Laporan Praktek Quality

LAPORAN PRAKTIKUM
PENJAMINAN DAN PENGENDALIAN KUALITAS

Diajukan sebagai syarat kelulusan
Mata Kuliah Penjaminan dan Pengendalian Kualitas
Disusun Oleh:
KELOMPOK 04
PROGRAM STUDI TEKNIK INDSUTRI

FAKULTAS TEKNIK
UNIVERSITAS MERCU BUANA
2014
LEMBAR PENGESAHAN
Laporan Praktikum Penjaminan dan Pengendalian Kualitas

KELOMPOK VI :
Telah disetujui dan diterima sebagai syarat kelulusan mata kuliah

Penjaminan dan Pengendalian Kualitas
Mengetahui
Asisten Laboratorium Penjaminan dan Pengendalian Kualitas
Asisten 1
Asisten 2
Hesti
Nova
Tanggal Pengumpulan : 28 Desember 2014
KATA PENGANTAR
Puji syukur tim penyusun panjatkan kepada Tuhan Yang Maha Esa yang telah
memberikan Rahmat serta Karunia-Nya, sehingga tim penyusun dapat menyelesaikan
laporan ini tepat pada waktunya.
Studi kasus ini disusun untuk diajukan sebagai pelengkap tugas

Pengendalian dan Penjaminan Kualitas di Universitas Mercu Buana Jurusan
Teknik Industri.
Terima kasih juga penulis sampaikan kepada Dosen Pengendalian dan
Penjaminan Kualitas kami yang telah membimbing dan mangarahkan kami demi
lancarnya makalah ini. Dan tidak lupa Kakak-Kakak Asisten Dosen yang
membimbing pada saat pratikum berlangsung.
Demikianlah studi kasus
ini disusun semoga bermanfaat dan
dapat
melengkapi tugas Pengendalian dan Penjaminan Kualitas Kami.
Jakarta, 28 Desember 2014
Tim Penyusun
DAFTAR ISI
LEMBAR PENGESAHAN...........................................................................................2
KATA PENGANTAR....................................................................................................3
DAFTAR ISI..................................................................................................................4
MODUL 1 SPC 7 TOOLS.............................................................................................7
BAB I PENDAHULUAN.............................................................................................8
1.1 Tujuan Praktikum................................................................................................8
1.2 Manfaat Praktikum..............................................................................................8
1.3 Rumusan Masalah................................................................................................8
1.4 Sistematika Penyusunan Laporan........................................................................8
BAB II TINJAUAN PUSTAKA...................................................................................9
2.1 Pengendalian Proses Statistik (Statistical Process Control)................................9
BAB III PENGUMPULAN DAN PENGOLAHAN DATA.......................................18
3.1 Flow Chrt Poses di Bank...................................................................................18
3.2 Diagram Pareto Kerusakan Produk...................................................................19
3.3 Histogram Tinggi Badan 40 Mahasiswa Mercubuana.......................................20
BAB IV ANALISA DATA..........................................................................................22
4.1 Analisa Flow Chart Bank...................................................................................22
4.2 Analisa Diagram Pareto Kerusakan Produk......................................................22
4.3 Analisa Diagram Histogram Tinggi Badan 40 Mahasiwa Mercubuana............23
BAB V KESIMPULAN DAN SARAN......................................................................24
5.1 Kesimpulan........................................................................................................24
5.2 Saran..................................................................................................................25
MODUL 2 PETA KENDALI......................................................................................26
BAB I PENDAHULUAN...........................................................................................27
1.1Tujuan Praktikum...............................................................................................27
1.2 Manfaat Praktikum............................................................................................27
1.3 Rumusan Masalah..............................................................................................27
1.4 Sistematika Penyusunan Laporan......................................................................27
BAB II LANDASAN TEORI......................................................................................28
2.1 Teori Singkat......................................................................................................28
2.2 Penggunaan Peta Pengendalian Data Variabel.................................................29

2.2.1 Peta Kendali X-bar dan R.......................................................................29
2.3 Penggunaan Peta Pengendaliaan Data Atribut...................................................33
2.3.1 Peta Kendali P dan NP............................................................................33
2.3.2 Peta Kendali C........................................................................................35
BAB III PENGOLAHAN DATA................................................................................37
3.1 Peta Pengendalian Data Variabel (Peta X-bar dan R)........................................37
3.2 Peta Pengendalian Data Atribut (Peta P)...........................................................41
3.3 Peta Pengendalian Data Atribut (Peta NP)........................................................43
3.4 Peta Pengendalian Data Atribut (Peta C)...........................................................45
4.1 Analisa Peta Pengendalian Variabel (Peta X-bar dan R)...................................47
4.2 Analisa Peta Pengendalian Attribute (Peta P)....................................................47
4.3 Analisa Peta Pengendalian Attribute (Peta NP).................................................47
4.4 Analisa Peta Pengendalian Attribute (Peta C)...................................................47
MODUL 3 PROCCES CAPABILITY........................................................................48
1.1 Tujuan Praktikum..............................................................................................49
1.3 Rumusan Masalah..............................................................................................49
2.1 Cara membuat analisis kemampuan proses.......................................................51
2.2 Langkah-langkah menghitung process capability.............................................52
BAB IVANALISA DATA............................................................................................58
4.1 Analisa Kapabilitas Proses.................................................................................58
BAB V KESIMPULAN..............................................................................................58
5.1 Kesimpulan........................................................................................................58
5.2 Saran..................................................................................................................58
MODUL 4 PROSES PERBAIKAN (IMPROVEMENT)...........................................59
1.2 Tujuan Praktikum..............................................................................................60
5

1.4 Rumusan Masalah..............................................................................................60
2.1 Analisis Varian (ANOVA).................................................................................61
2.2 Anova Dua Arah................................................................................................63
2.3 Desain Eksperimen Faktorial.............................................................................65
3.1 Tugas Praktikum................................................................................................69
4.1 Analisa...............................................................................................................74
BAB V KESIMPULAN..............................................................................................75
5.1 Kesimpulan........................................................................................................75
5.2 Saran..................................................................................................................75
DAFTAR PUSTAKA..................................................................................................76
LAMPIRAN................................................................................................................77
MODUL 1 PETA KENDALI
BAB I
PENDAHULUAN
1.1 Tujuan Praktikum

Tujuan dari praktikum ini yaitu diharapkan para mahasiswa mampu
mengetahui macam-macam atau jenis-jenis peta pengendalian, mampu membuat
peta kendali ( Control Chart ) baik secara manual maupun dengan menggunakan
MINITAB.
1.2 Manfaat Praktikum
Manfaat dari praktikum ini yaitu mahasiswa memehami cara menganalisa
sumber atau penyebab timbulnya variasi sumber atau penyebab timbulnya variasi,
dan memahami penggunaan peta penegndalian data variable.
1.3 Rumusan Masalah
1. Apakah Peta Kendali itu ?
2. Bagaimana penggunaa peta pengendalian data variabel ?
3. Apa manfaat dari Peta Kendali ?
1.4 Sistematika Penyusunan Laporan
Bab I
Bab II
Bab III
Bab IV
: Pendahuluan
1.1 latar belakang
1.2. maksud dan Tujuan
: Landasan Teori
Mencakup seluruh teori ringkas, serta prisip yang saudara
gunakan untuk membah seluruh pembahasan dari modul yang
akan dibuat laporannya dan berkaitan erat dengan kegiayan
praktikum.
: Pengumpulan Data
Berisikan seluruh bahan yang dikumpulkan saat praktikum
: Pengolahan danAnalisa data
Mencakup seluruh pengolahan data dengan menggunakan
Hitungan manual/menggunakan rumu. Pada bab ini seluruh
8
Bab V
Lampiran
Daftar Pustaka
praktikum dari awal hingga akhir praktikum ditampilkan

berikut cakupan analisanya.
: Kesimpulan dan Saran
Mencakup hasil kesimpulan dari keseluruhan praktikum yang
telah dilakukan
: Berupa pengolahan data yang menggunakan bantuan software
dilampirkan pada halaman lampiran.
: Mencakup daftar referensi tambahan dari pengmbilan teori
diluar praktikum
BAB II
LANDASAN TEORI
2.1 Teori Singkat

