A.

Statistic Quality Control (SQC)

Kualitas dan manajemen kualitas telah mengalami evolusi menjadi yang

TQM (Total Quality Management), filosofi TQM berisi dua komponen yang saling

berhubungan, yaitu sistem manajemen dan sistem teknik (Krumwiede Seu, 1996).

Sistem manajemen berkaitan dengan perencanaan, pengorganisasian,

pengendalian dan pengelolaan proses sumber daya manusia yang berkaitan

dengan kualitas produk atau jasa. Sistem teknik melibatkan penjaminan

kualitas dalam desain produk, perencanaan dan desain proses dan

pengendalian bahan baku, produk dalam proses dan produk jadi. Statistic

Qaulity Control (SQC) atau pengendalian kualitas statistik merupakan teknik

penyelesaian masalah yang digunakan untuk memonitor, mengendalikan,

menganalisis, mengelola dan memperbaiki produk dan proses menggunakan

metode-metode statistik. Pengendalian kualitas statistik (Statistic Quality

Control) sering disebut sebagai pengendalian proses statistik (Statistical Process

Control/SPC). Pengendalian kualitas statistik dan pengendalian proses statistik

memang merupakan dua istilah yang saling dipertukarkan, yang apabila

dilakukan bersama-sama maka pengguna akan melihat gambaran kinerja proses

masa kini dan masa mendatang (Cawley dan Harrold, 1999).

Sementara itu, menurut Mayelett (1994), pengendalian kualitas statistik

mempunyai cakupan yang lebih luas karena didalamnya terdapat pengendalian

proses statistik, pengendalian produk (acceptance sampling) dan analisis

kemampuan proses. Konsep terpenting dalam pengendalian kualitas statistik

adalah Variabilitas, yaitu:

1. Variabilitas antar sampel (misalnya rata-rata atau nilai tengah)

2. Variabilitas dalam sampel (misalnya range atau standar deviasi)

 Selanjutnya penyelesaian masalah dalam statistik mencakup dua hal,

antara lain:

1. Melebihi batas pengendalian, jika proses dalam kondisi di luar kendali

2. Tidak melebihi batas pengendalian, jika proses dalam kondisi kendali

Secara statistik, kedua hal tersebut digolongkan menjadi kesalahan tipe I

dan kesalahan tipe II. Kesalahan Tipe I, berarti resiko produsen (menolak produk

baik)/α, hal ini karena kebetulan yang diambil sebagai sampel adalah produk

cacat, padahal produk yang tidak diambil sebagai sampel adalah produk

yang baik. Tetapi karena sampel tersebut ditolak berarti seluruh produk yang

diproduksi pada waktu itu ditolak. Kesalahan Tipe II atau resiko konsumen

(menerima produk cacat)/β adalah resiko yang dialami konsumen karena

menerima produk yang cacat. H al ini karena secara kebetulan yang diambil

sebagai sampel adalah produk baik, padahal produk yang tidak diambil adalah

produk cacat. Prosedur pengendalian statistik umumnya dirancang untuk

meminimalkan kesalahan tipe I. Kesalahan tipe I dan tipe II ini digambarkan

dengan kurva karakteristik operasi (operating characteristic curve). Kurva ini

menunjukkan probabilitas penerimaan sebagai fungsi dari berbagai tingkatan

kualitas. Kesalahan tipe I adalah bila kualitas dapat diterima, sedangkan

kesalahan tipe II adalah probabilitas penerimaan (Pa) bila kualitas dapat

diterima.

Dalam sistem pengendalian mutu statistik yang mentolerir adanya

kesalahan atau cacat produk kegiatan pengendalian mutu dilakukan oleh

departemen pengendali mutu yang ada pada penerimaan bahan baku, selama

proses dan pengujian produk akhir. Perusahaan/organisasi dapat mengadakan

inspeksi pada saat bahan baku atau penerimaan bahan baku, proses, dan
produk akhir. Inspeksi tersebut dapat dilaksanakan di beberapa waktu, antara

lain:

1. Pada waktu bahan baku masih ada ditangan pemasok,

2. Pada waktu bahan baku sampai ditangan perusahaan tersebut,

3. Sebelum proses dimulai,

4. Selama proses produksi berlangsung,

5. Sebelum dikirimkan pelanggan, dsb.

Terdapat dua pilihan untuk inspeksi, yaitu:

1. Inspeksi 100%

Berarti perusahaan menguji semua bahan baku yang datang, seluruh

produk selama masih ada dalam proses atau seluruh produk jadi yang telah

dihasilkan. Kelebihannya adalah tingkat ketelitian tinggi karena seluruh

produk diuji, sedangkan kelemahannya adalah seringkali produk justru rusak

dalam pengujian, dan membutuhkan biaya, waktu, tenaga yang tidak sedikit.

