STUDI DIAGRAM KONTROL VARIABEL RANDOM FUZZY DAN - ITS
STUDI DIAGRAM KONTROL VARIABEL RANDOM FUZZY DAN - ITS
STUDI DIAGRAM KONTROL VARIABEL RANDOM FUZZY DAN - ITS
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>STUDI</strong> <strong>DIAGRAM</strong> <strong>KONTROL</strong> <strong>VARIABEL</strong> <strong>RANDOM</strong> <strong>FUZZY</strong> <strong>DAN</strong> PENERAPANNYA PADA<br />
PENGONTROLAN KUALITAS PRODUK DEODORAN<br />
Khomaria Nurul Ainy (1) , Muhammad Mashuri (2) , Wibawati (3)<br />
e-mail : (1) ria.khomaria@gmail.com, (2) m_mashuri@statistika.its.ac.id, (3) wibawati@statistika.its.ac.id<br />
1) Mahasiswa Jurusan Statistika FMIPA-<strong>ITS</strong><br />
2) Dosen Jurusan Statistika FMIPA-<strong>ITS</strong><br />
3) Dosen Jurusan Statistika FMIPA-<strong>ITS</strong><br />
ABSTRAK<br />
Ada dua sumber utama yang paling menentukan dalam ketidakpastian yaitu kerandoman dan informasi yang tidak<br />
lengkap. Tujuan penelitian ini adalah untuk membuat dan menerapkan diagram kontrol fuzzy yang dapat menjelaskan<br />
keberadaan data fuzzy, mengingat sifat-sifat dasar variabilitas dalam observasi. Bagaimanapun, data yang tepat secara pasti<br />
tidak selalu tersedia. Kumpulan teori fuzzy dapat memenuhi proses model dimana observasi yang tidak pasti, samar-samar /<br />
kurang jelas dan atau berdasarkan subjektivitas persepsi seseorang. Diagram kontrol fuzzy ini sangat bermanfaat, hasilnya akan<br />
lebih tepat dan lebih sensitif karena diagram kontrol ini ditinjau dari pendekatan tiga vektor pembentuk. Data yang digunakan<br />
dalam penelitian ini adalah data kekerasan produk deodoran yang terdiri atas enam pengamatan, dan pada setiap pengamatan<br />
dilakukan tiga kali pengulangan. Tiga kali pengulangan tersebut masing-masing akan menjadi vektor pembentuk bilangan fuzzy<br />
segitiga. Dari hasil analisis yang dilakukan didapatkan bahwa data terkontrol secara varians dan tidak terkontrol secara ratarata.<br />
Kata Kunci : Diagram Kontrol Fuzzy, Fuzzy, Kekerasan Produk Deodoran<br />
1. Pendahuluan<br />
Statistical process control (SPC) merupakan metodologi pada monitoring proses untuk mengidentifikasi<br />
variasi proses dan diperlukan untuk memperbaiki proses. SPC pada umumnya digunakan di dunia industri dan<br />
merupakan teknik yang sudah terjamin untuk meningkatkan kualitas dan produktivitas. Teknik SPC yang umum<br />
digunakan adalah diagram kontrol statistika, dijadikan sebagai alat yang sangat handal untuk meningkatkan kualitas<br />
produk. Dengan menggunakan data variabel dan teori bilangan random, diagram kontrol memasukkan<br />
ketidakpastian yang random pada proses pengambilan keputusan, karenanya dinamakan digram kontrol statistika.<br />
Bagaimanapun data yang tepat secara pasti tidak selalu tersedia. Kumpulan teori fuzzy dapat memenuhi proses<br />
model dimana observasi yang tidak pasti, samar-samar / kurang jelas dan atau berdasarkan subjektivitas persepsi<br />
seseorang. Hal ini akan bisa dipenuhi jika digunakan diagram kontrol fuzzy, karena diagram kontrol fuzzy ini bisa<br />
digunakan untuk data yang mengandung ketidakpastian. Sebelumnya telah dilakukan penelitian tentang aplikasi<br />
variabel random fuzzy pada diagram kontrol dengan menggunakan kasus data ketebalan komponen elektronik (<br />
Faraz & Shapiro, 2010). Dari penelitian tersebut didapatkan hasil bahwa diagram kontrol variabel random fuzzy<br />
lebih sensitif daripada diagram kontrol statistika Shewhart. Selain itu, sebelumnya Kurniasari (2010) juga telah<br />
melakukan penelitian kekerasan produk rexona SL AP stick dengan menggunakan diagram kontrol statistika M dan<br />
T 2 Hotelling dan hasilnya adalah data kekerasan produk deodoran tersebut dalam kedaan terkontrol. Oleh karenanya,<br />
akan dilakukan penelitian tentang studi diagram kontrol variabel random fuzzy dan diagram kontrol tersebut akan<br />
diterapkan pada data kekerasan produk deodoran yang sebelumnya menggunakan diagram kontrol statistika M dan<br />
T 2 Hotelling.<br />
2. Tinjauan Pustaka<br />
Variabel Random Fuzzy L-R<br />
Bilangan fuzzy ini pertama kali diformulasikan dalam sebuah seminar oleh Lotfi A Zadeh dari University<br />
of Califonia, Berkeley tahun 1965. Lotfi A Zadeh memformulasikannya dalam rangka mencari nilai tengah antara<br />
bilangan 0 dan 1. Kusumadewi, dkk (2006) mendefinisikan bahwa jika adalah himpunan fuzzy dalam R, dan Aa<br />
