MODUL 3

GRAFIK PENGENDALI VARIABEL

3.1

Tujuan Praktikum
Dari praktikum ini diharapkan mahasiswa :
1. Membuat grafik pengendali untuk data variabel dan menginterpretasikan
2.

3.2

output grafik pengendali variabel.

Menghitung nilai kemampuan proses dan menganalisanya.

Pengumpulan dan Pengolahan Data

3.2.1 Pengumpulan Data

Sampl
e
1
2
3
4
5
6
7
8
9
10

1
2.8
0
2.7
8
2.8
6
2.8
0
2.8
2
2.8
4
2.8
2
2.8
2
2.8
4
2.7
6

2.84

2.80

2.86

2.74

2.78

2.82

2.78

2.80

2.81

2.86

2.86

2.76

2.80

2.80

2.78

2.84

2.76

2.82

10

2.76

2.80

5
2.8
6
2.8
2
2.8
6
2.7
6
2.8
2
2.8
2
2.8
0
2.8
2
2.8
2
2.8
4

6
2.8
6
2.8
6
2.8
2
2.8
2
2.8
6
2.8
0
2.8
4
2.8
0
2.8
0
2.8
2

Subgroup
7
8
9
2.8 2.8 2.8
2
0
0
2.7 2.8 2.8
8
4
2
2.8 2.8 2.7
4
6
8
2.8 2.8 2.8
4
6
6
2.8 2.8 2.8
2
2
6
2.8 2.8 2.8
6
6
5
2.8 2.8 2.8
4
0
2
2.8 2.8 2.8
6
2
6
2.7 2.8 2.8
6
4
0
2.8 2.8 2.7
2
0
6

Tabel 3.1 Data Modul 2

10
2.8
4
2.8
2
2.8
0
2.7
8
2.8
4
2.7
8
2.8
0
2.7
8
2.7
6
2.8
4

11
2.8
6
2.8
6
2.8
4
2.7
6
2.8
0
2.8
2
2.8
4
2.7
8
2.7
8
2.7
6

12
2.8
0
2.8
4
2.7
6
2.8
6
2.7
6
2.8
0
2.8
6
2.8
2
2.8
2
2.8
6

13
2.7
6
2.8
6
2.8
6
2.7
6
2.8
0
2.8
6
2.8
6
2.8
4
2.8
4
2.8
6

14
2.8
2
2.7
8
2.8
4
2.8
6
2.8
6
2.8
6
2.8
2
2.8
6
2.8
6
2.8
0

15
2.7
8
2.8
4
2.8
6
2.8
1
2.7
6
2.8
2
2.7
8
2.8
0
2.7
6
2.7
6

Tabel 3.2 Data panjang poros pada nomor 4

Samp
el
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

1
350.2
350.2
350.2
349.8
349.7
349.9
349.8
350.6
350.4
350.3
350.5
350.3
350.6
350.4
350
351.3

Hasil
2
350.5
350.1
349.8
350.3
350.1
349.5
349.8
350.2
350.1
349.9
349.9
350.4
350.2
349.9
349.7
351.7

Pengamatan
3
4
350.4
350.3
350.3
350.2
349.7
349.9
350.4
349.8
349.6
349.4
349.5
349.8
350.4
349.4
349.8
350
349.8
350.5
349.7
350.2
350.6
350.2
349.9
349.8
349.8
350.1
349.5
349.9
350.2
350.2
352.1
351.4

5
350.2
350.2
349.9
349.8
349.9
349.5
349.8
350.1
350.3
350
350.3
350
349.8
349.8
350.4
351.6

Tabel ini diperoleh dari penjumlahan batas nilai rata-rata dengan table
pada soal nomor 4.

3.2.2 Tugas Praktikum

1. Berdasarkan hasil pengumpulan data pada modul 2, buatlah grafik
pengendali
variable yang sesuai untuk data yang telah dikumpulkan.
2. Sebuah perusahaan pembuat piston ring kendaraan bermotor
melakukan
kendali statistic terhadap diameter piston yang dihasilkan. Standart
perusahaan adalah 6,2 cm dengan toleransi 6 mm. Perusahaan
mengambil 24
pengamatan / subgroup dengan masing-masing pengamatan
berjumlah 3
sampel. Berikut data sampel diameter piston dalam mm.
Tabel 3.3 Soal no. 2
No.
Subgroup
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

6
5.2
5.5
5
6.7
7.4
5.8
5.6
6
5.5
4.3
4.8
6.2
6.7
6.1
4.9
7
7.4
6.4
5.9
6.8
6.7
7.4
7.3

5.8
6.4
5.8
5.7
5.3
7
6.8
7
6.3
6.8
6.3
6.6
5
6.2
7.4
6.8
6.6
4.6
6
6.3
6.5
6.8
5.9
6.1

