MODUL VII
PENGENDALIAN KUALITAS
A. TUJUAN
B. PENGANTAR PRAKTIKUM
• Aesthetics: keindahan produk, dalam desain, rasa, suara atau bau dari produk, bersifat
subjektif
• Perceived quality: kualitas dalam pandangan pelanggan/konsumen
Dimensi kualitas pelayanan menurut Parasuraman (dalam Foster, S. Thomas 2001, hal.7):
• Reliability: kemampuan untuk melakukan pelayanan yang akurat.
• Responsiveness: keinginan untuk membantu pelanggan dan memberikan layanan dengan cepat.
• Assurance: pengetahuan, kebaikan, dan keamampuan yang dapat memberikan kepercayaan dan
keyakinan.
• Emphaty: perhatian dan peduli terhadap pelanggan.
• Tangibles: bentuk fasilitas fisik, perlengkapan, personal, dan komunikasi.
DO
PLAN CHECK
ACTION
Gambar 5. Histogram
3. Diagram Pareto: alat untuk
mengetahui dan menganalisis
tingkat urgensi setiap
ketidaksesuaian.
Is process data
autocorrelated ?
NO YES
Is there an
Variables or
adjustment
attributes ?
variable ?
Variables Attributes NO YES
Fit ARIMA,
ARIMA apply
Sample size Data type standard control
charts (EWMA
EWMA, Use feedback
Fraction Defects (counts) Cusum, x,, MR) to control aith an
n>1 n= 1 adjustment chart
either residuals or
Shift size Shift size original data or
Shift size Shift size or Another EPC
Large Small Use moving procedure
Large Small
Large Small Large Small or
centerline EWMA
Cusum c Cusum EWMA or EPC/SPC
Cusum x (individuals ) Cusum p
x ,R EWMA u using c, u; time Use a model-free
model
EWMA MR EWMA np
x ,S using p between events approach
9
Laboratorium Perencanaan & Optimasi Sistem Industri
Modul VII: Pengendalian Kualitas 2011
10
Laboratorium Perencanaan & Optimasi Sistem Industri
Modul VII: Pengendalian Kualitas 2011
= (5)
! = + #$ (6)
= − #$ (7)
di mana:
: rata-rata dari rata-rata subgrup
: garis sentral (Central Line)
! : batas kendali atas (Upper Control Limit)
: batas kendali bawah (Lower Control Limit)
#$ : faktor untuk konstruksi peta kendali
• Untuk peta R, hitung:
= (8)
! = %& (9)
= %' (10)
di mana:
: rata-rata rentang
: garis sentral (Central Line)
! : batas kendali atas (Upper Control Limit)
: batas kendali bawah (Lower Control Limit)
%', %& : faktor untuk konstruksi peta kendali
Indeks A2, D3, dan D4 dapat dilihat pada tabel Appendix VI (Montgomery hal. 761).
Langkah 7
Plot data rata-rata dan range pada peta kendali yang sesuai. Pada tahap konstruksi peta jika
terdapat data-data yang keluar dari kontrol dan diketahui penyebabnya, buang data. Kemudian
ulangi langkah 5 dan 6.
Langkah 8
Menentukan revisi dan batas kendali (jika diperlukan).
-s
2. Peta
Definisi
Peta -s merupakan peta kendali variabel yang digunakan dalam mengendalikan rata-rata proses
(ukuran keakuratan) dan standar deviasi (ukuran kepresisian). Dibandingkan dengan peta -R,
peta -s lebih sensitif dalam mendeteksi perubahan proses untuk ukuran sampel yang besar
(>10).
