DIKTAT KULIAH

PENGENDALIAN & PENJAMINAN

KUALITAS (IE-501)

TOPIK 2: SQC-PETA KENDALI

Diktat ini digunakan bagi mahasiswa

Jurusan Teknik Industri Fakultas Teknik
Universitas Kristen Maranatha

Disusun oleh:
Ir. Rudy Wawolumaja M.Sc
Rudianto Muis, ST, MT

JURUSAN TEKNIK INDUSTRI - FAKULTAS TEKNIK

UNIVERSITAS KRISTEN MARANATHA
BANDUNG
2013
 STATISTICAL QUALITY CONTROL ( SQC )

PENGENDALIAN KUALITAS STATISTIKA

SQC dapat mempengaruhi keputusan-keputusan yang berkenaan dengan fungsi-fungsi
spesifikasi, produksi, pemeriksaan.

Beberapa fungsi SQC dalam TQC :

Untuk mengendalikan proses (input / output) & yg dikendalikan adalah produk / jasa.
Untuk mengendalikan antara produk & spesifikasi (conformance terhadap spesifikasi)
Berhubungan quality of product

Alat-alat yang digunakan dalam SQC :

1. Peta Kendali Shewhart
2. Sampling Penerimaan

I. PETA KENDALI SHEWHART

Dikembangkan pertama kali oleh Shewhart dari penelitian thd mesin mass production
Hasil : karakteristik proses suatu produk menghasilkan suatu distribusi kemungkinan.
Central Limit Theorm :
Kalau kita mengambil suatu subgrup daripada produk, lalu diukur rata-rata
subgrupnya, ternyata rata-rata subgrup tsb akan mengikuti distribusi normal
Subgrup : suatu bagian daripada produk yg diambil dalam jumlah yang tetap
dengan aturan tertentu.
dikembangkan Peta Kontrol ( Control Chart / Shewart Chart ) :
berfungsi mengontrol proses untuk mengetahui apakah proses masih
dipengaruhi oleh sistem sebab yang sama.
untuk mengendalikan proses agar bersumber dari sistem sebab yang sama.

Peta Kendali Shewhart digunakan untuk menganalisis & mempresentasikan data.

Peta Kendali : suatu diagram yang menunjukkan batas-batas dimana hasil pengamatan
masih dapat ditolerir dengan resiko tertentu, yang menjamin bahwa proses
produksi masih berada dalam keadaan baik.

Peta Kendali dapat menunjukkan kapan tindakan koreksi harus dilakukan, tetapi tidak
menunjukkan letak dan penyebab kesalahan.
Karakteristik ??
Mutu Batas Kendali Atas ( BKA / UCL )

Garis Tengah ( GT / CL )

Jenis-jenis Peta Kendali : Batas Kendali Bawah ( BKB / LCL )

No. Sampel
 1. Peta Kendali Variabel : untuk hasil pengukuran
Peta Kendali Variabel terdiri dari :
a. Peta X
b. Peta R
c. Peta
2. Peta Kendali Atribut : untuk hasil perhitungan
Peta Kendali Atribut terdiri dari :
a. Peta Kendali Atribut Defective :
Terdiri dari : Peta p dan Peta np
b. Peta Kendali Atribut Defect :
Terdiri dari : Peta c dan Peta u

Catatan mengenai cara untuk mengambil keputusan dalam pemilihan Peta Kendali yang
sesuai dengan data, dapat dilihat pada gambar berikut ini :
Rata-rata,
Rentang
n = 2 s/d 9

Pengukuran n = 10 atau lebih Rata-rata,

(Variabel) Sigma

n=1
Data Non Grafik Run
Normal

Data Normal
Peta Grafik Kontrol X
Kendali

n tetap Grafik np

Perhitungan
satuan
n variasi
Grafik p
Perhitungan
(Atribut)
n tetap Grafik c
Perhitungan
Kejadian
n variasi
Grafik u

Source : Pyzdeck, Thomas T, The Six Sigma Hand Book, Panduan Lengkap untuk Greenbelts, Blackbelts,
& Managers pada semua tingkat
 Secara Statistik, dalam produksi dikenal 2 macam variasi, yaitu :
1. Variasi Probabilistik ( Chance Causes ) :
Yaitu variasi yg terjadi secara kebetulan dan tidak dapat dihindarkan (penyebab sukar
untuk diidentifikasi) terjadi secara alamiah.
Jika dalam proses dipengaruhi oleh variasi probabilistik, maka masih dapat dikatakan
bahwa process in control.
2. Variasi Eratik ( Assignable Causes ) :
Yaitu variasi yang terjadi secara tidak menentu karena ada penyebab-penyebab tidak
menentu (tidak wajar) dalam proses (penyebab dapat diidentifikasi).
Sumber penyebab dapat berasal dari : proses, material, lingkungan, operator, dll.
Jika dalam proses dipengaruhi oleh variasi eratik, maka proses dikatakan process out
of control sehingga harus dicari penyebabnya lalu diperbaiki.
Gambaran mengenai pengendalian proses secara Statistik :

Input

Proses Test Proses

Produksi Produksi

T
Keluar
Batas?

Process Keluar Y Process

In Control Spec.? Out of Control
kasi?
T Cari penyebab
Lakukan perbaikan

Variasi Variasi Variasi

Probabilistik ? Eratik

Spec : Spesifikasi batasan dimana produk masih dapat diterima oleh konsumen ( toleransi )
 Perbedaan antara Chance Causes dan Assignable Causes :
Jumlah penyebab Pengaruh masing 2 Apa perlu dicari ?
tidak ada
Chance Causes banyak sekali kecil
kecenderuangan
Assignable
sedikit besar perlu / harus
Causes

Falsafah penggunaan Peta Kendali :

Setiap data yg bervariasi ( contoh : hasil pengukuran - X, nilai rata-rata - X, range - R,
standar deviasi - , persentase cacat - p, jumlah cacat - c ) akan membentuk suatu
distribusi, bila yang mempengaruhi hanya Chance Causes.
Pada umumnya distribusi tersebut akan mempunyai nilai rata-rata dan simpangan
baku.
Apapun bentuk distribusinya ( kecuali kondisi ekstrim ) kemungkinan kecil sekali
bahwa besaran hasilnya terletak di luar batas 3.
Kemungkinan bahwa besaran hasil pengukuran atau perhitungan yang terletak di luar
batas-batas tersebut dipengaruhi oleh Assignable Causes cukup besar.
Catatan :
Digunakan batas 3 karena 3 sudah terlalu besar untuk mengcover seluruh data agar
kemungkinan terjadinya Chance Causes kecil.

Notasi yang digunakan dalam Peta Kendali ( PK ) :

Statistika PK Statistika Umum
populasi X
Rata-rata :
sampel X X
populasi 2 2
Variansi :
sampel 2 S2
Standar populasi
deviasi : sampel S
populasi p p
Proporsi :
sampel p p
populasi N N
Ukuran :
sampel n n

Rata-rata dari rata-rata sampel X X

beberapa : proporsi sampel p -
A. PETA KENDALI VARIABEL

Tujuan dari pembuatan Peta Kendali Variabel :

1. Memberikan informasi untuk perbaikan kualitas
2. Memberikan informasi untuk menentukan kemampuan proses
3. Memberikan informasi untuk keputusan tentang spesifikasi produk
4. Memberikan informasi untuk keputusan tentang proses produksi
5. Memberikan informasi untuk keputusan tentang produk yang dibuat

Informasi yang dapat diperoleh dari gambaran Peta Kendali Variabel :

Keragaman dasar dari karakteristik kualitas
Kekonsistenan performance
Tingkat rata-rata dari karakteristik kualitas

Peta Kendali Variabel terdiri dari :

1. Peta X
2. Peta R
3. Peta

Peta X :
Grafik yang menggambarkan letak nilai-nilai X (rata-rata) suatu subgroup
(sampel) relatif terhadap batas kontrol atas dan bawahnya.
Tujuan untuk mengetahui apakah proses produksi dalam keadaan terkendali atau
tidak.
Dasar teori : Theorema Central Limit

Peta R :
Grafik yang menggambarkan letak nilai-nilai jangkauan / range anggota subgrup /
sampel relatif terhadap batas kontrolnya.