2. Teknik Sampling

Yaitu menguji hanya pada produk yang diambil sebagai sampel dalam

pengujian. Kelebihannya adalah lebih menghemat biaya, waktu dan tenaga,

sedangkan kelemahannya adalah tingkat ketelitian rendah. Selanjutnya

pengendalian kualitas statistik (statistical quality control) secara garis besar

digolongkan menjadi dua, yaitu:

1. Pengendalian proses statistik (statistical process control) atau yang sering

disebut dengan control chart (bagan kendali).

2. Rencana penerimaan sampel produk atau yang sering dikenal sebagai

acceptance sampling.

Penggolongan tersebut dapat digambarkan sepeti pada Gambar 1.

 Pengendali Kualitas
Statistik

Pengendali Kualitas Rencana Penerimaan

Proses Statistik Sampel Produk
(Control Chart) (Acceptance Sampling)

Data Data Data Data

Variabel Atribut Variabel Atribut
Gambar 1. Penggolongan Pengendalian Kualitas Statistik

Menurut Gryna (2001), terdapat beberapa langkah dalam menyusun peta

pengendali proses atau control chart, yaitu:

1. Memilih karakteristik yang akan direncanakan.

2. Memilih jenis peta pengendali.

3. Menentukan garis pusat (central line) yang merupakan rata-rata masa lalu

atau rata- rata yang dikehendaki.

4. Pemilihan sub kelompok.

5. Penyediaan sistem pengumpulan data.

6. Penghitungan batas pengendali dan penyediaan instruksi khusus dalam

interpretasi terhadap hasil dan tindakan para karyawan.

7. Penempatan data dan membuat interpretasi terhadap hasilnya.

Pengendalian kualitas dapat dilakukan pada produk yang dihasilkan atau

dikenal dengan acceptance sampling, yang merupakan proses evaluasi bagian

produk dan seluruh produk yang dihasilkan untuk menerima seluruh produk

yang dihasilkan tersebut. Manfaat utama sampling adalah pengurangan biaya

inspeksi, sedangkan manfaat acceptance sampling, antara lain:

1. Staf inspeksi yang lebih sedikit akan mengurangi kompleksitas inspeksi

 dan biaya administrasi inspeksi tersebut.

2. Berkurangnya kerusakan produk.

3. Sekelompok produk dapat diselesaikan dalam waktu yang pendek

sehingga penjadwalan dan penyerahan dapat dilakukan secara tepat dan

cepat.

4. Masalah yang membosankan dan kesalahan pengujian yang disebabkan

100% inspeksi dapat diminimalkan.

5. Penolakan produk yang tidak sesuai cendrung mengesankan

penyimpangan kualitas dan penting bagi organisasi untuk mencari

tindakan pencegahan.

6. Desain yang pantas dalam rencana pengambilan sampel memerlukan

pengkajian terhadap tingkat kualitas yang disyaratkan oleh pemakai.

Acceptance Sampling meliputi perencanaan atribut dan perencanaan

variabel. Pada perencanaan atribut, sampel diambil secara random dari produk

yang dihasilkan, kemudiaan masing-masing unit diklasifikasikan apakah

diterima atau ditolak. Banyaknya kesalahan kemudian dibandingkan dengan

banyaknya kesalahan yang diperbolehkan dalam perencanaan. Perencanaan

atribut tersebut berdasarkan Acceptable Quality Level (AQL). Sedangkan pada

perencanaan variabel, sampel diambil secara acak dan pengukuran karakteristik

kualitas yang diharapkan dibuat untuk setiap unit. Pengukuran tersebut

kemudian dirangkum ke dalam statistik sampel dan nilai observasi

dibandingkan dengan nilai yang diperbolehkan dalam rencana keputusan,

kemudian diambil untuk menerima atau menolak produk tersebut.

B. Pengendalian Kualitas Proses Statistik

Merupakan teknik penyelesaian masalah yang digunakan sebagai

pemonitor, pengendali, penganalisis, pengelola, dan memperbaiki proses

menggunakan metode-metode statistik. Filosofi yang dikenal adalah output

pada proses atau pelayanan dapat dikemukakan ke dalam pengendalian

statistik melalui alat-alat manajemen dan tindakan perancangan. Sasarannya

adalah mengadakan pengurangan terhadap variasi atau kesalahan proses,

sedangkan tujuannya adalah mendeteksi adanya sebab khusus dalam variasi

atau kesalahan proses.

Variasi proses teridiri dari dua macam penyebab, yaitu:

1. Penyebab Umum (random cause atau chance cause), yang sudah melekat pada

proses.

2. Penyebab Khusus (assignable cause atau special cause), yang merupakan

kesalahan yang berlebihan.

