BAB I

PENDAHULUAN

A. Latar Belakang
Pengendalian Kualitas Statistik (Statistical Quality Control) secara garis besar
digolongkan menjadi dua, yakni pengendalian proses statistik (statistical process control)
dan rencana penerimaan sampel produk (acception sampling). Pengendalian kualitas
proses dan produk juga dapat dibagi dua golongan menurut jenis datanya, yaitu data
variabel dan data atribut. Data variabel memberikan lebih banyak informasi dari pada
atribut. Namun demikian data variabel tidak dapat digunakan untuk mengetahui
karakteristik kualitas seperti banyaknya kesalahan atau presentase kesalahan suatu proses.
Data variabel dapat menunjukkan seberapa jauh penyimpangan dari standar proses,
sementara data atribut tidak dapat menunjukkan informasi tersebut.

Kenapa diperlukan peningkatan kualitas produk atau jasa? Banyak alasan yang
dapat menjelaskan hal ini, diantaranya adalah dapat meningkatkan daya saing, menarik
konsumen kembali dan memberikan konsumen informasi dan keyakinan terhadap produk
dan jasa serta mengurangi biaya yang terjadi karena konsumen pindah ke merek lainnya.
Disini peran statistika sangat penting, statistika proses kontrol(SPC) sebagai ilmu yang
mempelajari tentang teknik/metode pengendalian kualitas berdasarkan prinsip-prinsip dan
konsep statistik.

B. Rumusan masalah
Bagaimana cara pengendalian kualitas proses statistik pada data variabel.

C. Tujuan
Untuk mengetahui cara pengendalian kualitas proses statistik pada data variabel.
 BAB II
PEMBAHASAN
2.1 Pengendalian Kualitas Statistik
Pengendalian kualitas statistik (Statistical Quality Control) memiliki pengertian
sama dengan Pengendalian Proses Statistik (Statistical Process Control). Pengendalian
proses statistik adalah suatu terminologi yang digunakan untuk menjabarkan penggunaan
teknik-teknik dalam memantau dan meningkatkan performansi untuk menghasilkan
produk yang berkualitas.
Pengendalian kualitas statistik adalah suatu sistem yang dikembangkan untuk
menjaga standar yang uniform dari kualitas hasil produksi, pada tingkat biaya yang
minimum dan merupakan bantuan untuk mencapai efisiensi perusahaan pabrik. Pada
dasarnya pengendalian kualitas statistic merupakan penggunaan metode statistic untuk
mengumpulkan dan menganalisa data dalam menentukan dan mengawasi kualitas hasil
produk. Tujuan utama pengendalian kualitas statistik adalah pengurangan variabilitas
secara sistemik dalam karakteristik kunci produk itu.

Manfaat dari penerapan pengendalian kualitas statistik, antara lain:

1. Kualitas produk yang lebih beragam;
2. Memberikan informasi kesalahan lebih awal;
3. Mengurangi besarnya bahan yang terbuang sehingga menghemat biaya bahan;
4. Meningkatkan kesadaran perlunya pengendalian kualitas;
5. Menunjukkan tempat terjadinya permasalahan dan kesulitan.
Pengendalian proses statistik (statistical process control) merupakan teknik
penyelesaian masalah yang digunakan sebagai pemonitor, pengendali, penganalisis,
pengelola, dan memperbaiki proses menggunakan metode-metode statistik. Pengendalian
proses statistik merupakan penerapan metode-metode statistik untuk pengukuran dan
analis variasi proses. Dengan pengendalian proses statistik maka dapat dilakukan analisis
dan meminimalkan penyimpangan dan kesalahan, mengkuantifikasikan kemampuan
proses dan memuat hubungan antara konsep dan teknik yang ada untuk mengadakan
perbaikan proses. Keberhasilan dalam pengendalian proses statistik dapat dipengaruhi
oleh tiga faktor, yakni sistem pengukuran, sistem pelatihan yang tepat, dan komitmen
manajemen. Alasan utama menggunakan pengendalian proses statistik adalah untuk dapat
mencapai kepuasan pelanggan.
2.2 Data Ukuran Kualitas yang Bersifat Variabel
Karakteristik data ukuran kualitas dikelompokkan menjadi dua jenis yakni data
ukuran kualitas yang bersifat variabel dan data ukuran kualitas yang bersifat atribut.
Ukuran kualitas variabel adalah karakteristik kualitas suatu produk yang dinyatakan
dengan besaran yang dapat diukur (besaran kontinue). Seperti : panjang, berat,
temperatur, dll. Ukuran kualitas yang bersifat variable memiliki distibrusi yang kontinyu
Distribusi kontinyu (Continuous Distribution) menggambarkan data yang memiliki
distribusi rapat sekali karena data tersebut bisa terjadi dalam digit dibelakang koma
hingga n digit.
Pengendalian kualitas proses statistik untuk data variabel seringkali disebut
sebagai metode peta pengendali (control chart) untuk data variabel. Metode ini
digunakan untuk menggambarkan variasi atau penyimpangan yang terjadi pada
kecenderungan memusat dan penyebaran observasi. Metode ini juga dapat menunjukkan
apakah proses dalam kondisi stabil atau tidak. Dalam peta kendali (control chart)
seringkali terjadi kekacauan antara batas pengendali dengan batas spesifikasi.
Sementara itu, dalam proses pengendalian, peta pengendali statistik mendeteksi
adanya sebab khusus dalam ketidaksesuaian yang terjadi. Apabila data sampel berada
diuar batas pengendali, maka data sampel tersebut disebut berada diluar batas pengendali
statistik (out of statistical control). Sebaliknya apabila data sampel berada di dalam batas
pengendali data sampel tersebut disebut berada di dalam batas pengendali statistik (in
statistical control). Proses yang disebut berada di dalam batas pengendali statistik
tersebut dikatakan berada dalam kondisi stabil dengan kemungkinan adanya variasi yang
disebabkan oleh sebab umum. Namun demikian, kondisi in statistical control tersebut
tidak selalu identik dengan kepuasan pelanggan. Pada beberapa situasi, proses tidak
berada pada pengendali statistik tetapi tidak membutuhkan tindakan karena telah
memenuhi spesifikasi. Pada kondisi lain, proses in statistical control justru membutuhkan
tindakan karena spesifikasi produk tidak tercapai.
Menurut besterfield (1998) manfaat pengendalian kualitas data variabel
memberikan informasi :
1. perbaikan kualitas
2. menentukan kemapuan proses setelah perbaikan kualitas tercapai
3. membuat keputusan yg terkait spesifikasi produk.
4. membuat keputusan yang terkait dgn proses produksi
5. membuat keputusan baru terkait dgn produk yg dihasilkan
2.3 Peta Kendali
Dalam proses pengendalian digunakan peta pengendali . Peta kendali variabel
digunakan untuk mengendalikan kualitas produk selama proses prouksi yang bersifat
variabel dan dapat diukur. Seperti :berat, ketebalan, panjang, volum, diameter. Peta
kendali variabel biasanya digunakan untuk pengendalian proses yang didominasi oleh
mesin.
Peta kendali adalah peta yang menunjukkan batas-batas yang dihasilkan oleh
suatu proses dengan tingkat kepercayaan tertentu. Peta kendali digunakan untuk
membantu mendeteksi adanya penyimpangan dengan cara menetapkan batas-batas
kendali:
a. Batas kendali atas (Upper Control Limit)
Merupakan garis batas kendali atas untuk suatu penyimpangan yang masih dapat
ditolerans.;
b. Garis pusat atau garis tengah (Central Line)
Merupakan garis yang melambangkan tidak adanya penyimpangan dari
karakteristik sampel; dan
c. Batas kendali bawah (Lower Control Limit)
Merupakan garis batas kendali bawah untuk suatu penyimpangan dari
karakteristik suatu sampel.

Peta kendali variabel dibagi menjadi 2 :

1. Peta kendali rentang (R chart)
Digunakan untuk mengetahui besarnya rentang atau selisih antara nilai
pengukuran antara nilai pengukuran yang terbesar dengan nilai
pengukuran terkecil di dalam sub grup yang diperiksa.
2. Peta kendali simpangan (S chart)
S dalam S Chart menandai Sigma (σ) atau Standard Deviation Chart hendaknya
digunakan untuk mendeteksi apakah karakteristik proses stabil. Oleh karena itu, S
Chart biasanya diplot bersama dengan X Chart sehingga memberi gambaran
mengenai variasi proses lebih baik. Peta kendali standar deviasi digunakan untuk
mengukur tingkat keakurasian suatu proses.
 Bagan pengendalian mutu digunakan untuk pengendalian kualitas melalui
penelitian atau pengujian terhadap variabel proses, seperti waktu yang digunakan untuk
memproses pengerjaan produk dan ukuran produk (diameter, panjang, berat atau isi).
Kesesuaian dengan standar mutu dinilai dari 2 sudut penilaian, yaitu ukuran rata-rata
sampel serta daya jangkau (range) dari ukuran sampel yang diteliti. Keakuratan proses
dipelihara dengan mempergunakan bagan X. Sedangkan presisi ukuran produk (precise)
ditelusuri melalui bagan R.
Langkah-langkah control chart data variabel (besterfield, 1998)
1. Pemilihan karakteristik kualitas
(berat, panjang, waktu, dst)
2. Pemilihan sub kelompok
Ukuran sampel menurut ANSI/ASQC Z1.9 – 1993, Inspeksi Normal, level 3

Banyaknya produk yang dihasilkan (unit) Ukuran sampel

91 – 150 10

151 – 280 15

282 – 400 20

401 – 500 25

501 – 1200 35

1201 – 3200 50

3201 – 10000 75

10001 – 35000 100

35001 – 150000 150

Sumber: besterfield, 1998

3. Pengumpulan data
4. Penentuan garis pusat (center line) dan control limits
5. Penyusunan revisi terhadap garis pusat dan batas-batas pengendalian
6. Interpretasi terhadap pencapaian tujuan
 BAB III

LAMPIRAN

3.1 Studi Kasus

3.1.1 Uji Kenormalan

Berdasarkan data maka akan dilakukan analisis proses kendali statistik.

Sebelum dilakukan analisis proses kendali statistik maka harus dilakukan uji
kenormalan data terlebih dahulu dengan menggunakan Uji Kolmogorov-Smirnov
dan didapatkan hasil pengujian sebagai berikut.

Probability Plot of sampel

Normal
99.9
Mean 49.79
StDev 0.6433
99 N 120
KS 0.106
95 P-Value <0.010
90
80
70
Percent

60
50
40
30
20
10
5

0.1
48 49 50 51 52
sampel

Gambar 3.1 Plot Distribusi untuk Data Sampel

Berdasarkan Gambar 3.1 Plot distribusi untuk data sampel, didapatkan

nilai P < 0,01. Dengan menggunakan α = 0,05 maka dapat dikatakan bahwa data
tidak berdistribusi normal.
3.2 Peta Kendali Xbar - R
Karena data tidak berdistribusi normal maka diasumsikan data mengikuti
distribusi normal sehingga dapat dibuat peta kendali Xbar-R. Data pengamatan
terdiri dari 30 subgrup dengan ukuran sampel pada masing-masing subgrup
sebanyak 4. Dengan bantuan software minitab didapatkan hasil sebagai berikut .
 Xbar-R Chart of sampel
51.0
U C L=50.836
50.5
Sample Mean
50.0 _
_
X=49.785
49.5

49.0
LC L=48.734
1 4 7 10 13 16 19 22 25 28
Sample

U C L=3.291
3
Sample Range

2
_
R=1.443
1

0 LC L=0
1 4 7 10 13 16 19 22 25 28
Sample

Gambar 3.2 Peta Kendali Xbar-R

Berdasarkan Gambar 3.2 peta kendali Xbar-R terlihat bahwa semua
subgrup berada dalam batas kontrol dengan batas kendali atas (UCL) sebesar
50,836, Center Line (CL) 49,785 dan batas kendali bawah (LCL) sebesar 48,734.
Sedangkan pada peta kendali R juga terlihat bahwa semua subgrup juga berada
dalam batas kontrol dengan batas kendali atas (UCL) sebesar 3,291, Center Line
(CL) adalah Rbar sebesar 1,443 dan batas kendali bawah (LCL) sebesar 0.
3.3 Peta Kendali Xbar – S
Peta kendali Peta Kendali Xbar–S pada umumnya dibuat pada saat sampel
besar, namun peta kendali Xbar–S ini juga bisa dibuat dalam sampel kecil seperti
dalam kasus ini, dimana sampel berjumlah 4 dengan subgroup berjumlah 30.
Dengan bantuan software minitab didapatkan hasil sebagai berikut .
 Gambar 3.3 Peta Kendali Xbar-S
Berdasarkan Gambar 3.3 Peta Kendali Xbar-S terlihat bahwa semua
subgrup berada dalam batas kontrol dengan batas kendali atas (UCL) sebesar
50,846, Center Line (CL) 49,785 dan batas kendali bawah (LCL) sebesar 48,725.
Sedangkan pada peta kendali S juga terlihat bahwa semua subgrup juga berada
dalam batas kontrol dengan batas kendali atas (UCL) sebesar 1.476, Center Line
(CL) adalah Sbar sebesar 0.651, batas kendali bawah (LCL) sebesar 0.
3.4 Perbandingan Peta Kendali Xbar – S dan Peta Kendali Xbar – R

Gambar 3.4 Perbandingan Peta Kendali Xbar-S dan Peta Kendali Xbar – R
 Berdasarkan Gambar 3.4 Perbandingan Peta Kendali Xbar-S dan Peta
Kendali Xbar – R terlihat bahwa batas kendali atas dan batas kendali bawah peta
kendali Xbar – R lebih sempit jika dibandingkan dengan peta kendali Xbar-S,
sehingga pada sampel yang kecil akan lebih baik jika menggunakan peta kendali
Xbar – R.
 BAB IV
KESIMPULAN
4.1 Kesimpulan
Berdasarkan peta kendali Xbar-S dan peta kendali Xbar–R dapat
disimpulkan bahwa rata-rata panjang keramik dalam setiap subgroup dalam
kondisi in-kontrol atau tidak terjadi cacat produk. Kondisi ini menunjukkan
bahwa produk keramik kayu lantai di CV. Tri Makmur Sentosa dengan variabel
pengamatan panjang keramik sudah sesuai dengan spesifikasi yang ditentukan
oleh perusahaan. Dengan kondisi ini maka dapat di sarankan bahwa batas peta
kendali dari Xbar-S dan peta kendali Xbar – R saat ini bisa digunakan sebagai
batas kendali dalam proses selanjutnya dengan lebih mengutamakan untuk
membuat peta kendali Xbar-R karena batas-batas dari peta kendali Xbar – R
memiliki selang yang lebih sempit.
 DAFTAR PUSTAKA

Adityo, Sutrisno. 2013.Studi Kasus Pada Pt. Rapico Busana Permata Indah. Bekasi: UG

Beatrix, Meike E. 2013. Pengendalian dan Penjaminan Kualitas. Universitas Mercu

Buana

Nisak, Fitrotun. 2013. Skripsi: ANALISIS PENGENDALIAN MUTU PRODUK

MENGGUNAKAN STATISTICAL PROCESS CONTROL (SPC). Jember: Universitas
Jember
KELOMPOK 1

Sahiradewi D. P. 185090501111017
Pratiwi Dwi Yanti 185090501111019
Isaac D.H.A. 185090501111030
Henida Ratna Ayu Putri 185090501111033
Reza Panduwaskita 185090507111032