PENERAPAN METODE SEVEN TOOLS DALAM

PENGENDALIAN MUTU TERPADU

 PENDAHULUAN
Pada umumnya setiap perusahaan akan selalu berorientasi pada
pencapaian kualitas terbaik. Untuk menjamin kualitas yang baik
(tidak adanya produk yang cacat), maka maka perusahaan
membentuk team yang dinamakan team QCC atau biasa disebut
gugus kendali mutu (GKM).

Team QCC merupakan team yang melakukan kegiatan

pengendalian dan perbaikan secara Berkesinambungan.
Di dalam melakukan perbaikan berkesinambungan,
team QCC menggunakan teknik quality control yang
berupa tujuh alat bantu. Fungsi dari tujuh alat bantu
adalah mencari akar permasalahan. Tujuh alat bantu itu
adalah
a) Checksheet
b) Pareto Diagram,
c) grafik,
d) Hiatogram,
e) Ishikawa Diagram,
f) Scatter diagram,
g) Control Chart.
Apakah The 7 QC Tools bisa bermanfaat pada
disiplin ilmu lain ?
Sesungguhnya keampuhan alat-alat bantu ini,
tidak hanya terbatas dalam lingkup QMS (Quality
Management System) saja. Karena, kalau saja
para pakar yang menekuni disiplin ilmu lainnya, seperti
misalnya : ahli politik, ahli ekonomi, ahli pemasaran dan
lain sebagainya, berkenan untuk mempelajari secara
massif penggunaan alat-alat bantu ini dan
memahaminya secara baik, mereka dapat
memanfaatkannya untuk melengkapi keilmuan dan
kemampuan analisisnya.
 Apakah kegunaan QC Tools ?

The 7 QC tools adalah alat-alat bantu yang bermanfaat untuk

memetakan lingkup persoalan, menyusun data dalam diagram-diagram
agar lebih mudah untuk dipahami, menelusuri berbagai kemungkinan
penyebab persoalan dan memperjelas kenyataan atau fenomena yang
otentik dalam suatu persoalan.

Kemampuan 7 QC tools yang dahsyat dalam mengemukakan fakta/fenomena inilah

yang menyebabkan para pakar dalam setiap proses kegiatan mutu sangat tergantung
pada alat-alat bantu ini. Meskipun demikian, keberhasilan dalam menggunakan 7
QC tools sangat dipengaruhi oleh seberapa massif pengetahuan si pengguna akan alat
bantu yang dipakainya. Semakin baik pengetahuan yang dimiliki, akan semakin tepat
dalam memilih alat bantu yang akan digunakan. Itulah sebabnya, ada 2 hal pokok yang
perlu menjadi pedoman, sebelum menggunakan 7 QC tools, yaitu : EFISIEN (tepat) dan
EFEKTIF (benar).
• EFISIEN, maksudnya adalah ketepatan dalam
memilih alat bantu yang sesuai dengan
karakteristik persoalan yang akan dibahas.
EFEKTIF, artinya bahwa penggunaan alat bantu
tersebut dilakukan dengan "benar", sehingga

persoalan menjadi lebih jelas, mudah

dimengerti dan memberikan peluang untuk
diperbaiki.

"The 7 QC Tools“ bagaimana cara penggunaannya?

1. Checksheet
Suatu lembar/formulir yang mana item-item yang akan diperiksa telah
dicetak dalam formulir tersebut dengan maksud agar data dapat
dikumpulkan secara mudah dan ringkas.

Dalam penyusunan Check Sheet perlu diperhatikan beberapa hal

antara lain:
a) Bentuk lajur-lajur untuk mencatat data harus jelas.
b) Data yang hendak dikumpulkan dan dicatat harus jelas tujuannya.
c) Kapan data dikumpulkan harus dicantumkan.
d) Data harus dikumpulkan secara jujur.
Tujuan dari pemakaian Check Sheet (Vincent Gaspersz, 2001):

a) Memudahkan proses pengumpulan data terutama untuk mengetahui

bagaimana sesuatu masalah sering terjadi. Tujuan utama dari penggunaan
Check Sheet adalah membantu mentabulasikan banyaknya kejadian dari
suatu masalah tertentu dan penyebab tertentu.

b) Mengumpulkan data tentang jenis masalah yang sedang terjadi. Dalam

kaitan ini, Check Sheet (Lembar Periksa) akan membantu memilah-milah
data kedalam kategori yang berbeda seperti penyebab-penyebab,
masalah-masalah dan lainnya.

c) Menyusun data secara otomatis sehingga data itu dapat dipergunakan

dengan mudah.