Langkah Pembuatan Peta -s
Langkah pembuatan Peta -s sama dengan langkah pembuatan Peta -R. Perbedaaanya terletak
pada nilai R yang digantikan dengan nilai s, serta dalam penentuan batas-batas kendali, yaitu:
• Rata-rata standar deviasi subgrup sampel ()̅) dan rata-rata dari rataan subgrup () dihitung
dengan:
∑
,-
,
)̅ = (11)
∑
,-
,
=
(12)
di mana:
k : jumlah sub grup
si : standar deviasi subgrup ke-i
i : rata-rata subgrup ke-i
• Batas untuk peta :
= (13)
! = + #' )̅ (14)
= − #' )̅ (15)
di mana:
: garis sentral (Central Line)
! : batas kendali atas (Upper Control Limit)
: batas kendali bawah (Lower Control Limit)
#' : faktor untuk konstruksi peta kendali
• Batas untuk peta s:
= )̅ (16)
! = /& )̅ (17)
= /' )̅ (18)
di mana:
: garis sentral (Central Line)
! : batas kendali atas (Upper Control Limit)
: batas kendali bawah (Lower Control Limit)
/' , /& : faktor untuk konstruksi peta kendali
Indeks A3, B3, dan B4 dapat dilihat pada tabel Appendix VI (Montgomery hal. 761).
Contoh :
• Pemeriksaan visual terhadap lengkap atau tidak lengkapnya komponen pada suatu produk.
• Pemeriksaan apakah suatu komponen berfungsi atau tidak berfungsi.
Laboratorium Perencanaan & Optimasi Sistem Industri 12
Modul VII: Pengendalian Kualitas 2011
Terdapat beberapa jenis peta kendali atribut. Jenis dan penggunaan peta kendali atribut diberikan
pada Tabel 3.
Tabel 3. Jenis peta kendali atribut
1. Peta p
Definisi
• p menunjukkan perbandingan jumlah item cacat atau tidak memenuhi spesifikasi dari
sejumlah sampel, yaitu:
∑ Di
p= i =1 (21)
k
∑
i =1
ni
di mana:
Di : jumlah produk cacat subgrup ke-i
k : jumlah subgrup
ni : ukuran sampel subgrup ke-i
Peta np
Langkah-langkah Pembuatan Peta np
1. Catat jumlah cacat setiap lot yang diperiksa.
2. Hitung rata-rata jumlah cacat (1̅ ) dengan rumus:
k
∑ Di
p= i =1
(26)
kn
di mana:
Di : jumlah produk cacat subgrup ke-i
k : jumlah subgrup
n : ukuran sampel (jumlah produk tiap subgrup)
3. Hitung garis sentral dari peta np:
k
n ∑ pi
np = i =1
(27)
k
di mana:
k : jumlah subgrup
pi : fraksi cacat subgroup ke-i
n : ukuran sampel (jumlah produk tiap subgrup)
4. Hitung standar deviasi jumlah cacat ()) dengan rumus:
s = n p(1 − p) (28)
dimana :
81̅ : garis sentral
1̅ : rata-rata fraksi cacat
5. Batas-batas peta kendali mengikuti rumus (23), (24), dan (25) tetapi 1̅ diganti 81̅ dan rumus
) seperti pada (28).
6. Plot titik-titik np pada peta yang terbentuk.
7. Interpretasikan peta dan lakukan analisis.
OC Curve merupakan grafik yang menggambarkan probabilitas penerimaan hasil sampling yang
seharusnya di tolak atau cacat (kesalahan tipe II atau β-error). Dengan demikian, OC Curve juga
menggambarkan ukuran sensitivitas peta kendali dalam mendeteksi pergeseran proses
(Montgomery, 2001, h. 305). Nilai β (probabilitas tidak mendeteksi pergeseran proses pada sampel
pertama) dihitung melalui persamaan berikut.
dimana:
L : konstanta batas penerimaan sampling (tergantung tingkat toleransi sampling)
k : konstanta pergeseran proses
n : jumlah sampel (jumlah produk tiap subgrup)
LCL : Lower Control Limit
UCL : Upper Control Limit
µ : rataan yang sebenarnya (sesudah terjadi pergeseran rataan proses)
µ0 : rataan proses sebelum pergeseran
σ : standar deviasi proses
Ф (x) : luas daerah z ≤ x dibawah kurva normal
Secara grafik, penghitungan nilai β dilakukan dengan menghitung luas daerah yang diarsir pada
Gambar 12 berikut.