Pada dasarnya dikenal dua sumber atau penyebeb timbulnya variasi, yaitu
variasi penyebab khusus dan variasi penyebab umum.
1. Variasi Penyebab Khusus adalah kejadian-kejadian di luar system yang
mempengaruhi variasi. Penyebab khusus dapat bersumber dari manusia,
peralatan, material, metode kerja dan lain-lain. Dalam statistical dengan

menggunakan peta kendali, jenis variasi ini sering ditandai dengan titk-titik
yang melewati atau keluar dari batas-batas pengendalian (Out of Statistical
Control).
2. Variasi Penyebab Umum adalah factor-faktor di dalam system atau yang
melekat pada proses yang memyebabkan timbulnya variasi. Penyebab ini
biasanya disebut juga sebagai penyebab acak. Karena penyebab umum selalu
melekat pada system, untuk menghilangkan kita bisa menelusuri elemenelemen system itu dan hanya pihak manajemen yang dapat memperbaikinnya.
Jenis variasi ini sering ditandai dengan titik-titik pengamatan yang berada
pada batas-batas pengendalian ( In Statistical Control ).
Jenis jenis Peta Pengendalian :
1. Peta Pengendalian Data Variabel, merupakan data kualitatif yang dapat diukur
untuk keperluan analisis. Contoh: Berat, Temperatur,Panjang,dll.
2. Peta Pengendalian Data Atribut, merupakan data kualitatif yang dapat dihitung
untuk pencatatan dan analisis. Contoh: Banyaknnya cacat yang ditemukan,
banyaknya ketidaksesuaian,dll.
2.2 Penggunaan Peta Pengendalian Data Variabel

2.2.1 Peta Kendali X-bar dan R
Peta kendali X (rata-rata) dan R (selisih pengamatan atau range) biasa
digunakan untuk memantau proses yang diukur berdasarkan data variabel. Peta
kendali X khusus untuk memantau perubahan suatu sebaran atau distribusi
suatu variabel asal dalam hal lokasinnya (pemusatannya) sedangkan peta R
khusus untuk memantau perubahan dalam hal penyebarannya.
Menurut besterfield (1998) dalam melakukan pengendalian kualitas proses
statistic untuk variabel diperlukan beberapa langkah yaitu :
1. Pemilihan Karakteristik kualitas.
10
Yang dimaksud karakteristik kualitas misalnya panjang, berat, diameter,

waktu, dan sebagainnya.Karakteristik kualitas tersebut mempengaruhi kinerja
produk dan harus mendapatkan perhatian. Pemilihan karakteristik kualitas
tersebut dapat dilakukan dengan menggunakan analisis Pareto.
2. Pemilihan Sub Kelompok.
Data yang digambarkan dalam peta pengendalian bukan data individu,
melainkan sekelompok data yang dipilih dan diberi nama dengan sub
kelompok. Pemilihannya dilakukan secara acak. Idelannya, penyimpanan
yang terjadi dalam sub kelompok ini disebabkan oleh sebab umum.
Penyimpangan atau variasi dalam sub kelompok tersebut akan digunakan
untuk menentukan peta pengendalian. Sementara itu, penyimpangan atau
variasi anatara sub kelompok digunakan untuk evaluasi stabilitas jangka
panjang. Ada pedoman singkat dalam pemilihan sub kelompok dari
ANSI/ASQC ZI.9 1993, untuk inspeksi normal level 3 seperti pada Tabel 1
tersebut, misalnnya proses diharapkan akan mampu menghasilkan 4000 unit
per hari, Maka 75 inspeksi total dibutuhkan. Oleh karenannaya sebagai hak
awal yang baik.
Tabel 1 Ukuran sample Menurut ANSI/ ASQC Z1.9 1993

Inspeksi Normal, Level 3
Banyaknya Produk
Yang dihasilkan (unit)
91 -15
151 280
281 400
401 500
501 1200
1201 3200
3201 10000
10001 35000
35001 150000
Sumber : Besterfield,1998
Ukuran Sample
10
15
20
25
35
50
75
100
150
11
3. Pengumpulan Data
Pengumpulan data didasarkan pada banyaknnya sub kelompok dan
ukuran masing-masing sub kelompok yang telah ditentukan sebelumnya.
Rata-rata pada masing masing sub kelompok tersebut nantinya akan di
petakan pada peta pengendalian kualitas proses untuk data variabel.
Apabila dugunakan peta pengendalian tingkat keakurasiannya proses
(range atau standar deviasi), maka range atau standar deviasi tersebut juga
diukur pada tiap-tiap sub kelompok tersebut.
4. Penentuan Garis Pusat (Center Line) dan batas-batas pengendalian (Control

Limit).
Garis pusat untuk mean dan range dicapai dengan perhitungan :
X
= rata-rata pengukuran untuk setiap kali observasi
= garis pusat untuk peta pengendali rata-rata
R = X max X min
= range data sample pada setiap kali observasi
= garis pusat untuk peta pengendali range
Dimana :
n = banyaknnya sample dalam tiap observasi atau sub kelompok
g = banyaknya observasi yang dilakukan
Ri = range untuk setiap sub kelompok
Xi = data pada sub kelompok atau sample yang diambil
Xi = rata-rata pada setiap sub kelompok
Menurut konsepnya, batas pengendali 3 untuk peta pengendali ratarata (mean chart) adalah :
X 3 X, dimana
12
=
Batas-batas peta pengendali untuk pengendali rata-rata ( X -chart)
adalah:
CL
UCL =
+ A2. R bar
LCL =
A2. R bar
Batas batas peta pengendali untuk range (R )adalah :

CL
= R
UCL R = R . D4
LCL R = R . D3
5. Penyusunan revisi terhadap garis pusat dan batas batas pengendalian.

Peta pengendalian kualitas proses untuk data variabel dibuat untuk
dapat mengetahui adannya sebab khusus yang ada dalam ketidaksesuaian
proses. Biasannya, ketidaksesuaiaan tersebut ditunjukkan dengan adannya
data yang berada diluar batas pengendali statistic (in statistical control).
Sementara kondisi yang berada dalam batas pengendalian statistic (in
statistical control) juga dapat menunjukan ketidaksesuaian proses, tetapi
disebabkan oleh sebab umum. Idealnya, baik data rata-rata proses maupun
keakurasian proses berada pada garis pusat (center line). Namun, apabila
kondisi data berada diluar batas pegendali statistic sedangkan penyebab
ketidaksesuian dikarenakan oleh sebab umum, maka data tersebut
dikatakan sebagai berada dalam pengendali statistic (in statistical control).
6. Interprestasi Terhadap Pencapaian Tujuan
Peta pengendali yang harus diperkenalkan pada semua karyawan
bertujuan untuk mengadakan perbaaikan pada kinerja proses. Hal ini dapat
13
dilihat bahwa pada setiap data yang berada di luar batas-batas pengendali
statistic pasti akan disusun tindakan perbaikan atau perbaikan tidak
mungkin dilakukan, maka data tersebut akan dibuang. Data yang dibuang
tersebut juga berarti bahwa produk yang dihasilkan pada proses tersebut
harus dibuang dengan segala konsekwensinnya. Peta pengendali hasil
refisi tanpa data yang out of statistic control merupakan data yang lebih
baik, karena dalam proses tersebut walaupun terjadi ketidaksesuaian atau
penyimpangan pasti bukan disebabkan oleh sebab khusus, melainkan oleh
sebab umum. Selain itu,setelah disusunya peta pengendali kualitas proses
statistic untuk data variabel (Control Chart for Variabel ), maka dapat
diketahui penyebeb terjadinya kesalahan atau penyimpanan, baik
tergolong dalam khusus maupun dalam sebab umum. Kondisi yang ideal
memang yang berada di sepanjang garis pusat (Center Line). Hal ini dapat
terjadi dengan melakukan revisi berulang pada data yang ada.
2.3 Penggunaan Peta Pengendaliaan Data Atribut
2.3.1 Peta Kendali P dan NP
Pengendaliaan proporsi kesalahan ( p chart) dan banyaknya kesalahan
(np chart) digunakan untuk mengetahui apakah cacat produk yang
dihasilkan masih dalam batas yang disyaratkan. Untuk peta pengendali
proporsi dan banyak digunakan bila kita memakai ukuran cacat berupa
proporsi produk cacat dalam setiap sample yang diambil. Bila sample yang
diambil untuk setiap kali melakukan observasi jumlahnya sama maka kita
dapat menggunakan peta pengendali proporsi kesalahan ( p chart ) maupun
banyaknnya kesalahan ( np chart ).
14
Namun bila sample yang diambil bervariasi untuk setiap kali melakukan
observasi berubah-ubah jumlahnya atau memang perusahaan tersebut akan
melakukan 100% inspeksi maka kita harus menggunkan peta pengendali
proporsi kesalahan (p-chart). Pengguna sample yang besarnya bervariasi
tersebut selain perusahaan menggunkan 100% inspeksi atau inspeksi total,
juga dapat disebabkan karena kurangnya karyawan dan biaya. Perubahan
dalam banyaknnya sample yang diambil atau ukuran sub kelompok tersebut
menyebabkan perubahan dalam batas-batas pengendali, meskipun garis
pusatnnya tetap. Apabila ukuran sample atau sub kelompok yang digunakan
pada setiap kali observasi naik atau lebih banyak, maka batas-batas
pengendali menjadi lebih rendah . Namun apabila banyaknnya sample atau
sub kelompok yang digunakan pada setiap kali observasi turun atau
berkurang, maka batas-batas pengendali menjadi lebig tinggi atau meningkat.
Kondisi ini dapat mempengaruhi karakteristik kualitas proses prosuksi yang
dimilik perusahaan. Hal inilah yang merupakan kelemahan dalam pegendalian
kualitas proses statistic untuk data atribut.
Selanjutnnya, formulasi yang digunakan untuk menyelesaikan kasus
pengendali kualitas proses statistic untuk data atribut sesuai dengan langkalangkah diatas adalah:
Untuk banyaknnya sample Konstan
Mengetahui proporsi kesalahan atau cacat pada sample atau sub
kelompok untuk setiap kali melakukan observasi:
P = X/N
Dimana:
p = Proporsi kesalahan dalam setiap sample