d) Memisahkan antara opini dan fakta. Kita sering berfikir bahwa kita
mengetahui suatu masalah atau menganggap suatu penyebab itu
merupakan hal yang paling penting. Dalam hal ini Check Sheet akan
membuktikan opini kita apakah benar atau tidak.
Enam langkah untuk membuat Check Sheet ialah:

a) Menjelaskan tentang tujuan pengumpulan data.

b) Identifikasi apakah Variable atau Attribute variasi yang akan diukur.

c) Menentukan waktu dan tempat pengukuran.

d) Mulai mengumpulkan data untuk item yang sedang diukur.

e) Menjumlahkan data yang telah dikumpulkan tersebut. Dalam hal ini kita
harus menjumlahkan banyaknya kejadian untuk setiap kategori yang akan
diukur.

f) Memutuskan untuk mengambil tindakan peningkatan atas penyebab

masalah yang sedang terjadi itu. Perlu diingat untuk setiap tindakan
peningkatan harus diambil berdasarkan fakta dan bukan hanya
berdasarkan opini. Bila ada hal-hal yang masih meragukan berkaitan
dengan fakta yang ditemukan dalam pengumpulan data kita perlu
melakukan verifikasi data yang telah terkumpul tersebut.
CONTOH CHECKSHEET
Disini kami mengambil 4 orang mahasiswa FE
UNIDA dengan IPK yang berbeda, berikut adalah
daftar IP 4 mahasiswa yang kami gunakan
sebagai sample :
Dari keempat mahasiswa tersebut, kami
menanyakan beberapa kendala yang menurut
mereka menjadi batu sandungan mereka untuk
mendapatkan hasil IPK yang meningkat secara
bertahap. Beberapa kendala itu dinilai timbul
dari faktor internal dan external, berikut kami
tampilkan check sheet yang kami gunakan
terhadap empat sample diatas :
MAHASISWA 1
MAHASISWA 2
MAHASISWA 3
MAHASISWA 4
Melihat dari hasil empat check sheet diatas menunjukkan permasalahan yang
paling banyak menjadi batu sandungan para mahasiswa adalah sulitnya
membagi waktu. Pertanyaannya

” kenapa?”.
Para mahasiswa diluar kampus mereka pasti memiliki rutinitas lain yang
mungkin akan menyita waktu mereka, seperti harus bekerja part time untuk
membantu keuangan keluarga atau mungkin karena mereka merasa lebih
nyaman mengerjakan tugas pada saat waktu sudah mulai menipis. Beberapa
mahasiswa memiliki tipe seperti itu, mungkin sudah merupakan tradisi
seorang mahasiswa ataukah kebiasaan yang terbawa dari kecil seperti itu.
Jadi,
permasalahan pertama yang harus kita pecahkan adalah bagaimana
cara membagi waktu mahasiswa untuk mengutamakan menyelesaikan
tugas ketimbang menunggu waktu datang dan akhirnya melakukan
sistem SKS (Sistem Kebut Semalam).
 SOLUSI
Solusi dari permasalahan :
- Lacak aktivitas anda.
- Membuat jadwal kegiatan.
- Tentukan skala prioritas.
- Membiasakan diri jangan menunda pekerjaan.
- Evaluasi penerapan secara bertahap.
 2. PARETO DIAGRAM
• Diagram Pareto pertama kali diperkenalkan oleh seorang ahli ekonomi dari Italia, bernama "Vilvredo
Pareto", pada tahun 1897 dan kemudian digunakan oleh Dr. M. Juran dalam bidang pengendalian mutu.
Alat bantu ini biasa digunakan untuk menganalisa suatu fenomena, agar dapat diketahui hal-hal yang
prioritas dari fenomena tersebut. Maka istilah PARETO biasanya identik dengan PRIORITY.

• Pada suatu diagram Pareto akan dapat diketahui, suatu faktor merupakan faktor yang paling prioritas
dibandingkan faktor-faktor (minimal 4 faktor) lainnya, karena faktor tersebut berada pada urutan
terdepan, terbanyak atau pun tertinggi pada deretan sejumlah faktor yang dianalisa.

• Melalui dua diagram Pareto yang diperbandingkan, akan dapat dilihat perubahan seluruh/sebagian faktor-
faktor yang sedang diteliti, pada kondisi yang berbeda.

