Anda di halaman 1dari 34

Makalah ini diajukan untuk melengkapi tugas mata kuliah Manajemen Kualitas di

Fakultas Ekonomi dan Bisnis Universitas Pancasila, Jakarta

Disusun oleh :
Renoe Cris Binanto

1112210101

Program Studi Manajemen - Universitas Pancasila


Jakarta
2014

ABSTRACT

The purpose of this paper is to determine how Statistical Process Control (SPC) to
optimezed and control the process.The research carried out by using descriptive methods and
literatures. The results showed that there is Statistical Process Control is a statostoc tool
which most importan to control the quality, then there is a ways to help operating manager to
evaluate product quality or delivered through operating characteristic curve. Statistical
Process Control can give a benefit for company so they can be better and reach success
through technique in SPC which can be use by manager in organization.
Key words

: Statistical Process Control (SPC), Operating characteristic curve

ABSTRAK

Tujuan makalah ini adalah untuk mengetahui bagaimana Statistical Process Control
(SPC) Untuk Mengoptimalkan dan Mengendalikan Proses. Metode penelitian dilakukan
dengan menggunakan metode deskriptif dan kepustakaan. Hasil penelitian menunjukkan
bahwa Pengendalian Proses secara Statistik merupakan alat statistik yang terpenting dalam
mengendalikan mutu, demikian juga terdapat cara-cara untuk dapat menolong manajer
operasi untuk mengevaluasi mutu produksi atau kiriman barang melalui Kurva Karakteristik
Operasi. Pengendalian Proses secara Statistik memberikan manfaat untuk kemajuan
organisasi untuk mencapai sukses melalui teknik teknik yang ada dalam SPC yang dapat
digunakan oleh manajer dalam organisasi agar dapat menghasilkan kinerja yang lebih baik.
Kata kunci

: Pengendalian Proses secara Statistik (SPC), Kurva Karakteristik Operasi

KATA PENGANTAR

Puji dan Syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa, atas berkat
rahmat dan karunia-Nya sehingga penulis dapat menyusun makalah ini dengan lancar. Dalam
makalah ini penulis membahas mengenai Statistical Process Control (SPC) Untuk
Mengoptimalkan dan Mengendalikan Proses.
Makalah ini penulis susun dengan tujuan sebagai informasi serta untuk menambah
wawasan khususnya mengenai bagaimana mengoptimalkan dan mengendalikan proses
dengan menggunakan alat Statistical Process Control.
Akhir kata semoga makalah ini dapat memberti manfaat bagi pembaca pada umumnya
dan penulis pada khususnya. Penulis menyadari bahwa dalam pembuatan makalah ini masih
jauh dari sempurna, untuk itu penulis menerima saran dan kritik yang bersifat membangun
demi perbaikan kearah kesempurnaan. Akhir kata penulis sampaikan terimakasih.

Jakarta, Maret 2015

Penulis

DAFTAR ISI

ABSTRACT ....................................................................................................................
ABSTRAK .......................................................................................................................
KATA PENGANTAR ....................................................................................................
DAFTAR ISI ..................................................................................................................
BAB 1. PENDAHULUAN
1.1 Latar Belakang Penelitian ........................................................................
1.2 Masalah Pokok Penelitian ........................................................................
1.3 Tujuan Penelitian ......................................................................................
1.4 Manfaat Penelitian ....................................................................................
1.5 Keterbatasan Penelitian .............................................................................
BAB 2. METODOLOGI PENELITIAN
2.1 Desain Makalah .........................................................................................
2.2 Tahap Pengumpulan Data ...........................................................................
BAB 3. ANALISIS DAN PEMBAHASAN
3.1 Persyaratan Kondisional Pengukuran Kualitas ..........................................
3.2 Pengukuran Performansi Kualitas ..............................................................
3.3 Aspek-Aspek Pengukuran Kualitas ...........................................................
3.4 Pengendalian Proses Secara Statistik ........................................................
3.5 Diagram Pengendalian ..............................................................................
3.6 Teorema Batas- batas Kendali yang terpusat ............................................
BAB 4. KESIMPULAN DAN SARAN
4.1 Kesimpulan ................................................................................................
4.2 Saran .........................................................................................................
DAFTAR ISTILAH
DAFTAR PUSTAKA
LAMPIRAN
BIODATA PENULIS

ii
iii
iv
v
6
6
6
7
7
8
8
9
9
10
12
13
16
26
26

BAB 1
PENDAHULUAN

1.1

Latar Belakang Penelitian


Pengendalian proses statistical (statistical process control = SPC) adalah suatu
system statistical yang mulai digunakan sejak tahun 1970-an untuk menjabarkan
penggunaan teknik-teknik system statistical (statistical techniques) dalam memantau
dan meningkatkan performasi proses menghasilkan suatu produk berkualitas. Pada
tahun 1950-an sampai 1960-an digunakan system statistical Pengendalian Kualitas
Statistikal (Statistical Process Control = SPC).
Pengendalian kualitas merupakan aktivitas teknik dan manajemen, melalui
mana kita mengukur karakteristik kualitas dari output (barang dan/atau jasa),
kemudian membandingkan hasil pengukuran itu dengan spesifikasi output yag
diinginkan pelanggan, serta mengambil tindakan perbaikan yang tepat apabila
ditemukan perbedaan antara performansi sistem dan standar.
Tujuan utama dari peningkatan kualitas tidak hanya untuk menyediakan
kualitas produk yang baik tetapi juga menigkatkan produktivitas dan kepuasan
konsumen. Pada dasarnya, peningkatan produktivitas dan kepuasan konsumen harus
beiringan agar memberikan perusahaan biaya yang murah dalam penigkatan kualitas
tersebut. SPC adalah yang memampukan pengedali kualitas untuk memonitor,
meganalisis, memprediksikan, mengontrol, dan menigkatkan proses produksi melalui
control charts. Control charts merupakan alat dalam menganalisis variasi dari proses
produksi.

1.2

Masalah Pokok Penelitian


Masalah yang penulis coba angkat dalam penulisan makalah ini antara lain
sebagai berikut:
1) Mengidentifikasikan atau mendefinisikan proses secara statistik?
2) Mengemukakan piranti atau alat untuk mengolah data numerik dan verbal,
persyaratan kondisional dalam melakukan pengukuran kualitas, tingkatan
pengukuran performansi kualitas, aspek-aspek yang harus diperhatikan dalam
menyusun program pengukuran kualitas, aspek-aspek yang harus diperhatikan
dalam menyusun program pengukuran kualitas, dan teknik-teknik yang
dipergunkan dalam pengawasan kualitas secara statistik?

1.3

Tujuan Penelitian
Tujuan dari peneilitian ini terbagi menjadi 2 yaitu:
1.3.1 Tujuan untuk pembaca
Adapun tujuan dari penelitian ini yang didapat yaitu untuk mengetahui
bagaimana dan juga mengetahui lebih jauh mengenai Statistical Process Control
(SPC) Untuk Mengoptimalkan dan Mengendalikan Proses. Sehingga hasil dari
penelitian ini dapat menjadi masukan kepada seluruh pelajar.
1.3.2 Tujuan untuk penulis
Bagi penulis sendiri, tujuan dari melaksanakan penelitian ini yaitu untuk
mengetahui bagaimana Statistical Process Control (SPC) Untuk

Mengoptimalkan dan Mengendalikan Proses. Sehingga dapat menjadi ilmu dan


pengetahuan lebih dari apa yang sudah didapat.
1.4

Manfaat Penelitian
Manfaat dari penelitian ini antara lain sebagai berikut:
1) Memberikan pemahaman mengenai Statistical Process Control (SPC) Untuk
Mengoptimalkan dan Mengendalikan Proses,
2) Memberikan pemahaman mengenai Mutu Melalui Pengendalian Proses secara
Statistik,
3) Memberikan pemahaman mengenai Peranan Proses Pengenddalian Statistik
dalam Operasi,

