Timpengaja 26 1 Teknikp S PDF

BUKU AJAR
TEKNIK PENGENDALIAN KUALITAS
Oleh :
Tim Dosen Mata kuliah Teknik Pengendalian Kualitas
Program Studi Teknik Industri
Fakultas Teknik
Universitas Wijaya Putra
2009
KATA PENGANTAR
Mata kuliah Teknik Pengendalian Kualitas merupakan jenis mata kuliah keahlian
berkarya di program Studi Teknik Industri Fakultas Teknik Universitas Wijaya Putra. Buku ajar
Teknik Pengendalian Kualitas ini berisi teori-teori, konsep, maupun teknik kualitas di bidang
industri umumnya. Program kuliah direncanakan menggunakan pendekatan student center
learning dimana mahasiswa harus aktif mencari bahan-bahan sendiri melalui text book maupun
melalui online reading yang direkomendasikan.
Mudah-mudahan buku ajar Teknik Pengendalian Kualitas ini dapat membantu
menambah bahan belajar bagi mahasiswa teknik industri. Terima kasih kepada seluruh pihak-
pihak yang telah membantu penyusunan buku ajar ini. Demi penyempurnaan buku ajar ini, kami
mengharapkan kepada semua pihak untuk dapat memberikan masukan dan saran.
Penyusun
Tim Dosen Mata kuliah Teknik Pengendalian Kualitas
Teknik Pengendalian Kualitas
BAB 1
PENGENALAN KUALITAS
1. Tujuan Instruksional
Setelah kuliah selesai mahasiswa diharapkan dapat memahami Urgensi pengendalian
kualitas
2. Materi Pembahasan
 Pengertian Kualitas
 Tujuan Pengendalian Kualitas
 Konsep Kualitas Pada Industri Manufaktur
 Pengendalian Kualitas Produksi
 Variasi Kualitas Pada Proses Produksi
3. Pembahasan
1.1 Pengertian Kualitas
Banyak ahli yang mendefinisikan kualitas secara garis besar orientasinya adalah kepuasan
pelanggan yang merupakan tujuan perusahaan atau organisasi yang berorientasi pada kualitas.
Berikut ini adalah pendapat beberapa ahli mengenai kualitas :
 H.L. Gilmore : Kualitas adalah suatu kondisi di mana produk
sesuai dengan desain atau spesifikasi tertentu.
William W. Scherkenbach : Kualitas ditentukan oleh konsumen, konsumen
ingin produk atau jasa, dalam seluruh
kehidupannya, terpenuhi kebutuhan dan
harapannya, pada suatu harga tertentu yang
menunjukkan nilai produk tersebut.
J.M. Juran : Kualitas adalah kesesuaian dengan tujuan atau
manfaatnya.
Ross Hohnson & : Kualitas adalah keseluruhan ciri dan karakteristik
William O. Winchell produk atau jasa yang berkaitan dengan
kemampuannya memenuhi kebutuhan atau
kepuasan.
W. Edward Deming : Kualitas harus bertujuan memenuhi kebutuhan
konsumen sekarang dan pada masa mendatang.
Program Studi Teknik Industri UWP 1

Philip B. Crosby : Kualitas merupakan kesesuaian dan kebutuhan

yang meliputi availability, delivery, reliability,
maintainability dan cost effectiveness.
A.V. Feigenbaum : Kualitas merupakan keseluruhan gabungan
karakteristik produk dan jasa yang meliputi
marketing, engineering, manufacture dan
maintenance melalui mana produk atau jasa
dalam pemakaian akan sesuai dengan harapan
pelanggan.
David L. Goetsch & : Kualitas adalah suatu kondisi dinamis yang
Stanley Davis berkaitan dengan produk, pelayanan, orang,
proses dan lingkungan yang memenuhi dan
melebihi apa yang diharapkan.
Dari beberapa pendapat tesebut di atas, secara garis besar kualitas adalah keseluruhan ciri
atau karakteristik produk atau jasa yang bertujuan untuk memenuhi kebutuhan dan keinginan
konsumen.
1.2 Tujuan Pengendalian Kualitas

Untuk menjaga konsistensi kualitas produk dan jasa yang dihasilkan dan sesuai tuntutan
kebutuhan pasar, perlu dilakukan pengendalian kualitas (quality control) atas aktivitas yang
dijalani. Dari pengendalian kualitas yang berdasarkan inspeksi dengan penerimaan produk
yang memenuhi syarat dan penolakan yang tidak memenuhi syarat sehingga banyak bahan,
tenaga dan waktu yang terbuang, muncul pemikiran untuk menciptakan sistem yang dapat
mencegah timbulnya masalah mengenai kualitas agar kesalahan yang pernah terjadi tidak
terulang lagi.
Istilah kualitas tidak terlepas dari manajemen kualitas yang mempelajari setiap area dari
manajemen operasi dari perencanaan lini produk dan fasilitas, sampai penjadwalan dan
memonitor hasil. Kualitas memerlukan suatu proses perbaikan yang terus-menerus. Berikut ini
dijelaskan mengenai sangat pentingnya istilah kualitas bagi suatu organisasi atau perusahaan,
karena:
 Reputasi perusahaan
Perusahaan atau organisasi yang telah menghasilkan suatu produk atau jasa yang
berkualitas akan mendapat predikat sebagai perusahaan yang mengutamakan kualitas.

Oleh karena itu, perusahaan tersebut dikenal oleh masyarakat luas dan mendapatkan nilai
‘lebih’ di mata konsumen. Karena nilai ‘lebih’ itulah maka perusahaan tersebut dipercaya
konsumen.
 Penurunan biaya
Dalam paradigma lama, untuk menghasilkan produk berkualitas selalu membawa dampak
pada peningkatan biaya. Suatu produk yang berkualitas selalu identik dengan harga mahal.
Hal ini jelas terjadi karena penghasil produk atau jasa tersebut masih menganut paradigma
lama, dan membuat produk atau jasa dengan tidak melihat kebutuhan konsumen. Produk
yang dihasilkan tersebut dibuat sesuai kemampuan perusahaan, sehingga standar kualitas
yang digunakan juga hanya ditetapkan oleh pihak perusahaan. Kondisi demikian membuat
produk atau jasa yang telah dihasilkan tidak akan laku terjual karena konsumen tidak
menginginkannya.
Sementara paradigma baru mengatakan bahwa untuk menghasilkan produk atau jasa yang
berkualitas, perusahaan tidak perlu mengeluarkan biaya tinggi. Hal ini dikarenakan
perusahaan berorientasi pada kepuasan konsumen, yaitu berdasarkan jenis, tipe, waktu
dan jumlah produk yang dihasilkan sesuai dengan kebutuhan dan harapan pelanggan.
Dengan demikian tidak ada pemborosan yang terjadi yang harus dibayar mahal oleh
perusahaan. Sehingga pendapat bahwa ‘quality has no cost’ dapat dicapai dengan tidak
menghasilkan produk atau jasa yang tidak dibutuhkan pelanggan.
 Peningkatan pangsa pasar
Pangsa pasar akan meningkat bila minimasi biaya tercapai, sehingga harga dapat ditekan
walau kualitas tetap menjadi yang utama. Hal-hal inilah yang mendorong konsumen untuk
membeli dan membeli lagi produk atau jasa tersebut hingga pangsa pasar meningkat.
 Pertanggungjawaban produk
Dengan semakin meningkatnya kualitas produk atau jasa yang dihasilkan, maka
perusahaan akan semakin bertanggung jawab terhadap desain, proses dan pendistribusian
produk tersebut untuk memenuhi kebutuhan dan keinginan konsumen. Selain itu pihak
perusahaan tidak perlu lagi mengeluarkan biaya begitu besar hanya untuk memberikan
jaminan terhadap produk yang ditawarkannya.
 Dampak internasional
Bila perusahaan mampu memberikan produk yang berkualitas, maka selain dikenal pasar
lokal, produk yang ditawarkan juga akan dikenal dan diterima di pasar internasional. Hal ini
akan menimbulkan kesan yang baik terhadap perusahaan tersebut.
 Penampilan produk atau jasa

Kualitas akan membuat produk atau jasa dikenal dan hal ini akan membuat perusahaan
tersebut juga dikenal dan dipercaya masyarakat luas. Dengan demikian tingkat
kepercayaan pelanggan dan masyarakat umumnya akan bertambah dan perusahaan
tersebut akan lebih dihargai. Hal ini akan menimbulkan fanatisme tertentu dari konsumen
terhadap produk-produk yang dihasilkan perusahaan tersebut.
 Kualitas yang dirasakan
Persaingan yang saat ini bukan lagi masalah harga melainkan kualitas produk. Hal inilah
yang mendorong konsumen untuk mau membeli produk dengan harga tinggi dengan
kualitas yang tinggi pula. Tetapi kualitas mempunyai banyak dimensi yang bersifat subyektif.
Oleh karena itu, yang dimaksud dengan kualitas bukan hanya kualitas produk itu sendiri,
melainkan kualitas secara menyeluruh (Total Quality). Total Quality merupakan suatu
pendekatan untuk melaksanakan bisnis yang berusaha memaksimumkan persaingan
organisasi melalui perbaikan secara menyeluruh dalam kualitas produk, pelayanan, orang,
proses dan lingkungan.
1.3. Konsep Kualitas pada Industri Manufaktur

Secara umum dapat dikatakan bahwa kualitas produk atau jasa itu akan diwujudkan bila
orientasi seluruh kegiatan perusahaan atau organisasi tersebut berorientasi pada kepuasan
konsumen. Apabila diutarakan secara rinci, kualitas memiliki dua perspektif, yaitu perspektif
produsen dan perspektif konsumen, dimana bila kedua perspektif tersebut disatukan maka akan
dapat tercapai kesesuaian antara kedua sisi tersebut yang dikenal sebagai kesesuaian untuk
digunakan oleh konsumen. Menurut Roberta Russel (1966), perspektif kualitas dapat
digambarkan pada gambar 1.1.

The Meaning of
Producer's Perspective Consumer's Perspective
Production Quality of Conformance Quality of Design Marketing

- Conformance to - Quality Characteristics
Specifications - Price
- Cost
Fitness for Consumer Use
Gambar 1.1. Dua Perspektif Kualitas
Apabila kita perhatikan, maka kedua perspektif tersebut akan bertemu pada satu kata
“fitness for consumer use”. Kesesuaian untuk digunakan tersebut merupakan kesesuaian
antara konsumen dengan produsen, sehingga dapat membuat suatu standar yang disepakati
bersama dan dapat memenuhi kebutuhan dan harapan kedua belah pihak.
Kualitas pada industri manufaktur selain menekankan pada produk yang dihasilkan, juga
perlu diperhatikan kualitas pada proses produksi. Bahkan yang terbaik adalah apabila perhatian
pada kualitas bukan pada produk akhir, melainkan pada proses produksinya atau produk yang
masih ada dalam proses (work in process), sehingga bila diketahui ada cacat atau kesalahan
masih dapat diperbaiki. Dengan demikian, produk akhir yang dihasilkan adalah produk yang
bebas cacat dan tidak ada lagi pemborosan yang harus dibayar mahal karena produk tersebut
harus dibuang atau dilakukan pengerjaan ulang.
1.4. Pengendalian Kualitas Produksi
Kualitas (mutu) suatu produk adalah gabungan seluruh karakteristik produk dan pelayanan
baik dari segi rekayasa, manufaktur, pemasaran, sampai perawatan dan pelayanan purna
jualnya.
Produk yang berkualitas secara umum mempunyai karakteristik, yaitu:

 Produk yang memiliki kecocokan dalam penggunaan.

 Produk yang memiliki spesifikasi produsen.
 Produk yang memenuhi keinginan konsumen.
Maka pengendalian kualitas dapat diartikan sebagai kesesuaian dan kepuasan antara nilai,
produsen dan konsumen atas suatu produk. Kesesuaian dan kepuasan tersebut mencangkup
kualitas produk, biaya-biaya (penyimpanan, produksi, penjualan dan layanan purna jual), tingkat
kenyamanan dan keselamatan dan moral (nilai).
Adapun maksud dan tujuan dari pengendalian kualitas adalah agar spesifikasi produk yang
telah ditetapkan terdapat dalam setiap proses produksi terutama tercermin dalam produk akhir.
Sedikitnya ada dua hal yang menjadi tujuan pengendalian kualitas, yaitu :
 Agar hasil produksi mencapai standard yang telah ditetapkan.
 Mengusahakan agar biaya-biaya dapat ditekan serendah mungkin (biaya inspeksi, design,
dan proses).
1.5. Variasi Kualitas Dalam Proses Produksi

Dalam sebuah proses produksi tidak akan dihasilkan produk yang benar-benar sama
kualitasnya namun selalu terjadi variasi karakteristik pada produk tersebut. Berikut adalah
variasi kualitas yang mungkin terjadi pada proses produksi :
 Dalam produk itu sendiri.
Variasi kualitas ini karakteristiknya adalah dalam suatu produk terukur tidak simetris atau
homogen yang dilihat dari produk itu sendiri. Misalnya terdapat panjang yang berbeda antara
ujung kanan dan kirinya.
 Antar produk yang diproduksi.

Variasi kualitas ini karakteristiknya adalah suatu produk yang terukur tidak simetris atau
homogen dengan produk lainnya walaupun diproduksi pada waktu yang produksi yang sama.
 Antar waktu produksi.
Variasi kualitas ini karakteristiknya adalah suatu produk yang terukur tidak simetris atau
homogen dengan produk lainnya karena diproduksi pada waktu produksi yang berbeda.

PENGERTIAN KUALITAS
Kualitas mempunyai pengertian / definisi yang beragam, keragaman ini dapat dilihat dari sudut
pandang waktu dan dari sudut pandang disiplin kelilmuan. Dilihat dari sudut pandang waktu
pengertian kualitas dapat dibedakan dari definisi klasik dan moderen, sedangkan dari sudut
pandang keilmuan definisi kualitas dapat dikelompokkan menjadi ; (1) Pendektan transenden
dari filsafat; (2) Pendekatan berdasarkan produk dari ekonomi; (3) Pendektan berdasarkan
penggunan dari ekonomi, pemasaran dan manajemen oeprasi; (4) pendekatan berdasarkan
manufaktur dan (5) Pendekatan berdasarkan nilai dari manajemen operasi
Definisi Klasik :
Kualitas adalah derajat kesesuain terhadap standar atau karakteristik langsung dari produk :
Seperti performansi (performance), keandalan (reability), mudah dalam penggunaan (easy to
use), estetika (esthetics), dll.
Gambar : Definisi Klasik dari Kualitas
PRODUK KESESUAIAN STANDAR

Definisi Moderen : ISO 8402 ( quality Vocabulary )
Kualitas adalah totalitas dari karakteristik suatu produk yang menunjang kemampuannya untuk
memuaskan kebutuhan pelanggan yang dispesifikasikan atau ditetapkan.
Perbedaan pengertian kualitas menutur pandangan tradisional/klasik dengan pandangan

moderen dapat kita lihat pada tabel berikut ini.
Tabel 1.1. Pandangan Tradisional dan Moderen Tentang Kualitas

Pandangan Tradisional Pandangan Moderen
Memandang kualitas sebagai isu teknis Memandang kualitas sebagai isu bisnis
Usaha perbaikan kualitas Usaha perbaikan kualitas diarahkan
dikoordinasikan oleh manajer kualitas oleh manajemen puncak
Menfokuskan kualitas pada fungsi atau Kualtias mencakup semua fungsi atau
departemen produksi departemen dalam organisasi

Produktifitas dan kualitas merupakan Produktifitas dan kualitas merupakan

sasaran yang bertentangan sasaran yang bersesuaian, karena
hasil-hasil produktifitas dicapai melalui
peningkatan atau perbaikan kualitas
Kualitas didefinisikan sebagai Kualitas secara tepat di definisikan
konformansi terhadapat spesifikasi sebagai persyaratan untuk memuaskan
atau standar. Membandingkan produk kebutuhan pengguna produk atau
terhadap spesifikasi pelanggan (customer).
Membandingkan produk terhadap
kompetitor dan terhadap produk terbaik
di pasar.
Kualitas diukur melalui derajat Kualitas diukur melalui perbaikan
nonkonformansi, menggunakan proses/produk dan kepuasan
ukuran-ukuran kualitas internal pengguna produk atau pelanggan
secara terus menerus, dengan
menggunakan ukuran-ukuran kualitas
berdasarkan pelanggan.
Kualitas dicapai melalui inspeksi Kualtias ditentukan melalui desain
secara intensif terhadap produk produk dan dicapai melalui teknik
pengendalian yang efektif, serta
memberikan kepuasan selama masa
pakai produk.
Beberapa kerusakan atau cacat Cacat dan kerusakan dicegah sejak
diizinkan, jika produk telah memenuhi awal melalui teknik pengendalian
standar kualitas minimum proses yang efektif
Kualtias adalah fungsi terpisah dan Kualitas adalah bagian dari setiap
berfokus pada evaluasi produk fungsi dalam semua tahap dari siklus
hidup produk
Pekerja dipermalukan apabila Manajemen bertanggung jawab untuk
manghasilkan kualitas yang jelek kualitas
Hubungan dengan pemasok bersifat Hubungan dengan pemasok bersifat
jangka pendek dan berorientasi pada jangka panjang
biaya

Ukuran performansi pandangan tradisional dengan modern juga berbeda, perbedaan ini dapat
kita lihat pada table berikut.
Tabel 1.2. Tingkat Performansi (performance level) Terhadap kualitas berdasarkan pandangan
Tradisional dan Moderen
Item Pandangan Tradisional Pandangan Modern
 Ukuran berdasarkan  Ukuran berdasarkan

bagian perseratus bagian persejuta (parts
(persen) permillion=ppm)
 Jika produk tidak  Perbaikan
Kualitas
rusak, tidak perlu produk/proses secara
memperbaikinya terus menerus.
 inspeksi sama dengan  Manajemen kualitas
kualitas terpadu
 System saran secara
pasif  Tim kualitas proaktif
Keterlibatan
 Starategi menang-  Strategi menang-
karyawan
kalah menang
(Employee
 Paling banyak satu  Selusin atau lebih per
involvement)
perbaikan per karyawan per tahun
karyawan per tahun
Fokus Keuntungan jangka pendek Keuntungan jangka panjang
Perbedaan pandangan tradisional dengan pandangan modern juga dapat dilihat dari dua
macam konsep sistim industry, yaitu konesep berdasarkan atas produk yang dapat dihasilkan,
dengan konsep berdasarkan atas kebutuhan konsumen.

Kualitas Produk dan Kualitas Servis

Contoh Aplikasi Konsep Kualitas Berfokus Pelanggan (moderen) pada Perusahaan Ricoh di
Jepang
Perusahaan Ricoh (Ricoh Company, Ltd., Tokyo), sejak pertengahan tahun 1970-an telah
menerapkan konsep kualitas berfokus pada pasar (pelanggan), dan memenangkan medali
Deming (Deming prize, suatu penghargaan kualitas peling bergengsi di Jepang.
Ricoh membagi konsep pengendalian kualitas total (total quality control concep) ke dalam tiga
area, yaitu: 1. filosofis, 2. peralatan, dan 3. aktifitas, seperti ditunjukkan dalam gambar berikut
1. Orientasi pasar (pelanggan)

1. FILOSOFI RICOH 2. “Tanpa kesalahan” ke pelanggan
3. Keputusan dasar hanya berdasarkan fakta
2. PERALATAN 1. Penyimpangan hasil menyebabkan tindakan

2. Peralatan untuk identifikasi penyimpangan
1. Penyelesaian masalah
3. AKTIFITAS 2. Pengembangan kebijaksanaan
3. Jaminan kualitas
4. Aktifitas melalui manajemen + Aktifitas yang dimulai dari
pekerja (Gugus kendali mutu)
Gambar 1.1 Konsep pengendalian kualitas total pada Ricoh Company, Ltd., Tokyo
Program Studi Teknik Industri UWP

10
Pengertian Kualitas berdasarka Sudut Pandang Bidang Keilmuan

Kualitas produk menjadi sesuatu yang berkembang cepat dan merupakan sebuah isu
kompetitif yang penting. Keandalan (Reliabel) yang superior dari banyak produk Jepang telah
membakar kesadaran manajer Amerika mencari sesuatu yang lebih baik. Sebagai tambahan,
beberapa survei telah mengungkapkan ketidak puasan/kekecewaan konsumen dengan tingkat
kualitas dan servis yang ada dari produk yang mereka beli. Dalam studi terbaru dari unit bisnis
dari banyak perusahaan Amerika Utara , manajer menyebutkan bahwa “memproduksi dengan
standar kualitas yang tinggi” sebagai perhatian dari pimpinan mereka sekarang.
Literatur akademis tentang kualitas belum menguraikan secara luas. Masalahnya adalah
satu diantara hal-hal berikut : Para ahli dari empat disiplin ilmu ; filsafat ( philosophy ), ekonomi (
economics), Pemasaran (marketing) dan manajemen operasi (operation management) ,
mempunyai pertimbangan tersendir tentang subjek itu, yang berbeda antara satu kelompok
dengan kelompok lain.. Filsafat berfokus pada isu definisi; ekonomi pada maksimalisasi
keuntungan dan keseimbangan pasar; pemasaran pada batasan (determinant) dari tingkah laku
membeli dan kepuasan konsumen; dan manajemen operasi pada praktek keteknikan dan
kontrol produksi. akbiatnya adalah timbulnya persaingan pandangan , setiap kelompok
berdasarkan pada sebuah kerangka analisis yang berbeda dan mempraktekkan dengan
terminologi sendiri.
Pada waktu yang bersamaan, sejumlah tema umum bermunculan. Semua tema tersebut
mempunyai implikasi manajemen yang penting. Pada bagian konseptual, setiap disiplin
mempunyai kaitan dengan pertanyaan berikut; Apakah kualitas itu obyektif atau subyektif ?
apakah dia tidak dipengaruhi oleh waktu (timeless) atau dibatasi oleh batasan sosial (socially
determined ) ? Kenyataan lainnya bahwa ketertarikan berfokus pada hubungan-hubungan dari
kualitas. Untuk contoh, adakah hubungan antara kualitas dan harga ? Antara kualitas dan
periklanan ? Antara kualitas dengan biaya ? Antara kualitas dengan pangsa pasar? Lebih
umum apakah peningkatan kualitas mengarahkan pada keuntungan yang lebih tinggi atau lebih
rendah ?
Lima Pendekatan Dalam Penentuan Kualitas

Lima pendekatan besar terhadap definisi kualitas dapat diidentifikasi sebagai berikut: (1)
Pendektan transenden dari filsafat; (2) Pendekatan berdasarkan produk dari ekonomi; (3)
Pendektan berdasarkan penggunan dari ekonomi, pemasaran dan manajemen oeprasi; (4)
pendekatan berdasarkan manufaktur dan (5) Pendekatan berdasarkan nilai dari manajemen

11
operasi. Tabel berikut menyajikan contoh yang mewakili setiap pendekatan.
Tabel 2.2. Lima Pendekatan Kualitas

 Definisi Transenden
 ”Kualitas adalah tidak ada baik dalam fikiran atau zat/material, tetapi
sebuah identitas ketiga yang tersendiri dari dua hal tersebut...bahkan
memikirkan kualitas tidak dapat dilakukan, Anda tau apakah itu.”
 ”...sebuah kondisi dari kesempurnaan yang menunjukan bahwa kualitas
yang baik sebagai pembeda dari kualitas yang jelek...Kualitas diperoleh
atau dicapai dari standar tertinggi sebagai upaya agar menjadi puas
dengan ketidak telitian atau bersifat menipu.”
 Definisi Berdasarkan-Produk
 ”Perbedaan didalam sejumlah kulitas disebabkan perbedaan dalam
kuantitas dari sejumlah kandungan yang diinginkan atau atribut.”
 ”Kualitas merujuk kepada sejumlah kandungan atribut yang tidak
berharga (unpriced) dalam setiap unit dari atibut yang berharga.”
 Definisi Berdasarkan-Pengguna
 ”Kualitas terdiri dari kemampuan untuk memuaskan keinginan...”
 ”Kualitas adalah tingkat dari suatu produk memuaskan keinginan dari
suatu konsumen tertentu.”
 ”Kualitas adalah suatu aspek dari produk, termasuk dari servis yang
dimasukkan dalam kontrak penjualan, yang mempengaruhi kurva
permintaan.”
 ”Dalam analisa terakhir dari ruang pasar (marketplace), kualitas dari
suatu produk tergantung pada seberapa baik dia sesuai dengan pola dari
preferensi konsumen.”
 “Kualitas terdiri dari panjang dimana spesimen ( suatu produk-nama-
model-kombinasi penjualan) menguasai karakteristik dari servis yang
Anda inginkan
 “Kualitas adalah kesesuaian untuk digunakan.”
 Definisi Berdasarkan-Manufaktur
 ”Kualitas (bermakna) cocok dengan permintaan.”
 ”Kualitas adalah tingkat dimana produk tertentu sama/cocok dengan

12
terhadap rancangan atau spesifikasi.

 Definisi Berdasarkan-Nilai.
 ”Kualitas adalah tingkat dari kesempurnaan pada suatu harga yang
diterima dan variabel yang terkontrol pada suatu biaya yang diterima.”
 Kualitas bermakna terbaik untuk kondisi konsumen tertentu. Kondisi-
kondisi ini adalah (a) guna sebenarnya dan (b) harga jual dari produk
tersebut.”
Potensi Konflik.
Perbedaan pendekatan terhadapa kualitas ini dapat mengakibatkan kemacetan komunikasi
dalam perusahaan. Sebagai contoh, kebanyakan perusahaan barang-barang konsumsi
sekarang merubah pandangan terhadap praktek dari manajemen kualitas. Perusahaan lebih
tertarik pada penilaian proses pengenalan produk baru yang dianggap sebagai kunci untuk
berhasil dalam persaingan. Terhadap hal ini ada dua pandangan yang berbeda. Satu grup
merasa bahwa proses tersebut mesti berhasil dengan cepat: produk baru muncul secara
berkala, konplain dari konsumen sedikit, dan barang yang rusak tidak dikirimkan kepada
pedagang dalam jumlah yang besar. Grup yang lainnya merasa bahwa proses harus menjadi
revamped sebab kuliatas begitu buruk; peluncuran produk baru sering memperlambat ketika
perancangan merubah konfigurasi untuk mengadopsi pada kebutuhan manufaktur, dan material
dan labor berbeda dari beberapa ratus ribu dollar telah incurred sebab oleh tidak
terantisipasinya rework dan scrap.
Disebabkan oleh ketidak sesuaian ini, proyek cepat untuk gagal. Perkembangan
selanjutnya memerlukan pemahaman bahwa satu grup mempergunakan definisi kualitas
berdsarkan-pengguna sedang yang lainnya mempergunakan pendekatan berdasarkan
manufaktur. Hanya kemudian kedua grup biasanya setuju pada masalah yang biasanya
dihadapi.
Kebutuhan Akan Definisi Yang Berbeda

Meskipun berpotenti untuk konflik, perusahaan membutuhkan untuk memperhatikan
beberapa perbedaan persepektif tersebut. Untuk mereka adalah esensi agar berhasil
memperkenalkan produk yang berkualitas tinggi. Kepercayaan pada definisi tunggal dari
13
kualitas adalah sumber amsalah yang sering. Untuk contoh, sebuah perusahaan manufaktur
orang Jepang akhir ini mengalami bahwa newsprint rolls dia gagal untuk memuaskan
konsumen walaupun mereka telah memenuhi standar industri Jepang. Konformansi adalah
sangat bagus, menggambarkan pendekatan berdsarkan manufaktur dari kualitas, tetapi
penerimaan (acceptance) adalah jelek. Rolls yang lain dari newsprint, walaupun ,
mengakibatkan tidak ada komplain dari konsumen sekalipun mereka gagal untuk memenuhi
standar. Sebuah manufaktur US yang menjadi pemimpin dibidang AC ruangan mengahadapi
masalah yang berbeda. Produk dia diterima baik oleh konsumen dan memperoleh rating tinggi.
Reject , scrap dan biaya garansi begitu tinggi, akan tetapi , kehilangan yang besar were
incurred.. Selagi rancangan produk sesuai dengan kebutuhan konsumen, kegagalan untuk
mengikuti dengan konformasnsi yang ketat pada biaya manufaktur perusahaan tersebut dearly.
Contoh-contoh ini menyarankan kebutuhan untuk membuat satu pendekatan terhadap
kualitas selagi produk mulai dari rancangan sampai ke pasar. Karakteristik kualitas yang
mempunyai arti lain harusnya pertama diidentifikasi dari penelitian pasar ( kualits berdasarkan-
pengguna) Karakteristik-karakteristik ini harusnya di translate ke dalam atribut-atribut produk
yang dapat dididentifikasi (pendekatan kualitas berdasarkan-produk); dan proses manufaktur
harusnya kemudian di organisasikan untuk memastikan bahwa produk tersebut dibuat sesuai
dengan spesifikasi ini( pendekataan kualitas berdasarkan manufaktur). Sebuah proses yang
mengenyampingkan setiap sesuatu dari tahapan ini tidak akan menghasilkan produk
berkualitas. Kesemuanya dari tiga pandangan adalah penting dan harus diperhatiknan dengan
baik.
Sekalipun demikian, setiap pendekatan utama terhadap kualitas menyumbangkan
sebuah permasalahn umum. Masing-masing kurang jelas dan imprecise ketika dia datang untuk
menjelaskan elemen dasar dari kualitas produk. Pandangan analisa relative, dengan
pengecualian dari Juran dan Maynes, telah ditunjukkan sebuah ketertarikan dalam rincian-
rincian ini. Kesalahan tersebut tidak menguntungkan, untuk banyak hal dapat dipelajari dengan
memperlakukan kualitas pada pakaian yang kurang homogen.

14
Daftar pustaka:
- Heizer, Jay & Barry Render, Operations Management, edisi ketujuh, Penerbit Salemba
Empat,2005
- Creech, Bill, Lima Pilar TQM, Binarupa Aksara,1996
- Diadaptasi dari, Whath Does “Product Quality” Really Mean ?, by David A Garvin, Sloan
Management Review (pre-1986); Fall 1984, Harvad University
- Gaspersz, Vencent,Total Quality Management, Penerbit PT Gramedia Pustaka Utama, 2003

15
Konsep Kualitas pada Indus tr i Manufaktur dan Jasa

Banyak ahli yang mendefinisikan kualitas yang secara garis besar orientasinya adalah
kepuasan pelanggan yang merupakan tujuan perusahaan atau organisasi yang berorientasi pada
kualitas. Dari beberapa definisi terdahulu, dapat katakan bahwa secara garis besar, kualitas
adalah keseluruhan cirri atau karakteristik produk atau jasa dalam tujuannya untuk memenuhi
kebutuhan dan harapan pelanggan. Pelanggan yang dimaksud di sini bukan .pelanggan atau
konsumen yang hanya.datang sekali untuk mencoba dan tidak pernah kembali lagi, melainkan
mereka yang datang berulang-ulang membeli dan membeli. Meskipun demikian, konsumen yang
baru satu kali datang juga harus dilayani sebaik-baiknya, karena kepuasan pertama inilah yang
akan membuat pelanggan datang dan datang lagi.
Secara umum dapat dikatpkan bahwa kualitas produk atau jasa itu akan diwujudkan bila orientasi
seluruh kegiatan perusahaan atau organisasi tersebut berorientasi pada kepuasan pelanggan
(Customer Satisfaction). Apabila diutarakan secara rinci, kualitas memiliki dua perspektif, yaitu
perspektif produsen dan perspektif konsumen, di rnana bila kedua hal tersebut disatukan maka
akan dapat tercapai kesesuaian antara kedua sisi tersebut yang dikenal sebagai kesesuaian
untuk digunakan oleh konsumen.
Apabila diperhatikan, maka kedua perspektif tersebut akan bertemu pada satu kata
"Fitness for Consumer Use". Kesesuaian untuk digunakan merupakan kesesuaian antara
konsumen dengan produsen, sehingga membuat suatu standar yang disepakati bersama dan
dapat memenuhi kebutuhan dan harapan kedua belah pihak. Kegiatan pengendalian kualitas
tidak hanya meliputi penetapan standar produk atau proses dari pihak melainkan standar yang
ditetapkan produsen tersebut juga harus sesuai dengan spesifikasi atau toleransi yang ditetapkan
oleh pihak konsumen.
Selanjutnya, ada beberapa dimensi kualitas untuk industri manufaktur dan jasa. Dimensi
ini digunakan untuk melihat dari sisi manakah kualitas dinilai. Tentu saja perusahaan ada yang
menggunakan salah satu dari sekian banyak dimensi kualitas yang ada, namun ada kalanya
yang membatasi hanya pada salah satu dimensi tertentu. Yang dimaksud dimensi kualitas
tersebut, telah diuraikan oleh Garvin (1996) untuk industri manufaktur, meliputi:
Performance, yaitu kesesuaian produk dengan fungsi utama produk itu sendiri atau karakteristik
operasi dari suatu produk.
Feature, yaitu ciri khas produk yang membedakan dari produk lain yang merupakan
karakteristik pelengkap dan mampu menimbulkan kesan yang baik bagi pelanggan.
Reliability, yaitu kepercayaan pelanggan terhadap produk karena ke
16
handalannya atau karena kemungkinan kerusakan yang rendah.

Conforrnance, yaitu kesesuaian produk dengan syarat atau ukuran tertentu atau sejauh mana
karakteristik desain dan operasi memenuhi standar yang telah ditetapkan.
Durability, yaitu tingkat ketahanan/awet produk atau lama umur produk.
Serviceability, yaitu kemudahan produk itu bila akan diperbaiki atau kemudahan
memperoleh komponen produk tersebut.
Aesthetic, yaitu keindahan atau daya tarik produk tersebut.
Perception, yaitu fanatisme konsumen akan merek suatu produk tertentu karena citra
atau reputasi produk itu sendiri.
Kualitas pada industri manufaktur selain menekankan pada produk yang dihasilkan,
juga perlu diperhatikan kualitas pada proses produksi. Bahkan, yang terbaik adalah apabila
perhatian pada kualitas bukan pada produk akhir, melainkan proses produksinya atau
produk yang masih ada dalam proses (Work in Process), sehingga bila diketahui ada cacat
atau kesalahan masih dapat diperbaiki. •Dengan demikian, produk akhir yang dihasilkan adalah
produk yang bebas cacat dan tidak ada lagi pemborosan yang harus dibayar mahal karena
produk tersebut harus dibuang atau dilakukan pengerjaan ulang.
Selanjutnya, dengan perkembangan bidang usaha, maka organisasi atau perusahaan
kini bukan hanya bergerak di bidang industri manufaktur, tetapi juga pada industri jasa,
misalnya konsultan, pengacara, akuntan, pendidikan, dan sebagainya. Pengukuran kualitas
pada industri jasa sulit sekali dilakukan karena karakteristik jasa pada umumnya tidak
tampak. banyak sekali perbedaan antara industri manufaktur dengan industri jasa yang
menurut Gaspersz (1997), karakteristik unik dari suatu industri jasal pelayanan yang
sekaligus membedakannya dari barang antara lain
1. Pelayanan merupakan output tak berbentuk (intangible output) Pelayanan merupakan output
variabel, tidak standar.
3. Pelayanan tidak dapat disimpan dalam persediaan, tetapi dapat dikonsumsi dalam
produksi.
4. Terdapat hubungan langsung yang erat dengan pelanggan melalui proses pelayanan.
5. Pelanggan berpartisipasi dalam proses memberikan pelayanan.
6. Pelanggan sekaligus merupakan input bagi proses pelayanan yang diterimanya.
7. Keterampilan personil "diserahkan" atau "diberikan" secara langsung kepada pelanggan.
8. Pelayanan tidak dapat diproduksi secara masal.
9. Membutuhkan pertimbangan pribadi yang tinggi dari individu yang memberikan pelayanan.
10. Perusahaan jasa pada umumnya bersifat padat karya.
17
11. Fasilitas pelayanan berada dekat lokasi pelanggan.

