Control Chart Variabel, Pareto Chart, Cause-Effects Diagram

8/19/2019 Control Chart Variabel, Pareto Chart, Cause-Effects Diagram

1/52

PETA KENDALI, DIAGRAM PARETO, DAN DIAGRAMSENILAI MATA KULIAH DAN IPS MAHASISWA S1 SISTEM INFORMASI-ITS

Oleh:

Ageng Pramesthi K.(1313 100 022)

Ika Lulus Yuliatin (1313 100 078)

Asdos:

Novarani Putri Saraswati (1312 100 088)

Dosen:

Dra. Lucia Aridinanti, MT

Jurusan Statistika FMIPA-ITS

Modul 1- Pengendalian Kualitas Statistik


2/52

PENDAHULUAN

TINJAUAN PUSTAKAMETODOLOGI PENELETIAN

ANALISIS &PEMBAHAS

KESIMPULAN &



3/52

PENDAHULUAN



4/52

LATAR BELAKANG


Nilai mata kuliah: A, AB, B, BC, C, D

Nilai IPS: 0-4

TOLOK UKUKEBERHASIL

PEMBELAJA

Bagaimana dengan mahasiswa S1 Sistem Informasi IT


5/52

1. Bagaimana karakteristik deskriptif data nilai IPS?2. Bagaimana keacakan data nilai IPS?3. Bagaimana kenormalan data nilai IPS?4. Bagaimana peta kendali untuk data nilai seluruh mata kuliah dan IPS?5. Bagaimana diagram pareto untuk nilai seluruh mata kuliah, nilai mata kuliah yang baik (

mata kuliah yang buruk (D/E), dan nilai masing-masing mata kuliah?6. Apa saja penyebab mahasiswa S1 jurusan Sistem Informasi ITS angkatan 2015 pada sem

mendapatkan nilai yang baik (A/AB) dan kurang baik (D/E) jika dianalisis dengan menggu

sebab-akibat?7. Bagaimana kapabilitas proses dari nilai semua mata kuliah dan IPS?8. Berapakah probabilitas nilai IPS dan mata kuliah yang berada di luar batas spesifikasi?

RUMUSAN MASALAH



6/52

TUJUAN

1. Mengetahui karakteristik deskriptif data nilai IPS.2. Mengetahui keacakan data nilai IPS.3. Mengetahui kenormalan data nilai IPS.4. Mengetahui peta kendali untuk data nilai seluruh mata kuliah dan IPS.5. Mengetahui diagram pareto untuk nilai seluruh mata kuliah, nilai mata kuliah yang baik

mata kuliah yang buruk (D/E), dan nilai masing-masing mata kuliah.6. Mengetahui penyebab mahasiswa S1 jurusan Sistem Informasi ITS angkatan 2015 pada s

mendapatkan nilai yang baik (A/AB) dan kurang baik (D/E) jika dianalisis dengan menggu

sebab-akibat.7. Mengetahui kapabilitas proses dari nilai semua mata kuliah dan IPS.8. Mengetahui probabilitas nilai IPS dan mata kuliah yang berada di luar batas spesifikasi.



7/52

Memberikan informasi kepada penulis dan pembaca tentang

penggunaan analisis kendali kualitas Sistem Informasi dalam

mengevaluasi Indeks Prestasi mahasiswa jurusan S1 Sistem Informasi

ITS angkatan 2015.

MANFAAT



8/52

TINJAUAN PUSTAKA


d l 1 d li li S i ik


9/52

Menyajikan data secara ringkas dan memberikan infromasi inti dari data yang

ada. Informasi tersebut meliputi ukuran pemusatan dan penyebaran data.

◉ Mean

◉ Median

◉ Modus

◉ Varians◉ Stadar Deviasi

◉ Minimum

◉ Maksimum

KARAKTERISTIK

DESKRIPIF


M d l 1 P d li K lit St ti tik


10/52

Uji keacakan menggunakan One-Sample Runs Test.

