ANALISIS KUALITAS PRODUK MENGGUNAKAN METODE STATISTIC PROCESS

CONTROL (SPC) MINITAB DAN TIME-CHARTING

DI PT. COCA-COLA BOTTLING INDONESIA UNIT LAMPUNG

FX Joko Saryono

Quality Assurance PT.Coca-Cola Bottling Indonesia Lampung

Email. JOKO.SARIYONO@ccamatil.com

ABSTRACT
PT. COCA-COLA BOTTLING INDONESIA is a company engaged in the field of Agro-industry is
bottling soft drinks and not sparkling. The products produced are Coca-Cola, Sprite, Fanta, and Tea.
To be able to compete with similar industries then the company implements quality control by
Statistical Process Control method. In the development of this SPC many methods there are manual or
who use the software. Currently PT. Coca-Cola Bottling Indonesia in quality control using Time
Charting method, but since the transition from Minitab to Time Charting the tendency of the value of
capability below standard, whereas production data is almost the same as using Minitab.
The purpose of this research is to analyze the inequality of Statistical Process Control between
Minitab 13 and Time Charting. Time Charting method is a new method that is given by the
headquarters for the process of quality control can be fast and accurate. Quality control with the
Statistical Process Control of Minitab and Time Charting methods after the results of the research
results was found to be part of different LSL and USL charging, and Calculate Statistic Using different
from Minitab method should still be 6 but in written procedure 3. For writing LSL And USL if the Time
Charting is determined by the head office while Minitab analysts fill in based on experiments on the
decrease of gas volume marketed in previous years. From the research results obtained Cpk data for
Minitab method 13 is Sprite 390 ml 1.47, Sprite 1000 ml 1.90 and Sprite 1500 ml 1.38.
The result of the research was using Minitab method and the Charting Time of Capacity that is
above 1.33 average. The causes of the resulting inequality of both methods are the LSL, USL and
Calculate Statistic Using values. The smaller the value of Calculate Statistic Using the higher Cpk
produced.

Keywords: Production, Statistical Process Control, Quality.

1. PENDAHULUAN spesifikasi, pihak produsen akan dirugikan,

Mutu memerlukan suatu proses perbaikan
yang terus menerus (continuous improvement).
Perbaikan mutu dapat dilakukan dengan baik jika
indikator keberhasilannya merupakan suatu nilai
yang terukur. Ketidaksesuaian karakteristik mutu
seperti Gas Volume (Kandungan gas Karbon
Dioksida) produk akan berdampak kerugian pada
salah satu pihak, yaitu produsen atau konsumen.
Apabila suatu karakteristik mutu melebihi
demikian pula sebaliknya.
Dengan metode SPC Minitab 13 tersebut
perbaikan-perbaikan yang berkaitan dengan
kapabilitas Cpk) mesin bisa lebih akurat, tetapi
sejak bulan Oktober 2016 PT. Coca-Cola Bottling
Indonesia se-Indonesia diwajibkan memakai
program SPC baru yaitu Time-Charting, alasan
pihak manajemen agar nilai Cpk bisa langsung
terbaca dan perbaikan bisa langsung dilakukan