1.5

Keterbatasan Penelitian
Agar penelitian lebih fokus dan untuk memperjelas ruang lingkup pembahasan,
maka masalah yang dibahas dibatasi pada masalah:
1) Pengendalian Proses secara Statistik (Statistical Process ContolSPC),
2) Persyaratan kondisional pengukuruan kualitas,
3) Pengukuran performansi kualitas,
4) Aspek-aspek program pengukuran kualitas
5) Teknik pengawasan kualitas secara statistik

BAB 2
METODOLOGI PENELITIAN
Metodologi yang penulis gunakan dalam penulisan makalah ini adalah sebagai
berikut:
2.1 Desain Makalah
Desain makalah ini dalam arti luas adalah proses perencanaan dan pelaksanaan
suatu penelitian, sedangkan dalam arti sempit dan khusus desain makalah merupakan
rencana tentang tata cara mengumpulkan dan menganalisis data agar secara ekonomis
serta serasi dengan jenis atau tujuan penelitian.
Objek makalah dalam pembahasan makalah ini adalah untuk mempelajari
Statistical Process Control (SPC) Untuk Mengoptimalkan dan Mengendalikan Proses.
2.2

Tahap Pengumpulan Data


Metode pengumpulan data yang penulis gunakan adalah metode studi
kepustakaan dan internet. Metode ini dilakukan dengan cara membaca dan mempelajari
tulisan-tulisan berupa buku-buku atau bacaan di internet yang berhubungan dengan
masalah Statistical Process Control (SPC) Untuk Mengoptimalkan dan Mengendalikan
Proses. Hal ini dilakukan untuk menjadi landasan berpikir secara logis dalam menyusun
makalah ini.

BAB 3
ANALISIS DAN PEMBAHASAN
3.1

Persyaratan Kondisional Pengukuran Kualitas


Karena hasil dari pengukuran kualitas akan menjadi landasan dalam membuat
kebijakn perbaikan kualitas secara keseluruhan dalam proses bisnis, maka kondisikondisi berikut sangat diperlukan untuk mendukung pengukuran kualitas yang sahih
(valid).
Beberapa kondisi tersebut (Gasperz, 1997: 125) adalah sebagai berikut.
1. Pengukuran harus dimulai pada permulaan program. Berbagai masalah yang
berkaitan dengan kualitas serta peluang untuk memperbaikinya harus
dirumuskan secara jelas.
2. Pengukuran kualitas dilakukan pada sistem. Fokus dari pengukuran kualitas
terletak pada sistem secara keseluruhan. Pengukuran tidak hanya diletakkan
pada proses akhir saja yang biasanya telah menghasilkan produk, tetapi harus
dimulai dari perencanaan awal pembuatan produkm selama proses akhir yang
menghasilkan output, bahkan sampai pada penggunaan produk oleh pelanggan.
Dengan demikian, pengukuran kualitas seyogjanya dimulai sejak adanya
gagasan untuk membuat produk sampai masa penggunaan produk berakhir.
3. Pengukuran kualitas seharusnya melibatkan semua individu yang terlibat dalam
proses yang bersifat partisipatif. Orang-orang yang bekerja dalam proses harus
memahami secara baik nilai pengukuran kualitas dan bagaimana memperoleh
suatu nilai tertentu. Setiap orang harus dilibatkan sehingga memberikan hasil
yang terbaik. Dengan demikian, tanggung jawab pengukuran kualitas berada
pada semua orang yang terlibat dalam proses tersebut. Pelaksanaan pengukuran
kualitas boleh saja dilakukan oleh bagian kualitas atau suatu tim yang dibentuk
untuk maksud itum tetapi pada dasarnya mereka hanya merupakan koordinator
saja. Karena pengukuran kualitas berorientasi pada proses kerja, seyogjanya
tanggung jawab pengukuran kualitas berada pada setiap individu yang terlibat
dalam proses kerja pada sistem tersebut.
4. Pengukuran seharusnya dapat memunculkan data, di mana nantinya data dapat
ditunjukkan atau ditampilkan dalam bentuk peta, diagram, tabel, hasil
perhitungan statistik, dan lain-lain. Data seharusnya dipresentasikan dengan cara
yang termudah.
5. Pengukuran kualitas yang menghasilkan informasi-informasi

3.2

Pengukuran Performansi Kualitas


Pengukuran performansi kualitas dapat dilakukan pada tiga tingkat (Gasperz
1997: 126). Yaitu pada tingkat proses,tingkat output, dan tingkat hasil (outcome).
1) Pengukuran pada tingkat proses, mengukur setiap langkah atau aktivitas dalam
proses dan karakteristik input yang diserahkan oleh pemasok yang mengendalikan
karakteristik output yang diinginkan. Tujuan pengukuran pada tingkat ini adalah
mengidentifikasi perilaku yang mengatur setiap langkah dalam proses data
menggunakan ukuran-ukuran untuk mengendalikan operasi serta memperkitakan
output yang akan dihasilkan sebelum output diproduksi atau diserahkan kepada
pelanggan. Beberapa contoh ukutan tingkat proses yang menggambarkan
performansi kualitas adalah lama waktu menjawab panggilan telepon, banyaknya
panggilan telepon yang tidak dikembalikan, persentase material cacat yang

diterima pemasok, siklus waktu produk, anyaknya persediaan barang setengah jadi,
dan lain-lain,
2) Pengukuran pada tingkat output, mengukur karakteristik output yang dihasilkan
dibandingkan dengan spesifikasi karakteristik yang diinginkan pelanggan.
Beberapa contoh ukuran pada tingkat output adalah banyaknya unit pproduksi yang
tidak memenuhi spesifikasi tertentu yang diterapkan, yaitu banyaknya produk
cacat, tingkat efektivitas dan efisiensi produksi, kualitas dari produk yang
dihasilkan, dan lain-lain,
3) Pengukuran pad atingkat outcome, yaitu mengukur bagaimana baiknya suatu
produk memenuhi kebutuhan dan harapan pelanggan, jadi mengukur tingkat
kepuasaan pelanggan dalam mengkonsumsi produk yang diserahkan. Pelanggan
pada tingkat outcome merupakan tingkat tertinggi dalam pengukuran performansi
kualitas. Beberapa contoh ukuran pada tingkat outcome adalah banyaknya, keluhan
pelanggan yang diterima, banyaknya produk yang dikembalikan oleh pelanggan,
tingkat ketepatan waktu penyerahan sesuai dengan waktu yang dijanjikan, dan lainlain
.
3.3.1 Ukuran Sasaran Prestasi Strategi Produksi Just in Time
Tabel VII.1
Ukuran Sasaran Prestasi Strategi Produksi Just in Time
Sasaran just in Time
Ukuran
Ukuran
Ukuran
Prestasi rendah Prestasi
Prestasi
Sedang
tinggi
Arus perputaran inventori
<10x
10-25x
>25x
Work in process
2 minggu
1 minggu
1 hari
Reduksi siklus waktu
25%
25-75%
>75%
Reduksi scrap & rework
30%
30-80%
>80%
Reduksi basis pemasok
25%
25-50%
>50%
Banyaknya
pemasok
mengikuti 25%
25-75%
>75%
strategi just in time
Perbaikan kualitas
50%
75%
100%
Banyaknya bagian yang diterima 25%
25-75%
>75%
tanpa inspeksi
Reduksi ruang pabrik
25%
25-50%
>97%
Linearitas output pabrik
85%
85-97%
>97%
Peningkatan produktivitas
25%
25-50%
>50%
Reduksi overhead
20%
20-50%
>50%
Sumber: hermandez (1995), Just in time manufacturing
Catatan: -Perbaikan mutu diukur melallui persentase reduksi banyaknya produk
cacat
-Peningkatan produktivitas diukur melalui berbagai cara, seperti jumlah
produksi per jam kerja, hasil penjualan per tenaga kerja, hasil penjualan
per total biaya, dan lain-lain.
3.3