Penghitungan nilai β untuk beberapa nilai k yang berbeda akan membentuk sebuah OC Curve seperti
yang ditunjukkan pada Gambar 13. Berdasarkan gambar tersebut dapat dilihat bahwa semakin besar
pergeseran proses (k), maka peta kendali akan semakin mudah mendeteksi pergeseran tersebut
sehingga peluang menerima hasil sampling yang seharusnya ditolak (β) akan semakin kecil. Di
samping itu, apabila jumlah sampel (n) semakin besar, maka peta kendali akan semakin sensitif
dalam mendeteksi pergeseran proses.
Ketika terjadi pergeseran proses, peta kendali tidak selalu dapat mendeteksi pergeseran tersebut
dalam sekali pengambilan sampel, namun pergeseran tersebut baru terdeteksi pada pengambilan
sampel ke-n. Jumlah sampel rata-rata yang diambil pada saat pergeseran proses sebesar kσ
terdeteksi disebut Average Run Length (ARL). Probabilitas peta kendali mendeteksi pergeseran
proses adalah 1 – β. ARL dihitung melalui rumus berikut.
Misalnya, nilai ARL = 5 menunjukkan bahwa pergeseran proses diprediksi akan terdeteksi oleh peta
kendali pada pengambilan sampel ke-5. Pergeseran proses tersebut terdeteksi melalui ditemukannya
produk cacat pada sampel yang diambil.
A
# = AUV (30)
dimana:
β : probabilitas tidak mendeteksi pergeseran proses pada sampel pertama (resiko-β)
yang dihitung dengan rumus (29)
Sebagai contoh, nilai ARL = 5 menunjukkan bahwa pergeseran proses diprediksi akan terdeteksi oleh
peta kendali pada pengambilan sampel ke-5. Pergeseran proses tersebut terdeteksi melalui
ditemukannya produk cacat pada sampel yang diambil.
Interpretasi terhadap peta kendali secara umum (baik untuk peta kendali atribut maupun variabel)
dapat dijelaskan sebagai berikut:
1. Proses dikatakan berada di luar kendali jika ada titik yang berada di luar batas kendali (atas atau
bawah) khususnya proses dimana kondisi tersebut terjadi. Jika data yang berada di luar batas
kendali tersebut disebabkan oleh faktor yang tidak alamiah maka data tersebut harus dibuang
dan dilakukan perhitungan kembali terhadap parameter peta kendali yang baru.
2. Sebaliknya proses dikatakan terkendali jika semua titik/data berada di antara batas-batas
kendali, atau pengelompokkan data di antara batas-batas kendali tidak mengasumsikan suatu
pola tertentu. Pengelompokan data dalam pola tertentu disebut sebagai abnormalitas.
3. Bentuk-bentuk pengelompokkan yang dimaksud adalah sebagai berikut :
a. Runs, yaitu sekumpulan titik yang berada di atas atau bawah garis sentral.
Evaluasi yang dilakukan adalah sebagai berikut (lihat Gambar 14):
• Titik berturutan membentuk runs dapat mengindikasikan terjadinya abnormalitas dalam
proses. Pengelompokan data tersebut dapat juga meningkat atau menurun, jika data
berurutan meningkat disebut run up dan jika data berurutan menurun disebut run down.
• Jika 10 dari 11 titik atau 12 dari 14 titik berada pada salah satu sisi, maka terjadi
abnormalitas proses.
run of 7
run of 4
X bar
run of 5
b. Trends, yaitu terjadinya peningkatan atau penurunan secara kontinu pada sekelompok titik.
Evaluasi yang dilakukan adalah sebagai berikut(lihat Gambar 15):
• Jika terjadi 7 titik berurutan naik atau turun maka telah terjadi abnormalitas pada proses.
X bar
c. Pengulangan secara periodik, yaitu terjadinya pola perubahan yang berulang pada titik-titik
dengan interval yang sama.
Evaluasi abnormalitas jenis ini tidak semudah 2 kasus sebelumnya karena diperlukan
perhatian yang seksama untuk mengikuti pergerakan seluruh titik yang ada (lihat Gambar
16).
