MAKALAH MANAJEMEN KUALITAS

MANAJEMEN PROSES DAN PERBAIKAN PROSES

Disusun Oleh:
Bayu Sukma Wisesajati 1910111074
Terren Haekal Wiramawan 1910111079
Muhammad Naufal Labib 1910111101
Sulthan Rafi Zhafran 1910111219
Mohamad Ridwan Rafiif 1910111076

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAKARTA
2021
 BAB I
PENDAHULUAN
I.1 Latar Belakang

Kualitas dan manajemen kualitas telah mengalami evolusi menjadi yang TQM (Total
Quality Management), filosofi TQM berisi dua komponen yang saling berhubungan, yaitu sistem
manajemen dan sistem teknik. Sistem manajemen berkaitan dengan perencanaan,
pengorganisasian, pengendalian dan pengelolaan proses sumber daya manusia yang berkaitan
dengan kualitas produk atau jasa. Sistem teknik melibatkan penjaminan kualitas dalam desain
produk, perencanaan dan desain proses dan pengendalian bahan baku, produk dalam proses dan
produk jadi.
Statistical Quality Control (SQC) atau pengendalian kualitas statistik merupakan teknik
penyelesaian masalah yang digunakan untuk memonitor, mengendalikan, menganalisis,
mengelola dan memperbaiki produk dan proses menggunakan metode-metode statistik.
Pengendalian Kualitas statistik (Statistic Quality Control) sering disebut sebagai pengendalian
proses statistik (Statistical Process Control / SPC). Pengendalian kualitas statistik dan
pengendalian proses statistik memang merupakan dua istilah yang saling dipertukarkan, yang
apabila dilakukan bersama-sama maka pengguna akan melihat gambaran kinerja proses masa
kini dan masa mendatang (Cawley dan Harrold, 1999).
Sementara itu, menurut Mayelett (1994), pengendalian kualitas statistik mempunyai
cakupan yang lebih luas karena didalamnya terdapat pengendalian proses statistik, pengendalian
produk (acceptance sampling) dan analisis kemampuan proses.

I.2 Rumusan Masalah

1. Pentingnya Pengendalian Kualitas Statistik
2. Pengendalian Metode Taguchi
3. Pengendalian Kualitas Variabel
4. Pengendalian Kualitas Atribut
5. Sampling Penerimaan Tunggal dan Ganda (Atribut)

I.3 Tujuan Masalah

1. Mengetahui apa itu kualitas statistik dan pentingnya pengendalian kualitas statistik.
2. Mengetahui Apa itu Metode Taguchi
3. Mengetahui Apa itu Kualitas Variabel
4. Mengetahui Apa Itu Kualitas Atribut
5. Mengetahui Bagaimana Penerimaan Tunggal dan Ganda (Atribut)
 BAB II
ISI

1. Pengertian Kualitas Statistik dan Pentingnya Pengendalian Kualitas Statistik

Pengendalian kualitas statistik (statistical quality control), disingkat SQC, adalah bagan
visual untuk memberi gambaran proses yang sedang berjalan, untuk mengetahui apakah proses
berada didalam batas-batas yang telah atau tidak ditetapkan sebelumnya . Dapat juga dikatakan
bahwa Pengendalian Kualitas Statistik merupakan Ilmu yang mempelajari tentang teknik atau
metode pengendalian kualitas berdasarkan prinsip atau konsep statistik.
Pengendalian kualitas statistik adalah alat yang sangat berguna dalam membuat produk
sesuai dengan spesifikasi sejak dari awal proses hingga akhir proses. Dalam banyak proses
produksi, akan selalu ada gangguan yang dapat timbul secara tidak terduga. Apabila gangguan
tidak terduga dari proses ini relatif kecil, biasanya dipandang sebagai gangguan yang masih
dapat diterima atau masih dalam batas toleransi. Apabila gangguan proses ini relatif besar atau
secara kumulatif cukup besar, dikatakan tingkat gangguan yang tidak dapat diterima atau tidak
dapat ditoleransi.

