DIAGRAM KONTROL VARIABEL

ABSTRAK
Kualitas merupakan ukuran seberapa baik produk itu sesuai dengan spesifikasi dan kelonggaran
yang disyaratkan dalam rancangan. Kualitas menjadi factor dasar keputusan konsumen dalam
banyak produk dan jasa. Dalam hal ini kualitas memegang peranan penting dalam menentukan
penjualan dan berapa hasil yang akan diterima perusahaan. Diperlukan suatu pengendalian kualitas
untuk menjaga kualitas produk dan jasa yang dihasilkan. PT. ZZZ memproduksi Cylinder Liner
type RC100 yang bahan bakunya berasal dari perusahaan rekanan pemesan Cylinder Liner. PT.
ZZZ(Persero) membuat Cylinder Lyner tersebut sesuai dengan spesifikasi pemesan yaitu
menyangkut diameter silinder. Agar dapat memenuhi spesifikasi perusahaan pemesan dan
mengontrol kualitas silinder maka diperlukan pembuatan diagram control pada proses
pengendalian kualitas. Data pengamatan diambil dari laporan Kerja Praktek mahasiswa dengan
judul Analisis Pengendalian Kualitas Pada Proses Produksi Cylinder Liner di PT. ZZZ. Variabel
yang digunakan dalam praktikum ini adalah variabel diameter Cylinder Liner Type RC100 pada
proses dua ( Raving II ) yaitu pada proses pengerjaan sisi bagian dalam (finish), yaitu untuk
mencapai ukuran 51.5+0.05. Dimana digunakan jumlah subgrup (m) sebanyak 10 dan jumlah sample
tiap subgroup (n) sebanyak 5 data. Dari diagram kendali individu terlihat bahwa terdapat data yang
out of control pada pengamatan ke-16. Data pada pengamatan tersebut tidak dapat langsung
dihilangkan karena tidak diketahui penyebab out of controlnya. Perlu dilakukan penelusuran
penyebab out of control pada pengamatan tersebut untuk selanjutnya dibuat diagram kontrol yang
baik. Pada diagram kontrol X R dan X S semua data berada dalam batas control. Dilihat
dari lebar batas kontrolnya diagram kontrol X S lebih baik jika dibandingkan

BAB I

PENDAHULUAN
1.1 Latar Belakang
Kualitas merupakan ukuran seberapa baik produk itu sesuai dengan
spesifikasi dan kelonggaran yang disyaratkan dalam rancangan. Kualitas menjadi
faktor dasar keputusan konsumen dalam banyak produk dan jasa. Dalam hal ini
kualitas memegang peranan penting dalam menentukan penjualan dan berapa
hasil yang akan diterima perusahaan. Diperlukan suatu pengendalian kualitas
untuk menjaga kualitas produk dan jasa yang dihasilkan. Pengendalian kualitas
tersebut

meliputi

aktivitas

pengukuran

ciri-ciri

kualitas

produk,

membandingkannya dengan spesifikasi, dan mengambil tindakan penyehatan

yang sesuai apabila ada perbedaan antara hasil pengamatan dengan standar.
PT.ZZZ memproduksi Cylinder Liner type RC100 yang bahan bakunya
berasal dari perusahaan rekanan pemesan Cylinder Liner. PT. ZZZ membuat
Cylinder Lyner tersebut sesuai dengan spesifikasi pemesan yaitu menyangkut
diameter silinder. Agar dapat memenuhi spesifikasi perusahaan pemesan dan
mengontrol kualitas silinder maka diperlukan pembuatan diagram kontrol pada
proses pengendalian kualitas.
1.2 Permasalahan
Permasalahan dalam praktikum ini adalah sebagai berikut:
1. Bagaimana proses pengontrolan kualitas untuk Cylinder Lyner type
RC100 dengan menggunakan diagram kontrol X - R .
2. Bagaimana proses pengontrolan kualitas untuk Cylinder Lyner type
RC100 dengan menggunakan diagram kontrol X - S .
3. Bagaimana proses pengontrolan kualitas untuk Cylinder Lyner type
RC100 dengan menggunakan diagram kontrol individu.
4. Bagaimana perbandingan dari diagram kontrol X - R ., diagram kontrol
X

- S , dan diagram kontrol individu.

