PENDAHULUAN
Pengendalian kualitas merupakan kegiatan untuk mempertahankan dan mengarahkan
kualitas produk dan jasa perusahaan agar dapat berlangsung seperti yang direncanakan oleh
perusahaan. Apabila pengendalian kualitas dapat dilakukan dengan baik, tingkat kerusakan
produk yang dihasilkan dapat terus berkurang. Tujuan pengendalian kualitas adalah terdapatnya
peningkatan kepuasan konsumen, proses produksi dapat dilaksanakan dengan biaya
serendah-rendahnya serta selesai sesuai dengan waktu yang telah ditetapkan.
Dalam bidang industri dan manufaktur, pengendalian mutu merupakan proses yang
memastikan pelanggan atau konsumen menerima barang yang bebas dari cacat dan kerusakan.
Pengendalian kualitas di bidang ini bisa sedikit rumit karena seringkali pengendalian mutu hanya
dilakukan di akhir proses produksi. Pengendalian kualitas yang efektif harus melibatkan peranan
dari berbagai aspek seperti operator yang memantau proses pembuatan, teknisi mesin yang
secara rutin memantau mesin dan menemukan masalah pada mesin yang ketika masalah
ditemukan, segera melakukan perbaikan, dan ada juga manajer bagian pengendalian mutu yang
mengawasi proses produksi agar kualitas produk tetap terkendali.
Pada saat melakukan pengendalian kualitas, perusahaan menggunakan metode yang
disebut pengendalian kualitas statistik atau statistical quality control. Menurut Yamit (2013:202),
pengendalian kualitas statistik (statistical quality control) adalah alat yang sangat berguna dalam
membuat produk sesuai dengan spesifikasi sejak dari awal proses hingga akhir proses. Dan
terdapat pengertian lain yaitu menurut Assauri (2004;219) mengemukakan bahwa pengertian dari
Statistical Quality Control (SQC) adalah sebagai berikut : “Statistical Quality Control (SQC)
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”
Dalam SQC, alat yang paling umum digunakan adalah diagram kendali (control chart).
Diagram kendali membantu mengidentifikasi variasi dalam proses yang mempengaruhi kualitas
produk. Setelah variasi terdeteksi, tindakan korektif harus diambil untuk mengurangi variasi
dalam proses. Saat menggunakan diagram kendali, bagian penting dari tindakan korektif adalah
rencana tindakan di luar kendali atau Out-of-control-action plan (OCAP). Out-of-control-action
plan (OCAP) adalah diagram alir (flowchart) atau deskripsi berbasis teks tentang urutan kegiatan
yang harus dilakukan setelah terjadinya suatu peristiwa yang menjadi pemicu kejadian di luar
kendali (Montgomery;186). Seperti namanya, OCAP dikembangkan ketika beberapa poin dalam
diagram kendali menjadi tidak terkendali. Rencana tindakan di luar kendali dapat berupa
diagram alir atau deskripsi tertulis tentang kegiatan dan urutannya yang harus dilakukan ketika
peristiwa pengaktifan terjadi (pemicu). Rencana tindakan di luar kendali biasanya melibatkan
titik pemeriksaan, penyebab variasi, dan metode penghentian.
Oleh karena itu, untuk menekan tingkat kerusakan produk dan mempertahankan kualitas
produk, kami membuat sebuah contoh analisis pengendalian kualitas dengan menggunakan
metode Statistical Quality Control (SQC) untuk meminimalkan produk rusak atau cacat pada
suatu perusahaan.
KAJIAN TEORI
Prinsip Dasar Control Chart
Diagram kendali (Control Chart) adalah sebuah grafik yang memberi gambaran tentang
perilaku sebuah proses. Diagram kontrol ini digunakan untuk memahami apakah sebuah proses
berjalan dalam kondisi yang terkontrol atau tidak. Selain itu, diagram kontrol ini digunakan
untuk mendeteksi assignable causes yang terjadi sehingga kita bisa secepatnya melakukan
pencegahan. Secara umum berikut merupakan metode dan konsep dalam control chart :
Dalam setiap proses produksi kemungkinan menemukan hasil yang diluar dari spesifikasi
yang telah ditentukan bisa saja terjadi. Variasi kualitas produk ini dibagi menjadi dua jenis yaitu
common cause atau penyebab yang datang karena kumulatif dari hal-hal kecil yang tidak bisa
dihindari serta assignable causes yaitu sumber variasi yang dapat ditemukan sumber
penyebabnya serta berguna memberikan peringatan pada diagram kendali.(Montgomery, 2001).
