DAFTAR ISI DAFTAR ISIiDAFTAR GAMBARiiDAFTAR TABELiiiBAB I PENDAHULUAN1.1 Latar Belakang11.2 Rumusan Masalah21.3 Asumsi dan Batasan masalah21.4 Tujuan 21.5 Manfaat2BAB II LANDASAN TEORI2.1 Measurement System Analysis32.2 Klasifikasi Measurement System Analysis 42.3 Analisis Gauge Repeatability & Reproducibility 6BAB III METODOLOGI PENELITIAN3.1 Waktu dan Tempat 93.2 Alat dan Bahan 93.3 Prosedur Praktikum9BAB IV HASIL DAN PEMBAHASAN4.1 Data Velg Depan124.2 Analisis Data Velg Depan dengan Microsoft Excel13 4.2.1 Perhitungan Repeatability 13 4.2.2 Perhitungan Reproducability 15 4.2.3 Perhitungan R&R, Part Variability, dan Total varianility 16 4.2.4 Perhitungan Persentase Kontribusi 17 4.2.5 Interpretasi hasil 184.3 Analisis Data Velg Depan dengna Minitab19 4.3.1 Analisis Data dengan Metode ANOVA 20 4.3.2 Interpretasi Hasil ANOVA 24 4.3.3 Analisis Data dengan metode Xbar and R 25 4.3.3 Interpretasi Hasil Metode Xbar and R 27BAB V KESIMPULAN DAN SARAN5.1 Kesimpulan 295.2 Saran 30DAFTAR PUSTAKA 31

DAFTAR GAMBARGambar 2.2.1 Repeatability5Gambar 2.2.2 Reproductibility 5Gambar 2.2.3. Bias6Gambar 4.3.1 Dialog Box Create Gage R&R Study Worksheet 21Gambar 4.3.2 Dialog Box Gage R&R Study (Crossed) 22Gambar 4.3.3 Hasil Analisis Metode ANOVA 22Gambar 4.3.4 Hasil Analisis Metode ANOVA 22Gambar 4.3.4 Hasil Analisis Metode ANOVA 23Gambar 4.3.5 Dialog Box Gage R&R Study (Crossed) 25Gambar 4.3.6 Hasil Analisis Metode Xbar and R 27Gambar 4.3.4 Hasil Analisis Metode Xbar and R 27

\

DAFTAR TABEL Tabel 4.1.1 Data Pengukuran Velg Depan 12Tabel 4.2.1 Data Repeatability 13Tabel 4.2.2 Hasil Perhitungan Repeatability 14Tabel 4.2.3 Hasil Perhitungan Range dan rata-rata part 15 Tabel 4.2.4 Data Reproducibility 16Tabel 4.2.5 Hasil Perhitungan Reproducibility 16Tabel 4.2.6 Hasil Perhitungan R&R, Part Variability 17Tabel 4.2.7 Persentase Kontribusi 19

Tabel 4.3.1 Needs and Matrices Tempat Pensil 16Tabel 4.4.1 Competitive Benchmarking 19 Tabel 4.5.1 Analisis Competitive Product Berdasarkan Kepuasan Pelanggan Terhadap Kebutuhan 21 Tabel 4.6.1 Target Spesifikasi 23 Tabel 4.6.1 Target Spesifikasi 25

1

iv

BAB IPENDAHULUAN 1.1. Latar Belakang Kualitas merupakan suatu parameter penting yang menentukan mutu sebuah perusahaan. Oleh karena itu, sebuah perusahaan akan selalu melakukan pengendalian kualitas (quality control) serta meningkatan kualitas terhadap produknya dengan tujuan meningkatkan mutu perusahaan. Suatu produk dapat dikatakan baik apabila saat diproduksi massal variasi part saat diukur beberapa kali menggunakan alat ukur yang sama, tergolong rendah serta memiliki kedekatan dengan hasil pengukuran sebenarnya. Salah satu metode yang digunakan untuk menganalisis sistem pengukuran adalah metode gauge R&R, dengan metode tersebut kita dapat mengetahui apakan sistem pengukuran yang sudah ada dapat diterima atau tidak. Metode ini sangat membantu proses pengambilan keputusan dalam sebuah perusahaan. Sebagai seorang industrial engineer yang bertugas untuk mnng-improve sistem yang sudah ada, keterampilan dan pemahaman mengenai berbagai metode untuk menganalisis sistem pengukuran sangatlah penting. Dengan begitu, kita dapat mengetahui apakah sistem yang ada sudah baik, dan dapat melakukan evaluasi lanjutan untuk memperbaiki sistem tersebut sehingga didapatkan output real-nya yaitu produk dengan kualitas yang lebih baik. Dalam praktikum Quality and Reliability Engineering modul 3 yaitu repeatabilitydan reproducability, praktikan diajarkan mengenai berbagai metode dalam menganalisis sistem pengukuran sehingga dapat menunjang kemampuan praktikan dalam mengambil keputusan pada masa yang akan datang untuk memperbaiki kualitas sebuah produk.

1.2. Rumusan Masalah 1. Lakukan Analisis Gauge Repeatability dan Reproductibility dengan menggunakan data velg tamiya pada praktikum Alat Bantu. Jumlah data yang diambil sebanyak 54 data dengan memilih data velg dari 3 operator sebanyak 3 part dengan 6 trial. Lakukan analisa dengan cara manual menggunakan Ms.Excel dan dengan software Minitab.