Hipotesis

H0 : data pengamatan bersifat acakH1 : data pengamatan bersifat tidak acak

Statistik uji

r = banyaknya rangkaian

Pengambilan Keputusan

Tolak H0 apabila r≤ nilai kritis bawah atau r ≥ nilai kritis atas.

UJI KEACAKAN


Modul 1 Pengendalian Kualitas Statistik


11/52

Uji Kenormalan menggunakan Kolmogorov-Smirnov.

Hipotesis

H0 : Data X adalah variabel acak bebas yang berdistribusi normalH1 : Data X adalah variabel acak bebas yang tidak berdistribusi normal

Statistik Uji Pengambilan Keputusan

Tolak H0 apabila D < d n dimana adalah nilai dari tab

Smirnov .

UJI KENORMALAN

0sup ( ) ( )

x D S x F x

Banyak data, untuk i=1,2, ,k


12/52

◉ Peta Kendali

PETA KENDALI

R

x R

4

3

UCL=

Center Line=

LCL=

D R

R

D R

I M

2

2

UCL =

Center Line =

LCL =

x A R

x

x A R

◉ Peta Kendali xbar

U

Center L

L

U

Center L

L

◉ Peta Ke

◉ Peta Ke

1 2

max min

R m R R R

m

R

1

1 2

MR

i i

m

x x

M R MR MR

m

MR




13/52

Diagram pareto merupakan metode

dalam mengorganisasikan kesalahan ataucacat untuk membantu memusatkanperhatian atas penyelesaian masalah(Heizer & Render, 2014).

DIAGRAM PARETO


Teknis skematis yang digunakan untuk me

tempat terjadi sumber permasalahan (Hei2014).

DIAGRAM SEBAB-AK



14/52

Mengukur kemampuan suatu proses dalam

memenuhi spesifikasi

KAPABILITAS PROSES

USL-LSL

6 pC

(1 ) p pk C C k 2

R ˆ

d

USL : Upper Specification LimitLSL : Lower Specification Limit

PROBABILITAS

SP

L P P x

LSL

P

Probabilitas s




15/52

METODOLOGI PENELITIAN




16/52

SUMBER DATA

VARIABEL PENELITIAN

Data primer hasil survei kepada mahasiswa S1 jurusan Sistem Informasi ITS angkatan 20Pelaksanaan survei:

Jurusan Sistem Informasi-ITSSenin/7 Maret 2016 09.00-11.00 WIB

-Nilai tiap mata kuliah pada semester 1(Agama, Wasbang, STI, MO, Baper, Matdis)

-Faktor-faktor/alasan mendapatkan nilai tiap mata kuliah-Indeks Prestasi Semester (IPS)




17/52

STRUKTUR DATA

No. Nama

Nilai

PAI

Nilai

W.B

Nilai

STI

Nilai

MO

Nilai

Baper

Nila

Matd

1 Responden-1 Nilai-1 Nilai-1 Nilai-1 Nilai-1 Nilai-1 Nila

2 Responden-2 Nilai-2 Nilai-2 Nilai-2 Nilai-2 Nilai-2 Nila

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

30 Responden-30 Nilai-30 Nilai-30 Nilai-30 Nilai-30 Nilai-30 Nilai-

gModul 1- Pengendalian Kualitas Statistik


18/52

LANGKAH ANALISIS

1. Merumuskan permasalahan

2. Mengumpulkan data melalui survei3. Menganalisis karakteristik deskriptif

4. Melakukan uji keacakan data nilai IPS

5. Melakukan uji kenormalan data nilai IPS

6. Membuat dan menganalisis peta kendali

7. Membuat diagram pareto

8. Membuat diagram sebab-akibat

9. Menghitung kapabilitas proses10. Menghitung probabilitas di luar spesifikasi

11. Menarik kesimpulan dan saran



19/52

ANALISIS & PEMBAHASAN



20/52

KARAKTERISTIKDESKRIPTIF

Karakeristik Deskriptif nilai IPS mahasiswa S jurusan Sistem Informasi ITS angkatan 201