• Diagram Pareto juga biasa digunakan untuk dapat menentukan"pangkal persoalan", berdasarkan analisa
yang massif, dengan mempertimbangkan beberapa sudut pandang. Misalnya : Ada 4 persoalan yang
dihadapi, yaitu A, B, C, D. Bila ditinjau dari frekuensi kejadian, ternyata persoalan C yang paling sering
terjadi, tetapi bila ditinjau dari akibatnya secara finansial, ternyata persoalan A yang paling merugikan bila
tidak segera diatasi, tetapi bila dilihat dari segi enerji yang terbuang, mungkin malah persoalan B yang
paling menonjol. Berdasarkan tinjauan-tinjauan inilah, kemudian dapat disimpulkan, manakah dari ke-
empat faktor itu, yang akan menjadi prioritas persoalan untuk ditindaklanjuti ?
Kasus Pengendalian Mutu di Medical
Center “SEHAT’i”
Dr. Frans Melik, Direktur Pengelola “M. C. SEHAT’i”,
baru-baru ini mengadakan survey melalui penyebaran
kuesioner, guna menganalisa faktor-faktor penyebab
pasien yang semakin menurun karena akibat
penurunan ini pendapatan M. C. SEHAT’i juga turun
sampai 20% dibandingkan dengan bulan yang sama
periode tahun lalu.

Hasil kuesioner dari 100 responden telah diringkas

seperti dibawah ini, untuk memudahkan, terlebih
dahulu diberi kode pada masing-masing jawaban
responden.
 KODE PENYEBAB PERMASALAHAN

Penyebab KODE
Obat-obatan di apotek (Klinik) kurang
A
lengkap
Dokter ahli (spesialis) tidak lengkap B

Tidak punya kartu berobat C

Tidak tahu ada “Klinik Sehat Krina” D

Pelayanan di Klinik kurang baik E

Lokasi Klinik jauh dari rumah F

Ruang tunggu Klinik kurang nyaman G

Belum tahu prosedur pendaftarannya H

Ringkasan Hasil Kuesioner
FREKWENSI PERMASALAHAN MUNCUL
RINGKASAN
• Dari diagram pareto ditunjukan secara jelas
masalah tertinggi sebesar 25% dari seluruh
masalah dikarenakan oleh lokasi klinik jauh dari
rumah,

• untuk itu direktur pengelola mungkin dapat

mengambil suatu kebijakan atau tindakan
perbaikan contohnya dengan cara mempelajari
ulang lokasi para pasien dan membuka cabang di
lokasi yang dekat dengan rumah pasien,
walaupun perlu dipertimbangkan juga cost and
benefit-nya penurunan 20% pendapatan
dibandingkan meraih 25% pengunjung dengan
membuka cabang baru.
 3. Graphs (Block diagram, Pie Chart, etc.)
• Grafik biasa digunakan sebagai alat bantu untuk
menerangkan suatu kondisi, menggambarkan
trend, memprediksi situasi secara lebih jelas,
melalui sejumlah data yang digambarkan, baik
dalam bentuk balok (block), lingkaran (Pie Chart),
garis (Line chart) dan lain sebagainya.

• Penggambaran grafik yang tepat akan

memberikan kemudahan dalam membaca data
yang ditampilkan, sehingga memungkinkan untuk
penelitian atau analisa lebih lanjut.
 4. ISHIKAWA DIAGRAM
• Ini adalah satu-satunya alat bantu yang
menggunakan data verbal (non-numerical)
atau data kualitatif dalam penyajiannya.

• Alat bantu ini menggambarkan tentang suatu

kondisi "penyimpangan mutu" yang
dipengaruhi oleh bermacam-macam
penyebab yang saling berhubungan.
• diagram tulang ikan (fishbone diagram). Atau
sering juga disebut dengan cause effect
diagram digagas oleh seorang ilmuwan jepang
pada tahun 60-an. Bernama Dr. Kaoru
Ishikawa, ilmuwan kelahiran 1915 di Tokyo
Jepang yang juga alumni teknik kimia
Universitas Tokyo. Sehingga sering juga disebut
dengan diagram ishikawa. Metode tersebut
awalnya lebih banyak digunakan untuk
manajemen kualitas. Yang menggunakan data
verbal (non-numerical) atau data kualitatif.
Diagram tulang ikan ini memang berbentuk mirip dengan
tulang ikan yang moncong kepalanya menghadap ke
kanan. Diagram ini akan menunjukkan sebuah dampak
atau akibat dari sebuah permasalahan, dengan berbagai
penyebabnya. Efek atau akibat dituliskan sebagai
moncong kepala. Sedangkan tulang ikan diisi oleh sebab-
sebab sesuai dengan pendekatan permasalahannya.
Umumnya penggunaan fishbone untuk design produk
dan mencegah kualitas produk yang jelek (defect).
Mengenai pemilahan sebab-sebab, berikut adalah
beberapa pendekatannya.
The 4 M’s (digunakan untuk perusahaan manufaktur) :
a)Machine (Equipment),
b)Method (Process/Inspection)
c)Material (Raw,Consumables etc.)
d)Man power.