adalah interval tertutup untuk setiap ≤ 0 α ≤ 1, maka disebut sebagai bilangan fuzzy. Dalam penelitian ini<br />
digunakan representasi fuzzy L-R. Menurut Korner dalam Faraz & Shapiro (2010), karakteristik kualitas proses dari<br />
variabel random fuzzy LR dinyatakan dalam , variabel random m (nilai pusat) dan tiga nilai<br />
variabel random u ( ½ panjang alas trapesium), l dan r ( sebaran kanan dan kiri ). merupakan<br />
1
varaiabel random fuzzy trapezium karena terdiri dari empat vektor pembentuk, yaitu m, u, l, dan r. Jika vektor<br />
pembentuk u=0, maka fuzzy trapezium akan berbentuk segitiga. Seperti pada penelitian ini data yang digunakan<br />
hanya terdiri dari tiga kali ulangan, sehingga hanya mempunyai tiga vektor pembentuk dan variabel random fuzzy<br />
LR dinyatakan dalam . Berikut ini akan disajikan gambar yang menunjukkan variabel random<br />
fuzzy untuk fuzzy trapesium.<br />
Gambar 1 Fuzzy Trapesium<br />
Fuzzy L-R merupakan himpunan fuzzy yang mempunyai fungsi keanggotaan left (kiri) dan right (kanan).<br />
Representasi fuzzy yang memenuhi fuzzy L-R ini adalah bilangan fuzzy segitiga (triangular fuzzy) dan fuzzy<br />
trapesium ( trapezoidal fuzzy). Kusumadewi, dkk (2006) mendefinisikan bilangan fuzzy L-R bahwa bilangan fuzzy<br />
L-R, , yang dinotasikan dengan ( µ, α , β ), adalah suatu himpunan fuzzy yang memiliki fungsi keanggotaan<br />
sebagai berikut ini.<br />
Jika bilangan fuzzy L-R bersifat linear baik L maupun R, maka bilangan fuzzy tersebut dikenal dengan nama<br />
bilangan fuzzy segitiga, yang dinotasikan dengan = ( µ , α , β ), dengan a adalah lebar sisi kiri dan b adalah lebar<br />
sisi kanan untuk x.<br />
1<br />
Gambar 2 Bilangan Fuzzy L-R<br />
Dengan menggunakan level of certainty, apabila diberikan koefisien konfidensi a, bilangan fuzzy segitiga<br />
memiliki karakteristik sebagai berikut :<br />
A α 0<br />
α m<br />
β<br />
x<br />
= (2)<br />
Istilah α-cut, merupakan dasar dari logika fuzzy, dimana definisi variabel random fuzzy berdasarkan pada<br />
pengukuran dari Persamaan (2). Contoh ilustrasi dari α-cut digambarkan seperti pada Gambar 3 seperti berikut ini<br />
(Shapiro, 2009).<br />
µA (x)<br />
1<br />
α<br />
0<br />
µ (x)<br />
m<br />
r u l<br />
Support<br />
Gambar 3 Alpha - Cut<br />
2<br />
α-cut<br />
x<br />
(1)
Diagram Kontrol Fuzzy<br />
Jika suatu variabel random fuzzy sesuai dengan himpunan keanggotaan fuzzy dimana<br />
ada k subgrup fuzzy dengan ukuran masing-masing sebanyak n. Pada umumnya mean fuzzy tidak diketahui,<br />
dan dapat diestimasi dengan rata-rata keseluruhan mean subgrup seperti berikut ini.<br />
Apabila u=0, maka Persamaan (3) menjadi seperti berikut ini.<br />
Batas kontrol atas dan bawah diagram kontrol fuzzy proses mean adalah sebagai berikut.<br />
dimana σ 2 adalah varians dari variabel random fuzzy LR (Faraz & Shapiro , 2010). Untuk keterangan lebih lanjut,<br />
diketahui bahwa statistik /c4 adalah penaksir tak bias untuk σ, dimana c4 = adalah konstanta ( Faraz<br />
& Shapiro , 2010 ; Montgomery, 2005). Oleh karena itu, batas kontrol diagram kontrol proses mean menjadi seperti<br />
berikut ini.<br />
Varians dari variabel random fuzzy trapezium = adalah ditentukan dari<br />
σi 2 = Var ( LR ) = (9)<br />
dan penaksir tidak biasnya adalah seperti berikut ini.<br />
Karena dalam penelitian ini u=0, maka varians dari variabel random fuzzy menjadi<br />
σi 2 = Var ( LR ) = (11)<br />
sehingga penaksir tidak biasnya adalah seperti berikut ini<br />
(12)<br />
Yang akhirnya, varians diestimasi dari rata-rata seluruh subgrup estimator varians (si 2 ). Persamaannya adalah seperti<br />
berikut ini.<br />
(13)<br />
Untuk batas kontrol pada diagram kontrol variabel random fuzzy proses varians, seperti pada diagram kontrol<br />
Shewhart S 2 , daerah terkontrol parameter σ 2 , dengan level signifikansi (1-α), ditentukan seperti berikut ini.<br />
[BPB , BPA] = (14)<br />
Pengontrolan Kualitas<br />
Menurut Jaelani (2009) kualitas adalah kemampuan suatu produk atau jasa untuk dapat mencukupi<br />
keinginan konsumen dengan mudah dimengerti, dihubungkan dengan karakteristik pencapaian atau tidak sehingga<br />
dapat menimbulkan reaksi orang lain. Sedangkan menurut Manning dalam Universitas Kristen Petra (2008)<br />
3<br />
(3)<br />
(4)<br />
(5)<br />
(6)<br />
(7)<br />
(8)<br />
(10)