12. Pengukuran efektivitas pelayanan bersifat subyektif.
13. Pengendalian kualitas terutama dibatasi pada pengendalian proses.
14. Option penetapan harga lebih rumit.
Pengukuran kualitas untuk produk fisik tidak sama dengan industri jasa. walaupun
demikian, ada beberapa dimensi yang digunakan dalam mengukur kualitas suatu industri jasa.
Menurut Garvin (1996), dimensi kualitas pada industri jasa antara lain:
Communication, yaitu komunikasi atau hubungan antara penerima jasa dengan pemberi jasa.
Credibility, yaitu kepercayaan pihak penerima jasa terhadap pemberi jasa. Security, yaitu
keamanan terhadap jasa yang ditawarkan.
Knowing the customer, yaitu pengertian dari pihak pemberi jasa pada penerima jasa atau
pemahaman pemberi jasa terhadap kebutuhan dan harapan pemakai jasa.
Tangibles, yaitu bahwa dalam memberikan pelayanan kepada pelanggan harus dapat diukur
atau dibuat standarnya.
Reliability, yaitu konsistensi kerja pemberi jasa dan kemampuan pemberi jasa dalam memenuhi
janji para penerima jasa.
Responsiveness, yaitu tanggapan pemberi jasa terhadap kebutuhan dan harapan penerima
jasa.
Competence, yaitu kemampuan atau keterampilan pemberi jasa yang dibutuhkan setup orang
dalam perusahaan untuk memberikan jasanya kepada penerima jasa.
Access, yaitu kemudahan pemberi jasa untuk dihubingi oleh pihak atau pelanggan atau
penerima jasa.
Courtesy, yaitu kesopanan, respek, perhatian, dan kesamaan dalam hubungan personil.
Meningkatkan kualitas jasa yang ditawarkan tidak semudah usaha meningkatkan kualitas
produk, karena karakteristiknya yang unik. Peningkatan kualitas jasa juga akan berdampak
pada organisasi secara menyeluruh.
Biaya Kualitas
Setiap kegiatan yang dilakukan perusahaan pasti terkait erat dengan Biaya yang harus
dikeluarkan perusahaan tersebut. Dalam paradigma baru dikatakan bahwa quality has no cost
yang berarti kualitas tidak memerlukan biaya. Artinya untuk membuat suatu produk yang
berkualitas perusahaan dapat melakukannya dengan cara rnenghilangkan segala bentuk
pemborosan, yang hiasanya pemborosan ini disebabkan karena perusahaan menghasilkan
produk yang ternyata cacat sehingga harus diadakan perbaikan atau harus dibuang.
18
Selanjutnya, dalam paradigma baru dikenal bahwa peningkatan kualitas pasti diiringi
dengan peningkatan produktivitas. Mengapa demikian? Hal ini dapat terjadi apabila perusahaan
berhasil menghilangkan pemborosan. dalam paradigma baru, kualitas tidak berdampak pada
peningkatan biaya kualitas, bahkan akan menghemat biaya tersebut. Biaya yang dapat dihemat
terutama yang merupakan biaya yang harus dikeluarkan karena perusahaan menghasilkan
produk cacat. Namun demikian, biaya kualitas itu akan tetap ada bila perusahaan menganut
paradigma lama. Dalam paradigma lama, dikatakan bahwa kualitas itu mahal. Untuk
meningkatkan kualitas produk dan menurut paradigma lama, diperlukan biaya yang tidak sedikit
jumlahnya. Ada dua golongan besar biaya kualitas, yaitu biaya untuk menghasilkan produk
yang berkualitas dan biaya yang harus dikeluarkan karena menghasilkan produk cacat.
Menurut Russel (1996), secara keseluruhan, biaya kualitas tersebut meliputi:
 Biaya urituk menghasilkan produk yang berkualitas (cost of achieving good quality) yaitu
biaya yang harus dikeluarkan perusahaan untuk Membuat produk yang berkualitas sesuai
dengan keinginan pelanggan, meliputi:
 Biaya pencegahan (prevention costs) yaitu biaya untuk mencegah kerusakan atau cacat
produk yang terdiri dari :
 Biaya perencanaan kualitas (quality planning costs) yaitu biaya yang harus
dikeluarkan untuk membuat perencanaan akan produk yang baik yang akan
dihasilkan.
 Biaya perancangan produksi (production design costs) yaitu biaya yang harus
dikeluarkan untuk merancang produk sehingga produk yang dihasilkan benar-benar
berkualitas.
 Biaya pemrosesan (process costs) yaitu biaya yang harus dikeluarkan untuk dapat
menjalankan proses produksi sehingga menghasilkan produk yang berkualitas.
 Biaya pelatihan (training costs) yaitu biaya yang harus dikeluarkan untuk
mengadakan pelatihan bagi karyawan sehingga karyawan bertanggung jawab untuk
selalu membuat produk yang balk.
 Biaya informasi akan kualitas produk yang diharapkan pelanggan (irrfonnatiorr costs)
yaitu biaya yang harus dikeluarkan untuk mengadakan survey pelanggan
tentang kualitas produk yang diharapkan pelanggan.
 Biaya penilaian (appraisal costs) yaitu biaya yang harus dikeluarkan untuk mengadakan
pengujian terhadap produk yang dihasilkan, meliputi:
 Biaya untuk mengadakan inspeksi dan pengujian (inspection and testing costs), yaitu

19
biaya yang harus dikeluarkan untuk mengadakan pengujian terhadap produk yang
dihasilkan.
 Biaya peralatan pengujian (test equipment costs) yaitu biaya yang harus dikeluarkan
untuk pengadaan alat untuk pengujian terhadap kualitas produk.
 t3iaya operator (operator costs) yaitu biaya yang dikeluarkan untuk memberikan
upah pada orang yang bertanggung jawab dalam pengendalian kualitas.
 Biaya yang harus dikeluarkan karma perusahaan menghasilkan produk cacat (cost of poor
duality), meliputi:
 Biaya kegagalan internal (intenurl failure costs) yaitu biaya yang harus dikeluarkan
karma perusahaan telah menghasilkan produk yang cacat tetapi cacat produk tersebut
telah diketahui sebelum produk tersebut sampai kepada pelanggan. Biaya ini
meliputi:
 Biaya yang dikeluarkan karma produk harus dibuang (scrap costs), yaitu biaya yang
telah dikeluarkan perusahaan tetapi produk yang dihasilkan ternyata produk cacat
sehingga harus dibuang dan adanya biaya untuk membuang produk tersebut.
 aya pengerjaan ulang (rework costs), yaitu Biaya untuk memperbaiki produk yang
carat.
 Biaya kegagalan proses (process failure costs) yaitu Biaya yang harus dikeluarkan
dalam proses produksi tetapi ternyata produk yang dihasilkan adalah produk carat.
 Biaya yang harus dikeluarkan karena proses produksi tidak dapat bei jalan
sebagaimana mestinya (process downtime costs).
 Biaya yang harus dikeluarkan karena perusahaan terpaksa harus menjual produk
di bawah harga patokannya karena produk yang dihasilkannya carat (price-
downgrading costs)
 Biaya kegagalan eksternal (external failure costs) yaitu Biaya yang harus dikeluarkan
karena menghasilkan produk carat dan produk ini telah diterima oleh konsumen,
meliputi:
 Biaya untuk memberikan pelayanan terhadap keluhan pelanggan (customer
complaint costs).
 Biaya yang harus dikeluarkan karena produk yang telah disampaikan kepada
konsumen dikembalikan karena produk tersebut carat (product return costs).
 Biaya yang harus dikeluarkan untuk menangani tuntutan konsumen terhadap
adanya jaminan kualitas produk (warranty claims costs).

20
 Biaya yang harus dikeluarkan karena perusahaan harus memberikan jaminan atau
garansi bagi konsumen bahwa produk yang dihasilkan adalah baik (product liability
costs).
 Biaya yang harus dikeluarkan karena perusahaan tidak dipercaya oleh
konsumen sehingga tidak mau lagi membeli produk ke perusahaan tersebut (lost
sales costs).
Organisasi atau perusahaan yang ingin melihat biaya kualitas dan menggunaknnya sebagai
indikator kemajuan perbaikan kualitas dapat menggunakan laporan biaya kualitas yang
bersifat umum seperti Tabel 1.1
Tabel 1.3 Bentuk umum Laporan Biaya Kualitas Bulanan

21
Biaya Kualitas dan Nilai Kualitas

Selama ini, kualitas seringkali hanya digambarkan sebagai konsep yang abstrak seperti
bagaimana manajer suatu organisasi menentukan sasaran kualitas, dengan alat apakah
manajer organisasi mengevaluasi pen: apaian manajemen kualitas, apakah sumber daya yang
mendukung kualitas Iapat dialokasikan secara lebih efisien, bagaimana tingkat pengembalian
kualitas secara ekonomi ditentukan, dan masih banyak lagi.
Selanjutnya, apabila ditinjau kembali Biaya kualitas, sebenarnya ada sisi lain yang
belum atau jarang ditinjau, yaitu nilai kualitas yang melekat pada produk atau jasa yang
22
ditawarkan kepada pelanggan. Pelanggan yang membayar produk atau jasa yang ditawarkan
tentu mengharapkan akan mendapatkan produk atau jasa yang kualitasnya sebanding dengan
nilai yang telah mereka wujudkan dalam membayar harga produk atau jasa tersebut.nilai
kualitas adalah indeks penilaian pelanggan, yang merupakan harga yang dibayarkan pelanggan
atas hasil atau manfaat yang dirasakan karena kualitas produk atau proses sesuai dengan
harapannya (Bester, 1999). Setiap pelanggan mempunyai nilai indeks yang berbeda-beda,
berkaitan dengan kriteria obyektif dan subyektif yang dimilikinya. Dalam praktik, manajemen
kualitas harus menyadari bahwa mereka secara nyata mengevaluasi produkt:ivitas dan
penjaminan bisnis seperti pada kualitas. Selain itu, biasanya nilai ,ualitas produk akan
ditingkatkan untuk memperbaiki persepsi masyarakat, walaupun pada saat yang sama kualitas
seringkali ditekan untuk meningkatkan produktivitas. Biaya kualitas dan nilai kualitas dapat
digambarkan seperti Gambar 1.2.
Gambar 1.3 Hubungan Biaya dan Nilai Kualitas
Dari Gambar 1.3 tersebut terlihat bahwa titik minimum kurva Biaya kualitas (cost of quality atau
COQ) dicapai apabila jumlah Biaya pencegahan, penilaian, dan ketidaksesuaian baik internal
maupun eksternal berada pada nilai optimum atau minimum. Nilai dari kurva kualitas di sisi lain,
tidak me,miliki nilai optimum, tetapi lebih pada nilai akhir yang maksimum yang dicapai secara

23
asimtot. Persimpangan kedua kurva tersebut merupakan wilayah optimum untuk merealisasikan
manfaat ekonomis dari manajemen kualitas. Ukuran sampel dan banyaknya penerimaan produk
dalam proses produksi merupakan faktor utama yang mempengaruhi COQ.
Sementara itu, dalam organisasi moderen khususnya yang mengadopsi metode penilaian COQ,
perlu menggunakan proses manajemen berdasarkan sasaran. Dalam istilah kualitas dikenal
dengan kualitas berdasarkan sasaran atau quality by objective (QBO). Menurut Bester (1999),
metode QBO tersebut menggunakan tiga patokan, yaitu:
 Manajer kualitas harus mempunyai komitmen untuk menentukan biaya sasaran kualitas.
Berdasarkan sasaran tersebut, kontribusi yang pada keuntungan tiap tahun dapat
diprediksi.
 Sasaran kualitas secara menyeluruh merupakan serangkaian sasaran dan pencapaian
masing-masing bagian Oleh karenanya perlu diadakan identifikasi secara tepat
sasaran masing-masing bagian.
 Masing-masing dan setup orang dari manajer yang merne gang fungsi kualitas harus
mendukung pencapaian sasarannya untuk menjamin pencapaian sasaran kualitas
secara menyeluruh.
Selanjutnya, menurut Bester (1999), QBO juga harus mencakup mpat komponen utama, yaitu:
 Jarak efektivitas kualitas, yang merupakan penentuan syarat-syarat yang dibutuhkan
secara umum untuk basil yang berkualitas. Ukuran efektivitas manajemen dalam hal ini
meliputi jarak efektivitas dari faktor-faktor yang memberikan kontribusi pada investasi
seperti desain kualitas, bahan baku yang berkualitas, proses produksi yang berkualitas,
dan sebagainya serta jarak efektivitas dari hasil yang menyusun laba seperti kualitas
produk, biaya kualitas, kepuasan pelanggan, dan sebagainya.
 Standar efektivitas kualitas, •yang merupakan alat dan kriteria di mana pencapaian
kualitas dapat diukur.
 Sasaran kualitas, yang merupakan penentuan basil kualitas secara kuantitatif dan
khusus yang dibutuhkan oleh manajer secara individu.
 Efektivitas manajemen kualitas, yang merupakan pengukuran di mana manajer berhasil
dalam mencapai kualitas basil yang dibutuhkan.
Penentuan sasaran dalam QBO tersebut bersifat top-down, dari sasaran organisasi
dijabarkan menjadi sasaran organisasi di bidang kualitas. Sasaran organisasi di bidang kualitas
tersebut kemudian dijabarkan ke dalarn sasaran divisi, departemen, dan seksi-seksi, seperti

24
bagian pemasaran harapan pelanggan, bagian perancangan kegiatan pencegahan risiko, bagian
pembelian, kualifikasi bahan dan pemasok, bagian keuangan, mengukur dan melaporkan biaya
kualitas, bagian personalia, pelatihan karyawan dan sertifiasi, bagian pelayanan, umpan balik
statistik pada kinerja produk, dan sebagainya.
Hubungan Kualitas, Produktivitas, Efisiensi, dan Penggunaan

Sistem produksi bagi perusahaan manufaktur dan jasa dinilai dengan pengukuran efektivitas dan
atau kinerjanya. Pengukuran efektivitas meliputi kemudahan dalam perawatan, kesiapan
operasional, kertersediaan dan sebagainya. Sementara itu, pengukuran kinerja meliputi
produktivitas, efisiensi, penggunaan, dan kualitas (Al-Darrab, 2000). Pengukuran umum
produktivas mernang sangat erat dengan pengukuran efisiensi dan penggunaan. Namun
pengukuran terbaru dalarn produktivitas telah melibatkan kualitas didalmnya. Menurut Shaw
(1989), perbaikan produktivitas adalah lebih baik daripada sekedar mengadakan pengurangan
karyawan, namun produktivitas dapat ditingkatkan dengan cara mengerjakan lebih banyak
dengan sumber daya yang sama, mengerjakan lebih sedikit dengan pengurangan sumber
daya yang lebih besar, atau mengerjakan lebih sedikit dengan mengkonsumsi sumber daya
yang lebih sedikit (Al-Darrab, 2000).
Sementara itu, Omachnu dan Beruvides (1998) merumuskan produktivitas sebagai
perbandingan output dengan input dikalikan dengan faktor kualitas atau:
Di mana:
Input = sumber daya yang digunakan
Output = basil yang dicapai
Faktor kualitas adalah skor atau nilai yang berkaitan dengan jaminan kualitas Faktor
kualitas ini sering disebut dengan indeks kualitas yang merupakan tingkat kualitas yang
dihitung berdasarkan persentase jawaban positif dari responden terhadap kualitas produk yang
dihasilkan. Lebih jauh lagi, Lagasse (1995) menunjukkan adanya dua jenis produktivitas, yaitu
produktivitas jenis I dan produktivitas jenis II. Produktivitas jenis I didefinisikan sebagai
produktivitas tenaga kerja yang merupakan jenis produktivitas yang khusus disediakan bagi
pelayanan. Sedangkan produktivitas jenis II merupakan bentuk yang lebih umum yang
mentransformasikan semua output dan input ke dalam pengukuran produktivitas.
Pengukuran kinerja selanjutnya adalah penggunaan dan efisiensi. Penggunaan adalah

25
persentase waktu di lingkungan kerja yang digunakan, atau dirumuskan oleh Al-Darrab (2000)
menjadi:
Seringkali terjadi bahwa suatu departemen menggunakan 100 jam per minggu tetapi tidak
mampu menghasilkan 100 jam kerja standar. Karyawan mungkin bekerja lebih cepat atau lebih
lambat daripada standar kerja yang ditetapkan, sehingga efisiensi mencapai lebih dari 100%.
Sementara itu, efisiensi dirumuskan oleh Al-Darrab (2000) dengan:
Oleh karena itu, kapasitas yang ada dapat dihitung sebagai waktu yang tersedia x penggunaan
x efisiensi. Apabila dibuat tingkatan dalam pengukuran kinerja, maka tingkat pertama adalah
kombinasi produktivitas, efisiensi, dan penggunaan, atau
Produktivitas = efisiensi x penggunaan
Sedangkan tingkat kedua, yang telah melibatkan kualitas dirumuskan dengan
Produktivitas = efisiensi x penggunaan x faktor kualitas
Selanjutnya, pengukuran produktivitas biasanya tidak membedakan antara output yang baik
dan diterima dengan output yang buruk atau yang ditolak. Dalam pengukuran nilai produktivitas
bersih, harus dipisahkan antara outpttt yang diterima dengan output yang ditolak (Bester, 1999).
Oleh karenanya, produktivitas diformulasikan dengan output yang diterima/(total output + biaya-
biaya non kualitas). Dari formulasi atau rumusan tersebut tampak bahwa untuk input dan ourput
yang sama. produktivitas akan meningkat bila biaya non kualitas rendah dan akan turun bila
biaya non kuaiitas meningkat. Untuk mengetahui nilai produktivitas bersih atau Net Vulue
Productivit (NVP)menurut Bester (1999), digunakan rumus:
Atau

26
Gambar 1,4 Net Value Productivity
Dari Gambar 1.4 tersebut tampak bahwa semakin rendah kualitasnya, maka akan
semakin banyak kerusakan yang terjadi dan biayanya rendah, atau sebaliknya. Semakin
tinggi kualitasnya, memerlukan karyawan yang banyak atau yang ahli, sehingga biayanya
tinggi. Nilai produktivitas akan mengalami peningkatan pada tingkat kualitas yang rendah, dan
pada titik tertentu akan mengalami nilai produktivitas bersih maksimum sebelum akhirnya
menurun.
Teknik-Teknik Perbaikan Kualitas

Manajemen Kualitas seringkali disebut sebagai the problem solving, sehingga manajemen
kualitas dapat menggunakan metodologi dalam problem solving tersebut untuk
mengadakan perbaikan (Ridman dan Zachary, 1993). Ada berbagai teknik perbaikan kualitas
yang dapat digunakan dalam organisasi. Teknik-teknik dasar yang dapat digunakan antara lain
Diagram Pareto, histogram, lembar pengecekan (check sheet), analisis matriks, diagram
sebab akibat, digram penyebaran (scatter diagram), diagram alur, run chart, diagram grier, tune
series, stein-and-leaf plots, box plots, peta multivariabel, peta pengendali (control chart), dan
analisis kemampuan proses. Masing-masing teknik tersebut mempunyai kegunaan yang dapat
berdiri sendiri maupun saling membantu antar satu teknik dengan teknik yang lain.
Diagram Pareto
Diagram Pareto diperkenalkan oleh seorang ahli yaitu Alfredo Pareto 1848-1923).
Diagram Pareto ini merupakan suatu gambar yang mengurutkan klasifikasi data dari kiri ke
27
kanan menurut urutan rangking tertinggi hingga terendah. Hal ini dapat membantu
menemukan permasalahan yang haling penting untuk segera diselesaikan (rangking tertinggi)
sampai dengan masalah yang tidak harus segera diselesaikan (rangking terendah). Diagram
Pareto juga dapat mengidentifikasi masalah yang paling penting yang mempengaruhi usaha
perbaikan kualitas dan memberikan petunjuk dalam mengslokasikan sumber daya yang
terbatas untuk menyelesaikan masalah (Mitra, .993).
Selain itu, Diagram Pareto juga dapat digunakan untuk mem ~andingkan kondisi
proses, misalnya ketidaksesuaian proses sebelum dan ~~-telah diambil tindakan perbaikan
terhadap proses. Penyusunan Diagram Pareto sangat sederhana. Menurut Mitra (1993) dan
Besterfield (1998), proses penyusunan Diagram Pareto meliputi enam langkah, yaitu:
 Menentukan metode atau arti dari pengklasifikasian data, misalnya berdasarkan masalah,
penyebab, jenis ketidaksesuaian, dan sebagainya.
 Menentukan satuan yang digunakan untuk membuat urutan karak teristik-karakteristik
tersebut, misalnya rupiah, frekuensi, unit, dan sebagainya.
 Mengumpulkan data sesuai dengan interval waktu yang telah ditentukan.
 Merangkum data dan membuat rangking kategori data tersebut dari yang terbesar hingga
yang terkecil.
 Menghitung frekuensi kumulatif atau persentase kumulatif yang digunakan.
 Menggambar diagram batang, menunjukkan tingkat kepentingan relative masing-masing
masalah.Mengidentifikasi beberapa hal yang penting untuk mendapat perhatian.
Gambar 1.5 Diagram Pareto
Penggunaan Diagram Pareto merupakan proses yang tidak pernah berakhir. Misalnya,
dari Gambar 1.3 tersebut, masalah F merupakan target dalam program perbaikan. Apabila
28
program tersebut berhasil, maka di waktu mendatang analisis pareto dilakukan lagi dan
masalah C yang akan menjadi target dalam program perbaikan. Selanjutnya proses tersebut
dilakukan hingga perbaikan dapat dilakukan secara menyeluruh. Secara keseluruhan,
Diagram Pareto dapat dibuat dalam bentuk persentase yang merupakan tipe kesalahan
kumulatif. Hal ini tampak seperti Gambar 1.5
Histogram
Histogram menjelaskan variasi proses, namun belum mengurutkan rangking dari
variasi terbesar sampai dengan yang terkecil. Histogram juga menunjukkan kemampuan
proses, dan apabila memungkinkan, histogram dapat menunjukkan hubungan dengan
spesifikasi proses dan angka-angka nominal, misalnya rata-rata. Dalam histogram, garis
vertikal menunjukkan banyaknya observasi tiap-tiap kelas. Menurut Mitra (1993), langkah
penyusunan histogram adalah:
 Menentukan batas-batas observasi, misalnya perbedaan antara nilai terbesar dan

terkecil.
 Memilih kelas-kelas atau sel-sel. Biasanya, dalam menentukan banyaknya kelas,
apabila n menunjukkan banyaknya data, maka banyaknya kelas ditunjukkan
dengan √n.
 Menentukan lebar kelas-kelas tersebut. Biasanya, semua kelas mempunyai lebar
yang sama. Lebar kelas ditentukan dengan membagi range dengan banyaknya
kelas.
 Menentukan Batas-Batas kelas. Tentukan banyaknya observasi pada masing-
masing kelas dan yakinkan bahwa kelas-kelas tersebut tidak saling tumpang tindih.
 Menggambar frekuensi histogram dan menyusun diagram batangnya.

29
Gambar 1.6 Diagram Pareto Kumulatif
Lembar Pengecekan (check sheet)

Tujuan pembuatan lembar pengecekan adalah menjamin bahwa data dikumpulkan
secara teliti dan akurat oleh karyawan operasional untuk diadakan pengendalian proses
dan penyelesaian masalah. Data dalam lembar pengecekan tersebut nantinya akan
digunakan dan dianalisis secara cepat dan mudah. Lembar pengecekan ini memiliki
beberapa bentuk seperti pada Gambar 1.7 dan Gambar 1.8. Contoh gambar histogram
ada pada Gambar 1.7
Gambar 1.7 Histogram

30
Gambar 1.8 Check Sheet untuk Banyaknya Kesalahan
Gambar 1.9 Check Sheet Mingguan dalam Satu Bulan
Analisis Matriks
Analisis matriks adalah suatu alat yang sederhana, tetapi efektif. Alat dapat
berfungsi untuk membandingkan beberapa kelompok kategori seperti operator, karyawan
penjualan, mesin-mesin, pemasok, dan seterusnya. semua elemen dalam kategori
tersebut melakukan kegiatan yang sama. Analisis matriks sering disebut dengan Diagram
Pareto dua dimensi. Contoh gambar analisis matriks dapat dilihat pada Gambar 1.9
Gambar 1.10 Analisis Matriks

31
Pada Gambar 1.9 tersebut tampak bahwa ketidaksesuaian terkecil dilakukan oleh D,
disusul oleh A, kemudian F dan seterusnya, dan yang terakhir adalah E. Apabila diamati
dari kolom ketidaksesuaian, maka jenis ketidaksesuaian kelima merupakan ketidaksesuaian
terbesar yang dialami oleh semua orang. Sedangkan ketidaksesuaian ketiga hanya thalami
oleh C.
Diagram Sebab-Akibat
Diagram sebab-akibat dikembangkan oleh Dr. Kaoru Ishikawa pada tahun 1943, sehingga
sering disebut dengan diagram Ishikawa. Diagram sebab-akibat menggambarkan garis dan
simbol-simbol yang menunjukkan hubungan antara akibat dan penyebab suatu masalah.
Diagram tersebut memang digunakan untuk mengetahui akibat dari suatu masalah untuk
selanjutnya diambil tindakan perbaikan. Dari akibat tersebut kemudian dicari beberapa
kemungkinan penyebabnya. Penyebab masalah ini pun dapat berasal dari berbagai sumber
utama, misalnya metode kerja, bahan, pengkuran, karyawan, lingkungan, dan seterusnya.
Selanjutnya, dari sumber-sumber utama tersebut diturunkan menjadi beberapa sumber
yang lebih kecil dan mendetail, misalnya dari metode kerja dapat diturunkan menjadi
pelatihan, pengetahuan, kemampuan, karakteristik fisik, dan sebagainya. Untuk mencari
berbagai penyebab tersebut dapat digunakan teknik brainstorming dari seluruh personil
yang terlibat dalam proses yang sedang dianalisis. Contoh gambar diagram sebab-akibat
tampak pada Gambar 1.11
Dari Gambar 1.11 tersebut tampak bahwa diagram sebab-akibat mirip seperti tulang
ikan, sehingga sering disebut dengan diagram tulang ikan (fishbone diagrarn). Manfaat
diagram sebab-akibat tersebut antara lain :
 Dapat menggunakan kondisi yang sesungguhnya untuk tujuan perbaikan kualitas
produk atau jasa, lebih efisien dalam penggunaan sumber daya, dan dapat mengurangi
biaya.
 Dapat mengurangi dan menghilangkan kondisi yang menyebabkan ketidaksesuaian
produk atau jasa dan keluhan pelanggan.
 Dapat membuat suatu standardisasi operasi yang ada maupun yang direncanakan.
 Dapat memberikan pendidikan dan pelatihan bagi karyawan dalam
kegiatan pembuatan keputusan dan melakukan tindakan perbaikan.

32
Gambar 1.11 Cause and Effect Diagram
Selain digunakan untuk mencari penyebab utama suatu masalah, diagram sebab-akibat
juga dapat digunakan untuk mencari penyebab minor yang merupakan bagian dari penyebab
utamanya. Contoh untuk penggunaan ini dapat dilihat pada Gambar 1.12
Penerapan diagram sebab-akibat lainnya misalnya dalam menghitung banyaknya
penyebab kesalahan yang mengakibatkan terjadinya suatu masalah, menganalisis
penyebaran pada masing-masing penyebab masalah, dan menganalisis proses. Untuk
menghitung penyebab kesalahan dilakukan dengan mencari akibat terbesar dari suatu
masalah. dari akibat tersebut dijbarkan dalam beberapa penyebab utama, lalu dicari
masing-masing penyebabnya secara mendetail.
Diagram Penyebaran (scatter diagram)
Scatter diagram merupakan cara yang paling sederhana untuk menentukan hubungan
antara sebab dan akibat darn dua variabel. Langkah-langkah yang diambil pun sederhana. data
dikumpulkan dalam bentuk pasangan titik (x, y). Dari titik-titik tersebut dapat diketahui
hubungan antara variabel x dan variabel y, apakah terjadi hubungan positif atau negatif.
Misalnya hubungan antara kecepatan suatu kendaraan dengan keahlian si pengendara
seperti pada Gambar 1.15 berikut.

33
Gambar 1.12 Scatter Diagram
Dari Gambar 1.12 tersebut dapat diketahui bahwa hubungan antara kecepatan kendaraan
(X) dengan keahlian si pengendara (Y) adalah positif. Model-model scatter diagram dapat
dilihat pada Gambar 1.13.
Gambar 1.13 Model Scatter Diagram

Diagram Alur
Diagram alur merupakan diagram yang menunjukkan aliran atau urutan suatu proses
atau peristiwa. Diagram tersebut akan memudahkan dalam menggambarkan suatu
sistem, mengidentifikasi masalah, dan melakuka n tindakan pengendalian.Diagram alur
juga menunjukkan siapa pelanggan masing-masing tahapan proses. Diagram tersebut akan
lebih baik apabila disusun oleh suatu tim, sehingga dapat diketahui serangkaian proses
secara jelas dan tepat. Tindakan perbaikan dapat dicapai dengan pengurangan atau
penyederhanaan tahapan proses, pengkombinasian proses, atau membuat frekuensi
terjadinya langkah atau proses lebih efisien. Gambar diag ram alur dapat dilihat pada
Gambar 1.14

34
Gambar 1.14. Flowchart
Run Chart
Run chart adalah penggambaran karakteristik kualitas sebagai fungsi dari waktu. Gambar
tersebut tidak merangkum berbagai informasi, tetapi memberikan berbagai ide dari
kecenderungan secara umum dan tingkat variabilitas proses. Hal ini dapat dilihat pada
Gambar 1.15
Gambar 1.15 Run Chart

35
Gambar 1.16 Diagram Grier
Diagram Grier
Diagram grier dikembangkan oleh Ted Grier yang digunakan untuk membandingkan
ketidaksesuaian pada berbagai model dalam produk yang sama. cara pengumpulan datanya
sama dengan cara pengumpulan data pada pembuatan Diagram Pareto. Sumbu vertikal
menggambarkan persentase ketidaksesuaian dan sumbu horisontal menggambarkan
ketidaksesuaian yang terjadi. hal ini tampak pada Gambar 1.16
Time Series
Time series merupakan teknik yang paling sederhana untuk menunjukkan perubahan karena
berbagai macam faktor dari waktu ke waktu. Time series digambarkan dengan sumbu vertikal
yang menunjukkan peresentase ketidaksesuaian dan sumbu horisontal yang menunjukkan
periode waktu. Hal ini dapat dilihat pada Gambar 1.17.

36
Gambar 1.17 Time Series
Dart Gambar 1.17. tersebut tampak bahwa kualitas produk A berada pada kondisi yang
konstan, sedangkan kualitas produk B mengalami nerubahan yang dalam hal ini adalah
mengalami penurunan secara drastis.
Stem-and-Leaf Plots
Stem-and-leaf plots adalah pendekatan secara grafts yang menempatkan observasi dan
mendapatkan interpretasi dari karakteristik proses. Dengan histogram, identitas data observasi
individu akan hilang, sementara dalam steam-and-leaf plots nilai angka numerik tetap ada.
Dalam penggambaran histogram, keputusan harus dibuat sesuai dengan kelas dan lebar
kelas. Misalnya, pengukuran diameter suatu produk yang berkisar antara 499 mm hingga
500 mm.
Setup data berukuran 499 atau 500 dengan modifikasi pada angka decimalnya. Tanda *
menunjukkan angka 0 dan 1 pada akhir nilai di belakang koma, tanda t menunjukkan
angka 2 dan 3 pada akhir nilai di belakang koma, tanda f untuk angka 4 dan 5 pada akhir
nilai di belakang koma, tanda s untuk angka 7 dan 8 pada akhir nilai di belakang koma,
dan tanda # menunjukkan angka 9 pada akhir nilai di belakang koma. Nilai 500,04
mempunyai 500 sebagai stem dan 4 sebagai leaf. Adapun contoh gambar stem-and-leaf plots
dapat dilihat pada Gambar 1.18

37
Gambar 1.18 Steam-and-Leaf Plots
Box Plots
Box plots menunjukkan kecenderungan memusat, penyebaran data, dan memberikan
petunjuk adanya kecenderungan (penyimpangan dari kesamaan atau simetri) dan kurtosis
(ukuran panjangnya ekor). Dari plots tersebut, suatu penjelasan dilakukan apabila ada basil
observasi yang berbeda. menurut Mitra (1993), langkah-langkah pembuatan box plots adalah:
 Menentukan kuartal pertama Q1 = 25 %. Nilai ini menunjukkan batas terendah
dari suatu box.
 Menentukan kuartal ketiga Q3 = 75 %. Nilai ini merupakan batas tertinggi dari
suatu box. Panjang box adalah selisih atau perbedaan antara Q3 dan Q1, yang
dikenal dengan interquartile range (iqr).
 Menentukan nilai tengah dari seluruh data tersebut. Garis mengambarkan nilai
tengah yang membagi box tersebut.
 Menggambarkan dua garis yang dimulai dari atas kemudian turun ke bawah ke arah
Q3 untuk nilai data maksimum atau Q3 + 1,5 (iqr). Demikian pula ditarik juga garis
dari bawah ke arah Q1 untuk nilai data minimum atau Q1 - 1,5 (iqr).
 Nilai-nilai yang berada di luar nilai-nilai tersebut dikatakan berada di 1 uar daerah
Batas.
Contoh data dan penggambaran box plots dapat dilihat pada Gambar 1.19

38
Gambar 1.19 Box Plots
Peta Multivariabel
Pada berbagai kegiatan operasi perusahaan manufaktur atau jasa ada beberapa
variabel atau atribut untuk menentukan akibat kualitas pelayanan atau kualitas produk. hat
ini akan tampak apabila digunakan peta multivariabel yang dapat menggambarkan
pengumpulan informasi tersebut. Hal ini tampak pada Gambar 1.20

39
Gambar 1.20 Peta Multivariabel
Peta Pengendali (control chart)

Peta pengendali menggambarkan perbaikan kualitas. Perbaikan kualitas terjadi pada dua
situasi. Situasi pertama adalah ketika peta kendali dibuat, proses dalam kondisi tidak stabil.
Kondisi yang di luar Batas kendali terjadi karena sebab khusus (assignable cause), kemudian
dicari tindakan perbaikan sehingga proses menjadi stabil. Hasilnya adalah adanya perbaikan
proses.
Kondisi kedua berkaitan dengan pengujian. Peta pengendali tepat bagi pengambil keputusan
karena model akan melihat yang baik dan yang buruk. Peta kendali memang tepat dalam
penyelesaian masalah melalui perbaikan kualitas, walaupun ada kelemahan apabila
digunakan untuk memonitor atau mempertahankan proses. Contoh gambar peta kendali tampak
pada Gambar 1.21 dan Gambar 1.22

40
Gambar 1.21 Control Chart
Gambar 1.22 Control Chart

Kemampuan Proses
Manajemen mempunyai tanggungjawab memberikan jaminan bahwa proses layak atau
memenuhi spasifikasi. Proses dapat dikatakan stabil dan da pat diprediksi telah
digambarkan dengan peta kendali, namun masih sering menimbulkan pemborosan.
Pengukuran kemampuan proses disebut dengan indeks kemampuan atau Cp, yang
merupakan variabel yang melengkapi variabel-variabel peta kendali. Nilai Cp minimal
1,33. Selain itu, dapat juga dengan menentukan target atau nilai nominal atau nilai Cpk. Nilai
Cpk minimum adalah 1,00. Bila nilai Cp ≥ 1,33 dan nilai Cpk ≥ 1,00, maka proses dikatakan
telah terfokus, stabil, dan dapat diprediksi.