1.3 Tujuan
Tujuan dari praktikum ini adalah sebagai berikut:

1. Mengetahui proses pengontrolan kualitas untuk Cylinder Lyner type

RC100 dengan menggunakan diagram kontrol X - R .
2. Mengetahui proses pengontrolan kualitas untuk Cylinder Lyner type
RC100 dengan menggunakan diagram control X - S .
3. Mengetahui proses pengontrolan kualitas untuk Cylinder Lyner type
RC100 dengan menggunakan diagram kontrol individu.
4. Mengetahui perbandingan dari diagram kontrol X - R , diagram kontrol
X

- S , dan diagram kontrol individu.

BAB II
TINJAUAN PUSTAKA

Dalam praktikum ini, dibutuhkan teori-teori yang mendukung pelaksanaan

praktikum. Selain itu, juga dibutuhkan rumus-rumus yang digunakan dalm proses
perhitungan. Sehingga, pada bab ini akan dijelaskan mengenai teori-teori dan
rumus-rumus yang digunakan dalam pelaksanaan praktikum ini.
2.1 Tinjauan Statistik
2.1.1 Pengertian Variabel
Variabel merupakan suatu karakteristik kualitas yang dapat diukur seperti
berat, diameter dan volume (Douglas C. Montgomery, 1998). Banyak karakteristik
kualitas yang dapat dinyatakan dalam bentuk ukuran angka. Misalnya diameter
cincin silinder mesin dan volume botol.
2.1.2 Grafik Pengendali Variabel
Grafik pengendali variabel merupakan prosedur pengendali yang
memberikan informasi tentang penampilan proses yang lebih banyak daripada
grafik pengendali atribut (Douglas C. Montgomery, 1998). Grafik pengendali
variabel terdiri atas grafik pengendali X dan R, grafik pengendali X dan S,
grafik pengendali S2 dan grafik pengendali individu. Pada grafik pengendali kita
mengendalikan nilai mean karakteristik kualitas dan variabilitasnya.
Grafik pengendali untuk mean atau grafik

digunakan pada

pengendalian rata-rata proses mean untuk tingkat kualitas. Sedangkan variabilitas

atau pemencaran proses dapat dikendalikan dengan grafik pengendali untuk
deviasi standart (grafik S) atau grafik pengendali untuk rentang

(grafik R),

namun grafik R lebih banyak digunakan. Biasanya grafik R dan grafik X yang
terpisah dibuat untuk tiap karekteristik kualitas menarik perhatian. Apabila
karekteristik kualitas saling rapat berhubungan dapat mengakibatkan hasil yang
kurang bagus. Grafik X dan R termasuk teknik pengendalian proses statistik
yang paling berguna dan penting.
2.1.3

Grafik Pengendali X dan R

Apabila karakteristik kualitas berdistribusi normal dengan mean dan

deviasi standart

, dengan dan keduanya diketahui. Jika x1,x2,..,xn sampel

berukuran n maka rata- rata sampel tersebut adalah

x1 x 2 ... x n
n

Diketahui bahwa

(2.1)

adalah mean dari supgrup yang berdistribusi normal

dengan mean dan deviasi standart x =

dan probalilitasnya adalah 1 -

, setiap mean sampel akan di antara

Z / 2 x Z 2

Z / 2 x Z 2

Dengan demikian, jika dan

(2.2)

keduanya diketahui dapat digunakan sebagai

batas kendali atas dan bawah pada grafik pengendali mean sampel. Untuk Z

diganti dengan 3 sehingga digunakan batas 3-sigma. Distrubusi karakteristik

kualitas adalah normal, tetapi teorema limit pusat hasil di atas kira-kira masih
benar meskipun disrtibusinya bukan normal. Jika dan

tidak diketahui , nilai-

nilai tersebut ditaksir dari sampel-sampel pendahuluan yang diambil prosess itu
diduga terkendali. Biasanya taksiran ini didasarkan pada paling sedkit 20 sampai
25 sampel. Sampel-sampel kecil dari pembentukan himpunan bagian rasional
yang kenyataannya biaya pengambilan dan pemeriksa sampel dengan pengukuran
variabel relati tinggi. Misalnya x 1 , x 2 ,...., x m adalah rata-rata tiap sampel. Maka
penaksir terbaik untuk rata-rata proses adalah rata-rata keseluruhannya,
rumusnya adalah
x

x 1 x 2 .... x m
m

(2.3)

Untuk membuat batas kendali pada saat akan memusatkan pada metode
rentang perlu penaksir untuk deviasi standart

atau rentang m sampel tersebut.