21/52

KARAKTERISTIK DESKRIPTIFKarakteristik deskriptif nilai IPS

Mean Variance Minimum Q1

3,4210 0,0952 2,4000 3,2425

Median Q3 Maximum Mode

3,4200 3,6700 3,8300 3,42



22/52

UJI ASUMSUji Asumsi meliputi uji keacakan dan uji kenormalan



23/52

UJI KEACAKANUji keacakan menggunakan One-Sample Runs Test

r P-value n1 n2 Batas Kritis Bawah Batas Kritis Ata

15 0,728 14 16 10 22

batas kritis bawah < r < batas kritis atas, H0 gagal ditolakP-value > α => 0,728 >0,05 => H0 gagal ditolak

Data nilai IPS mahasiswa S1 jurusan Sistem Informasi ITSangkatan 2015 bersifat acak.



24/52

UJI KENORMALANUji kenormalan menggunakan Kolmogorov -Smirnov

4.254.003.753.503.253.002.752.50

99

95

90

80

70

60

50

40

30

20

10

5

1

IPS

P e r c e n t

Mean 3.421StDev 0.3085

N 30

KS 0.132

P-Value >0.150

KS < d, 0.132 < d , H0 gagal ditoP-value > 0.05, H0 gagal ditolak

Data nilai IPS mahasiswa S1 jurInformasi ITS angkatan 2015 benormal.



25/52

PETA KENDALPeta kendali xbar-R dan I-M



26/52

Peta Kendali xbar-R Nilai Semua Mata Kuliah

28252219161310741

4.0

3.5

3.0

2.5

Sample

S a m p l e M e a n

_ _ X=3.428

UC L=3.898

LCL=2.957

28252219161310741

2.0

1.5

1.0

0.5

0.0

Sample

S a m p l e R a n g e

_ R=0.974

UC L=1.952

LCL=0

1

11

Terdapat pengamatanout of control

Peta R : pengamatan 3,4 Peta xbar : pengamatan 2

Pen

◉ Pema

ma

80%

◉Pe

mC skama



27/52

Peta Kendali xbar-R Nilai Semua Mata Kuliah (terkendal

252321191715131197531

3.8

3.6

3.4

3.2

3.0

Sample

S a m p l e M e a n

_ _ X=3.5133

UCL=3.9166

LCL=3.1100

252321191715131197531

1.6

1.2

0.8

0.4

0.0

Sample

S a m p l e R a n g e

_ R=0.834

UCL=1.672

LCL=0

Tidak terdapadi luar batas kproses terke



28/52

Peta Kendali Individu I-MR Nilai IPS

28252219161310741

4.0

3.5

3.0

2.5

Observation

I n d i v i d u a l V a l u e

_ X=3.421

UB=4

LCL=2.646

28252219161310741

1.00

0.75

0.50

0.25

0.00

Observation

M o v i n g R a n g

e

__ MR=0.291

UC L=0.952

LCL=0

1

1

Terdapat pengamatanout of control

Peta MR : 2 Peta I : 2

Pe

◉ Pm

m80



29/52

Peta Kendali Individu I-MR Nilai IPS (terkendali)