pengontrolan kualitas merupakan aktivitas, prosedur, metode atau program yang menjamin pemeliharaan hubungan<br />
spesifikasi dan standarisasi suatu produk dari penanganannya, prosesnya, persiapannya sampai dengan kemasannya<br />
dengan menjamin atau mempertahankan kelayakannya sampai ke tahap penyimpanan, proses, persiapan dan<br />
akhirnya dikonsumsi oleh konsumen. Selain itu, tujuan kontrol kualitas adalah untuk memelihara standart tertinggi<br />
yang mungkin diterapkan untuk pekerjaan yang sedang diproses di seluruh departemen tersebut, sehingga semua<br />
persyaratan atau keperluan pemakai terpenuhi (Feryup, 2010). Dari pengertian tersebut maka pengontrolan kualitas<br />
yang pertama kali dilakukan adalah pada saat proses produksi. Pengontrolan kualitas merupakan hal yang sangat<br />
penting bagi perusahaan, hal itu karena kualitas suatu produk akan membawa image produk itu juga ke konsumen,<br />
yang pada akhirnya akan memberikan profitabilitas yang lebih tinggi bagi perusahaan.<br />
3. Metodologi Penelitian<br />
Sumber Data<br />
Data yang digunakan dalam penelitian ini adalah data sekunder. Data yang digunakan diambil dari<br />
penelitian Kurniasari (2010) yang menganalisis pengontrolan proses secara statistik multiple stream processes pada<br />
kasus proses produksi Rexona SL AP stick. Namun dalam penelitian ini, data yang digunakan hanya dari satu stream<br />
saja. Dimana data pengamatan untuk satu stream, terdapat 6 titik inspeksi dan untuk setiap titik inspeksi masingmasing<br />
dilakukan pengukuran sebanyak 3 kali ulangan. Dalam data tersebut terdapat 21 subgrup dengan ukuran<br />
masing-masing subgrup adalah 6 pengamatan dan pada setiap pengamatan dilakukan tiga kali pengulangan<br />
pengukuran.<br />
Data yang digunakan merupakan data proses produksi untuk pengontrolan kualitas kekerasan rexona SL<br />
AP stick. Satu variabel random fuzzy merupakan data satu subgrup dengan pengamatan tiga kali ulangan, yang<br />
terdiri atas data kiri yang merupakan data kecil (xij l ), data tengah yang merupakan data sedang (xij), dan data kanan<br />
yang merupakan data besar (xij r ). Oleh karena itu yang menjadi sampel tiap pengamatan adalah setiap titik inspeksi<br />
sehingga dapat dikatakan bahwa dalam satu subgrup terdapat jumlah sampel/pengamatan sebanyak n =6.<br />
Variabel Penelitian<br />
Variabel penelitian dalam penelitian ini adalah kekerasan produk deodoran. Data kekerasan deodoran ini<br />
didapatkan dengan menusukkan alat ke permukaan produk deodoran dan kemudian mengukurnya. Batas spesifikasi<br />
atas (BSA) yang ditetapkan adalah 8 mm dan batas spesifikasi bawah (BSB) yang ditetapkan adalah 6 mm. Karena<br />
data yang dianalisis dalam diagram kontrol fuzzy ini merupakan data univariate dan data yang digunakan ini<br />
merupakan data hasil pengamatan dari satu stream dengan 6 titik inspeksi dengan masing-masing titik inspeksi<br />
tersebut merupakan pengamatan, sehingga dalam setiap subgrup terdapat 6 pengamatan.<br />
Metode Penelitian<br />
Dalam penelitian ini ada dua macam metode penelitian, yaitu metode penelitian pembuatan diagram kontrol<br />
fuzzy dan penerapan diagram kontrol fuzzy pada data kekerasan produk deodoran. Berikut ini adalah metode<br />
penelitian yang pertama, yaitu pembuatan diagram kontrol fuzzy. Karena dalam penelitian ini akan dibuat dua<br />
macam diagram kontrol fuzzy, yaitu diagram kontrol fuzzy proses varians dan diagram kontrol fuzzy proses mean,<br />
maka metode penelitian yang harus dilakukan adalah seperti di bawah ini, dimana untuk mendapatkan diagram<br />
kontrol fuzzy proses varians adalah seperti berikut.<br />
a. Data tiap pengamatan ditentukan untuk menjadi nilai xij l , xij dan xij r . Di mana data kiri merupakan data kecil<br />
(xij l ), data tengah merupakan data sedang (xij), dan data kanan merupakan data besar (xij r ). Sehingga akan terjadi<br />
hubungan bahwa xij l ≤ xij ≤ xij r .<br />
b. Selanjutnya menghitung nilai rata-rata untuk masing-masing bilangan fuzzy dengan menggunakan Persamaan<br />
(4), dimana lij = xij - xij l , mij = xij dan rij = xij r - xij.<br />
c. Menghitung varians untuk masing-masing subgrup dengan menggunakan Persamaan (10). Nilai varians untuk<br />
masing-masing subgrup ini akan digunakan untuk membuat plot diagram kontrol fuzzy proses varians.<br />