9
untuk mencapai Cpk 1.33 seandainya dalam
Time-Charting tersebut Cpknya <1. Dan sejak
menggunakan Time-Charting tersebut kapabiliti
komulatif (Cpk) yang diperoleh dari pengawasan
kualitas selalu dibawah 1, sehingga selalu
dilakukan perbaikan seting mesin. Dan dampak
dari Cpk yang kurang dari 1 tersebut serta
perbaikan mesin maka sering terjadi masalah
produk diluar standar khususnya Gas Volume
(Kandungan CO2).
1.1. Perumusan Masalah
Perumusan maslah yang akan dibahas di
dalam laporan penelitian ini adalah Apakah
pengendalian kualitas Gas Volume dengan
menggunakan metode Time-Charting lebih
Efektif di banding Minitab 13 untuk mengetahui
kondisi mesin yang sudah tidak sesuai dengan
harapan, sehingga akan merugikan di PT. Coca-
Cola Bottling Indonesia?
1.2. Tujuan dan Manfaat Penelitian
Tujuan dari kegiatan penelitian di PT. Coca-
Cola Bottling Indonesia Unit Lampung adalah
sebagai berikut:
a. Mengetahui metode mana (Minitab 13 atau
Time Charting), yang lebih baik untuk
mengetahui kapabiliti Komulatif (Cpk) mesin
yang sebenarnya.
b. Untuk mengetahui faktor-faktor yang
berpeluang menjadi penyebab ketidaktepatan
analisa Gas Volume di PT. Coca-Cola Bottling
Indonesia - Unit Lampung.
2. LANDASAN TEORI
Adapun teori-teori yang melandasi penyelesaian
penelitian ini sebagai berikut:
2.1. Mutu
Menurut perbendaharaan istilah ISO 8402
dan dari Standar Nasional Indonesia (SNI 19-
8402-1991) [4], mutu adalah keseluruhan ciri dan
karakteristik produk dan jasa yang
kemampuannya dapat memuaskan kebutuhan,
10
baik yang dinyatakan secara tegas maupun
tersamar. Menurut Feigenbaum (1989) [1], mutu
produk adalah keseluruhan atau gabungan
karakteristik produk dari pemasaran, rekayasa,
pembuatan dan pemeliharaan yang membuat
produk tersebut memenuhi harapan-harapan
konsumen.
2.2. Pengendalian Proses Statistik
Menurut Gaspersz (1998) [2], pengendalian
proses statistikal adalah suatu metodologi
pengumpulan dan analisis data mutu, serta
penentuan dan interpretasi pengukuran-
pengukuran yang menjelaskan tentang proses
dalam sistem suatu industri untuk meningkatkan
mutu produk yang dihasilkan guna memenuhi
kebutuhan dan ekspektasi atau kepuasan
pelanggan.
Tujuan utama pengendalian proses secara
statistik adalah pengurangan variasi yang
sistematik dalam karakteristik mutu kunci
produk. Pengendalian proses secara statistik akan
menstabilkan proses dan mengurangi variasi,
sehingga menghasilkan biaya mutu yang lebih
rendah dan mempertinggi posisi dalam kompetisi
yang semakin ketat (Montgomery, 1996) [9].
Menurut Gaspersz (1998) [2], teknik-teknik
pengendalian proses yang dapat digunakan
berupa: 1) lembar pemeriksaan (check sheet), 2)
stratifikasi, 3) diagram Pareto, 4) diagram pencar
(scatter diagram), 5) diagram sebab-akibat, 6)
histogram, dan 7) bagan kendali (control chart).
Sedangkan Langkah-langkah pengendalian proses
secara statistikal dapat diuraikan sebagai berikut:
1) merencanakan penggunaan alat-alat statistikal,
2) memulai menggunakan alat-alat statistikal, 3)
mempertahankan atau menstabilkan proses
dengan cara menghilangkan variasi penyebab
khusus yang dianggap merugikan, 4)
merencanakan perbaikan proses terus-menerus
melalui pengurangan variasi penyebab umum,
dan 5) mengevaluasi dan meninjau ulang
terhadap penggunaan alat-alat statistikal tersebut.
 Proses terkendali secara statistik dicirikan
oleh bagan kendali yang semua titik-titik
contohnya berada dalam batas-batas pengendalian
(diantara batas pengendali atas dan batas
pengendali bawah). Dengan demikian, apabila
nilai-nilai yang ditebarkan pada bagan kendali
jatuh diluar batas pengendali, maka dapat
dinyatakan bahwa proses berada dalam keadaan
tidak terkendali secara statistik (Gaspersz, 1998)
[2].
Menurut Gaspersz (2001) [2], pembuatan
bagan kendali individual X dan MR (Moving
Range = rentang bergerak) hanya menggunakan
satu sampel. Bagan kendali jenis ini diterapkan
pada proses yang menghasilkan produk relatif
homogen, misalnya dalam cairan kimia,
kandungan mineral dalam air, makanan, 0Brix,
suhu atau sampel yang pengukurannya mahal dan
lain-lain.
2.3. Diagram Sebab Akibat (Fishbone
Diagram)
Diagram sebab-akibat adalah suatu diagram
yang digunakan untuk menunjukkan faktor-faktor
penyebab (sebab) dan karakteristik kualitas
(akibat) yang disebabkan oleh faktor-faktor
penyebab itu (Gaspersz, 1998) [4]. Selain itu
Ishikawa (1982) [7] menyebutkan bahwa diagram
sebab-akibat dibuat untuk menggambarkan
dengan jelas macam-macam sebab yang dapat
mempengaruhi mutu produk dengan jalan
menyisihkan dan mencarikan hubungannya
dengan sebab-akibat. Struktur diagram sebab-
akibat dapat dilihat pada Gambar 2.2.
Gambar 2.2 Struktur Diagram Sebab-Akibat
11
Faktor-faktor penyebab utama ini dapat
dikelompokkan dalam:
a. Material (bahan baku).
b. Machine (mesin).
c. Man (tenaga kerja).
d. Method (metode).
e. Environment (lingkungan).
2.4. Kapabiliti Proses
Menurut Gaspersz (1998) [4], kapabilitas
proses adalah kemampuan dari proses dalam
menghasilkan produk yang memenuhi spesifikasi.
Jika proses memiliki kapabilitas yang baik, proses
itu akan menghasilkan produk yang berada dalam
batas-batas spesifikasi. Sebaliknya, apabila proses
memiliki kapabilitas yang tidak baik, proses itu
akan menghasilkan banyak produk yang berada
diluar batas-batas spesifikasi, sehingga
menimbulkan kerugian karena banyak produk
yang ditolak.
Perhitungan kapabilitas proses dilakukan
berdasarkan indeks kapabilitas proses (Cp).
Indeks Cp memiliki dua kekurangan besar.
Pertama, tidak dapat digunakan kecuali terdapat
baik spesifikasi atas maupun bawah. Kedua, tidak
dapat menghitung data yang distribusinya tidak
normal. Jika rata-rata proses tidak berada pada
garis tengah pada persyaratan perekayasaan,
𝑇𝑜𝑡𝑎𝑙 𝑇𝑜𝑙𝑒𝑟𝑎𝑛𝑠𝑖
indeks Cp (Cp = )
6𝑠
----> (1) akan memberikan hasil yang
menyesatkan. Situasi ini akan lebih direfleksikan
secara akurat dengan menghitung indeks
kapabilitas proses yang baru, CPK. Suatu proses
dapat dikatakan capable / mampu jika 99.8% atau
lebih dari produk yang diproduksi memenuhi
spesifikasi. Dalam hal ini indeks Cp digantikan
dengan CPK (Pyzdek, 2002). Untuk parameter
yang hanya memiliki satu spesifikasi (atas atau
bawah) maka yang dipakai adalah nilai CPU
(Upper Capability Indeks) dan CPL (Lower
Capability Indeks).

