BAB IV

PEMBAHASAN DAN PENGOLAHAN DATA

Bab 4 pembahasan dan pengolahan data praktikum pengendalian kualitas

statistik berisi tentang identifikasi part, seven tools, dan kapabilitas proses.
4.1 Identifikasi Part
Identifikasi part yang akan di amati atau di inspeksi pada praktikum tentang
pengendalian kualitas statistik yaitu part B dan part F adalah sebagai berikut:
a. Part B

Gambar 5.4.3 Part B

Gambar 5.4.3 part B atau sisi pendek adalah salah satu komponen penyusun
produk manufaktur speaker aktif kayu yang merupakan penyusun rangka bagian
samping kanan dan kiri dari produk tersebut. Proses pembuatan part B yaitu
menggunakan material kayu, kemudian memotong panjang dan lebar material
dengan mesin circular saw lurus, selanjutnya memotong miring pada sisi kanan
dan kiri lebar material dengan mesin circular saw miring, proses finishing yaitu
menghaluskan part dengan mesin planner dan setelah selesai simpan part.

Gambar 5.4.4 Part F

Gambar 5.4.4 part F atau penyangga amply adalah salah satu komponen
penyusun produk manufaktur speaker aktif kayu yang merupakan penyusun
rangka bagian dalam dari produk tersebut yaitu sebagai penyangga amply. Proses
pembuatan part F yaitu menggunakan material kayu, kemudian memotong lebar
material dengan mesin circular saw lurus, selanjutnya memotong panjang
material dengan mesin circular saw lurus, proses finishing yaitu menghaluskan
part dengan mesin planner dan setelah selesai simpan part.
4.2 Checksheet
Checksheet adalah lembar pengecekan yang berisi daftar kualitas (berisi data
variabel dan data atribut), diisi ketika kontrol kualitas. Checksheet data variabel
dan data atribut praktikum pengendalian kualitas statistik adalah sebagai berikut:
4.2.1 Checksheet Data Variabel
Checksheet data variabel part B dan part F adalah sebagai berikut:
a. Part B
Checksheet data variabel part B adalah sebagai berikut:
Checksheet Data Variabel
Part : B (Sisi Pendek)
Pukul : 09.05 WIB
Hari/Tanggal : Minggu, 12 November 2017
Operator : Afrizal Machmy
Kelompok : 04
Pengawas : Fatima Azzahro
Tabel 5.4.1 Rekapan Data Variabel Panjang Part B
Panjang (cm)
Inspection Subgrup
Pengamatan
Time
1 2 3
1 09.05 9,55 9,45 9,80
2 09.07 10,55 9,90 10,35
3 09.09 9,95 9,60 10,50
4 09.11 10,40 9,40 10,45
5 09.13 9,90 10,10 10,00
6 09.15 10,05 10,20 10,40
7 09.17 10,00 10,10 9,90
8 09.19 10,25 10,55 10,15
9 09.21 10,35 10,15 10,10
10 09.23 10,30 9,70 10,40

Tabel 5.4.1 merupakan rekapan checksheet data variabel panjang part B

dengan ukuran subgroup 3 dan jumlah subgrup adalah 10. Pada pengamatan
pertama pukul 09.05 WIB, dalam sekali pengamatan diambil 3 sampel part
untuk data pada 3 subgroup. Pada subgroup pertama panjang part B adalah 9,55
cm, subgroup kedua panjang part B adalah 9,45 dan pada subgroup ketiga
panjang part B adalah 9,80 cm, begitu juga dengan pengamatan selanjutnya.
 Tabel 5.4.2 Rekapan Data Variabel Lebar Part B
Lebar (cm)
Inspection Subgrup
Pengamatan
Time
1 2 3
1 09.25 7,45 7,45 7,45
2 09.27 7,65 7,90 7,90
3 09.29 7,55 7,60 7,50
4 09.31 7,55 7,95 7,55
5 09.33 7,70 7,35 7,70
6 09.35 7,70 7,55 7,35
7 09.37 7,80 7,70 7,70
8 09.39 7,70 7,70 7,70
9 09.41 7,70 7,60 7,80
10 09.43 7,65 7,55 7,70

Tabel 5.4.2 merupakan rekapan checksheet data variabel lebar part B

dengan ukuran subgroup 3 dan jumlah subgrup adalah 10. Pada pengamatan
pertama pukul 09.25 WIB, dalam sekali pengamatan diambil 3 sampel part
untuk data pada 3 subgroup. Pada subgroup pertama lebar part B adalah 7,45
cm, subgroup kedua lebar part B adalah 7,45 dan pada subgroup ketiga lebar
part B adalah 7,45 cm, begitu juga dengan pengamatan selanjutnya.
b. Part F
Checksheet data variabel part F adalah sebagai berikut:
Checksheet Data Variabel
Part : F (Penyangga Amply)
Pukul : 09.45 WIB
Hari/Tanggal : Minggu, 12 November 2017
Operator : Afrizal Machmy
Kelompok : 04
Pengawas : Fatima Azzahro
 Tabel 5.4.3 Rekapan Data Variabel Panjang Part F
Panjang (cm)
Inspection Subgrup
Pengamatan
Time
1 2 3
1 09.45 3,90 3,70 3,70
2 09.47 3,90 3,90 3,70
3 09.49 3,60 3,85 3,75
4 09.51 3,75 3,75 3,75
5 09.53 4,00 3,55 4,00
6 09.55 3,75 3,95 3,70
7 09.57 3,75 4,00 3,70
8 09.59 3,90 3,90 3,80
9 10.01 4,00 4,00 3,90
10 10.03 3,95 4,00 4,00

Tabel 5.4.3 merupakan rekapan checksheet data variabel panjang part F

dengan ukuran subgroup 3 dan jumlah subgrup adalah 10. Pada pengamatan
pertama pukul 09.45 WIB, dalam sekali pengamatan diambil 3 sampel part
untuk data pada 3 subgroup. Pada subgroup pertama panjang part F adalah 3,90
cm, subgroup kedua panjang part F adalah 3,70 dan pada subgroup ketiga
panjang part F adalah 3,70 cm, begitu juga dengan pengamatan selanjutnya.
Tabel 5.4.4 Rekapan Data Variabel Lebar Part F
Lebar (cm)
Inspection Subgrup
Pengamatan
Time
1 2 3
1 10.05 1,40 1,50 1,65
2 10.07 1,65 1,50 1,50
3 10.09 1,70 1,70 1,35
4 10.11 1,40 1,60 1,30
5 10.13 1,30 1,55 1,45
6 10.15 1,60 1,60 1,30
7 10.17 1,40 1,50 1,70
8 10.19 1,80 1,75 1,60
9 10.21 1,60 1,80 1,60
10 10.23 1,30 1,35 1,30
Tabel 5.4.4 merupakan rekapan checksheet data variabel lebar part F
dengan ukuran subgroup 3 dan jumlah subgrup adalah 10. Pada pengamatan
pertama pukul 10.05 WIB, dalam sekali pengamatan diambil 3 sampel part
untuk data pada 3 subgroup. Pada subgroup pertama lebar part F adalah 1,40
cm, subgroup kedua lebar part B adalah 1,50 dan pada subgroup ketiga lebar
part F adalah 1,65 cm, begitu juga dengan pengamatan selanjutnya.
4.2.2 Checksheet Data Atribut
Checksheet data atribut part B dan part F adalah sebagai berikut:
a. Part B
Checksheet data atribut part B adalah sebagai berikut:
Checksheet Data Atribut
Part : B (Sisi Pendek)
Pukul : 09.07 WIB
Hari/Tanggal : Minggu, 12 November 2017
Operator : Nurul Trisiani
Kelompok : 04
Pengawas : Fatima Azzahro
Tabel 5.4.5 Rekapan Atribut Cacat Retak/Pecah Part B
Retak/Pecah
Number Inspection Number Non-
Inspection Time Conforming
3 09.07 0
3 09.09 0
3 09.11 0
3 09.13 0
3 09.15 0
3 09.17 1
3 09.19 1
3 09.21 1
3 09.23 1
3 09.25 1

Tabel 5.4.5 merupakan rekapan data atribut dari cacat retak/ pecah part B.
Pada pengamatan pertama pukul 09.07 WIB, dalam sekali pengukuran diambil
3 part. Pada pengamatan pertama, dari 3 part tersebut tidak ada yang terdapat
cacat retak/ pecah.
Tabel 5.4.6 Rekapan Atribut Cacat Mata Kayu Part B
Terdapat Mata Kayu
Number Inspection Number Non-
Inspection Time Conforming
3 09.07 0
3 09.09 1
3 09.11 1
3 09.13 0
3 09.15 1
3 09.17 2
3 09.19 0
3 09.21 1
3 09.23 1
3 09.25 1
 Tabel 5.4.6 merupakan rekapan data atribut dari cacat mata kayu part B.
Pada pengamatan pertama pukul 09.07 WIB, dalam sekali pengukuran diambil
3 part. Pada pengamatan pertama dari 3 part tersebut tidak ada yang terdapat
cacat mata kayu.
Tabel 5.4.7 Rekapan Atribut Cacat Permukaan Tidak Halus Part B
Tidak Halus/Berserat
Number Inspection Number Non-
Inspection Time Conforming
3 09.07 0
3 09.09 1
3 09.11 1
3 09.13 0
3 09.15 1
3 09.17 2
3 09.19 0
3 09.21 1
3 09.23 1
3 09.25 1

Tabel 5.4.7 merupakan rekapan data atribut dari cacat permukaan tidak
halus part B. Pada pengamatan pertama pukul 09.07 WIB, dalam sekali
pengukuran diambil 3 part. Pada pengamatan pertama dari 3 part tersebut tidak
ada yang terdapat cacat permukaan tidak halus.
b. Part F
Checksheet data atribut part F adalah sebagai berikut:
Checksheet Data Atribut
Part : F (Penyangga Amply)
Pukul : 09.47 WIB
Hari/Tanggal : Minggu, 12 November 2017
Operator : Nurul Trisiani
Kelompok : 04
Pengawas : Fatima Azzahro
Tabel 5.4.8 Rekapan Atribut Cacat Retak/Pecah Part F
Retak/Pecah
Number Inspection Number Non-
Inspection Time Conforming
3 09.47 1
3 09.49 3
3 09.51 2
3 09.53 1
3 09.55 1
3 09.57 1
3 09.59 0
3 10.01 3
3 10.03 2
3 10.05 0
 Tabel 5.4.8 merupakan rekapan data atribut dari cacat retak/ pecah part F.
Pada pengamatan pertama pukul 09.47 WIB, dalam sekali pengukuran diambil
3 part. Pada pengamatan pertama, dari 3 part terdapat 1 cacat retak/ pecah.
Tabel 5.4.9 Rekapan Atribut Cacat Mata Kayu Part F
Terdapat Mata Kayu
Number Inspection Number Non-
Inspection Time Conforming
3 09.47 0
3 09.49 0
3 09.51 2
3 09.53 0
3 09.55 0
3 09.57 0
3 09.59 1
3 10.01 1
3 10.03 1
3 10.05 0