6.1
6.9
5.2
6.5
5.5
6.6
6.3
5.7
6.2
6.6
6.8
7.3
7.1
5.2
5.5
5
6.7
5.2
6.6
6
6
6.2
6
5.4

Buatlah grafik pengendali Xbar dan R untuk perusahaan tersebut,

dan
lakukan analisa. Jika ada yang diluar batas kendali anggap sebagai
penyebab
khusus dan lakukan perbaikan.
Keterangan :
Isilah data pada baris 6, 12, 19, 24 dengan data yang diberikan
oleh asisten.
3. Lakukan analisa kemampuan proses untuk hasil pengumpulan data
variabel
pada modul II, soal no. 2 dan soal no. 4.
4. Jika industry manufaktur memproduksi proses dengan batas nilai
rata-rata
adalah 350 mm dengan batas bawah 349.8 dan batas atas 350.2
mm,
bagian ada complain dari bagian assembling ada beberapa produk
diluar
kendali sehingga tidak bisa assembling, maka bagian quality
control
melakukan pengambilan data seperti dalam table, Apakah
complain dari
bagian assembling terbukti, buatlah SPC (kerjakan dalam bentuk
manual dan
Minitab ) dan jika diluar kendali berikan langkah perbaikan.
Tabel 3.4 Soal No. 4
Time
1
2
7.30
0.2
0.5
7.35
0.2
0.1
8.00
0.2
-0.2
8.30
-0.2
0.3
9.00
-0.3
0.1
9.50
-0.1
-0.5
Machine stopped tool clamp
10.30
-0.2
-0.2
11.00
0.6
0.2
11.30
0.4
0.1
12.00
0.3
-0.1
Lunch
12.45
-0.5
-0.1
13.15
0.3
0.4
Reset tool by 0.15 cm
13.20
-0.6
0.2
13.50
0.4
-0.1
14.20
0
-0.3
14.35
16.15
1.3
1.7

3
4
0.4
0.3
0.3
0.2
-0.3
-0.1
0.4
-0.2
-0.4
-0.6
-0.5
-0.2
readjusted
0.4
-0.6
-0.2
0
-0.2
0.5
-0.3
0.2

5
0.2
0.2
0.1
-0.2
-0.1
-0.5
-0.2
0.1
0.3
0

0.6
-0.1

0.2
-0.2

0.3
0

-0.2
-0.5
0.2

0.1
-0.1
0.2

-0.2
-0.2
0.4

2.1

1.4

1.6

3.2.3 Pengolahan Data

3.2.3.1 Soal Nomor 1
Karena pada data modul 2 yang kami miliki memiliki nilai n > 10, maka
grafik pengendali yang cocok digunakan adalah grafik X bar- S. Langkah
pembuatan grafik pengendali X bar-S pada minitab sebagai berikut :
1. Buka program minitab
2. Masukan data panjang sekrup yang ada pada check sheet panjang sekrup
pada worksheet .

Gambar 3.1 Data panjang sekrup

3. Pilih menu stat kemudian control chart, variabel charts for subgroups,
xbar S maka yang tertampil di layar adalah sebagai berikut :

Gambar 3.2 Tampilan pemilihan chart

4. Setelah memilih xbar S maka akan keluar tampilan sebagai berikut :

Gambar 3.3 Tampilan Pemilihan Kolom yang akan diolah

5. Kemudian pilih observations for a subgroup are in one row of columns
(Karena data tiap pengambilan sampel ditulis ke dalam baris).Kemudian
masukan kolom-kolom letak data tersebut dengan menggunakan tombol
select.

6. Klik pada xbar-S option pada menu tests pilih perform all test for special

causes.
Gambar 3.4 Tampilan pengaturan Xbar-S

7. Setelah diklik OK, akan muncul tampilan seperti berikut :

Gambar 3.5 Tampilan Xbar-S Charts

3.2.3.2 Soal Nomor 2

Langkah Langkah Pembuatan xbar dan R pada soal nomor 2 adalah
sebagai berikut :
1. Buka Program Minitab
2. Masukkan data sampel diameter piston pada worksheet.

Gambar 3.6 Tampilan input data

3. Kemudian pilih menu stat, control charts, variable charts for

subgroups, lalu pilih Xbar R.

Gambar 3.7 Tampilan pemilihan Chart

4. Setelah itu akan muncul tampilan sebagai berikut :

Gambar 3.8 Tampilan Pemilihan Kolom yang akan diolah

5. Kemudian pilih Observations for a subgroup are in one columns
(karena data tiap pengambilan sampel ditulis ke dalam baris).
Masukkan kolom-kolom letak data tersebut dengan menggunakan
select.
6. Klik pada xbar-R option pada menu tests pilih perform all test for
special causes.

