Anda di halaman 1dari 41

PENGENDALIAN KUALITAS STATISTIK Kualitas / Mutu : Ukuran tingkat kesesuaian barang/ jasa dg standar/spesifikasi yang telah ditentukan/ ditetapkan.

Pengendalian Kualitas Statistik (PKS) : Ilmu yang mempelajari tentang teknik /metode pengendalian kualitas berda-sarkan prinsip/ konsep statistik. Cara menggambarkan ukuran kualitas
1.

Variabel : karakteristik kualitas suatu produk dinyatakan dengan besaran yang dapat diukur (besaran kontinue). Seperti : panjang, berat, temperatur, dll. Attribut : karakteristik kualitas suatu produk dinyatakan dengan apakah produk tersebut memenuhi kondisi/persyaratan tertentu, bersifat dikotomi, jadi hanya ada dua kemungkinan baik dan buruk. Seperti produk cacat atau produk baik, dll.

2.

Tujuan : Memperoleh jaminan kualitas (quality Assuran-ce) dapat dilakukan dengan Aceceptance sampling Plans. Menjaga konsistensi Kualitas, dilaksanakan dengan Control Chart.

Keuntungan :

Untuk mempertinggi kualitas atau mengurangi Menjaga kualitas lebih uniform. Penggunaan alat produksi lebih efisien. Mengurangi rework dan pembuangan. Inspeksi yang lebih baik. Memperbaiki hubungan produsen-konsumen. Spesifikasi lebih baik.

biaya.

Teknik Pengendalian Kualitas Statistik Ada 4 metode Statistik yang dapat digunakan : 1. Distribusi Frekuensi Suatu tabulasi atau cacah (tally) yang menyatakan banyaknya suatu ciri kualitas muncul dalam sampel yang diamati. Untuk melihat kualitas sampel dapat digunakan :
a.

Kualitas rata-rata kualitas dengan spesifikasi yang

b. Penyebaran kualitas c. Perbandingan diinginkan. Peta kontrol/kendali (control chart) Grafik yang menyajikan keadaan produksi secara kronologi (jam per jam atau hari per hari).

2.

Tiga macam control chart : a. Control Chart Shewart Peta ini disebut peta untuk variabel atau peta untuk x dan R (mean dan range) dan peta untuk x dan (mean dan deviasi standard). b. Peta kontrol untuk proporsi atau perbandingan antara banyaknya produk yang cacat dengan seluruh produksi, disebut peta-p (p-chart). c. Peta kontrol untuk jumlah cacat per unit, disebut peta-c (c-chart). 3. Tabel sampling Tabel yang terdiri dari jadual pengamatan kualitas, biasanya dalam bentuk presentase. 4. Metode Khusus Metode ini digunakan untuk pengendalian kualitas dalam industri, al : korelasi, analisis variansi, analisis toleransi, dll.

KONSEP STATISTIK DALAM PROBABILITAS Konsep statistik PKS merupakan pengeterapan statistik pada proses produksi, sehingga diperlukan pengertian yang tepat dan jelas mengenai konsep-konsep statistik untuk menghindari salah interpretasi. Salah interpretasi dalam proses produksi mengakibatkan penurunan kualitas produksi atau penambahan biaya produksi. Pola atau bentuk variasi Dalam memproduksi barang secara masal tentu akan dijumpai varisi meskipun sudah ditentukan maupun kualitasnya. Ada 3 macam variasi yang dapat terjadi :
1. 2.

ukuran

Variasi yg terdapat pada unit (barang). Variasi yg timbul diantara unit-unit yang dihasilkan selama waktu tertentu. yang ditimbulkan oleh produksi yg

3. Variasi

berlainan waktunya. Variasi-variasi tersebut timbul disebabkan karena dua sumber, yaitu variasi penyebab khusus dan variasi penyebab umum.

1. Variasi Penyebab Khusus Adalah kejadian-kejadian variasi diluar sistem yang mempengaruhi dalam sistem. (manusia,

peralatan, material, lingkungan, metode kerja, dll). 2. Variasi penyebab Umum Adalah faktor-faktor dalam sistem atau yang melekat pada proses yang menyebabkan timbulnya variasi. Penyebab umum sering disebut penyebab acak (random causes) atau penyebab sistem (system causes). Harga Tengah dan Ukuran Dispersi Mean, median, modus (mode), kuartil, percentil, decile, range, deviasi standar. Mean (rata-rata) :
n X x + x + x .......... .......... .. + x i 2 2 n = i =1 X= 1 n n

n = banyaknya pengamatan xi = nilai atau harga pada pengamatan ke i

Median

Nilai atau harga yang membagi seluruh data menjadi dua kelompok yang sama banyaknya Jika banyaknya pengamatan ganjil (2k+1), maka pengamatan ke (k+1) merupakan median, tentunya setelah diurutkan xk + 1. X1, x2, x3 ,xk xk + 1, xk + 2 ,, x2k + 1
k pengamatan k pengamatan

Jika banyaknya pengamatan genap 2k, maka sebagai median diambil :


xk + xk +1 2

xk = nilai pengamatan ke k setelah diurutkan xk+1 = nilai pengamatan ke k+1 setelah diurutkan Modus (Mode) Nilai atau harga yang mempunyai frekuensi terbesar. Kuartil Membagi data menjadi empat kelompok, masing-masing kelompok banyak anggotanya sama. Percentil dan Decile Membagi data menjadi seratus bagian dan sepuluh bagian sama banyak. Ukuran Dispersi atau Ukuran Sebaran Data Macam dispersi : range, deviasi standar

Range (R) adalah selisih nilai terbesar dan nilai terkecil. R = Xmaks - Xmin
2

Deviasi Standar () =

xj x j n n 1
2

PETA KENDALI (CONTROL CHART)

Metode Statistik untuk menggambarkan adanya variasi atau penyimpangan dari mutu (kualitas) hasil produksi yang diinginkan. Dengan Peta kendali : Dapat dibuat batas-batas dimana hasil produksi menyimpang dari ketentuan. Dapat diawasi dengan mudah apakah proses dalam kondisi stabil atau tidak.