Tabel 5.4.9 merupakan rekapan data atribut dari cacat mata kayu part F.
Pada pengamatan pertama pukul 09.47 WIB, dalam sekali pengukuran diambil
3 part. Pada pengamatan pertama dari 3 part tersebut tidak ada yang terdapat
cacat mata kayu.
Tabel 5.4.10 Rekapan Atribut Cacat Permukaan Tidak Halus Part F
Tidak Halus/Berserat
Number Inspection Number Non-
Inspection Time Conforming
3 09.47 2
3 09.49 3
3 09.51 2
3 09.53 3
3 09.55 2
3 09.57 3
3 09.59 2
3 10.01 2
3 10.03 1
3 10.05 2

Tabel 5.4.10 merupakan rekapan data atribut dari cacat permukaan tidak
halus part F. Pada pengamatan pertama pukul 09.47 WIB, dalam sekali
pengukuran diambil 3 part. Pada pengamatan pertama dari 3 part terdapat 2
cacat permukaan tidak halus.
4.3 Histogram
Histogram adalah diagram batang yang menggambarkan variasi proses.
Histogram data variabel dan data atribut praktikum pengendalian kualitas statistik
adalah sebagai berikut:
4.3.1 Histogram Data Variabel
Histogram data variabel part B dan part F adalah sebagai berikut:
a. Part B
Histogram data variabel panjang dan lebar part B adalah sebagai berikut:
Tabel 5.4.11 Data Variabel Panjang dan Lebar Part B
Data Variabel Part B (cm)
Subgrup Panjang Lebar
9,55 7,45
10,55 7,65
9,95 7,55
10,40 7,55
9,90 7,70
1
10,05 7,70
10,00 7,80
10,25 7,70
10,35 7,70
10,30 7,65
9,45 7,45
9,90 7,90
9,60 7,60
9,40 7,95
10,10 7,35
2
10,20 7,55
10,10 7,70
10,55 7,70
10,15 7,60
9,70 7,55
9,80 7,45
10,35 7,90
10,50 7,50
10,45 7,55
10,00 7,70
3
10,40 7,35
9,90 7,70
10,15 7,70
10,10 7,80
10,40 7,70

Tabel 5.4.11 berisi data variabel panjang dan lebar part B, terdapat 3
subgrup, setiap subgrup dilakukan 10 pengamatan, jadi total part yang di amati
sejumlah 30 part. Misal pada subgrup 1 pengamatan ke 1 panjang part B adalah
9,55 cm, dan lebar 7,45 cm.
 Histogram Panjang Part B
10
9
8
Frequency 7
6
5
4 Frequency
3
2
1
0
9,40 9,63 9,86 10,09 10,32 10,55 More
Bin

Gambar 5.4.5 Histogram Panjang Part B

Gambar 5.4.5 adalah histogram panjang part B, berdasarkan histogram
tersebut dapat diketahui jumlah part yang memiliki panjang 9,40 cm sebanyak 1
part, panjang 9,63 cm sebanyak 3 part, panjang 9,86 cm sebanyak 2 part,
panjang 10,09 cm sebanyak 7 part, panjang 10,32 cm sebanyak 8 part, dan
panjang 10,55 cm sebanyak 9 part.

Histogram Lebar Part B

16
14
12
Frequency

10
8
6 Frequency
4
2
0
7,35 7,47 7,59 7,71 7,83 7,95 More
Bin

Gambar 5.4.6 Histogram Lebar Part B

Gambar 5.4.6 adalah histogram lebar part B, berdasarkan histogram tersebut
dapat diketahui jumlah part yang memiliki lebar 7,35 cm sebanyak 2 part, lebar
7,47 cm sebanyak 3 part, lebar 7,59 cm sebanyak 6 part, lebar 7,71 cm sebanyak
14 part, lebar 7,83 cm sebanyak 2 part, dan lebar 7,95 cm sebanyak 3 part.
b. Part F
Histogram data variabel panjang dan lebar part F adalah sebagai berikut:
Tabel 5.4.12 Data Variabel Panjang dan Lebar Part F
Data Variabel Part F (cm)
Subgrup Panjang Lebar
3,90 1,40
3,90 1,65
3,60 1,70
3,75 1,40
4,00 1,30
1
3,75 1,60
3,75 1,40
3,90 1,80
4,00 1,60
3,95 1,30
3,70 1,50
3,90 1,50
3,85 1,70
3,75 1,60
3,55 1,55
2
3,95 1,60
4,00 1,50
3,90 1,75
4,00 1,80
4,00 1,35
3,70 1,65
3,70 1,50
3,75 1,35
3,75 1,30
4,00 1,45
3
3,70 1,30
3,70 1,70
3,80 1,60
3,90 1,60
4,00 1,30

Tabel 5.4.12 berisi data variabel panjang dan lebar part F, terdapat 3
subgrup, setiap subgrup dilakukan 10 pengamatan, jadi total part yang di amati
sejumlah 30 part. Misal pada subgrup 1 pengamatan ke 1 panjang part F adalah
3,90 cm, dan lebar 1,40 cm.
 Histogram Panjang Part F
10

Frequency 6

4
Frequency
2

0
3,55 3,64 3,73 3,82 3,91 4,00 More
Bin

Gambar 5.4.7 Histogram Panjang Part F

Gambar 5.4.7 adalah histogram panjang part F, berdasarkan histogram
tersebut dapat diketahui jumlah part yang memiliki panjang 3,55 cm sebanyak 1
part, panjang 3,64 cm sebanyak 1 part, panjang 3,73 cm sebanyak 5 part,
panjang 3,82 cm sebanyak 7 part, panjang 3,91 cm sebanyak 7 part, dan panjang
4,00 cm sebanyak 9 part.

Histogram Lebar Part F

8
7
6
5
Frequency

4
3 Frequency
2
1
0
1,30 1,40 1,50 1,60 1,70 1,80 More
Bin

Gambar 5.4.8 Histogram Lebar Part F

Gambar 5.4.8 adalah histogram lebar part F, berdasarkan histogram tersebut
dapat diketahui jumlah part yang memiliki lebar 1,30 cm sebanyak 5 part, lebar
1,40 cm sebanyak 5 part, lebar 1,50 cm sebanyak 5 part, lebar 1,60 cm sebanyak
7 part, lebar 1,70 cm sebanyak 5 part, dan lebar 1,80 cm sebanyak 3 part.
4.4 Diagram Pareto
Diagram pareto dari kecacatan atribut pada part B dan part F adalah sebagai
berikut.
a. Part B

Diagram Pareto Part B

10 150%
100%
5
50% Jumlah
0 0%
Kumulatif persen
Mata Tidak Retak/
Kayu Halus/ Pecah
Berserat

Gambar 5.4.9 Diagram Pareto Part B

Gambar 5.4.9 merupakan diagram pareto part B, dapat diketahui bahwa 20%
kecacatan yang ada menyebabkan 80% kerugian pada perusahaan dan terdapat 3
masalah yang menyebabkan kerugian terbesar pada perusahaan yaitu mata kayu,
permukaan yang tidak halus atau berserat dan retak/pecah. Ketiga jenis kecacatan
tersebut semuanya berada pada daerah vital view yaitu daerah yang segera
diperlukan perbaikan.
b. Part F

Diagram Pareto Part F

30 150%
20 100% Jumlah
10 50%
0 0%
Kumulatif
Tidak Retak/ Mata Kayu
persen
Halus/ Pecah
Berserat

Gambar 5.4.10 Diagram Pareto Part F

Gambar 5.4.10 merupakan diagram pareto part F, dapat diketahui bahwa 20%
kecacatan yang ada menyebabkan 80% kerugian pada perusahaan dan terdapat 2
masalah yang menyebabkan kerugian terbesar pada perusahaan yaitu permukaan
yang tidak halus/ berserat dan retak/ pecah. Kedua jenis kecacatan tersebut
semuanya berada pada daerah vital view yaitu daerah yang segera diperlukan
perbaikan.
4.5 Fishbone Diagram
Fishbone diagram sering juga disebut cause and effect yang digunakan
sebagai salah satu dari tujuh alat kualitas dasar (seven tools) dan bertujuan untuk
mengidentifikasi dan mengorganisasi penyebab-penyebab yang mungkin timbul
dari suatu efek spesifik dan kemudian memisahkan akar penyebabnya.
4.5.1 Fishbone Diagram Part B
Berdasarkan hasil diagram pareto yang dilakukan maka terdapat dua jenis
cacat yang berpengaruh signifikan pada hasil produk part B, yaitu:
a. Terdapat Mata Kayu
BAHAN PERSONAL

Pemilihan bahan
kurang tepat

Terdapat banyak Kurang

Mata kayu teliti Kurang
mahir
Kualitas bahan
kurang bagus Kurang
berpengalaman

Terdapat
Mata
Jumlah bahan Kayu
Jumlah bahan terbatas
terbatas
Pengemalan tidak
Posisi pemotongan Waktu memperhatikan
kurang presisi terbatas bahan

Tidak melakukan
Inspeksi bahan

PENGUKURAN METHODS

Gambar 5.4.11 Fishbone Diagram Kecacatan Mata Kayu Part B

Berdasarkan gambar 5.4.11 yaitu fishbone diagram dapat diketahui bahwa
terdapat empat faktor utama yaitu metode, measurement, personal, dan material
yang menyebabkan cacat (terdapat mata kayu) pada hasil produk part B. Sebagai
contoh pada faktor metode yang disebabkan karena beberapa masalah yaitu
tidak melakukan inspeksi bahan dan pengemalan yang tidak memperhatikan
bahan, kedua masalah terebut disebabkan karena keterbatasan pada waktu dan
bahan yang disiapkan.
b. Berserat / Tidak Halus
BAHAN METHODS PERSONAL

Pemotongan Kurang
kurang rapi mahir
Kayu yang Kurang
digunakan Tidak sesuai berpengalaman Tidak
Berserat kasar prosedur Pengamplasan menyesuaikan
Kurang halus dengan prosedur
Jenis bahan
tidak sesuai Tidak ada
Pengamplasan
pelatihan
kurang lama

Berserat /
Pemotongan Tidak
tidak sesuai Amlas tidak Halus
dengan bahan diganti

Pemotongan Amplas yang

Pengukuran kurang digunakan
Mata pisau
waktu tidak hati-hati kurang kasar
tidak diganti
sesuai

Waktu Circular saw

pengamplasan yang digunakan
kurang lama kurang tajam
PENGUKURAN MESIN

Gambar 5.4.12 Fishbone Diagram Berserat atau Tidak Halus Part B

Berdasarkan gambar 5.4.12 yaitu fishbone diagram dapat diketahui bahwa
terdapat lima faktor utama yaitu metode, mesin, measurement, personal, dan
material yang menyebabkan cacat (permukaan kayu berserat/ tidak halus) pada
hasil produk part B. Sebagai contoh pada faktor mesin yang disebabkan karena
beberapa masalah yaitu amplas yang digunakan kurang kasar dan circular saw
yang digunakan kurang tajam, kedua masalah terebut disebabkan karena
pemeliharaan alat yang kurang baik.
4.5.2 Fishbone Diagram Part F
Berdasarkan hasil diagram pareto yang dilakukan maka terdapat dua jenis
cacat yang berpengaruh signifikan pada hasil produk part F, yaitu:
a. Berserat / Tidak Halus
METHODS PERSONAL

Standart gerigi circular saw Kurang

tidak sesuai dengan bahan mahir

Pemilihan standart Kurang

tidak tepat Cara penyimpana berpengalaman Tidak menyesuaikan
tidak baik dengan prosedur

