CONTROL CHART/ PETA KENDALI

Peta Kendali atau Control Chart merupakan suatu teknik yang dikenal sebagai metode
grafik yang digunakan untuk mengevaluasi apakah suatu proses berada dalam pengendalian
kualitas secara statistik atau tidak sehingga dapat memecahkan masalah dan menghasilkan
perbaikan kualitas. Metode ini dapat membantu perusahaan dalam mengontrol proses
produksinya dengan memberikan informasi dalam bentuk grafik.

Tujuan dari perancangan program aplikasi control chart ini adalah untuk melihat sejauh
mana tingkat keberhasilan suatu proses produksi sehingga bisa dijadikan pedoman dalam
mengarahkan perusahaan ke arah pemenuhan spesifikasi konsumen.

Peta kendali (Control Chart) merupakan alat SPC (Statistical Process Control) yang
paling penting yang digunakan untuk mendeteksi ketika proses dalam keadaan tidak terkendali
(out of control).

Peta kendali pertama kali di perkenalkan oleh DR. Walter Andrew Shewart dari Bell
Telephone Laboratories, Amerika Serikat, Tahun 1924 dengan maksud untuk menghilangkan
variasi tidak normal melalui pemisahan variasi yang disebabkan oleh penyebab khusus (special-
cause variation) dari variasi yang disebabkan oleh sebab umum (common-causes variation).
Pada dasarnya semua proses menampilkan variasi, namun proses produksi harus dikendalikan
dengan cara menghilangkan variasi penyebab khusus dari proses tersebut, sehingga variasi yang
ada pada proses hanya disebabkan oleh variasi penyebab umum.

JENIS-JENIS CONTROL CHART/ PETA KENDALI

Pengelompokkan jenis-jenis peta kendali tergantung pada tipe datanya. Gaspersz (1998)
menjelaskan bahwa konteks pengendalian proses statistikal dikenal dua jenis data, yaitu :

1. Data variable, merupakan data kuantitatif yang diukur untuk keperluan analisis. Contoh
dari data variable karakteristik kualitas adalah diameter pipa, ketebalan produk kayu,
berat semen dalam kantong, dll.
2. Data atribut, merupakan data kualitatif yang dapat di hitung untuk pencatatan dan analisa.
Contoh dari data atribut karakteristik kualitas adalah ketiadaan label pada kemasan
 produk, kesalahan proses administrasi, banyaknya jenis cacat pada produk, banyaknya
produk kayu lapis yang cacat karena corelap, dll.

Berdasarkan kedua tipe data tersebut, maka jenis-jenis peta kendali terbagi atas peta
kendali untuk data variabel dan peta kendali untuk data atribut. Beberapa peta kendali untuk data
variable adalah peta kendali Xbar-R Chart , Xbar-S Chart dan I-MR Chart. Dan peta kendali
untuk data atribut adalah peta–P, peta–C, peta –U dll.

Keterangan :

1. Xbar-R Chart

adalah peta kendali untuk mengendalikan proses berdasarkan rata-rata (Xbar) dan Range
(R). Xbar-R Chart digunakan apabila ukuran sampel 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. Xbar-S Chart

adalah peta kendali untuk mengendalikan proses berdasarkan rata-rata (Xbar) dan Standar
Deviasi (S). Xbar-S Chart digunakan apabila ukuran sampel yang dikumpulkan berjumlah lebih
dari 5 (n>5) pada setiap sampel data, jumlah set sampel yang ideal adalah 20-25 set sampel.

3. I-MR Chart (Individual Moving Range Chart)

I-MR Chart digunakan apabila data sampel yang dikumpulkan hanya berjumlah satu unit.
Chart jenis ini sering digunakan jika sampel yang diperiksa tersebut harus dimusnahkan (tidak
dapat dipakai kedua kalinya) atau pada produk yang berharga tinggi.