Peta X dan R :
Digunakan untuk membantu menentukan apakah nilai-nilai data dari proses dalam
keadaan normal atau tidak, sehingga dapat diambil kesimpulan dan tindakan.
Biasanya digunakan bersama, karena peta X untuk mengendalikan rata-rata, peta
r atau untuk mengendalikan sebaran proses.
(Tetapi peta jarang digunakan karena sulit dalam perhitungannya)
 Langkah-langkah penggunaan Peta X dan R :
I. Persiapan pembuatan Peta X dan R :
1. Menentukan tujuan penggunaan Peta kontrol X dan R
2. Menentukan variabel yang akan dipetakan
karakteristik kualitas yang akan diperiksa (spt. kekuatan, ukuran, berat, dll)
3. Menentukan dasar pembentukan subgrup
a. Memilih subgrup dari produk yang diproduksi pada waktu yang sama atau
waktu yang sedekat mungkin (instant time method)
b. Memilih produk secara rutin dalam periode waktu (period of time method)
4. Menentukan ukuran dan frekuensi subgrup
a. Semakin besar ukuran subgrup semakin sensitif terhadap variasi
Semakin besar ukuran subgrup batas kontrol semakin sempit (semakin
mendekat Garis Tengah) peta semakin ketat kendali akan semakin
ketat peta akan semakin sensitif terhadap variasi
b. Semakin besar ukuran subgrup biaya inspeksi akan semakin besar pula
c. Jika test yang dilakukan bersifat merusak & mahal, maka ukuran subgrup
cukup kecil saja.
d. Untuk bentuk distribusi Normal minimal ukuran subgrup = 4
e. Jika ukuran subgrup > 10 lebih baik digunakan peta daripada peta R
5. Menyiapkan format untuk membuat data
6. Menentukan metoda pengukuran / pemeriksaan

II. Pembuatan Peta Kontrol X dan R awal :

1. Mengumpulkan dan mencatat data
Jumlah data umumnya diambil > 100, dimana semuanya harus diambil dari
proses yang sama secara berurut.
Ukuran subgrup n (ukuran sampel)
Jumlah subgrup k
2. Menghitung nilai rata-rata X untuk tiap subgrup :
n

X 1 X 2 X 3 ..... X n X i
X i 1
n n
3. Menghitung nilai R untuk setiap subgrup :
R = X maksimum X minimum
4. Menentukan jumlah subgrup yang diinginkan (k)

5. Menghitung nilai rata-rata X (menjadi X ) :

k

X 1 X 2 X 3 ..... X n
Xi
X i 1
k k
6. Menghitung nilai rata-rata jangkauan ( R ) :
k

R 1 R 2 R 3 ..... R n R i
R i 1
k k
7. Menghitung batas kontrol atas dan bawah X :
a. Bila diketahui :
BKA X = X + X Untuk 3 :
BKA X = X + A
GT X = X
GT X = X
BKB X = X X
BKA X = X A
'
X
n

b. Bila tidak diketahui diperkirakan dari R :

R
'
d2 R
X
' d2 n
X
n
3R
Untuk 3 3 X A2 R
d2 n

Jadi : BKA X = X + A 2 . R
GT X = X
BKB X = X A 2 . R

c. Bila tidak diketahui diperkirakan dari :

k

1 2 3 ..... n i
i 1
k k

' X
c2 c2 n
' 3
X 3 X A1
n c2 n

Jadi : BKA X = X + A 1 .
GT X = X
 BKB X = X A 1 .
Alasan penggunaan batas kendali sebesar 3 :
Secara empiris, batas kendali 3 adalah terbaik untuk memberikan
kesempatan agar variasi yang disebabkan oleh Chance Causes tidak
keluar, tapi Assignable Causes keluar.
Mempunyai luas daerah yang besar : probabilitas = 0,9973. Probabilitas yg
keluar = 0,0027 , dengan syarat bahwa proses tidak berubah.
Kemudahan untuk melakukan perhitungan karena tabel tersedia.
8. Menghitung batas kontrol atas dan bawah R
9. Memplot titik-titik harga X , R dan batas-batas kontrol

Bagan Peta Kendali Variabel :

METODA PETA X PETA R PETA

dan diketahui
GT = X GT = d 2 . GT = c 2 .
1. X
(diasumsikan) BKA = X + A . BKA = D 2 . BKA = B 2 .
BKB = X A . BKB = D 1 . BKB = B 1 .

GT = X GT = R
2. X dan diestimasi
BKA = X + A 2 . R BKA = D 4 . R
dari X dan R
BKB = X A 2 . R BKB = D 3 . R

GT =X GT =
3. X dan diestimasi
BKA = X + A 1 . BKA = B 4 .
dari X dan
BKB = X A 1 . BKB = B 3 .

III. Mengambil keputusan dari Peta X dan R :

1. Mengidentifikasikan peta kontrol apakah terkendali atau tidak.
(Tidak terkendali apabila ada titik yang berada di luar batas kontrol atau ada
kecenderungan)
2. Menginterpretasikan hubungan antara proses yang terjadi dengan tindakan-
tindakan yang harus dilakukan.
3. Cari penyebab dan perbaiki misal : menggunakan Fishbone Diagram

IV. Penggunaan Peta Kendali lebih lanjut :

1. Mengadakan revisi terhadap batas-batas kendali Peta X dan R :
Amati titik-titik pengamatan yang keluar dari batas kendali
Jika analisis dari data awal menunjukkan keadaan terkendali, maka X dan
R dapat dijadikan nilai standar proses yaitu : X O dan RO
Bila ada tanda-tanda proses tidak terkendali, cari sebab lalu perbaiki.
 Data-data diluar batas kendali tdk digunakan, harga X dan R perlu untuk
di koreksi bila :
a. penyebab sudah ditemukan
b. penyebab sudah dihilangkan / diperbaiki
Bila ke-2 hal tersebut belum dilakukan, maka data tidak usah dibuang
(data yang diluar batas kendali tetap digunakan).
Bila telah dilakukan sesuatu perubahan pada proses, maka data sudah tidak
mencerminkan proses dan batas perlu diganti.
Rumus Revisi Peta Kontrol :

PETA X PETA R PETA

X new X o
X - X d
R new R o
R - R d
new o - d
k - kd k - kd k - kd
GT = X o GT = d 2 . o = Ro GT = c 2 . o
BKA = X o + A . o BKA = D 2 . o BKA = B 2 . o
BKB = X o A . o BKB = D 1 . o BKB = B 1 . o
Ro o
o ' o '
d2 c2

2. Menggunakan Peta X dan R sebagai dasar untuk mengambil tindakan proses.

Contoh Soal :
Diketahui data hasil pengukuran volume minuman botol 200 ml sbb :
Data ke -
No
1 2 3 4
1 200,5 197,5 196 196
2 192,9 194,5 196 197,5
3 192,9 194,5 194,5 196
4 191,4 189,9 189,9 196
5 196 197,5 199 197,5
6 192,9 196 197,5 194,5
7 197,5 197,5 200,5 202
8 194,5 197,5 197,5 197,5
9 196 196 196 199
10 196 196 196 196

a. Buatlah peta kendali yang sesuai untuk data tersebut diatas !

b. Apakah seluruh subgrup sudah terkendali ?
c. Jk tidak terkendali, susun peta kendali revisinya ! (asumsi : cacat akibat
assignable causes)
Jawab :
Data ke -
No. X R
1 2 3 4
1 200,5 197,5 196 196 197,500 4,5
2 192,9 194,5 196 197,5 195,225 4,6
3 192,9 194,5 194,5 196 194,475 3,1
4 191,4 189,9 189,9 196 191,800 6,1
5 196 197,5 199 197,5 197,500 3,0
6 192,9 196 197,5 194,5 195,225 4,6
7 197,5 197,5 200,5 202 199,375 4,5
8 194,5 197,5 197,5 197,5 196,750 3,0
9 196 196 196 199 196,750 3,0
10 196 196 196 196 196,000 0,0
TOTAL 1960,600 36,40

