Bab Vii Pengendalian Proses Secara Statistik (Statistical Process Control)

BAB VII
PENGENDALIAN PROSES SECARA STATISTIK

(STATISTICAL PROCESS CONTROL)
A. Pengertian Pengendalian Proses Secara Statistik (SPC)
Dalam suatu perusahaan sering ditemukan bahwa data telah

dikumpulan dari berbagai proses produksi, tetapi tidak mencerminkan
informasi yang akurat oleh karena data tidak disajikan dan
dimanfaatkan dengan baik, padahal data merefleksikan fakta yang
sesungguhnya terjadi. Agar data yang ada dapat memberikan
informasi yang akurat dan maksimal maka digunakan statistik.
Statistik adalah kumpulan data, bilangan atau non bilangan
yang disusun dalam tabel atau diagram untuk menggambarkan suatu
persoalan. Definisi lain menyebutkan bahwa statistik merupakan
kumpulan cara-cara dan aturanaturan mengenai pengumpulan,
pengolahan, penafsiran, dan penarikan kesimpulan dari data berupa
angka-angka. Ini berati pula bahwa statistik berguna untuk
mengumpulkan, menganalisis dan menafsirkan informasi berupa
angka-angka. Berdasarkan informasi yang ada dapat memberikan
gambaran keadaan perusahaan saat sekarang ini dan dapat pula
memprediksi keadaan di masa datang. Data yang banyak dapat diolah
dan dianalisis untuk menentukan apakah suatu proses berada dalam
pengendalian atau tidak. Data tersebut akan memberikan kendali
kualitas bagi operator yang sifatnya mungkin saja subyektif. Dengan
demikian pengendalian proses secara statistik adalah pengendalian
tentang proses dengan menggunakan peta-peta kendali secara statistik
untuk membantu dalam memahami dan mengendalikan variabilitas
yang ditunjukkan oleh suatu proses.
Bab VII. Pengendalian Proses Secara Statistik Abdul Muin Sibuea 132
B. Manfaat Pengumpulan Data
Ada beberapa manfaat pengumpulan data, yaitu:

1. Untuk membantu dalam memahami situasi sebenarnya.
Data yang ada dibandingkan dengan standar atau target yang
sudah ditetapkan sebelumnya.
2. Untuk bahan analisis
Data yang ada dianalisis dan dilakukan pengujian apakah ada
hubungan atau pengaruh antara suatu variabel dengan variabel
lainnya. Untuk ini dapat digunakan berbagai macam pengujian
statistik
3. Untuk pengendalian proses.
Dari hasil analisis data mutu produk selanjutnya diselidila apakah
proses manufakturing dalam kondisi normal atau tidak. Dengan
kata lain apakah suatu proses berada dalam pengendalian atau
tidak. Dalam analisis ini digunakan peta kendali untuk mernahami
dan mengendalikan variabilitas yang ditunjukkan oleh suatu
proses.
4. Untuk pengaturan
Data digunakan untizk mengotrol keadaan pada setiap data yang
ada, misalnya menaikkan arus listrik agar putaran motor
meningkat, memparalel dua generator agar proses produk,si tidak
terganggu, atau menaikkan biaya iklan untuk meningkatkan
volume penjualan.
5. Untuk bahan menerima atau menolak produk
Hasil analisis data digunakan untuk menyetuji atau menolak
komponen dan produk setelah pemeriksaan. Ada dua metode
pemeriksaan ini, yaitu pemeriksaan total dan pengambilan sampel.
Berdasarkan informasi dari data yang ada kemudian dapat
diputuskan upaya apa yang harus dikerjakan terhadap komponen
dan produk.
C. Diagram Sebab Akibat
Suatu variabel selalu ditentukan oleh variabel yang lain.