Menurut Gaspersz (1998), peta kendali pada prinsipnya adalah gambar sederhana yang
mempunyai tiga garis yaitu :

1. Garis tengah (Central Line), yang biasanya dinotasikan CL.

2. Sepasang batas kendali (Control Limits), dimana satu batas kendali ditempatkan dibawah
garis tengah yang dikenal sebagai batas kendali atas (Upper Control Limit), biasanya
dinotasikan sebagai UCL dan yang satu lagi ditempatkan di bawah garis tengah yang
 dikenal dengan batas kendali bawah (Lower Control Limits), biasanya dinotasikan
sebagai LCL.

3. Tebaran nilai-nilai karakteristik kualitas yang menggambarkan keadaan dari proses. Jika
semua nilai yang ditebarkan (diplot) pada peta itu berada di dalam batas-batas kendali
tanpa memperlihatkan kecenderungan tertentu makaproses yang berlangsung dianggap
berada dalam kendali atau terkendali secara statistikal. Namun jika nilai-nilai yang
ditebarkan pada peta itu jatuh atau berada di luar batas-batas kendali atau
memperlihatkan kecenderungan tertentu atau memiliki bentuk yang aneh, maka proses
yang berlangsung dianggap berada diluar kendali proses yang ada.

Pada dasarnya peta-peta kendali dipergunakan untuk :

1. Menentukan apakah suatu proses berada dalam pengendalian statistikal? Dengan

demikian peta-peta kontrol digunakan untuk mencapai suatu keadaan terkendali secara
statistikal, dimana semua nilai rata-rata dan range dari subgrup contoh berada dalam
batas-batas pengendalian (Control Limits). Oleh sebab itu variasi penyebab khusus
menjadi tidak ada lagi didalam proses.

2. Memantau proses terus-menerus sepanjang waktu agar proses tetap stabil secara
statistikal dan hanya mengandung variasi penyebab umum.

3. Menentukan kemampuan proses (Process Capability). Setelah proses berada dalam batas
pengendalian statistikal, batas-batas dari variasi proses dapat ditentukan.

Berikut ini adalah contoh gambaran peta kendali yang digunakan dalam pengendalian
kualitas.
MANFAAT CONTROL CHART

Control chart digunakan untuk mengadakan perbaikan kualitas proses, membantu

menentukan spesifikasi-spesifikasi yang efektif, menentukan kapan proses dijalankan dan kapan
dibuat penyesuaiannya, dan menemukan penyebab dari tidak diterimanya standar kualitas
tersebut (produk). Control chart ini digunakan apabila dalam pengukuran ternyata ada
kecenderungan hasil pengukurannya semakin naik atau semakin menurun. Control chart ini juga
berperan sebagai pengontrol kualitas produk agar sesuai dengan keinginan konsumen atau
pelanggan.

DEFINISI VARIASI DALAM SPC

Peta kendali adalah metode statistik untuk membedakan adanya variasi yang disebabkan
oleh sebab umum dan sebab khusus. Menurut Gapersz (1998:28) , variasi adalah
ketidakseragaman dalam sistem produksi atau operasional sehingga menimbulkan perbedaan
dalam kualitas pada barang atau jasa yang dihasilkan.

Variasi diklasifikasikan berdasarkan sumber atau penyebab timbulnya variasi,

antara lain :

1. Variasi dari sebab khusus yaitu variasi yang disebabkan oleh kejadian-kejadian di luar
sistem. Biasanya bersumber dari faktor-faktor manusia, peralatan, material, lingkungan,
metode kerja, dan lain-lain. Penyebab khusus ini dapat diidentifikasikan atau ditemukan,
sebab penyebab ini tidak selalu ada dalam proses tetapi memiliki pengaruh yang kuat
terhadap proses sehingga menimbulkan variasi. Variasi yang disebabkan oleh penyebab
khusus menyebabkan proses berada pada keadaan tidak terkendali secara statistik atau
berada diluar batas pengendalian atas maupun bawah.
2. Variasi dari sebab umum yaitu variasi yang disebabkan oleh faktor-faktor didalam sistem
dan selalu melekat pada proses yang menyebabkan timbulnya variasi dalam sistem serta
hasil-hasilnya. Variasi yang disebabkan oleh penyebab umum tidak begitu mempengaruhi
proses selanjutnya karena proses masih berada pada keadaan terkendali secara statistik
atau berada didalam batas pengendali atas dan bawah.
 Dalam memproduksi barang secara massal tentu akan dijumpai variasi meskipun sudah
ditentukan ukuran maupun kualitasnya.