Jika x1,x2,..,xn sampel berukuran n, maka rentang sampel tersebut adalah selisih
observasi terbesar dan terkecil yakni
R= xmax - xmin

(2.4)

Terdapat hubungan antara rentang suatu sampel dari deviasi standart

distribusi normal, variabel random W =

dan

dinamakan rentang relatif.

Parameter distribusi W adalah fungsi ukuran sampel n dan meannya adalah d2.
Sehingga penaksir untuk

adalah

R d 2 . Sedangkan nilai d2 untuk berbagai

ukuran sampel dapat dilihat di tabel. Misalkan R1, R2, ..., Rn adalah rentang m
sampel, rumus rentang rata-ratanya sebagai berikut.
R

R1 R2 ... Rm
m

(2.5)

Taksiran dapat dihitung dengan rumus yakni

R d 2

(2.6)

Jika ukuran sampel relatif kecil, metode rentang menghasilkan penaksir

untuk variansi yang hampir sama baiknya seperti penaksir kuadratik yang biasa
(variansi sampel S2).
Untuk nilai n yang agak besar ( n 10 ) rentang kehilangan efesiensinya
secara cepat, karena rentang mengabaikan informasi dalam sampel antara x max dan
xmin . Tetapi untuk ukuran sampel yang kecil kerap kali digunakan pada grafik
pengendali variabel ( n= 4, 5, atau 6) sangat memuaskan. Jika

digunakan

sebagai penaksir untuk dan R d 2 sebagai penaksir untuk , maka parameter

grafik X adalah :
UCL = x

3
d2 n

Centre line =
LCL = x

3
d2 n

(2.7)

UCL adalah nilai batas atas dari grafik X dan LCL adalah nila batas bawah dari
grafik X .
Kuantitas (A2 ) adalah konstan yang hanya tergantung pada ukuran sampel. A2
adalah
A2

(2.8)

d2 n

Maka parameter grafik X adalah

Centre line =
UCL =

x A2 R

LCL =

(2.9)

x A2 R

dimana : Centre Line = Garis tengah

UCL = Upper Control Limit (BPA)
LCL = Lower Control Limit (BPB)
Untuk konstan A2 dapat dilihat pada tabel.
Variablititas proses dapat dikendalikan dengan menggambarkan nilai-nilai R
dari sampel-sampel yang berurutan pada grafik pengendali,sedangkan garis
tengahnya dalah R itu sendiri. Untuk menentukan batas pengendaliannya perlu
taksiran untuk R . Dengan menganggap karakteristik kualitas berdistribusi
normal, estemasi R dapat diperoleh dari distribusi rentang relatif W =

deviasi strandart W dapat dikatakan d3 yang merupakan fungsi n yang diketahui.

Karena R = W maka deviasi strandart R adalah

R d 3 . Jika

tidak

R
diketahui menaksir R dengan R d 3
. Dengan demikian parameter grafik R
d2

dengan batas pengendali 3-sigma yang biasa adalah :

R

UCL = R + 3 R = R + 3d 3
d2
Centre line = R
R

LCL = R - 3 R = R - 3d 3
d2
Misalkan D3 1 3

(2.10)

d3
d3
dan D4 1 3
d2
d2

Parameter-parameter grafik R dapat didefinisikan sebagai berikut :

UCL = R D4
Centre line = R
LCL = R D3

(2.11)

UCL adalah nilai batas atas dari grafik R dan LCL adalah nila batas bawah dari
grafik R .
Konstan D4 dan D3 untuk berbagai nilai n dapat dilihat pada tabel.

