Anda di halaman 1dari 57

MODUL 9: Statistik Proses

kontrol

MODUL 9: Statistik Proses


kontrol

MODUL
9
STATISTIK PROSES
KONTROL
STANDARD KOMPETENSI :
Setelah

mempelajarai

modul

9,

mahasiswa

dapat

memahami statistik Proses Kontrol dengan metode Diagram


kontrol (control chart) dan Diagram Pareto (pareto chart )
INDIKATOR
1.

Mahasiswa dapat mendeskripsikan statistik Proses Kontrol

2.

Mahasiswa dapat membuat Diagram Kontrol (control chart)

3.

Mahasiswa dapat membuat Diagram Pareto (pareto chart)

MATERI POKOK :
1.

Statistik Dan Proses Kontrol

2.

Konsep Kualitas

3.

Konsep Dasar Pengendalian Kualitas

4.

Tujuan pengendalian kualitas

5.

Diagram Kendali

6.

Diagram Nilai Individu

7.

Diagram X dan Diagram R

8.

Diagram P dan Diagram C

9.

Diagram Pareto (Pareto Chart)

Modul Ajar Statistik

171
Bisnis :
Analisis terhadap Kasus1711

Agus
Sukoco171
Santirianingrum 1711

URAIAN MATERI
STATISTIK PROSES KONTROL
PENDAHULUAN
Dalam era modern, faktor kualitas adalah merupakan unsur
yang mutlak pada setiap produk dan jasa yang dihasilkan oleh
perusahaan.
diterapkan

Peran

statistik dalam mengukur kualitas banyak

didalam dunia bisnis dan industri. Dengan metode

statistik, pengukuran kualitas dapat dilakukan secara kuantitatif


sehingga dapat digunakan sebagai bahan yang representatif
dalam pengambilan keputusan.
Penggunaan
berkembang

luas

statistik
dengan

dalam

proses

kontrol

dikembangkannya

semakin

software

untuk

statistik seperti SPSS (Statistical Package for the Social Sciences)


yang mana sudah terdapat fasilitas menu khusus yaitu menu
quality control dengan sub menu control chart dan pareto chart.
Dalam pembahasan materi dan soal pada modul ini dilengkapi
dengan penggunaan SPSS dalam perhitungan dan analisa contoh
soal, sehingga para pengguna modul dapat meyakini

bahwa

perhitungan

serupa

dengan

dengan

perhitungan

manual
dan

dan

hasil

persamaan
ketika

adalah

menggunakan

SPSS,

karena kemungkinan besar para pelaku bisnis akan menggunakan


SPSS untuk analisa atas berbagai aplikasi di segmen bisnis masingmasing. .
Statistik proses kontrol adalah Ilmu yang mempelajari
tentang teknik/metode pengendalian kualitas berdasarkan prinsip
prinsip dan konsep statistik

Gambar 9.1. Rangakaian Proses Produksi


Gambar diagram 9.1
proses

adalah gambar rangkaian suatu

produksi, dimana salah satu fungsi dari proses produksi

adalah Pengendalian Proses. Pengendalian


dengan

metode

Pengendalian

Kualitas

dengan istilah Statistik proses kontrol


Statistik proses kontrol

Proses

dilakukan

Statistik yang dikenal


.

dalam proses produksi diterapkan

dalam proses quality control (QC). Tujuan dari

diadakannya

quality control dalam suatu proses adalah sebagai berikut:


a.

Evaluasi produk

b.

Membandingkan dengan

tujuan c.

Perbaikan

Tujuan yang akan diharapkan dengan adanya quality control


dalam suatu proses adalah menjaga dan meningkatan kualitas
yang

mempunyai efek pada penurunan

biaya,

berkurangnya

pekerjaan berulang, penurunan keterlambatan dan peningkatan


penggunaan

mesin.

produktivitas

meningkat, pangsa pasar meningkat karena faktor

kualitas,

Dengan

demikian

akan

berefek

pada

harga yang rendah dan jumlah barang yang meningkat.

Dan pada akhirnya

akan memberikan efek pada keberlanjutan

usaha dan perkembangan perusahaan.


Beberapa teknik statistik yang

banyak digunakan dalam

statistik proses kontrol adalah Diagram Kendali

Diagram Nilai Individu

Diagram X

Diagram R

Diagram P

Diagram C

Diagram Pareto (Pareto Chart)

Dalam modul ini akan membahas

konsep kualitas

dan

teknik- teknik statistik dalam proses kontrol dengan menggunakan


diagram kontrol dan diagram pareto.
KONSEP KUALITAS
Kualitas pada dasarnya adalah ukuran tingkat kesesuaian
barang/

jasa

ditetapkan.

dg

standar/spesifikasi

yang

telah

ditentukan/

Berikut adalah pendapat beberapa ahli tentang

kualitas, sebagai berikut:


1. (Ariani, 2004: 3) Ada dua segi umum tentang kualitas yaitu,
kualitas rancangan
barang

dan

dan

jasa

kualitas

kecocokan.

Semua

dihasilkan dalam berbagai tingkat

kualitas.
2. Crosby (1979) Kualitas adalah kesesuaian dengan
kebutuhan yang meliputi
availability, delivery, realibility, maintainability dan cost
efectivenes.
3.

Elliot (1993)

Kualitas

adalah

sesuatu

yang

berbeda

untuk orang yang berbeda dan tergantung pada waktu dan


tempat

atau

disengaja,

dikatakan

maka

dari

sesuai
itu

dengan

tujuan

istilah teknik

yang

yang sesuai

adalah kualitas rancangan.


4.

Feigenbaum (1991) Kualitas merupakan keseluruhan


karakteristik produk dan jasa
engineering,

manufacture,

yang

meliputi

marketing,

dan maintenance, dalam

mana produk dan jasa tersebut dalam pemakaianya akan


sesuai dengan kebutuhan dan harapan pelanggan.

5.

Garvin (dalam Bounds, et.al., 1994 : 46-84; Lovelock,


1944 : 101-107), Membagi pendekatan modern terhadap
kualitas ke dalam empat era kualitas, yaitu inspeksi,
pengendalian kualitas secara statistik, jaminan kualitas, dan
manajemen kualitas strategik.

