Anda di halaman 1dari 27

RESPONSI/PRAKTIKUM

MODUL 12 s/d 14

BAGAN KENDALI
(CONTROL CHART)










COURSE CONTENT DEVELOPMENT
FOOD QUALITY ASSURANCE COURSE
GLOBAL DEVELOPMENT LEARNING NETWORK
XII. BAGAN KENDALI (CONTROL CHART)

1. PENDAHULUAN
Terdapat 6 jenis bagan kendali (control chart) berdasarkan tipe datanya, yaitu:
a. XmR (X individual moving average)
b. X-barR (X rata-rata, range)
c. p (fraksi/persen, data tidak konstan)
d. np (fraksi/persen, data konstan)
e. c (jumlah atribut, data konstan)
f. u (jumlah atribut, data tidak konstan)
Untuk melihat jenis control chart yang mana yang sesuai dengan data yang
hendak diolah, maka Gazperz (2001), membuat flowchart yang berfungsi sebagai acuan
kriteria pemilihan jenis control chart. Flowchart tersebut diperlihatkan pada Gambar 15.
Apabila diperhatikan, dari keenam jenis control chart yang disebutkan diatas,
maka sebenarnya jenis datanya hanya terdiri dari 3 jenis data saja yaitu:
a. data jenis variabel yang akan menghasilkan control chart jenis a dan b.
b. data jenis fraksi/persen yang akan menghasilkan control chart tipe c dan d
c. data jenis jumlah atribut yang akan menghasilkan control chart tipe e dan f.
Jenis control chart yang paling banyak digunakan, bagaimanapun adalah control
chart jenis X-bar, R yang menggunakan data variabel. Oleh karena itu jenis ini akan
dibahas terlebih dahulu secara mendalam dan akan diberikan pula contoh-contoh
perhitungan dan pengolahan datanya, baik perhitungan secara manual maupun yang
dihasilkan oleh program komputer yang banyak tersedia seperti SPSS dan Minitab.
Setelah itu akan diberikan contoh perhitungan control chart XmR. Selanjutnya masing-
masing jenis control chart akan dibahas dan diberikan contoh-contoh, berupa jenis data
dan cara perhitungannya, baik secara manual maupun otomatis dengan menggunakan
program komputer.

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

1. PENGENDALIAN DENGAN DATA VARIABEL

Pengendalian dengan data variabel ada 2 jenis yaitu :

a. Bagan kendali : X-bar, R
b. Bagan kendali individual : X-mR




Tentukan karakteristik mutu
sesuai keinginan pelanggan








Ya Ya Ya





Ya Tidak Ya Tidak Ya





Gambar 15. Diagram alir penggunaan bagan-bagan kendali (Gasperz, 2001)

a. Bagan Kendali X-bar, R
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 .
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:




Apakah data
variabel ?
Apakah data atribut
berbentuk proporsi
atau presentase?
Apakah data atribut
berbentuk
banyaknya
ketidaksesuaian?
Apakah proses
homogen atau proses
batch seperti industri
kimia, dll?
Apakah ukuran
contoh konstan?
Apakah ukuran
contoh konstan?
Gunakan
bagan
kendali
individua
l : X-MR
Gunakan
bagan
kendali :
X-bar, R
Pakai
bagan
kendali
: p atau
np
Pakai
bagan
kendali
: p
Gunakan
bagan
kendali :
c atau u
Gunakan
bagan
kendali :
u
Tidak

Bagan kendali X-bar :
Garis pusat CL (Control line) = X-bar=
|
|
|
.
|

\
|


=
m
x
m
i 1

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

Nilai-nilai tetapan (konstanta) A, k dan l diperlihatkan pada Tabel 7.

