MODUL 4

GRAFIK PENGENDALI ATRIBUT

4.1 Tujuan Praktikum

1. Membuat grafik pengendali untuk data atribut

2. Menginterpretasikan output grafik pengendali atribut

4.2 Prosedur Praktikum

1. Berdasrarkan hasil pengumpulan data pada modul 2, buatlah grafik

pengendali untuk data atribut yang telah dikumpulkan.
2. Perusahaan minumandalam kemasan melakukan kendali statistik pada
produk minumannya. Perusahaan memonitor kemasan apakah terjadi
kebocoraan atau penutup yang tidak sempurna. Perusahaan melakukan
pengamatan setiap hari sejumlah dengan jumlah per hari( sampel
bervariasi ). Buatlah grafik pengendali dan analisa hasilnya. Jika hasilnya
tidak terkenddali dan penyebab tidak terkendali karena penyebab khusus,
lakukan perbaikan terhadap grafik pengendali tersebut.
3. Sebuah proses yang menghasilkan titanium tempa untuk
turbochargerroda mobil dikontrol melalui penggunaan grafik pengendali
ketidaksesuaian. Pada pemeriksaan satu sampel berukuran 150 diambil
setiap hari selama dua puluh hari. Buatlah grafik pengendali untuk
memantau untuk peroses yang akan datang.
4. Sebuah pabrik menggunakan grafik pengendali untuk memonitor
ketidaksempurnaan pada gulungan kertas yang telah selesai diproses.
Output produksi selama dua puluh hari di inspeksi. Gunakan data pada
tabel untuk membat grafik pengendali ketidaksesuaian per roll kertas.
Apakah proses dalam keadaan terkendali ? Berapakah batas kendali yang
anda rekomendasikan untuk mengontrol produksi saat ini ?
5. Jumlah ketidaksesuaian per 1000 meter kabel listrik.
a. Melakukan analisa dan menyimpulkan bahwa proses dalam keadaan
terkendali? Berapakah batas kendali yang anda rekomendasikan untuk
mengontrol produksi saat ini ?
b. Jika dari dilakukan pemeriksaan baru dengan menggunakan sampel
2500 meter kabel listrik dan hasil pemeriksaannya sama dengan tabel
sebelumnya. Analisa data tersebut dapatkah disimpulkan bahwa proses
dalam keadaan terkendali ? berapakah batas kendali yang anda
rekomendasikan untuk mengontrol produksi mendatang ?
4.3 Pengumpulan dan Pengolahan Data

a. Pengumpulan Data

1. Data kecacatan pada steker

Tabel 4.1 Data kecacatan pada steker

Pengamata Jumlah Kecacatan
n
19
A4
51
A3
52
A2
51
A1
60
A5
60
A6
41
C4
41
C3
39
C2
66
C1
16
C7
66
C6
35
C5
25
D4
25
D3
41
D2
25
D1
41
D5
56
B4
55
B3
47
B2
49
B1
38
B6
60
B5
2. Data perusahaan minuman dengan melakukan pengamatan cacat kemasan
sejumlah dengan jumlah produksi per hari ( sampel bervariasi )

Tabel 4.2 Data cacat kemasan minuman produksi perhari

Hari Jumlah Cacat Hari Jumlah Cacat

Sampel Kemasan sampel kemasan
1 550 35 16 680 45
2 555 43 17 725 33
3 625 54 18 755 44
4 650 43 19 650 23
5 650 35 20 650 24
6 625 33 21 625 53
7 550 28 22 650 18
8 650 57 23 650 57
9 750 50 24 650 30
10 625 31 25 725 31
11 550 12 26 650 12
12 550 52 27 550 15
13 525 36 28 525 36
14 625 65 29 555 41
15 625 25 30 525 25

3. Data jumlah sampel pemeriksaan titanium tempa selama dua puluh hari

Tabel 4.3 data pemeriksaan ketidaksesuaian sampel

Hari Jumlah yang tak sesuai Hari Jumlah yang tak sesuai
1 10 11 25
2 25 12 33
3 54 13 35
4 13 14 23
5 35 15 24
6 15 16 15
7 18 17 18
8 25 18 57
9 15 19 30
10 31 20 31
 4. Data ketidaksempurnaan kertas yang telah diproses selama dua puluh hari