Tabel 2.1 Tindakan yang dapat diambil
sehubungan dengan hasil perhitungan
indeks kapabilitas proses
Statistical Process Control merupakan suatu
alat untuk mengukur dan memungkinkan metode
pengendalian variasi dari masukkan (input) dan
hasil (output) dari proses. Dengan Statistical
Process Control dapat menganalisa kualitas
dalam suatu proses apakah akurasi dan presisi
dari target kualitas yang telah di tentukan.
Akurasi adalah suatu indikasi bagaimana
dekatnya suatu proses dengan target(𝐴𝑘𝑢𝑟𝑎𝑠𝑖 =
𝑋 − 𝑇𝑎𝑟𝑔𝑒𝑡) ---> (2), sedangkan presisi adalah
suatu pengukuran seberapa jauh variasi dari suatu
proses dari nilai rata-ratanya (𝑃𝑟𝑒𝑠𝑖𝑠𝑖 =
𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝐷𝑒𝑣𝑖𝑎𝑠𝑖 (𝑠)) ---> (3).
2.5. Statistical Process Control
Salah satu metode Kualitas yang erat
kaitannya dengan hal tersebut adalah Statistical
Process Control (SPC). Secara Etimologi,
Statistical Process Control terdiri dari:
1. Process: adalah suatu kegiatan yang
melibatkan penggunaan mesin (alat),
penerapan suatu metode, penggunaan suatu
12
material dan atau pendayagunaan orang untuk
mencapai suatu tujuan.
2. Control: adalah suatu rangkaian kegiatan
umpan balik (reciprocal) untuk mengukur
suatu hasil yang harus dicapai apabila
dibandingkan dengan standard serta
melakukan tindakan jika terjadi penyimpangan
(abnormality)
Sedang secara epistimologi, Statistical Process
Control: adalah penerapan teknik statistik untuk
mengukur dan menganalisa variasi yang terjadi
selama proses berlangsung.
Secara Umum dengan menerapkan SPC akan
diperoleh beberapa manfaat, antara lain:
a. Meningkatkan daya saing produksi dengan
menekan terjadinya variasi.
Mengurangi biaya-biaya yang seharusnya
tidak perlu dikeluarkan, misalnya: biaya
pengerjaan ulang, biaya sortasi, denda akibat
komplain konsumen, dll.
b. Meningkatakan mutu bahan dan material yang
dibeli melalui penerapan inspeksi kedatangan
material.
c. Meningkatkan produktivitas dengan menekan
persentase cacat, kesalahan ataupun
pengerjaan ulang.
Process Capability Analyze
Process Capability ialah suatu kemampuan
proses yang merefleksikan derajat keseragaman
dalam memproduksi suatu produk. Capability
index adalah suatu index yang mengggambarkan
seberapa jauh proses tersebut dapat memenuhi
spesifikasi yang diharapkan. Dengan mengetahui
Capability index, hal ini akan membantu kita
dalam memfokuskan pada target value, target
value yaitu value yang paling diinginkan
pelanggan. Meskipun output 100% berada di
dalam spesifikasi limit, bisa jadi pelanggan tidak
puas dan memungkinkan hilangnya bisnis.
Index untuk mengukur Process Capability
Analyze:
1. Cp: Indeks yang menunjukkan kemampuan
suatu sistem dalam memenuhi spesifikasi limit
(limit atas-USL dan limit bawah-LSL).
2. Perhitungan Cp menggunakan estimasi sigma f. Standard Deviation (Sigma) bisa dianggap
dan dapat digunakan untuk menunjukkan sebagai akar dari variance sedangkan variance
potensi suatu sistem dalam memenuhi ialah rata-rata kuadrat dari tiap-tiap titik ke
spesifikasi. rata-rata.
3. Dalam Cp, tidak memperhitungkan rata-rata
proses, hanya terfokus pada spread (persebaran
data). Jika sistem tidak centered di dalam batas
spesifikasi, maka nilai Cp kurang memberikan
gambaran yang sebenarnya.
4. Cpk: Indeks yang menunjukkan seberapa baik
suatu sistem dapat memenuhi spesifikasi limit.
5. Perhitungan Cpk menggunakan estimasi sigma
dan dapat digunakan untuk menunjukkan
potensi suatu sistem dalam memenuhi
spesifikasi.
g. Bias ialah Perbedaan antara data yang
6. Dalam Cpk, rata-rata proses diperhitungkan
sehingga proses tidak perlu centered terhadap dikumpulkan dalam sampel dengan kondisi
target. yang sebenarnya dalam populasi.
h. Populasi ialah keseluruhan object yang ingin
Mengukur Process Capability Analyze:
Hal-hal yang perlu diketahui: kita ukur dan analisa. Sample ialah sebagian
a. Control Limit merupakan garis batas yang
(kecil) dari populasi dimana kita benar-benar
menggambarkan kemampuan proses melakukan pengukuran dan dengan ini kita
berdasarkan pengalaman dan kemampuan dapat menarik kesimpulan.
teknik. Control Limit ada 2 jenis, yakni: Upper
Control Limit (UCL) dan Lower Control Limit Ada beberapa perbedaan antara penggunaan
(LCL). MINITAB 13 dan Time – Charting diantaranya
XBAR Control Limit: adalah:
- UCL = X+ (A2) *(R) ---> (4) Tabel 2.2 Perbedaan Minitab dan Time Charting
- LCL = X - (A2) *(R) ---> (5)
R Control Limit:
- UCL = (D4) *(R) ---> (6)
- LCL = (D3) *(R) ---> (7)
b. Spesifikasi Limit merupakan batas-batas yang
ditentukan oleh konsumen (internal maupun
eksternal) ataupun target yang harus dicapai.
Specifikasi Limit ada 2 jenis, yaitu: Upper
Specification Limit (USL) dan Lower
Specification Limit (LSL).
c. Mean (Rata-rata) adalah nilai yang mewakili 3. METODOLOGI PENELITIAN
data secara keseluruhan. 3.1. Diagram Alir Penelitian
d. Median adalah nilai tengah dari data yang
telah diurutkan.
e. Modus adalah nilai data yang mempunyai
frekuensi tertinggi.