d. Menghitung nilai varians secara keseluruhan dengan menggunakan Persamaan (11).<br />
e. Dalam pembuatan diagram kontrol proses varians, dilakukan penghitungan batas kontrol atas dan bawah dengan<br />
menggunakan Persamaan (12).<br />
f. Membuat plot diagram kontrol fuzzy pada proses varians.<br />
g. Melakukan analisis dan pembahasan dari hasil diagram kontrol fuzzy paada proses varians yang dihasilkan.<br />
Setelah itu, untuk mendapatkan diagram kontrol fuzzy proses mean, yang pertama kali adalah melakukan<br />
langkah a sampai dengan langkah d, dan selanjutnya dapat dilakukan dengan langkah-langkah seperti berikut ini.<br />
4
h. Menghitung nilai rata-rata setiap subgrup untuk masing- masing kelompok data, yaitu rata-rata data kecil ( ),<br />
rata-rata data sedang ( ) dan rata-rata data besar ( ). Nilai rata-rata setiap subgrup untuk masing-masing<br />
kelompok data ini digunakan untuk membuat plot diagram kontrol fuzzy proses mean masing-masing kelompok<br />
data. Jadi, nilai rata-rata setiap subgrup kelompok data kecil digunakan untuk membuat plot diagram kontrol<br />
fuzzy proses mean data kecil, nilai rata-rata setiap subgrup kelompok data sedang digunakan untuk membuat<br />
plot diagram kontrol fuzzy proses mean data sedang dan rata-rata setiap subgrup kelompok data besar digunakan<br />
untuk membuat plot diagram kontrol fuzzy proses mean data besar.<br />
i. Menghitung batas kontrol atas dan bawah untuk diagram kontrol variabel random fuzzy pada proses mean<br />
dengan menggunakan Persamaan (5) dan (6).<br />
j. Membuat plot diagram kontrol fuzzy pada proses mean.<br />
k. Melakukan analisis dan pembahasan dari hasil diagram kontrol fuzzy pada proses mean yang dihasilkan.<br />
l. Membuat kesimpulan.<br />
Selanjutnya adalah penerapan diagram kontrol fuzzy pada data kekerasan produk deododoran. Berikut ini<br />
merupakan metode penelitiannya.<br />
m. Data kekerasan produk deodorant, pada setiap pengamatan yang terdiri dari tiga kali ulangan, ditentukan<br />
menjadi nilai xij l , xij dan xij r . Di mana data kiri merupakan data kecil (xij l ), data tengah merupakan data sedang<br />
(xij), dan data kanan merupakan data besar (xij r ). Sehingga akan terjadi hubungan bahwa xij l ≤ xij ≤ xij r .<br />
n. Selanjutnya pada data kekerasan produk dedodoran, dilakukan penghitungan nilai rata-rata untuk masingmasing<br />
bilangan fuzzy dengan menggunakan Persamaan (4), dimana lij = xij - xij l , mij = xij dan rij = xij r - xij.<br />
o. Menghitung varians untuk masing-masing subgrup dengan menggunakan Persamaan (10) dari data kekerasan<br />
produk deodoran. Nilai varians untuk masing-masing subgrup ini akan digunakan untuk membuat plot diagram<br />
kontrol fuzzy proses varians.<br />
p. Menghitung nilai varians secara keseluruhan data kekerasan produk deodoran dengan menggunakan Persamaan<br />
(11).<br />
q. Dalam pembuatan diagram kontrol proses varians data kekerasan produk deodoran, dilakukan penghitungan<br />
batas kontrol atas dan bawah dengan menggunakan Persamaan (12).<br />
r. Membuat plot diagram kontrol fuzzy pada proses varians data kekerasan produk deodoran.<br />
s. Melakukan analisis dan pembahasan dari hasil diagram kontrol fuzzy pada proses varians data kekerasan produk<br />
deodoran yang dihasilkan.<br />
Setelah itu, untuk mendapatkan diagram kontrol fuzzy proses mean, yang pertama kali adalah melakukan<br />
langkah m sampai dengan langkah p, dan selanjutnya dapat dilakukan dengan langkah-langkah seperti berikut ini.<br />
t. Menghitung nilai rata-rata setiap subgrup untuk masing- masing kelompok data kekerasan produk deodoran,<br />
yaitu rata-rata data kecil ( ), rata-rata data sedang ( ) dan rata-rata data besar ( ). Nilai rata-rata setiap<br />
subgrup untuk masing-masing kelompok data ini digunakan untuk membuat plot diagram kontrol fuzzy proses<br />
mean masing-masing kelompok data. Jadi, nilai rata-rata setiap subgrup kelompok data kecil digunakan untuk<br />
membuat plot diagram kontrol fuzzy proses mean data kecil, nilai rata-rata setiap subgrup kelompok data sedang<br />
digunakan untuk membuat plot diagram kontrol fuzzy proses mean data sedang dan rata-rata setiap subgrup<br />
kelompok data besar digunakan untuk membuat plot diagram kontrol fuzzy proses mean data besar.<br />
u. Menghitung batas kontrol atas dan bawah untuk diagram kontrol variabel random fuzzy pada proses mean dari<br />
