Suseno, MEPS 2010

Diagram Kontrol
Control Chart

Suseno,
MEPS POLMAN 2010

Data

Dari suatu proses produksi masal, dilakukan inspeksi secara

berkala dengan hasil sebagai berikut:
 Suseno, MEPS 2010

Transformasi Data
Untuk memudahkan penghitungan maka data diubah dan
diproses seperti berikut:
n

x 1  x 2  ...... x n x
i 1
i
Sx
x  
n n n

Sx2
SSD x  SS x 
n

 x  x
2

i1
i
SSD x
s2  
n1 f

Untuk membandingkan varian bisa digunakan

distribusi chi square: 2
 Suseno, MEPS 2010

Distribusi χ2
Chi-Square Distribution

2
n
 x   n
Didefinisikan:   u   i 
2 2

i1   
i
i 1

Bila 0 dipakai sebagai taksiran bagi variabel teoritik ξ maka:

2
 x  x
n
2    i 
i 1   

  x  x 2   x  x 2  .........  x  x 2 
 2   
1 2 n
atau 
  

Distribusi χ2

Dari rumus varian empirik, dapat ditulis menjadi:

2
1 n  xi  x
s2   2
n1
i1   
1
s2   2 2
n1
2
s 
2 2
f
dimana f: derajat kebebasan dari χ2 atau s2.
 Suseno, MEPS 2010

Distribusi χ2

Probabilitas distribusi χ2 didefinisikan sebagai berikut:

 2
1 f
p{ 2 } 
2 f /2  ( f / 2)
   e 2
2 2 1 

dimana untuk f > 2:

fungsi gamma : Γ(f/2) = (f/2 - 1)!
f genap : = (f/2 - 1) (f/2 - 2) ...... 3 . 2 . 1
f ganjil : = (f/2 - 1) (f/2 - 2) ...... 3/2 . ½ . pπ

Distribusi χ2

Fungsi distribusi p{χ2} dipengaruhi oleh f dan mempunyai

harga rata-rata teoritik yang juga sama dengan nilai f.

p {χ2}

0.20 f=1

0.15 f=4

0.10
f = 10

0.05 f = 20

0.00 χ2
00 5 10 15 20 25 30 35 40
 Suseno, MEPS 2010

Distribusi χ2

Fungsi distribusi kumulatif P{χ2} dituliskan sebagai berikut:

2 2
1 f

   2 2 1 
P{ 2 }  e 2
dx
2 f /2  ( f / 2) 0

Fraktil distribusi χ2 dinyatakan dengan:    

P  2  2  P 2  

Contoh,
Untuk f = 9 : P {χ2 < 19} = 97.5% χ2.975 = 19
P {χ2 < 16.9} = 95% χ2.95 = 16.9
atau
P {χ2 < 3.33} = 5% χ2.05 = 3.33
P {χ2 < 2.7} = 2.5% χ2.025 = 2.7

Uji χ2

Batas-batas dua sisi (bilateral limits) dengan tingkat keyakinan 95%

dapat dihitung berdasarkan dua harga fraktil:

P{2.7 < χ2 < 19} = 97.5% - 2.5% = 95% ; f = 9

Secara umum uji χ2 dua sisi PP1

2
  2  P2
2
  P2  P1
ditulis sebagai berikut
(daerah penerimaan): 
P 2025   2  2975  95   f 
2  2  25   f
Daerah penolakan pada uji χ
satu sisi dengan tingkat atau
kejelasan α= 5%:
 2  295   f
 Suseno, MEPS 2010

Distribusi Varian
Distribution of Variance

Menurut distribusi χ2 :

1
s2   2 2
n1
2
s 
2 2 º dinamakan sebagai
f distribusi varian.

2
Fraktil distribusi s dapat dicari dari P2
fraktil distirbusi χ2 :
s 2P   2
f

Kembali ke permasalahan ......

 Suseno, MEPS 2010

Batas-Batas Daerah Penerimaan

Jika digunakan harga varian teoritik 2 . s2 = 5.880 dengan

f = 4 untuk setiap sampel, maka dari distribusi 2 dapat
diketahui:

90%
95%
99.8%
99.9%

Kriteria kesetabilan Proses:

 Suseno, MEPS 2010

Kestabilan Proses

Untuk mengetahui apakah perbedaan karakteristik proses

adalah masih wajar/normal (sifat perubahannya
random/rambang) ataukah berubah secara sistematik, maka
diperlukan pemeriksaan terhadap kestabilan proses.
Dalam praktek, suatu proses dikatakan tak-stabil bila
ditemukan:
P Satu titik sampel di luar batas kontrol (99.8%
bilateral limits), atau
P Dua titik sampel di luar batas peringatan (95%
bilateral limits) dalam selang 10 sampel, atau
P Tiga titik sampel di luar batas peringatan dalam
selang 20 sampel.

