3.

Inisiasi 3:
Grafik Pengendali x dan S Grafik
dan
Pengendali x dan R bergergak

Setelah mempelajari grafik ini Anda diharapkan dapat:

a. membuat grafik pengendali x dan S
b. menggunakan grafik pengendali x dan S
c. menjelaskan interpretasi pola tampilan proses pada grafik pengendali x
dan S
d. membuat grafik pengendali x dan R bergerak (untuk unit individual)
e. menghitung probabilitas resiko tipe II (β) pergeseran rata-rata proses.

***

A. GRAFIK PENGENDALI x dan S

Apabila ukuran sampel n cukup besar, katakan n > 10 atau 12, metode
rentang guna menaksir  kehilangan efisiensi statistiknya. Dalam hal-hal
seperti ini, yang terbaik adalah mengganti grafik x dan R yang biasa dengan
grafik-grafik x dan S, dengan standar proses ditaksir secara langsung tidak
melalui R. Guna tujuan pengendalian, maka dari tiap himpunan bagian kita
harus menghitung mean sampel x dan deviasi standar sampel S.
2
Jika  variansi distribusi probabilitas yang tidak diketahui, maka
2
penaksir tak bias untuk  adalah variansi sampel

n
  x1  x 
2

i 1
S2 
n 1
3.2 Statistika Pengawasan Kualitas 

Tetapi, deviasi standar sampel S bukan penaksir tak bias untuk  . Jika
distribusi yang melandasinya normal, sebenarnya S menaksir c4 , dengan
c4 suatu konstanta yang tergantung pada ukuran sampel n. Selanjutnya,

 1  c42
deviasi standar S adalah . Informasi ini dapat digunakan untuk
membentuk grafik pengendali x dan S.
Pandang keadaan dengan nilai standar untuk  diberikan. Karena E(S)
= 4 , garis tengah grafik itu adalah c4 . Maka batas pengendali 3-sigma
c
bagi S adalah
BPA  c4  3 1  c42

 c4  3 1  c42
(3.18)
Kemudian, definisikan dua konstan sebagai
B5  c4  3 1  c42
dan
B6  c4  3 1  c42
Dengan demikian, parameter grafik S dengan nilai standar bagi 
diketahui menjadi
BPA = B6
Garis tengah = c4 (3.19)
BPB = B5
Nilai-nilai B5 dan B6 ditabelkan dalam Tabel Lampiran untuk berbagai
ukuran himpunan bagian. Parameter grafik x sekawannya (Grafik x dan S,
jika σ diketahui) diberikan dalam Persamaan (3.13) yaitu

BPA =   A
Garis tengah = 
BPB =   A

Jika nilai standar bagi  tidak diberikan, maka ini harus ditaksir dengan
menganalisis data yang lalu. Andaikan tersedia m sampel pendahuluan,
masing-masing berukuran n, dan misalkan Si adalah deviasai standar sampel
ke i. Rata-rata m deviasai standar itu adalah
 3.3

m
1
S 
m
 Si
i 1

Statistik S c4 adalah penaksir tak bias untuk  . Dengan demikian,

parameter grafik S menjadi
S
S 3 1  c42
c4
BPA =
Garis tengah = S (3.20)
S
S 3 1  c42
c4
BPB =
Biasanya kita mendefinisikan konstan
3
B3  1  1  c42
c4
dan
3
B4  1  1  c42
c4

Dengan demikian, kita dapat menulis parameter grafik S sebagai

B4 S
BPA =
Garis tengah = S (3.21)
B3 S
BPB =

Perhatikan bahwa B4  B6 c4 dan B3  B5 c4 .

