Modul 4 Peta Kendali

Atribut

MODUL
4
PETA KENDALI
ATRIBUT

Laboratorium OSI & K | FT.UNTIRTA | Praktikum

PENGKUAL 2014

Page 1

A. Tujuan
Berikut ini adalah tujuan praktikum modul peta kendali atribut :
1. Memahami konsep defective dan defects dalam data atribut
2. Memahami dasar-dasar statistik peta kendali Shewhart untuk data atribut berdasarkan
distribusi binomial dan poisson
3. Membuat peta kendali Shewhart untuk data atribut berdasar cacat (peta p dan np)
4. Membuat peta kendali Shewhart untuk data atribut berdasar kecacatan (peta c dan u)
5. Menggunakan peta kendali atribut dengan ukuran sampel bervariasi
6. Memahami kelebihan dan kekurangan peta kendali atribut dan peta kendali variabel
B. Teori Singkat
Peta kendali dikembangkan pertama kali oleh Dr. Walter A,Shewhart. Shewhart
menunjukkan suatu fakta penting bahwa variasi dari suatu proses diakibatkan oleh dua
sumber. Sumber variasi pertama disebut penyebab umum (common cause) yang melekat
dalam sistem produksi dan tidak mungkin untuk menghilangkannya (misalnya : keadaan
cuaca). Sumber variasi kedua (special cause) yang diakibatkan oleh beberapa kondisi khusus
(misalnya : masalah bahan baku, kesalahan operator, kegagalan mesin, dll). Secara umum,
teknik pengawasan proses statistikal membantu kita untuk memonitor proses produksi dan
untuk mendeteksi perilaku proses abnormal yang disebabkan oleh penyebab yang khusus.
Dalam pengendalian kualitas dikenal istilah defective (non confroming) dan defects (non
conformities). Defective (non confroming) menjelaskan dua kemungkinan produk gagal
(cacat) atau berhasil (tidak cacat) sedangkan defects (non confromities) menjelaskan
banyaknya kecacatan dalam suatu produk. Berikut ini adalah contoh defective dan defects:

Gambar 1 Defective dan Defects

Shewhart membagi peta kendali dalam 2 kategori yaitu: peta kendali variabel dan peta
kendali atribut. Bagaimana memilih peta kendali atribut? Gambar dibawah ini memberikan
hirarki pemilihan peta kendali atribut :
PETA KENDALI
ATRIBUT
Jumlah
Kecacatan
(Defects)
Dist. Poisson

Poporsi Cacat
(Defective)
Dist. Binomial

n Tetap

n Variansi

n Tetap

n Variansi

Peta
Kendali np,p

Peta
Kendali p

Peta
Kendali c

Peta
Kendali u

Gambar 2 Diargram Peta Kendali Atribuat

Peta kendali atribut memerlukan penentuan apakah sebuah part cacat atau tidak atau
berapakah banyaknya cacat yang terdapat di dalam sampel. Beberapa peta kendali jenis ini
adalah peta kendali p, peta kendali c, peta kendali u, peta kendali np, dan sebagainya. Berikut
ini adalah penjelasan macam-macam peta kendali atribuat.
a. Peta Kendali np
Hampir sama dengan peta kendali p, tetapi peta kendali np lebih mudah dalam
perhitungan karena hasil-hasil inspeksi dapat langsung dipeta kendalikan tanpa dilakukan
proses perhitungan sebelumnya. Peta kendali np menunjukkan jumlah defektif dalam
suatu populasi. Peta kendali np digunakan untuk n tetap. Berikut adalah rumus peta
kendali np :
Rumus peta kendali np :
CL = n =

atau, CL = n = n.

