MODUL 12 s/d 14
BAGAN KENDALI
(CONTROL CHART)
2. PENGERTIAN
Pengertian control chart adalah bagan kendali sebagai suatu display grafik dari
suatu karakteristik mutu yang telah dihitung atau diukur dari suatu contoh produk
terhadap nomor contoh atau waktu.
3. PELAKSANAAN
Ya Ya Ya
Apakah proses
homogen atau proses Apakah ukuran Apakah ukuran
batch seperti industri contoh konstan? contoh konstan?
kimia, dll?
Bagan kendali Xbar, R sesuai dengan namanya terdiri dari bagan X-bar dan bagan
rentang R-bar. Parameter control chart untuk X-bar terdiri dari central line yaitu nilai
tengah (rataan), batas atas USL dan batas bawah LSL. Nilai batas atas dan batas bawah
ini biasanya berpatokan pada nilai simpangan baku atau standar deviasi yaitu ± 3 x σ.
Nilai standar deviasi ini telah ditransformasikan menjadi nilai R, hal ini karena
keragaman populasi biasanya dinyatakan dengan nilai rentang R, maka patokan 3 sigma
dikonversi dalam besaran R. Sehingga persamaan untuk X-bar dan R adalah:
Bagan kendali X-bar :
−
x
Garis pusat CL (Control line) = X-bar= ∑
m
i=1 m
Batas kendali atas USL (Upper Spec Limit) = X-bar + A. R-bar
Batas kendali bawah LSL (Lower Spec Limit) = X-bar – A. R-bar
Bagan kendali R :
Garis pusat CL (Control line) = R-bar
Batas kendali atas USL (Upper Spec Limit) = k. R-bar
Batas kendali bawah LSL (Lower Spec Limit) = l. R-bar
Sebagai contoh pelaksanaan, akan diikuti tahapan yang telah dijelaskan diatas,
namun dalam hal ini data telah terkumpul dan diperlihatkan pada Tabel 6, sehingga
dengan demikian akan dapat langsung diterapkan. Perhatikanlah terlebih dahulu data
pada Tabel 6.
Langkah 1. Kumpulkan data. Data dan cara pengambilannya harus sama dengan yang
akan dilakukan pada waktu yang akan datang.
Keterangan: dalam hal ini, data adalah berat susu bubuk kaleng ukuran (berat bruto) 500
gram. Pengukuran dilakukan selama sekitar 1 bulan dari tanggal 1 Maret sampai dengan
tanggal 31 Maret. Setiap hari sampling dilakukan dengan cara pengambilan 5 kaleng
susu yang langsung ditimbang beratnya.
Langkah 2. Masukkan data ke dalam subgrup. Data tersebut harus dibagi ke dalam
subgrup dengan kondisi :
a. Data yang diperoleh dari kondisi teknik yang sama harus membentuk satu
subgrup.
b. Sebuah subgrup tidak boleh memasukkan data dari lot atau sifat yang berbeda.
c. Jumlah sampel dalam sebuah subgrup menentukan ukuran subgrup dan
digambarkan dengan n, jumlah subgrup dilambangkan dengan m.
Keterangan: Pada Tabel 6 terlihat bahwa 5 buah contoh yang ditarik setiap hari
merupakan satu subgrup dengan simbol n, sedangkan jumlah sub grup adalah jumlah hari
pengukuran dari tanggal 1 Juli hingga 31 Juli yaitu sebanyak 25 hari sehingga m=25,
sehingga jumlah total data adalah 5x25 = 125.
Keterangan: Pada hari pertama pengambilan contoh diperoleh data sebagai berikut:
1 2 3 4 5
498 501 504 502 503
Sehingga rata-rata subgrup adalah = (498+501+504+502+503)/5 atau 2508/5 = 501.6
gram
Langkah 5. Cari kisaran R (selisish x terbesar dan x terkecil) untuk tiap subgrup.
Keterangan : Pada hari pertama pengambilan contoh nilai terkecil adalah 498 dan terbesar
adalah 504, sehingga R = 6
Langkah 7. Hitung harga rata-rata R yaitu jumlah R seluruh subgrup dibagi dengan
m.
