PENGENDALIAN KUALITAS

STATISTIK

Kualitas / Mutu :
Ukuran tingkat kesesuaian barang/ jasa dg
standar/spesifikasi yang telah ditentukan/ ditetapkan.

Pengendalian Kualitas Statistik (PKS) :

Ilmu yang mempelajari tentang teknik /metode
pengendalian kualitas berda-sarkan prinsip/ konsep
statistik.

Cara menggambarkan ukuran kualitas

1. Variabel : karakteristik kualitas suatu produk dinyatakan
dengan besaran yang dapat diukur (besaran kontinue).
Seperti : panjang, berat, temperatur, dll.
2. Attribut : karakteristik kualitas suatu produk dinyatakan
dengan apakah produk tersebut memenuhi
kondisi/persyaratan tertentu, bersifat dikotomi, jadi
hanya ada dua kemungkinan baik dan buruk. Seperti
produk cacat atau produk baik, dll.

Tujuan :
 Memperoleh jaminan kualitas (quality Assuran-ce)
dapat dilakukan dengan Aceceptance sampling Plans.
 Menjaga konsistensi Kualitas, dilaksanakan dengan
Control Chart.
Keuntungan :
 Untuk mempertinggi kualitas atau mengurangi
biaya.
 Menjaga kualitas lebih uniform.
 Penggunaan alat produksi lebih efisien.
 Mengurangi rework dan pembuangan.
 Inspeksi yang lebih baik.
 Memperbaiki hubungan produsen-konsumen.
 Spesifikasi lebih baik.

Teknik Pengendalian Kualitas Statistik

Ada 4 metode Statistik yang dapat digunakan :
1. Distribusi Frekuensi
Suatu tabulasi atau cacah (tally) yang menyatakan
banyaknya suatu ciri kualitas muncul dalam sampel yang
diamati.

Untuk melihat kualitas sampel dapat digunakan :

a. Kualitas rata-rata
b. Penyebaran kualitas
c. Perbandingan kualitas dengan spesifikasi yang
diinginkan.

2. Peta kontrol/kendali (control chart)

Grafik yang menyajikan keadaan produksi secara
kronologi (jam per jam atau hari per hari).
 Tiga macam control chart :
a. Control Chart Shewart
Peta ini disebut peta untuk variabel atau peta untuk x
dan R (mean dan range) dan peta untuk x dan σ (mean
dan deviasi standard).
b. Peta kontrol untuk proporsi atau perbandingan antara
banyaknya produk yang cacat dengan seluruh
produksi, disebut peta-p (p-chart).
c. Peta kontrol untuk jumlah cacat per unit, disebut peta-c
(c-chart).

3. Tabel sampling
Tabel yang terdiri dari jadual pengamatan kualitas,
biasanya dalam bentuk presentase.

4. Metode Khusus
Metode ini digunakan untuk pengendalian kualitas dalam
industri, al : korelasi, analisis variansi, analisis toleransi,
dll.
 KONSEP STATISTIK
DALAM PROBABILITAS

Konsep statistik
PKS merupakan pengeterapan statistik pada proses
produksi, sehingga diperlukan pengertian yang tepat dan
jelas mengenai konsep-konsep statistik untuk
menghindari salah interpretasi.
Salah interpretasi dalam proses produksi mengakibatkan
penurunan kualitas produksi atau penambahan biaya
produksi.

Pola atau bentuk variasi

Dalam memproduksi barang secara masal tentu akan
dijumpai varisi meskipun sudah ditentukan ukuran
maupun kualitasnya.
Ada 3 macam variasi yang dapat terjadi :
1. Variasi yg terdapat pada unit (barang).
2. Variasi yg timbul diantara unit-unit yang dihasilkan
selama waktu tertentu.
3. Variasi yang ditimbulkan oleh produksi yg
berlainan waktunya.
Variasi-variasi tersebut timbul disebabkan karena dua
sumber, yaitu variasi penyebab khusus dan variasi
penyebab umum.
 1. Variasi Penyebab Khusus
Adalah kejadian-kejadian diluar sistem yang
mempengaruhi variasi dalam sistem. (manusia,
peralatan, material, lingkungan, metode kerja, dll).

2. Variasi penyebab Umum

Adalah faktor-faktor dalam sistem atau yang melekat
pada proses yang menyebabkan timbulnya variasi.
Penyebab umum sering disebut penyebab acak
(random causes) atau penyebab sistem (system
causes).

Harga Tengah dan Ukuran Dispersi

Mean, median, modus (mode), kuartil, percentil, decile,
range, deviasi standar.

Mean (rata-rata) :
n
∑ X
x + x + x ...................... + x i
X= 1 2 2 n = i = 1
n n

n = banyaknya pengamatan
xi = nilai atau harga pada pengamatan ke i

Median
Nilai atau harga yang membagi seluruh data menjadi
dua kelompok yang sama banyaknya
Jika banyaknya pengamatan ganjil (2k+1), maka
pengamatan ke (k+1) merupakan median, tentunya
setelah diurutkan xk + 1.