Apabila S c4 digunakan untuk menaksir  , kita dapat mendefinisikan
batas pengendali grafik x sekawannya sebagai
3S
x
c4 n
BPA =
Garis tengah = x (3.22)
3S
x
c4 n
BPB =
3.4 Statistika Pengawasan Kualitas 

Misalkan konstan

A3  3 c4 n  . Maka parameter grafik x menjadi
BPA = x  A3 S
Garis tengah = x (3.23)
BPB = x  A3 S
Konstan B3, B4, dan A3 untuk membentuk grafik x dan S dari data yang lalu
dimuat dalam Tabel Lampiran (Pada BMP lihat Tabel D, hal. 2.29) untuk
berbagai ukuran sampel.
Perhatikan bahwa kita telah menganggap deviasi standar sampel
didefinisikan sebagai

n
  xi  x 
2

i 1
S
n 1 (3.24)

Beberapa penulis mendefinisikan S dengan penyebut n dalam Persamaan

(3.24), bukannya n – 1. Jika demikian halnya, definisi konstan C4, B3, B4, dan
A3 haruslah diubah. Konstan-konstan sekawannya yang berdasarkan
penggunaan n dalam menghitung S masing-masing dinamakan c2, B1, B2, dan
A1.
Kebiasaannya, insinyur pengendalian kualitas lebih senang grafik R
daripada grafik S karena mudahnya menghitung R dari tiap sampel. Dengan
tersedianya kalkulator kecil sekarang ini dengan perhitungan S yang otomatis
dan tersedianya mikrokomputer yang meningkat guna melaksanakan grafik
pengendali langsung di tempat bekerja telah menghilangkan setiap kesulitan
perhitungan. Lagi pula, dari studi kurva KO kita tahu bahwa grafik R relatif
kurang peka terhadap pergeseran kecil atau sedang untuk ukuran sampel
kecil. Jadi, dalam banyak keadaan praktis yang pengendalian variabilitas
proses yang cukup ketat diperlukan, dituntut ukuran sampel yang cukup
besar, dan grafik S harus digunakan.

Contoh 3.2
Pengendalian proses produksi cincin piston menggunakan grafik x dan
S. Telah diambil dua puluh lima himpunan bagian sampel pengukuran
 3.5

diameter cincin piston masing-masing berukuran lima yang ditunjukkan

dalam Tabel 3.5. Grafik pengendalinya pada Gambar 3.15.

Tabel 3.5. Data Cincin Piston Tempaan

Nomor
Sampel Observasi xi Si
1 74,030 74,002 74,019 73,992 74,008 74,010 0,0148
2 73,995 73,992 74,001 74,011 74,004 74,001 0,0072
3 73,988 74,024 74,021 74,005 74,002 74,008 0,0106
4 74,002 73,996 73,993 74,015 74,009 74,003 0,0091
5 73,992 74,007 74,015 73,989 74,014 74,003 0,0122
6 74,009 73,994 73,997 73,985 73,993 73,996 0,0087
7 73,995 74,006 73,994 74,000 74,005 74,000 0,0055
8 73,985 74,003 73,993 74,015 73,988 73,997 0.0123
9 74,008 73,995 74,009 74,005 74,004 74,004 0,0055
10 73,998 74,000 73,990 74,007 73,995 73,998 0,0063
11 73,994 73,998 73,994 73,995 73,990 73,994 0,0029
12 74,004 74,000 74,007 74,000 73,996 74,001 0,0042
13 73,983 74,002 73,998 73,997 74,012 73,998 0,0105
14 74,006 73,967 73,994 74,000 73,984 73,990 0,0153
15 74,012 74,014 73,998 73,999 74,007 74,006 0,0073
16 74,000 73,984 74,005 73,998 73,996 73,997 0,0078
17 73,994 74,012 73,986 74,005 74,007 74,001 0,0106
18 74,006 74,010 74,018 74,003 74,000 74,007 0.0070
19 73,984 74,002 74,003 74,005 73,997 73,998 0,0085
20 74,000 74,010 74,013 74,020 74,003 74,009 0,0080
21 73,988 74,001 74,009 74,005 73,996 73,996 0,0053
22 74,004 73,999 73,990 74,006 74,009 74,002 0,0074
23 74,010 73,989 73,990 74,009 74,014 74,002 0,0119
24 74,015 74,008 73,993 74,000 74,010 74,005 0,0087
25 73,982 73,984 73,995 74,017 74,013 73,998 0,0162
 = 1850,028 0,2238
x = 74,001 S = 0,0090
Berdasarkan nilai x dan S , parameter grafik x adalah
BPA = x  A3 S = 74,001 + (1,427)(0,0090) = 74,014
3.6 Statistika Pengawasan Kualitas 

