CONTROL CHART

(BAGAN KENDALI)
 Control chart adalah bagan kendali sebagai
suatu display grafik dari suatu karakteristik
PENGERTIAN mutu yang telah dihitung atau diukur dari
suatu contoh produk terhadap nomor
contoh atau waktu.
Variasi dan Pengendalian

Random variation: Natural variations in the

output of a process, created by countless
minor factors

Assignable variation: A variation whose

source can be identified

10-3
 Control Charts: Case 1
Value

Process is in control

Time

Value

Process mean varies

over time: process is
out of control
Time
 Control Charts: Case 2
Value
Process variance
changes over time:
process is out of
control. Time

Value
Process mean and
variance change
over time: process is
out of control.
Time
 Distribusi Sampel
Sampling
distribution

Process
distribution

Mean

10-6
 Distribusi Normal

 = Standard deviation

− − + +

Mean
95.44%

99.74%
Control Limits
Sampling
distribution

Process
distribution

Mean

Lower Upper
control control
limit limit
 JENIS CONTROL CHART

Berdasarkan 1. X-barR (X rata-rata, range)

tipe
datanya,
ada 6 jenis 2. XmR (X individual moving range)
bagan
kendali 3. p (fraksi/persen, data tidak konstan)
yakni:
4. np (fraksi/persen, data konstan)
5. c (jumlah atribut, data konstan)
6. u (jumlah atribut, data tidak konstan)
 Data jenis variabel → control
chart 1 dan 2 → distribusi
normal
Dari ke-6
control Data jenis fraksi/persen → 3
chart, ada 3 dan 4
jenis data

Data jenis jumlah atribut → 5

dan 6

Control chart yang paling sering

digunakan: jenis X-barR
1. Bagan Kendali X-bar-R
Bagan Kendali X-bar – R merupakan bagan kendali yang
sekaligus menyatakan harga rata-rata (X) dan selang/range (R)
Bagan X menunjukkan adanya perubahan pada harga rata-rata

Bagan R menunjukkan adanya perubahan pada dispersi

Bagan kendali yang telah dibuat nantinya akan digunakan

sebagai alat untuk pengendalian proses
 Central line yaitu nilai tengah
(rataan)
Batas atas USL (Upper Spec
Parameter Limit)/BPA
control Batas bawah LSL (Lower Spec
chart X-bar Limit)/BPB
Nilai USL dan LSL biasanya pada
nilai simpangan baku atau
standar deviasi yaitu + 3 x σ.
• Nilai standar deviasi ditransformasikan
menjadi nilai R
• Karena keragaman populasi biasanya
dinyatakan dengan nilai rentang R,
maka patokan 3 sigma dikonversi dalam
besaran R.
 Bagan kendali X-bar

Garis pusat (CL) = X-bar = X bar/m

Batas Pengendali Atas = X-bar + A2. R-bar

Batas Pengendali Bawah = X-bar – A2. R-

bar
Bagan kendali R

Garis pusat = R-bar = R-bar/m

BPA = D4 x R-bar

BPB = D3 x R-bar
 Subgroup Size A2 d2 D3 D4
2 1.880 1.128 ----- 3.267
3 1.023 1.693 ----- 2.574
4 0.729 2.059 ----- 2.282
5 0.577 2.326 ----- 2.114
6 0.483 2.534 ----- 2.004

7 0.419 2.704 0.076 1.924

8 0.373 2.847 0.136 1.864
9 0.337 2.970 0.184 1.816
10 0.308 3.078 0.223 1.777
11 0.285 3.173 0.256 1.744
12 0.266 3.258 0.283 1.717
13 0.249 3.336 0.307 1.693
14 0.235 3.407 0.328 1.672
15 0.223 3.472 0.347 1.653
16 0.212 3.532 0.363 1.637
17 0.203 3.588 0.378 1.622
18 0.194 3.640 0.391 1.608
19 0.187 3.689 0.403 1.597
20 0.180 3.735 0.415 1.585
21 0.173 3.778 0.425 1.575
22 0.167 3.819 0.434 1.566
23 0.162 3.858 0.443 1.557
24 0.157 3.895 0.451 1.548
25 0.153 3.931 0.459 1.541

