Pengendalian Dan Kualitas Statistik (Pertemuan 1 Materi 1-3)
Pengendalian Dan Kualitas Statistik (Pertemuan 1 Materi 1-3)
(SPC)
Sumber : Ilmumanajemenindustri.com
DATA VARIABEL
1. 𝑋̅ dan R Chart
Xbar – R Chart adalah Peta kendali untuk mengendalikan proses
berdasarkan Rata-rata (Xbar) dan Range (R). Xbar – R Chart digunakan
apabila ukuran sampel (subgroup) yang dikumpulkan berjumlah lebih dari
2 dan kurang dari atau sama dengan 5 (2 < n ≤ 5) pada setiap set sampel
data, Jumlah set sampel yang ideal adalah 20 – 25 set sampel.
2. 𝑋̅ dan S Chart
Xbar–S Chart adalah peta kendali untuk mengendalikan proses
berdasarkan Rata-rata (X-bar) dan Standar Deviasi (S). Xbar-S Chart
digunakan apabila ukuran sampel (subgroup) yang dikumpulkan berjumlah
lebih dari 5 (n > 5) pada setiap set sampel data, Jumlah set sample yang ideal
adalah 20 – 25 set sampel.
Rumus rata-rata:
Rumus range:
̅ dan R Chart
Langkah-langkah untuk membuat 𝑿
1. Tentukan ukuran subgroup (n=2,3,4,5,…<10).
2. Tentukan banyaknya subgroup (m) setidaknya 20 subgroup.
3. Hitunglah nilai rata-rata dari setiap subgroup.
4. Hitunglah nilai rata-rata keseluruhan yang merupakan centerline dari peta
kontrol.
5. Hitunglah nilai selisih antara data terbesar dan data terkecil, hasil dari
perhitungan tersebut adalah range.
6. Hitunglah nilai rata-rata dari range keseluruhan yang merupakan centerline
dari peta kontrol R.
7. Menghitung batas kontrol untuk peta kontrol X:
9. Plot data dan R pada peta kontrol dan R serta amati apakah data tersebut
berada dalam pengendalian atau tidak.
CONTOH SOAL
CV Pendulum adalah perusahaan pembuat produk industri berupa barang.
Ditetapkan spesifikasi adalah : 3.05 ± 0,05 mm. Untuk mengetahui kemampuan
proses dan mengendalikan proses itu bagian pengendalian CV Pendulum telah
melakukan pengukuran terhadap 20 sampel subgroup. Masing-masing berukuran 4
unit (n=4).
1. Tentukan nilai CL, UCL dan LCL untuk membuat X bar dan R Chart
2. Tentukan nilai CPk
Jawab
1. Sebelum menentukan nilai CL, UCL, dan LCL maka pertama-tama perlu
diketahui dulu nilai rata-rata tiap subgroup.
𝛴𝑋𝑖 𝑋1𝑖+𝑋2𝑖+𝑋3𝑖+𝑋4𝑖
Dimana nilai 𝑋̅i = =
𝑛𝑖 4
Hasil Pengamatan Rata-rata Range
Sampel
X1 X2 X3 X4
1 3.04 3.06 3.05 3.02 3.0425 0.04
2 3.02 3.01 3.1 3 3.0325 0.1
3 3.04 3.07 3.04 3.01 3.04 0.06
4 3.01 3.05 3.05 3.05 3.04 0.04
5 3.01 3.05 3.09 3 3.0375 0.09
6 3.05 3.04 3.06 3.02 3.0425 0.04
7 3.09 3.1 3.04 3.06 3.0725 0.06
8 3.02 3.01 3.06 3.07 3.04 0.06
9 3.07 3 3.01 3.02 3.025 0.07
10 3.01 3.05 3.09 3.04 3.0475 0.08
11 3.06 3.06 3.08 3.08 3.07 0.02
12 3.09 3.04 3.01 3.08 3.055 0.08
13 3.05 3.07 3.07 3.01 3.05 0.06
14 3.03 3.04 3.06 3.07 3.05 0.04
15 3.07 3.03 3.09 3 3.0475 0.09
16 3.05 3.05 3 3.06 3.04 0.06
17 3.05 3.07 3.02 3.03 3.0425 0.05