data kekerasan produk deodoran dengan menggunakan Persamaan (5) dan (6).<br />
v. Membuat plot diagram kontrol fuzzy pada proses mean untuk masing-masing kelompok data dari data kekersan<br />
produk deodoran.<br />
w. Melakukan analisis dan pembahasan dari hasil diagram kontrol fuzzy pada proses mean dari data kekerasan<br />
produk deodoran yang dihasilkan.<br />
x. Membuat kesimpulan.<br />
4. Analisis dan Pembahasan<br />
Statistika Deskriptif<br />
Sebelum dilakukan pembahasan tentang diagram kontrol fuzzy, terlebih dahulu akan dilakukan pembahasan<br />
analisis statistika deskriptif dari data kekerasan produk deodoran. Berikut ini akan ditampilkan Tabel 1 yang<br />
menunjukkan statistika deskriptif dari data kekerasan produk deodoran.<br />
5
Titik<br />
Pengamatan<br />
Tabel 1 Statistika Deskriptif Data Kekerasan Produk Deodoran<br />
Batas Spesifikasi Rata-Rata<br />
BSB (mm) BSA (mm) (mm)<br />
6<br />
Varians<br />
Minimum<br />
(mm)<br />
Maksimum<br />
(mm)<br />
x1 6 8 9,827 2,315 6,18 13,1<br />
x2 6 8 9,009 3,821 5,04 14,3<br />
x3 6 8 9,327 3,744 4,63 13,1<br />
x4 6 8 9,697 3,966 5,91 13,7<br />
x5 6 8 9,927 3,639 3,89 13,9<br />
x6 6 8 10,139 3,387 4,88 13,3<br />
Tabel 1 menunjukkan gambaran dari data kekerasan produk dedoran. Dari tabel tersebut dapat diketahui<br />
bahwa rata-rata semua titik pengamatan (dari titik pengamatan 1 sampai titik pengamatan 6) berada di atas batas<br />
spesifikasi atas (BSA = 8 mm). Varians atau keragamannya pada masing-masing titik pengamatan sekitar 3, hanya<br />
pada titik pengamatan pertama (x1) yang mempunyai keragaman /varians sebesar 2,315. Nilai minimum untuk<br />
masing-masing titik pengamatan 2 sampai dengan titik pengamatan 6 semuanya berada di bawah batas spesifikasi<br />
bawah (BSB = 6 mm), hanya pada titik pengamatan pertama (x1) yang mempunyai nilai minimum di antara batas<br />
spesifikasi atas (BSA) dan batas spesifikasi bawah (BSB). Sedangkan untuk nilai maksimumnya, semua titik<br />
pengamatan mempunyai nilai maksimum yang berada di atas batas spesifikasi atas (BSA). Setelah didapatkan<br />
gambaran data proses produksi deodoran, maka selanjutnya akan dilakukan analisis diagram kontrol fuzzy proses<br />
varians pada data kekerasan produk deodoran seperti berikut ini.<br />
Pembuatan Diagram Kontrol Fuzzy<br />
Sebelum melangkah pada pembahasan diagram kontrol fuzzy dari data kekerasan produk deodoran, maka<br />
terlebih dahulu akan ditampilkan Tabel 2 yang menunjukkan secara praktis langkah awal yang harus dilakukan<br />
untuk membuat diagram kontrol fuzzy.<br />
Tabel 2 Pengelompokan Data Fuzzy<br />
Sub<br />
grup<br />
Xi1 Xi2 Xi3 Xi4 Xi5 Xi6<br />
1 9,68 12,6 13,1 9,73 11,5 14,3 10,6 12,8 13,1 12,4 13,3 13,7 10,7 12,6 13,9 11,3 12,7 13,3 10,74 12,58 13,57 0,582<br />
2 7,89 9,16 9,39 8,67 8,98 9,73 8,15 8,51 10 6,34 8,87 9,73 8,57 9,76 10,1 6,49 7,94 8,84 7,69 8,87 9,632 0,522<br />
3 6,18 11,9 12,1 9,25 11,1 11,3 10,1 11,3 12 8,16 8,37 8,77 9,29 9,89 10,4 8,91 8,94 10,1 8,648 10,25 10,78 2,76<br />
4 7,89 10 10,3 8,25 9,45 12,3 8,26 9 10,5 7,75 8,63 8,84 9,16 9,22 10,2 7,66 8,66 8,98 8,162 9,16 10,19 0,519<br />
5 8,59 10,2 11,6 7,06 8,26 8,81 7,02 7,29 9,19 7,13 7,47 9,73 8,16 9,6 11,6 7,45 8,83 10,5 7,568 8,608 10,24 1,462<br />
6 6,36 7,36 8,66 5,04 5,97 8,12 5,32 6,93 8,04 5,91 9,36 10,6 6,1 8,84 9,59 9,24 9,46 9,7 6,328 7,987 9,118 2,387<br />
7 9,24 9,26 10,2 7,95 8,09 8,12 8,18 8,19 8,91 7,14 7,24 8,09 6,82 7,55 9,14 9,39 9,52 9,73 8,12 8,308 9,032 0,895<br />
8 9,84 10,3 11,2 7,23 7,27 7,36 9,45 10 10,2 7,37 8,98 10,1 10,3 10,5 11,2 10,5 11,1 12,5 9,115 9,692 10,43 1,989<br />
9 10 10,4 11,3 8,43 8,84 8,95 6,66 10,9 11,1 7,92 8,17 12 7,54 10,6 11,9 4,88 10,3 10,8 7,572 9,868 11,01 2,373<br />
10 9,49 9,54 10,8 7,17 7,92 11,5 6,11 8,3 10,5 8,35 9,12 11,1 6,3 10,2 10,4 9,36 9,73 9,91 7,797 9,135 10,7 1,401<br />
11 7,41 8,95 11,2 7,47 7,48 9,25 6,75 8,19 9,94 7,82 10 10,2 10,1 10,4 10,6 5,94 10,2 10,3 7,582 9,203 10,25 1,973<br />
12 7,09 9,04 9,17 8,02 8,23 11 9,05 11,8 12,9 9,39 9,94 11,2 8,09 10,7 10,9 9,72 11,1 11,3 8,56 10,14 11,08 2,137<br />
13 8,6 8,9 8,9 5,46 7,3 8,59 4,63 7,96 8,61 8,46 8,46 10,5 3,89 6,58 6,83 5,05 9,26 9,39 6,015 8,077 8,803 1,589<br />
14 8,51 9,21 10,4 10,1 10,8 14 7,18 7,62 8,33 12,4 13,3 13,3 7,79 9,49 10 8,2 11,3 11,6 9,03 10,29 11,27 4,245<br />
