Pertemuan ke I4

KENDALI MUTU STATISTIK

Bab mengenai kendaii mutu statistik (statistical quality control—SQC) ini mencakup aspek-
aspek kuantitatif dari manajemen mutu. Secara umum, SQC adaiah sejumiah teknik yang
berbeda yang didesain untuk mengevaluasi kualitas dari segi kesesuaian; yaitu bagaimana
kesesuaian dengan spesifikasi yang telah ditetapkan selama pendesainan bagian-bagian atau
pelayanan yang diberikan? Mengelola performa mutu menggunakan teknik SQC biasanya
mencakup pengambilan sampel secara periodik atas suatu proses dan analisis data-data ini
menggunakan kriteria performa yang dihasilkan secara statistik.
Seperti yang akan Anda lihat, SQC dapat diterapkan untuk proses logistik, manufaktur,
dan proses pelayanan. Berikut ini beberapa contoh situasi untuk penerapan SQC:
• Berapa banyak kecacatan pengecatan yang terjadi dalam penyelesaian sebuah mobil?
Apakah kita telah meningkatkan proses pengecatan dengan memasang penyemprot
baru?
• Berapa lama waktu yang diperlukan untuk menangani pesanan pasar dalam sistem
perdagangan berbasis situs kita? Apakah instalasi dari server baru telah meningkatkan
layanan tersebut? Apakah kinerja sistem tersebut bervariasi selama hari perdagangan
tersebut?
• Seberapa baik kita mampu mempertahankan toleransi dimensional pada perakitan
bantalan peluru berukuran tiga inci? Berdasarkan variabilitas proses pembuatan
bantalan peluru ini, berapa banyak produk cacat yang diperkirakan dalam setiap
produksi satu juta bantalan peluru?
• Berapa lama waktu yang diperlukan supaya pelanggan terlayani dari jendela drive-
thru kita selama periode jam makan siang yang sibuk?
Dalam proses-proses yang menyediakan barang dan jasa biasanya terdapat beberapa variasi
dalam output-nya. Variasi ini dapat disebabkan oleh banyak faktor. Beberapa faktor dapat
kami kendalikan, dan faktor lainnya melekat dalam proses tersebut. Variasi yang disebabkan
oleh faktor-faktor yang dapat diidentifikasi dengan jelas dan bahkan mungkin dapat dikelola
disebut variasi khusus (assignable variation). Contohnya, variasi yang disebabkan oleh
pekerja yang tidak terlatih secara merata atau yang disebabkan oleh penyesuaian mesin yang
tidak sesuai merupakan variasi khusus. Variasi yang melekat dalam proses itu sendiri disebut
variasi umum (common variation). Variasi umum sering kali disebut variasi acak (random

MANAJEMEN OPERASIONAL – TIM DOSEN 1

variation) dan mungkin disebabkan oleh jenis peralatan yang digunakan untuk menyelesaikan
suatu proses, misalnya.
Seperti yang tersirat dalam judul bagian ini, materi ini membutuhkan pemahaman mengenai
statistik yang sangat menaasar. Ingatlah ketika Anda mempelajari statistik yang mencakup
angka-angka yang mendistribusikan definisi dari rata-rata hitung dan standar deviasi secara
normal. Rata-rata hitung (X) adaiah nilai rata-rata dari serangkaian angka. Secara matematis,
perhitungannya sebagai berikut.

Dalam mengawasi suatu proses dengan menggunakan SQC, sampel dari output dalam
proses akan diambil dan statistika sampel dihitung. Distribusi yang berhubungan dengan
sampel harus menunjukkan jenis variabilitas yang sama seperti distribusi sesungguhnya dari
proses tersebut, meskipun varians sesungguhnya dari distribusi sampling akan lebih kecil.
Hal ini baik karena memungkinkan pendeteksian perubahan secara cepat dalam distribusi
sesungguhnya dari proses tersebut. Tujuan sampling adalah mencari kapan prosesnya
berubah secara tidak acak, sehingga alasan perubahannya dapat segera ditentukan.
Dalam terminologi SQC, sigma (a) sering digunakan untuk menyebutkan standar deviasi
sampel. Seperti yang akan Anda lihat dalam contoh-contoh yang akan dibahas, sigma
dihitung dengan berbagai cara yang berbeda, tergantung pada distribusi teoretis yang
mendasari (yaitu distribusi normal atau distribusi Poisson).
Pemahaman dan Pengukuran Variasi Proses
Telah diketahui bahwa saat variasi berkurang, mutu meningkat. Terkadang, pengetahuan ini
intuitif. Jika kereta selalu datang tepat waktu, jadwal dapat direncanakan dengan lebih tepat.
Jika ukuran pakaian konsisten, waktu dapat dihemat dengan memesan dari katalog. Akan
tetapi, sangat jarang hal-hal semacam itu terpikirkan dalam hal nilai variabilitas rendah. Oleh
para teknisi, pengetahuan tersebut terdefinisi dengan lebih baik. Piston haruslah pas silinder,
pintu harus pas membuka, komponen listrik haruslah kompatibel, dan kotak sereai harus