Gambar 3.9 Tampilan pengaturan Xbar-R

7. Jika semua hal-hal tersebut sudah diisikan semua maka klik OK dan
akan muncul tampilan sebagai berikut :

Gambar 3.10 Tampilan Xbar-R Chart

3.2.3.3 Soal Nomor 3

a. Kapabilitas Proses Soal Nomor 1
Gambar 3.11 Kapabilitas Proses Soal No. 1
Dapat dilihat dari tampilan gambar diatas, kapabilitas proses
pada nomor 1 memiliki nilai Cp sebesar 4.81. Maka dapat
disimpulkan bahwa proses yang dilakukan masih baik (capable )

Process Capability Report for 1, ..., 15

LSL

USL

Process Data
LSL
1.8
Target
*
USL
2.8
Sample Mean 2.81833
Sample N
150
StDev(Overall) 0.0342399
StDev(Within) 0.0346271

Overall
Within
Overall Capability
Pp
4.87
PPL 9.91
PPU -0.18
Ppk -0.18
Cpm
*
Potential (Within) Capability
Cp
4.81
CPL 9.80
CPU -0.18
Cpk -0.18

1.80 1.95 2.10 2.25 2.40 2.55 2.70 2.85

Performance
Observed Expected Overall Expected Within
PPM < LSL
0.00
0.00
0.00
PPM > USL 613333.33
703826.34
701753.46
PPM Total 613333.33
703826.34
701753.46

karena nilai Cp > 1. Dan diketahui dari gambar di atas memiliki

nilai CPU sebesar 0.18. Maka dapat disimpulkan bahwa proses
yang dilakukan kurang baik, karena CPU 1.

b. Kapabilitas Proses Soal Nomor 2

Gambar 3.12 Kapabilitas Proses No. 2
Dapat dilihat dari tampilan gambar diatas, kapabilitas proses
pada nomor 2 memiliki nilai Cp sebesar 2.52. Maka dapat
disimpulkan bahwa proses yang dilakukan masih baik (capable )

Process Capability Report for 1, ..., 3

LSL

USL

Process Data
LSL
56
Target
*
USL
68
Sample Mean 6.15556
Sample N
72
StDev(Overall) 0.739792
StDev(Within) 0.794344

Overall
Within
Overall Capability
Pp
2.70
PPL -22.46
PPU
27.87
Ppk -22.46
Cpm
*
Potential (Within) Capability
Cp
2.52
CPL -20.92
CPU 25.95
Cpk -20.92

8.5

17.0 25.5 34.0 42.5 51.0 59.5 68.0

Performance
Observed Expected Overall Expected Within
PPM < LSL 1000000.00
1000000.00
1000000.00
PPM > USL
0.00
0.00
0.00
PPM Total 1000000.00
1000000.00
1000000.00

karena nilai Cp > 1. Dan diketahui dari gambar di atas memiliki

nilai CPU sebesar 25.95 . Maka dapat disimpulkan bahwa proses
yang baik, karena CPU 1.

c. Kapabilitas Proses Soal Nomor 4

Gambar 3.13 Kapabilitas Proses Soal No. 4

Dapat dilihat dari tampilan gambar diatas, kapabilitas proses

pada nomor 2 memiliki nilai Cp sebesar 0.25 . Maka dapat

Process Capability Report for 1, ..., 5

LSL

USL

Process Data
LSL
349.8
Target
*
USL
350.2
Sample Mean 350.088
Sample N
65
StDev(Overall) 0.281463
StDev(Within) 0.268177

Overall
Within
Overall Capability
Pp
0.24
PPL 0.34
PPU 0.13
Ppk 0.13
Cpm
*
Potential (Within) Capability
Cp
0.25
CPL 0.36
CPU 0.14
Cpk 0.14

349.4 349.6 349.8 350.0 350.2 350.4 350.6

Performance
Observed Expected Overall Expected Within
PPM < LSL
76923.08
153358.83
141687.17
PPM > USL 307692.31
344941.18
337687.78
PPM Total 384615.38
498300.01
479374.95

disimpulkan bahwa proses yang dilakukan tidak baik (not

capable ) karena nilai Cp < 1. Dan diketahui dari gambar di atas
memiliki nilai CPU sebesar 0.14 .Maka dapat disimpulkan bahwa
proses yang dilakukan kurang baik, karena CPU 1.