Diketahui :
k k

i 1
X i = 1960,600 R
i 1
i = 36,40

k = 10 k = 10
n=4 n=4
k k

Xi 1960,600 R i
36,40
X i 1
196,06 R i 1
3,64
k 10 k 10
a. Peta Kendali yang sesuai : Peta Kendali Variabel ( Peta X dan R )
Peta X :
BKA X = X + A 2 . R = 196,06 + ( 0,729 * 3,64 ) = 198,714
GT X = X = 196,06
BKB X = X A 2 . R = 196,06 ( 0,729 * 3,64 ) = 193,406
Peta Kendali X

200,500
199,000
197,500
196,000
X

194,500
193,000
191,500
190,000
1 2 3 4 5 6 7 8 9 10

Subgrup
 Data yg keluar : data ke-4 dan 7
Peta R :
BKA = D 4 . R = 2,282 * 3,64 = 8,306
GT = R = 3,64
BKB = D 3 . R = 0 * 3,64 = 0
Peta Kendali R

9,0

7,5

6,0
R

4,5

3,0

1,5

0,0
1 2 3 4 5 6 7 8 9 10

Subgrup

Tidak ada data yang keluar.

b. Subgrup belum terkendali, masih ada 2 data yang diluar batas kontrol, yaitu data
ke-4 dan 7, sehingga perlu untuk direvisi (dimana, telah diasumsikan bahwa cacat
diakibatkan dari assignable causes).
c. Peta Kendali Variabel Revisi :

X new X o
X - X d

1960,600 - ( 191,800 199,375 )
196,178
k - kd 10 - 2

R new R o
R - Rd

36,40 - ( 6,1 4,5 )
3,225
k - kd 10 - 2

Ro 3,225
o ' 1,566
d2 2,059

Peta X - Revisi :
BKA = Xo + A . o = 196,178 + ( 1,5 * 1,566 ) = 198,528
GT = Xo
BKB = Xo A . o = 196,178 ( 1,5 * 1,566 ) = 193,829

Peta kendali sudah di revisi

 Peta Kendali X - Revisi

199,500

198,000

196,500
X

195,000

193,500

192,000
1 2 3 4 5 6 7 8

Subgrup

Peta R Revisi :
BKA = D 2 . o = 4,698 * 1,566 = 7,358
GT = d 2 . o = Ro = 3,225
BKB = D 1 . o = 0 * 1,566 = 0
Peta Kendali R - Revisi

9,000

7,500

6,000
R

4,500

3,000

1,500

0,000
1 2 3 4 5 6 7 8

Subgrup

Peta kendali sudah di revisi

 Soal-soal :
1. Dalam suatu perusahaan, diadakan pengamatan terhadap dimensi tebal produk
potongan kayu. Diambil sebanyak 10 subgrup yang masing-masing terdiri dari 4
potongan kayu, dengan data hasil pengamatan sbb : (mm)
Subgrup Hasil Pengamatan Subgrup Hasil Pengamatan
1 495 500 510 475 6 500 500 545 475
2 440 520 540 480 7 578 500 470 530
3 525 625 550 550 8 530 540 470 460
4 722 727 690 605 9 523 532 547 500
5 700 798 750 720 10 596 528 540 500

a. Buatlah peta kendali yang sesuai untuk data tersebut diatas !

b. Apakah variabilitas dalam subgrup terkendali ?
c. Jika tidak terkendali, susun peta kendali revisinya ! (asumsi : cacat akibat
assignable causes)

2. Sebuah mesin produksi tidak selamanya beroperasi dengan baik, sehingga perlu
disesuaikan. Untuk mengetahui apakah mesin berjalan dgn baik perlu dibuat
peta kendali. Dikumpulkan sampel (berukuran 5) sbb :
Subgrup X R Subgrup X R
1 35,4 3 7 34,0 4
2 34,0 4 8 35,1 3
3 36,4 4 9 33,7 7
4 34,9 4 10 32,8 8
5 33,5 5 11 33,5 3
6 31,1 6 12 34,2 9

Buat peta kontrolnya, apakah proses terkendali ? Kalo tidak terkendali, susunlah
peta revisinya (asumsi : cacat akibat assignable causes)!

3. Diketahui data kekuatan plastik (kg/mm2) dengan ukuran subgrup 4 sbb :

X : 482,5 503,7 477,8 497,8 500,2 490,2 488,9 460,7 500,1
R : 25,2 23,1 26,6 30,2 27,7 23,6 24,0 22,7 22,8
Buat peta kontrolnya, apakah proses sudah terkendali ? Kalo tidak, susunlah
peta revisinya !

4. Berikut ini data hasil pengukuran selama 10 hari terhadap 4 buah produk baja.
Subgrup Hasil Pengamatan Subgrup Hasil Pengamatan
1 77,4 77,8 66,1 89,1 6 75,4 76,0 82,8 83,4
2 72,6 74,0 79,2 70,6 7 71,1 75,6 81,6 86,1
3 67,4 70,4 86,4 89,4 8 76,6 77,4 81,8 82,6
4 70,6 74,0 79,2 82,6 9 75,3 78,0 79,6 82,3
5 73,5 75,0 79,0 80,5 10 72,2 75,2 81,2 84,2
 Buat peta kontrolnya, apakah proses terkendali ? Kalo tidak terkendali, susunlah
peta revisinya (asumsi : cacat akibat assignable causes)!
Klasifikasi keadaan tak terkendali ( Lack of Control ) :
Ada 3 bentuk perubahan proses, yaitu :
1. Perubahan hanya pada rata-rata ( dilihat dari X )
2. Perubahan hanya pada sebaran ( dilihat dari R atau )
3. Perubahan pada rata-rata dan sebaran :

tetap
X bergeser sementara

tetap
X bergeser tidak tetap

tetap
X bergeser bertahap

bertambah besar
X tetap

bergeser tak tetap

X bergeser tak tetap
Kondisi tak terkendali yang terlihat melalui peta X atau peta p adalah bila terjadi
kondisi sbb :
1. Beberapa titik (nilai X atau p) keluar dari batas kendali (termasuk titik yang tepat
terletak pada batas kendali).
Untuk proses yang sudah sangat baik atau terkendali selama periode yang
panjang, proses dikatakan tidak terkendali jika :
a. Dari 35 titik berurutan, terdapat lebih dari 1 titik di luar batas kendali
b. Dari 100 titik berurutan, terdapat lebih dari 2 titik di luar batas kendali
c. Berulang :

Karakteristik BKA
Mutu

GT

BKB

No. Sampel

d. Terjepit :

BKA
Karakteristik
Mutu

GT

BKB

No. Sampel

BKA
Karakteristik
Mutu

GT

BKB

No. Sampel
 e. Pelompatan :

Karakteristik BKA
Mutu

GT

BKB

No. Sampel

2. Titik yang mengelompok menunjukkan bentuk-bentuk khusus, meskipun masih

dalam batas kendali.
a. Deret :

Karakteristik BKA
Mutu

GT

BKB

No. Sampel

b. Kecenderungan :

Karakteristik BKA
Mutu

GT

BKB

No. Sampel
 Hubungan antara Penyebaran Proses dengan Batas Spesifikasi :
Spesifikasi adalah batas-batas ukuran hasil yang dapat diterima oleh konsumen.
Contoh : diketahui batas spesifikasi : 15,3 0,025
Spesifikasi Atas (SA) = 15,3 + 0,025 = 15,325
Spesifikasi Bawah (SB) = 15,3 0,025 = 15,275
Spesifikasi ditentukan oleh perancang produk untuk memenuhi fungsi tertentu,
ditentukan untuk masing-masing benda ( bukan untuk kelompok ).
Spesifikasi jarang digambarkan dalam peta kendali.
Hubungan antara Sebaran Proses dan Spesifikasi :
Jika spesifikasi ditentukan oleh perancang produk tanpa memperhatikan sebaran
prosesnya akan menimbulkan kesalahan
Ada 3 macam situasi yang mungkin terjadi :
Out of Control
1. KASUS I : 6 < SA SB
SA