Pentingnya Pengendalian Kualitas Statistik:

1. Memperoleh jaminan kualitas (quality Assurance).

2. Menjaga konsistensi Kualitas.

Dengan penerapan pengendalian kualitas statistikal, perusahaan akan mendapat manfaat
atau keuntungan antara lain :
● Untuk mempertinggi kualitas atau mengurangi biaya.
● Menjaga kualitas lebih teratur.
● Penggunaan alat produksi lebih efisien.
● Mengurangi rework dan pembuangan.
● Inspeksi yang lebih baik.
● Memperbaiki hubungan produsen-konsumen.
● Spesifikasi lebih baik.

2. Pengendalian Metode Taguchi

 Metode Taguchi yang dikembangkan oleh Genichi Taguchi. Taguchi mengenalkan
pemakaian metode statistik rancangan equipment untuk menyempurnakan rancangan produk.
Metode Taguchi memungkinkan para insinyur untuk menganalisis berbagai variabel dalam
jumlah besar dan interaksi di antara berbagai variabel tersebut untuk mencapai mutu tertinggi
dengan penggunaan waktu dan biaya yang paling kecil. Strategi yang digunakan adalah dengan
membuat produk yang bermutu dan melawan gangguan-gangguan dengan cara menghilangkan
dampak yang disebabkan oleh gangguan dan menghilangkan penyebab-penyebab gangguan
tersebut. Adapun gangguan yang dimaksud disini dapat berupa produk yang buruk, produksi
yang tidak sempurna, dan faktor faktor lingkungan. Akibatnya, produk dapat diproduksi dengan
lebih seragam dan memberikan jasa yang lebih konsisten pada berbagai macam kondisi.

Metode Taguchi
Metode Taguchi ditujukan untuk mengukur dampak mutu terhadap biaya dengan
memusatkan tiga tahap produksi yang dimulai dari saat rancangan perekayasaan sampai tahap
daur hidup produk, ketiga tahap tersebut mencakup (a) merancang sistem, (b) merancang
parameter, dan (c) merancang toleransi. Di bawah ini dibahas ketiga tahap tersebut.

a. Merancang Sistem
Pada saat dihasilkan rancangan purwarupa (prototype) fungsional, pendekatan Taguchi
pada tahap ini menggunakan purwa-rupa untuk menentukan parameter-parameter rancangan
produk mula-mula atau proses. Parameter-parameter tersebut menjadi target-target pengendalian
kerugian Taguchi.

b. Merancang Parameter
Parameter-parameter produk atau proses diidentifikasikan secara terinci. Dalam tahap ini
metode Taguchi menggunakan simulasi atau pengalaman untuk memperoleh informasi statistika
mengenai parameter-parameter tersebut. Informasi tersebut menunjukkan bagaimana parameter-
parameter tersebut berdampak kerugian. Jadi, data pengalaman dapat digunakan untuk
meminimumkan kerugian yang diperkirakan. Setelah sasaran atau tujuan parameter-parameter
terancang, selanjutnya digunakan untuk menghindari kerugian dengan cara menyediakan data
proses dan produk yang dapat digunakan untuk mengembangkan produk yang lebih bermutu.

c. Merancang Toleransi
Penentuan tingkat pengendalian produksi berdasar parameter-parameter kerugian dan
mutu. Pendekatan ini untuk menentukan dampak toleransi terhadap produk dengan rumus:
Toleransi terketat = Produk tertinggi/Biaya proses Toleransi terlonggar = produk
terendah/Kerugian tertinggi

3. Pengendalian Kualitas Variabel

 Data variabel merupakan data kuantitatif yang diukur untuk keperluan analisis. Contoh
dari data variabel karakteristik kualitas adalah diameter pipa, ketebalan produk, berat produk dan
lain-lain. Ukuran-ukuran berat, panjang, tinggi, diameter, volume biasanya merupakan data
variabel. Pengendalian kualitas untuk data variabel sering disebut dengan metode peta kendali
variabel. Metode ini digunakan untuk menggambarkan variasi atau penyimpangan yang terjadi
pada kecenderungan memusat dan penyebaran observasi. Metode ini juga dapat menunjukkan
apakah proses dalam kondisi stabil atau tidak. Peta kontrol yang umum digunakan untuk data
variabel adalah peta kendali X dan peta kendali R