The 8 P’s (digunakan pada industri jasa) :

a)People
b)Process
c)Policies
d)Procedures
e)Price
f)Promotion
g)Place/Plant
h)Product
The 4 S’s (digunakan pada industri jasa) :
a)Surroundings
b)Suppliers
c)Systems
d)Skills

4 P (pendekatan manajemen pemasaran) :

a)Price
b)Product
c)Place
d)Promotion
Gambar berikut adalah contoh hasil dari pembuatan diagram tulang ikan.
Berkisah mengenai pencarian jawaban mengapa produk sebuah mobil di industri
manufaktur tidak bisa berjalan. Sebab-sebab dipilah sesuai dengan pendekatan
jenis kelamin operator perakitan (pria atau wanita), lingkungan, metode dan
bahan. Semakin dekat garis sebab dengan akibat, semakin perlu diperhatikan.
Faktor lingkungan dipilah lagi menjadi dua sub bagian. Yakni faktor temperatur
dan cahaya. Diperkirakan cahaya terlalu banyak dan temperatur terlalu rendah.
Demikian seterusnya dilakukan analisis yang sama terhadap sebab-sebab yang
ada. Kemudian setelah diketahui betul sebab-sebab yang ada, maka dapat
dibuat kerangka pemecahan masalahnya. Misalnya dengan perbaikan
lingkungan kerja, metode dan bahan.
 5. HISTOGRAM
• Dikenal juga sebagai grafik distribusi frekuensi, salah satu jenis grafik batang yang
digunakan untuk menganalisa mutu dari sekelompok data (hasil produksi), dengan
menampilkan nilai tengah sebagai standar mutu produk dan distribusi atau
penyebaran datanya.

• Meski sekelompok data memiliki standar mutu yang sama, tetapi bila penyebaran
data semakin melebar ke kiri atau ke kanan, maka dapat dikatakan bahwa mutu
hasil produksi pada kelompok tersebut kurang bermutu, sebaliknya, semakin
sempit sebaran data pada kiri dan kanan nilai tengah, maka hasil produksi dapat
dikatakan lebih bermutu, karena mendekati spect yang telah ditetapkan.

• Agar Histogram memberikan gambaran yang akurat tentang kondisi hasil produksi,
perlu dilakukan pengolahan data yang akurat terlebih dulu, dimulai dari
pengumpulan data, tidak kurang dari 50 sampel, yaitu jumlah yang dianggap dapat
memenuhi populasi yang akan diamati.

• Pengolahan data pada Histogram menjadi sangat penting, terutama dalam

menentu-kan besaran nilai tengah (standar) dan seberapa banyak kelas-kelas data
yang akan menggambarkan penyebaran data yang tercipta.
Tujuan dibuatnya histogram adalah :
• Mengetahui dengan mudah penyebaran
data yang ada.
• Mempermudah melihat dan
menginterpretasikan data.
• Sebagai alat pengendalian proses,
sehingga dapat mencegah timbulnya
masalah.
 Contoh, ingin diketahui bagaimana sebaran data berat pil Anti Sakit Kepala
produksi PT Lapindo untuk tanggal 12 September 2006

Data : Berat Pil Sakit Kepala Berat Standar : 65.00 – 75.00 mg

Lokasi : PT. LAPINDO Berat Max : 91,5 mg
Waktu : 11 September 2006 Berat Min : 58,3 mg
Satuan : Miligram Pelaksana : Dr. Satrio
N JAM HASIL PENGAMATAN
O I II III IV V VI VII VIII IX X
1 09.00 69.3 67.7 62.5 77.3 76.2 66.5 74.6 82.5 75.6 70.6
2 10.00 66.4 74.5 91.5 73.6 74.5 76.2 70.6 69.3 76.4 69.3
3 11.00 60.2 60.3 62.4 76.4 68.9 75.3 74.6 68.9 87.4 74.5
4 12.00 58.9 65.4 64.5 73.7 67.8 73.7 74.5 76.2 73.6 81.3
5 13.00 73.2 73.6 75.6 74.5 70.6 62.6 73.2 75.8 73.2 75.3
6 14.00 68.9 70.6 73.7 69.3 58.3 76.2 74.5 73.2 63.9 70.6
7 15.00 76.4 75.3 73.6 75.3 73.2 73.7 73.6 69.3 73.7 73.2
8 16.00 75.3 82.6 76.4 78.9 68.9 76.4 73.7 59.5 76.2 69.3
 LANGKAH KETERANGAN