MODUL 9: Statistik Proses


kontrol

MODUL 9: Statistik Proses


kontrol

KONSEP DASAR PENGENDALIAN KUALITAS


Konsep dasar penggunaan statistik untuk pengendalian
kualitas, bermula dari berbagai kajian dan eksperimen beberapa
ahli statistika. Dr. Waiter Shewhart ilmuwan pada Laboratonum
Bell, yang dipublikasikan tahun 1924. prinsip-prinsip pengendalian
mutu secara statistik mulai dikenal. Dr. Shewhar dan rekanrekannya mengembangkan diagram-diagram pengendalian selama
1920-1930. Dr. Waiter Shewhart menggunakan hukum-hukum
probabilitas dan statistik untuk menggambarkan bagaimana suatu
variasi mempengaruhi ukuran-ukuran sampel bagi produk- produk
manufaktur, yaitu:
1. Bila suatu barang atau jasa yang diproduksi
outputnya akan serupa
(similar) tetapi tidak sama
(identical).
2. Adanya variasi adalah merupakan hal yang normal dan
wajar.
3.

Tidak
Namun

ada

dua

benda

yang

benar-benar

sama.

Shewhart menganggap terdapat dua variabilitas

yaitu variabilitas

yang berada dalam batas-batas yang

ditentukan dan variabilitas yang berada di Iuar batas-batas.


4. Dia mengamati bahwa data tidak selalu memberikan
kepastian mengenai
pola yang "normal". Sehingga dari ketidak konsistenan yang
ditunjukkan data, dia menyimpulkan bahwa meskipun dalam
setiap proses selalu dihasilkan variasi pada proses yang
menghasilkan variasi terkendali (controlled variation) dan
ada proses yang menghasilkan variasi tak terkendali
(uncontrolled variation).
VARIASI TERKENDALI (CONTROLLED VARIATION)
Adalah suatu variasi variasi karena sebab-sebab biasa
(common-cause) yaitu

varasi yang terjadi secara alamiah dan

MODUL 9: Statistik Proses

MODUL 9: Statistik Proses

kontrol
kontrol dalam setiap
merupakan
suatu hal yang inheren dan terkirakan

proses yang stabil yang menghasilkan barang produksi


atau jasa. Variasi yang dapat diterima dan diizinkan seperti itu
dapat dikaitkan
Modul Ajar Statistik
Bisnis : Analisis
terhadap Kasus-Kasus

175
Jumat..
?

MODUL 9: Statistik Proses


kontrol

MODUL 9: Statistik Proses


kontrol

dengan sebab-sebab yang


Perhatikan gambar 8.2 di

acak atau "kebetulan".

bawah ini:

Kami
s
Rabu
Selas
a
Seni
n
Gambar 9.2. Gambar pola variasi Terkendali
Gambar 9.2. menunjukkan proses stabil dan terkendali meskipun
ada variasi di sekitar ukuran pemusatan yang terjadi setiap hari.
Terlihat kecenderungan bahwa pola variasi yang sama yang telah
terjadi sebelumnya akan muncul di hari Jumat.
Hal-hal yang dapat digolongkan sebagai penyebab biasa
(common-cause) yang dapat mengakibatkan terjadinya variasi
dalam suatu proses manufaktur adalah :
1.

Kualitas dari material yang digunakan.

2.

Tingkat penguasaan/ keterampilan operator mesin.

3.

Desain dari mesin-mesin.

VARIASI
TAK
VARIATION)

TERKENDALI

(UNCONTROLLED

Variasi tak terkendali (uncontrolled variation) adalah variasi


karena sebab- sebab khusus (special-cause). variasi yang terjadi
bila suatu kejadian tidak normal masuk ke dalam suatu proses dan
menghasilkan

perubahan

Modul Ajar Statistik

176
Bisnis :
Analisis terhadap Kasus1761

yang

tidak

diharapkan

dan

tidak

Agus
Sukoco176
Santirianingrum 1761

MODUL 9: Statistik Proses

MODUL 9: Statistik Proses

kontrol
kontrol lagi dikaitkan
diperkirakan
sebelumnya. Variasi ini tidak dapat

dengan
sebab-sebab yang acak atau
9.3 di bawah ini:

"kebetulan". Perhatikan gambar

Jumat..
?

Modul Ajar Statistik

177
Bisnis :
Analisis terhadap Kasus1771

Agus
Sukoco177
Santirianingrum 1771

Kami
s
Rabu
Selas
a
Senin
Gambar 9.3. Gambar pola variasi tak Terkendali

Gambar 9.3 menunjukkan proses tidak terkontrol dan


variasinya tidak dapat diperkirakan. Variasi pada hari Jumat tidak
dapat diantisipasi sebelumnva.
Hal-hal yang dapat dimasukan sebagai penyebab khusus misalnya
adalah:
1.

Putusnya aliran listrik,

2.

Mesin yang sudah tidak tersetel dengan haik.

3.

Bidang keterampilan pekerja yang berlain-lainan


Menurut Maleyef (1994), pengendalian kualitas statistik

mempunyai cakupan yang lebih luas karena didalamya terdapat


pengendalian proses statistik, pengendalian produk (acceptance
sampling), dan analisis kemampuan proses. (Ariani, 2004: 54).
TUJUAN PENGENDALIAN KUALITAS
Tujuan dari pengendalian kualitas adalah menyidik dengan
cepat sebab- sebab terduga atau pergeseran proses sedemikian
hingga penyelidikan terhadap proses
pembetulan

dapat

dilakukan

sebelum

itu
terlalu

dan

tindakan

banyak produk

yang tidak sesuai dengan standar produk yang diinginkan.


Tujuan akhir dari pengendalian kualitas adalah menyingkirkan

variabilitas

dalam

Zanzawi, 1990:120).

suatu

proses.

(Montgomery,

alih

bahasa

MODUL 9: Statistik Proses


kontrol

MODUL 9: Statistik Proses


kontrol

STATISTICAL PROSES CONTROL DAN ACCEPTANCE SAMPLING


Pengendalian kualitas statistik (statistical quality control
) secara garis besar digolongkan menjadi dua, yaitu
1.

Pengendalian proses statistik (statistical proses control)


atau yang sering disebut dengan control chart

2. Rencana penerimaan sampel produk atau yang sering


dikenal dengan
acceptance sampling.
dalam modul ini yang akan dibahas adalah untuk point 1 yaitu
Pengendalian proses statistik (statistical proses control)

Pengendali
an
Kualitas
Statistik

Pengendalian
Kualitas
Proses
Statistik
(control
Chart)

Data Variabel
Data Atribut

Rencana
Penerimaan
Sampel
Produk

Data Variabel
Atribut

Data

Gambar 9.4. Diagram Pengendalian kualitas secara Statistik

Dari gambar 9.4. diatas tampak bahwa pengendalian


kualitas proses dan produk juga dapat dibagi dua golongan
menurut jenis datanya, yaitu data variabel dan data atribut. Data
variabel memberikan lebih banyak informasi dari pada data
atribut.