x = Banyaknnya produk yang salah dalam setiap sample
n = Banyaknnya sample yang diambil dalam inspeksi
15
Garis pusat (Center Line) peta pengendali proporsi kesalahan ini adalah :
CL
Dimana :
P
= Garis pusat peta pengendali proporsi kesalahan
Pi
= Proporsi kesalahan setipa sample atau sub kelompok

dalam setiap observasi
= Banyaknya sample yang diambil setiap kali observasi
= Banykannya observasi yang dilakukan
Sedangkan Batas Pengendali Atas ( BPA ) dan Batas Pengendali Bawah ( BPB
) untuk peta pengendali proporsi kesalahan (p-chart) tersebut adalah:
CL
= P bar
UCL = P bar + 3.Sp

LCL = P bar 3.Sp
Sp
Sp
atau
Apabila banyaknnya sample atau sub group kelompok yang diambil setiap
kali observasi sama, maka dapat digunakan pula peta pengendali banyaknnya
kesalahan (np-chart) tersebut adalah :
16
Oleh karenanya, Batas Pengendali Atas (BPA) dan Batas Pengendali

Bawahnya (BPB) menjadi :
UCL Np
= Np bar + 3. S Np
LCL Np
= Np bar - 3. S Np
S Np
2.3.2 Peta Kendali C

Peta kendali p dan np berkaitan dengan istilah unit atau produk yang
cacat (defective product). Berbeda dengan peta kendali C dan U. Ukuran
jumlah kecacatan terdapat dalam suatu produk juga menentukan kualitas dari
produk. Peta kendali C digunakan untuk memantau jumlah cacat yang timbul
dari produk yang dihasilkan, bukan jumlah produk yang cacat.
Sebagai contoh kita akan mengamati cacat pada pembuatan baju seragam
sekolah, cacat didefinisikan dengan jumlah kancing kurang, jahitan lepas san
lain-lain. Dalam hal ini peta Kendali C digunakan untuk mengetahui jumlah
cacat-cacat tersebut dalam 1 baju seragam. Jadi, jika ada 10 cacat atau hanya 1
cacat, cacat ini didefinisikan sebagai jumlah cacat dalam 1 produk tersebut
sebanyak 10 atau hanya 1. Bukan 10 produk baju seragam cacat, untuk peta
kendali C satuan yang digunkan selalu sama, misalnnya per satuan unit atau
per hari dan lain-lain.
Langkah-langkah pembuatan peta Kendali C :
1. Kumpulkan k = banyaknnya subgroup yang akan diinspeksi
2. Hitung jumlah cacat setiap subgroup C
17
3. Hitung rata-rata jumlah cacat
, ini juga merupakan garis pusat
(Center Line )
c
4. Hitung Batas Kendali Peta Kendali C :

CL
= C bar
UCL = C bar + 3 Sc
LCL = C bar 3 Sc
Sc
5. Plot data jumlah cacat dari setiap subgroup yang diperiksa.
BAB III
PENGOLAHAN DATA
3.1 Peta Pengendalian Data Variabel (Peta X-bar dan R)

Dua buah silinder besi dihaluskan untuk mencapai suatu ukuran tertentu
untuk dipakai sebagai tiang penyangga. Ukuran awal diameternnya 30,02 mm
dihaluskan untuk menghasilkan tiang penyangga jug hanger yang berdiameter
18
setelah dihaluskan yang diukur menggunkan micrometer dari 10 sample dengan

pengukurannya sebanyak 5 kali (sample pada tiang penyangga sebelah kiri),
berikut Tabel pengukuran pada sample :
NO.
SAMPLE
1
2
3
4
5
6
7
8
9
10
DIAMETER 5 KALI PENGUKURAN ( n ) --> mm

1
2
3
4
5
24,98
28,03
25,01
25,00
26,05
24,92
27,02
24,97
21,88
26,05
26,05
24,98
24,00
28,03
24,98
23,02
25,00
25,01
24,97
27,02
27,02
25,01
25,01
26,05
25,00
28,01
28,03
28,03
25,01
26,05
28,03
24,97
23,95
27,08
22,87
24,97
27,02
24,98
24,97
26,05
22,50
24,98
27,02
28,03
25,01
24,92
25,01
28,03
25,01
24,97
19
Dengan demikian untuk pengolahan datanya sbb;

NO.
SAMPLE
1
2
3
4
5
6
7
8
9
10

1
2
3
4
5
24,98
28,03
25,01
25,00
26,05
24,92
27,02
24,97
21,88
26,05
26,05
24,98
24,00
28,03
24,98
23,02
25,00
25,01
24,97
27,02
27,02
25,01
25,01
26,05
25,00
28,01
28,03
28,03
25,01
26,05
28,03
24,97
23,95
27,08
22,87
24,97
27,02
24,98
24,97
26,05
22,50
24,98
27,02
28,03
25,01
24,92
25,01
28,03
25,01
24,97
JUMLAH
X Bar
129,07
124,84
128,04
125,02
128,09
135,13
126,9
127,99
127,54
127,94
1280,56
25,814
24,968
25,608
25,004
25,618
27,026
25,38
25,598
25,508
25,588
256,11
3,05
5,14
4,03
4,00
2,02
3,02
5,16
2,05
5,53
3,11
37,11
LCL
23,47
23,47
23,47
23,47
23,47
23,47
23,47
23,47
23,47
23,47
PETA X
CL
25,61
25,61
25,61
25,61
25,61
25,61
25,61
25,61
25,61
25,61
UCL
27,75
27,75
27,75
27,75
27,75
27,75
27,75
27,75
27,75
27,75
LCL
0
0
0
0
0
0
0
0
0
0
PETA R
CL
UCL
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
20
Pengujian Data
1. X bar =
2. Observasi dilakukan selama 5 kali sehingga ,
A2
= 0,577
D3
=0
D4
= 2,114
D2
= 2,326
Rbar ( R ) =
S=
3,711
Sehingga untuk grafik Peta Xbar dan R sbb ;
21
22
3.2 Peta Pengendalian Data Atribut (Peta P)
OBSERVASI
UKURAN
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
JUMLAH
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
2500
Sp =
BANYAKNNYA
P
PRODUK
( Proporsi
CACAT
Cacat )
10
0,1
11
0,11
9
0,09
16
0,16
15
0,15
14
0,14
13
0,13
12
0,12
10
0,1
12
0,12
14
0,14
16
0,16
12
0,12
13
0,13
14
0,14
9
0,09
10
0,1
13
0,13
12
0,12
10
0,1
9
0,09
10
0,1
12
0,12
14
0,14
15
0,15
305
3,05
=
LCL
CL
UCL
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
= 0,0327286
23
24
3.3 Peta Pengendalian Data Atribut (Peta NP)

OBSERVASI
UKURAN
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
JUMLAH
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
2500
S Np =
BANYAKNNYA
PRODUK
CACAT
10
11
9
16
15
14
13
12
10
12
14
16
12
13
14
9
10
13
12
10
9
10
12
14
15
305
=
P
(Proporsi
Cacat )
0,1
0,11
0,09
0,16
0,15
0,14
0,13
0,12
0,1
0,12
0,14
0,16
0,12
0,13
0,14
0,09
0,1
0,13
0,12
0,1
0,09
0,1
0,12
0,14
0,15
3,05
LCL
CL
UCL
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
= 3,272858078
25
26
3.4 Peta Pengendalian Data Atribut (Peta C)

a) Pengumpulan Data
Penelitian dilakukan selama 20 hari untuk menemukan jumlah jenis
cacat.
Pada
penelitian
ini
didapatkan
jenis-jenis
cacat
rusak,
berlubang,kotor, dan sebagainnya. Berikut Tabel jenis cacat yang rusak ;

