Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

TOPIK 6

PEMODELAN KUALITAS
PROSES

LD/SEM II-03/04 1

Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

1. KERANGKA DASAR

Sampling Pengendalian
Penerimaan Proses
Proses Produksi

PRODUK
MATERIAL PRODUK
BAIK

SUPPLIER Manufacturing Manufacturing KONSUMEN

PRODUK
KERJA ULANG

PRODUK
SEKRAP

Lingkup perusahaan

LD/SEM II-03/04 2

1
 Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

2. PENGERTIAN DASAR

(1) PENGENDALIAN KUALITAS

Pengendalian kualitas: suatu sistem untuk menjaga tingkat kualitas yang diinginkan
dalam produk atau jasa.Kategori: Off-line Quality Control, Statistical Process
Control (SPC), Acceptance Sampling.

SPC: usaha untuk mengendalikan variasi proses guna menjaga konsistensi

karakteristik kualitas produk yang dihasilkan.

Karakteristik kualitas: menggambarkan tingkat kualitas produk / jasa, dibedakan

atas:
Karakteristik struktural: panjang, berat, dll.
Karakterisrik sensori: selera, aroma, dll.
Karakteristik berorientasi terhadap waktu: jaminan, keandalan, dll.
Karakteristik etika: kejujuran, keramahan, dll.

Jenis pengukuran:
Variabel → karakteristik kualitas yang dapat diukur & diekspresikan dalam
skala numerik.
Atribut: → karakteristik kualitas yang diklasifikasikan atas “sesuai” atau
“tidak sesuai” terhadap spesifikasi (tidak dapat diukur dengan skala numerik).

LD/SEM II-03/04 3

Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

Skala pengukuran:
Skala Nominal : merepresentasikan KATEGORI suatu kondisi. Nilai numerik
yang digunakan tidak mencerminkan nilai yang sebesarnya.
Contoh:
9 Klasifikasi keadaan produk: (1) Baik, (2) Cacat.
9 Klasifikasi jenis cacat: (1) Kritikal, (2) Mayor, (3) Minor.
Skala Ordinal : merepresentasikan RANKING/URUTAN suatu kondisi.
Contoh:
9 Kualitas layanan suatu toko:
(1) Sangat Buruk, (2) Buruk, (3) Rata-rata, (4) Baik, (5) Sangat Baik
Skala Interval : merepresentasikan ORDER & PERBEDAAN NUMERIK, tetapi
dengan titik origin tidak absolut (berbeda antar skala pengukuran).
Contoh: temperatur dalam oC dan oF.

Skala Rasio : merepresentasikan ORDER & PERBEDAAN NUMERIK antar skala

pengukuran (titik origin 0).
Contoh: panjang, lebar.

LD/SEM II-03/04 4

2
 Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

Skala Pengukuran:

– Skala nominal → Kategori, tanpa ada hirarki

– Skala ordinal → Klasifikasi & hirarki

– Skala interval → Kontinum numerik dengan range tertentu

– Skala rasio → Kontinum numerik dengan titik nol

LD/SEM II-03/04 5

Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

(2) POPULASI & SAMPEL

TINDAKAN POPULASI SAMPEL DATA

Sampling Pengukuran
Tindakan pada
proses PROSES LOT SAMPEL DATA
(Kontrol proses)
(Analisis proses)
Tindakan

Sampling Pengukuran
Tindakan pada lot LOT SAMPEL DATA
(Estimasi inspeksi
kualitas produk)
Tindakan

LD/SEM II-03/04 6

3
 Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

(3) DISTRIBUSI-
DISTRIBUSI-DISTRIBUSI PENTING
a. Distribusi Diskrit
DISTRIBUSI HIPERGEOMETRIK: Model probabilitas untuk sampling tanpa
pengembalian.
Untuk lot dengan ukuran N dan produk cacat sebanyak D, maka probabilitas
sampel dengan ukuran n mengandung produk cacat sebanyak x adalah:

 D  N − D 
  
x n − x 
p ( x) =   , x = 0, 1, 2, ....., min (n, D)
N
 n 
 

nD
Rata - rata : E ( X ) = N Baik: N-D n
N Baik: n-x
Variansi : Cacat: x

nD  D  N − n 
Var( X ) = 1 −   Cacat: D
N  N  N − 1  Sampel

Populasi

LD/SEM II-03/04 7

Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

DISTRIBUSI BINOMIAL: Model probabilitas untuk sampling dengan 2

kemungkinan outcome (sukses, gagal) untuk setiap pengambilan sampel,
dimana ukuran populasi cukup besar dibandingkan dengan sampel, atau
berasal dari proses kontinyu.

Jika probabilitas perolehan produk cacat adalah p & konstan untuk setiap
pengambilan sampel, maka probabilitas diperolehnya x produk cacat
adalah:

n
p( x) =   p x (1 − p) n − x x = 1, 2, 3, .... n
 x
Rata - rata : E(X) = np

Variansi : Var(X) = np( 1 − p )

Contoh:
1. Untuk menentukan diterima-tidaknya kiriman lot lampu, dilakukan pengujian. Kiriman
diterima jika seluruh produk yang diuji baik semua. Ukuran lot 24 unit, jumlah rata-rata
cacat dalam setiap lot 3 unit, jumlah produk yang diuji 4 unit. Berapa probabilitas
penerimaan setiap lot lampu tersebut?
2. Asumsikan produk lampu yang dikirim dihasilkan dari proses kontinyu dengan proporsi cacat
1/8. Lot lampu akan diterima jika produk yang diuji seluruhnya baik. Jumlah produk yang
diuji 4 unit. Berapa probabilitas diterimanya lot lampu tersebut?