Demikian halnya dalam proses produksi, mutu ditentukan oleh faktor
yang lain. Sebagai contoh, dalam proses pembuatan ban, mutu ban
yang diproduksi ditentukan oleh bahan, metode kerja, peralatan,
pengukuran, dan lain-lain. Hubungan ini disebut hubungan sebab
akibat.
Diagram sebab akibat adalah proses secara grafik untuk
mengidentifikasi faktor-faktor (sebab) yang dapat mempengaruhi
beberapa karakteristik kualitas (akibat). Diagram ini juga disebut
sebagai fishbone chart. Langkah-langkah membuat diagram fishbone ini
adalah:
1. Menentukan karakteristik mutu yakni karakteristik yang perlu
mendapat perbaikan dan pengendalian.
2. Pada sisi kanan dituliskan karakteristik mutu dengan panah utama
besar
3. Cabang-cabang dilukiskan yang mengarah pada panah utama dan
ditulis faktor penyebab yang mempunyai kemungkinan besar
mempengaruhi mutu seperti orang (karyawan), material, peralatan,
metode, uang, kondisi lingkungan.
4. Kemudian pada setiap butir cabang ditulis kedalaman faktor rinci
yang dapat dianggap sebagai penyebab yang akan menyerupai
ranting. Untuk menemukan bentuk aktual dari diagram frshbone
ini memerlukan pemikiran tentang karakteristik mutu dan tentu
pula membutuhkan latihan untuk mengidentifikasi masalah.
5. Memeriksa apakah semua butir-butir telah masuk ke dalam
diagram fishbone sebagai penyebab dispersi.
Pada gambar berikut ini disajikan diagram fishbone suatu
pengecatan dengan semprot mengenai karakteristik mutu dilihat dari
banyaknya gelembung-gelembung dalam permukaan yang dicat
seluas 100 kaki kuadrat. Faktor utama yang diperhatikan adalah seperti
lingkungan, karyawan, kondisi, sifat-sifat permukaan, dan peralatan
yang digunakan.
Gambar 7.1. Diagram Fishbone Faktor-Faktor yang Mempengaruhi

Jumlah Gelembung-Gelembung Permukaan yang Dicat
Seluas 100 Kaki Persegi
D. Diagram Pareto
Diagram fishbone yang telah diuraikan di atas merupakan

pengujian awal suatu proses untuk menentukan faktor-faktor yang
cukup berarti (signifikan) mempengaruhi karakteristik mutu.
Selanjutnya diperlukan lagi pemantauan dengan menggunakan
diagram kendali. Dengan demikian diagram lain berguna juga dalam
tahapan menganalisis suatu proses. Untuk itu, diagram Pareto dapat
digunakan mengidentifikasi faktor-faktor yang dapat memberikan
pembaharuan mutu secara berarti.
Diagram Pareto adalah suatu prosedur secara grafik yang
serhana untuk mengurutkan faktor-faktor yang mempe-ngaruhi
beberapa karakteristik mutu sehingga analis dapat mengidentifikasi
faktor-faktor yang memberikan sumbangan yang paling berarti
terhadap hasil akhir.
Langkah-langkah membuat diagram Pareto:
1. Menentukan butir klasifikasi yang akan digunakan dalam grafik,
misalnya produk, konsumsi, ukuran, dan lain-lain.
2. Menetapkan periode waktu dalam menggambarkan grafik,
misalnya dalam hari, minggu, bulan, dan lain-lain.
3. Menjumlahkan setiap butir untuk periode yang telah ditetapkan,
misalkan dalam persen, ukuran panjang, dan lain-lain.
4. Membuat sumbu horizontal dan vertikal pada kertas grafik
5. Pada sumbu horizontal ditulis butir yang paling penting hingga
ukuran yang lebih kecil
6. Melukiskan balok-balok
7. Memberi judul pada grafik
Berikut ini akan ditunjukkan contoh diagram Pareto mengenai

konsumsi energi listrik pada sebuah rumah. Konsumsi energi (dalam
KWH) setiap bulan terdiri atas: (1) tangki pemanas air, (2) pendingin,
(3) pengering pakaian, (4) mesin cuci, (5) alat-alat rumah tangga kecil,
dan (6) penerangan. Misalkan proporsi konsumsi energi listrik
tersebut dirinci seperti pada tabel berikut.
Tabel 7.1. Proporsi Konsumsi Energi Listrik Sebuah Rumah
Energi tiap bulan
Faktor (%)
l. Tangki pemanas air 45,0
2. Pendingin 30,5
3 Pengering pakaian 10,0
4. Mesin cuci 7,5
5. Alat-alat rumah tangga 5,0
6. Penerangan 2,0
Untuk contoh di atas, pada Gambar 7.2 berikut ini ditunjukkan
diagram Pareto.
50
40
30
20
10
Tangki Pendingin Pengering Mesin Alat- Penerangan