https://sites.google.com/site/kelolakualitas/tabel-nilai-A2d2D3D4
 • Langkah 1: kumpulkan data,
umumnya > 100 data. Data dan
cara pengambilannya hrs sama
dengan yg akan dilakukan pada
waktu yad.
LANGKAH- • Langkah 2: Masukkan data ke
dalam subgrup dengan kondisi:
LANGKAH - data yang diperoleh dengan
PEMBUATAN kondisi teknis yang sama
dikelompokkan ke dalam 1
CONTROL grup.
CHART - dalam satu grup jangan
dimasukkan data dari lot atau
sifat yang berbeda.
- n: jumlah sampel dalam 1
subgrup.
- m: jumlah subgrup
 • 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 (selisih x
terbesar dan x terkecil) untuk tiap
Lanjutan 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 bagan kendali. Jarak antar
Lanjutan subgrup biasanya 4 – 5 mm.
• Langkah 11: tuliskan
keterangan2 yang perlu, di
sebelah kiri tuliskan jenis
bagannya (X atau R), sedangkan
n di kiri atas. BPA dan BPB di
sebelah kanan.
 Hasil Pengumpulan Data

Data pengukuran berat bersih makanan dalam kemasan yang diukur 5 kali sehari

Subgrup x1 x2 x3 x4 x5 X-bar R
1 14,0 12,6 13,2 13,1 12,1 13,00 1,9

2 13,2 13,3 12,7 13,4 12,1 12,94 1,3

3 13,5 12,8 13,0 12,8 12,4 12,90 1,1

….

25 13,3 12,8 12,2 12,3 13,0 12,72 1,1

Total Σ X-bar= Σ R = 33,8

323,48

Rata2 X-bar-bar:12,940 R-bar: 1,35

 •Garis Tengah = X-bar-
Bagan bar = 12,940

Kendali X •BPA = X-bar-bar + A2*R

= 12,940 + (0,577x1,35)
= 13,719
•BPB = X-bar-bar – A2*R
= 12,940 + (0,577x1,35)
= 12,161
 Gars Tengah = R-
bar = 1,35

Bagan BPA = D4 x R-bar =

Kendali R 2,115 x 1,35 = 2,86

BPB = D3 x R-bar =
0 x 1,35 = 0
Contoh
• https://www.youtube.com/watch?v=pdhXX3xz8xY
→ Cara Membuat Control Chart
• https://www.youtube.com/watch?v=5Bl0hb8PWiw
&list=TLPQMTMwNDIwMjFd3Q9c_cmu4Q&index=2
→Cara Membuat Diagram Pareto
2. Bagan Kendali individual: X-MR
Menggunakan data variabel

Bedanya dengan X-barR: data variabel yang

digunakan adalah data individual → hanya ada
satu pengukuran data per kasus
Menghitung Range: selisih data dengan data yang
ditarik sebelumnya → kolom range akan kosong
satu baris
Maksudnya selisih absolut: tidak ada nilai negatif
 Data contoh untuk pengolahan
bagan kendali X-mR
Tanggal Pencatatan Data Pengukuran Range (Selisih)

1 6 -
2 9 3
3 15 6
….
25 8 2
Total: 232 25
 Nilai median dari kolom R
=3
Contoh
Pengolahan Garis Pusat: 232/25 =
Data 9,28
Bagan
USL = D4*R-bar
Kendali X-
mR
LSL = D3*R-bar
Gambar 2. Individuals & Moving Range Control
Chart untuk Data Viskositas Cat Primer
Pesawat Terbang (Sumber: Montgomery, 2005,
pp. 232–234)
X-bar
UCL dan
LCL
 Hitung nilai
rata-rata MR
R-bar
UCL dan
LCL
 • Ada 2 jenis bagan: p (tidak konstan) dan np
(konstan).
• Beberapa ketentuan:
1. Data utk bagan p dan np mengikuti
distribusi binomial sehingga perhatian
analisis dipusatkan pada sesuai atau tidak
sesuai dengan standar atau kriteria
PENGENDALIAN pemilihan ya atau tidak.
2. Bilamana sampel diambil dari populasi
DENGAN DATA bebas (unit individu sampel tidak
terkelompok2 menjadi suatu subgrup),
maka perhatian pemeriksa mutu adalah
PROPORSI berapa persen individu sampel yang tidak
sesuai standar dari sejumlah sampel yang
ditarik pada suatu waktu tertentu pakai
bagan p
3. Kasus lain bilamana populasinya tidak
bebas tetapi tersusun membentuk sub-
subgrup → pakai bagan np
Contoh Kasus Bagan Kendali p
• Pada produksi permen dilakukan penarikan
sampel pada hari ke-1 sebesar 250 individu
permen, hari ke-2 sebanyak 180 individu.
• Setelah dicek: yang tidak sesuai pada hari ke-1
sebanyak 25 (10%) dan hari ke-2 sebanyak 9
(5%)
→ Gunakan bagan pengendali p karena:
✓ populasinya bebas
✓ jumlah sampel tidak konstan (dari hari ke hari)
Contoh Kasus Bagan Kendali np