3.2.3.4 Soal Nomor 4

3.2.3.4.1 Histogram
Langkah-langkah pembuatan Histogram menggunakan data
panjang poros sebagai berikut :
1. Buka program minitab
2. Masukan data diameter poros yang ada pada check sheet
panjang poros pada worksheet

Gambar 3.14 Input data

Hal

pertama

yang

dilakukan

yaitu

membuka

program

minitab, kemudian setelah program minitab dibuka, tuliskan

nama produk yang di analisa, produk yang di analisa
sebanyak 80 kemudian inputkan semua data dalam satu
kolom hingga diperoleh data seperti gambar

3. klik Graph>> Histogram

Gambar 3.15 Tampilan pemilihan Histogram

4. Pilih bentuk histogram >> Simple>>OK
Gambar 3.16 Tampilan Pemilihan Bentuk Histogram
5. Setelah melakukan prosedur diatas, akan muncul tampilan
sebagai berikut :

Gambar 3.17 Tampilan pemilihan kolom yang akan

diolah

6. Setelah Histogram Simpel di pilih akan muncul seperti

gambar diatas, klik dua kali pada tulisan C1 diameter poros,
kemudian tulisan panjang poros akan muncul pada kolom
Graph Variabel, kemudian klik Ok.

7. Setelah di klik ok, maka akan muncul tampilan Histogram

diagram seperti berikut
Gambar 3.18 Tampilan Histogram
3.2.3.4.2 Run Charts
Langkah langkah pembuatan run charts dengan menggunakan
program Minitab adalah sebagai berikut :
1. Buka Program Minitab
2. Masukkan data yang telah dihitung (Hasil penjumlahan antar
batas nilai rata-rata dengan table pada soal) sehingga
didapat data baru sebagai berikut :
Gambar 3.19 Input data
3. Setelah itu pilih menu stat pada toolbar, setelah itu muncul
lagi beberapa menu pilih Quality Tools,muncullagi beberapa
menu lain. pilih Run Charts, lalu klik.

Gambar 3.20 Tampilan pemilihan run chart

4. Maka akan muncul tampilan baru dan isikan sebagaimana

pada gambar berikut :
Gambar 3.21 Tampilan Pengaturan Run Chart

5. Setelah itu klik OK dan akan muncul tampilan sebagai berikut

:
Gambar 3.22 Tampilan Run Chart

3.2.3.4.3 Grafik Pengendali

A.) Perhitungan dengan program Minitab
Langkah Langkah Pembuatan peta kendali xbar dan S pada soal
nomor 4 menggunakan program Minitab adalah sebagai berikut :
1. Buka Program Minitab
2. Masukkan data yang telah dihitung (Hasil penjumlahan antar
batas nilai rata-rata dengan table pada soal) sehingga
didapat data baru sebagai berikut :
Gambar 3.23 Input Data

3. Setelah data diimputkan, kemudian pilih stats, control charts,

variable
charts for subgroup pilih Xbar-S.

Gambar 3.24 Tampilan Pemilihan Xbar-S

4. Setelah itu akan muncul tampilan sebagai berikut :

Gambar 3.25 Tampilan Pemilihan Kolom yang akan diolah

5. Kemudian pilih Observations for a subgroup are in one

columns (karena data tiap pengambilan sampel ditulis ke
dalam baris). Masukkan kolom-kolom letak data tersebut
dengan menggunakan select.
6. Klik pada xbar-S option pada menu tests pilih perform all test
for special causes.
Gambar 3.26 Tampilan Pengaturan Xbar-S

7. Jika semua hal-hal tersebut sudah diisikan semua maka klik

OK dan akan muncul tampilan sebagai berikut :
Gambar 3.27 Tampilan Xbar-R Chart

Gambar 3.28 Tampilan Pemberitahuan titik yang keluar batas

kendali

Gambar 3.29 Tampilan Xbar-S setelah perbaikan

B.) Perhitungan Manual

Tabel 3.4 Tabel Perhitungan Manual

Samp
el

350.2

350.2

350.2

349.8

349.7

349.9

349.8

350.6

350.4

10

350.3

11

350.5

12

350.3

13

350.6

14

350.4

15

350

16

351.3

Hasil Pengamatan
2
3
4
350. 350. 350.
5
4
3
350. 350. 350.
1
3
2
349. 349. 349.
8
7
9
350. 350. 349.
3
4
8
350. 349. 349.
1
6
4
349. 349. 349.
5
5
8
349. 350. 349.
8
4
4
350. 349.
350
2
8
350. 349. 350.
1
8
5
349. 349. 350.
9
7
2
349. 350. 350.
9
6
2
350. 349. 349.
4
9
8
350. 349. 350.
2
8
1
349. 349. 349.
9
5
9
349. 350. 350.
7
2
2
351. 352. 351.
7
1
4
Jumlah
Rata-Rata

