Tugas Kelompok

PENGENDALIAN MUTU
Contoh dan Pengembangan Peta Kendali Atribut

KELOMPOK VI

Ira Nurcahyani

(H121 12 258)

Rahmat Wahid

(H121 12 277)

PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HASANUDDIN
MAKASSAR
2015

1. Mencari contoh kasus disekeliling tentang peta kendali atribut yaitu grafik p, np, c, dan u
Jawab:
Contoh Kasus 1
Suatu perusahaan pembuat plastik ingin membuat peta pengendali untuk periode
mendatang dengan mengadakan inspeksi terhadap proses produksi pada bulan ini.
Perusahaan melakukan 25 kali observasi dengan mengambil 50 buah sampel untuk setiap
kali observasi dilakukan. Berikut data banyaknya produk cacat:

Observasi

Ukuran
Sampel

Banyaknya
produk cacat

50

0,04

50

0,02

50

0,06

50

0,03

50

0,02

50

0,01

50

0,03

50

0,02

50

0,06

10

50

0,04

11

50

0,03

12

50

0,06

13

50

0,06

14

50

0,02

15

50

0,03

16

50

0,02

17

50

0,04

18

50

10

0,11

19

50

0,04

20

50

0,03

21

50

0,02

22

50

0,06

23

50

0,04

24

50

0,03

25

50

0,04

Jumlah

1250

90

Penyelesaian:
Peta Kendali p

Dari hasil analisis dengan software minitab diperoleh grafik pengendali p berikut:

Dari peta kendali p di atas dapat diketahui bahwa proses produksi plastik masih
belum terkendali dikarenakan terdapat satu sampel yang berada di luar batas pengendali
atas yaitu pada sampel ke 18. Sehingga data observasi pada baris ke 18 dihilangkan dan
diperoleh:
Peta p- Revisi:

Dari hasil analisis dengan software minitab diperoleh grafik pengendali p berikut:

Dari peta kendali p di atas dapat diketahui bahwa proses produksi plastik telah
terkendali dikarenakan tidak ada sampel yang berada di luar batas pengendali atas maupun
batas pengendali bawah.

Peta Kendali np

Dari hasil analisis dengan software minitab diperoleh grafik pengendali np berikut:

Dari peta kendali np di atas dapat diketahui bahwa proses produksi plastik masih
belum terkendali dikarenakan terdapat satu sampel yang berada di luar batas pengendali
atas yaitu pada sampel ke 18. Sehingga data observasi pada baris ke 18 dihilangkan dan
diperoleh:
Peta np- Revisi:

Dari hasil analisis dengan software minitab diperoleh grafik pengendali np berikut:

Dari peta kendali np di atas dapat diketahui bahwa proses produksi plastik telah
terkendali dikarenakan tidak ada sampel yang berada di luar batas pengendali atas maupun
batas pengendali bawah.
Contoh Kasus 2
Data pemeriksaan terhadap 10 bush monitor komputer kerja ulang (refurbished)
ditunjukkan ditunjukkan oleh presentase goresan sebagai berikut:
Monitor

Banyak Goresan (%)

10

Jumlah

19

Penyelesaian:
Peta Kendali c

Dari hasil analisis dengan software minitab diperoleh grafik pengendali c berikut:

Contoh Kasus 3
Berikut ini adalah hasil penelitian terhadap cacat pada produk kain tekstil:

Apakah jumlah cacat tiap unit produk untuk data diatas terkendali ?
Penyelesaian:
Dari data di atas, diketahui bahwa:

Karena n bervariasi, maka nilai BPA dan BPB untuk tiap subgrup berbeda,
disesuaikan dengan nilai n dari tiap subgrup.
Sehingga, dapat disusun batas kendali sebagai berikut: (contoh, untuk bulan Jan 30)

2. Mencari pengembangan peta kendali atribut dan cari perbedaannya dengan pea kendali
atribut?
Jawab:
Peta Kendali multivariat C
jika pemeriksaan mengklasifikasikan produk pada lebih dari dua kategori ketidaksesuaian
dan masing-masing kategori memiliki korelasi satu sama lain, maka digunakan peta
kendali multiatribut. Dasar distribusi dari peta kendali multi atribut np adalah distribusi
multivariat poisson
DASAR DISTRIBUSI
Distribusi poisson
Distribusi poisson pada umumnya digunakan untuk model data hitung dan diberikan
sebgai berikut
( )

Dengan parameter

, dimana rata rata dan variansi distribusi poisson keduanya

sama dengan parameter

Penerapan yang khas dari distribusi poisson dalam pengendalian mutu adalah
sebagai model untuk banyaknya cacat atau ketidaksesuaian yang terdapat dalam suatu
unit produk
Distribusi bivariat poisson
Johnson, Kotz, dan Balakrishnan (1997) memperkenalkan suatu struktur distribusi
multivariat Poisson. Misalkan variabel acak

dan U adalah distribusi

Poisson yang saling bebas dengan parameter masing-masing adalah

dan

. Maka

variabel acak baru dapat terbentuk sebagai :

untuk
dengan

adalah variabel acak Poisson dengan parameter

Fungsi pembangkit peluang bersama (

(

untuk i=1,2,,p.

) memiliki bentuk

)
(

)(

)(

Sedangkan fungsi peluang

(

)
(

Dengan

(
(

) adalah
)

(
)(

)
)

Fungsi peluang bersama dari distribusi multivariat Poisson diberikan oleh

)
(

Dengan

(
(

Peta kendali multiatribut np

Lu, dkk (1998) membangun suatu peta kendali multivariat np (MNP) dengan
menggunakan prinsip umum peta kendali Shewhart. Sehingga garis pusat dan batas
kendali dari peta kendali MNP Shewhart dapat ditentukan menggunakan

)(

) )}

{(

)(

) )}

Perbedaan peta kendali multivariat c dengan peta kendali sebelumnya adalah pada
pemeriksaan mengklasifikasikan produk lebih dari dua kategori ketidaksesuaian dan
masing-masing kategori memiliki korelasi satu sama lain. Dasar distribusi dari peta
kendali multi atribut np adalah distribusi multivariat poisson