis pertengahan yang ditunjukkan pada Gambar 1. Bentuk dasar grafik pengendali tersebut merupakan peragaan grafik suatu karakteristik kualitas yang telah diukur atau dihitung dari sampel terhadap nomor sampel atau waktu. Pada grafik pengendali memuat garis tengah yang merupakan nilai rata-rata karakteristik kualitas yang berkaitan dengan keadaan terkontrol (Montgomery, 1990).
Menurut Taungke (2014) grafik pengendali mempunyai dua batas pengendali yaitu batas pengendali atas (upper limit control) dan batas pengendali bawah (lower limit kontrol). Batas pengendali atas dan batas pengendali bawah sering disebut dengan UCL dan LCL. Apabila titik-titik sampel berada di antara UCL dan LCL maka dapat dikatakan bahwa proses dalam keadaan terkendali. Akan tetapi, jika ada titik-titik sampel yang berada di luar UCL atau LCL maka proses dikatakan tidak terkendali. Menurut Iriawan (2006) statistical process control berkaitan dengan upaya menjamin kualitas dengan memperbaiki kualitas proses dan upaya menyelesaikan segala permasalahan selama proses. Statistical process control bisa diterapkan baik untuk industri manufakturing maupun jasa. Statistical process control menggunakan alat-alat statistik untuk membantu mencapai tujuannya diantaranya peta kendali, histogram,
diagram
pareto,
lembar
periksa,
diagram scatter, dan diagram sebab dan akibat.
diagram
konsentrasi
cacat,
b. Tujuan Mengetahui ada atau tidaknya penyimpangan proses produksi kerupuk udang (ukuran ketebalan) menggunakan Statistical Process Control melalui grafik dan R control Chart.
Control Chart
II. Metode Praktikum a. Alat dan Bahan 1. Sampel kerupuk udang 2. Jangka sorong 3. Ms Excel (pengolah data) 4. Alat tulis b. Cara kerja 1. Menyiapkan semua alat dan bahan berupa kerupuk udang yang diperlukan. 2. Mengambil sampel dalam plastik sebanyak 10 buah secara acak. 3. Mengukur ketebalan sampel kerupuk ikan sejumlah 10 buah menggunakan jangka sorong lalu mengisikan data ke dalam Ms Excel sebagai tabel/lembar pengisian control chart. 4. Pengukuran dilakukan sebanyak 10 ulangan (@10 buah kerupuk). 5. Menghitung jumlah, rata-rata, range (R), nilai rata-rata dari rata-rata yang diperoleh , dan rata-rata dari range. 6. Menghitung nilai UCL (Upper Control Limit) , LCL (Lower Control Limit), dan CL (Control Limit) untuk control chart dan R control chart. 7. Mentransformasikan nilai UCL, LCL, dan CL dari control chart dan R control chart kedalam bentuk control chart. 8. Membaca dan menginterpretasikan data dari control chart yang dihasilkan masing-masing kelompok.
III. Hasil dan Pembahasan
a. Hasil TERLAMPIR
b. Pembahasan Statistical Process Control (SPC) menurut Taungke dkk (2014) merupakan metode yang digunakan untuk mengontrol proses produksi sedangkan Lind (2008) mendefinisikan Statistical Process Control adalah sekumpulan strategi, teknik, dan tindakan yang diambil oleh sebuah organisasi untuk memastikan bahwa strategi tersebut menghasilkan produk yang berkualitas atau menyediakan pelayanan yang berkualitas. Suatu alat yang digunakan dalam pengendalian kualitas secara statistik pada proses produksi disebut grafik pengendali (Control Chart) (Najib, 2007). Berdasarkan pustaka tersebut dapat diketahui bahwa Statistical Process Control (SPC) merupakan langkah bagi industri untuk mengontrol atau mengawasi
kesesuain produk yang dihasilkan dengan standar tertentu yang telah ditetapkan sebelumnya menggunakan grafik pengendali. Indikator yang dinilai dalam proses pengawasan produk tidak hanya produk tetapi dapat juga pekerja ataupun mesin/teknologi yang digunakan. Tujuan dilaksanakannya pengontrolan adalah untuk mengurangi tingkat variasi produk dibandingkan dengan standar. SPC dapat pula digunakan untuk mendeteksi penyimpangan yang terjadi sehingga sebuah industri dapat melakukan evalusi terhadap produk yang dihasilkan.