BKA/BKB = n

Jika nilai BKB < 0, Maka nilai BKB = 0

 Rumus perbaikan peta kendali np :

n

=n

atau,

=n

=n

=n

BKA/BKB = n
b. Peta kendali p :
Peta kendali p merupakan peta kendali kontrol fraksi / bagian yang tidak memenuhi
syarat. Peta kendali p menunjukkan proporsi cacat (cacat keseluruhan).Peta kendali p
digunakan untuk n variansi. Berikut ini adalah rumus peta kendali p :
Rumus peta kendali p :
p=

=>

Standar deviasi peta kendali p :

Untuk 3
CL =

BKA/BKB =

Jika nilai BKB < 0, Maka nilai BKB = 0

Dimana :

= proporsi defective

= jumlah sampel per subgrup

= jumlah defektif dalam subgrup

Rumus perbaikan peta kendali p :

=

BKA/BKB =
Dimana :

= jumlah defective yang keluar batas

= jumlah subgrup yang keluar batas

Ada pun tujuan dibuatnya peta kendali p yaitu untuk menentukan rata-rata kualitas,
menarik perhatian manajemen tentang peruahan rata-rata, memperbaiki kualitas, evaluasi
prestasi dari manajemen oprasi dan personel, memperkirakan pemakaian peta kendali X
dan R, dan menentukan kriteria penerimaan.
c. Peta kendali c
Menurut Grant (1991), peta kendali atribut c chart adalah peta kendali untuk
ketidaksesuain (kecacatan) barang dimana besarnya subgroup sama. Contoh penerapan c
chart adalah jumlah ketidaksesuaian permukaaan yang diamati dalam lembaran yang
dilapisi seng atau yang dicat pada daerah tertentu, jumlah ketidaksempurnaan permukaan
dalam selembar film foto, jumlah kerusakan pada titik-titik lemah dalam isolasi pada
panjang tertentu kawat .Ukuran subgrup dari Peta kendali c n = 1 . Berikut adalah rumus
peta kendali atribut c :
Rumus peta kendali c :
CL =

BKA/BKB =
Dimana,

c = Jumlah cacat
k = Jumlah subgrup

Rumus perbaikan peta kendali kendali c :

=

BKA/BKB =

d. Peta kendali u
Peta kendali u merupakan peta kendali yang menunjukkan banyaknya cacat (jumlah
defect) per unit dalam subgrup. Peta kendali u merupakan modifikasi dari Peta kendali c ;
dimana : u =

. Berikut ini adalah rumus peta kendali u :

Rumus Peta kendali Kendali u :

CL =

BKA/BKB =

Dimana,

u = Jumlah cacar per unit dalam subgrup (defect per unit)

= Rrata-rata banyaknya cacat per unit untuk beberapa subgrup (Ratarata defect per unit)

Rumus perbaikan peta kendali u :

=
BKA/BKB =

=
3

Dalam mengendalikan kualitas dari suatu produk ada beberapa alat bantu untuk
mengetahui penyebab utama dari terjadinya kegagalan atau cacat produk sehingga perusahaan
dapat memperbaiki dan meningkatkan mutu produk dengan efektif. Salah satu tools yang
paling sering digunakan adalah Cause and effect diagram.
Diagram Cause and effect diagram (sebab akibat) digunakan untuk menganalisis
persoalan dan faktor-faktor yang menimbulkan persoalan tersebut. Dengan demikian diagram
tersebut dapat digunakan untuk menjelaskan sebab-sebab suatu persoalan. Cause and effect
diagram juga disebut Ishikawa diagram dan dikembangkan oleh Dr. Kaoru Ishikawa.
Diagram tersebut juga disebut Fishbone diagram karena berbentuk seperti kerangka ikan.
Dalam industri manufaktur pembuatan cause and effect diagram dapat menggunakan
konsep 5M-1E, yaitu: machines, methods, materials, measurement, men/women, dan
environment. Sedangkan dalam bidang pelayanan dapat memakai pendekatan 3P-1E yang

terdiri dari : procedures, polocies, people dan equipment. Berikut ini adalah contoh cause and
effect diagram :

Gambar 3 Cause and effect diagram

C. Studi Kasus
Contoh peta Kendali P
Misalkan Anda bekerja di sebuah pabrik yang memproduksi tabung gambar untuk
televisi. Untuk setiap lot, Anda menarik beberapa tabung dan melakukan inspeksi visual. Jika
tabung memiliki goresan di bagian dalam, Anda menolaknya. Jika memiliki terlalu banyak
menolak, Anda melakukan pemeriksaan 100% terhadap lot tersebut. P chart dapat
menentukan kapan Anda harus memeriksa seluruh lot. Berikut adalah data yang dihasilkan :