Apabila sampel-sampel pendahuluan digunakan untuk membentuk grafik

pengendali X dan R yang memperlakukan batas pengendali tersebut sebagai
nilai-nilai percobaan. Maka m mean dan rentang sampel harus tergambar pada
grafik dan setiap sampel yang diluar batas pengendali harus diselidiki. Apabila
sebab sebab terduga untuk titik-titik ini ditemukan, titik-titik tersebut harus
dibuang dan ditentukan batas pengendali yang baru.
Untuk parameter grafik X dapat dituliskan rumus sebagai berikut :
UCL = 3

Centre line =
LCL = 3
Kuantitas 3/

(2.12)

= A misalnya adalah suatu konstan yang tergantung pada n,

dengan demikian parameter grafik X dapat dituliskan rumus sebagai berikut

UCL = A
Centre line =
LCL = A

(2.13)

Untuk membentuk grafik R dengan nilai standart

, maka parameter grafik

pengendali adalah :
UCL = d 2 + 3 d 3
Centre line = d 2
LCL = d 2 - 3 d 3

(2.14)

Sedangakan konstan D1 = d 2 + 3 d 3 dan D2 = d 2 - 3 d 3

Konstan ini dapat dilihat dalam tabel, jadi parameter grafik R dan

adalah

UCL = D2
Centre line = D2
LCL = D3

(2.15)

2.1.4 Grafik Pengendali X dan S

Apabila ukuran sampel n cukup besar (n>10) metode rentang guna menaksir

kehilangan efesiensi statistiknya. Maka yang perlu dilakukan adalah

mengganti grafik X dan R yang biasa dengan grafik X dan S dengan standart

proses ditaksir secara langsung tidak melalui R. Jika tidak 2 diketahui, maka
penaksir tak bias untuk 2 adalah variansi sampel. Rumusnya sebagai berikut.
n

S2

(x
i 1

x )

(2.16)

n 1

Tetapi deviasi standart sampel S bukan penaksir tak bias untuk

. Jika

berdistribusi normal, S sebenarnya menaksir c 4 dengan C4 adalah suatu konstan

yang tergantung pada ukuran sampel n. Deviasi standart S adalah 1 c 2 dan
dapat digunakan untuk membentuk grafik pengendali X dan S. Karena E(S)=
c 4 , maka batas pengendali 3-sigma S adalah

UCL = c 4 + 3 1 c 2
LCL

c 4

3 1 c 2

(2.17)
Sedangkan definisi konstannya adalah
B5 = c 4 - 3 1 c 4 2
B6 = c 4 +3 1 c 4 2

(2.18)

Parameter grafik S dengan nilai standart adalah

UCL = B6
Centre line = c 4
LCL = B5

(2.19)

Jika nilai standart bagi

tidak diberikan, maka harus ditaksir dengan

menganalisa data yang lalu. Jika tersedia m sampel pendahuluan masing-masing

berukuran n, misalkan Si adalah deviasi standart sampai ke-i. Rata-rata deviasi
standart sampai ke-i adalah
S

1 m
Si
m i 1

/C4 adalah penaksir tak bias untuk

UCL =

+3

Centre line =

, maka parameter grafik S yakni

S
1 c4 2
c4
S

(2.20)

LCL =

-3

S
1 c4 2
c4

(2.21)

Definisi konstan yakni

B3 = 1-

3
3
2
2
dan B4 = 1+

c
4
c4
c4 1 c 4

(2.22)

Parameter grafik S dapat diltulis sebagai berikut

UCL = B4 S
Centre line =

LCL = B3 S

(2.23)

UCL adalah nilai batas atas dari grafik

grafik
S

dan LCL adalah nila batas bawah dari

/C4 digunakan untuk menaksir , maka batas pengendali grafik

sekawannya yakni :
3S

UCL = x c
4
Centre line =

3S

LCL = x c

(2.24)

UCL adalah nilai batas atas dari grafik X dan LCL adalah nila batas bawah dari
grafik X .
Misalkan konstan A3 3(c 4 n ), maka parameter grafik S dapat diltulis
sebagai berikut :
UCL =

x A3 S

Centre line =
LCL =

(2.25)

x A3 S

2.1.5. Diagram Kontrol Individu

Pada diagram kontrol individu, prosedur pengendaliannya menggunakan
rentang bergerak dua observasi berurutan. Parameter diagram kontrol individu
yaitu:
UCL =

+3

R
d2

10

Cebter line =
LCL =

-3

R
d2

(2.29)