5
350.2

350.3
2

350.2

350.2

349.9

349.9

349.8
349.9
349.5
349.8
350.1
350.3
350

350.0
2
349.7
4
349.6
4
349.8
4
350.1
4
350.2
2
350.0
2

350.3

350.3

350

350.0
8

349.8

350.1

349.8

349.9

350.4

350.1

351.6

351.6
2
5602.
1
350.1
3

0.1303
84
0.0707
11
0.1870
83
0.3033
15
0.2701
85
0.1949
36
0.3577
71
0.2966
48
0.2774
89
0.2387
47
0.2738
61
0.2588
44
0.3316
62
0.3240
37
0.2645
75
0.3114
48
4.0916
96
0.2557
31

S=

Xbar-S Chart of 1, ..., 5

1

Sample Mean

351.5
351.0
350.5

UCL=350.499
__
X=350.134

350.0
1

349.5
1

LCL=349.769

5
1

11

13

15

Sample
0.60

Sample StDev

UCL=0.5342
0.45
_
S=0.2557

0.30
0.15
0.00

LCL=0
1

11

13

15

Sample

(350.2350.32) +(350.5350.32) +(350.4350.32) +(350.3350.32) +(350.2350.32)

161
= 0.130384

UCL

x
=

LCL

x
=

x + A 3 S

350.1338+1.427 0.255731) = 350.4987281

=

x A3 S

350.13381.427 0.255731) = 349.7688719

Gambar 3.30 Tampilan Xbar-R Chart

Dapat dilihat dari peta kendali xbar-R memiliki 3 titik yang

keluar dari batas atas dan batas bawah yaitu, sampel ke 5, 6
dan 16. Maka perlu dilakukan perbaikan pada peta kendali XbarR tersebut. Dengan cara menghapus ketiga titik yang keluar dari
batas kendali, sehingga memiliki data baru yang sudah dapat
dihitung ulang.

Samp
el
1
2
3
4
5
6
7
8
9
10
11
12
13

Hasil Pengamatan
1
350.
2
350.
2
350.
2
349.
8
349.
8
350.
6
350.
4
350.
3
350.
5
350.
3
350.
6
350.
4
350

2
350.
5
350.
1
349.
8
350.
3
349.
8
350.
2
350.
1
349.
9
349.
9
350.
4
350.
2
349.
9
349.
7

3
350.4
350.3
349.7
350.4
350.4
349.8
349.8
349.7
350.6
349.9
349.8
349.5
350.2

4
350.
3
350.
2
349.
9
349.
8
349.
4
350
350.
5
350.
2
350.
2
349.
8
350.
1
349.
9
350.
2

S
5
350.
2
350.
2
349.
9
349.
8
349.
8
350.
1
350.
3

350.32
350.2
349.9
350.02
349.84
350.14
350.22

350

350.02

350.
3

350.3

350

350.08

349.
8
349.
8
350.
4

350.1
349.9
350.1

0.13038
4
0.07071
1
0.18708
3
0.30331
5
0.35777
1
0.29664
8
0.27748
9
0.23874
7
0.27386
1
0.25884
4
0.33166
2
0.32403
7
0.26457
5
3.31512
6

4551.1
4
350.08
Rata-Rata
0.25501
77
Tabel 3.5 Tabel Perhitungan Manual Setelah Perbaikan
Jumlah

S=

= 0.130384

UCL

LCL

x + A 3 S

0.25501
350.0877+1.427 ) = 350.4515993

x A3 S

350.08771.427 0.25501) = 349.7238007

Xbar-S Chart of 1, ..., 5

UCL=350.4517

Sample Mean

350.40
350.25

__
X=350.0877

350.10
349.95
349.80

LCL=349.7237
1

10

11

12

13

Sample
0.60
UCL=0.5327
Sample StDev

(350.2350.32)2 +(350.5350.32)2+(350.4350.32)2 +(350.3350.32)2+(350.2350.32)2

131

0.45
_
S=0.2550

0.30
0.15
0.00

LCL=0
1

10

11

12

Sample

Gambar 3.31 Tampilan Xbar-R setelah Perbaikan

3.2.3.4.4 Fish Bone

13

1. Buka program Minitab

2. Masukkan penyebab kecacatan pada worksheet, seperti dibawah
ini:
Gambar 3.32 Pengisian data Fishbone

Buka aplikasi minitab, kemudian ketik judul pada bagian atas

seperti gambar.