Adanya SPC bagi industri diharapkan dapat membantu
terciptanya produk yang berkualitas di saat banyak industri bersaing meluncurkan produk-produk yang berkualitas Sampel yang digunakan pada praktikum adalah sampel kerupuk udang. Menurut Afifah (2014) kerupuk udang adalah kerupuk yang dibuat dengan bahan baku utama tepung
tapioka dan udang. Semakin banyak jumlah udang yang terkandung dalam
kerupuk semakin baik kualitasnya. Menurut Winarno (1983) kerupuk udang dibuat dengan bahan dasar tepung tapioka atau tepung gandum, bahkan gaplek pun dapat digunakan untuk pembuatan kerupuk udang. Bahan dasar tersebut
ditambahkan
sejumlah udang segar atau udang kering dan bumbu seperti bawang putih, bawang merah, garam, gula, air dan bleng. Udang segar yang bisa digunakan untuk pembuatan kerupuk harus memiliki ciri-ciri warna transparan, tidak berbau, dan tidak berlendir. Sampel kerupuk udang diukur ketebalannya menggunakan jangka sorong yang diambil sebanyak 10 buah secara acak dalam sekali pengukuran sedangkan proses pengukuran dilakukan sebanyak 10 ulangan. Parameter yang diukur dalam pengujian SPC adalah ketebalan masing-masing kerupuk dengan mengguankan jangka sorong. Pengukuran dilakukan sebanyak 10 kali ulangan dengan 10 sampel acak tiap ulangannya. Hasil pengukuran diinput ke dalam tabel control chart (tabel pengendali) pada Microsoft Excel kemudian diolah menggunakan formula statistika. Hasil pengukuran diinputkan ke dalam tabel control chart kemudian dilakukan perhitungan meliputi rata-rata, range (R), nilai rata-rata dari rata-rata yang didapat , ratarata dari range, X maksimum (nilai ketebalan maksimum kerupuk) serta X minimum (nilai ketebalan minimal kerupuk ). Masing-masing ulangan dihitung nilai rata-ratanya kemudan selanjutnya ditentukan nilai rata-rata dari rata-rata setiap ulangan. Langkah selanjutnya
adalah menentukan X maksimum dan X minimum dari tiap ulangan,
menghitung nilai R atau range masing-masing ulangan (X max – X min) dan selanjutnya dihitung rata-rata dari nilai R. Setelah didapat nilai rata-rata, range (R), nilai rata-rata
dari rata-rata yang didapat , rata-rata dari range, X maksimum (nilai ketebalan maksimum kerupuk) serta X minimum (nilai ketebalan minimal kerupuk ) langkah selanjutnya menentukan R Control Chart dan X Control Chart. Setiap R Control Chart dan X Control Chart akan ditentukan Upper Control limit (UCL) , CL (Centre Line), dan Lower Control Limit (LCL). LCLx serta UCLx dihitung dalam 3 bagian yaitu 1UCLx, 2 UCLx , dan 3UCLx sedangkan nilai CLx didapatkan dari nilai rata-rata dari keseluruhan rata-rata data. Perhitungan R control chart juga terbagai menajdi 3 bagian yaitu UCLr, LCLr, CLr. Nilai CLr didappat dari rerata R sedangkan nilai UCLr dan LCLr dihitung dengan melibatkan nilai pada tabel calculations for control limit (A2:10, D3:10, D4:10). Contoh perhitungan adalah sebagai berikut : Perhitungan X Control Chart sesuai tabel calculations for control limits 1. 1UCL =
= 0,17285 +
x 0,308 x 0,0745) = 0,195796
2. 2 UCL =
= 0,17285 +
x 0,308 x 0,0745) = 0,188147
3. 3 UCL =
= 0,17285 +
x 0,308 x 0,0745) = 0,180499
4. 3 LCL =
= 0,17285 -
x 0,308 x 0,0745) = 0,149904
5. 2 LCL =
= 0,17285 -
x 0,308 x 0,0745) = 0,157553
6. 1 UCL = 7.
CL =
= 0,17285 -
x 0,308 x 0,0745) = 0,165201
(rata-rata dari nilai rata-rata keseluruhan ulangan dan perlakuan)
Perhitungan R Control Chart UCL =
= 0,0745 x 1,777 = 0,1323865
LCL =
= 0,0745 x 0,223 = 0,0166135
CL =
(Rata-rata R )
Nilai yang sudah diperoleh pada perhitungan kemudian ditransormasikan ke dalam bentuk grafik pengendali (control chart). Hasil pengukuran pada grafik dibandingkan nilai UCL dan LCL. Jika nilai berada di antara keduanya maka ketebalan kerupuk
udang seragam (in control). Berdasarkan hasil perhitungan X dan R Control maka didapatkan grafik sebagai berikut :
Taungke dkk (2014) menyatakan bahwa apabila titik-titik sampel berada di antara UCL dan LCL maka dapat dikatakan bahwa proses dalam keadaan terkendali. Akan tetapi, jika ada titik-titik sampel yang berada di luar UCL atau LCL maka proses dikatakan tidak terkendali. Berdasarkan grafik bahwa nilai
Control chart dapat diketahui
berada di dalam kisaran nilai UCL (3 garis paling atas) serta LCL (3
garis terbawah). Sesuai dengan pustaka di atas dapat disimpulkan bahwa proses dalam keadaan terkendali (in control) karena titik-titik sampel berada antara UCL dan LCL. Proses yang terkendali dapat juga dinyatakan bahwa tidak terdapat penyimpangan atau ketidaksesuaian dalam proses produksi dalam hal ini kerupuk udang yang diukur tidak memiliki banyak varian.