Bila terjadi banyak variasi atau penyimpangan suatu produk dapat segera menentukan keputusan apa yang harus diambil.

Macam Variasi : Variasi dalam objek Mis : kehalusan dari salah satu sisi daru suatu produk tidak sama dengan sisi yang lain, lebar bagian atas suatu produk tidak sama dengan lebar bagian bawah, dll.

Variasi antar objek

Mis : sautu produk yang diproduksi pada saat yang hampir sama mempunyai kualitas yang berbeda/ bervariasi. Variasi yg ditimbulkan oleh perbedaan waktu produksi Mis : produksi pagi hari berbeda hasil produksi siang hari. Penyebab Timbulnya Variasi Penyebab Variation)

Khusus

(Special

Causes

of

Man, tool, mat, ling, metode, dll. (berada di luar batas kendali) Penyebab Variation)

Umum

(Common

Causes

of

Melekat pada sistem. (berada di dalam batas kendali) Jenis Peta Kendali

Peta Kendali Variabel (Shewart)

Peta kendali untuk data variabel : Peta X dan R, Peta X dan S, dll. Peta Kendali Attribut Peta kendali untuk data atribut : Peta-P, Peta-C dan peta-U, dll.

Peta X dan R

Peta kendal X :

Memantau perubahan suatu sebaran atau distribusi suatu variabel asal dalam hal lokasinya (pemusatannya). Apakah proses masih berada dalam batas-batas pengendalian atau tidak. Apakah rata-rata produk yang dihasilkan sesuai dengan standar yang telah ditentukan.

Peta kendali R :

Memantau perubahan dalam hal spread-nya (penyebarannya). Memantau tingkat keakurasian/ketepatan proses yang diukur dengan mencari range dari sampel yang diambil.

Langkah dalam pembuatan Peta X dan R 1. Tentukan ukuran subgrup (n = 3, 4, 5, ). 2. Tentukan banyaknya subgrup (k) sedikitnya 20 subgrup.
3.

Hitung nilai rata-rata dari setiap subgrup, yaitu X.

4. Hitung nilai rata-rata seluruh X, yaitu X, yang merupakan center line dari peta kendali X. 5. Hitung nilai selisih data terbesar dengan data terkecil dari setiap subgrup, yaitu Range ( R ).

6. Hitung nilai rata-rata dari seluruh R, yaitu R yang merupakan center line dari peta kendali R. 7. Hitung batas kendali dari peta kendali X : UCL LCL = X + (A2 . R) = X (A2 . R)
. A2 =
3 d2 n

8. Hitung batas kendali untuk peta kendali R UCL LCL = D4 . R = D3 . R

9. Plot data X dan R pada peta kendali X dan R serta amati apakah data tersebut berada dalam pengendalian atau tidak.
10.

Hitung Indeks Kapabilitas Proses (Cp) Cp =


USL LSL 6S

Dimana : S=
( Nx Xi 2 ) ( Xi ) 2 N ( N 1)

atau S = R/d2

Kriteria penilaian :
Jika Cp > 1,33 , maka kapabilitas proses sangat baik Jika 1,00 Cp 1,33, maka kapabilitas proses baik Jika Cp < 1,00, maka kapabilitas proses rendah

Hitung Indeks Cpk :

Cpk = Minimum { CPU ; CPL } Dimana : CPU =


USL X 3S

dan CPL =

X LSL 3S

Kriteria penilaian :
Jika Cpk = Cp, maka proses terjadi ditengah Jika Cpk = 1, maka proses menghasilan produk yang sesuai dengan spesifikasi Jika Cpk < 1, maka proses menghasilkan produk yang tidak sesuai dengan spesifikasi Kondisi Ideal : Cp > 1,33 dan Cp = Cpk

Contoh Kasus PT XYZ adalah suatu perusahaan pembuatan suatu produk industri. Ditetapkan spesifikasi adalah : 2.40 0,05 mm. Untuk mengetahui kemampuan proses dan mengendalikan proses itu bagian pengendalian PT XYZ telah melakukan pengukuran terhadap 20 sampel. Masing-masing berukuran 5 unit (n=5).

