STATISTICAL PROCESS CONTROL (SPC)

Statistical process control (SPC) adalah sebuah teknik statistik yang

dapat digunakan untuk memastikan bahwa proses memenuhi standar.
Semua proses bervariasi, menurut Walter Shewhart (1920 ), dibedakan
sebagai variasi alamiah (natural variations) dan buatan (assignable
variation). Alat untuk identifikasi adalah bagan kendali ( control chart).

SPC digunakan untuk mengukur kinerja sebuah proses dan ditujukan
untuk memberikan peringatan bila terdapat penyebab variasi buatan.
Sebuah proses dikatakan beroperasi dalam kendali statistik bila sumber
variasi berasal dari penyebab alamiah.

Variasi alamiah adalah variasi yang terjadi dalam sebuah proses yang
berada dalam kendali statistik. Variasi alamiah berdistribusi normal,
sehingga karakteristiknya ditentukan oleh : ukuran kecenderungan
terpusat nilai rata-rata (mean), ; dan ukuran penyebaran standar
deviasi, .

Selama distribusi hasil pengukuran output berada dalam batas tertentu,
proses dikatakan "berada dalam kendali," yang berarti variasi alamiah
dan dapat dibiarkan.

Variasi Buatan dalam sebuah proses dapat ditelusuri
penyebabnya seperti penggunaan mesin yang penyetelannya
salah, karyawan yang lelah atau tidak terlatih, atau bahan
baku baru.

Berdasarkan sumber variasi, tugas manajer operasi adalah
memastikan bahwa proses beroperasi dalam kendali yang
hanya memiliki variasi alamiah, dan mengenali serta
menghilangkan variasi buatan, sehingga proses tetap berada
dalam kendali.

SPC menggunakan rata-rata sampel kecil (4 - 8). Gambar
berikut menunjukkan langkah menentukan variasi proses.
Sampel terdiri 5 kotak sereal :(a) ditimbang; (b)membentuk
distribusi; (c) bentuk dapat berbeda; (d) jika hanya terdapat
variasi alamiah; (e) jika terdapat variasi buatan.
Samples
To measure the process, we take samples
and analyze the sample statistics following
these steps
(a) Samples of the
product, say five
boxes of cereal
taken off the filling
machine line, vary
from each other in
weight
F
r
e
q
u
e
n
c
y

Weight
#
# # #
# #
# #
#
# # # # # # #
# # # # # # # # # #
Each of these
represents one
sample of five
boxes of cereal
Figure S6.1
Samples
Untuk mengukur proses, kita mengambil sampel dan menganalisis
sampel statistik mengikuti langkah-langkah berikut:
(b) Setelah cukup banyak
sampel dari sebuah
proses yang stabil,
terbentuklah suatu pola
yang disebut sebagai
distribusi
Garis
menggambarkan
jenis distribusi
F
r
e
k
w
e
n
s
i

Berat Figure S6.1
Samples
To measure the process, we take samples and
analyze the sample statistics following these
steps
(c) There are many types of distributions, including the normal (bell-
shaped) distribution, but distributions do differ in terms of central
tendency (mean), standard deviation or variance, and shape
Weight
Central tendency
Weight
Variation
Weight
Shape
F
r
e
q
u
e
n
c
y

Figure S6.1
Samples
Untuk mengukur proses, kita mengambil sampel dan menganalisis
sampel statistik mengikuti langkah-langkah berikut:

(d) Jika hanya ada sumber
variasi alamiah,output
sebuah proses
membentuk sebuah
distribusi yang stabil
sepanjang waktu
Berat
F
r
e
k
w
e
n
s
i

Prediksi
Figure S6.1
Samples
Untuk mengukur proses, kita mengambil sampel dan menganalisis
sampel statistik mengikuti langkah-langkah berikut:
(e) Jika terdapat sumber
variasi buatan,output
proses tidak stabil
sepanjang waktu dan tidak
dapat diprediksi.
Berat
F
r
e
k
w
e
n
s
i

Prediksi
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
Figure S6.1
Bagan Kendali (Control Charts)
Dibuat dari data historis,kegunaan bagan
kendali membantu membedakan antara
variasi alamiah dan variasi buatan

Bagan Kendali untuk Variabel (Peta Kontrol Variabel)
Suatu karakteristik kualitas yang dapat diukur dinamakan variabel,
seperti berat, kecepatan, panjang, dll). Bagan kendali yang dapat
digunakan untuk mengawasi data variabel adalah rata-rata, ,
dan rentangan, R.