MANAJEMEN OPERASIONAL – TIM DOSEN 2

berisi jumlah kismis yang tepat—kalau tidak seperti itu, mutu tidak dapat diterima dan
pelanggan akan kecewa.
Namun, teknisi juga mengetahui bahwa tidaklah mungkin terdapat variabilitas nol. Oleh
karena itu, desainer menentukan spesifikasi yang tidak hanya menetapkan target nilai atas
sesuatu, tetapi juga batasan yang dapat diterima mengenai target tersebut. Contohnya, jika
nilai tujuan suatu dimensi adalah 10 inci, spesifikasi desain mungkin akan menjadi 10,00 inci
+0,02 inci. Hal ini berarti bahwa walaupun tujuannya adalah tepat 10 inci, berapapun antara
9,98 dan 10,02 inci masih dapat diterima. Batasan desain semacam ini sering disebut batas
spesifikasi atas dan bawah (upper and lower specification limits).
Cara tradisional untuk menginterpretasikan spesifikasi semacam ini adalah bahwa semua
bagian yang berada dalam jangkauan yang telah ditetapkan berarti dapat diterima, sedangkan
semua bagian yang berada di luar jangkauan yang telah ditetapkan berarti secara keseluruhan
tidak dapat diterima. Hal ini diilustrasikan dalam Tampilan 13.1. (Perhatikan bahwa biaya di
sepanjang keseluruhan jangkauan spesifikasi adalah nol, dan kemudian terdapat lompatan
kuantum—quantum leap—dalam biaya saat batasan dilanggar.)
Genichi Taguchi, ahli mutu terkenal dari Jepang, telah menunjukkan bahwa pandangan
tradisional yang diilustrasikan dalam Tampilan 13.1 tidak memungkinkan karena dua alasan
berikut:
1. Dari sisi pelanggan, pada kenyataannya sering kali tidak terdapat perbedaan antara
suatu produk yang termasuk dalam spesifikasi dan suatu produk di luar spesifikasi.
Sebaliknya, terdapat perbedaan yang sangat besar dalam kualitas antara produk yang
menjadi target dan produk yang mendekati batas.
2. Karena tuntutan pelanggan semakin besar, terdapat tekanan untuk mengurangi
variabilitas. Namun, Tampilan 13.1 tidak merefleksikan logika ini.

MANAJEMEN OPERASIONAL – TIM DOSEN 3

Taguchi menyatakan bahwa gambaran kerugian yang iebih tepat ditunjukkan dalam Tampilan
13.2. Perhatikan bahwa dalam grafik ini biaya terwakili dengan kurva halus. Terdapat banyak
sekali ilustrasi dan gagasan ini: mes roda gigi dalam sebuah transmisi, kecepatan film
fotografi, teinperatur di tempat kerja atau toko swalayan. Dalam hampir semua hal yang
dapat diukur, pelanggan tidak melihat garis tajam, tetapi tingkat akseptabilitas yang jauh dari
spesifikasi “tujuan”. Pelanggan melihat fungsi kerugian pada Tampilan 13.2, bukan pada
Tampilan 13.1.
Tentu saja, jika produk secara konsisten dibatalkan ketika tidak sesuai dengan spesifikasi,
kemiringan kurva kerugian menurun di kebanyakan kasus pada nilai yang setara dengan
biaya pembatalan pada jangkauan di luar spesifikasi. Ini karena produk seperti ini, setidaknya
secara teoretis, tidak akan pernah terjual sehingga tidak ada biaya eksternal bagi masyarakat.