15 7,58 8,73 9,17 8,36 8,97 9,14 9,76 10,5 12,6 8,26 10,1 10,5 10,1 11,1 12,2 11,1 11,2 11,9 9,193 10,1 10,92 1,244<br />
16 9,66 9,74 9,92 7,82 8,91 11,8 7,96 8,47 9,25 7,43 7,88 8,03 8,43 8,77 11,6 9,65 9,76 11,1 8,492 8,922 10,28 0,816<br />
17 9,45 9,9 12,5 7,44 9,16 9,19 10,5 13 13 7,1 9,74 12,3 10,9 12 12,4 11,1 12,3 12,6 9,415 11,02 11,99 2,955<br />
18 10,8 12,1 12,2 7,02 7,63 13,4 8,19 10,7 11,8 9,97 11,5 11,5 11,6 12,4 12,7 10 12,2 12,9 9,597 11,09 12,42 4,163<br />
19 9,05 11,1 12 6,01 7,78 10,9 7,3 10,7 10,9 9,87 10,4 12 8,76 12,4 13 9,45 10,2 10,7 8,407 10,43 11,58 2,769<br />
20 10 10,3 12,2 8,43 11,5 11,9 8,83 9,35 10,1 8,89 13,3 13,5 8,99 9,56 10,3 11,7 12,8 12,9 9,473 11,14 11,82 3,336<br />
21 9,38 10,5 10,9 8,25 8,43 11,2 8,02 8,54 8,56 8,83 11,7 12,5 9,29 10,8 12,6 10,4 12,2 12,5 9,028 10,36 11,38 2,829<br />
Dimana :<br />
; menunjukkan nilai rata-rata kelompok data kecil pada subgrup ke-i
; menunjukkan nilai rata-rata kelompok data sedang pada subgrup ke-i<br />
; menunjukkan nilai rata-rata kelompok data besar pada subgrup ke-i<br />
; menunjukkan nilai varians pada subgrup ke-i<br />
Tabel 2 di atas menampilkan pengelompokan data fuzzy, nilai rata-rata masing-masing kelompok data<br />
setiap subgrup dan varians untuk setiap subgrup. Penghitungan nilai rata-rata dan nilai varians untuk setiap subgrup<br />
ini merupakan langkah penting dalam pembuatan diagram kontrol fuzzy. Hal itu karena nilai rata-rata masing-masing<br />
kelompok data pada setiap subgrup inilah yang akan dibuat plot untuk masing-masing diagram kontrol fuzzy proses<br />
mean, yaitu nilai rata-rata setiap subgrup kelompok data kecil ( ) digunakan untuk membuat plot diagram kontrol<br />
fuzzy proses mean data kecil, nilai rata-rata setiap subgrup kelompok data sedang ( digunakan untuk membuat<br />
plot diagram kontrol fuzzy proses mean data sedang dan rata-rata setiap subgrup kelompok data besar<br />
( digunakan untuk membuat plot diagram kontrol fuzzy proses mean data besar. Selain itu, nilai varians setiap<br />
subgrup ( juga digunakan untuk membuat plot diagram kontrol fuzzy proses varians data kekerasan produk<br />
deodoran. Selanjutnya akan dilakukan pembahasan tentang diagram kontrol fuzzy pada data kekerasan produk<br />
deodoran seperti berikut.<br />
Diagram Kontrol Fuzzy Proses Varians Pada Data Kekerasan Produk Deodoran<br />
Berikut ini akan ditampilkan diagram kontrol variabel random fuzzy proses varians untuk data kekerasan<br />
produk deodoran. Pada diagram kontrol di bawah ini, tingkat kesalahan (α) yang digunakan sebesar 1% = 0,01.<br />
Dengan menggunakan tingkat kesalahan 1%, maka χ 2 (1-α/2,n1) = χ 2 (0,995;5) = 0,41 dan χ 2 (α/2,n-1) = χ 2 (0,005;5) = 16,75.<br />
Sehingga didapatkan batas-batas diagram kontrol variabel dengan menggunakan Persamaan (9), yaitu BPB =<br />
0,167693 dan BPA = 6,85086, dan garis tengah = 2,18809.<br />
Varians<br />
7<br />
6<br />
5<br />
4<br />
3<br />
2<br />
1<br />
0<br />
0 5 10 15 20<br />
BPB<br />
25<br />
Subgrup ke-<br />
Gambar 4 Diagram Kontrol Fuzzy Proses Varians Dengan α=1%<br />
Gambar 4 tersebut menunjukkan bahwa ada 9 subgrup yang berada di atas garis tengah dan 12 subgrup<br />
yang berada di bawah rata-rata (garis tengah). Hal ini berarti bahwa kebanyakan dari variasi proses produksi<br />
deodoran berada di bawah rata-rata varians. Selain itu juga jarak antara varians yang satu dengan yang lainnya tidak<br />
terlalu jauh atau bentuk plotnya cukup stabil sehingga bisa dikatakan bahwa variasi proses prduksi deodoran stabil<br />
atau tetap, kecuali ada satu varians dari subgrup 14 yang terlalu ke atas (variansnya terlalu besar). Tetapi walaupun<br />
demikian, dari diagram kontrol tersebut menunjukkan bahwa tidak ada proses varians yang keluar dari batas<br />
pengendali. Artinya variasi kekerasan produk deodoran dari hasil proses produksi masih dalam keadaan terkontrol,<br />
yang berarti bahwa variasi kekerasan produk deodoran tersebut baik.<br />
7<br />
BPA<br />
GT
Diagram Kontrol Fuzzy Proses Mean Pada Data Kekerasan Produk Deodoran<br />
Diagram kontrol fuzzy proses mean yang dibahas ini ada tiga macam. Diagram kontrol yang pertama adalah<br />
diagram kontrol fuzzy untuk pengontrolan rata-rata data kecil, yang kedua untuk pengontrolan rata-rata data sedang<br />
dan yang terakhir untuk pengontrolan data besar. Dalam penghitungan batas-batas kontrol yang terdiri atas batas<br />