Keterangan:
Dari Tabel 7 untuk ukuran contoh n=5 diperoleh nilai faktor A = 0.577; k= 2.114 dan l=0,
sehingga:
Bagan kendali R :
Garis pusat CL (Control line) = R-bar = 4.1
Batas kendali atas USL (Upper Spec Limit) = k. R-bar
USL = 2.114 x 4.1 = 8.7
Batas kendali bawah LSL (Lower Spec Limit) = l. R-bar
LSL = 0 x 4.1 = 0
Hasil pengolahan dengan program Microstat memberikan grafik X-bar dan R-bar
sebagai berikut (Gambar 16): Perhatikan nilai-nilai parameter central line, USL dan LSL,
baik pada grafik Xbar (grafik atas) maupun grafik R-bar (bawah) serta bandingkan
nilainya dengan hasil perhitungan manual.
Gambar 16
Xbar/R Chart for C1-C5
505.5 1
504.5
503.5 3.0SL=503.8
Means
502.5
501.5 X=501.4
500.5
499.5
-3.0SL=499.0
498.5
Subgroup 0 5 10 15 20 25
10
3.0SL=8.712
Ranges
5
R=4.120
0 -3.0SL=0.000
Terlihat pada teks hasil test maupun pada grafik bahwa terdapat 1 titik yang
nilainya lebih besar dari batas atas dengan demikian keluar dari control chart.
b. Bagan kendali individual : X-MR
Seperti halnya pada bagan kendali X-bar, R yang menggunakan data variabel,
maka bagan kendali X-mR juga menggunakan data variabel, yang membedakannya
adalah bahwa data variabel yang digunakan disini adalah data individual, dengan kata
lain hanya ada satu pengukuran data per kasus. Oleh karena itu data yang ditarik per hari
hanya ada satu data. Sehingga dalam menghitung Range-nya digunakan selisih data
dengan data yang ditarik (sehari) sebelumnya. Sebagai contoh diperlihatkan data pada
Tabel 8 berikut ini, pada kolom range yang pertama diisikan nilai 3 yang merupakan
selisih nilai 6 dan 9. Demikian seterusnya dan digunakan untuk mengisi kolon Range,
sehingga kolom range akan kosong satu baris dibandingkan data yang diperoleh dari
pengukuran contoh.
16.149
9.280
VAR00008
UCL = 20.5794
2.411
Average = 9.2800
L Spec = .0000
Sigma level: 3
Terdapat dua jenis bagan kendali dengan data persentase atau proporsi yaitu:
.14
.12
.10
Proportion Nonconforming
.08
.06
VAR00003
.04
UCL
0.00 LCL
1 3 5 7 9 11 13 15 17 19 21 23 25 27
Sigma level: 3
Data yang akan digunakan pada bagan np diperlihatkan pada Tabel 10, data ini
hampir sama dengan data pada Tabel 9, kecuali bahwa jumlah sampel yang diambil
konstan sebesar 200 individu permen. Hal ini karena populasi permen dalam hal ini
tidaklah bebas, akan tetapi berkelompok membentuk sub grup di dalam kemasan kaleng.
Tabel 10. Tabulasi hasil pengambilan contoh dan penghitungan jumlah nonconforming
dengan jumlah sampel tetap
Hasil pengolahan data dengan SPSS menghasilkan control chart dengan nilai
central line atau rata-rata sebesar 12.857 (diperlihatkan pada grafik Gambar 19), nilai
USL = 23.2627 dan LSL = 2.4516. Sedangkan perhitungan secara manual dilakukan
sebagai berikut:
_
Batas atas = np + 3 σ
Batas bawah = np + 3 σ
Pada distribusi binomial σ = V (np (1-p)
Central line dengan demikian adalah:
np= 360/28 = 12.85714 ( dengan SPSS diperoleh =12.587)
p = 12.58714/200 = 0.0642
3 σ = 3 V (np (1-p) atau
3⋅ 200⋅ 0.064286⋅ ( 1 − 0.064286) = 10.406
sehingga batas atas akan sama dengan
12.85714+ 10.406 = 23.263 (dengan SPSS diperoleh 23.2627)
dan batas bawah akan sama dengan
12.85714− 10.406 = 2.451 (dengan SPSS diperoleh 2.451)
Oleh karena itu hasil perhitungan secara manual memberikan hasil yang sama dengan
penggunaan program SPSS.