UCL adalah nilai batas atas dari diagram kontrol individu dan LCL adalah nila
batas bawah dari diagram kontrol individu.
2.2 Tinjauan Kasus
Untuk menggontrol diameter Cylinder Liner Type RC100 maka harus
diketahui proses pembuatan Cylinder tersebut. Pembuatan Cylinder Liner Type
RC100 melalui enam proses yaitu :
2.2.1. Proses awal
Proses awal adalah proses Raving (kasar), yaitu mengerjakan kode:
(a) Ukuran permukaan, yaitu untuk mencapai ukuran 34 0.5 .
(b) Diameter dalam, yaitu untuk mencapai ukuran 49(mox).
2.2.2. Proses satu
Adalah proses Cutting, yaitu mengerjakan kode:
(a) Untuk mencapai ukuran yang telah ditentukan, yaitu 73.7 0.1 .
(b) Untuk mencapai ukuran yang telah ditentukan, yaitu 26.3 0.1 .
(c) Untuk mencapai ukuran yang telah ditentukan, yaitu 25 0.1 .
(d) Untuk mencapai ukuran yang telah ditentukan, yaitu 63 11.1 .
(e) Untuk mencapai ukuran yang telah ditentukan, yaitu 57 .
(f) Untuk mencapai ukuran yang telah ditentukan, yaitu 62 0.25 .
2.2.3. Proses dua
Adalah proses Raving II, yaitu mengerjakan kode:
(a) Mengerjakan sisi bagian dalam (finish), yaitu untuk mencapai ukuran
51.5+0.05.
(b) Mengerjakan permukaan atas, yaitu untuk mencapai ukuran
4.4 0.05 .

2.2.4. Proses tiga

Adalah proses Grinding, yaitu mengerjakan proses A untuk mencapai
ukuran 4.2 0.05 .

11

2.2.5. Proses empat

Adalah proses Finishing Grinding, yaitu mengerjakan bagian luar
dengan kode:
(a) Untuk mencapai ukuran 62.5+0.05.
(b) Untuk mencapai ukuran 4+0.05.
2.2.6. Proses lima
Adalah proses Drilling, yaitu mengerjakan permukaan atas dengan kode:
(a) Untuk mencapai ukuran 64 0.2 .
(b) Untuk mencapai ukuran 4-9.

2.2.7 Diagram Proses Produksi

1

Keterangan :
1. Raving (Kasar)
2.Cutting

3. Raving II
4. Grinding
5. Finishing

6. Drilling
= Proses produksi

= Proses produksi
yang diukur

6
Gambar 2.1 Diagram Proses Produksi

12

BAB III
METODOLOGI PENELITIAN
Dalam pelaksanaan praktikum ini, dibutuhkan data dan perlu diketahui
variabel penelitian yang digunakan. Selain itu, dalam praktikum ini juga
dilakukan anlisa secara sistematis. Sehingga, pada bab ini akan dijelaskan sumber
data yang kami peroleh, variabel penelitian yang digunakan, dan langkah-langkah
sistematis yang dilakukan dalam analisa.
3.1 Sumber Data
Data dalam praktikum ini diambil dari laporan Kerja Praktek dari Basuki
Kurniawan dengan judul Analisis Pengendalian Kualitas Pada Proses Produksi
Cylinder Liner di PT. ZZZ(Persero).
3.2 Variabel Penelitian
Variabel yang digunakan dalam praktikum ini adalah variabel diameter
Cylinder Liner Type RC100 pada proses dua ( Raving II ) yaitu pada proses
pengerjaan sisi bagian dalam (finish), yaitu untuk mencapai ukuran 51.5 +0.05.

13

Digunakan jumlah subgrup (m) sebanyak 10 dan jumlah sample tiap subgroup (n)
sebanyak 5 data sehingga jumlah seluruh data sebanyak 50 data.
3.3 Langkah Analisa
3.3.1 Metode Analisa
Kegiatan praktikum ini menggunakan salah satu metode dalam ilmu
pengendalian kualitas yaitu diagram kontrol variabel. Tahap analisanya adalah
sebagai berikut :
1.

Pengambilan data yang diperoleh dari laporan Kerja Praktek.

2.

Dilakukan pengujian terhadap asumsi yang harus dipenuhi untuk

menggunakan diagram kendali variabel yaitu asumsi random dan asumsi
normal.

3.

Dilakukan pengolahan data dengan software minitab dan dibuat diagram

kendali variabel untuk subgrup.