Langkah 1 Jumlah Data (n)

Langkah 2 Tentukan jarak Range (R)

R = nilai terbesar – Nilai Terkecil
Nilai maks (nilai terbesar) : 91,5
Nilai Min (Nilai Terkecil ) : 58,3

Langkah 3 Bagi Himpunan data dalam sejumlah kelas (K)

Petunjuk umum untuk menentukan kelas adalah sebagai berikut :
Jumlah data (n) Jumlah Kelas (K)
Dibawah 50 5 – 7
50 -100 6 – 10
100 – 250 7 – 12
Diatas 250 10 – 205
(
Sumber : Pedoman dari Dr. Karou Ishikawa)
 LANGKAH KETERANGAN

Langkah 4 Tentukan Interval Kelas (i)

i = Range/Jumlah kelas

Langkah 5 Tentukan Batas-batas kelas

Ambil nilai data terkecil tentukan sebagai batas terbawah kelas
Batas bawah kelas berikutnya adalah
Nilai data terkecil ditambah dengan interval kelas (i)

Langkah 6 Susun Tabel Frekwensi

Langkah 7 Gambarkan Histogram berdasarkan tabel frekwensi

 6. Scatter Diagram
• Alat bantu ini sangat berguna untuk mendeteksi korelasi (hubungan) antara dua variable
(faktor), sekaligus juga memperlihatkan tingkat hubungan tersebut (kuat atau lemah).

• Pada pemanfaatannya, scatter diagram membutuhkan data berpasangan sebagai bahan baku
analisisnya, yaitu sekumpulan nilai x sebagai faktor yang independen berpasangan dengan
sekumpulan nilai y sebagai faktor dependen. Artinya, bahwa setiap nilai x yang didapatkan
memberi dampak pada nilai y.

• Melalui penggambaran data tersebut dalam scatter diagram, akan dapat dilakukan analisa
lebih lanjut, sejauhmana antara faktor x dan y memiliki korelasi, yang dalam hal ini
direpresentasikan sebagai nilai r (rho), yaitu nilai yang menunjukkan tingkat keeratan
hubungan antar faktor tersebut. Dikatakan kedua faktor itu berhubungan sangat erat bila
nilai rho mendekati angka + 1. Di samping itu, juga akan dapat disimpulkan kecenderungan
arah korelasi tersebut (positif atau negatif).

• Korelasi memiliki kecenderungan positif bila setiap pertambahan faktor x menyebab-kan

pertambahan faktor y, sebaliknya kecenderungan negatif bila setiap pertam- bahan
menyebabkan pengurangan faktor y.
• Analisis regresi linier sederhana menurut
Sugiyono, (2010:261) dapat menggunakan
rumus sebagai berikut

Y  a  bX

• Menurut Sugiyono, (2010:262) untuk mencari

koefisien regresi a, b dapat digunakan sebagai
berikut :
i )  (  X i )( X i Yi )
2
a = (  Yi )(  X
2
n.  xi  ( xi ) 2

n  X i Yi  ( X i )( Yi )
b = 2
n  xi  ( xi ) 2
Analisis Koefisien Korelasi
Analisis ini dipergunakan untuk mengetahui dan
mengukur kuat atau tidaknya hubungan variabel x
Terhadap variabel y.
Adapun rumus yang digunakan menurut
Sugiyono (2010:274) seperti dinyatakan
dibawah ini:

n(X iYi )  (X i )(Yi )

rxy = 2 2
{n.(X i )  (X i ) }.{n.(Yi )  (Yi ) }
2 2
Interpretasi dari nilai koefisien korelasi

Apabila r = 0 atau mendekati 0, maka tidak ada

hubungan sama sekali atau hubungan antara kedua
variabel sangat lemah.

Apabila r = +1 atau mendekati +1, maka hubungan

kedua variabel sangat kuat dan mempunyai hubungan
searah.

Apabila r = -1 atau mendekati -1, maka hubungan

kedua variabel sangat kuat dan mempunyai hubungan
yang berlawanan arah.
 Pedoman Interprestasi Koefisien
Sumber : Metode Penelitian Bisnis Sugiyono (2010,231)

Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat rendah
0,20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat kuat
 CONTOH SCATTER DIAGRAM
PELANGGAN X Y X2 Y2 XY

SULE 3 5 9 25 15

ANDRE 1 2 1 4 2

PARTO 3 3 9 9 9

WENDI 5 4 25 16 20

AZIZ 2 1 4 1 2

NUNUNG 2 2 4 4 4

OLGA 4 4 16 16 16

DENI 3 4 9 16 12

RAFFI 1 1 1 1 1

JESIKA 4 3 16 9 12

28 29 94 101 93
 7. Control Chart
• Ini adalah sebuah alat bantu berupa grafik yang akan menggambarkan
stabilitas suatu proses kerja. Melalui gambaran tersebut akan dapat
dideteksi apakah proses tersebut berjalan baik (stabil) atau tidak ?