MANAJEMEN OPERASIONAL – TIM DOSEN 4

Namun, pada praktik yang sebenarnya, kemungkinan yang dapat terjadi adalah bahwa
prosesnya mampu memproduksi persentase produk yang sangat tinggi sesuai spesifikasi dan
pengecekan belum 100 persen selesai, atau jika proses tersebut tidak mampu memproduksi
sesuai spesifikasi, pengecekan telah selesai 100 persen dan produk yang tidak sesuai
spesifikasi dapat dikerjakan ulang untuk disesuaikan dengan spesifikasi. Dalam situasi
manapun, fungsi kerugian parabolik biasanya
Kami dapat membayangkan bahwa beberapa dari Anda benar-benar bingung mengenai
Six Sigma. Mengapa perusahaan, misalnya tidak mengecek saja diameter dari tiap bantalan
dan membuang bantalan dengan diameter kurang dari 1,245 atau lebih besar dari 1,255? Ini
tentunya dapat dilakukan dan untuk banyak bagian dilakukan pengujian 100 persen.
Permasalahnya adalah untuk perusahaan yang membuat ribuan bagian setiap jam, pengujian
setiap dimensi penting dari setiap bagian yang dibuat memerlukan biaya yang besar. Untuk
bantalan, mungkin terdapat 10 dimensi kritis tambahan atau lebih selain diameternya.
Keseluruhan dimensi tersebut perlu diperiksa. Dengan menggunakan pendekatan pengujian
lOO persen, pengujian akan memakan waktu lebih lama dibandingkan wak.tu yang
sesungguhnya diperlukan untuk membuat bagian tersebut! Inilah mengapa sebuah perusahaan
menggunakan sampel kecil untuk memeriksa secara periodik bahwa prosesnya. berada dalam
kendali statistik. Fembahasan mengenai sampling statistik akan dijelaskan kemudian pada
bab ini. Proses dikatakan kapabel ketika rata-rata hitung dan standar deviasi dari proses
tersebut berpengaruh, sehingga batas kendali atas dan bawah dapat diterima terkait dengan
batas spesifikasi atas dan bawah. Perhatikan diagram A dalam Tampilan 13.3. Diagram
tersebut inerepresentasikan distribusi dari dimensi diameter bantalan dalam proses awal.
Rata-rata atau nilai rata-rata hitungnya adalah 1,250 dan spesifikasi desain bawah dan atas
secara berturut-turut adalah 1,245 dan 1,255. Batas kendali prosesnya adalah kurang lebih
tiga standar deviasi (1,244 dan 1,256). Perhatikan bahwa terdapat probabilitas (area dengan
warna terang) produksi bagian-bagian yang cacat.

MANAJEMEN OPERASIONAL – TIM DOSEN 5

 Jika prosesnya dapat ditingkatkan dengan mengurangi standar deviasi yang berhubungan
dengan diameter bantalan, probabilitas produksi bagian-bagian yang cacat dapat dikurangi.
Diagram B dalam Tampilan 13.3 menunjukkan sebuah proses baru dengan standar deviasi
yang telah dikurangi hingga 0,00083 (garis batas area digambarkan putus-putus). Meskipun
kita tidak melihatnya dalam diagram tersebut, terdapat probabilitas produksi bagian-bagian
yang cacat dalam proses baru ini, tetapi probabilitasnya sangat kecil.
Misalkan nilai sentral atau rata-rata hitung dari proses tersebut bergeser menjauh dari
rata-rata hitung sebelumnya. Tampilan 13.4 menunjukkan rata-rata hitung bergeser satu
standar deviasi lebih dekat dengan batas spesifikasi atas. Hal ini tentu saja menyebabkan
jumlah perkiraan produk cacat sedikit lebih tinggi, tetapi terlihat bahwa hal ini masih sangat
baik. Indeks kapabilitas digunakan untuk mengukur seberapa baik suatu proses mampu
berproduksi terkait dengan spesifikasi desain. Deskripsi mengenai cara menghitung indeks ini
dijelaskan pada bagian berikutnya.
Indeks Kapabilitas (Capability Index —C p k ) Indeks kapabilitas {capability
index—Cpk) menunjukkan seberapa baik bagian-bagian yang sedang diproduksi sesuai

MANAJEMEN OPERASIONAL – TIM DOSEN 6

dengan jangkauan yang ditetapkan oleh batas spesifikasi desain. Jika batas spesifikasi lebih
besar dibandingkan tiga sigma yang dimungkinkan dalam proses tersebut, rata- rata proses
kemungkinan dapat menyimpang dari pusat sebelum penyesuaian kembali, dan persentase
produksi bagian-bagian yang tidak cacat masih tetap tinggi.
PROSEDUR KENDALI PROSES STAT1STIK