Namum

demikian,

data

variabel

digunakanuntuk mengetahui karakteristik

tidak

kualitas

dapat
seperti

banyaknya kesalahan atau persentase kesalahan suatu proses.

MODUL 9: Statistik Proses

MODUL 9: Statistik Proses

kontrol variabel dapat menunjukan seberapa jauh


kontrol penyimpangan
Data

dari standar

proses,

sementara

data

atribut

menunjukan informasi tersebut (Ariani, 2004: 58)

tidak

dapat

DIAGRAM KENDALI (CONTROL CHART)


Diagram
proses

atau

kendali

juga

disebut

diagram kendali mutu.

diagram

kendali

Diagram kendali pada

dewasa ini digunakan dengan sangat luas yaitu untuk mendeteksi


variasi yang terkendali dan variasi yang tidak terkendali.
Sehingga sekaligus dapat memonitor suatu proses.
Diagram kendali adalah suatu tampilan grafik (graphic
display) yang membandingkan data yang dihasilkan oleh proses
yang sedang berlangsung saat ini terhadap suatu batas-batas
kendali yang stabil yang telah ditentukan dari data- data unjukkerja (performance data) sebelumnya.
Diagram

kendali

mengkomunikasikan

berfungsi

informasi

sebagai

mengenai

suatu

unjuk

alat

kerja

untuk
sebuah

proses antara kelompok produksi antara supplier atau antara


operator mesin.
JENIS-JENIS DIAGRAM KENDALI
Beberapa jenis diagram kendali antara lain adalah:
1. Diagram kendali untuk nilai atau pengamatan
individual
2. Diagram kendali rata-rata (mean) dari sub kelompok
(subgroups)
3.

Diagram kendali kisaran (range) dari sub kelompok

4.

Diagram kendali proporsi cacat (proportion of


defects) dalam sub-sub kelompok

UNSUR-UNSUR DIAGRAM KENDALI


Unsur-unsur yang dimiliki dalam diagram

Diagram Kendali

adalah sebagai berikut:


1.

Batas Kendali Atas (Upper Control Limit/UCL)

2.

Garis Tengah (Center Line/CL)

3.

Batas Kendali Bawah (Lower Control Limit/LCL)

Berikut ini adalah contoh sebuah diagram kendali dalam suatu


proses produksi.

Gambar 9.5. Contoh diagram


kendali
Garis tengah (Center Line/CL) bersesuaian dengan mean
populasi yang diperkirakan dari nilai yang diamati dalam proses.
Daerah antara batas kendali atas (UCL) dan batas kendali bawah
(LCL)

menunjukkan

variasi

yang

terkontrol.

Namun

jika

pengamatan berada di luar daerah lersebut (di atas UCL atau di


bawah LCL)

hal ini menunjukkan terdapatnya suatu variasi

yang tak terkontrol atau variasi karena sebab khusus.


LANGKAH-LANGKAH PENGGUNAAN DIAGRAM KENDALI
Beberapa langkah-langkah berikut adalah bisa dilaksanakan untuk
memper-mudah dalam menggunakan diagram kendali yaitu:
1.

Nyatakan hipotesis nol (H0,) dan hipotesis altematif (H1):


H0

: Proses terkendali secara Statistik

H1

: Proses tidak terkendali secara statistik

2. Tentukan Tingkat Kepentingan (Level of Significance?),alfa


()
Dalam hal ini harus ditentukan resiko kesalahan menolak
H0 yang disimbolkan alfa (). Untuk prakteknya yang sering
digunakan adalah nilai alfa, = 0,025

Modul Ajar Statistik

180
Bisnis :
Analisis terhadap Kasus1801

Agus
Sukoco180
Santirianingrum 1801

3. Tentukan diagram kontrol dan distribusi pengujian (test


distribution).

Modul Ajar Statistik

181
Bisnis :
Analisis terhadap Kasus1811

Agus
Sukoco181
Santirianingrum 1811

Dalam prakteknya yang sering digunakan adalah


distribusi normal atau
distribusi binomial
4.

Defnisikan daerah penolakan (atau daerah kritis):


Ini dilakukan dengan menentukan Batas Kendali Atas
(Upper Control limit/UCL) dan Batas Kendali Bawah (Lower
Control Limit/LCL)

5.

Nyatakan aturan pengambilan keputusan.


Aturannya adalah tolak H0 dan terima H1 jika terdapat
satu atau lebih data-data yang berada di luar batasbatas kendali.

6.

Masukan data pada diagram kendali.

7.

PengambiIan keputusan secara statistik

DIAGRAM KONTROL INDIVIDUAL


Diagram Nilai Individu adalah diagram yang digunakan
memonitor setiap nilai yang diamati dalam sebuah proses.
Sebuah diagram yang mengontrol nilai- nilai individu didasarkan
pada probabilitas dengan distribusi normal. Unsur-unsur pada
diagraminnya adalah sebagai berikut:
1.
2.
3.

Batas Kendali Atas (Upper Control Limit/UCL)


UCL = +
3
Garis Tengah (Center Line/CL)
CL =
Batas Kendali Bawah (Lower Control Limit/LCL)
LCL = - 3

di mana:
= rata-rata (mean) populasi
= standard deviasi populasi

Contoh
Kasus:
Dilakukan sebuah observasi terhadap proses pembuatan poros
pada sebuah pabrik Logam Karya Jaya, obeservasi dilakukan
terhadap 30 sampel dan didapatkan hasil observasi adalah sebagai
berikut:

OBSERVAS
I
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

DIAMETER
55.49
54.83
53.91
54.87
54.69
53.77
55.34
55.67
53.83
54.82
53.85
53.22
54.11
54.49
52.95

OBSERVAS
I 16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

DIAMETER
54.9
4
54.9
4
56.9
7
55.
4
55.4
1
54.6
9
54.
5
56.4
4
53.3

Buatkanlah diagram kontrol untuk hasil observasi tersebut.


Penyelesaian :
Langkah ke 1: Menghitung rata-rata dan standard deviasi.
Untuk

memudahkan

dibuatkan

perhitungan

standard

deviasi,

tabel pembantu, sebagaimana pada tabel 9.1.