41
Dasar-Dasar Statistik
Statistik digambarkan sebagai ilmu pengetahuan yang berhubungan dengan koleksi,

tabulasi, analisa. penafsiran, dan presentasi data kuantitatif. Hasil akhir ditafsirkan dan
diperkenalkan untuk membantu pembuatan keputusan mengenai kualitas.
Data mungkin dikumpulkan dengan pengamatan langsung atau secara tidak

langsung melalui menulis atau pertanyaan lisan. Teknik yang belakangan digunakan
secara ekstensif oleh personil riset pemasaran dan pengumpulan opini suara publik.
Ada dua prinsip metoda analitis dalam menggambarkan pengumpulan data,yakni :

ukuran pemusatan dan ukuran penyebaran
Ukuran Pemusatan
Ukuran pemusatan adalah suatu distribusi nilai kuantitatif yang menguraikan posisi
yang pusat data atau bagaimana data cenderung dibuat memusat. Ada tiga ukuran
bersama-sama : ( 1) rata-rata, ( 2) angka median, dan ( 3) mode. Rata-Rata
penjumlahan pengamatan yang dibagi oleh banyaknya observasi.Ini adalah pemusatan
yang umum dan diwakili oleh persamaan-persamaan :
di mana X = rata-rata dan dibaca X bar
n = jumlah nilai teramati
Xi = nilai teramati
L = penjumlahan
Kecuali jika dicatat, X mewakili rata-rata nilai teramati, Xx. Penyamaan yang sama
digunakan untuk temukan
X atau Xx- rata-rata

42
R- rata-rata rentangan
p- rata-rata proporsi, dan lain lain
Rata-Rata adalah ukuran pemusatan yang biasa digunakan. Rata-rata digunakan

ketika distribusi simetris atau tidak berada di sebelah kanan. Ketika statistic tambahan
seperti ukuran dispersior., bagan pengawasan, dan seterusnya, diharapkan untuk
dihitung didasarkan pada rata-rata; dan ketika suatu nilai stabil diperlukan statistic yang
induktif.
Ukuran Penyebaran
Suatu alat detik statistik terdiri atas ukuran penyebaran, yang menguraikan
bagaimana data dibentangkan atau tersebar pada sisi masing-masing nilai pusat.
Ukuran penyebaran dan ukuran pemusatan kedua-duanya diperlukan untuk
menguraikan suatu koleksi data.
Salah satu ukuran penyebaran adalah rentangan, untuk satu rangkaian angka-
angka adalah perbedaan antara nilai-nilai pengamatan paling kecil dan yang paling
besar. Yang secara simbolis, diwakili oleh persamaan :
di mana R= range
Xh= pengamatan paling tinggi dalam deretan
XI= pengamatan paling rendah dalam deretan
Ukuran penyebaran lain menggunakan kualitas adalah simpangan baku. Hal Ini
merupakan suatu nilai kuantitatif dalam unit nilai teramati yang mengukur
kecenderungan penyebaran data. Suatu simpangan baku besar menunjukkan
variabilitas data yang lebih besar dibanding mengerjakan suatu simpangan baku kecil.
Dalam simbol, diwakili oleh persamaan

43
di mana s= simpangan baku
Xi = nilai yang diamati
X= rata-rata , n= jumlah diamati
Kecuali jika dicatat, s mewakili sx, simpangan baku contoh nilai teramati. Persamaan
yang sama digunakan untuk menemukan
Sx = simpangan baku sampel rata-rata
Sp = simpangan baku proporsi yang besar
Ss = simpangan baku sampel standard penyimpangan, dan lain lain.
Simpangan baku adalah suatu acuan nilai untuk mengukur dispersi dalam data.
Hal ini akan lebih baik jika dipandang sebagai suatu index yang digambarkan oleh
rumusan. Nilai simpangan baku yang lebih kecil, makin berkualitas, sebab distribusi jadi
lebih lekat di sekitar nilai pusat. Simpangan baku juga membantu menggambarkan
populasi, seperti yang akan dibahas pada bagian berikutnya.
Dalam rentangan pengendalian kualitas adalah suatu ukuran yang umum dari
dispersi. Digunakan salah satu dari bagan pengawasan yang prinsip. Keuntungan yang
utama dari rentangan adalah dalam menyediakan suatu pengetahuan total dari data.
Hal ini juga berharga ketika jumlah data terlalu kecil atau terlalu tersebar untuk
membenarkan kalkulasi suatu ukuran dispersi yang tepat. Seperti banyaknya
pengamatan meningkatkan ketelitian, pengurangan rentangan, karena itu menjadi lebih
mudah untuk membacakan tinggi rendahnya. Maka diusulkan digunakan rentangan
yang terbatas maksimum sepuluh pengamatan. Simpangan baku yang digunakan
ketika diinginkan suatu ukuran yang lebih tepat
Rata-Rata dan simpangan baku mudah mengkalkulasi, dengan suatu kalkulator

tangan.
Populasi dan sampel
Dalam rangka membangun suatu distribusi frekuensi berat batang baja, suatu

44
bagian kecil atau sampel, terpilih untuk menghadirkan semua berat besi. Populasi
adalah keseluruhan koleksi batang baja,. Ketika rata-rata. simpangan baku, dan ukuran
lain dihitung dari sampel, maka hal ini disebut sebagai statistik. Sebab komposisi
sampel akan berubah-ubah, perhitungan statistik akan jadi lebih kecil atau lebih besar
daripada jumlah nilai-nilai populasi benar, atau parameter.
Parameter dianggap sebagai acuan ( standard) nilai-nilai atau perkiraan yang terbaik
tentang nilai-nilai yang tersedia pada situasi tertentu. Populasi mungkin punya suatu
jumlah terbatas materi, seperti suatu produksi batang baja per hari. Mungkin saja tak
terhitung atau hampir tanpa batas. . seperti banyaknya paku keling dalam produksi
pesawat udara pancaran satu tahun. Populasi mungkin tidak dihitung dengan cara yang
berbeda tergantung pada situasi tertentu.Seperti suatu studi tentang produk bisa
melibatkan populasi dari satu jam produksi satu minggu produksi . 5,000 potongan,
dan seterusnya. Sebab itu jarang dimungkinkan untuk mengukur semua populasi,
sehingga sampel pun dipilih . Sampling adalah perlu ketika mungkin saja mustahil untuk
mengukur keseluruhan populasi; ketika biaya untuk mengamati semua data adalah
menjadi penghalang; ketika pemeriksaan yang diperlukan malah menghancurkan
produk; atau ketika suatu test keseluruhan populasi mungkin terlalu berbahaya,
sebagaimana kasus dengan suatu obat/racun medis baru.
Suatu analisa keseluruhan populasi tidak mungkin sama seakurat sampling. Hal ini
telah ditunjukkan bahwa 100% pemeriksaan manual dari beberapa persen produk yang
tak sesuai tidak seakurat sampling. Hal ini mungkin ada kaitan dengan fakta bahwa
kebosanan dan kelelahan menyebabkan pemeriksa malas dan tak akurat dalam
meneliti masing-masing item.
Ketika menentukan suatu populasi, huruf Yunani digunakan. Seperti itu, symbol
rata-rata mempunyai lambang X dan populasi berarti lambang (miu). Catat bahwa kata
average berubah menjadi mean ketika digunakan untuk populasi. Lambang Xo adalah
standard atau referensi nilai. Konsep matematika didasarkan pada , yang mana nilai
yang benar - Xo menghadirkan suatu padanan praktis dalam rangka menggunakan
konsep itu.

45
Simpangan baku sampel mempunyai lambing s, dan simpangan baku populasi

mempunyai lambang σ ( sigma). Lambang so adalah standard atau nilai acuan dan
mempunyai hubungan yang sama untuk σ dimana Xo harus . Nilai Populasi sebenarnya
tidak boleh diketahui, oleh karena itu, lambang dan σ kadang-kadang digunakan untuk
menandai " estimate of”. Suatu perbandingan contoh dan populasi disampaikan dalam
tabel 18-3. Suatu distribusi frekuensi contoh diwakili oleh suatu histogram, dimana
suatu distribusi frekuensi populasi diwakili oleh suatu kurva lembut. Sampai taraf
tertentu, sampel menghadirkan dunia nyata dan populasi menghadirkan dunia
matematika. Persamaan dan konsep didasarkan pada populasi itu.
Sasaran pokok di dalam memilih suatu contoh adalah untuk belajar tentang sesuatu
populasi yang akan membantu membuat beberapa bentuk keputusan. Sampel yang
dipilih harus alami seperti itu yang cenderung untuk menyerupai atau menghadirkan
populasi itu. Seberapa sukses sampel menghadirkan populasi itu adalah suatu fungsi
ukuran contoh, kesempatan, metoda sampling, dan perubahan kondisi.
Kurva Normal
Walaupun ada banyak populasi berbeda seperti ada kondisi-kondisi, mereka dapat
dijelaskan oleh beberapa jenis umum. Satu jenis populasi yang umum disebut kurva
normal, atau distribusi Gaussian. Kurva normal adalah distribusi yang simetris,
unimodal, dan bell-shaped dengan rata-rata, median, dan mode yang mempunyai nilai
yang sama. Suatu kurva populasi yang normal untuk hambatan dalam ohm dari suatu
alat elektrik dengan mean populasi, , 90 dan simpangan baku populasi, σ, 2
ditunjukkan gambar 18-10. Interval antara garis titik-titik sama dengan satu simpangan
baku, σ.
46
Sebagian besar variasi secara alami dan di industri mengikuti distribusi frekuensi
kurva normal. Seperti itu, variasi di dalam berat gajah, kecepatan antelope, dan
kemuliaan manusia akan mengikuti suatu kurva normal. Juga, penemuan variasi di
industri, seperti berat dari besi tuang kelabu, hidup 60-watt bola lampu, dan dimensi ring
piston baja, akan diharapkan untuk mengikuti kurva normal. Ketika mempertimbangkan
kemuliaan manusia, kita dapat mengharapkan suatu persen kecil dari mereka untuk
menjadi sangat tinggi dan suatu persentase kecil untuk menjadi sangat pendek, dengan
mayoritas tinggi manusia dan nilai rata-rata. Kurva normal adalah suatu uraian yang
baik tentang variasi yang terjadi pada kebanyakan karakteristik kualitas dalam industri
sebagai basis untuk banyak teknik pengendalian kualitas.
Ada suatu hubungan terbatas antara rata-rata, simpangan baku, dan kurva normal.
Gambar 18-11 menunjukkan tiga kurva normaI dengan nilai rata-rata yang berbeda,
perhatikan bahwa satu-satunya perubahan adalah di dalam lokasi itu. Gambar 18-12
menunjukan tiga kurva normal dengan rata-rata yang sama tetapi simpangan baku
berbeda. Gambar mengilustrasikan prinsip bahwa semakin besar simpangan baku,
semakin datar kurva (data secara luas dibubarkan), dan semakin kecil simpangan baku,

47
semakin mencapai puncak kurva itu (data sedikit dibubarkan). Jika simpangan baku
adalah nol, semua nilai serupa dengan rata-rata dan tidak ada kurva.
Distribusi normal secara penuh digambarkan oleh rata-rata populasi dan simpangan
baku populasi. Juga, sebagaimana diperlihatkan oleh gambar 18-11 dan 18-12, dua
parameter ini independent. Dengan kata lain, suatu perubahan pada satu parameter
tidak mempunyai efek pada yang lain.
Hubungan antara simpangan baku dan area di bawah kurva normal, seperti ditunjukkan
gambar 18-13. Gambar menunjukkan bahwa di dalam suatu distribusi normal, 68.26%
item dimasukkan antara batas µ + 1 dan µ - 1, 95.46% item dimasukkan antara batas µ
+ 2 dan µ - 2, dan 99.73% item dimasukkan antara µ + 3 dan µ - 3. Seratus persen
materi/item dimasukkan antara batas +∞ dan -∞. Persentase ini menganggap
sah/membenarkan dengan mengabaikan bentuk kurva normal. Fakta bahwa 99,73%
item dimasukkan antara ± 3 adalah basis untuk bagan pengawasan variabel.

48
Teorema Limit Pusat ( Central Limit Theorem )
Dari suatu populasi yang memiliki distribusi normal, distribusi mean penarikan sampel juga
terdistribusi normal untuk nilai n berapapun (tidak tergantung ukuran sampel). Dengan kata lain misalkan
X1, X2, X3, …, Xn-1, Xn adalah suatu sampel acak dari suatu populasi yang terdistribusi normal dengan
mean dan deviasi standard maka untuk sembarang nilai n , juga terdistribusi normal dengan mean
dan deviasi standard jika populasinya tak terhingga atau
jika populasinya terhingga berukuran N.
Sementara itu dari suatu populasi yang tidak terdistribusi secara normal, jika ukuran sampel cukup
besar (n > 30), distribusi mean penarikan sampel akan mendekati suatu distribusi normal (gaussian)
terlepas dari bentuk asli distribusi populasinya. Pernyataan ini dikenal sebagai teorema limit pusat (central
limit theorem). Dengan kata lain misalkan X1, X2, X3, …, Xn-1, Xn adalah suatu sampel acak dari suatu
populasi tidak terdistribusi secara normal dengan mean dan deviasi standard maka untuk nilai n yang
cukup besar (n > 30) , mendekati suatu distribusi normal dengan mean dan deviasi standard
jika populasinya tak terhingga atau jika populasinya terhingga
berukuran N.
 Lima ratus cetakan logam memilki berat rata-rata 5,02 N dan deviasi standard 0,30 N. Probabilitas
bahwa suatu sampel acak terdiri dari 100 cetakan yang dipilih akan mempunyai berat total antara 496
sampai 500 N dapat ditentukan dengan sebagai berikut:
Distribusi mean penarikan sampel persoalah diatas memiliki mean dan deviasi standard:
Jika seratus sampel cetakan memiliki berat total 496 sampai 500 N maka meannya adalah 4,96 sampai
5,00 N. Dengan mengingat kembali konsep-konsep distribusi normal yang telah dibahas, probabilitas
mean tersebut dapat dicari dengan menggunakan tabel distribusi normal standard dimana skor z (z
score)nya didefinisikan sebagai:
maka:

49
Pustaka :
 Besterfield Dale H.et. al, ,Total Quality Management, Prentice Hall, New Jersey, 2003.
 Montgomery Douglas C., “Introduction to Statistical Quality Control”, 4 th edition, John Wiley
& Sons, New York, 2001.

50
BAB 2
KONSEP DASAR STATISTIK DAN PROBABILITAS
DESKRIPSI
Metoda statistik adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian,
analisis, dan penafsiran data. Statistik berkaitan dengan penyajian dan penafsiran kejadian
yang bersifat peluang yang terjadi dalam suatu proses produksi. Maka dalam pengendalian
kualitas perlu menggunakan metode-metode statistik yang sering disebut dengan pengendalian
mutu statistik (Statistical quality control), yaitu : pengendalian mutu proses dan pengendalian
mutu produk.
TUJUAN INSTRUKSIONAL
 Memahami konsep dasar statistik dan probabilitas
 Memahami metodemetode Pengendalian Mutu Statistik.
2.1 Konsep Dasar Statistik Dan Probabilitas

Dalam mempelajari statistika, pada dasarnya berkepentingan dengan penyajian dan
penafsiran kejadian yang bersifat peluang yang terjadi dalam suatu penyelidikan yang
terencana ataupun penelitian ilmiah. Metoda statistik adalah prosedur-prosedur yang digunakan
dalam pengumpulan, penyajian, analisis, dan penafsiran data. Metoda-metoda tersebut secara
garis besarnya dapat dikelom-pokkan menjadi 2 (dua) kelompok, yaitu : statistik deskriptif dan
statistik inferensia.
 Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan
penyajiaan suatu gugus data sehingga memberikan informasi, tetapi tidak menarik
kesimpulan apapun tentang gugus data induknya yang lebih besar (populasi).
 Statistik inferensia adalah mencakup semua metode yang berhu-bungan dengan analisis
sebagian data (sampel) untuk kemudian sampai pada peramalan atau penarikan
kesimpulan mengenai keseluruhan gugus data induknya.
Generalisasi yang berhubungan dengan inferensia statistik selalu mempunyai sifat
tidak pasti, karena kita mendasarkan pada informasi parsial yang diperoleh dari sebagaian
data. Untuk memperhitungkan ketidakpastian ini, maka diperlukan pengeta-huan tentang
peluang (probabilitas).

51
1. Distribusi Frekuensi
Ciri-ciri penting sejumlah data dengan segera dapat diketahui melalui
pengelompokan data tersebut ke dalam beberapa kelas, dan kemudian dihitung banyaknya
pengamatan yang masuk ke dalam setiap kelas. Susunan demikian ini, dalam bentuk tabel
disebut distribusi frekuensi.
Langkah-langkah dalam menyusun distribusi frekuensi:
 Banyak Kelas (K)
Banyak kelas yang ideal antara 1 s/d 15
Pendekatan yang cukup baik dan sering digunakan adalah:
K = 1 + 3.3 log n, dimana n menyatakan banyaknya data.
 Range (R), yaitu selisih antara data tertinggi dengan data terendah.
R = data terbesar – data terkecil
 Lebar Interval (I) : I = R / K
 Limit Kelas
Limit kelas ditentukan sedemikian hingga mempunyai lebar yang sesuai dengan lebar
interval.
 Membuat kolom untuk interval kelas, titik tengah, frekuensi, frekuensi kumulatif,
frekuensi relative, dll. (lihat table 1).
 Batas Kelas : didefinisikan sebagai jumlah limit kelas atas dan limit kelas bawah dari
kelas berikutnya dibagi dua.
Untuk lebih jelasnya diberikan contoh tentang nilaI ujian statistik dari 65 mahasiswa.
Contoh 1.1 :
59 48 53 47 57 64 62 62 65 57 57 81 83
65 76 53 61 60 37 51 51 63 81 60 77 48
71 57 82 66 54 47 61 76 50 57 58 52 57
40 53 66 71 61 61 55 73 50 70 59 50 59
69 67 66 47 56 60 43 54 47 81 76 69 50
Langkah-langkah dalam menyusun distribusi frekuensi untuk contoh 1.2 :

 R = 83 – 37 = 46
 K = 1 + 3.3 log 65 = 6.98 ~7
52
 I = 46 : 7 = 6.671 ~7
 Limit Kelasnya diperoleh :
37 – 43 ; 44 – 50 ; 51 – 57 ; 58 – 64 ; . . . ; 79 – 85.
Tabel 1 : Distribusi frekuensi dari contoh diatas
Interval Titik Frekuensi Frekuensi Frekuensi Frekuensi

Kelas Tengah Kumulatif Relatif Kuml-Relf
37 - 43 40 3 3 0.046 0.046
44 - 50 47 10 13 0.154 0.2
51 - 57 54 16 29 0.246 0.446
58 - 64 61 15 44 0.231 0.677
65 - 71 68 11 55 0.169 0.846
72 - 78 75 5 60 0.077 0.923
79 - 85 82 5 65 0.077 1
65 1
Batas kelas untuk contoh diatas : 36.5 ; 43.5 ; 50.5 ; 57.5 ; 64.5 ; 71.5 ; 78.5 ; 85.5
 Ukuran Statistik Bagi Data

Ukuran statistik bagi sekumpulan data meliputi:
 Ukuran pemusatan data
 Ukuran penyebaran data
2a. Ukuran Pemusatan Data

Adalah suatu nilai yang menunjukkan pusat segugus data yang telah diranking yang
meliputi: Mean; Median; Modus.
 Mean / Rata-rata ( )
Untuk data tunggal :
Apabila terdapat n data yang dinyatakan dengan X1, X2, …, Xn. Maka rata-ratanya
adalah:
Contoh 1.2
Umur dari 11 mahasiswa ITN adalah sebagai berikut:
45 50 49 61 42 49 53 57 49 50 52

53
Maka rata-rata dari umur 11 mahasiswa ITN adalah : ( )= =50.64

Untuk data yang dikelompokkan :
Xi : adalah titik tengah kelas ke-i

Fi : adalah frekuensi kelas ke-i
i = 1, 2, 3, ..., k
Untuk contoh 1.1 didapat :
= 3902/65 = 60.03
 Median
Median membagi sekumpulan data yang telah diurutkan menjadi dua bagian yang sama.
Frekuensi data yang dibawah median sama dengan frekuensi data yang diatas median.
Untuk data tunggal :
Jika n ganjil, median = dimana k = (n+1)/2
Jika n genap, median = ( )/2 dimana k = n/2

Dari contoh 1.2 diatas mediannya adalah 50
Untuk data yang dikelompokkan, maka mediannya adalah:
Med = Lmed +
Dimana :
Lmed = batas bawah kelas median
L = lebar kelas interval
N = banyaknya pengamatan
fj = jumlah frekuensi semua kelas interval sebelum kelas median
F med = frekuensi kelas median
Median dari tabel 1 adalah:
Lmed = 57.5; i = 65; fj = 29; f med = 15
Median = 57.5 + 7 (32.5 – 29) / 15
= 57.5 + 1.63 = 59.13

54
c. Modus (Mo)
 Modus dari n data dengan X1, X2, . . . , Xn adalah nilai Xi yang paling sering muncul.
Dari contoh 1.2 diatas Modusnya = 49
 Modus dari n data yang telah dikelompokkan ialah:
Mo = Lmo + L
Dimana
Lmo : batas bawah kelas modus
d1 : selisih frek. Kelas modus dengan kelas sebelumnya
d2 : selisih frek. Kelas modus denmgan kelas sesudahnya
L : Lebar kelas interval
Dari tabel 1 diperoleh:
Lmo = 50.5 ; d1 = 6 ; d2 = 1
Sehingga modusnya:
Mo = 50.5 + 7 [ 6 / (6+1) ] = 56.5
2b. Ukuran Penyebaran Data

 Range
Range adalah selisih dari data yang paling besar dengan data yang paling kecil.
 Mean Deviasi (Simpangan rata-rata)
MD =
Bial datanya dikelompokkan,
MD =
 Varian (dari sample)
Varian dari data sample X1, X2, … , Xn didefinisikan sebagai :
Dari data pada contoh 1.2 variannya adalah:
= 27.054
Untuk data yang telah dikelompokkan dalam interval kelas maka variannya

55
didefinisikan dalam bentuk:
Dari data pada tabel 1 diperoleh :
= 7735.9415 / 64 = 120.874
2c. Beberapa Ukuran Penyebaran Lain

 Kuartil (Q)
Kuartil adalah titik atau nilai yang membagi sekelompok data menjadi empat bagian
yang sam,a setelah data diurutkan sehingga didapatkan tiga buah kuartil yaitu kuartil
bawah ( ), kuartil tengah ( ) dan kuartil atas ( ).

Apabila data dikelompokkan dalam interval kelas maka rumus median berlaku pula
untuk dan sehingga :
 Persentil
 Apabila terdapat n data X1, X2, … , Xn maka persentil ke-p adalah nilai X dimana p
persen data mempunyai nilai lebih kecil dari pada p, sedangkan (100 – p) persen lebih
besar.
 Apabila data dikelompokkan dalam interval kelas maka rumus median juga masih
berlaku pula untuk persentil ke-p sehingga :
P = Lp + (pn - fj) / fp
3. DISTRIBUSI PROBABILITAS
 Variabel Random
Variabel random adalah suatu fungsi yang memasangkan suatu hasil yang mungkin
terjadi dari sutu eksperimen dengan bilangan real.
Ada dua macam variable random yaitu:
 Variabel random Diskrit, yaitu variable random yang nilainya bilangan bulat.
 Variabel random Kontinu, yaitu variable random yang nilainya bilangan real.
Contoh 4.1
56
Pada pertandingan sepak bola, jumlah gol yang dicetak adalah variable random diskrit,
sedangkan waktu yang diperlukan untuk mencetak gol adalah variable random kontinu.
 Fungsi Probabilitas Variabel Random

Jika x suatu variable random, maka fungsi probabilitas dari x ditulis p(x) jika x diskrit,
atau f(x) jukai x kontinu, yaitu fungsi yang memenuhi syarat-syarat berikut:
 p(x) ≥ 0 , x kontinu
f(x) ≥ 0 , x kontinu
 ∑p(x) = 1 , x kontinu
∫f(x)dx = 1 , x kontinu
Funsi distribusi
F(x) = P (X ≤ x) = ∑p(x) , x diskrit
F(x) = P (X ≤ x) = , x kontinu
Contoh 3.2
Sebuah uang logam dibebani sehingga prob. Muncul muka dua kali lebih besar dari
pada belakang. Bila uang logam tersebut dilemparkan tiga kali. Carilah distribusi
probabilitas banyaknya muka yang muncul.
Jawab:
Misal P(B) = a , maka P(M) = 2a
S = {MMM, MMB, MBM, BMM, MBB, BMB, BBM, BBB}
P(3M) = (2a) =8
P(2M1B) = 3 (2a) a = 12
P(1M2B) = 3 (2a) a =6
P(3B) =
Karena p(x) = 1, maka 8 + 12 +6 + =1
27 =1 ======= a = 1/3
Jika menyatakan banyaknya muka yang muncul, maka data dihitung besarnya
probabilitas masing-masing nilai x, yaitu:
x 0 1 2 3

57
P(X=x) 1 / 27 6 / 27 12 / 27 8 / 27
 Distribusi Probabilitas Diskrit

3.3.a. Distribusi Bernouli
Percobaan bernouli adalah suatu percobaan yang hasilnya dapat digolongkan atas dua
golongan : sukses dan gagal.
Fungsi probabilitas bernouli mempunyai bentuk:
P (X=x) = , x = 0.1
Dimana:
1 menyatakan sukses
0 menyatakan gagal
p adalah probabilitas sukses
q adalah probabilitas gagal
4.3.b. Distribusi Binomial

Jika percobaan bernouli dilakukan sebanyak n kali yang saling independent maka
dikatakan sebagai percobaan Binomial.
Ciri-ciri percobaan binomial:
 Percobaannya terdiri atas n ulangan/dilakukan sebanyak n kali
 Hasil setiap percobaan dapat digolongkan atas dua hal, misalnya sukses dan gagal
 Probabilitas sukses (p) dan probabilitas gaga (q), adalah konstan pada setiap
percobaan
 Antar percobaan bersifat saling independent
Dan fungsi probabilitas Binomial adalah:
P (X=x) = n Cx
Dimana :
x = 0,1,2, . . . , n
n = banyaknya percobaan
p = prob. Sukses
q = prob. Gagal
x = banyaknya sukses
p+q=1

58
Contoh 3.3
Tentukan probabilitas mendapatkan angka 2, sebanyak 3 kali, bila sebuah dadu
dilemparkan 5 kali.
Jawab:
p = 1/6
q = 5/6
n=5
x=3
P (X=5) = 5C3 (1/6)3 . (5/6)2 = 0.032
Jadi probabilitas mendapatkan angka 2 sebanyak 3 kali adalah : 0.032
4.3.c. Distribusi Geometrik

Adalah distribusi yang dipergunakan untuk menghitung besarnya probabilitas
keberhasilan untuk pertama kalinya pada ulangan yang ke-k dari percbaan bernouli.
Dan diberikan menurut rumus:
G (k,p) = p . q k-1 ; k = 1, 2, …, n
Contoh 3.4
Hitung probabilitas bahwa seseorang yang melemparkan sekeping uang logam
membutuhkan 4 kali lemparan untuk mendapatkan hasil sisi gambar.
Jawab:
p=½
q=½
k = 4 (dalam hal ini n = k)
Jadi probabilitasnya = (1/2) (1/2)3 = 1/16
4.3.d. Distribusi Poisson
Percobaan poisson adalah suatu percobaan yang menghasilkan variable random x yang
menyatakan banyaknya kejadian dalam suatu interval waktu tertentu atau dalam daerah
tertentu.
Sifat-sifat percobaan-percobaan poisson yaitu:
 Banyaknya kejadian dalam interval yang satu dengan interval yang lain saling bebas.

59
 Probabilitas terjadinya satu kejadian dalam interval yang sangat pendek sebanding
dengan panjang interval dan tidak tergantung pada kejadian diluar interval juga tidak
tergantung pd banyaknya kejadian diluar interval tersebut.
 Probabilitas terjadinya dua atau lebih kejadian dalam interval yang pendek dianggap
sama dengan nol. artinya tidak mungkin terdapat 2 kejadian secara bersama-sama.
Fungsi probabilitas poisson mempunyai bentuk sbb:
P (x; ) = ; dimana = n . p
Contoh 3.5
Rata-rata banyaknya tikus diluasan 5 meter persegi ialah 10 ekor. Hitung bahwa
didalam suatu luasan 5 meter persegi tertentu ada lebih dari 15 ekor tikus.
Jawab:
= 10
P (x > 15) = ( )=1-

= 1 – 0.9513 = 0.0487
Daftar Pustaka :
 Ronald E. Walpole, Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan, Penerbit ITB,
Bandung, 1995.
 Grant E., Leavenworth R.S., Statistik Quality Control, Mc. Graw Hill, 1996.
 Douglas C. Montgomery; Introduction to Statistical Quality Control; John Willey & Sons,
1991.
 Besterfield, D.H.; Quality Control; Prentice Hall, 1998.
 Feigenbaum; Total Quality Control, Mc. Graw Hill, 1991.
 JM Juran, Frank M. Gryna; Quality Planning and Analysis, from Product Development
Though Use; Mc. Graw Hill, 1993.
 Ishikawa; Guide to Quality Control.
 Duncen; Quality Control and Industrial Statistics.
 Dorothea W. A., Manajemen Kualitas, Penerbit Universitas Atma Jaya, Jogyakarta, 1999.

60
BAB 3
KARAKTERISTIK DAN PENDEKATAN PENGENDALIAN KUALITAS
Setelah kuliah selesai mahasiswa diharapkan mahasiswa dapat menguraikan konsep
pengendalian kualitas dalam industri manufaktur
 Materi Pembahasan
1. Performansi Kualitas
2. Good & Service quality
3. Pengenalan SPC
4. Tahapan Pengendalian Proses Statistik
3.1 Performansi Kualitas
3.1.2 Definisi dan Dasar-Dasar Pengendalian Mutu Terpadu
Pengendalian Mutu Terpadu (PMT) atau lebih dikenal dengan Total Quality Control
adalah konsep pendekatan manajer ala Jepang dikembangkan (berasal mula dari Amerika) dan
disesuaikan dengan kultur budaya masyarakat Jepang. Secara definitif PMT ini dapat dinyatakan
sebagai :
“Berbagai kegiatan didalam penyelidikan dan pengembangan (R&D), produksi, penjualan dan
pelayanan purna jual dengan cara rasional untuk mencapai kepuasan tingkat yang paling
ekonomis”.
Definisi TQC/PMT di Jepang
“Sistem yang efektif untuk mengintegrasikan kegiatan pengembangan kualitas, perawatan

61
kualitas dan peningkatan kualitas dari kelompok-kelompok dalam sebuah organisasi, sehingga
tercapai kepuasan pelanggan sepenuhnya tersedianya barang dan jasa pada tingkat yang paling
ekonomis”.
Definisi TQC/PMT di Amerika
“Sistem manajemen dengan mengikutsertakan seluruh karyawan dari semua tingkatan didalam
sebuah organisasi, dengan penerapan konsep pengendalian kualitas dan metoda statistika untuk
mendapatkan kepuasan pelanggan dan karyawan yang mengerjakannya”.
Definisi TQC/PMT di Indonesia
Latar belakang konsep TQC/PMT pada dasarnya bermula dari tiga pendekatan yaitu :
 Pendekatan metodologi,
 Pendekatan bisnis atau tujuan perusahaan,
 Pendekatan kultur budaya
Pendekatan metodologi yang dimaksud adalah pendekatan pada sistem pengawasan mutu
produksi, evaluasi personalia, zero defect, spesifikasi tanggung jawab dan pengawasan
anggaran/budget, dan lain-lain yang kesemuanya berasal mula dari sistem yang diterapkan di
Amerika Serikat. setiap pelaksana pekerjaan harus berfalsafah “proses berikut adalah pelanggan
saya”. Kepuasan pelanggan adalah merupakan sasaran utama PMT/TQC.
Pengertian kualitas menurut manajemen PMT/TQC tidak hanya ditekankan pada kalitas
produk atau proses pembuatannya saja, akan tetapi mencakup banyak hal, yakni :
 Kualitas produk /jasa itu sendiri (product/service quality),
 Kulitas kegiatan suatu proses kerja (process quality),

62
 Kualitas penjualan yang menyangkut harga (Cost Price) dan kualitas purna jual (after
sales) yang akan menyangkut kegiatan maintenance serta pengadaan peralatan suku
cadang,
 Kulitas ketepan waktu dan cara penyampaian / penyerahan barang ke tangan konsumen
yang membutuhkannya,
 Kualitas keselamatan (safety) serta moral semangat / semangat kerja setiap individu yang
terlihat dalam proses produksi,
 Kualitas pengumpulan dan pengolahan data, pembukuan dll.
Pengendalian atau kontrol adalah keseluruhan upaya untuk menjamin dipenuhinya
persyaratan kualitas yang telah ditetapkan sebelumnya. Karena pengertian kualitas akan dikait-
orientasikan kepada pemuasan pelanggan (customer`s satisfaction), maka didalam kegiatan
pengendalian kualitas tentu saja akan juga selalu dikaitkan pada hasrat untuk memuaskan
pelanggan tesebut. Maka konsumen akan mendapatkan kepuasan untuk melakukan kegiatan
ekonomi yang akan membuat kita menjadi lebih dapat memanfaatkan apa yang telah kita
dapatkan sehingga kegiatan TQC /PMT dapat berjalan sesuai dengan prosedur yang ada.
Globalisasi dan kemudahan untuk mengakses informasi dari seluruh dunia, membawa
perubahan yang sangat besar dalam kehidupan manusia. Perubahan itu juga mempengaruhi dunia
usaha, sebab customer menjadi kritis dan persaingan semakin ketat. Untuk memenangkan
persaingan, salah satu cara adalah dengan meningkatkan kualitas dari produk.
Pengendalian kualitas merupakan fokus dari penelitian ini, oleh karena itu kata “kualitas”

63
perlu dipahami dan didefinisikan terlebih dahulu. Terdapat berbagai macam pendekatan untuk
mendefinisikan kualitas, menurut Garvin D.A.1) dalam “Fundamental of Quality Control and
Improvement” mendefinisikan bahwa kualitas ialah:
a. Transcendent (Quality as Excellence)
Pendekatan yang bersifat subjektif yang digunakan sebagai pembeda antara
kualitasbaik dan buruk. Unsur excelleny suatu benda menjadi parameternya. Contohnya
lukisan “Monalisa” merupakan benda yang berkualitas tinggi.
b. Product-based
Kualitas benda diindikasikan oleh kehadiran specific features atau attribute pada
benda tersebut dan dapat diukur.
c. User-based (Fitness for use)
Benda yang dapat memuaskan pemakainya dikatakan berkualitas tinggi.
d. Manufacturing-based (Quality as Comformance to Specification)
Produk yang dibuat sesuai dengan spesifikasi desain merupakan produk yang
berkualitas tinggi.
e. Value-based (Quality as Value for the Price)
Kualitas suatu barang diindikasikan oleh kerelaan pelanggan (willingness to pay)
untuk membeli barang tersebut.
Pendekatan yang telah dijelaskan diatas, hampir semua bersifat subjektif, sehingga dalam
kenyataan produsen harus melakukan kombinasi dan pendekatan-pendekatan itu. Kualitas sendiri
menurut Garvin D.A.1) mempunyai delapan buah dimensi, yaitu:
a. Performance
b. Features
64
c. Realiability
d. Conformance
e. Serviceability
f. Aesthetics
g. Perceived Quality
Produsen dalam merancang dan memproduksi produyk harus melakukan trade-of untuk
kedelapan dimensi tersebut yang sesuai dengan konteks produk yang akan dijual.
3.2 Pengenalan SPC
SPC adalah singkatan dari Statistical Process Control, yaitu suatu metode untuk
pengumpulan dan analisa data untuk di selesaikan dengan metode practical quality. Statistical
artinya bahwa keputusan akan berdasar pada analisa numeric. Process mengacu pada proses
produksi tertentu dan mampu memproduksi output dengan kualitas yang konsisten.
Pengertian statistic dalam pengen dalian kualitas adalah suatu system yang
dikembangkan untuk menjaga standar dari kualitas hasil produksi pada tingkat biaya
minimum atau merupakan bantuan untuk mencapai efisiensi perusqahaan.pada dasarnya
penggunaan metode statistic untuk mengumpulkan data dan menganalisa data dalam
menentukan dan mengawasi kualitas hasil produksi.
Perusahaan yang menggunakan pengendalian kualitas statistik (statistical quality control)
merupakan perusahaan yang masih mentolerir adanya cacat produk dalam batas-batas tertentu.
Pengendalian kualitas statistik ini dapat dibagi ke dalam pengendalian kualitas proses, yaitu
pengendalian kualitas produk selama masih dalam proses dan pengendalian produk jadi. Untuk
pengendalian kualitas proses dapat digunakan alat pengendali yang disebut dengan Peta
65
Pengendali Proses (Process Control Chart) atau sering disingkat dengan control chart.
Pengendalian kualitas proses statistik adalah pengendalian kualitas produk selama masih
dalam proses. Dalam mengadakan pengendalian kualitas tersebut dapat digambarkan batas atas
(upper control limit) dan batas bawah (lower control limit) beserta garis tengahnya (center line).
Statistik adalah seni pengambilan keputusan tentang suatu proses atau populasi
berdasarkan suatu analisis informasi yang terkandung didalam suatu sampel dari populasi itu.
Metode statistik memainkan peranan penting dalam jaminan kualitas. Metode statistik itu
memberikan cara – cara pokok dalam pengambilan sampel produk, pengujian serta evaluasinya
dan informasi didalam data itu digunakan untuk mengendalikan dan meningkatkan proses
pembuatan. Lagipula statistik adalah bahasa yang digunakan oleh insinyur pengembangan,
pembuatan, pengusahaan, manajemen, dan komponen – komponen fungsional bisnis yang lain
untuk berkomunikasi tentang kualitas. (Montgomery, 1993)
Untuk menjamin proses produksi dalam kondisi baik dan stabil atau produk yang
dihasilkan selalu dalam daerah standar, perlu dilakukan pemeriksaan terhadap titik origin dan
hal-hal yang berhubungan, dalam rangka menjaga dan memperbaiki kualitas produk sesuai
dengan harapan. Hal ini disebut Statistical Process Control (SPC).
3.3 Pendekatan Pengendalian Kualitas
 Statistical process control (SPC)

 Memonitor proses produksi untuk menjaga kualitas yang buruk dari produk.
 Acceptance sampling
 Memeriksa contoh (sample) produk secara random untuk menentukan kualitas
produk dapat diterima

66
4. Tahapan Pengendalian Proses Statistik
Fungsi Pemeriksaan Pemeriksaan (Inspeksi)

 Memonitor Proses Produksi.
 Berapa banyak / berapa sering
 Dimana / Kapan
Berapa banyak/Seberapa sering dilakukan Pemerksaan :

 Cost Trade-off:
 Cost of inspection
 Cost of passing defectives
 Low Cost-High Volume Items: Less
 High Cost-Low Volume Items: More
 Manual or labor intensive operations: More
Dimana/Kapan Pemeriksaan Proses :

 Raw materials and purchased parts
 Finished products
 Before a costly operation
 Before an irreversible operation
 Before an operation that covers up defects
67
 On-site vs Centralized?
 On-site: Faster detection of errors & decisions
 Centralized: Maybe required by specialized testing equipment
3.4 Kualitas Produk (Goods Quality)
Bahasan ini merupakan jawaban terhadap banyak pertanyaan sekaligus koreksi penting
untuk masyarakat yang berpersepsi harga tinggi berarti produk berkualitas tinggi. Persepsi
demikian mesti dibenahi dari karena menjadi tumpuan permainan harga. Bergeser ke persepsi
produsen adalah rasional dan beberapa penelitian membuktikan biaya berbanding lurus dengan
kualitas produk. Ha tersebut dipahami, mendukung persepsi masyarakat yang telah
dikemukakan. Akan tetapi mengabaikan kemampuan efisiensi dimana rasional dan telah umum
diketahui bisnis selalu berupaya keras mencapai kondisi efisien (Iman Mulyana, 2007). Seperti
peribahasa tidak ada rotan akar pun digunakan yang kita modifikasi menjadi jika dengan akar
mampu menghasilkan kursi berkualitas sama, mengapa mesti menggunakan rotan?
Istilah produk mencakup didalamnya barang dan jasa. Hal tersebut berdampak kepada
biaya yang terkandung di dalam produk tidak sekedar biaya produksi melainkan total biaya
produk sampai ditangan konsumen untuk dikonsumsi. Ini berarti, efisiensi mesti berlangsung
pada proses sebagai obyek sekaligus subyek. Keunggulan efisiensi demikian tidak lain
merupakan keberanian dan komitmen bisnis menganut paham manajemen kualitas total. Secara
total, kualitas diperoleh dengan cara memandang: produktivitas dicapai melalui perbaikan
kualitas, kualitas adalah sesuai dengan ketentuan kepuasan konsumen, pengukuran kualitas
bersumber dari proses perbaikan terus menerus, kualitas ditentukan oleh desain produk dan
pengawasan yang efektif, pengendalian proses dilakukan untuk menghindari produk cacat,
kualitas sebagai bagian setiap fungsi daur hidup produk, manajemen bertanggung jawab terhadap
68
kualitas, dan hubungan dengan pemasok bersifat jangka panjang berorientasi kualitas.
Memperbaiki seluruh proses sampainya produk ke tangan konsumen akan meningkatkan
homogenitas produk, dan mengurangi pemborosan. Artinya dengan cara memperbaiki proses
akan meningkatkan produktivitas, efisiensi dan posisi bersaing, serta menambah kepuasan.
Bagi bisnis produk yang berkualitas tidak selamanya mesti disertai biaya besar. Biaya
yang kecil atau dengan kata lain kemampuan efisiensi dalam keberadaannya menjadi satu senjata
perang harga. Meskipun bisnis mengambil keputusan untuk tidak ikut serta perang harga, secara
jelas kemampuan efisiensi tetap memberikan profitabilitas berdasarkan kerenggangan jarak
antara biaya dengan harga produk termasuk konsistensi dengan kualitas. Dengan demikian,
hubungan antara kualitas dengan biaya dimungkinkan berbanding terbalik. Sehingga adalah luar
biasa, dengan biaya rendah diperoleh produk berkualitas.
3.5 Sikap dan Prinsip Mentalitas Dasar PMT/TQC

PMT/TQC adalah merupakan suatu sikap mental dalam proses produksi barang dan jasa.
Yang akan menghasilkan kualitas yang bermutu tinggi, hanya mungkin dapat dicapai jikalau
terdapat pengendalian mutu dalam setiap tahap proses produksi yang berlangsung.
Oleh karena mata rantai (sub-sistem) dalam proses produksi merupakan kegiatan
kelompok karyawan, yang secara bersama-sama merasa bertanggung jawab atas kualitas
produk dalam kelompoknya, maka perlu dibentuk suatu kelompok kecil (gugus atau circle)
yang secara kontinyu bertemu untuk memecahkan masalah bersama dengan tujuan untuk
menjamin kualitas produk kelompok yang bersangkutan, yang merupakan mata rantai dalam
proses produksi secara menyeluruh. Partisipasi penuh setiap karyawan dalam kelompoknya
masing-masing untuk bersama-sama berusaha melakukan pengendalian mutu produk
kelompoknya akhirnya bisa diharapkan akan menjamin pengendalian mutu secara total. Mata
rantai proses produksi atau kelompok karyawan yang bekerja sama tersebut didalam
manajemen PMT/TQC dikenal sebagai gugus kendali mutu (GKM) atau Quality Control
Circles (QCC). Selanjutnya akan diberikan beberapa orientasi dan prinsip-prinsip dasar
69
PMT/TQC yang harus diperhatikan, yaitu sebagai berikut :

a. Orientasi kepada pelanggan
 mutu adalah kepuasan pelanggan, sehingga arahkan setiap tindakan kepada upaya
pemuasan pelanggan.
 proses berikut adalah pelanggan saya.
 berpegang pada strategi pemasaran (marketing concept) bukan hanya sekedar

berproduksi saja.
b. Berorientasi pada cara kerja tim (team work) dan partisipasi total dari setiap
anggota team
 partisipasi total seluruh karyawan dalam setiap usaha pemecahan masalah dan selalu
bekerja dalam kelompok/tim. Semangat ini menuntut adanya pembagian wewenang
menurut azas keikutsertaan karyawan dalam proses pengambilan keputusan. Juga
dituntut kesediaan bekerja melampaui batas pengkotakan bidang kerja yang sempit.
 Perlu adanya koordinasi, integritas, kerjasama dan informasi kerja timbal balik yang
disampaikan ke atas, ke samping , maupun ke bawah.
 Kemajuan akan sangat didukung oleh aktivitas, keikatan dan keterlibatan anggota
dalam organisasi (kelompok).
 Pembinaan karyawan oleh organisasi, sedangkan pengembangannya oleh gugus

(circles). Senioritas merupakan prinsip untuk keselarasan kerja.
c. Orientasi pada pengembangan sumber daya manusia

 menghargai karyawan dalam harkatnya sebagai manusia dengan memberikan
kesempatan menyumbangkan ide untuk pemecahan persoalan dan untuk
mengembangkan diri dalam karyanya (misalnya melalui/memberi kesempatan untuk
mengikuti pendidikanatau pelatihan lanjut).
 Menumbuhkan sikap saling percaya antar karyawan dan antar karyawan dengan
organisasi (manajemen).