Langkah-langkah untuk membuat bagan kendali X-bar dan R adalah :
Langkah 1. Kumpulkan data. Data dan cara pengambilannya harus sama dengan yang
akan dilakukan pada waktu yang akan datang.
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.
Langkah 3. Catat data pada lembaran data.
Langkah 4. Cari nilai rata-rata (X) yaitu jumlah x dibagi dengan n (ukuran
subgrup).
Langkah 5. Cari kisaran R (selisish x terbesar dan x terkecil) untuk tiap subgrup.
Langkah 6. Hitung harga rata-rata total (X-bar), yaitu harga X keseluruhan
dibagi m (jumlah subgrup).
Langkah 7. Hitung harga rata-rata R yaitu jumlah R seluruh subgrup dibagi dengan
m.
Langkah 8. Hitung batas-batas pengendalian.
Langkah 9. Susun bagan kendali.
Langkah 10. Gambar titik-titik X-bar dan R untuk setiap subgrup pada garis vertikal
yang sama.
Langkah 11. Tulis informasi yang diperlukan.

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.

Langkah 3. Catat data pada lembaran data.

Keterangan: seperti yang diperlihatkan pada Tabel 6
Langkah 4. Cari nilai rata-rata (X) yaitu jumlah x dibagi dengan n (ukuran
subgrup).

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 6. Hitung harga rata-rata total (X-bar), yaitu harga X keseluruhan
dibagi m (jumlah subgrup).

Keterangan: X bar = 12534.4/25 = 501.4

Langkah 7. Hitung harga rata-rata R yaitu jumlah R seluruh subgrup dibagi dengan
m.

Keterangan: R bar = 103/25 = 4.12



Tabel 6. Hasil pengukuran berat susu bubuk kaleng
Berat pengukuran sampel 1 sampai 5 (gr) No. Tanggal
Pencatatan
1 2 3 4 5
Total
Berat
Rataan

R
1 Maret 1 498 501 504 502 503 2508 501.6 6
2 2 504 502 505 503 500 2514 502.8 5
3 3 500 499 501 502 504 2506 501.2 5
4 4 499 503 502 503 502 2509 501.8 4
5 5 505 506 506 502 506 2525 505 4
6 Libur
6 7 503 502 500 501 501 2507 501.4 3
7 8 503 501 504 501 500 2509 501.8 4
8 9 502 499 502 503 503 2509 501.8 4
9 10 502 502 504 502 500 2510 502 4
10 12 504 502 501 503 503 2513 502.6 3
11 13 503 498 501 501 502 2505 501 5
12 14 500 501 499 498 501 2499 499.8 3
15 Libur
13 16 504 503 503 499 498 2507 501.4 6
17 Libur
14 18 501 502 500 500 501 2504 500.8 2
15 19 499 503 497 501 499 2499 499.8 6
16 20 502 500 501 502 500 2505 501 2
21 Libur
17 22 497 499 500 502 500 2498 499.6 5
18 23 499 500 502 500 501 2502 500.4 3
24 Libur
19 25 501 500 502 500 500 2503 500.6 2
20 26 505 505 500 501 502 2513 502.6 5
21 27 504 502 499 499 500 2504 500.8 5
22 28 501 502 504 500 503 2510 502 4
23 29 502 501 502 499 502 2506 501.2 3
24 30 501 499 503 502 500 2505 501 4
25 31 499 503 501 497 502 2502 500.4 6
Total 12534.4 103
501.4 501.376 4.12





Tabel 7. Nilai faktor A, k dan l untuk menghitung batas kendali atas dan bawah.

Ukuran
contoh
Nilai
Faktor A
Nilai
Faktor l
Nilai
Faktor k
2 1.8800 0.0000 3.2680
3 1.0230 0.0000 2.5740
4 0.7290 0.0000 2.2820
5 0.5770 0.0000 2.1140
6 0.4830 0.0000 2.0040
7 0.4190 0.0760 1.9240
8 0.3730 0.1360 1.8640
9 0.3370 0.1840 1.8160
10 0.3080 0.2230 1.7770
11 0.2850 0.2580 1.7440
12 0.2660 0.2840 1.7170
13 0.2490 0.3080 1.6920
14 0.2350 0.3290 1.6710
15 0.2230 0.3480 1.6520
16 0.2100 0.3640 1.6360
17 0.2000 0.3800 1.6200
18 0.1900 0.3900 1.6100
19 0.1900 0.4000 1.6000
20 0.1800 0.4100 1.5900

Langkah 8. Hitung batas-batas pengendalian.