HARI
CACAT ( Reject )
1
2
2
2
3
0
4
1
5
1
6
2
7
4
8
0
9
3
10
2
11
2
12
4
13
5
14
3
15
1
16
1
17
5
18
4
19
3
20
2
JUMLAH
47
Sc=
LCL
0,000
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
CL
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
UCL
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
= 1,53297097
27
28
BAB IV
ANALISA DATA
4.1 Analisa Peta Pengendalian Variabel (Peta X-bar dan R)

Dari hasil pengolahan data pada peta X-bar dan R di atas didapatkan hasil
dimana semua variabel pengukuran tidak melewati dari batas control
(UCL/LCL). Jadi dapat kita katakan bahwa dari 10 sampel tersebut semua lolos
uji kualitas dan perbaikan tidak perlu dilakukan.
4.2 Analisa Peta Pengendalian Attribute (Peta P)
Dari hasil pengolahan data dimana banyak observasi yang dilakukan yaitu
sebanyak 25 buah dengan jumlah sampel 100 di setiap observasi, dapat kita lihat
bahwa banyak produk cacat dari setiap observasi masih masuk ke dalam batas
kendali atas dan batas kendali bawah, sehingga perbaikan tidak perlu dilakukan.
4.3 Analisa Peta Pengendalian Attribute (Peta NP)
Dengan menggunakan data yang sama yaitu observasi dilakukan sebanyak
25 kali dengan jumlah sample 100 pada setiap observasi, didapatkan data dimana
masih berada di dalam batas kendali atas dan bawah, sehingga perbaikan tidak
perlu dilakukan.
4.4 Analisa Peta Pengendalian Attribute (Peta C)
Dari data penelitian yang dilakukan selama 20 hari, didapatkan data produk
cacat tiap harinya, yang kemudian diolah sehingga mengetahui apakah data-data
cacat tersebut masih berada dalam batas control.
29
MODUL 3 PROCCES CAPABILITY
30
BAB I
PENDAHULUAN
Tujuan dari praktimum ini yaitu diharapkan para mahasisiwa mampu
menghitung nilai kemampuan suatu proses (Process Capability) baik secara
manual maupun menggunakan MINITAB, mampu menilai kemampuan proses
dengan kondisi
yang ada untuk menghasilkan produk yang sesuai dengan
spesifikasi kualitas yang diinginkan, juga dapat mengartikan analisis kemampuan

proses sebagai pelajaran menaksir kemampuan proses. Mampu menganalisis
kemampuan proses bagian dari keseluruhan program perbaikan kualitas.
Manfaat dari praktimkum ini yaitu mahasiswa menjadi paham dalam
menghasilkan suatu produk/jasa yang sesuai dengan kebutuhan/syarat dari
konsumen atau spesifikasi yang diharapkan, dan mampu memantau/memonitor
proses yang sedang berjalan.
1.3 Rumusan Masalah
1. Apakah Procces Capability itu?
2. Bagaimana cara mengolah data Proscces Capability?
3. Apakah kegunaan dari data Procces Capability itu?
Bab I
: Pendahuluan
1.1 latar belakang
Bab II
: Landasan Teori
31
Bab III
Bab IV
Bab V
Lampiran
Daftar Pustaka
gunakan untuk membah seluruh pembahasan dari modul yang

akan dibuat laporannya dan berkaitan erat dengan kegiayan
praktikum.
: Pengumpulan Data
Hitungan manual/menggunakan rumu. Pada bab ini seluruh
Mencakup hasil kesimpulan dari keseluruhan praktikum yang
telah dilakukan
: Berupa pengolahan data yang menggunakan bantuan software
diluar praktikum
BAB II
LANDASAN TEORI
Analisis kemampuan proses merupakan suatu tahapan yang harus dilakukan

dalam mengadakan pengendalian kualitas proses statistik (statistical process
control). Statistical Process Control (SPC) dikenal pada berbagai organisasi
sebagai bagian penting dalam Total Quality Management (TQM). Lebih dari itu,
SPC merupakan cara berpikir mengenai perubahan pada proses yang sangat
penting dalam perbaikan kualitas produk atau jasa yang tidak pernah berakhir.
32
Yang terpenting dalam menerapkan SPC adalah memahami dan mengidentifikasi

karakteristik produk yang paling penting bagi pelanggan, atau variabel-variabel
proses yang mempunyai pengaruh paling kuat dalam variasi proses (Rungasamy
et al.,2002).
Situasi yang menjadi bahan pertimbangan adalah proses produksi berada
dalam batas pengendalian {in control) tetapi produk yang dihasilkan tidak
memenuhi spesifikasi atau proses produksi berada di luar batas pengendalian
(out of control) tetapi produk yang dihasilkan justru memenuhi spesifikasi.
Analisis kemampuan proses mendefinisikan kemampuan proses memenuhi
spesifikasi atau mengukur kinerja proses. Analisis kemampuan proses juga
merupakan prosedur yang digunakan untuk memprediksi kinerja jangka panjang
yang berada dalam batas pengendali statistik.
Sementara itu, dalam analisis kemampuan proses ada dua asumsi penting yang
digunakan dalam membentuk analisis kemampuan proses dengan data kontinyu,
yairu proses berada dalam batas pengendali statistik dan distribusi proses adalah
distribusi normal (Bower 1997). Hal ini disebabkan apabila proses tidak berada
dalam batas pengendali statistik, proses tidak dapat diperkirakan kemempuannya
dari sudut pandang pelanggan. Selain itu, kemampuan proses juga diartikan
sebagai variabilitas proses yang bukan disebabkan oleh sebab khusus (special
cause atau assignable cause), tetapi karena sebab umum (common cause)
(systma. 1997).
Manfaat mempelajari analisis kemampuan proses antara lain:
Dapat menciptakan output yang seragam

Kualitas dapat dipertahankan atau bahkan ditingkatkan
Membantu dalam membuat perancangan produk maupun proses
Membantu dalam pemilihan pemasok yang memenuhi persyaratan
Mengurangi biaya mutu total dengan memperkecil biaya kegagalan internal
dan ekstemal
33
Memperkirakan seberapa baik proses akan memenuhi toleransi

Mengurangi variabilitas dalam proses produksi
Membantu dalam pembentukan interval untuk pengendalian interval antara
pengambilan sampel
Merencanakan urutan proses produksi apabila ada pengaruh interaktif proses
pada toleransi
Menetapkan persyaratan penampilan bagi alat baru
2.1 Cara membuat analisis kemampuan proses

Berikut cara membuat analisis kemampuan proses antara lain :
1. Rasio kemampuan proses atau Indeks Kemampuan Proses. (Process
Capability Ratio atau Capability Process Index / Cp).
Apabila proses berada dalam batas pengendali statistik dengan peta
pengendali proses statistik "normal" dan rata-rata proses terpusat pada target,
maka rasio kemampuan proses atau indeks kemampuan proses dapat dihitung
dengan:
Di mana:
USL = Upper specification limit-batas spesifikasi atas
LSL
= Lower specification limit - batas spesifikasi bawah
6s
= enam simpangan baku
Jika didapatkan hasil:

Cp > 1 proses masih baik {capable)
Cp < 1 proses tidak baik (not capable)
Cp = 1 proses = spesifikasi konsumen
2. Index Kemampuan Proses Atas dan Kemampuan Proses Bawah {Upper and
Lower Capability Index).
34
3. Indeks Kemampuan proses CPK

Indeks Kemampuan Proses di atas mengukur kemampuan potensial, dengan
tidak memperhatikan kondisi rata-rata proses.
Nilai Cpk mewakili kemampuan sesungguhnya dari suatu proses dengan
parameter nilai tertentu
Indeks
Kemampuan
proses (Cp)
0,5
0,67
1,00
1,33
1,63
2,00
Banyaknya produk yang

diluar kedua
sisi batas-batas
berada
Spesifikasi
13,36%
4,55%
0,3%
64ppm
1 ppm
0
2.2 Langkah-langkah menghitung process capability

Berikut langkah-langkah dalam menghitung proses capability :
1. Tentukan Upper dan Lower Specification Limit (USL dan LSL) data
Besar nilai USL dan LSL ditentukan sendiri oleh manajemen atau desainer
demi menjaga kepentingan kualitas produksi barang atau jasa, biasanya
ditentukan berdasarkan riset kebutuhan pada konsumen.
2. Hitung taksiran simpangan bakudari data
3. Hitung Process Capability atauKemampuan Proses
atau
35
Dimana :
USL
= Upper Specification limit = batas spesifikasi atas.
LSL
= Lower Specification limit = batas spesifikasi bawah.
6s
= enam simpangan baku.
Jika didapatkan hasil :