70
d. Orientasi pada pemecahan persoalan secara obyektif rasional

 pemecahan persoalan atau problem solving pada hakikatnya merupakan upaya utuk
meningkatkan kualitas. Pemecahan persoalan terwujud dengan tindakan
menanggulangi penyimpangan dan memberikan tindakkan pencegahan.
 Daur Plan-Do-Check-Action (PDCA) terus menerus digerakkan untuk menemukan

dan memecahkan persoalan. Proses pengendalian dalam hal ini diawali dengan
penetapan sasaran yang terukur dan dilaksanakan secara benar sejak awal.
 Bila terjadi kesalahan dalam mengambil tindakan, maka perhatian bukan diarahkan
untuk mencari kambing hitam, melainkan untuk melacak dimana terjadinya
penyimpangan dan apa sebab-musababnya. Jangan terlalu capat menyalahkan orang
lain. Disini diperlukan sikap terbuka, tanggap terhadap umpan balik dan mau belajar
dari kesalahan.
 Selalu berbicara berdasarkan fakta dan data yang jelas. Diperlukan, control chart, dan
lain-lain.
3.6 Syarat Pokok Suksesnya Penerapan Konsep PMT/TQC

Pengendalian Mutu Terpadu sebagai suatu sistem hanya dapat berhasil dengan sukses
bilamana terdapat sub-sistem yang mendukung dengan sebaik-baiknya. Berikut ada 4
persyaratan pokok yang perlu diperhatikan pada saat penerapan konsep PMT/TQC agar bisa
diperoleh hasil yang optimal, sebagai berikut :
Pertama : Seluruh sumber daya manusia yang turut serta dalam proses produksi baik
tingkat manajemen puncak, manajemen menengah maupun para pelaksana
mengerti dan menghayai arti PMT/TQC dan mau melakukannya dalam proses
produksi atau pekerjaan lain yang berkaitan.
Kedua : PMT/TQC sebagai totalitas pengendalian terhadap mutu produk, secara
bertahap atau berjenjang merupakan rangkain dari suatu proses produksi yang
menjadi tanggung jawab masing-masing kelompok kecil dalam suatu
rangkaian yang terpadu dari Gugus Kendali Mutu (GKM/QCC) yang bekerja
dalam satuan tim.
Ketiga : Seluruh mata rantai dan sistem tersebut dapat bekerja secara efektif dan
71
efisien baik disebabkan oleh latar belakang pendidikan dan pelatihan yang
baik maupun sasaran produksi yang baik menyangkut segi teknologi,
pengalaman kerja karyawan serta adanya sikap mental yang positif dari
karyawan.
Keempat : Sikap mental positif tersebut adalah “ dengan bekerja produktif dalam suatu
semangat kelompok tim yang kuat akan menjamin mutu produksi yang tinggi,
sumber imbal jasa yang lebih baik bagi tenaga kerja, oleh karena adanya
jaminan pasar yang luas serta menguntungkan bagi perusahaan.
Dengan kata lain jelas kiranya PMT/TQC akan berhasil dengan baik akan berhasil
dengan baik bilamana setiap anggota organisasi (karyawan) yang terlibat dalam proses produksi
tersebut menyadari sepenuhnya mengenai :
 Apa yang harus mereka lakukan.
 mengapa hal tersebut harus dilakukan.
 Hambatan/kendala apa saja yang harus mereka hadapi dan harus bisa dihadapi.
 Alternatif-alternatif apa yang harus dipilih untuk mengatasi kendala yang ada dan
untuk mencapai target sasaran yang ditetapkan.
Daftar Pustaka
1. Eugene L. Grant, & Richard S. Leavenworth. 1996.Statistical Quality Control. Edisi keenam.
Jilid 1. Mc-Graw Hill. New York
2. Stephen Vardeman. & J Marcus Jobe. 1998. Statistical Quality Assurance Methods For
Engineers. John Wiley & Sons Inc. New York.
5. Wignjosubroto, sritomo. Pengantar teknik dan management industri. Surabaya :

penerbit guna widya 2003
BAB 4

72
PENAKSIRAN PARAMETER PROSES
 TUJUAN INTRUKSIONAL
Setelah kuliah selesai mahasiswa diharapkan dapat memahami pentingnya ilmu statistic
dalam kualitas
 MATERI PEMBAHASAN
 Statistic sebagai alat dalam Kualitas
 Distribusi probabilitas
 Konsep dasar probabilitas
C. TUJUAN
 Memahami pentingnya ilmu statistik dalam kualitas.
 Memahami berbagai distribusi probabilitas (normal, eksponensial, weibull, Poisson,
binomial,, dan hipergeometrik)
 Memahami konsep dasar probabilitas.
 Menerapkan ilmu statistik dan probabilitas dalam kualitas.

73
MODUL 4
PENAKSIRAN PARAMETER PROSES
Suatu variabel random dikarakterisasi atau dilukiskan dengan distribusi probabilitasnya.

Distribusi ini dilukiskan dengan parameternya. Misalnya, Mean µ dan variansi o2 distribusi
normal adalah parameter-parameternya, sedangkan λ adalah parameter distribusi Poisson.
Dalam pengendalian kualitas statistik, distribusi probabilitas digunakan untuk melukiskan atau
model sesuatu karakteristik kualitas, seperti dimensi kritis suatu produk atau bagian cacat
proses produksi. Oleh karena itu, kita ingin melakukan inferensi tentang parameter distribusi
probabilitas. Karena parameter itu umumnya tidak diketahui, kita memerlukan prosedur untuk
menaksirnya dari data sampel.
Kita dapat mendefinisikan suatu penaksir untuk parameter yang tidak diketahui sebagai
statistik yang bersesuaian dengan parameter itu. Nilai angka suatu penaksir yang dihitung
dari data sampel dinamakan taksiran. Penaksir titik adalah statistik yang menghasilkan satu
nilai angka sebagai estimasi untuk parameter yang tidak diketahui. Penaksir interval adalah
interval random yang dengan tingkat probabilitas tertentu nilai yang sebenarnya dari
parameter itu jatuh di dalamnya. Interval random ini biasanya dinamakan interval
kepercayaan.
Taksiran Titik
Variabel random x dengan distribusi probabilitas ,f(x). Andaikan bahwa mean µ dan
variansi σ2 distribusi ini keduanyaa tidak diketahui. Apabila sampel random dengan n observasi
diambil, maka mean sampel x dan variansi sampel S2 masing-masing adalah penaksir titik
mean populasi dan variansi populasi o2. Sebagai contoh, andaikan kita ingin memperoleh
taksiran titik mean dan variansi diameter dalam suatu peluru. Kita dapat mengukur diameter
dalam sampel random n = 20 peluru (misalnya). Maka mean sampel dan variansi sampel
dapat
dihitung. Apabila ini menghasilkan x = 1,495 dan S 2 = 0,001. Maka
taksiran titik µ adalah x = 1,495 dan taksiran titik 02 adalah S 2 = 0,001.
Mean dan variansi suatu distribusi tidak selalu merupakan
parameter distribusi itu. Misalnya, parameter distribusi Poisson adalah
λ, sedangkan mean dana variansinya adalah µ = λ dan λ 2 (mean dan
variansi keduanya adalah λ), dan parameter distribusi binomial adalah n
dan p, sedangkan mean dan variansinya masing-masing adalah µ = np dan σ2 = np(1 -p). Kita
74
dapat menunjukkan bahwa penaksir titik yang baik untuk parameter λ suatu distribusi Poisson
adalah
dan penaksir titik yang baik untuk parameter p suatu distribusi binomial adalah
untuk n tertentu. Dalam distribusi binomial observasi dalam sampel random itu [xi] adalah 0
atau 1, yang masing-masing berkaitan dengan "sukses" dan "gagal".
Ada sejumlah sifat-sifat penting yang harus dipenuhi penaksir titik yang baik. Dua yang
paling penting di antara sifat-sifat ini adalah sebagai berikut:
1. Penaksir titik harus tak bias. Yakni, nilai harapan penaksir titik itu harus sama dengan
parameter yang ditaksir.
2. Penaksir titik harus mempunyai variansi minimum. Setiap penaksir titik adalah variabel
random. Jadi, penaksir ti ik bervariansi minimum harus mempunyai variansi yang lebih
kecil dari variansi sebarang penaksir titik lain parameter itu.
Mean dan variansi s a m p e l z dan S 2 masing-masing adalah penaksir tak bias untuk mean dan
variansi populasi µ dan σ2. Tetapi, kita harus memcatat bahwa deviasi standar sampel S bukan
penaksir tak bias deviasi standar populasi σ.
balam paragraf ini kita hanya memberikan tinjauan singkat beberapa dari hasil-hasil
yang lebih bermanfaat pada taksiran titik. Ulasan yang lebih lengkap tentang penaksir titik
dan pembicaraan teknis sifat-sifatnya tersedia luas.
Taksiran Interval
Taksiran interval suatu parameter adalah interval antara dua statistik yang dengan
probabilitas tertentu memuat nilai yang sebenarnya parameter itu. Misalnya, untuk membentuk
penaksir interval mean µ, kits harus mendapatkan dua statistik L dan U sedemikian hingga
Interval hasilnya
dinamakan interval kepercayaan 100(1 - α)% untuk mean µ yang tidak diketahui. L dan U
masing-masing dinamakan batas kepercayaan bawah dan atas, dan (1 - α) dinamakan
koefisien kepercayaan. Kadang-kadang setengah lebar interval U - N atau µ - L dinamakan
ketepatan interval kepercayaan itu. Interpretasi suatu interval kepercayaan adalah apabila
banyak kali interval semacam itu dibentuk, masing-masing hasil dari suatu sampel random,
75
maka 100(1 - α)% dari interval-interval ini akan memuat nilai sebenarnya µ. Jadi interval
kepercayaan mempunyai interpretasi frekuensi.
Interval kepercayaan mungkin lebih tepat dinamakan interval kepercayaan dua-sisi,
karena interval itu menyatakan batas bawah dan atas untuk µ. Kadang-kadang dalam
penerapan pengendalian kualitas, mungkin lebih sesuai interval kepercayaan satu sisi. Interval
kepercayaan 100(1 - a)% satu sisi bawah pada µ diberikan dengan inter val
dengan betas kepercayaan bawah L dipilih sedemikian hingga

P[] = 1 – α…………..(4.6)
Interval kepercayaan 100(1 - α)% satu sisi alas pada µ adalah interval
dengan batas kepercayaan alas U dipilih sedemikian hingga
Interval Kepercayaan untuk Mean dengan Variansi Diketahui.

Pandang variabel random x, dengan mean µ yang tidak diketahui dan variansi a 2
diketahui. Misalkan diambil sampel random dengan n observasi, x,1 x 2, ... , x n, dan dihitung
x'. Maka interval kepercayaan dua sisi 100(1 - α)% untuk µ adalah
Perhatikan bahwa menurut teorema limit pusat z mendekati distribusi N(µ;σ 2/n) apapun
bentuk distribusi x. Dengan demikianadalah interval kepercayaan 100(1 - α)% pendekatan
untuk µ apapun distribusi x. Apabila x berdistribusi N(µ;α 2), maka adalah interval kepercayaan
100(1 - α)% yang tepat. Selanjutnya, interval kepercayaan atas 100(1 - α)% untuk µ adalah
sedangkan interval kepercayaan bawah 100(1 - α)% untuk µ adalah
Interval Kepercayaan untuk Mean suatu Distribusi Normal dengan Variansi Tidak Diketahui.
Misalkan x suatu variabel random normal dengan mean µ tidak diketahui dan variansi σ 2 tidak
diketahui. Dari sampel random dengan n observasi dihitung mean sampel x dan variansi
sampel S2. Maka interval kepercayaan dua sisi 100(1 - α)% untuk mean µ adalah
Dengan menunjukan titik persentasedistribusi t dengan derajat bebas n-1 sedemikian hingga
P[. Interval kepercayaan 100(1 - α)% atas dan bawah masing-masing adalah :

76
Dan
Contoh 3-1
Mean daya rentang suatu serat sintesis adalah karakteristik kualitas penting yang
menjadi perhatian pengusaha, yang ingin menghitung taksiran interval keyakinan 95 %
untuk mean itu. Dari pengalaman yang lalu, pengusaha mau menganggap bahwa daya
rentang mendekati distribusi normal, tetapi mean dan deviasi standar daya rentang itu
keduanya tidak diketahui. Suatu sampel random dengan 16 jenis serat dipilih dan daya
rentang serat itu ditentukan. Data sampel ditunjukkan dalam Tabel 3-1.
Tabel 4-1. Pengukuran Daya Rentang Serat Sintesis.
Kita dapat menghitung mean sampel dan deviasi standar sampel data rentang itu sebagai

77
Karena = 2,132, kita peroleh interval kepercayaan dua sisi 95% untuk μ sebagai berukut :
Atau
Cara lain untuk menyatakan hasil ini adalah taksiran kita tentang mean daya rentang adalah
49,86 ± 0,88 psi dengan kepercayaan 95%.
Pengusaha mungkin hanya khawatir tentang daya rentang yang terlalu rendah, dan karena itu
merasa bahwa interval kepercayaan satu sisi lebih sesuai. Interval kepercayaan bawah 95%
untuk mean daya rentang diperoleh dari dengan menggunakan = 1,753
49,86 -
atau
49,13 ≤ µ
Interval Kepercayaan untuk Variansi suatu Distribusi Normal.

Misalkan x suatu variabel random dengan mean µ tidak diketahui dan variansi σ2 juga tidak
diketahui. Variansi sampel S 2 dihitung dari sampel random dengan n observasi. Maka interval
kepercayaan dua-sisi 100(1 - α)% untuk variansi adalah
Dengan menunjukan titik presentase distribusi khi-kuadrat sedemikian hingga . Apabila

diizinkan interval kepercayaan satu sisi, interval-interval itu dapat diperoleh dari rumus diatas
dengan hanya menggunakan batas atas (atau bawah) dengan tingkat probabilitas dinaikkan
dari α/2 , menjadi α. Yakni, interval kepercayaan 100(1 - α)% atas atau bawah masing-
masing adalah :
Dan
Kita dapat menggunakan data dari contoh 3-1 untuk menunjukkan perhitungan interval
kepercayaan 95% (misalnya) untuk σ2. Perhatikan bahwa untuk data dalam Tabel 3-1, kita
punyai S 2 = 2,76., kita peroleh = 27,49 dan = 6,27. Dengan demikian, dari (4.16) kita peroleh
interval kepercayaan dua sisi 95% untuk α2 adalah
atau
1,51 ≤ σ2 ≤ 6,60
Interval Kepercayaan untuk Selisih Dua Mean Variansi Diketahui.

78
Pandang dua variabel random x 1 dengan mean µl dan variansi , dan x2 dengan mean µ2 dan
variansi . Kita anggap bahwa µ 1 dan µ2 tidak diketahui sedangkan , dan diketahui.
Diinginkan interval kepercayaan 100(1 - α )% untuk selisih yang sebenarnya antara kedua
mean itu, yakni µl - µ2. Misalkan x11, x12, . . . , x1n1 adalah sampel random dengan nl observasi
dari populasi yang ditunjukkan dengan x l, dan x21, x22, . . . , x2n2 suatu sampel random
dengan n2 observasi dari populasi yang ditunjukkan dengan x 2. Apabila l dan 2 menunjukkan
mean-mean sampel itu, maka interval kepercayaan dua sisi 100(1 - α )% untuk selisih mean
adalah
sedangkan interval kepercayaan satu sisi atas dan bawah masing-masing adalah
dan
Interval Kepercayaan untuk Selisih Mean Dua Distribusi Normal, Variansi Tidak Diketahui.
Misalkan ada dua variabel random normal, x l ~ N(µ 1;), dan x 2 ~N(µ2;). Mean µ1 dan µ2, dan
variansi dan keduanya tidak diketahui. Tetapi, cukup beralasan untuk menganggap
bahwa kedua variansi itu sama, yakni = = σ2. Kita ingin mendapatkan interval kepercayaan
100(1 - α )% untuk selisih mean µ1 - µ2.
Misalkan sampel random sampel random berukuran n 1 dan n2 masing-masing telah
diambil dari populasi satu dan dua, serta mean sampel x1 dan x2, clan variansi sampel dan
dihitung. Taksiran gabungan (atau "pooled") untuk variansi bersama itu adalah
Interval kepercayaan dua sisi 100(1 - α )% untuk µ1 - µ2 adalah

……...(4.22)
Interval kepercayaan satu sisi atas dan bawah masing-masing adalah
Dan
Contoh 3-2
Suatu perusahaan minyak akan segera mengganti sebagian besar produksinya dari
perumusan yang memuat timbel tetraetil ke perumusan yang bebas timbel. Satu karakteristik
kualitas bensin yang penting adalah banyak kadar oktan. Apabila digunakan bensin dengan
79
banyak kadar oktan terlalu rendah untuk tekanan mesin, akan berakibat getaran yang terlalu
banyak. Perusahaan telah merumuskan produk bebas-timbel sedemikian hingga banyak kadar
oktannya harus identik dengan yang lama, produk yang memuat timbel. Dilakukan percobaan
yang 10 observasi pada banyak kadar oktan diperoleh untuk tiap perumusan produk. Data
ini disajikan dalam Tabel 3-2. Kita ingin menghitung interval kepercayaan 99% untuk
selisih mean banyak kadar oktan.
Tabel 4-2. Banyak Kadar Oktan Untuk Dua Perumusan Bensin.
Untuk perumusan I (memuat timbel), kita peroleh l = 90,70 dan = 1,35; dan untuk
perumusan 2 (tanpa timbel), kita peroleh 2 = 90,80 dan = 1,06. Dengan menganggap bahwa
variansi banyak kadar oktan itu sama, kita peroleh taksiran variansi bersama dari (4.21)
sebagai
Interval kepercayaan dua sisi 99% untuk µ 1 - µ 2 dihitung dengan menggunakan

Persamaan (4.22) sebagai berikut

80
Perhatikan bahwa interval kepercayaan untuk selisih mean banyak kadar oktan
memuat nol. Jadi tidak kita dapatkan petunjuk statistik bahwa kedua perumusan
bensin itu berbeda dalam banyak kadar oktan.
Walaupun kita telah memusatkan perhatian pada kasus dengan =, tetapi banyak
masalah-masalah yang kita hadapi yang kita tidak dapat membuat anggapan ini.
Apabila anggapan ≠ yang cocok, maka interval kepercayaan untuk µ 1 - µ 2
dikembangkan dari prosedur yang diberikan dalam taksiran interval.
Interval Kepercayaan untuk Perbandingan Variansi Dua Populasi Normal. Misalkan x 1

~ N(μ 1 ;) dan x 2 ~ N(μ 2 ;), dengan μ 1 , , μ 2 dan tidak diketahui dan kita ingin
membentuk interval kepercayaan 100(1 - α )% untuk . Jika dan masing-masing adalah
variansi sampel yang dihitung dari sampel random dengan n1 dan n2 observasi maka interval
kepercayaan dua sisi100(1 - α )% adalah
dengan , adalah titik persentase distribusi F dengan deajat bebas u dan v sedemikian
hingga P[≥ ]=α/2. Interval kepercayaan atas dan bawah masing-masing adalah
dan
Untuk melukiskan prosedur ini, lihat data dalam Contoh 3-2. Kita ingin membentuk
interval kepercayaan dua sisi 95% untuk . . Dengan menggunakan = 1,35 dan = 1,06; n1
= n 2 = 10; F0,025;9;9 = 4,06 dan. F0,975;9;9 = 0,248, kita peroleh dari (4.25) bahwa
atau
Perhatikan bahwa interval kepercayaan ini memuat satu, yang menyimpulkan bahwa data
tidak bertentangan dengan pernyataan bahwa = . Jadi, anggapan kita dalam Contoh 3-2
bahwa variansi sama cukup beralasan.
Interval Kepercayaan untuk Parameter Binomial.

Kerap kali diperlukan guna membentuk interval kepercayaan untuk parameter p suatu
81
distribusi binomial. Parameter ini sering kali berkaitan dengan bagian tak sesuai suatu
kumpulan benda atau proses. Biasanya dianggap bahwa parameter lain n distribusi binomial
itu diketahui. Apabila sampel random dengan n observasi telah diambil dan observasi " tak
sesuai" x telah didapat dalam sampel ini, maka penaksir titik tak bias untuk p adalah = x/n.
Ada beberapa pendekatan dalam pembentukan interval kepercayaan untuk p. Apabila n
besar dan p ≥ 0,1 (misalnya), maka pendekatan normal untuk binomial dapat digunakan
yang menghasilkan interval kepercayaan 95%
Apabila n kecil, maka tabel distribusi binomial harus digunakan guna menentukan interval
kepercayaan untuk p. Apabila n besar tetapi p kecil, maka pendekatan Poisson untuk
binomial berguna dalam penghitungan interval kepercayaan.
Apabila dua parameter binomial yang menarik, misalnya p l dan p2, maka mungkin
dibentuk interval kepercayaan 100(1 - α )% pendekatan untuk selisihnya, yakni pl - p2.
Kepercayaan itu adalah
Hasil ini didasarkan atas pendekatan normal untuk binomial.

Contoh 3-3.
Dalam suatu sampel random 80 bantalan poros mesin mobil, 15 dari bantalan itu
mempunyai permukaan yang lebih kasar dari spesifikasi yang dibolehkan. Taksiran titik
bagian tak sesuai dalam proses itu adalah
Dengan menganggap pendekatan normal untuk binomial cukup cocok, maka interval
kepercayaan 95% untuk bagian tak sesuai proses itu diperoleh dari (4.9) sebagai
Atau

82
BAB 5
UJI HIPOTESIS UNTUK PARAMETER PROSES
• TUJUAN INTRUKSIONAL
Setelah kuliah selesai mahasiswa diharapkan dapat memahami tentang nilai parameter
suatu distribusi probabilitas,
• MATERI PEMBAHASAN
• Uji tentang Mean Variansi Diketahui
• Uji Tentang Mean Distribusi Normal, Variansi Tidak Diketahui
• Uji Untuk Variansi Distribusi Normal
• Uji Untuk Parameter Binomial
• Uji untuk Parameter Poisson
C. TUJUAN
• Memahami pentingnya ilmu statistik dalam kualitas.
• Memahami berbagai distribusi probabilitas (normal, eksponensial, weibull, Poisson,
binomial,, dan hipergeometrik)
• Memahami konsep dasar probabilitas.
• Menerapkan ilmu statistik dan probabilitas dalam kualitas.

83
5.1 Uji Hipotesis Untuk Parameter Proses
H 0 :   1,500
H 1 :   1,500 ...........................(3  44)
Hipotesis adalah pernyataan tentang nilai parameter suatu distribusi probabilistik. Contohnya,
misalnya kita menyangka bahwa mean diameter dalam suatu bantalan adalah 1.500 inc. Kita
dapat mengungkapkan pernyataan ini dalam cara yang formal sebagai :
Umumnya hipotesis dilakukan dalam satu dari tiga cara yaitu :
• nilai-nilai mungkin hasil dari fakta atau pengetahuan yang lalu.
• Nilai-nilai itu mungkin hasil dari suatu teori atau model proses itu.
• Nilai-nilai yang dipilih bagi parameter itu mungkin merupakan hasil dari spesifikasi
perjanjian atau rancangan.
Jadi, prosedur uji hipotesis statistik dapat digunakan untuk memeriksa kesesuaian parameter
proses dengan nilai yang ditentukan, atau untuk membantu dalam mengubah proses sampai
nialai yang diinginkan tercapai.
Dalam pengendalian kualitas, α kadang-kadang dinamakan dengan risiko prosedur, karena α
menunjukkan probabilitas bahwa kotak benda yang baik akan ditolak, atau probabilitas bahwa
suatu prosesyang menghasilkan nilai-nilai karakteristik kualitas tertentu yang dapat diterima
akan ditolak karena disangka tidak bekerja dengan memuaskan.
Demikian juga β, kadang-kadang dinamakan resiko konsumen, karena β menunjukkan
probabilitas akan menerima kotak benda dengan kualitas rendah, atau membiarkan proses
yang bekerja dengan cara memuaskan relatif terhadap suatu karakteristik kualistik untuk
bekerja terus.
Beberapa masalah uji hipotesis dalam penerapan pengendalian kualitas, yang akan dipandang
dari keadaan berikut :
• Pembandingan mean apabila variansi diketahui
• Pembandingan mean distribusi normal apabila variansi tidak diketahui.
• Pembandingan variansi distribusi normal
• Pembandingan parameter binomial
• Pembandingan parameter Poisson.

84
Uji tentang Mean Variansi Diketahui

• Uji hipotesis untuk satu populasi mean (µ) tidak diketahui =nilai standar(µ 0)
H0 : µ = µ 0
H1 : µ ≠ µ 0
• Diuji dengan sampel random dengan n observasi pada variabel random x tolak H0 : |
Z0 |> Zα/2 (distribusi normal standar)
• Berdasarkan teorema limit pusat bahwa mean sampel berdistribusi mendekati N(µ:σ 2/n).
Bila H0 : µ = µ0 benar, maka Z0 mendekati distribusi N(0;1), bilai Z 0 diantara - Zα/2 dan Zα/2.
Bila diluar batas ini H0 ditolak.
• Hipotesis alternatif satu sisi menolak H 0 : µ = µ0 bila Z0 >Zα; maka H0 : µ > µ0 H0 : µ < µ0 bila
Z0 < -Zα; maka H0 : µ< µ0
• Uji hipotesis untuk dua populasi mean (µ1 & µ2) tidak diketahui & variansi diketahui (σ 12 &
σ22) dan diambil sampel random untuk tiap populasi (n1 & n2).Tolak H0: H0 :| Z0 |>Zα/2
H 0 : µ 1 = µ2
H 1 : µ 1 ≠ µ2
• Hipotesis alternatif satu sisi menolak H 0 : µ1 = µ2 bila Z0 >Zα; maka H0 : µ1 > µ2, H0 : µ1 < µ0
bila Z0 < -Zα; maka H0 : µ1< µ2
SATU POPULASI [] DUA POPULASI
Kekuatan tekanan dalam botol-botol gelas yang digunakan sebagai tempat minuman
berkarbonat merupakan karakteristik kualitas yang penting. Pengusaha minuman ingin
mengetahui apakah mean kekuatan tekanan melebihi 175 psi. Dari pengalaman yang lalu, dia
mengetahui bahwa deviasi standar kekuatan tekanan adalah 10 psi. Pengusaha gelas

85
memasukkan kotak-kotak berisi botol-botol ini kepada pengusaha minuman, yang tertarik untuk
menguji hipotesis.
H0 : µ = 175
H1 : µ > 175
Sampel random dengan 25 botol dipilih. Rata-rata sampel ( )=182 psi
Apabila dinyatakan kesalahan tipe I (resiko produsen) α =0.05. Diperoleh Z α=1.645. Maka H0
ditolak. Kesimpulannya mean kekuatan tekanan botol-botol itu melebihi 175 psi
Uji Tentang Mean Distribusi Normal, Variansi Tidak Diketahui

X variabel random normal dengan mean μ dan variansi σ² tidak diketahui. Hipotesis:
Variabel berdistribusi Normal dengan statistik penguji:
Hipotesis nol akan ditolak apabila It0I > tα/2;n-1 dengan tα/2;n-1 dengan titik persentase α/2 atas
distribusi t dengan df (n – 1)
Dua populasi normal dengan mean μ1 & μ2 dan variansi σ1² & σ2² tidak diketahui. Hipotesis:
rosedur uji tergantung pada apakah σ1² = σ2², variansi diperoleh dengan mengkombinasikan
atau menggabung taksiran dua sampel random n 1 & n2
Statistik penguji:
H0 ditolak apabila It0I > tα/2;n + n -2
Apabila kita tidak layak menganggap σ12 = σ22 , maka statistik pengujinya berubah menjadi

86
Dengan derajat kebebasan untuk t
CONTOH
Dua macam mesin yang berbeda digunakan untuk mengukur daya rentang benang sintetik.
Delapan contoh benang dipilih secara random dan satu pengukuran daya rentang dibuat untuk
tiap contoh dengan menggunakan tiap mesin. Kita ingin menentukan apakah dua mesin itu
menghasilkan nilai daya rentang rata – rata yang sama.
Data dalam eksperimen ini dipasangkan untuk mencegah pengaruh perbedaan antara contoh
benang (yang dapat cukup besar) terhadap pengujian perbedaan antara mesin – mesin itu
Prosedur uji terdiri dari
• Mendapatkan selisih observasi berpasangan untuk masing – masing n contoh, dj = x1j –
x2j, j= 1, 2, .., n
• Menguji hipotesis bahwa mean selisih μd adalah nol
dan
Dan H0 : μd = 0 ditolak apabila
Yang harus diperhatikan Pengujian hipotesis H0 : μd = 0 ekuivalen dengan H0 : μ1 = μ2 dan

Statistik pengujinya :

87
JAWAB
Statistic pengujinya :
H0 : μd = 0 ditolak apabila
Karena 1,46 < 2,365, maka disimpulkan bahwa tidak ada fakta yang kuat untuk menunjukkan
bahwa dua mesin berbeda dalam mean pengukuran daya rentangnya.
Uji Untuk Variansi Distribusi Normal

Jika kita ingin menguji bahwa variansi suatu populasi normal sama dengan suatu bilangan
konstan misalnya .
Hipotesisnya adalah
Dan statistik penguji untuk hipotesis ini adalah

Dengan :

88
S2 = variansi sampel yang dihitung dari sampek random
N = jumlah observasi
H0 ditolak jika
Uji ini berguna dalam pengendalian kualitas. Misal suatu variabel random normal
dengan mean μ dan variansi σ2. jika σ2 ≤ maka perubahan yang merupakan sifat dasar
proses itu akan ada dalam persyaratan rancangan, akibatnya kampir semua produk akan
sesuai dengan spesifikasinya. Tapi jika σ2 > maka penyebaran dasar dalam proses itu akan
melebihi bataas-batas spesifikasi yang menghasilkan persentasi produksi tidak sesuai.
Jika sampel random berukuran n 1 dan n2 masing-masing diambil dari populasi satu atau dua,
maka statistik pengjiannya adalah :

89
Dan perbandingan dua variansi saampel sebagai berikut :
H0 ditolak jika Masing-masing menunjukan titik persentase atas σ/2 dan bawah 1 – (σ/2)
Contoh
Jika kita akan menghipotesis bahwa variansi banyak kedua oktan bagi dua perumusan bensin
dalam adalah sebagai berikut :
Uji Untuk Parameter Binomial

Uji yang didasarkan atas pendekatan normal untuk binomial. Apabila sampel random dengan n
benda diambil dan x benda diantaranya dalam sampel termasuk kelas yang
berkaitan dengan p.
Maka untuk menguji;

90
Contoh:
Pabrik pengecoran mengahsilkan cor baja yang digunakan dalam industri automotif. Kita
ingin menguji hipotesis bahwa bagian tak sesuai atau “rontok” dari proses ini adalah 10%.
Dalam sampel random dengan 250 cor, terdapat 41 yang tak sesuai spesifikasi.
Untuk menguji :
Dengan menggunakan α = 0,05, kita peroleh Z 0.025 = 1,96. Maka H0 : p = 0,1 ditolak yakni;
bagian tak sesuai atau “rontok” proses itu tidak sama dengan 10%
Pendekatan Normal untuk menguji dua parameter binomial sama
H0 : p 1 = p 2
H1: p1 ≠ p2
Di mana:
n1 = jumlah sampel dari populasi 1
n2 = jumlah sampel dari populasi 2
x1 & x2 termasuk dalam kelas yang berkaitan dengan p
Penaksir untuk parameter binomial :
Bila H0 diterima, maka :
Rumus untuk menguji H0 adalah :
Tolak H0 bila :

91
Contoh :
Hasil pemeriksaan produk dari dua mesin yang berbeda sebagai berikut : mesin 1 dengan
ukuran sampel 10 diperoleh bagian tak sesuai 10%, dari mesin 2 dengan ukuran sampel 12
diperoleh bagian tak sesuai 5%. Apakah parameter dari kedua hasil pemeriksaan tersebut
sama?
Penyelesaian : H0 : p1 =p2
Untuk α = 0,05 diperoleh
Karena maka H0 ditolak, kesimpulannya, parameter dari kedua mesin

tersebut berbeda secara signifikan pada α = 0,05
H1 : p1≠ p2
Uji untuk Parameter Poisson
Distribusi Paisson
Kerap kali digunakan dalam pengendalian kualitas guna memodelkan terjadinya

ketidaksesuaian atau cacat didalam suatau produk. Dalam penerapan sperti itu, parameter λ
dinamakan rata-rata tingkat terjadinya ketidaksesuaian. Dalam peragraf ini kita menyelidiki
prosedur tentang parameter λ distribusi Paisson.
uji hipotesis : H0 : λ = λ0
H1 : λ ≠ λ 0

92
Sampel random dengan n observasi diambil, misalnya x1,x2,…,xn. Tiap (xi) berdistribusi poisson
dengan parameter λ ; selanjutnya , jumlah x = x1 + x2 + … + xn berdistribusi poisson dengan
parameter nλ. Jika n besar, dapat menggunakan kenyataan bahwa mendekati distribusi normal
dengan mean λ dan variansi λ/n guna mengembangkan uji untuk H0 Statistik pengujianya
adalah:
Dan H0 : λ = λ0 akan ditolak apabila
Contoh Suatu sampel random dengan tiga mesin fotokopi kantor masing-masing nenghasilkan
x1=3, x2=1 dan x3=6 ketidaksesuaian per unit. Kita ingin menguji hipotesa
H0 : λ = 1
H1 : λ > 1
Uji yang digunakan memanfaatkan sifat ;
x = x1 + x2 + x3 berdistribusi Poisson dengan parameter 3λ
Hitung :
θ = 1 - F( x – 1 )
Dimana :
F( x – 1 ) diperoleh dari distribusi Poisson kumulatif dalam tabel dengan anggapan H0 : λ = λ0
benar.
θ adalah probabilitas akan terrealisasikanya sampel itu apabila H 0 benar, apabila θ ≤ α, kita
akan menolak H0 : λ = λ0.
x = x1 + x2 + x3= 3 + 1 + 6 = 10
dibawah H0 , x mengikuti distribusi Poisson dengan parameter 3λ 0 = 3 (1) = 3 Dari tabel
diperoleh:
F( x - 1 ) = F(9) = 0,998
θ = 1 - F( x – 1 ) = 1 - 0,998 = 0,002
Karena 0,002 < α = 0,05, misalnya , maka hipotesis nol H0 ditolak.
Contoh
Tiga cetakan yang berbeda digunakan dalam pembuatan mesin untuk botol gelas. Banyak
ketidaksesuaian atau cacat per 1000 botol yang dibuta dengan tiap cetakan menarik bagi

93
departemen pengendalian kualitas sebagai ukuran seberapa baik proses itu berperan. Lima
kotak 1000-botol dipilih secara random dari hasil tiap cetakan ( ini relatif mudah untuk
mengerjakannya, karena nomor cetakan dibentuk di dalam dasar botol itu ), dan datanya
ditunjukkan dalam kolom kedua table berikut:
Untuk menguji hipotesis bahwa botol yang dihasilkan dengan cetakan tertentu mempunyai
mean tingkat terjadinya ketidaksesuaian yang sama, digunakan statistik “ kecocokan” chi-
square dengn bentuk umum
Dimana :
Oi : adalah banyak terjadinya pada unit i yang diamati.
Ei :adalah banyak terjadinya subjek yang diharapkan menurut
anggapan model benar.
Bentuk khusus statistik chi-square yang digunakan dalam masalah ini adalah :
Dimana :
xij adalah observasi ke j dari cetakan i,
xi adalah banyaknya cacat rata-rata cetakan i,
i = 1, 2, ….., m
j = 1, 2, ….., n
Apabila mean tingkat terjadinya ketidaksesuaian untuk cetakan tertentu konstan, maka
mendekati distribusi chi-square dengan df ( n – 1 ). Syarat menolak Hipotesis nol ( H0 ) adalah .
94
Nilai-nilai ditunjukkan dalam kolom terakhir Tabel diatas. Dari tabel Distribusi Chi-Square untuk
α = 0.05 dan df = n – 1 = 5 – 1 = 4 diperoleh nilai. Denangan demikian dapat disimpulkan
bahwa botol yang dibuat dalam cetakan yang sama adalah homogen.
Dengan menggunakan data pada Tabel 3.7 diperoleh x rata-rata = 95/3 = 31,67 dan
Dari tabel distribusi chi-square dengan α = 0.05 dan df = n-1 = 3-1=2 diperoleh nilai 5,99.
Dengan demikian dapat disimpulkan bahwa cetakan-cetakan itu tidak homogen. Hal ini dapat
dilihat pada cetakan nomor 3 yang menghasilkan botol dengan mean tingkat terjadinya
ketidaksesuaian yang lebih tinggi daripada dua lainnya.