4.

Mencari diagram kendali variabel yang terbaik dengan membandingkan

hasil yang diperoleh.

5.

Membuat kesimpulan dari hasil yang diperoleh.

3.3.2 Diagram Alur Analisa

Pengumpulan Data

tidak

ya
Uji kerandoman

Penambahan Data
tidak

Uji kenormalan

Transformasi

Pengolahan Data

Membuat diagram kendali individu,

x R dan x S

14

ya

Membandingkan ketiga diagram

ya

Menghilangkan data
di luar kontrol

Tidak

Data dalam
batas
kontrol

Membuat diagram
kontrol baru
Kesimpulan
Gambar 3.1 Diagram Alur Analisa

BAB IV
ANALISA DATA
4.1 Statistik Deskriptif
Statistik deskriptif menjelaskan mengenai ukuran pemusatan dan
persebaran data yang terdapat pada tabel berikut :
Tabel 4.1 Statistik Deskriptif Diameter Cylinder
Total
Variable
Diameter
Cylinder

Count

Mean SE

50

51.531

Mean

StDev

0.00127

0.00896

Minimum

Maximum

Range

51.505

51.55

0.045

Berdasarkan output minitab dapat diketahui bahwa terdapat sebanyak 50

Cylinder yang diambil sebagai sampel. Mean atau nilai rata-rata dari 50 data
tersebut adalah 51,531 gram. Dengan standart error mean sebesar 0,00127
dan standart deviasi sebesar 0,00896. Nilai minimumya 51,505 sedangkan
nilai maksimumnya 51,550. Sehingga rangenya sebesar 0,045.

15

4.2 Uji Asumsi

Uji asumsi terdapat tiga pengujian meliputi :
4.2.1 Uji Kerandoman Data
Uji kerandoman data digunakan untuk melihat apakah data yang
diambil sudah terambil secara acak atau tidak. Uji kerandoman data
menggunakan run test untuk 50 Cylinder Liner Type RC100 sebagai
berikut :
Hipotesis yang digunakan adalah :
H0 : Data diambil secara acak dari populasi Cylinder Liner
H1 : Data tidak diambil secara acak dari populasi Cylinder Liner
0.05

Daerah Penolakan :
P_value = 0,086
P_value > maka gagal tolak Ho.
Kesimpulan : Data 50 Cylinder Liner Type RC100 telah terambil secara
acak.
Tabel 4.2 Run Test Diameter Cylinder
Keterangan output Run Test
Runs above and below K
The observed number of runs
The expected number of runs
Observation above K
Observation below K
P-value

Nilai
51.5312
20
26
25
25
0.086

Berdasarkan output run test diketahui bahwa nilai k (nilai rata-rata)

sebesar 51,5312. Jumlah data yang berada di atas rata-rata sebanyak 25.
Sedangkan jumlah data yang berada di bawah rata-rata juga sebanyak 25.
Karena jumlah data yang berada di atas dan di bawah k sama maka data
telah terambil secara acak.
4.2.2 Uji Kenormalan Data
Uji kenormalan data digunakan untuk apakah data berdistribusi
normal atau tidak. Uji kenormalan data menggunakan uji kolmogorov
smirnov untuk 50 Cylinder Liner Type RC100 sebagai berikut.

16

Hipotesis :
Ho : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
0.05

Daerah Penolakan:
P_value > 0,15
P_value > maka terima Ho
Kesimpulan : Data 50 Cylinder Liner Type RC100 berdistribusi normal.

Probability Plot of Diameter Cylinder

Normal
99

Mean
StDev
N
KS
P-Value

95
90

51.53
0.008965
50
0.071
>0.150

Percent

80
70
60
50
40
30
20
10
5

51.50

51.51

51.52
51.53
Diameter Cylinder

51.54

51.55

Gambar 4.1 Probability Diameter Cylinder

Secara visual berdasarkan probability plot terlihat bahwa semua

data berada di sekitar garis. Hal ini menunjukkan bahwa data berdistribusi
normal.
4.3 Diagram Kontrol Individu
Diagram kontrol individu digunakan untuk mengetahui apakah
data secara individu telah terkontrol atau tidak. Digram kontrol individu
untuk 50 karung SP-36 adalah sebagai berikut.