Selanjutnya proses dikatakan dalam pengendalian statistik apabila

penyebab khusus dari penyimpangan tersebut, tidak nampak dalam proses,

sehingga dicapai stabilitas proses. Apabila stabilitas proses tercapai,

kemampuan proses dapat diperbaiki dengan mengurangi penyimpangan

karena sebab umum. Sementara itu untuk menentukan apakah proses berada

dalam pengendalian proses statistik, mengunakan alat yang disebut peta

pengendali (control chart), yang merupakan gambaran sederhana dengan tiga

garis. Pengendalian proses statistik dikatakan berada dalam batas

pengendalian apabila hanya terdapat kesalahan yang disebabkan oleh sebab

umum. Menurut Gryna (2001), hal ini memberikan manfaat penting, yaitu:

1. Proses memiliki stabilitas yang akan memungkinkan organisasi dapat

memprediksi perilaku paling tidak untuk jangka pendek.

2. Proses memiliki identitas dalam menyusun seperangkat kondisi yang

 penting untuk membuat prediksi masa mendatang.

3. Proses yang berada dalam kondisi “berada dalam batas pengendalian

statistik” beroperasi dengan variabilitas yang lebih kecil daripada proses

yang memiliki penyebab khusus. Variabilitas yang rendah penting untuk

memenangkan persaingan.

4. Proses yang mempunyai penyebab khusus merupakan proses yang tidak

stabil dan memiliki kesalahan yang berlebihan yang harus ditutup

dengan mengadakan perubahan untuk mencapai perbaikan.

5. Akan membantu karyawan dalam menjalankan proses tersebut. Apabila

data berada dalam batas pengendali, maka tidak perlu lagi dibuat

penyesuaian atau perubahan.

6. Akan memberikan petunjuk untuk mengadakan pengurangan

variabilitas proses jangka panjang.

7. Analisis untuk pengendalian statistik mencakup penggambaran data

produksi akan memudahkan dalam mengidentifikasi kecendrungan yang

terjadi dari waktu ke waktu.

8. Proses yang stabil atau yang berada dalam batas pengendalian statistik

juga dapat memenuhi spesifikasi produk, sehingga dapat dikatakan

proses dalam kondisi terawat dengan baik dan dapat menghasilkan

produk yang baik.

C. Alat-alat Kendali Mutu Statistik

Beberapa alat/tools/metode yang banyak digunakan dalam pengendalian

mutu, antara lain: Sumbang-saran, Diagram afinitas, Diagram Sebab-Akibat,

Diagram Pohon, Bagan Pareto, Bagan Arus Berurutan, Bagan Arus Proses,

Diagram Tebar, Run Chart, Peta Kendali dan Histogram.

1. Histogram

Adalah bagan batang jenis khusus yang dapat digunakan untuk

menyampaikan informasi mengenai variasi dalam suatu proses, dengan

tujuan untuk mengambil keputusan dengan memusatkan perhatian pada

upaya perbaikan.

Langkah pembuatan histogram:

a. Kumpulkan data dan tabulasikan (lihat Tabel 1).

Hitung datanya, misal N = 100. Bagilah data ke dalam group, misal 10

group. Catat nilai paling tinggi dalam setiap group sebagai XL dan nilai yang

paling kecil sebagai XS. Kemudian catat XL dan XS dari kesemua itu. Diperoleh

XL = 3,68 dan XS = 3,30

Tabel 1. Contoh Data Histogram

Data XL XS

3.56 3.46 3.48 3.50 3.42 3.43 3.52 3.49 3.44 3.50 3.56 3.42

3.48 3.56 3.50 3.52 3.47 3.48 3.46 3.50 3.56 3.38 3.56 3.38

3.41 3.37 3.47 3.49 3.45 3.44 3.50 3.49 3.46 3.46 3.50 3.37

3.55 3.52 3.44 3.50 3.45 3.44 3.48 3.46 3.52 3.46 3.55 3.44

3.48 3.48 3.32 3.40 3.52 3.34 3.46 3.43 3.30 3.46 3.52 3.30

3.59 3.63 3.59 3.47 3.38 3.52 3.45 3.48 3.31 3.46 3.63 3.31

3.40 3.54 3.46 3.51 3.48 3.50 3.68 3.60 3.46 3.52 3.68 3.40

3.48 3.50 3.56 3.50 3.52 3.46 3.48 3.46 3.52 3.56 3.56 3.46

3.52 3.48 3.46 3.45 3.46 3.54 3.54 3.48 3.49 3.41 3.54 3.41

3.41 3.45 3.34 3.44 3.47 3.47 3.41 3.48 3.54 3.47 3.54 3.34

XL dan XS 3.68 3.30

b. Hitung kisaran dan lebar interval (lihat Tabel 2).