3. Tulis setiap keluhan pada judul diatas.Pilih menu Stat>> Quality

Tools>> Cause and effect.
Gambar 3.33 Tampilan pemilihan fishbone

4. Isikan data sebagaimana berikut:

Gambar 3.34 Tampilan memilih data yang akan dijadikan

Fishbone

5. Kemudian klik Ok

Gambar 3.35 Tampilan Fishbone

3.3

Analisa Hasil

Xbar-S Pada Jawaban Soal No. 1

Gambar 3.36 Tampilan Xbar S pada jawaban no. 1

Pada peta kendali yang ditunjukkan pada gambar 3.36 bahwa proses
dalam keadaan terkendali secara statistic dan dapat dikatakan tidak
ada yang menunjukkan indikasi proses tak terkendali. Karena semua
nilai Xbar tidak melebihi dari batasan UCL yaitu sebesar 2.84538 dan
LCL sebesar 2.79129.Dan nilai dari semua S tidak melebihi dari nilai
UCL sebesar 0.05391 dan LCL sebesar 0.01469 .Maka tidak perlu
dilakukan perbaikan dan peta kendali inilah yang digunakan sebagai
rencana pengendalian kualitas proses statistic data variable untuk
periode selanjutnya atau periode mendatang.

Xbar-R Pada Jawaban Soal No. 2

Gambar 3.37 Tampilan Xbar-R pada jawaban no. 2

Pada peta kendali yang ditunjukkan pada gambar 3. bahwa proses
dalam keadaan terkendali secara statistic dan dapat dikatakan tidak

ada yang menunjukkan indikasi proses tak terkendali. Karena semua

nilai Xbar tidak melebihi dari batasan UCL yaitu sebesar 7.507 dan
LCL sebesar 4.804. Dan nilai semua Rbar tidak melebihi dari nilai UCL
sebesar 3.4 dan LCL sebesar 0.Maka tidak perlu dilakukan perbaikan
dan peta kendali inilah yang digunakan sebagai rencana pengendalian
kualitas proses statistic data variable untuk periode selanjutnya atau
periode mendatang.

Jawaban Soal No. 3

a. Kapabilitas Proses Soal Nomor 1

Gambar 3.38 Kapabilitas Proses Soal No. 1
Dapat dilihat dari tampilan gambar 3.38, kapabilitas proses pada
nomor 1 memiliki nilai Cp sebesar 4.81. Maka dapat disimpulkan

Process Capability Report for 1, ..., 15

LSL

USL

Process Data
LSL
1.8
Target
*
USL
2.8
Sample Mean 2.81833
Sample N
150
StDev(Overall) 0.0342399
StDev(Within) 0.0346271

Overall
Within
Overall Capability
Pp
4.87
PPL 9.91
PPU -0.18
Ppk -0.18
Cpm
*
Potential (Within) Capability
Cp
4.81
CPL 9.80
CPU -0.18
Cpk -0.18

1.80 1.95 2.10 2.25 2.40 2.55 2.70 2.85

Performance
Observed Expected Overall Expected Within
PPM < LSL
0.00
0.00
0.00
PPM > USL 613333.33
703826.34
701753.46
PPM Total 613333.33
703826.34
701753.46

bahwa proses yang dilakukan masih baik (capable ) karena nilai

Cp > 1. Dan diketahui dari gambar di atas memiliki nilai CPU
sebesar 0.18. Maka dapat disimpulkan bahwa proses yang
dilakukan kurang baik, karena CPU 1.

b. Kapabilitas Proses Soal Nomor 2

Gambar 3.39 Kapabilitas Proses No. 2
Dapat dilihat dari tampilan gambar 3.39, kapabilitas proses pada
nomor 2 memiliki nilai Cp sebesar 2.52. Maka dapat disimpulkan
bahwa proses yang dilakukan masih baik (capable ) karena nilai
Cp > 1. Dan diketahui dari gambar di atas memiliki nilai CPU

Process Capability Report for 1, ..., 3

LSL

USL

Process Data
LSL
56
Target
*
USL
68
Sample Mean 6.15556
Sample N
72
StDev(Overall) 0.739792
StDev(Within) 0.794344

Overall
Within
Overall Capability
Pp
2.70
PPL -22.46
PPU
27.87
Ppk -22.46
Cpm
*
Potential (Within) Capability
Cp
2.52
CPL -20.92
CPU 25.95
Cpk -20.92

8.5

17.0 25.5 34.0 42.5 51.0 59.5 68.0

Performance
Observed Expected Overall Expected Within
PPM < LSL 1000000.00
1000000.00
1000000.00
PPM > USL
0.00
0.00
0.00
PPM Total 1000000.00
1000000.00
1000000.00

sebesar 25.95 . Maka dapat disimpulkan bahwa proses yang

baik, karena CPU 1.

c. Kapabilitas Proses Soal Nomor 4

Gambar 3.40 Kapabilitas Proses Soal No. 4

Dapat dilihat dari tampilan gambar 3.40, kapabilitas proses pada

nomor 2 memiliki nilai Cp sebesar 0.25 . Maka dapat

Process Capability Report for 1, ..., 5

LSL

USL

Process Data
LSL
349.8
Target
*
USL
350.2
Sample Mean 350.088
Sample N
65
StDev(Overall) 0.281463
StDev(Within) 0.268177