Tabel 1. Hasil Pemeriksaan Terhadap Lot

No

Sampled

Rejects

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

98
104
97
99
97
102
104
101
55
48
50
53
56
49
56
53
52
51
52
47

20
18
14
16
13
29
21
14
6
6
7
7
9
5
8
9
9
10
9
10

Cara penyelesainya :.
1. Pilih Start > Charts kontrol > Atribut Charts > P.
2. Pada Variabel, masukkan Rejects.
3. Dalam ukuran Subkelompok, masukkan Sampel.
4. Klik OK.
Sehingga didaptkan output sebagai berikut

Dan grafik sebagai berikut :

P Chart of
Rejects

0,35
1

0,30
Proportion

UCL=0,3324

0,25
_
P=0,168
5

0,20
0,15
0,10
0,05
0,00
1
5

7
9
13
Sample

11

15
19

17

LCL=0,0047

Tests performed with unequal sample sizes

Gambar 4. Peta Kendali P

Dari grafik diatas dapat dilihat bahwa data no 6 melewati batas kendali atau out of control.
Contoh Peta Kendali NP
Anda bekerja di sebuah perusahaan manufaktur mainan dan pekerjaan Anda adalah
untuk memeriksa jumlah ban sepeda rusak. Anda memeriksa 200 sampel di setiap lot dan
kemudian memutuskan untuk membuat bagan NP untuk memantau jumlah barang cacat.
Anda memutuskan untuk membagi grafik dengan setiap 10 banyak pemeriksaan. Berikut
adalah data yang dihasilkan :

Tabel 2. Data Hasil Pemeriksaan Mainan

No

Inspected

Rejects

No

Inspected

Rejects

No

Inspected

Rejects

1
2
3
4
5
6
7
8
9
10

200
200
200
200
200
200
200
200
200
200

8
13
7
8
5
13
7
12
27
10

11
12
13
14
15
16
17
18
19
20

200
200
200
200
200
200
200
200
200
200

12
6
10
9
13
7
8
5
15
25

21
22
23
24
25
26
27
28
29
30

200
200
200
200
200
200
200
200
200
200

7
10
5
12
6
6
10
17
14
11

Cara penyelesaiiannya adalah :

1.

Pilih Stat> Charts kontrol> Atribut Charts> NP.

2.

Pada Variabel, masukkan Rejects.

3.

Dalam ukuran Subkelompok, masukkan Inspected.

4.

Klik NP Bagan Options, kemudian klik tab Display.

5.

Di bawah grafik Berpisah menjadi serangkaian segmen untuk tujuan tampilan, pilih
Setiap segmen berisi

6.

subgrup dan enter10.

Klik OK di setiap kotak dialog.

Berikut hasil dari minitab

Peta kendali NP
NP Chart of
Rejects

Sample Count

20

UCL=20,10

10

NP=10,6

1
3

4
8

LCL=1,10

9
10
1

20

UCL=20,10

10

NP=10,6

11
12

13
14

15
16

17
19

18

LCL=1,10
20

20

UCL=20,10

10

NP=10,6

21
22

23
24

25
26

27
29

28

LCL=1,10
30

Sampl
e

Gambar 5. Peta Kendali NP

Inspeksi banyak 9 dan 20 jatuh di atas batas kendali atas, menunjukkan bahwa
penyebab khusus dapat mempengaruhi jumlah barang cacat untuk banyak ini. Anda harus
menyelidiki apa penyebab khusus mungkin telah mempengaruhi out-of-control jumlah sepeda
barang cacat ban untuk pemeriksaan banyak 9 dan 20.
Kemudian dari data peta kendali NP di atas dibuatpeta kendali P
Langkah penyelesaian :
1. Pilih Start > Charts kontrol > Atribut Charts > P.
2. Pada Variabel, masukkan Rejects.
3. Dalam ukuran Subkelompok, masukkan Inspected.
4. Klik OK.
Sehingga didaptkan output sebagai berikut