X1, x2, x3 …… ,xk xk + 1, xk + 2 ,……, x2k + 1

k pengamatan k pengamatan

Jika banyaknya pengamatan genap 2k, maka sebagai

median diambil :

xk + xk +1
2

xk = nilai pengamatan ke k setelah diurutkan

xk+1 = nilai pengamatan ke k+1 setelah diurutkan

Modus (Mode)
Nilai atau harga yang mempunyai frekuensi terbesar.

Kuartil
Membagi data menjadi empat kelompok, masing-masing
kelompok banyak anggotanya sama.

Percentil dan Decile

Membagi data menjadi seratus bagian dan sepuluh
bagian sama banyak.
Ukuran Dispersi atau Ukuran Sebaran Data
Macam dispersi : range, deviasi standar

Range (R) adalah selisih nilai terbesar dan nilai terkecil.

R = Xmaks - Xmin

2
2  ∑ xj 
∑ x j −  
 n 
Deviasi Standar (σ) = n− 1
 PETA KENDALI
(CONTROL CHART)

Metode Statistik untuk menggambarkan adanya variasi

atau penyimpangan dari mutu (kualitas) hasil produksi
yang diinginkan.

Dengan Peta kendali :

 Dapat dibuat batas-batas dimana hasil produksi

menyimpang dari ketentuan.

 Dapat diawasi dengan mudah apakah proses

dalam kondisi stabil atau tidak.

 Bila terjadi banyak variasi atau penyimpangan

suatu produk dapat segera menentukan keputusan
apa yang harus diambil.

Macam Variasi :

 Variasi dalam objek

Mis : kehalusan dari salah satu sisi daru suatu
produk tidak sama dengan sisi yang lain,
lebar bagian atas suatu produk tidak sama
dengan lebar bagian bawah, dll.
  Variasi antar objek

Mis : sautu produk yang diproduksi pada saat yang

hampir sama mempunyai kualitas yang
berbeda/ bervariasi.

 Variasi yg ditimbulkan oleh perbedaan waktu

produksi
Mis : produksi pagi hari berbeda hasil produksi siang
hari.

Penyebab Timbulnya Variasi

 Penyebab Khusus (Special Causes of
Variation)
Man, tool, mat, ling, metode, dll.
(berada di luar batas kendali)
 Penyebab Umum (Common Causes of
Variation)
Melekat pada sistem.
(berada di dalam batas kendali)

Jenis Peta Kendali

 Peta Kendali Variabel (Shewart)
Peta kendali untuk data variabel :
Peta X dan R, Peta X dan S, dll.

 Peta Kendali Attribut

Peta kendali untuk data atribut :
Peta-P, Peta-C dan peta-U, dll.
Peta X dan R

 Peta kendal X :
Memantau perubahan suatu
sebaran atau distribusi suatu
variabel asal dalam hal lokasinya
(pemusatannya).
Apakah proses masih berada
dalam batas-batas pengendalian
atau tidak.
Apakah rata-rata produk yang
dihasilkan sesuai dengan standar
yang telah ditentukan.

 Peta kendali R :
Memantau perubahan dalam hal spread-nya
(penyebarannya).
Memantau tingkat keakurasian/ketepatan
proses yang diukur dengan mencari range
dari sampel yang diambil.

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) …………. A2 = d 2 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 :
 ( Nx ∑ Xi 2 ) − ( ∑ Xi ) 2
S= N ( N − 1) atau S = R/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 = 3S dan CPL = 3S

Kriteria penilaian :
Jika Cpk = Cp, maka proses terjadi ditengah

Jika Cpk = 1, maka proses menghasilan produk yang

sesuai dengan spesifikasi

Jika Cpk < 1, maka proses menghasilkan produk yang

 tidak sesuai dengan spesifikasi

Kondisi Ideal : Cp > 1,33 dan Cp = Cpk

Contoh Kasus
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 = (Σ X)/k = 47.78 / 20 = 2.39

R = (Σ R)/k = 1.19 / 20 = 0.06

Peta Kendali X :
CL = X = 2.39
UCL = X + (A2 * R) = 2.39 + (0.577*0.06) = 2.42
LCL = X - (A2 * R) = 2.39 – (0.577*0.06) = 2.36

Peta Kendali R
CL = R = 0.06
UCL = D4 * R = 2.114 * 0.06 = 0.12
LCL = D3 * R = 0 * 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 = (Σ X)/k = 45.34 / 19 = 2.386

R = (Σ R)/k = 1.15 / 19 = 0.0605

Peta Kendali X :
CL = X = 2.386
UCL = X + (A2 * R) = 2.386 + (0.577*0.0605)
= 2.4209
LCL = X - (A2 * R) = 2.386 – (0.577*0.0605)
= 2.3511

Peta Kendali R
CL = R = 0.0605
 UCL = D4 * R = 2.114 * 0.0605 = 0.1280
LCL = D3 * R = 0 * 0.06 = 0

Karena sudah tidak ada data yang out of control,

maka langkah selanjutnya adalah menghitung
kapabilitas proses.