Hasil Pengukuran

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

X1 2.38 2.39 2.40 2.39 2.38 2.41 2.36 2.39 2.35 2.43 2.39 2.38 2.42 2.36 2.45 2.36 2.38 2.40 2.39 2.35

X2 2.45 2.40 2.37 2.35 2.42 2.38 2.38 2.39 2.38 2.39 2.36 2.35 2.37 2.38 2.43 2.42 2.43 2.35 2.45 2.41

X3 2.40 2.43 2.36 2.37 2.39 2.37 2.35 2.36 2.37 2.36 2.42 2.35 2.40 2.38 2.41 2.42 2.37 2.39 2.44 2.45

X4 2.35 2.34 2.36 2.39 2.35 2.42 2.38 2.41 2.37 2.42 2.39 2.35 2.43 2.36 2.45 2.43 2.39 2.35 2.38 2.47

X5 2.42 2.40 2.35 2.38 2.41 2.42 2.37 2.36 2.39 2.37 2.36 2.39 2.41 2.36 2.45 2.37 2.38 2.35 2.37 2.35

Perhitungan :
Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Jumlah Rata-rata Perhitungan Rata-rata Range 2.40 0.10 2.39 0.09 2.37 0.05 2.38 0.04 2.39 0.07 2.40 0.05 2.37 0.03 2.38 0.05 2.37 0.04 2.39 0.07 2.38 0.06 2.36 0.04 2.41 0.06 2.37 0.02 2.44 0.04 2.40 0.07 2.39 0.06 2.37 0.05 2.41 0.08 2.41 0.12 47.78 1.19 2.39 0.06

X = ( X)/k = 47.78 / 20 = 2.39

R = ( R)/k = 1.19 / 20 = 0.06 Peta Kendali X : CL = X = 2.39 UCL = X + (A2 * R) = 2.39 + (0.577*0.06) = 2.42 LCL = X - (A2 * R) = 2.39 (0.577*0.06) = 2.36 Peta Kendali R CL = R = 0.06 UCL = D4 * R = 2.114 * 0.06 = 0.12 LCL = D3 * R = 0 * 0.06 = 0 Pada Peta X ada data yang out of control, maka data pada sampel tersebut dibuang
Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 16 17 18 19 20 Jumlah Rata-rata Perhitungan Rata-rata Range 2.40 0.10 2.39 0.09 2.37 0.05 2.38 0.04 2.39 0.07 2.40 0.05 2.37 0.03 2.38 0.05 2.37 0.04 2.39 0.07 2.38 0.06 2.36 0.04 2.41 0.06 2.37 0.02 2.40 0.07 2.39 0.06 2.37 0.05 2.41 0.08 2.41 0.12 45.34 1.15 2.386 0.0605

X = ( X)/k = 45.34 / 19 = 2.386

R = ( R)/k = 1.15 / 19 = 0.0605 Peta Kendali X : CL= X = 2.386 UCL = X + (A2 * R) = 2.386 + (0.577*0.0605) = 2.4209 LCL = X - (A2 * R) = 2.386 (0.577*0.0605) = 2.3511 Peta Kendali R CL = R = 0.0605 UCL = D4 * R = 2.114 * 0.0605 = 0.1280 LCL = D3 * R = 0 * 0.06 = 0 Karena sudah tidak ada data yang out of control, maka langkah selanjutnya adalah menghitung kapabilitas proses. Perhitungan Kapabilitas Proses : S=
( Nx Xi 2 ) ( Xi ) 2 N ( N 1)

atau S = R/d2 = 0.0605/2.326 = 0.026

Cp =

USL LSL 6S

2.45 2.35 = 0.6410 6( 0.026 )

CPU = CPL =

USL X 3S

= =

2.45 2.386 = 0.8205 3( 0.026 )

X LSL 3S

2.386 2.35 = 0.4615 3( 0.026 )

Cpk = Minimum { CPU ; CPL } = 0.4615

Nilai Cpk sebesar 0.4615 yang diambil dari nilai CPL menunjukkan bahwa proses cenderung mendekati batas spesifikasi bawah. Nilai Cp sebesar 0.6410 ternyata kurang dari 1, hal ini menunjukkan kapabilitas proses untuk memenuhi spesifikasi yang ditentukan rendah.

Peta Kendali Rata-rata dan Standar Deviasi ( x dan S)

Peta kendali standar deviasi digunakan untuk mengukur tingkat keakurasian suatu proses. Langkah-langkah pembuatan peta kendali x dan S adalah sebagai berikut : 1. 2. 3. 4. 5. Tentukan ukuran contoh/subgrup (n > 10), Kumpulkan banyaknya subgrup (k) sedikitnya 2025 subHitung nilai rata-rata dari setiap subgrup, yaitu x, Hitung nilai rata-rata dari seluruh x, yaitu x yang Hitung simpangan baku dari setiap subgrup yaitu S, S 6. 7. =

grup,

merupakan garis tengah (center line) dari peta kendali x,

( X i X )2
n 1

Hitung nilai rata-rata dari seluruh s, yaitu S yang

merupakan garis tengah dari peta kendali S, Hitung batas kendali dari peta kendali x : UCL = x + LCL = x
3. * S C4 * n 3. * S C4 * n

dimana

3 C4 * n

= A3

Sehingga : UCL = x + (A3 * S) LCL = x (A3 * S) 8. Hitung batas kendali untuk peta kendali S : UCL = LCL =
S+ 3 * S (1 C 4) C4 3 * S (1 C 4) C4