Ada 3 macam variasi yang dapat terjadi :

1. Variasi yang terdapat pada unit (barang) / variasi dalam objek

Misalnya : Kehalusan dari salah satu sisi dari suatu produk tidak sama dengan sisi lain,
lebar bagian atas suatu produk tidak sama dengan lebar bagian bawah.
2. Variasi yang timbul diantara unit-unit yang dihasilkan selama waktu tertentu / variasi
antar objek
Misalnya : Suatu produk yang diproduksi pada saat yang hampir sama mempunyai
kualitas yang berbeda atau bervariasi.
3. Variasi yang ditimbulkan oleh perbedaan waktu produksi
Misalnya : Produksi pagi hari berbeda dengan hasil produksi siang hari.

Pada dasarnya control chart digunakan untuk :

1. Mengidentifikasi variasi.
control chart digunakan sebagai diagnosis terhadap persoalan proses/analisis proses.
Dengan melihat control chart dapat di identifikasi sumber variasi apakah common causes
satau special causes variation. Titik-titik yang terletak diluar control limits disebabkan
oleh special causes variation. Pada umumnya titik yang terletak di dalam control limits
menunjukkan proses stabil begitu juga sebaliknya. Jadi control chart dapat digunakan
untuk membedakan antara variabel-variabel yang secara konsisten mempengaruhi
karakteristik proses (common causes variation) dengan variabel-variabel yang
menimbulkan efek tak terduga terhadap karakteristik proses (Special Causes Variation).
2. Untuk menentukan kontrol dan kapabilitas kontrol statistik/Statistical Control Capability
(Stable).
suatu proses yang hanya mempunyai common causes varitaion yang mempengaruhi hasil
disebut proses yang stabil atau dapat dikatakan berada dalam statistical control capability.
Proses dikatakan kapabel apabila bersifat stabil dan outputnya memenuhi kebutuhan
pelanggan. Dapat terjadi bahwa proses bersifat stabil tetapi tidak kapabel dalam
memenuhi kebutuhan pelanggan.
 3. Untuk mengetahui kapan perubahan perlu dilakukan
sekali diketahui special cause variation, maka dapat dihilangkan tanpa mengubah seluruh
proses atau sistem. Terlebih dulu dapat dihilangkan special cause variation untuk
membuat proses menjadi stabil. Setelah itu dapat diperkirakan kapabilitas proses untuk
memenuhi kebutuhan customer. Tanpa control chart sering dilakukan kesalahan dengan
mengubah proses stabil yang sebetulnya tidak perlu.
4. Untuk mengetahui tanggung jawab yang diperlukan untuk melakukan perbaikan.
Biasanya orang-orang yang terlibat di dalam proses bertanggung jawab untuk
menghilangkan special causes. Common causes adalah persoalan sistem atau proses
sehingga ini merupakan tanggung jawab orang-orang yang bekerja terhadap sistem untuk
melakukan perubahan sistem.

CONTROL CHART RATA-RATA DAN RANGE

1. Control chart rata-rata

Manafaat dari control chart rata-rata, sebagai berikut :

a) Memantau perubahan suatu sebaran atau distribusi suatu variabel asal dalam hal
lokasinya (pemusatannya).
b) Apakah proses masih berada dalam batas-batas pengendalian atau tidak
c) Apakah rata-rata produk yang dihasilkan sesuai dengan standar yang telah
ditentukan.