Keterangan:
Dari Tabel 7 untuk ukuran contoh n=5 diperoleh nilai faktor A = 0.577; k= 2.114 dan l=0,
sehingga:

Garis pusat (Control Line) = X-bar = 501.4
Batas kendali atas USL (Upper Spec Limit) = X-bar + A. R-bar
= 501.4 + (0.577 x 4.1) = 503.8
Batas kendali bawah LSL (Lower Spec Limit) = X-bar A. R-bar
= 501.4 - (0.577 x 4.1) = 499.0
Nilai-nilai hasil perhitungan manual ini hasilnya sama dengan perhitungan
menggunakan program Mikrostat seperti yang diperlihatkan pada Gambar 16.

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
25 20 15 10 5 0
505.5
504.5
503.5
502.5
501.5
500.5
499.5
498.5
Subgroup
M
e
a
n
s
1
X=501.4
3.0SL=503.8
-3.0SL=499.0
10
5
0
R
a
n
g
e
s
R=4.120
3.0SL=8.712
-3.0SL=0.000
Xbar/R Chart for C1-C5

Test Results for Xbar Chart
TEST 1. One point more than 3.00 sigmas from center line.
Test Failed at points: 5

Test Results for R Chart
Macro is running ... please wait
Test Results for Xbar Chart
TEST 1. One point more than 3.00 sigmas from center line.
Test Failed at points: 5

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.

Tabel 8. Data untuk contoh pengolahan bagan kendali X-mR

Tanggal
Pencatatan
Data
Pengukuran
Range
(Selisih)
1 6 -
2 9 3
3 15 6
4 8 7
5 8 0
6 7 1
7 4 3
8 9 5
9 17 8
10 22 5
11 6 16
12 4 2
13 4 0
14 10 6
15 13 3
16 12 1
17 15 3
18 17 2
19 3 14
20 4 1
21 12 8
22 7 5
23 6 1
24 6 0
25 8 2
Total: 232

Langkah-langkah pengolahan data:

a. Tabulasi data berdasarkan tanggal perolehannya, seperti yang diperlihatkan pada
Tabel 8.
b. Hitung rata-rata nilai dari data, dalam hal ini 232 dibagi 25 menghasilkan nilai
9.28.
c. Hitung selisih data dengan nilai data sebelummnya, selisih yang dimaksud
adalah selisih absolut, sehingga tidak ada nilai negatif. Masukkan nilai selisih
tersebut ke dalam kolom R.
d. Tentukan nilai median dari kolom R. Median adalah nilai pada range dimana
data yang nilainya lebih besar dari data itu sama banyaknya dengan nilai yang
lebih kecil dari data tersebut. Untuk memudahkan susun terlebih dahulu nilai
range dari kecil ke besar sehiungga diperoleh range berikut: 0, 0, 0, 1, 1, 1, 1, 2,
2, 2, 3, 3, 3, 3, 5, 5, 5, 6, 6, 7, 8, 8, 14, 16. Sehingga dengan demikian akan
terlihat bahwa mediannya adalah 3.
e. Untuk mendapatkan nilai batas atas dan batas bawah, maka kalikan nilai median
dengan konstantanya yaitu 3.76 sehingga diperoleh 3 x 3.76 =11.2994
f. Tambahkan nilai rata-rata pengukuran yaitu 9.28 dengan 11.2994 diperoleh
20.5794 yang merupakan batas atas kontrol chart.
g. Kurangkan nilai rata-rata yaitu 9.28 dengan 11.2994 dianggap sama nol, maka
batas bawah sama dengan nol.
h. Gambarkan grafik kontrol chartnya dengan menggunakan nilai- nilai tersebut

Pengholahan data menggunakan SPSS menghasilkan kontrol chart (XmR chart)
berikut ini (Gambar 17):
Pada XmR ini pun hasil perhitungan manual diatas memberikan nilai-nilai parameter
yang sama dengan hasil pengolahan program SPSS yang ditunjukkan pada grafik Gambar
17 yaitu:

Central Line = 9.28
USL = 20.5794
LSL = 0


XmR Control Chart
Sigma level: 3
25 23 21 19 17 15 13 11 9 7 5 3 1
23.018
16.149
9.280
2.411
-4.458
VAR00008
UCL = 20.5794
Average = 9.2800
L Spec = .0000
LCL = -2.0194