Bagan- ( -chart) mengindikasikan terjadinya perubahan-
perubahan dalam kecenderungan terpusat atau rata-rata dari
suatu proses. Bagan-R (R-chart) mengindikasikan terjadinya
kelebihan atau kekurangan penyebaran(variasi) dari suatu proses.

Perubahan-perubahan tersebut mungkin disebabkan oleh
pemakaian peralatan yang aus, temperatur yang meningkat,
metode berbeda, bahan baku baru, atau kecerobohan operator.
Dua tipe bagan ini saling membantu di saat memonitor variabel
karena mengukur dua parameter penting, yaitu kecenderungan
terpusat dan penyebaran.
x x
x
Teorema menyatakan bahwa : (1) rata-rata distribusi, s
(disebut x ), akan sama dengan rata-rata populasi
keseluruhan (disebut ); dan (2) standar deviasi dari
distribusi sampel,
x
, akan sama dengan standar deviasi
populasi, , dibagi oleh akar jumlah sampel, n. Secara
matematis dirumuskan sebagai berikut:

x
n
x

Teorema Batas Kendali Terpusat

x = m
Teorema Batas Kendali Pusat
Terlepas dari jenis distribusi populasi, distribusi
setiap rata-rata sampel yang diambil dari
populasi akan mengikuti sebuah kurva normal
1. Rata-rata distribusi sampling (x) akan sama
dengan rata-rata populasi keseluruhan
x = m

n

x
=
2. Standar deviasi dari distribusi sampling (
x
)
akan sama dengan standar deviasi () dibagi
akar sampel, n
Karena distribusi sampel merupakan distribusi normal,
maka dapat dinyatakan bahwa:

Terdapat kemungkinan sebesar 95,45%, rata-rata sampel
akan jatuh dalam rentangan 2 jika proses hanya
memiliki variasi alamiah.
Terdapat kemungkinan sebesar 99,73% rata-rata sampel
akan jatuh dalam rentangan 3 jika proses hanya
memiliki variasi alamiah.

x

Population and Sampling

Distributions
Distribution of
sample means
Standard
deviation of
the sample
means
=
x
=

n
Mean of sample means = x
| | | | | | |
-3
x
-2
x
-1
x
x +1
x
+2
x
+3
x

99.73% of all x
fall within 3
x

95.45% fall within 2
x

Figure S6.3
Menetapkan Batas Kendali
Untuk Bagan x jika diketahui
Batas kontrol atas (UCL) = x + z
x

Batas kontrol bawah (LCL) = x - z
x
where x = rata-rata sampel atau nilai target untuk proses
z = jumlah standard deviasi normal

x
= standar deviasi dari rata-rata sampel
= / n
= standar deviasi populasi
n = banyaknya sampel
Contoh menetapkan batas kendali untuk sampel rata-rata dengan
menggunakan standar deviasi.
Berat kotak Oat Flakes dalam sebuah lot produksi yang besar diambil
sampelnya setiap jam. Untuk menetapkan batas kendali sampel rata-rata
99,73%, sampel dari sembilan kotak dipilih secara acak dan ditimbang.

Sembilan kotak yang dipilih untuk Jam 1:
Berat rata-rata sampel pertama =
(17+13+16+18+17+16+15+17+16) / 9 = 16,1 oz.