Berdasarkan perhitungan terhadap hasil observasi maka


diketahui jumlah
nilai diameter (
maka:
Rata rata =

)= 642,8 dan jumlah observasi (n) = 30,

MODUL 9: Statistik Proses


kontrol

MODUL 9: Statistik Proses


kontrol

Standard deviasi =

OBSERVA
SI 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
26
27
28
29
30
JUMLAH

DIAMETE
R 55,49
54,83
53,91
54,87
54,69
53,77
55,34
55,67
53,83
54,82
53,85
53,22
54,11
54,49
52,95
54,94
55,94
56,97
55,
4
53,41
54,69
54,
5
56,44
53,38
55,05
55,19
55,43
55,06
55,53
54,03
1641,80

54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727
54,727

0,76
3
0,10
3
-0,817
0,14
3
-0,037
-0,957
0,61
3
0,94
3
-0,897
0,09
3
-0,877
-1,507
-0,617
-0,237
-1,777
0,21
3
1,21
3
2,24
3
0,67
3
-1,317
-0,037
-0,227
1,71
3
-1,347
0,32
3
0,46
3
0,70
3
0,33
3
0,80
3
-0,697

0,582169
0,010609
0,667489
0,020449
0,001369
0,915849
0,375769
0,889249
0,804609
0,008649
0,769129
2,271049
0,380689
0,056169
3,157729
0,045369
1,471369
5,031049
0,452929
1,734489
0,001369
0,051529
2,934369
1,814409
0,104329
0,214369
0,494209
0,110889
0,644809
0,485809
26,5023

Tabel 9.2. Tabel pembantu perhitungan


standard deviasi
Berikut adalah hasil perhitungan deskriptif data observasi jika
menggunakan SPSS
versi 18:
Descriptive
Statistics
DIAMETER
Valid N
(listwise)

30
30

Minimum
52,95

Maximum
56,97

Mean
54,7267

Std. Deviation
,95597

MODUL 9: Statistik Proses


kontrol
Tabel 9.3. Tabel

SPSS

MODUL 9: Statistik Proses

kontrol data dengan


hasil perhitungan deskriptif

Langkah ke 2, menghitung UCL, CL dan LCL


a. Menghitung CL
CL = rata-rata = 54,727
b. Menghitung UCL = 57,59
UCL = UCL = + 3 =
54,76 + 3 .

c.

= 54,76+2,7164=
57,59

Menghitung UCL= 51.86


LCL = LCL = - 3 =
= 54,76-2,7164=
54,76 - 3 .
51.86
Langkah ke 3 Membuat Gambar Diagram Kendali :
Gambar
menggambarkan

kendali
setiap

dapat

dibuat

dengan

titik observasi ke dalam diagram X-Y

dan menggambarkan garis UCL, CL, dan LCL seperti gambar


dibawah ini.

Gambar 9.6. Diagram kontrol individu proses pembuatan


poros Pembuatan

diagram

dengan menggnakan spss adalah

dengan langkah-langkah sebagai berikut:


1. Input data ke data viewer SPSS , bisa juga dengan copy dari
data excell
2.

klik analize, klik quality control, klik control chart

3.

maka didapatkan tampilan seperti gambar 9.7.

4. pilih individual, moving range, pilih defne. tampil


sebagaimana gambar
9.8.
5.

Inputkan data ke process measurement

6.

Abaikan yang lain dan kilk Ok, maka ditampilkan output


diagram kontrol nya.

klik

Gambar 9.7. Tampilan SPSS untuk pembatan diagram


kontrol

klik

Gambar 9.8. Tampilan SPSS untuk input variabel pada pembuatan


diagram kontrol

MODUL 9: Statistik Proses


kontrol

MODUL 9: Statistik Proses


kontrol

Output gambar diagram kontrol adalah sebagaimana pada gambar


9.6 diatas.
PENGAMBILAN KEPUTUSAN :
Berdasarkan gambar 6.9 , diagram kontrol individual
sampel pembuatan
data

observasi

poros,

maka

didapatkan

bahwa

pada
seluruh

terletak diantara batas LCL dan batas UCL ,

sehingga dapat diambil kesimpulan bahwa variasi diameter poros


dalam batas batas yang

wajar, sehingga Ho yang menyatakan

Proses pembuatan poros pada PT karya Logam terkendali secara


Statistik

diterima dan Ha yang menyatakan

Proses tidak

terkendali secara statistik, ditolak.


DIAGRAM X DAN DIAGRAM R
Diagram kontinu adalah diagram untuk suatu proses yang
diukur dengan nilai-nilai yang bersifat kontinu seperti panjang,
berat, diameter dll. Diagram X dan R digunakan pada data yang
bersifat kontinu.
Diagram

melengkapi karena

dan

Diagram

keduanya

saling

sampel harus menunjukkan nilai rata-rata

yang dapat diterima dan jarak pengukuran yang dipertanggung


jawabkan sebelum proses dapat dinyatakan dalam keadaan "under
control. Dalam kegiatan pengendalian mutu diagram X dan R
sering digunakan dengan tujuan:
-

Melihat sejauh mana suatu proses produksi sudah sesuai


dengan standard proses atau belum.

Mengetahui

sejauh

masih

perlu

diadakan

penyesuaian-penyesuaian (adjustment) pada mesin- mesin,


alat/ metode kerja yang dipakai dalam suatu proses
produksi.

MODUL 9: Statistik Proses


kontrol
- Mengetahui penyimpangan

suatu

MODUL 9: Statistik Proses

kontrol
kualitas atau
hasil produki dan

proses produksi. Yang kemudian disusul dengan

dilaksanakannya tindakan- tindakan tertentu dengan tujuan


agar

tidak

terjadi

penyimpangan-

kualitas pada proses berikutnya.

penyimpangan

atas

DIAGRAM X
Diagram

adalah

diagram

yang

mana

data

yang

dianalisis adalah nilai rata-rata sub kelompok data. Diagram


X digunakan untuk memonitor, mengendalikan dan menganalisis
nilai rata-rata (mean) dari kuantitas yang diamati dalam sebuah
proses yang menggunakan nilai kontinu seperti panjang, berat,
diameter dll. Simbol X adalah simbul atas suatu besaran yang
dapat diukur.
Pembuatan Diagram X:
Diagram X dibuat dengan unsur-unsur
sebagai berikut: Batas Kendali atas (UCL)

Garis Tengah (CL)

Batas Kendali Bawah (LCL) :

Dimana :
= Rata-rata sub kelompok
= Rata-rata dari kisaran sub kelompok.