• Alat bantu ini pertama kali diperkenalkan oleh W.A. Shewhart di

Laboratorium Bell Telephone. Karakteristik pokok pada alat bantu ini
adalah adanya sepasang batas kendali (Upper dan Lower Limit), sehingga
dari data yang dikumpulkan akan dapat terdeteksi kecenderungan kondisi
proses yang sesungguhnya. Pada dasarnya alat bantu ini adalah berupa
rekaman data suatu proses yang sudah berjalan. Bila data yang terkumpul
sebagian besar berada dalam batas pengendalian, maka dapat
disimpulkan bahwa proses berjalan dalam kondisi stabil. Tetapi
sebaliknya, bila sebagian besar data menunjukkan deviasi di luar batas
kendali, maka bisa dikatakan proses berjalan tidak normal, yang bisa
berdampak pada penurunan Mutu produk.

• Control Chart sangat bermanfaat untuk memonitor proses operasional

atau produksi agar bila terjadi suatu penyimpangan dapat segera
ditindaklanjuti. Menggunakan alat bantu ini secara kontinyu, akan bisa
mencegah persoalan mutu yang berlarut-larut dan cacat produk yang
berlebihan.
 TEHNIK PENGENDALIAN
1. CARA TRADISIONAL
Merasakan,mendengarkan,dan melihat secara langsung
yang sedang diperiksa.
2. METODE STATISTIK (SPC)
C-Chart, P-Chart, X- Chart dan R-Chart
 TUJUAN

Menyelidiki dengan cepat sebab-sebab terjadinya kesalahan

dan melakukan tindakan perbaikan sebelum terlalu banyak
produk cacat yang diproduksi
 SUMBER GANGGUAN PROSES PRODUKSI

1. Mesin
2. Kesalahan Operator (Human Error)
3. Bahan baku yang Rusak atau Tidak sesuai Standar
 BENTUK DASAR STATISTICAL QUALITY
CONTROL

Ditunjukkan oleh grafik yang membuat

1. Center Line(CL) = Garis Tengah
Merupakan nilai rata –rata karakteristik kualitas yang berkaitan
dengan keadaan terkontrol.

2. Upper Control Limit (UCL) = Batas Pengendalian Atas

3. Lower Control Limit (LCL) = Batas pengendalian bawah

 Grafik Pengendalian Kualitas

80 UCL

60
CL

40
LCL

20

Nomor Sampel atau waktu

 TIPE GRAFIK PENGENDALIAN KUALITAS

• Pengendalian Kualitas Variabel

Adalah Apabila karakteristik kualitas dapat diukur dan dinyatakan
dalam bilangan.
( Misal : Dinyatakan dengan ukuran
mikrometer,milimeter,sentimeter, dimensi berat,dimensi
volume,dan lain2)
• Pengendalian Variabel Atribut atau Sifat
Adalah apabila karakteristik kualitas tidak dapat diukur dengan skala
kuantitas atau bilangan.
(Biasanya digunakan istilah sesuai/tidak sesuai spesifikasi,
cacat/tidak cacat atau istilah sesuai/tidak sesuai)
 FAKTOR PENTING DALAM MENGGUNAKAN GRAFIK
PENGENDALIAN

1. Ukuran Sampel
Ukuran sampel yang terlalu besar akan berpengaruh pada biaya, namun ukuran
sampel yang terlalu kecil dapat berakibat kerugian karena banyaknya produk
cacat yang diproduksi
2. Frekwensi Pengambilan Sampel
U/ menentukan frekwensi pengambilan sampel yang tepat, harus
dipertimbangkan faktor2 : Biaya pengambilan sampel,kerugian
karena membiarkan proses bekerja dalam keadaan tak
terkendali, tingkat produksi dan probabilitas pergeseran proses
akan terjadi.
3. Batas-Batas Pengendalian Sigma (3-sigma,2-sigma dan 1-sigma)
Batas pengendalian sigma adalah lebar batas pengendalian
berbanding terbalik dengan ukuran sampel(n) untuk kelipatan
sigma tertentu.
Semakin besar kelipatan sigma berarti semakin longgar batas
pengendalian dan semakin kecil kelipatan sigma berarti semakin
sempit batas pengendalian
 TIPE PENGENDALIAN VARIABEL