Overall
Within
Overall Capability
Pp
0.24
PPL 0.34
PPU 0.13
Ppk 0.13
Cpm
*
Potential (Within) Capability
Cp
0.25
CPL 0.36
CPU 0.14
Cpk 0.14

349.4 349.6 349.8 350.0 350.2 350.4 350.6

Performance
Observed Expected Overall Expected Within
PPM < LSL
76923.08
153358.83
141687.17
PPM > USL 307692.31
344941.18
337687.78
PPM Total 384615.38
498300.01
479374.95

disimpulkan bahwa proses yang dilakukan tidak baik (not

capable ) karena nilai Cp < 1. Dan diketahui dari gambar di atas
memiliki nilai CPU sebesar 0.14 .Maka dapat disimpulkan bahwa
proses yang dilakukan kurang baik, karena CPU 1.

Histogram jawaban No. 4

Gambar 3.41 Histogram No. 4

Dapat kita lihat dari gambar 3.41, jumlah frekuensi yang dimiliki
diameter poros yang berukuran 349.375 - 349.625 mm adalah 7 data,

jumlah frekuensi yang dimiliki diameter poros yang berukuran 349.625

349.875 mm adalah 18 data, jumlah frekuensi yang dimiliki diameter
poros yang berukuran 349.875 350.125 mm adalah 18 data, jumlah
frekuensi yang dimiliki diameter poros yang berukuran 350.125
350.375 mm adalah 19 data, jumlah frekuensi yang dimiliki diameter
poros yang berukuran 350.375 350.625 mm adalah 13 data, jumlah
frekuensi yang dimiliki diameter poros yang berukuran 351.125
351.375 mm adalah 1 data, jumlah frekuensi yang dimiliki diameter
poros yang berukuran 351.375 351.625 mm adalah 2 data, jumlah
frekuensi yang dimiliki diameter poros yang berukuran 351.625
351.875 mm adalah 1 data, jumlah frekuensi yang dimiliki diameter
poros yang berukuran 351.875 352.125 mm adalah 1 data.

Run chart jawaban pada soal no. 4

Gambar 3.42 Tampilan Run Chart jawaban no. 4
Dilihat dari diagram run chart diatas setelah data-data diinputkan dan
melewati beberapa proses. didapatkan hasil seperti diatas, dari data
itu terjadi kenaikan dan penurunan, kenaikan yang signifikan terjadi

pada sample ke 16. Titik biru melambangkan rata rata data di setiap
subgroup.

Grafik Kendali Xbar-S Jawaban soal no. 4

Gambar 3.43

Tampilan Xbar-S jawaban soal no. 4

Peta kendali pada Gambar 3. Menunjukkan ada tiga titik yang berada
diluar batas kendali yaitu di titik ke 5, 6 dan titik ke 16. Maka perlu

dilakukan perbaikan dengan cara menghilangkan data yang keluar dari

batas kendali dan melakukan perhitungan ulang.
Gambar 3.44 Tampilan Xbar-S setelah revisi

Pada peta kendali yang ditunjukkan pada gambar 3. bahwa proses

sudah dalam keadaan terkendali secara statistic dan dapat dikatakan
tidak ada yang menunjukkan indikasi proses tak terkendali. Karena
semua nilai Xbar tidak melebihi dari batasan UCL yaitu sebesar
350.4517 dan LCL sebesar 349.7237.Dan nilai dari semua S tidak
melebihi dari nilai UCL sebesar 0.5327 dan LCL sebesar 0.Maka tidak
perlu dilakukan perbaikan dan peta kendali inilah yang digunakan
sebagai rencana pengendalian kualitas proses statistic data variable
untuk periode selanjutnya atau periode mendatang.

Fishbone jawaban soal no. 4

Gambar 3.45 Tampilan Fishbone jawaban soal no. 4
Alat lain untuk mengidentifikasi masalah kualitas dan titik inspeksi,
dari diagram diatas sudah terlihat beberapa masalah yang mewakili
dari sebab dan akibat yang menjadi permasalahan. Pada bagian

personal memiliki sebab kurangnya waktu istirahat, kurangnya skill

dan pekerja kurang konsentrasi, akibatnya personel memilki masalah.
Pada bagian Material, memiliki sebab mutu bahan baku tidak sesuai
dengan standart ini mengakibatkan sebuah material mengalami
masalah. Dibagian measurements,memiliki sebab kesalahan
pengukuran dan kurang teliti. Pada bagian machines, memiliki sebab
keterbatasan jumlah mesin, kurangnya perawatan dan mesin sudah
terlalu tua sehingga mengakibatkan mesin yang bermasalah. Pada
bagian method, terdapat SOP kurang dipahami, system belum optimal,
pengawasan tidak cermat, sehingga dapat menyebabkan produk yang
diproduksi tidaksesuai dengan standart yang telah ditetapkan. Dan
yang terakhir pada bagian environment memiliki sebab kondisi
didalam pabrik (panas, bising, kotor dan berdebu).