pengendali atas (BPA) dan batas pengendali bawah (BPB) diagram kontrol fuzzy proses mean ini digunakan<br />
Persamaan (10) dan (11). Dalam penelitian ini, untuk membuat diagram kontrol fuzzy proses mean digunakan<br />
Zα/2=3.<br />
Rata-Rata Data Kecil<br />
11<br />
10.5<br />
10<br />
9.5<br />
9<br />
8.5<br />
8<br />
7.5<br />
7<br />
6.5<br />
6<br />
0 5 10 15 20 25<br />
Subgrup ke-<br />
Gambar 5 Diagram Kontrol Fuzzy Proses Mean Data Kecil (xij l )<br />
Berdasarkan Gambar 5 yang ditunjukkan di atas, diketahui bahwa batas pengendali atas (BPA) sebesar<br />
10,3098 dan batas pengendali bawah (BPB) sebesar 6,50178, sedangakan garis tengah (yang menunjukkan rata-rata<br />
dari rata-rata subgrup data kecil) sebesar 8,40579. Diagram kontrol tersebut menunjukkan bahwa ada tiga titik yang<br />
keluar dari batas kontrol, yaitu subgrup pertama, keenam dan ketiga belas. Subgrup pertama berada di atas batas<br />
pengendali atas dan subgrup keenam dan ketiga belas berada di bawah garis batas pengendali bawah. Sehingga<br />
dapat diartikan bahwa subgrup pertama berada di atas rata-rata data kecil sedangkan subgrup keenam dan ketiga<br />
belas berada di bawah rata-rata data kecil. Oleh karena itu, dapat dikatakan bahwa rata-rata pengamatan data kecil<br />
tidak terkendali.<br />
Rata-Rata Data Sedang<br />
13<br />
12<br />
11<br />
10<br />
9<br />
8<br />
Gambar 6 Diagram Kontrol Fuzzy Proses Mean Data Sedang (xij )<br />
Gambar 6 tersebut menunjukkan bahwa untuk diagram kontrol fuzzy proses mean dari data sedang<br />
kekerasan produk deodoran mempunyai batas pengendali atas (BPA) sebesar 11,6762, batas pengendali bawah<br />
(BPB) sebesar 7,86821 dan garis tengah sebesar 9,77222. Dari diagram kontrol fuzzy proses mean data sedang yang<br />
telah ditampilkan di atas terlihat bahwa diagram kontrol tersebut menunjukkan bahwa ada satu proses rata-rata data<br />
sedang yang keluar dari batas pengendali, yaitu subgrup pertama. Artinya rata-rata data sedang kekerasan produk<br />
deodoran dari hasil proses produksi masih dalam keadaan yang belum terkontrol. Oleh karena itu dapat dikatakan<br />
bahwa rata-rata data sedang kekerasan produk deodoran tersebut kurang baik.<br />
8<br />
BPA<br />
GT<br />
BPB<br />
BPA<br />
7<br />
0 5 10 15 20 25<br />
Subgrup ke-<br />
GT<br />
BPB
Gambar 7 menunjukkan diagram kontrol fuzzy proses mean dari data besar hasil pengukuran kekerasan<br />
produk deodoran. Dari hasil diagram kontrol yang ditampilkan, diketahui bahwa batas pengendali atas (BPA)<br />
sebesar 12,6889 dan batas pengendali bawah (BPB) sebesar 8,88091, sedangakan garis tengah (yang menunjukkan<br />
rata-rata dari rata-rata subgrup data besar ) sebesar 10,7849. Diagram kontrol tersebut menunjukkan bahwa ada dua<br />
titik yang keluar dari batas kontrol, yaitu subgrup pertama dan ketiga belas. Subgrup pertama berada di atas batas<br />
pengendali atas dan ketiga belas berada di bawah garis batas pengendali bawah. Sehingga dapat diartikan bahwa<br />
subgrup pertama berada di atas rata-rata data besar sedangkan subgrup keenam dan ketiga belas berada di bawah<br />
rata-rata data besar. Oleh karena itu, dapat dikatakan bahwa rata-rata pengamatan data besar tidak terkendali.<br />
14<br />
13<br />
12<br />
11<br />
10<br />
9<br />
8<br />
0 5 10 15 20 25<br />
Subgrup ke-<br />
Gambar 7 Diagram Kontrol Fuzzy Proses Mean Data Besar (xij r )<br />
Berdasarkan hasil analisis ketiga diagram kontrol fuzzy proses mean, yang meliputi data kecil, data sedang<br />
dan data besar diperoleh hasil yang sama, yaitu ketiganya menunjukkan bahwa data proses produksi produk<br />
deodoran tidak terkontrol. Oleh karena itu, dapat disimpulkan bahwa secara rata-rata data proses produksi produk<br />
deodoran tidak terkendali.<br />
Diagram Kontrol Fuzzy Proses Varians Dengan Level of Certainty β = 85% Pada Data Kekerasan Produk<br />
Deodoran<br />
Pada diagram kontrol fuzzy proses varians dengan level of certainty β = 85% yang ditunjukkan seperti di<br />
bawah ini, tingkat kesalahan (α) yang digunakan sebesar 1% = 0,01. Dengan menggunakan tingkat kesalahan 1%,<br />
maka χ 2 (1-α/2,n-1) = χ 2 (0,995;5) = 0,41 dan χ 2 (α/2,n-1) = χ 2 (0,005;5) = 16,75.<br />
Rata-Rata Data Besar<br />
Rata-Rata Data Besar<br />
14<br />
13<br />
12<br />
11<br />
10<br />
9<br />
Gambar 8 Diagram Kontrol Fuzzy Proses Varians Data Level of Certainty β = 85%<br />