Aspek-Aspek Pengukuran Kualitas


Dalam melaksanakan pengukuran performansi kualitas, pada dasarnya
harus diperhatikan aspek internal dan aspek eksternal suatu organisasi (Gasperz,

1997: 128). Dalam organisasi bisnis, aspek internal dapat berupa tingkat1
kecacatan produk, biaya-biaya karena kualitas jelek, seperti pekerjaan ulang,
cacat, dan lain-lain, sedangkan aspek eksternal dapat berupa kepuasan
pelanggan, pangsa pasar, dan lain-lain. Riset kepuasan pelanggan sebagai suatu
alat untuk menjaring informasi tentang keinginan pelanggan harus dirancang
mengikuti beberapa prinsip dasar berikut.
1. Riset harus berfokus pada harapan pelanggan yang berkaitan dengan kualitas
dan jenis produk yang diinginkan serta persepsi pelanggan tentang apa yang
pelanggan yakini akan diperolehnya kalau mereka mengkonsumsi produk,
bukan pada persepsi produsen (perusahaan) terhadap apa yang sedang
ditawarkannya.
2. Riset harus berfokus pada kualitas produk, bukan pada kesalahan-kesalahan
individual atau perusahaan.
3. Seluruh karyawan harus dilibatkan dalam mengembangkan ukuran-ukuran
kepuasan pelanggan sehingga ukuran-ukuran itu akan menjadi lebih relevan
dengan pekerjaan mereka sehari-hari.
4. Data kualitatif dan kuantitatif harus dikumpulkan.
5. Pertanyaan-pertanyaan dalam survei harus spesifik serta mudah untuk
mengumpulkan dan mencatat data itu.
6. Instrumen riset harus dirancang sedemikian rupa sehingga manajemen dan
atau karyawan dapat mengambil tindakan berdasarkan hasil riset.
7. Penghargaan atau sistem insentif terhadap perubahan positif yang didasarkan
pada hasil-hasil dari survei konkret dan cukup berharga atau bernilai.
Pengukuran yang dilakukan seharusnya mempertimbangkan setiap aspek
dari proses operasional yang mempengaruhi persepsi pelanggan tentang nilai
kualitas. Melalui suatu survei pendahuluan yang bersifat eksploratif dapat
diifentifikasi semua attribut produk yang menentukan kepuasan pelanggan dan
persepsi pelanggan tentang nilai kualitas produk. Atribut-atribut ini merupakan
basis dari instrumen riset. Atribut-atribut ini kemudian merupakan oasis dari
setiap perusahaan. Pada umumnya, atribut yang dipertimbangkan dalam
pengukuran kualitas adalah sebagai berikut.
1. Kualitas produk, mencakup hal-hal berikut.
a. Performansi, berkaitan dengan pilihan-pilihan dan pengembangannya.
b. Features, berkaitan dengan pilihan-pilihan dan pengembangannya.
c. Keandalan, berkaitan dengan tingkat kegagalan dalam penggunaan
produksi
d. Serviceability, berkaitan dengan kemudahan dan ongkos perbaikan.
e. Konformitas, berkaitan dengan tingkat kesesuaian produk terhadap
terhadap spesifikasi yang telah ditetapkan sebelumnya berdasarkan
keinginan pelanggan.
f. Durability, berkaitan dengan daya tahan atau masa pakai produk.
g. Estetika, berkaitan dengan desain dan pembungkusan dari produk.
h. Kualitas yang dirasakan bersifat subjektif, berkaitan dengan peranan
pelanggan dalam mengkonsumsi produk, seperti meningkatkan harga
moral, dan lain-lain.
2. Dukungan pelayanan purnajual, terutama yang berkaitan dengan waktu
penyerahan dan bantuan yang diberikan, mencakup beberapa hal berikut.
1 M.N. Nasution 2005. Manajemen Mutu Terpadu. Bogor: Ghalia Indonesia.

a. Keceoatan penyerahan, berkaitan dengan lamanya antara waktu


pelanggan memesan produk dan waktu penyerahan produk itu.
b. Konsistensi, berkaitan dengan kemampuan memenuhi jadwal yang
menjanjikan
c. Tingkat pemenuhan pesanan, berkaitan dengan kelengkapan dari
pesanan yang dikirim.
d. Informasi, berkaitan dengan status pesanan.
e. Tanggapan dalam keadaan darurat, berkaitan dengan kemampuan
menangani permintaan-permintaan nonstandar yang bersifat tiba-tiba.
f. Kebijakan pengembalian, berkaitan dengan pprosedur menangani
barang-barang ruska yang dikembalikan pelanggan.
3. Interaksi antara karyawan dan pelanggan, mencakup beberapa hal berikut.
a. Ketepatan waktu, berkaitan dengan kecepatan memberikan tanggapan
terhadap keperluan-keperluan pelanggan.
b. Penampilan karyawan, berkaitan dengan kebersihan dan kecocokan
berpakaian
c. Kesopanan dan tanggapan terhadap keluhan-keluhan, berikaitan bantuan
yang diberikan dalam menyelesaikan masalah-masalah yang diajukan
pelanggan.
3.4Pengendalian Proses Secara Statistik (STATISTICAL PROCESS CONTROLSPC)
Proses Pengendalian secara Statistik ini merupakan teknik statistik yang secara
luas digunakan untuk memastikan bahwa proses yang sedang berjalan telah memenuhi
standar. Semua proses-proses yang ada bisa tidak luput dari terjadinya variasi hasilnya.
Pada tahun 1920 Walter Shewhart dari Bell Laboratories, telah mempelajari data dari
hasil berbagai proses dan membedakan mana penyebab terjadinya variasi yang khusus
dan yang umum. Kini banyak orang merujjuk pengetahuan mengenai variasi-variasi itu
sebagai sebab-sebab yang alami dan sebab-sebab yang dilakukan manusia (operator).
Walter mengembangkan alat yang sederhana teteapi ampuh untuk memisahkan kedua
jenis variasi tersebut, berupa peta kendali proses.
Peta tersebut digunakan untuk mengukur kinerja proses. Suatu proses dikatakan
terkendali secara statistik, bila sumber variasi satu-satunya adalah sebab-sebab yang
alami (umum). Proses tersebut harus digambarkan ke dalam peta kendali proses lewat
pendeteksian dan penghapusan sebab-sebab variasi yang khusus. Setelah itu, barulah
dapat diprediksi kinerjanya dan dapat ditentukan kemampuannya untuk memnuhi apa
yang diharapkan konsumen. Tujuan Sistem Pengendalian Proses adalah untuk
memberikan inormasi awal secara statistik di tempat timbulnya sebab-sebab yang
khusus (variasi yang ditimbulkan oleh gangguan pada proses) yang mempengaruhi
variasi. Tanda awal seperti itu dapaet mempercepat pengambil keputusan yang tepat
untuk menghapus sebab-sebab khusus tersebut.
3.4.1 VARIASI ALAMI
Variasi yang alami mempengaruhi hampir setiap proses produksi dan
pasti selalu ada. Variasi alami adalah sumber-sumber variasi dalam proses yang
secara statistik berada dalam batas-batas kendali. Variasi alami merupakan
sistem yang menimbulkan sebab-sebab yang tetap. Walaupun nilai-nilai setiap

produk berbeda, namun sebagai suatu kelompok individual produk akan


2
membentuk pola yang bisa disebut sebagai distribusi. Bilama kelompok
tersebut berdistribusi normal, maka dapat ditentukan karakter mereka dengan
melihat dua parameter, yaitu :
Mean (ukuran kecenderungan terpusat- dalam hal ini, adalah nilai

rata-ratanya)
Deviasi Standar,

(variasi, terdapat nilai yang kecil dan nilai yang lebih

besar).
3.4.2VARIASI KHUSUS (yang ditimbulkan oleh gangguan pada proses)
Variasi yang timbul akibat gangguan pada sebuah proses dapat dilacak
penyebabnya. Faktor-faktor seperti peralatan mesin, peralatan yang distel salah,
karyawan penyebabnya. Faktor-faktor seperti peralatan mesin, peralatan yang
distel salah, karyawan yang lelah atau tidak terlatih, atau sekelompok bahan
baku yang baru, dapat menjadi sumber-sumber terjadinya variasi yang dapat
dihilangkan (assignable variations).
Variasi alami dan variasi yang dapat dihilangkan membedakan dua
pekerjaan yang harus dilakukan manajer operasi. Yang pertama adalah untuk
memastikan bahwa proses yang ada hanya akan mempunyai variasi alami yang
dapat beroperasi dibawah kendali. Yang kedua adalah keharusan,
mengidentifikasi dan menghapuskan variasi yang mengganggu kewajaran
proses supaya proses tersebut tetap terkendali.
3.5