Peta Kendali P
P Chart of
Reject

0.14

Proportion

0.12
UCL=0.1005

0.10
0.08

_
P=0.05
3

0.06
0.04
0.02

LCL=0.0055

0.00
1

7
10

13
16
19
Sample

22
28

25

Gambar 6. Peta Kendali P

Contoh Peta Kendali C

Misalkan Anda bekerja untuk sebuah produsen linen. Setiap 100 meter persegi kain
dapat berisi sejumlah noda sebelum ditolak. Untuk keperluan kualitas, Anda ingin mengamati
jumlah cacat per 100 meter persegi selama beberapa hari, untuk melihat apakah proses Anda
berperilaku diduga. Anda ingin peta kendali untuk menunjukkan batas kontrol pada 1, 2, dan
3 standar deviasi di atas dan di bawah garis tengah. Berikut tabel hasil pengamatannya :
Tabel 3. Hasil Pengamatan per 100 meter persegi
No

Defects

No

1
2
3
4
5
6
7
8
9
10

2
4
1
1
4
5
2
1
2
4

11
12
13
14
15
16
17
18
19
20

Defects
4
3
5
2
1
1
2
3
2
4

No
21
22
23
24
25
26
27
28
29
30

Defects
3
2
4
3
2
3
5
1
4
3

No
31
32
33
34
35
36
37
38
39
40

Defects
4
2
3
6
4
0
1
2
3
1

Cara Penyelesaian :
1. Pilih Stat> Charts kontrol> Atribut Charts> C.
2. Pada Variabel, masukkan Difective.
3. Klik C Bagan Options, kemudian klik tab S Batas.
4. Di bawah batas kontrol Display di, masukkan 1 2 3 dalam kelipatan ini dari standar
deviasi.
5. Di bawah tempat batas pada batas kontrol, periksa batas standar deviasi rendah terikat
dan enter0.
6. Klik OK di setiap kotak dialog.
Peta kendali C
C Chart of
Defects

+3SL=7,677

Sample Count

+2SL=6,027

6
+1SL=4,376

_
C=2,72
5

4
3
2

-1SL=1,074

LB=0

0
1
9

13
17

21
25
Sample

29

33

37

Gambar 6. Peta Kendali C

Karena poin jatuh dalam pola acak, dalam batas-batas batas kontrol 3s, Anda
menyimpulkan proses tersebut berfungsi diduga dan memegang kendali.
Contoh Peta Kendali U
Sebagai manajer produksi dari perusahaan manufaktur mainan, Anda ingin memantau jumlah
cacat per unit mainan mobil bermotor. Anda memeriksa 20 unit mainan dan membuat grafik
U untuk memeriksa jumlah cacat di setiap unit mainan.
a. Buat peta Kendali U
b. Buat peta kendali U dengan asumsi subgrupnya 102

Berikut adalah data yang digunakan :

Tabel 4. Hasil Pengamatan mainan mobil bermotor
No

Day

Sample

Defects

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
5
5
5
5

110
101
98
105
110
100
98
99
100
100
102
98
99
105
104
100
103
100
98
102

9
11
2
5
15
13
8
7
5
2
4
4
2
5
5
2
3
2
1
6

a. Peta Kendali U
Cara penyelesaian :
1. Pilih Stat> Charts kontrol> Atribut Charts> U.
2. Pada Variabel, masukkan Defects.
3. Dalam ukuran Subkelompok, masukkan Sample.
4. Klik OK di kotak dialog.
Berikut hasil dari perhitungan :