dimana dimana
1

1+

3. (1 C 4) C4

= B4

3. (1 C 4) C4

= B3

Sehingga : UCL = B4 * S

LCL = B3 * S 9. Plot data x dan S pada peta kendali x dan S serta amati

apakah data tersebut berada dalam pengendalian atau diluar pengendalian. Contoh : Jumlah Observasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Hasil Pengukuran 20, 22, 21, 23, 22 19, 18, 22, 20, 20 25, 18, 20, 17, 22 20, 21, 22, 21, 21 19, 24, 23, 22, 20 22, 20, 18, 18, 19 18, 20, 19, 18, 20 20, 18, 23, 20, 21 21, 20, 24, 23, 22 21, 19, 20, 20, 20 20, 20, 23, 22, 20 22, 21, 20, 22, 23 19, 22, 19, 18, 19 20, 21, 22, 21, 22 20, 24, 24, 21, 23 21, 20, 24, 20, 21 20, 18, 18, 20, 20 20, 24, 23, 23, 23 20, 19, 23, 20, 19 22, 21, 21, 24, 22 23, 22, 22, 20, 22 21, 18, 18, 17, 19 21, 24, 24, 23, 23 20, 22, 21, 21, 20 19, 20, 21, 21, 22 Jumlah Rata-rata x 21,60 19,80 20,40 21,00 21,00 19,40 19,00 20,40 22,00 20,00 21,00 21,60 19,40 21,20 22,80 21,20 19,20 22,40 20,20 22,00 21,80 18,60 23,00 20,80 20,60 521,00 20,77 S 1,14 1,48 3,21 0,71 2,07 1,67 1,00 1,82 1,58 0,71 1,41 1,14 1,52 0,84 1,64 1,64 1,10 1,52 1,64 1,22 1,10 1.52 1,22 0,84 1,14 34,88 1,30

Peta kendali x : CL = 20,77 UCL = x + (A3 * S) = 20,77 + 1,427(1,30) = 22,63

LCL = x (A3 * S) = 20,77 1,427(1,30) = 18,91 Peta kendali S : CL = 1,30 UCL = B4 * S = 2,089 (1,30) = 2,716 LCL = B3 * S = 0 (1,30) =0

Peta Kontrol Untuk Atribut


1. Peta Kendali - p : untuk proporsi cacat Dan peta kendali np untuk proporsi unit cacatnya relaitif kecil.

2. Peta Kendali c : untuk cacat (defective) 3. Peta Kendali u : untuk cacat per unit. Peta kendali p Perbandingan antara banyaknya cacat dengan semua

pengamatan, yaitu setiap produk yang diklasifikasikan sebagai diterima atau ditolak (yang diperhatikan banyaknya produk cacat). Langkah-langkah pembuatan peta kendali - p : 1. 30), 2. 3. Kumpulkan banyaknya subgrup (k) sedikitnya 2025 subHitung untuk setiap subgrup nilai proporsi unit yang cacat, p = jumlah unit cacat/ukuran subgrup 4. Hitung nilai rata-rata dari p, yaitu p dapat dihitung dengan : p = total cacat/total inspeksi. grup, yaitu : Tentukan ukuran contoh/subgrup yang cukup besar (n >

5.

Hitung batas kendali dari peta kendali x : UCL = p + LCL = p 6.


3 p (1 p ) n p (1 p ) n

Plot data proporsi (persentase) unit cacat serta amati

apakah data tersebut berada dalam pengendalian atau diluar pengendalian.

Contoh :

Sebuah perusahaan ingin membuat peta kendali untuk periode mendatang dengan mengadakan inspeksi terhadap proses produksi pada bulan ini. Perusahaan melakukan 25 kali observasi dengan mengambil 50 buah sample untuk setiap kali observasi. Hasil selengkapnya adalah : Observasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Jumlah Ukuran Sampel 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 1250 Banyaknya Produk Cacat 4 2 5 3 2 1 3 2 5 4 3 5 5 2 3 2 4 10 4 3 2 5 4 3 2 90 Proporsi Cacat 0,08 0,04 0,10 0,06 0,04 0,02 0,06 0,04 0,10 0,08 0,06 0,10 0,10 0,14 0,06 0,04 0,08 0,20 0,08 0,06 0,04 0,10 0,08 0,06 0,08 1,90

p = (pi)/k = 1,90/25 = 0,076 UCL = p +


3 p (1 p ) n

= 0,076 +

0,076 (1 0,076 ) 50

= 0,188

LCL = p

p (1 p ) n

= 0,076

0,076 (1 0,076 ) 50

= 0,036

Peta Kendali c Suatu produk dikatakan cacat (defective) jika produk tersebut tidak memenuhi suatu syarat atau lebih. Setiap kekurangan disebut defec. Setiap produk yang cacat bias saja terdapat lebih dari satu defec. (yang diperhatikan banyaknya defec). Langkah-langkah pembuatan peta kendali - p : 1. 2. 3. Kumpulkan k = banyaknya subgrup yang akan diinspeksi, Hitung jumlah cacat setiap subgrup ( = c), Hitung nilai rata-rata jumlah cacat, c sbb :
c c= k

usahakan k mencukupi jumlahnya antara k = 2025 subgrup,

4.

Hitung batas kendali untuk peta kendali c : UCL = c + LCL = c 5.


3 c

3 c

Plot data jumlah cacat dari setiap subgrup yang diperiksa

dan amati apakah data tersebut berada dalam pengendalian atau diluar kendali.