Kestabilan Variabilitas Proses

Kestabilan bagi variabilitas proses merupakan

persyaratan mutlak (tidak boleh terjadi perubahan
variabilitas secara sistematik) supaya tidak
menyulitkan prosedur selanjutnya dalam analisis
data hasil pengukuran.
Hal ini bisa dimengerti sebab pada dasarnya selang
kepercayaan atau daerah penerimaan bagi
parameter harga rata-rata dihitung melalui harga
deviasi standar atau jangkauan.
Jika persyaratan ini tak dipenuhi perlu dilakukan
upaya untuk mencari penyebab perubahan
variabilitas dan cara-cara untuk memperbaikinya.
Kestabilan Suseno, MEPS 2010

Tingkat Proses Rata-rata

Pada dasarnya tingkat proses rata-rata perlu dijaga

kestabilannya supaya karakteristik produk tetap
homogen, sehingga memudahkan pengontrolan
kualitas produk.
Suatu perubahan sistematik dalam tingkat proses
rata-rata mungkin masih bisa ditolelir, asalkan
perubahannya masih berada di dalam batas toleransi
yang dipersyaratkan pada spesifikasi produk.
Jadi diperlukan penyesuaian batas-batas bagi
kestabilan tingkat proses rata-rata terhadap batas-
batas toleransi sesuai spesifikasi produk.

Kembali ke permasalahan ......

 Suseno, MEPS 2010

Batas Peringatan & Kontrol

Bagi harga-harga varian

Harga-harga bagi batas peringatan dan kontrol untuk daerah

penerimaan varian (s2) adalah:

Diagram Kontrol Varian

Dari diagram dapat disimpulkan bahwa hipotesa

kesamaan varian bisa diterima sehingga harga varian
gabungan (s2 = 5.880) dapat digunakan sebagai harga
taksiran terbaik bagi 2.
 Suseno, MEPS 2010

Distribusi Harga Rata-Rata

Distribusi Harga Rata-Rata

Suatu pengukuran yang dilakukan secara berkelompok,

masing-masing kelompok dicari harga rata-ratanya, ditabelkan
seperti berikut:
Apabila seluruh data
pengamatan disatukan dan
kemudian dibuat poligon
frekuensi, pengukuran
individual tersebut (xi) akan
tersebar disekitar harga ξ
dengan deviasi standar
sebesar σ.

Harga rata-rata suatu kelompok (xr) belum tentu sama dengan harga
rata-rata kelompok lain (xs), dan mereka juga bervariasi disekitar
harga ξ tetapi dengan deviasi standar yang lebih kecil dari σ.
 Suseno, MEPS 2010

Dalil Limit Tengah

(Central Limit Theorem)

“apabila populasi mempunyai varian σ2 dan harga rata-rata

batas ξ yang tetap (tidak berubah), distribusi harga rata-rata
sampel (0, rata-rata dari n pengukuran) akan semakin
mendekati distribusi normal dengan harga rata-rata batas ξ
dan varian σ2/n, seandainya ukuran sampel (n) semakin
besar”

x
Variabel u menjadi: u  
n

Kurva Distribusi Normal

Bagi Variabel x dan 0

Poligon frekuensi distribusi harga rata-rata akan lebih

menyempit bila dibanding poligon frekuensi distribusi
pengukuran individual.
p{X} p{X}

68.3%
68.3%

X   
0
ξ-3σ ξ-2σ ξ-σ ξ ξ+σ ξ+2σ ξ+3σ 3

n
 2

n


n
 
n
 2
n
 3
n
 Suseno, MEPS 2010

Fraktil Distribusi Normal 0

Sesuai dengan distribusi normal, fraktil dapat dinyatakan

sebagai berikut:
 x 

P u  up   P
 n
 up   P
 

Selisih dua fraktil dinyatakan sebagai berikut:

 x 
P  up1   u p 2   P2  P1
  n 

Selang Keyakinan
(Confidence Interval)
Dari tabel distribusi kumulatif normal standar dapat dikatakan bahwa
95% variabel u akan terletak dalam selang di antara -1,96 dan
+1,96, karena:
P{-1,96 < u < 1,96} = P{1,96} - P{-1,96}
= 97,5% - 2,5%
= 95%
 x 
Jadi: P   1,96   1,96   95%
  n 

Persamaan di atas dapat ditulis sebagai berikut:

P{x  1,96 / n    x  1,96 / n}  95%
 Suseno, MEPS 2010

Selang Keyakinan
(Confidence Interval)
Persamaan tersebut yaitu:

P{x  1,96 / n    x  1,96 / n}  95%

berarti bahwa harga rata-rata batas ξ akan terletak di dalam selang

tersebut dengan tingkat kepercayaan 95%.