Pemanas Pakaian Cuci alat
Air Rumah
Tangga
Sumber Konsumsi Energi
Gambar 7.2. Diagram Pareto Konsumsi Energi Listrik Setiap Bulan
E. Bentuk dan Penggunaan Peta Kendali
Peta-peta kendali secara statistik penting dalam subyek umum

pengendalian proses secara statistik (SPC). Peta-peta ini merupakan
teknikteknik secara matematik untuk membantu dalam memahami
dan mengendalikan variabilitas yang diperlihatkan dalam suatu
proses.
Dalam suatu proses kita akan menemukan dua kategori
variabilitas, yaitu variabilitas alamiah (natural variability) dan
variabilitas tidak alamiah (unnatural variability). Contoh variabilitas
alamiah adalah temperatur, tekanan udara, kelelembaban udara,
perbedaan-perbedaan yang ada antara karyawan, getaran, dan faktor-
faktor lingkungan lain. Tak seorangpun dapat secara pasti
mengidentifikasi bagaimana faktor-faktor ini dengan nyata
mempengaruhi variabilitas. Kita hanya mengetahui bahwa faktor-
faktor tersebut mempunyai dampak terhadap variabilitas. Banyak
kasus tentang variabilitas alamiah, misalnya cuaca, lalu lintas, dan lain-
lain.
Ada kasus variabilitas yang tidak dapat diidentifikasi secara
alamiah. Kasus ini dapat ditandai dar. dikategorikan sebagai
variabilitas tidak alamiah. Contoh variabilitas tidak alamiah adalah
pemakaian alat, penggunaan mesin, arus listrik, peralatan yang rusak,
atau pelatihan karyawan.
Peta kendali merupakan teknik untuk menemukan tayang-an
secara grafik dari sejumlah angka untuk membantu dalam membuat
keputusan yang benar tentang kontrol proses secara statistik. Bentuk
peta kendali ditunjukkan pada Gambar 7.3. Pada sumbu vertikal berisi
variabel kedua sedangkan pada sumbu horizontal berisi nilai subgrup.
Peta kendali juga memilild tiga garis horizontal, yaitu batas kendali
atas (upper control limit) disingkat UCL, batas kendali bawah (lower
control limit) disingkat LCL, dan garis pusat (center line) disingkat CL.
Batas Kendali Atas
Variabel 2
(mis. Rata- Garis Pusat = Tendensi Sentral
rata, rentang,
total
Batas Kendali Bawah
1 2 3 4 5 6 7 8 9
..
Jumlah subgrup
Gambar 7.3. Bentuk Umum Peta Kendali
Ada tiga fase yang ditempuh dalam membuat dan

menggambarkan peta kendali. Fase pertama, menetapkan variabilitas
alamiah dari proses. Fase ini meliputi perosees pengulangan seperti
yang ditunjukkkan pada Gambar 4 dan secara umum mengacu pada
konstruksi peta kendali percobaan.
Gambar 7.4. Proses Peta Kendali Coba-caoba (Fase 1)
Tendensi sentral dan simpangan baku variabel kedua yang

digunakan menentukan nilai CL, UCL, dan LCL. Pada umumnya CL
adalah tendensi sentral (x) untuk variabel kedua, UCL adalah x + 3s,
dan LCL adalah x – 3s. Agar mudah memahami peta kendali
diperlukan pemahaman yang mendalam tentang konsep tendensi
sentral, ukuran variabilitas, dan histogram bentuk bel (normal).
Fase kedua, memantau (monitor) proses dan penggunaan peta
kendali seperti yang ditunjukkan pada Gambar 7. 5. Dalam
pemantauan proses yang berlangsung, kegiatan ditekankan pada
upaya mengidentifikasi dan meningkatkan sumber-sumber variasi
yang tidak alamiah.
Gambar 7.5. Pemantauan Proses pada Kendali Utama (Fase 2)
Fase ketiga, pemetaan kendali menekankan peningkatan proses