Standar deviasi populasi () diketahui = 1 ons. Sampel kotak pada jam 2 hingga jam
12 tidak diperlihatkan, hasil keseluruhan adalah :
1 16,1 5 16,5 9 16,3
2 16,8 6 16,4 10 14,8
3 15,5 7 15,2 11 14,2
4 16,5 8 16,4 12 17,3


z x

z x

= 16+3(1/9 =17 ons
= 16-3(1/9 =15 ons
UCLx =
LCLx =
Ke-12 sampel kemudian dipetakan dalam bagan kendali . Karena
rata-rata sampel jatuh di luar batas kendali atas dan bawah (17 dan
15), dapat disimpulkan bahwa proses tidak teratur dan berada di luar
kendali.
Rata-rata rangkap dari ke-12 sampel = 16 ons. Dengan
demikian :
= 16 ons, = 1 ons, n = 9, dan z = 3. Batas kendali
adalah
x

Setting Control Limits
Hour 1
Sample Weight of
Number Oat Flakes
1 17
2 13
3 16
4 18
5 17
6 16
7 15
8 17
9 16
Mean 16.1
= 1
Hour Mean Hour Mean
1 16.1 7 15.2
2 16.8 8 16.4
3 15.5 9 16.3
4 16.5 10 14.8
5 16.5 11 14.2
6 16.4 12 17.3
n = 9
LCL
x
= x - z
x
= 16 - 3(1/3) = 15 ozs
For 99.73% control limits, z = 3
UCL
x
= x + z
x
= 16 + 3(1/3) = 17 ozs
17 = UCL
15 = LCL
16 = Mean
Setting Control Limits
Control Chart
for sample of
9 boxes
Sample number
| | | | | | | | | | | |
1 2 3 4 5 6 7 8 9 10 11 12
Variation due
to assignable
causes
Variation due
to assignable
causes
Variation due to
natural causes
Out of
control
Out of
control
Bila standar deviasi proses tidak diketahui atau sulit dihitung, batas
kontrol dihitung berdasarkan rentangan nilai rata-rata. Tabel berikut
konversinya. Rentangan ditetapkan sebagai perbedaan antara item
terbesar dan terkecil dalam satu sampel. Sebagai contoh, kotak Oat
Flakes yang terberat 18 ons dan yang teringan 13 ons, jadi
rentangan 5 ons. Persamaan yang digunakan :















= rentangan rata-rata sampel
A2 = nilai yang ditemukan pada Tabel
= rata-rata dari sampel rata-rata
R A x UCL
X
2

R A x LCL
X
2

R
x

Ukuran Faktor Rata-rata, Rentangan Atas, Rentangan Bawah
Sampel, n A2, D4, D3,


2 1,880 3,268 0
3 1,023 2,574 0
4 0,729 2,282 0
5 0,577 2,115 0
6 0,483 2,004 0
7 0,419 1,924 0,076
8 0,373 1,864 0,136
9 0,337 1,816 0,184
10 0,308 1,777 0,223
12 0,266 1,716 0,284

Sumber : American Society for Testing Materials.

Contoh, menetapkan batas kendali untuk rata-rata sampel
menggunakan Tabel dan rata-rata rentangan.
Botol minuman ringan Super Cola berlabel "berat bersih 16
ons." Dengan mengambil beberapa kelompok sampel, di mana
dalam setiap kelompok sampel berisi 5 botol, diperoleh rata-rata
proses keseluruhan sebesar 16,01 ons. Rentangan rata-rata
proses adalah 0,25 ons. Tetapkan batas kendali atas dan bawah
rata-rata dalam proses ini. Dengan melihat ke Tabel untuk
ukuran sampel 5 dalam kolom faktor rata-rata A2, didapatkan
angka 0,577. Jadi, batas bagan kendali atas dan bawah adalah:



=16,01+(0,577)(0,25) = 16,01- (0,577) (0,25)
=16,154 ons = 15,866 ons
R A x UCL
X
2