Gambar 17. XmR control chart


2. PENGENDALIAN DENGAN DATA PROPORSI

Terdapat dua jenis bagan kendali dengan data persentase atau proporsi yaitu:

a. p (fraksi/persen, data tidak konstan)
b. np (fraksi/persen, data konstan)

Beberapa ketentuan dari bagan kendali p dan np adalah:

1. Data untuk bagan kendali p dan np mengikuti distribusi binomial sehingga
perhatian analisa dipusatkan pada sesuai atau tidak sesuai dengan standar atau
dengan kata lain kriteria pemilihan adalah ya atau tidak.
2. Bilamana sampel diambil dari populasi bebas (dimana unit individu sampel tidak
terkelompok-kelompok menjadi suatu sub grup), maka perhatian pemeriksa mutu
adalah berapa persen invidu sampel yang tidak sesuai standar dari sejumlah
sampel yang ditarik pada suatu waktu tertentu. Misalnya pada produksi permen,
dilakukan penarikan sampel pada hari ke 1 sebesar 250 individu permen dan pada
hari ke 2 sebanyak 180 individu permen. Kemudian setelah dianalisa jumlah
individu permen yang tidak sesuai standar pada hari ke 1 sebanyak 25 (10%) dan
pada hari kedua 9 individu permen (5%). Pada kasus seperti ini digunakan bagan
pengendali p karena pertama-tama populasinya bebas, kedua jumlah sampel yang
ditarik tidak konstan dari hari ke hari.
3. Pada kasus lain yaitu bilamana populasinya tidak bebas akan tetapi tersusun
membentuk sub-sub grup, maka digunakan bagan pengendali np. Dalam hal ini
contoh populasi tak bebas adalah satu bungkus/kemasan atau 1 kaleng permen
yang berisi 200 individu permen. Oleh karena itu yang disampling adalah 1
bungkus/kemasan atau kaleng permen, dengan demikian tiap kali sampling
jumlah sampel tetap yaitu sebesar 200 individu permen. Perhatian pemeriksa
mutu pada masing-masing individu permen dalam kaleng tetap mengikuti hukum
binomial yaitu sesuai atau tidak sesuai dengan standar, meski demikian dalam
menyatakan hasil analisa selain dapat dinyatakan sebagai persen tidak sesuai
standar, juga dapat dinyatakan dalam jumlah individu permen dalam satu kaleng
yang tidak sesuai standar, karena sudah diketahui dengan pasti bahwa 1 kaleng
terdiri dari 200 individu permen. Dalam kasus seperti ini digunakan bagan
pengendali np.

a. Bagan kendali p (fraksi/persen, data tidak konstan)

Pertama-tama yang disebut data persentase atau proporsi adalah persen
nonconforming. Perhatikan data pada Tabel 9 dibawah ini, Pada contoh ini diambil
sejumlah individu permen dengan ukuran contoh seperti yang tertera pada kolom ukuran
contoh, yaitu pada tanggal 28 juni ditarik 228 contoh kemudian hari berikutnya ditarik
145 contoh dan seterusnya. Kemudian contoh yang ditarik diperiksa dan dianalisa sesuai
dengan standar yang diinginkan. Jumlah individu contoh yang menyimpang dari standar
(nonconforming) kemudian dicatat pada kolom nonconforming. Persen dari jumlah
nonconforming kemudian dihitung, oleh karena itu datanya disebut data persen atau
proporsi. Disamping itu, terlihat bahwa jumlah sampel yang ditarik dari hari ke hari tidak
konstan, sehingga dengan demikian digunakan bagan p.
Pengolahan data tersebut pada Tabel 9 menggunakan SPSS menghasilkan kontrol
chart (tipe p-chart) dengan jumlah sampel yang tidak konstan seperti yang diperlihatkan
pada grafik (Gambar 18).
Seperti terlihat pada grafik hasil pengolahan SPSS (Gambar 18), p Chart dengan
data tidak konstan memberikan USL dan LSL yang berubah-ubah, pada kesempatan
seperti ini batas atas dan bawah tidak dapat dihitung dengan mudah secara manual,
dengan demikian grafik yang diperoleh dari program SPSS cukup membantu karena
meski batas-batasnya berubah-ubah (seperti tangga). masih akan dapat terlihat dengan
jelas bilamana terdapat data yang menyimpang dan keluar dari kontrol chart.