Perhitungan Kapabilitas Proses :

( Nx ∑ Xi 2 ) − ( ∑ Xi ) 2
S= N ( N − 1)

atau S = R/d2 = 0.0605/2.326 = 0.026

USL − LSL 2.45 − 2.35

= 0.6410
Cp = 6S = 6(0.026)

USL − X 2.45 − 2.386

= 0.8205
CPU = 3S = 3(0.026)

X − LSL 2.386 − 2.35

= 0.4615
CPL = 3S = 3(0.026)

Cpk = Minimum { CPU ; CPL } = 0.4615

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.

Peta Kendali Rata-rata dan

Standar Deviasi ( x dan S)

 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
sub-grup,
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,
−

∑ (X i − X )2
S = n −1

6. Hitung nilai rata-rata dari seluruh s, yaitu S yang

merupakan garis tengah dari peta kendali S,
7. Hitung batas kendali dari peta kendali x :

3. * S
UCL = x + C4 * n

3. * S 3
LCL = x – C4 * n dimana C4 * n = A3
Sehingga :

UCL = x + (A3 * S)
LCL = x – (A3 * S)

8. Hitung batas kendali untuk peta kendali S :

3 * S (1 − C 4) 3. (1 − C 4)
S+ 1+
UCL = C4 dimana C4 = B4

3 * S (1 − C 4) 3. (1 − C 4)
S− 1−
LCL = C4 dimana C4 = B3
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 :
 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

Peta Kontrol Untuk Atribut

1. Peta Kendali - p : untuk proporsi cacat

Dan peta kendali np untuk proporsi unit cacatnya relaitif kecil.
2. Peta Kendali – c : untuk cacat (defective)
3. Peta Kendali – u : untuk cacat per unit.

 Peta kendali – p

Perbandingan antara banyaknya cacat dengan semua

pengamatan, yaitu setiap produk yang diklasifikasikan sebagai
“diterima” atau “ditolak” (yang diperhatikan banyaknya produk
cacat).
Langkah-langkah pembuatan peta kendali - p :
1. Tentukan ukuran contoh/subgrup yang cukup besar (n >
30),
2. Kumpulkan banyaknya subgrup (k) sedikitnya 20–25
sub-grup,
3. Hitung untuk setiap subgrup nilai proporsi unit yang
cacat,
yaitu :
p = jumlah unit cacat/ukuran subgrup

4. Hitung nilai rata-rata dari p, yaitu p dapat dihitung

dengan :

p = total cacat/total inspeksi.

5. Hitung batas kendali dari peta kendali x :

p (1 − p)
3
UCL = p + n

p (1 − p)
3
LCL = p – n

6. Plot data proporsi (persentase) unit cacat serta amati

apakah data tersebut berada dalam pengendalian atau
diluar pengendalian.

Contoh :
Sebuah perusahaan ingin membuat peta kendali untuk periode
mendatang dengan mengadakan inspeksi terhadap proses
produksi pada bulan ini. Perusahaan melakukan 25 kali observasi
dengan mengambil 50 buah sample untuk setiap kali observasi.
Hasil selengkapnya adalah :
 Observasi Ukuran Banyaknya Proporsi
Sampel Produk Cacat Cacat
1 50 4 0,08
2 50 2 0,04
3 50 5 0,10
4 50 3 0,06
5 50 2 0,04
6 50 1 0,02
7 50 3 0,06
8 50 2 0,04
9 50 5 0,10
10 50 4 0,08
11 50 3 0,06
12 50 5 0,10
13 50 5 0,10
14 50 2 0,14
15 50 3 0,06
16 50 2 0,04
17 50 4 0,08
18 50 10 0,20
19 50 4 0,08
20 50 3 0,06
21 50 2 0,04
22 50 5 0,10
23 50 4 0,08
24 50 3 0,06
25 50 2 0,08
Jumlah 1250 90 1,90

p = (∑pi)/k = 1,90/25 = 0,076

p (1 − p) 0,076(1 − 0,076)
3 3
UCL = p + n = 0,076 + 50 = 0,188

p (1 − p) 0,076(1 − 0,076)
3 3
LCL = p – n = 0,076 – 50 = 0,036

 Peta Kendali – c

Suatu produk dikatakan cacat (defective) jika produk tersebut

tidak memenuhi suatu syarat atau lebih. Setiap kekurangan
disebut defec. Setiap produk yang cacat bias saja terdapat lebih
dari satu defec. (yang diperhatikan banyaknya defec).