X bar
d. Hugging of the control line, yaitu pola dimana titik-titik/data cenderung berada dekat garis
sentral atau garis kendali (UCL dan LCL).
Evaluasi dilakukan sebagai berikut:
1) Hugging pada garis sentral, yaitu kecenderung data berada di sekitar garis sentral
sehingga data tidak menunjukan variabilitas secara natural.
Evaluasi yang dilakukan adalah sebagai berikut (lihat Gambar 17):
• Buat garis kendali tambahan yang terletak di tengah-tengah antara gaaris sentral dan
UCL/LCL.
• Jika titik-titik berada di antara kedua garis tersebut maka telah terjadi abnormalitas
pada proses.
UCL
1/2
1/2
X bar CL
1/2
1/2
LCL
2) Hugging pada garis kendali (CL), yang terjadi apabila terdapat data yang cenderung turun
atau naik di sekitar (baik di luar maupun di dalam) batas kendali dan hanya sedikit
titik/data disekitar garis sentral.
Evaluasi dilakukan sebagai berikut:
• Buat garis kendali tambahan yang terletak di 2/3 jarak antara gaaris sentral dan
UCL/LCL.
• Jika 2 dari 3, atau 3 dari 7, atau 4 dari 10 titik berada di daerah 1/3 luar (outer third
zone) telah terjadi abnormalitas pada proses.
UCL
1/3
2/3
X bar CL
2/3
1/3
LCL
Secara umum, jika dijumpai titik-titik yang menunjukkan abnormalitas proses (proses dalam keadaan
tidak terkendali) langkah-langkah yang perlu dilakukan adalah:
1. Hentikan proses.
2. Periksa proses dan cari penyebab ketidaknormalan tersebut.
3. Lakukan penyesuaian proses sesuai dengan temuan pada langkah 2.
F. KAPABILITAS PROSES
Dalam pengendalian proses secara statistika masalah utama yang paling mendasar adalah menjaga
kondisi proses yang terkendali dari waktu ke waktu dengan mengeliminasi penyebab timbulnya
variasi. Suatu proses dikatakan memiliki kapabilitas yang baik jika setiap output dapat memenuhi
spesifikasi yang diharapkan. Berdasarkan analisis kapabilitas proses, dapat dilihat kemampuan proses
dalam menghasilkan output yang memenuhi spesifikasi dan memutuskan tindakan-tindakan
penyesuaian yang akan dilakukan berkaitan dengan kapabilitas proses yang ada saat ini.
Beberapa tindakan yang mungkin dilakukan jika proses menghasilkan output yang tidak sesuai
dengan spesifikasi yang ditentukan di antaranya adalah:
1. Sesuaikan/geser garis sentral.
2. Kurangi variabilitas.
3. Ubah spesifikasi, dll.
Indikator yang menunjukkan tingkat kapabilitas proses disebut dengan Indeks Kapabilitas Proses (Cp)
yang dinyatakan dengan rumus:
XYZUZYZ
W = [\
(30)
di mana:
!] : Upper Specification Level
] : Lower Specification Level
D : standar deviasi sampel
Kriteria umum yang digunakan adalah proses diterima jika Cp ≥ 1,33 dan proses dinyatakan buruk jika
Cp< 1.
Cp hanya dapat digunakan untuk proses yang diasumsikan center. Untuk proses yang tidak center
dikembangkan indeks lain yaitu Cpk dengan rumus :
XYZU UZYZ
W = ^_8 ` , a (31)
'\ '\
di mana:
: rata-rata sampel
!] : Upper Specification Level
] : Lower Specification Level
D : standar deviasi sampel
Indeks Cp dan Cpk hanya dapat digunakan apabila kedua asumsi berikut terpenuhi:
• Dimensi karakteristik kualitas berdistribusi normal
• Proses berada dalam kondisi in-statistical control
Jika proses center maka Cp = Cpk dan jika proses tidak center maka Cp > Cpk. Terdapat dua
kemungkinan apabila terjadi Cp > Cpk, yaitu:
1. Peta kendali yang telah dibuat tidak dapat mendeteksi pergeseran yang terlalu kecil, sehingga
proses yang out of control masih dinyatakan sebagai proses yang in control. Hal ini dapat
disebabkan kurangnya data yang digunakan dalam proses konstruksi peta kendali atau peta
kendali yang digunakan tidak tepat.