Sample Count Per Unit

Peta Kendali U
0.14

U Chart of
Defects

UCL=0.1241

0.12
0.10
0.08
_
U=0.05
46

0.06
0.04
0.02
0.00

LCL=0
7
13

11

15

17

19

Sample
Tests performed with unequal
sample sizes

Gambar 7. Peta Kendali U

b. Peta kendali U dengan Asumsi Subgrup 102

Cara Penyeliesaian :
a. Pilih Stat> Charts kontrol> Atribut Charts> U.
b. Pada Variabel, masukkan Defects.
c. Dalam ukuran Subkelompok, masukkan 102.
d. Klik U Bagan Options, kemudian klik tab S Batas.
e. Di bawah Ketika ukuran subkelompok tidak sama, menghitung batas kontrol, pilih
asumsi semua subkelompok telah ukuran kemudian masukkan 102.
f. Klik OK di kotak dialog.
Berikut hasil dari perhitungan :

Sample Count Per Unit

Peta Kendali U

0,14

U Chart of
Defects

1
1

UCL=0,1241

0,12
0,10
0,08
_
U=0,054
6

0,06
0,04
0,02
0,00

LCL=0
7
13

11

15

17

19

Sample

Gambar 8. Peta Kendali U

Unit 5 dan 6 di atas garis batas kontrol atas, menunjukkan bahwa penyebab khusus
dapat mempengaruhi jumlah cacat pada unit-unit ini. Anda harus menyelidiki apa penyebab
khusus mungkin telah mempengaruhi out-of-control jumlah bermotor cacat mobil mainan
untuk unit-unit ini.
D. Tugas Pendahuluan
1.

Jelaskan perbedaan defective (nonconforming) dengan defects (nonconformities)

dan berikan contohnya !

2.

Sebutkan dan jelaskan peta apa saja yang terdapat dalam peta kendali atribut !

3.

Sebutkan dan jelaskan kelebihan dan kekurangan menggunakan peta kendali atribut
!

4.

Buatlah contoh Cause and effect diagram!

5.

PT. Juggy Corporation, bermaksud untuk memantau banyaknya produk yang

defective ketika melakukan proses pembubutan pada tiang juggy punk. Dicatat

banyaknya tiang juggy punk yang tidak memenuhi persyaratan yang diinginkan
adalah seperti pada tabel. Pengamatan dilakukan selama 20 hari.
Tabel 5. Data Pengamatan Banyaknya Defective
Hari

Ukuran
Sampel

Jumlah
Defective

Hari

Ukuran
Sampel

Jumlah
Defective

1
2
3
4
5
6
7
8
9
10

48
37
50
47
48
54
51
42
32
40

5
5
0
5
0
3
0
1
5
2

11
12
13
14
15
16
17
18
19
20

56
45
57
61
62
55
55
51
46
42

2
4
1
0
3
0
5
2
2
4

6. Berikut ini Merupakan data pemeriksaan defective dari produk komputer selam 25
hari trakhir. Apakah data terkendali? Jelaskan dengan perhitungan dan grafik peta
kendali!
Tabel 6. Data Pemeriksaan Defective dari produk komputer dalam 25 Hari
No

Banyaknya
sempel

Jumlah
Defective

No

Banyaknya Jumlah
sempel
Defective

101

14

91

100

15

98

106

16

96

104

17

105

108

18

95

118

19

103

95

20

123

91

21

84

103

22

109

11

10

101

10

23

94

11

103

24

113

12

96

25

90

13

113

14

7. Sebuah penelitian dilakukan oleh divisi QC pada PT. Juggy Corporation, untuk
memantau banyaknya produk yang defective ketika melakukan proses pembubutan
pada tiang penyangga jug hanger. Ukuran contoh ditetapkan sebesar 49 (n=49)
dengan jalan memeriksa 49 tiang penyangga jug hanger yang dikerjakan setiap
hari, kemudian dicatat banyaknya tiang penyangga jug hanger yang tidak
memenuhi persyaratan yang diinginkan adalah seperti pada tabel. Pengamatan
dilakukan selama 20 hari.
Tabel 7. Data Pengamatan Banyaknya Defective pada tiang penyangga jug hanger
Hari