20
Number Nonconforming
10
VAR00006
UCL = 23.2627
Center = 12.8571
0 LCL = 2.4516
1 3 5 7 9 11 13 15 17 19 21 23 25 27
Sigma level: 3
Central line =
12.587
= 0.063
200
Batas bawah =
2.451
= 0.012
200
Nilai –nilai tersebut sama dengan yang tercantum pada grafik np chart (2), yang
diperoleh menggunakan program SPSS (Gambar 20).
.12
.10
.08
Proportion Nonconforming
.06
VAR00006
.04
UCL = .1163
.02
Center = .0643
Sigma level: 3
Sama halnya dengan control chart tipe sebelumnya, maka pengendalian dengan
data jumlah atribut (banyaknya ketidak sesuaian) ini pun dapat diterapkan untuk jumlah
sampel yang tidak konstan (populasi bebas) serta jumlah sampel tetap (populasi tidak
bebas). Perhatikan sekarang data penghitungan atribut cacat pada nugget yang meliputi
berbagai atribut yang telah disebutkan diatas. Pemeriksaan terhadap contoh yang ditarik
kemudian dilakukan dan jumlah cacat dengan berbagai atribut dihitung dan ditabulasi
menghasilkan data pada Tabel 11.
Perhitungan secara manual memberikan Rata-rata total = 950/12795 = 0.074248
(Central line), pada grafik SPSS tercantum nilai 0.0742 (lihat grafik Gambar 21). Dalam
hal ini tidak dapat dihitung batas atas dan batas bawah, karena sampel tidak konstan,
namun demikian dengan program SPSS dapat dicantumkan garis batas atas dan bawah
yang berubah-ubah dari hari ke hari disebabkan oleh jumlah sampel yang berubah-ubah.
Pada grafik u chart yang diperoleh menggunakan SPSS terlihat jelas ada 2 titik yang
keluar dari kontrol chart, yaitu titik no 7 dan titik no. 27.
Tabel 11. Jumlah cacat dengan berbagai atribut pada produk nugget (jumlah sampel tidak
konstan).
.12
.10
.08
Fraction of Nonconformities
.06
VAR00008
.04
UCL
.02
Center = .0742
0.00 LCL
1 3 5 7 9 11 13 15 17 19 21 23 25 27
Sigma level: 3
Batas bawah dapat nol atau negatif (lihat Soewarno. T. Soekarto di dalam Dasar-dasar
Pengawasan dan Standarisasi Mutu Pangan, 1990)
Dari Tabel 12 terlihat c-bar =950/28 = 33.9286
3 σ = 3V33.9286 = 17.474
Batas atas = 33.9286 + 17.474 = 51.403 (nilai ini sama dengan grafik dari SPSS yang
diperlihatkan pada Gambar 22 )
Batas bawah = 33.9286 − 17.474 = 16.455 (nilai ini sama dengan grafik dari SPSS
pada Gambar 22)
50
40
30
20
Nonconformities
VAR00008
UCL = 51.4030
10
Center = 33.9286
0 LCL = 16.4541
1 3 5 7 9 11 13 15 17 19 21 23 25 27
Sigma level: 3
c-chart selain dapat dinyatakan sebagai jumlah cacat pada atribut-atribut, grafik
ini juga dapat disajikan dalam bentuk fraksi cacat pada atribut-atribut, seperti yang
diperlihatkan pada grafik berikut yaitu grafik c chart (2) pada Gambar 23 yang
memberikan nilai central line sebesar 0.0848 (perhitungan manual memberikan nilai
0.084821).