17

I-MR Chart of Diameter Cylinder

I ndividual Value

51.56

UCL=51.55682

51.54

_
X=51.5312

51.52
LCL=51.50558

51.50
1

11

16

21

26
Observation

31

36

41

46

UCL=0.03147

Moving Range

0.03

0.02
__
MR=0.00963

0.01

0.00

LCL=0
1

11

16

21

26
Observation

31

36

41

46

Gambar 4.2 Diagram Kontrol Individu Berat Karung

Berdasarkan gambar diagram kontrol individu tersebut terlihat bahwa

untuk individual value batas kontrol atasnya sebesar 51,56 dan batas kontrol
bawahnya sebesar 51,50. Dan terlihat pada diagram bahwa terdapat data yang
out of control yaitu pada pengamatan ke-16. Data pada pengamatan tersebut
tidak dapat langsung dihilangkan karena kita tidak mengetahui penyebab out
of control tersebut. Sedangkan untuk moving range batas kontrol atasnya
sebesar 0,3147 dan batas kontrol bawahnya sebesar 0. Dan terlihat pula pada
diagram bahwa terdapat titik-titik yang terletak pada batas kontrol bawah.
Diagram di atas belum berada dalam kontrol karena data yang out of kontrol
tidak dapat dihilangkan begitu saja.
4.4 Digram Kontrol Subgrup
4.4.1 Diagram Kontrol X R
Diagram kendali X R digunakan untuk mengetahui apakah data
berdasarkan rata-rata dan range telah terkontrol atau tidak. Digram kendali
X R

untuk 50 Cylinder Lyner type RC100 adalah sebagai berikut.

18

Xbar-R Chart of Diameter Cylinder

UCL=51.54413
Sample Mean

51.54
__
X=51.5312

51.53

51.52

LCL=51.51827
1

10

Sample

Sample Range

0.048

UCL=0.04739

0.036
_
R=0.02241

0.024
0.012
0.000

LCL=0
1

10

Sample

Gambar 4.3 Diagram Kendali x dan R diameter Cylinder

Berdasarkan gambar diagram kendali X tersebut terlihat bahwa

semua data berada dalam batas kontrol bawah dan batas kontrol atas.
Sedangkan untuk diagram kendali R semua data berada dalam batas
kontrol 3-sigma. Proses dalam sudah terkontrol dan diagram kontrol diatas
dapat digunakan dalam proses selanjutnya.
4.4.2 Diagram Kontrol
Diagram kendali

X S

X S

digunakan untuk mengetahui apakah data

berdasarkan rata-rata dan standart deviasi telah terkontrol atau tidak.

Digram kendali

X S

untuk 50 Cylinder Lyner type RC100 adalah

sebagai berikut.
Xbar-S Chart of Diameter Cylinder
UCL=51.54413
Sample Mean

51.54
__
X=51.5312

51.53

51.52

LCL=51.51827
1

10

Sample

Sample StDev

0.020

UCL=0.01892

0.015
_
S=0.00906

0.010
0.005
0.000

LCL=0
1

10

Sample

Gambar 4.4 Diagram Kendali x dan S diameter Cylinder

19

Berdasarkan gambar diagram kendali X tersebut terlihat bahwa

semua data berada dalam batas kontrol bawah dan batas kontrol atas.
Sedangkan untuk diagram kendali S semua data berada dalam batas
kontrol 3-sigma. Proses dalam sudah terkontrol dan diagram kontrol diatas
dapat digunakan dalam proses selanjutnya.
4.5 Perbandingan Diagram Kontrol Individu, X R ,

X S

Hasil yang diperoleh dari diagram kendali individu tersebut terlihat bahwa
terdapat data yang out of control pada pengamatan ke-16 sehingga proses belum
terkontrol. Untuk data subgrup, diagram kendali X - R dan

X S

semua data

berada dalam batas kontrol bawah dan batas kontrol atas sehingga proses sudah
terkontrol. Terdapat perbedaan analisa antara diagram control individu dan
subgroup.
Jika dilihat dari batas kontrol yang diperoleh dari masing-masing diagram
kontrol yang telah terkontrol yaitu:
Tabel 4.3 Perbandingan Lebar Batas Kontrol