95
BAB 6
KERJA GRAFIK PENGENDALI
Setelah kuliah selesai mahasiswa diharapkan dapat menggunakan grafik pengendali sebagai
alat untuk pengendalian kualitas.
 Sebab-sebab tak terduga dan terduga variabilitas kualitas
 Dasar statistik grafik pengendali
 Pemilihan batas-batas pengendali
 Himpunan bagian rasional
 Analisis pola pada diagram pengendali

96
6.1 Kerja Grafik Pengendali

SEBAB-SEBAB TAK TERDUGA DAN TERDUGA VARIABILITAS KUALITAS
Dalam banyak proses produksi, bagaimanapun baiknya dirancang atau hati-hatinya
dipelihara, akan selalu ada sebanyak tertentu variabilitas dasar atau yang menjadi sifatnya.
Variabilitas dasar atau “gangguan dasar" ini adalah pengaruh kumulatif dari banyak sebab-
sebab kecil, yang pada dasarnya tak terkendali. Apabila gangguan dasar proses relatif kecil,
kita biasanya memandangnya sebagai tingkat yang dapat diterima dari peranan proses.
Dalam kerangka pengendalian kualitas statistic, variabilitas dasar ini kadang-kadang
dinamakan “system stabil sebab-sebab tak terduga". Suatu proses yang bekerja hanya
dengan adanya variasi sebab-sebab tak terduga dikatakan ada dalam pengendalian
statistik.
Macam-macam variabilitas lain kadang-kadang dapat timbul dalam hasil suatu proses.
Variabilitas ini dalarn karakteristik kualitas kunci biasanya timbul dari tiga sumber: mesin
yang dipasang dengan sejajar, kesalahan operator, dan/atau bahan baku yang cacat.
seperti itu umumnya besar apabila dibandingkan dengan
gangguan dasar, dan biasanya merupakan tingkat yang tidak dapat
diterima dari peranan proses. Sumber-sumber variabilitas yang bukan
bagian dari pola sebab tak terduga kita namakan "sebab-sebab
terduga”. Suatu proses yang bekerja dengan adanya sebab-sebab terduga dikatakan tidak
terkendali.
Merupakan ciri sangat khusus bahwa proses produksi yang bekerja dalam keadaan
terkendali, menghasilkan produk yang dapat diterima untuk periode waktu yang relatif
panjang. Tetapi, kadang-kadang sebab-sebab terduga akan terjadi, kelihatannya secara
random, yang mengakibatkan "pergeseran" ke keadaan tak terkendali dengan bagian yang
lebih besar hasil proses itu tidak memenuhi persyaratan. Tujuan pokok pengendalian kualitas
statistik adalah menyidik dengan cepat terjadinya sebab-sebab terduga atau pergeseran
proses sedemikian hingga penyelidikan terhadap proses itu dan tindakan pembetulan
dapat dilakukan sebelum terlalu banyak unit yang tak sesuai diproduksi. Grafik pengendali
adalah teknik pengendali proses pada jalur yang digunakan secara luas untuk maksud ini.
Grafik pengendali dapat juga digunakan untuk menaksir parameter suatu proses produksi,
dan melalui informasi ini, menentukan kemampuan proses. Grafik pengendali dapat juga
memberi informasi yang berguna dalam meningkatkan proses itu. Akhirnya, ingat bahwa tujuan
akhir pengendalian proses statistik adalah menyingkirkan variabilitas dalam proses. Mungkin
97
tidak dapat menyingkirkan variabilitas selengkapnya, tetapi grafik pengendali adalah alat yang
efektif dalam mengurangi variabilitas sebanyak mungkin.
DASAR STATISTIK GRAFIK PENGENDALI

Bentuk dasar grafik pengendali ditunjukkan dalam Gambar 6.1 yang merupakan
peragaan grafik suatu karakteristik kualitas yang telah diukur atau dihitung dari sampel
terhadap nomor sampel atau waktu. Grafik itu memuat garis tengah yang merupakan nilai
rata-rata karakteristik kualitas yang berkaitan dengan keadaan terkontrol (yakni, hanya
sebab-sebab tak tersangka yang ada). Dua garis mendatar ini, yang dinamakan batas
pengendali atas (BPA) dan batas pengendali bawah (BPB), juga ditunjukkan dalam grafik
itu. Batas-batas pengendali ini dipilih sedemikian hingga apabila proses terkendali, hampir
semua titik-titik sampel akan jatuh di antara kedua garis itu. Selama titik-titik terletak di dalam
batas-batas pengendali, proses dianggap dalam keadaan terkendali, dan tidak perlu tindakan
apa pun. Tetapi, titik yang terletak di luar batas pengendali diinterpretasikan sebagai fakta
bahwa proses tak terkendali, dan diperlukan tindakan penyelidikan dan perbaikan
untuk mendapatkan dan menyingkirkan sebab atau sebab-sebab tersangka yang
menyebabkan tingkah laku itu. Merupakan kebiasaan untuk menghubungkan titik-titik sampel
di dalam grafik dengan segmen garis lurus, sehingga mudah untuk melihat bagaimana
barisan-barisan titik itu tersusun menurut waktu.
Gambar 6-1. Suatu grafik pengendali.

98
Meskipun semua titik-titik terletak di dalam batas pengendali, apabila titik-titik itu
bertingkah secara sistematik atau tak random, maka ini merupakan petunjuk bahwa proses tak
terkendali. Misalnya, apabila 18 dari 20 titik terakhir terletak di atas garis tengah tetapi dibawah
batas pengendali atas dan hanya dua dari titik-titik ini terletak di bawah garis tengah tetapi di
atas batas pengendali bawah, kita akan sangat curiga bahwa ada sesuatu yang salah. Apabila
proses itu terkendali semua titik-titik yang digambar harus mempunyai pola yang pada dasarnya
random. Metode melihat urutan atau pola tak random dapat diterapkan pada grafik pengendali
sebagai penolong dalam menyidik keadaan tak terkendali. Biasanya, ada atasan mengapa
pola tak random tertentu tampak dalam grafik pengendali, dan apabila ini dapat diperoleh
dan dihilangkan, penampilan proses dapat ditingkatkan.
Ada hubungan yang dekat antara grafik pengendali dan uji hipotesis. Pada dasarnya,
grafik pengendali adalah uji hipotesis bahwa proses itu ada dalam keadaan terkendali statistik.
Satu titik terletak di dalam Batas pengendali adalah ekivalen-dengan gagal menolak hipotesis
bahwa terkendali statistik, dan satu titik yang terletak di luar Batas pengendali ekivalen dengan
menolak hipotesis terkendali statistik. Seperti dalam uji hipotesis, dalam grafik pengendali kita
dapat memikirkan probabilitas kesalahan tipe I (menyimpulkan proses itu tak terkendali apabila
sebenarnya terkendali) dan probabilitas kesalahan tipe II (menyimpulkan proses itu
terkendali apabila sebenarnya tak terkendali). Kadang-kadang menolong untuk
rnenggunakan kurva karakteristik operasi grafik pengendali urltuk memperagakan
probabilitas kesalahan tipe II. Ini akan merupakan petunjuk kemampuan grafik pengendali
guna menyidik pergeseran proses yang besarnya berbeda-beds.
Untuk melukiskan jalan pikiran di atas, kita beri satu contoh grafik pengendali. Dalam
pembuatan cincin piston mesin mobil, karakteristik kualitas adalah diameter luar cincin itu.
Proses itu dapat dikendalikan pada mean diameter cincin luar 74 mm, dan diketahui bahwa
deviasi standar diameter cincin 0,01 mm. Grafik pengendali untuk diameter cincin rata-rata
ditunjukkan dalam Gambar 6.2. Tiap setengah jam sampel random dengan lima cincin
diambil, diameter cincin ratarata (katakan ) dihitung, dan dituangkan dalam grafik. Karena
grafik pengendali ini memanfaatkan mean sampel untuk memantau mean proses, maka grafik
ini biasa dinamakan grafik pengendali . Perhatikan bahwa semua titik jatuh di dalam Batas
pengendali, sehingga grafik itu menunjukkan bahwa proses dalarn terkendali statistik.
Untuk membantu dalam pemahaman dasar statistik grafik pengendali, perhatikan
bagaimana Batas pengendali ditentukan. Rata-rata proses adalah 74 mm, dan deviasi standar
proses σ = 0,01 mm. Sekarang apabila sampel-sampel berukuran n = 5 diambil, deviasi
standar mean sampel adalah:
99
Gambar 6.2. Grafik pengendali diameter cincin piston.
Gambar 6.3. Bagaimana grafik pengendali bekerja.
Dengan demikian, apabila proses itu dalam keadaan terkendali dengan mean diameter 74
mm, maka dengan menggunakan teorema limit pusat guna menganggap bahwa mendekati
distribusi normal, kita akan mengharapkan 100(1 - α)% mean sampel diameter akan jatuh di
antara 74 + Z α /2(0,0045) dan 74 - Z α /2(0,0045). Kita akan memilih menurut keinginan kita
konstan Z α /2 sama dengan 3, sehingga batas pengendali atas dan bawah menjadi
BPA = 74 + 3(0,0045) = 74,0135
dan
BPB = 74 - 3(0,0045) = 73,9865
Sebagaimana ditunjukkan dalam grafik pengendali. Ini secara khusus dinamakan Batas
pengendalian "3-sigma". Lebar Batas pengendali berbanding terbalik dengan ukuran sampel n
untuk kelipatan sigma tertentu. Perhatikan bahwa pemilihan Batas pengendali ekivalen dengan
100
penetapan daerah kritik untuk uji hipotesis

HO:µ = 74
HI :µ ≠ 74
dengan σ = 0,01 diketahui. Pada dasarnya, grafik pengendali hanyalah uji hipotesis ini
berulang-ulang pada titik waktu yang lain. Situasi itu dilukiskan dengan grafik dalarn Gambar
6.3.
Kita dapat memberikan model umum untuk grafik pengendali. Misalkan w adalah statistik
sampel yang mengukur suatu karakteristik kualitas yang menjadi perhatian, dan misalkan
bahwa mean w adalah µw dan deviasi standar w adalah ow, Maka garis tengah, Batas
pengendali atas dan Batas pengendali bawah menjadi
BPA = µw + kσw
Garis tengah = µw
BPB = µW - kσw
dengan k adalah "jarak" Batas-Batas ngendali dari garis tengah, yang dinyatakan dalam unit
deviasi standar. Teori umum grafik pengendali ini pertamakali ditemukan oleh Dr. Walter' A.
Shewhart, dan grafik pengendali yang dikembangkan menurut asas-asas ini kerap kali
dinamakan Grafik pengendali Shewhart.
Grafik pengendali adalah alat untuk menggambarkan dengan cara yang tepat apa yang
dimaksudkarl dengan pengendalian statistic, dengan itu dapat digunakan dalam berbagai cara.
Dalam banyak penerapan, ini digunakan untuk mengawasi proses pada jalur. Yakni, data
sampel dikumpulkan dan digunakan untuk membentuk grafik pengendali, dan apabila nilai
sampel (misalnya) jatuh di dalam batas-batas pengendali, dan tidak memperlihatkan sesuatu
pola sistematik, kita katakan proses dalam keadaan terkendali pada tingkat yang ditunjukkan
oleh grafik. Perhatikan bahwa kita di sini dapat tertarik pada penentuan apakah data yang lalu
data dari suatu proses yang terkendali dan apakah kelompok bagian yang akan datang dari
proses ini menunjukkan terkendali statistik.
Grafik pengendali dapat juga digunakan sebagai alat pengendalian manajemen guna
mencapai tujuan tertentu berkenaan dengan kualitas proses. Garis tengah dan batas-batas
pengendali mungkin nilai-nilai standar yang dipilih oleh manajemen sedemikian hingga
mereka menghendaki proses dalam keadaan terkendali pada tingkat kualitas itu. Data
sampel dapat dituangkan dalam grafik, dan apabila penyimpangan dari keadaan terkendali
diselidiki dan diperbaiki, maka akhirnya proses dapat dibawa ke keadaan terkendali pada
nilai sasaran atau standar. Pemeliharaan grafik pengendali di masa rriendatang akan
menyidik penyimpangan berikutnya dari keadaan terkendali.
101
Kita dapat juga menggunakan grafik pengendali sebagai, alat penaksir. Yakni, dari grafik
pengendali yang menunjukkan terkendali statistik, kita dapat menaksir parameter proses
tertentu, seperti mean, deviasi standar, bagian yang tak sesuai atau "rontok", dan
sebagainya. Selanjutnya taksiran ini dapat digunakan untuk menentukan kemampuan
proses itu dalam menghasilkan produk yang dapat diterima. Studi kemampuan proses seperti
itu mempunyai dampak yang cukup besar pada banyak masalah keputusan manajemen
yang terjadi dalam putaran produk, termasuk putusan membuat atau membeli, peningkatan
pabrik dan proses yang mengurangi variabilitas proses, dan perjanjian kontrak dengan
langganan atau penjual mengenai kualitas produk.
Grafik pengendali dapat diklasifikasikan ke dalam dua tipe umum. Apabila karakteristik
kualitas dapat diukur dan dinyatakan dalam bilangan, ini biasanya dinamakan variabel.
Dalam hal seperti itu, tepat sekali untuk melukiskan karakteristik kualitas dengan ukuran
tengah dan ukuran variabilitas. Grafik pengendali untuk nilai tengah dan variabilitas bersama-
sama dinamakan grafik pengendali variabel. Grafik adalah yang paling lugs digunakan untuk
pengendalian nilai tengah, sedang grafik yang berdasarkan rentang sampel atau deviasi
standar sampel digunakan untuk mengendalikan variabilitas proses,. Banyak karakteristik
kualitas yang tidak diukur dengan skala kuantitatif. Dalam keadaan ini kita dapat menilai tiap
unit produk sebagai sesuai atau tidak sesuai atas dasar apakah produk itu memiliki atau tidak
memiliki sifat tertentu, atau kita dapat mencacah banyak yang tidak sesuai (cacat) yang
tampak pada suatu unit produk. Grafik pengendali untuk karakteristik kualitas semacam itu
dinamakan grafik pengendali sifat (atribut).
Satu faktor penting dalam penggunaan grafik pengendali adalah rancangan grafik
pengendali itu. Dengan ini kita maksudkan pemilihan ukuran sampel, Batas-Batas pengendali,
dan frekuensi pengambilan sampel. Misalnya, dalam grafik x Gambar 4-2, kita tentukan
ukuran sampel 5, Batas pengendali 3-sigma, dan frekuensi pengambilan sampel tiap setengah
jam. Merupakan kebiasaan, dalam kebanyakan masalah pengendali kualitas, untuk merancang
grafik pengendali terutama menggunakan pertimbangan-pertimbangan statistik. Misalnya,
kita tahu bahwa menaikkan ukuran sampel akan mengurangi probabilitas kesalahan tipe
II, jadi mempertinggi kemampuan grafik untuk menyidik keadaan tak terkendali, dan
seterusnya. Penggunaan kriteria statistik seperti ini bersama dengan pengalaman industri
telah membawa ke garis pedoman dan prosedur umum untuk merancang grafik pengendali.
Prosedur ini biasanya memandang faktorr biaya hanya dalam cara implisit. Tetapi, baru-baru ini
kita telah mulai memeriksa rancangan grafik pengendali dari sudut pandangan,ekonomi,
dengan memandang biaya pengambilan sampel secara eksplisit, kerugian dari membiarkan
102
terlalu banyak produk yang cacat yang diproduksi, dan biaya penyelidikan tanda-tanda tak
terkendali yang sebenarnya "tanda bahaya palsu".
Grafik pengendali telah rnempunyai sejarah penggunaan yang panjang dalam industri
Amerika dan juga dalam banyak industri lepas pantai. Paling sedikit ada lima alasan untuk ini,
 Grafik pengendali adalah teknik yang telah terbukti guna me ningkatkan produktivitas.
Suatu program grafik pengendali yang berhasil akan mengurangi buangan dan
pembuatan ulang yang merupakan pembunuh produktivitas yang utama dalam
setiap operasi. Apabila anda mengurangi buangan dan pembuatan ulang, maka
produktivitas bertambah, biaya berkurang, dan kapasitas produksi (diukur dalam bagian-
bagian yang balk per jaln) bertambah.
 Grafik pengendali efektif dalam pencegahan cacat. Grafik pengendali membantu memelihara
proses itu terkendali, yang konsisten dengan falsafah "kerjakan dengan benar sejak
awal". Tidak pernah lebih murah memisahkan unit "baik" dari unit yang "buruk"
kemudian daripada membuatnya benar pada awalnya. Apabila anda tidak mempunyai
pengendali proses yang efektif, anda membayar seseorang untuk membuat produk
yang tidak sesuai.
 Grafik pengendali mencegah penyesuaian proses yang tidak perlu. Grafik pengendali
dapat membedakan antara gangguan dasar dan variasi abnormal; tidak ada alat yang
lain termasuk operator :-:anusia sama efektifnya dengan ini. Apabila operator proses
rnenyesuaikan proses berdasarkan pengujian periodik yang tidak `1:rhubungan dengan
program grafik pengendali, mereka Bering kali alk-an bertindak berlebihan sampai
gangguan dasar dan melakukan penyesuaian-penyesuaian yang tidak diperlukan.
Penyesuaian yang tidak perlu ini benar-benar dapat mengakibatkan kemerosotan
penampilan proses. Dengan perkataan lain, grafik pengendali konsisten dengan falsafah
"apabila tidak rusak, jangan diperbaikinya".
 Grafik pengendali memberikan informasi diagnostik. Sering kali pola titik-titik dalam grafik
pengendali akan memuat informasi bernilai diagnoostik bagi operator atau insinyur yang
berpengalaman. Informasi ini memberikan pelaksanaan suatu perubahan dalam proses
 Grafik pengendali memberikan informasi tentang kemampuan proses. Grafik pengendali
memberikan informasi tentang nilai parameter poses yang penting dan stabilitasnya
terhadap waktu. Ini memberikan taksiran kemampuan proses yang akan dibuat.
Informasi ini berguna bagi perancang produk dan proses.

103
Pemilihan Batas-Batas Pengendali

Menentukan Batas pengendali adalah salah satu putusan yang penting yang harus dibuat
dalam merancang grafik pengendali. Dalam memindahkan Batas pengendali lebih jauh dari
garis tengah, kita menurunkan risiko kesalahan tipe. I-yakni, risiko suatu titik akan jatuh di luar
Batas pengendali, yang menunjukkan keadaan tak terkendali apabila tidak ada sebab
tersangka. Tetapi, memperlebar Batas pengendali juga akan menaikkan risiko kesalahan tipe II-
yakni, suatu titik akan jatuh di antara Batas pengendali ketika proses benar-benar tak
terkendali. Apabila kita memindahkan Batas pengendali lebih dekat ke garis tengah, akan
diperoleh akibat yang sebaliknya: risiko kesalahan tipe I naik, sedangkan risiko kesalahan tipe II
turun.
Untuk grafik yang ditunjukkan dalam Gambar 6.2, di mana digunakan Batas pengendali 3-
sigma, apabila kita anggap bahwa diameter cincin piston berdistribusi normal, kita peroleh dari
tabel normal standar bahwa probabilitas kesalahan tipe I adalah 0,0027. Yakni, suatu tanda tak
terkendali yang salah atau tanda bahaya salah akan dibangkitkan hanya dalam 27 dari 10.000
titik. Lagi pula, probabilitas bahwa suatu titik yang diambil ketika proses itu dalam keadaan
terkendali akan melebihi Batas 3-sigma hanya dalam satu arah adalah 0,00135. Kecuali
menyatakan Batas pengendali sebagai kelipatan deviasi standar x, kita dapat memilih secara
langsung probabilitas kesalahan tipe I dan menghitung Batas pengendali yang bersangkutan.
Misalnya, apabila kita nyatakan probabilitas kesalahan tipe I dalam satu arah 0,001, maka
kelipatan deviasi standar yang sesuai adalah 3,09. Maka batas-batas pengendali untuk grafik x
adalah
BPA = 74 + 3,09(0,0045) = 74,0139
BPB = 74 - 3,09(0,0045) = 73,9861
Batas pengendali ini dinamakan Batas probabilitas 0,001. Grafik dengan Batas 3-sigma dan
Batas 0,001 ditunjukkan dalam Gambar 6.4. Hanya terdapat perbedaan sedikit antara kedua
Batas itu.
Apa pun distribusi karakteristik kualitas, merupakan standar pelaksanaan di Amerika
Serikat untuk menentukan Batas pengendali sebagai kelipatan deviasi standar statistik yang
digambar grafiknya. Kelipatan yang biasa dipilih adalah 3, sehingga Batas 3-sigma biasa
digunakan dalam grafik pengendali. Ini benar apa pun macam grafik

104
Pembandingan batas probabilitas 3-sigma dan 0,001 grafik..

yang digunakan. Di Inggris dan beberapa bagian Eropa Barat, Batas probabilitas yang
digunakan, dengan tingkat probabilitas standar adalah 0,001.
Kita khususnya membenarkan penggunaan Batas pengendali 3-sigma itu atas dasar
bahwa Batas-Batas itu memberikan hasil yang baik dalam praktek. Demikian juga, dalam
banyak hal distribusi karakteristik kualitas yang sebenarnya tidak diketahui cukup baik
untuk menghitung batas probabilitas yang tepat. Apabila distribusi karakteristik kualitas
didekati dengan baik oleh distribusi normal, maka akan kecil perbedaan antara Batas 3-sigma
dan Batas probabilitas 0,001.
Pemilihan Batas 3-sigma digunakan secara luas dalam praktek, pemilihan kelipatan sigma
yang digunakan harus diarahkan oleh pertimbangan-pertimbangan ekonomi. Misalnya,
apabila kerugian yang berkaitan dengan membiarkan proses beroperasi dalam keadaan
tak terkendali adalah besar relatif dengan biaya penyelidikan dan mungkin perbaikan sebab-
sebab terduga, maka mungkin cocok dengan kelipatan sigma yang lebih kecil, seperti
misalnya 2 atau 2,5.
Batas tindakan yang biasa, yakni, apabila suatu titik jatuh di luar Batas ini, maka
dilakukan pencarian sebab terduga dan jika perlu diambil tindakan perbaikan. Batas dalam,
biasanya pada 2-sigma, dinamakan Batas peringatan. Apabila digunakan Batas probabilitas,
maka umumnya Batas tindakan adalah batas 0,001 dan Batas peringatan adalah Batas 0,025.
Apabila satu atau beberapa titik jatuh di antara Batas peringatan dan Batas tindakan atau
sangat dekat Batas peringatan, maka kita harus curiga mungkin proses itu tidak bekerja

105
dengan wajar. Satu tindakan yang mungkin jika ini terjadi adalah meningkatkan frekuensi
pengambilan sampel dan menggunakan data tambahan ini dalam hubungannya dengan .-
titik-titik yang mencurigakan untuk menyelidiki keadaan pengendalian proses itu.
Batas peringatan meningkatkan kepekaan grafik pengendaii. Kekurangannya adalah
bahwa Batas itu tidak mempunyai interpretasi praktis dan dapat membingungkan personil
pelaksana. Biasanya ini bukan keberatan yang serius.
Gambar 6-5. Kurva karakteristik operasi grafik x.
Ukuran Sampel dan Frekuensi Pengambilan Sampel

Dalam merancang grafik pengendali, orang harus menentukan ukuran sampel yang
digunakan dan frekuensi pengambilan sampel. Umumnya, makin besar sampel akan makin
mudah menyidik pergeseran kecil dalam proses itu. Ini ditunjukkan dalam Gambar 6.5, di
mana kita telah menggambarkan kurva karakteristik operasi bagi grafik dalam Gambar 6.1
untuk berbagai ukuran sampel. Perhatikan bahwa pro babilitas akan menyidik suatu
pergeseran dari 74,0000 mm ke 74,0100 mm (misalnya) naik apabila ukuran sampel n baik.
Bilamana memilih ukuran sampel, kita harus selalu mengingat besar pergeseran yang kita coba
menyidiknya. Apabila pergeseran proses relatif besar, maka kita gunakan ukuran sampel
yang lebih kecil daripada yang akan kita gunakan apabila pergeseran yang menjadi
perhatian kita relatif kecil.
Kita juga harus menentukan frekuensi pengambilan sampel. Keadaan yang paling
disenangi dari pandangan penyidikan pergeseran adalah mengambil sampel-sampel besar
dengan sangat seringnya; tetapi, biasanya secara ekonomi ini biasanya tidak mungkin.
Masalah yang umum adalah masalah usaha penentuan bagaimana pengambilan sampel itu.

106
Yakni, apakah kita mengambil sampel-sampel kecil dalam interval waktu yang pendek atau
sampel-sampel besar dalam interval waktu yang lebih lama. Praktek industri masa kini
cenderung menyenangi sampelsampel yang lebih kecil dan lebih Bering, khususnya dalam
proses produksi volume tinggi, atau waktu banyak sekali macam sebab terduga yang dapat
terjadi. Selanjutnya, selagi teknologi pengukuran dan penginderaan otomatik berkembang, ini
memungkinkan untuk banyak mengurangi frekuensi pengambilan sampel. Akhirnya, setiap
unit dapat diuji sebagaimana diproduksi. Penginderaan otomatik dan mikrokomputer yang
kuat dengan perangkat lunak pengendalian proses statistik yang diterapkan pada pusat kerja
untuk pengendalian proses pada jalur dalam waktu riil adalah dimensi baru yang penting
dalam pengendalian Proses statistik.
Untuk menjawab pertanyaan tentang frekuensi pengambilan sampel secara lebih
tepat, kita harus memperhitungkan beberapa faktor, termasuk biaya pengambilan sampel,
kerugian yang berkaitan dengan .:,embiarkan proses bekerja dalam keadaan tak terkendali,
tingkat pro'sksi, dan probabilitas berbagai macam pergeseran proses akan terjadi.
HIMPUNAN BAGIAN RASIONAL

Pemikiran dasar dalam penggunaan grafik pengendali adalah kumpulan data sampel
menurut yang dinamakan Shewhart konsep himpunan bagian rasional. Umumnya, ini.berarti
bahwa himpunan bagian atau sampel harus dipilih sedemikian, hingga apabila sebab-sebab
terduga itu ada, kemungkinan adanya perbedaan antara himpunan bagian akan maksimum,
sedangkan kemungkinan adanya perbedaan di dalam himpunan bagian akan minimum.
Apabila grafik pengendali diterapkan pada proses produksi, urutan waktu produksi
adalah dasar yang logis guna pengambilan himpunan bagian rasional. Meskipun urutan waktu
terpelihara, masih mungkin membentuk himpunan bagian secara salah. Apabila beberapa
observasi dalam sampel diambil pada akhir satu periode kerja dan observasi yang lain diambil
pada awal periode kerja berikutnya, maka perbedaan antara periode kerja mungkin tidak
dapat disidik. Urutan waktu sering kali merupaKan dasar yang baik guna pembentukan
himpunan bagian sebab urutan waktu memungkinkan kita menyidik sebab-sebab terduga yang
terjadi menurut waktu.
Dua pendekatan umum digunakan dalam pembentukan himpunan bagian rasional.
Dalam pendekatan pertama, tiap sampel terdiri dari unit yang diproduksi pada waktu yang
sama (atau sedekat mungkin bersama). Pendekatan ini digunakan apabila tujuan utama
grafik pengendali adalah untuk menyidik pergeseran proses. Ini meminimumkan kemungkinan
variabilitas dalam suatu sampel, dan memaksimumkan variabilitas antara sampel apabila
107
ada sebab-sebab terduga. Ini juga memberikan taksiran yang lebih baik untuk deviasi
standar proses itu dalam hal grafik pengendali variabel.
Dalam pendekatan kedua, tiap sampel terdiri dari unit produk yang mewakili semua unit
yang sudah diproduksi sejak himpunan bagian terakhir diambil. Pada dasarnya, tiap sampel
adalah sampel random dari semua hasil proses selama interval pengambilan sampel. Metode
himpunan bagian ini digunakan apabila grafik pengendali dipakai untuk membuat keputusan
tentang penerimaan semua produk yang telah diproduksi sejak sampel terakhir. Misalkan kita
membentuk sampelsampel seperti dalam metode pertama di atas, dan keadaannya mungkin
bagi proses itu bergeser ke dalam keadaan tak terkendali, dan kemudian kembali ke keadaan
terkendali lagi di antara sampel-sampel itu. Apabila produk yang cacat ini tidak dapat disidik
dari awal proses produksi, maka metode pengambilan himpunan bagian kedua ini harus
digunakan. Perhatikan bahwa apabila kita bentuk himpunan bagian dengan cara ini, grafik
pengendali bagi pemencaran proses (seperti grafik rentang atau deviasi standar) memerlukan
interpretasi yang saksama. Tentulah mungkin pergeseran dalam rata-rata proses
menyebabkan titik-titik pada grafik dispersi memperlihatkan tak terkendali, meskipun tidak ada
perubahan dalarn variabilitas proses.
Ada lagi dasar-dasar lain guna membentuk himpunan bagian rasio nal. Sebagai contoh,
andaikan suatu proses terdiri dari mesin-mesin yang menggabungkan hasilnya ke dalam aliran
bersama. Apabila kita mengambil sampel dari aliran hasil bersama ini, akan sangat sukar
menyiidik apakah beberapa dari mesin itu tak terkendali atau tidak. Suatu pendekatan yang
masuk akal guna pengambilan himpunan bagian rasional di sini adalah penerapan teknik grafik
pengendali bagi hasil tiap-tiap mesin. Kadang-kadang konsep ini perlu diterapkan pada bagian
depan yang berbeda pada mesin yang sama, stasiun kerja yang berbeda, operator yang
berlainan, dan seterusnya.
ANALISIS POLA PADA DIAGRAM PENGENDALI

Suatu pengendali dapat menunjukkan keadaan tak terkendali apabila satu atau
beberapa titik jatuh di luar batas pengendali, atau apabila titik dalam dalarn grafik
menunjukkan pola tingkah laku yang takrandom, pandang grafik yang ditunjukkan dalam
gambar 6.6. meskipun semua 25 titik jatuh di dalam batas pengendali, titik-titik itu tidak
menunjukan terkendali statistik karena polanya tampak sangat tidak random. Khususnya, kita
catat bahwa 19 dari 25 titik jatuh di bawah garis tengah, sedangkan hanya 6 di antaranya jatuh
di atasnya. Apabila titik itu benar-benar random, kita seharusnya mengharapkan distribusi titik-
titik di atas dan di bawah garis tengah kira-kira sama. Kita juga mengamati bahwa setelah titik
108
keempat, lima titik berturut-turut bertambah besar. Susunan titik semacam ini dinamakan
giliran giliran (run) karena observasi bertambah besar, kita dapat menamakan ini giliran naik
Demikian juga, barisan titik-titik yang menurun dinamakan giliran turun. Grafik pengendali ini
mempunyai suatu giliran naik yang luar biasa panjang (mulai dengan titik keempat), dan
suatu giliran turun yang panjang luar biasa (mulai dengan titik kedelapan belas).
Pada umumnya, kita mendefinisikan suatu giliran sebagai barisan observasi yang
semacam. Kecuali giliran naik dan giliran turun, kita dapat mendefinisikan macam-macam
observasi seperti yang di atas dan di bawah garis tengah, sehingga dua titik berturutan di
atas garis tengah akan merupakan giliran dengan panjang 2.
Suatu giliran dengan panjang delapan titik atau lebih mempunyai probabilitas sangat
rendah akan terjadinya dalam sampel random titiktitik. Akibatnya, setiap giliran dengan
panjang delapan lebih harus diambil sebagai tanda keadaan tak terkendali. Misalnya, delapan
titik berturut-turut pada satu sisi garis tengah akan menunjukkan bahwa proses itu tak
terkendali.
Gambar 6.6. Grafik pengendali .
Selagi giliran adalah ukuran yang penting tingkah laku tak random pada suatu grafik
pengendali, maca-macam pola lain dapat juga mnunjukan keadaan tak terkendali. Sebagai
contoh, pandang grafik .alam Gambar 6.7. Perhatikan bahwa gambar rata-rata sampel
menunukkan tingkah laku siklis, sekalipun demikian rata-rata itu semuanya jatuh di dalam
batas pengendali. Pola semacam itu dapat menunjukkan suatu masalah dengan proses itu,
seperti misalnya kelelahan operator, nengiriman bahan baku, penambahan tegangan atau

109
panas, dan seterusnya. Meskipun proses tidak benar-benar tak terkendali, hasilnya dapat
ditingkatkan dengan penghapusan atau pengurangan sumber~umber variabilitas yang
menyebabkan tingkah laku siklis ini. (lihat Gambar 6.8).
Gambar 6-7. Gambar dengan pola siklis.
Masalah ini adalah masalah pengenalan pola, yakni, mengenali pola sistematik atau tak
random pada grafik pengendali dan mengenali alas an sebab tingkah laku ini. Kemampuan
menginterpretasi suatu pola tertentu dalam bentuk sumber-sumber tersangka memerlukan
pengalaman dan pengetahuan mengenai proses tersebut. Yakni, seharusnya kita harus
juga tidak hanya mengetahui asas-asas statistik grafik pengendali, tetapi kita harus juga
mempunyai pengertian yang baik tentang proses itu.
Gambar 6.8. (a) Variabilitas dengan pola siklis. (b) Variabilitas dengan pola siklis
dihilangkan.
110

111
BAB 7
GRAFIK PENGENDALI SIFAT
Setelah kuliah selesai mahasiswa diharapkan dapat memahami karakteristik kualitas dari
sifat produk yang diamati
 Grafik Pengendali Bagian Tak Sesuai (Grafik p)
 Pengembangan Dan Operasi Grafik Pengendali.
7.1 Grafik Pengendali Sifat

Karakteristrik Kualitas yang tidak dapat dinyatakan secara numerik, sesuai klasifikasi
dan tidak sesuai klasifikasi atau cacat dan tidak cacat. Karakteristik kualitas seperti ini
dinamakan sifat (atribut). Grafik pengendali sifat yang banyak digunakan :
 Yang berhubungan dengan bagian produk yang tak sesuai atau cacat yang diproduksi,
dinamakan grafik pengendali bagian tak sesuai atau grafik p
 Yang berhubungan dengan banyaknya cacat atau ketidaksesuaian disebut grafik
pengendali ketidaksesuaian atau grafik c
 Yang berhubungan dengan rata-rata banyak ketidaksesuaian per unit disebut grafik
pengendali ketidaksesuaian per unit atau grafik u, merupakan dasar yang lebih baik
untuk pengendalian proses
Grafik Pengendali Bagian Tak Sesuai (Grafik p)

Merupakan perbandingan banyak benda yang tak sesuai dalam suatu populasi dengan banyak
benda keseluruhan dalam populasi itu. Biasanya dinyatakan dalam bentuk pecahan desimal,
atau dapat dinyatakan dalam persen tak sesuai. Asas-asas statistik yang melandasi grafik
pengendali untuk bagian tak sesuai didasarkan atas distribusi normal
Probabilitas unit produk yang tak sesuai berdistribusi Binomial dengan parameter n dan p, yakni
:
P{D = x} = px (1 – p)n-x x = 0, 1, ..., n
D = banyak unit produk yang tak sesuai
n = unit produk yang diambil

112
p = bagian tak sesuai
Mean [np] dan variansi [np (1 – p)] variabel random D, Bagian tak sesuai dalam sampel D
dengan ukuran sampel n yakni :
.......(7.1)
Mean : μ = p
Variansi :
………….(7.2)
Distribusi variabel random dapat diperoleh dari Distribusi Binomial.
Pengembangan Dan Operasi Grafik Pengendali.