Kendali proses berfokus pada pengawasan kualitas ketika produk sedang dibuat atau jasa
sedang diberikan. Tujuan umum dari rencana kendali proses adalah untuk memberikan
informasi secara tepat waktu mengenai apakah barang-barang yang baru saja diproduksi
memenuhi spesifikasi desain dan untuk mendeteksi pergeseran proses yang menunjukkan
bahwa produk yang akan diproduksi mungkin tidak memenuhi spesifikasi. Kendali proses
statistik (statistical process control—SPC) mencakup pengecekan sampel output acak dari
suatu proses untuk menentukan apakah prosesnya memperoduksi barang dan jasa dalam
jangkauan yang telah ditentukan sebelumnya.
Seluruh contoh yang diberikan sejauh ini telah didasarkan pada karakteristik kualitas
(atau variabel) yang dapat diukur, seperti diameter atau berat suatu bagian. Atribut (attribute)
adalah karakteristik mutu yang diklasifikasikan menjadi barang atau jasa yang sesuai atau
tidak sesuai dengan spesifikasi. Barang atau jasa dapat digolongkan menjadi barang atau jasa
yang baik atau buruk, atau yang berfungsi atau tidak berfungsi. Contohnya, mesin pemotong
rumput, baik yang sedang digunakan ataupun yang tidak; mencapai tingkat torsi dan tenaga
kuda tertentu atau tidak. Jenis pengukuran ini disebut pengambilan sampel berdasarkan
atribut. Sebagai alternatif, torsi dan tenaga kuda mesin pemotong rumput dapat diukur
sebagai jumlah deviasi dari serangkaian standar. Jenis pengukura.n ini disebut pengambilan
sampel berdasarkan variabel. Bagian berikut menggambarkan beberapa pendekatan standar
untuk mengendalikan proses; pertama, sebuah pendekatan yang berguna untuk mengukur
atribut dan kemudian sebuah pendekatan untuk mengukur variabel. Kedua teknik ini
menghasilkan susunan bagan kendali. Tampilan 13.5 menunjukkan beberapa contoh
mengenai bagaimana bagan kendali dapat dianalisis untuk memahami bagaimana sebuah
proses beroperasi
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
MANAJEMEN OPERASIONAL – TIM DOSEN 7
 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)

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
tidak dapat digunakanuntuk mengetahui karakteristik kualitas seperti banyaknya kesalahan
atau persentase kesalahan suatu proses. Data variabel dapat menunjukan seberapa jauh
penyimpangan dari standar proses, sementara data atribut tidak dapat menunjukan informasi
tersebut (Ariani, 2004: 58)
DIAGRAM KENDALI (CONTROL CHART)
Diagram kendali juga disebut diagram kendali proses atau diagram kendali mutu.
Diagram kendali pada dewasa ini digunakan dengan sangat luas yaitu untuk
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

MANAJEMEN OPERASIONAL – TIM DOSEN 8

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.
Kendali Proses dengan Pengukuran Atribut: Menggunakan p -Chart
Pengukuran atribut berarti mengambil sampel dan menggunakan keputusan tunggal—barang
atau jasa tersebut baik atau buruk. Karena ini adalah keputusan ya atau tidak, kita dapat
menggunakan statistik sederhana untuk membuat p-chart dengan batas kendali proses atas
{upper process control limit—UCL) dan batas kendali proses bawah {lower process control
limit—LCL). Kita dapat menggambarkan batas kendali ini dalam bentuk grafik dan kemudian
mcnandai nilai pecahan untuk produk yang cacat dari masing-masing sampel yang diuji.
Proses tersebut akan berjalan sebagaimana mestinya ketika sampelnya, yang diambil secara
periodik selanta hari tersebut, tetap berada d< antara batas kendali.

MANAJEMEN OPERASIONAL – TIM DOSEN 9

Ukuran Sampel Ukuran sampel haruslah cukup besar untuk memungkinkan
penghitungan atribut. Misalnya, jika kita mengetahui bahwa sebuah mesin memproduksi 1
persen unit yang cacat, pada ukuran sebanyak lima sampel akan jarang ditemukan unit yang
buruk. Kaidah ketika menentukan p-chart adalah dengan mengambil sampel yang cukup
besar untuk memperkirakan penghitungan atribut sebanyak dua kali dalam setiap sampel.
Oleh karena itu, ukuran sampel yang sesuai jika tingkat kecacatan adalah sekitar 1 persen
menjadi 200 unit. Satu catatan pentingnya adalah bahwa dalam perhitungan yang ditunjukkan
dalam persamaan 13.4 sampai 13.7, asumsinya adalah bahwa ukuran sampelnya tetap.
Penghitungan standar deviasi bergantung pada asumsi ini. Jika ukuran sampelnya bervariasi,
standar deviasi dan batas kendali proses atas dan bawah harus dihitung kembali untuk
masing-masing contohnya.

MANAJEMEN OPERASIONAL – TIM DOSEN 10

Kendali Proses dengan Pengukuran Atribut: Menggunakan c -Chart

MANAJEMEN OPERASIONAL – TIM DOSEN 11

Kendali Proses dengan Pengukuran Variabel: Menggunakan X - C h a r t dan R-Chart
Diagram X 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.
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, maka digunakan diagram
kontrol x untuk melakukan pengontrolan kualitas. Tetapi, dalam suatu proses sering pula
berubah bukan saja dalam rata- ratanya, melainkan juga dalam dispersi atau variasinya

MANAJEMEN OPERASIONAL – TIM DOSEN 12