Anda di halaman 1dari 11

MODUL 9. PENGANTAR TEKNIK INDUSTRI 1.

Tujuan Instruksional Khusus Diharapkan mahasiswa dapat memahami rumusan pengendalian kualitas untuk variabel dan dapat menerapkan peta kendali variabel. 2. Daftar Materi Pembahasan Pengendalian Kualitas Variabel Peta Kendali Variabel 3. Pembahasan 2.1. Pengendalian Kualitas Variabel Karakteristik kualitas yang dapat dinyatakan dalam bentuk ukuran angka atau kuantitatif khususnya untuk produk cukup banyak. Misalnya, dinyatakan dalam ukuran mikrometer, milimeter, sentimeter, dimensi berat, dimensi volume dan dimensi lainnya yang dapat diukur. Karakteristik kualitas yang dapat dinyatakan dalam bentuk ukuran angka ini dinamakan dimensi Variabel. Ukuran variabel ini lebih efisien dalam memberikan informasi tentang kualitas proses dan lebih banyak digunakan jika dibandingkan dengan dimensi ukuran atribut atau sifat. Grafik pengendalian variabel biasanya menggunakan mean-chart atau x - chart, dan grafik pengendalian untuk rentang dinamakan R - chart. 2.2. Peta Kendali Untuk Variabel Kebanyakan teknik yang dikembangkan oleh para ahli statistik untuk analisa data, tetapi data yang diperoleh dapat digunakan untuk pengendalian kualitas produk. Metode statistik yang dipakai untuk pengendalian kualitas yang paling umum adalah peta kendali untuk karakteristik kualitas yang terukur, dalam bahasa teknisnya dinyatakan sebagai peta X bar ( X - chart ) dan peta R ( R chart ).
_ _

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Torik Husein

PENGANTAR TEKNIK INDUSTRI

A. Membuat X - chart Jika kita melakukan pengukuran karakteristik kualitas dengan x1 , x2 , dan xn sempel berukuran n, maka rata-rata sempel adalah : x1 + x2 + ...+ xn

X =
n Jika x adalah berdistribusi normal dengan mean = dan standar deviasi untuk subgrup
_ sempel X =

, maka setiap mean sempel akan terletak diantara nilai UCL dan LCL n

_ dengan menggunakan 3 - sigma ( X )sebagai berikut :

_ UCL = + 3 ( X ) = + 3 (

) n ) n

_ LCL = + 3 ( X ) = - 3 (

Apabila mean sempel tidak berada diantara UCL dan LCL, hal ini merupakan petunjuk bahwa mean proses tidak lagi sama dengan . Dalam praktek sesungguhnya, biasanya nilai dan tidak diketahui, oleh karena itu nilai-nilai tersebut harus ditaksir dari sempel pendahuluan. Misalkan, x1 , x2 , dan xm adalah rata-rata setiap sempel, maka penaksiran terbaik untuk rata-rata proses () adalah mean keseluruhan, yaitu :

x1 + x2 + ...+ xm

X =
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein

PENGANTAR TEKNIK INDUSTRI

m Dengan demikian X akan digunakan sebagai central line = CL dari X - chart


_ _

UCL = X CL = X
_

_ + 3 ( X )

_ LCL = X + 3 ( X )

Untuk membuat batas pengendalian, perlu ditaksir standar deviasi ( ) dan rentang (R) m sempel. jika x1 , x2 dan xm adalah sempel berukuran m, maka rentang sempel adalah selisih nilai observasi terbesar dengan nilai observasi terkecil atau R = xmak - xmin .

Misalkan R1, R2 , dan Rm adalah rentang m sempel, maka rentang rata-ratanya adalah : R1 + R2 + ... + Rm

R =
m maka taksiran untuk dihitung dengan cara : R = R /d2 dimana d2 untuk berbagai ukuran
_

sempel dapat dilihat dalam tabel lampiran . Jika digunakan x sebagai penaksiran untuk dan R /d2 , maka parameter grafik x untuk menentukan
_

x , UCL dan LCL adalah :


_

UCL = x + 3 CL = x LCL = x 3

R d2 n

R d2 n
Torik Husein

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

PENGANTAR TEKNIK INDUSTRI

Jika,

3 d2 n

= A2, maka UCL , CL dan LCL di atas dapat dihitung dengan menggunakan

persamaan sebagai berikut :


_

UCL = x + A2 R CL = x LCL = x - A2 R Nilai A2 untuk berbagai ukuran sempel dapat dilihat dalam tabel lampiran.
_