Cp > 1 proses masih baik (capable)
CP < 1 proses tidak baik (not capable)
Cp = 1 proses = spesifikasi konsumen
Jadi :
Bila Cpk 1 Proses disebut baik (capable)
Bila Cpk 1 Proses kurang baik (not capable)
36
BAB III
PENGOLAHAN DATA
Gunakan data perhitungan yang telah di buat pada P2, dengan soal peta X dan R.
Dari acuan data tersebut sampel yang diambil sebanyak 10 dengan pengukuran
dilakukan sebanyak 5 kali. Ditetapkan nilai spesifikasinya sebesar 29+1 mm. Maka
hitunglah berapa besar CPK apakah baik atau tidak dan berapa besar banyaknya
produk yang berada diluar kedua sisi batas spesifikasi, acuan menggunakan Tabel 1
diatas.. (hitung juga hasilnya dengan menggunakan minitab)
1. Data diameter 5 kali pengukuran
37
NO.
SAMPLE
1
2
3
4
5
6
7
8
9
10

1
2
3
4
5
24,98
28,03
25,01
25,00
26,05
24,92
27,02
24,97
21,88
26,05
26,05
24,98
24,00
28,03
24,98
23,02
25,00
25,01
24,97
27,02
27,02
25,01
25,01
26,05
25,00
28,01
28,03
28,03
25,01
26,05
28,03
24,97
23,95
27,08
22,87
24,97
27,02
24,98
24,97
26,05
22,50
24,98
27,02
28,03
25,01
24,92
25,01
28,03
25,01
24,97
ari data 10 sample yang diambil, dengan dilakukan pengukuran sebanyak 5 kali.
Ditetapkan nilai spesifikasi sebesar 29 1 mm.
2. Berikut data hasil perhitungan sehingga di dapatkan Peta sebagai berikut:
38
Peta X-Bar dan R
NO.
SAMPLE
1
2
3
4
5
6
7
8
9
10

1
2
3
4
5
24,98
28,03
25,01
25,00
26,05
24,92
27,02
24,97
21,88
26,05
26,05
24,98
24,00
28,03
24,98
23,02
25,00
25,01
24,97
27,02
27,02
25,01
25,01
26,05
25,00
28,01
28,03
28,03
25,01
26,05
28,03
24,97
23,95
27,08
22,87
24,97
27,02
24,98
24,97
26,05
22,50
24,98
27,02
28,03
25,01
24,92
25,01
28,03
25,01
24,97
JUMLAH
A2
D3
D4
D2
Rbar
Xbar
S
X Bar
129,07
124,84
128,04
125,02
128,09
135,13
126,9
127,99
127,54
127,94
1280,56
25,814
24,968
25,608
25,004
25,618
27,026
25,38
25,598
25,508
25,588
256,11
3,05
5,14
4,03
4,00
2,02
3,02
5,16
2,05
5,53
3,11
37,11
LCL
23,47
23,47
23,47
23,47
23,47
23,47
23,47
23,47
23,47
23,47
PETA X
CL
25,61
25,61
25,61
25,61
25,61
25,61
25,61
25,61
25,61
25,61
UCL
27,75
27,75
27,75
27,75
27,75
27,75
27,75
27,75
27,75
27,75
LCL
0
0
0
0
0
0
0
0
0
0
PETA R
CL
UCL
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
3,71
7,85
0.577
0
2.114
2.326
3.71
25.61
1.595443
39
Dari data peta di atas kita dapat menghitung rasio kemampuan proses atau
indeks kemampuan proses dengan rumus sebagai berikut :
Maka hasil analisa yang diperoleh adalah sebagai berikut :

CAPABILITAS PROSES
CP 0,447367
= (CP<1, PROSES TIDAK BAIK (NOT CAPABLE))
CPU 0,916945
= USL / LSL = BATAS SPESIFIKASI ATAS & BAWAH,
DENGAN NILAI DITENTUKAN SEBESAR 29 + 1 & -1 mm

CPL -0.49909
CPK -0.49909
= (CPK<1, PROSES KURANG BAIK (NOT CAPABLE))
40
BAB IV
ANALISA DATA
4.1 Analisa Kapabilitas Proses
Jika dilihat dari hasil perhitungan 10 sample didapatkan CP sebesar
0,447367 CP<1 yang berarti proses tidak baik (not capable)

Dan untuk CPK kita mendapatkan -0.49909 CPK<1, yang berarti proses
tidak baik (not capable)
BAB V
KESIMPULAN
5.1 Kesimpulan
Proses proses tidak mampu memenuhi spesifikasi

Proses tidak mendekati nilai target
Semua satuan produk tidak mampu memenuhi spesifikasi (Cp < 1)
5.2 Saran
Pemahaman mengenai CP CPK, hanya membutuhkan sedikit waktu

Penerapan CP CPK memerlukan pemahan lebih lanjut
Adanya proses yang tidak terkendali secara statistik menandakan desain
proses memerlukan perbaikan.
41
MODUL 4 PROSES PERBAIKAN

(IMPROVEMENT)
42
BAB I
PENDAHULUAN
Tujuan dari praktimum ini yaitu diharapkan para mahasisiwa mampu
melakukan pengujian hipotesis terhadap lebih dari dua rata-rata populasi.
Mampu membandingkan kinerja beberapa proses, mesin atau orang.
Manfaat dari praktimkum ini yaitu mahasiswa memahami hubungan yang
kompleks antara variable yang berhubungan hanya pada bagian atau tingkat
yang diteliti, yaitu interaksi antar variable atau mengevaluasi pengaruh
variable kualitatif terhadap sebuah respons.
1.4 Rumusan Masalah
1. Apakah Procces Perbaikan itu?
2. Bagaimana cara mengolah data Proscces Perbaikan (ANOVA) ?
3. Apakah kegunaan dari data analisis varian (ANOVA)?
Bab I
Bab II
Bab III
Bab IV
Bab V
: Pendahuluan
1.1 latar belakang
: Landasan Teori
gunakan untuk membah seluruh pembahasan dari modul
yang akan dibuat laporannya dan berkaitan erat dengan
kegiayan praktikum.
: Pengumpulan Data
Hitungan manual/menggunakan rumu. Pada bab ini
seluruh
43
Mencakup hasil kesimpulan dari keseluruhan praktikum

Lampiran
Daftar Pustaka
yang telah dilakukan

: Berupa pengolahan data yang menggunakan bantuan
software
diluar praktikum
BAB II
LANDASAN TEORI
2.1 Analisis Varian (ANOVA)
44
Analisis ragam (Analysis of Variance) atau yang lebih dikenal dengan

istilah ANOVA adalah suatu teknik untuk menguji kesamaan beberapa ratarata secara sekaligus. Uji yang dipergunakan dalam ANOVA adalah uji F
karena dipakai untuk pengujian lebih dan 2 sampel.
Anova dapat digolongkan kedalam beberapa kriteria, yaitu :
1. Klasifikasi 1 arah
ANOVA klasifikasi 1 arah merupakan ANOVA yang didasarkan pada
pengamatan 1 kriteria.
ANOVA kiasifikasi 2 arah merupakan ANOVA yang didasarkan pada
pengamatan 2 kritenia.
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada
pengamatan banyak kriteria.
Pada pembahasan kali ini, dititikberatkan pada pengujian ANOVA 1 arah
yaitu pengujian ANOVA yang didasarkan pada pengamatan 1 kriteria. Setiap
kriteria dalam pengujian ANOVA mempunyai level.
Contoh :
Suhu
300
Kriteria
450
Level
Gambar 2.1. Kriteria dan Level Satu Arah
Asumsi pengujian ANOVA :
1. Populasi yang akan diuji berdistribusi normal
2. Varians/ragam dan populasi yang diuji sama
3. Sampel tidak berhubungan satu dengan yang lain
Tujuan dan pengujian ANOVA ini adalah untuk mengetahui apakah ada
pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan.
45
Inisal, seorang manajer produksi menguji apakah ada pengaruh kebisingan

yang ditimbulkan oleh mesin-mesin produksi di pabrik pada hasil perakitan
sebuah komponen yang cukup kecil dan sehuah sirkuit yang memerlukan
konsentrasi yang tinggi dan seorang operator rakit.
Dalam pengujian ANOVA ini, dipergunakan rumus hitung sebagai berikut:
Tabel 2.1 Analisis Ragam Kiasifikasi Satu Arah
Sumber
Jumlah
Derajat
Kuadrat
Keragaman Kuadrat
Nilai
Bebas
Tengah
tengah
k1
s12 =
JKK
kolom
Galat
JKK
k 1
s12
(Error)
JKG
Total
HKT
nk 1
Sumber: Walpole, Ronald E. (199)
k (n-1)
F hitung
s1
2
s2
JKG
k (n 1)
Dimana :
JKT
xij
i 1
j 1
JKK
T
i 1
T 2 ..
nk
JKG = JKT JKK
T ..2
nk
2.2 Anova Dua Arah