3.4

Penutup
3.4.1 Kesimpulan
Suatu karakteristik kualitas yang dapat diukur seperti dimensi, berat
atau volume dinamakan variable. Peta kendali yang dapat digunakan untuk
data variable antara lain : Grafik Pengendali Xbar-R, Grafik pengendali Xbar-S
dan Grafik pengendali Moving Range. Jika subgroup n >10 maka grafik
pengendali yang digunakan adalah grafik pengendali Xbar-S. Sedangkan jika
subgroup n < 10 maka grafik pengendali yang digunakan adlah grafik
pengendali Xbar-R.
Analisis kemampuan proses mendefinisikan kemampuan proses memenuhi
spesifikasi atau mengukur kinerja proses. Analisa kemampuan proses juga
merupakan prosedur yang digunakan untuk memprediksi kinerja jangka
panjang yang berada dalam batas pengendalian proses statistic. Yang perlu
diingat adalah analisis kemampuan proses harus dilakukan apabila proses
berada dalam batas pengendali statistic.
Menurut Heizer dan Render (2006,p265) Alat lain untuk mengidentifikasi
masalah kualitas dan titik inspeksi adalah diagram sebab akibat (cause and
effect diagram), yang juga dikenal sebagai diagram Ishikawa (Ishikawa
diagram) atau diagram tulang ikan (fish bonechart).. Fish bone chart
berbentuk menyerupai tulang ikan, setiap tulang mewakili kemungkinan
sumber kesalahan. Dari diagram pada gambar 3.45 sudah terlihat beberapa
masalah yang mewakili dari sebab dan akibat yang menjadi permasalahan..
Pada bagian personal memiliki sebab kurangnya waktu istirahat, kurangnya
skill dan pekerja kurang konsentrasi, akibatnya personel memilki masalah.
Pada bagian Material, memiliki sebab mutu bahan baku tidak sesuai dengan
standart ini mengakibatkan sebuah material mengalami masalah. Dibagian
measurements,memiliki sebab kesalahan pengukuran dan kurang teliti. Pada
bagian machines, memiliki sebab keterbatasan jumlah mesin, kurangnya
perawatan dan mesin sudah terlalu tua sehingga mengakibatkan mesin yang
bermasalah. Pada bagian method, terdapat SOP kurang dipahami, system
belum optimal, pengawasan tidak cermat, sehingga dapat menyebabkan
produk yang diproduksi tidaksesuai dengan standart yang telah ditetapkan.
Dan yang terakhir pada bagian environment memiliki sebab kondisi didalam
pabrik (panas, bising, kotor dan berdebu).
Run chart adalah grafik yang menunjukkan variasi ukuran sepanjang waktu.
Dilihat dari diagram run chart pada gambar 3.42 , dari data itu terjadi
kenaikan dan penurunan, kenaikan yang signifikan pada data diameter poros
terjadi pada sample ke 16.
Diagram balok yang menunjukan cakupan nilai sebuah perhitungan dan
frekuensi dari setiap nilai yang terjadi. Dari diagram histogram pada gambar
3.41 dapat kita lihat jumlah frekuensi yang dimiliki diameter poros yang
berukuran 349.375 - 349.625 mm adalah 7 data, jumlah frekuensi yang

dimiliki diameter poros yang berukuran 349.625 349.875 mm adalah 18

data, jumlah frekuensi yang dimiliki diameter poros yang berukuran 349.875
350.125 mm adalah 18 data, jumlah frekuensi yang dimiliki diameter poros
yang berukuran 350.125 350.375 mm adalah 19 data, jumlah frekuensi
yang dimiliki diameter poros yang berukuran 350.375 350.625 mm adalah
13 data, jumlah frekuensi yang dimiliki diameter poros yang berukuran
351.125 351.375 mm adalah 1 data, jumlah frekuensi yang dimiliki
diameter poros yang berukuran 351.375 351.625 mm adalah 2 data, jumlah
frekuensi yang dimiliki diameter poros yang berukuran 351.625 351.875
mm adalah 1 data, jumlah frekuensi yang dimiliki diameter poros yang
berukuran 351.875 352.125 mm adalah 1 data.

3.4.2 Daftar Pustaka

Irwan, Didi H. Pengendalian Kualitas Statistik (Pendekatan Teoritis dan

Aplikatif). Bandung : Alfabeta, 2015.