Pemilihan tempat Tidak ada

tidak diperhatikan pelatihan

Berserat /
Tidak
Amlas tidak Halus
Jenis bahan diganti
tidak sesuai
Amplas yang
Kayu yang digunakan Mata pisau digunakan
Berserat kasar tidak diganti kurang kasar

Circular saw
yang digunakan
kurang tajam
BAHAN MESIN

Gambar 5.4.13 Fishbone Diagram Berserat atau Tidak Halus Part F

 Berdasarkan gambar 5.4.13 yaitu fishbone diagram dapat diketahui bahwa
terdapat empat faktor utama yaitu metode, mesin, personal, dan material yang
menyebabkan cacat (permukaan kayu berserat/ tidak halus) pada hasil produk
part F. Sebagai contoh pada faktor mesin yang disebabkan karena beberapa
masalah yaitu amplas yang digunakan kurang kasar dan circular saw yang
digunakan kurang tajam, kedua masalah terebut disebabkan karena
pemeliharaan alat yang kurang baik.
b. Pecah / Retak
BAHAN PERSONAL

Pemilihan bahan
kurang tepat

Terdapat banyak Kurang

retakan pada bahan teliti Kurang
mahir
Kualitas bahan
kurang bagus Kurang
berpengalaman

Pecah /
Retak
Jumlah bahan
terbatas

Pengemalan tidak
Waktu memperhatikan
terbatas bahan

Tidak melakukan
Inspeksi bahan

METHODS

Gambar 5.4.14 Fishbone Diagram Pecah atau Retak Part F

Berdasarkan gambar 5.4.14 yaitu fishbone diagram dapat diketahui bahwa
terdapat tiga faktor utama yaitu metode, personal, dan material yang
memyebabkan cacat (pecah/ retak) pada hasil produk part F. Sebagai contoh
pada faktor metode yang disebabkan karena beberapa masalah yaitu tidak
melakukan inspeksi bahan dan pengemalan yang tidak memperhatikan bahan,
kedua masalah terebut disebabkan karena katerbatasan pada waktu dan bahan
yang terbatas.
4.6 Peta Kendali Variabel dengan Microsoft Excel
Berikut ini merupakan peta kendali variabel yang berisi peta X bar dan peta R
pada part B dan part F.
4.6.1 Peta X bar
Berikut ini merupakan peta kendali X bar panjang dan lebar pada part B dan
part F.
a. Part B
Perhitungan matematis untuk part B panjang adalah sebagai berikut:
Diketahui :
∑𝑥̅ = 100,8
𝑅̅ = 0,505
k = 10
n =3
A2 = 1,023
Ditanya : Peta kendali X bar
Penyelesaian :
∑ 𝑥̅ 100,8
𝑋̿ = 𝑘 = 10

= 10,08
Peta kendali X bar
CL = 𝑋̿ = 10,08
UCL = 𝑋̿ + (A2 ×𝑅̅ )
= 10,08 + ( 1,023 × 0,505 )
= 10,08 + 0,516
= 10,6
LCL = 𝑋̿ - (A2 ×𝑅̅ )
= 10,08 - ( 1,023 × 0,505 )
= 10,08 – 0,516
= 9,57
 Tabel 5.4.13 Data Peta X bar Variabel Panjang Part B
Panjang (cm)
Pengamat Inspectio Subgrup
an n Time 1 2 3 Rata-rata X X Double Bar
UCL Peta L
XCL Peta X
1 09.05 9,55 9,45 9,80 9,60 10,08 10,600 9,57
2 09.07 10,55 9,90 10,35 10,27 10,08 10,600 9,57
3 09.09 9,95 9,60 10,50 10,02 10,08 10,600 9,57
4 09.11 10,40 9,40 10,45 10,08 10,08 10,600 9,57
5 09.13 9,90 10,10 10,00 10,00 10,08 10,600 9,57
6 09.15 10,05 10,20 10,40 10,22 10,08 10,600 9,57
7 09.17 10,00 10,10 9,90 10,00 10,08 10,600 9,57
8 09.19 10,25 10,55 10,15 10,32 10,08 10,600 9,57
9 09.21 10,35 10,15 10,10 10,20 10,08 10,600 9,57
10 09.23 10,30 9,70 10,40 10,13 10,08 10,600 9,57

X Chart Panjang Part B

11.00

10.50
Rata-rata X
Axis Title

10.00 X Double Bar

UCL Peta X
9.50 LCL Peta X

9.00
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.15 Peta X bar Variabel Panjang Part B

Gambar 5.4.15 merupakan output dari microsoft excel pengujian X bar chart
panjang part B. Data yang di inputkan merupakan data pada tabel 5.4.13. Dari
grafik tersebut dapat diketahui bahwa data berada didalam batas kontrol
sehingga tidak ada data yang outlier dengan nilai UCL sebesar 10,6 dan LCL
sebesar 9,57. Sehingga dapat dikatakan bahwa proses sudah terkendali.
 Perhitungan matematis untuk part B lebar adalah sebagai berikut:
Diketahui :
∑𝑥̅ = 76,38
𝑅̅ = 0,19
k = 10
n =3
A2 = 1,023
Ditanya : Peta kendali X bar
Penyelesaian :
∑ 𝑥̅ 76,38
𝑋̿ = 𝑘 = 10

= 7,64
Peta kendali X bar
CL = 𝑋̿ = 7,64
UCL = 𝑋̿ + (A2 ×𝑅̅ )
= 7,64 + ( 1,023 × 0,19 )
= 7,64 + 0,1947
= 7,833
LCL = 𝑋̿ - (A2 ×𝑅̅ )
= 7,64 - ( 1,023 × 0,19)
= 7,64 - 0,1947
= 7,44
Tabel 5.4.14 Data Peta X bar Variabel Lebar Part B
Lebar (cm)
Pengamat Inspectio Subgrup
an n Time 1 2 3 Rata-rata X X Double Bar
UCL Peta L
XCL Peta X
1 09.25 7,45 7,45 7,45 7,45 7,64 7,833 7,44
2 09.27 7,65 7,90 7,90 7,82 7,64 7,833 7,44
3 09.29 7,55 7,60 7,50 7,55 7,64 7,833 7,44
4 09.31 7,55 7,95 7,55 7,68 7,64 7,833 7,44
5 09.33 7,70 7,35 7,70 7,58 7,64 7,833 7,44
6 09.35 7,70 7,55 7,35 7,53 7,64 7,833 7,44
7 09.37 7,80 7,70 7,70 7,73 7,64 7,833 7,44
8 09.39 7,70 7,70 7,70 7,70 7,64 7,833 7,44
9 09.41 7,70 7,60 7,80 7,70 7,64 7,833 7,44
10 09.43 7,65 7,55 7,70 7,63 7,64 7,833 7,44
 7.90
7.80
7.70 Rata-rata X
Axis Title
7.60
X Double Bar
7.50
UCL Peta X
7.40
7.30 LCL Peta X
7.20
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.16 Peta X bar Variabel Lebar Part B

Gambar 5.4.16 merupakan output dari microsoft excel pengujian X bar chart
lebar part B. Data yang di inputkan merupakan data pada tabel 5.4.14. Dari
grafik tersebut dapat diketahui bahwa data berada didalam batas kontrol
sehingga tidak ada data yang outlier dengan nilai UCL sebesar 7,833 dan LCL
sebesar 7,44. Sehingga dapat dikatakan bahwa proses sudah terkendali.
b. Part F
Perhitungan matematis untuk part F panjang adalah sebagai berikut:
Diketahui :
∑𝑥̅ = 38,37
𝑅̅ = 0,19
k = 10
n =3
A2 = 1,023
Ditanya : Peta kendali X bar
Penyelesaian :
∑ 𝑥̅ 38,37
𝑋̿ = =
𝑘 10

= 3,84
Peta kendali X bar
CL = 𝑋̿ = 3,84
UCL = 𝑋̿ + (A2 ×𝑅̅ )
= 3,84 + ( 1,023 × 0,19 )
= 3.84 + 0,19437
 = 4,031
LCL = 𝑋̿ - (A2 ×𝑅̅ )
= 3,84 - ( 1,023 × 0,19 )
= 3.84 - 0,19437
= 3,64
Tabel 5.4.15 Data Peta X bar Variabel Panjang Part F
Panjang (cm)
Pengamat Inspectio Subgrup
an n Time 1 2 3 Rata-rata X X Double Bar
UCL Peta L
XCL Peta X
1 09.45 3,90 3,70 3,70 3,77 3,84 4,031 3,64
2 09.47 3,90 3,90 3,70 3,83 3,84 4,031 3,64
3 09.49 3,60 3,85 3,75 3,73 3,84 4,031 3,64
4 09.51 3,75 3,75 3,75 3,75 3,84 4,031 3,64
5 09.53 4,00 3,55 4,00 3,85 3,84 4,031 3,64
6 09.55 3,75 3,95 3,70 3,80 3,84 4,031 3,64
7 09.57 3,75 4,00 3,70 3,82 3,84 4,031 3,64
8 09.59 3,90 3,90 3,80 3,87 3,84 4,031 3,64
9 10.01 4,00 4,00 3,90 3,97 3,84 4,031 3,64
10 10.03 3,95 4,00 4,00 3,98 3,84 4,031 3,64

X Chart Panjang Part F

4.10
4.00
3.90 Rata-rata X
Axis Title

3.80
X Double Bar
3.70
UCL Peta X
3.60
3.50 LCL Peta X
3.40
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.17 Peta X Variabel Panjang Part F

Gambar 5.4.17 merupakan output dari microsoft excel pengujian Xbar chart
panjang part F. Data yang di inputkan merupakan data pada tabel 5.4.15. Dari
grafik tersebut dapat diketahui bahwa data berada didalam batas kontrol
sehingga tidak ada data yang outlier dengan nilai UCL sebesar 4,031 dan LCL
sebesar 3,64. Sehingga dapat dikatakan bahwa proses sudah terkendali.
 Perhitungan matematis untuk part F lebar adalah sebagai berikut:
Diketahui :
∑𝑥̅ = 15,25
𝑅̅ = 0,24
k = 10
n =3
A2 = 1,023
Ditanya : Peta kendali X bar
Penyelesaian :
∑ 𝑥̅ 15,25
𝑋̿ = 𝑘 = 10

= 1,53
Peta kendali X bar
CL = 𝑋̿ = 1,53
UCL = 𝑋̿ + (A2 ×𝑅̅ )
= 1,53+ ( 1,023 × 0,24)
= 1,53+ 0,240405
= 1,78
LCL = 𝑋̿ - (A2 ×𝑅̅ )
= 1,53- ( 1,023 × 0,24)
= 1,53- 0,240405
= 1,28
Tabel 5.4.16 Data Peta X Variabel Lebar Part F
Lebar (cm)
Pengamat Inspectio Subgrup
an n Time 1 2 3 Rata-rata X X Double Bar
UCL Peta L
XCL Peta X
1 10.05 1,40 1,50 1,65 1,52 1,53 1,765 1,28
2 10.07 1,65 1,50 1,50 1,55 1,53 1,765 1,28
3 10.09 1,70 1,70 1,35 1,58 1,53 1,765 1,28
4 10.11 1,40 1,60 1,30 1,43 1,53 1,765 1,28
5 10.13 1,30 1,55 1,45 1,43 1,53 1,765 1,28
6 10.15 1,60 1,60 1,30 1,50 1,53 1,765 1,28
7 10.17 1,40 1,50 1,70 1,53 1,53 1,765 1,28
8 10.19 1,80 1,75 1,60 1,72 1,53 1,765 1,28
9 10.21 1,60 1,80 1,60 1,67 1,53 1,765 1,28
10 10.23 1,30 1,35 1,30 1,32 1,53 1,765 1,28
 X Chart Lebar Part F
2.00