B. Membuat R - chart

Dalam menggunakan R-chart, maka parameter grafik R dapat ditentukan dengan mudah, yaitu CL nya adalah R . Untuk menentukan UCL dan LCL atau batas pengendalian perlu ditaksir nilai R . Jika dianggap bahwa karakteristik kualitas berdistribusi normal, maka estimasi R dapat diperoleh dari distribusi rentang relatif, yaitu W = R/ . Jika standar maka =
_

deviasi W = d2

R . Untuk rentang standar deviasi nya R adalah , oleh d2

karena tidak diketahui maka kita dapat menaksir R dengan menggunakan persamaan

R =

d3 _ R. d2
Dengan demikian, jika kita menggunakan batas pengendalian 3-sigma, maka

parameter R-chart dapat ditentukan dengan persamaan sebagai berikut :

UCL = R + 3 R
_

d d3 _ R = _ (1+3 3 ) = R + 3 R d2 d2
_

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Torik Husein

PENGANTAR TEKNIK INDUSTRI

CL

= R
_

LCL = R 3 R

d d3 _ R = _ (13 3 ) = R - 3 R d2 d2
_

Jika dimisalkan faktor batas pengendali adalah

D3 = 1 - 3 (

d3 d3 ) dan D4 = 1 + 3 ( ), d2 d2

maka parameter R-chart dapat ditulis dengan persamaan sebagai berikut :


_

UCL = R D4 CL = R LCL = R D3 Konstanta D3 dan D4 untuk berbagai ukuran sempel atau nilai n dapat dilihat dalam tabel lampiran .
_ _

Contoh 9.1. Pembuatan X - chart dan R - chart PT Plywood pabrik kayu lapis yang berokasi di kalimantan ingin membuat pengendalian proses dengan menggunakan X - chart dan R - chart. Untuk mengetahui bahwa ketebalan kayu lapis dalam keadaan terkendali, telah dilakuakan pengambilan sempel sebanyak 25 kali dengan ukuran sempel setiap kali pengambilan sebanyak 5 lembar. Data pengambilan sempel diperlihatkan dalam tabel 9-1.
_

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Torik Husein

PENGANTAR TEKNIK INDUSTRI

Tabel 9 -1 Data Pengambilan Sampel kayu lapis PT Playwood Nomor sample 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Hasil observasi ketebalan kayu lapis (mm) 1 2 3 4 20,030 19,995 19,988 20,002 19,992 20,009 19,995 19,985 19,985 20,008 19,998 19,994 20,004 19,983 20,006 20,012 20,000 19,994 20,006 20,000 19,998 20,004 20,010 20,015 19,982 20,002 19,992 20,024 19,996 20,007 19,994 20,006 20,003 19,995 20,000 19,998 20,000 20,002 19,967 20,014 19,984 20,012 20,010 20,002 20,010 20,001 19,999 19,989 20,008 19,984 20,019 20,001 20,021 19,993 20,015 19,997 19,994 19,993 20,009 19,990 19,994 20,007 19,998 19,994 19,998 20,005 19,98 20,018 20,013 20,013 20,009 19,990 19,990 19,993 19,995 19,992 20,011 20,005 20,015 19,989 19,985 20,000 20,015 20,005 20,007 19,995 20,000 19,99 20,000 19,999 19,998 20,005 20,003 20,005 20,020 20,005 20,006 20,009 20,000 20,017 5 20,008 20,004 20,002 20,009 20,014 19,993 20,005 19,988 20,004 19,995 19,990 19,996 20,012 19,984 20,007 19,996 20,007 20,000 19,997 20,003 19,996 20,009 20,014 20,010 20,013 Jumlah Ratarata Xi 20,010 20,001 20,008 20,003 20,003 19,996 20,000 19,997 20,004 19,998 19,994 20,001 19,998 19,990 20,006 19,997 20,001 20,007 19,998 20,009 19,996 20,002 20,002 20,005 19,998 500,024 20,001 Ri 0,038 0,019 0,036 0,022 0,026 0,024 0,012 0,030 0,014 0,017 0,008 0,011 0,029 0,039 0,016 0,021 0,026 0,018 0,021 0,020 0,033 0,019 0,025 0,022 0,035 0,581 0,023

Untuk membuat

- chart, langkah pertama yang harus dilakukan adalah

menentukan parameter centaral line = CL atau garis tengah dengan cara sebagai berikut :

Xi =

20,030 + 20,002 + 20,019 + 19,992 + 20,008 = 20,010 5 20,010 + 20,001 + 20,0089 + ......... + 19,998 = 20,001 25

X =

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Torik Husein

PENGANTAR TEKNIK INDUSTRI

Ri = 20,003 19,992 = 0,038 0,038 + 0,019 + 0,036 + ................ + 0,035 = 0,023 25

R =

Dengan menggunakan A2 = 0,577 dalam tabel lampiran , untuk sempel berukuran n = 5 , maka dapat dihitung batas atas dan batas bawah pengendalian kualitas sebagai berikut : UCL = X + A2 R = 20,001 + (0,577)(0,023) = 20,014 CL = X = 20,001
= _ = = _