Garis tengah = x = 74, 001

BPB = x  A3 S = 74,001 - (1,427)(0,0090) = 73,988
dan untuk grafik S adalah
B4 S = (2,089)(0,0090) = 0,019
BPA =
Garis tengah = S = (0,0090)
B3 S = (0)(0,0090) = 0.
BPB =

Gambar 3.15. Grafik Pengendali x dan S

B. GRAFIK PENGENDALI UNIT INDIVIDUAL

Banyak keadaan yang menggunakan ukuran sampel n = 1 untuk

pengendalian proses. Ini sering kali terjadi apabila digunakan teknologi
pemeriksaan dan pengukuran otomatis dan setiap unit yang diproduksi
diperiksa. Ini juga terjadi apabila tingkat produksi terlalu lamban untuk dapat
menggunakan ukuran sampel n > 1, atau apabila pengukuran-pengukuran
berulang hanya berbeda karena kesalahan laboratori atau analisis, seperti
dalam banyak proses kimia. Dalam hal seperti itu, grafik pengendali unit
individual akan berguna. Prosedur pengendaliannya menggunakan rentang
bergerak dua observasi yang berturutan guna menaksir variabilitas proses.
Mungkin juga untuk membentuk grafik pengendali rentang bergerak dua
observasi berturutan.
 3.7

Rentang bergerak didefinisikan sebagai Ri = |Xi – Xi-1|, dan untuk m

observasi, rata-rata rentang bergerak adalah
1

m
R X i  X i 1
m 1 i 2

Penaksir bagi variabilitas proses σ adalah

R R
ˆ  
d 2 1,128
(3.26)
nilai d2 bersesuaian dengan n = 2 karena setiap rentang bergerak adalah
rentang dua observasi yang berurutan.
Parameter grafik pengendali pengukuran individual adalah
R
x 3
d2
BPA =
Garis tengah = x (3.27)
R
x 3
d2
BPB =
Jika digunakan rentang bergerak n = 2 observasi, maka d2 = 1,128, dan
parameter grafik pengendali rentang bergerak adalah
D4 R
BPA =
Garis tengah =  R (3.28)
D3 R
BPB =
Jika digunakan rentang bergerak n = 2 observasi, maka nilai D3 = 0 dan
D4 = 3,267.

Contoh 3.3
Kekentalan suatu produk kimia adalah karakteristik kualitas yang penting.
Produk itu diproduksi dalam kantong, dan karena untuk memproduksi tiap
kantong memerlukan waktu beberapa jam, maka tingkat produksinya terlalu
lamban untuk dapat menggunakan ukuran sampel lebih dari satu. Kekentalan
15 kantong yang lalu ditunjukkan dalam Tabel 3.6.
3.8 Statistika Pengawasan Kualitas 

Tabel 3.6.
Kekentalan Produk Kimia

Nomor Kantong Kekentalan Rentang Bergerak

1 33,75 
2 33,05 0,70
3 34,00 0,95
4 33,81 0,19
5 33,46 0,35
6 34,02 0,56
7 33,68 0,34
8 33,27 0,41
9 33,49 0,22
10 33,20 0,29
11 33,62 0,42
12 33,00 0,62
13 33,54 0,54
14 33,12 0,44
15 33,84 0,72
x  33,52 R  0, 48

Untuk membuat grafik pengendali observasi individual, perhatikan

bahwa rata-rata sampel 15 pembacaan kekentalan adalah x  33,52 dan
rata-rata rentang bergerak dua observasi adalah R  0, 48 . Untuk membuat
grafik rentang bergerak, kita catat bahwa D3  0 dan D4  3, 267 untuk n =
2. Maka, grafik rentang bergerak mempunyai garis tengah R  0, 48 , BPB =
0, BPA = D4 R = (3,267)(0,48) = 1,57. Grafik pengendalinya ditunjukkan
dalam Gambar 3.16(a). Karena tidak ada titik yang melebihi batas pengendali
atas, sekarang kita dapat membuat grafik pengendali pengukuran kekentalan
individual.
 3.9