Cp dan Cpk yang dihitung di atas merupakan Cp dan Cpk operasional. Sebelumnya, harus ditentukan
terlebih dahulu Cp dan Cpk desain, yang ditentukan sebelum proses produksi berjalan. Cp dan Cpk ini
terkait dengan desain dari proses (proses dikerjakan di mesin mana, berapa toleransinya, parameter-
parameter pemesinannnya, dsb). Sehingga, Cp dan Cpk operasional harus dibandingkan dengan Cp dan
Cpk desain, jika terdapat ketidaksesuaian antara Cp dan Cpk operasional dengan Cp dan Cpk desain,
maka perlu dilakukan analisis lebih lanjut.
Pada dasarnya, Cp dan Cpk menggambarkan posisi kurva distribusi proses terhadap rentang spesifikasi
yang diinginkan (lihat Gambar 19). Distribusi proses dapat diidentifikasi melalui nilai LCL, UCL, dan σ.
Sedangkan rentang spesifikasi diidentifikasi melalui nilai LSL dan USL. Proses yang baik harus akurat
dan presisi. Proses yang akurat seharusnya memiliki posisi kurva yang simetris terhadap rentang
spesifikasi (centered). Sedangkan kepresisian proses ditunjukkan melalui sebaran distribusi hasil
pengukuran proses (σ). Praktikan perlu memahami konsep dasar ini.
G. REFERENSI
1. Referensi Utama:
Montgomery, D. C. 2001. Introduction to Statistical Quality Control. 4th edition. New York: John Wiley
& Sons, Inc.
2. Referensi Pendukung:
Foster, S. Thomas. 2001. Managing Quality: an integrative approach. New Jersey: Prentice Hall. Hal
7.
Juran, Joseph. M. & A.Blanton Godfrey. 2000. Juran's Quality Handbook. 5th edition. Singapore:
McGraw-Hill. Hal 2.2-2.3, 3.2-3.3, 4.2-4.5, 5.3.
Kolarik, William J. 1999. CREATING QUALITY: Process Design for Results. Singapore: McGraw-Hill. Hal
5.
Mitra, A. 1999. Fundamentals of Quality Control and Improvement. 2nd edition. New Jersey: Prentice
Hall.
Tague, Nancy R. 2005. The Quality Toolbox. 2nd edition. Milwaukee: ASQ Quality Press. Hal 391.
Diawati, Lucia. 2006. Handout TI 3221 Pengendalian Kualitas. Program Studi Teknik Industri ITB.
I. PROSEDUR PRAKTIKUM
Cover
Lembar Pengesahan
Lembar Asistensi
Daftar Isi
Bab 1. Pendahuluan
1.1 Latar belakang
1.2 Tujuan
1.3 Flowchart pengolahan data
Bab 2. Pengolahan Data
2.1. Data Awal
2.2. Peta kendali variabel diameter konstruksi
2.3. Peta kendali variabel diameter implementasi
2.4. Peta kendali variabel panjang konstruksi
2.5. Peta kendali variabel panjang implementasi
2.6. Perhitungan Cp dan Cpk
2.7. Perhitungan persentase produk cacat
2.8. OC Curve peta kendali
Bab 3. Analisis
3.1. Analisis pemilihan jenis peta kendali
3.2. Analisis penyebab abnormalitas dan revisi pada peta kendali variabel diameter
3.3. Analisis penyebab abnormalitas dan revisi pada peta kendali variabel panjang
3.4. Analisis perbedaan Cp dan Cpk
3.5. Analisis hasil perhitungan Cp dan Cpk
3.6. Analisis persentase produk cacat dan penyebab
3.7. Analisis OC Curve peta kendali
Laporan dikumpulkan dalam bentuk softcopy paling lambat hari Jumat, 22 April 2011 pukul 12.00
WIB di LPOSI. Keterlambatan akan dikenakan pengurangan nilai 1 poin per menit.