Selang tersebut dinamakan selang kepercayaan (selang

keyakinan; confidence interval ), karena digunakan untuk
memperkirakan dimana harga teoritik ξ akan terletak berdasarkan
harga yang diperoleh dari pengamatan.
Untuk menentukan sampai seberapa jauh tingkat kebenaran selang yang
diperoleh, ditetapkan tingkat kepercayaan (confidence level ), biasanya
diambil 95%, yaitu setara dengan harga u sebesar 1,96 secara bilateral limit,
jika memang diyakini bahwa ξ dapat berharga lebih besar atau lebih kecil dari 0
yang diperoleh.

Selang Keyakinan
(Confidence Interval)

Jika harga teoritik diyakini selalu lebih rendah (tinggi) dari harga 0,
dapat dipakai unilateral limit, yang berarti hanya diperlukan batas
atas (bawah) saja. Tingkat kepercayaan 95% akan setaraf dengan
harga u sebesar 1,64 dan ditulis sebagai berikut:

Batas atas:  
P   x  1,64 / n  95%
Atau batas bawah: P  x  1,64 / n   95%
 Suseno, MEPS 2010

Batas/Limit Keyakinan

Nilai-nilai batas yang ada baik secara bilateral atau unilateral

dinamakan limit kepercayaan (confidence limits).

Suatu harga yang terletak diluar batas tersebut jarang

ditemukan atau diragukan kebenarannya karena tingkat
kepercayaan untuk selang tersebut adalah 95%.

Dengan kata lain, untuk bilateral limit pernyataan di atas bisa

salah dengan probabilitas 5% yaitu 2,5% kemungkinan harga
teoritik dapat lebih kecil dari batas bawah dan 2,5% lebih besar
dari batas atas.

Kembali ke permasalahan ......

 Suseno, MEPS 2010

Batas-Batas Daerah Penerimaan

Untuk harga rata-rata
Batas-batas penerimaan untuk tes u bilateral ditentukan
dengan menggunakan rumus berikut:

Untuk 0 .56.560 m;

 . 2.425 m; dan
n = 5 diperoleh:

Batas Peringatan & Kontrol

Bagi harga rata-rata

Harga-harga bagi batas peringatan dan kontrol untuk daerah

penerimaan harga rata-rata (0) adalah:
 Suseno, MEPS 2010

Diagram Kontrol Rata-Rata

Dari diagram dapat

disimpulkan bahwa hipotesa
kesamaan harga rata-rata
tidak bisa diterima.
Proses dianggap
menghasilkan populasi
dengan karakteristik  yang
berubah (tidak homogen).

Namun demikian dari segi kualitas masih “bisa” dianggap

baik, bergantung kepada acuan yang digunakan; dalam
hal ini adalah batas-batas toleransi produk.

Pengujian Variabilitas Menggunakan

Jangkauan (Range)
 Suseno, MEPS 2010

Jangkauan (Range)

Jangkauan memiliki kepekaan yang baik terhadap perubahan

variabilitas untuk sampel yang berukuran kecil.

Keuntungan penggunaan jangkauan:

1. Hanya memerlukan sampel berukuran kecil (2 - 6 buah).

2. Kehandalan diagram kontrol dapat dijaga dengan cara
menyesuaikan periode pengambilan sampel terhadap kecepatan
produksi (sesuai kecepatan perubahan yang terekam dalam
diagram kontrol).

Jangkauan (Range)

Pada n variabel stokastik yang diambil dari populasi dengan

ciri ξ dan σ2 yang kemudian diurutkan dari kecil ke besar
menjadi x(1), x(2), x(3), ...., x(n) maka jangkauannya adalah:
w = x(n) - x(1)

Didefinisikan variabel standar jangkauan:

 Suseno, MEPS 2010

Jangkauan (Range)

Jadi ada keterkaitan antara distribusi jangkauan standar W

dengan distribusi normal u.
Karena jangkauan dihitung berdasarkan harga ekstrim jadi
dipengaruhi oleh ukuran sampel (n; yang dalam hal ini harus
relatif kecil).
Distribusi jangkauan dari sampel-sampel yang berasal dari
populasi berciri ξ dan σ2 memiliki harga rata-rata teoritik
m{w} dan deviasi standar teoritik σ{w}.