Dari Gambar 5.1 dapat kita lihat bahwa pada t1 proses masih dalam keadaan terkendali.
Hal ini ditunjukkan oleh rata-rata dan simpangan baku yang dinotasikan dengan µ0dan σ0 pada
proses tersebut masih berada pada batas kontrolnya, yaitu diantara lower dan upper specification
limits. Kemudian pada t1 terdapat assignable cause yang pertama yang terjadi dikarenakan
rata-rata bergeser ke nilai yang baru µ0>µ0, sedangkan untuk σ0 tidak ada perubahan.
Assignabel cause lainnya muncul pada t2 yang terjadi karena simpangan baku bergeser ke nilai
yang baru σ1 > σ0 , sedangkan untuk rata rata masih sama. Kemudian pada t3 didapatkan
kembali assignable cause yang ditandai dengan rata-rata dan simpangan baku yang berada diluar
nilai kendali. Maka dari Gambar 5.1 dapat disimpulkan bahwa proses dikatakan diluar kendali
ketika rata-rata dan/atau simpangan baku mengalami perubahan diluar batas kontrol yang telah
ditentukan.
Bagian-bagian diagram kendali terdiri dari :
● Garis tengah (center line) yang mewakili nilai rata-rata dari data.
● Upper Control Limit (UCL) dan Lower Control Limit (LCL)
Selama plot data berada dalam batas kontrol, prosesnya dianggap masih in control , dan
tidak perlu tindakan apa pun. Namun, titik plot yang berada di luar batas kendali maka diartikan
sebagai bukti bahwa proses tersebut out of control, dan penyelidikan serta tindakan korektif
diperlukan untuk menemukan dan menghilangkan penyebab data out of control. Namun untuk
lebih pasti dalam menyimpulkan apakah data in control atau out of control perlu dilihat pola dari
data, apakah memiliki pola yang random atau tidak.
Contoh :
Misalnya dalam pembuatan semikonduktor yang menjadi ukuran kualitas adalah seberapa
mengembang semikonduktor tersebut dalam pemanggangan. Dalam pengujian diketahuai bahwa
rata rata lebar aliran adalah 1,5 mikron dan simpanagan baku 0,15 mikron.
Dari ilustrasi diatas, langkah pertama kita tentukan terlebih dahulu nilai LCL dan UCL sebagai
berikut :
Misalkan data sampel yang diambil adalah n=5, dengan σ =0.15. Maka simpangan baku
dari rata rata sampel adalah :
Maka dengan selang kepercayaan (1-α)%, didapatkan bahwa rata rata sampel berada diantara
1.5 + Z(α/2)(0.0671) - 1.5 − Zα/2 (0.0671).
Didapatkanlah nilai UCL dan LCL sebagai berikut :
UCL = 1.5 + 3(0,0671) = 1,7013
LCL = 1.5 - 3(0,0671) = 1,2987
Maka diagram kendali yang dihasilkan adalah seperti berikut ini :
Pada dasarnya diagram kontrol ada kaitannya dengan pengujian hipotesis, seperti dalam
menentukan batas kontrol pada contoh diatas, hal tersebut merupakan merupakan pengujian
hipotesis :
Dimana σ =0.15 diketahui, peta kendali menguji hipotesis ini berulang kali pada titik waktu
yang berbeda. Hal tersebut diilustrasikan dalam gambar 5.4 dibawah ini :
Diagram Kendali untuk Persen Rusak (Control Chart for Fraction Nonconforming)
Persen rusak (fraction nonconforming) adalah perbandingan banyak barang rusak dalam
populasi dengan banyak total barang dalam populasi. Sedangkan barang rusak (nonconforming
item) merupakan barang yang tidak memenuhi satu atau lebih standar karakteristik mutu yang
diperiksa secara simultan.
Persen rusak didasarkan pada distribusi binomial. Misalkan proses produksi berada dalam
keadaan stabil. p adalah peluang unit yang tidak sesuai dengan spesifikasi dan setiap unit yang
diproduksi berturut-turut saling bebas. Setiap unit yang diproduksi adalah variabel acak
Bernoulli dengan parameter p. Jika dipilih sampel acak sebanyak n unit produk, D adalah banyak
unit yang tidak sesuai dengan spesifikasi, maka D berdistribusi Binomial dengan parameter p
maka:
Karena diagram kendali pada bagian ini mengawasi persen rusak dari sebuah proses,
maka disebut sebagai p-chart.