18 3.07 3.07 3.04 3.05 3.0575 0.03
19 3.03 3.06 3.03 3.1 3.055 0.07
20 3.09 3.05 3 3.01 3.0375 0.09
Jumlah 60.9 1.23
Rata-Rata 3.04 0.06
Menentukan nilai rata-rata dari X bar:
𝛴𝑋̅ 60.9
𝑋̿ = = = 3.04
𝑁 20
Menentukan Batas Atas Kendali (UCL), dan Batas Bawah Kendali (LCL) untuk
Peta Kendali X bar
UCL = 𝑋̿ + (A2*𝑅̅ )
= 3.04 + (0,729*0.06)
= 3.08
LCL = 𝑋̿ - (A2*𝑅̅ )
= 3.04 - (0,729*0.06)
= 2.99
X Bar Chart
3.1
3.08
3.06
3.04
3.02
2.98
2.96
2.94
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Xi CL UCL LCL
Menentukan Batas Atas Kendali (UCL), dan Batas Bawah Kendali (LCL) untuk
Peta Kendali R:
UCL = D4*𝑅̅
= 2.282*0.06
= 0.14
LCL = D3*𝑅̅
= 0*0,06
=0
R Chart
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
R CL UCL LCL
Dari hasil Plotting diketahui bahwa tidak ada data yang out of control. Sehingga
dilanjutkan kedalam penghitungan kapabilitas proses.
Menentukan nilai S
𝑅̅ 0,06
S= = = 0.029
𝑑2 2.059
Menentukan nilai Cp
𝑈𝐶𝐿−𝐿𝐶𝐿 3.08−2.99
Cp = = = 0,52
6𝑆 6 (0.029)
Kesimpulan :
1. Berdasarkan data grafik diatas tidak ada yan melewati batas sehingga dapat
dinyatakan baik.
2. Nilai Cpk sebesar 0.46 yang diambil dari nilai CPU menunjukkan bahwa proses
cenderung mendekati batas spesifikasi atas.
3. Nilai Cp sebesar 0.52 ternyata kurang dari 1, hal ini menunjukkan kapabilitas
proses untuk memenuhi spesifikasi yang ditentukan rendah.
̅ dan S Chart
B. 𝑿
Pada R-chart di atas, kita telah mengukur variabilitas (mengestimasi standar
deviasi) proses secara tidak langsung melalui penggunaan range R. Dalam
kondisi tertentu terutama ketika anggota subgrup analisis di atas 10 atau 12 (n
> 10), dan ukuran subgrup tidak konstan, kita perlu mengestimasi standar
deviasi proses secara langsung. S-chart dapat menggantikan R-chart, yang
mana s dalam S-chart berarti sigma (σ) atau standar deviasi sampel.
Seperti halnya X-bar dan R-chart, X-bar dan S-chart juga terdiri dari
sepasang peta kendali, satu untuk memantau standar deviasi proses dan satu
lagi untuk memantau rata-rata proses. Untuk lebih jelasnya perhatikan contoh
kasus di bawah ini. Seorang analis mengumpulkan tujuh sampel subgrup
masing-masing terdiri dari 20 pengamatan selama 1 shift produksi.
̅ dan S Chart
Langkah-langkah pembuatan 𝑿
1. Tentukan ukuran subgroup (n >10).
2. Tentukan banyaknya subgroup (k) setidaknya 20 subgroup.
3. Hitunglah nilai rata-rata dari setiap subgroup.
4. Hitunglah nilai rata-rata keseluruhan yang merupakan centerline dari peta
kontrol.
9. Plot data X dan S pada peta control X dan S serta amati apakah data
tersebut berada dalam pengendalian atau tidak.
1. Tentukan nilai CL, UCL dan LCL untuk membuat X bar dan S Chart
Jawab
Seperti metode untuk membuat X bar dan R Chart, pertama-tama cari terlebih
dahulu nilai rata-rata tiap subgroup.