Gambar 3.16. Grafik Pengendali (a) Rentang Bergerak,

dan (b) Observasi Individual

Grafik pengendali pengukuran individual untuk data Tabel 3.6, diperoleh

R 0, 48
x 3  33,52  3  34,80
d2 1,128
BPA =
Garis tengah = x  33,52
R 0, 48
x 3  33,52  3  32, 24
d2 1,128
BPB =
Grafik pengendali pengukuran kekentalan kantong individual ditunjukkan
dalam Gambar 3.16(b). Tidak ada petunjuk keadaan tak terkendali.
Harus berhati-hati dalam menginterpretasikan pola pada grafik rentang
bergerak. Rentang bergerak berkorelasi, dan kerap kali korelasi ini dapat
3.10 Statistika Pengawasan Kualitas 

mengakibatkan pola giliran atau siklis pada grafik. Tetapi, pengukuran

individual pada grafik x dianggap tidak berkorelasi, dan setiap pola yang
tampak pada grafik ini harus diselidiki secara saksama.

C. PETUNJUK MELAKSANAKAN PROGRAM GRAFIK

PENGENDALI

Hampir setiap proses beruntung dengan program grafik pengendali.

Petunjuk umum yang membantu dalam melaksanakan grafik pengendali,
tentang hala-hal sebagai berikut:
1. Memilih jenis grafik pengendali yang wajar.
2. Menentukan karakteristik proses mana yang dikendalikan.
3. Menentukan dimana grafik harus dilaksanakan dalam proses.

Garis petunjuk ini berlaku bagi grafik pengendali pengukuran (variabel)

dan sifat. Perlu diingat bahwa grafik pengendali tidak hanya untuk
pengawasan proses; melainkan harus digunakan secara aktif pada setiap jalur
guna mengurangi variabilitas proses.

Memilih Jenis Grafik Pengendali yang Wajar

a). Grafik dan R (atau Grafik x dan S). Pertimbangan penggunaan grafik
pengendali pengukuran dalam keadaan ini:
1. Proses baru datang pada aliran, atau produk baru sedang dihasilkan
dengan proses yang ada.
2. Proses telah beroperasi untuk beberapa lama, tetapi selalu dalam
kerusakan, atau tidak mampu memenuhi toleransi yang ditentukan.
3. Proses dalam kerusakan, dan grafik pengendali dapat bermanfaat
guna keperluan diagnostik (mencari dan memecahkan kesulitan).
4. Pengujian yang merusak (atau prosedur pengujian lain yang mahal).
5. Diinginkan untuk mengurangi sampling penerimaan atau pengujian
ke hilir ke minimum apabila proses dapat dioperasikan dalam
keadaan terkendali.
6. Grafik pengendali sifat telah digunakan, tetapi proses tak terkendali,
atau terkendali tetapi hasilnya tidak dapat diterima.
 3.11

7. Proses yang ada spesifikasinya yang sangat ketat, toleransi perakitan

yang tumpang suh, atau masalah produksi lain yang sulit.
8. Keadaan yang operatornya harus memutuskan apakah penyesuaian
proses atau tidak, atau suatu bentuk harus dinilai.
9. Perubahan dalam spesifikasi produk diinginkan.
10. Kemantapan dan kemampuan proses harus selalu ditunjukkan,
seperti dalam industri yang diatur.