seperti yang dulustrasikan pada Gambar 7.6. Dalam upaya
meningkatkan proses ini kegiatan yang dilakukan berkenaan dengan
mengidentifikasi dan meningkatkan sumber-sumber variasi alamiah
Gambar 7.6. Meningkatkan Proses (Fase 3)
Bila proses telah diperbaiki atau perubahan yang ter-jadi

signifikan, batas kendali dan garis pusat (CL) peta kendali harus
dihitung kembali. Pengurangan variabilitas alamiah dari proses akan
sempit yak-ii antara UCL dan LCL.
Tipe-Tipe Peta Kendali

Ada tiga kategori peta kendali, yaitu:
Kategori I. Percobaan berulang-ulang (subgrup) dengan nilai masing-
masing percobaan adalah:
0 (sesuai) atau 1 (tidak sesuai)
Variabel kedua yang penting: bagian yang tidak sesuai
dalam grup
Kategori II. Percobaan berulang-ulang (subgrup) di mana nilai masing-
masing percobaan adalah:
0 atau 1 atau 2 atau 3 ....... (sebagai contoh yang tidak
sesuai) Variabel kedua yang penting: nilai total yang tidak
sesuai dalam grup
Kategori III. Percobaan berulang-ulang (subgrup) di mana nilai masing-
masing percobaan adalah: Dapat diukur (kontinu)
Variabel kedua yang penting: rata-rata sub-grup, rentang
subgrup, simpangan baku sub-grup
Pada uraian di atas telah dibahas prosedur umum mengenai
bentuk dan penggunaan peta kendali, pada uraian berikut ini akan
dibahas masing-masing tipe peta kendali.
Kategori I - Percobaan Acak Diskrit: Peta Bagian yang Tidak Sesuai

Dalam kasus ini data dianggap telah dikumpuikan untuk r
subgrup, selanjutnya masing-masing k butir dalam subgrup
diklasifikasikan atas sesuai dan tidak sesuai. Nilai butir-butir yang tidak
sesuai untuk masing-masing subgrup ditunjukkan dalam Tabe17.1.
Tabe17.2. Jumlah Butir yang Tidak Sesuai Dalam Masing Masing
Subgrup
Jumlah Butir yang
Jumlah Tidak
Subgrup Sesuai dalam
Subgrup
1 Nl
2 Nl
3 Nl
. .
. .
. .
. .
r-1 nt – 1
r Nt
Untuk tabel di atas, nilai rata-rata bagian yang tidak sesuai:

nl  n2  .  nt
p=
kxr
Garis pusat dan batas-batas kendali:
Garis pusat (CL) = p

3
Batas kendali atas (UCL) = p + p(1 - p)
k
Batas kendali baWah (LCL) = p - p(1 - p)
Contoh:
Sejumlah saklar listrik terdiri atas 30 subgrup yang diklasifikasikan
atas yang sesuai dan yang tidak sesuai, masing-masing subgrup terdiri
dari 40 saklar. Setelah melalui pengujian ternyata ditemukan sejumlah
saklar yang tidak sesuai seperti yang ditunjukkan pada Tabel 7.3.
Tabel 7.3. Jumlah Saklar Listrik yang Tidak Sesuai dari 40 Saklar dari
30 Subgrup
Jumlah Jumlah Saklar yang Tidak

Subgrup Sesuai
1 3
2 3
3 2
4 7
5 1
6 3
7 3
8 3
9 2
10 5
11 7
12 1
13 2
14 4
15 3
16 4
17 4
18 8
19 2
20 3
21 2
22 2
23 4
24 2
25 4
26 3
27 2
28 2
29 2
30 2
Untuk data di atas diperoleh;
CL = p = 0,
3
UCL = p + p(1-p) = 0,207
k
3
LCL = p p(1-p) = -0,049
k
Bila dari hasil perhitungan ternyata LCL berharga negatif maka
nilai LCI, diambil 0. Harga bagian yang tidak sesuai tidak pernah lebih
kecil dari 0.
UCL = 0.207
0.2
0.1
Ṗ = 0.079
0.0
10 20 30 40
Jumlah Subgrup
Gambar 7.7. Peta Kendali untuk Saklar Lampu Bagian yang Tidak
Sesuai
Kategori II - Percobaan Acak Diskrit: Jumlah Total yang Tidak