R A x LCL
X
2

Setting Control Limits
UCL
x
= x + A
2
R
= 16.01 + (.577)(.25)
= 16.01 + .144
= 16.154 ounces
LCL
x
= x - A
2
R
= 16.01 - .144
= 15.866 ounces
Process average x = 16.01 ounces
Average range R = .25
Sample size n = 5
UCL = 16.154
Mean = 16.01
LCL = 15.866
R D UCL
R 4

R D LCL
R 3

dimana :
batas atas bagan kendali rentangan
batas bawah bagan kendali rentangan
dan = nilai dari Tabel

R
UCL

R
LCL
4
D
3
D
Menetapkan Batas Bagan Rentangan (Bagan-R)

Bagan kendali rentangan atau penyebaran untuk memonitor
variabilitas proses. Batas yang ditetapkan 3 standar deviasi
distribusi untuk rentangan rata-rata R. Persamaan untuk
menetapkan batas kendali atas dan bawah rentangan:

Setting Chart Limits
For R-Charts
Lower control limit (LCL
R
) = D
3
R
Upper control limit (UCL
R
) = D
4
R
where
R = average range of the samples
D
3
and D
4
= control chart factors from Table S6.1
Contoh menetapkan batas kendali untuk rentangan sampel
dengan menggunakan Tabel dan rentangan rata-rata.
Rata-rata rentangan sebuah proses untuk mengisi truk adalah
5,3 pon. Jika ukuran sampel 5, tetapkan batas bagan kendali
atas dan bawah.
Dengan melihat pada Tabel untuk ukuran sampel 5, ditemukan
bahwa D4= 2,115 dan D3 = 0. Batas kendali rentangan adalah
R D LCL
R 3

R D UCL
R 4
=(2,115)(5,3 pon) = 11,2 pon

= (0)(5,3 pon) = 0

Setting Control Limits
UCL
R
= D
4
R
= (2.115)(5.3)
= 11.2 pounds
LCL
R
= D
3
R
= (0)(5.3)
= 0 pounds
Average range R = 5.3 pounds
Sample size n = 5
From Table S6.1 D
4
= 2.115, D
3
= 0
UCL = 11.2
Mean = 5.3
LCL = 0
Bagan Kendali untuk Atribut
Ada dua jenis bagan kendali atribut: (1) mengukur persentase
penolakan dalam sebuah sampel, disebut bagan -p dan (2)
menghitung jumlah penolakan- disebut bagan-c.
Bagan-p (p-charts) merupakan salah satu cara untuk
mengendalikan atribut. Walaupun atribut baik atau buruk diikuti
distribusi binomial, distribusi normal dapat digunakaan untuk
menghitung batas bagan p saat ukuran sampel besar. Formula
batas kendali atas dan kendali bawah bagan-p, adalah :

p p
z p UCL
p p
z p LCL
di mana :
= rata-rata bagian yang ditolak dalam sampel
= jumlah standar deviasi (z = 2 untuk batas 95,45%; z = 3
untuk batas 99,73%)
= standar deviasi distribusi sampel
yg diperkirakan dengan formula :


dimana n = ukuran setiap sampel

Contoh. Karyawan penginput data di ARCO, memasukkan ribuan
catatan asuransi setiap hari. Seratus data yang dimasukkan oleh
setiap karyawan dari 20 karyawan diambil sebagai sampel dan
diteliti. Bagian yang ditolak dalam setiap sampel , dihitung
jumlah kesalahannya dengan hasil seperti dalam tabel dibawah.
Tetapkan batas kendali pada variasi 99,73% , dalam proses
penginputan data tersebut.
n
p p
p
} 1 (

p
z
' p

Nomor Jumlah Bagian

Sampel Kesalahan yg ditotalak

1 6 0,06
2 5 0,05
3 0 0,00
4 1 0,01
5 4 0,04
6 2 0,02
7 5 0,05
8 3 0,03
9 3 0,03
10 2 0,02
11 6 0,06
12 1 0,01
13 8 0,08
14 7 0,07
15 5 0,05
16 4 0,04
17 11 0,11
18 3 0,03
19 0 0,00
20 4 0,04