LCL = X + A2 R = 20,001 - (0,577)(0,023) = 19,988 Grafik X - chart dari contoh 1 diatas, dapat dilihat dalam gambar 10-1 Sedangkan pembuatan R - chart , telah kita hitung R sebagai central line = CL , yakni sebesar 0,023 , untuk selanjutnya kita menentukan harga D3 dan D4 dengan cara sebagai berikut : Jika ukuran sempel dengan n= 5 , maka dalam tabel lapiran diperoleh nilai D3 = 0 dan D4 = 2,114. Dari nilai tersebut, maka batas atas dan batas bawah pengendalian kualitas untuk R-chart adalah : UCL = R D4 = 0,023 (2,114) = 0,049 CL = R = 0,023
_ _ _ _ =

LCL = R D3 = 0,023 (0) = 0 Grafik R-chart dari contoh 1 diatas, dapat dilihat dalam gambar 10 -2.
_

Dari X - chart ini memperlihatkan bahwa tidak ada petunjuk mean sempel di luar kendali. Oleh karena itu dapat disimpulkan proses pengendalian kualitas ketebalan kayu lapis berada dalam keadaan terkendali. Dari R - Chart pengendalian kualitas kayu lapis tersebut nampak bahwa tidak ada proses produksi kayu lapis yang berada di luar kendali pengawasan, artinya semua ketebalan
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein PENGANTAR TEKNIK INDUSTRI

kayu lapis masih di dalam batas tolenrasi, oleh karena itu manajemen tidak perlu mengambil tindakan perbaikan proses.

Xi
20,015 20,010 20,005 20,001 19,995 19,990 19,988 19,985 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

UCL

CL

LCL

Nomor sample Gambar 9 2 X - chart Ketebalan Kayu Lapis


_

Ri UCL
0,05 0,04 0,03 0,02 0,01 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

CL

Nomor sample Gambar 9 3 R - chart Ketebalan Kayu Lapis

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Torik Husein

PENGANTAR TEKNIK INDUSTRI

R-chart dan X -chart di atas memberikan informasi tentang kemampuan performace proses. Dari X - chart dapat ditaksir mean ketebalan kayu lapis sebesar X = 20,001 milimeter dan standar deviasi proses dapat diestimasi dengan menggunakan persamaan sebagai berikut : = R/d2 = 0,023/2,326 = 0,0099 Nilai d2 = 2,326 diperoleh dari tabel lampiran untuk sempel n = 5, batas spesifikasi
_ _

ketebalan kayu lapis adalah 20,000 mm 0,03 mm (3-sigma = 3 x 0,0099 = 0,0297 = 0,03). Jika diasumsikan bahwa ketebalan kayu lapis adalah variabel random berdistribusi nomal dengan mean 20,001 mm dan standar deviasi 0,0099 mm, maka kita dapat menaksir bagian kayu lapis yang diproduksi tidak sesuai dengan spesifikasi sebagai berikut :

p = p ( x < 19,970) + p ( x > 20,030) p = (-3,13) + 1 - (2,93) p = 0,00087 + 1 - 0,99831 p = 0,00087 + 0,00169 p = 0,00256 Catatan : angka (2,93) = 0,99831 dan (-3,13) = 0,00087 dapat dicari dalam tabel distribusi normal lampiran . Dari hasil perhitungan tersebut dapat disimpulkan bahwa dari kayu lapis yang diproduksi terdapat 0,256% ketebalannya berada di luar spesifikasi. Dengan kata lain dalam produksi kayu lapis sebanyak 100.000 lembar terdapat 256 lembar yang berada di luar spesifikasi. Jika volume produksi cukup besar katakanlah 1 juta lembar, maka terdapat 2560 lembar kayu lapis yang berada di luar spesifikasi, jumlah ini mungkin dianggap besar. Dengan kata lain 0,256% mungkin tidak dapat diterima apabila volume produksi dalam jumlah yang besar.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Torik Husein

PENGANTAR TEKNIK INDUSTRI

Penjelasan di atas memperlihatkan bahwa batas pengendalian kualitas dengan x chart dan R-chart tidak memiliki hubungan matematik dan statistik dengan batas spesifikasi. Batas pengendalian kualitas x-chart dan R-chart ditentukan oleh standar deviasi proses (). sedangkan batas spesifikasi ditentukan dari luar proses seperti : manajemen, manajer operasi, pelanggan atau desainer produk. Apa perbedaan fungsi pengendalian kualitas dengan metode x -chart dan Rchart ? . x -chart

memantau tingkat proses rata-rata. Sebaliknya R-chart mengukur

variabelitas dalam suatu sempel. Perbedaan lain adalah x -chart memantau variabelitas diantara sempel atau variabelitas dalam seluruh waktu proses. Sedangkan R-chart mengukur variabelitas di dalam sempel atau variabelitas dalam waktu tertentu. Masalah yang juga sangat penting dalam menggunakan grafik pengendalian kualitas