c). Grafik Pengendali Individual. Pertimbangkan penggunaan grafik

pengendali individual dalam kaitannya dengan grafik rentang bergerak
dalam keadaan ini:
1. Proses yang tidak mudah atau tidak mungkin memperoleh lebih dari
satu pengukuran per sampel, atau jika mengulangi pengukuran
hanya akan berbeda oleh kesalahan laboratori atau analisis. Contoh
kerap kali terjadi dalam proses kimia.
2. Proses yang teknologi pengujian dan pemeriksaannya otomatis
memungkinkan pengukuran pada tiap unit yang diproduksi.
3. Situasi yang tersedianya data sangat lamban dan menunggu sampel
yang lebih besar menjadi tidak praktis atau membuat prosedur
pengendalian terlalu lamban bereaksi terhadap masalah. Sering kali
ini terjadi dalam keadaan bukan produk; misalnya, data akuntansi
mungkin hanya tersedia bulanan.

Menentukan Karakteristik mana yang Dikendalikan dan Dimana

Meletakkan Grafik Pengendali

Pada awal program grafik pengendali, biasanya sulit menentukan

karakteristik produk atau proses yang mana harus dikendalikan, dan pada
titik yang mana dalam proses untuk menerapkan grafik pengendali. Di bawah
ini beberapa garis petunjuk yang bermanfaat.
1. Pada awal program grafik pengendali, terapkan grafik pengendali bagi
setiap karakteristik produk atau pelaksanaan memproduksi yang Anda
percaya itu penting. Grafik akan segera memberikan umpan balik apakah
grafik itu benar-benar diperlukan.
3.12 Statistika Pengawasan Kualitas 

2. Sisihkan grafik pengendali yang ternyata tidak diperlukan. Tambahkan

lain-lainnya yang menurut penilaian insinyur dan operator menunjukkan
mungkin diperlukan. Biasanya lebih banyak grafik pengendali yang akan
digunakan awal daripada setelah proses mapan.
3. Pertahankan informasi pada banyak dan jenis grafik pengendali pada
proses sekarang. Yang terbaik adalah menyimpan catatan yang terpisah
pada grafik variabel dan sifat. Pada umumnya, setelah grafik pengendali
pertama dipasang, sering kali kita mendapatkan banyak grafik
pengendali cenderung meningkat agak teratur. Setelah itu, biasanya akan
menurun. Apabila proses mantap, biasanya kita mendapatkan banyak
grafik yang sama dari tahun ke tahun berikutnya. Tetapi grafik-grafik itu
tidak perlu sama.
4. Jika grafik pengendali sedang digunakan secara efektif dan jika
diperoleh pengetahuan baru tentang variabel proses kunci, kita harus
mendapatkan banyak grafik x dan R meningkat dan banyak grafik
pengendali sifat menurun.
5. Pada awal program grafik pengendali biasanya akan lebih banyak grafik
pengendali sifat, yang diterapkan bagi unit setengah jadi atau jadi
menjelang akhir proses produksi. Setelah kita belajar lebih banyak
tentang proses itu, grafik-grafik ini akan diganti dengan grafik x dan R
yang diterapkan lebih awal dalam proses bagi parameter dan operasi
yang kritis yang menghasilkan ketidaksesuaian dalam produk jadi.
Umumnya, lebih awal pengendalian proses dapat diadakan, lebih baik.
Dalam proses perakitan yang rumit, ini dapat diartikan bahwa
pengendalian proses perlu dilaksanakan pada tingkat penjual atau
leveransir.
6. Grafik pengendali adalah prosedur pengendalian proses pada jalur.
Grafik itu harus dilaksanakan dan dipelihara sedekat mungkin dengan
pusat kerja, sehingga umpan balik akan cepat. Lagi pula, operator proses
dan insinyur produksi harus mempunyai tanggung jawab langsung untuk
pengumpulan data proses, memelihara grafik, dan menginterpretasi hasil.
Operator dan insinyur mempunyai pengetahuan yang rinci tentang proses
yang diperlukan guna memperbaiki gangguan proses dan menggunakan
grafik pengendali sebagai alat guna meningkatkan penampilan proses.
Mikrokomputer dapat mempercepat umpan balik, dan harus merupakan
 3.13

bagian pelengkap setiap prosedur pengendalian kualitas pada jalur yang

modern.