=
kontanta yang nilainya tergantung pada ukuran sampel
subkelompok

(tabel terlampir)
Catatan :
= nilai perkiraan 3

dimana
,

standard proses dari


populasi

adalah deviasi

MODUL 9: Statistik Proses


kontrol

MODUL 9: Statistik Proses


kontrol

DIAGRA
MR
Diagram R adalah diagram yang memonitor penyebaran
(dispersion) kuantitas yang diamati dalam sebuah proses. Pada
pembahasan sebelumnya telah kita lihat bahwa jika yang menjadi
perhatian utama adalah rata-rata variabel hasil proses,
digunakan

diagram

kontrol

untuk

maka

melakukan

pengontrolan kualitas. Tetapi, dalam suatu proses sering pula


berubah bukan saja dalam rata- ratanya, melainkan juga dalam
dispersi atau variasinya.
Untuk pengontrolan kualitas biasanya digunakan kontrol
terhadap dispersi atau variasi, meskipun diagram kontrol
simpangan baku dapat pula digunakan. Diagram kontrol R lebih
banyak dipakai bila dibandingkan dengan diagram sim- pangan
baku,

hal

ini

disebabkan

mudah

dihitung,

mudah

dimengerti, cepat dibuat, menghemat waktu dan biaya.


Penggunaan diagram kontrol X dan diagram kontrol R
dapat

dilakukan secara bersama dalam suatu proses, yang

dimaksudkan untuk melakukan pengontrolan kualitas mengenai


rata-rata dan dispersi proses. Hal ini biasanya dilakukan pada
permulaan

proses

penggantian

mesin,

penggantian

operator/pegawai yang melakukan pekerjaan dan perubahan


susunan bahan baku.
Sebagaimana halnya untuk diagram kontrol X, maka untuk
diagram kontrol
R juga diperlukan CL, UCL dan LCL. Jika populasinya berdistribusi
normal

dengan

parameter

rata-rata

dan

simpangan

baku

diketahui, maka diagram kontrol R di- bentuk oleh ketiga buah


garis:
1.
2.
3.

Batas kendali atas: UCL = DA


Garis tengah: CL =
Batas kendali bawah: LCL = D/

MODUL 9: Statistik Proses


diman
kontrol
a
:

MODUL 9: Statistik Proses


kontrol

D2- D3 = konstanta yang nilainya tergantung pada ukuran


sampel sub kelompok seperti yang ditunjukkan pada tabel
berikut ini:

A2

D3

D4

1,88

3,27

1,02

2,57

0,73

2,58

0,56

2,11

0,48

0,42

0,08

1,92

0,37

0,14

1,86

0,34

0,18

1,82

10

0,31

0,22

1,76

11

0,29

0,22

1,74

12

0,27

0,28

1,72

13

0,25

0,31

1,69

14

0,24

0,33

1,67

15

0,22

0,35

1,65

16

0,21

0,36

1,64

17

0,2

0,38

1,62

18

0,19

0,39

1,61

19

0,19

0,4

1,6

20

0,18

0,41

1,59

Tabel 9.4. Tabel A2, D3 dan D4


Catatan :
Apabila terdapat angka perhitungan LCL yang negatif maka
digambarkan pada garis 0.

MODUL 9: Statistik Proses


kontrol

MODUL 9: Statistik Proses


kontrol

CONTOH KASUS :
Sebuah perusahaan melakukan
pengecekan dan
pengukuran berat suatu produk. Jumlah data sampel yang
diperiksa
adalah 125 unit. Sampel itu dibagi menjadi 25
subkelompok yang masing-masing lerdiri dari 5 unit. Setelah
dilakukan pengukuran diperoleh data sebagaimana dalam tabel
berikut.
Berdasarkan data tersebut, Jelaskan apakah proses
pembuatan produk
tersebut masih berada dalam batas-batas kendali atau tidak.
SUB
KELOMPO
K
1

X1

X2

X3

X4

X5

JUMLAH

39

32

38

35

37

181

32

37

31

25

34

159

31

32

35

29

37

164

35

37

42

47

38

199

28

31

37

36

25

157

40

35

33

38

33

179

35

30

37

33

26

161

35

39

32

37

38

181

27

37

36

33

35

168

10

32

33

31

37

32

165

11

35

39

35

31

33

173

12

31

25

24

32

22

134

13

22

37

31

37

28

14

37

32

33

38

15

31

37

33

16

27

31

17

38

35

18

35

19

RATARATA
36,
2
31,
8
32,
8
39,
8
31,
4
35,
8
32,
2
36,
2
33,
6
33

R
(RANG
E)
7
12
8
12
12
7
11
7
10
6
10

155

34,
6
26,
8
31

30

170

34

38

31

170

34

23

27

32

140

28

37

26

37

173

12

31

29

39

35

169

31

29

35

29

35

159

20

29

27

32

38

31

157

21

40

39

41

32

29

181

22

20

31

27

29

28

135

34,
6
33,
8
31,
8
31,
4
36,
2
27

23

30

37

29

32

31

159

24

28

35

22

32

37

154

25

39

34

31

29

29

162

31,
8
30,
8
32,
4
821

TOTAL
RATA-RATA
Modul Ajar Statistik
190
Bisnis :
Analisis terhadap Kasus1901

4105

32,840

8
15

10
6
11
12
11
15
10
244
9,760

Agus
Sukoco190
Santirianingrum 1901

MODUL 9: Statistik Proses


kontrol
Tabel 9.5.