1 bungkus permen atau 1 kaleng berisi 200 individu

permen
✓ tiap kali sampling, jumlah individu tetap yaitu 200
permen
✓ perhatian pemeriksa tetap mengikuti distribusi
binomial
✓ hasil analisis dinyatakan dalam persen tidak sesuai
standar atau jumlah individu permen dalam 1
kaleng yang tidak sesuai standar
Bagan Kendali p
• p-Chart adalah salah Jenis Control Chart (Bagan
Kendali) yang berfungsi untuk mengukur proporsi
defective (kegagalan/cacat) pada produksi. Sebagai
contoh, jika ada 10 unit yang cacat dari 100 unit
yang di inspeksi, maka proporsi produk cacat adalah
10/100 = 0,10.
• p-Chart digunakan apabila jumlah sampel (sample
size) yang dikumpulkan adalah tidak konstan atau
tidak tetap. Ukuran sampel (sample size) sebaiknya
lebih dari 30 (n>30)
Bagan Kendali p
• Yang disebut data persentase atau
proporsi adalah persen non-conforming
• Jumlah sampel yang ditarik dari hari ke
hari tdk konstan → batas atas dan batas
bawah tidak mudah dihitung secara
manual.
Rumus Bagan
Kendali
 Hasil Pengambilan Contoh dan
Penghitungan jumlah Non-conforming
dengan sampel tidak konstan

NO DATA TGL PENCATATAN UKURAN JUMLAH NC PERSEN NC PROPORSI NC

CONTOH
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

28 Juli 25 189 12 8,965517 0.089655

M=28 Jumlah 4623 Jumlah 347 Rata2 = 7,4 Rata2 = 0,074

 Bagan Kendali np (Data konstan)

NO DATA TGL PENCATATAN UKURAN JUMLAH NC PERSEN NC PROPORSI NC

CONTOH
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

28 Juli 25 200 12 6 0,06

M=28 Jumlah 360 Rata2 = 6,42 Rata2 = 0,0642

Rata2= 12,857
 Hitung Batas Atas dan Batas Bawah
• Batas atas = np + 3 σ
• Batas bawah = np - 3 σ
• Pada distribusi binomial σ =
𝒏𝒑(𝟏 − 𝒑)
Bagan Kendali
np (data • Central line = np = 360/28 =
konstan) 12,85714
• P = 12,58714/200 = 0,0642
• 3 σ = 𝒏𝒑(𝟏 − 𝒑) = 3 (3,4687) =
10,4060
• Batas atas = ……………………..
• Batas bawah = ……………………….
 • Batas atas = 23,2627/200 = 0,116
• Batas bawah = 2,451 / 200 = 0,012
• Central line = 12,587/ 200 = 0,063
Berdasarkan
Proporsi • Jika nilai tersebut dimasukkan ke
dalam grafik akan menghasilkan
grafik yang sama dengan nilai
berdasarkan persentase
PENGENDALIAN DENGAN DATA JUMLAH
ATRIBUT (BANYAKNYA KETIDAKSESUAIAN)
• Menggunakan Bagan Kendali u (jumlah atribut, data tidak
konstan)
• Pada beberapa kasus, ketidaksesuaian yang muncul tidak
dapat dibandingkan dengan standar yang tersedia sehingga
tidak dapat dengan mudah dikatakan sesuai atau tidak sesuai
dengan standar → tidak mengikuti distribusi binomial.
• Sebagai contoh adalah data cacat pada produk nugget. Atribut
cacat pada nugget cukup banyak, antara lain: patah, retak,
kulit mengelupas, bercak hitam, warna tdk seragam, kelebihan
berat, lembek, dan bentuk tidak seragam. Karena cacat lebih
dari satu → distribusi Poisson
 Jumlah cacat dengan berbagai atribut
pada produk nugget