13
 PT. Coca-Cola Bottling Indonesia Lampung
selama ini sudah menerapkan teknik bagan
Mulai
kendali (control chart) dalam mengendalikan
mutu produk-produknya. Dalam penerapan
Studi Pendahuluan
Survei ke Perusahaan
Konsultasi
pengendalian kualitas secara statistik menurut
Coca-Cola Requirement (KORE) hanya di
Identifikasi Masalah
sebutkan bahwa standar kualitas dari Brix (derajat
Tinjauan Pustaka kemanisan), Gas Volume (Kandungan CO2) dan
- Literatur
- Jurnal
- Modul Training
Isi Bersih Cpk > 1,33.
- Webside
- dll
PT. Coca-Cola Bottling Indonesia unit
Tujuan Penelitian
1. Untuk mengetahui metode mana yang lebih baik untuk mengetahui kapabilitas
Lampung memproduksi minuman berkarbonasi
mesin yang sebenarnya.
2. Untuk menyusun diagram sebab-akibat untuk mengetahui faktor-faktor yang dimana kandungan gas Karbon Dioksida (CO2)
berpeluang menjadi penyebab ketidaktepatan Gas Volume di PT. Coca-Cola
Bottling Indonesia - Unit Lampung.
3. Untuk menghitung kapabilitas proses (process capability) sesuai dengan kondisi
yang terkandung dalam minuman berbeda antara
kualitas yang sebenarnya.
Coca-Cola, Sprite, dan Fanta. Dalam
pencampuran gas CO2 dalam minuman sangat
Pembatasan Masalah
fluktuasi tergantung dari tekanan gas yang masuk
Perumusan Masalah
1. Kualitas produk yang diamati adalah Gas Volume (Kandungan CO2).
dengan temperatur minumann saat di injeksi gas
2. Analisa hanya dilakukan pada produk Coca-Cola, Sprite, dan Fanta Stroberi kemasan plastik.
3. Statistik yang ingin di cari oleh peneliti adalah Kapabiliti Komulatif (Cpk).
CO2. Kandungan CO2 ini tidak tertera di label
minuman tapi bisa dirasakan kesegarannya saat di
Pengumpulan Data
- Wawancara
minum. Semakin lama minuman beredar
- Data Histori Perusahaan
- Observasi Lapangan dipasaran gas CO2 yang terkandung semakin
kecil atau di bawah standar The Coca-Cola
Pengolahan Data
- Analisa Kapabilitas Proses Company, sehingga untuk menghindari
penurunan gas CO2 itu diperlukan pengendalian
- Metode Minitab dan Time Charting
- Analisa Cpk kedua metode terhadap faktor-faktor yang mempengaruhi
- Identifikasi penyebab perbedaan dari kedua Metode
pencampuran CO2 tersebut. Spesifikasi Gas
Kesimpulan dan Volume (kandungan Gas CO2) dapat di lihat pada
Saran
tabel 4.1 berikut ini:
3.2. Alat dan Bahan
ALAT
1. Komputer
2. Lembar Kerja
3. Mesin Pengocok Produk Tabel 4.1 Spesifikasi Gas Volume Minuman
4. Pengukur Tekanan (Pressure Gauge) dan Berkarbonasi Saat Produksi
Termometer Jenis Target
5. Program Minitab 13 dan Time Charting Toleransi Toleransi
Gas
bawah atas
BAHAN Minuman Volume
(mgr/Ltr) (mgr/Ltr)
1. Produk Sprite Kemasan Plastik 390 ml (mgr/Ltr)
2. Produk Sprite Kemasan Plastik 1000 ml Coca-Cola 4.50 4.30 4.70
3. Produk Sprite Kemasan Plastik 1500 ml Sprite 4.50 4.30 4.70
Fanta
3.20 3.00 3.40
4. PEMBAHASAN Stroberi
4.1. Observasi Terhadap Permasalahan
4.2. Akar Permasalahan