LD/SEM II-03/04 8

4
 Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

DISTRIBUSI POISSON: Digunakan dalam pengendalian kualitas sebagai

pendekatan terhadap distribusi binomial.
Jika rata-rata cacat adalah λ, maka probabilitas munculnya x kejadian
adalah:

λ x e −λ
p( x ) = , x = 0 , 1, 2 , .....
x!
Rata - rata : E ( X ) = λ

Variansi : Var( X ) = λ

Contoh:
1. Rata-rata jumlah cacat komponen elektronik dalam kemasan adalah 3. Berapa
probabilitas mendapat 2 komponen cacat yang diambil secara random dari kemasan
tersebut?

LD/SEM II-03/04 9

Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

b. Distribusi Kontinyu

DISTRIBUSI NORMAL: digunakan untuk pengukuran dengan sebaran di sekitar

nilai sentral.
Fungsi kepadatan distribusi normal:

 2
1 1 x−µ 
f(x)= exp −   , -∞ < x <∞
σ 2π  2 σ  
 
dimana,
Rata - rata : - ∞ < µ < ∞ dan

Variansi : σ2 >0

LD/SEM II-03/04 10

5
 Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

c. Pendekatan dalam Distribusi Probabilitas

HIPERGEOMETRIK

n/N ≤ 0,1

BINOMIAL

p < 0,1
n besar

POISSON np > 10
p < 1/2

λ ≥ 10

NORMAL

LD/SEM II-03/04 11

Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

Batas Spesifikasi Atas (posisi optional)

Batas Kendali Atas

Sebaran
nilai Batas
individu Kendali
µ x0
± 3σ x
± 3σ
Xi − µ
Z =
σ Batas Kendali Bawah

X −µ X −µ
Z = =
Batas Spesifikasi Bawah (posisi optional) σ σ/ n
X

a. Distribusi Nilai Individu b. Distribusi Nilai Rata-rata

LD/SEM II-03/04 12

6
 Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

(4) AKURASI & PRESISI

Akurasi → merepresentasikan derajat keseragaman observasi
(pengukuran) di sekitar nilai sasaran, yaitu rata-rata.
Presisi → merepresentasikan tingkat variabilitas dari observasi (Dapat
terjadi, akurasi ↓, presisi ↑, dan sebaliknya)

B (µ0, σ1)
A = akurat, kurang presisi
B = akurat, presisi
C = kurang akurat, kurang presisi
C (µ1, σ1)

A (µ0, σ0)

µ0 =
nilai target

LD/SEM II-03/04 13

Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

(5) PETA KENDALI

Variasi tak-alamiah, disebabkan oleh sebab-sebab khusus di

Batas Kendali Atas
luar proses, seperti material, pekerja, peralatan, dll.

+3σX
Garis Tengah Variasi alamiah, terkandung dalam proses & disebabkan
X0 oleh sebab-sebab umum (ada selama proses tidak diubah;
tanggung jawab: manajemen).
− 3σ X

Batas Kendali Bawah

LD/SEM II-03/04 14

7
 Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

PEMILIHAN PETA KENDALI

n besar
Peta-X , s

n kecil Peta-X , R
Peta Variabel

n=1 Peta-X,
moving range

Peta Kendali
n konstan
Peta p or np
Item cacat
Peta p
n variabel
Peta Atribut

n konstan Peta c or u
Cacat
Peta u
n variabel

LD/SEM II-03/04 15

Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

KESALAHAN DALAM PENGENDALIAN PROSES

(α) : Resiko Produsen

a. Error Tipe I (α
Kesalahan yang terjadi pada saat nilai sampel berada di luar batas kendali
namun proses sebenarnya dalam kendali (random effect).

(β) : Resiko Konsumen

b. Error Tipe II (β
Kesalahan yang terjadi pada saat nilai sampel berada di dalam batas kendali
namun proses sebenarnya tidak dalam kendali (terjadi pergeseran proses).

LD/SEM II-03/04 16

8
 Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

DISTRIBUSI BINOMIAL KUMULATIF

LD/SEM II-03/04 17

Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

DISTRIBUSI POISSON KUMULATIF

LD/SEM II-03/04 18

9
 Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

DISTRIBUSI
NORMAL
KUMULATIF

LD/SEM II-03/04 19

Departemen Teknik Industri - ITB TI-3221 PENGENDALIAN KUALITAS STATISTIK

SOAL TES 1 (9 Maret 2005):

1. Untuk menentukan diterima-tidaknya kiriman lot lampu,
dilakukan pengujian. Kiriman diterima jika seluruh produk
yang diuji baik semua. Ukuran lot 24 unit, jumlah rata-rata
cacat dalam setiap lot 3 unit, jumlah produk yang diuji 4
unit. Berapa probabilitas penerimaan setiap lot lampu
tersebut?
2. Asumsikan produk lampu yang dikirim dihasilkan dari proses
kontinyu dengan proporsi cacat 1/8. Lot lampu akan diterima
jika produk yang diuji seluruhnya baik. Jumlah produk yang
diuji 4 unit. Berapa probabilitas diterimanya lot lampu
tersebut?
3. Rata-rata jumlah cacat komponen elektronik dalam kemasan
adalah 3. Berapa probabilitas mendapat 2 komponen cacat
yang diambil secara random dari kemasan tersebut?

LD/SEM II-03/04 20

10