Diagram Pengendalian
Proses pembuatan diagram pengendalian (peta kendali) proses didasarkan pada
konsep yang terlihat pada Gabar S3.2. gambar tersebut menunjukan tiga distribusi yang
merupakan hasil dari output tiga jenis proses. Dengan memplot 3 sampel dan kemudian
menguji karakteristik data yang dihasilkan untuk melihat apakah prosesnya dalam batas
kendali atau tidak. Tujuan membuat peta kendali adalah untuk membantu membedakan
mana variasi yang alami dan variasi yang dipengaruhi oleh sistem penyebab tertentu. Seperti
terlihat pada Gambar S3.2, suatu proses itu: (a) terkendali, dan prosess itu dapat berproduksi
dalam batas pengendalian, (b) terkendali, tetapi proses itu tidak dapat berproduksi dalam
batas pengendalian, atau (c) tidak terkendali. Sekarang akan dibahas bagaimana membuat
peta kendali yang membantu manajer operasi menjaga proses agar tetap terkendali
3.5.1 Diagram Pengendalian Variabel
Variabel adalah karakteristik yang mempunyai dimensi yang
berkesinambungan, Kemungkinan-kemungkinan terjadinya variabel tidak dapat
dikatak n (banyak kemungkinan). Contoh dari variabel adalah: berat, kecepatan,
2 Penghapusan sebab-sebab khusus membutuhkan usaha W. Edwards Deming mengamati bahwa
tingkat pengendalian statistik bukanlah tingkat alamiah proses manufaktur, tetapi suatu
pencapaian yang terjadi dengan menghapuskan, satu demi satu, dengan usaha yang tekun, sebabsebab khusus varriasi yang berlebihan. Lihat artikel On Some statistical Aicts Towards-Economic
Production Interfaces 5, no.4(195);5

panjang atau kekuatan. Peta kendali untuk rata-rata proses (mean),

, dan
range, R, digunakan untuk memonitor proses dengan dimensi tersebut. Peta- x

rata-rata menunjukkan kepada kita apakah sudah terjadi perubahan pada


kecenderungan umum dari pproses. Jika ada mungkin disebabkan oleh faktorfaktor seperti: perllengkapan alat-alat, kennaikan suhu yang bertahap, metode
yang berbeda-beda yang digunakan karyawan pada shift kerja, atau bahan baku
baru yang lebih kuat. Nilai peta_R mengisyaratkan terjadinya kelebihan atau
kekurangan dari keseragaman. Perubahan semacam ini bisa jadi disebabkan oleh
pendukung proses yang sudah tua, suku cadang alat yang digunakan menjadi
longgar,f arus minyak ke mesin tersebut, atau karena operator mesinnya tidak
cekatan. Kedua jenis diagram tersebut saling mendukung satu sama lain dalam
menghasilkan variabel.

3 Catatan: kemungkinan terjadi secara acak alamiah penyebab khusus variabel


yang dapat dihilangkan

Gambar S3.2
Pengendalian Proses: Tiga jenis Output Proses

(a) terkendali
secara statistik
dan mampu.
Proses yang hanya
mempunyai
variabel alami dan
mampu
memproduksi
dalam batas-batas
kendali yang
ditetapkan

(b) Terkendali secara


statistik, tetapi tidak
mampu. Proses yang
hanya ada variasi
alami tetapi dapat
memproduksi dalam
batas pengendalian
yang ditetapkan

Ukuran
(berat, panjang, kecepatan, dsb)

(c) Tidak
terkendali. Proses
yang tidak
terkendali,
mempunyai
variasi yang

3.6 Teorema Batas- batas Kendali yang terpusat


x

Landasan teori dari peta


rata-rata adalah teorema batas-batas kendali yang terpusat
(central limit theorem). Secara umum, teorema ini menyatakan bahwa bagaimanapun
x

distribusi populasi, distribusi s rata-rata (masing-masing merupakan rata-rata (mean)


sampel yang diambil dari populasi) cenderung mengikuti kurva normal. Untungnya,bahkan
bila sampel tersebut (n) sangat kecil (4 atau 5), distribusi rata-ratanya tetap secara kasar
mengikuti kurva normal. Teorema ini juga mengatakan bahwa (1) mean distribusi

(disebut ) akan sama dengan rata-rata seluruh populasi (disebut

distribusi sampel, , akan menjadi standar deviasi populasi,


ukuran sampel, n. Dengan kata lain,

dan

, dibagi dengan akar kuadrat

x
n

) ; dan (2) standar deviasi

Gambar 1 menunjukkan tiga kemungkinan distribusi populasi, masing-masing dengan mean

x1 x2 x3

x4

sendiri,
, dan strandar deviasi
. Bila serangkaian sampel acak ( ,
,
,
dan
seterusnya) setiap ukuran n diambil dari sampel acak yang mana saja, sehingga distribusi
x1

normal s akan tampak seperti pada dasar grafik gambar 1. Karena ini merupakan distribusi
normal, kita dapat menyatakan bahwa:
3 x

1. 99,7% dari banyak pengujian, rata-rata sampel akan berada diantara


bila di dalam
proses itu hanya ada variasi acak.
Gambar S3.3
Hubungan
Antara
Distribusi
Sampling dan Distribusi Populasi
Tiga Distribusi Populasi
Distribusi rata-rata (mean)
sampel
Beta

x
Mean
x

Normal

Standar error
99,7% dari setiap x

Seragam

x
Berada antara + 3
95% berada di antara + 2

Tanpa menghiraukan distribusi populasi (beta, norma, atau serangan), masing-masing dengan

mean (

) dan standar deviasi (

), distribusi sampel berarti distribusi normal.