BKA

SA SB 6 X0

BKB
kondisi yg tidak diinginkan,
kondisi yg diinginkan tetapi tidak ada Waste
SB

SA

SA SB 6 X0 B C

SB

A : kondisi ideal SA : Spesifikasi Atas

B : perubahan rata-rata proses SB : Spesifikasi Bawah
C : perubahan sebaran proses
 Kondisi ini masih dapat dikatakan baik karena perubahan rata-rata dan sebaran
proses tidak menimbulkan defektif ( Waste ).
2. KASUS II : 6 = SA SB

Waste
Out of Control
SA
BKA

SA SB 6 X0 kondisi yg tidak
diinginkan, krn ada
Out of Control &
Waste
BKB
SB
Memuaskan

Rework

Waste
SA

B
A

SA SB 6 X0 C

SB
Scrap

A : menunjukkan batas spesifikasi berimpitan dengan batas 6 (SA SB)

kondisi yang cukup baik tetapi masih perlu pengendalian secara ketat
B : terjadi perubahan rata-rata proses
sehingga proses harus digeser ke bawah dan memperkecil variabilitas
C : penyetelan sudah tepat, tapi variabilitas terlalu besar sehingga akan
selalu ada hasil yang tidak memenuhi syarat.
Bila ongkos : rework < scrap, geser proses bila variabilitas memang
tidak bisa diperkecil
3. KASUS III : 6 > SA SB Selalu Dihindarkan!

Waste
Out of Control

SA
BKA

SA SB 6 X0

BKB
SB
kondisi yg tidak diinginkan,
Out of Control dan Waste
kondisi yg tidak diinginkan, dimana
proses In Control namun ada Waste

Rework

Rework
SA

SA SB 6 A B

SB
Scrap

A : pola baik, simetris tetapi menghasilkan produk yg tidak memenuhi syarat

(Rework dan Scrap)
B : bentuk sangat lancip, perlu pengendalian ketat
C : bila ongkos rework < ongkos scrap

Kasus ini selalu ingin dihindarkan.

Pemecahan untuk kasus ini :
a. Diskusi dengan perancang produk kemungkinan untuk memperlebar
SA SB
b. Inspeksi 100 % terhadap barang-barang yg rusak ganti (tidak ekonomis)
c. Ubah sebaran proses agar menjadi lebih lancip (seperti dengan mengubah
material, operator yang lebih terampil, mesin baru, pengendalian proses
otomatis, dll)
d. Ubah rata-rata proses sehingga semua produk cacat terjadi pada 1 sisi.
 Scrap & Rework :

Scrap Rework

SB SA

BSB - BSA -
Z1 Z2
' '
% Scrap = P (Z 1) % Rework = P (Z 2)

Contoh :
Diketahui sebuah produk pipa dibuat dengan diameter 12,5 mm dengan toleransi
0,05 mm. Bila garis tengah proses () = 12,5 mm dan simpangan bakunya adalah
0,02 mm (').
a. Berapa % produk yang scrap dan rework ?
b. Berapa nilai garis tengah proses jika % scrap dihilangkan? Berapa % rework?
Jawab :
Diketahui : SA = 12,5 + 0,05 = 12,55 mm
SB = 12,5 0,05 = 12,45 mm
a. % produk yang scrap dan rework :
BSB - 12,45 - 12,5
Z1 - 2,5 P (Z 1) = 0,0062 = 0,62 %
' 0,02
Produk Scrap = 0,62 %

BSA - 12,55 - 12,5

Z2 2,5 P (Z 2) = 1 - 0,9938 = 0,0062
' 0,02
Produk Rework = 0,0062 = 0,62 %

Scrap = 0,62 % Rework = 0,62 %

- 2,5 2,5
b. Berapa nilai garis tengah proses jika % scrap dihilangkan? Berapa % rework?
Produk Scrap = 0 % P (Z 1) = 0,0000 Z 1 = - 3,59
 BSB - 12,45 -
Z1 - 3,59 = 12,52 mm
' 0,02
BSA - 12,55 - 12,52
Z2 1,5 P (Z 2) = 1 - 0,9332 = 0,0668
' 0,02
Produk Rework = 0,0668 = 6,68 %

Scrap = 0 % Rework = 6,68 %

- 3,59 1,5

Process Capability :
Process Capability : adalah kemampuan dari proses untuk memenuhi spesifikasi
Proses terkendali setiap hasil selalu memenuhi spesifikasi
Spesifikasi distribusi X ()
Batas Kendali distribusi X ( X )

Makin mampu suatu proses dalam menghasilkan produk yg memenuhi spesifikasi

maka dapat dikatakan proses makin capable.
SA

Hampir semua produk memenuhi

spesifikasi dan proses in control,
variasi kecil (hampir tidak ada cacat)
(Kasus II dan Kasus I)

SB

Untuk mengukur Process Capability, digunakan suatu Index, yi : Capability

Index ( dilambangkan : Cp )
BSA - BSB
Cp
6'
Digunakan angka 6 karena ukuran 3
 Kasus I : BSA BSB > 6 Cp > 1
SA

BKA

Semua produk memenuhi spesifikasi
SA SB 6 X0 Kondisi Cp > 1 Capable

BKB

SB

BSA - BSB 8
Ilustrasi : C p = = 1,33
6' 6

Process Centered :

6


Cp = 1,33
Cpk = 1,33


SB X0 SA

Process Off Center 1 :

6


Cp = 1,33
Cpk = 1,00


SB X0 SA




 Kasus II : BSA BSB = 6 Cp = 1

SA

BKA

Cp = 1, menunjukkan bhw BSA BSB = 6
SA SB 6 X0 (jadi hanya ada 0,27 % produk yang tidak
memenuhi spesifikasi)

BKB
SB
Memuaskan


BSA - BSB 6
Ilustrasi : C p = = 1,00
6' 6

Process Centered :

6


Cp = 1,00
Cpk = 1,00


SB X0 SA

Process Off Center 1 :

6


Cp = 1,00
Cpk = 0,67


SB X0 SA





 Kasus III : BSA BSB < 6 Cp < 1


SA
BKA

Banyak produk yang tidak

SA SB 6 X0 memenuhi spesifikasi
Proses tidak Capable

BKB
SB

BSA - BSB 4
Ilustrasi : C p = = 0,67
6' 6

Process Centered :

6


Cp = 0,67
Cpk = 0,67


SB X0 SA

Process Off Center 1 :

6


Cp = 0,67
Cpk = 0,33


SB X 0 SA


Sebaiknya nilai : Cp 1 Cp semakin besar semakin baik
Secara umum, dalam proses, nilai Cp yang lebih baik apabila : Cp 1,33
 Kelemahan dari Indeks Capability (Cp) adalah tidak memperhatikan letak Center
Line.

SA

A = B Cp sama
Padahal B lebih Capable dari A
B

SB

Indeks Cp hanya dapat dipakai jika Center Line ( X ) sudah berada di tengah-tengah
spesifikasi, karena itu dipakai indeks lain yaitu :
BSA - - BSB
C pk min ;
3 ' 3 '
dipakai nilai minimal karena ingin diambil resiko terburuk sebagai bahan
analisa

Catatan :
1. Nilai indeks Cp tidak akan berubah walau terjadi perubahan pada Center Line atau
Process Center.
2. Nilai Cp = Cpk ketika proses berada ditengah ( centered ).
3. Nilai Cpk selalu lebih kecil atau sama dengan nilai Cp. Nilai dari : Cpk Cp
4. Nilai Cpk secara de facto standard = 1 yang menunjukkan bahwa proses dapat
membuat produk yang sesuai dengan spesifikasi yang diinginkan.
5. Jika nilai Cpk < 1 menunjukkan bahwa proses tidak dapat membuat produk
yang sesuai dengan spesifikasi yang diinginkan.
6. Jika nilai Cp < 1 menunjukkan proses tidak mampu ( not capable ).
7. Jika nilai Cpk = 0 menunjukkan bahwa rata-rata proses sama dengan salah satu
batas spesifikasi.
8. Jika nilai Cpk negatif menunjukkan bahwa rata-rata proses berada di luar batas
spesifikasi.