NO DATA TGL PENCATATAN UKURAN CONTOH JUMLAH CACAT PADA FRAKSI CACAT PADA
ATRIBUT-ATRIBUT ATRIBUT-ATRIBUT
1 Jun 28 320 35 0,109375

2 29 450 34 0,075556

3 30 521 32 0,06142

……

28 Juli 25 543 29 0,053407

M = 28 Jumlah = 12795 Jumlah = 950 Rata2 = 0,076442

Gambar u-chart
Bagan Kendali c (jumlah atribut,
data konstan)
• Apabila data yg ditarik konstan, misalnya sejumlah
tertentu produk nugget yang dikemas dalam
kemasan primer atau sekunder.
• Dalam hal ini yang disampling adalah kemasan
tersebut, selanjutnya bila diasumsikan jumlah
nugget dlm kemasan primer atau sekundernya
konstan, misalnya 400 keping, maka akan terlihat
seperti tabel di bawah ini
Jumlah cacat dengan berbagai atribut pada
produk nugget (jumlah sampel konstan)

NO DATA TANGGAL UKURAN CONTOH JUMLAH CACAT PADA FRAKSI CACAT PADA
PENCATATAN ATRIBUT2 ATRIBUT2
1 Jun 28 400 35 0,0875

2 29 400 34 0,085

3 30 400 32 0,08

4 Jul 1 400 30 0,075

5 2 400 29 0,0725

…. ….. ……

28 25 400 29 0,0725

Jumlah = 950 Rata2= 0,084821

m= 28 Rata2= 33,9286
Perhitungan c-chart

• Distribusinya mengikuti distribusi Poisson

• Keragamannya = s2 = c-bar atau nilai simpangan baku s =
c−ba𝐫
• Batas atas = c-bar + 3 c−ba𝐫
• Batas bawah = c-bar –3 c-ba𝐫

• C-chart selain dapat dinyatakan sebagai jumlah cacat pada

atribut-atribut, juga dapat disajikan dalam bentuk fraksi
cacat pada atribut-atribut
• Central line = 33,9286/400 = 0,0848
• Batas atas = 51,403/400 = 0,1285
• Batas bawah = 16,455/400 = 0,0411
 • Terdapat titik yang berada di luar Batas
Pengendali (BPA maupun BPB) → aba-aba
adanya penyimpangan proses (kinerja mesin).
• Terdapat 7 titik yang berturut-turut naik
ataupun turun → indikasi adanya karakteristik
proses (kinerja mesin) yang mulai berubah.
• Terdapat 7 titik yang berturut-turut di atas
atau di bawah Garis Tengah (GT) → indikasi
KASUS adanya karakteristik proses (kinerja mesin)
yang mulai berubah.
KHUSUS • Terdapat siklus yang selalu berulang sehingga
jika titik tsb dihubungkan membentuk
semacam gelombang yang teratur →
kemungkinan karyawan tdk melakukan
pengukuran dengan benar, data hanya
rekayasa dan karyawan ingin menghasilkan
data yg bagus yg berbentuk gelombang
teratur.
• Grafik bersifat garis lurus → kerusakan pada
alat ukur
 • Kepraktisan yang paling dominan dari penggunaan
bagan kendali 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 yg
disebabkan oleh kesalahan acak (random error),
EVALUASI dengan sendirinya adanya titik di daerah special
case disebabkan oleh kesalahan sistematis.
BAGAN • Bukanlah berarti apabila semua titik pada grafik
KENDALI telah berada di daerah common causes, maka
dianggap bahwa proses tdk bermasalah, krn bbrp
pola pergerakan titik tertentu patut dicurigai
sebagai pola-pola yg perlu dicurigai sbg
kemungkinan adanya penyimpangan proses
produksi, atau ketidaknormalan data.
• Dengan kata lain munculnya pola-pola khusus tsb
kemungkinan permulaan atau awal proses menuju
ke arah tak terkendali.
Proses Terkendali