Dalam bab sebelumnya, kita telah membicarakan asas-asas statistikumum yang menjadi dasar
grafik pengendali shewhart. Jika W suatu statistik yang mengukur suatu karakteristik kualitas,
dan jika mean W adalah µwdan variansi W adalah , maka model umum grafik pengendali
shwhart adalah sebagai berikut :
.
BPA   w  k w
Garis Tengah   w ………..(7.3)
BPB   w  k w
Dengan k adalah jarak batas pengendali dari garis tengah, dalam kelipatan fariansi standar W,
biasanya dipilih k = 3
Jika bagian yang tak sesuai adalah p dalap proses produksi itu diketahui, atau nilai standar
yang ditentukan manajemen, maka dari (7.3), garis tengah dan batas pengendali grafik
pengendali bagian tak sesuai adalah :

113
…………(7.4)
Apabila bagian tak sesuai proses itu p tidak rterkendalimaka p itu harus ditaksir dari data
observasi. Prosedur yang biasa adalah memilih m sampel pendahuluan, masing-masing
berukjuran n. sebagai aturan umum, m haruslah 20 atau 25. maka jika ada D i unit tak sesuai
dalam sampel i, kita hitung bagian tak sesuai dalam sampel ke i itu sebagai sebagai berikut:
Dengan rata-rata bagian tak sesuai itu adalah:
……………(7.4)
Statistik menaksir bagian tak sesuai yang tidak diketahui. Garis tengah dan grafik pengendali
untuk bagian tak sesuai dihitung sebagai :

114
Contoh soal:
Sari jeruk dingin dipak dalam kotak karton 6 ons. Kotak ini terbuat dari mesin dengan
memintalnya dari bahan karton, dan memasang lembaran metal pada bagian bawahnya.
Dengan pemeriksaan kotak kita dapat menentukan apakah kotak bocor (bila diisi) pada lipatan
sisi atau sekeliling lipatan bawah. Ketidaka sesuaian kotak seperti itu mempunyai tanda tak
wajar bak pada lipatan sisi atau lembaran bawah. Kita ingin membuat grfik pengendali untuk
memantau bagian kotak tak sesuai yang dihasilkan pada mesin ini.
Untuk membuat grafik pengendali, 30 sampel masing-masing dengan 50 kotak dipilih dalam
selang setengah jam meliputi periode 3 giliran waktu mesin beroperasi terus menerus. Kita
susun grafik pengendali awal untuk melihat apakah proses terkendaliketika data ini
dikumpulkan. Karena 30 sampel memuat 347 kotak tak sesuai, dari persamaan (7.4) kita
peroleh :
= 347/1500= 0,2313

115
Dengan demikian :
Analisis data dari sampel 15 menunjukan bahwa setumpuk bahan karton bisa diketahui untuk
produksi selama periode jam itu. Selanjutnya selama periode setengah jam waktu sampel 23
peroleh operator yang relatif yang belum pengalaman telah ditugaskan pada masa itu. Dan ini
merupakan penyebab bagian tak sesuai, diperoleh dari sampel itu. Akibatnya, sampel 15 dan
23 harus dikeluarkan dan garis tengah baru dan batas pengendali yang diperbaiki dihitung
sebagai:

116
Setelah pengenalan grafik kendali dan dilakukannya penyesuain mesin, pengambilan sampel
24 kali masing-masing dengan 50 observasi.
Dari gambar 7.1 menunjukan bahwa proses sekarang bekerja pada tingkat kualitas baru yang

117
jauh lebih rendah dari = 0,2150.

Dilakukan Uji hipotesa, apakah proses sekarang ini berbeda dengan bagian tak sesuai proses
dalam data pendahuluan
Hipotesisnya adalah :
H0 : p 1 = p 2
H1 : p 1 > p 2
p1 = bagian tak sesuai dari data pendahuluan
p2 = bagian tak sesuai dari proses dalam periode sekarang
Statistik penguji untuk hipotesa adalah :
p1 dapat ditaksir dengan
p2 dapat ditaksir dengan

118
Sehingga didapatkan :
Dari tabel distribusi normal didapat Z0.05 = 1.645, Jadi Z0 > Z0.05
Kesimpulan : Tolak H0, Ada penurunan yang signifikan dalam ketidaksesuain proses
Batas kendali dapat diperbaiki lagi dengan menggunakan data pada periode sekarang.
Sehingga menghasilkan :
Karena batas pengendali bawah lebih kecil dari 0, maka diambil BPB = 0. Sehingga, grafik
pengendali yang baru hanya akan mempunyai batas pengendali atas.
7.2 menunjukan semua titik akan jatuh dalam batas pengendali atas yang diperbaiki, maka
dapat disimpulkan bahwa proses ini terkendali.

119
Tindakan lebih lanjut untuk meningkatkan hasil dapat, dengan melakukan penyesuain mesin
lebih lanjut.
Grafik pengendali harus digunakan terus menerus selama periode penyesuain dilakukan
(menjadi buku harian). Dengan demikian maka pengaruh perubahan terhadap penampilan
proses dapat dilihat dengan mudah.
Grafik pengendali bagian tak sesuai mempunyai tiga parameter yang harus ditentukan : ukuran
sampel, frekuensi pengambilan sampel, dan lebar batas kendali.
Dalam pemilihan ukuran sampel, jika p sangat kecil, n harus cukup besar, jika tidak maka kita
mendapatkan batas kendali yang hanya dengan satu unit tak sesuai dalam sampel akan
menunjukan keadaan tak terkendali.
Contoh : jika p = 0.01, dan n = 8. Diperoleh batas atas :
jika ada satu unit tak sesuai dalam sampel itu, maka = 1/8 = 0.1250, dan kita akan
menyimpulkan bahwa proses tak terkendali. Jadi tidak cukup beralasan apabila menyimpulkan
proses tak terkendali hanya dengan mengamati satu unit tak sesuai saja.

120
BAB 8
SAMPLING PENERIMAAN
(ACCEPTACE SAMPLING)
DESKRIPSI
Pengendalian kualitas produk sering dikenal denan istilah sampling penerimaan

(acceptance sampling) yang dilakukan selama bahan baku datang atau untuk pengujian
terhadap bahan baku, maupun pengujian terhadap produk jadi. Sampling penerimaan dapat
dilakukan oleh produsen maupun konsumen, guna meyakin-kan bahwa produk yang akan
diterimanya telah dilakukan pemeriksaan, dan bermafaat sebagai cross ceck antara produsen
dan konsumen.
 Menerapkan pengendalian mutu produk dengan metode sampling penerimaan.

2. Menerapkan cross ceck pengendalian kualitas antara produsen dan konsumen.
7.1. Sampling Penerimaan Atribut

Sampling penerimaan (acceptance sampling) adalah suatu bidang pokok pengendalian
kualitas statistik : pengendalian kualitas proses dan pengendalian kualitas produk.
Pengendalian kualitas produk sering dikenal denan istilah sampling penerimaan (acceptance
sampling) yang dilakukan selama bahan baku datang atau untuk pengujian terhadap bahan
baku, komponen, bahan-bahan yang akan dirakit dalam berbagai tingkatan proses, maupun
pengujian terhadap produk jadi. Sampling penerimaan dapat dilakukan oleh produsen maupun
konsumen, hal ini dilakukan guna meyakinkan bahwa produk yang akan diterimanya telah
dilakukan pemeriksaan, disamping itu juga bermafaat sebagai cross ceck antara produsen dan
konsumen.
Acceptance sampling ini menggunakan inspeksi dalam cara pengujiannya. Ilustrasi
mengenai sampling penerimaan dapat dijelaskan sebagai berikut :
 Suatu perusahaan menerima kiriman produk dari penjual, biasanya produk tersebut adalah
komponen atau bahan baku yang digunakan dalam proses produksi perusahaan tersebut.
 Sample diambil dari kotak atau suatu karakteristik kualitas unit dalam sample diperiksa.
Berdasarkan informasi dalam sample ini, diambil suatu keputusan mengenai kedudukan
kotak.
121
 Biasanya, keputusan ini adalah menerima atau menolak kotak. Kadang-kadang keputusan
ini kita namakan vonis kotak. Kotak yang diterima dimasukkan ke dalam produksi, kotak
yang ditolak mungkin dikembalikan kepada penjual.
Rencana sampling penerimaan tidak memberikan suatu bentuk pengendalian kualitas

langsung, dan rencana sampling perencanaan tidak dirancang guna maksud penaksiran. Tetapi
tujuan sampling penerimaan untuk memvonis kotak atau unit sampel, sampling penerimaan
hanya menerima atau menolak kotak. Meskipun sekiranya semua kotak berkualitas sama,
sampling akan menerima beberapa kotak dan menolak yang lain. Penggunaan sampling
penerimaan yang paling efektif tidak “memeriksa kualitas ke dalam produk”, tetapi lebih sebagai
alat pemeriksaan guna menjamin hasil suatu proses memenuhi persyaratan. Umumnya, ada
tiga pendekatan guna memvonis kotak :
1) Menerima tanpa pemeriksaan, Alternative tanpa pemeriksaan berguna dalam keadaan di
mana proses penjual begitu baiknya sehingga unit yang rusak hamper tidak pernah dijumpai
atau tidak ada pembenaran ekonomi untuk mencari unit yang rusak
2) Pemeriksaan 100%-yakni, memeriksa setiap benda dalam kotak, menyingkirkan semua unit
cacat yang ditemukan (cacat mungkin dikembalikan ke penjual, dikerjakan kembali, diganti
dengan benda yang diketahui baik, atau disingkirkan); hal ini dialakukan dimana komponen
sangat kritis dan meloloskan setiap unit cacat akan mengakibatkan biaya kegagalan yang
tinggi tidak dapat diterima pada tingkat berikutnya.
3) Sampling penerimaan, yakni Sampling penerimaan mungkin sekali berguna dalam keadaan
berikut:
 Apabila pengujian merusak.
 Apabila biaya pemeriksaan 100% sangat tinggi.
 Apabila pemeriksaan 100% secara teknologi tidak mungkin, atau memerlukan waktu
lama dan penjadwalan produksi.
 Apabila banyak benda harus diperiksa,
 Apabila penjual mempunyai sejarah kualitas yang istimewa, tetapi kemampuan proses
penjual tidak stabil.
 Apabila terdapat resiko tanggung jawab produk yang cukup serius, dan meskipun
proses penjual memuaskan, perlu program peman-tauan produk terus-menerus.

122
Keuntungan dan Kekurangan Sampling

Apabila dibandingkan dengan pemeriksaan 100%, sampling penerimaan mempunyai
keuntungan sebagai berikut :
 Biasanya lebih murah karena pemeriksaan lebih sedikit.
 Lebih sedikit penanganan terhadap produk, jadi kerusakan berkurang.
 Dapat diterapkan guna pengujian merusak.
 Lebih sedikit personil terlibat dalam aktivitas pemeriksaan.
 Sering kali sangat mengurangi besar kesalahan pemeriksaan.
 Penolakan seluruh kotak dibandingkan dengan pengembalian beberapa produk yang rusak
sering memberikan motivasi yang lebih kuat bagi penjual untuk meningkatkan kualitas.
Kekurangan Sampling
Selain mempunyai keuntungan seperti diatas, sampling penerimaan juga mempunyai
beberapa kekurangan, yakni meliputi beberapa hal sebagai berikut :
 Beresiko menerima kotak yang “jelek” dan menolak kotak yang “baik”.
 Biasanya lebih sedikit informasi tentang produk atau tentang proses yang menghasilkan
produk yang ditimbulkan.
 Sampling penerimaan memerlukan perencanaan dan dokumentasi tentang prosedur
sampling pemeriksaan, sedangkan pemeriksaan 100% tidak.
Butir ketiga sering disebut sebagai kekurangan sampling penerimaan, suatu perencanaan
sampling penerimaan biasanya memerlukan studi tentang tingkat kualitas yang sebenarnya
dituntut oleh konsumen. Tetapi pengetahuan tentang hasil sampling sering kali merupakan
masukan yang berguna dalam keseluruhan perencanaan kualitas dan proses keteknikan, jadi
dalam banyak penerapan, mungkin tidak merupakan kekurangan yang berarti.
 Perencanaan Sampling
Perencanaan sampling atribut adalah perencanaan sampling berdasarkan cacat atribut
(sifat) dari produk yang sedang diperiksa, mengenai tipe-tipe cacat atribut telah dijelaskan pada
modul sebelumnya. Perencanaan sampling atribut dapat dibedakan menjadi 3 kelompok, yaitu
: sampling tunggal (single sampling), sampling ganda (double sampling), dan sampling banyak
(multiple sampling). Pengambilan sample yang ideal memang hanya dilakukan sekali saja,
tetapi sering kali karena ada keraguan apakah produk tersebut harus diterima atau ditolak maka
harus dilakukan pengambilansampel kedua, ketiga dan seterusnya.

123
 Perencanaan sampling tunggal

Perencanaan sampling tunggal adalah prosedur memvonis kotak, di mana sample dengan n
unit dipilih secara random dari kotak itu, dan kedudukan kotak ditentukan berdasarkan informasi
yang dimuat dalam sample itu. Misalnya, perencanaan sample tunggal bagi sifat akan terdiri
dari sample berukuran n dan bilangan penerimaan c. Jika terdapat c atau lebih sedikit yang
cacat di dalam sample itu, terima kotak itu, dan jika terdapat lebih dari c benda yang cacat
dalam sample, tolak kotak itu.
Contoh : N = 4000 unit
n = 100 unit
c = 2 unit
Dimana : N adalah banyaknya unit yang dihasilkan

n adalah bayaknya sample yang diambil
c adalah banyaknya produk yang cacat dalam sample tersebut.
Dari contoh tersebut dapat kita lihat bahwa apabila dari 100 unit sample yang diambil ditemukan
adanya cacat produk sebanyak dua atau lebih maka sample tersebut ditolak yang berarti
seluruh produk yang dihasilkan juga ditolak. Namun bila ditemukan kurang dari dua unit yang
cacat maka sample diterima yang berarti produk tersebut seluruhnya dianggap baik. Maka
probabilitas penerimaannya (kita gunakan table 10.1) dengan n = 100 dan bila ditentukan p =
0.01 (1%).
Nilai np =1 dengan c =2, sehingga Pa = 0.736 (table 10.1 yang diberi (…))
Untuk selanjutnya karena acceptance sampling menggunakan distribusi poisson, maka
nilai probabilitas penerimaan (Pa) dapat kita buka table distribusi poisson pada table 10.1
dibelakang. Apabila tidak tercantum dalam table tersebut yang disebabkan keterbatasan table
maka dapat digunakan cara interpolasi, misalnya:

124
0.70
4
0.66
7
1.9 2.0
0 0
Diketahui nilai np (sample x proporsi cacat) sebesar 1.96 dan c sebesar 2 atau kurang (
≤ 2 ), sementara dalam table distribusi poisson hanya terdapat nilai np = 1.9 dan np = 2.0, maka
dapat kita hitung yaitu:
Pa =
 Perencanaan Sampling Gandal

Perencanaan sampling-ganda sedikit lebih ruwet. Setelah sample awal, dibuat
keputusan berdasarkan informasi dalam sample itu, apakah: (1) menerima kotak, (2) menolak
kotak, atau (3) mengambil sample kedua. Jika sample kedua diambil, informasi dari sample
pertama dan kedua digabung untuk mencapai satu keputusan apakah menerima atau menolak
kotak.
Contoh:
N = 5000 unit
n1 = 40 unit n2 = 60 unit
c1 = 1 unit c2 = 5 unit
r1 = 4 unit r2 = 6 unit
Dimana : N = jumlah unit yang dihasilkan
n1 = sample pertama yang diambil
n2 = sample kedua yang diambil tanpa ada pengembalian dari sample pertama
c1 = jumlah penerimaan dari sample pertama
c2 = jumlah penerimaan dari kedua sample (sample pertama dan kedua)
r1 = penilakan dari sample pertama
r2 = penolakan dari kedua sample (sample pertama dan kedua)
Dari contoh tersebut dapat kita lihat bahwa bila produk yang cacat pada sample pertama
125
jumlahnya satu atau kurang maka sample pertama diterima, yang berarti seluruh unit produk
yang dihasilkan juga diterima. Namun bila jumlah cacatnya lima atau lebih maka sample
tersebut ditolak, yang berarti seluruh unit yang dihasilkan ditolak. Tetapi apabila cacat produk
antara satu sampai lima (dua, tiga, atau empat) maka timbul adanya keraguan dari pihak
penguji apakah produk tersebut tergolong baik atau tidak. Oleh karena itu diambil sample yang
kedua. Dari contoh tersebut dapat kita lihat pula bahwa bila jumlah produk yang cacat pada
sample pertama dan kedua empat atau kurang maka sample tersebut diterima, yang berarti
seluruh produk diterima. Tetapi bila jumlah produk yang cacat pada kedua sampeltersebut
enam atau lebih maka sample tersebut harus ditolak, yang berarti seluruh unit yang dihasilkan
juga ditolak. Maka probabilitas penerimaannya bila proporsi kesalahan 1 %:
Pa1 = P (x ≤ 1) = P (cacat 1 atau kurang) np = 4 = 0.091 (lihat table 10.1)
Pa2 =
Pa2 = (0.147 x 0.151) + (0.195 x 0.062) = 0.034
Sehingga Pa = Pa1 + Pa2 = 0.125
 Perencanaan Sampling Banyak

Perencanaan sampling-darab adalah perluasan dari konsep sampling-ganda, dalam hal
lebih dari dua sampling mungkin diperlukan untuk mencapai keputusan mengenai kedudukan
kotak. Biasanya ukuran sample dalam sampling darab lebih kecil daripada dalam sampling
tunggal atau ganda.
Contoh:
N = 3000
n1 = 30 c1 = 1 r1 = 4
n2 = 30 c2 = 2 r2 = 5
n3 = 30 c3 = 3 r3 = 5
n4 = 30 c4 = 4 r4 = 5
Dengan cara yang sama seperti pada sample ganda dapat kita buat probabilitas
penerimaannya. Dimana Pa = Pa1 + Pa2 + Pa3 + Pa4

126
Daftar Pustaka :
1991.
Bandung, 1995.

127
BAB 9
GRAFIK PENGENDALI VARIABEL
suatu karakteristik yang dapat diukur seperti dimensi, berat, atau volume dinamakan variabel.
Pengendalian rata-rata proses mean tingkat kualitas biasanya dengan grafik pengendali untuk
mean atau grafik x-bar. Variabilitas atau pemencaran proses dapat dikendalikan dengan grafik
pengendali untuk deviasi standar (grafik S) atau grafik pengendali rentang (grafik R)

128
Grafik pengendali x-bar dan R

μ dan σ diketahui
Jika karakteristik kualitas berdistribusi normal dan x1, x2, ..., xn sampel berukuran n, maka rata –
ratanya adalah
x berdist normal dengan mean μ dan deviasi standar , probabilitas 1-α, dan setiap mean
sampel akan berada diantara
Karena mengunakan batas 3σ maka Z α/2 bisa diganti dengan 3, didapatkan

129
μ dan σ tidak diketahui

 Menaksir μ
Misalkan tersedia m sampel, masing – masing memuat n observasi pada karakteristik
kualitas, dengan x1, x2, ..., xm adalah rata tiap sampel, maka penaksir terbaik untuk rata – rata
proses μ adalah
x1  x 2  ...  x m
x
m
 Menaksir σ
Untuk menaksir σ dari deviasi standar atau rentang m sampel dapat menggunakan metode
rentang
Jika x1, x2, ..., xn suatu sampel berukuran n, maka rentang sampel (R)
R = xmaks - xmin
Hubungan rentang sampel dan standar deviasi dari dist normal
Sehingga penaksir untuk σ

130
Jika R1, R2, ..., Rm adalah rentang m sampel, maka rentang rata – ratanya
Jika ukuran sampel relatif kecil, metode rentang menghasilkan penaksir untuk variansi
yang hampir sama baiknya seperti penaksir kuadratik biasa (variansi sampel S 2. Efisiensi relatif
metode rentang terhadap S2 untuk berbagai ukuran sampel ditunjukkan di bawah ini
n Efisiensi Relatif
2 1,000
3 0,992
4 0,975
5 0,955
6 0,930
10 0,850
Jika n ≥ 10, rentang kehilangan effisiensi secara cepat karena rentang mengabaikan
semua informasi dalam sampel antara xmaks – xmin. Ukuran sampel yang kecil (n = 4, 5, 6)
kerap kali digunakan pada grafik pengendali variabel karena menghasilkan hasil yang
memuaskan
Jika kita gunakan sebagai penaksir untuk μ dan sebagai penaksir untuk σ, maka
parameter grafik adalah
3
BPA  x  R
d2 n
Garis tengah  x
3
BPB  x  R
d2 n
131
3
A2 
d2 n
BPA  x  A2 R
Garis tengah  x
BPB  x  A2 R
A2 : Suatu kuantitas yang bernilai konstan yang tergantung pada ukuran sampel. Nilai A 2 dapat
dilihat pada Tabel Lampiran VI
GRAFIK R
 R  d3 R  W  Untuk menentukan batas pengendali diperlukan taksiran untuk σ Karena

R
maka deviasi standar R adalah
Karena σ tidak diketahui, dapat ditaksir
Parameter grafik R dengan batas 3-sigma adalah

132
Konstan D3 dan D4 untuk berbagai nilai n dapat dilihat pada Tabel Lampiran VI
CONTOH:
Cincin piston untuk mesin automobil diproduksi dengan proses penempaan. Kita ingin membuat
pengendalian proses ini dengan menggunakan grafik dan R.Telah diambil 25 sampel masing-
masing berukuran 5, ketika kita menyangka bahwa proses itu terkendali. Data dari sampel-
sampel ini ditunjukkan dalam Tabel 6-1.
Apabila membuat grafik pengendali dan R, yang terbaik memulainya dengan grafik R. Karena
batas pengendali pada grafik tergantung pada variabilitas proses, kecuali variabilitas proses
terkendali, batas pengendali ini tidak akan banyak berarti. Menggunakan data dalam Tabel 6-1,
kita peroleh garis tengah untuk grafik R dan grafik X bar
Untuk sampel dengan n=5, diperoleh D3 =0; D4=2.115 dan A2=0.577 dari Tabel Lampiran VI.
Oleh karena itu, dengan menggunakan (6-10), batas pengendali untuk grafik R dan grafik xbar
adalah
Grafik R ditunjukkan dalam Gambar 6-2 sedangkan Grafik pada Gambar 6-3. Apabila
rentang 25 sampel itu digambarkan pada grafik ini, tidak ada petunjuk keadaan yang tidak
terkendali.

133

134
BAB 10
RANCANGAN PENGAMBILAN SAMPEL DENGAN PETA KENDALI ATRIBUT
Pemeriksaan bahan baku, produk setengah jadi, atau produk jadi adalah satu bagian
yang penting jaminan kualitas. Apabila pemeriksaan bertujuaan untuk penerimaan atau
penolakan suatu produk, berdasarkan kesesuaian dengan standar, jenis prosedur pemeriksaan
yang digunakan biasanya dinamakan sampling penerimaan.
Sampling penerimaan adalah suatu bidang pokok pengendalian kualitas sttistik.

Penerapan yang khas sampling penerimaan adalah sebagai berikut: Suatu Perusahaan
menerima kiriman produk dari penjualan. Biasanya produk ini adalah komponen atau bahan
baku yang digunakan dalam, proses produksi perusahaan itu. Sample diambil dari kotak dan
suatu karakteristik kualitas unit dalam sample diperiksa. Berdasarkan informasi dalam sample
ini, diambil suatu keputusan mengenai kedudukan suatu kota. Biasanya, keputusan ini adalah
menerima atau menolak kotak. Kadang- kadang keputusan ini kita namakan Vonis kotak. Kotak
yang diterima dimasukkan ke dalam produksi; kotak yang ditolak mungkin dikembalikan ke
penjual, atau mungkin dikenakan tindakan kedudukan kotak yang lain.
Selagi sudah biasa menganggap sampling penerimaan sebagai aktivitas

pemeriksaan penerima, ada penggunaan metode sampling yang lain. Misalnya kerap kali
pengusaha akan mengambil sample dan memeriksa produknya sendiri pada berbagai tingkat
produksi. Kotak yang diterima lebih lanjut dikirim ke pemprosesan, sedangkan kotak yang
ditolak mungkin dikerjakan kembali atau disingkirkan.
Rencana penerimaan sampel adalah prosedur yang digunakan dalam mengambil

keputusan terhadap produk-produk yang dihasilkan perusahaan.
Bukan merupakan alat pengendalian kualitas, namun alat untuk memeriksa apakah
produk yang dihasilkan tersebut telah memenuhi spesifikasi.
Acceptance sampling digunakan karena alasan :
 Dengan pengujian dapat merusak produk.
 Biaya inspeksi yang tinggi.
 100 % inspeksi memerlukan waktu yang lama, dll.
Acceptance sampling dapat dilakukan untuk data atribut data variable :

135
Acceptance Sampling untuk data atribut dilakukan apabila inspeksi

mengklasifikasikan sebagai produk baik dan produk cacat tanpa ada pengklasifikasian tingkat
kesalahan/cacat produk.
Acceptance Sampling untuk data variabel karakteristi kualitas ditunjukkan dalam

setiap sample, sehingga dilakukan pula perhitungan rata-tata sampel dan penyimpangan atau
deviasi standar.
Teknik pengambilan sample dalan acceptance sampling :
 Sampel tunggal,
 sampel ganda dan
 sampel banyak.
10.1 Pengertian Rencana Penerimaan Sampel
Rencana penerimaan sampel adalah prosedur yang digunakan dalam mengambil

keputusan terhadap produk-produk yang dihasilkan perusahaan.
Bukan merupakan alat pengendalian kualitas, namun alat untuk memeriksa apakah
produk yang dihasilkan tersebut telah memenuhi spesifikasi.
Acceptance sampling digunakan karena alasan :
 Dengan pengujian dapat merusak produk.
 Biaya inspeksi yang tinggi.
 100 % inspeksi memerlukan waktu yang lama, dll.
Beberapa keunggulan dan kelemahan dalam acceptance sampling :
Keunggulan :
 biaya lebih murah
 meminimalkan kerusakan
 mengurangi kesalahan dalam inspeksi
 dapat memotivasi pemasok bila ada penolakan bahan baku.
Kelemahan :

136
 adanya resiko penerimaan produk cacat atau penolakan produk baik
 membutuhkan perencanaan dan pendokumentasian prosedur pengambilan sampel.
 Tidak adanya jaminan mengenai sejumlah produk tertentu yang akan memenuhi
spesifikasi.
 Sedikitnya informasi mengenai produk.
Dua jenis pengujian dalam acceptance sampling :
 Pengujian sebelum pengiriman produk akhir ke konsumen.
Pengujian dilakukan oleh produsen disebut the producer test the lot for outgoing.
 Pengujian setelah pengiriman produk akhir ke konsumen.
Pengujian dilakukan oleh konsumen disebut the consumer test the lot for incoming
quality.
Acceptance sampling dapat dilakukan untuk data atribut data variable :
Acceptance Sampling untuk data atribut dilakukan apabila inspeksi mengklasifikasikan

sebagai produk baik dan produk cacat tanpa ada pengklasifikasian tingkat kesalahan/cacat
produk.
Acceptance Sampling untuk data variabel karakteristi kualitas ditunjukkan dalam

setiap sample, sehingga dilakukan pula perhitungan rata-tata sampel dan penyimpangan atau
deviasi standar.
10.2 Sampel Dengan Pengembalian Dan Pengambilan Sampel Tanpa

Pengembalian
Acceptance sampling
Dapat dilakukan dengan pengambilan sampel atau inspeksi dengan mengadakan

pengembalian dan perbaikan atau pengambilan sampel atau inspeksi tanpa mengadakan
pengembalian dan perbaikan. Hal ini dilakukan selama ini seksi, Pengembalian serta
perbaikanyang dilakukan juga membutuhkan biaya yang tidak sedikit.
 Teknik pengambilan sample dalan acceptance sampling :
 Sampel tunggal,
 sampel ganda dan

137
 sampel banyak
 Syarat pengambilan produk sebagai sample :
 Produk harus homogen
 Produk yang diambil sebagai sample harus sebanyak mungkin
 Sample yang diambil harus dilakukan secara acak
 Prosedur yang dilakukan :
 Sejumlah produk yang sama N unit
 Ambil sample secara acak sebanyak n unit
 Apabila ditemukan kesalahan d sebanyak maksimum c unit, maka sample diterima.
 Apabila ditemukan kesalahan d melebihi c unit, maka sample ditolak, yang berarti
seluruh produk yang homogen yang dihasilkan tersebut juga ditolak.
Jenis Sampling Penerimaan
A. Berdasarkan Landasan Keputusan
 Sampling Berdasarkan Atribut
 Sampling Berdasarkan Variable
B. Berdasarkan Rangkaian Sampling
 Sampling Tunggal (Single Sampling)
Output Keputusan : Tolak / Terima
 Sampling Ganda (Double Sampling)
Output Keputusan :
Sampling I : Terima/ Tolak Lanjut ke Sampling II
Sampling II: Terima/ Tolak (Berdasarkan Hasil dari Sampling I & II)
 Sampling Majemuk (Multiple Sampling)
Kelanjutan dari Sampling Ganda
Ukuran Sample lebih kecil dari Sampling Tunggal dan Sampling Ganda
 Sampling Sekuensial (Sequential Sampling)

138
Kelanjutan dari Sampling Majemuk
Teoritis : Dilakukan Hingga Inspeksi 100 %
Praktek : Berhenti setelah yang di inspeksi =±3 x Jumlah yang diispeksi dengan
Sampling Tunggal
Jika n = 1, disebut Item-by-item sampling
Karakteristik Acceptance Sampling Gryna(2001):

1. Indeks(AQL, AOQL, dansebagainya) yang digunakan untuk menentukan "kualitas" harus
menunjukkan kebutuhan konsumen dan produsen dan tidak dipilih hanya untuk kebutuhan
statistik.
2. Risiko dalam pengambilan sampel harus diketahui secara kuantitatif (kurva OC). Produsen
harus memiliki perlindungan yang cukup terhadap penolakan produk baik, konsumen juga
harus dilindungi terhadap penerimaan produk cacat.
3. Perencanaan harus meminimalkan biaya inspeksi produk secara keseluruhan. Perlu
evaluasi yang lebih teliti dalam perencanaan sampel, baikdalam pengambilan sampel
tunggal, ganda, dan banyak.
4. Perencanaan harus menggunakan pengetahuan seperti kemampuan proses, data
pemasok, dan informasi-informas ilainnya.
5. Perencanaan harus fleksibel menyesuaikan perubahan banyaknya produk, kualitas produk
yang diterima, dan faktor-faktor lain yang ter-kait.
 Pengukuran yang diperlukan dalam perencanaan harus menyediakan informasi yang
bermanfaat dalam memperkirakan kualitas produk secara individu dan kualitas jangka
panjang
Indek kualitas yang dapat digunakan dalam acceptance sampling :
1. AQL (Acceptance Quality Level = tingkat kualitas menurut produsen)
Merupakan proporsi maksimum dari cacat atau kesalahan yang diperbolehkan.
Produsen selalu menghendaki probabilitas penerimaan pada tingkat yang cukup tinggi
(biasanya 0,99 atau 0,95). Sehingga produsen menginginkan semua produk yang baik
dapat diterima atau meminimalkan risiko produsen.
Risiko produsen (α) adalah risiko yg diterima karena menolak produk baik dalam
139
inspeksinya.
Dengan kata lain produsen menginginkan probabilitas penerimaan(Pa) dekat dengan 1

(satu). Probabilitas kesalahan tipe I =α = 1 – Pa.
1. LQL (Limiting Quality Level = tingkat kualitas menurut konsumen)
Merupakan kualitas ketidakpuasan atau tingkat penolakan.
Probabilitas penerimaan LQL harus rendah, probabilitas tersebut disebut risiko konsumen
(β) atau kesalahan tipe II, yaitu risiko yang dialami konsumen karena menerima produk
yang cacat atau tidak sesuai.
LQL sering disebut dg LTPD (Lot Tolerance Percent Defective).
1. IQL (Indifference Quality Level )
Tingkat kualitas diantara AQL dan LQL atau tingkat kualitas pada probabilitas 0.5 untuk
rencana sampel tertentu.
1. AOQL (Average Outgoing Quality Level)
Perkiraan hubungan yang berada diantara bagian kesalahan pada produk sebelum inspeksi
(incoming quality) atau p dari bagian sisa kesalahan setelah inspeksi (outgoing quality) atau
AOQ = p x Pa.
Apabila incoming quality baik, maka outgoing quality juga harus baik, namun bila incoming
quality buruk, maka outgoing quality akan tetap baik. Dengan kata lain incoming quality baik
atau buruk, outgoing quality akan cenderung baik.
10.3 Pengukuran untuk mengevaluasi kinerja Sampel
Ada beberapa macam pengukuran
1. OC Curve (Kurva Karakteristik Operasi)
Merupakan kurva probabilitas penerimaan (Pa) terhadap produk yang dihasilkan.
Rumus : Pa = P(d=< c)
Pa : probabilitas penerimaan
c : batas penerimaan cacat produk
d : jumlah cacat yang terjadi

140
Kurva ini dilakukan untuk mencari hubungan antara probabilitas penerimaan (Pa) dengan
bagian kesalahan dalam produk yang dihasilkan (p).
Perhitungan probabilitas penerimaan dapat digunakan Tabel distribusi Poisson. Apabila tidak
diketemukan nilai probabilitasnya karena keterbatasan nilai np, maka dapat digunakan cara
interpolasi.
Dua macam OC Curve :
Proba Proba
bilitas bilitas
Peneri Peneri
maam maan
(Pa) (Pa)
Po proporsi Po proporsi
kesalahan (p)
kesalahan (p)
OC Kurva ideal OC Kurva S
1. AOQ Curve (Kurva Kualitas Output rata-rata)
AOQ adalah tingkat kualitas rata-rata dari suatu inspeksi. Sampel yang diambil harus
dikembalikan untuk dilakukan perbaikan bila produk tersebut ternyata rusak atau cacat.
AOQ untuk mengukur rata-rata kualitas output dari suatu hasil produksi dengan proporsi
kerusakan sebesar p.
Apabila N = banyaknya unit yang dihasilkan
n = unit sampel yang diinspeksi
p = bagian kesalahan/ketidaksesuaian
Pa = probabilitas penerimaan produk
Maka rumus yang digunakan :
Paxp ( N  1)
AOQ =
N
Kurva AOQ mempunyai titik puncak (AOQL= Average Outgoing Quality Limit). AOQL
141
menunjukkan kualitas rata-rata yang harus dikembalikan dari inspeksi untuk dilakukan
perbaikan.
Diketahui N = 2000, n = 50, c = 2
Proporsi Kesalahan Probabilitas penerimaan Kualitas output rata-rata