1.3. Asumsi dan Batasan Masalah Dalam praktikum ini, berikut adalah asumdsi dan batasan masalah yang digunakan1. Data yang digunakan adalah data velg depan part A, B, C , dari 6 trial , dan 3 operator (Dila, Vina, Ovi) yang didapat dari praktikum alat bantu. 2. Hasil pengukuran yang didapat adalah benar 3. Pengukuran dilakukan sudah sesuai prosedur dan operator melakukan pengukuran dalam kondisi yang kondusif serta operator mampu mengoperasikan alat ukur dengan baik.

1.4. Tujuan Tujuan dari praktikum memahami Repeatability dan Reproductibility pada hasil pengukuran velg ban depan tamiya.

1.5. Manfaat

2

Manfaat dari praktikum kali ini adalah untuk mengetahui apakah suatu sistem pengukuran dapat diterima atau tidak, kemudian dapat dilakukan evaluasi lanjutan untuk memperbaiki sistem tersebut dan akan meningkatkan kualitas produk.

BAB IILANDASAN TEORI

2.1. Measurement System Analysis Data pengukuran berperan cukup penting pada masa sekarang dibanding masa sebelumnya. Sebagai contoh pada saat ini pengambilan keputusan untuk memperbaiki atau tidak suatu proses manufaktur umumnya berdasarkan data pengukuran. Hal ini menyebabkan diperlukannya kualitas data pengukuran yang baik. Kualitas data didefinisikan sebagai statistical properties pengukuran yang didapat dari pelaksanaan sistem pengukuran dalam kondisi stabil. Jika pengukuran semuanya mendekati nilai yang dijadikan master untuk karakteristik tersebut, maka kualitas data tersebut dikatakan tinggi. Demikian pula jika beberapa atau semua pengukuran jauh dari master nilai maka kualitas data tersebut dikatakan jelek. Sifat statistik yang umum digunakan untuk mengkarakterisasi kualitas data adalah bias dan variance sistem pengukuran. Bias merujuk lokasi data relatif terhadap nilai yang dijadika reference (master). Sedangkan variance merujuk pada penyebaran data. Measurement Analysis System (MSA) adalah analisis terhadap sistem pengukuran dengan tujuan agar didapatkan hasil pengukuran yang benar-benar akurat, presisi, meminimasi error dan dapat dipertanggung-jawabkan. Selain itu, Measurement System Analysisis (MSA) juga dapat diartikan sebagai suatu studi analitik tentang pengaruh suatu sistem terhadap sistem pengukuran. Sistem tersebut umumnya terdiri dari appraiser (orang yang melakukan pembacaan alat ukur), alat ukur, dan produk. Pengukuran bukanlah sesuatu yang selalu sama. Jarang yang menyadari bahwa terdapat kemungkinan terjadinya variasi pada sistem pengukuran. Variasi in akan mempengaruhi hasil pengukuran seseorang yang selanjutnya dapat mempengaruhi keputusan yang diambil berdasarkan data tersebut. Tujuan dari MSA itu sendiri adalah memisahkan variasi karena sistem pengukuran dari variasi proses, mengidentifikasi sumber dan penyebab-penyebab variasi sistem pengukuran dan mengurangi kemungkinan misklasifikasi produk. Maka penerapan MSA dilakukan pada:1. Kriteria penerimaan alat ukur baru.2. Metode untuk perbandingan beberapa alat ukur atau sistem pengukuran.3. Dasar penilaian alat ukur yang diduga bermasalah.4. Perbandingan alat ukur sebelum dan atau setelah perbaikan.5. Salah satu komponen dalam menghitung variasi proses, dan level yang dapat diterima untuk proses produksi6. memastikan bahwa sistem pengukuran dapat mendeteksi perubahan kecil yang ada di part (discrimination). Tujuan akhir dari MSA adalah mengusahakan agar variasi pengukuran menjadi seminimal mungkin. Terdapat tiga masalah pokok yang harus diperhatikan dalam mengevaluasi sistem pengukuran, yaitu:1. Sistem pengukuran harus memiliki sensitivitas yang cukup.2. Sistem pengukuran harus stabil.3. Bias yang terjadi konsisten terhadap range yang diharapkan dan memadai untuk tujuan pengukuran (produk dan proses kontrol).

2.2. Klasifikasi Measurement System AnalysisMeasurement System Analysis (MSA) dapat diklasifikasikan atas :1. Presisi (Precision) Secara tradisional presisi menggambarkan efek dari discrimination, sensitivitas,dan repeatability dalam range pelaksanaan sistem pengukuran. pada kondisi nyatapresisi lebih sering digunakan untuk mengambarkan variasi yang diharapkan daripengukuran yang berulang-ulang dalam range pengukuran. range pengukuran dapat berupa size atau waktu. Precision mempunyai 2 Komponen :a. Repeatability Repeatability adalah variasi dalam pengukuran yang didapat dari satu alatpengukuran ketika digunakan beberapa kali oleh satu appraiser pada pengukuran suatu karakteristik pada part yang sama.

Gambar 2.2.1 Repeatability

b. Reproducibility Reproducibility didefinisikan sebgai variasi pada rata-rata pengukuran yangdilakukan oleh appraiser yang berbeda menggunakan alat ukur yang sama ketikamengukur suatu karakteristik pada part yang sama.