Semua titiknya terletak di

antara USL – LSL
Tidak terdapat pola-pola
pergerakan tertentu (bentuk
khas) dari sekelompok titik yg
berada di antara USL – LSL (ada 8
pola).
4 bentuk khas dalam began kendali
1. 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 tidaknormal, tetapi jumlah titik bisa
kurang atau lebih dari tujuh tergantung jumlah semua titik di
bagan kendali.
2. Kecenderungan: bila terdapat sekelompok titik di antara USL – CL
yang secara berurutan menarik atau menurun. Tujuh titik yang
menaik atau menurun menunjukkan ketidaknormalan. Yang
sering terjadi adalah titik-titik sdh di luar USL – CL sebelum 7 titik.
3. Periodisitas (periodicity): bila titik-titiknya membentuk pola
perubahan sama, misalnya pola naik turun pada interval yang
sama.
4. Pelekatan: bila titik-titiknya sangat dekat dengan CL, USL, atau
LSL.
8 tes ketidaknormalan pergerakan
titik bagan kendali
1. Satu titik lebih dari 3 sigma dari garis tengah.
2. 9 titik berurutan berada pada sisi yg sama dari garis tengah.
3. 6 titik berurutan menanjak (atau menurun) semuanya.
4. 14 titik berurutan naik turun (zig zag).
5. Dua di antara 3 titik berada pada baris lebih 2 sigma dari
garis tengah (sisi yang sama).
6. 4 di antara 5 titik berada pada baris lebih 1 sigma dari garis
tengah (sisi yang sama).
7. 15 titik berurutan berada pada baris 1 sigma dari garis
tengah (dua sisi).
8. 8 titik berurutan berada pada baris lebih dari 1 sigma dari
garis tengah (dua sisi)
 No. Weight No. Weight
1 905 26 970
2 930 27 940
3 865 28 975
4 895 29 1000
5 905 30 1035
6 885 31 1020
7 890 32 985
8 930 33 960
9 915 34 945
10 910 35 965
Example 11 920 36 940
12 915 37 900
13 925 38 920
14 860 39 980
15 905 40 950
16 925 41 955
17 925 42 970
18 905 43 970
19 915 44 1035
20 930 45 1040
21 890
22 940
23 860
24 875
25 985
 Test Results for I Chart of Weight
TEST 1. One point more than 3.00 standard deviations from center line
Test Failed at points: 14, 23, 30, 31, 44, 45

TEST 2. 9 points in a row on same side of center line

Test Failed at points: 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 33, 34, 35, 36

TEST 5. 2 out of 3 points more than 2 standard deviations from center line (on one side of CL)
Test Failed at points: 24, 30, 31, 45

TEST 6. 4 out of 5 points more than 1 standard deviation from center line (on one side of CL)
Test Failed at points: 5, 6, 7, 29, 30, 31, 32, 45

I-MR Chart of Weight

1050 1 1 1
1
6 UCL=1010,9
1000
Individual Value

2 2

950 2 2 _
X=936,9
2 2 2 2
2 2 2 2 2
900 6 2 2
6 6 2
5 LCL=862,8
850 1 1
1 5 9 13 17 21 25 29 33 37 41 45
Observation
 Test Results for I Chart of Weight
I-MR Chart of Weight
1050 1 1 1
1
6 UCL=1010,9
1000
Individual Value

6
Test Results for MR Chart of Weight 2 2

950 2 2 _
X=936,9
2
TEST 1. One point more than 3.00 standard deviations from center line
900 6
2 2 2 2
2
2
2 2
2
2

Test Failed at points: 25

6 6 2
5
LCL=862,8
850 1 1
1 5 9 13 17 21 25 29 33 37 41 45
Observation

100
UCL=91,0
Moving Range

75

50
__
25 MR=27,8

0 LCL=0
1 5 9 13 17 21 25 29 33 37 41 45
Observation