Jangkauan (Range)

Distribusi Kumulatif Jangkauan Standar:

P { w < σWP } = P ;n

Contoh untuk n=5 :

P { w < 0.85σ } = 2.5%
P { w < 4.20σ } = 97.5%

Daerah penerimaan (perkiraan harga w) dengan tingkat

atau selang kepercayaan sebesar (P2 -P1):
P { σWP1 < w < σWP2 } = P2 - P1

P { 0.85σ < w < 4.20σ } = 97.5% - 2.5% = 90%

 Suseno, MEPS 2010

Jangkauan (Range)
Harga-Harga Teoritik terkait dengan Jangkauan:
Harga rata-rata teoritik
jangkauan:
m{w} = αn.σ

Harga deviasi standar

teoritik jangkauan:
σ{w} = βn.σ
Perkiraan harga deviasi standar teoritik berdasarkan
rata-rata jangkauan dari k buah sampel:

Diagram Kontrol Jangkauan

 Suseno, MEPS 2010

Diagram Kontrol Jangkauan

Ketepatan (Kepresisian) Proses

 Suseno, MEPS 2010

Ketepatan Proses

Perencana proses akan memilih jenis mesin produksi

yang memiliki tingkat ketepatan proses yang
sesuai dengan daerah toleransi bagi satu atau
beberapa kombinasi karakteristik produk.
Operator mesin, dengan/tanpa bantuan ahli teknik
produksi, akan mengusahakan supaya sasaran proses
akan tercapai (ketelitian proses) dengan
melakukan penyetelan mesin produksi.
Terkait dengan ketepatan proses, dapat dibedakan
dalam tiga tingkat:
proses dengan ketepatan rendah, menengah, dan
tinggi.

Proses Berketepatan Rendah

L T = toleransi
H

P Merupakan proses yang tidak dikehendaki, sebab

akan selalu dihasilkan beberapa produk yang
karakteristiknya di luar toleransi.
P Perlu dilakukan 100% inspection.
 Suseno, MEPS 2010

Proses Berketepatan Rendah

Karena berkemungkinan untuk menghasilkan produk di luar

toleransi, proses berketepatan rendah tidak dianjurkan untuk
diteruskan pada proses produksi masal.
Untuk mengatasinya, ada dua alternatif:

P Menaikkan ketepatan proses dengan cara

memperbesar toleransi, yang berarti mengubah
spesifikasi produk.
P Menaikkan ketepatan proses dengan cara
memperkecil variabilitas proses, misalnya
mengganti bahan baku (dengan ketermesinan yang
lebih baik), memakai operator yang lebih
berpengalaman, dan/atau mengganti dengan mesin
yang lebih presisi.

Proses Berketepatan Medium

L T = toleransi
H

P Bila produksi selalu berjalan normal, proses ini akan

menghasilkan produk yang hampir semuanya dianggap
baik (hanya sebagian kecil, atau hampir tidak ada produk
yang berkarakteristik di luar toleransi).
P Dalam prakteknya tidaklah mudah untuk menjaga supaya
proses tetap berjalan wajar/normal.
 Suseno, MEPS 2010

Proses Berketepatan Tinggi

P Memiliki kemudahan/kelonggaran dalam hal menjaga

“kesetabilan proses” (relatif terhadap toleransi).
P Tingkat proses rata-rata tidak perlu diusahakan selalu di
tengah daerah toleransi dan perubahannya masih
dimungkinkan selama “ekor distribusi masih tetap” berada
di dalam daerah toleransi.
P Pengukuran cukup dilakukan secara sampling.

Perubahan Karakteristik Proses

Banyak sekali faktor yang menjadi penyebab variasi

karakteristik produk.
Ada faktor yang pengaruhnya sangat kecil, sehingga
tidak perlu dianalisis/diidentifikasikan. Dapat
dikatakan bahwa penyebabnya merupakan faktor
yang tak diketahui, faktor kebetulan, atau faktor
variasi (chance causes).
Semetara, ada faktor yang berpengaruh besar
terhadap variasi karakteristik produk, yang
penyebabnya dapat diperkirakan berdasarkan analisis
variasi hasil produksi. Faktor ini merupakan faktor
utama (assignable causes) penyebab variasi produk.
 Suseno, MEPS 2010

Perubahan Karakteristik Proses

Pada proses produksi masal, faktor utama

penyebab variasi yang relatif besar terhadap
karakteristik produk adalah:

P Perbedaan di antara mesin.

P Perbedaan di antara pekerja (operator mesin).
P Perbedaan di antara bahan baku atau bahan
penolong.
P Perbedaan setiap faktor tersebut di atas karena
perubahan/berjalannya waktu.
P Perbedaan akibat korelasi antara satu sama lain
dari kombinasi faktor-faktor di atas.