(p) (Pa) (AOQ)
0.01 0.986 0.0096
0.02 0.920 0.0179
0.03 0.809 0.0237
0.04 0.677 0.0264
0.05 0.544 0.0265
0.06 0.423 0.0247
0.07 0.321 0.0219
0.08 0.238 0.0186
0.09 0.174 0.0153
0.10 0.125 0.0122
0.11 0.088 0.0094
0.12 0.062 0.0073
0.13 0.043 0.0055
0.14 0.030 0.0041
0.15 0.020 0.0029
Kurva AOQ
0,030
0.025
A
O
Q 0.020
0.015
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
p
0.010
Untuk pengambilan sampel ganda digunakan rumus :
PaI
N

n
1 N

PaII
n
1n
2
0.005
AOQ = N
Contoh : N = 5000 unit
n1 = 40 unit n2 = 60 unit
0 c1 = 1 unit c2 = 5 unit
r1 = 4 unit r2 = 6 unit
Proporsi Kesalahan Kualitas output rata-
(p) Pa I Pa II rata (AOQ)
142
0.01 0.938 0.061 0.0099

0.02 0.808 0.173 0.0194
0.03 0.662 0.257 0.0273
0.04 0.525 0.280 0.0318
0.05 0.406 0.251 0.0324
0.06 0.309 0.198 0.0300
0.07 0.231 0.135 0.0253
0.08 0.171 0.061 0.0185
0.09 0.125 0.060 0.0165
0.10 0.091 0.034 0.0124
0.11 0.066 0.020 0.0091
0.12 0.047 0.011 0.0069
0.13 0.036 0.006 0.0054
0.14 0.027 0.003 0.0042
0.15 0.017 0.001 0.0027
1. ATI Curve (Kurva Inspeksi Total Rata-rata)
ATI menunjukkan rata-rata jumlah sampel yang diinspeksi setiap unit yang dihasilkan.
Untuk sampel tunggal :
ATI = n + (1 – Pa) (N – n)
Untuk sampel ganda :
ATI = n1(Pa I) + (n1 + n2)Pa II + N(1 – Pa1 – Pa II)
1. ASN Curve (Banyaknya sample rata-rata)
ASN adalah rata-rata banyaknya unit yang diuji untuk membuat suatu keputusan.
Sampel tunggal : ASN = n
Sampel ganda : ASN = n1 + n2 (1 – P1)
P1 : merupakan probabilitas keputusan pada sampel pertama
P1 = P (produk yg diterima pd sampel pertama) + P (produk yg ditolak pd sampel

pertama)
= P (d<= c1) + P (d >= r1)
MILITARY STANDAR 105 D

143
Adalah system pengambilan sampel untuk data atribut dengan indek kualitas yang digunakan
adalah AQL.
AQL : Tingkat kualitas menurut produsen merupakan proporsi maksimum dari cacat atau
kesalahan yang diperbolehkan yang bertujuan untuk inspeksi sampel, yang dipertimbangkan
secara tepat sebagai rata-rata proses.
Alat yang digunakan adalah “tabel” yang berkaitan dengan banyaknya inspeksi.
ACCEPTANCE DENGAN TABEL ABC
(Mil STD 105 D Tabel)
 Defect :
 Critical : berbahaya/tdk aman terhadap pemakai.
 Major : mengurangi fungsi/kegunaan
 Minor : tidak mengurangi fungsi tetapi menyim-pang dari standar
 Macam sampling plan
 Single sampling plan
 Double sampling plan
 Multiple sampling plan
Level Inspeksi
Special (khusus)
General (umum)
 Jenis Inspeksi
 Normal
 Tighten (ketat)
 Reducet (longgar)
 Prodedur Pemilihan :

144
Single sampling plan
 Tentukan lot size dan level inspeksi
 Dari table I : tentukan sampel code letter
 Tentukan AQL (dalam %)
 Tentukan batas penerimaan/penolakan dan jumlah sampel dari :
Tabel II – A Normal
II – B Tighten
II – C Reduced
BAB 11
ANALISA KEMAMPUAN PROSES
Aktivitas yang mencakup teknik statistik yang digunakan sepanjang putaran proses
produk yang meliputi pengembangan sebelum produksi,untuk kuantifikasi variabilitas
proses,analisis variabilitas relative terhadap persyaratan atau spesifikasi produk yang berguna
untuk membantu pengembangan dan produksi dalam menghilangkan atau mengurangi
banyaknya variabilitas disebut analisis kemampuan proses. Kemampuan proses berkenaan
dengan keseragaman proses yang meliputi variabilitas yang menjadi sifat atau alami pada
waktu tertentu;yakni variablitas “seketika” dan variabilitas yang meliputi “waktu”.
Metode penyelidikan dan penilaian proses pada umumnya menggunakan penyebaran 6-
sigma dalam distribusi karakteristik kualitas produk sebagai ukuran kemampuan
proses.Karakteristik kualitas proses berdistribusi normal menggunakan mean µ dan deviasi
standar .”Batas toleransi alami” atas dan bawah masing-masing jatuh pada .
Kemampuan proses biasanya mengukur parameter fungsional pada produk,bukan pada
proses itu sendiri.Penganalisa harus dapat mengamati proses secara langsung dan dapat
mengendalikan dan memantau aktivitas pengumpulan data serta dapat mengetahui urutan
waktu data sehingga dapat menetetapkan stabilitas proses terhadap waktu.Jadi analisis
145
kemampuan proses adalah teknik yang mempunyai penerapan dalam banyak bagian dari
putaran produk,termasuk rancangan produk dan proses,asal mula penjual,perencanaan
produksi dan produksi.
Analisis kemampuan proses dikenal adanya batas-batas spesifikasi. Batas spesifikasi
ditentukan berdasarkan kebutuhan pelanggan, disebut juga batas toleransi. Analisis
kemampuan proses membedakan kesesuaian dengan batas-batas toleransi.
Cara membuat analisis kemampuan proses, antara lain :

 Rasio kemampuan proses atau Indeks Kemampuan Proses
(Process Capability Ratio atau Capability Process Index / Cp )
Cp =
Di mana :
USL = Upper specification limit = batas spesifikasi atas
LSL = Lower specification limit = batas spesifikasi bawah
6s = enam simpangan baku
Dari hasil perhitungan tersebut apabila :

Cp > 1 proses masih baik (capable)
Cp < 1 proses tidak baik ( not capable)
Cp = 1 proses = spesifikasi konsumen
2. Index Kemampuan Proses Atas dan Kemampuan Proses Bawah

(Upper and lower capability index)
CPU =
CPL =
CPU : perbandingan dari rentang atas rata-rata

146
CPL : perbandingan rentang bawah rata-rata.
3. Indeks Kemampuan Proses ( Cpk Index )
Indeks Kemampuan Proses di atas mengukur kemampuan potensial, dengan tidak

memperhatikan kondisi rata-rata proses. Rata-rata proses tersebut diasumsikan sama
dengan titik tengah dari batas-batas spesifikasi dan proses berada pada kondisi in statistical
control. Kenyataannya, nilai rata-rata tidak selalu berada di tengah, sehingga perlu
mengetahui variasi dan lokasi rata-rata proses. Nilai Cpk mewakili kemampuan
sesungguhnya dari suatu proses dengan parameter nilai tertentu
Nilai Cpk diformulasikan dengan :
Cpk = min ( , ) = Min (Cpu, Cpl )
Bila Cpk ≥ 1 Proses disebut baik (capable)

Cpk ≤ 1 Proses kurang baik (not capable)
Nilai cpk ini menunjukkan kemampuan sesungguhnya dari proses dengan nilai-nilai
parameter yang ada. Apabila nilai rata-rata yang sesungguhnya sama dengan nilai tengah,
maka sebenarnya nilai Cpk = nilai Cp. Semakin tinggi indeks kemampuan proses maka
semakin sedikit produk yang berada di luar batas-batas spesifikasi.
Ada beberapa hal yang digunakan sebagai gambaran dalam analisis kemampuan proses
dan nilai indeks Cpk, yaitu :
1) Nilai rasio kemampuan proses tidak dapat berubah seperti perubahan pusat proses
2) Nilai rasio kemampuan proses sama dengan Indeks Cpk apabila proses berada pada
kondisi terpusat
3) Nilai indeks Cpk selalu sama atau lebih kecil daripada nilai rasio kemampuan proses
4) Standar Cpk secara de facto sama dengan 1, yang menunjukkan bahwa proses
menghasilkan produk yang sesuai dengan spesifikasi
5) Nilai Cpk lebih kecil dari 1 menunjukkan bahwa proses menghasilkan produk yang tidak
sesuai dengan spesifikasi
6) Nilai rasio kemampuan proses lebih kecil dari 1 menunjukkan proses tidak baik atau
147
tidak layak
7) Nilai Cpk sama dengan 0 menunjukkan rata-rata nilai Cpk sama dengan 1 berarti sama
dengan batas spesifikasi
8) Nilai Cpk negatif menunjukkan rata-rata berada di luar spesifikasi
9) Nilai rasio kemampuan proses yang dikehendaki adalah lebih besar atau sama dengan
1
10) Nilai rasio kemampuan proses sama dengan 1 berarti bentangan proses sama dengan
spesifikasi
Tabel 11.1. Indeks Kemampuan Proses (Cp ) dan
Produk yang di Luar Batas-batas Spesifikasi
Indeks kemampuan proses (Cp) Banyaknya produk yang berada diluar kedua
sisi batas-batas spesifikasi
0,5 13,36%
0,67 4,55%
1,00 0,3%
1,33 64 ppm
1,63 1 ppm
2,00 0
Dari tabel 11.1. tampak bahwa semakin besar nilai Cp, maka semakin sedikit produk yang
berada di luar spesifikasi.
Tabel 11.2. Indeks Kemampuan Proses dan Indeks Kinerja Proses

Kemampuan Proses Kinerja Proses
Cp = = =
Cpk = min ( , ) Cpk = min ( , )
Cpk = min Ppm = min
Ada tiga indeks kemampuan proses dalam Tabel 13.2. yang biasa digunakan,
dimana semakin tinggi nilai indeks, semakin sedikit produk yang berada di luar spesifikasi
Analisis kemampuan proses ini hanya dapat digunakan untuk pengendalian mutu proses
148
data variabel, untuk pengendalian mutu proses data atribut analisis ini tidak dapat dilakukan
, karena dalam pengendalian mutu proses data atribut ini telah ada pada nilai garis pusat
atau nilai pada garis pusatnya
Analisis kemampuan proses dapat dilakukan dengan mempelajari kekuatan proses dan
mempelajari kinerja proses. Untuk memahami kekuatan proses dan kinerja proses, berikut
contoh kecil mengenai hasil analisis kekuatan proses dan kinerja proses. Jika diasumsikan
proses dalam kondisi in statistical control dengan nilai = 6,0 dan sampel yang diambil
setiap kali observasi 6 unit. Dengan menggunakan batas kemampuan proses ± 3 , maka :
S= = = 2,37
Dan ± 3 s = ± 3 (2,37) = 7,11 , atau bila ± 6 s = 14,22 atau 0,0142 pada unit data
sesungguhnya. Bila spesifikasi 0,258 ± 0,005 atau USL = 0,263 dan LSL = 0,253, maka :
Cp = = = 0,704
Apabila proses berada pada kondisi out of statistical control dan penyebabnya tidak
dapat dihilangkan, maka deviasi standard dan batas-batas kemampuan proses dapat dihitung
dengan memasukkan data yang berada di luar batas pengendalian. Batas-batas pengendalian
ini dapat ditingkatkan karena proses tidak beroperasi dengan baik. Sementara itu, harus
dibedakan pula proses yang berada pada kondisi in statistical control dan proses yang
memenuhi spesifikasi . Proses yang berada pada kondisi in statistical control bukan berarti
produk dari proses tersebut sesuai dengan spesifikasi. Batas-batas pengendalian statistik pada
rata-rata sampel tidak dapat dibandingkan dengan batas-batas spesifikasi. Karena batas-batas
spesifikasi berlaku untuk unit-unit secara individu.
Untuk mengukur kinerja proses dengan indeks Cpk dapat digunakan contoh berikut ini.
Apabila diketahui USL = 103,5 dan LSL = 94,5 dengan periode proses selama satu bulan dan
tidak ada data yang out of control, didapatkan = 98,2 dan s = 0,98. Dalam mengukur kinerja
proses ini proses harus sudah berada pada kondisi in statistical control dan menggunakan
rentang waktu yang lebih lama daripada dalam pengukuran kekuatan proses. Indeks Cpk
diperoleh adalah :

149
Cpk = min ( , ) = ( 3,06 ; 1,26 )

= 1,26
Cpk merupakan pemendekan dari dua parameter, yaitu rata-rata dan standar deviasi.
Untuk meningkatkan nilai Cpk diperlukan perubahan rata-rata proses dan standar deviasi
atau penyimpangan standar proses, atau keduanya. Penilaian Cpk dapat juga
menggunakan indeks Cpm. Indeks Cp mini mengukur kemampuan diseputar nilai target T,
bukan nilai rata-rata. Apabila nilai target sama dengan nilai rata-rata, maka nilai indeks Cpm
akan sama dengan nilai indeks Cpk.
Contoh :
X = 20,864 R = 3,5
Bila konsumen menetapkan spesifikasi sebesar 20 ± 4, maka
Cpk = min { , }
Dimana : = 1,505
Sehingga Cpk = 0,695

Cpk < 1, maka ada situasi yang tidak diinginkan atau ada masalah yang menyebabkan
timbulnya cacat

150
Gambar 11.1. Batas Spesifikasi
Berapakah proporsi kesalahannya ?

Hal ini dapat dicari dengan menggunakan nilai standard normal (Z) untuk nilai USL dan LSL,
yaitu :
ZA = = 2,08
Dari tabel normal dapat diketahui bahwa 0,0188 atau 1,88% kesalahan atau cacat berada
diatas USL
ZB = = - 3,23
Dari tabel normal dapat diketahui bahwa 0,0006 atau 0,06% kesalahan atau cacat berada
dibawah LSL
BAB 12
SIX SIGMA DAN ANALISA KEMAMPUAN PROSES
DESKRIPSI
Six sigma pertama kali dikembangkan oleh perusahaan Motorola dalam hal untuk
151
mengatasi masalah yang terjadi di dalam persaingan produk yang sejenis. Para pesaing
mampu menghasilkan produk yang berharga yang dapat dijangkau konsumen dan mempunyai
kualitas baik. Hal ini menyebabkan para pakar Six Sigma mencari metode yang cocok dan
menerapkan pada proses produksi tersebut.
Six sigma mempunyai dua arti penting, Six Sigma sebagai sebagai sistem pengukuran
menggunakan Defect Per Million Oppurtunities (DPMO), yaitu merupakan ukuran yang baik
bagi kualitas produk maupun proses, sebab berkolerasi langsung dengan cacat, biaya dan
waktu yang terbuang. Six Sigma sebagai managemen dapat dikatakan bahwa Six Sigma tidak
dimiliki para pemimpin senior, ide-ide, solusi, penemuan proses, dan perbaikan-perbaikan yang
muncul, terjadi dari tingkat bawah dalam organisasi (level karyawan.
 Menerapkan teori-teori pengendalian kualitas Six Sigma.

2. Menganalisis sistem manajemen mutu yang lebih baik berdasarkan metode Six Sigma.
12.1 Sejarah Six Sigma

Pada awalnya, konsep Six Sigma di dalam industri diperkenalkan dan dipergunakan
pertama kali oleh salah satu perusahaan elektronik yang berada di Amerika Serikat, yaitu
Motorola Incorporated pada tahun 1979. Pada saat Motorola mengalami kesulitan besar dan
berada didalam bahaya karena kemampuan bersaing yang dimiliki perusahaan tertinggal cukup
jauh dari para pesaingnya, terutama perusahaan-perusahaan Jepang yang dapat menghasilkan
produk dengan kualitas yang lebih baik dengan harga yang lebih murah.
Maka pada tahun 1987, keluar sebuah pendekatan baru dari Motorola sebuah konsep
perbaikan yang inovatif yaitu metode SIX SIGMA. Six Sigma tidak muncul dalam sekejap,
idenya muncul dari konsep-konsep ilmu manajmen yang dikembangkan di Amerika Serikat
sampai terobosan manajemen Jepang, sampai usaha-usaha “Total Quality” pada tahun 1970-
an dan 1980-an. Namun pengaruh riilnya dapat terlihat dari gelombang perubahan dan hasil-
hasil positif yang menjalar di perusahaan-perusahaan seperti GE, Motorola, Johnson &
Johnson, dan American Express.
12.2. Pengertian Six Sigma

Kata sigma ( б ) merupakan sebuah huruf dalam bahasa Yunani yang merupakan
kependekan dari standar deviasi atau variabilitas dalam suatu proses. Six Sigma adalah suatu
target yang ditujukan untuk penerapan pada karakteristik yang kritis terhadap kualitas, bukan
152
terhadap produk secara keseluruhan. Sebagai contoh jika sebuah mobil yang digambarkan
sebagai “six sigma”, hal ini tidak berarti hanya 3,4 mobil yang rusak dari satu juta mobil. Tetapi
dengan Six Sigma berarti rata kesempatan untuk terjadinya cacat atas karakteristik yang kritis
terhadap kualitas adalah 3,4 cacat per satu juta kesempatan. Six sigma mempunyai dua arti
penting, sebagai filosofi managemen dan sebagai sistem pengukuran.
Six Sigma sebagai sebagai sistem pengukuran menggunakan Defect Per Million
Oppurtunities (DPMO). DPMO merupakan ukuran yang baik bagi kualitas produk maupun
proses, sebab berkolerasi langsung dengan cacat, biaya dan waktu yang terbuang. Tujuan dari
Six Sigma sebenarnya bukanlah sekedar mencapai tingkat kualitas Six Sigma (Six Sigma
Quality) yaitu 3,4 DPMO yang lebih penting lagi Six Sigma bertujuan untuk meningkatkan
profitabilitas dari perusahaan. Six Sigma memiliki nilai metrik yang akan dijadikan basis untuk
melihat perbaikan yang terjadi di perusahaan. Nilai metrik ini misalnya Defect Per Million
Oppurtunities (DPMO), sigma level, Capability Process, dan yang dampaknya langsung
langsung terasa pada bottom line adalah (COPQ) Cost Of Poor Quality (Harry dan Schroeder,
2000).
Six Sigma sebagai managemen dapat dikatakan bahwa Six Sigma tidak dimiliki para
pemimpin senior, ide-ide, solusi, penemuan proses, dan perbaikan-perbaikan yang muncul,
terjadi dari tingkat bawah dalam organisasi (level karyawan). Six Sigma berjuang untuk
meletakkan tanggung jawab lebih kepada karyawan yang telibat secara langsung dengan para
pelanggan. Six Sigma menggabungkan baik kepemimpinan yang kuat maupun semangat serta
keterlibatan dari bawahan.
Hingga saat ini Six Sigma merupakan metode peningkatan kualitas yang paling baik,
dapat kita lihat pada perbandingan setiap level sigma Tabel 12.1.
Tabel 12.1 Hubungan Level Sigma dengan DPMO
Sigma Level DPMO Yield ( % )
6 3,4 99,9997
5 233 99,977
4 6.210 99,379
3 66.807 93,32
2 308.537 69,2
1 690.000 31

153
Six Sigma Quality adalah suatu simbol sempurna yang sangat kuat yang secara absolut
tidak dapat dikompromikan dan merupakan ukuran terbaik yang telah diakui oleh dunia.
12.3. Ukuran–ukuran Six Sigma

Ukuran-ukuran dalam six sigma berkaitan dengan defect (cacat). Ukuran akhir yang
ingin diketahui adalah level sigma atau sigma quality level. Berikut ini adalah ukuran-ukuran Six
Sigma menurut Welch J.F. yang pada akhirnya diketahui level sigma:
 Unit (U)
Jumlah part, sub-assy atau sistem yang diukur atau diperiksa. Sebuah item yang sedang
diproses, atau produk atau jasa akhir yang sedang dikirim kepada pelanggan-sebuah mobil,
pinjaman hipotek, hotel stay, bank statement, dan sebagainya.
 Defect (cacat)
Segala sesuatu yang membuat customer tidak puas. Kegagalan untuk memenuhi
persyaratan pelanggan / kinerja standar – bak mesin bocor, penundaan dalam closing
pinjaman hipotek, hapusnya reservasi, statement error dan sebagainya.
 Defective (D)
Semua unit yang berisi sebuah defect. Dengan demikian, sebuah mobil dengan sembarang
defect, secara teknik sama defect dengan sebuah mobil dengan 15 defect.
 Opportunity (OP)
Karakteristik yang diperiksa atau diukur, dalam hal ini yang digunakan adalah Critical to
quality (CTQ). Karena sebagian besar produk atau jasa memiliki cacat. Jumlah peluang
cacat pada sebuah mobil, misalnya, mungkin labih dari 100. Ada tiga langkah utama dalam
menentukan jumlahopportunity yaitu:
 Membuat daftar pendahuluan dari jenis cacat.
 Menentukan yang mana actual defect, kritis bagi konsumen dan spesifik.
 Periksalah jumlah peluang yang diusulkan terhadap standar.
 Defect Per Unit (DPU)
Ukuran ini merefleksikan jumlah rata-rata dari defect, semua jenis, terhadap jumlah total unit
dari unit yang dijadikan sampel.
Total Opportunity (TOP)

154
 Defect Per Opportunity (DPO)

Menunjukan proporsi defect atas jumlah total peluang dalam sebuah kelompok.
 Defect Per Million Opportunity (DPMO)

Kebanyakan ukuran-ukuran peluang defect diterjemahkan ke dalam format DPMO, yang
mengindikasikan berapa banyak defect akan muncul jika ada satu juta peluang dalam
lingkungan pemanufakturan secara khusus, DPMO, seringkali disebut “PPM”, singkatan dari
“parts per million”
 Ukuran Sigma
 Tahapan Penerapan Six Sigma

Didalam Six Sigma terdapat Lima fase untuk menuju perbaikan, diantaranya yaitu:
Tentukan (Define), Ukur (Measure), Analisa (Analyze), Tingkatkan (Improvement) dan Kontrol
(Control) yaitu yang disebut konsep DMAIC yang akan digunakan dalam penelitian ini. Tahapan
ini merupakan tahapan yang berulang yang membentuk siklus peningkatkan Six Sigma Siklus
DMAIC dapat dilihat pada Gambar 13.1.

155
Gambar 12.2 Tahapan Siklus Six Sigma
Tahap-tahap Define, Measure, Analyze, Improve and Control (DMAIC) adalah sebagai
berikut :
a. Tahap Definisi (Define)
Tahap ini mendefinisikan masalah yang telah di identifikasikan sebelumnya menerapkan
tujuan yang akan dicapai. Keanggotaan yang terlibat didalam proyek Six Sigma serta asumsi
dan batasan yang digunakan.
 Memperoleh dukungan dan komitmen manajemen untuk melakukan proyek.
 Mendefinisikan kebutuhan spesifik pelanggan agar proyek mampu memenuhi dan

memberikan kepuasan total bagi pelanggan.
 Mendefinisikan tujuan peningkatkan kualitas yang terukur sepanjang waktu.
 Mendefinisikan serta menerapkan peran dan tanggung jawab orang-orang yang terlibat
di dalam proyek Six Sigma.
 Mendefinisikan kebutuhan dan melaksanakan pelatihan metodologi Six Sigma.
 Mendefinisikan kebutuhan sumber daya dan hambatan yang ada serta yang mungkin
dihadapi berkaitan infrastruktur dan lingkungan kerja.
 Mendefinisikan persyaratan output dan pelayanan yang merefleksikan kebutuhan

spesifikasi pelanggan.
 Mendefinisikan proses-proses kunci dan interaksi proses dengan pelanggan internal dan

156
eksternal.
Alat yang dapat digunakan dalam tahap ini antara lain :
a). Diagram Aliran Proses (Flow Chart Diagram)
Diagram aliran proses merupakan suatu representasi visual dari semua langkah-langkah
utama dalam proses dan menunjukan bagaimana langkah-langkah tersebut saling
berinteraksi satu dengan yang lain.
Diagram aliran proses digambarkan dengan simbol-simbol dan setiap orang
bertanggung jawab dalam urutan proses tersebut. Dapat dilihat pada Gambar 12.3.
Mulai atau berhenti
Keputusan
Kegiatan atau proses
Penghubung
kehalaman berikut
Gambar 12.3 Simbol dalam Diagram Alir
Diagram alir dapat membantu untuk dapat memahami proses yang lebih baik,
mengidentifikasi daerah kritis atau bermasalah dan mengidentifikasi perbaikan yang dapat
dilakukan. Salah satu proses yang besar mulailah dengan membuat aliran proses yang
detail dari kegiatan-kegiatan utama.
b). Diagram IPO ( Input- Process - Output)

Diagram IPO merupakan suatu representasi visual dari sebuah proses atau kegiatan.
Diagram ini memuat semua daftar karakteristik input dan output. Memetakan kebutuhan
customer serta sub proses yang terdapat didalamnya. Menurut Schmidt diagram ini sangat
bermanfaat dalam mendefinisikan suatu proses dan mengenali hubungan antara variabel
157
input dan respon.

Dalam membuat suatu diagram IPO, yang pertama dilakukan pilih suatu proses lay-out
tentukan outputnya ini biasanya disebut sebagai karakteristik kualitas dari suatu proses.
Dan biasanya output tersebut didefinisikan dari sudut pandang konsumen. Pertanyaan-
pertanyaan tersebut yang dapat menentukan bahwa proses ini baik atau buruk. Dari sisi
konsumen dapat dijadikan sebagai pertimbangan untuk menentukan output yang
diharapkan. Setelah memasukkan faktor-faktor yang diinginkan dari proses output baru
dikatakan faktor inputnya. Dan ini biasanya faktor input lebih banyak dari output. Contoh
diagram IPO dapat dilihat pada Gambar 12.4 di bawah.
INPUT (faktor) OUTPUT (respon)
Material
Mesin Lebih Baik

Deskripsi
Alam Lebih Cepat
Proses
Pengukuran Lebih Murah
Metode
Manusia
Gambar 12.4 Contoh Diagram Input-Process-Output
c). Penentuan Karakteristik Kualitas atau Critical To Quality (CTQ)

Dalam tahap definisi penentuan karakeristik-karakteristik kualitas atau Critical To Quality
(CTQ) sangatlah penting bagi kualitas produk. Maksud dari Critical To Quality (CTQ) adalah
karakteristik-karakteristik cacat yang mungkin terjadi pada produk yang menyebabkan
kualitas buruk tersebut menurun.
b. Tahap Pengukuran (Measure)

Tahap ini menegaskan masalah atau proses, membenarkan tujuan serta melakukan
pengukuran inti dan kinerja, diantaranya yaitu:
1. Menetapkan persyaratan-persyaratan karakteristik kualitas kunci yang berkaitan
langsung dengan kebutuhan spesifik pelanggan yang menjadi ruang lingkup Six Sigma.

158
2 Menetapkan rencana pengumpulan data termasuk pengendalian peralatan pengukuran

agar memperoleh data yang akurat bagi keperluan analisis.
3. Melakukan pengukuran terhadap karakteristik kualitas kunci pada tingkat input, proses,
output.
Penggunaan alat informasi pada penerapan sistem pengendalian kualitas sangat penting,
karena dengan demikian setiap tahapan proses pengendalian kualitas dapat dilihat baik
segi penyimpangan maupun pengambilan keputusan untuk menindak lanjuti suatu masalah.
Adapun alat untuk mengendalikan kualitas, yakni:
a). Diagram Pareto, merupakan suatu diagram yang dapat mengidentifikasi masalah yang
paling penting yang mempengaruhi usaha perbaikan kualitas dan memberikan petunjuk
dalam mengalokasikasikan sumber daya yang terbatas untuk menyelesaikan masalah.
Dengan kata lain diagram tersebut menunjukan persoalan-persoalan pada penelitian
dan menentukan persoalan yang lebih prioritas ditangani.
b). Histogram, merupakan alat sederhana untuk mengetahui distribusi data yang
dikumpulkan dan berbentuk grafik batang.
c). Lembar pengecekan (check sheet), merupakan alat sederhana untuk mengumpulkan
data yang berkaitan dengan sifat-sifat mutu yang ditetapkan apakah memenuhi standar
mutu atau tidak.
d). Diagram sebab akibat (fishbone diagram), merupakan diagram yang menentukan
penyebab timbulya persoalan dan dicari penyelesaiannya, diagram ini digambarkan
mirip seperti tulang ikan, sehingga sering disebut dengan diagram tulang ikan (fishbone
diagram).
e). Brainstorming, merupakan pemikiran kreatif tentang pemecahan suatu masalah, tanpa
melihat apakah yang diungkapkan itu masuk atau tidak.
f). Peta Kendali (control chart), merupakan peta atau grafik untuk mengetahui data
penelitian berada di dalam batas pengendalian (in-control) atau di luar batas
pengendalian (out-control), besarnya penyimpangan yang terjadi,serta langkah2x
perbaikan yang akan diambil.
g). Diagram pencar (scatter diagram), merupakan diagram yang digunakan untuk melihat
bentuk hubungan dari data variabel yang diamati, dan juga untuk membentuk fungsi
tertentu untuk memperoleh penyelesaian yang lebih cepat.
Daftar Pustaka :
159
1991.
Bandung, 1995.
BAB 13
160
SEVEN TOOLS
Mahasiswa dapat memehami konsep dan implementasi Seven Tools
1. Ishikaawa Diagram
2. Pareto Chart
3. Check sheet
4. Control Chart
5. Flor Chart
6. Histogram
7. Scatter Diagram
1. Alat dan Teknik Perbaikan Kualitas

Ada beberapa teknik dan alat yang sering digunakan dalam memperbaiki kondisi
perusahaan untuk dapat meningkatkan kualitas produk atau jasa yang dihasilkan. Teknik dan
alat tersebut dapat diklasifikasikan menjadi dua jenis menurut data yang digunakannya, yaitu:
Yang menggunakan data verbal, antara lain:
 Flowchart
Adalah gambaran skematik atau diagram yang menunjukkan seluruh langkah dalam
suatu proses dan menunjukkan bagaimana langkah itu saling berinteraksi satu dengan yang
lainnya.
 Brainstorming
Adalah cara untuk memacu pemikiran kreatif guna mengumpulkan ide-ide dari suatu
kelompok dalam waktu yang relatif singkat.
 Cause and Effect Diagram
Digunakan untuk menganalisis persoalan-persoalan dan faktor-faktor yang menimbulkan
persoalan tersebut. Lembar pengamatan adalah lembar yang digunakan untuk mencatat
data produk termasuk juga waktu pengamatan, permasalahan yang dicari dan jumlah cacat
pada setiap permasalahan.
 Affinity Diagram
Merupakan teknik yang sering menggunakan hasil dari brainstorming untuk
161
mengorganisasikan informasi sehingga mudah dipahami untuk mengadakan perbaikan

proses.
 Lembar Periksa (Check Sheet)

Adalah alat yang sering digunakan untuk menghitung seberapa sering sesuatu itu terjadi
dan sering digunakan dalam pengumpulan dan pencatatan data.
 Histogram
Merupakan diagram atau grafik batang yang digunakan sebagai alat sederhana untuk
mengetahui distribusi data yang dikumpulkan. Histogram adalah diagram batang yang
menunjukkan tabulasi dari data yang diatur berdasarkan ukurannya. Tabulasi data ini
umumnya dikenal sebagai distribusi frekuensi. Histogram menunjukkan karakteristik-
karakteristik dari data yang dibagi-bagi menjadi kelas-kelas. Pada histogram frekuensi,
sumbu x menunjukkan nilai pengamatan dari tiap kelas. Histogram dapat berbentuk
“normal” atau berbentuk seperti lonceng yang menunjukkan bahwa banyak data yang
terdapat pada nilai rata-ratanya. Bentuk histogram yang miring atau tidak simetris
menunjukkan bahwa banyak data yang tidak berada pada nilai rata-ratanya tetapi
kebanyakan datanya berada pada batas atas atau bawah. Fungsi dari histogram adalah
sebagai berikut:
 Menentukan apakah suatu produk dapat diterima atau tidak.
 Menentukan apakah proses produk sudah sesuai atau belum.
 Menentukan apakah diperlukan langkah-langkah perbaikan.
 Diagam pareto
Digunakan untuk membandingkan berbagai kategori kejadian yang disusun menurut

ukurannya untuk menentukan pentingnya atau prioritas kategori kejadian-kejadian
sebab-sebab kejadian yang akan dianalisis, sehingga kita dapat memusatkan perhatian
pada sebab-sebab yang mempunyai dampak terbesar terhadap kejadian tersebut.
Diagram pareto pertama kali diperkenalkan oleh Alfredo Pareto dan digunakan pertama
kali oleh Joseph Juran. Fungsi diagram pareto adalah untuk mengidentifikasi atau
menyeleksi masalah utama untuk peningkatan kualitas. Diagram ini menunjukkan
seberapa besar frekuensi berbagai macam tipe permasalahan yang terjadi dengan
daftar masalah pada sumbu x dan jumlah/frekuensi kejadian pada sumbu y. Kategori
masalah diidentifikasikan sebagai masalah utama dan masalah yang tidak penting.
162
Prinsip Pareto adalah 80 % masalah (ketidaksesuaian atau cacat) disebabkan oleh 20

% penyebab. Prinsip Pareto ini sangat penting karena prinsip ini mengidentifikasi
kontribusi terbesar dari variasi proses yang menyebabkan performansi yang jelek seperti
cacat. Pada akhirnya, diagram pareto membantu pihak manajemen untuk secara cepat
menemukan permasalahan yang kritis dan membutuhkan perhatian secepatnya
sehingga dapat segera diambil kebijakan untuk mengatasinya.
 Diagram sebab akibat atau tulang ikan (fish bone)
Untuk menemukan penyebab faktor-faktor timbulnya persoalan serta apa akibatnya.