Langkah-langkah pembuatan peta kendali - p :

1. Kumpulkan k = banyaknya subgrup yang akan
diinspeksi, usahakan k mencukupi jumlahnya antara k
= 20–25 subgrup,
2. Hitung jumlah cacat setiap subgrup ( = c),
3. Hitung nilai rata-rata jumlah cacat, c sbb :
∑c
c= k

4. Hitung batas kendali untuk peta kendali c :

UCL = c + 3 c

LCL = c – 3 c

5. Plot data jumlah cacat dari setiap subgrup yang

diperiksa dan amati apakah data tersebut berada dalam
pengendalian atau diluar kendali.

 Peta Kendali - u

Peta kendali u relatif sama dengan peta kendali c. Perbedaanya

hanya terdapat pada peta kendali u spesifikasi tempat dan waktu
yang dipergunakan idak harus selalu sama, yang membedakan
dengan peta kendai c adalah besarnya unit inspeksi perlu
diidentifikasikan.
 Rumus yang digunakan :

u − bar
Su = ni

CL = u-bar
UCL = u-bar + 3 Su
LCL = u-bar - 3 Su

RENCANA PENERIMAAN SAMPEL

(Acceptance Sampling Plans)

 Rencana penerimaan sampel adalah prosedur yang

digunakan dalam mengambil keputusan terhadap
produk-produk yang dihasilkan perusahaan.
 Bukan merupakan alat pengendalian kualitas, namun
alat untuk memeriksa apakah produk yang dihasilkan
tersebut telah memenuhi spesifikasi.

 Acceptance sampling digunakan karena alasan :

 Dengan pengujian dapat merusak produk.
 Biaya inspeksi yang tinggi.
 100 % inspeksi memerlukan waktu yang lama, dll.

 Beberapa keunggulan dan kelemahan dalam

acceptance sampling :
Keunggulan al :
 biaya lebih murah
 meminimalkan kerusakan
 mengurangi kesalahan dalam inspeksi
 dapat memotivasi pemasok bila ada
penolakan bahan baku.
Kelemahan al :
 adanya resiko penerimaan produk cacat atau
penolakan produk baik
 membutuhkan perencanaan dan pendokumentasian
prosedur pengambilan sampel.
 Tidak adanya jaminan mengenai sejumlah produk
tertentu yang akan memenuhi spesifikasi.
 Sedikitnya informasi mengenai produk.

 Dua jenis pengujian dalam acceptance

sampling :
1. Pengujian sebelum pengiriman produk akhir ke
konsumen.
Pengujian dilakukan oleh produsen disebut the
 producer test the lot for outgoing.

2. Pengujian setelah pengiriman produk akhir ke

konsumen.
Pengujian dilakukan oleh konsumen disebut the
consumer test the lot for incoming quality.

 Acceptance sampling dapat dilakukan untuk data

atribut data variable :
 Acceptance Sampling untuk data atribut
dilakukan apabila inspeksi
mengklasifikasikan sebagai produk baik dan
produk cacat tanpa ada pengklasifikasian
tingkat kesalahan/cacat produk.

 Acceptance Sampling untuk data variabel

karakteristi kualitas ditunjukkan dalam
setiap sample, sehingga dilakukan pula
perhitungan rata-tata sampel dan
penyimpangan atau deviasi standar.

 Teknik pengambilan sample dalan

acceptance sampling :
 Sampel tunggal,
 sampel ganda dan
 sampel banyak.

 Syarat pengambilan produk

sebagai sample :
 Produk harus homogen
 Produk yang diambil
sebagai sample harus
sebanyak mungkin
 Sample yang diambil harus
dilakukan secara acak
  Prosedur yang dilakukan
:
 Sejumlah produk
yang sama N
unit
 Ambil sample
secara acak
sebanyak n unit
 Apabila
ditemukan
kesalahan d
sebanyak
maksimum c
unit, maka
sample diterima.
 Apabila
ditemukan
kesalahan d
melebihi c unit,
maka sample
ditolak, yang
berarti seluruh
produk yang
homogen yang
dihasilkan
tersebut juga
ditolak.

Indek kualitas yang dapat digunakan dalam acceptance

sampling :

1. AQL (Acceptance Quality Level = tingkat kualitas

menurut produsen)
Merupakan proporsi maksimum dari cacat atau kesalahan
yang diperbolehkan.
Produsen selalu menghendaki probabilitas penerimaan
pada tingkat yang cukup tinggi (biasanya 0,99 atau 0,95).
Sehingga produsen menginginkan semua produk yang
baik dapat diterima atau meminimalkan risiko produsen.
Risiko produsen (α) adalah risiko yg diterima karena
menolak produk baik dalam inspeksinya.
Dengan kata lain produsen menginginkan probabilitas
penerimaan(Pa) dekat dengan 1 (satu). Probabilitas
kesalahan tipe I =α = 1 – Pa.