Perubahan Karakteristik Proses

Pada umumnya, selama proses berjalan dengan

bertambahnya waktu, tingkat proses rata-rata dan/atau
variabilitas proses mengalami perubahan.
Perubahan tersebut umumnya mempunyai
kecenderungan tertentu (systematic manner).
Selama proses berubah secara sistematik, adalah
wajar jika disertai dengan perbedaan-perbedaan kecil
yang terjadi selama selang waktu tertentu dan ini
dinamakan perubahan secara rambang (random
manner).
 Suseno, MEPS 2010

Perubahan Rambang/Random

Mesin produksi telah disetel/diatur sehingga

menghasilkan produk dengan karakteristik berada di
dalam daerah toleransi.
Setiap kali dilakukan pengukuran maka
kemungkinan besar akan menghasilkan harga yang
sama atau di sekitar titik pertengahan distribusi, dan
kemungkinan kecil akan berharga di sekitar salah
satu ekor distribusi.
Hal ini menggambarkan kewajaran proses. Penyebab
perbedaan hasil pengukuran ini adalah pengaruh dari
faktor variasi (chance causes).

Perubahan Sistematik
Geometrik Geometrik
Produk Produk

H H

L L
Waktu Waktu
Perubahan
Perubahan Variabilitas Proses
Tingkat Proses Rata-rata

Perubahan karakteristik proses secara sistematik selama

proses berjalan dengan bertambahnya waktu.
Karena perubahan sistematik ini, pada suatu saat akan
mulai dihasilkan produk dengan karakteristik di luar
toleransi.
 Suseno, MEPS 2010

Perubahan Sistematik

Dengan bertambahnya waktu, proses dapat berubah

perilakunya.
Perubahan ini disebabkan oleh satu atau gabungan
beberapa faktor utama (assignable causes).
Bagi proses penggerindaan misalnya, batu gerinda akan
semakin aus dengan bertambahnya waktu. Hal ini
menyebabkan perubahan tingkat proses rata-rata
secara sistematik (ukuran akan membesar pada
proses penggerindaan diameter luar; atau ukuran akan
mengecil pada proses penggerindaan diamater dalam).

Perubahan Sistematik

Penggantian bahan dengan bahan lain yang memiliki

sifat ketergerindaan rendah dapat menyebabkan
perubahan variabilitas proses.
Perubahan variabilitas proses dapat juga terjadi
secara sistematik yaitu bila selama proses berjalan,
ada perubahan pada konsturksi mesin, misalnya
kerusakan pada satu atau beberapa komponen mesin
yang berangsur-angsur membesar tingkat
kerusakannya. Akibatnya ketepatan proses
menurun (mesin menjadi semakin tidak tepat;
tidak presisi).
 Suseno, MEPS 2010

Tendensi Arah Perubahan

Perubahan karakteristik proses pada umumnya

cenderung tidak menguntungkan.
Bila variabilitas proses berubah, hampir tidak
pernah ditemukan perubahan yang dengan
sendirinya membuat proses menjadi semakin
tepat/presisi.
Jika tingkat proses rata-rata berubah, tidak ada
proses yang bisa dibiarkan berubah sendiri
sehingga menjadi proses yang teliti/akurat.

Diagram Kontrol
Relatif terhadap Batas-Batas Toleransi
 Suseno, MEPS 2010

Diagram Kontrol 100% Inspeksi

Perilaku proses yang diamati dengan mengukur karakteristik

produk satu per satu (100% inspection).

Diagram Kontrol 100% Inspeksi

Diagram kontrol 100% inspeksi merupakan cara terbaik dalam

menjaga kualitas produk, tetapi tidak selalu dapat
dipraktekkan, seperti dalam kasus berikut:

P Bila pengukuran relatif sulit, sedangkan

kecepatan produksi relatif tinggi.
P Bila pengukuran produk memerlukan biaya yang
relatif mahal.
P Bila pengukuran hanya mungkin dilakukan
dengan cara destructive inspection.

Teknik pemeriksaan perlu diubah atau dimodifikasi.

Modifikasi Suseno, MEPS 2010

Diagram Kontrol 100% Inspeksi

Modifikasi diagram kontrol 100% inspeksi dilakukan dengan

cara sebagai berikut:

P Sebagai ganti pemeriksaan produk satu per satu,

dilakukan pemeriksaan per sampel (misalnya:
beberapa buah produk yang diambil secara
periodik selama proses produksi berlangsung).
P Diperlukan pergeseran letak/posisi garis batas
(garis kontrol) sehingga menjadi lebih masuk ke
dalam daerah toleransi dan diapit oleh dua garis
batas toleransi.

