OLEH :
A. Peta Kendali p
Peta kendali p ialah bagan untuk proporsi unit yang ditolak dalam suatu sampel
karena tidak sesuai terhadap spesifikasi (Mc Graw Hill, Human Resource Management).
Dalam hal ini tidak diperlukan ukuran lot yang konstan.
Peta kendali p (pengendali proporsi kesalahan) merupakan salah satu peta kendali
atribut yang digunakan untuk mengendalikan bagian produk cacat dari hasil produksi.
Pengendali proporsi kesalahan (p-chart) digunakan untuk mengetahui apakah cacat
produk yang dihasilkan masih dalam batas yang disyaratkan atau tidak. Dapat dikatakan
juga sebagai perbandingan antara banyaknya cacat dengan semua pengamatan, yaitu
setiap produk yang diklasifikasikan sebagai “diterima” atau “ditolak” (yang diperhatikan
banyaknya produk cacat).
Peta pengendali proporsi kesalahan digunakan bila kita memakai ukuran cacat
berupa proporsi produk cacat dalam setiap sempel yang diambil. Bila sampel yang
diambil untuk setiap kali melakukan observasi jumlahnya sama maka kita dapat
menggunakan peta pengendali proporsi kesalahan (p-chart) maupun banyaknya
kesalahan (np-chart). Namun bila sampel yang diambil bervariasi untuk setiapkali
melakukan observasi berubah-ubah jumlahnya atau memang perusahaan tersebut akan
melakukan 100% inspeksi maka kita harus menggunakan peta pengendali proporsi
kesalahan (p-chart).
Langkah-Langkah Pembuatan Peta Kendali p :
1. Lakukan pemeriksaan terhadap n buah item yang cacat (p). Ulangi pemeriksaan untuk
sampel lain yang diambil dari lot produksi atau waktu produksi yang lain.
2. Untuk setiap pemeriksaan (sampel i), hitung fraksi cacat dengan rumus :
jumlah yang ditolak
pi =
jumlah yang diperiksa
3. Hitung rata-rata fraksi cacat dari seluruh item yang diperiksa dengan rumus :
total jumlah yang ditolak
p = total jumlah yang diperiksa
Dimana k = jumlah sampel yang diperiksa
4. Hitung standar deviasi fraksi cacat dengan rumus :
p (1− p )
s i=
√
5. Buat peta p dengan batas-batas kendali sebagai berikut :
ni
p ( 1− p )
c. Batas kendali bawah (Lower Control Limit) : LCL = p - 3 √ ni
6. Plot fraksi cacat p untuk setiap pemeriksaan (sampel) pada peta kendali yang dibuat
pada langkah 5. Pada tahap konstruksi peta ini jika terdapat data-data yang keluar dari
kontrol dan diketahui penyebabnya, buang data dan lakukan perhitungan ulang untuk
mendapatkan CL, UCL, dan LCL revisi sampai semua data berada dalam batas
kendali.
7. Interpretasikan peta kendali yang terbentuk dan lakukan analisis terhadapnya.
Peta Kendali p
2
1.5
Proporsi
CL
1
p
0.5
UCL
0
1 2 3 4 5 6 7 8 9 10 LCL
Sampel
Contoh kasus:
Suatu pemeriksaan karakteristik mutu terhadap produk X dengan jumlah inspeksi
sebanyak 25 observasi datanya adalah sebagai berikut:
No. Sampel Ukuran Banyak
sampel cacat
1 100 12
2 80 8
3 80 6
4 100 9
5 110 10
6 110 12
7 100 11
8 100 16
9 90 10
10 90 6
11 110 20
12 120 15
13 120 9
14 120 8
15 110 6
16 80 8
17 80 10
18 80 7
19 90 5
20 100 8
21 100 5
22 100 8
23 100 10
24 90 6
25 90 9
Jumlah 2450
Penyelesaian:
Dari hasil analisis dengan software minitab diperoleh grafik pengendali berikut:
Pada peta kendali p di atas dapat diketahui bahwa proses produksi produk X masih
belum terkendali dikarenakan terdapat satu sampel yang berada di luar batas pengendali
atas yaitu pada sampel ke 11. Sehingga data observasi pada baris ke 11 dihilangkan dan
diperoleh gambar grafik yang baru seperti yang ditunjukkan di bawah ini:
Dari peta kendali p di atas dapat diketahui bahwa proses produksi produk X telah
terkendali dikarenakan tidak ada sampel yang berada di luar batas pengendali atas
maupun batas pengendali bawah.
B. PETA KENDALI np
Peta kendali np menyatakan bagan untuk banyaknya unit yang tak sesuai dalam
suatu sampel (Besterfield. Dale. H, dkk, Total Quality Management) dengan nilai p sama
dengan nilai p pada peta kendali p.