2. LQL (Limiting Quality Level = tingkat kualitas menurut

konsumen)
Merupakan kualitas ketidakpuasan atau tingkat penolakan.
Probabilitas penerimaan LQL harus rendah,
probabilitas tersebut disebut risiko konsumen (β)
atau kesalahan tipe II, yaitu risiko yang dialami
konsumen karena menerima produk yang cacat
atau tidak sesuai.
LQL sering disebut dg LTPD (Lot Tolerance Percent
Defective).

3. IQL (Indifference Quality Level )

Tingkat kualitas diantara AQL dan LQL atau tingkat
kualitas pada probabilitas 0.5 untuk rencana sampel
tertentu.

4. AOQL (Average Outgoing Quality Level)

Perkiraan hubungan yang berada diantara bagian
kesalahan pada produk sebelum inspeksi (incoming
quality) atau p dari bagian sisa kesalahan setelah inspeksi
(outgoing quality) atau AOQ = p x Pa.
Apabila incoming quality baik, maka outgoing quality juga
harus baik, namun bila incoming quality buruk, maka
outgoing quality akan tetap baik. Dengan kata lain
incoming quality baik atau buruk, outgoing quality akan
cenderung baik.
 Penerimaan (Pa)
Penerimaam (Pa)
Po proporsi Po proporsi
kesalahan (p) kesalahan (p)

Probabilitas
Probabilitas

 Pengukuran untuk mengevaluasi

kinerja Sampel

Ada beberapa macam pengukuran

1. OC Curve (Kurva Karakteristik Operasi)
Merupakan kurva probabilitas penerimaan (Pa) terhadap
produk yang dihasilkan.

Rumus : Pa = P(d=< c)
Pa : probabilitas penerimaan
c : batas penerimaan cacat produk
d : jumlah cacat yang terjadi

Kurva ini dilakukan untuk mencari hubungan antara

probabilitas penerimaan (Pa) dengan bagian kesalahan
dalam produk yang dihasilkan (p).
Perhitungan probabilitas penerimaan dapat digunakan
Tabel distribusi Poisson. Apabila tidak diketemukan nilai
probabilitasnya karena keterbatasan nilai np, maka
dapat digunakan cara interpolasi.

Dua macam OC Curve :

1
1

OC Kurva ideal OC Kurva S

Contoh : Diketahui N = 2000, n = 50, c = 2

Proporsi kesalahan Probabilitas penerimaan

np
(p) (Pa)
 1,2
p
1.0

Pa 0.8

0.6
0.01 0.50 0.986
0.4 0.02 1.00 0.920
10.2 2 3 4 50.03
6 7 8 9 1.5011 12 13
10 14 0.809
15
0.04 2.00 0.677
0 0.05 2.50 0.544
0.06 3.00 0.423
0.07 3.50 0.321
0.08 4.00 0.238
0.09 4.50 0.174
0.10 5.00 0.125
0.11 5.50 0.088
0.12 6.00 0.062
0.13 6.50 0.043
0.14 7.00 0.030
0.15 7.50 0.020

Kurva OC

2. AOQ Curve (Kurva Kualitas Output rata-rata)

AOQ adalah tingkat kualitas rata-rata dari suatu
inspeksi. Sampel yang diambil harus dikembalikan untuk
dilakukan perbaikan bila produk tersebut ternyata rusak
atau cacat.
AOQ untuk mengukur rata-rata kualitas output dari suatu
hasil produksi dengan proporsi kerusakan sebesar p.
Apabila N = banyaknya unit yang dihasilkan
n = unit sampel yang diinspeksi
p = bagian kesalahan/ketidaksesuaian
Pa = probabilitas penerimaan produk
Maka rumus yang digunakan :
Paxp( N − 1)
AOQ = N
 0,030

AOQ
p
0.025

0.020

0.015

0.010
Kurva AOQ
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0.005
mempunyai titik
0 puncak (AOQL= Average Outgoing Quality Limit). AOQL
menunjukkan kualitas rata-rata yang harus dikembalikan
dari inspeksi untuk dilakukan perbaikan.
Contoh : pembuatan kurva AOQ :
Diketahui N = 2000, n = 50, c = 2

Proporsi Probabilitas Kualitas output rata-

Kesalahan (p) penerimaan (Pa) rata (AOQ)
0.01 0.986 0.0096
0.02 0.920 0.0179
0.03 0.809 0.0237
0.04 0.677 0.0264
0.05 0.544 0.0265
0.06 0.423 0.0247
0.07 0.321 0.0219
0.08 0.238 0.0186
0.09 0.174 0.0153
0.10 0.125 0.0122
0.11 0.088 0.0094
0.12 0.062 0.0073
0.13 0.043 0.0055
0.14 0.030 0.0041
0.15 0.020 0.0029