Peta Kendali - u

Peta kendali u relatif sama dengan peta kendali c. Perbedaanya hanya terdapat pada peta kendali u spesifikasi tempat dan waktu yang dipergunakan idak harus selalu sama, yang membedakan dengan peta kendai c adalah besarnya unit inspeksi perlu diidentifikasikan. Rumus yang digunakan : Su =
u bar ni

CL = u-bar UCL = u-bar + 3 Su LCL = u-bar - 3 Su

RENCANA PENERIMAAN SAMPEL (Acceptance Sampling Plans)

Rencana penerimaan sampel adalah prosedur yang digunakan dalam mengambil keputusan terhadap produkproduk yang dihasilkan perusahaan. Bukan merupakan alat pengendalian kualitas, namun alat untuk memeriksa apakah produk yang dihasilkan tersebut telah memenuhi spesifikasi.
Acceptance sampling digunakan karena alasan :

Dengan pengujian dapat merusak produk. Biaya inspeksi yang tinggi. 100 % inspeksi memerlukan waktu yang lama, dll.

Beberapa keunggulan dan kelemahan dalam acceptance sampling : Keunggulan al : biaya lebih murah meminimalkan kerusakan mengurangi kesalahan dalam inspeksi dapat memotivasi pemasok bila ada penolakan bahan baku.

Kelemahan al :

adanya resiko penerimaan produk cacat atau penolakan produk baik membutuhkan perencanaan dan pendokumentasian prosedur pengambilan sampel. Tidak adanya jaminan mengenai sejumlah produk tertentu yang akan memenuhi spesifikasi. Sedikitnya informasi mengenai produk.

Dua

jenis

pengujian

dalam

acceptance

sampling : 1. Pengujian sebelum pengiriman produk akhir ke konsumen. Pengujian dilakukan oleh produsen disebut the producer test the lot for outgoing. 2. Pengujian setelah pengiriman produk akhir ke konsumen. Pengujian dilakukan oleh konsumen disebut the consumer test the lot for incoming quality. Acceptance sampling dapat dilakukan untuk data atribut data variable : Acceptance Sampling untuk data atribut dilakukan apabila inspeksi mengklasifikasikan sebagai produk baik dan produk cacat tanpa ada pengklasifikasian tingkat kesalahan/cacat produk.
Acceptance Sampling untuk data variabel karakteristi

kualitas ditunjukkan dalam setiap sample, sehingga dilakukan pula perhitungan rata-tata sampel dan penyimpangan atau deviasi standar. Teknik acceptance sampling : Sampel tunggal, sampel ganda dan sampel banyak. sebagai sample : pengambilan sample dalan

Syarat

pengambilan

produk

Produk harus homogen Produk yang diambil sebagai sample harus sebanyak mungkin Sample yang diambil harus dilakukan secara acak

: yang sama N unit secara acak sebanyak n unit

Prosedur yang dilakukan Sejumlah Ambil produk sample

Apabila ditemukan kesalahan d sebanyak maksimum c unit, maka sample diterima. Apabila ditemukan kesalahan d melebihi c unit, maka sample ditolak, yang berarti seluruh produk yang homogen yang dihasilkan tersebut juga ditolak. Indek kualitas yang dapat digunakan dalam acceptance sampling :
1. AQL (Acceptance Quality Level = tingkat kualitas

menurut produsen) Merupakan proporsi maksimum dari cacat atau kesalahan yang diperbolehkan. Produsen selalu menghendaki probabilitas penerimaan pada tingkat yang cukup tinggi (biasanya 0,99 atau 0,95). Sehingga produsen menginginkan semua produk yang baik dapat diterima atau meminimalkan risiko produsen. Risiko produsen () adalah risiko yg diterima karena menolak produk baik dalam inspeksinya. Dengan kata lain produsen menginginkan probabilitas penerimaan(Pa) dekat dengan 1 (satu). Probabilitas kesalahan tipe I = = 1 Pa.
2. LQL (Limiting Quality Level = tingkat kualitas menurut

konsumen) Merupakan kualitas ketidakpuasan atau tingkat penolakan.

Probabilitas penerimaan LQL harus rendah, probabilitas tersebut disebut risiko konsumen () atau kesalahan tipe II, yaitu risiko yang dialami konsumen karena menerima produk yang cacat atau tidak sesuai. LQL sering disebut dg LTPD (Lot Tolerance Percent Defective).
3. IQL (Indifference Quality Level )

Tingkat kualitas diantara AQL dan LQL atau tingkat kualitas pada probabilitas 0.5 untuk rencana sampel tertentu.
4. AOQL (Average Outgoing Quality Level)

Perkiraan hubungan yang berada diantara bagian kesalahan pada produk sebelum inspeksi (incoming quality) atau p dari bagian sisa kesalahan setelah inspeksi (outgoing quality) atau AOQ = p x Pa. Apabila incoming quality baik, maka outgoing quality juga harus baik, namun bila incoming quality buruk, maka outgoing quality akan tetap baik. Dengan kata lain incoming quality baik atau buruk, outgoing quality akan cenderung baik.