LATIHAN

1) Volume isi botol minuman ringan merupakan karakteristik kualitas yang

penting. Volume itu diukur dengan mengukur selisih tinggi cairan
dengan garis tera pada leher botol. Cairan yang pas pada garis tera
menunjukkan pembacaan skala nol. Lima belas sampel berukuran n = 10
telah dianalisis dan tinggi isi ditunjukkan di bawah ini.

Nomor
Sampel x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
1 2,5 0,5 2,0 -1,0 1,0 -1,0 0,5 1,5 0,5 -1,5
2 0,0 0,0 0,5 1,0 1,5 1,0 -1,0 1,0 1,5 -1,0
3 1,5 1,0 1,0 -1,0 0,0 -1,5 -1,0 -1,0 1,0 -1,0
4 0,0 0,5 -2,0 0,0 -1,0 1,5 -1,2 0,0 -2,0 -1,5
5 0,0 0,0 0,0 -0,5 0,5 1,0 -0,5 -0,5 0,0 0,0
6 1,0 -0,5 0,0 0,0 0,0 0,5 -1,0 1,0 -2,0 1,0
7 1,0 -1,0 - 1,0 1,0 0,0 1,5 0,0 1,0 0,0 0,0
8 0,0 -1,5 -0,5 1,5 0,0 0,0 0,0 -1,0 0,5 -0,5
9 -2,0 -1,5 1,5 1,5 0,0 0,0 0,5 1,0 0,0 1,0
10 -0,5 3,5 0,0 -1,0 -1,5 -1,5 -1,0 -1,0 1,0 0,5
11 0,0 1,5 0,0 0,0 2,0 -1,5 0,5 -0,5 2,0 -1,0
12 0,0 -2,0 -0,5 0,0 -0,5 2,0 1,5 0,0 0,5 -1,0
13 -1,0 -0,5 -0,5 -1,0 0,0 0,5 0,5 -1,5 -1,0 -1,0
14 0,5 1,0 -1,0 -0,5 -2,0 -1,0 -1,5 0,0 1,5 1,5
15 1,0 0,0 1,5 1,5 1,0 -1,0 0,0 1,0 -2,0 -1,5
a. Buatlah grafik pengendali x dan S pada proses ini. Apakah proses
menunjukkan dalam keadaan terkendali statistik?
b. Buatlah grafik R, dan bandingkan dengan grafik S dalam bagian a!

Solusi :
Dengan menggunakan persamaan batas-batas kendali x dan R dan S,
diperoleh parameter grafik sebagai berikut.
3.14 Statistika Pengawasan Kualitas 

Grafik Garis Tengah Batas Pengendali

x (dengan R) 0,012 -0,974 ; 0,998
x (dengan S) 0,012 -1,024 ; 1,048
R 3,200 0,714 ; 5,686
S 1,062 0,302 ; 1,823

a). Grafik pengendali x dan S

Jika menggunakan Minitab, membuat grafik pengendali x dan S bisa
dilakukan dengan cara :
 Susun data pada kolom C1 untuk Nomor Sampel, dan C2-C11
untuk variabel x1-x10.
 Pilih Stat > Control Charts > Variables Charts for
subgroups > Xbar-S.
 Klik pada kotak pilihan yang terletak di atas sebelah kanan,
pilih Observations for a subgrup are in one row of columns.
Klik kotak dibawahnya, klik kotak sebelah kiri, sorot (blok)
semua variabel C2-C11 atau x1-x10, klik Select.
 Klik pada Xbar-S options, pilih Estimate, dan di bawah
Method for estimating standard deviation, pilih Sbar. Klik
OK.

Terlihat bahwa Grafik x - S di atas menunjukkan proses terkendali.

 3.15

b). Grafik R juga menunjukkan proses terkendali.

2) Grafik x harus dibuat dengan nilai standar  = 100,  = 8 dan n = 4.