NO JENIS KETERANGAN CATATAN

CHART
1 X Peta yang menunjukkan nilai rata-rata Biasanya digunakan
Bagian X pada peta menunjukkan setiap secara bersamaan
pengubahan nilai rata-rata proses
2 R Peta yang menunjukkan kisaran.
Bagian R menunjukkan setiap
pengubahan dispersi proses
 TIPE PENGENDALIAN ATRIBUT

JENIS
NO KETERANGAN CATATAN
CHART
Satu peta yang menunjukkan jumlah cacat, dalam Biasanya tidak
1 P pengambilan sampel (Ukuran subgrup/n) yang digunakan secara
tidak sama bersama karena peta
p dan np
Satu peta yang menunjukkan jumlah cacat, dalam menunjukkan kedua
pengambilan sampel (Ukuran subgrup/n) yang karakteristik rata-rata
2 Np sama dan dispersi proses
produksi

Digunakan dalam hubungannya dengan jumlah

cacat yang muncul dalam sampel dengan unit
3 C tetap, seperti jumlah ketidak sempurnaan
penyambungan solder

Digunakan dalam hubungannya dengan jumlah

4 u cacat seperti ketidaksempurnaan bahan tenunan
atau lubang pen dll.
 TIPE PENGENDALIAN ATRIBUT

N JENIS
KETERANGAN CATATAN
O CHART
Satu peta yang menunjukkan Menghitung cacat dengan cara
jumlah cacat, dalam pengambilan satu produk jika ada 1 cacat
1 P
sampel (Ukuran subgrup/n) yang dianggap cacat
tidak sama
Satu peta yang menunjukkan
jumlah cacat, dalam pengambilan
2 Np sampel (Ukuran subgrup/n) yang
sama

Digunakan dalam hubungannya Menghitung cacat untuk satu

dengan jumlah cacat yang muncul
3 C dalam sampel dengan unit tetap,
seperti jumlah ketidak sempurnaan
penyambungan solder
Digunakan dalam hubungannya
dengan jumlah cacat seperti
4 u
ketidaksempurnaan bahan
tenunan atau lubang pen dll.
jenis kerusakan saja, seperti kita
hanya mengawasi pada cacat
warna saja, maka kita mengitung
cacat hanya diwarna
Menghitung cacat untuk satu
produk dihitung berapa banyak
cacat
 LANGKAH MEMBUAT PETA KENDALI
X - R CHART

1. Kumpulkan data.
2. Masukkan data dalam subgrup
3. Catat data pada lembar data.
4. Carilah rata-rata x.
5. Carilah Kisaran R.
6. Carilah rata-rata keseluruhan untuk X
7. Hitung nilai rata-rata kisaran R
8. Hitung garis batas kendali.
9. Susunlah peta kendali
10. Gambar titik x dan R untuk setiap subgrup pada garis vertikal yang
sama
11. Tulislah ke dalamnya informasi yang diperlukan.
 PENGENDALIAN KUALITAS
VARIABEL ATRIBUT

Grafik pengendalian variabel : Grafik Pengendalian Sifat:

1.Mean Chart atau x – Chart 1. P – Chart

x1  X 2  .....  xn m m
x
n   D i p i
p i 1
 i 1
m mn m
 xi
x i 1

m UCL  p  3 p (1  p ) / n
UCL  x  A2 R
UCL  p  3 p (1  p) / n
LCL  x  A2 R
CL  p
CL  x
LANJUTAN RUMUS.......................................

VARIABEL ATRIBUT
Grafik pengendalian variabel : Grafik Pengendalian Sifat:
2. R – CHART 2. C - Chart
n
R  Rmax  Rmin  ci
m c i 1

 Ri   n
R i 1
m UCL  c  3 c
UCL  RD4
LCL  RD3 UCL  c  3 c

 
CL  R CL  c
LANJUTAN RUMUS.......................................