Cacat
Tiang

Hari

Cacat
Tiang

1
2
3
4
5
6
7
8
9
10

5
5
0
5
0
3
0
1
5
2

11
12
13
14
15
16
17
18
19
20

2
4
1
0
3
0
5
2
2
4

8. Suatu perusahaan pembuat mainan anak-anak ingin membuat peta pengendali untuk
periode mendatang dengan mengadakan inspeksi terhadap proses produksi bulan
ini. Perusahaan melakukan 25 observasi dengan mengambil sampel 50 buah untuk
setiap observasi. Data hasil pengambilan sampel dapat dilihat pada tabel berikut
Tabel 8. Data hasil pengambilan sampel
Observasi

banyaknya
produk cacat

1
2
3
4
5
6
7

4
5
5
4
6
2
3

Tabel 8. Data hasil pengambilan sampel (Lanjutan)

Observasi

banyaknya
produk cacat

8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

6
4
3
3
2
3
2
4
1
4
10
3
2
1
4
7
5
4

9. PT. Juggy Corporation, sedang mengadakan penelitian mengenai jumlah jenis

kecacatan (defects) produk juggy yang terjadi selama 1 bulan terakhir. Penelitian ini
digunakan untuk mendata jenis-jenis kecacatan (kerusakan, lubang,kotor dll) agar
lain kali bisa dicegah terjadi cacat lebih banyak lagi,data sebagai berikut :
Tabel 9.Tabel data jumlah jenis kecacatan (defects) produk juggy
Hari
Reject (R) Hari Reject (R) Hari
1
2
3
4
5
6
7
8
9
10

4
2
0
3
1
5
2
2
3
4

11
12
13
14
15
16
17
18
19
20

0
5
4
2
2
1
3
3
0
5

21
22
23
24
25
26
27
28
29
30

Reject (R)
2
2
3
3
4
2
1
1
2
2

10. Bram adalah bagian dari tim QC di PT. Kaset Indonesia yang ingin melakukan
inspeksi terhadap kualitas kaset yang di produksi. Berikut ini didapatkan banyaknya
defects dalam inspeksi akhir produk kaset:
Tabel 10.Tabel data jumlah defects pada produk kaset
No

Banyaknya
Defects

No

Banyaknya
Defects

1
12
1
1
13
2
3
14
3
7
15
4
8
16
5
10
17
6
5
18
7
13
19
8
0
20
9
19
21
10
24
22
11
a. Buatlah analisa dari data tersebut (grafik)!

6
9
11
15
8
3
6
7
4
9
20

b. Brapa nilai CL dan BKA/BKB?

11. Suatu unit QC dari PT. Juggy Corporation, ingin mengadakan inspeksi pada bahan
kayu juggy hook yang diinspeksinya. Karena bahannya panjang, maka ditetapkan
memeriksaan tiap 50 cm bahan kayu juggy hook . Pemeriksaan dilakukan untuk 10
hari pengamatan :
Tabel 11.Tabel Hasil inspeksi pada bahan kayu juggy hook
Hari

Panjang (cm)

Difects

1
2
3
4
5
6
7
8
9
10

47
5
52
5
62
5
57
5
72
5
67
5
42
5
37
5
22
5
17
5

5
14
9
8
12
11
15
12
11
8

12. Direktur departemen farmasa melakukan pengamatan tingkat oprasi di rumah sakit
Harapan Kami. Jenis kesalahan yang terjadi yaitu pemberian obat yang salah, dosis
yang salah, diberikan kepada pasien yang salah dan diberikan pada waktu yang
salah. Sehingga direktur melakukan pengamatan banyaknya kesalahan (defects)
selama 25 hari. Didapatkan jumlah pasien perharinya (order) dan banyaknya
kesalahan (defects) dalam 25 hari. Analisa apakah data dibawah ini terkendali atau
tidak dan tentukan nilai CL dan BKA/BKB!
Tabel 12.Tabel Jumlah pasian perharinya (order) dan banyaknya kesalahan (defecs)
No

Banyaknya
Order

Banyaknya
kesalahan
(defects)

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

1200
1160
1210
1300
1120
1150
1100
1320
1240
1180
1140
1120
1220
1200
1150
1100
1160
1300
1100
1180
1220
1240
1120
1150
1180

11
10
12
9
10
12
14
12
10
15
4
13
7
16
14
23
14
16
10
12
14
13
16
13
12