Gambar 2.2.2 Reproductibility

2.Akurasi (Accuracy) Akurasi secara umum didefinisikan sebagai ketepatan yang berhubungan dengan kedekatan antara rata-rata satu atau lebih hasil ukuran dengan nilai reference. Pada beberapa organisasi akurasi digunakan bergantian dengan bias. Untuk menghindari kebingungan yang akan terjadi akibat penggunaan kata akurasi maka istilah bias yang akan digunakan sebagai deskripsi lokasi kesalahan (error).Accuracy mempunyai 3 komponen :a. Stability Pengukuran harus mempunyai nilai yang sama baik di masa lalu maupun di masa datang(time base).b. Linearity Pengukuran memberikan pembacaan yang tepat pada rentang ukuran tertentu. (scale base).c. Bias Bias adalah perbedaan antara nilai reference dengan rata-rata pengamatan pengukuran pada karakteristik dan part yang sama. Bias yang sangat tinggi kemungkinan disebabkan oleh:1. Alat ukur perlu dikalibrasi2. Penggunaan alat ukur, perlengkapan atau fixture3. Kesalahan pemilihan aplikasi alat ukur4. Perbedaan metoda pengukuran.

Gambar 2.2.3. Bias

2.3. Analisis Gauge Repeatability & Reproducibility (GRR) Analisa Gauge Repeatability & Reproductibility adalah Suatu metode yang digunakan untuk analisa sistem pengukuran untuk menentukan jumlah variasi (kesalahan) ketika melakukan pengukuran. Kriteria Penerimaan Sistem Pengukuran dilakukan dengan melakukan analisis Gauge R & R(Repeatability & Reproducibility) sehingga dapat dilihat kepresisian sistem pengukuran, yaitu :1. Dengan melihat % Study Var dapat dilihat variasi Repeatability & variasi Reproducibility.2. % Study Var (SV)- % SV < 10 % (Gage dapat diterima).- 10 % < % SV < 30 % (Gage diterima dengan persyaratan tertentu).- % SV > 30 % (Gage tidak diterima).3. Dengan melihat Discrimination / Number of distinct Categories dapat dilihat apakah sistem pengukuran mampu membedakan berbagai part ukur yang berbeda ukurannya. Discrimination sendiri berarti sistem pengukuran harus mampu membagi nilai terkecil dari distribusi normal ( 3 sigma) menjadi minimal 5 kategori. Misal, sebuah Caliper resolusi 0.1 mm dapat mengukur part (mis dimensi 10.0 mm ) dengan hasil : 10.1, 9.8, 9.9, 10.0, 10.2. Ditunjukkan dengan Number of Distinct Category (Min 5).4. Dengan melihat P value, dapat dilihat apakah ada kecenderungan interaksi antara operator dengan part yang diukur (mis. Part dengan bentuk, jenis, ukuran tertentu). P value :- P value > 0.25 ; tidak ada interaksi operator dengan part.- P value < 0.25 ; ada interaksi operator dengan part. Ada duamethod Gauge R & R, yaitu:1. Crossed Method (Silang): apabila part ukur yang sudah diukur operator pertama dapat diukur ulang oleh operator kedua dst (bersifat tidak merusak).2. Nested Method (Bersarang): apabila part ukur yang sudah diukur oleh operator pertama tidak dapat dilakukan pengukuran ulang oleh operator kedua dst (bersifat merusak). Dengan memakai ANOVA (Analisa of Variance) dibantu dengan software Minitab, Gauge R & R dapat membedakan :1. Variasi antar part.2. Variasi antar operator/pengukur.3. Variasi alat ukur (repeatability)4. Interaksi operator/pengukur dengan part ukur. Hasil Analisis Gauge R & R akan menampilkan variasi total suatu pengukuran yang berasal dari variasi yang ditimbulkan oleh produk (part to part) dan varian akibat kesalahan pengukuran (gage). Apabila repeatability nilainya terlalu besar (over value) dibandingkan reproducibility, dapat disimpulkan variasi disebabkan oleh equipment atau peralatan ukur, maka perlu dilihat :1. Gauge (alat ukur) mungkin perlu dimaintenance.2. Gauge (alat ukur) mungkin perlu di redesain supaya lebih rigid.3. Clamp atau lokasi gauge perlu diimprove. Sedangkan bila reproducibility nilainya terlalu besar (over value) dibanding repeatability, dapat disimpulkan variasi disebabkan oleh appraiser atau operator maka perlu dilihat :1. Pelatihan Operator perlu diimprove.2. Akurasi dari prosedur pengukuran.3. Kalibrasi gauge tidak jelas. Untuk menghitung Repeatibility and reproducibility ada beberapa cara, berikut adalah tiga cara yang dapat dilakukan:1. Range method: Menghitung gabungan repeatibility dan reproducibility2. Average and Range: Menghitung total variabilitas sistem pengukuran yaitu repeatibility dan reproducibility secara terpisah dengan menggunakan grafikAveragedanRange. Pada praktikum menggunakan metode ini dengan software Ms.Excel3. ANOVA: Menghitung repeatibility dan reproducibility secara terpisah dengan menggunakan teknik ANOVA. Pada praktikum menggunakan metode ini dengan software mini. 3

BAB IIIMETODOLOGI PENELITIAN3.1. Waktu dan TempatHari, Tanggal: Senin, 20 April 2015Waktu: 09.45 13.00 WIBTempat: Laboratorium Quality and Reliability Engineering, Fakultas Teknik, Jurusan Teknik Mesin dan Industri, Universitas Gadjah Mada

3.2. Alat dan Bahan1. Data hasil pengukuran pada praktikum alat bantu2. Microsoft Excel3. Software spreadsheet dan minitab