Pengukuran untuk mengevaluasi kinerja Sampel Ada beberapa macam pengukuran 1. OC Curve (Kurva Karakteristik Operasi) Merupakan kurva probabilitas penerimaan (Pa) terhadap produk yang dihasilkan. Rumus : Pa = P(d=< c) Pa : probabilitas penerimaan c : batas penerimaan cacat produk d : jumlah cacat yang terjadi

Kurva ini dilakukan untuk mencari hubungan antara probabilitas penerimaan (Pa) dengan bagian kesalahan dalam produk yang dihasilkan (p). Perhitungan probabilitas penerimaan dapat digunakan Tabel distribusi Poisson. Apabila tidak diketemukan nilai probabilitasnya karena keterbatasan nilai np, maka dapat digunakan cara interpolasi. Dua macam OC Curve :
Probabilitas Penerimaam (Pa) Probabilitas Penerimaan (Pa)

Po

proporsi kesalahan (p)

Po

proporsi kesalahan (p)

OC Kurva ideal Contoh : Diketahui


Proporsi kesalahan (p) 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.10 0.11 0.12 0.13 0.14 1,2 0.15
1.0

OC Kurva S N = 2000, n = 50, c = 2


np 0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00 4.50 5.00 5.50 6.00 6.50 7.00 7.50 Probabilitas penerimaan (Pa) 0.986 0.920 0.809 0.677 0.544 0.423 0.321 0.238 0.174 0.125 0.088 0.062 0.043 0.030 0.020

Kurva0.8 OC
0.6 0.4 0.2 0

Pa

9 10 11 12 13 14 15

2. AOQ Curve (Kurva Kualitas Output rata-rata) AOQ adalah tingkat kualitas rata-rata dari suatu inspeksi. Sampel yang diambil harus dikembalikan untuk dilakukan perbaikan bila produk tersebut ternyata rusak atau cacat. AOQ untuk mengukur rata-rata kualitas output dari suatu hasil produksi dengan proporsi kerusakan sebesar p. Apabila N = banyaknya unit yang dihasilkan n = unit sampel yang diinspeksi p = bagian kesalahan/ketidaksesuaian Pa = probabilitas penerimaan produk Maka rumus yang digunakan : AOQ =
Paxp ( N 1) N

Kurva AOQ mempunyai titik puncak (AOQL= Average Outgoing Quality Limit). AOQL menunjukkan kualitas rata-rata yang harus dikembalikan dari inspeksi untuk dilakukan perbaikan. Contoh : pembuatan kurva AOQ : Diketahui N = 2000, n = 50, c = 2
Proporsi Kesalahan (p) 0.01 0.02 0.03 0.04 0.05 0.06 Probabilitas penerimaan (Pa) 0.986 0.920 0.809 0.677 0.544 0.423 Kualitas output ratarata (AOQ) 0.0096 0.0179 0.0237 0.0264 0.0265 0.0247

0.07 0.08 0.09 0.10 0.11 0.12 0.13 0.14 0.15

0.321 0.238 0.174 0.125 0.088 0.062 0.043 0.030 0.020

0.0219 0.0186 0.0153 0.0122 0.0094 0.0073 0.0055 0.0041 0.0029

Kurva AOQ
0,030 0.025 0.020

AOQ

0.015 0.010 0.005 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Untuk pengambilan sampel ganda digunakan rumus : [ PaI ( N n1) + PaII ( N n1 n2) ] AOQ = N Contoh : N n1 c1 r1
Proporsi Kesalahan (p) 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

= 5000 unit = 40 unit = 1 unit = 4 unit


Pa I 0.938 0.808 0.662 0.525 0.406 0.309 0.231 0.171 0.125 Pa II 0.061 0.173 0.257 0.280 0.251 0.198 0.135 0.061 0.060

n2 = 60 unit c2 = 5 unit r2 = 6 unit


Kualitas output rata-rata (AOQ) 0.0099 0.0194 0.0273 0.0318 0.0324 0.0300 0.0253 0.0185 0.0165

0.10 0.11 0.12 0.13 0.14 0.15

0.091 0.066 0.047 0.036 0.027 0.017

0.034 0.020 0.011 0.006 0.003 0.001

0.0124 0.0091 0.0069 0.0054 0.0042 0.0027

3. ATI Curve (Kurva Inspeksi Total Rata-rata) ATI menunjukkan rata-rata jumlah diinspeksi setiap unit yang dihasilkan. Untuk sampel tunggal : ATI = n + (1 Pa) (N n) Untuk sampel ganda : ATI = n1(Pa I) + (n1 + n2)Pa II + N(1 Pa1 Pa II) Contoh : Diketahui
Proporsi Kesalahan (p) 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.10 0.11 0.12 0.13 0.14 0.15

sampel

yang

N = 2000, n = 50, c = 2
Rata-rata Inspeksi (ATI) 77.30 206.00 422.45 679.85 939.20 1175.15 1374.05 1535.90 1660.70 1756.25 1828.40 1879.10 1916.15 1941.50 1961.00

Probabilitas penerimaan (Pa) 0.986 0.920 0.809 0.677 0.544 0.423 0.321 0.238 0.174 0.125 0.088 0.062 0.043 0.030 0.020

Kurva ATI
2000 1500 1000 500 0

2500

AOQ

9 10 11 12 13 14 15

4. ASN Curve (Banyaknya sample rata-rata) ASN adalah rata-rata banyaknya unit yang diuji untuk membuat suatu keputusan. Sampel tunggal : ASN = n Sampel ganda : ASN = n1 + n2 (1 P1) P1 : merupakan probabilitas keputusan pada sampel pertama P1 = P (produk yg diterima pd sampel pertama) + P (produk yg ditolak pd sampel pertama) = P (d<= c1) + P (d >= r1) Contoh : Diketahui N = 3000 n1 = 40 n2 = 80

c1 = 1 c2 = 3

r1 = 4 r2 = 4

Misal nilai p atau proporsi kerusakan 0.02 maka : P1 = P (d <=c1) + P (d >=r1) P1 = P [d <= 1 n1.p = 40 (0.02)] + P [d >= 4 n1.p = 40 (0.02)] = P [d <= 1 n1.p = 0.8] + P [d >= 4 n1.p = 0.8] = 0.808 + (1 0,991) P1 = 0.817 ASN = n1 + n2 (1 P1) = 40 + 80 (1 = 0.817) = 54.64