1.50
Rata-rata X

Axis Title 1.00 X Double Bar

UCL Peta X
0.50
LCL Peta X

0.00
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.18 Peta X Variabel Lebar Part F

Gambar 5.4.18 merupakan output dari microsoft excel pengujian Xbar chart
lebar part F. Data yang di inputkan merupakan data pada tabel 5.4.16. Dari
grafik tersebut dapat diketahui bahwa data berada didalam batas kontrol
sehingga tidak ada data yang outlier dengan nilai UCL sebesar 7,833 dan LCL
sebesar 7,44. Sehingga dapat dikatakan bahwa proses sudah terkendali.
4.6.2 Peta R
Berikut ini merupakan peta kendali R panjang dan lebar pada part B dan F.
a. Part B
Perhitungan matematis untuk part B panjang adalah sebagai berikut:
Diketahui :
∑R = 74,25
k = 10
n =3
D3 =0
D4 = 2,574
Ditanya : Peta kendali R
Penyelesaian :
∑𝑅 74,25
𝑅̅ = =
𝑘 10

= 7,425
Peta kendali R
CL = 𝑅̅ = 7,425
UCL = D4 × 𝑅̅
 = 2,574 × 7,425
= 19,111
LCL = D3 × 𝑅̅
= 0,00 × 7,425
=0
Tabel 5.4.17 Data Peta R Variabel Panjang Part B
Panjang (cm)
Subgrup
Pengamatan Inspection Time
1 2 3 Range R R bar UCL Peta R LCL Peta R
1 09.05 9,55 9,45 9,80 0,35 7,425 19,11195 0
2 09.07 10,55 9,90 10,35 0,65 7,425 19,11195 0
3 09.09 9,95 9,60 10,50 0,90 7,425 19,11195 0
4 09.11 10,40 9,40 10,45 10,45 7,425 19,11195 0
5 09.13 9,90 10,10 10,00 10,10 7,425 19,11195 0
6 09.15 10,05 10,20 10,40 10,40 7,425 19,11195 0
7 09.17 10,00 10,10 9,90 10,10 7,425 19,11195 0
8 09.19 10,25 10,55 10,15 10,55 7,425 19,11195 0
9 09.21 10,35 10,15 10,10 10,35 7,425 19,11195 0
10 09.23 10,30 9,70 10,40 10,40 7,425 19,11195 0

R Chart Panjang Part B

25.00

20.00
Range R
Axis Title

15.00
R bar
10.00 UCL Peta R
5.00 LCL Peta R

0.00
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.19 Peta R Variabel Panjang Part B

Gambar 5.4.19 merupakan output dari microsoft excel pengujian Rbar chart
panjang part B. Data yang di inputkan merupakan data pada tabel 5.4.17. Dari
grafik tersebut dapat diketahui bahwa data berada didalam batas kontrol
sehingga tidak ada data yang outlier dengan nilai R bar sebesar 7,425, UCL
sebesar 19,11 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses sudah
terkendali.
Perhitungan matematis untuk part B lebar adalah sebagai berikut:
Diketahui :
∑R = 62,20
k = 10
n =3
D3 =0
D4 = 2,574
Ditanya : Peta kendali R
Penyelesaian :
∑𝑅 62,20
𝑅̅ = =
𝑘 10

= 6,22
Peta kendali R
CL = 𝑅̅ = 6,22
UCL = D4 × 𝑅̅
= 2,574 × 6,22
= 16,01
LCL = D3 × 𝑅̅
= 0,00 × 6,22
=0
Tabel 5.4.18 Data Peta R Variabel Lebar Part B
Lebar (cm)
Subgrup
Pengamatan Inspection Time 1 2 3 Range R R bar UCL Peta R LCL Peta R
1 09.25 7,45 7,45 7,45 0,00 6,22 16,01028 0
2 09.27 7,65 7,90 7,90 0,25 6,22 16,01028 0
3 09.29 7,55 7,60 7,50 7,60 6,22 16,01028 0
4 09.31 7,55 7,95 7,55 7,95 6,22 16,01028 0
5 09.33 7,70 7,35 7,70 7,70 6,22 16,01028 0
6 09.35 7,70 7,55 7,35 7,70 6,22 16,01028 0
7 09.37 7,80 7,70 7,70 7,80 6,22 16,01028 0
8 09.39 7,70 7,70 7,70 7,70 6,22 16,01028 0
9 09.41 7,70 7,60 7,80 7,80 6,22 16,01028 0
10 09.43 7,65 7,55 7,70 7,70 6,22 16,01028 0
 R Chart Lebar Part B
18.00
16.00
14.00
Axis Title 12.00 Range R
10.00 R bar
8.00
6.00 UCL Peta R
4.00 LCL Peta R
2.00
0.00
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.20 Peta R Variabel Lebar Part B

Gambar 5.4.20 merupakan output dari microsoft excel pengujian Rbar chart
lebar part B. Data yang di inputkan merupakan data pada tabel 5.4.18. Dari
grafik tersebut dapat diketahui bahwa data berada didalam batas kontrol
sehingga tidak ada data yang outlier dengan nilai R bar sebesar 6,22, UCL
sebesar 16,01 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses sudah
terkendali.
b. Part F
Perhitungan matematis untuk part F panjang adalah sebagai berikut:
Diketahui :
∑R = 31,85
k = 10
n =3
D3 =0
D4 = 2,574
Ditanya : Peta kendali R
Penyelesaian :
∑𝑅 31,85
𝑅̅ = =
𝑘 10

= 3,185
Peta kendali R
CL = 𝑅̅ = 3,185
UCL = D4 × 𝑅̅
 = 2,574 × 3,185
= 8,198
LCL = D3 × 𝑅̅
= 0,00 × 3,185
=0
Tabel 5.4.19 Data Peta R Variabel Panjang Part F
Panjang (cm)
Subgrup
Pengamatan Inspection Time
1 2 3 Range R R bar UCL Peta R LCL Peta R
1 09.45 3,90 3,70 3,70 0,20 3,185 8,19819 0
2 09.47 3,90 3,90 3,70 0,20 3,185 8,19819 0
3 09.49 3,60 3,85 3,75 3,85 3,185 8,19819 0
4 09.51 3,75 3,75 3,75 3,75 3,185 8,19819 0
5 09.53 4,00 3,55 4,00 4,00 3,185 8,19819 0
6 09.55 3,75 3,95 3,70 3,95 3,185 8,19819 0
7 09.57 3,75 4,00 3,70 4,00 3,185 8,19819 0
8 09.59 3,90 3,90 3,80 3,90 3,185 8,19819 0
9 10.01 4,00 4,00 3,90 4,00 3,185 8,19819 0
10 10.03 3,95 4,00 4,00 4,00 3,185 8,19819 0

R Chart Panjang Part F

10.00

8.00
Range R
Axis Title

6.00
R bar
4.00
UCL Peta R
2.00 LCL Peta R

0.00
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.21 Peta R Variabel Panjang Part F

Gambar 5.4.21 merupakan output dari microsoft excel pengujian Rbar chart
panjang part F. Data yang di inputkan merupakan data pada tabel 5.4.19. Dari
grafik tersebut dapat diketahui bahwa data berada didalam batas kontrol
sehingga tidak ada data yang outlier dengan nilai R bar sebesar 3,185, UCL
sebesar 8,198 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses sudah
terkendali.
Perhitungan matematis untuk part F lebar adalah sebagai berikut:
Diketahui :
∑R = 13,50
k = 10
n =3
D3 =0
D4 = 2,574
Ditanya : Peta kendali R
Penyelesaian :
∑𝑅 13,50
𝑅̅ = =
𝑘 10

= 1,35
Peta kendali R
CL = 𝑅̿ = 1,35
UCL = D4 × 𝑅̅
= 2,574 × 1,35
= 3,475
LCL = D3 × 𝑅̅
= 0,00 × 1,35
=0
Tabel 5.4.20 Data Peta R Variabel Lebar Part F
Lebar (cm)
Subgrup
Pengamatan Inspection Time
1 2 3 Range R R bar UCL Peta R LCL Peta R
1 10.05 1,40 1,50 1,65 0,25 1,35 3,4749 0
2 10.07 1,65 1,50 1,50 0,15 1,35 3,4749 0
3 10.09 1,70 1,70 1,35 1,70 1,35 3,4749 0
4 10.11 1,40 1,60 1,30 1,60 1,35 3,4749 0
5 10.13 1,30 1,55 1,45 1,55 1,35 3,4749 0
6 10.15 1,60 1,60 1,30 1,60 1,35 3,4749 0
7 10.17 1,40 1,50 1,70 1,70 1,35 3,4749 0
8 10.19 1,80 1,75 1,60 1,80 1,35 3,4749 0
9 10.21 1,60 1,80 1,60 1,80 1,35 3,4749 0
10 10.23 1,30 1,35 1,30 1,35 1,35 3,4749 0
 R Chart Lebar Part F
4.00

3.00 Range R
Axis Title 2.00 R bar
UCL Peta R
1.00
LCL Peta R
0.00
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.22 Peta R Variabel Lebar Part F

Gambar 5.4.22 merupakan output dari microsoft excel pengujian Rbar chart
lebar part F. Data yang di inputkan merupakan data pada tabel 5.4.20. Dari
grafik tersebut dapat diketahui bahwa data berada didalam batas kontrol
sehingga tidak ada data yang outlier dengan nilai R bar sebesar 1,35, UCL
sebesar 3,475 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses sudah
terkendali.