Dengan L adalah jarak dari control limit ke garis tengah yang merupakan kelipatan dari
simpangan baku w.
Langkah-langkah membentuk diagram kontrol
1. Mengambil sampel berkelanjutan dari n unit
^
2. Menghitung 𝑝 ( persen rusak sampel)
^
3. Membuat plotting statistik 𝑝 pada diagram kendali
Jika sebuah unit berada di luar batas kendali, atau jika titik-titik di plot tidak tersebar
secara acak, maka dapat disimpulkan bahwa persen rusak sebuah proses cenderung bergeser ke
tingkat baru dan proses yang terjadi di luar kendali (out of control)
Ketika p tidak diketahui, maka p harus ditaksir dari data yang telah diobservasi dengan
langkah-langkah sebagai berikut:
1. Pilih m sampel awal yang masing-masingnya berukuran n, dengan aturan m setidaknya
sebanyak 20 atau 25 sampel.
2. Jika Di adalah unit-unit rusak di sampel ke i, maka persen rusak untuk sampel ke i dapat
dihitung sebagai
Dan rata-rata setiap persen rusak sampel menjadi:
Diagram kontrol dari fraksi unit yang rusak memiliki tiga parameter yang harus diperhatikan.
1. Ukuran Sampel
2. Frekuensi dari Sampel
3. Lebar dari diagram kendali
Jika kita mengambil sampel dari output sebuah proses, maka ukuran sampel dinotasikan dengan
n. Jika p sangat kecil, kita harus memiliki n yang lebih besar sehingga kita memiliki peluang
yang lebih besar untuk mendapatkan setidaknya satu unit n yang tidak sesuai dalam sampel.
Jika terdapat satu unit yang tidak sesuai dalam sampel, maka p=1/8=0.125 dan dapat dikatakan
proses tersebut diluar kendali. Karena setiap p>0 ada kemungkinan memproduksi produk cacat,
maka tidak mungkin jika kita menyimpulkan suatu proses diluar kendali hanya karena terdapat
satu item yang tidak sesuai.
Duncan (1986) menyarankan bahwa ukuran sampel harus besar agar kita dapat memperoleh
setidaknya 50% kesempatan untuk mendeteksi sebuah proses dalam jumlah tertentu.
Metode lain yang dapat digunakan untuk kasus dengan LCL=0 adalah dengan metode dari
Lucas, Davis, dan Saniga (2006). Metode ini lebih unggul daripada diagram kontrol fraksi cacat
standar karena rata-rata Average Run Length lebih baik dibandingkan Cumulative Sum (CUSUM)
np control chart berfungsi untuk mengukur jumlah defective pada produksi. np-Chart digunakan
apabila jumlah sampel (sample size) yang dikumpulkan adalah konstan atau tetap.
4. Plot data pada diagram kendali dengan nilai UCL, L, dan LCL yang sudah dicari
Interpretasi grafik :
Dalam grafik yang mempunyai nilai UCL = 0.4102 dan nilai LCL = 0.0524
terdapat data yang yang diduga tidak terkendali yakni nilai-nilai yang berada diluar batas
UCL dan LCL sebanyak 2 buah, yakni pada sampel ke-15 dan sampel ke-23.
Ketika ditemukan adanya indikasi proses yang tidak terkendali, maka kita harus
melakukan analisis menggunakan OCAP (Out of control action plan) untuk mengetahui
permasalahan akar apa yang mengakibatkan suatu proses menjadi tidak terkendali.
Dalam melakukan analisis OCAP, kita harus melakukan :
● Detect Assignable cause
● Identify root cause of problem
● Implement Corrective action
● Verify and follow up
Setelah dilakukan analisis maka ditemukan permasalahan bahwa Analisis data
dari sampel 15 menunjukkan bahwa batch baru dari stok karton dimasukkan ke dalam
produksi selama periode setengah jam tersebut. Pengenalan batch bahan mentah baru
terkadang menyebabkan kinerja produksi yang tidak teratur. Sedangkan dari sampel 23
diperoleh, operator yang relatif tidak berpengalaman telah ditugaskan untuk sementara
waktu ke mesin, dan ini dapat menjelaskan fraksi tinggi yang tidak sesuai yang diperoleh
dari sampel tersebut.