Proporsi Probabilitas keputusan Kesalahan (p) pada sample pertama (P1) 0.01 0.939 0.02 0.817 0.03 0.697 0.04 0.604 0.05 0.549

Banyaknya Sampel Rata-rata (ASN) 44.38 54.64 64.24 71.68 76.08

MILITARY STANDAR 105 D


Adalah system pengambilan sampel untuk data atribut dengan indek kualitas yang digunakan adalah AQL. AQL : Tingkat kualitas menurut produsen merupakan proporsi maksimum dari cacat atau kesalahan yang diperbolehkan yang bertujuan untuk inspeksi sampel, yang dipertimbangkan secara tepat sebagai rata-rata proses. Alat yang digunakan adalah tabel yang berkaitan dengan banyaknya inspeksi.

ACCEPTANCE DENGAN TABEL ABC (Mil STD 105 D Tabel) Defect : o Critical : berbahaya/tdk aman terhadap pemakai o Major o Minor : mengurangi fungsi/kegunaan : tidak mengurangi fungsi tetapi menyim-pang dari standar.

Macam sampling plan Single sampling plan Double sampling plan Multiple sampling plan

Level Inspeksi o Special (khusus) o General (umum)

Jenis Inspeksi o Normal o Tighten (ketat) o Reducet (longgar) Prodedur Pemilihan : Single sampling plan 1. Tentukan lot size dan level inspeksi 2. Dari table I : tentukan sampel code letter 3. Tentukan AQL (dalam %) 4. Tentukan batas penerimaan/penolakan dan jumlah sampel dari : Tabel II A II B II C Normal Tighten Reduced

Cara penggunaan tabel Dengan ukuran lot tertentu (N) dan tingkat pemeriksaan lihat tabel K

Jika tingkat pemeriksaan tidak diketahui maka diambil tingkat pemeriksaan umum tk. II Dari tabel K akan diperoleh kode huruf ukuran sampel. Khusus Tingkat pemeriksaan S1 S2 S3 S4

Umum III

I II

Huruf yang didapat dari table K untuk menentukan ukuran sample dan batas kelas pemeriksaan suatu penolakan dari lot o Ditambah AQL (Acceptable Quality Level/ tingkat kualitas yang diterima o Jenis pemeriksaan Maka akan diperoleh n, Ac, Re n = ukuran sample Ac = batas penerimaan Re = batas penolakan Jenis pemeriksaan : - tunggal : normal (L) ketat (M) longgar (N) : normal (O) ketat (P) longgar (Q) : normal (R) ketat (S) longgar (T) untuk menentukan harga Pa

- ganda

- multi

Contoh : N = 1000 Tingkat pemeriksaan umum II AQL = 0,25 Cari : a). Jenis pemeriksaan tunggal normal b). Jenis pemeriksaan ganda longgar dari tabel K didapat untuk N = 1000 dg tingkat pemeriksaan umum tk II dg kode letter J : a. dengan jenis pemeriksaan tunggal normal n = 80 AQL = 0,25 Maka Ac = 0 Re = 1 b. Ganda longgar n1 = 20 n2 = 20 tabel tunggal longgar didapat : n = 32 AQL = 0,25 Ac = 0 Re = 1

PERENCANAAN SAMPING MENURUT MIL STD 414 Perencanaan sampel untuk data variabel. Pengambilan dan penerimaan data variabel didasarkan pada rata-rata dan standar deviasi, serta distribusi frekuensi.

METODE TAGUCHI
Metode Taguchi : Dr. Genichi Taguchi (1949).
Metode

Taguchi dikembangkan untuk melaukan perbaikan kualitas dengan metode baru dengan pendekatan lain yang memberikan tingkat kepercayaan yang sama dengan SPC (Statistical Process Control). Kelebihan Metode Taguchi 1. Dapat mengurangi jumlah pelaksanaan percobaan dibandingkan jika menggunakan full factorial, shg dapat menghemat waktu dan biaya. 2. Dapat melakukan pengamatan terhadap rata-rata dan variasi karakteristik kualitas sekaligus, shg ruang lingkup pemecahan masalah lebih luas. 3. Dapat mengetahui faktor-faktor yang berpengaruh terhadap karakteristik kualitas melalui perhitungan AVONA dan Rasio S/N, shg faktor-faktor yang berpengaruh tersebut dapat diberikan perhatian khusus. Kekurangan Metode Taguchi Percobaan dilakukan dengan banyak faktor dan interaksi akan terjadi pembauran beberapa interaksi oleh faktor utama, akibatnya keakuratan hasil percobaan akan berkurang.