2. Control chart range

Manfaat dari control chart range (R), sebagai berikut :

a) Memantau perubahan dalam hal spread-nya (penyebarannya)

b) Memantau tingkat keakurasian/ketepatan proses yang diukur dengan mencari range
dari sampel yang diambil.
Ada dua sebab proses menjadi out-of-control :

1. Rataan proses bergeser

2. Variabilitas proses membesar

Langkah dalam pembuatan peta X dan R

1. Tentukan ukuran subgrup (n = 3, 4, 5, ......)

2. Tentukan banyaknya subgrup (k) sedikitnya 20 subgrup

3. Hitung nilai rata-rata dari setiap subgrup, yaitu X.

4. Hitung nilai rata-rata seluruh X, yaitu X, yang merupakan center line dari peta kendali X

5. Hitung nilai selisih data terbesar dengan data terkecil dari setiap subgrup, yaitu range (R)

6. Hitung nilai rata-rata dari seluruh R, yaitu R yang merupakan center line dari peta kendali
R

7. Hitung batas kendali dari peta kendali X :

3
UCL = X + (A2 . R) dimana A2 =
d2 n

LCL = X – (A2 . R)

8. Hitung batas kendali untuk peta kendali R

UCL = D4 . R

LCL = D3 . R

9. Plot data X dan R pada peta kendali X dan R serta amati apakah data tersebut berada
dalam pengendalian atau tidak.

10. Hitung indeks kapabilitas proses (Cp)

USL - LSL
Cp =
6S
 Dimana :

R
S=
d2

Kriteria penilaian :

• Jika Cp>1,33 maka kapabilitas proses sangat baik

• Jika 1,00≤Cp≤1,33 maka kapabilitas proses baik
• Jika Cp<1,00 maka kapabilitas proses rendah

Hitung indeks Cpk :

Cpk = Minimum {CPU ; CPL}

Dimana :

USL - X X - LSL
CPU = dan CPL =
3S 3S

Kriteria penilaian : Kondisi ideal : Cp > 1,33 dan Cp = Cpk

• Jika Cpk = Cp maka proses terjadi ditengah

• Jika Cpk = 1 maka proses menghasilkan produk yang sesuai dengan spesifikasi
• Jika Cpk < 1 maka proses menghasilkan produk yang tidak sesuai dengan spesifikasi

Contoh kasus I :

PT XYZ adalah suatu perusahaan pembuatan suatu produk industri. Ditetapkan spesifikasi
adalah : 2,40 ± 0,05 mm. Untuk mengetahui kemampuan proses dan mengendalikan proses itu
bagian pengendalian PT XYZ telah melakukan pengukuran terhadap 20 sampel. Masing-masing
berukuran 5 unit (n = 5 )

Hasil Pengukuran
Sampel
X1 X2 X3 X4 X5
1 2.38 2.45 2.40 2.35 2.42
2 2.39 2.40 2.43 2.34 2.40
3 2.40 2.37 2.36 2.36 2.35
 4 2.39 2.35 2.37 2.39 2.38
5 2.38 2.42 2.39 2.35 2.41
6 2.41 2.38 2.37 2.42 2.42
7 2.36 2.38 2.35 2.38 2.37
8 2.39 2.39 2.36 2.41 2.36
9 2.35 2.38 2.37 2.37 2.39
10 2.43 2.39 2.36 2.42 2.37
11 2.39 2.36 2.42 2.39 2.36
12 2.38 2.35 2.35 2.35 2.39
13 2.42 2.37 2.40 2.43 2.41
14 2.36 2.38 2.38 2.36 2.36
15 2.45 2.43 2.41 2.45 2.45
16 2.36 2.42 2.42 2.43 2.37
17 2.38 2.43 2.37 2.39 2.38
18 2.40 2.35 2.39 2.35 2.35
19 2.39 2.45 2.44 2.38 2.37
20 2.35 2.41 2.45 2.47 2.35

Perhitungan :

Perhitungan
Sampel
Rata-rata Range
1 2.40 0.10
2 2.39 0.09
3 2.37 0.05
4 2.38 0.04
5 2.39 0.07
6 2.40 0.05
7 2.37 0.03
8 2.38 0.05
9 2.37 0.04
10 2.39 0.07
11 2.38 0.06
12 2.36 0.04
13 2.41 0.06
14 2.37 0.02
15 2.44 0.04
16 2.40 0.07
 17 2.39 0.06
18 2.37 0.05
19 2.41 0.08
20 2.41 0.12
Jumlah 47.78 1.19
Rata-rata 2.39 0.06

( X) 47, 78
X= = = 2,39
k 20

( R) 1,19
R= = = 0,06
k 20

Peta kendali X :

CL = X = 2,39

UCL = X + (A2 x R) = 2,39 + (0,577 x 0,06) = 2,42

LCL = X – (A2 x R) = 2,39 – (0,577 x 0,06) = 2,36

Peta kendali R :

CL = R = 0,06

UCL = D4 x R = 2,114 x 0,06 = 0,12

LCL = D3 x R = 0 x 0,06 = 0

Pada peta X ada data yang out of control, maka data pada sampel tersebut dibuang!

Perhitungan
Sampel
Rata-rata Range
1 2.40 0.10
2 2.39 0.09
3 2.37 0.05
4 2.38 0.04
5 2.39 0.07
6 2.40 0.05
 7 2.37 0.03
8 2.38 0.05
9 2.37 0.04
10 2.39 0.07
11 2.38 0.06
12 2.36 0.04
13 2.41 0.06
14 2.37 0.02
16 2.40 0.07
17 2.39 0.06
18 2.37 0.05
19 2.41 0.08
20 2.41 0.12
Jumlah 45.34 1.15
Rata-rata 2.386 0.0605

( X) 45,34
X= = = 2,386
k 19

( R) 1,15
R= = = 0, 0605
k 19

Peta kendali X :

CL = X = 2,386

UCL = X + (A2 x R) = 2,386 + (0,577 x 0,0605) = 2,4209

LCL = X – (A2 x R) = 2,386 – (0,577 x 0,0605) = 2,3511

Peta kendali R :

CL = R = 0,0605

UCL = D4 x R = 2,114 x 0,0605 = 0,1280

LCL = D3 x R = 0 x 0,06 = 0

Karena sudah tidak ada data yang out of control, maka langkah selanjutnya adalah
menghitung kapabilitas proses.
Perhitungan kapabilitas proses :

R 0, 0605
S= = = 0, 026
d 2 2,326

Cpk = Minimum {CPU : CPL} = 0,4615

Keputusannya adalah :

Nilai Cpk sebesar 0,4615 yang diambil dari nilai CPL menunjukkan bahwa proses
cenderung mendekati batas spesifikasi bawah

Nilai Cp sebesar 0,6410 ternyata kurang dari 1, hal ini menunjukkan kapabilitas proses
untuk memenuhi spesifikasi yang ditentukan rendah

CONTROL CHART RATA-RATA DAN STANDAR DEVIASI

Peta kendali standar deviasi digunakan untuk mengukur tingkat keakurasian suatu proses.

Langkah-langkah pembuatan peta kendali x dan S adalah sebagai berikut :

1. Tentukan ukuran contoh/subgrup (n > 10)

2. Kumpulkan banyaknya subgrup (k) sedikitnya 20 – 25 subgrup

3. Hitung nilai rata-rata dari setiap subgrup, yaitu x

4. Hitung nilai rata-rata dari seluruh x, yaitu x yang merupakan garis tengah (center line)
dari peta kendali x

5. Hitung simpangan baku dari setiap subgrup yaitu S : S =

 (X - X)
i
2

n -1

6. Hitung nilai rata-rata dari seluruh S, yaitu S yang merupakan garis tengah dari peta
kendali S

7. Hitung batas atas kendali dari peta kendali x :

 3.S
UCL = x +
C4. n
3.S 3
LCL = x - dimana = A3
C4. n C4. n
sehingga
UCL = x + (A3.S)
LCL = x - (A3.S)

8. Hitung batas kendali untuk peta kendali S :

3.S (1- C4) 3. (1- C4)

UCL = S + dimana 1+ = B4
C4 C4
3.S (1- C4) 3. (1- C4)
LCL = S - dimana 1- = B3
C4 C4

Sehingga :

UCL = B4 . S

LCL = B3 . S

9. Plot data x dan S pada peta kendali x dan S serta amati apakah data tersebut berada dalam
pengendalian atau diluar pengendalian.

Contoh Kasus II

Misalnya, Perusahaan ASA melakukan monitoring terhadap produk yang dihasilkan oleh bagian
produksi selama 25 hari. Setiap hari diambil 5 (harusnya > 10, namun untuk kepentingan
kemudahan pembahasan dimisalkan 5) produk untuk diukur panjangnya. Selengkapnya tersaji
dalam tabel berikut:

Jumlah Observasi Hasil Pengukuran x S

1 20, 22, 21, 23, 22 21,60 1,14
2 19, 18, 22, 20, 20 19,80 1,48
3 25, 18, 20, 17, 22 20,40 3,21
4 20, 21, 22, 21, 21 21,00 0,71
5 19, 24, 23, 22, 20 21,00 2,07
6 22, 20, 18, 18, 19 19,40 1,67
7 18, 20, 19, 18, 20 19,00 1,00
8 20, 18, 23, 20, 21 20,40 1,82
9 21, 20, 24, 23, 22 22,00 1,58
10 21, 19, 20, 20, 20 20,00 0,71
11 20, 20, 23, 22, 20 21,00 1,41
12 22, 21, 20, 22, 23 21,60 1,14
13 19, 22, 19, 18, 19 19,40 1,52
14 20, 21, 22, 21, 22 21,20 0,84
15 20, 24, 24, 21, 23 22,80 1,64
16 21, 20, 24, 20, 21 21,20 1,64
17 20, 18, 18, 20, 20 19,20 1,10
18 20, 24, 23, 23, 23 22,40 1,52
19 20, 19, 23, 20, 19 20,20 1,64
20 22, 21, 21, 24, 22 22,00 1,22
21 23, 22, 22, 20, 22 21,80 1,10
22 21, 18, 18, 17, 19 18,60 1.52
23 21, 24, 24, 23, 23 23,00 1,22
24 20, 22, 21, 21, 20 20,80 0,84
25 19, 20, 21, 21, 22 20,60 1,14
Jumlah 521,00 34,88
Rata-rata 20,77 1,30
Peta kendali x :
CL = 20, 77
UCL = x + (A3.S) = 20, 77 +1, 427(1,30) = 22, 63
LCL = x - (A3.S) = 20, 77 -1, 427(1,30) = 18,91

Peta kendali S :
CL = 1,30
UCL = B4.S = 2, 089(1,30) = 2, 716
LCL = B3.S = 0(1,30) = 0

Tabel Nilai A2, d2, D3, D4

Subgroup Size A2 d2 D3 D4
2 1.880 1.128 ----- 3.268
3 1.023 1.693 ----- 2.574
4 0.729 2.059 ----- 2.282
5 0.577 2.326 ----- 2.114
6 0.483 2.534 ----- 2.004
7 0.419 2.704 0.076 1.924
8 0.373 2.847 0.136 1.864
9 0.337 2.970 0.184 1.816
10 0.308 3.078 0.223 1.777
11 0.285 3.173 0.256 1.744
12 0.266 3.258 0.283 1.717
13 0.249 3.336 0.307 1.693
14 0.235 3.407 0.328 1.672
15 0.223 3.472 0.347 1.653
16 0.212 3.532 0.363 1.637
17 0.203 3.588 0.378 1.622
18 0.194 3.640 0.391 1.608
19 0.187 3.689 0.403 1.597
20 0.180 3.735 0.415 1.585
Tabel Nilai A3, B3, B4

Subgroup Size A3 B3 B4
2 2.659 ----- 3.267
3 1.954 ----- 2.568
4 1.628 ----- 2.266
5 1.427 ----- 2.089
6 1.287 0.030 1.970
7 1.182 0.118 1.882
8 1.099 0.185 1.815
9 1.032 0.239 1.761
10 0.975 0.284 1.716
11 0.927 0.321 1.679
12 0.886 0.354 1.646
13 0.850 0.382 1.618
14 0.817 0.406 1.594
15 0.789 0.428 1.572
16 0.763 0.448 1.552
17 0.739 0.466 1.534
18 0.718 0.482 1.518
19 0.698 0.497 1.503
20 0.680 0.510 1.490