MODUL 9: Statistik Proses

kontrol
Hasil pengecekan dan pengukuran
berat

sampel

Modul Ajar Statistik

191
Bisnis :
Analisis terhadap Kasus1911

Agus
Sukoco191
Santirianingrum 1911

PENYELESAIAN :
Dengan menggunakan tabel di atas maka didapatkan hasil sebagai
berikut:
= Rata-rata sub kelompok

= Rata-rata dari kisaran sub kelompok

MEMBUAT DIAGRAM
X Menghitung UCL,
CL dan LCL

Garis Tengah (CL)


= 32,84

Batas Kendali Bawah (LCL) :

Gambar 9.9. Gambar


Diagram
Kontrol
X
pengukuran
berat
sampel

MODUL 9: Statistik Proses


kontrol

MODUL 9: Statistik Proses


kontrol

MEMBUAT DIAGRAM
R Menghitung UCL,
CL dan LCL

Garis Tengah (CL)


= 9,76

Batas Kendali Bawah (LCL) :

UCL=

; CL = 9,76 ; LCL = 0

UCL=

; CL = 9,76 ; LCL = 0

Gambar 9.10. Gambar Diagram Kontrol R pengukuran berat


sampel

Diagram P dan Diagram C


Diagram Atribut Produk dalah adalah diagram yang
berkaitan dengan persyaratan
kepada

suatu produk

yang

kualitas

ditetapkan

menunjukkan apakah

tersebut dapat diterima (acceptable)


karena cacat (defective).

yang

produk

atau ditolak (rejected)

Diagram ini biasanya digunakan

untuk menganalisis suatu hasil pengamatan yang bersifal diskrit.


Seperti

banyaknya kelingan

yang rusak pada sayap pesawat,

gelembung-gelembung aliran yang terjebak pada gelas. goresan


pada lempengan plat, dan sebagainya. Untuk keperluan ini
terdapat dua jenis diagram yaitu Diagram P dan Diagram C.

Diagram P
Pada Diagram P yang dianalisis adalah persentase atau
proporsi dari produk yang cacat (defective) per sampel untuk
menilai masing-masing produk dapat
Sebuah

diagram

didasarkan

diterima
pada

atau

ditolak.

probability dengan

distribusi binomial. unsur-unsur pada diagramnya ditentukan


scbagai berikut:
1.

Batas kendali atas: UCL

2.

Garis tengah: CL

3.

Batas kendali bav.ah: LCL

Dimana:
=

perkiraan proporsi output yang cacai pada populasi

=
= Perkiraan error standard proporsi
pada populasi

jika p dinyatakan dalam fraksi

jika p dinyatakan dalam persentase

= Ukuran sampel

CONTOH SOAL:
Dalam memproduksi

"Wiring Board" yang digunakan dalam

produksi assembling produk-produk tertentu diambil sampel 50


buah per hari Wiring Board ini

diuji

dan jika

lampu menyala

bahan diterima. Hasil tabulasi dan data yang


dicatat selama fase permulaan produksi adalah sebagai berikut:
TANGGA TOLAK PROSENTA
L11-Sep
SE 6%
3
12-Sep
2
4%
13-Sep
5
10
%
14-Sep
2
4%
15-Sep
2
4%
16-Sep
1
2%
17-Sep
3
6%
18-Sep
2
4%
19-Sep
1
2%
20-Sep
3
6%
JML
24
TOTAL
38+24 = 62
Tabel 9.6. Hasil pengecekan cacat Wiring Board
TANGGA TOLAK PROSENTA
L01-Sep
SE 8%
4
02-Sep
3
6%
03-Sep
2
4%
04-Sep
6
12
%
05-Sep
3
6%
06-Sep
1
2%
07-Sep
3
6%
08-Sep
2
4%
09-Sep
9
18
%
10-Sep
5
10
%
JML
38

Membuat Diagram P
Menghitung perkiraan proporsi output yang cacat pada
populasi:

Perkiraan error standard

Menghitung UCL, CL dan LCL


1.

Batas kendali atas: UCL

2.

Garis tengah: CL

3.

Batas kendali bawah: LCL

SPchart

Gambar 9.11. Gambar Diagram Kontrol P produksi "Wiring

Board"

PENYELESAIAN DENGAN SPSS:


Pertama : Inputkan data observasi ke datasheet SPSS seperti
tampilan di bawah
Kedua

: Menu pilih : 1. Analyze 2. Quality Control 3. Contol

Chart tampil sub menu sbb:

Pilih menu ini


SPSS

INPUT DATA

Inputkan
data/varia
bel

Gambar 9.12. Gambar menu SPSS untuk membuat diagram P

Setelah itu

klik

ok maka didapatkan output gambar grafik

diagram p seperti gambar 9.11.

DIAGRAM C
Diagram C adalah dipergunakan dalam
cacat dalam

analisis banyaknya

unit produk yang tetap. Banyak parameter yang

harus dikendalikan tidak dapat dinyatakan sebagai proporsi atau


persentase sepeti dalam diagram P.

Misalnya dalam proses


2

tenun, banyaknya cacat setiap 10 m


mungkin merupakan

parameter

yang

bahan yang diproduksi


harus

dikendalikan.

Dalam kasus ini satu cacat mungkin artinya kecil. Tetapi jika
banyaknya cacat per unit besar mungkin harus memperhatikannya
secara serius. Untuk diagram C distribusi probabilitas yang
digunakan adalah distribusi poisson.

di mana terjadi cacat

secara acak. Unsur- unsur pada diagramnya ditentukan sebagai


berikut:
1.

Batas kendali atas: UCL

2.

Garis tengah: CL

3.

Batas kendali bawah: LCL

Dimana :
: Perkiraan jumlah cacat per satuan unit pada populasi
: Jumlah cacat per satuan unit yang diobservasi
= Perkiraan error standard jumlah cacat per satuan unit pada
populasi

Contoh Soal :
Suatu diagram c digunakan untuk menilai proses otomatis
dalam memproduksi bahan tenun yang dipakai pada musim dingin.
Inspeksi dilakukan terus-menerus pada setiap

panjang 10 m.

Kedua belah bagian diinspeksi lewat sinar berintensitas tinggi.