Hitunglah :
a. Batas pengendali 2-sigma Grafik x dan S.
b. Dengan batas kendali 2-sigma, dan jika mean proses bergeser
sebesasar 1σ, berapakah probabilitas shift tidak terdeteksi pada
sampel pertama (β)?
c. Dengan batas kendali 3-sigma, dan jika mean proses bergeser
sebesasar 1σ, berapakah probabilitas shift tidak terdeteksi pada
sampel pertama (β)? Jelaskan hasil (b) dan (c)!

Solusi :
a. Batas pengendali 2-sigma
Parameter grafik x adalah : lihat persamaan (3.12),
Garis tengah = μ = 100
 8
 2  100  2  100  8  108
BPA = n 4
 8
2  100  2  100  8  92
BPB = n 4

Pameter grafik S adalah ; (lihat persamaan 3.18)

Garis tengah = c4 =0,9213 (8) = 7,37
BPA  c4  2 1  c42  7,37  2(8) 1  (09, 213) 2  13,59
3.16 Statistika Pengawasan Kualitas 

BPB  7,37  2(8) 1  (09, 213) 2  1,15 .

b. Kendali 2-sigma dan pergeseran mean proses 1σ

    
   2  k n   2  k n   2  1 4    2  1 4  
   2  2     2  2     0     4  0,5
c. Kendali 3-sigma dan pergeseran mean proses 1σ
    
   3  k n   3  k n   3  1 4    3  1 4  
   3  2     3  2     1    5  0,8413.
Jika menggunakan batas kendali 2 sigma akan terlalu lebih cepat
mendeteksi pergeseran mean proses dibandingkan jika
menggunakan batas kendali 3 sigma.

3) Spesifikasi pada suatu benda adalah 600  20. Grafik x dan S dibuat
untuk suatu produk, dan performanya kedua grafik tersebut
menunjukkan bahwa proses dalam keadaan terkendali selama periode
waktu yang lama. Parameter grafik pengendali ini (n = 9) adalah :

Grafik x Grafik S
BPA = 616 BPA = 32,36
Garis tengah = 610 Garis tengah = 17,82
BPB = 604 BPB = 3,28

Buatlah kurva KO bagi kurva x dengan menganggap  konstan!

Solusi:
Kurva KO bagi grafik x dengan batas 3 
Kurva KO menghubungkan nilai-nilai β dengan nilai pengganda
pergeseran mean proses (k).
k β
0 0,99730020
0,25 0,98768711
0,5 0,93318940
0,75 0,77337257
 3.17

1 0,50000000
1,25 0,22662735
1,5 0,06680720
1,75 0,01222447
2 0,00134990
2,25 0,00008842
2,5 0,00000340
2,75 0,00000008
3 0,00000000

4) Grafik x dan S dibuat berdasarkan nilai standar µ = 350 dan  =12,

dengan n = 9. Batas pengendali didasarkan pada risiko  = 0,01.
Ukuran sampel adalah n = 9. Kedua grafik menunjukkan terkendali.
a. Berapakah batas-batas pengendali yang sesuai?
b. Andaikan mean bergeser menjadi 357. Berapakah probabilitas
bahwa pergeseran itu tidak akan disidik pada sampel pertama
setelah pergeseran?

Solusi :
a. Batas-batas pengendali
  0,01   / 2  0,005
Grafik x : Garis tengah = μ = 350
3.18 Statistika Pengawasan Kualitas 

 12
BPA    Z 0,005  350  2,5758  350  10,3032  360,3032
n 9

BPA    Z 0,005  350  10,3032  339,6968
n
Grafik S : Garis tengah = S  c4  0,9693(12)  11,6316
BPA  B6  1,707(12)  20, 484
BPB  B5  0, 232(12)  2,784
Grafik x Grafik S
BPA = 360,3032 BPA = 20,484
Garis tengah = 350,0 Garis tengah = 11,6316
BPB = 339,6968 BPB = 2,784

b. Andaikan mean bergeser menjadi 357.

357  350 7
0  k  357  k    0,5833.
12 12
Probabilitas bahwa pergeseran itu tidak akan disidik pada sampel
pertama setelah pergeseran, adalah
  
   3  k n   3  k n 
  
  3  0,5833 9   3  0,5833 9 
   3  1,7499     3  1,7499 
   1, 2501    4, 7499  0,8944.