Tabel 4.4 Data ketidaksempurnaan kertas

Har Jumlah gulungan Jumlah hari Jumlah gulungan Jumlah

i kertas yang ketidaksesuaia kertas yang ketidaksesuaian
diproduksi n diproduksi
1 18 12 11 18 25
2 18 25 12 18 14
3 25 14 13 18 15
4 22 18 14 20 10
5 22 15 15 25 25
6 22 12 16 25 15
7 20 11 17 24 16
8 20 25 18 24 18
9 20 15 19 22 20
10 20 10 20 21 17

5. Data ketidaksesuaian per 1000 meter kabel listrik

Tabel 4.5 Data ketidaksesuaian kertas

No Jumlah No Jumlah
Sampel ketidaksesuaian sampel ketidaksesuaian
1 2 12 25
2 5 13 14
3 3 14 15
4 7 15 15
5 15 16 25
6 10 17 15
7 5 18 6
8 5 19 8
19 15 20 4
10 19 21 9
11 24 22 20
b. Pengolahan Data menggunakan Software Minitab

1. Kasus 1 Grafik Pengendali C-Chart

Langkah-langkah
a. Memasukkan data kecacatan

Gambar 4.1 Data kecacatan

b. Pilih menu Stat > Control Chart > Attribut Chart > P-Chart

Gambar 4.2 Submenu Stat

c. Pengisian

Gambar 4.3 Pengisian C-Chart Option

- Variable : diisi dengan kolom dimana data banyak cacat diketik ( pada
kolom Kecacatan )
- C-Chart Option : pada menu Test pilih menu perform all test for special
causes
- Klik OK
 C Chart of Kecacatan
70
1 1

UCL=64,05
60

50
Sample Count

_
C=44,13
40

30

LCL=24,20
20
1
1
10
1 3 5 7 9 11 13 15 17 19 21 23
Sample

Gambar 4.4 Grafik peta kendali C-Chart

Intrepetasi :

Pada gambar grafik pengendali diatas terlihat bahwa dengan rata-

rata 44.13 serta batas UCL 64.05 dan LCL 24.20 ada 4 titik yang berada
di luar batas kendali yaitu pada pengamatan ke 1,10,11,12. Sehingga
perlu lakukan perbaikan agar berada pada kondisi in statistic control.
 Grafik setelah diperbaiki
70

UCL=64,63

60
Sample Count

50
_
C=44,6

40 2

30

LCL=24,57

20
1 3 5 7 9 11 13 15 17 19
Sample

Gambar 4.5 Grafik peta kendali C-Chart setelah dilakukan perbaikan

Interpretasi

Pada gambar grafik diatas menunjukkan bahwa dengan rata-rata

44.6 batas pengendali UCL 64.63 dan LCL 24.57 masih terdapat data
yang tidak terkendali. Maka harus dilakukan perbaikan lagi.
 Grafik Pengendali setelah diperbaiki
70

UCL=64,87

60
Sample Count

50
_
C=44,79

40

30

LCL=24,71

20
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample

Gambar 4.6 Grafik peta kendali C-Chart setelah dilakukan perbaikan

Interpretasi :

Pada gambar grafik diatas menunjukkan bahwa dengan rata-rata 44.79 batas
pengendali UCL 64.87 dan LCL 24.71 seluruh data mengalami kondisi terkendali,
maka tidak perlu dilakukan perbaikan lagi.

2. Kasus 2 Grafik Pengendali P-Chart

- Langkah-langkah

a. Memasukkan data kecacatan

Gambar 4.7 Data kecacatan

b. Klik menu Stat > Control Chart-P

Gambar 4.8 Submenu Stat

c. Pengisian

Gambar 4.9 Pengisian Data P-Chart

o Variable: diisi dengan kolom dimana banyak produk tak sesuai

o Subgroup size : menyatakan ukuran sampel dalam satu kali
pengambilan
o P Chart Option , pada menu Test pada menu ini pilih perform
all test special causes
o Klik OK
 Grafik Pengendali
0,11 1

0,10 1

0,09 1 1 1
UCL=0,08881

0,08
Proportion

0,07
_
0,06 P=0,05817
0,05

0,04

0,03
LCL=0,02752
1 1
0,02 1
1
1 4 7 10 13 16 19 22 25 28
Sample
Tests performed with unequal sample sizes

Gambar 4.10 Grafik peta kendali P-Chart

Intrepetasi :

Pada gambar grafik pengendali diatas terlihat bahwa dengan rata-

rata 0.05817 serta batas UCL 0,08881 dan LCL 0,02752 ada 9 titik yang
berada di luar batas kendali yaitu pada hari ke 3,8,11,12,14,22,23,26,27.
Sehingga perlu lakukan perbaikan agar berada pada kondisi in statistic
control.
 Grafik Pengendali setelah dilakukan perbaikan
0,09
1 UCL=0,08672

0,08

0,07
Proportion

0,06 _
P=0,05649

0,05

0,04

0,03
LCL=0,02626

0,02
1 3 5 7 9 11 13 15 17 19 21
Sample
Tests performed with unequal sample sizes

Gambar 4.11 Grafik peta kendali P setelah diperbaiki

Interpretasi :
Pada gambar grafik pengendali diatas dengan rata-rata 0.05649
serta batas pengendali UCL 0.08672 ddan LCL 0,02626 terlihat bahwa
ada 1 titik yang berada di luar batas kendali yaitu pada hari ke 16.
Sehingga perlu lakukan perbaikan agar berada pada kondisi in statistic
control.
 Grafik Pengendali setelah dilakukan perbaikan
0,09
UCL=0,08495
0,08

0,07
Proportion

0,06
_
P=0,05508
0,05

0,04

0,03
LCL=0,02521
0,02
1 3 5 7 9 11 13 15 17 19
Sample
Tests performed with unequal sample sizes

Gambar 4.12 Grafik peta kendali setelah diperbaiki

Interpretasi :

Pada gambar grafik diatas menunjukkan bahwa rekomendasi

dengan rata-rata 0.05508 batas pengendali UCL 0,08495 dan LCL
0.02521 seluruh data telah berada dalam kondisi in statistical control,
maka data diatas telah terkendali jadi tidak perlu dilakukan perbaikan
lagi.

3. Kasus 3 Grafik NP-Chart

Langkah-langkah :
a. Memasukkan data banyak produk tak sesuai dalam satu kolom

Gambar 4.13 Data produk ketidaksesuaian

 b. Pilih menu Stat > Control Chart > Attribut Chart- NP

Gambar 4.14 Submenu Stat

c. Pengisian

Gambar 4.15 Pengisian C-Chart

-Variable : diisi dengan kolom dimana data banyak ketidaksesuaian

( klik kolom C1)

-Subgroup size diisi dengan ukuran sampel dalam satu pengamatan

( isi dengan 150)
-C-Chart Optionmenu Test pilih perfom all test for special causes

-Klik OK

NP Chart of C1
60 1
1

50
Sample Count

40 UCL=40,63

30
__
NP=26,6

20

LCL=12,57
10
1
1 3 5 7 9 11 13 15 17 19
Sample

Gambar 4.16 Grafik peta kendal C-Chart

Interpretasi :

Grafik pengendali diatas bahwa dengan rata-rata 26.6 serta nilai

batas kendali UCL 40.63 dan LCL 12.57 menunjukkan ada 3 titik yang
berada diluar batas kendali yaitu pada titik 1, 3, dan 18 . Agar terkendali
setelah dilakukan inspeksi maka perlu dilakukan perbaikan pada kondisi
yang berada diluar batas kendali.
 Grafik Pengendali setelah dilakukan perbaikan
40
UCL=37,69

35
Jumlah ketidaksesuaian

30

25 __
NP=24,18

20

15

LCL=10,67
10
1 3 5 7 9 11 13 15 17
Sample

Gambar 4.17 Grafik petakendali setelah diperbaiki

Interpretasi :

Dari grafik pengendali diatas menunjukkan bahwa batas kendali yang

direkomendasikan dengan rata-rata 24.18 serta nilai UCL 37.69 dan LCL
10.67 semua data berada dalam batas pengendali atau sudah terkendali .
grafik inilah yang digunakan sebagai rencana pengendalian kualitas
proses statistic data atribut untuk memantau periode mendatang.

4. Kasus 4 Grafik Pengendali U-Chart

Langkah-langkah :
a. Ketik panjang gulungan pada kolom 1 data banyak kecacatan dalam
kolom 2
 Gambar 4.18 Data panjang gulungan dan banyak cacat

b. Pilih menu Stat > Control Chart > Attribut Chart > U-Chart

Gambar 4.19 Submenu Stat

c. Pengisian

Gambar 4.20 Pengisian Data pada U-Chart

Variables : diisi dengan kolom dimana data jumlah kecacatan

Subgroup size : diisi dengan kolom dimana ukuran sampel diketikkan
 U-Chart Option : pada menu Test pilih menu perform all test for
special causes

d. Klik OK

Grafik Pengendali

1,4 UCL=1,367

1,2
Sample Count Per Unit

1,0

_
0,8 U=0,787

0,6

0,4

0,2 LCL=0,206

0,0
1 3 5 7 9 11 13 15 17 19
Sample
Tests performed with unequal sample sizes

Gambar 4.21 Grafik peta kendali U-Chart

Interpretasi :

Gambar grafik pengendali diatas dengan rata-rata 0.787 dan batas kendali
yang direkomendasikan nilai UCL 1,367 dan nilai LCL 0,206 data tidak ada
yang keluar dari batas kendali, sehingga data diatas bisa digunakan sebagai
rencana pengendalian produksi untuk periode mendatang.

5. Kasus 5 Grafik pengendali C-Chart

Langkah-langkah :
a. Memasukkan data banyak cacat dalam satu kolom

Gambar 4.22 Data kecacatan

b. Pilih menu Stat > Control Chart > Attribut Chart > C-Chart

Gambar 4.23 Submenu Stat

c. Pengisian

Gambar 4.24 Pengisian C-Chart Option

- Variable : diisi dengan kolom dimana data banyak ketidaksesuaian
diketik ( pada kolom C1 )
- C-Chart Option : pada menu Test pilih menu perform all test for special
causes
- Klik OK

Grafik pengendali
1 1
25 1

UCL=22,52

20
Sample Count

2
15
_
C=12,09
10

LCL=1,66
0
1 3 5 7 9 11 13 15 17 19 21
Sample

Gambar 4.25 Grafik peta kendali U-Chart

Interpretasi :

Dari gambar grafik diatas menunjukkan bahwa rata-rata 12.09 batas kendali
dengan nilai UCL 22.25 dan LCL 1.66 ada satu tiga titik yang berada diluar
batas kendali yaitu titik 11,12, dan 16. Agar terkendali setelah dilakukan
inspeksi maka perlu dilakukan perbaikan pada kondisi yang berada diluar
batas kendali.
 Grafik pengendali
1
20 UCL=19,64

15
Sample Count

_
10 C=10,11

LCL=0,57
0
1 3 5 7 9 11 13 15 17 19
Sample

Gambar 4.26 Grafik peta kendali setelah perbaikan

Interpretasi :
Dari gambar grafik diatas menunjukkan bahwa rata-rata 10.11 batas
kendali dengan nilai UCL 19.64 dan LCL 0.57 masid ada satu titik yang
keluar dari batas kendali yaitu titik ke 19, maka dari itu ;agar data dapat
terkendali maka harus dilakukan perbaikan
 Grafik pengendali setelah dilakukan perbaikan
20 1
UCL=18,83

15
Sample Count

_
10
C=9,56

0 LCL=0,28

1 3 5 7 9 11 13 15 17
Sample

Gambar 4.27 Grafik peta kendali Perbaikan

Interpretasi :
Dari gambar grafik diatas menunjukkan bahwa rata-rata 9.56
serta batas kendali dengan nilai UCL 18.3 dan LCL 0.28 masid ada satu
titik yang keluar dari batas kendali yaitu titik ke 19, maka dari itu agar
data dapat terkendali maka harus dilakukan perbaikan

grafik pengendali ketidaksesuaian setelah perbaikan

20

UCL=18

15
Sample Count

10 _
C=9

0 LCL=0

1 3 5 7 9 11 13 15 17
Sample

Gambar 4.28 Grafik peta kendali setelah perbaikan

Interpretasi :
Dari gambar grafik diatas menunjukkan bahwa dengan rata-rata
9serta batas kendali dengan rekomendasi nilai UCL 18 dan LCL 0 maka
semua data telah terkendali maka digunkan sebagai rencana untuk
periode mendatang .
4.4 Analisa dan Pembahasan
1. Pada kasus yang petama yaitu kasus kerusakan yang terjadi pada produksi
steker, yang mana data banyaknya kerusakan yang disebabkan oleh hal-hal
khusus sudah ditunjukkan pada Tabel 4.1 di atas. Pada kasus ini kami
membuat grafik pengendali untuk data tersebut, grafik pengendali yang kami
buat adalah grafik pengendali c, karena data atribut tersebut adalah data
kerusakan produksi steker yang disebabkan oleh banyak faktor, diantaranya
adalah kotor, tergores, part tidak lengkap, dan pemasangan yang tidak
rapat.Selain itu sampel data yang diambil bersifat konstan selama periode
pengamatan, maka kami memakai grafik pengendali c untuk melihat apakah
data kerusakan produksi steker tersebut terkendali dan berapa batas kendali
dari data tersebut. Setelah kami melakukan pengolahan data terdapat
perbaikan dalam pengolahan karena kondisi yang tidak terkendali.Dari
perbaikan data diperoleh hasil seperti pada Gambar 4.6 yaitu pada gambar
grafik diatas menunjukkan bahwa rekomendasi dengan rata-rata 44.79 serta
batas pengendali UCL 64.87 dan LCL 24.71 seluruh data kerusakan pada
steker telah berada dalam kondisi terkendali.

2. Kasus 2 yaitu tentang pengamatan terhadap botol minuman di suatu

perusahaan, dari pengamatan tersebut diperoleh data cacat kemasan dari
sejumlah sampel yang bervariasi setiap hari. Pada kasus 2 ini, kami
menggunakan grafik pengendali p untuk mengetahui batas-batas kendali dari
data tersebut. Kami menggunakan grafik pengendali p karena cacat kemasan
dari botol tersebut disebabkan oleh 1 faktor yaitu kebocoran botol atau
penutup yang tidak sempurna, selain itu jumlah sampel pengamatan tidaklah
konstan atau bervariasi selama 30 hari. Dari hasil pengolahan data, kami
dapat melihat hasil dari grafik pengendali p yang terdapat 2 kali perbaikan
karena data yang tidak terkendali. Dari dua kali perbaikan Gambar 4.12 pada
gambar grafik diatas menunjukkan bahwa dari ke 20 data direkomendasi
dengan rata-rata 0.05508 batas pengendali UCL 0,08495 dan LCL 0.02521
seluruh data telah berada dalam kondisi in statistical control, maka data diatas
telah terkendali jadi tidak perlu dilakukan perbaikan lagi.
3. Pada kasus 3 yaitu pemeriksaan ketidaksesuaian pada sebuah proses
penghasil titanium tempa untuk turbocharger pada mobil, yang mana data
ketidaksesuaian ada pada tabel 4.4 di atas. Dalam membuat grafik pengendali
untuk memantau proses yang akan datang, kami menggunakan grafik
pengendali np . Hal ini dikarenakan data dari jumlah ketidaksesuaian proses
pada tiap pemeriksaan suatu sampel atau subgroup konstan sebanyak 150
yang diambil setiap hari selama 20 hari. Dari hasil pengolahan data grafik
pengendali np yang terdapat satu kali perbaikan karena data yang tidak
terkendali. Setelah dilakukan satu kali perbaikan tersisa data 17 hari dan hasil
perbaikan bisa dilihat pada gambar 4.17 Dari grafik pengendali diatas
menunjukkan bahwa batas kendali yang direkomendasikan dengan rata-rata
24.18 serta nilai UCL 37.69 dan LCL 10.67 semua data berada dalam batas
pengendali atau sudah terkendali . grafik inilah yang digunakan sebagai
rencana pengendalian kualitas proses statistic data atribut untuk memantau
periode mendatang.

4. Pada kasus ke 4 yaitu kasus tentang ketidaksempurnaan pada gulungan kertas

yang telah selesai diproses. Untuk mengetahui jumlah ketidaksesuaian,
dibuatlah tabel seperti pada tabel 4.4 di atas. Untuk memonitor
ketidaksempurnaan pada gulungan kertas yang telah selesai diproses
tersebut, menggunakan grafik pengendali u. Menggunakan grafik pengendali
tersebut untuk mengukur banyaknya ketidaksesuaian (titik spesifik) per-
produksi dalam kelompok (periode) pengamatan. Dalam kasus ini
ketidaksesuaian lebih dari satu unit dan sampel tidak konstan. Dari hasil
pengolahan data dapat dilihat pada Gambar 4.21 grafik pengendali diatas
dengan rata-rata 0.787 dan batas kendali yang direkomendasikan nilai UCL
1,367 dan nilai LCL 0,206 data tidak ada yang keluar dari batas kendali,
sehingga data diatas bisa digunakan sebagai rencana pengendalian produksi
untuk periode mendatang.

5. Pada kasus 5 yaitu kasus ketidaksesuaian kabel listrik per 1000 meter,
ditunjukkan jumlah ketidaksesuaian kabel listrik dalam bentuk tabel seperti
tabel 4.5 di atas. Grafik pengendali yang digunakan untuk kasus ini adalah
grafik pengendali c, karena ketidaksesuaianpada satu produk dengan jumlah
kecacatan lebih dari satu. Dari hasil pengolahan data menggunakan software
minitab terdapat tiga kali perbaikan agar semua data bisa terkendali. Dari tiga
kali perbaikan tersisa 17 data dapat dilihat pada Gambar 4.28 grafik diatas
menunjukkan bahwa dengan rata-rata 9 serta batas kendali dengan
rekomendasi nilai UCL 18 dan LCL 0 maka semua data telah terkendali maka
digunkan sebagai rencana untuk periode mendatang .

Untuk pemeriksaan baru dengan menggunakan sampel 2500 meter kabel

listrik dan hasil pemeriksaannya sama dengan tabel sebelumnya, karena untuk
tabel jumlah ketidaksesuaian adalah sama sedangkan untuk sampel hanya
tidak sama pada ukuran per 1000 meter menjadi 2500 meter. Data yang
diproses juga sudah dalam keadaan terkendali dengan rekomendasi nilai UCL
18 dan LCL 0 maka semua data telah terkendali maka digunakan sebagai
rencana untuk periode mendatang.
4.5 Kesimpulan

1. Pada praktikum kali ini kasus 1 adalah jumlah kecacatan pada steker dengan
membuat grafik pengendali c karena dalam satu produk mengandung
beberapa titik spesifik yang cacat dalam pemeriksaan beberapa variabel . Pada
kasus 2 adalah memonitor kemasan minuman dan dikontrol melalui
penggunaan grafik pengendali p karena dalam pemeriksaan sampel atau
kelompok produk yang sampelnya tidak konstan minuman terdapat hanya
satu kategori kecacatan. Pada kasus 3 adalah pemeriksaan jumlah titanium
tempa yang tidak sesuai maka dikontrol melalui penggunaan grafik pengendali
np karena dalam pemeriksaan sampel yang konstan yang diamati dalam 20
hari memiliki jumlah item yang tidak sesuai. Pada kasus 4 adalah memonitor
ketidaksempurnaan pada gulungan kertas yang diproses dengan
menggunakan grafik pengendali u karena dalam kelompok (periode)
pengamatan ada lebih dari satu unit atau mungkin bervariasi dari waktu ke
waktu dengan mengukur banyaknya ketidaksesuaian per-unit. Pada kasus 5
adalah pemeriksaan ketidaksesuaian kabel listrik per 1000 dan 2500 meter,
maka menggunakan grafik pengendali c karena adanya ketidaksesuaian atau
cacat per tiap unit produk.

2. Dalam praktikum kali ini hasil pengolahan data pada kasus 1 mengalami satu
kali perbaikan agar data terdapat pada kondisi terkendali dan diperoleh hasil
yang dapat dilihat pada Gambar 4.6. Pada kasus 2 mengalami dua kali
perbaikan agar data terdapat pada kondisi terkendali dan hasil dapat dilihat
pada Gambar 4.11. Pada kasus 3 mengalami satu kali perbaikan agar
terdapat pada kondisi terkendali dan hasil dapat dilihat pada Gambar 4.17.
Pada kasus 4 hanya dalam sekali pengolahan data, hasil dari semua data
sudah dalam kondisi terkendali yang dapat dilihat pada Gambar 4.21. Pada
kasus 5 dalam pengolahan data terdapat tiga kali perbaikan dan hasilnya
dapat dilihat pada Gambar 4.28.
DAFTAR PUSTAKA