4.7 Peta Kendali Atribut dengan Microsoft Excel

Berikut ini merupakan peta kendali atribut yang berisi peta C, peta P dan peta
U pada part B dan part F.
4.7.1 Peta C
Adapun berikut ini merupakan peta kendali C kecacat atribut pada part B
dan part F.
Keterangan:
𝑐̅ : Jumlah cacat
∑𝑐 : Jumlah data nonconforming
𝑔 : Banyaknya sampel
1. Part B
a. Perhitungan manual peta kendali C atribut retak atau pecah.
∑𝑐
𝑐̅ = 𝑔
5
= 10

= 0,5
UCL = 𝑐̅ + 3 √𝑐̅

= 0,5 + 3 √0,5
= 0,5 + 2,121
= 1,207
LCL = 𝑐̅ − 3 √𝑐̅

= 0,5 − 3 √0,5
= 0,5 - 2,121
= -1,621 atau 0
Tabel 5.4.21 Data Peta C Cacat Retak/Pecah Part B
No Retak/Pecah C Bar UCLc LCLc
1 0 0,500 1,207 0
2 0 0,500 1,207 0
3 0 0,500 1,207 0
4 0 0,500 1,207 0
5 0 0,500 1,207 0
6 1 0,500 1,207 0
7 1 0,500 1,207 0
8 1 0,500 1,207 0
9 1 0,500 1,207 0
10 1 0,500 1,207 0

Peta C Retak/Pecah Part B

1.4
1.2
1 Retak/Pecah
Axis Title

0.8
C Bar
0.6
UCLc
0.4
0.2 LCLc
0
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.23 Grafik Peta C Cacat Retak/Pecah Part B

Gambar 5.4.23 merupakan output dari microsoft excel pengujian C chart
cacat retak/ pecah part B. Data yang di inputkan merupakan data pada tabel
5.4.21. Dari grafik tersebut dapat diketahui bahwa data berada didalam batas
kontrol sehingga tidak ada data yang outlier dengan nilai C bar sebesar 0,5, UCL
sebesar 1,207 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses
terkendali.
b. Perhitungan manual peta kendali C atribut terdapat mata kayu.
∑𝑐
𝑐̅ = 𝑔
8
= 10

= 0,8
UCL = 𝑐̅ + 3 √𝑐̅
= 0,8 + 3 √0,8
= 0,8 + 2,683
= 3,483
LCL = 𝑐̅ − 3 √𝑐̅
= 0,8 − 3 √0,8
= 0,8 – 2,683
= 0
Tabel 5.4.22 Data Peta C Cacat Mata Kayu Part B
No Mata Kayu C Bar UCLc LCLc
1 0 0,800 3,483 0
2 1 0,800 3,483 0
3 1 0,800 3,483 0
4 0 0,800 3,483 0
5 1 0,800 3,483 0
6 2 0,800 3,483 0
7 0 0,800 3,483 0
8 1 0,800 3,483 0
9 1 0,800 3,483 0
10 1 0,800 3,483 0

Peta C Mata Kayu B

4

0
1 2 3 4 5 6 7 8 9 10

Mata Kayu UCLc LCLc

Gambar 5.4.24 Grafik Peta C Cacat Mata Kayu Part B

Gambar 5.4.24 merupakan output dari microsoft excel pengujian C chart
cacat mata kayu part B. Data yang di inputkan merupakan data pada tabel
5.4.22. Dari grafik tersebut dapat diketahui bahwa tidak data yang berada diluar
batas kontrol dengan nilai C bar sebesar 0,8, UCL sebesar 3,483 dan LCL
sebesar 0. Sehingga dapat dikatakan bahwa proses terkendali.
c. Perhitungan manual peta kendali C atribut permukaan tidak halus atau
berserat.
∑𝑐
𝑐̅ = 𝑔
8
= 10

= 0,8
UCL = 𝑐̅ + 3 √𝑐̅
= 0,8 + 3 √0,8
= 0,8 + 2,683
= 3,483
LCL = 𝑐̅ − 3 √𝑐̅
= 0,8 − 3 √0,8
= 0,8 – 2,683
= 0
Tabel 5.4.23 Data Peta C Cacat Permukaan Tidak Halus Part B
No Tidak Halus/ Berserat C Bar UCLc LCLc
1 0 0,800 3,483 0
2 1 0,800 3,483 0
3 1 0,800 3,483 0
4 0 0,800 3,483 0
5 1 0,800 3,483 0
6 2 0,800 3,483 0
7 0 0,800 3,483 0
8 1 0,800 3,483 0
9 1 0,800 3,483 0
10 1 0,800 3,483 0

Peta C Cacat Tidak Halus B

4

0
1 2 3 4 5 6 7 8 9 10

Tidak Halus/ Berserat UCLc LCLc

Gambar 5.4.25 Grafik Peta C Cacat Permukaan Tidak Halus Part B

 Gambar 5.4.25 merupakan output dari microsoft excel pengujian C chart
cacat permukaan tidak halus part B. Data yang di inputkan merupakan data pada
tabel 5.4.23. Dari grafik tersebut dapat diketahui bahwa tidak data yang berada
diluar batas kontrol dengan nilai C bar sebesar 0,8, UCL sebesar 3,483 dan LCL
sebesar 0. Sehingga dapat dikatakan bahwa proses terkendali.
2. Part F
a. Perhitungan manual peta kendali C atribut retak atau pecah.
∑𝑐
𝑐̅ = 𝑔
14
= 10

= 1,4
UCL = 𝑐̅ + 3 √𝑐̅
= 1,4 + 3 √1,4
= 1,4+ 3,550
= 4,950
LCL = 𝑐̅ − 3 √𝑐̅
= 1,4 − 3 √1,4
= 1,4 – 3,550
=0
Tabel 5.4.24 Data Peta C Cacat Retak/Pecah Part F
No Retak/Pecah C Bar UCLc LCLc
1 1 1,400 4,950 -2,150
2 3 1,400 4,950 -2,150
3 2 1,400 4,950 -2,150
4 1 1,400 4,950 -2,150
5 1 1,400 4,950 -2,150
6 1 1,400 4,950 -2,150
7 0 1,400 4,950 -2,150
8 3 1,400 4,950 -2,150
9 2 1,400 4,950 -2,150
10 0 1,400 4,950 -2,150
 Peta C Cacat Retak F
6
5
4
3
2
1
0
-1 1 2 3 4 5 6 7 8 9 10
-2
-3

Retak/Pecah C Bar UCLc LCLc

Gambar 5.4.26 Grafik Peta C Cacat Retak/Pecah Part F

Gambar 5.4.26 merupakan output dari microsoft excel pengujian C chart
cacat permukaan cacat retak part B. Data yang di inputkan merupakan data pada
tabel 5.4.24. Dari grafik tersebut dapat diketahui bahwa tidak data yang berada
diluar batas kontrol dengan nilai C bar sebesar 1,40, UCL sebesar 4,950, dan
LCL sebesar 0. Sehingga dapat dikatakan bahwa proses terkendali.
b. Perhitungan manual peta kendali C atribut terdapat mata kayu.
∑𝑐
𝑐̅ =
𝑔
5
= 10

= 0,5
UCL = 𝑐̅ + 3 √𝑐̅

= 0,5 + 3 √0,5
= 0,5 + 2,121
= 2,621
LCL = 𝑐̅ − 3 √𝑐̅

= 0,5 − 3 √0,5
= 0,5 – 2,121
= -1,621 atau 0
 Tabel 5.4.25 Data Peta C Cacat Mata Kayu Part F
No Mata Kayu C Bar UCLc LCLc
1 0 0,500 2,621 0
2 0 0,500 2,621 0
3 2 0,500 2,621 0
4 0 0,500 2,621 0
5 0 0,500 2,621 0
6 0 0,500 2,621 0
7 1 0,500 2,621 0
8 1 0,500 2,621 0
9 1 0,500 2,621 0
10 0 0,500 2,621 0

Peta C Cacat Mata Kayu F

3

2.5

1.5

0.5

0
1 2 3 4 5 6 7 8 9 10

Mata Kayu C Bar UCLc LCLc

Gambar 5.4.27 Grafik Peta C Cacat Mata Kayu Part B

Gambar 5.4.27 merupakan output dari microsoft excel pengujian C chart
cacat mata kayu part B. Data yang di inputkan merupakan data pada tabel
5.4.25. Dari grafik tersebut dapat diketahui bahwa tidak data yang berada diluar
batas kontrol dengan nilai C bar sebesar 0,5, UCL sebesar 2,621 dan LCL
sebesar 0. Sehingga dapat dikatakan bahwa proses terkendali.
c. Perhitungan manual peta kendali C atribut tidak halus atau berserat.
∑𝑐
𝑐̅ = 𝑔
22
= 10

= 2,2
UCL = 𝑐̅ + 3 √𝑐̅
= 2,2 + 3 √2,2
 = 2,2 + 4,250
= 6,650
LCL = 𝑐̅ − 3 √𝑐̅
= 2,2 − 3 √2,2
= 2,2 – 4,250
= -2,250 atau 0
Tabel 5.4.26 Data Peta C Cacat Permukaan Tidak Halus Part F
No Tidak Halus/ Berserat C Bar UCLc LCLc
1 2 2,200 6,650 -2,250
2 3 2,200 6,650 -2,250
3 2 2,200 6,650 -2,250
4 3 2,200 6,650 -2,250
5 2 2,200 6,650 -2,250
6 3 2,200 6,650 -2,250
7 2 2,200 6,650 -2,250
8 2 2,200 6,650 -2,250
9 1 2,200 6,650 -2,250
10 2 2,200 6,650 -2,250

Peta C Ccat Berserat F

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

Tidak Halus/ Berserat C Bar UCLc LCLc

Gambar 5.4.28 Grafik Peta C Cacat Permukaan Tidak Halus Part F

Gambar 5.4.28 merupakan output dari microsoft excel pengujian C chart
cacat permukaan tidak halus part F. Data yang di inputkan merupakan data pada
tabel 5.4.26. Dari grafik tersebut dapat diketahui bahwa data berada didalam
batas kontrol sehingga tidak ada data yang outlier dengan nilai C bar sebesar 2,2,
UCL sebesar 6,650 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses
sudah terkendali.
4.7.2 Peta P
Adapun berikut ini merupakan peta kendali P kecacatan atribut pada part B
dan part F.
Keterangan rumus:
𝑝̅ : Rata-rata proporsi
∑𝑛𝑝 : Jumlah data non-conforming
∑𝑛 : Jumlah data inspeksi
𝑛 : banyaknya sampel
1. Part B
a. Perhitungan manual peta kendali P atribut retak atau pecah.
∑ 𝑛𝑝
𝑝̅ = ∑𝑛
1,667
= 30

= 0,056
𝑝̅ (1−𝑝̅ )
UCL = 𝑝̅ + 3 √ 𝑛

0,056(1−0,056)
= 0,056 + 3 √ 3

= 0,452
𝑝̅ (1−𝑝̅ )
LCL = 𝑝̅ − 3 √ 𝑛

0,056(1−0,056)
= 0,056 − 3 √ 3

= 0,00
Tabel 5.4.27 Data Peta P Retak/Pecah Part B
No Number Inspection Retak/Pecah Proporsi P bar Q bar n bar UCLp LCLp
1 3 0 0,000 0,056 0,944 3 0,452 0
2 3 0 0,000 0,056 0,944 3 0,452 0
3 3 0 0,000 0,056 0,944 3 0,452 0
4 3 0 0,000 0,056 0,944 3 0,452 0
5 3 0 0,000 0,056 0,944 3 0,452 0
6 3 1 0,333 0,056 0,944 3 0,452 0
7 3 1 0,333 0,056 0,944 3 0,452 0
8 3 1 0,333 0,056 0,944 3 0,452 0
9 3 1 0,333 0,056 0,944 3 0,452 0
10 3 1 0,333 0,056 0,944 3 0,452 0
 Peta P Retak/Pecah Part B
0.500
0.450
0.400
0.350
Proporsi
0.300
Axis Title

0.250 P bar
0.200 UCLp
0.150 LCLp
0.100
0.050
0.000
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.29 Grafik Peta P Retak/Pecah Part B

Gambar 5.4.29 merupakan output dari microsoft excel pengujian P chart
cacat retak atau pecah part B. Data yang di inputkan merupakan data pada tabel
5.4.27. Dari grafik tersebut dapat diketahui bahwa data berada didalam batas
kontrol sehingga tidak ada data yang outlier dengan nilai P bar sebesar 0,056,
UCL sebesar 0,452 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses
sudah terkendali.
b. Perhitungan manual peta kendali P atribut terdapat mata kayu.
∑ 𝑛𝑝
𝑝̅ = ∑𝑛
2,667
= 30