Seperti yang telah dijelaskan sebelumnya bahwa bila sampel yang diambil setiap
kali melakukan observasi jumlahnya sama maka kita dapat menggunakan peta
pengendali proporsi kesalahan (p-chart) maupun banyaknya kesalahan (np-chart). Bila
peta kendali p digunakan untuk memetakan proses secara proporsional, maka peta
kendali np merupakan peta kendali yang digunakan untuk mengukur banyaknya produk
cacat per item.
Peta kendali np biasa digunakan untuk memetakan jumlah item cacat atau
banyaknya cacat dari sebuah sampel yang diambil. Berbeda dengan peta kendali p yang
dapat memetakan proses dengan jumlah sampel tiap observasi sama maupun tidak sama,
peta kendali np hanya biasa digunakan apabila sampel yg diambil tiap observasi
jumlahnya sama.
Langkah-Langkah Pembuatan Peta Kendali np :
1. Catat jumlah cacat setiap lot yang diperiksa.
2. Hitung rata-rata jumlah cacat dengan rumus :
k
∑ ni pi
p= i =1k
∑ n1
i=1
s i= √n p ( 1− p )
5. Buat peta np dengan batas-batas kendali sebagai berikut :
a. Garis sentral (central limit) : C L = n p
b. Batas kendali atas (Upper Control Limit) : UCL = p + 3si
c. Batas kendali bawah (Lower Control Limit) : LCL = p - 3si
6. Plot titik-titik np pada peta yang terbentuk. Pada tahap konstruksi peta ini jika
terdapat data-data yang keluar dari kontrol dan diketahui penyebabnya, buang data
dan lakukan perhitungan ulang untuk mendapatkan CL, UCL, dan LCL revisi sampai
semua data berada dalam batas kendali.
7. Interpretasikan peta dan lakukan analisis.
Langkah-langkah pembuatan peta kendali np dengan
menggunakan software Minitab adalah sebagai berikut:
1. Masukkan data produk yang cacat pada lembar kerja minitab
2. Klik: Stat – Control Charts – Attributes Charts – np
3. Masukkan data pada kolom “Variables”, dan masukkan angka ukuran sampel pada
kolom “subgroup sizes”, lalu OK.
Contoh:
Suatu perusahaan pembuat plastik ingin membuat peta pengendali untuk periode
mendatang dengan mengadakan inspeksi terhadap proses produksi pada bulan ini.
Perusahaan melakukan 25 kali observasi dengan mengambil 50 buah sampel untuk setiap
kali observasi dilakukan. Berikut data banyaknya produk cacat:
Ukuran Banyaknya
Observasi Sampel produk cacat p
1 50 4 0,04
2 50 2 0,02
3 50 5 0,06
4 50 3 0,03
5 50 2 0,02
6 50 1 0,01
7 50 3 0,03
8 50 2 0,02
9 50 5 0,06
10 50 4 0,04
11 50 3 0,03
12 50 5 0,06
13 50 5 0,06
14 50 2 0,02
15 50 3 0,03
16 50 2 0,02
17 50 4 0,04
18 50 10 0,11
19 50 4 0,04
20 50 3 0,03
21 50 2 0,02
22 50 5 0,06
23 50 4 0,04
24 50 3 0,03
25 50 4 0,04
Jumlah 90
Penyelesaian:
Dari hasil analisis dengan software minitab diperoleh grafik pengendali np berikut:
Dari peta kendali np di atas dapat diketahui bahwa proses produksi plastik masih
belum terkendali dikarenakan terdapat satu sampel yang berada di luar batas pengendali
atas yaitu pada sampel ke 18. Sehingga data observasi pada baris ke 18 dihilangkan dan
diperoleh gambar grafik yang baru seperti yang ditunjukkan di bawah ini:
Dari peta kendali np di atas dapat diketahui bahwa proses produksi plastik telah
terkendali dikarenakan tidak ada sampel yang berada di luar batas pengendali atas
maupun batas pengendali bawah.
B. Distribusi Normal
Berbeda dengan distribusi Binomial, distribusi Normal merupakan distribusi yang
kontinyu. Pengukuran yang bervariasi di sekitar nilai tengah akan membentuk distribusi
Normal. Distribusi Normal memiliki dua parameter, yaitu rata-rata / mean (µ) dan varians
(σ2). Fungsi kepadatan (density function) diperoleh dengan :
2
1 −1 x−μ
f ( x )= σ
√2 π
exp
2 σ [ ( )] ,−∞< x< ∞(7)
Distribusi Normal dapat distandarisasi dengan merubah standar deviasi (σ) sehingga
memiliki nilai satu. Dan X menjadi Z, dengan :
X−μ
Z= ( 10 )
σ
Probabilitas didapatkan cacat kurang atau sama dengan a, adalah:
a−μ a−μ
P ( X ≤ a )=P Z ≤ ( σ ) ( )
=Φ
σ
(11)
f ( z )= e −∞ ≤ z ≤∞(12)
√2 π
dengan μ=0 dan σ2 =1. Jadi distribusi normal yang distandarisasi akan memiliki notasi
N (0 ,1), dan
z
Φ ( z )= ∫ f ( t ) dt (13)
−∞
μ=np(14)
dan
σ =√ npq(15)
Distribusi Binomial yang telah distandarisasi diasumsikan memiliki distribusi
normal.