3.3. Prosedur Praktikum1. Microsoft ExcelBerikut adalah langkah-langkah yang harus dilakukan untuk menganalisis data menggunakan microsoft excel:a. Bukalah aplikasi microsoft excel kemudian lakukan Input data pengukuran pada lembar kerja excel untuk menghitung repeatbilility data tersebutb. Hitung range dan rata-rata untuk setiap part setiap operatorc. Hitung range bar dan d2 menggunakan tabel d2d. Hitunglah repeatability-nya menggunakan rumus di bawah iniL

e. Hitung rata-rata pengukuran tiap part dan range rata-rata part f. Lakukan input data pengukuran pada lembar kerja excel untuk menghitung reproducability g. Hitung range dan rata-rata dari setiap part dan setiap trial h. Hitung x range bar dan d2 menggunakan tabel d2i. Hitung reproducability menggunakan rumus di bawah ini:

j. Hitunglah nilai R&R menggunakan rumus di bawah ini:

k. Carilah nilai d2 dari tabel d2 kemudian hitung variation part menggunakan rumus di bawah ini:

l. Setelah semua data diketahui, hitung total variasi menggunakan rumus berikut:

m. Hitunglah persentase kontribusi dari repeatability, reproducibility, part variation dan total variation nyan. Terakhir, interpretasikan hasil yang diperoleh setelah melakukan analisis dengan microsoft excel

2. Minitab a. Bukalah software minitab, pilih stat quality tools gage study create gage R&R study worksheet b. Isilah pada kolom number of parts, number of operator, dan number of replication serta ubahlah nama part dan operator-nyac. Pilih menu options kemudian pilih dont randomize dan klik OKd. Buatlah kolom baru pada minitab yaitu kolom measurement dan masukkan data pengukuran dari microsoft excel e. Pilh menu stat quality tools gage study Gage R&R Study Crossed f. Isilah pada kolom parts, opertaor, dan measurement data emudian pilih metode analisis yang diinginkan yaitu ANOVA / Xbar and R dan klik OKg. Setelah muncul session window dan graph window output, lakukan interpretasi hasil analisis menggunakan metode ANOVA & Xbar amd R

BAB IV HASIL DAN PEMBAHASAN 4.1. Data Velg Depan Data yang digunakan modul 3 praktikum Quality and Reliability Engineering adalah data hasil pengukuran velg depan tamiya pada Praktikum Alat Bantu dan Statistika. Pada praktikum tersebut dilakukan pengukuran terhadap 6 part velg depan tamiya dengan 50 replikasi pengukuran oleh 5 operator. Namun, pada praktikum kali ini data yang digunakan adalah data 3 part velg depan tamiya dengan 6 trial atau replikasi pengukuran dari 3 operator. Dari 6 part tersebut, 3 part yang dipilih adalah part A, B, dan C serta 3 operator yang datanya digunakan adalah operator Ovi, Vina, dan Dhila. Data ini nantinya akan dianalisis reliability dan reproducibility (R&R)-nya menggunakan dua software yang berbeda yaitu microsoft excel dan minitab. Berikut adalah data velg depan yang digunakan pada praktikum QRE:

Tabel 4.1.1 Data Pengukuran Velg DepanPartTrialOviDillaVina

A11,0001,140,97

20,9001,080,90

31,1000,961,00

41,2000,980,99

51,0001,121,03

61,0000,760,97

B19,809,749,66

29,659,669,46

39,609,709,68

49,709,729,64

59,609,969,62

69,609,529,60

C117,6017,2017,06

218,0017,3616,95

317,7017,2617,24

417,4017,0417,20

517,2017,3817,07

617,2016,9416,63

4.2. Analisis Data Velg Depan dengan Microsoft Excel Terdapat beberapa metode dalam mengukur R&R data velg depan, salah satunya adalah Range and Average Method. Metode ini menghitung total variabilitas sistem pengukuran dan dapat dipisahkan menjadi repeatability, reproducability, dan variasi part.

4.2.1. Perhitungan Repeatability Repeatability adalah variasi pengukuran yang terjadi ketika operator yang sama mengukur part yang sama denganalat ukur yang sama di waktu yang berbeda atau berulang kali. Semakin besar nilai repeatability-nya maka variasi pengukuran yang terjadi semakin besar, begitu pula sebaliknya. Untuk menghitung reliability data velg depan, langkah awal yang dilakukan adalah input data pada lembar kerja microsoft excel serta menghitung range dan average untuk hasil pengukuran setiap part dari setiap operator. Range didapat dari pengurangan nilai maksimum dan minimum data, sedangkan average didapat dari merata-rata data yang ada. Berikut adalah hasil yang didapat:

Tabel 4.2.1 Data Repeatability PART AOvi

Trial 1Trial 2Trial 3Trial 4Trial 5Trial 6RangeAverage

1,0000,9001,1001,2001,0001,0000,3001,033

Dila

Trial 1Trial 2Trial 3Trial 4Trial 5Trial 6RangeAverage

1,141,080,960,981,120,760,381,01

Vina

Trial 1Trial 2Trial 3Trial 4Trial 5Trial 6RangeAverage

0,970,901,000,991,030,970,130,98

PARTBOvi

Trial 1Trial 2Trial 3Trial 4Trial 5Trial 6RangeAverage

9,809,659,609,709,609,600,2009,658

Dila

Trial 1Trial 2Trial 3Trial 4Trial 5Trial 6RangeAverage

9,749,669,709,729,969,520,449,72

Vina

Trial 1Trial 2Trial 3Trial 4Trial 5Trial 6RangeAverage

9,669,469,689,649,629,600,229,61

PARTCOvi

Trial 1Trial 2Trial 3Trial 4Trial 5Trial 6RangeAverage

17,6018,0017,7017,4017,2017,200,80017,517

Dila

Trial 1Trial 2Trial 3Trial 4Trial 5Trial 6RangeAverage

17,2017,3617,2617,0417,3816,940,4417,20

Vina

Trial 1Trial 2Trial 3Trial 4Trial 5Trial 6RangeAverage

17,0616,9517,2417,2017,0716,630,6117,03

Repeatability dapat dihitung dengan rumus sebagai berikut:

R bar untuk menghitung repeatability didapat dari rata-rata range untuk setiap operator sedangkan d2 didapat dari tabel d2 dengan Z = jumlah operator yaitu 3 dikali jumlah part yaitu 3 = 3 x 3 = 9 dan W= jumlah trial = 6, sehingga didapatkan nilai d2 adalah 2,55. Berikut adalah hasil perhitungan repeatability yang telah dilakukan:

Tabel 4.2.2 Hasil Perhitungan ReliabilityRange bar0,364

d2 tabel2,55

Repeatability0,734632

Setelah itu dilakukan pengukuran rata-rata setiap part dan range rata-rata seluruh part. Rata-rata setiap part didapat dari merata-rata hasil pengukuran setiap part seluruh operator sedangkan range didapat dari pengurangan nilai maksimum dan minimum rata-rata part. Berikut adalah hasil perhitungan-nya:Tabel 4.2.3 Hasil Perhitungan Range dan rata-rata partRata-rata part a1,006

Rata-rata part b9,66

Rata-rata part c17,25

Range rata-rata part16,241

4.2.2. Perhitungan Reproducability Reproducability adalah variasi pengukuran oleh operator yang berbeda, mengukur part yang sama dengan alat ukur yang sama pula. Semakin besar nilai reproducability-nya maka semakin besar perbedaan hasil pengukuran antar operator. Perhitungan reproducability baru dapat dilakukan setelah nilai repeatability-nya diketahui. Langkah awal yang Untuk menghitung reproducability data velg depan, langkah awal yang dilakukan adalah input data pada lembar kerja microsoft excel serta menghitung range dan average untuk hasil pengukuran setiap part dari setiap trial. Data yang diinput pada analisis reproducibility sama dengan analisis repeatability namun struktur data-nya berbeda. Range didapat dari pengurangan nilai maksimum dan minimum data, sedangkan average didapat dari merata-rata data yang ada. Berikut adalah hasil yang didapat:

Tabel 4.2.4 Data ReproducibilityPartTrialOviDillaVinaRangeAverage

A11,0001,140,970,1701,037

20,9001,080,900,1800,960

31,1000,961,000,1401,020

41,2000,980,990,2201,057

51,0001,121,030,1201,050

61,0000,760,970,2400,910

B19,809,749,660,1409,733

29,659,669,460,2009,590

39,609,709,680,1009,660

49,709,729,640,0809,687

59,609,969,620,3609,727

69,609,529,600,0809,573

C117,6017,2017,060,54017,287

218,0017,3616,951,05017,437

317,7017,2617,240,46017,400

417,4017,0417,200,36017,213

517,2017,3817,070,31017,217

617,2016,9416,630,57016,923

x bar range0,296

Reproducability dapat dihitung dengan rumus sebagai berikut:

X bar range untuk menghitung reproducibility didapat dari rata-rata range untuk setiap trial sedangkan d2 didapat dari tabel d2 dengan Z = 1 dan W= jumlah operator = 3, sehingga didapatkan nilai d2 adalah 1,91. N dan r berturut-turut adalah jumlah part dan jumlah trial atau percobaan, karena jumlah part-nya 3 dan jumlah trial-nya 6 maka nr nya 18. Berikut adalah hasil perhitungan reproducability yang telah dilakukan:

Tabel 4.2.5 Hasil Perhitungan Reproducibility d21,91

nr18

Reproducibility0,777878

4.2.3. Perhitungan R&R, Part Variability, dan Total Variability Urutan perhitungan yang dilakukan dalam menganalisis data velg depan setelah menghitung nilai repeatability dan reproducibility-nya adalah menghitung R&R, kemudian part variability, dan yang terakhir adalah total variability. Nilai R&R baru dapat dihitung setelah nilai repeatability dan reproducability telah diketahui. Nantinya, R&R akan dievaluasi menurut kriteria yang telah dijelaskan pada BAB II untuk mengetahui apakah hasil pengukurannya yang telah dilakukan dapat diterima atau tidak. Berikut adalah rumus untuk menghitung R&R:

Part variabilty (Vp) dihitung untuk mengetahui variabilitas hasil pengukuran antara part 1 dengan lainnya. Part variability dapat dihitung menggunakan rumus sebagai berikut:

Rp pada rumus di atas adalah range rata-rata part yang didapat dari pengurangan nilai maksimum dan minimum rata-rata seluruh part, sedangkan d2 didapat dari tabel d2 dengan Z = 1 dan W= jumlah part = 3, sehingga didapatkan nilai d2 adalah 1,91. Total Variability atau total variabilitas data didapatkan dari rumus sebagai berikut:

Berikut adalah hasil perhitungan R&R, Part Variability, dan Total Variability yang telah dilakukan:

Tabel 4.2.6 Hasil Perhitungan R&R, Part Variability, dan Total VariabilityR&R1,069943

d21,91

Vp43,78998

Vt43,80305

4.2.4. Perhitungan Persentase Kontribusi Perhitungan persentase kontribusi merupakan langkah terakhir yang dilakukan dalam menganalisis data velg depan menggunakan microsoft excel. Persentase kontribusi yang dihitung adalah persentase kontribusi repeatability, reproducability, R&R, part variation, dan total variation. Persen kontibusi didapat dari hasil pembagian masing-masing nilai tersebut dengan total variation. Berikut adalah hasil perhitungan-nya:

Tabel 4.2.7 Persentase KontribusiPersentase kontribusi

Repeatability0,7346322%

Reproducibility0,7778782%

R&R1,0699432%

Part Variation43,7899899,97%

Total Variation43,80305100%

4.2.5. Interpretasi Hasil Semua nilai yang telah dihitung pada analisis data velg depan menggunakan microsoft excel memiliki interpretasi tersendiri yang nantinya akan mempengaruhi proses pengambilan keputusan. Interpretasi hasil-nya adalah sebagai berikut:1. Berdasarkan nilai R&R yang sudah dihitung ternyata nilainya 2%, nilai tersebut tergolong kecil sehingga masuk ke dalam kategori 0 10%. Hal itu menunjukkan hasil pengukuran baik sekali (excellent) dan dapat diterima, sehingga tidak perlu melakuan evaluasi lanjutan terhadap sistem pengukuran yang ada.2. Nilai part variation yang didapat sebesar 99,97 % menunjukkan hasil pengukuran antar part terdapat variasi yang tinggi (> 30%). Hal ini disebabkan karena masing-masing part a, b, c memiliki bentuk maupun ukuran yang berbeda cukup signifikan. Perbedaan signifikan tersebut dapat dilihat melalu gambar dibawah ini:

Gambar 4.2.1 Dimensi A, B, dan C

3. Nilai repeatability yang didapat sebesar 2% menunjukkan variasi pengukuran yang terjadi ketika operator yang sama mengukur part yang sama dengan alat ukur yang sama namun berulang kali tergolong rendah. Sehingga, hasil pengukuran ini baik dan dapat diterima karena nilainya kurang dari 30%. 4. Nilai reproducability yang didapat sebesar 2% menunjukkan variasi pengukuran oleh operator yang berbeda mengukur part yang sama dengan alat ukur yang sama pula tergolong rendah. Sehingga dapat dikatakan sistem pengukuran dari ketiga operator tersebut sudah baik sehingga tidak diperlukan evaluasi lanjutan. 5. Nilai R&R sebesar 2% lebih kecil dari nilai part variation sebesar 99,97 % sehngga dapat disimpulkan tidak terdapat kesalahan terhadap sistem pengukuran yang ada.

4.3. Analisis Data Velg Depan dengan Minitab Selain menggunakan software microsoft excel, analisis data velg depan juga dapat dilakukan menggunakan software lainnya yaitu minitab. Dengan menggunakan software proses analisis akan lebih mudah dan cepat, karena kita tidak perlu menghitungnya secara manual menggunakan rumus-rumus yang ada namun cukup meng-input data yang ingin dianalisis kemudian hasil perhitungan akan langsung didapat. Terdapat 2 metode yang digunakan untuk menganalisis data, antara lain ANOVA dan X Bar and R. Meskipun metode-nya berbeda, namun langkah-langkah yang dilakukan pada kedua metode tersebut cukup mirip satu sama lain.

4.3.1. Analisis Data dengan Metode ANOVA Langkah awal yang dilakukan dalam metode ANOVA setelah membuka software minitab adalah pilih menu Stat Quality Tools Gage Study Create Gage R&R Study Worksheet. Kemudian akan muncul dialog box seperti berikut ini:

Gambar 4.3.1 Dialog Box Create Gage R&R Study Worksheet

Pada kolom number of parts, input jumlah part atau komponen yang akan diukur. Karena jumlah part yang diukur yaitu 3 maka masukkan angka 3. Kemudian isilah nama dari setiap part, yaitu A, B, dan C pada kolom part name. Setelah itu masukkan jumlah operator yang melakukan pengukuran dan isilah nama setiap operator (Ovi, Dila, Vina) pada kolom operator name. Jumlah replikasi pengukuran yaitu 6 trial maka masukkan angka 6 pada kolom number of replicates. Terakhir, pada kolom options pilih dont randomize dan klik OK maka akan muncul kolom Std Order, Run Order, Parts, dan Operators. . Setelah membuat Gage R&R Study Worksheet, buatlah kolom baru yaitu measurement dan masukkan data pengukuran dari excel. Kemudian pilih Stat Quality Tools Gage Study Gage R&R Study Crossed maka akan muncul dialog box seperti dibawah ini:

Tabel 4.3.2 Dialog Box Gage R&R Study (Crossed)

Pada part numbers masukkan kolom yang memuat nama atau nomor komponen dengan cara memilih nama kolom kemudian select. Pada operators masukkan kolom yang memuat nama atau nomor operator dengan cara memilih nama kolom kemudian select. Pada measurement data masukkan kolom yang memuat hasil pengukuran dengan cara memilih nama kolom kemudian select. Terakhir, pilih method of analysis yaitu ANOVA dan klik OK maka akan muncul session window yang memuat hasil perhitungan metode ANOVA dan graph window yang memuat grafik hasil perhitungan metode ANOVA seperti berikut ini:

Gambar 4.3.3 Hasil Analisis Metode ANOVA

Gambar 4.3.4 Hasil Analisis Metode Anova

Gambar 4.3.4 Hasil Analisis Metode ANOVA

4.3.2 Interpretasi Hasil ANOVASemua hasil yang diperoleh pada minitab memiliki interpretasi tersendiri yang nantinya akan mempengaruhi pengambilan keputusan. Interpretasi hasil metode ANOVA sendiri dapat dilihat melalui session window output dan graph window output. Pada session window output, interpretasi hasil-nya adalah sebagai berikut:1. Nilai p-value pada interaksi operator*part di tabel ANOVA adalah 0,007. Nilai p-value untuk operator oleh komponen-nya yang lebih kecil ( < ) dari 0,25 menunjukkan adanya interaksi antara operator dengan variasi part, sehingga minitab tidak akan menyesuaikan model tanpa interaksi. 2. Persentase kontribusi pada tabel Gage R&R yang didapat untuk Total Gage R&R adalah 0,07 dan part-to-part adalah 99,93. Karena persentase kontribusi dari part-to-part lebih besar dari Total Gage R&R maka variasi yang muncul disebabkan oleh perbedaan antar komponen. Selain itu, menurut AIAG (Automobile Industry Action Group) persentase kontribusi dari Total Gage R&R sebesar 0,07 masuk ke dalam kategori kurang dari 1% sehingga sistem pengukuran dapat diterima. 3. Persentase studi variasi yang didapat dari total Gage R&R adalah 2,59 %. Menurut AIAG, nilai tersebut masuk ke dalam kategori lebih kecil dari 10% sehingga sistem pengukuran dapat diterima. 4. Number of distinct categories atau jumlah kategori yang didapat dari analisis menggunakan ANOVA adalah 54. Karena nilainya sudah melebihi angka 5 maka sistem pengukuran bagus dan dapat diterima. Pada graph window output, interpretasi hasil yang didapat adalah sebagai berikut:1. Pada grafik components variation, dapat dilihat bahwa persentase kontribusi (yang ditunjukkan dengan warna orange) Total Gage R&R dan part-to-part berbeda cukup signifikan dimana persentase kontribusi part-to-part lebih besar dari Total Gage R&R sehingga dapat disimpulkan variasi yang muncul disebabkan oleh perbedaan antar komponen.2. Pada grafik component of variation dapat dilihat bahwa baik repeatability maupun reproducibility menunjukkan angka yang cukup kecil. Hal ini menunjukkan variasi pengukuran yang timbul saat suatu part diukur berulang kali oleh satu operator dan saat operator yang berbeda mengukur part yang sama tergolong rendah.3. Grafik by part dapat digunakan untuk menganalisis variasi pengukuran antara part 1 dengan lainnya. Apabila garis pada grafik semakin membentuk garis lurus maka variasi pengukuran antara part 1 dengan lainnya semakin kecil atau dapat dikatakan bahwa semakin tidak ada perbedaan yang cukup signifikan antara hasil pengukuran part 1 dengan lainnya. Dari grafik by part dapat dilihat bahwa garis yang terbentuk cukup jauh dari garis lurus sehingga dapat disimpulkan variasi pengukuran antara part A, B, dan C cukup besar atau dapat dikatakan terjadi perbedaan yang cukup signifikan antara hasil pengukuran part A, B, dan C.4. Grafik by operator dapat digunakan untuk menganalisis variasi pengukuran antara operator 1 dengan lainnya. Semakin lurus garis yang terbentuk maka variasi pengukuran antara operator 1 dan lainnya semakin kecil atau dapat dikatakan semakin tidak ada perbedaan yang cukup signifikan antara pengukuran operator 1 dengan lainnya. Dari grafik by operator dapat dilihat bahwa garis yang terbentuk sangat mendekati garis lurus sehingga dapat disimpulkan variasi pengukuran antara operator Ovi, Dila, dan Vina cukup kecil atau tidak ada perbedaan yang cukup signifikan antar operator.

4.3.3. Analisis Data Velg Depan dengan Metode Xbar and Range Langkah awal yang dilakukan dalam metode Xbar and range adalah pilih menu Stat Quality Tools Gage Study Gage R&R Study Crossed maka akan muncul dialog box seperti dibawah ini:

Tabel 4.3.5 Dialog Box Gage R&R Study (Crossed)

Pada part numbers masukkan kolom yang memuat nama atau nomor komponen dengan cara memilih nama kolom kemudian select. Pada operators masukkan kolom yang memuat nama atau nomor operator dengan cara memilih nama kolom kemudian select. Pada measurement data masukkan kolom yang memuat hasil pengukuran dengan cara memilih nama kolom kemudian select. Terakhir, pilih method of analysis yaitu X bar and R dan klik OK maka akan muncul session window yang memuat hasil perhitungan metode Xbar and R dan graph window yang memuat grafik hasil perhitungan metode Xbar and R seperti berikut ini:

Gambar 4.3.6 Hasil Analisis Metode Xbar and R

Gambar 4.3.4 Hasil Analisis Metode Xbar and R

4.3.4. Interpretasi Hasil Metode Xbar and RSemua hasil yang diperoleh pada minitab memiliki interpretasi tersendiri yang nantinya akan mempengaruhi pengambilan keputusan. Interpretasi hasil metode Xbar and R sendiri dapat dilihat melalui session window output dan graph window output. Pada session window output, interpretasi hasil-nya adalah sebagai berikut:1. Persentase kontribusi pada tabel Gage R&R yang didapat untuk Total Gage R&R adalah 0,05 dan part-to-part adalah 99,95. Karena persentase kontribusi dari part-to-part lebih besar dari Total Gage R&R maka variasi yang muncul disebabkan oleh perbedaan antar komponen. Selain itu, menurut AIAG (Automobile Industry Action Group) persentase kontribusi dari Total Gage R&R sebesar 0,075masuk ke dalam kategori kurang dari 1% sehingga sistem pengukuran dapat diterima. 2. Persentase studi variasi yang didapat dari total Gage R&R adalah 2,14 %. Menurut AIAG, nilai tersebut masuk ke dalam kategori lebih kecil dari 10% sehingga sistem pengukuran dapat diterima. 3. Number of distinct categories atau jumlah kategori yang didapat dari analisis menggunakan ANOVA adalah 65. Karena nilainya sudah melebihi angka 5 maka sistem pengukuran bagus dan dapat diterima. Pada graph window output, interpretasi hasil yang didapat adalah sebagai berikut:1. Pada grafik components variation, dapat dilihat bahwa persentase kontribusi (yang ditunjukkan dengan warna orange) Total Gage R&R dan part-to-part berbeda cukup signifikan dimana persentase kontribusi part-to-part lebih besar dari Total Gage R&R sehingga dapat disimpulkan variasi yang muncul disebabkan oleh perbedaan antar komponen.2. Pada grafik component of variation dapat dilihat bahwa baik repeatability maupun reproducibility menunjukkan angka yang cukup kecil. Hal ini menunjukkan variasi pengukuran yang timbul saat suatu part diukur berulang kali oleh satu operator dan saat operator yang berbeda mengukur part yang sama tergolong rendah.3. Grafik by part dapat digunakan untuk menganalisis variasi pengukuran antara part 1 dengan lainnya. Apabila garis pada grafik semakin membentuk garis lurus maka variasi pengukuran antara part 1 dengan lainnya semakin kecil atau dapat dikatakan bahwa semakin tidak ada perbedaan yang cukup signifikan antara hasil pengukuran part 1 dengan lainnya. Dari grafik by part dapat dilihat bahwa garis yang terbentuk cukup jauh dari garis lurus sehingga dapat disimpulkan variasi pengukuran antara part A, B, dan C cukup besar atau dapat dikatakan terjadi perbedaan yang cukup signifikan antara hasil pengukuran part A, B, dan C.4. Grafik by operator dapat digunakan untuk menganalisis variasi pengukuran antara operator 1 dengan lainnya. Semakin lurus garis yang terbentuk maka variasi pengukuran antara operator 1 dan lainnya semakin kecil atau dapat dikatakan semakin tidak ada perbedaan yang cukup signifikan antara pengukuran operator 1 dengan lainnya. Dari grafik by operator dapat dilihat bahwa garis yang terbentuk sangat mendekati garis lurus sehingga dapat disimpulkan variasi pengukuran antara operator Ovi, Dila, dan Vina cukup kecil atau tidak ada perbedaan yang cukup signifikan antar operator.

BAB V PENUTUP 5.1. Kesimpulan Measurement System Analysis merupakan analisis dari sebuah sistem pengukuran sehingga didapatkan hasil pengukuran dengan minimal error, akurat, presisi, dan dapat dipertanggungjawabkan. Kriteria penerimaan sistem pengukuran dilakukan dengan melakukan analisis menggunakan metode Gauge R&R (Repeatability dan Reproducibility). Analisis ini dapat dilakukan menggunakan dua software yang berbeda yaitu microsoft excel dan minitab. Setelah melakukan analisis menggunakan software tersebut, berikut adalah hasil dan kesimpulan yang dapat ditarik: 1. Persentase kontribusi R&R pada microsoft excel adalah 2%, pada minitab dengan metode ANOVA persentase kontribusinya adalah 0,07% dan persentase studi variasi-nya adalah 2,59%, sedangkan pada minitab dengan metode Xbar and R persentase konttribusinya adalah 0,05% dan persentase studi variasi-nya adalah 2,54%. Dari hasil-hasil tersebut dapat ditarik kesimpulan yang sama yaitu sistem pengukuran dapat diterima. Jadi, meskpun digunakan software dan metode yang berbeda untuk menganalisis data velg depan, kesimpulan yang ditarik tetap sama dan hasil perhitungannya tidak berbeda cukup jauh. 2. Pada Microsoft Excel, minitab dengan metode ANOVA, maupun minitab dengan metode Xbar and Range, nilai part-to-part / part variation lebih besar dari nilai R&R sehingga dapat ditarik kesimpulan bahwa variasi pengukuran disebabkan perbedaan antar komponen.3. Persentase kontribusi dan persentase studi variasi repeatability dan reproducibility pada microsoft exvel, mnitab dengan metode ANOVA, dan minitab dengan metode Xbar and R berada dibawah 2%. Hal ini menunjukkan bahwa meskipun dianalisis menggunakan software dan metode yang berbeda namun kesimpulan yang ditarik sama bahwa variasi pengukuran yang terjadi baik dalam repeatability dan reproducibility tergolong rendah sehingga sistem pengukuran dapat diterima. 4. Persentase part variation pada microsoft excel, minitab dengan ANOVA, minitab dengan Xbar and Range sama-sama berada di atas 99 %. Hal ini menunjukkan bahwa perbedaan setiap part yang diukur sangat signifikan karena nilainya mendekati 100 %. 5.2. Saran Dalam melakukan amalisis sistem pengukuran, hal kritis yang harus diperhatikan adalah proses input data terlebih apabila data yang diinput memiliki jumlah part, trial, dan operator yang cukup banyak. Karena, kesalahan dalam proses input data akan menyebabkan hasil yang diperoleh berbeda cukup jauh dengan nilai aslinya. Selain itu proses perhitungan manual dengan microsoft excel juga perlu perhatian lebih. Oleh karena itu, kecermatan dan ketelitian diperlukan dalam berjalannya proses analisis sistem pengukuran supaya hasil pengukuran yang didap dapat dipertanggungjawabkan kebenarannya.

DAFTAR PUSTAKABinus, 2012. Akurasi dan Presisi. [online] Available at: [Diakses 26 Maret 2014].Montgomery, D.C. and Ranger, G.C., Applied Statistic and Probability for Engineers, Third Edition, John Wiley and Sons Inc: USA.Pramono, Wisnu Arief, 2012, Measurement System Analysis - MSA, http://www.wishnuap.com/2012/12/measurement-system-analysis-msa.html