2. 95,5% dari banyaknya pengujian, rata-rata sampel akan berada


proses itu hanya ada variasi acak.
Menentukan Batas-batas Diagram Rata-rata (Diagram

2 x
, bila di dalam

Bila kita mengetahui (dari data terdahulu)mengenai standar deviasi populasi proses,

, kita dapat menentukan batas kendali atas dan bawah dengan mengunakan rumus di
bawah ini:

Batas kendali atas (upper control limit-UCL)

Batas kendali bawah (Lower control limit-LCL)

z x
+

z x
-

Di mana,
x

= rata-rata dari rata-rata sampel (mean of the sample means)


= jumlah standar deviasi normal (2 untuk nilai (selang) kepercayaan 95,5%, 3 untuk
nilai kepercayaan 99,7%)

x
n

x
= standar deviasi rata-rata sampel =
n

= ukuran sampel

Contoh S1 menunjukan bagaimana menentukan batas kendali untuk rata-rata (mean) sampel
dengan menggunakan deviasi standar.
Contoh S1
Berat boks Oat Flakes skala produksi yang besar diuji setiap jam. Untuk menentukan batas
kendali proses yang mencakup 99.7% rata-rata sampel, sampel terdiri 9 boks diseleksi secara
acak dan kemudian ditimbang. Di bawah ini adalah hasil penimbangan 12 jam terakhir:
Jam

Rata-rata 9 boks

Jam

Rata-rata 9 boks

Jam

Rata-rata 9 boks

1
2
3
4

17,1
16,8
14,5
14,8

5
6
7
8

16,5
16,4
15,2
16,4

9
10
11
12

16,3
16,5
14,2
17.3

Rata-rata berat dari ke-12 sampel di atas mudah dihitung: 16 ons dan standar deviasi
populasinya 1 ons. Berarti dipunyai
pengendaliannya:

UCLx
Batas kendali atas (

)=
x

Batas kendali bawah

= 16 ons,

= 16 + 3

= 16 3

= 16 + 3

z x
-

= 1ons, n = 9 dan z = 3. Batasan

z x

LCL

1

3

= 16 - 3

1

3

= 17 ons

(S.1)

= 15 ons

(S.2)

Mengingat stadar deviasi prosesnya tidak ada atau sulit dihitung, biasanya dihitung
batas kendali dengan nilai selang (range) rata-rata, bukannya pada standar deviasi. Pada Tabel
1 memberikan informasi yang dibutuhkan agar dapat dihitung batas kendali berdasarkan nilai
selang rata-rata. Selang tersebut didefinisikan sebagi selisih antara anggota sampel terbesar
dan terkecil. Misalnya, bila boks terberat Oat Flakespada jam pertama pada contoh 1 di atas
adalah 19 ons, dan yang teringan adalah 14 ons, maka range pada jam itu adalah 5 ons. Dari
tabel 1 dan persamaannya diperoleh

UCL
x

Batas kendali atas

UKURAN
SAMPEL, n

2
3
4
5
6
7
8
9
10
12
14
16
18
20

A2

(S.3)

Tabel S3.1
Faktor-faktor perhitungan batas-batas diagram pengendalian
FAKTOR RATASELANG ATAS,
SELANG
RATA,
25
1,880
1,023
0,729
0,577
0,483
0,419
0,373
0,337
0,308
0,266
0,235
0,212
0,194

A2

D4

D3
BAWAH,

0,180
0,153
3,268
2,574
2,282
2,114
2,004
1,924
1,863
1,826
1,777
1,716
1,671
1,636

1,608
1,586
1,541
0
0
0
0
0
0,076
0,136
0,184
0,223
0,284
0,329

0,364

0,392

0,414

0,549

Sumber: diambil dari special tehnical publication 15-c, QualityControl of Materials hal. 63,
72.
dan

LCL
x

Batas kendali bawah

A2

(S.4)

di mana
R

A2

= Selang (range) rata-rata dari sampel


= Nilai yang ditemukan pada S.1

= Rata-rata dari rata-rata sampel


Contoh 2 menunjukan bagaimana menentukan batas kendali untuk rata-rata sampel dengan
menggunakan Tabel1.
Contoh 2
Botol-botol Super Cola diberi label berat neto 16 ons. Rata-rata keseluruhan berat adalah
16,01 ons yang ditemukan dengan mengambil beberapa krat sampel, setiap kratnya ada 5
botol. Sedang rata-rata proses adalah 0,25 ons. Tentukan batas atas dan batas bawah pada
rata-rata proses ini.
A2
Dengan melihat Tabel 1 untuk ukuran sampel 5 pada faktor rata-rata pada kolom
,
ditemukan angka 0,577. Maka, batas atas dan batas bawah diagram pengendalian adalah:
UCLx
A2
x
Batas kendali atas
= +
R
= 16,01 + (0,557)(0,25)
= 16,01 + 0,144
= 16,154 ons
LCLx x A2
Batas kendali bawah
= R
= 16,01 0,144
= 15,866 ons
Menentukan Batas-batas kendali R (Diagram-R)
Pada contoh 1 dan 2, ditentukan bata-batas kendali atas dan kendali bawah untk ratarata proses. Disamping kuatir dengan rata-rata proses, manajer operasi juga tertarik pada
penyimpangan proses, atau kemungkinan terjadinya variasi. Bahkan walupun rata-rata proses
terkendalai, kemunkinan terjadinya variasi pada proses bisa saja tidak terkendali. Misalnya,
pda suatu peralatan tertentu, ada komponen yang lepas. Sebagai akibatnya, rata-rata sampel
tetap jumlahnya, tetapi variasi yang ada antar-sampel bisa secara keseluruhan menjadi terlalu
besar. Karena itu, manajer operasi menggunakan peta kendali untuk selang-selang, agar bisa
memonitor kemungkinan terjadinya variasi pada proses, dan diagran kendali untuk range
adalah teori yang sama yang mendasari diagram kendali rata-rata proses. Pada peta kendali

untuk selang, ditetapkan batasan-batasan yang mengandung 3 standar deviasi distribusi


selang rara-rata R. Persamaan dibawah ini dapat digunakan untuk menentukan batas kendali
atas dan bawah untuk selang:

UCLR
LCLR
di mana
UCLR

LCLR
D4

D4 R

(S.5)

D3 R

(S.6)

= Batas atas diagram pengendalian untuk selang (range)


= Batasbawah diagram pengendalian untuk selang (range)

D3

dan
= nilai dari tabel S.1
Contoh 3 menunjukan bagaimana menentukan batas untuk selang (range) sampel dengan
menggunakan Tabel 1 dan selang rata-rata.
Contoh 3
Selang rata-rata proses adalah 5,3 pon. Bila ukuran sampelnya adalah 5, tentukan batas atas
dan batas bawah diagram pengendalian. Dengan melihat Tabel S3.1 untuk ukuran sampel 5,
D3
D4
ditemukan bahwa
= 2,144 dan
= 0. Selang batas kendali adalah:
UCLR
D4 R
=
= (2,114)(5,3 pon)
= 11,2 pon
D3 R
LCLR
=
= (0)(5,3 pon)
=0
Tahapan Yang Harus Diikuti Dalam Menggunakan Diagram Pengendalian. Lima tahapan
yang secara umum diikuti dalam menggunakan diagram- dan diagram -R:
1. Kumpulkan 20 sampai 25 sampel, masing-masing n=4 atau n=5 dari proses yang
stabil dan hitunglah rata-rata (mean) dan selang (range) masing-masing.
x

2. Hitunglah rata-rata keseluruhan ( dan R), tentukan batas kendali yang tepat,
niasanya pada tingkat 99,7%, dan hitung batas atas dan batas bawah awal. Bila proses

itu tidak stabil saat itu,untuk menghitung batasan gunakan rata-rata yang diinginka,
x
, bukannya .
3. Bukan grafik rata-rata dan selang sampel pada peta kendali yang bersangkutan dan
tentukan apakah rata-rata dan sleang itu berada di luar batas-batas yang dapat
diterima.
4. Selidiki titik-titik atau pola yang menujukan bahwa proses tersebut tidak terkendali.
5. Kumpulkan sampel-sampel tambahan dan, bila perlu, validasi ulang batas-batas
kendali dengan menggunakan data yang baru.