Peta kendali untuk data variabel dapat digunakan secara luas. Biasanya peta kendali ini
merupakan prosedur pengendali yang lebih efisien dan memberikan informasi tentang proses
yang lebih banyak. Apabila bekerja dengan karakteristik kuantitas yang variabelnya sudah
merupakan standar untuk mengendalikan nilai mean karakteristik kualitas dan variabilitasnya.
Pengendalian rata-rata proses atau mean tingkat kualitas biasanya dengan peta kendali mean atau
peta kendali x. Peta kendali untuk rentang dinamakan peta kendali R

1. Peta Kendali x
Peta kendali x digunakan untuk proses yang mempunyai karakteristik berdimensi
kontinu. Peta ini menggambarkan variasi harga rata-rata (mean) dari data yang diklasifikasikan
dalam suatu kelompok. Pengelompokan data ini bisa dilakukan berdasarkan satuan waktu hari
atau satuan waktu lainnya dimana sampel berasal dari kelompok yang melakukan pekerjaan yang
sama, dan lain-lain. Langkah-langkah untuk membuat peta kendali X adalah sebagai berikut:

a. Menentukan harga rata-rata X. nilai rata-rata X didapat dengan rumus:

Dimana:
𝑋̿ = jumlah rata – rata dari nilai rata – rata subgroup
𝑋̅ 𝑖 = nilai rata – rata sub group ke-i
g = jumlah sub group

b. Batas kendali untuk peta X ini adalah:

BKA = 𝑋̿ + 𝐴2𝑅
BKB = 𝑋̿ - 𝐴2𝑅
Dimana:
BKA = batas kendali atas
BKB = batas kendali bawah
A2 = nilai koefisien
R = selisih harga Xmaks dan Xmin
c. Menggambarkan peta X menggunakan batas kendali dan sebaran data X.
Peta ini sering digunakan sebagai dasar pembuatan keputusan mengenai penolakan atau
penerimaan produk yang dihasilkan atau diteliti.

2. Peta kendali R (R chart)

Peta kendali rata-rata dan jarak (range) merupakan dua peta kendali yang saling
membantu dalam mengambil keputusan mengenai kualitas proses. Peta kendali jarak (range)
digunakan untuk mengetahui tingkat akurasi atau ketepatan proses yang diukur dengan mencari
range dari sampel yang diambil. Seperti halnya peta kendali rata-rata kendali jarak tersebut juga
digunakan untuk mengetahui dan menghilangkan sebab yang membuat terjadinya
penyimpangan.
Peta kendali R merupakan peta untuk menggambarkan rentang data dari suatu sub group
yaitu data terbesar dikurangi data terkecil. Langkah-langkah penentuan garis sentral yakni
sebagai berikut:

a. Menentukan rentang rata-rata Untuk menentukan rentang rata-rata dapat digunakan dengan
rumus:

Dimana:
𝑅̅ = jumlah rata – rata dari nilai rata – rata subgroup
Ri = nilai rata – rata subgroup ke-i
g = jumlah subgroup

b. Batas kendali untuk peta X ini adalah:

BKA = D4 R
BKB = D3 R
Dimana:
BKA = batas kendali atas
BKB = batas kendali bawah
D4 dan D3 = nilai koefisien

c. Menggambarkan garis R dan garis batas kendali pada peta serta sebaran data Range (R)

4. Pengendalian Kualitas Atribut

Ukuran kualitas atribut adalah karakteristik kualitas suatu produk yang 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. Discrete
Distribution memberi gambaran data yang terdistribusi secara utuh atau tanpa pecahan atau
angka dibelakang koma. Misal 10, 11, 12, dst. Contoh data semacam ini misal: jumlah produksi
dalam satuan unit seperti mobil, sepeda motor, botol, karton produk, rokok, dsb. Secara statistik
distribusi data atribut dapat digambarkan secara grafis distribusi frekuensi.

Atribut dalam pengendalian kualitas menunjukkan karakteristik kualitas yang sesuai

dengan spesifikasi atau tidak sesuai dengan spesifikasi Menurut Besterfield (1998), atribut
digunakan apabila ada pengukuran yang tidak memungkinkan untuk dilakukan, misalnya adanya
goresan, kesalahan, warna, atau ada bagian yang hilang.