Karena itu probabilitas yang keluar dari BKA maupun dari BKB seharusnya mendekati
α/2. Misalnya jika digunakan α = 0.0027, maka probabilitas yang keluar dari BKA
maupun BKB seharusnya mendekati 0.0027/2 = 0.00135.
1. Peta Kendali p
Digunakan untuk pengambilan sampel dengan ukuran sampel (n) tetap.
ṕ=
∑ d k (16)
nk
BKA= ṕ+3 √ ¿ ¿ ¿
BT= ṕ(18)
BKB=ṕ−3 √ ¿ ¿ ¿
μ= ṕ (20)
( ṕ ( 1− ṕ ))
σ=
√ n
(21)
Dimana :
μ = nilai rata-rata (mean)
σ = standar deviasi
ṕ = taksiran proporsi cacat
Jika ukuran sampel (n) berubah-ubah, maka dapat kita gunakan :
n k =n1 , n2 ,n 3 , …
d k =d 1 , d 2 , d 3 , …
ṕ=
∑ d k (22)
∑ nk
( ṕ (1− ṕ ))
BKA k = ṕ+3
√ nk
(23)
BT= ṕ ( 24 )
( ṕ ( 1− ṕ ) )
BK Bk = ṕ−3
√ nk
(25)
Untuk membuat suatu peta kendali, harus dilakukan penentuan batas kendalinya.
Penentuan batas kendali mengikuti model
BKA=E ( X ) + k √Var ( X)(26)
BK =E ( X ) (27)
BKB=E ( X )−k √ Var ( X ) (28)
dimana E(X) merupakan rerata dari data dan Var(X) adalah simpangan baku. Nilai k
ditentukan berdasarkan α. Besar kecilnya nilai α ditentukan oleh keadaan production run
dan kebutuhan. Namun pada umumnya nilai k yang sering digunakan adalah 3
(α=0.00135).
Z¿k =
√n ( p k − p− ( Cn )) , k=1,2,3 , …(31)
√ p (1− p)
Z¿k =
(
√n pk − p− ( n ))
√ p ( 1− p )
C
√n ( p k − p )−
¿ √n
√ p(1− p)
√n ( p k − p ) C /√n
¿ −
√ p (1− p) √ p (1− p)
√n ( p k − p ) C/ √ n
¿ −
√ p (1− p) √ np(1− p)
Jadi factor koreksinya adalah
C C C
¿ = = (32)
√np (1− p) pq nσ
n
√ n
Rumus standarisasi di atas digunakan untuk probabilitas cacat (p) diketahui, dan
pengambilan sampel dilakukan dengan ukuran yang sama.
Metode yang diberikan oleh Lai K. Chan ini memiliki beberapa kemudahan dalam
pemakaiannya, yaitu:
1. Rumusnya merupakan perluasan/pengembangan dari peta kendali cacat konvensional
yang telah sering digunakan, sehingga pemakai rumus ini akan mudah dalam
menggunakannya.
2. Mudah dipahami dan sederhana dalam penerapannya.
3. Memiliki batas kendali yang konstan, yaitu + 3 dan center line 0 . Hal ini tetap
berlaku meskipun jumlah sampel bervariasi atau data berasal dari production run yang
berbeda.
BAB III
KESIMPULAN
Dari pembahasan diatas dapat disimpulkan bahwa grafik pengendali sifat terbagi
atas dua, yaitu : grafik pengendali bagian tak sesuai dan grafik pengendali
ketidaksesuaian (cacat).
Bagian tak sesuai didefinisikan sebagai perbandingan banyak benda yang tak
sesuai dalam suatu populasi dengan banyak benda dalam keseluruhan populasi itu. Asas-
asas statistik yang melandasi grafik pengendali untuk bagian tak sesuai didasarkan atas
distribusi binomial.
Benda yang tidak sesuai adalah unit produk yang tidak memenuhi satu atau
beberapa spesifikasi untuk produk itu. Setiap titik tertentu di mana spefikiasi tidak
dipenuhi menghasilkan satu catat atau tidak sesuai. Akibatnya suatu benda yang tak
sesuai akan memuat paling sedikit satu ketidaksesuaian.
DAFTAR PUSTAKA
Hendra Poerwanto G . https://sites.google.com/site/kelolakualitas/p-Chart
Lai, K. Chan., 1996,"Standardized p control charts for Short Runs", International Journal of
Quality and Reliability Management, Vol. 13 No.6, 88-95
http://ari-aja-01.blogspot.com/2012/05/peta-kendali-np-np-control-chart_10.html
https://www.google.co.id/url?
sa=t&source=web&rct=j&ei=xd0pVaX_JtGXuATV_YGIAw&url=http://elib.unikom.ac.id/d
ownload.php%3Fid
%3D55268&ved=0CCEQFjAD&usg=AFQjCNEL7PSWkSKhlODnZBLlBfVhMOVf7g