The capability index ( Cp ) does not measure process performance in terms

of the nominal or target value. This measure is accomplished using Cpk
 Contoh Soal :
Diketahui spesifikasi produk : 150 mm 20 mm dan ukuran subgrup = 4. Setelah
diambil 50 subgrup, diperoleh nilai : X = 8000 ; R = 900.
a. Tentukan batas-batas kendali untuk peta X dan R !
b. Berapa % produk yang tidak memenuhi spesifikasi ?
c. Berapa nilai Cp dan Cpk dari proses ?
Jawab :
Diketahui : SA = 150 + 20 = 170 n=4 k=4
SB = 150 20 = 130 A 2 = 0,729 D3 = 0
X = 8000 d 2 = 2,059 D 4 = 2,282
R = 900
k k

Xi 8000 R i
900
X i 1
160 R i 1
18
k 50 k 50

a. Tentukan batas-batas kendali untuk peta X dan R !

Peta X :
BKA X = X + A 2 . R = 160 + ( 0,729 * 18 ) = 173,122
GT X = X = 160
BKB X = X A 2 . R = 160 ( 0,729 * 18 ) = 146,878

Peta R :
BKA = D 4 . R = 2,282 * 18 = 41,076
GT = R = 18
BKB = D 3 . R = 0 * 18 = 0

b. Berapa % produk yang tidak memenuhi spesifikasi ?

R 18
' 8,742
d2 2,059
BSB - 130 - 160
Z1 - 3,43 P (Z 1) = 0,00030 = 0,03 %
' 8,742
Produk Scrap = 0,03 %

BSA - 170 - 160

Z2 1,14 P (Z 2) = 1 - 0,8729 = 0,1271
' 8,742
Produk Rework = 0,1271 = 12,71 %
 c. Berapa nilai Cp dan Cpk dari proses ?
BSA - BSB 170 - 130
Cp 0,763 process not capable
6' 6 * 8,742

BSA - - BSB
C pk min ;
3 ' 3 '
170 - 160 160 - 130
min ;
3 * 8,742 3 * 8,742
min 0,381 ; 1,144
C pk 0,381
Cpk < 1 menunjukkan bahwa proses tidak dapat membuat produk yang sesuai
dengan spesifikasi yang diinginkan

Soal-soal :
1. Sebuah msn produksi tidak selamanya beroperasi dengan baik, sehingga perlu
disesuaikan. Untuk mengetahui apakah mesin berjalan dengan baik perlu dibuat
peta kendali. Dikumpulkan sampel (berukuran 5) :
X 35,4 34,0 36,4 34,9 33,5 31,1 34,0 35,1 33,7 32,8 33,5 34,2
R 3 4 4 4 5 6 4 3 7 8 3 9

a. Buat peta kontrolnya, apakah data terkendali ? Kalo tdk, susun peta revisinya !
b. Jika batas spesifikasi 1,44, berapa % produk yg ditolak berdasarkan
data diatas ?
c. Dgn menggunakan batas spesifikasi diatas, hitung nilai Cp dan Cpk nya !

2. Suatu produk dibuat dengan SA = 32,67 cm dan SB = 30,21 cm. Jika produk
berdistribusi normal, dengan rata-rata 31,88 cm dan standar deviasi 0,83 cm, maka
tentukan :
a. Berapa % scrap dan % rework nya ?
b. Jika diinginkan hanya 0,19 % scrap, berapa nilai rata-rata proses baru-nya dan
berapa % rework yang diperoleh ?

3. Dlm proses pembuatan bearing, dibuat peta kendali unk diameter luar bearing,
dgn ukuran subgrup = 4. Dari 20 subgrup, diperoleh X = 41,283, R = 0,3.
Batas spesifikasi produk : 2,060 0,020. Biaya rework = Rp. 1000,-/pcs, biaya
scrap = Rp. 25.000,-/pcs. Proses diatas terkendali dan mempunyai dist. normal.
Hitunglah :
a. Cp dan Cpk.
b. Estimasi biaya rework dan scrap untuk proses diatas.
 c. Apabila proses distel, sehingga = 2,06, sedangkan simp. bakunya tetap,
apakah proses ini akan lebih menguntungkan ?
4. Data yang diperoleh dari 40 kelompok sampel dengan masing-masing 5
pengukuran hasil pembubutan poros, diperoleh nilai X = 98,57 dan R = 0,312
a. Hitunglah batas kendali peta X dan R !
b. Berapa taksiran nilai dari proses ?
c. Bila spesifikasi yang diminta adalah 98,07 0,57,

5. Diketahui spesifikasi barang yang diinginkan adalah antara 12,5 s/d 16,7.
a. Jika diinginkan semua barang yang diproduksi memenuhi spesifikasi, maka
tentukan nilai dan nya !
b. Jika nilai rata-rata berubah menjadi 13,7, simpangan bakunya tetap (dari no.
a), maka berapa % kemungkinan perubahan ini masih dapat diterima ?

6. Suatu proses telah terkendali dng menggunakan peta kendali X dan R. Batas
spesifikasi : USL = X + 3 dan LSL = X - 3,2 . Tiba-tiba terjadi perubahan
proses, harga rata-rata populasi bergeser dari X menjadi X + 1,5 , tetapi nilai
standar deviasi-nya tetap. Bila distribusi populasi sebelum dan sesudah perubahan
adalah normal & ukuran subgrupnya 3, maka hitung :
a. Probabilitas dari hasil produksi keluar dari batas spesifikasi.
b. Cp dan Cpk sebelum dan sesudah terjadinya perubahan.

7. Suatu peta kendali telah digunakan untuk memonitor proses selama periode yang
cukup lama. Ukuran subgrup = 4 dengan interval waktu kira-kira 2 jam. Peta
kendali X dengan batas 3 adalah 121 dan 129 dengan rata-rata proses X 0 = 125.
a. Jika produk dijual kepada konsumen yang memiliki spesifikasi 127 8,
berapa % produk yang tidak memenuhi spesifikasi ini?
b. Jika rata-rata proses diubah tanpa mengubah standar deviasinya, berapa nilai
rata-rata proses baru yang harus ditargetkan untuk meminimasi jumlah produk
yang tidak memenuhi spesifikasi?
c. Dengan nilai rata-rata proses yang baru ini (dari no. b), berapa % produk yang
tidak memenuhi spesifikasi ?

8. Perusahaan yang memproduksi oil seal, menyatakan bahwa rata-rata oil seal yang
diproduksinya memiliki ketebalan 49,15 mm dan standar deviasi 0,51 mm. Data
berdistribusi Normal. Jika ketebalan seal dibawah BSB (yaitu : 47,8 mm), maka
produk itu harus diperbaiki (rework) ; jika ketebalan di atas BSA (yaitu 49,8 mm),
maka produk seal harus dibuang (scrap).
a. Berapa % seal yang harus diperbaiki dan berapa % seal yang dibuang ?
b. Bila ternyata nilai rata-rata proses telah berubah menjadi 48,5 mm, berapa %
kesalahan tipe 2 yang terjadi ?
 c. Bila perbaikan lebih murah daripada dibuang, tindakan apa yg harus dilakukan
oleh perusahaan (jika dilihat dari keadaan semula) ?

B. PETA KENDALI ATRIBUT

Atribut : mengacu pada karakteristik kualitas yang memenuhi spesifikasi atau tidak.
Atribut produk bagus / baik atau produk defective

2 alasan pengamatan Atribut dilakukan :

1. Jika pengukuran tidak mungkin dilakukan
2. Jika pengukuran dapat dilakukan tetapi butuh waktu lama, mahal, sulit, dll.