28252219161310741

4.0

3.5

3.0

Observation

I n d i v i d u a l V

a l u e

_ X=3.456

UB=4

LCL=2.783

28252219161310741

0.8

0.6

0.4

0.2

0.0

Observation

M o v i n g R a n g e

__ MR=0.2532

UC L=0.8273

LCL=0

Tidak terdapat di luar batas keproses terken



30/52

DIAGRAM PARETOLet’s start with the first set of slide



31/52

Diagram Pareto nilai IPS

Jumlah 13 8 7 2

Percent 43.3 26.7 23.3 6.7

Cum % 43.3 70.0 93.3 100.0

IPS


32/52

Diagram Pareto nilai Seluruh Mata Kuliah

Count 98 38 29 10 5

Percent 54.4 21.1 16.1 5.6 2.8

Cum % 54.4 75.6 91.7 97.2 100.0

Nilai CBCB A AB

200

150

100

50

0

100

80

60

40

20

0

C o u n t

P e r c e n t



33/52

Diagram Pareto Mata Kuliah Pendidikan Agama

Count 19 8 3

Percent 63.3 26.7 10.0

Cum % 63.3 90.0 100.0

Agama Islam B A AB

30

25

20

15

10

5

0

100

80

60

40

20

0

C o u n t

P e r c e n t



34/52

Diagram Pareto Mata Kuliah Wasbang

Count 16 9 3 1 1

Percent 53.3 30.0 10.0 3.3 3.3

Cum % 53.3 83.3 93.3 96.7 100.0

wasbang CBC A B AB

30

25

20

15

10

5

0

100

80

60

40

20

0

C o u n t

P e r c e n t



35/52

Diagram Pareto Mata Kuliah STI

Count 16 8 5 1

Percent 53.3 26.7 16.7 3.3

Cum % 53.3 80.0 96.7 100.0

Sistem Teknologi Informasi BCB A AB

30

25

20

15

10

5

0

100

80

60

40

20

0

C o u n t

P e r c e n t



36/52

Diagram Pareto Mata Kuliah Manajemen Organisasi

Count 20 6 3 1

Percent 66.7 20.0 10.0 3.3

Cum % 66.7 86.7 96.7 100.0

Managemen Organisasi BCB A AB

30

25

20

15

10

5

0

100

80

60

40

20

0

C o u n t

P e r c e n t



37/52

Diagram Pareto Mata Kuliah Bahasa Pemrograman

Count 15 8 3 2 2

Percent 50.0 26.7 10.0 6.7 6.7

Cum % 50.0 76.7 86.7 93.3 100.0

Bahasa Pemrogaman BCBC A AB

30

25

20

15

10

5

0

100

80

60

40

20

0

C o u n t

P e r c e n t



38/52

Diagram Pareto Mata Kuliah Matematika Diskrit

Count 12 7 5 4 1 1

Percent 40.0 23.3 16.7 13.3 3.3 3.3

Cum % 40.0 63.3 80.0 93.3 96.7 100.0

Matematika Diskrit C A A BCB AB

30

25

20

15

10

5

0

100

80

60

40

20

0

C o u n t

P e r c e n t



39/52

DIAGRAM SEBAB-AKIBATFakto-faktor yang menyebabkan mahasisw

mendapatkan nilai



40/52

N

Personnel Environment

Methods

Keberuntungan

Dosen

Mahasiswa

Final Project

ETS/EAS

Kuis

Tidak pernah

absen

Rajin

Aktif

Machine



41/52

KAPABILITAS PROSESUntuk nilai mata kuliah dan IP

Modul 1- Pengendalian Kualitas StatistikModul 1- Pengendalian Kualitas Statistik


42/52

4.23.93.63.33.02.72.42.1

LSL USL

LSL 2

Target *

USL 4Sample Mean 3.51333

S ample N 150

StDev(Within) 0.329291

StDev(Overall) 0.356844

Process Data

C p 1.01

C P L 1.53

CPU 0.49

Cpk 0 .49

Pp 0.93

P PL 1.41

PPU 0.45

Ppk 0 .45

Cpm *

Ov erall C apability

Potential (Within) Capability

PPM < LSL 0. 00

PPM > USL 0 .00

PPM Total 0.00

Observed Performance

P PM < LSL 2.16

PPM > USL 69714.50

PPM Total 69716.65

Exp. Within Performance

P P M < LS L 11.13

PPM > USL 86314.16

PPM Total 86325.29