5. Setelah menemukan assignable cause dari data tersebut kemudian dilakukan sebuah
perbaikan menggunakan analisis PDCA sehingga masalah yang sama tidak muncul di
kemudian hari, sampel yang ooc tidak diikut sertakan dalam penghitungan selanjutnya.
Maka perhitungannya menjadi :
Interpretasi :
Setelah ditambahkan 24 sampel, maka didapatkan diagram yang lebih baik
dengan hasil plot sampel yang berada di dalam kendali meskipun terdapat satu sampel
ke-41 yang berada di bawah LCL. Perbaikan kualitas ini secara logis dikarenakan oleh
penyesuaian mesin yang dilakukan oleh staf teknik dan operatornya sendiri lebih sadar
akan kualitas proses.
Meskipun adanya penurunan dalam produksi barang yang cacat
(non-conforming), manajer masih kurang puas dengan fakta bahwa penurunan tersebut
masih berada pada level 21%, sedangkan data yang baru memiliki tingkat produksi
produk cacat (non-conforming) sebesar 11%.
Maka selanjutnya dilakukan pengujian hipotesis untuk menguji apakah benar
penurunan tersebut dikarenakan adanya Machine adjustments atau penyesuaian mesin.
Terlebih dahulu dibuat hipotesis sebagai berikut :
H0 : 𝑝1 = 𝑝2(proses yang tidak sesuai pada periode awal sama dengan periode yang
baru)
H1 : 𝑝1 > 𝑝2(proses yang tidak sesuai pada periode awal lebih banyak dibanding periode
yang baru)
*dimana 𝑝1adalah proposi proses yang tidak sesuai pada periode awal dan 𝑝2pada periode
yang baru.
α: 5%
Kriteria Uji : Tolak H0 apabila Z hitung > Z tabel atau p-value < alpha
Tentukan Statistik Uji :
Kemudian membuat plot dengan batas-batas diagram kendali yang baru, didapatkan :
Sebelum kita menyimpulkan bahwa proses berada dalam kendali pada tingkat ini,
terlebih dahulu kita harus memeriksa sampel untuk proses dan pola nonrandom lainnya.
Randomness test (uji tanda) ini dimaksudkan untuk menelaah terhadap proses
pengambilan data, apakah proses yang dilakukan berdasarkan konsep acak (random) atau
tidak. Operasi lanjutan dari diagram kendali ini untuk lima shift berikutnya.
Setelah didapatkan hasil plot diagram kendali yang telah ditambahkan dengan
lima shift selanjutnya, didapatkan sampel-sampel yang sudah berada didalam kendali.
Namun, tetap saja, sebelum kita menyimpulkan bahwa proses berada dalam kendali pada
tingkat ini, terlebih dahulu kita harus memeriksa sampel untuk proses dan pola
nonrandom lainnya. Randomness test (uji tanda) ini dimaksudkan untuk menelaah
terhadap proses pengambilan data, apakah proses yang dilakukan berdasarkan konsep
acak (random) atau tidak.
KESIMPULAN
Hasil penelitian dan analisis pada Pabrik kalemng minuman Orange JuiceI dapat
disimpulkan bahwa rata-rata produk yang dihasilkan akan mengalami non-conforming adalah
11% dari jumlah total produk yang di produksi. Dan dengan menganalisis menggunakan Control
Chart, rata-rata kerusakan produk sebesar 0,1108 atau 11%. Dan rata-rata kerusakan produk
tersebut terdapat diantara batas atas yaitu sebesar 0,2440 atau 24% dan batas bawah sebesar 0.
Itu menandakan bahwa tingkat kerusakan produk masih dalam batas wajar.
Dengan menggunakan diagram sebab akibat, dapat diketahui bahwa faktor utama
penyebab terjadinya kegagalan produk adalah pengenalan batch bahan mentah baru terkadang
menyebabkan kinerja produksi yang tidak teratur dan operator yang relatif tidak berpengalaman
telah ditugaskan untuk sementara waktu ke mesin, dan ini dapat menjelaskan fraksi tinggi yang
tidak sesuai yang diperoleh dari sampel tersebut.. Sehingga perlu diadakan pelatihan terhadap
tenaga kerja supaya dapat meminimalkan produk gagal pada hasil produksi.