Kestabilan Proses

Untuk mengetahui apakah perbedaan karakteristik proses

adalah masih wajar/normal (sifat perubahannya
random/rambang) ataukah berubah secara sistematik, maka
diperlukan pemeriksaan terhadap kestabilan proses.
Dalam praktek, suatu proses dikatakan tak-stabil bila
ditemukan:
P Satu titik sampel di luar batas kontrol (99.8%
bilateral limits), atau
P Dua titik sampel di luar batas peringatan (95%
bilateral limits) dalam selang 10 sampel, atau
P Tiga titik sampel di luar batas peringatan dalam
selang 20 sampel.
 Suseno, MEPS 2010

Kestabilan Variabilitas Proses

Kestabilan bagi variabilitas proses merupakan

persyaratan mutlak (tidak boleh terjadi perubahan
variabilitas secara sistematik) supaya tidak
menyulitkan prosedur selanjutnya dalam analisis data
hasil pengukuran.
Hal ini bisa dimengerti sebab pada dasarnya selang
kepercayaan atau daerah penerimaan bagi parameter
harga rata-rata dihitung melalui harga deviasi standar
atau jangkauan.
Jika persyaratan ini tak dipenuhi perlu dilakukan
upaya untuk mencari penyebab perubahan variabilitas
dan cara-cara untuk memperbaikinya.

Kestabilan
Tingkat Proses Rata-rata

Pada dasarnya tingkat proses rata-rata perlu dijaga

kestabilannya supaya karakteristik produk tetap
homogen, sehingga memudahkan pengontrolan
kualitas produk.
Suatu perubahan sistematik dalam tingkat proses
rata-rata mungkin masih bisa ditolelir, asalkan
perubahannya masih berada di dalam batas
toleransi yang dipersyaratkan pada spesifikasi
produk.
Jadi diperlukan penyesuaian batas-batas bagi
kestabilan tingkat proses rata-rata terhadap batas-
batas toleransi sesuai spesifikasi produk.
Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 1: Berdasarkan Prosentase  dan 
Bila ditetapkan resiko produsen (") = 5% dan resiko
konsumen () = 10%, dan dengan memperhatikan
tingkat ketepatan/kepresisian proses, maka
Untuk kasus batas satu sisi dan >1 > >0:

Ukuran sampel:

n  (u1-  + u1- )
  o

n  2.92
  o

u1- o  u1- 1
Daerah penolakan: x>
u1-  u1-
x > 0.44 o  0.56 1

Modifikasi
Batas-batas Toleransi
Cara 1: Berdasarkan Prosentase  dan 
Bila ditetapkan resiko produsen (") = 5% dan resiko
konsumen () = 10%, dan dengan memperhatikan
tingkat ketepatan/kepresisian proses, maka
Untuk kasus batas dua sisi dan >1 > >0:
Ukuran sampel: 
n  (u1- + u1- / 2 )
  o

n  3.24
  o
Daerah penolakan:
x < o  u1- / 2  / n x > o  u1- / 2  / n
x < o  196
. / n
dan x > o  196
. / n
atau atau
x < 1.605o  0.6051 x > 0.395o  0.6051
 Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 1:
Daerah penolakan

Resiko Produsen:
 = 5%

Resiko Konsumen:
 = 10%

1.64 /%n
0
1.96 σ/%n
2.92 /%n
>0 >1
3.24 σ/%n

X
2.92 
(unilateral)
3.24 
L (bilateral) H
atau ½T
T

Modifikasi
Batas-batas Toleransi
Cara 1:
Daerah penolakan Daerah penolakan
Resiko Produsen:
a = 5%

Resiko Konsumen: Untuk proses kepresisian

b = 10% medium:

0 a. Pendekatan secara bilateral;

1.96 /%n

3.24 /%n b. Satu batas atur (3.24σ atau

>1 ½T);

c. Batas peringatan berjarak

>0 1.96F/%n disebelah atas dan
X
3.24 σ bawah dari batas atur;

d. Batas kontrol berjarak 3.24F/%n

(bilateral)
atau ½T
L H
T disebelah atas dan bawah dari
batas atur.
Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 1:
Daerah penolakan Daerah penolakan
Resiko Produsen:
a = 5%

Resiko Konsumen:
b = 10%

0 0
1.64 /%n 1.64 /%n

2.92 /%n 2.92 /%n

>1 >0 >0 >1

X X
2.92  2.92 
(unilateral) (unilateral)

L H
T

Untuk proses kepresisian tinggi:

a. Pendekatan secara unilateral, masing-masing disekitar toleransi atas dan
toleransi bawah;
b. Dua batas atur berjarak 2.92F dari masing-masing batas toleransi;
c. Batas-batas peringatan berjarak 1.64F/%n dari masing-masing batas atur;
d. Batas-batas kontrol berjarak 2.92F/%n dari masing-masing batas atur.
Catatan: Penentuan ke-3 batas-batas atas atau bawah lebih mudah dipahami
dengan menganggap simetrik antara batas-batas atas dan bawah terhadap
pertengahan toleransi.