VARIABEL ATRIBUT
Grafik Pengendalian Sifat:
3. U- Chart
n

 ui
u i 1

n
  UCL  u  3 u / n
 

UCL  u  3 u / n

CL  u
 X-R CHART

SUB
6.00 10.00 14.00 18.00 22.00 X RATA2 R
GROUP
1 14.0 12.6 13.2 13.1 12.1
2 13.2 13.3 12.7 13.4 12.1
3 13.5 12.8 13.0 12.8 12.4
4 13.9 12.4 13.3 13.1 13.2
5 13.0 13.0 12.2 12.2 13.3
6 13.7 12.0 12.5 12.4 12.4
7 13.9 12.1 12.7 13.4 13.0
8 13.4 13.6 13.0 12.4 13.5
9 14.4 12.4 12.2 12.4 12.5
10 13.3 12.4 12.6 12.9 12.8
11 13.3 12.8 13.0 13.0 13.1
12 13.6 12.5 13.3 13.5 12.8
13 13.4 13.3 12.0 13.0 13.1
 SUB
6.00 10.00 14.00 18.00 22.00 X RATA2 R
GROUP
14 13.9 13.1 13.5 12.6 12.8
15 14.2 12.7 12.9 12.9 12.5
16 13.6 12.6 12.4 12.5 12.2
17 14.0 13.2 12.4 13.0 13.0
18 13.1 12.9 13.5 12.3 12.8
19 14.6 13.7 13.4 12.2 12.5
20 13.9 13.0 13.0 13.2 12.6
21 13.3 12.7 12.6 12.8 12.7
22 13.9 12.4 12.7 12.4 12.8
23 13.2 12.3 12.6 13.1 12.7
24 13.2 12.8 12.8 12.3 12.6
25 13.3 12.8 12.0 12.3 12.2
 P-CHART
UKURAN PERSEN CACAT P
SUBGROUP PERSEN CACAT P
SUB GROUP (%)
NO (Pn)
(N)
1 115 15
2 220 18
3 210 23
4 220 22
5 220 18
6 255 15
7 440 44
8 365 47
9 255 13
10 300 33
11 280 42
12 330 46
13 320 38
 UKURAN SUB
SUBGROUP PERSEN CACAT P PERSEN CACAT P
GROUP
NO (Pn) (%)
(n)
14 225 29
15 290 26
16 170 17
17 65 5
18 100 7
19 135 14
20 280 36
21 250 25
22 220 24
23 220 20
24 220 15
25 220 18
 PN-CHART
UKURAN JUMLAH UKURAN JUMLAH
SUBGROUP SUBGROUP
SUBGROUP CACAT SUBGROUP CACAT
NO NO
(n) (pn) (n) (pn)

1 1 11 2
2 6 12 1
3 5 13 3
4 5 14 1
5 4 15 4
100 100
6 3 16 5
7 2 17 4
8 2 18 1
9 4 19 6
10 6 20 15
 PN-CHART
SUBGROUP UKURAN SUBGROUP JUMLAH CACAT
NO (n) (pn)

21 12
22 6
23 3
24 4
25 3
100
26 3
27 2
28 5
29 7
30 4
 C -HART
SAMPEL JUMLAH CACAT SAMPEL JUMLAH CACAT
1 7 11 6

2 5 12 3

3 3 13 2

4 4 14 7

5 3 15 2

6 8 16 4

7 2 17 7

8 3 18 4

9 4 19 2

10 3 20 3
 U-CHART
Nomor Sampel Ukuran Sampel (n) Jum. Ketidaksesuaian Keseluruhan (c)
1 10 10
2 10 14
3 10 20
4 10 16
5 10 12
6 10 24
7 10 22
8 10 14
9 10 10
10 10 18
11 10 30
12 10 20
13 10 14
14 10 22
15 10 32
16 10 20
17 10 28
18 10 16
19 10 24
20 10 20
 Bagaimana memilih QC Tools dengan tepat ?

• Semua jenis QC Tools adalah alat yang mampu memberikan hasil analisa
yang optimum bila digunakan dengan tepat. Tetapi, yang seringkali
menjadi persoalan sesungguhnya adalah ketidakmampuan Pengguna
dalam memilih dan menentukan alat bantu yang tepat dan sesuai dengan
problem yang sedang dihadapinya.
• Kunci ketepatan dalam memilih adalah terletak pada pemahaman yang
mendalam tentang karakteristik masing-masing alat bantu (QC Tools)
tersebut. Sebagai contoh kasus adalah penggunaan Pareto Diagram
sebagai alat bantu untuk menganalisa faktor-faktor prioritas. Agar Pareto
Diagram dapat memberikan hasil yang optimum, maka dalam menyajikan
data, sebaiknya berdasarkan pada peninjauan dari berbagai sudut
pandang, misalnya : data frekuensi kejadian, data jumlah cacat produk,
data down time, data kerugian dan lain sebagainya. Berdasarkan
perbandingan faktor prioritas untuk masing-masing data tersebut, akan
bisa diperoleh faktor yang benar-benar utama melalui analisa Pareto,
dengan demikian Pareto diagram menjadi lebih bermanfaat dengan
ditambahkannya Analisa Pareto dalam menentukan faktor prioritas.