= 0,089
𝑝̅ (1−𝑝̅ )
UCL = 𝑝̅ + 3 √ 𝑛

0,089(1−0,089)
= 0,089 + 3 √ 3

= 0,582
𝑝̅ (1−𝑝̅ )
LCL = 𝑝̅ − 3 √ 𝑛

0,089(1−0,089)
= 0,089 − 3 √ 3

= 0,00
 Tabel 5.4.28 Data Peta P Cacat Mata Kayu Part B
No Number Inspection Mata Kayu Proporsi P bar Q bar n bar UCLp LCLp
1 3 0 0,00 0,089 0,911 3 0,582 0
2 3 1 0,33 0,089 0,911 3 0,582 0
3 3 1 0,33 0,089 0,911 3 0,582 0
4 3 0 0,00 0,089 0,911 3 0,582 0
5 3 1 0,33 0,089 0,911 3 0,582 0
6 3 2 0,67 0,089 0,911 3 0,582 0
7 3 0 0,00 0,089 0,911 3 0,582 0
8 3 1 0,33 0,089 0,911 3 0,582 0
9 3 1 0,33 0,089 0,911 3 0,582 0
10 3 1 0,33 0,089 0,911 3 0,582 0

Peta P Mata Kayu Part B

0.80
0.60 Proporsi
Axis Title

0.40 P bar

0.20 UCLp
LCLp
0.00
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.30 Gambar Peta P Cacat Mata Kayu Part B

Gambar 5.4.30 merupakan output dari microsoft excel pengujian P chart
cacat retak atau pecah part B. Data yang di inputkan merupakan data pada tabel
5.4.28. Dari grafik tersebut terdapat data yang berada diluar batas kontrol yaitu
data ke 6, data tersebut harus dihilangkan. Nilai P bar sebesar 0,089, UCL
sebesar 0,582 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses tidak
terkendali.
Peta Kendali P Revisi
Perhitungan manual revisi peta kendali P atribut terdapat mata kayu.
∑ 𝑛𝑝
𝑝̅ = ∑𝑛
2
= 27

= 0,074
𝑝̅ (1−𝑝̅ )
UCL = 𝑝̅ + 3 √ 𝑛

0,074(1−0,074)
= 0,074 + 3 √ 3

= 0,582
𝑝̅ (1−𝑝̅ )
LCL = 𝑝̅ − 3 √ 𝑛
 0,074(1−0,074)
= 0,074 − 3 √ 3

= -0,380
Tabel 5.4.29 Data Revisi Peta P Mata Kayu Part B
No Number Inspection Mata Kayu Proporsi P bar Q bar n bar UCLp LCLp LCLp
1 3 0 0 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
2 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
3 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
4 3 0 0 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
5 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
6 3 0 0 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
7 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
8 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
9 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0

Revisi mata kayu part B

0.6

0.5

0.4

0.3

0.2

0.1

0
1 2 3 4 5 6 7 8 9

Series1 Series2 Series3 Series4

Gambar 5.4.31 Grafik Revisi Peta P Mata Kayu Part B

Gambar 5.4.31 merupakan output dari microsoft excel pengujian revisi P
chart cacat mata kayu part B. Data yang di inputkan merupakan data pada tabel
5.4.29. Dari grafik tersebut dapat diketahui bahwa data berada didalam batas
kontrol sehingga tidak ada data yang outlier dengan nilai P bar sebesar 0,074,
UCL sebesar 0,528 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses
sudah terkendali.
c. Perhitungan manual peta kendali P atribut tidak halus atau berserat.
∑ 𝑛𝑝
𝑝̅ = ∑𝑛
2,667
= 30

= 0,089
𝑝̅ (1−𝑝̅ )
UCL = 𝑝̅ + 3 √ 𝑛
 0,089(1−0,089)
= 0,089 + 3 √ 3

= 0,582
𝑝̅ (1−𝑝̅ )
LCL = 𝑝̅ − 3 √ 𝑛

0,089(1−0,089)
= 0,089 − 3 √ 3

= 0,00
Tabel 5.4.30 Data Peta P Permukaan Tidak Halus Part B
No Number Inspection Tidak Halus/ Berserat Proporsi P bar Q bar n bar UCLp LCLp
1 3 0 0 0,089 0,911 3 0,582 0
2 3 1 0,333333 0,089 0,911 3 0,582 0
3 3 1 0,333333 0,089 0,911 3 0,582 0
4 3 0 0 0,089 0,911 3 0,582 0
5 3 1 0,333333 0,089 0,911 3 0,582 0
6 3 2 0,666667 0,089 0,911 3 0,582 0
7 3 0 0 0,089 0,911 3 0,582 0
8 3 1 0,333333 0,089 0,911 3 0,582 0
9 3 1 0,333333 0,089 0,911 3 0,582 0
10 3 1 0,333333 0,089 0,911 3 0,582 0

Peta P Tidak Halus Part B

0.7
0.6
0.5 Proporsi
Axis Title

0.4
P bar
0.3
UCLp
0.2
0.1 LCLp
0
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.32 Grafik Peta P Permukaan Tidak Halus Part B

Gambar 5.4.32 merupakan output dari microsoft excel pengujian P chart
cacat tidak halus part B. Data yang di inputkan merupakan data pada tabel
5.4.30. Dari grafik tersebut terdapat data yang berada diluar batas kontrol yaitu
data ke 6, data tersebut harus dihilangkan. Nilai P bar sebesar 0,089, UCL
sebesar 0,582 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses tidak
terkendali.
Peta Kendali P Revisi
Perhitungan manual revisi peta kendali P atribut tidak halus atau berserat.
∑ 𝑛𝑝
𝑝̅ = ∑𝑛
 2
= 27

= 0,074
𝑝̅ (1−𝑝̅ )
UCL = 𝑝̅ + 3 √ 𝑛

0,074(1−0,074)
= 0,074 + 3 √ 3

= 0,582
𝑝̅ (1−𝑝̅ )
LCL = 𝑝̅ − 3 √ 𝑛

0,074(1−0,074)
= 0,074 − 3 √ 3

= -0,379 atau 0,00

Tabel 5.4.31 Data Revisi Peta P Permukaan Tidak Halus Part B
No Number Inspection Tidak Halus/ Berserat Proporsi P bar Q bar n bar UCLp LCLp LCLp
1 3 0 0 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
2 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
3 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
4 3 0 0 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
5 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
6 3 0 0 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
7 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
8 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0
9 3 1 0,333333 0,07407407 0,92592593 3 0,52768329 -0,37953514 0

Revisi tidak halus part B

0.6

0.5

0.4 Proporsi
Axis Title

0.3 P bar
UCLp
0.2
LCLp
0.1

0
1 2 3 4 5 6 7 8 9

Gambar 5.4.33 Grafik Revisi Peta P Retak/Pecah Part B

Gambar 5.4.33 merupakan output dari microsoft excel pengujian revisi P
chart cacat permukaan tidak halus part B. Data yang di inputkan merupakan
data pada tabel 5.4.31. Dari grafik tersebut dapat diketahui bahwa data berada
didalam batas kontrol sehingga tidak ada data yang outlier dengan nilai P bar
sebesar 0,074, UCL sebesar 0,528 dan LCL sebesar 0. Sehingga dapat dikatakan
bahwa proses sudah terkendali.
2. Part F
a. Perhitungan manual peta kendali P atribut retak atau pecah.
∑ 𝑛𝑝
𝑝̅ = ∑𝑛
4,667
= 30

= 0,156
𝑝̅ (1−𝑝̅ )
UCL = 𝑝̅ + 3 √ 𝑛

0,156(1−0,156)
= 0,156 + 3 √
3

= 0,783
𝑝̅ (1−𝑝̅ )
LCL = 𝑝̅ − 3 √ 𝑛

0,156(1−0,156)
= 0,156 − 3 √ 3

= -0,472 atau 0
Tabel 5.4.32 Data Peta P Retak/Pecah Halus Part F
No Number Inspection Retak/Pecah Proporsi P bar Q bar n bar UCLp LCLp LCLp
1 3 1 0,333333 0,156 0,844 3 0,783 -0,4722 0
2 3 3 1 0,156 0,844 3 0,783 -0,4722 0
3 3 2 0,666667 0,156 0,844 3 0,783 -0,4722 0
4 3 1 0,333333 0,156 0,844 3 0,783 -0,4722 0
5 3 1 0,333333 0,156 0,844 3 0,783 -0,4722 0
6 3 1 0,333 0,156 0,844 3 0,783 -0,4722 0
7 3 0 0,000 0,156 0,844 3 0,783 -0,4722 0
8 3 3 1,000 0,156 0,844 3 0,783 -0,4722 0
9 3 2 0,667 0,156 0,844 3 0,783 -0,4722 0
10 3 0 0,000 0,156 0,844 3 0,783 -0,4722 0

Peta P Retak Part F

1.2
1
0.8 Proporsi
Axis Title

0.6 P bar
0.4 UCLp
0.2 LCLp
0
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.34 Grafik Peta P Cacat Retak Part F

Gambar 5.4.34 merupakan output dari microsoft excel pengujian P chart
cacat retak part F. Data yang di inputkan merupakan data pada tabel 5.4.32. Dari
grafik tersebut terdapat data yang berada diluar batas kontrol yaitu data ke 2, 7
dan 8, data tersebut harus dihilangkan. Nilai P bar sebesar 0,156, UCL sebesar
0,783 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses tidak
terkendali.
Peta Kendali P Revisi
Perhitungan manual revisi peta kendali P atribut retak atau pecah.
∑ 𝑛𝑝
𝑝̅ = ∑𝑛
2,667
= 24

= 0,111
𝑝̅ (1−𝑝̅ )
UCL = 𝑝̅ + 3 √ 𝑛

0,111(1−0,111)
= 0,111 + 3 √ 3

= 0,655
𝑝̅ (1−𝑝̅ )
LCL = 𝑝̅ − 3 √ 𝑛

0,111(1−0,111)
= 0,111 − 3 √ 3

= -0,432 atau 0,00

Tabel 5.4.33 Data Revisi Peta P Cacat Retak Part F
No Number Inspection Retak/Pecah Proporsi P bar Q bar n bar UCLp LCLp LCLp
1 3 1 0,33 0,111 0,889 3 0,655 -0,43322 0
2 3 2 0,67 0,111 0,889 3 0,655 -0,43322 0
3 3 1 0,33 0,111 0,889 3 0,655 -0,43322 0
4 3 1 0,33 0,111 0,889 3 0,655 -0,43322 0
5 3 1 0,33 0,111 0,889 3 0,655 -0,43322 0
6 3 0 0,00 0,111 0,889 3 0,655 -0,43322 0
7 3 2 0,67 0,111 0,889 3 0,655 -0,43322 0
8 3 0 0,00 0,111 0,889 3 0,655 -0,43322 0