𝛴𝑋𝑖
𝑋̅𝑖 = 𝑛
Rata-
Sampel S
rata
1 3.051 0.037802
2 3.047 0.021932
3 3.027 0.019519
4 3.055 0.032326
5 3.054 0.023324
6 3.054 0.024576
7 3.05 0.031305
8 3.028 0.024413
9 3.05 0.032863
10 3.055 0.029069
11 3.052 0.029257
12 3.057 0.021471
13 3.053 0.021471
14 3.042 0.027857
15 3.039 0.029138
16 3.044 0.023749
17 3.059 0.014457
18 3.061 0.020224
19 3.041 0.035057
20 3.055 0.028018
Jumlah 60.974 0.527828
Rata-Rata 3.0487 0.026391
Setelah mengetahui nilai rata-rata nya, kemudian cari nilai S nya dengan rumus:
𝛴(𝑋𝑖−𝑋)^2
S=√ 𝑛−1
𝛴𝑆𝑖
𝑆̅ = 𝑁
Kemudian tentukan nilai CL, UCL, dan LCL untuk peta kendali rata-rata X dan
peta kendali S.
Nilai CL untuk X Chart
𝛴𝑋̅60.974
CL = 𝑋̿ = 𝑁 = 20 = 3.0487
X Bar Chart
3.08
3.07
3.06
3.05
3.04
3.03
3.02
3.01
3
2.99
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Xi CL UCL LCL
S Chart
0.05
0.045
0.04
0.035
0.03
0.025
0.02
0.015
0.01
0.005
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Si CL UCL LCL
DATA ATRIBUT
Peta kendali P
Peta kendali P (pengendali proporsi kesalahan) merupakan salah satu peta
kendali atribut yang digunakan untuk mengendalikan bagian produk cacat dari hasil
produksi. Pengendali proporsi kesalahan (p-chart) digunakan untuk mengetahui
apakah cacat produk yang dihasilkan masih dalam batas yang disyaratkan atau
tidak. Dapat dikatakan juga sebagai perbandingan antara banyaknya cacat dengan
semua pengamatan, yaitu setiap produk yang diklasifikasikan sebagai “diterima”
atau “ditolak” (yang diperhatikan banyaknya produk cacat).
Peta pengendali proporsi kesalahan digunakan bila kita memakai ukuran cacat
berupa proporsi produk cacat dalam setiap sempel yang diambil. Bila sampel yang
diambil untuk setiap kali melakukan observasi jumlahnya sama maka kita dapat
menggunakan peta pengendali proporsi kesalahan (p-chart) maupun banyaknya
kesalahan (np-chart). Namun bila sampel yang diambil bervariasi untuk setiapkali
melakukan observasi berubah-ubah jumlahnya atau memang perusahaan tersebut
akan melakukan 100% inspeksi maka kita harus menggunakan peta pengendali
proporsi kesalahan (p-chart).
Langkah-langkah pembuatan peta kendali p konstan dan variasi adalah sebagai
berikut:
No Konstan
1 Tentukan ukuran contoh/subgrup yang cukup besar (n > 30)
2 Kumpulkan banyaknya subgrup (k) sedikitnya 20–25 sub-grup
3 Hitung untuk setiap subgrup nilai proporsi unit yang cacat
𝑥
p=𝑛
dengan : p = proporsi kesalahan
setiap sampel
x = banyaknya produk
yang salah dalam
setiap sampel
n = banyaknya sampel
yang diambil dalam
inspeksi
4 Hitung nilai rata-rata dari p, yaitu p dapat dihitung dengan :
5 Hitung batas kendali CL, UCL dan LCL dari peta kendali p :
6 Plot data proporsi (persentase) unit cacat serta amati apakah data
tersebut berada dalam pengendalian atau diluar pengendalian.
Bila sampel yang diambil bervariasi untuk setiap kali melakukan observasi atau
jumlah sampel berubah-ubah jumlahnya atau memang perusahaan tersebut akan
melakukan 100% inspeksi maka kita harus menggunakan peta pengendali proporsi
kesalahan (p-chart) model harian/individu atau dengan model rata-rata. Namun
yang lebih sering digunakan karena caranya yang simpel adalah model peta
pengendali proporsi kesalahan rata-rata dengan rumus batas pengendali sebagai
berikut:
p = jumlah Xi / jumlah sampel ke i
Bila sampel yang diambil bervariasi untuk setiapkali melakukan observasi
atau jumlah sampel berubah-ubah jumlahnya, maka pada kolom “subgroup sizes”
diisi dengan jumlah seluruh ukuran sampel.