Tabel 9. Tabulasi hasil pengambilan contoh dan penghitungan jumlah nonconforming
dengan jumlah sampel tidak konstan

No.
Data
Tanggal
Pencatatan
Ukuran
Contoh
Jumlah
Non
conforming
Persen
Non
conforming
Proporsi
Non
conforming
1 Jun 28 228 13 5.701754 0.057018
2 29 145 13 8.965517 0.089655
3 30 186 13 6.989247 0.069892
4 Juli 1 196 13 6.632653 0.066327
5 2 144 9 6.25 0.0625
6 3 144 12 8.333333 0.083333
7 4 157 14 8.917197 0.089172
8 5 172 11 6.395349 0.063953
9 6 137 8 5.839416 0.058394
10 7 132 12 9.090909 0.090909
11 8 146 13 8.90411 0.089041
12 9 141 14 9.929078 0.099291
13 10 211 19 9.004739 0.090047
14 11 167 18 10.77844 0.107784
15 12 199 18 9.045226 0.090452
16 13 148 15 10.13514 0.101351
17 14 152 13 8.552632 0.085526
18 15 141 11 7.801418 0.078014
19 16 206 15 7.281553 0.072816
20 17 193 9 4.663212 0.046632
21 18 180 10 5.555556 0.055556
22 19 198 10 5.050505 0.050505
23 20 190 13 6.842105 0.068421
Libur 7.916667 0.079167
Libur 8 0.08
24 21 240 19 7.821229 0.078212
25 22 150 12 3.888889 0.038889
26 23 179 14 6.349206 0.063492
27 24 180 7 5.701754 0.057018
28 25 189 12 8.965517 0.089655
m=28 Jumlah=4623Jumlah=347Rata2=7.4 rata2=0.074
Control Chart: p Chart - sampel tdk konstan
Sigma level: 3
27 25 23 21 19 17 15 13 11 9 7 5 3 1
P
r
o
p
o
r
t
i
o
n

N
o
n
c
o
n
f
o
r
m
i
n
g
.16
.14
.12
.10
.08
.06
.04
.02
0.00
VAR00003
UCL
Center = .0742
LCL


Gambar 18. p-chart, jumlah sampel tidak konstan

b. Bagan kendali np (fraksi/persen, data konstan)

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

No.
Data
Tanggal
Pencatatan
Ukuran
Contoh
Jumlah
Non
conforming
Persen
Non
conforming
Proporsi
Non
conforming
1 Jun 28 200 13 6.5 0.065
2 29 200 13 6.5 0.065
3 30 200 13 6.5 0.065
4 Juli 1 200 13 6.5 0.065
5 2 200 9 4.5 0.045
6 3 200 12 6 0.06
7 4 200 14 7 0.07
8 5 200 11 5.5 0.055
9 6 200 8 4 0.04
10 7 200 12 6 0.06
11 8 200 13 6.5 0.065
12 9 200 14 7 0.07
13 10 200 19 9.5 0.095
14 11 200 18 9 0.09
15 12 200 18 9 0.09
16 13 200 15 7.5 0.075
17 14 200 13 6.5 0.065
18 15 200 11 5.5 0.055
19 16 200 15 7.5 0.075
20 17 200 9 4.5 0.045
21 18 200 10 5 0.05
22 19 200 10 5 0.05
23 20 200 13 6.5 0.065
Libur
Libur
24 21 200 19 9.5 0.095
25 22 200 12 6 0.06
26 23 200 14 7 0.07
27 24 200 7 3.5 0.035
28 25 200 12 6 0.06
Jumlah=360
m=28 Rata2=12.857Rata2=6.42 Rata2=0.0642

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
Batas bawah = np + 3

Pada distribusi binomial = 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 = 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.