Analisis ragam (Analysis of Variance) atau yang lebih dikenal dengan
istilah ANOVA adalah suatu teknik untuk menguji kesamaan beberapa ratarata secara sekaligus. Uji yang dipergunakan dalam ANOVA adalah uji F
karena dipakai untuk pengujian lebih dari 2 sampel.
Anova dapat digolongkan kedalam beberapa kritenia, yaitu :
46
ANOVA kiasifikasi 1 arah merupakan ANOVA yang didasarkan pada

ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada
pengamatan banyak kriteria.
Pada pembahasan. kali ini, dititikberatkan pada pengujian ANOVA 2 arah
yaitu pengujian ANOVA yang didasarkan pada pengamatan 2 kriteria. Setiap
kriteria dalam pengujian ANOVA mempunyal level.
Contoh :
Tipe Pemotongan
Terputus
Kriteria
Kontinu
Level
Level
Gambar 2.2 Kriteria dan Level
Asumsi pengujian ANOVA:
1. Populasi yang akan diuji berdistribusi normal
2. Varians/ragam dan populasi yang diuji sama
3. Sampel tidak berhubungan satu dengan yang lain
Tujuan dan pengujian ANOVA 2 arah ini adalah untuk mengetahui apakah
ada pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan.
Misal, seorang manajer teknik menguji apakah ada pengaruh antara jenis
pelumas yang dipergunakan pada roda pendorong dengan kecepatan roda
47
pendorong terhadap hasil penganyaman sebuah karung plastik pada mesin

circular.
Dalam pengujian ANOVA ini, dipergunakan rumus hitung sebagai berikut:
Tabel 2.2 Analisis Ragam Klasifikasi Dua Arah
Sumber
Jumlah
Derajat
Kuadrat
Bebas
Tengah
JKB
r1
JKB
s1 =
r 1
JKK
k1
s22 =
Keragaman Kuadrat
Nilai
tengah
kolom
Galat
(Error)
JKG
Total
JKT
(r 1) (c
1)
s
f1 1 2
s3
baris
Nilai
tengah
F hitung
JKK
c 1
s32
JKG
( r 1) (c 1)
s
f2 12
s3
rc 1
Sumber: Walpole, Ronald E. (1995)
Dimana :
r
JKT
xij
i 1
j 1
JKB
T
i 1
c
c
JKK
JKG = JKT JKB - JKK
T ..2
rc
T . j
j 1
T 2 ..
rc
T ..2
rc
48
2.3 Desain Eksperimen Faktorial

Salah satu strategi experimentasi yang
memiliki pendekatan terhadap
system paling tepat adalh analisa dengan teknik factorial (Fakorial Design) 2k.
Metode ini merupakan percangan eksperimentsai dengan beberapa factor
sampai dengan k factor yang masing masing terdiri dari 2 level, yaitu 1 atau +
(high) dan 0 atau (low). Faktor-faktor tersebut diduga berpengaruh dalam
system dan adapt diuji pengaruhnya, baik secara individu maupun pengaruh
interkasi anta faktor-faktor yang ada. Serta bervariasi bukan hanya pada waktu
tertentu.
Metode Faktorial Desaign 2k memiliki prosedur analisis sebagai berikut:
1. Mengestimasi efek-efek yang ditimbulkan oleh faktor-faktor yang akan
diuji dengan menilai tanda atau gejala dan besaran atau ukuran yang
ditimbulkan. Informasi awal ini diperlukan untuk mengetahui sejauh mana
kemungkinan faktor-faktor dan interkasinya mempengaruhi dan keman
faktor-faktor tersebut harus disesuaikan untuk mempernaiki respon.
2. Membangun model inisial untuk proses experimentasi, jika perancangan
experiment direplikasi, maka model disusun dalam bentuk lengkap. Jika
rancangan experiment tanpa replikasi, maka model dibuat dengan memplot
efek-efek faktor, menggunakan probabilitas normal.
3. Melaksanakan uji statistic ANOVA untuk mengjuji efek-efek faktor dan
interkasi yang utama, di mana terdapat sebanyak n replikasi.
4. Melakukan proses eleminasi terhadap variable-variabel yang tidak
memiliki keterkaitan yang berarti dari model perancangan experiment.
5. Menganalisa faktor dan efek dan efek yang masih tersisa pada model
untuk memeriksa keakuratan asumsi yang diterapkan pada model
perancangan experiment.
6. Apabila ditemukan ketidakwajaran model dan penyimpangan akibat
kesalahan asumsi, maka dialakukan kembali prosedur analisi di atas,
sampai ditemukan model yang akurat dengan asumsi yang teapat.
7. Sebagai langkah prosedur analisis yang terakhir adalah analisis deskripsi
dengan berbagai grafik, seperti : ploting efek faktor utama dan
interkasinya, ploting permukaan, dan respon surface.
Desain experiment faktoril digunakan apabila experiment terdiri atas dua
faktor atau lebih. Desai factorial memungkinkan kita untuk melakukan
49
kombinasi antar level faktor. Gambar 6.8 menunjukan contoh heirarki desain
factorial untuk dua faktor dan table 6.3 menunjukan struktur datanya.
Faktor A
Faktor B
y111
Replikasi y112
Y11n
y121
y122
y12n
y1b1
y1b2
.
y1bn
y211
y212
Y21n
y221
y222
y22n
y2b1
y2b2
.
y2bn
Faktor A
Faktor B
Replikasi
ya11
ya12
Ya1n
ya21
ya22
ya2n
yab1
yab2
.
yabn
Kita memerlukan desain factorial apanila interaksi antar faktor

mempengaruhi respons dan apabila menghilangkan interaksi antar faktor
mungkin mempengaruhi kesimpulan. Kemudian, kita mengetahiu bahwa
desain factorial lebih efisien dibandingkan desain n factorial karna bisa
mendeteksi pengaruh perbedaan antar level faktor pada saat bersamaan.
Faktor B
Berbeda dengan desain n faktor, pengaruh interaksi tidak bias dideteksi.
B1
Faktor A
A1
A2
y111 y211
y112 y212

y11n y21n
An
y1b1
y1b2
yb1n
50
y121 y221
y122 y222
B2

y12n y22n
y2b1
y2b2
y2bn
y1b1 y2b1 Yabn

y1b2 y2b2 Yabn
B3
y1bn y2bn Yabn
51
BAB III
PENGOLAHAN DATA
3.1 Tugas Praktikum
Berikut adalah ilustrasi desain factorial dengan dua faktor. Studi kasus
yang akan diangkat adalah desain baterai dengan waktu hidup lebih lama.
Data-data desain experiment dengan dua faktor yaitu temperature dan tipe
material ditampilkan dalam table 3.1
Tipe
Material (B)
A
B
Temperatur (A)
15o
70o
125o
130
155
18
180
150
188
34
18
80
75
118
122
20
70
18
56
25
70
52
118
126
138
110
168
18
106
115
174
18
150
139
58
18
96
104
82
18
Ahli Baterai memperkirakan ada dua faktor yang mempengaruhi terhadap

lama waktu hidup baterai, yaitu tipe material yang dijadikan bahan baterai
dan temperature yang digunakan. Eksperimen mengidentifikasikan tiga tipe
material yang diperkirakan mempengaruhi baterai dan dapat memaksimalkan
waktu hidupnya. Pada eksperimen ahli baterai mengetahui baha rentang
temperature
tentu
dapat
pula
memksimalkan
waktu
hidup.
Untuk
memaksimalkannya temperature dikendalikan dalam tiga level untuk tiap-tiap

material, yaitu 15 F, 70 F, dan 125 F. pada eksperimen, ahli baterai
menguji empat baterai di tiap kombinasi level tipe material dan temperature
sehingga total ada 36 pengamatan yang dilakukan.
Dengan model statistic linier observasi dapat dijelaskan sebagai berikut:
= efek rata-rata keseluruhan

= efek level ke-1 dari faktor A
= efek dari level k-j faktor B
= komponen random acak
Faktor A dan B diasumsikan tetap (fixed)ndan efek treatment diasumsikan

sebagai deviasi dari semua mean.
53
Jadi:
Hipotesis dalam eksperimen ini adalah sebagai berikut :