Kurva AOQ

Untuk pengambilan sampel ganda digunakan rumus :

 [ PaI ( N − n1) + PaII ( N − n1 − n2) ]
AOQ = N

Contoh : N = 5000 unit

n1 = 40 unit n2 = 60 unit
c1 = 1 unit c2 = 5 unit
r1 = 4 unit r2 = 6 unit

Proporsi Kualitas output

Kesalahan (p) Pa I Pa II rata-rata (AOQ)
0.01 0.938 0.061 0.0099
0.02 0.808 0.173 0.0194
0.03 0.662 0.257 0.0273
0.04 0.525 0.280 0.0318
0.05 0.406 0.251 0.0324
0.06 0.309 0.198 0.0300
0.07 0.231 0.135 0.0253
0.08 0.171 0.061 0.0185
0.09 0.125 0.060 0.0165
0.10 0.091 0.034 0.0124
0.11 0.066 0.020 0.0091
0.12 0.047 0.011 0.0069
0.13 0.036 0.006 0.0054
0.14 0.027 0.003 0.0042
0.15 0.017 0.001 0.0027

3. ATI Curve (Kurva Inspeksi Total Rata-rata)

ATI menunjukkan rata-rata jumlah sampel yang
diinspeksi setiap unit yang dihasilkan.

Untuk sampel tunggal :

ATI = n + (1 – Pa) (N – n)

Untuk sampel ganda :

ATI = n1(Pa I) + (n1 + n2)Pa II + N(1 – Pa1 – Pa II)

Contoh : Diketahui N = 2000, n = 50, c = 2

Proporsi Probabilitas Rata-rata Inspeksi

AOQ
p
2500

2000

1500
Kesalahan (p) penerimaan (Pa) (ATI)
1000 0.01 0.986 77.30
1
500 2 3 0.02
4 5 6 7 8 90.920
10 11 12 13 14 206.00
15
0.03 0.809 422.45
0 0.04 0.677 679.85
0.05 0.544 939.20
0.06 0.423 1175.15
0.07 0.321 1374.05
0.08 0.238 1535.90
0.09 0.174 1660.70
0.10 0.125 1756.25
0.11 0.088 1828.40
0.12 0.062 1879.10
0.13 0.043 1916.15
0.14 0.030 1941.50
0.15 0.020 1961.00

Kurva ATI

4. ASN Curve (Banyaknya sample rata-rata)

ASN adalah rata-rata banyaknya unit yang diuji untuk
membuat suatu keputusan.

Sampel tunggal : ASN = n

Sampel ganda : ASN = n1 + n2 (1 – P1)

P1 : merupakan probabilitas keputusan pada sampel

pertama

P1 = P (produk yg diterima pd sampel pertama) + P

(produk yg ditolak pd sampel pertama)
= P (d<= c1) + P (d >= r1)

Contoh :
 Diketahui N = 3000
n1 = 40 c1 = 1 r1 = 4
n2 = 80 c2 = 3 r2 = 4

Misal nilai p atau proporsi kerusakan 0.02 maka :

P1 = P (d <=c1) + P (d >=r1)
P1 = P [d <= 1 n1.p = 40 (0.02)] +
P [d >= 4 n1.p = 40 (0.02)]
= P [d <= 1 n1.p = 0.8] + P [d >= 4 n1.p = 0.8]
= 0.808 + (1 – 0,991)
P1 = 0.817

ASN = n1 + n2 (1 – P1)
= 40 + 80 (1 = 0.817)
= 54.64

Proporsi Probabilitas keputusan Banyaknya

Kesalahan (p) pada sample pertama Sampel Rata-rata
(P1) (ASN)
0.01 0.939 44.38
0.02 0.817 54.64
0.03 0.697 64.24
0.04 0.604 71.68
0.05 0.549 76.08

MILITARY STANDAR 105 D

 Adalah system pengambilan sampel untuk data atribut

dengan indek kualitas yang digunakan adalah AQL.
 AQL : Tingkat kualitas menurut produsen merupakan
proporsi maksimum dari cacat atau kesalahan yang
diperbolehkan yang bertujuan untuk inspeksi sampel,
yang dipertimbangkan secara tepat sebagai rata-rata
proses.
 Alat yang digunakan adalah “tabel” yang berkaitan
dengan banyaknya inspeksi.
 ACCEPTANCE DENGAN TABEL ABC
(Mil STD 105 D Tabel)

 Defect :
o Critical : berbahaya/tdk aman terhadap
pemakai
o Major : mengurangi fungsi/kegunaan
o Minor : tidak mengurangi fungsi tetapi
menyim-pang dari standar.