14
 Peneliti mencari data permasalahan, DATA PENGAMATAN SPRITE 1000 ML

terlebih dulu melakukan analisa permasalahan. Waktu Tekanan Temperatur Gas Volume
Tgl o
Jam Psi C mg/Liter
3-Feb 0:00 32 5.5 4.49
3-Feb 0:30 32.5 5.5 4.55
3-Feb 1:00 30.5 4.5 4.48
3-Feb 1:30 31.5 4.5 4.58
3-Feb 2:00 31.5 5 4.51
3-Feb 2:30 31 5 4.46
3-Feb 2:54 31.5 5 4.51
3-Feb 3:00 33 6 4.51
3-Feb 3:30 33 6 4.51
3-Feb 4:00 32.5 5.5 4.55
3-Feb 4:30 31.5 4.5 4.58
3-Feb 8:00 32.5 6 4.47
Gambar 4.1 Diagram Tulang Ikan 3-Feb 8:30 31.5 4.5 4.58
3-Feb 9:50 32.5 6.5 4.40
3-Feb 10:20 31.5 5.5 4.44
Tabel 4.3 Data Pengamatan Gas Volume Sprite 3-Feb 10:50 31 5 4.46
390 ml 3-Feb 11:20 31.5 5.5 4.44
3-Feb 11:50 34.5 7 4.52
3-Feb 12:20 34.5 7 4.52
DATA PENGAMATAN SPRITE 390 ML 3-Feb 12:50 35 7.5 4.50
3-Feb 13:20 32.5 6.5 4.40
Waktu Tekanan Temperatur Gas Volume 3-Feb 13:50 34.5 7 4.52
Tgl o
Jam Psi C mg/Liter 3-Feb 14:20 31 4.5 4.53
23-Jan 16:30 33 5.5 4.59 3-Feb 14:50 31 4.5 4.53
23-Jan 17:00 33 5.5 4.59 3-Feb 15:20 33 6 4.51
23-Jan 17:30 30 4 4.50 3-Feb 15:50 31 4.5 4.53
23-Jan 18:00 32 5 4.56 3-Feb 16:20 31 4.5 4.53
23-Jan 18:30 32 5 4.56 3-Feb 16:50 31 4.5 4.53
23-Jan 19:00 33.5 6 4.56 3-Feb 17:20 31 4.5 4.53
23-Jan 19:30 30.5 4.5 4.48 3-Feb 17:50 31 4.5 4.53
23-Jan 20:00 31.5 4.5 4.58 3-Feb 18:20 31 4.5 4.53
23-Jan 20:30 32 5 4.56 3-Feb 18:50 33 6 4.51
23-Jan 21:00 30 4 4.50 3-Feb 19:20 31 4.5 4.53
23-Jan 21:30 30 4 4.50 3-Feb 19:50 34.5 7 4.52
23-Jan 22:00 31.5 4.5 4.58 3-Feb 20;20 34.5 7 4.52
23-Jan 22:30 31.5 4.5 4.58 3-Feb 20:50 33 6 4.51
23-Jan 23:00 32 5 4.56 3-Feb 21:20 31 4.5 4.53
23-Jan 23:30 31.5 4.5 4.58 3-Feb 21:50 34.5 7 4.52
24-Jan 0:00 30 4 4.50 3-Feb 22:20 31 4.5 4.53
24-Jan 0:30 32 5 4.56 3-Feb 22:50 31 4.5 4.53
24-Jan 1:00 31.5 4.5 4.58 3-Feb 23:20 33 6 4.51
24-Jan 1:30 32.5 5.5 4.54 3-Feb 23:50 34.5 6.5 4.59
24-Jan 2:00 34 6.5 4.54
24-Jan 2:30 34 6.5 4.54
24-Jan 3:00 32.5 6.5 4.44
24-Jan 3:30 30.5 4.5 4.48
24-Jan 3:40 32 5 4.56 Tabel 4.5 Data Pengamatan Gas Volume Sprite
24-Jan 4:10 30.5 4.5 4.48 1500 ml
24-Jan 4:40 34.5 7 4.52
24-Jan 5:10 35 7.5 4.50
24-Jan 5:40 33.5 6 4.56
24-Jan 5:50 32 5 4.56