Cara ke 2
Dalam memodifikasi Batas-Batas Toleransi
Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 2:
Daerah penolakan Batas atur ditetapkan sebagai harga rata-rata
teoritik ξ0.

Bila batas atas bilateral 99.8% (99.9%-0.1%;

u0.999=3.10) didefinisikan sebagai batas
0 penerimaan 0 maka saat itu “kaki gunung”
1.96 /%n

>0
3.10 /%n distribusi x menempel pada batas atas toleransi
 = w / n
(H).

X Berdasarkan standar deviasi (yang ditaksir dari

RPI  T / w
3.10  harga jangkauan rata-rata) dan lebar daerah
L (3.10 w / n ) H
RPImedium  6.20 /  n toleransi T, diperkenalkan parameter Indeks
T Kepresisian Relatif (Relative Precision Index ;
RPI) sebagai berikut:

T
RPI 
w

Modifikasi
Batas-batas Toleransi
Cara 2:
Daerah penolakan Bila spesifikasi hanya menyatakan satu batas
toleransi (L atau H) maka digunakan rata-rata
sampel sebagai acuan relarif terhadap batas
toleransi, sehingga:
0
1.96 /%n 2(H  x) 2(x - L)
3.10 /%n RPI  atau
>0
w w
 = w / n

3.10 
X Bagi proses ketepatan medium dimana “kaki
L RPI  T / w
(3.10 w / n ) H gunung” distribusi x menempel pada batas L dan
RPImedium  6.20 /  n
T H toleransi berarti:

6.2
RPI med 
n
Pada distribusi jangkauan kumulatif standar W dapat dicari
harga an sesuai dengan nilai n-nya.
Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 2:
Daerah penolakan
RPI Medium:

Dalam kasus RPI medium, hanya ada satu batas

atur (ukuran obyektif) yaitu pada pertengahan
toleransi (½T).
0 Proses harus dijaga sebaik mungkin supaya
1.96 /%n

>0
3.10 /%n menghasilkan rata-rata sampel pada pertengahan
 = w / n
toleransi (>0 = 0).

X
Batas peringatan atas dan bawah:

3.10 
L RPI  T / w
(3.10 w / n ) H 1.96
RPImedium  6.20 /  n
T
x  1.96  x w
n n n
Batas kontrol atas dan bawah:
 3.10
x  3.10  x w
n n n

Modifikasi
Batas-batas Toleransi
Cara 2:
RPI High:

Jika RPI melebihi harga medium (satu indeks diatas RPI medium) berarti batas
bawah toleransi (L) akan berada jauh disebelah kiri/bawah batas atur atas (H).

Oleh karena itu batas-batas bawah bagi batas atur, peringatan, dan kontrol
ditetapkan posisinya relatif terhadap batas bawah toleransi (L) (dan simetrik
terhadap batas-batas atas dengan acuan pertengahan toleransi).

Batas atur (obyektif) atas dan bawah:

3.10
H  3.10  H  w
n
dan

3.10
L  3.10  L  w
n
Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 2:
RPI High:

Batas peringatan atas dan bawah:

 3.10
H  (3.10  1.96 )  H ( n  0.632)w
n n n
dan

 3.10
L  (3.10  1.96 )  L ( n  0.632)w
n n n

Modifikasi
Batas-batas Toleransi
Cara 2:
RPI High:

Batas kontrol atas dan bawah:

 3.10
H  (3.10  3.10 )  H ( n  1)w
n n n
dan

 3.10
L  (3.10  3.10 )  L ( n  1)w
n n n
Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 2:

Daerah penolakan Daerah penolakan

Batas bilateral peringatan dan

kontrol adalah 95% dan 99.8%
 = w / n
0 RPI  T / w 0
1.96 /%n 1.96 /%n
RPI > RPImedium  6.20 /  n
3.10 /%n 3.10 /%n
>0 >0