Revisi Retak Part F

0.80
0.60
0.40
0.20
0.00
1 2 3 4 5 6 7 8

Proporsi P bar UCLp LCLp

Gambar 5.4.35 Grafik Revisi Peta P Retak/Pecah Part F

Gambar 5.4.35 merupakan output dari microsoft excel pengujian revisi P
chart cacat retak/ pecah part F. Data yang di inputkan merupakan data pada
tabel 5.4.33. Dari grafik tersebut dapat diketahui bahwa data berada didalam
batas kontrol sehingga tidak ada data yang outlier dengan nilai P bar sebesar
0,111, UCL sebesar 0,655 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa
proses sudah terkendali.
b. Perhitungan manual peta kendali P atribut terdapat mata kayu.
∑ 𝑛𝑝
𝑝̅ = ∑𝑛
1,667
= 30

= 0,056
𝑝̅ (1−𝑝̅ )
UCL = 𝑝̅ + 3 √ 𝑛

0,056(1−0,056)
= 0,056 + 3 √ 3

= 0,452
𝑝̅ (1−𝑝̅ )
LCL = 𝑝̅ − 3 √ 𝑛

0,056(1−0,056)
= 0,056 − 3 √ 3

= -0,3412 atau 0,00

Tabel 5.4.34 Data Peta P Mata Kayu Halus Part F
No Number Inspection Mata Kayu Proporsi P bar Q bar n bar UCLp LCLp LCLp
1 3 0 0 0,056 0,944 3 0,452 -0,3412 0
2 3 0 0,000 0,056 0,944 3 0,452 -0,3412 0
3 3 2 0,667 0,056 0,944 3 0,452 -0,3412 0
4 3 0 0 0,056 0,944 3 0,452 -0,3412 0
5 3 0 0,000 0,056 0,944 3 0,452 -0,3412 0
6 3 0 0,000 0,056 0,944 3 0,452 -0,3412 0
7 3 1 0,333 0,056 0,944 3 0,452 -0,3412 0
8 3 1 0,333 0,056 0,944 3 0,452 -0,3412 0
9 3 1 0,333 0,056 0,944 3 0,452 -0,3412 0
10 3 0 0,000 0,056 0,944 3 0,452 -0,3412 0

Peta P Mata Kayu Part F

0.8

0.6 Proporsi
Axis Title

0.4 P bar

0.2 UCLp
LCLp
0
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.36 Grafik Peta P Mata Kayu Part F

 Gambar 5.4.36 merupakan output dari microsoft excel pengujian P chart
cacat mata kayu part F. Data yang di inputkan merupakan data pada tabel 5.4.34.
Dari grafik tersebut terdapat data yang berada diluar batas kontrol yaitu data ke
3, data tersebut harus dihilangkan. Nilai P bar sebesar 0,056, UCL sebesar 0,452
dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses tidak terkendali.
Peta Kendali P Revisi
Perhitungan manual revisi peta kendali P atribut terdapat mata kayu.
∑ 𝑛𝑝
𝑝̅ = ∑𝑛
1,00
= 27

= 0,037
𝑝̅ (1−𝑝̅ )
UCL = 𝑝̅ + 3 √ 𝑛

0,037(1−0,037)
= 0,037 + 3 √ 3

= 0,364
𝑝̅ (1−𝑝̅ )
LCL = 𝑝̅ − 3 √ 𝑛

0,037(1−0,037)
= 0,037 − 3 √ 3

= -0,2901 atau 0,00

Tabel 5.4.35 Data Revisi Peta P Mata Kayu Part F
No Number Inspection Mata Kayu Proporsi P bar Q bar n bar UCLp LCLp LCLp
1 3 0 0,00 0,037 0,963 3 0,364 -0,2901 0
2 3 0 0,00 0,037 0,963 3 0,364 -0,2901 0
3 3 0 0,00 0,037 0,963 3 0,364 -0,2901 0
4 3 0 0,00 0,037 0,963 3 0,364 -0,2901 0
5 3 0 0,00 0,037 0,963 3 0,364 -0,2901 0
6 3 1 0,33 0,037 0,963 3 0,364 -0,2901 0
7 3 1 0,33 0,037 0,963 3 0,364 -0,2901 0
8 3 1 0,33 0,037 0,963 3 0,364 -0,2901 0
9 3 0 0,00 0,037 0,963 3 0,364 -0,2901 0
 Revisi Mata Kayu part F
0.40

0.30

0.20

0.10

0.00
1 2 3 4 5 6 7 8 9

Proporsi P bar UCLp LCLp

Gambar 5.4.37 Grafik Revisi Peta P Mata Kayu Part F

Gambar 5.4.37 merupakan output dari microsoft excel pengujian revisi P
chart cacat mata kayu part F. Data yang di inputkan merupakan data pada tabel
5.4.35. Dari grafik tersebut dapat diketahui bahwa data berada didalam batas
kontrol sehingga tidak ada data yang outlier dengan nilai P bar sebesar 0,037,
UCL sebesar 0,364 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa proses
sudah terkendali.
c. Perhitungan manual peta kendali P atribut tidak halus atau berserat.
∑ 𝑛𝑝
𝑝̅ = ∑𝑛
7,333
= 30

= 0,244
𝑝̅ (1−𝑝̅ )
UCL = 𝑝̅ + 3 √ 𝑛

0,244(1−0,244)
= 0,244 + 3 √ 3

= 0,989
𝑝̅ (1−𝑝̅ )
LCL = 𝑝̅ − 3 √ 𝑛

0,244(1−0,244)
= 0,244 − 3 √ 3

= -0,500 atau 0,00

 Tabel 5.4.36 Data Peta P Cacat Tidak Halus/Berserat Part F
No Number Inspection Tidak Halus/ Berserat Proporsi P bar Q bar n bar UCLp LCLp LCLp
1 3 2 0,666667 0,244 0,756 3 0,989 0,000 0
2 3 3 1,000 0,244 0,756 3 0,989 -0,500 0
3 3 2 0,667 0,244 0,756 3 0,989 -0,500 0
4 3 3 1 0,244 0,756 3 0,989 -0,500 0
5 3 2 0,667 0,244 0,756 3 0,989 -0,500 0
6 3 3 1,000 0,244 0,756 3 0,989 -0,500 0
7 3 2 0,667 0,244 0,756 3 0,989 -0,500 0
8 3 2 0,667 0,244 0,756 3 0,989 -0,500 0
9 3 1 0,333 0,244 0,756 3 0,989 -0,500 0
10 3 2 0,667 0,244 0,756 3 0,989 -0,500 0

Peta P Tidak Halus Part F

1.5
Proporsi
Axis Title

1
P bar
0.5 UCLp

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

Gambar 5.4.38 Grafik Peta P Permukaan Tidak Halus Part B

Gambar 5.4.38 merupakan output dari microsoft excel pengujian P chart
cacat permukaan tidak halus part F. Data yang di inputkan merupakan data pada
tabel 5.4.36. Dari grafik tersebut dapat diketahui bahwa data berada didalam
batas kontrol sehingga tidak ada data yang outlier dengan nilai P bar sebesar
0,244, UCL sebesar 0,989 dan LCL sebesar 0. Sehingga dapat dikatakan bahwa
proses sudah terkendali.
4.7.3 Peta U
Adapun berikut ini merupakan peta kendali U kecacatan atribut pada part B
dan part F.
Keterangan :
𝑢̅ : Jumlah cacat per unit
∑𝑐 : Jumlah data non-conforming
∑𝑛 : Jumlah data inspeksi
1. Part B
a. Perhitungan manual peta kendali U cacat atribut adalah sebagai berikut:
∑𝑐
𝑢̅ = ∑ 𝑛
21
= 30

= 0,700
UCL = 𝑢̅ + 3 √𝑛̅
𝑢

0,700
= 0,700 + 3 √ 3

= 0,700 + 1,44
= 2,14

LCL = 𝑢̅ − 3 √𝑛̅
𝑢

0,700
= 0,700 − 3 √ 3

= 0,700 - 1,44
= -0,74 atau 0
Tabel 5.4.37 Data Peta U Cacat Atribut Part B
No Number Inspection Retak/Pecah Mata Kayu Tidak Halus/ Berserat Jumlah Rata-rata U Bar UCLu LCLu
1 3 0 0 0 0 0 0,700 2,14914 0
2 3 0 1 1 2 0,6666667 0,700 2,14914 0
3 3 0 1 1 2 0,6666667 0,700 2,14914 0
4 3 0 0 0 0 0 0,700 2,14914 0
5 3 0 1 1 2 0,6666667 0,700 2,14914 0
6 3 1 2 2 5 1,6666667 0,700 2,14914 0
7 3 1 0 0 1 0,3333333 0,700 2,14914 0
8 3 1 1 1 3 1 0,700 2,14914 0
9 3 1 1 1 3 1 0,700 2,14914 0
10 3 1 1 1 3 1 0,700 2,14914 0

Peta U Part B
2.5
2
Rata-rata
Axis Title

1.5
U Bar
1
UCLu
0.5
LCLu
0
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.39 Grafik Peta U Part B

Gambar 5.4.39 merupakan output dari microsoft excel pengujian U chart
kecacatan atribut yaitu retak, mata kayu dan permukaan tidak halus part B. Data
yang di inputkan merupakan data pada tabel 5.4.37. Dari grafik tersebut dapat
diketahui bahwa data berada didalam batas kontrol sehingga tidak ada data yang
outlier dengan nilai U bar sebesar 0,7, UCL sebesar 2,149 dan LCL sebesar 0.
Sehingga dapat dikatakan bahwa proses sudah terkendali.
2. Part F
a. Perhitungan manual peta kendali U cacat atribut adalah sebagai berikut:
∑𝑐
𝑢̅ = ∑ 𝑛
41
= 30

= 1,367

UCL = 𝑢̅ + 3 √𝑛̅
𝑢

1,367
= 1,367 + 3 √ 3

= 1,367 + 2,024
= 3,391

LCL = 𝑢̅ − 3 √𝑛̅
𝑢

1,367
= 1,367 − 3 √ 3

= 1,367 – 2,024
= -0,658 atau 0
Tabel 5.4.38 Data Peta U Cacat Atribut Part F
No Number Inspection Retak/Pecah Mata Kayu Tidak Halus/ Berserat Jumlah Rata-rata U Bar UCLu LCLu
1 3 1 0 2 3 1 1,367 3,39151 0
2 3 3 0 3 6 2 1,367 3,39151 0
3 3 2 2 2 6 2 1,367 3,39151 0
4 3 1 0 3 4 1,333333 1,367 3,39151 0
5 3 1 0 2 3 1 1,367 3,39151 0
6 3 1 0 3 4 1,333333 1,367 3,39151 0
7 3 0 1 2 3 1 1,367 3,39151 0
8 3 3 1 2 6 2 1,367 3,39151 0
9 3 2 1 1 4 1,333333 1,367 3,39151 0
10 3 0 0 2 2 0,666667 1,367 3,39151 0

Peta U Atribut Part F

4

3 Rata-rata
Axis Title

2 U Bar
UCLu
1
LCLu
0
1 2 3 4 5 6 7 8 9 10

Gambar 5.4.40 Grafik Peta U Part F

 Gambar 5.4.40 merupakan output dari microsoft excel pengujian U chart
kecacatan atribut yaitu retak, mata kayu dan permukaan tidak halus part F. Data
yang di inputkan merupakan data pada tabel 5.4.38. Dari grafik tersebut dapat
diketahui bahwa data berada didalam batas kontrol sehingga tidak ada data yang
outlier dengan nilai U bar sebesar 1,367, UCL sebesar 3,392 dan LCL sebesar 0.
Sehingga dapat dikatakan bahwa proses sudah terkendali.