Control Chart: c Chart (2)
.14
.12
.10
.08
Fraction of Nonconformities
.06
VAR00008
.04
UCL = .1285
.02
Center = .0848
Sigma level: 3
Untuk mendapatkan nilai center line, batas atas dan batas bawah secara manual
dengan nilai-nilai seperti yang tertera pada grafik c-chart (2) atau Gambar 23, maka
masing-masing nilai dari parameter c-chart tadi diatas dibagi dengan jumlah contoh yaitu
sebesar 400 (konstan) sehingga dipoeroleh:
Center line = 33.9286/400= 0.0848
Batas atas = 51.403/400= 0.1285
Batas bawah = 16.455/400 = 0.0411
XIII. EVALUASI BAGAN KENDALI
Kepraktisan yang paling dominan dari penggunaan bagan kendali (control chart)
adalah kemudahan dan kesederhanaan teknik evaluasi dan analisis yang dapat diterapkan
melalui pengamatan visual pergerakan titik pada grafik. Perubahan dan pergerakan titik
pada control chart di daerah common causes adalah variasi yang disebabkan oleh
kesalahan acak (random error), dengan sendirinya adanya titik di daerah special case
tentulah disebabkan oleh kesalahan sistematis. Meski demikian hal ini bukan lah berarti
bahwa apabila semua titik pada grafik telah berada di daerah common cases, maka
dianggap bahwa proses tidak bermasalah, karena beberapa pola pergerakan titik tertentu
(yang akan diperlihatkan lebih lanjut) patut dicurigai sebagai pola-pola yang perlu
dicurigai sebagai kemungkinan adanya penyimpangan proses produksi, atau ketidak
normalan data. Dengan kata lain munculnya pola-pola khusus tersebut kemungkinan
permulaan atau awal proses menuju ke arah tak terkendali.
Dengan demikian suatu proses dikatakan terkendali apabila bagan kendali:
1. Semua titiknya terletak diantara USL-LSL
2. Tidak terdapat pola-pola pergerakan tertentu (bentuk khas) dari sekelompok
titik yang berada diantara USL-LSL.
Terdapat empat macam bentuk khas yang dikenal dalam bagan kendali, yaitu:
a. Pelajuan (run)
Bila terdapat sekelompok titik berurutan terletak di satu sisi garis pusat (pada sisi
USL-CL atau LSL-CL). Tujuh titik pelajuan bisa dianggap tidak normal, tetapi
jumlah titik bisa kurang atau lebih dari tujuh tergantung jumlah semua titik di
bagan kendali.
b. Kecenderungan
Bila terdapat sekelompok titik diantara USL-CL yang secara berurutan manarik
atau menurun. Tujuh titik yang menaik atau menurun menunjukkan ke tidak
normalan. Yang sering terjadi adalah titik titik sudah diluar USL-CL sebelum
tujuh titik.
c. Periodisitas (periodicity)
Yaitu apabila titik-titiknya membentuk pola perubahan sama, misalnya pola naik
turun pada interval yang sama.
d. Pelekatan
Yaitu apabila titik-titiknya sangat dekat dengan CL, USL atau LSL
Berikut ini diperlihatkan delapan test ketidak normalan pergerakan titik bagan
kendali yang rinci.
1. Alli, I. 2004. Food Quality Assurance: Principle and Practices. CRC Press, NY.
2. [BOB] Bureau of Bussiness Practice. 1992. Handbook of Quality Standard and
Compliance. Prentice Hall, Englewood City, NJ.
3. [BSN] National Standarization Agency - Badan Standarisasi Nasional-. 1998. SNI
Standard compilation (Senarai-SNI). Jakarta.
4. Dillon, M and Griffith. C. 2001. Auditing in The Food Industry. CRC Press.
England.
5. Hoyle, D. 1994. Quality System Handbook. Butterworth-Heinmann, Ltd. Oxford.
6. Kadarisman, D. Dan Wirakartakusumah, M.A. 1995. Standarization and food quality
assurance development. Food Technology Bulletin, Vol. VI (1).
7. Knight, J.B. and Kotschevar, L.H. 2000. Quantity food Production and Planning,
John Wiley and Sons.
8. Newslow, D. L. 2001. The ISO 9000 Quality System: Application in Food and
Technology. Wiley Interscience, NY.
9. Tenner, A.R. and I.J. Detoro. 1992. Total Quality Management. Addison-Wesley
Publishing Company.