Diagram ini penting untuk mengidentifikasi secara tepat hal-hal yang menyebabkan
persoalan kemudian mencoba menanggulanginya. Diagram sebab akibat juga disebut
Ishikawa Diagram karena diagram ini diperkenalkan oleh Dr. Kaoru Ishikawa pada tahun
1943. Diagram ini terdiri dari sebuah panah horizontal yang panjang dengan deskripsi
masalah. Penyebab-penyebab masalah digambarkan dengan garis radial dari garis
panah yang menunjukan masalah. Kegunaan dari diagram sebab akibat adalah:
 Menganalisis sebab dan akibat suatu masalah.
 Menentukan penyebab permasalahan.
 Menyediakan tampilan yang jelas untuk mengetahui sumber-sumber variasi.
 Pengelompokan (Stratifikasi)
Untuk mengelompokkan obyek permasalahan dimana hal-hal yang serupa dapat
dikelompokan menjadi satu sehingga arah pemecahannya menjadi jelas dan lebih mudah.
 Peta Kendali (Control Chart)

Untuk melihat sejauh mana proses produksi berada dalam pengendalian. Dengan demikian
apabila ada penyimpangan akan dengan mudah diketahui sehingga dapat segera diambil
langkah-langkah perbaikan. Stratifikasi adalah suatu upaya untuk mengurai atau
mengklasifikasi persoalan menjadi kelompok atau golongan sejenis yang lebih kecil atau
menjadi unsur-unsur tunggal dari persoalan. Grafik pengendali adalah suatu alat yang
secara grafis digunakan untuk memonitor apakah suatu aktivitas dapat diterima sebagai
proses yang terkendali. Grafik pengendali terkadang disebut dengan Shewhart control
charts karena grafik ini pertama kali dibuat oleh Walter A. Shewhart. Nilai dari karekterisik
kualitas yang dimonitor, digambarkan sepanjang sumbu y, sedangkan sumbu x
menggambarkan sampel atau subgroup dari karakteristik kualitas tersebut. Sebagai contoh
163
karakteristik kualitas adalah panjang rata-rata, diameter rata-rata, dan waktu pelayanan
rata-rata. Semua karakteristik tersebut dinamakan variabel dimana nilai numeriknya dapat
diketahui. Sedangkan atribut adalah karakteristik kualitas yang ditunjukkan dengan jumlah
produk cacat, jumlah ketidaksesuaian dalam satu unit, serta jumlah cacat per unit. Terdapat
tiga garis pada grafik pengendali. Center line atau garis tengah adalah garis yang
menunjukkan nilai rata-rata dari karakteristik kualitas yang diplot pada grafik. Upper limit
control atau batas pengendali atas dan lower limit control atau batas pengendali bawah
digunakan untuk membuat keputusan mengenai proses. Jika terdapat data yang berada di
luar batas pengendali atas dan batas pengendali bawah serta pada pola data tidak acak
atau random maka dapat diambil kesimpulan bahwa data berada di luar kendali statistik.
 Diagram Pencar (Scatter Diagram)

Untuk melihat bentuk hubungan (korelasi) dari dua macam data variabel yang diamati
diwujudkan sebagai koefisien korelasi yang ditunjukkan oleh keeratan hubungan antara dua
variabel tersebut, sekaligus dapat digunakan untuk membangun suatu fungsi yang sesuai
untuk memperoleh pemecahan yang lebih akurat. Scatter diagram adalah grafik yang
menampilkan hubungan antara dua variabel apakah hubungan antara dua variabel tersebut
kuat atau tidak yaitu antara faktor proses yang mempengaruhi proses dengan kualitas
produk. Pada sumbu x terdapat nilai dari variabel independen, sedangkan pada sumbu y
menunjukkan nilai dari variabel dependen
Selain itu teknik yang dilakukan pun ada dua pilihan yaitu, pemeriksaan 100% yang berarti
perusahaan menguji semua bahan baku yang datang, seluruh produk selama masih dalam
proses atau seluruh produk jadi yang telah dihasilkan. Atau dengan menggunakan teknik
sampling, yaitu menguji hanya pada sebagian produk yang diambil secara random sebagai
sampel pengujian.
2. Pengertian Seven Tools

Seven tools adalah tujuh alat perbaikan mutu yang digunakan pada kegiatan siklus
quality control.
164
Tujuh Alat Dasar Quality Management merupakan pendekatan yang sangat praktis dan
sangat mudah untuk diimplemantasikan, sehingga sangat layak untuk digunakan di tingkat
pelaksana. Pada level yang lebih tinggi, pemecahan masalah tidak sekedar pada masalah yang
sudah jelas diketahui, tetapi juga terhadap potensi masalah, atau terhadap kemungkinan akan
munculnya masalah dari suatu program. Tujuh alat baru ini merupakan jawaban atas tuntutan di
atas.
3. Pengendalian Proses Statistik (Statistical Process Control)
Statistik adalah seni pengambilan keputusan tentang suatu proses atau populasi
berdasarkan suatu analisis informasi yang terkandung didalam suatu sampel dari populasi itu.
Metode statistik memainkan peranan penting dalam jaminan kualitas. Metode statistik itu
memberikan cara – cara pokok dalam pengambilan sampel produk, pengujian serta evaluasinya
dan informasi didalam data itu digunakan untuk mengendalikan dan meningkatkan proses
pembuatan. Lagipula statistik adalah bahasa yang digunakan oleh insinyur pengembangan,
pembuatan, pengusahaan, manajemen, dan komponen – komponen fungsional bisnis yang lain
untuk berkomunikasi tentang kualitas. (Montgomery, 1993)
Untuk menjamin proses produksi dalam kondisi baik dan stabil atau produk yang
dihasilkan selalu dalam daerah standar, perlu dilakukan pemeriksaan terhadap titik origin dan
hal-hal yang berhubungan, dalam rangka menjaga dan memperbaiki kualitas produk sesuai
dengan harapan. Hal ini disebut Statistical Process Control (SPC).
Dalam pengendalian proses statistik dikenal adanya “seven tools”. Seven tools dari
pengendalian proses statistik ini adalah metode grafik paling sederhana untuk menyelesaikan
masalah. Seven tools tersebut adalah:
 Lembar pengamatan (check sheet)
 Stratifikasi (run chart)
 Histogram
 Grafik kendali (control chart)
 Diagram pareto
 Diagram sebab akibat (cause and effect diagram)
 Affinity Diagram

165
3.1. Lembar Pengamatan (Check Sheet)
Lembar pengamatan adalah lembar yang digunakan untuk mencatat data produk
termasuk juga waktu pengamatan, permasalahan yang dicari dan jumlah cacat pada setiap
permasalahan.
 Alat pengumpulan/ penyajian data sederhana
 Proses penyusunan :
 Rancang pemilahan
 Catat data yang sesuai
 Tabulasikan
3.2.Stratifikasi (Run Chart)
Stratifikasi adalah suatu upaya untuk mengurai atau mengklasifikasi persoalan menjadi
kelompok atau golongan sejenis yang lebih kecil atau menjadi unsur-unsur tunggal dari
persoalan.
 Perangkat untuk pemilahan masalah
 Menetapkan tujuan analisis
 Menetapkan jenis data yang dibutuhkan
 Tetapkan klasifikasi data
 Susun tabel rancangan pengumpulan data
 Isi hasil rancangan dengan check sheet
3.3. Histogram
Histogram adalah diagram batang yang menunjukkan tabulasi dari data yang diatur
berdasarkan ukurannya. Tabulasi data ini umumnya dikenal sebagai distribusi frekuensi.
Histogram menunjukkan karakteristik-karakteristik dari data yang dibagi-bagi menjadi kelas-
kelas. Pada histogram frekuensi, sumbu x menunjukkan nilai pengamatan dari tiap kelas.

166
Histogram dapat berbentuk “normal” atau berbentuk seperti lonceng yang menunjukkan bahwa
banyak data yang terdapat pada nilai rata-ratanya. Bentuk histogram yang miring atau tidak
simetris menunjukkan bahwa banyak data yang tidak berada pada nilai rata-ratanya tetapi
kebanyakan datanya berada pada batas atas atau bawah.
Fungsi dari histogram adalah sebagai beriku
 Menentukan apakah suatu produk dapat diterima atau tidak.
 Menentukan apakah proses produk sudah sesuai atau belum.
 Menentukan apakah diperlukan langkah-langkah perbaikan.
 Alat penyajian data secara visual
 Perhatikan check sheet
 Gambarkan tiap masalah
 Perhatikan modus
 Gambaran bentuk distribusi (cacah) karakteristik mutu yang dihasilkan oleh data
yang dikumpulkan melalui check sheet
Gambar 13.1. Histogram
3.5. Grafik Kendali (Control Chart)

167
Grafik pengendali adalah suatu alat yang secara grafis digunakan untuk memonitor
apakah suatu aktivitas dapat diterima sebagai proses yang terkendali. Grafik pengendali
terkadang disebut dengan Shewhart control charts karena grafik ini pertama kali dibuat oleh
Walter A. Shewhart. Nilai dari karekterisik kualitas yang dimonitor, digambarkan sepanjang
sumbu y, sedangkan sumbu x menggambarkan sampel atau subgroup dari karakteristik kualitas
tersebut. Sebagai contoh karakteristik kualitas adalah panjang rata-rata, diameter rata-rata, dan
waktu pelayanan rata-rata.
Semua karakteristik tersebut dinamakan variabel dimana nilai numeriknya dapat

diketahui. Sedangkan atribut adalah karakteristik kualitas yang ditunjukkan dengan jumlah
produk cacat, jumlah ketidaksesuaian dalam satu unit, serta jumlah cacat per unit. Terdapat tiga
garis pada grafik pengendali. Center line atau garis tengah adalah garis yang menunjukkan nilai
rata-rata dari karakteristik kualitas yang diplot pada grafik. Upper limit control atau batas
pengendali atas dan lower limit control atau batas pengendali bawah digunakan untuk membuat
keputusan mengenai proses. Jika terdapat data yang berada di luar batas pengendali atas dan
batas pengendali bawah serta pada pola data tidak acak atau random maka dapat diambil
kesimpulan bahwa data berada di luar kendali statistik. Peta kendali adalah peta yang
menunjukkan batas-batas yang dihasilkan oleh suatu proses dengan tingkat kepercayaan
tertentu.
PETA KENDALI
12
10
tingkat mutu
lower control limit

8 central line
6 upper control limit
4 data
2
0
1 2 3 4 5 6 7 8 9 10
waktu
Gambar 13.2. Peta Kendali
Tetapkan ukuran dari subgrup (kelompok data), n = 4 dan juga jumlah sub grup yang akan

168
dianalisis : N = 25
 Kumpulkan data pengamatan, catat: lihat tabel contoh!
 Hitung harga rata-rata setiap subgrup, dan juga harga R:
.x = ij/n ; Ri = (harga maks – min) I
 Hitung grand average :
.x = xi /N
R = Ri/N
3.6. .Diagram Pareto
Diagram pareto pertama kali diperkenalkan oleh Alfredo Pareto dan digunakan pertama
kali oleh Joseph Juran. Fungsi diagram pareto adalah untuk mengidentifikasi atau menyeleksi
masalah utama untuk peningkatan kualitas. Diagram ini menunjukkan seberapa besar frekuensi
berbagai macam tipe permasalahan yang terjadi dengan daftar masalah pada sumbu x dan
jumlah/frekuensi kejadian pada sumbu y.
Kategori masalah diidentifikasikan sebagai masalah utama dan masalah yang tidak
penting. Prinsip Pareto adalah 80 % masalah (ketidaksesuaian atau cacat) disebabkan oleh 20
% penyebab. Prinsip Pareto ini sangat penting karena prinsip ini mengidentifikasi kontribusi
terbesar dari variasi proses yang menyebabkan performansi yang jelek seperti cacat. Pada
akhirnya, diagram pareto membantu pihak manajemen untuk secara cepat menemukan
permasalahan yang kritis dan membutuhkan perhatian secepatnya sehingga dapat segera
diambil kebijakan untuk mengatasinya.
 Perangkat penentu prioritas masalah

 Lihat histogram
 Cari masalah yang mempunyai frekuensi terbanyak
 Hubungkan kumulatifnya
Diagram pareto merupakan proses dalam membuat peringkat untuk membandingkan

berbagai klasifikasi atau kategori kejadian yang disusun menurut ukurannya. Tujuannya adalah
untuk menentukan kategori yang dijadikan prioritas sebab-sebab kejadian yang akan dianalisis,
sehingga kita dapat memusatkan perhatian pada sebab-sebab yang mempunyai dampak

169
terbesar terhadap kejadian tersebut. Pada dasarnya diagram pareto dapat digunakan sebagai
alat interpretasi, yaitu :
 Untuk menentukan frekuensi relatif dan urutan pentingnya masalah-masalah atau
penyebab-penyebab yang ada.
 Untuk memfokuskan perhatian pada isu-isu kritis dan penting melalui pembuatan
ranking terhadap masalah dan penyebab dari masalah itu dalam bentuk yang signifikan.
Diagram ini harus digunakan pada berbagai tahap dalam suatu program peningkatan
kualitas untuk menentukan langkah mana yang harus diambil berikutnya. Langkah-langkah
dalam melakukan analisis diagram pareto, yaitu:
 Tentukan klasifikasi atau kategori kejadian untuk pembuatan grafik. Informasi dapat diambil
atau dirancang dari data lembaran pemeriksaan dan lembaran buku harian.
 Tentukan kejadian total misalnya proporsi kecacatan, jenis kecacatan, tingkat kecacatan
dan lain-lain.
 Hitung jumlah cacat pada setiap klasifikasi dan hitung jumlah cacat komulatif dengan
menambah jumlah setiap klasifikasi sebelumnya.
 Hitung persentase untuk setiap klasifikasi dengan cara membagi jumlah cacat dengan
keseluruhan total dan dikalikan dengan 100, kemudian hitung persentase komulatif dengan
menambah jumlah presentase setiap klasifikasi sebelumnya.
 Urutkan peringkat dan kejadian total terbesar sampai terkecil.
 Buat bagan diagram dengan sumbu vertikal kiri atau horizontal bawah bernilai 0 sampai
sedikitnya total keseluruhan.
 Beri label pada sumbu vertikal dengan nama proporsi kecacatan dan sumbu horizontal
dengan nama klasifikasi kecacatan. Klasifikasi paling kiri harus lebih tinggi sesuai dengan
data yang telah diurutkan.
 Gambar dalam batang mewakili setiap klasifikasi kecacatan.
 Gambar suatu garis menunjukkan kolom komulatif dari tabel diagram pareto.
3.7. Diagram Sebab Akibat (Cause and Effect Diagram)
Diagram sebab akibat juga disebut Ishikawa Diagram karena diagram ini diperkenalkan
oleh Dr. Kaoru Ishikawa pada tahun 1943. Diagram ini terdiri dari sebuah panah horizontal yang
panjang dengan deskripsi masalah. Penyebab-penyebab masalah digambarkan dengan garis
radial dari garis panah yang menunjukan masalah. Kegunaan dari diagram sebab akibat
170
adalah:
 Menganalisis sebab dan akibat suatu masalah.
 Menentukan penyebab permasalahan.
 Menyediakan tampilan yang jelas untuk mengetahui sumber-sumber variasi.
 Alat analisis sebab sebab suatu masalah

 Pilih masalah terpenting
 Tetapkan sebab-sebab utama (orang, alat, metoda, bahan)
 Jabarkan cabang dari setiap sebab serinci mungkin
 Bila mungkin, juga untuk ranting sebab.
 Disebut juga fishbone diagram, karena menyerupai bentuk susunan tulang ikan.
Digunakan untuk mencari semua unsur penyebab yang diduga dapat
menimbulkan masalah tersebut
Gambar 13.3. Diagram Sebab Akibat
Diagram sebab akibat atau fish bone adalah salah satu alat yang dapat membantu
memecahkan masalah dengan mengidentifikasikan klasifikasi atau kategori yang lebih fokus
dengan sebab-sebab yang mempengaruhi suatu karakteristik kualitas tertentu.
Langkah-langkah pembuatan diagram sebab akibat, yaitu:
171
 Tentukan fokus masalah yang akan dianalisis. Gambarkan panah dengan kotak di ujung
kanannya dan tulis masalah yang akan dianalisis.
 Cari faktor utama yang berpengaruh atau mempunyai akibat dari masalah tersebut. Tuliskan
dalam kotak yang telah dibuat di atas dan di bawah panah yang telah dibuat.
 Cari lebih lanjut faktor-faktor sekunder yang lebih terinci dan berpengaruh akibat dari faktor
utama tersebut, kemudan tulis di dekat panah yang menghubungkan dengan penyebab
utamanya.
 Dari diagram yang sudah lengkap, carilah penyebab-penyebab utama dengan menganalisa
data-data yang ada.
 Hitunglah persentase untuk faktor-faktor yang berpengaruh terhadap masalah tesebut.
3.8. . Affinity Diagram

Suatu masalah apabila keadaan normatif tidak dapat tercapai. Secara sederhana,
persoalan didefinisikan sebagai suatu keadaan dimana keinginan tidak cocok dengan
kenyataan.
Masalah dapat digolongkan ke dalam tiga jenis :

1. Masalah yang jelas pemecahannya (deterministik) atau programmable
2. Masalah yang tidak jelas pemecahannya, sehingga sebelumnya kita tidak dapat
menentukan tindakan apa yang akan diambil (non programmable)
3. Masalah yang tidak jelas, karena terlalu kompleks atau penuh kontradiktif. Akibatnya
pemecahan masalah tidak dapat diketahui secara pasti, tergantung pada sejauh mana
masalah dapat dikenali (unstructured)
Untuk masalah-masalah yang pemecahannya pasti, berbagai metoda kuantitatif sudah
dikenal seperti penggunaan teknik-teknik operation research.
rasion
al
empiris
Pemecaha
n masalah 172
feeling
GambAr 13.4. Afiniti Diagram
Untuk persoalan yang membutuhkan judgement di atas, metoda KJ digunakan sebagai

alat pengendali mutu untuk tingkat manajemen. Metoda KJ (Kawakita Jiro) – Affinity Diagram
digunakan untuk persoalan yang tidak mengandung kepastian, baik dalam rumusan
masalahnya maupun dalam pemecahannya.
Dengan ciri di atas, metoda KJ digunakan untuk:

1. Mempelajari dan merumuskan masalah
2. Memperkirakan masalah yang mungkin terjadi pada masa mendatang
3. Merumuskan tindakan perbaikan.
Metoda KJ digunakan dengan dasar pemikiran sebagai berikut:

1. Menggunakan perasaan (feeling) yang dimiliki oleh orang yang mempunyai banyak
pengalaman.
2. Karena persoalan yang dihadapi tidak jelas atau pemecahannya tidak terprogram, maka
diperlukan pikiran banyak orang.
Untuk masalah yang tidak sagat/ terlalu sukar (atau tidak terlalu mudah), pemecahan
masalah oleh bnayk orang lebih efektif dibandingkan bila dilakukan oleh satu orang. Metoda KJ
memanfaatkan kelebihan dari pemecahan masalah kelompok (group decision making) ini.
KETELITIAN
173
WAKTU
EFEKTIFITAS
Gambar 13.5. Bagan Efektivitas
Metoda KJ dilakukan dengan mekanisme sebagai berikut :

1. Menetapkan anggota kelompok (TKM/PKM)
2. Menetapkan tujuan pembahasan; sebagai contoh antara lain:
 Memperkirakan situasi yang akan terjadi di masa yang akan datang, dimana sistem
sebabnya tidak dapat ditelusuri.
 Menetapkan kriteria penilaian baru yang belum mempunyai pembakuan sebelumnya
 Melakukan pendugaan-pendugaan mengenai akibat dari suatu tindakan atau policy
tertentu, yang belum terjadi sebelumnya.
 Mengembangkan alternatif-alternatif pemecahan masalah yang dihadapi, dengan
mempertimbangkan dampak yang akan terjadi.
3. Memberikan kesempatan kepada setiap anggota kelompok untuk memikirkan gagasan-
gagasan dan menuliskan setiap gagasan dalam satu kartu (sebesar kartu bridge) untuk
dikumpulkan.
4. Mengumpulkan kartu-kartu yang berisi gagasan yang sejenis, dan menghilangkan duplikasi
gagasan.
5. Memberikan kategori (nama) atas setiap gabungan gagasan, dan mengklasifikasi gagasan
setiap kategori dalam hubungan induk cabang.
Contoh:
Meningkatkan volume
penjualan
Meningkatkan promosi Memperluas wilayah

pemasaran 174
Gambar 13.6. Contoh Upaya Peningkatan Volume Penjualan
1. Merumuskan hubungan antara setiap kategori gagaan antara gagasan satu dengan
gagasan yang lainnya.
2. Melanjutkan analisis dengan mempergunakan tools of analysis yang lain (Relationship
Diagram)
Daftar Pustaka.
Excerpted from Nancy R. Tague’s The Quality Toolbox, Second Edition, ASQ Quality Press,
2004,
ABBOT, W.H.: “Probability Chart,” Wendell. Abbott, St. Petersburg, Fla., 1962
AMERICAN SOCIETY FOR QUALITY CONTROL: “Annual Convention Transaction.”
BAB 14
PDCA CYCLE
Mahasiswa dapat memahami konsep PDCA Cycle dalam pengendalian kualitas
 Konsep PDCA Cycle
 Implementasoi Plan
 Implementasi Do
 Implementasi Check
 Implementasi Act
 Integrasi PDCA Cycle
1. Konsep PDCA Cycle

Konsep PDCA cycle pertama kali diperkenalkan oleh Walter Shewhart pada tahun 1930
175
yang disebut dengan “Shewhart cycle“. Selanjutnya konsep ini dikembangkan oleh Dr. Walter
Edwards Deming yang kemudian dikenal dengan ” The Deming Wheel”. PDCA cycle berguna
sebagai pola kerja dalam perbaikan suatu proses atau system. W. Edwards Deming di tahun
1950 diusulkan proses bisnis yang harus dianalisis dan diukur untuk mengidentifikasi sumber
yang menyebabkan variasi produk untuk menyimpang dari persyaratan pelanggan. Dia
direkomendasikan proses bisnis yang ditempatkan di suatu lingkaran umpan balik sehingga
manajer dapat mengidentifikasi dan mengubah bagian dari proses yang membutuhkan
perbaikan. Sebagai guru, Deming membuat (agak oversimplified) diagram untuk
mengilustrasikan proses ini, dikenal sebagai siklus PDCA untuk Plan, Do, Check, Act.
Plan, Do, Check, merupakan sebuah proses sederhana untuk terus mendukung peningkatan
kea rah perbaikan.
Gambar 14.1 PDCA Cycle 1
2. Plan (Merencana)
Transformasi harus dilakukan dengan upaya diarahkan. Kegagalan untuk

merencanakan masa depan dan untuk forsee telah membawa masalah mengenai limbah dari ...
 manpower tenaga kerja

176
 materials bahan
 machinery mesin
 time waktu
Kegagalan ini menimbulkan biaya sistem tanpa menambahkan nilai. Konsumen tidak selalu
bersedia untuk membayar untuk mensubsidi sampah ini. Hasilnya adalah yang tak kehilangan
pasar. Plan meliputi Kegiatan :
a. Mengidentifikasi output pelayanan, siapa pengguna jasa pelayanan, dan harapan pengguna
jasa pelayanan tersebut melalui analisis suatu proses tertentu.
b. Mendeskripsikan proses yang dianalisis saat ini
 Pelajari proses dari awal hingga akhir, identifikasi siapa saja yang terlibat dalam prose
tersebut.
 Teknik yang dapat digunakan : brainstorming
c. Mengukur dan menganalisis situasi tersebut
 Menemukan data apa yang dikumpulkan dalam proses tersebut
 Bagaimana mengolah data tersebut agar membantu memahami kinerja dan dinamika
proses
 Teknik yang digunakan : observasi
 Mengunakan alat ukur seperti wawancara
d. Fokus pada peluang peningkatan mutu
 Pilih salah satu permasalahan yang akan diselesaikan
 Kriteria masalah : menyatakan efek atas ketidakpuasan, adanya gap antara kenyataan
dengan yang diinginkan, spesifik, dapat diukur.
e. Mengidentifikasi akar penyebab masalah
 Menyimpulkan penyebab
 Alat yang digunakan : fish bone analysis ishikawa
f. Menemukan dan memilih penyelesaian
 Mencari berbagai alternatif pemecahan masalah

177
3. Do (Melaksanakan)
a. Merencanakan suatu kualitas produk uji coba
 Merencanakan sumber daya manusia, sumber dana, dan sebagainya.
 Merencanakan rencana kegiatan (plan of action)
b. Melaksanakan Pilot Project
Pilot Project dilaksanakan dalam skala kecil dengan waktu relatif singkat (± 2 minggu)
4. Check (Memeriksa)
a. Evaluasi hasil kualitas produk
 Bertujuan untuk efektivitas kualitas produk tersebut
 Membandingkan target dengan hasil pencapaian kualitas produk (data yang

dikumpulkan dan teknik pengumpulan data harus sama)
 Target yang ingin dicapai 80%
 Teknik yang digunakan: observasi dan survei
 Alat yang digunakan: kamera dan kuisioner
b. Membuat kesimpulan kualitas produk
 Hasil menjanjikan namun perlu perubahan
 Jika kualitas produk gagal, cari penyelesaian lain
 Jika kualitas produk berhasil, selanjutnya dibuat rutinitas
5. Action (Melaksanakan Hasil Check)

178
a Standarisasi perubahan
 Pertimbangkan area mana saja yang mungkin diterapkan
 Revisi proses yang sudah diperbaiki
 Modifikasi standar, prosedur dan kebijakan yang ada
 Komunikasikan kepada seluruh staf, pelanggan dan suplier atas perubahan yang
dilakukan.
 Lakukan pelatihan bila perlu
 Mengembangkan rencana yang jelas
 Dokumentasikan kualitas produk
b. Memonitor perubahan
 Melakukan pengukuran dan pengendalian proses secara teratur
6. Integrasi PDCA Cycle
Deming's siklus PDCA dapat digambarkan sebagai berikut:
Gambar 14.2. PDCA Cycle 1
Deming berfokus's adalah pada proses produksi industri, dan tingkat perbaikan yang dia
dicari pada tingkat produksi Modern di pos-perusahaan industri, jenis ini masih diperlukan
perbaikan tetapi nyata kinerja driver sering terjadi pada tingkat strategi bisnis. Strategis
penyebaran adalah proses lain, tetapi memiliki relatif lebih lama karena variasi istilah-

179
perusahaan besar tidak dapat mengubah sebagai cepat sebagai unit usaha kecil. Masih, inisiatif
strategis dan harus dapat dimasukkan ke dalam satu lingkaran umpan balik, lengkap dengan
ukuran-ukuran dan perencanaan yang terkait dalam siklus PDCA. Untuk menunjukkan
hubungan antara unit bisnis strategis untuk proses proses, kami dapat dibagi dua siklus PDCA
Diurutkan Digabung:
Gambar 14.3. PDCA Cycle -Do
Ini 'roda dalam roda' menjelaskan hubungan antara manajemen strategis dan unit usaha
yang besar dalam manajemen perusahaan. Sebenarnya ada beberapa unit bisnis terpisah,
tentu saja, masing-masing dengan serangkaian metrik, tujuan, sasaran dan inisiatif. Tetapi
angka ini memperlihatkan bahwa ide bisnis kegiatan DO merupakan bagian dari upaya strategis
secara keseluruhan.
* Catatan: siklus PDCA ini sebenarnya awalnya dikembangkan oleh Walter A, Shewhart, yang
Laboratorium Bell ilmuwan yang telah Deming's teman dan penasihat, dan pengembang
Statistik Proses Control (SPC) pada akhir tahun 1920. Jadi ini kadang-kadang disebut yang
"Siklus Shewhart". Ada juga beberapa variasi baru pada konsep ini.
Dalam PDCA ada rekomendasi yang berbunyi “3 langkah untuk perencanaan, 1 langkah
untuk pelaksanaan”. Rekomendasi ini sering disalah artikan dan diterjemahkan secara harafiah
sebagai “waktu yang dibutuhkan untuk perencanaan 3 kali lebih lama dibanding pelaksanaan”.
Akibatnya, orang sering menganggap kegiatan perencanaan adalah kegiatan yang membuang-
buang waktu dan tidak pragmatis. Untuk mengurangi kesalah pahaman ini, lebih tepat jika

180
rekomendasi ini dibaca sebagai “Jika Anda telah memilih suatu rencana, pikirkan sekali lagi dan
sekali lagi agar dalam pelaksanaanya tidak perlu dua kali”.
Secara implicit, dalam kaitannya dengan pemilihan kontrol pengamanan, rekomendasi

ini meminta kita untuk menetapkan bentuk kontrol yang benar-benar realistis dan benar-benar
akan mampu diterapkan. Pemilihan kontrol yang realistis, dengan memasukkan kegiatan
evaluasi dan perbaikan secara terus menerus, akan jauh lebih baik. Juga, akan menghasilkan
tingkat kesuksesan yang lebih tinggi dibanding keinginan untuk menerapkan keadaan ‘ideal'
dalam satu waktu tanpa mempertimbangkan sumber daya manusia, waktu dan dana.
 Sekali lagi, manajemen keamanan sistem informasi yang hanya bertumpu pada
fase “Do” hanya menimbulkan sinisme dari kalangan non IT. Management by adhoc seperti
ini, sering bermuara pada investasi tanpa hasil. D bukan lagi singkatan “Do” tetapi “Default”
istilah dalam keuangan, terutama dalam risiko kredit, yang berarti ketidakmampuan untuk
memenuhi kewajiban (membayar hutang); suatu risiko terbesar yang dihadapi kreditor
Empat-langkah proses PDCA juga dikenal sebagai siklus Deming, siklus Shewhart, atau
rencana-melakukan-studi-perbuatan (PDSA). yang kemudian diubah ke Rencana Studi Apakah
Undang-undang (PDSA), sejak "belajar" dijelaskan lebih baik daripada tindakan itu
dimaksudkan "memeriksa."
Sebuah Terpadu Excellence Enterprise (IEE) sistem berjalan Selain Lean Six Sigma dan
Kad Markah seimbang. Dalam pelaksanaan kualitas produk IEE, pasif analisis data dan / atau
Rancangan Percobaan (DOE) dapat langsung menuju ke sebuah solusi yang tahan lama.
Namun, ada situasi ketika sebuah solusi yang tidak jelas dan kebutuhan pengetahuan yang
bisa diperoleh melalui lebih dari waktu berulang-denda-substansi proses. Untuk jenis situasi ini,
solusi yang dapat dikembangkan melalui reiteratively yang melaksanakan siklus PDCA. Bila
digunakan dalam tahap perbaikan dari Lean Six Sigma Kualitas produk-Menetapkan Ukur-
Menganalisis-Meningkatkan-Control (DMAIC-P), penilaian perubahan di kaki-30000-kualitas
produk tingkat respons dapat dianggap bagian dari PDCA memeriksa langkah.
PDCA proses yang juga dapat digunakan untuk pembangunan untuk solusi Enterprise
Menetapkan proses-Mengukur-Menganalisis-Meningkatkan-Control (E-DMAIC) meningkatkan
tahap-Bisnis Proses Peningkatan Acara (BPIE). Aplikasi situasi ini mungkin tidak memiliki link
langsung ke tombol kinerja kaki-30000-tingkat metrik. Namun, konsensus umum yang dapat
real-time proses perbaikan diperlukan untuk bisnis kawasan tertentu, yang secara tidak
langsung dapat mempengaruhi lain kunci bisnis metrik. Untuk situasi ini, individu atau tim dapat

181
melakukan PDCA struktur untuk melakukan perbaikan. PDCA yang juga dapat digunakan
dalam Desain Terpadu Excellence Enterprise (DIEE) untuk proses pembangunan.
PDCA pelaksanaan model yang langkah, yang dapat dimanfaatkan dalam meningkatkan
tahapan-P DMAIC atau E-DMAIC dan DIEE proses pembangunan, adalah:
Rencana: Rencana perubahan dan tes untuk menentukan apakah proses modifikasi
yang bermanfaat.
Apakah: Penerapan perubahan dan tes dalam skala kecil.
Periksa atau studi: Menilai hasil pengujian untuk menentukan apa yang dipelajari.
Jelaskan apa yang terjadi kanan, apa yang terjadi salah, dan seberapa baik perubahan bekerja.
J-30000-kaki tingkat kontrol grafik dan uji statistik dapat memberikan penilaian kuantitatif
bagaimana mengubah berdampak pada proses output.
Undang-undang: Menentukan apakah untuk mengadopsi perubahan, memutuskan

perubahan, atau mengulangi siklus PDCA. Sebuah keputusan penghentian cocok bila tidak ada
nilai yang signifikan diantisipasi melalui pelaksanaan siklus PDCA tambahan. Dapat sesuai
dengan baik atau batalkan mengulangi siklus PDCA bila dievaluasi perubahan akan membuat
masalah ketaatan atau tidak / minimal perbaikan yang diamati. A ulangi dari siklus PDCA akan
sesuai ketika jumlah peningkatan tersebut tidak sebanyak yang dikehendaki tetapi tambahan
mengubah perangkat tambahan kesempatan telah diidentifikasi. Bila tujuan terpenuhi, proses
harus standar. Dalam IEE, disepakati untuk proses-perangkat tambahan ini harus
didokumentasikan dalam organisasi E-nilai DMAIC rantai.
Kuasa PDCA adalah dalam terlihat sederhana dan pemanfaatan logika induktif.
Sementara yang relatif mudah dimengerti, dapat sulit untuk menyelesaikan pada dasar yang
sedang berjalan karena adanya analisis kesulitan dalam menilai diuji hypotheses berdasarkan
hasil diukur.
Ia telah menjelaskan bagaimana proses peningkatan kegiatan (apakah mereka Lean Six
Sigma, Total Quality Management (TQM), Terus Peningkatan Mutu (CQI), dll) sering tidak
mempengaruhi besar gambar; dengan itu, manajemen sehingga tepat adalah ragu-ragu untuk
melakukan upaya pengeluaran. Sebuah rencana-do-check-perbuatan (PDCA) metodologi
sangat baik, namun dapat memiliki kesamaan permasalahan; misalnya, adalah perbaikan di
silos dan tidak berdampak besar gambar.
Saya ingin menjelaskan proses perbaikan organisasi perusahaan menggunakan

refinishing-furnitur analogi, dimana furnitur penampilan seseorang terkait dengan seberapa baik
182
kinerja organisasi adalah total pendapatan dan keuntungan. Apa yang biasanya terjadi dalam
semua proses di atas adalah upaya peningkatan polandia-yang menangani lalu-pasir-yang-kaki,
dan kemudian pasir-a-samping mebel pendekatan? Dengan pendekatan ini, kami dapat
mengeluarkan banyak usaha dan furnitur masih tidak terlihat baik.
 Mengatasi masalah ini adalah dengan penyebaran yang Terpadu Excellence

Enterprise (IEE) sistem yang dimulai dengan perusahaan Menetapkan proses, Ukur,
Menganalisis, Meningkatkan, Control (E-DMAIC) sistem. Dalam ini E-DMAIC sistem,
organisasi-30000-kaki tingkat kinerja metrik peningkatan kebutuhan tarik untuk proses
pembuatan kualitas produk peningkatan. Siklus PDCA
Sebuah organisasi harus mengidentifikasi dan mengelola sejumlah kegiatan untuk

beroperasi secara efektif dengan ISMS. JIS T 27001 (ISO / IEC 27001) merekomendasikan
bahwa sebuah organisasi harus mengadopsi sebuah pendekatan proses ketika menetapkan,
menerapkan, beroperasi, monitor, review, mempertahankan dan meningkatkan organisasi
ISMS.
Dalam proses pendekatan, apa yang disebut sebagai proses apapun kegiatan yang
dikelola dengan manajemen sumber daya untuk mentransformasi masukan ke keluaran.
Sebuah proses pendekatan berarti mengidentifikasi proses dalam sebuah organisasi, tamak
interaksi mereka, dan menerapkan dan mengelola serangkaian proses tersebut sebagai sistem.
Penerapan proses ini menyediakan pendekatan organisasi dengan manfaat yang dapat
beroperasi secara efektif ISMS mereka, melalui pengelolaan kombinasi dan interaksi antara
proses bersama dengan link dari setiap proses.
Dengan penerapan "Rencana-Apa-Periksa-Undang-undang (PDCA)" model untuk

proses informasi yang berkaitan dengan keamanan, efek (keamanan informasi yang dikelola
sebagai diharapkan) informasi keamanan memuaskan "keamanan informasi persyaratan dan
harapan dari pihak-pihak" dapat dihasilkan melalui proses sebagai output, dari persyaratan dan
harapan yang dimasukkan ke dalamnya sebagai masukan. The main point of the JIS Q
27001(ISO/IEC 27001) is the continual improvement of the processes that produce the effects
by applying this PDCA model. Jalur utama dari JIS T 27001 (ISO / IEC 27001) adalah
peningkatan terus menerus dari proses yang menghasilkan efek dengan menerapkan model
PDCA ini.

183

184

Timpengaja 26 1 Teknikp S PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Timpengaja 26 1 Teknikp S PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

BUKU AJAR

TEKNIK PENGENDALIAN KUALITAS

Program Studi Teknik Industri UWP 1

Philip B. Crosby : Kualitas merupakan kesesuaian dan kebutuhan

1.2 Tujuan Pengendalian Kualitas

Program Studi Teknik Industri UWP 2

Program Studi Teknik Industri UWP 3

1.3. Konsep Kualitas pada Industri Manufaktur

Program Studi Teknik Industri UWP 4

Producer's Perspective Consumer's Perspective

Production Quality of Conformance Quality of Design Marketing

Fitness for Consumer Use

Gambar 1.1. Dua Perspektif Kualitas

1.4. Pengendalian Kualitas Produksi

Program Studi Teknik Industri UWP 5

 Produk yang memiliki kecocokan dalam penggunaan.

1.5. Variasi Kualitas Dalam Proses Produksi

 Antar produk yang diproduksi.

Program Studi Teknik Industri UWP 6

Gambar : Definisi Klasik dari Kualitas

PRODUK KESESUAIAN STANDAR

Perbedaan pengertian kualitas menutur pandangan tradisional/klasik dengan pandangan

Tabel 1.1. Pandangan Tradisional dan Moderen Tentang Kualitas

Program Studi Teknik Industri UWP 7

Produktifitas dan kualitas merupakan Produktifitas dan kualitas merupakan

Program Studi Teknik Industri UWP 8

 Ukuran berdasarkan  Ukuran berdasarkan

Program Studi Teknik Industri UWP 9

Kualitas Produk dan Kualitas Servis

1. Orientasi pasar (pelanggan)

2. PERALATAN 1. Penyimpangan hasil menyebabkan tindakan

Program Studi Teknik Industri UWP

Pengertian Kualitas berdasarka Sudut Pandang Bidang Keilmuan

Lima Pendekatan Dalam Penentuan Kualitas

Program Studi Teknik Industri UWP

operasi. Tabel berikut menyajikan contoh yang mewakili setiap pendekatan.

Tabel 2.2. Lima Pendekatan Kualitas

Program Studi Teknik Industri UWP

terhadap rancangan atau spesifikasi.

Kebutuhan Akan Definisi Yang Berbeda

Program Studi Teknik Industri UWP

Management Review (pre-1986); Fall 1984, Harvad University

- Gaspersz, Vencent,Total Quality Management, Penerbit PT Gramedia Pustaka Utama, 2003

Program Studi Teknik Industri UWP

Konsep Kualitas pada Indus tr i Manufaktur dan Jasa

handalannya atau karena kemungkinan kerusakan yang rendah.

11. Fasilitas pelayanan berada dekat lokasi pelanggan.

Program Studi Teknik Industri UWP

Program Studi Teknik Industri UWP

Tabel 1.3 Bentuk umum Laporan Biaya Kualitas Bulanan

Program Studi Teknik Industri UWP

Biaya Kualitas dan Nilai Kualitas

Gambar 1.3 Hubungan Biaya dan Nilai Kualitas

Program Studi Teknik Industri UWP

Program Studi Teknik Industri UWP

Hubungan Kualitas, Produktivitas, Efisiensi, dan Penggunaan

Program Studi Teknik Industri UWP

Program Studi Teknik Industri UWP

Gambar 1,4 Net Value Productivity

Teknik-Teknik Perbaikan Kualitas

Gambar 1.5 Diagram Pareto

 Menentukan batas-batas observasi, misalnya perbedaan antara nilai terbesar dan

Program Studi Teknik Industri UWP