Individu
Xbar-R
Xbar-S

IV
MR
Mean
Range
Mean
Stdev

Batas
Kontrol
Atas
51.56
0.03147
51.54
0.047
51.54
0

Batas
Kontrol
Bawah
51.5
0
51.52
0
51.52
0

Lebar Batas Kontrol

0.06
0.03147
0.02
0.047
0.02
0.019

Diagram kontrol individu memiliki lebar batas kontrol untuk individual

value sebesar 0,06 dan lebar batas kontrol untuk moving range sebesar 0,03.
Diagram kontrol X R memiliki lebar batas kontrol untuk mean sebesar 0,02
dan lebar batas kontrol untuk standart deviasinya sebesar 0,047. Sedangkan
diagram kontrol

X S

memiliki lebar batas kontrol untuk mean sebesar 0,02 dan

lebar batas kontrol untuk standart deviasinya sebesar 0,19. Sehingga dilihat dari
lebar batas kontrolnya diagram kontrol

X S

lebih baik jika dibandingkan

dengan diagram kontrol individu dan diagram kontrol X R . karena lebar batas
kontrolnya lebih sempit.

20

BAB V
KESIMPULAN
5.1 Kesimpulan
Data 50 diameter Cylinder Lyner type RC100 yang telah dianalisis
diperoleh kesimpulan sebagai berikut :
1. Secara deskriptif dapat diketahui bahwa terdapat sebanyak 50 data. Mean
atau nilai rata-rata dari 50 data tersebut adalah 51,531 gram. Dengan
standart error mean sebesar 0,00127 dan standart deviasi sebesar 0,00896.
Nilai minimumya 51,505 sedangkan nilai maksimumnya 51,550. Sehingga
rangenya sebesar 0,045.
2. Dari diagram kendali individu terlihat bahwa terdapat data yang out of
control pada pengamatan ke-16 sehingga proses belum terkontrol. Data

21

pada pengamatan tersebut tidak dapat langsung dihilangkan karena tidak

diketahui penyebab out of controlnya.
3. Untuk data subgrup, diagram kontrol X R dan diagram kontrol

X S

semua data berada dalam batas kontrol bawah dan batas kontrol atas.
Proses produksi dalam perusahaan tersebut sudah berada dalam kontrol.
Berbeda dengan analisa pada data individu.
4.

Dilihat dari lebar batas kontrolnya diagram kontrol

dibandingkan dengan diagram kontrol individu
X R

X S

lebih baik jika

dan diagram kontrol

karena lebar batas kontrolnya lebih sempit.

5.2 Saran
Dari diagram kendali individu terlihat bahwa terdapat data yang out of
control pada pengamatan ke-16 sehingga proses belum terkontrol. Perlu dilakukan
penelusuran penyebab out of control pada pengamatan tersebut agar kemudian
dapat dibuat diagram kontrol yang baik. Perlu dilakukan pengawasan secara
kotinyu agar jika terjadi kejadian di luar batas kontrol dapat segera ditangani.
Pengendalian kualitas terus dibutuhkan dalam proses produksi untuk menjaga
kualitas produk.
DAFTAR PUSTAKA
Kurniawan, Basuki (2000), Laporan Kerja Praktek Analisis Pengendalian
Kualitas

Pada

Proses

Produksi

Cylinder

Liner

di

PT.

ZZZ(Persero).Sidoarjo.
Montgomery, Douglas C (1998), Pengantar Pengendalian Kualitas Statistik
Terjemahan cetakan ke 5 , Universitas Gajah Mada, Yogyakarta.
Montgomery, Douglas C (2005), Introduction to Statistical Quality Control
John Willey and Sons.Inc, USA.

22

5th

LAMPIRAN
Berikut data subgrup diameter Cylinder Lyner type RC100
No.Subgroup
1
2
3
4
5
6
7
8
9
10

x1
51.53
51.516
51.515
51.505
51.525
51.53
51.524
51.53
51.53
51.525

x2
51.53
51.525
51.53
51.53
51.527
51.527
51.526
51.526
51.522
51.52

x3
51.525
51.52
51.53
51.55
51.549
51.527
51.55
51.543
51.549
51.532

23

x4
51.54
51.538
51.536
51.538
51.534
51.538
51.539
51.532
51.539
51.535

x5
51.533
51.534
51.532
51.532
51.536
51.537
51.532
51.534
51.519
51.534