Berdasarkan grafik R control chart dapat diketahui bahwa nilai R ada di antara nilai UCL dan nilai LCL sesuai dengan pustaka Taungke dkk (2014) grafik tersebut menunjukkan proses masih berada pada tahap yang terkendali (in control) yang berarti bahwa produk kerupuk udang memiliki keseragaman. Tahapan selanjutnya adalah melihat tabel gabungan X Control Chart keseluruhan kelompok dan R Control Chart seluruh kelompok.
Berdasarkan grafik tersebut dapat diketahui bahwa terdapat nilai x bar yang berada di luar nilai UCL dan LCL. Oleh karena itu dapat diketahui bahwa parameter ketebalan sampel kerupuk udang berada di luar batas kontrol (out of control) berarti terdapat variasi kerupuk udang yang cukup banyak. Terjadinya out of control produk dapat disebabkan karena sebab-sebab biasa dan khusus sesuai pustaka Spiegel (2007) yang menyatakan bahwa variasi yang muncul dalam berbagai proses dapat dikarenakan oleh sebab-sebab biasa maupun sebab-sebab khusus. Variasi dalam konteks industri dapat disebabkan karena sebab-sebab khusus misalkan tingkat aus yang berlebihan pada alat, operator baru yang belum terampil, penggantian bahan, pemasok yang berbeda, dan sebagainya.
Grafik X control chart gabungan menunjukkan adanya penyimpangan (out of control) namun pada grafik R control chart tidak dideteksi adanya penyimpangan. Data yang digunakan pada X control chart adalah data rata-rata sedangkan pada R control chat hanya data secara umum saja sehingga hasil yang ditampilkan pada R control chart kurang menggambarkan keadaan produk secara detail. Oleh karena itu dapat dinyatakan bahwa grafik kendali X (X control chart) lebih baik dalam mendeteksi keadaan suatu produk karena data yang ditransformasikan berupa data rata-rata.
IV. Kesimpulan dan Saran a. Kesimpulan 1. Berdasarkan grafik gabungan pada X control chart dapat diketahui adanya penyimpangan ketebalan kerupuk ikan yang ditandai dengan titik-titik sampel berada di luar Upper Control Limit dan Lower Control Limit sedangkan pada R Control Chart tidak dapat dideteksi adanya penyimpangan atau titik-titik sampel di luar Upper Control Limit dan Lower Control Limit. Perbedaan hasil tersebut dikarenakan karena jenis data yang digunakan berbeda yaitu menggunakan data rata-rata pada X control chart dan menggunakan data umum pada R Control Chart. 2. Data yang menyimpang (berada diluar Upper Control Limit dan Lower Control Limit) menunjukkan adanya ketidaksesuain produk dengan standar yang ditetapkan dalam hal ini adalah kerupuk udang memiliki ketebalan yang kurang seragam sehingga industri harus mengidentifikasi sebab-sebab penyimpangan untuk menciptakan produk yang lebih berkualitas. b. Saran Sebaiknya digunakan sampel pembanding yang pada umumnya memiliki ukuran cenderung berbeda satu sama lain misalnya bakso dibandingkan dengan kerupuk yang cenderung berukuran sama sehingga dapat diketahui perbandingan penyimpangannya.
V. Daftar Pustaka Afifah, Diana Nur. 2014. Sistem
Produksi dan Pengawasan Mutu Kerupuk Udang
Berkualitas Ekspor. Fakultas Kedokteran. Universitas Diponegoro. Iriawan, N dan Astuti, S.P. 2006 .Mengolah Data Statistik dengan Mudah Menggunakan Minitab 14”, Edisi Pertama, CV. Andi Offset.Yogyakarta. Lind, Douglas A. 2008. Teknik-teknik Statistika dalam Bisnis dan Ekonomi Menggunakan Kelompok Data Global, Edisi 13. Jakarta : Salemba Empat Marimin. 2005. Teknik dan Aplikasi : Pengambilan Keputusan Kriteria Majemuk. PT.Grasindo. Jakarta. Montgomery, Douglas C. 1990. Pengantar Pengendalian Kualitas Statistik. Gadjah Mada University Press.Yogyakarta. Najib, Mohammad. 2007. Diagram Kontrol Statistik Non Parametrik Sum Of Ranks Untuk Target Pada Data Non-Normal. Unpublished. Spiegel, Murray R, dkk. 2007. Schaum’s Outlines : Teori dan Soal-soal Statistik, Edisi Ketiga.Erlangga. Jakarta. Taungke, Novriyanti, Setiawan, Adi, dan Parhusip, Hana Arini. 2014. Pengendalian Kualitas Produk
“X” Untuk Karakteristik pH dengan Menggunakan Grafik
Pengendali
Berdasarkan Densitas Kernel. Program Studi Matematika Fakultas Sains dan Matematika. Universitas Kristen Satya Wacana. Winarno, F.G. dan B. S. L. Jenie. 1983. Kerusakan Bahan Pangan dan Cara Pencegahannya. Pusat Penelitian dan Pengembangan Teknologi Pangan. IPB. Ghalia Indonesia. Bogor.