Tabel 4.4 Data Pengamatan Gas Volume Sprite

1000 ml

15
 DATA PENGAMATAN SPRITE 1500 ML

Waktu Tekanan Temperatur Gas Volume

Tgl o
Jam Psi C mg/Liter
9-Feb 5:20 31.5 5 4.51
9-Feb 5:25 34 6 4.61
9-Feb 5:55 32.5 5.5 4.55
9-Feb 6:30 33.5 5.5 4.62
9-Feb 7:00 30 4 4.50
9-Feb 7:30 32.5 6 4.47
9-Feb 7:50 32.5 6.5 4.40
9-Feb 8:20 32.5 6.5 4.40
9-Feb 8;50 33 7 4.38
9-Feb 9:20 32.5 6.5 4.40
9-Feb 10:10 32.5 6.5 4.40
9-Feb 10:40 32 6 4.42
9-Feb 11:10 31.5 5 4.51 Gambar 4.2 Hasil Analisa dengan Metode
9-Feb 11:40 31 4.5 4.53 Minitab 13 Sprite 390 ml
9-Feb 12:10 33 6.5 4.45
9-Feb 12:40 33 6.5 4.45
9-Feb 13:10 31.5 5.5 4.44
9-Feb 13:40 31.5 5.5 4.44
9-Feb 14:10 33 6.5 4.45
9-Feb 14:40 31.5 5.5 4.44
9-Feb 15:10 31.5 6 4.37
9-Feb 15:40 33 7 4.38
9-Feb 16:10 31.5 5.5 4.44
9-Feb 16:40 33 7 4.38
9-Feb 17:10 30 5 4.36
9-Feb 17:40 31.5 5.5 4.44

4.4 Pengolahan Data

Berdasarkan data yang diperoleh, peneliti

mencoba untuk mengolah data tersebut dengan 2
metode yaitu Minitab 13 dan Time Charting.
Hasil data yang di harapkan adalah Kapabiliti
proses dimana dengan mengetahui nilai Kapabiliti
(Cpk) maka team produksi maupun kualiti bisa
mencari akar permasalahannya agar mesin
tersebut mampu menghasilkan produk yang
kualitasnya stabil.
Selain untuk mencari nilai kapabiliti peneliti juga
ingin mencari selisih pembacaan antara metode
minitab 13 dan time charting, agar nantinya
peneliti bisa mempabaiki perbedaan tersebut, dan
bisa memperbaiki cara penggunaan kedua metode
tersebut sehingga hasilnya bisa dipertanggung
jawabkan oleh team produksi maupun analis.
Berikut ini adalah hasil-hasil analisa kapabiliti
dengan 2 metode tersebut.
Gambar 4.3 Hasil Analisa dengan Metode Time
Charting Sprite 390 ml
Pembahasan:
Dari data diatas dapat disimpulkan bahwa
kapabiliti Mesin dan Operator hasil analisa
dengan menggunakan Minitab 13 adalah presisi
dan akurat hal ini ditandai dengan nilai Cp 3.66
dan Cpk 1.11 hasilnya kapabilitas Proses baik,
CPK mengindikasikan proses off center dan ada
kemungkinan proporsi yang keluar dari
spesifikasi dan perlu tindakan koreksi pemusatan
proses. Sedangkan hasil yang diperoleh dari
analisa Time Charting Cp 0.92 dan Cpk 0.56 ini
menunjukkan Kapabilitas proses tidak baik,
proses akan selalu memberikan proporsi yang
tinggi terhadap produk yang keluar dari

16
spesifikasi, dan perlu tindakan koreksi spesifikasi, dan perlu tindakan koreksi. Hasil
Menurunkan variabilitas, melakukan peninjauan analisa diatas disajikan pada gambar 4.4 dan 4.5.
kembali terhadap nilai spesifikasi. Hasil analisa
diatas disajikan pada gambar 4.2 dan 4.3.