Ada dua kelompok besar peta pengendalian kualitas untuk data atribut yaitu :

● Peta pengendali kualitas proses data atribut yang berdasarkan distribusi Binomial.
● Peta pengendali kualitas proses data atribut yang berdasarkan distribusi Poisson.
1. Peta Pengendali Kualitas Proses berdasarkan Distribusi Binomial
● Yang termasuk dalam peta pengendali kualitas distribusi binomial merupakan peta
pengendali untuk unit-unit ketidaksesuaian, seperti p-chart yang menunjukkan proporsi
ketidaksesuaian dalam sampelatau sub kelompok.
● Proporsi ini ditunjukkan dengan bagian atau persen.
● Peta pengedali lain dalam kelompok ini adalah banyaknya ketidaksesuaian (np-chart).
2. Peta Pengendali berdasarkan Distribusi Poisson
● Peta pengendali yang termasuk dalam kelompok ini adalah c-chart, dan u-chart.
● C-chart menunjukkan bagian ketidak sesuaian dalam unit yang diinspeksi seperti mobil,
pakaian, atau satu gulung kain, atau satu gulung kertas.
● Peta pengendali lain dalam dalam kelompok ini adalah u-chart juga dapat digunakan
untuk bagian ketidak sesuaian setiap unit. U-chart juga dapat digunakan pada situasi
dimana ukuran sampel bervariasi.
● Kategori lain dari peta pengendali kualitas proses untuk data atribut ini berkaitan dengan
kombinasi ketidak sesuaian berdasarkan bobot. Jenis peta pengendali tersebut disebut
dengan U-chart atau demerit control chart.
● Peta Pengendali Untuk Banyaknya Sampel Konstan Mengetahui proporsi kesalahan atau
cacat pada sampel atau sub kelompok untuk setiap kali melakukan observasi
● Untuk mengetahui proporsi kesalahan atau cacat pada sampel atau sub-kelompok untuk
setiap kali melakukan observasi digunakan rumus:

dimana:
p = proporsi kesalahan dalam tiap sampel
x = banyaknya produk yang cacat dalam setiap sampel
n = banyaknya sampel yang diambil dalam inspeksi
● Peta pengendali p
Digunakan untuk mengetahui apakah cacat produk yang dihasilkan ,masih dalam
batas yang disyaratkan. Dengan demikian peta kendali p digunakan untuk
mengendalikan proporsi unit yang tidak memenuhi syarat kualitas yang dihasilkan
dalam suatu proses.
Untuk menghitung garis pusat (central line) digunakan rumus:

Keterangan:

Jumlah total ketidaksesuaian (cacat)

: Jumlah total yang diperiksa
Untuk menghitung UCL dan LCL digunakan rumus:

Di mana:
p = garis pusat pengendali proporsi kesalahan
p i = proporsi kesalahan tiap sampel dalam setiap observasi
n = banyaknya sampel yang diambil setiap kali observasi
g = banyaknya observasi yang dilakukan
● Peta Pengendali np
Peta kendali np menggunakan ukuran banyaknya item yang tidak
memenuhi spesifikasi dalam suatu pemeriksaan.
Untuk menentukan garis pusat (central line) digunakan rumus:

Untuk menentukan UCL dan LCL digunakan rumus:

 Dimana:
pn = garis pusat untuk peta pengendali banyaknya kesalahan
xi = banyaknya kesalahan setiap sampel atau sub kelompok dalam tiap
observasi
g = banyaknya observasi yang dilakukan
● Peta Pengendali c
Peta pengendali ini digunakan untuk mengadakan pengujian terhadap
kualitas proses produksi untuk banyaknya cacat pada suatu unit produksi.
Untuk menentukan garis pusat (central line) digunakan rumus:

Untuk menentukan UCL dan LCL maka digunakan rumus:

Dimana:
c = garis pusat
ci = banyaknya kesalahan setiap unit produk setiap kali observasi
g = banyaknya observasi yang dilakukan
● Peta Pengendali u
Digunakan untuk mengukur banyaknya cacat pelaporan inspeksi. Untuk
menggunakan peta pengendali u terlebih dahulu harus diketahui
banyaknya kesalahan untuk satu unit produk. Rumus yang digunakan
adalah :

Untuk menentukan garis pusat (central line) maka digunakan rumus :

Untuk menentukan UCL dan LCL maka digunakan rumus:

 Dimana:
u = garis pusat
Ci = banyaknya kesalahan setiap unit produk setiap kali observasi
g = banyaknya observasi yang dilakukan
n = ukuran sampel

5. Sampling Penerimaan Atribut Tunggal dan Ganda

Sampling penerimaaan adalah keputusan untuk menerima atau menolak suatu lot dan/atau
populasi berdasarkan hasil dari pemeriksaan sebagian lot / populasi saja (sampel).