 Macam sampling plan

o Single sampling plan
o Double sampling plan
o Multiple sampling plan

 Level Inspeksi
o Special (khusus)
o General (umum)

 Jenis Inspeksi
o Normal
o Tighten (ketat)
o Reducet (longgar)

 Prodedur Pemilihan :
Single sampling plan
1. Tentukan lot size dan level inspeksi
2. Dari table I : tentukan sampel code letter
3. Tentukan AQL (dalam %)
4. Tentukan batas penerimaan/penolakan
dan jumlah sampel dari :
 Tabel II – A Normal
II – B Tighten
II – C Reduced

 Cara penggunaan tabel

 Dengan ukuran lot tertentu (N) lihat tabel K
dan tingkat pemeriksaan

Jika tingkat pemeriksaan tidak diketahui maka diambil

“tingkat pemeriksaan umum tk. II”

 Dari tabel K akan diperoleh kode huruf ukuran

sampel.

Khusus S1
S2
Tingkat pemeriksaan S3
S4
Umum I
II
III

 Huruf yang didapat dari table K untuk menentukan

ukuran sample dan batas kelas pemeriksaan suatu
penolakan dari lot
o Ditambah AQL (Acceptable Quality Level/
tingkat kualitas yang diterima
o Jenis pemeriksaan

Maka akan diperoleh n, Ac, Re

n = ukuran sample untuk menentukan

Ac = batas penerimaan harga Pa
 Re = batas penolakan

Jenis pemeriksaan :
- tunggal : normal (L)
ketat (M)
longgar (N)

- ganda : normal (O)

ketat (P)
longgar (Q)

- multi : normal (R)

ketat (S)
longgar (T)

Contoh :
N = 1000
Tingkat pemeriksaan umum II
AQL = 0,25
Cari : a). Jenis pemeriksaan tunggal normal
b). Jenis pemeriksaan ganda longgar

dari tabel K didapat untuk N = 1000 dg tingkat

pemeriksaan umum tk II dg kode letter J :
a. dengan jenis pemeriksaan tunggal normal
n = 80
AQL = 0,25
Maka Ac = 0
Re = 1

b. Ganda longgar
 n1 = 20
n2 = 20

tabel tunggal longgar didapat :

n = 32
AQL = 0,25
Ac = 0
Re = 1

PERENCANAAN SAMPING MENURUT

MIL STD 414

Perencanaan sampel untuk data variabel. Pengambilan dan

penerimaan data variabel didasarkan pada rata-rata dan
standar deviasi, serta distribusi frekuensi.

METODE TAGUCHI

 Metode Taguchi : Dr. Genichi Taguchi (1949).

 Metode Taguchi dikembangkan untuk melaukan

perbaikan kualitas dengan metode baru dengan
pendekatan lain yang memberikan tingkat kepercayaan
yang sama dengan SPC (Statistical Process Control).
 Kelebihan Metode Taguchi
1. Dapat mengurangi jumlah pelaksanaan percobaan
dibandingkan jika menggunakan full factorial, shg dapat
menghemat waktu dan biaya.
2. Dapat melakukan pengamatan terhadap rata-rata dan
variasi karakteristik kualitas sekaligus, shg ruang
lingkup pemecahan masalah lebih luas.
3. Dapat mengetahui faktor-faktor yang berpengaruh
terhadap karakteristik kualitas melalui perhitungan
AVONA dan Rasio S/N, shg faktor-faktor yang
berpengaruh tersebut dapat diberikan perhatian khusus.
 Kekurangan Metode Taguchi
Percobaan dilakukan dengan banyak faktor dan interaksi
akan terjadi pembauran beberapa interaksi oleh faktor
utama, akibatnya keakuratan hasil percobaan akan
berkurang.

 Tahap-tahap dalam Desain Produk/proses Taguchi

1. System Design
Tahap konseptual untuk memperoleh ide-ide baru dan
mewujudkan dalam produk baru atau inovasi proses.
2. Parameter Design
Tahap pembuatan prototipe matematis bedasarkan
tahap sebelumnya melalui percobaan secara statistik.
Tujuannya adalah mengidentifikasi setting parameter
yang akan memberikan performansi rata-rata pada
target dan menentukan pengaruh dari faktor gangguan
pada variasi dari target.
3. Tolerance Design
Penentuan toleransi dari parameter yang berkaitan
dengan kerugian pada masyarakat akibat penyimpangan
produk.

 Karakteristik Kualitas
Karakteristik kualitas adalah hasil suatu proses yang
berkaitan dengan kualitas.
1. Nominal is the best
Karakteristik kualitas yang menuju nilai target yang tepat
 pada suatu nilai tertentu.
Berat panjang lebar kerapatan
Ketebalan diameter luas kecepatan
Volume jarak tekanan waktu

2. Smaller the better

Pencapaian karakteristik jika semakin kecil (mendekati
nol) semakin baik.
Penggunaan mesin persen kontaminasi
Penyimpangan kebisingan
Waktu proses produk gagal
Pemborosan kerusakan

3. Larger the better

Pencapaian karakteristik kualitas semakin besar
semakin baik.
Kekuatan km/liter efisiensi
Waktu antar kerusakan ketahanan thd korosi

 Orthogonal Array (OA)

OA merupakan salah satu kelompok dari percobaan yang
hanya menggunakan bagian dari kondisi total, dimana
bagian ini mungkin separuh, seperempat atau
seperdelapan dari percobaan faktorial penuh.