Control Chart: np Chart
Sigma level: 3
27 25 23 21 19 17 15 13 11 9 7 5 3 1
N
u
m
b
e
r

N
o
n
c
o
n
f
o
r
m
i
n
g
30
20
10
0
VAR00006
UCL = 23.2627
Center = 12.8571
LCL = 2.4516

Gambar 19. np- chart, jumlah data konstan

Selain dapat dinyatakan sebagai jumlah nonconforming bagan kendali np dapat
juga dinyatakan dalam proporsi nonconforming seperti ditunjukkan pada np chart (2),
Gambar 20.
Untuk mendapatkan batas atas dan bawah np chart (2), maka nilai batas atas
dibagi dengan 200 demikian juga dengan nilai batas bawah dibagi dengan 200, Oleh
karena nilai central linenya juga dibagi dengan 200. Sehingga dengan demikian
perhitungan secara manual memberikan nilai:

Batas atas =
23.2627
200
0.116 =


Central line =
12.587
200
0.063 =


Batas bawah =
2.451
200
0.012 =


Nilai nilai tersebut sama dengan yang tercantum pada grafik np chart (2), yang
diperoleh menggunakan program SPSS (Gambar 20).


Control Chart: np Chart (2)
Sigma level: 3
27 25 23 21 19 17 15 13 11 9 7 5 3 1
P
r
o
p
o
r
t
i
o
n

N
o
n
c
o
n
f
o
r
m
i
n
g
.14
.12
.10
.08
.06
.04
.02
0.00
VAR00006
UCL = .1163
Center = .0643
LCL = .0123

Gambar 20. np- chart (2).








3. PENGENDALIAN DENGAN DATA JUMLAH ATRIBUT (Banyaknya ketidak
sesuaian)

a. Bagan Kendali u (jumlah atribut, data tidak konstan)
Pada beberapa kasus, ketidak sesuaian yang muncul tidak dapat di bandingkan
dengan standar yang tersedia, sehingga tidak dapat dengan mudah dikatakan sesuai atau
tidak sesuai dengan standar. Dengan kata lain tidak mengikuti distribusi binomial.
Sebagai contoh adalah data cacat pada produk nugget. Atribut cacat pada produk nugget
cukup banyak antara lain: Patah, retak, kulit mengelupas, bercak hitam, warna tidak
seragam, kelebihan berat, lembek dan bentuk tidak seragam. Oleh karena atribut cacat
lebih dari satu maka data mengikuti distribusi Poisson. Tabel dibawah ini telah
diperlihatkan sebelumnya, ditampilkan pada kesempatan ini hanya untuk memberikan
gambaran mengenai karakteristik atribut-atribut cacat pada produk nugget



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).

No.
Data
Tanggal
Pencatatan
Ukuran
Contoh
Jumlah
Cacat pada
atribut-
atribut
Fraksi
Cacat pada
atribut-
atribut
1 Jun 28 320 35 0.109375
2 29 450 34 0.075556
3 30 521 32 0.06142
4 Juli 1 542 30 0.055351
5 2 421 29 0.068884
6 3 342 29 0.084795
7 4 362 45 0.124309
8 5 443 29 0.065463
9 6 456 29 0.063596
10 7 542 27 0.049815
11 8 563 36 0.063943
12 9 471 41 0.087049
13 10 486 28 0.057613
14 11 491 38 0.077393
15 12 385 38 0.098701
16 13 501 45 0.08982
17 14 398 38 0.095477
18 15 520 41 0.078846
19 16 510 29 0.056863
20 17 423 29 0.068558
21 18 410 34 0.082927
22 19 521 31 0.059501
23 20 405 30 0.074074
Libur
Libur
24 21 542 30 0.055351
25 22 421 28 0.066508
26 23 441 42 0.095238
27 24 365 44 0.120548
28 25 543 29 0.053407

m = 28
Jumlah=
12795
Jumlah=
950
Rata-rata=
0.076442

Control Chart: u Chart
Sigma level: 3
27 25 23 21 19 17 15 13 11 9 7 5 3 1
F
r
a
c
t
i
o
n

o
f

N
o
n
c
o
n
f
o
r
m
i
t
i
e
s
.14
.12
.10
.08
.06
.04
.02
0.00
VAR00008
UCL
Center = .0742
LCL

Gambar 21. u-chart.