- Alasan Sampling Penerimaaan digunakan

Sampling Penerimaaan digunakan apabila:

a. Populasi/lot yang diuji berukuran besar.
b. Waktu pengujian yang singkat
c. Jumlah tenaga kerja yang sedikit
d. Biaya pengujian yang terbatas
e. Pengujian bersifat merusak (destruktif)
f. Inspeksi secara manual (dapat menimbulkan kelelahan dan rasa bosan pada
karyawan sehingga banyak konsumen yang menerima barang defect)

- Kekurangan dari Sampling Penerimaan

a. Ada risiko menerima produk yang buruk dan menolak produk yang baik
b. Memerlukan waktu dan tenaga untuk kegiatan perencanaan dan dokumentasi
c. Tidak memberi jaminan bahwa semua lot telah memenuhi spesifikasi yang
diinginkan
- Persyaratan dalam pelaksanaan Sampling Penerimaan:

a. Kriteria produk yang ditolak (reject criteria) harus jelas dan tegas
b. Metode inspeksi yang baik dan standar
c. Rencana sampling yang tepat
- Kurva-kurva yang digunakan sebagai bahan analisis dalam Sampling Penerimaan:

a. Kurva Penjagaan (Protection Curve)

1. Operating Characteristic Curve (Kurva OC)
Menggambarkan Pa vs p’ atau c’ > Pa vs Kualitas Lot
2. Average Outgoing Quality Curve (Kurva AOQ)
Yaitu harga rata-rata dari Fraction Defective setelah pemeriksaan total
(Sorting) dari lot yang ditolak sebagai fungsi dari p

B. Kurva Biaya (Cost Curve)

1. Average Sample Number Curve (Kurva ASN)

Harga rata-rata dari ukuran contoh untuk terwujudnya keputusan, sebagai
fungsi dari p.
2. Average Total Inspection Curve (Kurva ATI)
Harga rata-rata dari jumlah benda yang diperiksa (Inspected) per-lot,
sebagai fungsi dari p

1. Sampling Tunggal

Sampling Tunggal adalah rencana sampling dimana keputusan untuk menerima atau
menolak lot berdasarkan pada pemeriksaan 1x penarikan sampel. Dalam sampling
tunggal sejumlah sampel diperiksa dan dicatat jumlah produk cacat yang tidak memenuhi
spesifikasi (d) lalu dibuat keputusan apakah lot diterima atau tidak.

Syarat penerimaan sample adalah:

D < c -> Lot Diterima
D > c -> Lot Ditolak

Probabilitas Penerimaan Sampling Tunggal (Pa) adalah:

Pa = P(d ≤ c ; miu )

Pa: Probabilitas Penerimaan Sampel

D: jumlah cacat

C: angka penerimaan

Miu: n.p

P’: proporsi cacat

 Contoh Soal:

Sebuah pabrik melakukan pemeriksaan pada 1 lot bahan baku yang dipasok oleh sebuah
supplier. Dari suatu lot yang berisi 1000 gulung benang, diambil sampel 20 gulung. Batas
maksimum gulungan benang cacat yang diperbolehkan 1 gulung dengan rata-rata cacat
sebesar 5 %. Berapakah probabilitas lot akan diterima dan ditolak ?
Jawab :
Diketahui : N = 1000 c = 1
n = 20 p‟ = 5 % = 0,05
= n . p = 20 * 0,05 = 1 Probabilitas Lot Diterima :

Pa = P(d ≤ c ; ) = P(d ≤ 1 ; ) = 0,736

Probabilitas Lot Ditolak :
Pa‟ = 1–Pa = 1–0,736 = 0,264

2. Sampling Ganda

Adalah suatu rencana sampling dimana keputusan untuk menerima dan/atau menolak lot
berdasarkan pada pemeriksaan dua kali penarikan sampel. Dalam sampling ganda
sejumlah sampel (n1) diperiksa dan dicatat jumlah produk yang cacat (d1) lalu membuat
keputusan apakah lot diterima atau ditolak. Apabila tidak diketahui keputusan apa yang
akan diambil, maka ambil sampel kedua (n2) dan dicek kembali keputusannya apakah lot
diterima atau ditolak.