Cacat

dapat

terjadi

karena

tenunan

tidak

baik

dan

tidak

terlapisnya dengan bahan tenentu secara baik. Cacat ini kecil dan
dideteksi per 2

cm atau kurang. Dari produksi terbaru tercatat data menurut


sampel no. 1 s/d 20
sebagai berikut:
No
Samp
el
1

Caca
t
per 10
33

No
Samp
el
11

Caca
t TOTAL
per 10 RATA35 RATA

16

12

28

19

13

24

26

14

31

36

15

34

32

16

40

37

17

30

41

18

31

32

19

22

605
30,25

20
28 produksi bahan tenun
10
30 Hasil pengecekan
Tabel 9.6.
cacat

Maka
:
: Rata-rata jumlah cacat per satuan unit yang diobservasi = 30,25

CL = 30,25

Gambar 9.13. Gambar diagram C , produksi bahan tenun

DIAGRAM PARETO (Pareto Chart)


Diagram Pareto dikembangkan oleh seorang ahli ekonomi
Italia yang bernama Vilredo Pareto pada abad ke 19. Diagram
Pareto dibuat untuk membandingkan berbagai kategori kejadian
yang disusun menurut ukurannya, dari yang paling besar
disebelah kiri ke yang paling kecil disebelah kanan.
Diagram

Pareto

memberikan

gambaran

atau

tingkat

pentingnya atau prioritas kategori kejadian-kejadian atau sebabsebab kejadian yang dikaji. Dengan bantuan Diagram Pareto
tersebut

kegiatan

akan

lebih

efektif

dengan

memusatkan

perhatian pada sebab-sebab yang mempunyai dampak yang paling


besar terhadap kejadian

daripada

meninjau

berbagai

sebab

suatu waktu. Dengan kata lain, Diagram Pareto adalah grafik


batang

yang

menunjukkan

masalah

berdasarkan

urutan

banyaknya kejadian.
Diagram

Pareto

merupakan

metode

standar

pengendalian mutu untuk mendapatkan hasil maksimal

dalam
dengan

memilih masalah-masalah utama dan sebagai suatu pendekatan


sederhana
terdidik,

yang

serta

dapat

dipahami

oleh

pekerja

tidak terlalu

sebagai

perangkat

pemecahan dalam

bidang

yang cukup kompleks.


Diagram Pareto klasifkasi data diurutkan dari kiri ke
kanan

menurut ranking tertinggi hingga terendah. Hal ini dapat

membantu menemukan permasalahan yang terpenting untuk


segera diselesaikan (ranking tertinggi) sampai dengan yang tidak
harus segera diselesaikan (ranking terendah).

Diagram Pareto

juga dapat digunakan untuk membandingkan kondisi proses,


misalnya ketidaksesuaian proses, sebelum dan setelah diambil
tindakan perbaikan terhadap
proses.
Prinsip Pareto juga dikenal sebagai aturan 80/20 dengan
melakukan 20% dari pekerjaan bisa menghasilkan 80% manfaat

dari pekerjaan itu. Aturan 80/20 dapat diterapkan pada hampir


semua hal, seperti:
80% dari keluhan pelanggan timbul 20% dari produk atau
jasa.

MODUL 9: Statistik Proses


kontrol

MODUL 9: Statistik Proses


kontrol

80% dari keterlambatan jadwal timbul 20% dari


kemungkinan penyebab penundaan.

20% dari produk atau account untuk layanan, 80% dari


keuntungan Anda.
-

20%

dari-tenaga

dari

pendapatan perusahaan Anda.

menghasilkan

80%

20% dari cacat sistem penyebab 80% masalah nya

Prinsip
manajer
untuk

penjualan

Pareto

untuk

seorang

proyek adalah mengingatkan

fokus

pada

20%

hal-hal

yang

materi, tetapi tidak mengabaikan 80%


masalah.

Berikut

Hukum

Pareto

dalam bentuk visual:


Diagram Pareto berikut ini menggambarkan suatu keadaan
berdasarkan data observasi dengan model pareto. Misalnya dalam
suatu permasalahan untuk mengetahui bagaimana komposisi
karyawan berdasarkan level pendidikan. Hasil observasi terhadap
474 karyawan didapatkan data sebagai berikut:
LEVE
L
Pendidika
8

JUMLAH

12

190

53

14

15

116

16

59

17

11

18

19

27

20

21

JUMLAH

474

Diagram

pareto

untuk

data

tersebut

adalah

sebagaimana

ditunjukan pada gambar tersebut diatas. Dalam gambar pareto


Modul Ajar Statistik

200
Bisnis :
Analisis terhadap Kasus2002

Agus
Sukoco200
Santirianingrum 2002

MODUL 9: Statistik Proses

MODUL 9: Statistik Proses

kontrol
kontrol
ditunjukan
jumlah data masing-masing level
pendidikan yang

diurutkan mulai dari yang besar menuju yang paling kecil dari kiri
ke kanan. Garis keatas menunjukan lengkung hingga ke nilai
100%.

Modul Ajar Statistik

201
Bisnis :
Analisis terhadap Kasus2012

Agus
Sukoco201
Santirianingrum 2012

Dalam kasus lainnya diagram pareto dipergunakan untuk


mengetahui permasalahan dalam suatu
berdasarkan

Lembar

Periksa

(Check

proses. Pembuatannya
Sheet)

dan

dapat

diselesaikan melalui diagram Pareto untuk mengetahui sebab


utama yang menyebabkan terjadinya cacat produk. Misalnya akan
diteliti penyebab terjadinya kerusakan pada produksi pembuatan
Beton. Dari observasi didapatkan data sebagai berikut:
Retak

: 58

Tumpul

: 22

Tergores
Lain-lain

: 12
:8

Diagram pareto untuk kasus diatas adalah sebagaiman berikut:

Soal Latihan:
1.

Uraikanlah dengan singkat apakah yang dimaksud dengan


statistik quality control?

2.

Jelaskan apakah yang dimaksud dengan:


a.
Suatu proses yang dalam kontrol
b.
Suatu proses yang di
luar kontrol c.
diagram
kontrol Shewhart
d.
BKB (Batas kontrol bawah)
e.
BKA (batas kontrol atas)
f.
Garis sentral diagram kontrol
3. Dalam statistik kontrol dikenal istilah Diagram X, diagram
R, diagram P, diagram

C,

dan

diagram

Pareto.

Berikanlah penjelasan singkat maksud dan penggunaan


dari ketiga diagram tersebut?

4.

Kalau terjadi pergeseran/perubahan dalam rata-rata


populasi, diagram
kontrol mana-kah yang akan dipengaruhi atau yang akan
memperlihatkan ciri keluar dari kontrol?

5.

Jika rata-rata dan dispersi populasi kedua-duanya bergeser,


dalam

diagram

kontrol

manakah

yang

akan

memperlihatkan tanc'a-tanda keluar dari


kontrol?
6.
7.

Buatlah penggamatan di lingkungan tempat kerja


saudara/teman saudara dan sebutkanlah masing-masing 2
buah contoh pengunaan dari

Diagram X, diagram R,

diagram P, diagram C, dan diagram Pareto


8.

