STATISTICAL PROCESS CONTROL

SEJARAH DAN DEFINISI

- Pengendalian Proses Statistikal (Statistical Process Control – SPC) adalah

suatu terminology yang mulai digunakan sejak tahun 1970-an untuk
menjabarkan penggunaan teknik-teknik statistical (statistical technique) dalam
memantau dan meningkatkan performansi proses menghasilkan produk
berkualitas.

- Pada tahun 1950-an sampai 1960-an digunakan terminologi Pengendalian

Kualitas Statistikal (Statistical Quality Control – SQC) yang memiliki
pengertian sama dengan Pengendalian Proses Statistikal (Statistical Process
Control – SPC).

- Pengendalian kualitas merupakan aktivitas teknik dan manajemen, melalui

mana kita mengukur karaktersitik kualitas dari output (barang dan/atau jasa)
kemudian membandingkan hasil pengukuran itu dengan spesifikasi output
yang diinginkan pelanggan, serta mengambil tindakan perbaikan yang tepat
apabila ditemukan perbedaan antara performansi aktual dan standar.

- SPC merupakan suatu metodologi pengumpulan dan analisis data kualitas,

serta penentuan dan interpretasi pengukuran-pengukuran yang menjelaskan
tentang proses dalam suatu system industri, untuk meningkatkan kualitas dari
output guna memenuhi kebutuhan dan ekspektasi pelanggan.

- Dalam konteks SPC, terminologi kualitas didefinisikan sebagai konsistensi

peningkatan atau perbaikan dan penurunan variasi karakteristik dari suatu
produk (barang dan/atau jasa yang dihasilkan agar memenuhi kebutuhan yang
telah dispesifikasikan, guna meningkatkan kepuasan pelanggan.

- Pengukuran performansi kualitas dapat dilakukan pada tiga tingkat, yaitu:

1. Pengukuran pada tingkat proses, yang mengukur setiap langkah atau
aktivitas dalam proses dan karakteristik input yang diserahkan oleh
pemasok (supplier) yang mengendalikan karakteristik output yang
diinginkan.

Tujuan dari pengukuran pada tingkat ini adalah mengidentifikasi perilaku

yang mengatur setiap langkah dalam proses, dan menggunakan ukuran-
ukuran ini untuk mengendalikan operasi serta memperkirakan output yang
akan dihasilkan sebelum output itu diproduksi atau diserahkan ke
pelanggan.
Contoh: Lama waktu menjawab panggilan telepon
Persentase material cacat yang diterima dari pemasok
 Siklus waktu produk (product cycle times)

2. Pengukuran pada tingkat output, yaitu mengukur karakteristik output yang

dihasilkan dibandingkan terhadap spesifkasi karakteristik yang diinginkan
pelanggan.

Contoh: Banyaknya unit produk yang tidak memenuhi spesifikasi

Tingkat efektivitas dan efisiensi produksi
Karakteristik kualitas dari produk yang dihasilkan

3. Pengukuran pada tingkat outcome, yaitu mengukur bagaimana baiknya

suatu produk memenuhi kebutuhan dan ekspektasi pelanggan.

Tujuannya adalah mengukur tingkat kepuasan pelanggan dalam

mengkonsumsi produk yang diserahkan.

Contoh: Banyaknya keluhan pelanggan yang diterima

Banyaknya produk yang dikembalikan oleh pelanggan
Tingkat kecepatan waktu penyerahan produk tepat waktu

- Variasi adalah ketidakseragaman dalam system produksi atau operasional

sehingga menimbulkan perbedaan dalam kualitas pada output (barang dan/atau
jasa) yang dihasilkan.

- Klasifikasi variasi:
1. Variasi Penyebab-Khusus (Special-Causes Variation)
Merupakan kejadian-kejadian di luar sistem yang mempengaruhi variasi
dalam sistem.

Sumbernya adalah manusia, peralatan, material, lingkungan, metode kerja,

dll.

Polanya adalah non acak (non random pattern) sehingga dapat diidentifika,
ditemukan sebab tidak selalu aktif dalam proses tetapi memiliki pengarh
yang lebih kuat pada proses sehingga menimbulkan variasi.

Pada peta kontrol (control charts), jenis variasi tersebut sering ditandai
dengan titik-titik pengamatan yang melewati atau keluar dari batas-batas
pengendalian yang didefinisikan (defined control limits).

2. Variasi Penyebab –Umum (Common-Causes Variation)

Merupakan factor-faktor di dalam sistem atau yang melekat pada proses
yang menyebabkan timbulnya variasi dalam sistem serta hasil-hasilnya.
 Sering disebut sebagai penyebab acak (random causes) atau penyebab
system (system causes) karena selalu melekat pada system, untuk
menghilangkannya harus menelusuri elemen-elemen dalam sistem itu dan
hanya pihak manajemen yang dapat memperbaikinya.

Pada peta control (control charts), jenis variasi ini sering ditandai dengan
titik-titik pengamatan yang berada dalam batas-batas pengendalian yang
didefinisikan (defined control limits).

- Suatu proses dikatakan beroperasi dalam pengendalian statistical apabila

variasi-variasi yang timbul hanya bersumber dari variasi penyebab-umum.

- Kapabilitas proses menggambarkan performansi terbaik dari proses tersebut.

- Kapabilita proses ditentukan oleh variasi yang bersumber dari variasi

penyebab-umum.

STATISTICAL PROCESS CONTROL USING CONTROL CHARTS

• Control chart (Peta kontrol):

Metoda grafis untuk memonitor aktivitas dari suatu proses yang sedang
berlangsung (Disebut juga ‘Peta Kontrol Shewart’).

 Garis vertikal memuat karakteristik kualitas yang akan dimonitor

 Garis horizontal memuat sampel atau ukuran sampel (group)
 Garis sentral (center line) memuat nilai rata-rata dari karakteristik
 Garis batas atas (upper control limit) dan garis batas bawah (lower control
limit) dibuat untuk membuat keputusan:

Rule 1: Suatu Proses diasumsikan keluar dari kontrol jika sebuah titik plot
berada diluar batas kontrol atas dan kontrol bawah.
Rule 2: Suatu proses diasumsikan akan keluar dari kontrol jika dari tiga titik
plot yang berurutan terdapat 2 titik plot berada di luar batas kontrol 2s
(warning limit) pada sisi yang sama.
Rule 3: Suatu proses diasuksikan akan keluar dari kontrol jika dari lima titik
plot yang berurutan terdapat empat titik plot yang melewati batas
kontrol 1s pada sisi yang sama.
Rule 4: Suatu proses diasumsikan akan keluar dari kontrol jika delapan atau
lebih titik plot yang berurutan berada di satu sisi dari center line.
Rule 5: Suatu proses diasumsikan akan keluar dari kontrol jika delapan atau
lebih titik plot yang berurutan berada di atas atau di bawah center line.
- Dasar Statistika Dalam Peta Kontrol
* Distribusi Normal
* Populasi, sampel, mean, standar deviasi
X bar = Σ Xi/√n
sxbar = s/√n

Batas Kontrol:
• CL = E (θ bar)
• UCL = E (θ bar) + k SD (θ bar)
• LCL = E (θ bar) – k SD (θ bar)
Dimana:
- θ merupakan karakter kualitas
- θ bar merupakan estimator θ
- SD = standar deviasi
- K = jumlah SD statistik sampel dari center line

- Peta Kontrol Variabel

PETA X-Bar dan R-Bar

* Digunakan untuk memantau proses yang mempunyai karakteristik bersifat
kontinyu (data variabel) berdasarkan rata-ratanya, dengan asumsi ukuran
contoh (n) kecil.

PETA KONTROL X-Bar dan S

* Digunakan untuk memantau proses yang mempunyai karakteristik bersifat
kontinyu (data variabel) berdasarkan rata-ratanya, dengan asumsi ukuran
contoh (n) besar.

PETA KONTROL X bar dan MR

* Digunakan untuk memantau proses yang mempunyai karakteristik bersifat
kontinyu (data variabel) berdasarkan rata-ratanya, dengan asumsi ukuran
contoh (n) = 1.

- Peta Kontrol Atribut

PETA P
* Digunakan untuk mengukur proporsi ketidak sesuaian dari iyem-item dalam
kelompok yang sedang diinspeksi, untuk n konstan atau berubah (variable).

PETA np
 * Digunakan untuk mengukur proporsi ketidak sesuaian dari iyem-item dalam
kelompok yang sedang diinspeksi, untuk n konstan.

PETA c
* Digunakan untuk mengukur cacat terhadap spesifikasi-spesifikasi dari suatu
item dengan ukuran contoh (n) yang konstan

PETA u
* Digunakan untuk mengukur cacat terhadap spesifikasi-spesifikasi dari suatu
unit item dengan ukuran contoh (n) > 1, baik konstan atau berubah
(variable).

- PETA KONTROL X-bar dan R

Langkah 1. Tentukan ukuran contoh (n=4,5,6,…). Untuk keperluan praktek

biasanya ditentukan lima unit pengukuran dari setiap contoh
(n=5).
Langkah 2. Kumpulkan set contoh (biasanya 20-25 set contoh)
Langkah 3. Hitung nilai rata-rata X-bar dan range R dari setiap set contoh.
Langkah 4. Hitung nilai rata-rata dari semua X-bar (disebut double X-bar)
yang merupakan center line dari peta kontrol.
Langkah 5. Hitung bata-batas kontrol untuk peta X-bar dan R:
• PETA X bar 3s
CL = X double bar  PETA R 3s
UCL = X double bar + A2 R bar CL = R bar
LCL = X double bar – A2 R bar UCL = D4. R bar
LCL = D3. R bar
• PETA X bar 6s  PETA R 6s
CL = X double bar CL = R bar
UCL = X double bar + (2) A2 R bar UCL = (2) D4. R bar
LCL = X double bar – (2) A2 R bar LCL = (2) D3. R bar

• PETA X bar 1s
 PETA R 1s
CL = X double bar
CL = R bar
UCL = X double bar + (1/3) A2 R bar
UCL = (1/3) D4. R bar
LCL = X double bar – (1/3) A2 R bar
LCL = (1/3) D3. R bar

• PETA X bar 2s
CL = X double bar  PETA R 2s
UCL = X double bar + (2/3) A2 R bar CL = R bar
LCL = X double bar – (2/3) A2 R bar UCL = (2/3) D4. R bar
LCL = (2/3) D3. R bar
- PETA KONTROL p

Peta kontrol p digunakan untuk mengukur proporsi

ketidaksesuaian/penyimpangan (yang sering disebut cacat) dari item-item dalam
kelompok yang terdapat dalam inspeksi. Dengan demikian peta kontrol p
digunakan untuk mengendalikan proporsi dari item-item yang tidak memenuhi
syarat spesifikasi kualitas atau proporsi dari produk yang cacat yang dihasilkan
dalam suatu proses. Peta control p dapat digunakan untuk ukuran contoh (n) yang
bersifat konstan atau berubah-ubah dari waktu ke waktu.

1. Tentukan ukuran contoh yang cukup besar (n >30)

2. Kumpulkan 20-25 set contoh
3. Hitung nilai proporsi cacat, yaitu p-bar = Total cacat / total inspeksi
4. Hitung nilai simpangan baku, yaitu Sp = {p-bar (1-p) / n}
Jika p-bar dinyatakan dalam persentase, maka Sp dihitung sebagai berikut:
Sp = {p-bar (100 - p-bar) / n}
5. Hitung batas-batas dari:
- Peta kontrol p (batas-batas kontrol 3 sigma)
CL = p-bar
UCL = p-bar + 3Sp
LCL = p-bar - 3 Sp

- Peta kontrol p (batas-batas kontrol 1 sigma)

CL = p-bar
UCL = p-bar + Sp
LCL = p-bar - Sp

- Peta kontrol p (batas-batas kontrol 2 sigma)

CL = p-bar
UCL = p-bar + 2Sp
LCL = p-bar - 2 Sp

- Peta kontrol p (batas-batas kontrol 6 sigma)

CL = p-bar
UCL = p-bar + 6Sp
LCL = p-bar - 6 Sp

6. Plot atau tebarkan data proporsi (atau persentase) cacat dan lakukan
pengamatan apakah data itu berada dalam pengendalian statistikal.
7. Apabila data pengamatan menunjukkan bahwa proses berada dalam
pengendalian statistikal, tentukan kapabilitas proses menghasilkan produk yang
sesuai (tidak cacat) sebesar (1 – p-bar) atau (100% - p-bar), hal ini serupa
dengan proses menghasilkan produk cacat sebesar p-bar.
8. Apabila data pengamatan menunjukkan bahwa proses berada dalam batas
pengendalian statistikal, gunakan peta kontrol p untuk memantau proses terus
menerus. Tetapi apabila data pengamatan menunjukkan bahwa proses tidak
berada dalam pengendalian statistikal, proses tersebut harus diperbaiki terlebih
dahulu sebelum menggunakan peta kontrol itu untuk pengendalian proses terus
menerus.

CONTOH 1. Pemeriksaan Pada Ukuran Contoh Tetap

Tabel Lembar Perhitungan Untuk Pembuatan Peta Kontrol p

Pemeriksaan Pada 50 formulir Isian (n=50)
Nomor Banyak Formulir Proporsi Kesalahan Persentase
Pengamatan Isian Yang Salah (p) Kesalahan (p,
(Hari) (Total Cacat) %)
1 12 0,24 24,0
2 8 0,16 16,0
3 10 0,20 20,0
4 7 0,14 14,0
5 9 0,18 18,0
6 11 0,22 22,0
7 10 0,20 20,0
8 12 0,24 24,0
9 13 0,26 26,0
10 15 0,30 30,0
11 11 0,22 22,0
12 14 0,28 28,0
13 10 0,20 20,0
14 9 0,18 18,0
15 7 0,14 14,0
16 8 0,16 16,0
17 9 0,18 18,0
18 10 0,20 20,0
19 8 0,16 16,0
20 9 0,18 18,0
Jumlah = 202 4,04 404,0
Rata-rata = 10,1 0,202 20,0
(p-bar) (p-bar,%)

Sp =  {p-bar (1 – p-bar) / n} = {0,202 (1 – 0,202) /50} = 0,0568

Jika kita menggunakan nilai persentase, maka simpangan baku dihitung sbb:
Sp = {p-bar (100 – p-bar) / n} = {(20,0) (100 – 20,0) / 50} = 5,68%
 Selanjutnya kita menentukan batas-batas kontrol (missal pada 3 sigma) sbb:
- untuk nilai proporsi:
CL = p-bar = 0,202 = 0,20 (dibulatkan)
UCL = p-bar + 3Sp = 0,202 + (3)(0,0568) = 0,3724 = 0,37
LCL = p-bar - 3Sp = 0,202 - (3)(0,0568) = 0,0316 = 0,03
- untuk nilai persentase:
CL = p-bar = 20,2% = 20% (dibulatkan)
UCL = p-bar + 3Sp = 20,2% + (3)(5,68%) = 37,24 = 37%
LCL = p-bar - 3Sp = 20,2% - (3)(5,68%) = 3,16 = 3%

Catatan LCL harus  0, jika LCL < 0, maka ditetapkan LCL = 0.

Kapabilitas proses untuk menghasilkan produk tidak cacat adalah 1 – p-bar = 1 –

0,202 = 0,798 atau sekitar 80%.

CONTOH 2. Pemeriksaan Pada Ukuran Contoh Berubah-ubah.

Tabel Lembar Perhitungan Untuk Pembuatan Peta kontrol p

Nomor Ukuran Contoh Banyak Proporsi Persentase
Pengamatan (Banyak Formulir Isian Kesalahan (p) Kesalahan (p,
(Hari) Formulir yang yang Salah %)
Diperiksa, n) (Total Cact,
np)
1 50 12 0,24 24,0
2 40 8 0,20 20,0
3 50 10 0,20 20,0
4 50 7 0,14 14,0
5 45 9 0,20 20,0
6 44 11 0,25 25,0
7 50 10 0,20 20,0
8 50 12 0,24 24,0
9 52 13 0,25 25,0
10 60 15 0,25 25,0
11 55 11 0,20 20,0
12 56 14 0,25 25,0
13 50 10 0,20 20,0
14 45 9 0,20 20,0
15 42 7 0,17 17,0
16 35 8 0,23 23,0
17 45 9 0,20 20,0
18 50 10 0,20 20,0
19 40 8 0,20 20,0
20 60 9 0,15 15,0
 Jumlah = 969 202 4,17 417
Rata-rata = 48,58 10,1 0,2085 20,85
(p-bar) (p-bar,%)

n-bar = rata-rata ukuran contoh = 969 / 20 = 48,45

p-bar = total kesalahan / total pemeriksaan = 202 /969 = 0,2085
Sp =  {p-bar (1 – p-bar) / n-bar} = {(0,2085)(1-0,2085) / 48,45} = 0,0584
Atau jika menggunakan persentase:
Sp =  {p-bar (100 – p-bar) / n-bar} = {(20,85)(100-20,85) / 48,45} = 5,84%

Selanjutnya kita menentukan batas-batas kontrol (missal pada 3 sigma) sbb:

- Untuk nilai proporsi:
CL = p-bar = 0,2085 = 0,20 (dibulatkan)
UCL = p-bar + 3Sp = 0,2085 + (3)(0,0584) = 0,3837 = 0,38
LCL = p-bar - 3Sp = 0,2085 - (3)(0,0584) = 0,0333 = 0,03
- Untuk nilai persentase:
CL = p-bar = 20,2% = 20% (dibulatkan)
UCL = p-bar + 3Sp = 20,85% + (3)(5,84%) = 38,37 = 38%
LCL = p-bar - 3Sp = 20,85% - (3)(5,84%) = 3,33 = 3%
- PETA KONTROL np

Peta kontrol np digunakan untuk mengukur banyaknya item yang tidak memenuhi
spesifikasi atau banyaknya item yang tidak sesuai (cacat) dalam suatu
pemeriksaan. Pilihan penggunaan peta control np adalah apabila:
1. Data banyaknya item yang tidak sesuai adalah lebih bermanfaat dan mudah
untuk diinterpretasikan dalam pembuatan laporan dibandingkan data proporsi,
2. Ukuran contoh (n) bersifat konstan dari waktu ke waktu.

Langkah-langkah pembuatan peta control np:

1. Tentukan ukuran contoh yang cukup besar (n>30)

2. Kumpulkan 20-25 set contoh
3. Hitung nilai rata-rata banyaknya cacat dengan menggunakan formula
np-bar = np1 + np2 + .. + npk) / k – total cacat /banyaknya periode atau
kelompok pengamatan. Disini np1, np2,.., npk merupakan banyaknya item yang
tidak sesuai dalam k periode atau kelompok pengamatan.
4. Hitung nilai simpangan baku, yaitu Snp = {np-bar (1-np) / n} = {np-bar (1 –
p-bar)}
5. Hitung batas-batas kontrol dari:
- Peta kontrol p (batas-batas kontrol 3 sigma)
CL = np-bar
UCL = np-bar + 3Snp
LCL = np-bar - 3 Snp

- Peta kontrol p (batas-batas kontrol 1 sigma)

CL = np-bar
UCL = np-bar + Snp
LCL = np-bar - Snp

- Peta kontrol p (batas-batas kontrol 2 sigma)

CL = np-bar
UCL = np-bar + 2Snp
LCL = np-bar - 2 Snp

- Peta kontrol p (batas-batas kontrol 6 sigma)

CL = np-bar
UCL = np-bar + 6Snp
LCL = np-bar - 6 Snp

6. Plot atau tebarkan data proporsi (atau persentase) cacat dan lakukan
pengamatan apakah data itu berada dalam pengendalian statistikal.
7. Apabila data pengamatan menunjukkan bahwa proses berada dalam
pengendalian statistikal, tentukan kapabilitas proses menghasilkan produk yang
sesuai (tidak cacat) adalah sama dengan peta p, yaitu sebesar (1 – p-bar) atau
(100% - p-bar), hal ini serupa dengan proses menghasilkan produk cacat
sebesar p-bar.
8. Apabila data pengamatan menunjukkan bahwa proses berada dalam batas
pengendalian statistikal, gunakan peta kontrol np untuk memantau proses terus
menerus. Tetapi apabila data pengamatan menunjukkan bahwa proses tidak
berada dalam pengendalian statistikal, proses tersebut harus diperbaiki terlebih
dahulu sebelum menggunakan peta kontrol itu untuk pengendalian proses terus
menerus.

CONTOH
Tabel Lembar Perhitungan Untuk Pembuatan Peta Kontrol np
Pemeriksaan Pada 50 formulir Isian (n=50)
Nomor Banyak Formulir Proporsi Kesalahan
Pengamatan Isian Yang Salah (p)
(Hari) (Total Cacat)
1 12 0,24
2 8 0,16
3 10 0,20
4 7 0,14
5 9 0,18
6 11 0,22
7 10 0,20
8 12 0,24
9 13 0,26
10 15 0,30
11 11 0,22
12 14 0,28
13 10 0,20
14 9 0,18
15 7 0,14
16 8 0,16
17 9 0,18
18 10 0,20
19 8 0,16
20 9 0,18
Jumlah = 202 4,04
Rata-rata = 10,1 0,202
(np-bar) (p-bar)
Snp = {np-bar (1-np) / n} = {np-bar (1 – p-bar)}
=  {(50)(0,202)(1-0,202)}
 =  {(10,1)(1 – 0,202)}
= 2,839

Peta kontrol p (batas-batas kontrol 3 sigma)

CL = np-bar = (50)(0,202) = 10,1 10
UCL = np-bar + 3Snp = 10,1 + (3)(2,839) = 18,617  18
LCL = np-bar - 3 Snp = 10,1 – (3)(2,839) = 1,533  2

Kapabilitas Proses?
- Peta Kontrol c

Suatu item yang tidak memenuhi syarat atau yang cacat dalam proses
pengendalian kualitas didefinisikan sebagai ‘tidak memenuhi satu atau lebih
spesifikasi’ untuk item itu. Bila ada titik spesifik (specific point) yang tidak
memenuhi spesifikasi yang ditentukan untuk item itu, maka item itu digolongkan
sebagai cacat atau tidak memenuhi syarat. Konsekuensinya setiap utem yang
tidak memenuhi syarat akan mengandung paling sedikit satu titik spesifik yang
tidak memenuhi syarat.

Contoh: dalam proses perakitan komputer setiap unit komputer dapat saja
mengandung satu atau lebih titik lemah, namun kelemahan itu tidak
mempengaruhi operasional komputer, dan oleh karena itu masih layak diterima
(tidak cacat secara keseluruhan).

Langkah-langkah pembuatan peta c:

1. Tentukan ukuran contoh yang bersifat konstan selama periode pengamatan.
2. Lakukan pengamatan untuk beberapa periode waktu atau beberapa kelompok
contoh.
3. Hitung nilai rata-rata banyaknya ketidaksesuaian (titik spesifik) yang
ditemukan, yaitu: c-bar = total banyaknya ketidkasesuaian (titik spesifik)
dibagi dengan banyaknya kelompok (periode pengamatan).
4. Hitung nilai simpangan baku, yaitu Sc =  c-bar.
5. Hitung batas-batas control 3-sigma dari:
- Peta kontrol c (batas-batas kontrol 3 sigma)
CL = c-bar
UCL = c-bar + 3Sc
LCL = c-bar - 3 Sc

- Peta kontrol c (batas-batas kontrol 1 sigma)

CL = c-bar
UCL = c-bar + Sc
LCL = c-bar - Sc

- Peta kontrol c (batas-batas kontrol 2 sigma)

CL = c-bar
UCL = c-bar + 2Sc
LCL = c-bar - 2 Sc

- Peta kontrol c (batas-batas kontrol 6 sigma)

CL = c-bar
UCL = c-bar + 6Sc
 LCL = c-bar - 6 Sc

6. Plot data banyaknya titik spesifik yang tidak sesuai dan lakukan pengamatan
apakah data itu berada dalam pengendalian statistikal.
7. Apabila data pengamatan menunjukkan bahwa proses berada dalam
pengendalian statistikal, tentukan kapabilitas proses sebesar c-bar.
8. Apabila data pengamatan menunjukkan bahwa proses berada dalam
pengendalian statistikal, gunakan peta kontrol c untuk memantau proses terus
menerus. Tetapi apabila data pengamatan menunjukkan bahwa proses tidak
berada dalam pengendalian statistikal, maka proses itu harus diperbaiki terlebih
dahulu sebelum menggunakan peta kontrol c untuk pengendalian proses.

CONTOH
PT ABC adalah sebuah perusahaan jasa yang beroperasi dalam bidang transportasi
taksi. Pada saat ini perusahaan sedang mengoperasikan limaratus armada taksi.
Pada saat ini perusahaan sedang mengoperasikan 500 armada taksi. PT ABC
ingin memantau proses pelayanan taksi melalui pengendalian banyaknya keluhan
dari pengguna taksi yang diterima setiap hari. Untuk maksud tersebut, bagian
pengendalian kualitas PT ABC ingin membangun peta kontrol malalui
pengumpulan data banyaknya keluhan dari pengguna taksi selama 20 hari periode
pengamatan sbb:

Tabel Lembar Perhitungan Untuk Pembuatan Peta Kontrol c

Nomor Pengamatan (Hari) Banyaknya Keluhan Pengguna
Taksi (berbagai sebab, c)
1 12
2 8
3 10
4 7
5 9
6 11
7 10
8 12
9 13
10 12
11 11
12 14
13 10
14 9
15 10
16 12
17 11
18 10
19 8
20 9
Jumlah = 208
 Rata-rata= 10,4
(c-bar = rata-rata keluhan per hari)
Sc = c-bar = 10,4 = 3.225

Peta kontrol c (3 sigma):

CL = c-bar = 208/20 = 10,4  10
UCL = c-bar + 3Sc = 10,4 + (3) (3,3225) = 20,075  20
LCL = c-bar – 3Sc = 10,4 - (3) (3,3225) = 0,725  1 (catatan : LC0)

Kapabilitas proses?
- Peta Kontrol u

Peta kontrol u mengukur banyaknya ketidaksesuaian (titik spesifik) per unit

laporan inspeksi dalam kelompok (periode) pengamatan, yang mungkin memiliki
ukuran contoh (banyaknya item yang diperiksa). Peta kontrol u serupa dengan c,
kecuali bahwa banyaknya ketidaksesuaian dinyatakan dalam dasar per unit item.
Selain itu peta u dapat digunakan apabila ukuran contoh lebih dari satu unit dan
mungkin bervariasi dari waktu ke waktu.

Langkah-langkah:
1. Tentukan ukuran contoh yang bersifat konstan selama periode pengamatan.
2. Lakukan pengamatan untuk beberapa periode waktu atau beberapa kelompok
contoh.
3. Hitung nilai rata-rata banyaknya ketidaksesuaian (titik spesifik) yang
ditemukan, yaitu: u-bar = total banyaknya ketidkasesuaian (titik spesifik)
dibagi dengan banyaknya unit item yang diperiksa.
4. Hitung nilai simpangan baku, yaitu Su =  (u-bar/n)
5. Hitung batas-batas kontrol 3-sigma dari:
- Peta kontrol u (batas-batas kontrol 3 sigma)
CL = u-bar
UCL = u-bar + 3Su
LCL = u-bar - 3 Su

- Peta kontrol u (batas-batas kontrol 1 sigma)

CL = u-bar
UCL = u-bar + Su
LCL = u-bar - Su

- Peta kontrol u (batas-batas kontrol 2 sigma)

CL = u-bar
UCL = u-bar + 2Su
LCL = u-bar - 2 Su

- Peta kontrol u (batas-batas kontrol 6 sigma)

CL = u-bar
UCL = u-bar + 6Su
LCL = u-bar - 6 Su

6. Plot data banyaknya titik spesifik yang tidak sesuai dengan unit item yang
diperiksa (u = c/n) dan lakukan pengamatan apakah data itu berada dalam
pengendalian statistikal.
 7. Apabila data pengamatan menunjukkan bahwa proses berada dalam
pengendalian statistikal, tentukan kapabilitas proses sebesar u-bar.
8. Apabila data pengamatan menunjukkan bahwa proses berada dalam
pengendalian statistikal, gunakan peta kontrol u untuk memantau proses terus
menerus. Tetapi apabila data pengamatan menunjukkan bahwa proses tidak
berada dalam pengendalian statistikal, maka proses itu harus diperbaiki terlebih
dahulu sebelum menggunakan peta kontrol u untuk pengendalian proses.

CONTOH 1
PT ABC adalah sebuah perusahaan perakitan komputer yang ingin memantau proses
perakitan komputer dengan cara mengendalikan banyaknya komponen yang tidak
memenuhi syarat per unit komputer. Untuk maksud tersebut bagian pengendalian PT
ABC ingin membangun peta kontrol u, dengan cara mengumpulkan data banyaknya
komponen yang tidak memenuhi syarat selama dua hari periode pengamatan dengan
ukuran contoh sebesar 5 unit kompuet (n=5).

Tabel Lembar Perhitungan Untuk Pembuatan Peta Kontrol u

Nomor Ukuran Banyak Komponen yang Banyak Komponen yang
Pengamatan Contoh Tidak Memenuhi Syarat Tidak Memenuhi Syarat per
(Hari) (n) (c) Unit Komputer (u = c/n)
1 5 10 2,0
2 5 12 2,4
3 5 8 1,6
4 5 14 2,8
5 5 10 2,0
6 5 16 3,2
7 5 11 2,2
8 5 7 1,4
9 5 10 2,0
10 5 15 3,0
11 5 9 1,8
12 5 5 1,0
13 5 7 1,4
14 5 11 2,2
15 5 12 2,4
16 5 6 1,2
17 5 8 1,6
18 5 10 2,0
19 5 7 1,4
20 5 5 1,0

Jumlah = 100 193 38,6

Rata-rata = 5 - 1,93
(u-bar
Su = u-bar / n =  (1,93/5) = 0,621

Batas-batas ontrol (3 sigma0:

CL = u-bar = 193/100 = 38,6/20 = 1,93
UCL = u-bar + 3Su = 1,93 + (3) (0,621) = 3,79
LCL = u-bar – 3Su = 1,93 – (3) (0,621) = 0,07
(catatan: LCL  0)

Kapabilitas Proses?

CONTOH 2

Tabel Lembar Perhitungan Untuk Pembuatan Peta Kontrol u

(Ukuran Contoh Berubah-ubah)
Nomor Panjang Ukuran Banyak Banyak
Pengamatan Gulungan Contoh (ni) Ketidaksesuaia Ketidaksesuaian
(gulungan Kain (m2) n (ci) per Unit
kain, m2) Pemeriksaan,
50 m2 ( ui =
ci/ni)
1 500 10,0 14 1,40
2 400 8,0 12 1,50
3 650 13,0 20 1,54
4 500 10,0 11 1,10
5 475 9,5 7 0,74
6 500 10,0 10 1,00
7 600 12,0 21 1,75
8 525 10,5 16 1,52
9 600 12,0 19 1,58
10 625 12,5 23 1,84
Jumlah = - 107,5 153 -
Rata-rata = - 10,75 - -
Su = u-bar = 1,42/107,5 = 0,363

Batas-batas kontrol (3 sigma):

CL = u-bar = 153/107,5 = 1,42
UCL = u-bar + 3Su = 1,42 + 3(0,363) = 2,51
LCL = u-bar – 3Su = 1,42 – 3(0,363) = 0,33
Kapabilitas Proses?