Keterbatasan Peta Variabel :

1. Tidak dapat digunakan untuk karakteristik kualitas atribut (cacat pada produk)
2. Dalam manufaktur sangat banyak variabel yang terlibat mahal dan tidak praktis

Tipe Peta Kendali Atribut :

1. Peta Kendali Atribut untuk Defective
Defective mengacu pada seluruh unit
Dasar : Distribusi Binomial
Jenis Peta Kendali Atribut untuk Defective : Peta p dan Peta np
2. Peta Kendali Atribut untuk Defect
Defect karakteristik kualitas (cacat produk)
Dasar : Distribusi Poisson
Jenis Peta Kendali Atribut untuk Defect : Peta c dan Peta u

Peta Kendali Atribut untuk Defective

I. Peta p :
Peta p merupakan peta kontrol fraksi / bagian yang tidak memenuhi syarat.
Peta p menunjukkan proporsi cacat (cacat keseluruhan).
Rumus :

p
np
p
np
n n
dimana : p = proporsi defective
n = jumlah sampel per subgrup
np = jumlah defektif dalam subgrup

Tujuan Peta p :
a. Menentukan rata-rata kualitas.
b. Menarik perhatian manajemen tentang perubahan rata-rata
c. Memperbaiki kualitas
 d. Evaluasi prestasi dari manajemen operasi dan personel
e. Memperkirakan pemakaian peta X dan R
f. Menentukan kriteria penerimaan
Peta p dapat digunakan untuk n tetap atau bervariasi

Langkah-langkah pembuatan Peta p :

1. Menentukan tujuan :
Peta p dibuat untuk mengendalikan fraksi defective :
a. Karakteristik kualitas tunggal
b. Kelompok karakteristik tunggal
c. Suatu bagian
d. Keseluruhan produk
e. Sejumlah produk
Peta p juga dapat digunakan untuk mengendalikan performance : operator,
stasiun kerja, departemen, shift, pabrik, perusahaan.

2. Tentukan subgrup :
Penentuan ukuran subgrup (n) perlu diadakan penelitian pendahuluan
terlebih dahulu supaya peta lebih baik
Pengelompokan data :
Untuk proses kontinu : sesuai urutan produksi
Untuk job order : sesuai jadwal produksi

3. Mengumpulkan dan mencatat data.

Ukuran subgrup / jumlah sampel (n) dapat tetap atau bervariasi.

4. Tentukan harga p dan batas-batas kendali :

p
np
p
np
n n
Standar deviasi untuk p : p = p (1- p )

n
Untuk 3 :
GT p
p (1- p )
BKA / BKB p 3
n

Jika nilai BKB < 0 nilai BKB = 0

Untuk n tetap BKA dan BKB sama untuk tiap subgrup data.
Untuk n variasi BKA dan BKB berbeda-beda, disesuaikan dengan
nilai n tiap subgrup data pengamatan.
 5. Plot titik-titik p dan batas kendali dalam grafik Scatter Plot

6. Jika ada data yang keluar dari Batas Kendali, perbaiki dan revisi.

p new po
np - np d

n - n d

po ( 1 - po )
BKA / BKB p o 3
n

dimana : np d = jumlah defective yang keluar batas

nd = jumlah subgrup yang keluar batas
Contoh Soal :
1. Pada bulan Mei di pabrik garment HATEX dilakukan pemeriksaan dengan
n = 200 dan frekuensi pengambilan subgrup 15 kali.
Data yang diperoleh adalah sbb :
Subgrup Jumlah diperiksa (n) Jumlah Defective (np) Bagian ditolak (p)
1 200 7 0,035
2 200 3 0,015
3 200 20 0,100
4 200 11 0,055
5 200 21 0,105
6 200 5 0,025
7 200 4 0,020
8 200 6 0,030
9 200 8 0,040
10 200 10 0,050
11 200 4 0,020
12 200 3 0,015
13 200 8 0,040
14 200 8 0,040
15 200 2 0,010
TOTAL 3000 120

a. Tentukan batas-batas kontrol peta p !

b. Apakah proses terkendali ? Bila tidak, buat revisinya !
Jawab :

p
np
120
0,04
n 3000
GT p 0,04
p (1- p ) 0,04 ( 1 - 0,04 )
BKA p 3 0,04 3 0,0816
n 200
p (1- p ) 0,04 ( 1 - 0,04 )
BKB p 3 0,04 3 - 0,0016 0
n 200

Peta p

0,120

0,100

0,080 BKA
p

0,060
0,040 GT

0,020

0,000 BKB
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Subgrup

Proses tidak terkendali, karena masih ada data yg keluar dari Batas
Kendali, yaitu data ke : 3 dan 5 revisi
Peta p - Revisi :

p new p o
np - np d

120 - ( 20 21 )
0,0304
n - n d 3000 - ( 200 200 )

p0 ( 1 - p0 ) 0,0304 ( 1 - 0,0304 )
BKA p 0 3 0,0304 3 0,0668
n 200
p0 ( 1 - p0 ) 0,0304 ( 1 - 0,0304 )
BKB p 0 3 0,0304 3 - 0,006 0
n 200

Peta p - Revisi

0,070
BKA
0,060
0,050
0,040
p

0,030 GT
0,020
0,010
0,000 BKB
0 1 2 3 4 5 6 7 8 9 10 11 12 13
S ubgrup
 Peta kendali sudah di revisi.

2. Suatu pemeriksaan karakteristik mutu terhadap produk X dengan jumlah

inspeksi sebanyak 10 subgrup :

Subgrup Jumlah diperiksa (n) Jumlah Defective (np) Bagian ditolak (p)
1 200 7 0,035
2 300 3 0,010
3 200 20 0,100
4 250 11 0,044
5 220 21 0,095
6 200 5 0,025
7 250 4 0,016
8 300 6 0,020
9 200 8 0,040
10 220 10 0,045
TOTAL 2340 95

a. Tentukan batas-batas kontrol Peta p 3 !

b. Apakah proses terkendali ? Jika tidak, buat revisinya !

Jawab :

p
np
95
0,0406 GT p 0,0406
n 2340

Karena soal diatas n bervariasi, maka nilai Batas Kendali Atas (BKA) dan
Batas Kendali Bawah (BKB) tiap subgrup berbeda.

Misalkan untuk n = 200, maka diperoleh nilai Batas Kendali sbb :

p (1- p ) 0,0406 ( 1 - 0,0406 )

BKA p 3 0,0406 3 0,0825
n 200
p (1- p ) 0,0406 ( 1 - 0,0406 )
BKB p 3 0,0406 3 - 0,0013 0
n 200
 Jumlah Jumlah Bagian
Subgrup BKA GT BKB
diperiksa (n) Defective (np) ditolak (p)
1 200 7 0,035 0,0825 0,0406 -0,0013 0
2 300 3 0,010 0,0748 0,0406 0,0064
3 200 20 0,100 0,0825 0,0406 -0,0013 0
4 250 11 0,044 0,0780 0,0406 0,0032
5 220 21 0,095 0,0805 0,0406 0,0007
6 200 5 0,025 0,0825 0,0406 -0,0013 0
7 250 4 0,016 0,0780 0,0406 0,0032
8 300 6 0,020 0,0748 0,0406 0,0064
9 200 8 0,040 0,0825 0,0406 -0,0013 0
10 220 10 0,045 0,0805 0,0406 0,0007
TOTAL 2340 95

Peta p

0,120

0,100

0,080 BKA
p

0,060

0,040 GT

0,020

0,000 BKB
0 1 2 3 4 5 6 7 8 9 10
Subgrup

Proses tidak terkendali, karena masih ada data yg keluar dari Batas
Kendali, yaitu data ke : 3 dan 5 revisi

Peta p - Revisi :

p new p o
np - np d

95 - ( 20 21 )
0,0281
n - n d 2340 - ( 200 220 )

Karena soal diatas n bervariasi, maka nilai Batas Kendali Atas (BKA) dan
Batas Kendali Bawah (BKB) tiap subgrup berbeda.
Misalkan untuk n = 200, maka diperoleh nilai Batas Kendali sbb :

p0 ( 1 - p0 ) 0,0281 ( 1 - 0,0281 )
BKA p 0 3 0,0281 3 0,0632
n 200
p0 ( 1 - p0 ) 0,0281 ( 1 - 0,0281 )
BKB p 0 3 0,0281 3 - 0,0069 0
n 200

Jadi tabel data BKA dan BKB tiap subgrup hasil Revisi sbb :
 Jumlah Jumlah Bagian
Subgrup BKA GT BKB
diperiksa (n) Defective (np) ditolak (p)
1 200 7 0,035 0,0632 0,0281 -0,0069 0
2 300 3 0,010 0,0568 0,0281 -0,0005 0
3 250 11 0,044 0,0595 0,0281 -0,0032 0
4 200 5 0,025 0,0632 0,0281 -0,0069 0
5 250 4 0,016 0,0595 0,0281 -0,0032 0
6 300 6 0,020 0,0568 0,0281 -0,0005 0
7 200 8 0,040 0,0632 0,0281 -0,0069 0
8 220 10 0,045 0,0616 0,0281 -0,0053 0
TOTAL 1920 54

Peta p - Revisi

0,070
0,060 BKA
0,050
0,040
p

0,030 GT
0,020
0,010
0,000 BKB
0 1 2 3 4 5 6 7 8
Subgrup

Peta kendali sudah di revisi.