Keuntungan OA adalah kemampuan untuk mengevaluasi

berapa faktor dengan jumlah tes yang minimum. Jika
terdapat 7 faktor dengan 2 level, maka jika menggunakan
full factorial akan diperlukan 27 buah percobaan. Dengan
OA jumlah percobaan dapat dikurangi shg dapat
mengurangi waktu dan biaya percobaan.

Langkah-2 pelaksanaan percobaan Taguchi

1. Penentuan karakteristik kualitas (variabel tak bebas)
Variabel yang perubahannya tergantung pada variabel-
variabel lain.
Dalam percobaan Taguchi, variabel tak bebas adalah
karakteristik kualitas yang terdiri dari tiga kategori :
a. Measurable Characteristic (karakteristik yg dpt
 diukur)
1). Nominal is the best
2). Smaller the better
3). Larger the better
b. Attribute Characteristic
Hasil akhir yang diamati tdk dapat diukur dengan skala
kontinu, tetapi dapat diklasifikasikan secara kelompok
kecil, menengah, besar atau dpt dikelompokan
berdasarkan berhasil (sukses) atau tidak.
c. Dynamic Characteristic
Merupakan fungsi representasi dari proses yang diamati.
Proses yang diamati digambarkan sebagai signal atau
input dan output sebagai hasil dari signal.
2. Identifikasi faktor-faktor (variabel bebas)
Variabel yang perubahannya tidak tergantung pada
variabel lain.
Beberapa metode yang dapat digunakan untuk
mengidentifikasi faktor-faktor tersebut :
a. Brainstorming
Diskusi kelompok untuk memberikan gambaran tentang
masalah yang dihadapi, setiap orang mengungkapkan
faktor-faktor yang berpengaruh pada masalah yang
dihadapi, dicatat kemudian dilakukan
penyaringan/pemilihan berdasarkan urgensi masalah.
b. Flowcharting
Mengidentifikasi faktor-faktor yang mungkin
berpengaruh melalui flowchart proses pembuatan obyek
yang diamati.
c. Cause-effect diagram
Diagram istikawa digunakan untuk mengidentifikasi
penyebab faktor-faktor yang potensial.

3. Pemisahan faktor kontrol dan faktor gangguan

Faktor yang diamati terdiri atas faktor kontrol dan faktor
gangguan.
Faktor kontrol : faktor yg nilainya dapat diatur atau
dikendalikan atau yg nilainya akan kita atur atau
dikendalikan.
Faktor gangguan (noise factor) : faktor yg nilainya tidak
bisa kita atur atau kendalikan.
Faktor gangguan terdiri dari :
c. External (outer) noise : semua gangguan dari
kondisi lingkungan atau luar produksi.
d. Internal (inner noise) : semua gangguan dari
dalam produksi sendiri.
e. Unit to unit noise : perbedaan antara unit yang
diproduksi dengan spesifikasi yang sama.

4. Penentuan jumlah level dan nilai level faktor

Level faktor dapat dinyatakan secara kuantitatif seperti
temperatur, kecepatan, waktu dll.

5. Identifikasi interaksi faktor kontrol

Interaksi muncul jika dua faktor atau lebih yang mengalami
perlakuan secara bersama akan memberikan hasil yg
berbeda.

6. Perhitungan derajat kebebasan (degree of freedom)

Dilakukan untuk menghitung jumlah minimum percobaan
yang harus dilakukan untuk menyelidiki faktor-faktor yg
diamati.
Jika nA dan nB adalah jumlah perlakuan untuk faktor A dan
faktor B maka :
Dof untuk faktor A = nA – 1
Dof untuk faktor B = nB – 1
Dof unt interaksi faktor A dan B = (nA – 1)( nB – 1)
Jumlah total dof = (nA – 1)+( nB – 1) +
(nA – 1)( nB – 1)

7. Pemilihan Orthogonal array

Dalam memilih jenis Orthogonal Array harus diperhatikan
jumlah level faktor yang diamati yaitu :
 a. jika semua fator adalah 2 level : pilih OA untuk 2
level faktor.
b. jika semua fator adalah 3 level : pilih OA untuk 3
level faktor.
c. jika beberapa fator adalah 2 level dan lainnya 3
level : pilih yang mana yang dominan.
d. jika terdapat campuran 2, 3, atau 4 level faktor :
lakukan modifikasi OA dengan metode Merging
coloumn.
8. Penugasan untuk faktor dan interaksinya pada OA
9. Persiapan dan pelaksanaan percobaan
10. Analisis data