Gambar 4.4 Hasil Analisa dengan Metode Gambar 4.6 Hasil Analisa dengan Metode
Minitab 13 Sprite 1000 ml Minitab 13 Sprite 1500 ml
Parameter Measured GV
Equipment Monitored Filler
Line 2
Flavor Sprite
Package 1500 Pre-Set
Lower Spec Limit 4.40
Target 4.50
Upper Spec Limit 4.60
Number Of Samples 27 DPMO
Standard Deviation 0.07 Sigma
Xbar 4.45 Note: For sigma calculation
Rbar 0.04 refer to sigma calculator DPMO
Process Std Deviation 0.04 Process Sigma
Cp 0.95
Cpkl 0.46
Cpku 1.43
Cpk 0.46
Pp 0.48
Ppk 0.23
Lower Control Limit 4.3435
Upper Control Limit 4.5542

Gambar 4.7 Hasil Analisa dengan Metode Time

Gambar 4.5 Hasil Analisa dengan Metode Time
Charting Sprite 1000 ml
Pembahasan:
Dari data diatas dapat disimpulkan bahwa
kapabiliti Mesin dan Operator hasil analisa
dengan menggunakan Minitab 13 adalah presisi
dan akurat hal ini ditandai dengan nilai Cp 2.03
dan Cpk 1.77 hasilnya Kapabilitas proses baik,
tidak perlu adanya perbaikan. Sedangkan hasil
yang diperoleh dari analisa Time Charting Cp
1.01 dan Cpk 0.89 ini menunjukkan Proses akan
menimbulkan proporsi yang keluar dari
17
Charting Sprite 1500 ml
Pembahasan:
Dari data diatas dapat disimpulkan bahwa
kapabiliti Mesin dan Operator hasil analisa
dengan menggunakan Minitab 13 adalah presisi
dan akurat hal ini ditandai dengan nilai Cp 3.80
dan Cpk 2.87 hasilnya Kapabilitas proses baik,
tidak perlu adanya perbaikan. Sedangkan hasil
yang diperoleh dari analisa Time Charting Cp
0.95 dan Cpk 0.46 ini menunjukkan Kapabilitas
proses tidak baik, proses akan selalu memberikan
proporsi yang tinggi terhadap produk yang keluar
dari spesifikasi, dan perlu tindakan koreksi
Menurunkan variabilitas, melakukan peninjauan
 (x - ẍ)2
kembali terhadap nilai spesifikasi. Hasil analisa n
1
x
4.59
(x - ẍ)
0.05 0.002
diatas disajikan pada gambar 4.6 dan 4.7. 2
3
4.59
4.50
0.05
-0.04
0.002
0.002
4 4.56 0.02 0.000
5 4.56 0.02 0.000
Dari data dan hasil analisa diatas peneliti 6 4.56 0.02 0.000
dapat melihat hasil cpknya berbeda antara metode 7
8
4.48
4.58
-0.06
0.04
0.004
0.002
minitab 13 dan time charting. Data dapat di lihat 9
10
4.56
4.50
0.02
-0.04
0.000
0.002
pada tabel 4.6 11 4.50 -0.04 0.002
12 4.58 0.04 0.002
Tabel 4.6 Hasil Analisa antara Metode Minitab 13 4.58 0.04 0.002
14 4.56 0.02 0.000
13 dengan Time Charting 15 4.58 0.04 0.002
16 4.50 -0.04 0.002
Hasil Analisa (Cpk) 17 4.56 0.02 0.000
Produk 18
19
4.58
4.54
0.04
0.00
0.002
0.000
Minitab 13 Time Charting 20 4.54 0.00 0.000
21 4.54 0.00 0.000
Sprite 390 ml 1.11 0.56 22 4.44 -0.10 0.010
23 4.48 -0.06 0.004
0.02
Sprite 1000 ml 1.77 0.89 24 4.56 0.000
25 4.48 -0.06 0.004
26 4.52 -0.02 0.000
Sprite 1500 ml 2.87 0.47 27 4.50 -0.04 0.002
28 4.56 0.02 0.000
29 4.56 0.02 0.000
Dengan melihat perbedaan tersebut personil Jumlah 0.05
Produksi dan Kualiti merasa bingung untuk LSL 4.4
menentukan langkah-langkah selanjutnya, untuk USL 4.6
ẍ 4.54
itu peneliti berusaha untuk memecahkan masalah n 29

yang ada, agar hasil dari analisa kapabiliti dapat

tepat sasaran. Untuk itu peneliti menghitung Cpk
dengan system teori. Dari Tabel 4.3 Data
Pengamatan Gas Volume Sprite 390 ml, maka Perhitungan Cpk Sprite 390 ml