Diagram Pengendalian untuk Atribut


x
Peta kendali untuk dan R tidak berlaku bila diambil sampel atribut, yang secara umum
dikelompokan sebagai rusak atau tidak rusak. Pengukuran kerusakan mencakup penghitungan

yang rusak (misalnya, jumlah jumlah boal lampu yang rusak pada sekelompok bola lampu,
atau jumlah surat atau catatan data entry yang pengetikannnya salah), diamana variabel
biasanya diukur panjang atau beratnya. Ada dua jenis peta kendali atribut: (1) diangram yang
mengukur persentase kerusakan dalam sampel disebut diagram-p, dan (2) diagram yang
menhitung jumlah yang rusak disebut diagram -c.
Diagram-P.
Cara utama untuk mengendalikan atribut adakah dengan menggunaka diagram-p. Walupun
atribut yang baik ataupun buruk, mengikuti distribusi binomial, pendekatan dengan distribusi
normal dapat diggunakan untuk menghitung batas-batas diagram-p, bila ukuran sampelnya
besar. Prosedurnya mirip dengan pendekatan diagram-, yang juga mendasarkan pada
teorema kecenderungan batas terpusat (central limit theorem).
Rumus untuk batas atas dan batas bawah diagram-p adalah:
^

p z p

UCLp

(S.7)
^

p z p

LCL p

=
di mana

(S.8)
p

= mean bagian yang rusak pada sampel


= jumlah standar deviasi (z=2 untuk batasan 95,5% z=3 untuk batasan 99,7%)

Z
^

p
= deviasi standar distribusi sampel.
Diperkirankan dengancara:
^
p(1 p)
p
n
(S.9)
di mana n = ukuran setiap sampel.
Contoh 4 menenjukan bagaimana menentukan batas kendali untuk diagram-p untuk standar
deviasi di atas.
Contoh 4
Karyawan data entry di ARCO memasukan data beribu arsip asuransi setiap harinya.
Sampel dari pekerjaan 20 karyawan ditunjukan pada tabel dibawah ini. Seratus arsip yang
dimasukkan oleh setiap karayawan diuji secara teliti untuk untuk memastikan tidak ada
kesalahan. Kemudian dihitung proporsi yang tidak memenuhi syarat di setiap sampel.
Tentukan batas kendali yang mencakup 99,7% variasi acak dalam proses pemasukan
data pada saat variasi itu terkendali.

Nomer Sampel
1
2

3
4
5
6
7

8
9
10
11
12

13
14
15
16
17
18
19
20

3
3
2
6
1
8
7
5
4
11
3
0
4
80
Bagian
Yang
Memenuhi Syarat

Jumlah Salah ke
6
5
0
1
4
2
5

Tidak

0,01
0,04
0,02
0,05
0,03
0,03
0,02
0,06
0,01
0,08
0,07
0,05
0,04
0,11
0,03
0,00
0,04

0,06
0,05
0,00
Total kesalahan
Total arsip yang diuji

80
(100)( 20)
=

= 0,04

(0,04)(1 0,04)
100

p
=
UCLp

= 100
p z 0,04 3(0,02) 0,10

(Catatan: 100 adalah ukuran setiap sampel = n)

=
LCL p

p z ^ 0,04 3(0,02) 0
p

gian yang tidak memenuhi syarat (rusak)

=
(karena persentase tidak dapat negatif)
Saat memplotbatas kendali dan bagian sampelyang tidak memenuhi syarat, ditemukan
hanya satu karyawan pemasuk data (nomor 17) yang tidak terkendali. Perusahaan dapat
menguji perkerjaan masing-masing secara lebih dekat untukmelihat masalah serius yang ada
(lihat Gambar S3.4).

Gambar S3.4
Diangram-p Untuk Data Entry Pada Contoh 4

0.12

UCL p 0,10

0.1
0.08
0.06

p 0,04

0.04
0.02
0
0

10

15

20

25

LCL p 0

Nomor
Sampel

Diagram-C. Pada contoh 4, dihitung data jumlah arsip yyang dimasukna ke komputer secara
tidak benar. Arsip yang dianggap rusak adalah yang tidak benar memasukan datanya.
Meskipun demikian, arsip yang rusak ini dapat megandung lebih dari satu kerusakan. Untuk
mengendalikan proses semacam ini digunakan diagram-c untuk mengandalikan jumlah yang
rusak per unit hasil suatu proses (atau pe arsip asuransi dalam kasus di atas).
Peta kendalai untuk rusak (arsip yang rusak) berguna untuk memonitor proses dimana
bisa terjadi sejumlah besar kemungkinan kesalahan tetapi jumlah yang benar-benar terjadi
relati kecil. Atribut rusak itu bisa berupa kesalahan kata-kata di koran, arus yang tidak
sempurna di microchip, meja yang tidak rata, atau hamburger tidak ada timunnya.
Distribusi Poison, yang varianya sama dengan rata-ratanya (mean), merupakan dasar
dari diagram-c. Karena c adalah angka rata-rata kerusakan per unit, standar deviasinya sama
c

dengan
. Untuk menghitung 99,7% sebagia batas kendali proses utnuk digaram-c,
digunaka rumus:
c3 c

(S.10)
Contoh 5 menunjukan bagaimana kita dapat menentukan batasan pengendalia untuk diagram
c.
Contoh 5
Red Tob Cab Company setiap hari menerima bebrapa keluhan mengenai perilau sopir.
Selama periode 9 hari (hari merupakan unit ukurannya), pemilik menerima telepon sebanyak:
3, 0, 8, 9, 6, 7, 4, 9, 8, dari penumpang yang tidak puas, dengan total sejumlah 54 keluhan.
Untuk menghitung batas batas kendali poses sebesar 99,7%, ditetapkan
54
c
6
9
keluhan per hari
Maka,

UCLc c 3 c 6 3 6 6 3(2,45) 13,35


LCLc c 3 c 6 3 6 6 3(2,45) 0

Setelah pemilik memplot diagram pengendalian yang merangkum data-data ini dan
memasukannnya ke dalam loker para sopir, jumlah telepon yang diterima menurun menjadi
rata-rata 3 keluhan per hari.
Sampling penerimaan
Sampling penerimaan adalah bentuk pengujian yang mencakup kegiatan mengambil sampel
acak dari kumpulan atau lot produk yang telah selesai diproduksi dan mengukurnya
menurut standar yang telah ditentukan sebelumnya. Sampling lebih ekonomis daripada
melakukan inspeksi 100%. Kualitas sampel digunakan untuk menilai mutu setiap barang
yang ada dikumpulan tersebut. Walaupun atribut maupun variabel dapat di inspeksi lewat
sampling penerimaan, inspeksi atribut lebih banyak digunakan di dunia usaha dan
diilustrasikan di bagian ini.
Sampling penerimaan dapat diterapkan pada saat bahan mentah tiba di pabrik, selama
proses produksi, atau inspeksi akhir, tetapi biasanya sampling penerimaan ini digunakan
untuk mengendalikan lot barang-barang yang darang. Kumulan barang yang ditolak,
berdasarkan tingkat temuan produk yang rusak pada sampel yang diterima, bisa (1)
dikembalikan kepada pemasok (2) diinspeksi lagi seluruhnya 100% untuk menghilangkan
seluruh produk yang rusak, dengan biaya penyortiran yang dibebankan kepada pemasok.
Meskipun demikian, sampling penerimaan bukan merupakan penggantidari pengendalian
proses yang memadai. Malahan, pendekatan yang kini dipakai adalah para pemasok
membentuk pengendalian mutu secara statistik, agar sampling penerimaan bisa dihindari.4
Kurva Karakteristik Operasi
Kurva karakteristik operasi (operating characteristic-OC) menjelaskan tentang baik suatu
rencana penerimaan membedakan antara lot yang baik dengan lot yang tidak baik. Suatu
kurva itu menggambarkan rencana tertentu, yaitu, kombinasi dari n (ukuran sampel) dan c
(tingkat penerimaan). Kurva itu ditunjukan untuk menunjukan kemungkinan rencana tersebut
menerima lot dengan tingkat mutu yang beragam.
Dalam sampling penerimaan, ada dua pihak yang terkibat, biasanya mencakup produsen dan
konsumen. Dalam menspesifikasi rencana sampling, setiap pihak ingin menghindari
kesalahan bahwa ia telah menolak lot yang baik (risiko produsen). Hal ini terjadi karena
produsen biasanya bertanggung jawab mengganti produk yang rusak yang ada di lot yang
ditolak atau mengeluarkan biaya untuk mengirim lot yang barubagi konsumen. Di pihak lain,
konsumen ingin menghindari kesalahan bahwa ia menerima lot yang jelek, karena produk
rusak yang ditemukan dalam yang telah diterima biasanya merupakan tanggung jawab
konsumen (risiko konsumen). Kurava Karakteristik Operasi menentukan bentuk rencana
sampling tertentu, termasuk risiko pengambilan keputusan yang salah.
Gambar S3.5 dapat digunakan untuk menggabarkan suatu rencana sampling dengan
lebih rinci. Pada gambar ini, ada empat gambar yang dilukiskan.