Syarat penerimaan sampel:

D1 + d2 < c2 maka lot diterima

D1 + d2 > c2 maka lot ditolak

C1 < d1 < r1 keputusan ragu-ragu

Dimana:

N = ukuran lot
n1 = ukuran sampel pada sampel pertama
c1 = jumlah penerimaan pada sampel pertama
r1 = jumlah penolakan untuk sampel pertama
n2 = ukuran sampel pada sampel kedua
c2 = jumlah penerimaan untuk kedua sampel
r2 = jumlah penolakan untuk kedua sampel
Bagan Keputusan dalam Sampling Ganda

Probabilitas Penerimaan Sampling Ganda (Pa)

Dasar perhitungan dalam Pa adalah dengan menggunakan distribusi Poisson. Ada 2 nilai
Probabilitas Penerimaan ( Pa ) dalam Sampling Ganda, yaitu : PaI dan PaII

Jadi, Probabilitas Penerimaan Total Sampling Ganda ( PaTOTAL ) adalah :

PaTOTAL = PaI + PaII
dimana : PaI : Probabilitas Penerimaan Sampel I PaII : Probabilitas Penerimaan Sampel II

Contoh Soal:

1. Diketahui pemeriksaan 1 lot produk yang berisi 10.000 unit. Rata-rata cacat dalam
sampel = 2 %. Jika telah ditentukan bhw rencana sampling yg digunakan adalah sbb :

n1 = 60 c1 = 1 r1 = 4

n2 = 60 c2 = 4 r2 = 5

Maka, tentukan :

● Tent. probabilitas penerimaan lot pada sampel pertama !

● Tent. probabilitas penerimaan lot pada sampel kedua !
● Tent. total probabilitas penerimaan lot berdasarkan rencana sampling tsb. !
Jawab :

Diketahui : N = 10.000 p‟ = 0,02

c1 = 1 c2=4

1,2

r1 = 4 r2=5

n1 = 60 1= n * p = 60 * 0,02 = 1,2 n2=60 2 =n*p=60*0,02=

a. Probabilitas penerimaan lot pada sampel pertama :

PaI = P(d1 ≤ c1 ; 1) = P(d1 ≤ 1 ; ) = 0,662 atau :

PaI = P(d1 ≤ c1)I = P(d1 ≤ 1)I = 0,662 ( dimana : 1 = 1,2 ) b. Probabilitas penerimaan lot
pada sampel kedua :

Ragu-ragu Sampel 1 RI : { 2 dan 3 }

d1 = 2 :

PaII = P(d1 =2;1)*P(d2 ≤2;2) PaII = P(d1 =2;1,2)*P(d2 ≤2;1,2) PaII = 0,217 * 0,879

PaII = P(d1 =3;1)*P(d2 ≤1;2) PaII = P(d1 =3;1,2)*P(d2 ≤1;1,2) PaII = 0,087 * 0,662

PaII

= 0,1907

= 0,0576 = 0,2483

d1 = 3 :

atau :

PaII = P(d1 =2)I *P(d2 ≤2)II

PaII = 0,217 * 0,879

PaII = P(d1 =3)I *P(d2 ≤1)II PaII = 0,087 * 0,662

PaII
= 0,1907

= 0,0576 = 0,2483

d1 = 2 :

d1 = 3 :

atau :

PaII = P(d1 =2)I *P(d2 ≤2)II +P(d1 =3)I *P(d2 ≤1)II = { 0,217 * 0,879 } + { 0,087 * 0,662 }

= 0,1907 + 0,0576

= 0,2483

c. Probabilitas total penerimaan lot berdasarkan rencana sampling tersebut : PaTOTAL = PaI
+ PaII

= 0,662 + 0,2483 = 0,9103