x -chart dan R-chart adalah menentukan ukuran sempel dan frekuensi pengambilan
sempel. Penentuan ukuran sempel dan frekuensi pengambilan sempel, biaya penelitian, biaya perbaikan proses dan biaya karena menghasilkan produk yang tidak memenuhi spesifikasi. Jika kita menggunakan x -chart untuk mengetahui pergeseran proses 2 atau lebih (2-sigma atau lebih). maka ukuran sempel yang relatif kecil katakanlah n = 4 s.d 66 adalah cukup efektif. Sebaliknya, jika kita ingin mengetahui pergeseran proses kecil katakanlah kurang dari 2 (kurang dari 2-sigma), maka diperlukan ukuran sempel yang lebih besar, yaitu n = 15 s.d 25. Apabila kita menggunakan ukuran sempel yang lebih kecil, maka resiko terjadinya pergeseran proses akan kecil pada saat sempel itu diambil. Hal ini dapat dijadikan alasan mengapa penggunaan ukuran sempel mungkin secara konsisten sangat tepat digunakan apabila kita ingin mengetahui pergeseran proses yang bersar. Jika kita menggunakan R-chart, maka ukuran sempel kecil tidak peka terhadap pergeseran standar deviasi proses. Sebaliknya, ukuran sempel yang lebih berar kelihatanya lebih efektik, tetapi efisiensi penaksiran standar deviasi akan turun apabila ukuran sempel (n) naik. Oleh karena itu, untuk ukuran sempel besar ( n besar) mungkin yang terbaik adalah tidak menggunakan R-chart. Masalah penentuan ukuran sempel dan frekuensi pengambilan sempel adalah masalah penentuan sampling penerimaan. Keterbatasan sumber daya mengakibatkan para pengambil keputusan harus memilih strategi apakah akan mengambil sempel kecil tetapi jarang, dengan kata lain apakah akan
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein PENGANTAR TEKNIK INDUSTRI

10

mengambil ukuran sempel 5 setiap setengah jam atau mengambil ukuran sempel 20 setiap dua jam. Strategi mana yang akan diambil tidak mungkin untuk mengatakan bahwa strategi itu terbaik dalam semua hal, tetapi praktek dalam dunia industri saat ini memiliki kecenderungan untuk mengambil ukuran sempel kecil dengan frekuensi tinggi atau sering. Dari sudut pandang ekonomi, jika biaya produk yang cacat itu tinggi, maka sempel ukuran kecil dengan frekuensi yang sering jauh lebih baik dari sempel ukuran besar tetapi lebih jarang. Faktor lain yang mempengaruhi ukuran pengambilan sempel adalah volume produksi, Jika volume produksi cukup besar dalam setiap jam, maka diperlukan pengambilan sempel yang lebih sering dibandingkan dengan volume produksi kecil. Hal ini dilakukan karena akan bnyak produk cacat yang dihasilkan dalam waktu yang singkat apabila terjadi pergeseran proses atau ketidak tepatan proses. Jika biaya pemesiksaan dan pengujian per unit rendah, maka proses produksi dengan volume besar dalam waktu yang relatif cepat, maka ukuran sempel besar sangat sering digunakan. Pengambilan ukuran sempel untuk pengendalian proses ini dilakukan dengan beberapa pertimbangan, yaitu (1) waktu sangat terbatas, (2) volume produksi cukup besar dan bersifat homogin, (3) pemeriksaan dilakukan dengan merusak produk, (4) Produk yang diproses tidak berisiko tinggi jika terjadi kegagalan, (5) biaya untuk pemeriksaan individusangat tinggi. Hal lain yang perlu diperlihatkan dalam penggunaan teknik sampling ini adalah risiko yang akan timbul baik resiko yang ditanggung oleh konsumen maupun risiko yang ditanggung oleh produsen sebagai akibat dari kesalahan sampling (sampling error). Risiko konsumen timbul karena dari sempel yang diambil dinyatakan proses dalam keadaan terkendali pada hal sesungguhnya ada produk yang cacat atau diluar kendali. Sedangkan risiko produsen terjadi karena dari sempel yang diambil dinyatakan proses di luar kendali sehingga perlu perbaikan proses pada hal sesungguhnya ada produk yang baik. BUKU ACUAN 1. Maynard Handbook of Industrial Engineering Mc Graw Hill 2. Salvendy Handbook of Industrial Engineering John Wiley 3. Hicks Industrial Engineering and Management Mc Graw Hill

4. Purnomo Hari Pengantar Teknik Industri Graha Ilmu, Yoyakarta


5. dan lain-lain
PUSAT PENGEMBANGAN BAHAN AJAR-UMB Torik Husein PENGANTAR TEKNIK INDUSTRI

11