Tentukan range (R), R = XL – XS = 0,38. Tentukan jumlah kelas (K), misal K

= 10. Tentukan interval kelas.Tentukan batas-batas kelas untuk memudahan

dibulatkan jadi 0,05

Tabel 2. Contoh Kisaran dan Lebar Interval

No. Kelas Batas-batas Kelas Nilai Tengah Kekerapan

1 3. - 3.325 3.30 3

27

2 3. - 3.375 3.35 3

32

3 3. - 3.425 3.40 9

37

4 3. - 3.475 3.45 33

42

5 3. - 3.525 3.50 37

47

6 3. - 3.575 3.55 10

52

7 3. - 3.625 3.60 3
 57

8 3. - 3.675 3.65 1

62

9 3. - 3.725 3.70 1

67

Jumlah 100

c. Buat garis horizontal dan vertikal dan petakan data dari hasil pada tabel 2,

sehingga menjadi diagram yang disebut histogram, seperti pada Gambar 2.

Histogram Kekerapan

40

35

30
Jumlah Data

25

20

15

10

1 2 3 4 5 6 7 8 9

No. Kelas

Gambar 2. Contoh Histogram

2. Diagram Pareto

Merupakan grafik batang khusus yang dapat digunakan sebagai alat

interpretasi dalam menentukan frekuensi atau tingkat kepentingan relatif dari

berbagai persoalan atau sebab. Memfokuskan pada pokok persoalan vital

dengan cara mengurutkan berdasarkan kepentingan.

Cara Membuat Diagram Pareto:

a. Mengidentifikasi kategori masalah/sebab yang akan dibandingkan.

b. Tentukan periode waktu untuk dipelajari.

c. Mengumpulkan dan meringkas data.

d. Menggambar sumbu horizontal dan vertikal.

e. Memetakan batang-batang Diagram Pareto.

Tabel 3. Contoh Data Diagran Pareto

Kode Unsur Σ Kerusakan Σ Kumulatif % Σ % Kumulatif

Rusak Kerusakan Kerusakan Kerusakan
1 198 198 47.60 47.6

2 103 301 24.76 72.36

3 72 373 17.31 89.66

4 25 396 6.01 95.67

5 18 414 4.33 100.00

Total 416 100

% Diagram Pareto Kerusakan

120
 100

80

60

% Kerusakan

40 % Kumulatif

20

1 2 3 4 5

Kode Unsur Rusak

Gambar 3. Contoh Diagram Pareto

3. Diagram Sebab Akibat

Merupakan alat analisa yang dapat digunakan untuk mengkategorikan

berbagai sebab potensial dari suatu masalah, dan menganalisis apa yang

sesungguhnya terjadi dalam suatu proses.

Cara membuat diagram sebab akibat:

Mengidentifikasi akibat. Mengidentifikasi berbagai kategori sebab utama.

Menghubungkan sebab-sebab potensial yang berhubungan dengan sebab utama.

Mengkaji kembali setiap kategori sebab utama. Menetapkan sebab-sebab yang

paling mungkin.
 Tempat Prosedur

Tidak ada prosedur tetap

Rumit
Ketinggalan zaman
Laporan Akhir
Bulan Terlambat
Tidak mengikuti
prosedur

Tidak disiplin

Sistem Kebijakan Manusia

Gambar 4. Contoh Diagram Pareto

4. Bagan Kendali

Merupakan grafik jenis khusus yang dapat digunakan untuk

menginterpretasikan data suatu proses dengan cara membuat gambar

batasan-batasan variasi yang diperbolehkan, dan secara objektif menentukan

apakah suatu proses ada “dalam kendali” atau “di luar kendali”.

Cara mebuat bagan kendali:

Menentukan apa yang diukur, mengumpulkan data, memetakan data, dan

menghitung batas-batas kendali.

Macam-macam bagan kendali yaitu,

a. Peta X – R

b. Peta pn

c. Peta p

d. Peta u

e. Peta c
 Bagan Kendali X

13.8

13.6

13.4

13.2 Data

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 LCL = 12.16

13.0 22 23 24 25 CL = 12.93

0 No. Subgrup UCL = 13.69

12.8

12.6

12.4

12.2

12.0

Gambar 5. Contoh Bagan Kendali

 DAFTAR PUSTAKA

R Dan Reid and Nada R. Sanders. “Operations Management”. 4th Edition. John

Wiley & Sons. 2010

Heizer and Render. “Principles of Operations Management”. 7th Edition. Prentice

Hall. 2008

Heizer and Render. “Operations Management”. 9th Edition. Prentice Hall. 2008

Roberta Russell and Bernard W Taylor III. “Operations Management”.

5th Edition. John Wiley & Sons. 2006