80

100
04 , 0 1 04 , 0
p

p p
z p UCL
p p
z p LCL

jumlah kesalahan _ = 80 = 0,04
total jumlah catatan yang diperiksa (100)(20)

= 0,02

n = ukuran setiap sampel = 100
= 0,04 + 3(0,02) = 0,10

= 0,04 - 3(0,02) = 0
( negatif ditolak tidak bisa)
p
=
Saat batas kendali dan bagian sampel yang ditolak di bawah dipetakan,
ternyata ditemukan hanya satu karyawan penginputan data (nomor 17)
yang berada di luar kendali. Perusahaan ingin meneliti pekerjaan
karyawan tersebut lebih jauh untuk melihat apakah ada permasalahan
yang serius




0,00
0,04
0,10
UCL
p
P=0,04
LCL
p
=0,00
Nomor sampel
Bagian
Yg
ditolak
.11
.10
.09
.08
.07
.06
.05
.04
.03
.02
.01
.00
Sample number
F
r
a
c
t
i
o
n

d
e
f
e
c
t
i
v
e

| | | | | | | | | |
2 4 6 8 10 12 14 16 18 20
p-Chart for Data Entry
UCL
p
= p + z
p
= .04 + 3(.02) = .10
^
LCL
p
= p - z
p
= .04 - 3(.02) = 0
^
UCL
p
= 0.10
LCL
p
= 0.00
p = 0.04
Bagan-c (c-charts) dibuat untuk mengetahui jumlah kecacatan per unit
output. Kegunaanya untuk memonitor proses yang memiliki
kemungkinan terjadinya kecacatan yang besar. Bagan-c mengguakan
dasar distribusi Poisson, yang mempunyai variansi sama dengan rata-
ratanya. Karena c adalah jumlah kecacatan rata-rata per unit, maka
standar deviasi sama dengan . Untuk menghitung batas kendali
99,73% untuk , digunakan rumus:

Batas kendali =

Contoh menetapkan batas kendali bagan-c
Perusahaan Taksi Red Top menerima beberapa keluhan setiap hari atas
perilaku para sopirnya. Selama 9 hari (hari adalah satuan pengukuran),
pemilik perusahaan menerima sejumlah keluhan dari penumpang yang
marah sebagai berikut: 3, 0, 8, 9, 6, 7, 4, 9, 8 dengan jumlah total 54
keluhan. Untuk menghitung batas kendali 99,73%, jumlah keluhan rata2

= 54/ 9 = 6 keluhan perhari
Karenanya,
UCLc = 6+36 =13,35
LCLc = 6- 36 = 6- 3(2,45) = 0 (karena nilai tidak bisa negatif)
c
c c 3
c
c
c-Chart for Cab Company
c = 54 complaints/9 days = 6 complaints/day
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
Day
N
u
m
b
e
r

d
e
f
e
c
t
i
v
e

14
12
10
8
6
4
2
0
UCL
c
= c + 3 c
= 6 + 3 6
= 13.35
LCL
c
= c - 3 c
= 3 - 3 6
= 0
UCL
c
= 13.35
LCL
c
= 0
c = 6
Permasalahan Pengelolaan dan Bagan Kendali
Karena hampir semua proses tidak dapat mencapai
kesempurnaan, manajer harus mengambil tiga
keputusan penting yang berkaitan dengan bagan
kendali.
1. Manajer harus memilih titik-titik dalam proses yang
membutuhkan SPC. "Bagian pekerjaan mana yang
menentukan keberhasilan" atau "Bagian pekerjaan
mana yang memiliki kecenderungan lepas kendali?"
2. Manajer perlu memutuskan mana yang lebih
sesuai, apakah bagan untuk variabel (yaitu x dan R)
atau bagan untuk atribut (p dan c).
3. Perusahaan harus menetapkan peraturan SPC yang
jelas untuk dipatuhi karyawan. Sebagai contoh,
apakah proses penginputan data harus dihentikan jika
terlihat adanya data yang salah .