Dilakukan
poros

pengamatan

dalam

pengamatan

terhadap

suatu pabrik
sebagai

proses

pembuatan

menghasilkan

berikut,

data

Buatkanlah diagram

kontrol individu, dan jika dipergunakan = 5%, tentukan


apakah proses tersebut dalam batas kendali?
OBSERVA
SI

10 11 12 13 14 15

DIAMETE
R

70

72 73 76 73 73

75

74 77 75 76 78 73 72 75

OBSERVA
SI
DIAMETER

16

17 18 19 20 21

22

23 24 25 26 27 28 29 30

71

72 75 76 73 74

75

74 76 75 77 78 79 72 75

9.

Sebuah

perusahaan

melakukan

produksi

kalen

makanan

pengecekan ukuran berat kaleng tersebut.

Terdapat 20 sub kelompok dan

masing- masing terdiri 5

unit. Dengan menggunakan

5% dan dengan diagram

X&R,

proses

Jelaskanlah

apakah

pembuatan

produk

tersebut masih dalam


batas-batas kendali?
SUB
KELOMPOK
1

X1

X2

X3

X4

X5

390

384

418

350

444

320

444

341

250

408

310

384

385

290

444

350

444

462

470

456

280

372

407

360

300

400

420

363

380

396

350

360

407

330

312

350

468

352

370

456

270

444

396

330

420

10

320

396

341

370

384

11

350

468

385

310

396

12

310

300

264

320

264

13

220

444

341

370

336

14

370

384

363

380

360

15

310

444

363

380

372

16

270

372

253

270

384

17

380

420

407

260

444

18

350

372

319

390

420

19

310

348

385

290

420

20

290

324

352

380

372

10. Sebuah perusahaan memproduksi lampu, dilakukan


observasi sebanyak
150 sampel setiap hari selama 20 hari, data seperti
tabel dibawah ini. Dengan menggunakan diagram P dan
5%, apakah masih dalam batas- batas kendali?
TGL

DITOLA
K

12

18

27 15

10

TGL

11

12 13 14

15

16 17 18 19 20

DITOLA
K

15

11. Sebuah program studi Manajemen Universitas swasta


meneliti, faktor- faktor yang menyebabkan menurunya
prestasi

mahasiswa, dilakukan

observasi terhadap 100 mahasiswa didapakan hasil sebagai


berikut:
Malas
Kurang berminat
Kurang efektif Pembagian
Waktu
Perlengkapan pribadi
Jarak
JUMLAH

25
20
28
17
10
100

Buatkanlah diagram pareto untuk permasalahan diatas?

1.

Sumber pembelajaran
1. Sudjana, Metoda Statistika, Tarsito bandung 1992
2. Arikunto, Suharsimi. 1996. Statistik Untuk Penelitian. Jakarta: Rineka
Cipta.
3. Dajan, Anto. 2000. Pengantar Metode Statistik. Cetakan Ke-16, Jakarta:
LP3ES.
4. Heryanto, N. 2003. Statistik. Bandung: Pustaka Setia.
5. Levin, dkk. 1991. Statistics for Managemen. New Jersey: Prentice Hall,
1991
6. Murdan. 2003. Statistik Pendidikan. Jakarta: Global Pustaka.
7. Rasyid, Harun A. 2000. Statistik. UNIVERSITAS PADJAJARAN,
BANDUNG.
8. Sugiarto. 2002. Metode Statistik. Jakarta: Gramedia.
9. Walpole, Ronald E. 1992. PengantarStatistik. edisi terjemahan. Jakata: PT
Gramedia.
10. Media Pembelajaran dalam bentuk Power Point dan handout.
11. LKM : Statistik dan Bisnis.
12. LP : Kognitif
13. LP : Psikomotorik
14. LP : Keterampilan Sosial
15. LP : Perilaku berkarakter

DAFTAR PUSTAKA

1. Arikunto, Suharsimi. 1996. Statistik Untuk Penelitian. Jakarta: Rineka


Cipta.
2. Dajan, Anto. 2000. Pengantar Metode Statistik. Cetakan Ke-16, Jakarta:
LP3ES.
3. Heryanto, N. 2003. Statistik. Bandung: Pustaka Setia.
4. Levin, dkk. 1991. Statistics for Management. New Jersey: Prentice Hall,
1991
5. Murdan. 2003. Statistik Pendidikan. Jakarta: Global Pustaka.
6. Rasyid, Harun A. 2000. Statistik. Bandung: Universitas Padjajaran.
7. Sugiarto. 2002. Metode Statistik. Jakarta: Gramedia.
8. Walpole, Ronald E. 1992. Pengantar Statistik. edisi terjemahan. Jakata: PT
Gramedia.
9. Sudjana, Metoda Statistika, Tarsito bandung 1992
10. http://www.scribd.com/doc/39191568/10/B-PengertianPengendalian- Kualitas-Statistik
11. Hari Lumbono, tugas akhir Gunadarma, Pengendalian
kualitas produksi
garment di pt. Asrindo indty raya dengan menggunakan
diagram kontrol p
12. 2004, M. Achfyar Afendi, Universitas
Muhammadiyah Malang,
Pengendalian kualitas dengan metode statistical
process control guna menurunkan biaya kualitas total
13. Helmy Darjanto, 2012, Pengendalian dan Evaluasi Kualitas
Beton Dengan
Metode Statistical Process Control (SPC)
14. Ari S A, Aman S, Helmy D, 2003, Evaluasi Mutu Beton
Dengan Metode SPC Produksi PT Multi Borneo Abadi,
Tesis Program Magister Teknik Sipil, Untag Surabaya.
15. Endang B R, Nurul R, Helmy D, 2003, Studi Analisa
Pemantauan Mutu
Beton Dengan Menggunakan Prinsip-prinsip SPC, Tugas
Akhir, Jurusan
Teknik Sipil FT, Untag Surabaya

Bibliography

Atmajaya, P. L. (2009). Statistika untuk bisnis dan ekonomi.


Yogyakarta: ANDI.

Martono, N. (2010). Statistik Sosial Teori dan Aplikasi Program


SPSS. Yogyakarta: Gava Media.
Martono, N. (2010). Statistik Sosial Teori dan Aplikasi Program
SPSS. Yogyakarta: Gava Media.
Pandia, F. (2012). Manajemen Dana dan KesehatanBank. Jakarta:
Rineka Cipta. Purwanto S.K., S. (2011). Statistika untuk Ekonomi
dan Keuangan Modern. Jakarta:
Salemba Empat.
Supranto, J. L. (2010). Statistika Ekonomi & Bisnis. Jakarta: Mitra
Wacana Media.