H0 :
=0
H0 : paling sedikit ada satu
Untuk dapat menyelesaikan permasalahan diatas, maka perlu disusun table

ANOVA-nya terlebih dahulu sebagai berikut :
Sumber
Sum Of
Deggrees
variasi
squares
of freedom
A treatmen
SSA
temperature
Mean square
F0
a-1
B treatmen
SSB Material
b-1
Interaksi
SSAB
(a-1)(b-1)
Error
SSE
ab(n-1)
Total
SST
abn-1
Hasil pengolahan data :
54
SSE
SST
SSInteraksi
SSTemperature
SSMaterial
SSE
178927.64
189206.89
140371.06
111860.06
396645.53
MSA
SSTemperature 140371.06
A
3
1
2
MSA
70185.52778
MSB
SSMaterial
111860.06
B
3
1
2
MSB
55930.02778
SSE
a
b
n
MSE
MSE
396645.53
3
3
4
1
14690.5751
MSAB
SSInteraksi
189206.89
a
3
b
3
9
27
3
2
2
55
MSB
1
47301.72222
Fo
MSA 70185.5
MSE 14690.6
Fo
4.77759
Fo
MSB
55930
MSE 14690.6
Fo
3.8072
Fo
MSAB 47301.7
MSE 14690.6
Fo
3.21987
Sumber
Variasi
Sum Of
Squares
Tipe Material
Temperature
Interaksi
Error
TOTAL
111860.06
140371.06
189206.89
396645.53
838083.53
Degree
Of
Freedom
2
2
4
27
35
Mean
Square
Fo
55930
3.8072
70185.5 4.77759
47301.7 3.21987
14690.6
56
BAB IV
ANALISA DATA
4.1 Analisa
Hasil dari experiment di atas adalah sebagai berikut :
Sum Of
Squares
Degree
Of
Freedom
Mean
Square
Fo
Tipe Material
111860.06
55930
3.8072
Temperature
140371.06
70185.5
4.77759
Interaksi
189206.89
47301.7
3.21987
Error
396645.53
27
14690.6
838083.53
35
Sumber
Variasi
TOTAL
57
BAB V
KESIMPULAN
5.1 Kesimpulan
Dari hasil analisis desain experiment di atas ditemukan bahwa pada table
distribusi F hitung > F kritis artinya da hubungan yang signifikan antara
material dan temperature terhadap waktu hidup bola lampu.

Tidak ada efek interaksi karena F hitung > F kritis.
5.2 Saran
Dari praktek yang telah dilakukan semoga bisa lebih hati-hati lagi dalam
perhitungan agar tidak salah dalam menganalisa dan menentukan kesimpulan.
58
DAFTAR PUSTAKA
1. http://www.produksielektronik.com/2012/04/qc-7-tools-7-alatpengendalian-kualitas/
2. Dorothea W. Ariani. 2003. Pengendalian Kualitas Statistik. Yogyakarta:
Penerbit Andi.
3. Elista. 2010. Teknik Teknik Perbaikan Kualitas.
4. http://elista.akprind.ac.id/upload/files/646_kuliah_1-3_bag2.ppt
[09
April 2010].
5. Montgomery, D. C. 1985. Pengantar Pengendalian Kualitas Statistik.
Terjemahan: Zanzawi, S.Yogyakarta: Universitas Gajah Mada Praptono.
1986. Buku Materi Pokok Statistika Pengawasan Kualitas. Jakarata:
6. Universitas Terbuka. Sudjana. 1996. Metode Statistika. Bandung: Tarsito
59
60
LAMPIRAN
LAMPIRAN
SPC 7 TOOLS
Flow Chart Proses Nasabah masuk ke dalam Bank hingga keluar Bank .
61
Tabel dan Grafik Data Kerusakan Produk
No
Jenis
Kerusakan
Kumulatif
100
(%)
21%
(%)
21%
Biaya
Kerusakan
Penyok
Berlubang
87
18%
38%
Patah
235
48%
87%
Asimetris
2%
89%
Gompal
1%
90%
Karatan
1%
91%
Bengkok
46
9%
100%
Jumlah
487
62
Histogram tinggi badan 40 Mahasiswa UMB

NAMA MAHASISWA
RANI
DEWI
INDAH
PUTRA
LINA
SITI
RANDI
AGUS
HENDRA
DINI
RONI
RIZAL
IREN
EVA
RATRI
WIDI
JONI
AISYAH
FAHRI
PUTRI
YUNI
GITA
WAHYU
NOVI
ANGGA
DIAN
FANI
IKA
TONI
ROY
IAN
INA
AINI
ANDI
EVAN
BUDI
VERA
NANI
WIWIT
ANDRA
JUMLAH
NO
TINGGI BADAN
152
153
154
155
156
157
157
158
158
159
160
161
161
164
164
164
164
164
165
166
166
167
167
168
168
169
170
170
170
170
171
172
174
175
176
177
177
180
180
185
6644
SELANG
BATAS
KELAS
KELAS
Frekuensi
Fk
Xi
Fi.Xi
Fi.Xi
63
152 - 156
151.5 - 156.5
154
770
118580
157 - 161
156.5 - 161.5
13
159
1272
202248
162 - 166
161.5 - 167.5
21
164
801
213867
167 - 171
167.5 - 171.5
10
31
169
284
80656
172 - 176
171.5 - 176.5
35
174
301
90601
177 - 181
176.5 - 181.5
39
179
1254
393129
182 - 186
181.5 - 186.5
40
184
2010
673350
40
TOTAL ()
6692
1772431
TOTAL ()
RANGE (R)
33
BANYAK KELAS (K)
6.3
LEBAR KELAS (C)
4.71
Uji Jangkauan data
187
Peta X-bar dan R

NO.
NO. SAMPLE
SAMPLE
1
1 2
2 3
3 4
4 5
5 6
6 7
7 8
8 9
9 10
10

DIAMETER
53KALI PENGUKURAN
( n5) --> mm
1
2
4
2 25,01
3
24,981
28,03
25,00
26,054
24,98
25,01
25,00
24,92
27,02 28,03 24,97
21,88
26,05
24,92
24,97
21,88
26,05
24,98 27,02 24,00
28,03
24,98
23,02
25,00 24,98 25,01
24,97
27,02
26,05
24,00
28,03
27,02
25,01 25,00 25,01
26,05
25,00
23,02
25,01
24,97
28,01
28,03 25,01 28,03
25,01
26,05
27,02
25,01
26,05
28,03
24,97 28,03 23,95
27,08
22,87
28,01
28,03
25,01
24,97
27,02 24,97 24,98
24,97
26,05
28,03
23,95
27,08
22,50
24,98 27,02 27,02
28,03
25,01
24,97
24,98
24,97
22,50
27,02
28,03
24,92
25,01 24,98 28,03
25,01
24,97
24,92
25,01
28,03
5
26,05
26,05
24,98
27,02
25,00
26,05
22,87
26,05
25,01
24,97
25,01
64
X
129,07
124,84
128,04
125,02
128,09
135,13
126,9
127,99
127,54
127,94
1280,56
LCL
0
0
0
0
0
0
0
0
0
0
X Bar
25,814
24,968
25,608
25,004
25,618
27,026
25,38
25,598
25,508
25,588
256,11
PETA R
CL
3,71
3,71
3,71
3,71
3,71
3,71
3,71
3,71
3,71
3,71
R
3,05
5,14
4,03
4,00
2,02
3,02
5,16
2,05
5,53
3,11
37,11
LCL
23,47
23,47
23,47
23,47
23,47
23,47
23,47
23,47
23,47
23,47
PETA X
CL
25,61
25,61
25,61
25,61
25,61
25,61
25,61
25,61
25,61
25,61
UCL
27,75
27,75
27,75
27,75
27,75
27,75
27,75
27,75
27,75
27,75
UCL
7,85
7,85
7,85
7,85
7,85
7,85
7,85
7,85
7,85
7,85
65
66
UKURAN
OBSERVASI
SAMPLE
BANYAKNNYA
P
PRODUK
( Proporsi
CACAT
Cacat )
LCL
CL
67
UCL
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
JUMLAH
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
2500
10
11
9
16
15
14
13
12
10
12
14
16
12
13
14
9
10
13
12
10
9
10
12
14
15
305
0,1
0,11
0,09
0,16
0,15
0,14
0,13
0,12
0,1
0,12
0,14
0,16
0,12
0,13
0,14
0,09
0,1
0,13
0,12
0,1
0,09
0,1
0,12
0,14
0,15
3,05
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,024
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
0,122
68
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
0,220
OBSERVASI
UKURAN
SAMPLE
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
100
BANYAKNNYA
PRODUK
CACAT
10
11
9
16
15
14
13
12
10
12
14
16
12
13
14
9
10
13
P
(Proporsi
Cacat )
0,1
0,11
0,09
0,16
0,15
0,14
0,13
0,12
0,1
0,12
0,14
0,16
0,12
0,13
0,14
0,09
0,1
0,13
LCL
CL
UCL
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
2,38
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
12,20
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
22,02
69
19
20
21
22
23
24
25
JUMLAH
HARI
100
100
100
100
100
100
100
2500
12
10
9
10
12
14
15
305
CACAT ( Reject )
0,12
0,1
0,09
0,1
0,12
0,14
0,15
3,05
LCL
CL
2,38
2,38
2,38
2,38
2,38
2,38
2,38
12,20
12,20
12,20
12,20
12,20
12,20
12,20
UCL
70
22,02
22,02
22,02
22,02
22,02
22,02
22,02
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
JUMLAH
2
2
0
1
1
2
4
0
3
2
2
4
5
3
1
1
5
4
3
2
47
0,000
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
2,350
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
6,949
71
Proses Perbaikan ( ANOVA )