5) Grafik pengendali x dan S telah dibuat pada suatu proses, dan telah
memperlihatkan keadaan terkendali statistik. Ukuran sampelnya adalah
n = 4. Parameter grafik pengendali itu adalah sebagai berikut.

Grafik x Grafik S
BPA = 44,973 BPA = 10,854
Garis tengah = 37,175 Garis tengah = 4,790
BPB = 29,377 BPB = 0

Taksirlah mean dan deviasi standar proses!

 3.19

Solusi :
a). Perkiraan mean dan deviasi standar proses
S 4,790
ˆ x   
ˆ  x  37,175 c4 0,9213
5,199

RANGKUMAN

Grafik pengendali variabel digunakan untuk karakteristik kualitas

yang berupa pengukuran skala numerik. Tabel 3.7 merangkum rumus-
rumus untuk grafik x , R, dan S apabila nilai standar µ dan  diberikan.
Tabel 3.8 memberikan rangkuman apabila nilai-nilai standar tidak
diberikan dan batas pengendali percobaan harus dibuat dari analisis data
yang lalu. Konstan untuk grafik S menggunakan (n-1) sebagai penyebut
dalam formula S. Semua konstan ditabelkan dalam Tabel Lampiran
untuk berbagai ukuran sampel.

Tabel 3.7. Parameter Grafik Pengendali Nilai Standar Diberikan

Grafik Garis Tengah Batas Pengendali

x ( dan  diketahui)    A
R ( diketahui) d2 BPA = D2; BPB = D1
S ( diketahui) c4 BPA = B6; BPB = B5

Tabel 3.8. Parameter Grafik Pengendali (Nilai Standar Tidak Diberikan)

Grafik Garis Tengah Batas Pengendali

x (menggunakan R) x x  A2 R
x (menggunakan S) x x  A3 S
R R BPA = D4 R ; BPB = D3 R
S S BPA = B4 S ; BPB = B3 S

Rentang bergerak didefinisikan sebagai Ri = |Xi – Xi-1|, dan untuk m

observasi, rata-rata rentang bergerak adalah
1

m
R X i  X i 1
m  1 i 2
3.20 Statistika Pengawasan Kualitas 

Penaksir bagi variabilitas proses σ adalah

R R
ˆ  
d 2 1,128
nilai d2 bersesuaian dengan n = 2 karena setiap rentang bergerak adalah
rentang dua observasi yang berurutan. Parameter grafik pengendali
pengukuran individual adalah
Tabel 3.9. Parameter Grafik Pengendali x dan Rentang Bergerak

Grafik Garis Tengah Batas Pengendali

x dan R bergerak x R̄
x̄ ± 3
d2

DIS KUS I

11) Bagan pengendali untuk x dan S telah dipertahankan pada suatu proses
dan telah menunjukkan kontrol statistik. Ukuran sampel adalah n = 6.
Parameter diagram kontrol adalah sebagai berikut:
Grafik x Grafik S
BPA = 708,20 BPA = 3,420
Garis tengah = 706,00 Garis tengah = 1,738
BPB = 703,80 BPB = 0,052
Perkirakan mean dan standar deviasi dari proses adalah ...
 3.21

Daftar Pustaka

Mitra, A. (2016). Fundamentals of Quality Control and Improvement (4th ed).

New Jersey: Wiley & Sons.
Montgomery, D.C. & Runger, G. C. (2014). Applied Statistics and
Probability for Engineers (6th ed.). New York: John Wiley & Sons.
Montgomery, D. C. (2013). Introduction to Statistical Quality Control (7th
ed.). New York: John Wiley & Sons.
Vardeman, S. B. & Jobe, J. M. (2016). Statistical methods for quality
assurance : Basics, measurement, control, capability, and
improvement (2nd ed.). New York : Springer-Verlag.
3.22 Statistika Pengawasan Kualitas 