4.8 Grafik Kapabilitas Proses

Kapabilitas proses merupakan kemampuan suatu proses untuk menghasilkan
suatu produk / jasa yang sesuai dengan kebutuhan /syarat dari konsumen atau
spesifikasi yang diharapkan atau suatu perhitungan melalui perbandingan antara
output produk dengan spesifikasi desain. Dimana jika cpk dan ppk ≥ 1 maka
proses dikatakan capable. Beberapa analisis yang dapat dilakukan dari hasil
pengolahan kapabilitas proses adalah sebagai berikut.
1. Memperkirakan variasi output dari proses
2. Mempermudah pemilihan proses produksi
3. Menentukan pemilihan mesin / alat
4. Membanti program pengendalian kualitas
4.8.1 Grafik Kapabilitas Proses Part B
Terdapat dua grafik kapabilitas proses yang di olah dari data variabel
panjang dan lebar.
a. Grafik Kapabilitas Proses Data Variabel Panjang Part B

Gambar 5.4.41 Grafik Kapabilitas Proses Data Variabel Panjang Part B

 Dari hasil pengujian kapabilitas proses yang dilakukan pada data variabel
panjang part B dapat diketahui bahwa besarnya USL pada proses tersebut adalah
10,58 sedangkan besarnya LSL adalah 9,58 dengan kata lain bahwa rentang
proses pada data tersebut sebesar 1,00. Dapat diketahui pula bahwa proses
tersebut tidak capable hal ini dapat diketahui dari hasil Cpk dan Ppk yang
bernilai < 1. Selain itu informasi lain yang dapat diketahui adalah terdapat
beberapa data yang berada dibawah batas LSL nya menandakan bahwa tidak
semua produk yang dihasilkan memenuhi target yang ditentukan.
b. Grafik Kapabilitas Proses Data Variabel Lebar Part B

Gambar 5.4.42 Grafik Kapabilitas Proses Data Variabel Lebar Part B

Dari hasil pengujian kapabilitas proses yang dilakukan pada data variabel
lebar part B dapat diketahui bahwa besarnya USL pada proses tersebut adalah
8,14 sedangkan besarnya LSL adalah 7,14 dengan kata lain bahwa rentang
proses pada data tersebut sebesar 1,00. Dapat diketahui pula bahwa proses
tersebut capable hal ini dapat diketahui dari hasil Cpk dan Ppk yang bernilai ≥ 1.
Selain itu informasi lain yang dapat diketahui adalah semua data yang diperoleh
berada diantara batas USL dan LSL nya, yang menyimpulkan bahwa secara
keseluruhan hasil produk yang dibuat telah terkendali atau memenuhi target
yang ditentukan.
4.8.2 Grafik Kapabilitas Proses Part F
Terdapat dua grafik kapabilitas proses yang di olah dari data variabel
panjang dan lebar.
a. Grafik Kapabilitas Proses Data Variabel Panjang Part F

Gambar 5.4.43 Grafik Kapabilitas Proses Data Variabel Panjang Part F

Dari hasil pengujian kapabilitas proses yang dilakukan pada data variabel
panjang part F dapat diketahui bahwa besarnya USL pada proses tersebut adalah
4,34 sedangkan besarnya LSL adalah 3,34 dengan kata lain bahwa rentang
proses pada data tersebut sebesar 1,00. Dapat diketahui pula bahwa proses
tersebut capable hal ini dapat diketahui dari hasil Cpk dan Ppk yang bernilai ≥ 1.
Selain itu informasi lain yang dapat diketahui adalah semua data yang diperoleh
berada diantara batas USL dan LSL nya, yang menyimpulkan bahwa secara
keseluruhan hasil produk yang dibuat telah terkendali atau memenuhi target
yang ditentukan.
b. Grafik Kapabilitas Proses Data Variabel Lebar Part F

Gambar 5.4.44 Grafik Kapabilitas Proses Data Variabel Lebar Part F

 Dari hasil pengujian kapabilitas proses yang dilakukan pada data variabel
lebar part F dapat diketahui bahwa besarnya USL pada proses tersebut adalah
2,03 sedangkan besarnya LSL adalah 1,03 dengan kata lain bahwa rentang
proses pada data tersebut sebesar 1,00. Dapat diketahui pula bahwa proses
tersebut capable hal ini dapat diketahui dari hasil Cpk dan Ppk yang bernilai ≥ 1.
Selain itu informasi lain yang dapat diketahui adalah semua data yang diperoleh
berada diantara batas USL dan LSL nya, yang menyimpulkan bahwa secara
keseluruhan hasil produk yang dibuat telah terkendali atau memenuhi target
yang ditentukan.

4.9 Kapabilitas Proses

Perhitungan kapabilitas proses dari panjang dan lebar part B dan part F
adalah sebagai berikut:
a. Part B
Perhitungan kapabilitas proses dari panjang dan lebar part B adalah sebagai
berikut:
1. Panjang Part B
Diketahui :
d2 : 1,693
𝑅̅ panjang : 0,505
𝑋̿panjang : 10,08
Toleransi : 0,5
𝑅̅
𝑆= 𝑑2
0,505
𝑆= 1,693

𝑆 = 0,298
USL = 𝑋̿panjang + toleransi
= 10,08 + 0,5
= 10,58
LSL = 𝑋̿panjang - toleransi
= 10,08 - 0,5
= 9,58
 𝑈𝑆𝐿−𝐿𝑆𝐿 10,58−9,58
CP = = = 0,559
6𝑆 6(0,298)

Berdasarkan kapabilitas proses data variabel tinggi dapat dilihat bahwa nilai
CP sebesar 0,559 kurang dari 1 maka, hal ini menunjukan kapabilitas proses untuk
memenuhi spesifikasi yang ditentukan rendah.
𝑈𝑆𝐿−𝑋̿ 10,58−10,8
CPU = = = 0,559
3𝑆 3(0,298)

𝑋̿ −𝐿𝑆𝐿 10,8−9,58
CPL = = = 0,558
3𝑆 3(0,298)

CPK = Minimum { CPU ; CPL } = CPL = 0,558

Berdasarkan indeks kapabilitas proses variabel tinggi nilai CPK sebesar 0,558
yang diambil dari dari nilai CPL menunjukan bahwa proses cenderung mendekati
batas spesifikasi.
6𝑠
Cr = 𝑈𝑆𝐿−𝐿𝑆𝐿
1,789
= 10,58−9,58

= 1,789
2. Lebar Part B
Diketahui :
d2 : 1,693
𝑅̅ lebar : 0,19
𝑋̿lebar : 7,64
Toleransi : 0,5
𝑅̅
𝑆= 𝑑2
0,19
𝑆= 1,693

𝑆 = 0,112
USL = 𝑋̿lebar + toleransi
= 7,64 + 0,5
= 8,14
LSL = 𝑋̿lebar - toleransi
= 7,64 - 0,5
= 7,14
𝑈𝑆𝐿−𝐿𝑆𝐿 8,14−7,14
CP = = = 1,485
6𝑆 6(0,112)
 Berdasarkan kapabilitas proses data variabel tinggi dapat dilihat bahwa nilai
CP sebesar 1,485 lebih dari 1,33 maka, hal ini menunjukan kapabilitas proses
untuk memenuhi spesifikasi yang ditentukan sangat baik.
𝑈𝑆𝐿−𝑋̿ 8,14−7,64
CPU = = = 1,485
3𝑆 3(0,112)

𝑋̿ −𝐿𝑆𝐿 7,64−7,14
CPL = = = 1,485
3𝑆 3(0,112)

CPK = Minimum { CPU ; CPL } = CPL = CPU = 1,485

Berdasarkan indeks kapabilitas proses variabel tinggi nilai CPK sebesar 1,485
menunjukan bahwa proses cenderung tidak sesuai dengan spesifikasi yang
ditentukan.
6𝑠
Cr = 𝑈𝑆𝐿−𝐿𝑆𝐿
0,673
= 8,14−7,14

= 0,673
b. Part F
Perhitungan kapabilitas proses dari panjang dan lebar part F adalah sebagai
berikut:
1. Panjang Part F
Diketahui :
d2 : 1,693
𝑅̅ panjang : 0,19
𝑋̿panjang : 3,837
Toleransi : 0,5
𝑅̅
𝑆= 𝑑2
0,19
𝑆= 1,693

𝑆 = 0,112
USL = 𝑋̿panjang + toleransi
= 3,837 + 0,5
= 4,337
LSL = 𝑋̿panjang - toleransi
= 3,837 - 0,5
 = 3,337
𝑈𝑆𝐿−𝐿𝑆𝐿 4,337−3,337
CP = = = 1,485
6𝑆 6(0,112)

Berdasarkan kapabilitas proses data variabel tinggi dapat dilihat bahwa nilai
CP sebesar 1,485 lebih dari 1,33 maka, hal ini menunjukan kapabilitas proses
untuk memenuhi spesifikasi yang ditentukan sangat baik.
𝑈𝑆𝐿−𝑋̿ 4,337−3,837
CPU = = = 1,485
3𝑆 3(0,112)

𝑋̿ −𝐿𝑆𝐿 3,837−3,337
CPL = = = 1,484
3𝑆 3(0,112)

CPK = Minimum { CPU ; CPL } = CPL = 1,484

Berdasarkan indeks kapabilitas proses variabel tinggi nilai CPK sebesar 1,484
yang diambil dari dari nilai CPL menunjukan bahwa proses cenderung mendekati
batas spesifikasi.
6𝑠
Cr = 𝑈𝑆𝐿−𝐿𝑆𝐿
0,673
= 4,337−3,337

= 0,673
2. Lebar Part F
Diketahui :
d2 : 1,693
𝑅̅ lebar : 0,235
𝑋̿lebar : 1,525
Toleransi : 0,5
𝑅̅
𝑆= 𝑑2
0,235
𝑆= 1,693

𝑆 = 0,138
USL = 𝑋̿lebar + toleransi
= 1,525 + 0,5
= 2,025
LSL = 𝑋̿lebar - toleransi
= 1,525 - 0,5
= 1,025
 𝑈𝑆𝐿−𝐿𝑆𝐿 2,025−1,025
CP = = = 1,201
6𝑆 6(0,138)

Berdasarkan kapabilitas proses data variabel tinggi dapat dilihat bahwa nilai
CP sebesar 1,201 lebih dari 1 maka, hal ini menunjukan kapabilitas proses untuk
memenuhi spesifikasi yang ditentukan sangat baik.
𝑈𝑆𝐿−𝑋̿ 2,025−1,525
CPU = = = 1,202
3𝑆 3(0,138)

𝑋̿ −𝐿𝑆𝐿 1,525−1,025
CPL = = = 1,201
3𝑆 3(0,138)

CPK = Minimum { CPU ; CPL } = CPL = 1,201

Berdasarkan indeks kapabilitas proses variabel tinggi nilai CPK sebesar 1,201
yang diambil dari dari nilai CPL menunjukan bahwa proses cenderung mendekati
batas spesifikasi.
6𝑠
Cr = 𝑈𝑆𝐿−𝐿𝑆𝐿
0,833
= 2,025−1,025

= 0,833