Tipe
Material (B)
Temperatur (A)
15o
70o
125o
130
155
18
180
150
188
118
126
138
110
168
18
34
18
80
75
118
122
106
115
174
18
150
139
20
70
18
56
25
70
58
18
96
104
82
18
Tipe
Material (B)
1. SST
C
TOTAL
478319
Temperatur (A)
15o
15o2
130
155
74
180
150
188
159
126
138
110
168
160
16900
24025
5476
32400
22500
35344
25281
15876
19044
12100
28224
25600
262770
178927.64
70o
70o2
125o
125o2
34
40
80
75
136
122
106
115
174
120
150
139
1156
1600
6400
5625
18496
14884
11236
13225
30276
14400
22500
19321
159119
20
70
82
56
25
70
58
45
96
104
82
60
400
4900
6724
3136
625
4900
3364
2025
9216
10816
6724
3600
56430
SST
TOTAL
Nilai Data
3283 10778089
72
Keseluruhan
Data
Hasil Bagi
36
299391.36
Temperatur (A)
Tipe
Material (B)
2. SSMaterial
C
b
n
TOTAL
15o
70o
125o
130
155
74
180
150
188
159
126
138
110
168
160
3
4
34
40
80
75
136
122
106
115
174
120
150
139
20
70
996
82
56
25
70
1300
58
45
96
104
1501
82
60
SSMaterial
111860.06
12
992016
1690000
2253001
4935017
411251.42
TOTAL
3283 10778089
Data
Hasil Bagi
36
299391.36
3. SSTemperature
Nilai Data
Keseluruhan
Tipe
Material
(B)
A
B
C
Temperatur (A)
15o
70o
125o
130
155
74
180
150
188
159
126
138
110
168
160
34
40
80
75
136
122
106
115
174
120
150
139
20
70
82
56
25
70
58
45
96
104
82
60
73
1738
1291
768
3020644 1666681
589824
3
SSTemperature
12
4
140371.06
TOTAL
a
n
TOTAL
Nilai Data
3283 10778089
Keseluruhan
4. SSInteraksi
Data
Hasil Bagi
Tipe
Material
(B)
36
299391.36
Temperatur (A)
125
o
15
13
0
15
5
74
18
0
15
0
18
8
15
9
12
6
13
8
11
0
16
8
16
0
53
9
62
3
57
6
290521
388129
331776
70
34
20
40
80
75
13
6
12
2
10
6
11
5
17
4
12
0
15
0
13
9
22
9
52441
70
82
22
8
51984
19
8
39204
34
2
11696
4
56
25
47
9
22944
1
70
58
45
58
3
33988
9
96
104
82
60
74
101042
6
TOTAL
n
62177
1
1840349
SSInteraksi
460087.25
20815
2
189206.89
TOTAL
Nilai Data
Keseluruhan
3283
36
299391.36
111860.06
178927.64
SSInteraksi
189206.89
SSTemperature
SSMaterial
SSE
140371.06
111860.06
396645.53
SSMaterial
b
140371.06
MSA
1
2
70185.52778
SSInteraksi
a
b
189206.89
3
3
1
47301.72222
MSB
\
11. Fo
MSB
111860.06
3
1
2
55930.02778
SSTemperature
7. MSA
SST
9. MSAB
8. MSB
6. SSE
Data
Hasil Bagi
SSMaterial
10778089
MSA
70185.5
MSE
14690.6
Fo
4.77759
13. Fo
MSAB
MSE
Fo
47301.7
14690.6
3.21987
Sum Of
Squares
Degree Of
Freedom
Mean
Square
Fo
Tipe Material
111860.06
55930
3.8072
Temperature
140371.06
70185.5
4.77759
Sumber Variasi
75
2
2
4
Interaksi
189206.89
47301.7
Error
396645.53
27
14690.6
838083.53
35
TOTAL
3.21987
76

Laporan Praktek Quality

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Praktek Quality

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

PENJAMINAN DAN PENGENDALIAN KUALITAS

PROGRAM STUDI TEKNIK INDSUTRI

Laporan Praktikum Penjaminan dan Pengendalian Kualitas

Telah disetujui dan diterima sebagai syarat kelulusan mata kuliah

Tanggal Pengumpulan : 28 Desember 2014

Studi kasus ini disusun untuk diajukan sebagai pelengkap tugas

Demikianlah studi kasus

ini disusun semoga bermanfaat dan

melengkapi tugas Pengendalian dan Penjaminan Kualitas Kami.

Jakarta, 28 Desember 2014

2.2 Penggunaan Peta Pengendalian Data Variabel.................................................29

1.3 Manfaat Praktikum............................................................................................60

MODUL 1 PETA KENDALI

1.1 Tujuan Praktikum

praktikum dari awal hingga akhir praktikum ditampilkan

2.1 Teori Singkat

peralatan, material, metode kerja dan lain-lain. Dalam statistical dengan

2.2 Penggunaan Peta Pengendalian Data Variabel

Yang dimaksud karakteristik kualitas misalnya panjang, berat, diameter,

Tabel 1 Ukuran sample Menurut ANSI/ ASQC Z1.9 1993

4. Penentuan Garis Pusat (Center Line) dan batas-batas pengendalian (Control

= rata-rata pengukuran untuk setiap kali observasi

= garis pusat untuk peta pengendali rata-rata

= range data sample pada setiap kali observasi

= garis pusat untuk peta pengendali range

Batas batas peta pengendali untuk range (R )adalah :

5. Penyusunan revisi terhadap garis pusat dan batas batas pengendalian.

p = Proporsi kesalahan dalam setiap sample

= Garis pusat peta pengendali proporsi kesalahan

= Proporsi kesalahan setipa sample atau sub kelompok

= Banyaknya sample yang diambil setiap kali observasi

= Banykannya observasi yang dilakukan

UCL = P bar + 3.Sp

Oleh karenanya, Batas Pengendali Atas (BPA) dan Batas Pengendali

2.3.2 Peta Kendali C

3. Hitung rata-rata jumlah cacat

, ini juga merupakan garis pusat

4. Hitung Batas Kendali Peta Kendali C :

5. Plot data jumlah cacat dari setiap subgroup yang diperiksa.

3.1 Peta Pengendalian Data Variabel (Peta X-bar dan R)

setelah dihaluskan yang diukur menggunkan micrometer dari 10 sample dengan

DIAMETER 5 KALI PENGUKURAN ( n ) --> mm

Dengan demikian untuk pengolahan datanya sbb;

DIAMETER 5 KALI PENGUKURAN ( n ) --> mm

Sehingga untuk grafik Peta Xbar dan R sbb ;

3.2 Peta Pengendalian Data Atribut (Peta P)

3.3 Peta Pengendalian Data Atribut (Peta NP)

3.4 Peta Pengendalian Data Atribut (Peta C)

berlubang,kotor, dan sebagainnya. Berikut Tabel jenis cacat yang rusak ;

4.1 Analisa Peta Pengendalian Variabel (Peta X-bar dan R)

MODUL 3 PROCCES CAPABILITY

yang ada untuk menghasilkan produk yang sesuai dengan

spesifikasi kualitas yang diinginkan, juga dapat mengartikan analisis kemampuan

gunakan untuk membah seluruh pembahasan dari modul yang

Analisis kemampuan proses merupakan suatu tahapan yang harus dilakukan

Yang terpenting dalam menerapkan SPC adalah memahami dan mengidentifikasi

Dapat menciptakan output yang seragam

Memperkirakan seberapa baik proses akan memenuhi toleransi

2.1 Cara membuat analisis kemampuan proses

= Lower specification limit - batas spesifikasi bawah

= enam simpangan baku

Jika didapatkan hasil: