1
Analisis Pengendalian Kualitas Statistik pada
Pembuatan Amplop dengan Menggunakan Peta
Kendali P dan NP
MuhammadIr.Arya
Sri Mumpuni
Irfandi (1061810000032),
Retnaningsih, M.Si,
Departemen Statistika Bisnis, FakultasVokasi, Institut Teknologi Sepuluh Nopember (ITS)
Kampus ITS Sukolilo-Surabaya 60111, Indonesia
e-mail: arya.irfandi@gmail.com
Abstrak— Bantal merupakan salah satu
produk yang paling sering di gunakan ketika
hendak ingin tidur. Bantal dapat menyanggah
kepala dengan baik agar kepala terjaga dari
benturan dan juga sakit pada leher. Biasanya
bantal berisi kapuk, bulu angsa dan lainnya.
Perusahaan bantal ingin memenuhi kebutuhan
pelanggannya berdasarkan kualitas sehingga
bantal yang diproduksi haruslah bantal yang
memenuhi standar yang diberikan perusahaan dan
sesuai dengan spesifikasi dari konsumen sehingga
memiliki manfaat yang maksimal sesuai yang
diharapkan konsumen. Penelitian ini bertujuan
untuk mengetahui apakah spesifikasi karakteristik
kualitas produk bantal itu cacat atau tidak cacat
sesuai dengan spesifikasi dengan menggunakan
peta kendali p dan np. Diharapkan dalam
praktikum dapat mengerti tentang konsep
penggunaan peta kendali P dan peta kendali NP
B Kata Kunci—Bantal, Peta kendali p, Peta
kendali np
I. PENDAHULUAN
antal merupakan salah satu produk yang paling sering
di gunakan ketika hendak ingin tidur. Bantal dapat
menyanggah kepala dengan baik agar kepala terjaga
dari benturan dan juga sakit pada leher. Biasanya
bantal berisi kapuk, bulu angsa dan lainnya.
Perusahaan bantal ingin memenuhi kebutuhan
pelanggannya berdasarkan kualitas sehingga bantal
yang diproduksi haruslah bantal yang memenuhi
standar yang diberikan perusahaan dan sesuai dengan
spesifikasi dari konsumen sehingga memiliki manfaat
yang maksimal sesuai yang diharapkan konsumen.
Untuk memaksimalkan kualitas yang diharapkan
sesuai dengan spesifikasi konsumen. Pada proses
produksi pembuatan bantal dilakukan pengamatan
untuk mengetahui kualitas hasil proses produksi bantal
apakah terkendali secara statistik dengan
menggunakan peta kendali.
Peta kendali (Control chart) adalah suatu teknik
statistik yang sering digunakan dalam menjamin
Anissa
Iis Dewi
Teja Indrayani
Ratih, S.Si,
(1061810000082)
M.Si
bahwa suatu proses memenuhi standar dan memiliki
batas kendali atas (Upper Control Limit) dan batas
kendali bawah (Lower Control Limit), untuk
menginterpretasikan data suatu proses dengan cara
membuat gambar batasan-batasan variasi yang
diperbolehkan dan secara objektif menentukan apakah
suatu proses ada “dalam batas kendali“ atau “diluar
batas kendali“. Peta kendali diperkenalkan oleh Dr.
Walter A. Shewhart pada tahun 1920-an, sangat
bermanfaat untuk mengetahui variabilitas yang terjadi
dalam suatu proses produksi [1].
Penelitian ini bertujuan untuk mengetahui apakah
spesifikasi karakteristik kualitas produk bantal itu
cacat atau tidak cacat sesuai dengan spesifikasi dengan
menggunakan peta kendali p dan np.
II. TINJAUAN PUSTAKA
A. Peta Kendali
Peta kendali (Control chart) adalah suatu teknik
statistik yang sering digunakan dalam menjamin
bahwa suatu proses memenuhi standar dan memiliki
batas kendali atas (Upper Control Limit) dan batas
kendali bawah (Lower Control Limit), untuk
menginterpretasikan data suatu proses dengan cara
membuat gambar batasan-batasan variasi yang
diperbolehkan dan secara objektif menentukan apakah
suatu proses ada “dalam batas kendali“ atau “diluar
batas kendali“. Peta kendali diperkenalkan oleh Dr.
Walter A. Shewhart pada tahun 1920-an, sangat
bermanfaat untuk mengetahui variabilitas yang terjadi
dalam suatu proses produksi [1].
1. Peta Kendali P
Peta kendali p digunakan untuk mengukur
proposi cacat dari item yang dihasilkan dalam suatu
produk. Dengan demikian peta kendali p digunakan
untuk mengendalikan proposi item yang tidak
memenuhi syarat kualitas yang dihasilkan dalam suatu
proses [2]. Rumus untuk menghitung peta kendali p
adalah sebagai berikut :
 2

GT= p 300 bantal/hari. Karakteristik kualitas yang dimiliki

bantal antara lain ketebalan bantal, kekencangan
p(1− p)
UCL= p+3
n √
p(1− p)
jahitan, kain bantal yang tidak halus.9
C. Langkah Analisis

2.
LCL=p−3
Peta Kendali np
n √ Langkah analisis yang dilakukan pada
praktikum ini adalah sebagai berikut.
1. Generate data mengenai proses produksi bantal
peta kendali np menggunakan ukuran banyaknya dengan skala data nominal
item yang tidak memenuhi spesifikasi dalam suatu 2. Menganalisis data proses produksi bantal
3. Membuat peta kendali p dan peta kendali np
pemeriksaan. Jadi dalam peta np tidak ada perubahan
berdasarkan kasus yang sesuai
skala pengukuran [3]. Rumus menghitung peta kontrol 4. Menarik kesimpulan dan saran
np, yaitu:
GT=np II. ANALISIS DAN PEMBAHASAN

UCL=np+3 √ np(1−np) Berikut ini merupakan hasil dari analisis

LCL=np+3 √ np(1−np) kapabilitas dari jumlah cacat untuk produksi dengan n
sama dan n berbeda untuk setiap sub groupnya.
B. Diagram Sebab – akibat (Ishikawa)
Diagram sebab akibat (Ishikawa) adalah suatu A. Menganalisis Kapabilitas Proses Peta kendali P
diagram yang menunjukkan hubungan antara sebab untuk N berbeda
dan akibat, atau yang juga sering disebut sebagai 1. Membuat Digram Pareto
Diagram Tulang Ikan. Diagram sebab akibat biasanya Diagram pareto digunakan untuk mengetahui
sering digunakan untuk membantu mengidentifikasi masalah mana yang paling sering muncul pada saat
penyebab suatu masalah, dan membantu dalam proses produksi.
mencari solusi atau pemecahan masalah [4]
Pareto Chart of Jenis Cacat
C. Diagram Pareto
Diagram sebab-akibat dikembangkan oleh Dr. 400
100

Kaoru Ishikawa pada tahun 1943, sehingga sering 80

disebut dengan diagram Ishikawa. Diagram tersebut 300

digunakan untuk mengetahui akibat dari suatu

Frekuensi

60

Percent
masalah untuk selanjutnya diambil tindakan 200
40
perbaikan. Dari akibat tersebut kemudian dicari
beberapa kemungkinan penyebabnya[5]  100
20

D. Bantal
Bantal  adalah penyangga kepala, biasanya Jenis Cacat
0
2 3 1
0

Frekuensi 148 143 142

digunakan untuk tidur di atas ranjang, atau untuk Percent 34,2 33,0 32,8
Cum % 34,2 67,2 100,0
penyangga tubuh di sofa atau kursi. Bantal
biasanya diisi oleh kapas, bulu unggas, kapuk dan Gambar 4.1 Diagram Pareto untuk n tidak sama
Keterangan:
sebagainya [6]. 1)Ketebalan
III. MOTODOLOGI PENELITIAN 2)Kerapihan Jahitan
A. Sumber Data 3)Kehalusan Kain
Data yang digunakan dalam praktikum ini Berdasarkan diagram pareto diatas dapat
adalah data primer yang diperoleh dengan generate disimpulkan bahwa penyebab cacat terbanyak adalah
data sebanyak 20 data. Data di ambil pada hari Selasa, Kerapihan jahitan, yang ke dua adalah kehalusan kain
7 April 2020, di rumah masing masing. dan yang ketiga adalah ketebalan.
B. Variabel Penelitian
2. Membuat Peta Kendali P Untuk N Sample
Variabel penelitian yang digunakan dalam Berbeda
pembahasan adalah bantal yang di amati selama 20
Setelah mengetahui penyebab cacat terbanyak
hari di bulan Juni tahun 2019 sebagai subgroup dan
adalah kerapihan jahitan, selanjutnya data cacat
sampel sebanyak 15 per hari dengan tingkat produksi digambarkan dengan peta kendali p sebagai berikut.
 3

P Chart of Jumlah Produk Cacat Pareto Chart of JenisCacat

500
1,0 +3SL=1
+2SL=1
100

+1SL=0,9137 400
0,9 80
_

Frekuensii
P=0,8131 300
Proportion

Percent
0,8 60

-1SL=0,7124 200 40
0,7

-2SL=0,6118 100 20
0,6

0,5 -3SL=0,5111 0 0
JenisCacat 2 1 3
1 3 5 7 9 11 13 15 17 19 Frekuensii 164 154 149
Sample Percent 35,1 33,0 31,9
Tests performed with unequal sample sizes Cum % 35,1 68,1 100,0

Gambar 4.2 Peta kendali P Gambar 4.3 Diagram Pareto untuk n tidak sama
Berdasarkan peta kendali p diatas bisa di lihat Keterangan:
bahwa peta tersebut tidak ditemukan titik merah atau 1)Ketebalan
out of control pada titik persebarannya dengan batas 2)Kerapihan Jahitan
kendali atas sebesar 1, garis tengah 0,8131 dan batas kendali 3)Kehalusan Kain
bawah sebesar 0,5111 maka dapat dikatakan peta sudah Berdasarkan diagram pareto diatas dapat
terkendali secara statistik. disimpulkan bahwa penyebab cacat terbanyak adalah
3. Uji Keacakan Kerapihan jahitan, yang ke dua adalah ketebalan kain
Menguji keacakan data cacat, merupakan salah satu dan yang ketiga adalah kehalusan kain.
syarat yang harus dipenuhi untuk menyatakan bahwa 2. Membuat Peta P Untuk N Sampel Sama
produk bantal sudah terkendali secara statistik. Tabel Setelah mengetahui penyebab cacat terbanyak adalah
berikut merupakan hasil pengujian dengan metode run kerapihan jahitan, selanjutnya data cacat digambarkan
test dengan software Minitab. dengan peta kendali sebagai berikut.
Hipotesis : P Chart of Produk cacat n sama
H0 : Sampel dari data keacakan data cacat diambil 1,0 +3SL=1

secara acak 0,9

+2SL=0,9209

H1 : Sampel dari data keacakan data cacat diambil

0,8 +1SL=0,8004
tidak acak
Proportion

0,7 _
Taraf nyata: α = 0,05 P=0,68

Daerah kritis : tolak H0 saat p-value < α 0,6

-1SL=0,5596
Statistik uji : 0,5
-2SL=0,4391
Tabel 4.1 Statistik Uji Keacakan 0,4
Observas
Ekspektasi P-Value 0,3
-3SL=0,3187
i 1 3 5 7 9 11 13 15 17 19
475 479,592 0,766 Sample

Berdasarkan data tabel 4.1 diatas dapat Gambar 4.4 Peta kendali P n=15
diputuskan tolak H0 karena nilai p-value lebih besar Berdasarkan peta kendali p diatas bisa di lihat
dari α yaitu 0,766 > 0,05 yang artinya disimpulkan bahwa peta tersebut tidak ditemukan titik merah atau
bahwa jumlah cacat tidak terambil secara acak secara out of control pada titik persebarannya dengan batas
signifikan pada tarf nyata 5%. Setelah diselidiki tidak kendali atas sebesar 1, garis tengah 0,68 dan batas
ada kasus khusus yang menyebabkan ketidakacakan kendali bawah sebesar 0,3187 pada titik
data cacat. persebarannya maka dapat dikatakan peta sudah
terkendali secara statistik. Karena peta sudah
B. Menganalisis Kapabilitas Proses Peta kendali P terkendali.
dan NP untuk N Sama
1. Membuat Digram Pareto 3. Membuat Peta NP Untuk N Sampel Sama
Diagram pareto digunakan untuk mengetahui Setelah mengetahui penyebab cacat terbanyak
masalah mana yang paling sering muncul pada saat adalah kerapihan jahitan, selanjutnya data cacat
proses produksi. digambarkan dengan peta kendali sebagai berikut.
 4

NP Chart of Produk cacat n sama

sama pada setiap subgroup.
15,0 +3SL=15 A.Kesimpulan
+2SL=13,81
Berikut ini merupakan kesimpulan yang didapatkan
12,5
+1SL=12,01 berdasarkan hasil analisis pada cacat pada pembuatan
bantal untuk jumlah sampel sama dan tidak sama pada
Sample Count

__
NP=10,2
10,0
setiap subgroup.
-1SL=8,39 1. Pada analisis cacat pada produksi bantal
7,5
menggunkaan peta kendali P untuk jumlah sampel
-2SL=6,59
untuk setiap group berbeda ditemukan bahwa peta
5,0 -3SL=4,78 tidak ada yang out of control, lalu dilakukan uji
1 3 5 7 9 11
Sample
13 15 17 19
keacakan hasilnya adalah tidak acak namun karena
disebabkan oleh random causes maka dapat
Gambar 4.5 Peta kendali NP N=15
dikatakan bahwa peta kendali P untuk n berbeda
Berdasarkan peta kendali np diatas bisa di lihat untuk setiap subgroup terkendali secara statistik.
bahwa peta tersebut tidak ditemukan titik merah atau 2. Pada analisis cacat pada produksi bantal
out of control pada titik persebarannya dengan batas menggunkaan peta kendali P dan NP untuk jumlah
kendali atas sebesar 15, garis tengah 10,2 dan batas sampel untuk setiap group sama ditemukan bahwa
kendali bawah sebesar 4,78 maka dapat dikatakan peta peta tidak ada yang out of control, lalu dilakukan
sudah terkendali secara statistik. Karena peta sudah uji keacakan hasilnya adalah tidak acak namun
terkendali. karena disebabkan oleh random causes maka dapat
dikatakan bahwa peta kendali P dan NP untuk n
4. Uji Keacakan sama untuk setiap subgroup terkendali secara
Menguji keacakan data cacat, merupakan salah statistik.
satu syarat yang harus dipenuhi untuk menyatakan
B, Saran
bahwa produk bantal sudah terkendali secara statistik.
Tabel berikut merupakan hasil pengujian dengan Saran untuk pembaca adalah untuk
metode run test dengan software Minitab. memperhatikan dengan seksama agar paham
Hipotesis : bagaimana suatu proses dikatakan terkendali. Saran
H0 : Sampel dari data keacakan data cacat diambil untuk peneliti adalah agar memasukkan data yang jelas
secara acak dan lengkap agar memudahkan ketika akan dilakukan
H1 : Sampel dari data keacakan data cacatdiambil tidak analisis dan teliti saat mengolah data.
acak
Taraf nyata: α = 0,05 DAFTAR PUSTAKA
Daerah kritis : tolak H0 saat p-value < α [1] Evans, James R. & William M. Lindsay. 2007. An
Statistik uji : Introduction to Six Sigma & Process Improvement.
Tabel 4.2 Statistik Uji Keacakan Jakarta: Salemba Empat.
Observa Ekspekta
P-Value
si si [2] Montgomery, D. C., 2009 Introduction to
459 450,68 0,579 Statistical Quality Control. United States of
Berdasarkan data tabel 4.1 diatas dapat America: John Wiley & Sons, Inc.
diputuskan tolak H0 karena nilai p-value lebih besar [3] Montgomery, D.C, Design and Analysis of
dari α yaitu 0,579 > 0,05 yang artinya disimpulkan Experiments. New York: John Wiley and Sons
bahwa jumlah cacat tidak terambil secara acak secara (2009).
signifikan pada tarf nyata 5%. Setelah diselidiki tidak [4] Purwanto, Djoko, 2007.Korespondensi Bisnis
ada kasus khusus yang menyebabkan ketidakacakan Modern. Jakarta : Erlangga Group
data cacat. [5] Marimin, 2008, Teknik dan Aplikasi Pengambilan
Keputusan Kriteria Majemuk, Jakarta : Grasindo
III. KESIMPULAN DAN SARAN [6] Regina, Belinda . 2013 . Bantal Fancy. Depok :
Berikut ini merupakan kesimpulan dan saran yang Kanaya Press
didapatkan berdasarkan hasil analisis pada cacat pada
pembuatan bantal untuk jumlah sampel sama dan tidak
5