X X
3.10  3.10 
L (3.10 w / n ) (3.10 w / n ) H
T

Modifikasi
Batas-batas Toleransi
Cara 2:
P Misalkan harga rata-rata berubah dengan tendensi membesar maka
operator mesin harus mengatur (menyeting) supaya menghasilkan produk
dengan rata-rata sampel “pertama” pada batas atur bawah.
P Pada saat ini kemungkinan menghasilkan produk di bawah dari batas
toleransi bawah adalah 0.1% (dari keseluruhan produk yang dihasilkan dari
saat penyetingan mesin sampai saat pengambilan sampel pertama).
P Kemudian proses dibiarkan berjalan terus yang dibarengi dengan
pengambilan sampel secara berkala dan dicek dengan mem-plot pada
diagram kontrol, sampai akhirnya dihentikan saat ditemukan sampel yang
rata-ratanya berada di dekat batas kontrol atas.
P Saat ini berarti 0.1% produk yang dihasilkan dari saat pengambilan
sampel sebelum sampel terakhir sampai dengan sampel terakhir berpotensi
memiliki ukuran di atas batas toleransi atas.
Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 2:

P Dalam prakteknya keberadaan sejumlah kecil produk

dengan ukuran diluar batas-batas toleransi ini masih diijinkan
(dianggap tidak masalah).
P Hal ini dikarenakan pada saat proses perakitan, dua
komponen dengan ukuran ekstrim jarang sekali bertemu
karena perakit mengambil kedua komponen ini secara acak.

Modifikasi
Batas-batas Toleransi
Cara 2:

RPI High (High Assurance):

Untuk mengurangi sampai sesedikit mungkin produk jelek (yang

berada diluar toleransi), maka proses produksi dirancang untuk
menghasilkan produk bagus dengan asuransi/jaminan tinggi bakal
tak ditemukan produk jelek.

Berarti proses harus berketepatan tinggi dengan RPI yang jauh lebih
tinggi dan menggunakan acuan batas kontrol untuk tingkat
keyakinan bilateral 99.99% (memakai u.99995=3.90).
Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 2:

RPI High (High Assurance):

Batas atur (obyektif) atas dan bawah:

3.90
H  3.90  H  w
n
dan

3.90
L  3.90  L  w
n

Modifikasi
Batas-batas Toleransi
Cara 2:

RPI High (High Assurance):

Batas peringatan atas dan bawah:

 3.90
H  (3.90  1.96 )  H ( n  0.503)w
n n n
dan

 3.90
L  (3.90  1.96 )  L ( n  0.503)w
n n n
Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 2:

RPI High (High Assurance):

Batas kontrol atas dan bawah:

 3.90
H  (3.90  3.90 )  H ( n  1)w
n n n
dan

 3.90
L  (3.90  3.90 )  L ( n  1)w
n n n

Modifikasi
Batas-batas Toleransi
Cara 2:

RPI High (High Assurance):

RPI tinggi dengan asuransi tinggi (batas kontrol bilateral 99.99%).

Bagi diagram kontrol jangkauan tetap menggunakan batas bilateral
95% dan 99.8%.
 Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 2:

RPI High (High Assurance):

Daerah penolakan Daerah penolakan

 = w / n
RPI tinggi dengan asuransi
tinggi (batas kontrol bilateral
99.99%).
Bagi diagram kontrol 0
jangkauan tetap menggunakan 1.96 /%n RPI  T / w 1.96 /%n
batas bilateral 95% dan 3.90 /%n RPI > RPI medium  6.20 /  n 3.90 /%n
99.8%. >0 >0

X X
3.90  3.90 
L (3.90 w / n ) (3.90 w / n ) H
T

Modifikasi
Batas-batas Toleransi
Cara 2:

RPI High (High Assurance; BS 2564):

Daerah penolakan

Menurut standar Inggris (BS 2564; 1975,

Control Chart Technique when
Manufacturing to a Spesification),
diagram kontrol rata-rata dengan asuransi
x
1.96 /%n tinggi yang diberlakukan bagi proses dengan
>0
3.10 /%n RPI tinggi, dirancang dengan menganggap
“kaki gunung distribusi x” menempel pada
batas toleransi (H atau L) dengan ketentuan
X bahwa pada saat itu jarak “puncak gunung
4 H distribusi x” ke batas toleransi adalah
sebesar 4 (setara dengan tingkat keyakinan
99.997%).
Modifikasi Suseno, MEPS 2010

Batas-batas Toleransi
Cara 2: Daerah penolakan

RPI High (High Assurance; BS 2564): x

1.96 /%n
3.10 /%n
>0

Batas kontrol atas dan bawah:

 4.0 X
H  (4.0  3.10 )  H ( n  0.775)w
n n n 4 H
dan

 4.0
L  (4.0  3.10 )  L ( n  0.775)w
n n n

End of Part One ...