4 Mutu bukan suatu kebetulan akan tetapi merupakan hasil dari usaha yang
menggunakan pemikiran. John Ruskin

AQL (acceptable quality level) adalah tingkat mutu rendah yang masih bisa diterima.
Kita bersedia menerima lot yang tingkat mutunya sebesar AQL ini. Bila AQL=20 buah
produk rusak dalam lot yang terdiri dari 1000 barang atau suku cadang, maka AQLnya adalah
20/1000=2% tingkat kerusakan.
LPTD (lot tolerance perfect defective) adalah tingkat mutu lot yang dianggap jelek.
Kita menolak lot dengan tingkat mutu sebesar LPTD. Bila tingkat yang disetujui adalah 70
produk rusak dalam lot 1000 unit, maka LPTDnya adalah 70/1000 = 7% poduk catat.5
Untuk membuat rencana sampling, produsen dan konsumen harus mendefinisikan bukan
hanya lot yang tidak baik melalui AQL dan LPTD, tetapi juga harus merinci tingkat risiko.

Risiko produsen ( ) adalah kemungkinan menolak lot yang baik. Hal ini alah risiko
karena mengambil sampel secara acak sehingga proporsi produk yang catat lebih tinggi dari
populasi seluruh unit. Lot dengan tingkat mutu AQL yang dapat diterima tetap mempunya
kemungkinan ditolak sebesar
risiko produsen pada tingkat

. Rencana sampling sering kali dirancang untuk menetapkan


= 0,05 atau 5%.

0,05
Risiko Produsen

Kemungkinan
penerimaan

0,10

Persentase/kerusakan
(defect)
Lot yang
baik

AQL

Daerahtak berbeda
(Indiference zone)

LTPD

Lot cacat/rusak

Gambar S3.5
Kurva Karakteristik Operasi Yang Menunjukan Risiko Konsumen Dan Risiko Produsen
5 2 tabel yang paling sering digunakan untuk rencana penerimaan adalah :
Military Standards Sampling Procedures and tables for Inspection bY attributes
(MIL-STD-105) (Washington DC. : US Government Printing Office, 1963); dan H F.
Dodge dan H.G Romig, Sampling and Double Sampling, edisi ke-2 (New York:
Wiley and Sons, 1959).

Suatu yang baik dari keterangan rencana penerima ini mempunyai kurang atau sama dengan
2% tingkat kesalahan lot yang jelek mempunyai tingkat kesalahan 7% atau lebih.

Risiko konsumen
adalah kemungkinan menerima lot yang jelek. Hal ini adalah
risiko mengambil sampel acak yang menyebabkan kita melihat proporsi kerusakan (cacat)
yang lebih rendah dari keseluruhan unit populasi. Nilai umum dari resiko konsumen dalam
0,10
rencana sampling adalah
atau 10%.
Dalam statistik, kemungkinan menolak lot yang baik di sebut kesalahan tipe I.
Kemungkinan menerima kumpulan yang buruk disebut kesalahan tipe II.
Rencana sampling dan Kurva karakteristik Operasi dapat dikembangkan dengan
menggunakan komputer, dengan meggunakan tabel-tabel publikasi US Military Standard
MIL-STD-105 atau tabel Dodge-Roming, atau dengan penghitungan yang menggunakan
distribusi binomial atau Poisson.6
Mutu Rata-rata Hasil Proses yang Lolos (Average Outgoing Quality/AOQ)
Pada kebanyakan rencana sampling, saat kumpulan (lot) ditolak, seluruh lot akan diperiksa
lagi dan semua produk yang rusak akan diganti. Penggunaan teknik penggantian ini
meningkatkan mutu yang bisa di terima (yang sampai di tangan konsumen) rata-rata (AOQ)
dalam hal persentase produk yang rusak. Malahan bila (1) rencana sampling apa pun yang
menggantikan semua produk rusak yang ditemukan dan (2) persentase sesungguhnya cacat
yang di terima pada lot, maka mungkin sekali untuk menentukan AOQ dalam persentase
produk cacat. Persamaan untuk AOQ adalah:
AOQ

( Pd )( Pa )( N n)
N

S.11

di mana
Pd
= Persentase produk cacat yang sebenarnya

Pa
N
n

= Kemungkinan penerimaan lot


= Jumlah unit dalam lot
= Jumlah unit dalam sampel

6 Ingat bahwa sampling selalu mengarahkan kita pada bahaya penyimpulan


yang berlebihan. Mari kita ambil contoh total populasi yang diperiksa adalah
kumpulan 1000 chip komputer, yang dalam kenyataannya 3% (30) lot itu rusak
(defect). Hal ini berarti bahwa kita pasti akan menerima pengantaran chip itu,
karena tingkat produk rusak yang diperbolehkan adalah 4%. Tetapi, bila kita
secara acak mengambil sampel chip sebesar n=50, kita akan mendapatkan 0
produk rusak dan menerima pengantaran itu (karena hal itu tidak apa-apa), atau
kita mendapatkan 30 defect ada di satu ukuran sampel itu. Bila yang terjadi
adalah pemunculan 30 produk rusak tersebut, maka kita mungkin akan salah
menyimpulkan bahwa keseluruhan populasi adalah 60% rusak dan menolak
semuanya.

Nilai maksimum kurva AOQ sesuai dengan persentase produk cacat terbesar atau mutu ratarata terendah dari rencana samplingnya. Nilai ini disebut AOQL (average outgoing quality
limit).
Sampling penerimaan berguna untuk menyeleksi lot yang datang. Bila unit-unit
produk cacat digantikan dengan yang bagus, sampling penerimaan membantu peningkatan
mutu lot dengan menurunkan persentase produk cacat dari unit lot yang keluar.7

Barry Render. Dan Jay Heizer. 1997. Prinsip-Prinsip Manajemen Operasi. Jakarta:
Salemba Empat.
7

BAB 4
KESIMPULAN DAN SARAN

4.1Kesimpulan
Diagram pengendalian proses menolong manajer operasi membedakan variasi
alami dengan variasi yang ditimbulkan oleh gangguan (variasi khusus) pada proses.
Diagram-X dan diagram-R digunakan untuk sampling variabel dan diagram-p serta
diagram-c digunakan untuk sampling atribut. Kurva Karakteristik Operasi (OC)
membantu sampling penerimaan dan memberikan manajer suatu teknik untuk
mengevaluasi mutu produksi atau kiriman baran. Oleh karena itu, Pengendalian Proses
secara Statistik (SPC) dan sampling penerimaan merupakan alat statistik yang
terpenting dalam mengendalikan mutu.
4.2

Saran
Menghilangkan penyimpangan karena sebab khusus untuk mencapai konsistensi dan
kinerja yang lebih baik.
Pengurangan waktu yang berarti dalam penyelesaian masalah kualitas, serta
pengurangan biaya pembuangan produk cacat, pengerjaan ulang terhadap produk cacat,
inspeksi ulang, dan sebagainya.
Membangun Komunikasi yang lebih baik dengan pelanggan tentang kemampuan
produk dalam memenuhi spesifikasi pelanggan. Serta membuat organisasi lebih
berorientasi pada data statistik dari pada hanya beberapa asumsi saja.
Perbaikan proses, sehingga kualitas produk menjadi lebih baik, biaya lebih rendah, dan
produktivitas meningkat.
Melakukan pendidikan dan pelatihan yang dimaksudkan untuk memberikan pengertian
yang jelas mengenai alat dan teknik pengendalian proses statistik yang dapat
memberikan kompetensi bagi organisasi seperti histogram, Pareto chart, diagram
sebab-akibat, dan sebagainya.