Adaptasi Peta p :
Krn masalah praktis, maka ada 2 peta yang merupakan pengembangan Peta p :
a. Peta Persentase Defective ( 100 p chart ) :
Nilai-nilai pada peta ini sama seperti perhitungan pada peta p, hanya ada
perubahan skala, yaitu dengan mengalikan 100.
Rumus Batas Kendali :
GT 100 * p
p (1- p )
BKA / BKB 100 * p 3
n

Contoh Soal :
Dari contoh sebelumnya (n tetap), diketahui bahwa :
np = 120
n = 3000
 n = 200
GT 100 * p 4

BKA 100 * p 3
p (1- p ) 100 * 0,04 3 0,04 ( 1 - 0,04 )
8,16
n 200


BKB 100 * p 3
p (1- p ) 100 * 0,04 3 0,04 ( 1 - 0,04 )
- 0,16 0
n 200

NB : Prosedur untuk mendapatkan dan menggunakan Peta 100 p sama

seperti Peta p.

b. Peta np
II. Peta np :
Hampir sama dengan peta p, tetapi peta np lebih mudah dalam perhitungan
karena hasil-hasil inspeksi dapat langsung dipetakan tanpa dilakukan proses
perhitungan sebelumnya.
Peta np menunjukkan jumlah defektif dalam suatu populasi.
Peta np digunakan untuk n tetap.
Rumus Peta np :

GT n p
np ; atau : GT n p n p
k

BKA / BKB n p 3 n p ( 1 - p )

Jika nilai BKB < 0 nilai BKB = 0

Rumus Peta np Revisi :

n p new n p o
np - np d

k - kd
atau : n p new n p o n p new n p o

BKA / BKB n po 3 n po ( 1 - po )
 Contoh Soal :
Pada bulan Mei di pabrik garment HATEX dilakukan pemeriksaan dengan n =
200 dan frekuensi pengambilan subgrup 15 kali. Data yg diperoleh adalah sbb
:
Subgrup Jumlah diperiksa (n) Jumlah Defective (np)
1 200 7
2 200 3
3 200 20
4 200 11
5 200 21
6 200 5
7 200 4
8 200 6
9 200 8
10 200 10
11 200 4
12 200 3
13 200 8
14 200 8
15 200 2
TOTAL 3000 120

Apakah proses terkendali ? Bila tidak, buat revisinya !

Jawab :

p
np
120
0,04
n 3000

GT = n p = 200 * 0,04 = 8

BKA n p 3 n p ( 1 - p ) 8 3 8 ( 1 - 0,04 ) 16,3138

BKB n p 3 n p ( 1 - p ) 8 3 8 ( 1 - 0,04 ) - 0,3138

Peta np

24

20

16 BKA
np

12

8 GT
4

0 BKB
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Subgrup
 Proses tidak terkendali, karena masih ada data yang keluar dari Batas Kendali,
yaitu data ke : 3 dan 5 revisi
Peta np - Revisi :

p new p o
np - np d

120 - ( 20 21 )
0,0304
n - n d 3000 - ( 200 200 )

GT = n p new n p o n p new n p o 200 * 0,0304 6,08

BKA n p o 3 n p o ( 1 - p o ) 6,08 3 6,08 ( 1 - 0,0304 ) 13,364

BKB n p o 3 n p o ( 1 - p o ) 6,08 3 6,08 ( 1 - 0,0304 ) - 1,204

Peta np - Revisi

15
BKA
12

9
np

6 GT
3

0 BKB
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Subgrup

Peta kendali telah di revisi.

Peta Kendali Atribut untuk Defect :
I. Peta c :
Peta c merupakan peta yang menunjukkan jumlah cacat (defect) yang diamati
dalam satu satuan inspeksi (spt : satu pesawat, satu radio, satu gulungan kain,
satu gulungan kabel, satu buku, dst).
Ukuran subgrup dari Peta c n = 1

Rumus Peta Kendali c :

GT c
c
k
BKA / BKB c 3 c
dimana : c = jumlah cacat
k = jumlah subgrup
 Rumus Peta Kendali c Revisi :

c new c o
c - c d

k - kd
BKA / BKB c o 3 c o

Dalam hal tertentu, lebih tepat bekerja dengan menggunakan jumlah defect
daripada fraction defective.
Contoh : dalam pemeriksaan :
Kain jumlah benang yang timbu, dirty spot ( tiap m 2 )
Gelas jumlah gelembung / bubble ( tiap 10 m 2 )
Radio jumlah cacat ( per unit radio )

Bentuk pengambilan keputusan dalam pemeriksaan dgn menggunakan peta :

Defective : Conform terima
Nonconform tolak
Defect : jumlah cacat tidak menyatakan terima atau tolak produk.

Non Conforming Non Conformities

Product (Defective) (Defect)
Ukuran Konstan np c
Sampel Konstan atau Bervariasi p u

Contoh Soal :
1. Diketahui : jumlah cacat total = 141 ; k = 25.
Tentukan batas kendali peta c !
Jawab :

GT c c
141
5,64
k 25
BKA c 3 c 5,64 3 5,64 12,76

BKB c 3 c 5,64 3 5,64 - 1,48 0

 2. Dari hasil penelitian terhadap beberapa roll kain tekstil selama 15 hari,
diperoleh data jumlah cacat sbb :
Roll Jumlah Defect Roll Jumlah Defect
1 7 9 9
2 6 10 9
3 6 11 8
4 7 12 5
5 4 13 5
6 7 14 9
7 8 15 8
8 10
TOTAL 108

Apakah proses terkendali ?

Jawab :

GT c
c
108
7,2
k 15
BKA c 3 c 7,2 3 7,2 15,2

BKB c 3 c 7,2 3 7,2 - 0,849 0

Peta c

16,00
BKA
12,00

8,00
c

GT
4,00

0,00 BKB
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Subgrup

II. Peta u :
Peta u merupakan peta yang menunjukkan banyaknya cacat (jumlah defect)
per unit dalam subgrup.
c
Peta u merupakan modifikasi dari Peta c ; dimana : u
n

Rumus Peta Kendali u :

 GT u
c
n
u
BKA / BKB u 3
n
dimana : u = jumlah cacat per unit dalam subgrup ( defect per unit )
u = rata2 banyaknya cacat per unit untuk beberapa subgrup
( rata-rata defect per unit )

Rumus Peta Kendali u Revisi :

u new u o
c - c d

n - n d

uo
BKA / BKB u o 3
n

Contoh Soal :
Berikut ini adalah hasil penelitian terhadap cacat pada produk kain tekstil :
n c u BKA BKB
Jan 30 110 120 1,091 1,425 0,819
Jan 31 82 94 1,146 1,472 0,771
Feb 01 96 134 1,396 1,446 0,797
Feb 02 115 143 1,243 1,418 0,825
Feb 03 108 97 0,898 1,427 0,816
Feb 04 120 145 1,208 1,412 0,832
Feb 05 98 128 1,306 1,443 0,801
Feb 06 103 105 1,019 1,435 0,809
Feb 07 113 116 1,027 1,421 0,823
Feb 08 115 119 1,035 1,418 0,825
Feb 09 99 93 0,939 1,441 0,802
Feb 10 101 132 1,307 1,438 0,805
Feb 11 122 100 0,820 1,409 0,834
Feb 12 98 134 1,367 1,443 0,801
Apakah jumlah cacat tiap unit produk untuk data diatas terkendali ?
Dari data diatas, diketahui bahwa :
n = 1480
c = 1660
Karena n bervariasi, maka nilai BKA dan BKB untuk tiap subgrup
berbeda, disesuaikan dengan nilai n dari tiap subgrup.
Sehingga, dapat disusun Batas Kendali sbb : (contoh, untuk bulan Jan 30 )
 GT u
c
1660
1,122
n 1480

u 1,122
BKA u 3 1,122 3 1,425
n 110
u 1,122
BKB u 3 1,122 3 0,819
n 110

Peta u

BKA

1,30

GT
u

1,00

BKB
0,70
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Subgrup

PETA KENDALI DEMERIT

Peta Kendali Demerit : peta yang menggambarkan keseriusan cacat.
Bila ada data yang berada diluar batas kendali, maka Peta Demerit tidak perlu
untuk direvisi karena peta ini hanya bertujuan untuk mengetahui keseriusan cacat.