Tahap-tahap dalam Desain Produk/proses Taguchi 1. System Design

Tahap konseptual untuk memperoleh ide-ide baru dan mewujudkan dalam produk baru atau inovasi proses. 2. Parameter Design Tahap pembuatan prototipe matematis bedasarkan tahap sebelumnya melalui percobaan secara statistik. Tujuannya adalah mengidentifikasi setting parameter yang akan memberikan performansi rata-rata pada target dan menentukan pengaruh dari faktor gangguan pada variasi dari target. 3. Tolerance Design Penentuan toleransi dari parameter yang berkaitan dengan kerugian pada masyarakat akibat penyimpangan produk. Karakteristik Kualitas Karakteristik kualitas adalah hasil suatu proses yang berkaitan dengan kualitas. 1. Nominal is the best Karakteristik kualitas yang menuju nilai target yang tepat pada suatu nilai tertentu. Berat panjang lebar kerapatan Ketebalan diameter luas kecepatan Volume jarak tekanan waktu 2. Smaller the better Pencapaian karakteristik jika semakin kecil (mendekati nol) semakin baik. Penggunaan mesin persen kontaminasi Penyimpangan kebisingan Waktu proses produk gagal Pemborosan kerusakan 3. Larger the better Pencapaian karakteristik kualitas semakin semakin baik. Kekuatan km/liter efisiensi Waktu antar kerusakan ketahanan thd korosi besar

Orthogonal Array (OA) OA merupakan salah satu kelompok dari percobaan yang hanya menggunakan bagian dari kondisi total, dimana bagian ini mungkin separuh, seperempat atau seperdelapan dari percobaan faktorial penuh. Keuntungan OA adalah kemampuan untuk mengevaluasi berapa faktor dengan jumlah tes yang minimum. Jika terdapat 7 faktor dengan 2 level, maka jika menggunakan full factorial akan diperlukan 27 buah percobaan. Dengan OA jumlah percobaan dapat dikurangi shg dapat mengurangi waktu dan biaya percobaan. Langkah-2 pelaksanaan percobaan Taguchi 1. Penentuan karakteristik kualitas (variabel tak bebas) Variabel yang perubahannya tergantung pada variabelvariabel lain. Dalam percobaan Taguchi, variabel tak bebas adalah karakteristik kualitas yang terdiri dari tiga kategori : a. Measurable Characteristic (karakteristik yg dpt diukur) 1). Nominal is the best 2). Smaller the better 3). Larger the better b. Attribute Characteristic Hasil akhir yang diamati tdk dapat diukur dengan skala kontinu, tetapi dapat diklasifikasikan secara kelompok kecil, menengah, besar atau dpt dikelompokan berdasarkan berhasil (sukses) atau tidak. c. Dynamic Characteristic Merupakan fungsi representasi dari proses yang diamati. Proses yang diamati digambarkan sebagai signal atau input dan output sebagai hasil dari signal. 2. Identifikasi faktor-faktor (variabel bebas) Variabel yang perubahannya tidak tergantung pada variabel lain. Beberapa metode yang dapat digunakan untuk mengidentifikasi faktor-faktor tersebut : a. Brainstorming

Diskusi kelompok untuk memberikan gambaran tentang masalah yang dihadapi, setiap orang mengungkapkan faktor-faktor yang berpengaruh pada masalah yang dihadapi, dicatat kemudian dilakukan penyaringan/pemilihan berdasarkan urgensi masalah. b. Flowcharting Mengidentifikasi faktor-faktor yang mungkin berpengaruh melalui flowchart proses pembuatan obyek yang diamati. c. Cause-effect diagram Diagram istikawa digunakan untuk mengidentifikasi penyebab faktor-faktor yang potensial. 3. Pemisahan faktor kontrol dan faktor gangguan Faktor yang diamati terdiri atas faktor kontrol dan faktor gangguan. Faktor kontrol : faktor yg nilainya dapat diatur atau dikendalikan atau yg nilainya akan kita atur atau dikendalikan. Faktor gangguan (noise factor) : faktor yg nilainya tidak bisa kita atur atau kendalikan. Faktor gangguan terdiri dari : c. External (outer) noise : semua gangguan dari kondisi lingkungan atau luar produksi. d. Internal (inner noise) : semua gangguan dari dalam produksi sendiri. e. Unit to unit noise : perbedaan antara unit yang diproduksi dengan spesifikasi yang sama.

4. Penentuan jumlah level dan nilai level faktor Level faktor dapat dinyatakan secara kuantitatif seperti temperatur, kecepatan, waktu dll. 5. Identifikasi interaksi faktor kontrol

Interaksi muncul jika dua faktor atau lebih yang mengalami perlakuan secara bersama akan memberikan hasil yg berbeda.
6. Perhitungan derajat kebebasan (degree of freedom)

Dilakukan untuk menghitung jumlah minimum percobaan yang harus dilakukan untuk menyelidiki faktor-faktor yg diamati. Jika nA dan nB adalah jumlah perlakuan untuk faktor A dan faktor B maka : Dof untuk faktor A = nA 1 Dof untuk faktor B = nB 1 Dof unt interaksi faktor A dan B = (nA 1)( nB 1) Jumlah total dof = (nA 1)+( nB 1) + (nA 1)( nB 1) 7. Pemilihan Orthogonal array Dalam memilih jenis Orthogonal Array harus diperhatikan jumlah level faktor yang diamati yaitu : a. jika semua fator adalah 2 level : pilih OA untuk 2 level faktor. b. jika semua fator adalah 3 level : pilih OA untuk 3 level faktor. c. jika beberapa fator adalah 2 level dan lainnya 3 level : pilih yang mana yang dominan. d. jika terdapat campuran 2, 3, atau 4 level faktor : lakukan modifikasi OA dengan metode Merging coloumn. 8. Penugasan untuk faktor dan interaksinya pada OA 9. Persiapan dan pelaksanaan percobaan 10. Analisis data