Daftar Istilah
Average outgoing quality (AOQ) Persentase produk yang rusak dalam rata-rata produk
yang diterima
Diagram proses Grafik yang menggambarkan urutan langkah/tahap suatu proses, produksi,
penundaan, inspeksi, penyimpanan, perjalanan.
Diagram proses Teknik yang sistematik yang digunakan untuk menentukan (di mana)
masalah mutu pada perusahaan manufaktur; dikenal juga sebagai diagram tulang iklan.
Diagram-C Bagan pengendalian kualitas atas produksi/unit yang rusak.
Diagram-R Suatu grafik pengendalian proses mengidentifikasikan bahwa
keuntungan/kerugian pada kesatuan produksi telah timbul.
Diagram-x Grafik pengendalian kualitas variabel yang mengindikasikan kapan perubahan
timbul pada saat proses produksi terpenting.
Just-in-time (JIT) Jumlah inventori/barang persediaan yang cukup untuk tetap bisa
berproduksi.
Kurva karakteristik operasi Grafik yang menggambarkan seberapa baik mengaplikasikan
rencana dengan membandingkan hasil yang baik dan yang buruk.
Sampling penerimaan Suatu metode yang menghitung sampel acak dari atau batch suatu
produk X standar penetapannya.
Teori batasan terpusat unit yang menjadi pusat penggerak.
Tingkat kualitas yang diterima Tingkat kualitas dari berbagai barang yang ditinjau.
Variabilitas Deviasi dari proses optimum produk tepat waktu.
Variasi alami Penganekaragaman yang mempengaruhi hampir setiap tingkatan pada proses
produksi, dan memang sudah diperkirakan akan terjadi, dikenal juga sebagai sebab biasa.
Variasi gangguan proses Variasi suatu proses produksi yang dapat dilacak melalui sebab
tertentu.

DAFTAR PUSTAKA
Render, Barry. Dan Jay Heizer. 1997. Prinsip-Prinsip Manajemen Operasi. Jakarta: Salemba
Empat.
Besterfield, D.H. Quality Control, edisi II. Englewood Cliffs, NJ Prentice Hall, 1986.
Runger, G.C Montgomery, Adaptive Sampling Enhancements for Shewhart Chaarts. IIE
Transcantion 25, no. 3 (Mei 1993): 41-51.
Kumar S, dan Y.P Gupta. Statistical Process Control at Motorolas Austin Assembly Plant.
Interfaces 23, no (Maret-April 1993): 84-92.
Nasution, M N. 2005. Manajemen Mutu Terpadu. Bogor: Ghalia Indonesia.

LAMPIRAN

1) Teknik Pengawasan Kualitas Secara Statistik


Teknik-teknik pengawasan proses secara statistik (SPC) merupakan metode statistik yang
menerapkan teori probabilitas dalam pengujian atau pemeriksaan sampel pada kegiatan
pengawasan kualitas suatu produk.
Tujuan pengawasan kualitas secara statistik adalah untuk menunjukkan tingkat reabilitas
sampel dan bagaimana cara mengawasi risiko. Hal ini memungkinkan para manajer
membuat keputusan apakah akan menanggung biaya akibat banyak produk rusak dan
menghebat biaya inspeksi atau sebaliknya. Teknik pengawasan proses secara statistik
juga membantu pengawasan pemrosesan melalui pemberian peringatan kepada para
manajer apabila mesin-mesin memerlukan beberappa penyesuaian agar mereka dappat
menghentikannya sebelum banyak produk yang rusak.
Kontrol dan Variasi
Keluaran dari proses yang beroperasi secara tepat dapat digambarkan sebagai kurva
berbentuk lonceng seperti dikemukakan dalam gambar VII.1. Sumbu X menggambarkan
beberapa ukuran seperti bobot atau dimensi dan sumbu Y menunjukkan frekuensi
pengukuran. Nilai ukuran yang diinginkan terletak pada pusat kurva dan variasi
menghasilkan bobot pada sisi kiri atau kanan dari pusat kurva/ lonceng. Tanpa alasan
khusus yang berlaku pada proses 99,73% dari output akan berada antara plus dan minus
batas 3 . Derajat variasi di sekitar pusat ini adalah hasil dari sebab alamiah. Proses
akan konsisten pada tingkat kinerja ini sepanjang bebas dari sebab-sebab variasi khusus.
Gambar VII.1
Kurva Distribusi Frekuensi Kurva Normal

Frekuens
i

Ukuran
Ideal
(sasaran)
Kurva Normal
yang
didiskusikan
3

Bila kurva dipersempit, maka lebih banyak keluaran proses berada dalam kisaran ideal
dan lebih sedikit yang jatuh diluar batas 3 semula pada gambar VII.1. Dalam
gambar VII.2, kurva akan menjadi lebih sempit. Jika batas asli menghasilkan 2700 unit
yang dikesampingkan dari 1.000.000 unit, proses perbaikan yang diilustrasikan pada
gambar VII.2 mungkin menguranginya sampai 2700 unit atau bahkan kurang yang
dikesampingkan. Ini berarti produk akan menjadi konsisten bermutu tinggi dan produk
yang rusak makin berkurang.

Gambar VII.2
Kurva Distribusi Frekuensi Dipersempit (variasi Lebih Kecil) Berhubungaan
dengan Gambar VII.1

sasaran
Frekuen
si

Batas
asli

Ingat semua produk jatuh


dengan baik dalam batas

3 dari gambar
VII.1. Juga lebih banyak
dipusatkan secara ketat
disekitar ukuran ideal

2) Implementasi dan Penyebaran SPC


Fase
Persiapan

Perencanaan

Tanggung Jawab
Manajemen puncak
Manajemen puncak
Tenaga ahli intern atau
konsultan
Komite SPC, tenaga ahli
intern atau konsultan
Qualitiy assurance

Manajemen

Pelaksanaan

Komite
SPC,
operator
pemasok dan pelanggan
operator dengan bantuan

Tindakan
1. Komitmen spc
2. Membentuk komite SPC
3. Pelatihan komite SPC
4. Menetapkan tujuan SPC
5. Identifikasi proses sasaran
6. Pelatihan operator mesin dan
personil pendukung
7. Memastikan kemampuan ukuran
dan metode mengulang dan
memproduksi kembali
8. Mendelegasikan tanggung jawab
kepada operator sebagai peran
kunci
9. Bagian arus proses
10. Menghilangkan
sebab-sebab
khusus dari variasi

tenaga ahli
Tenaga ahli intern atau
konsultan
Operator
Operator dan ahli operatorr
Komite
SPC
Manajemen
Operator dengan
kebutuhan
Semua

dan
sesuai

11. Mengembangkan bagan kontrol


12. Mengumpulkan dan plot data
SPC
13. Menentukan kapabilitas proses
14. Menanggapi
kecenderungan
data di luar batas
15. Menelusuri kecenderungan SPC
16. Menghilangkan akar penyebab
dari sebab khusus dan variasi
17. Memperbaiki proses kontinu

Sumber : dikutip dari Nasution, M N. 2005. Manajemen Mutu Terpadu. Bogor: Ghalia
Indonesia, hlm 127-129.
3)

BIODATA PENULIS
1) Nama
NPM
No. HP
E-mail

: Renoe Cris Binanto


: 1112210101
: 082225611750
: Renoe_cb@yahoo.com