Individu Rata-rata
Garis
Pusat
Dimana :
Pi = proporsi kesalahan setiap
sampel pada setiap kali observasi
xi = banyaknya kesalahan setiap
sampel pada setiap kali observasi
ni = banyaknya sampel yang
diambil pada setiap kali observasi
yang selalu bervariasi
g = banyaknya observasi
Batas
Atas &
Batas
Bawah
Rata-rata
nilai
Batas
Atas dan
Batas
Bawah
CONTOH SOAL
1. Pada perusahaan pembuatan gelas kimia ditemukan cacat produk dalam sampel
yang bervariasi setiap kali melakukan observasi. Adapun sampel yang diambil
dan kesalahan yang terjadi sebagai berikut:
Banyaknya Banyaknya Produk Proporsi Produk
Observasi
Sampel Cacat Cacat
1 100 10 0.1
2 90 8 0.09
3 100 14 0.14
4 40 2 0.05
5 50 4 0.08
6 20 1 0.05
7 30 2 0.07
8 50 2 0.05
9 90 10 0.11
10 100 8 0.08
11 60 6 0.1
12 70 9 0.13
13 30 3 0.1
14 70 4 0.06
15 20 2 0.1
16 80 6 0.08
17 90 9 0.1
18 30 2 0.07
19 40 5 0.125
20 20 2 0.1
LCL yang bernilai negative akan dibulatkan menjadi 0 karena tidak mungkin
bernilai negative, LCL bernilai negarif karena terjadi tingkat ketidaksesuaian yang
kecil, yang menyebabkan CL dari grafik pengendali p mendekati nol.
𝑇𝑜𝑡𝑎𝑙 𝑃𝑟𝑜𝑑𝑢𝑘 𝐶𝑎𝑐𝑎𝑡
𝑃̅ = 𝑇𝑜𝑡𝑎𝑙 𝑃𝑟𝑜𝑑𝑢𝑘 𝐷𝑖𝑖𝑛𝑠𝑝𝑒𝑘𝑠𝑖
CL = 𝑃̅
𝑃̅ (1−𝑃̅ )
UCL = 𝑃̅ + 3 √ 𝑛
̅
𝑃 (1−𝑃 ) ̅
LCL = 𝑃̅ - 3 √ 𝑛
P Chart
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Pi CL UCL LCL
Kemudian lakukan plotting data, dikarenakan terdapat data yang melewati batas
maka proses produksi gelas kimia tersebut harus dilakukan pengulangan
pengambilan data dengan menghilangkan data ke -19.
Banyaknya Banyaknya Produk Proporsi Produk
Observasi
Sampel Cacat Cacat UCL LCL
1 100 10 0.1 0.177608 0.004848
2 90 8 0.09 0.182281 0.000176
3 100 14 0.14 0.177608 0.004848
4 40 2 0.05 0.227807 0
5 50 4 0.08 0.213388 0
6 20 1 0.05 0.28438 0
7 30 2 0.07 0.248936 0
8 50 2 0.05 0.213388 0
9 90 10 0.11 0.182281 0.000176
10 100 8 0.08 0.177608 0.004848
11 60 6 0.1 0.202744 0
12 70 9 0.13 0.194472 0
13 30 3 0.1 0.248936 0
14 70 4 0.06 0.194472 0
15 20 2 0.1 0.28438 0
16 80 6 0.08 0.187804 0
17 90 9 0.1 0.568795 0.000176
18 30 2 0.07 0.248936 0
19 20 2 0.1 0.28438 0
Jumlah 1140 104 1.66 4.500199 0
Rata- Rata 60 5.473684211 0.087368421 0.236853 0
P Chart Revisi
0.6
0.5
0.4
0.3
0.2
0.1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Pi CL UCL LCL
2. Pada perusahaan pembuatan gelas kimia ditemukan cacat produk dalam sampel
yang bervariasi setiap kali melakukan observasi. Adapun sampel yang diambil
dan kesalahan yang terjadi sebagai berikut:
Banyaknya Banyaknya Produk
Observasi
Sampel Cacat
1 70 4
2 70 5
3 70 2
4 70 6
5 70 4
6 70 6
7 70 1
8 70 3
9 70 7
10 70 1
11 70 3
12 70 7
13 70 8
14 70 2
15 70 4
16 70 4