Exp. Ov erall Performance

Within

Overall

KAPABILITAS PROSES NILAI MATA KULIAH

Capability

Cp >1 dan Cpk > presisi tinggi dan akura

Performance

Dalam 1 juta pengamatan

mata kuliah di bawah speatas spesifikasi (batas ata



43/52

KAPABILITAS PROSES NILAI IPS

4.03.63.22.82.42.0

LSL USL

LSL 2

Target *

USL 4Sample Mean 3.421

Sample N 30

StDev (Within) 0.258315

StDev (Overall) 0.308549

Process Data

PPM < LSL 0. 00

PPM > USL 0.00

PPM Total 0.00

Observed Performance

P PM < LS L 0.02

PPM > USL 12498.49

PPM Total 12498.51

Exp. Within Performance

P PM < LS L 2.06

PPM > USL 30291.54

PPM Total 30293.60

Exp. Ov erall Performance

Capability Cp >1 dan Cpk > presisi tinggi dan akurasi rendah.

Performance

Dalam 100 juta pengamatan, terdapat 2 nilaimata kuliah di bawah spesifikasi.Dalam 1 juta pengamatan terdapat 12499 diatas spesifikasi, namun batas atas spesifikasiadalah 4.



44/52

PROBABILITAS DI LUARSPESIFIKASLet’s start with the first set of slide



45/52

PROBABILITAS NILAI DI LUAR SPESIFIKASI

Peluang nilai IPSyang berada di luarspesifikasi adalahmendekati nol.

NILAI IPS NILAI MATA K

Pelukulialuar smen

ˆ22

ˆ

2 3,421

0,258315

1,421

0,258315

5,501

0

P x P Z

P Z

P Z

P Z

ˆ22

ˆ

2 3,421

0,329291

1,421

0,329291

4,3153

0

P x P Z

P Z

P Z

P Z


46/52

KESIMPULAN & SARAN



47/52

KESIMPULAN1. Karaketristik Deskriptif

2. Data memenuhi asumsi, yaitu bersifat acak dan berdistribusi normal.

Mean Variance Minimum Q1 3,4210 0,0952 2,4000 3,2425

Median Q3 Maximum Mode

3,4200 3,6700 3,8300 3,42

S N



48/52

KESIMPULAN4. Peta kendali

◉ Peta kendali xbar-R nilai semua mata kuliah terkendali setelah menghila

pengamatan ke-2, 3, 4, 23, dan 10.

◉ Peta kendali I-MR untuk IPS terkendali setelah mengeluarkan pengamata

data pengamatan.

5. Diagram Pareto

◉ Nilai paling banyak untuk semua mata kuliah adalah A dan AB (75.6 % da

keseluruhan nilai)

◉ Untuk seluruh mata kuliah, nilai yang paling banyak didapat adalah nilai6. Diagram Sebab-Akibat

◉ Faktor yang menyebabkan mahasiswa mendapat nilai A/AB dapat dibag

faktor utama yaitu, Machine, Method, Personnel, Environment.

KESIMPULAN



49/52

KESIMPULAN

7. Nilai IPS dan nilai mata kuliah memiliki presisi tinggi dan akurasi rendah.

8. Probabilitas nilai IPS dan mata kuliah yang berada di luar spesifikasi≈ 0.



50/52

SARAN

◉ Untuk mempertahankan nilai IP yang sudah bagus, mahasiswa dihamempertahankan cara belajar yang baik dan meningkatkan inte

agak nilai yang diperoleh meningkat.

◉ Untuk mendukung meningkatkan prosentase jumlah mah

mendapatkan nilai A, maka peran dosen, lingkungan belajar, keleng

belajar, serta teknologi yang mendukung proses belajar meditingkatkan agar target dapat terus tercapai.



51/52

TERIMAKASIHPertanyaan?

Slide by: s l idescarnival.com



52/52

Pertanyaan:

1.

Control Chart Variabel, Pareto Chart, Cause-Effects Diagram

Documents

Transcript of Control Chart Variabel, Pareto Chart, Cause-Effects Diagram