9<br />
BPA<br />
GT<br />
BPB<br />
BPA<br />
8<br />
0 5 10 15 20 25<br />
Subgrup ke-<br />
GT<br />
BPB
Gambar 8 yang telah ditunjukkan tersebut menunjukkan bahwa untuk diagram kontrol fuzzy proses variansbeta<br />
dari data kekerasan produk deodoran mempunyai batas pengendali atas (BPA) sebesar 4,9479, batas pengendali<br />
bawah (BPB) sebesar 0,1211 dan garis tengah sebesar 1,477. Bila diperhatikan, plot diagram kontrol fuzzy variansbeta<br />
ini hampir sama dengan plot diagram kontrol proses varians dengan tanpa tingkat kepercayaan, hanya saja<br />
rentangnya yang lebih kecil. Diagram kontrol tersebut menunjukkan bahwa tidak ada proses varians yang keluar dari<br />
batas pengendali, yaitu sama dengan yang ditunjukkan oleh diagram kontrol proses varians tanpa interval<br />
kepercayaan. Sehingga dapat disimpulkan bahwa variasi kekerasan produk deodoran dari hasil proses produksi<br />
masih dalam keadaan terkontrol, yang berarti bahwa variasi kekerasan produk deodoran tersebut baik.<br />
Diagram Kontrol Fuzzy Proses Mean Dengan Level of Certainty β = 85% Pada Data Kekerasan Produk<br />
Deodoran<br />
Rata-Rata Data Kiri<br />
12.5<br />
12<br />
11.5<br />
11<br />
10.5<br />
10<br />
9.5<br />
9<br />
8.5<br />
8<br />
7.5<br />
0 5 10 15 20 25<br />
Subgrup ke-<br />
Gambar 9 Diagram Kontrol Fuzzy Proses Mean Data Kiri Dengan Level of Certainty β = 85%<br />
Rata-Rata Data Kanan<br />
13<br />
12.5<br />
12<br />
11.5<br />
11<br />
10.5<br />
10<br />
9.5<br />
9<br />
8.5<br />
Gambar 10 Diagram Kontrol Fuzzy Proses Mean Data Kanan Dengan Level of Certainty β = 85%<br />
10<br />
BPA<br />
GT<br />
BPB<br />
BPA<br />
8<br />
0 5 10 15 20 25<br />
Subgrup ke-<br />
GT<br />
BPB
Apabila diperhatikan, antara Gambar 9 dan Gambar 10 mempunyai karakteristik gambar yang sama, yaitu<br />
bentuk plotnya hampir sama. Hanya saja ada perbedaan dari kedua gambar tersebut, yaitu pada plot subgrup<br />
kedelapan dan kesembilan. Selain itu, perbedaan data dari kedua diagram kontrol tersebut yang berbeda. Hal ini<br />
karena Gambar 9 terbentuk dari plot rata-rata interval data tengah dengan data kecil, sedangkan Gambar 10<br />
terbentuk dari plot rata-rata interval data besar dengan data tengah. Jadi, sudah pasti data dari diagram kontrol<br />
Gambar 9 lebih kecil dari pada data diagram kontrol pada Gambar 10.<br />
Kedua gambar diagram kontrol tersebut (Gambar 9 dan Gambar 10) memperlihatkan bahwa terdapat plot<br />
subgrup yang keluar dari batas kontrol. Plot yang keluar adalah subgrup pertama, keenam dan ketiga belas. Subgrup<br />
pertama melewati batas pengendali atas, sedangkan plot subgrup keenam dan ketiga belas melewati batas pengendali<br />
bawah. Oleh karena itu, dapat diartikan bahwa rata-rata proses produksi produk deodoran tersebut tidak terkontrol<br />
secara rata-rata.<br />
5. Kesimpulan<br />
Setelah melakukan analisis pada data kekerasan produk deodorant diperoleh kesimpulan bahwa data proses<br />
produksi produk deodoran tidak terkendali secara rata-rata tetapi terkendali secara varians. Jadi, dapat dikatakan<br />
proses produksi produk deodoran tersebut kurang baik dan harus diperbaiki agar didapatkan hasil yang maksimal.<br />
Daftar Pustaka<br />
Faraz, A. & Shapiro, A.F., 2010. “An Application of Fuzzy Random Variables to Control Charts”. Fuzzy Sets and<br />
Systems 161 (2010) : 2684 – 2694.<br />
Feryup, 2010. Bab 10 Pengontrolan. < URL : http ://feryup .files.wordpress.com/<br />
2010/11/bab10pengontrolan.pdf>(Diakses pada tanggal 29 Desember 2010 ).<br />
Jaelani, E., 2009. Quality. (Diakses pada tanggal 29<br />
Desember 2010).<br />
Kurniasari,V., 2010. Pengontrolan Proses Secara Statistik Multiple Stream Processes, Studi Kasus : Proses<br />
Produksi Rexona SL AP Stick. Tugas Akhir. Surabaya : <strong>ITS</strong> Press.<br />
Kusumadewi, S., Hartati, S., Harjoko, A. & Wardoyo, R., 2006. Fuzzy Multi-Attribute Decision Making (<strong>FUZZY</strong><br />
MADM). Yogyakarta : Penerbit Graha Ilmu.<br />
Montgomery, D. C., 2005. Introduction to Statistical Quality Kontrol. Fifth Edition. United States of America : John<br />
Wiley & Sons, Inc.<br />
Shapiro, A. F., 2009. “Fuzzy Random Variabels”. Insurance Math. Econom. 44 (2009) : 307 – 314.<br />
Universitas Kristen Petra, 2008. Teori Penunjang. (Diakses pada<br />
tanggal 30 Desember 2010).<br />
11