17 70 6
18 70 2
19 70 2
20 70 8
Jumlah 1400 85
Jawab
Metode P Chart
Banyaknya Banyaknya Produk Proporsi Produk
Observasi
Sampel Cacat Cacat
1 70 4 0.057142857
2 70 5 0.071428571
3 70 2 0.028571429
4 70 6 0.085714286
5 70 4 0.057142857
6 70 6 0.085714286
7 70 1 0.014285714
8 70 3 0.042857143
9 70 7 0.1
10 70 1 0.014285714
11 70 3 0.042857143
12 70 7 0.1
13 70 8 0.114285714
14 70 2 0.028571429
15 70 4 0.057142857
16 70 4 0.057142857
17 70 6 0.085714286
18 70 2 0.028571429
19 70 2 0.028571429
20 70 8 0.114285714
Jumlah 1400 85 1.214285714
Rata- Rata 70 4.25 0.060714286
CL = 𝑃̅
𝑃 (1−𝑃 )̅ ̅
0.06 (1−0.06 )
UCL = 𝑃̅ + 3 √ 𝑛 = 0,06 + 3 √ = 0.15
70
̅
𝑃 (1−𝑃 ) ̅
0.06 (1−0.06 )
LCL = 𝑃̅ - 3 √ 𝑛 = 0,06 - 3 √ = -0,03 = 0
70
Chart Title
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Pi CL UCL LCL
Kemudian lakukan plotting data, dikarenakan seluruh data tidak ada yang
melewati batas maka proses produksi gelas kimia tersebut sudah terkendali.
Metode NP Chart
Banyaknya Banyaknya Produk Proporsi Produk
Observasi
Sampel Cacat Cacat
1 70 4 0.057142857
2 70 5 0.071428571
3 70 2 0.028571429
4 70 6 0.085714286
5 70 4 0.057142857
6 70 6 0.085714286
7 70 1 0.014285714
8 70 3 0.042857143
9 70 7 0.1
10 70 1 0.014285714
11 70 3 0.042857143
12 70 7 0.1
13 70 8 0.114285714
14 70 2 0.028571429
15 70 4 0.057142857
16 70 4 0.057142857
17 70 6 0.085714286
18 70 2 0.028571429
19 70 2 0.028571429
20 70 8 0.114285714
Jumlah 1400 85 1.214285714
Rata-Rata 70 4.25 0.060714286
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Kemudian lakukan plotting data, dikarenakan seluruh data tidak ada yang melewati
batas maka proses produksi gelas kimia tersebut sudah terkendali.
DAFTAR PUSTAKA
https://sites.google.com/site/kelolakualitas/p-Chart/Contoh-p-Chart-Sampel-
Bervariasi
https://sites.google.com/site/kelolakualitas/Xbar-R-Chart
https://sites.google.com/site/kelolakualitas/Xbar-R-Chart
https://sites.google.com/site/kelolakualitas/Xbar-R-Chart/Contoh-Xbar-R-chart-2
https://sites.google.com/site/kelolakualitas/p-Chart
https://sites.google.com/site/kelolakualitas/x-S-Chart/Contoh-x-S-Chart
https://sites.google.com/site/kelolakualitas/tabel-nilai-A2d2D3D4
https://sites.google.com/site/kelolakualitas/tabel-nilai-A3B3B4
https://sites.google.com/site/kelolakualitas/x-S-Chart
https://www.academia.edu/12120886/Peta_Kendali_p_dan_np
Juran, M, Joseph, Juran’s Quality Handbook Fifth Edition, Mc Graw Hills, New York
TUGAS PENGENDALIAN DAN PENJAMINAN MUTU
Oleh:
Rheannisa Priyanka (1813008)
Mufassir Ahnaf Ahrsy (1813009)
Peter Christian (1813015)
Farhandika Akbar Romanto (1813016)
Gede Ngurah Surya Kencana (1813034)