Keterangan: Untuk mendapatkan gambaran sekilas tentang u-chart, silahkan lihat
kembali Gambar 15.

b. Bagan Kendali c (jumlah atribut, data konstan)
Apabila data yang ditarik adalah konstan, misalnya sejumlah tertentu produk
nugget yang dikemas dalam kemasan primer atau sekunder. Dalam hal ini yang
disampling adalah kemasan tersebut, selanjutnya misalkan diasumsikan bahwa jumlah
nugget dalam kemasan primer atau sekundernya konstan, misalnya sejumlah 400 butir.
Maka data akan terlihat seperti tabel berikut (Tabel 12).

Penggunaan SPSS menghasilkan nilai sebesar 33.9286 untuk central lain
(perhitungan manual memberikan nilai 33.9286 untuk central line seperti yang terlihat
pada bagian bawah tabel data), seperti diperlihatkan pada grafik Gambar 22.

Perhitungan secara manual didasarkan pada bentuk distribusinya, yang dianggap
mengikuti distribusi Poisson sehingga keragamannya akan sama dengan s
2
= c-bar atau
nilai simpangan baku s = V c-bar. Batas atas dan bawah dengan demikian akan sama
dengan:

Batas atas = c-bar + 3Vc-bar
Batas bawah = c-bar 3Vc-bar



Tabel 12. Jumlah cacat dengan berbagai atribut pada produk nugget (jumlah sampel
konstan).

No.
Data
Tanggal
Pencatatan
Ukuran
Contoh
Jumlah
Cacat pada
atribut2
Fraksi
Cacat pada
atribut2
1 Jun 28 400 35 0.0875
2 29 400 34 0.085
3 30 400 32 0.08
4 Juli 1 400 30 0.075
5 2 400 29 0.0725
6 3 400 29 0.0725
7 4 400 45 0.1125
8 5 400 29 0.0725
9 6 400 29 0.0725
10 7 400 27 0.0675
11 8 400 36 0.09
12 9 400 41 0.1025
13 10 400 28 0.07
14 11 400 38 0.095
15 12 400 38 0.095
16 13 400 45 0.1125
17 14 400 38 0.095
18 15 400 41 0.1025
19 16 400 29 0.0725
20 17 400 29 0.0725
21 18 400 34 0.085
22 19 400 31 0.0775
23 20 400 30 0.075
Libur
Libur
24 21 400 30 0.075
25 22 400 28 0.07
26 23 400 42 0.105
27 24 400 44 0.11
28 25 400 29 0.0725

Jumlah=
950
Rata-rata=
0.084821
m = 28
Rata2=950/28=
33.9286



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 = 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)


Control Chart: c Chart
Sigma level: 3
27 25 23 21 19 17 15 13 11 9 7 5 3 1
N
o
n
c
o
n
f
o
r
m
i
t
i
e
s
60
50
40
30
20
10
0
VAR00008
UCL = 51.4030
Center = 33.9286
LCL = 16.4541


Gambar 22. c-chart

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)
Sigma level: 3
27 25 23 21 19 17 15 13 11 9 7 5 3 1
F
r
a
c
t
i
o
n

o
f

N
o
n
c
o
n
f
o
r
m
i
t
i
e
s
.14
.12
.10
.08
.06
.04
.02
0.00
VAR00008
UCL = .1285
Center = .0848
LCL = .0411

Gambar 23. c-chart (2)

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. Satu titik lebih dari 3 dari garis tengah
2. Sembilan titik berurutan berada pada sisi
yang sama dari garis tengah
3. Enam titik berurutan menanjak (atau
menurun) semuanya
4. Empat belas titik berurutan naik turun
(zigzag)















5. Dua diantara 3 titik berada pada baris lebih
2 dari garis tengah (sisi yang sama)
6. Empat diantara 5 titik berada pada baris
lebih 1 dari garis tengah (sisi yang sama)
7. Lima belas titik berurutan berada pada
baris 1 dari garis tengah (dua sisi)
8. Delapan titik berurutan berada pada baris
lebih dari 1 dari garis tengah (dua sisi)
DAFTAR PUSTAKA


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.