−(∑𝑛𝑖=1 𝑥 )2
𝑛
peneliti menarik data lanjutan sebagai berikut 2 𝑛 ∑𝑖=1 𝑥 2
lihat tabel 4.7 σ=
Tabel 4.7 Hasil Analisa Sprite 390 ml 𝑛
2 (29𝑥597.6) (𝑛−17329.1
− 1)
σ= 29
2 (29 − 1)
17330.4−17329.1
σ= 812
2
𝜎 = √𝜎
𝜎 = √0.002 = 0.04
min(USL − ẍ) , (ẍ − LSL)
𝐶𝑝𝑘 =
3σ
4.6 − 4.54) 0.06
𝐶𝑝𝑘 = 𝐶𝑝𝑘 =
0.12 0.12
𝐶𝑝𝑘 = 0.5
4.5 − 4.4 0.14
𝐶𝑝𝑘 = 𝐶𝑝𝑘 =
0.12 0.12

18
𝐶𝑝𝑘 = 1.17

Perhitungan Cpk Sprite 1000 ml

2 (26𝑥515.34) −13395.7
σ= 26
(26 − 1) 2 13398.84−13395.7
σ= 650
2 3.14
σ= = 0.005
650 2
𝜎 = √𝜎
𝜎 = √0.005 = 0.07
min(USL − ẍ) , (ẍ − LSL)
𝐶𝑝𝑘 =
3σ
4.6 − 4.45 0.15
𝐶𝑝𝑘 = 𝐶𝑝𝑘 =
0.21 0.21
𝐶𝑝𝑘 = 0.71
Gambar 4.8 Hasil Proses Time Charting dan Minitab
Sprite 390 ml

19

Gambar 4.9 Hasil Proses Time Charting dan
Minitab Sprite 1000 ml
20
Gambar 4.10 Hasil Proses Time Charting dan
Minitab Sprite 1500 ml
Setelah dilakukan pengolahan berdasarkan
hasil penelitian (gambar 4.7 – 4.9) maka didapat
Kapabilitas proses baik, proses tidak perlu adanya
koreksi, karena nilai Cp > 1.33 dan Cpk > 1.33,
pengolahan data tidak ada data yang
menyimpang, dan dengan percobaan-percobaan
yang dilakukan dengan merubah batas atas dan
batas bawah yang disamakan antara Minitab 13
dan Time Charting maka Cpk yang didapat belum
menunjutkan kesamaan, dan setelah Calculate
Statistic Using pada Minitab tetap dibuat 6 (tanpa
merubah menjadi 3) lihat lampiran 1 maka Cpk
yang dihasilkan antara dua metode tersebut
adalah sama. Data di sajikan pada tabel 4.8.
Tabel 4.8 Hasil Analisa antara Metode Minitab
13 dengan Time Charting Setelah
diperbaharui
Produk Hasil Analisa (Cpk)
Minitab 13 Time Charting
Sprite 390 ml 1.47 1.47
Sprite 1000 ml 1.90 1.90
Sprite 1500 ml 1.38 1.38
5. KESIMPULAN
Adapun kesimpulan yang dapat diperoleh
dari pengolahan data dan analisis yang dilakukan
sebagai berikut:
5.1 KESIMPULAN
1. Metode yang digunakan saat ini baik Minitab
13 maupun Time Charting hasil yang di dapat
 sama yaitu Cpk Sprite 390 ml 1.47, Cpk Sprite
1000 ml 1.90 dan Cpk Sprite 1500 ml 1.38
dari kedua metode ini ternyata Time Charting
lebih cepat Cpknya didapat dibanding dengan
Minitab 13. Dan kelebihan dari metode Time
Charting tidak perlu perangkat lunak karena
hanya menggunakan program Excel saja.
2. Faktor-faktor penyebab dari ketidaksamaan
hasil yang didapat dari kedua metode tersebut
adalah penggunaan batas atas dan batas bawah
yang berbeda, serta penggunaan Calculate
Statistic Using pada minitab 13 yang
seharusnya tetap 6. Semakin kecil nilai
Calculate Statistic Using maka nilai Cpknya
semakin besar.
Dengan kesimpulan diatas maka program yang
dipakai adalah Time Charting saja.

5.2 SARAN
1. Pihak perusahaan sebaiknya mentraining
terlebih dahulu setiap penggunaan metode
baru secara rinci kepada karyawan yang
berkepentingan agar hasil yang ingin di capai
sesuai dengan apa yang diharapkan.
2. Sebaiknya Metode Time Charting ini
diterapkan untuk segala analisa yang ada di
PT. Coca - Cola Bottling Indonesia, sejauh
data yang digunakan berupa data numerik dan
ada standarnya.

DAFTAR PUSTAKA

[1] Feigenbaum, A. V., 1989. Kendali Mutu

Terpadu. Penerbit Erlangga. Jakarta.
[2] Gaspersz Vincent, “Production Planning and
Inventory Control”. PT. Sun. Jakarta
1998.
[3] Hubeis, M. 1997. Menuju Industri Kecil
Profesional di Era Globalisasi Melalui
Pemberdayaan Manajemen Industri.
Bogor. Pustaka Wirausaha Muda
[4] ISO 8402 dan dari Standar Nasional
Indonesia (SNI 19-8402-1991)

21