Klasifikasi Defect (Non Conformities) :

1. Critical Non Conformities : cacat yang akan mempengaruhi penggunaan dari
produk.
bila terjadi defect, dapat menyebabkan bahaya dan ketidakamanan dalam
penggunaan, perawatan produk.
2. Major Non Conformities : cacat yang mungkin mempengaruhi penggunaan
dari produk.
bila terjadi defect, dapat menyebabkan kegagalan penggunaan atau
mengurangi kegunaan dari produk.
3. Minor Non Conformities : cacat yg tidak akan mempengaruhi penggunaan dari
produk.
bila terjadi defect, dapat mempengaruhi penampilan dari produk.
 Bobot = Critical : Major : Minor = 9 : 3 : 1 Peta Demerit

Rumus Peta Kendali Demerit :

D O = W C . U C + W MA . U MA + W MI . U MI
Dimana : W = bobot cacat ( kritis, mayor, minor )
U = jumlah defect per unit
D O = demerit per unit

W C . U C W MA . U MA W MI . U MI
2 2 2

OU =
n

GT = D O
BKA = D O + 3 OU
BKB = D O 3 OU

SOAL SOAL :
1. Diketahui data-data hasil pengukuran 100 buah sampel sebagai berikut :
Subgrup 1 2 3 4 5 6 7 8 9 10
Ukr. sampel (n) 100 100 100 100 100 100 100 100 100 100
defektif (np) 14 10 4 6 13 4 8 5 10 7

Tentukan apakah produk-produk tsb sudah terkendali ? (gunakan peta p dan np)

2. Suatu perusahaan memproduksi lampu senter. Karakteristik cacat yang akan

diperiksa dari produk yg dihasilkan terdiri dari : cacat warna, lampu pecah, lampu
putus & cacat goresan. Dari hasil pemeriksaan thd 10 subgrup, diperoleh data sbb
:

Subgrup 1 2 3 4 5 6 7 8 9 10
Ukr. sampel (n) 50 50 50 50 50 50 50 50 50 50
produk cacat 5 4 7 3 4 5 2 10 5 3
cacat warna 2 2 4 2 1 1 1 3 3 1
cacat pecah 4 1 2 1 2 5 1 3 1 2
cacat putus 0 1 2 1 3 1 2 6 3 2
 cacat goresan 1 0 1 2 1 0 1 2 1 2

a. Buatlah peta kendali defektifnya, apakah produk msh dlm batas pengendalian
?
b. Apabila konsumen mau menerima max. 15% defektif, apakah produk ini
masih dapat diterima oleh konsumen ?
c. Apakah proses terkendali, dilihat dari segi jumlah cacat pd lampu senter tsb ?
d. Apakah jumlah cacat untuk tiap unit produk masih dalam batas pengendalian ?

3. Berdasarkan hasil pemeriksaan terhadap 15 subgrup produk, diperoleh data sbb :

Subgrup 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
n 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
defektif 0 0 1 1 0 1 5 1 2 0 6 0 1 1 2

a. Apakah proses ini terkendali ?

b. Jika pelanggan hanya mau menerima lot dengan max 2,5% defektif, apakah
proses ini masih dapat diterima ?
c. Jika tidak, susunlah batas kendali yang baru, dan cek lagi syarat spt. no b !

4. Diketahui data hasil pemeriksaan terhadap 7 subgrup produk sepatu sbb :

Subgrup 1 2 3 4 5 6 7
n 32 37 35 33 36 40 40
defektif 8 6 7 5 18 8 9

a. Apakah proses ini terkendali ?

b. Jika tidak, susunlah batas kendali revisinya !

GRAFIK BERJALAN ( RUN CHART )

Grafik Berjalan : tempat data yang diatur dalam urutan waktu.
Analisis grafik berjalan dilakukan untuk menentukan jika pola dapat dihubungkan
pada sebab biasa dari Variasi, atau apakah terjadi sebab Variasi khusus.
Grafik Berjalan harus digunakan sebagai bahan analisis pendahuluan dari data
yang diukur pada skala berkelanjutan yang dapat diorganisasi dalam urutan waktu
(Pyzdek, Thomas, The Six Sigma Handbook, Edisi Pertama, 2002, h. 270).
Grafik Berjalan dibuat dengan cara :
1. Buat garis grafik dari data dalam urutan waktu.
2. Tentukan nilai median dari data tersebut (GT)
3. Tentukan panjang perjalanan terbesar dari banyaknya panjang perjalanan yang
ada pada grafik.
Panjang perjalanan ditentukan dengan cara menghitung jumlah titik berurutan
pada sisi yang sama dari median.
 Peta u

Panjang Perjalanan

1.30

GT
u
1.00

0.70
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Subgrup

4. Cek apakah ada penyebab Variasi khusus :

Jika jumlah titik panjang perjalanan diluar batas maksimum normal sesuai data
yang diplot, maka ada penyebab Variasi khusus ( = 0,05 )
Tabel Data : Batas Maksimum Panjang Perjalanan
Jumlah nilai yang digambar Maksimum Panjang Perjalanan
10 5
15 6
20 7
30 8
40 9
50 10
Sumber : Pyzdek, Thomas, The Six Sigma Handbook, Edisi Pertama, 2002, hlm. 272
5. Hitung jumlah perjalanan yang terjadi pada grafik
Jumlah perjalanan yang diharapkan dari suatu proses yang dikontrol dapat
juga ditetapkan secara matematis.
Suatu proses yang tidak sedang dipengaruhi oleh penyebab khusus tidak akan
memiliki baik terlalu banyak perjalanan atau terlalu sedikit perjalanan.
6. Cek apakah ada penyebab Variasi khusus :
Jika ada lebih sedikit atau lebih banyak perjalanan daripada yang diizinkan
terkecil atau terbesar, maka ada probabilitas yang tinggi ( = 0,05 ) bahwa
penyebab khusus ada.
 Tabel Data : Batas Maksimum Panjang Perjalanan
Jumlah nilai yg digambar Jumlah Perjalanan Terkecil Jumlah Perjalanan Terbesar
10 3 8
12 3 10
14 4 11
16 5 12
18 6 13
20 6 15
22 7 16
24 8 17
26 9 18
28 10 19
30 11 20
32 11 22
34 12 23
36 13 24
38 14 25
40 15 26
42 16 27
44 17 28
46 17 30
48 18 31
50 19 32
Sumber : Pyzdek, Thomas, The Six Sigma Handbook, Edisi Pertama, 2002, hlm. 274

7. Cek penyebab khusus berdasarkan Trend yang mungkin terjadi :

Trend dalam grafik berjalan ditunjukkan melalui perhitungan nilai
peningkatan atau penurunan berurutan yang terjadi.
Jika perhitungan terpanjang dr peningkatan atau penurunan berurutan melebihi
nilai batas yang diizinkan maka dapat diindikasikan bahwa mungkin penyebab
khusus variasi yang menyebabkan proses menyimpang.
Tabel Data : Batas Maksimum Panjang Perjalanan
Jumlah nilai yg digambar Maksimum Peningkatan / Penurunan Berurutan
5 sampai 8 4
9 sampai 20 5
21 sampai 100 6
101 atau lebih 7
Sumber : Pyzdek, Thomas, The Six Sigma Handbook, Edisi Pertama, 2002, hlm. 275

Contoh gambaran mengenai analisis Trend yang terjadi :

10 Trend dari 7 penurunan

6 GT

4
Trend dari 5 penurunan

2
5 10 15 20