Sesuai
Dalam kasus ini data dianggap telah dikumpulkan untuk r
subgrup, masing-masing subgrup terdiri atas k butir. Masing-masing
butir mempunyai 0, 1, 2, 3, ......... dan misalkan dari hasil pengamatan
diperoleh total nilai untuk subgrup seperti yang ditunjukkan pada
Tabel 7.4.
Tabe17.4. Jumlah Butir yang Tidak Sesuai Dalam Masing-Masing
Subgrup
Jumlah Butir yang

Jumlah Tidak Sesuai dalam
Subgrup Subgrup
1 Tl
2 T1
3 T1
. .
. .
. .
. .
. .
r-1 Tt-1
r Tt
Untuk tabel di atas, rata-rata nilai jumlah total yang tidak sesuai:
TI  T2  ....  Tt T
T= atau T =
r r
Garis pusat dan batas-batas kendali dihitung dengan rumus:
Garis pusat (CL) = T
Batas kendali atas (UCL) = T +3 √ T

Batas kendali bawah (LCL) = T - 3√ T
Bila dari hasil perhitungan ternyata LCL berharga negatif maka
diambil harga 0. Dalam kebanyakan literatur kendali proses secara
statistik peta kendali ini disebut peta-c (c-chart). Dalam pembahasan ini
simbol "T' mengacu pada "total" bukannya simbol yang sering
digunakan.
Contoh:
Andaikan dalam suatu percobaan tentang ketelitian produk plat baja
dilakukan pengamatan terhadap 50 subgrup, dan masing-masing
subgrup terdiri atas 30 plat baja. Dari hasil pemeriksaan ternyata
ditemukan ketelitian ukuran yang tidak sesuai seperti yang ditujukkan
pada Tabel 7.5.
Tabel 7.5. Jumlah Total Ukuran yang Tidak Sesuai Dalam 30
Plat-Plat Baja
Jumlah Total Jumlah Total
Jumlah Jumlah
yang yang
Subgrup Subgrup
Tidak Sesuai Tidak Sesuai
1 15 26 18
2 13 27 13
3 12 28 15
4 15 29 14
5 7 30 12
6 18 31 14
7 8 32 6
8 15 33 8
9 11 34 18
10 16 35 10
11 18 36 24
12 12 37 10
13 11 38 12
14 15 39 20
15 16 40 13
16 16 41 12
17 13 42 13
18 17 43 17
19 13 44 17
20 12 45 13
21 12 46 19
22 12 47 18
23 17 48 13
24 12 49 12
25 12 50 14
Untuk data tersebut diperoleh.
T 693
Garis pusat (CL) = T = = = 13,86
r 50
Batas kendali atas (UCL) = T + 3√ T = 13,86 + 3√ 13,85

= 25,03
Batas kendali bawah (LCL) = T - 3 √ T = 2,69
Jumlah total yang tidak sesuai untuk masing-masing subgrup

terpencar pada peta kendali seperti yang ditunjukkan pada Gambar
7.8. Peta kendali menunjukkan bahwa keadaannya berada pada
kendali statistik.
30
UCL = 25.03
20
CL = = 13.86
10
LCL = 2.69
0
10 20 30 40 50 60
Jumlah Subgrup
Gambar 7.8. Peta kendali untuk Jumlah Total yang Tidak Sesuai
Kategori III - Percobaan Acak Kontinu (Peta X dan Peta R)

Dalam kasus ini dianggap data telah dikumpulkan dari suatu
proses k pengukuran dengan tipe variabel kontinu untuk masing-
masing subgrup. Nilai rata-rata (X) dan rentang (R) untuk masing-
masing subgrup dihitung dan dicantumkan seperti pada tabel di
bawah ini.
Tabel 7.6. Data Subgrup Dari Proses(Rata-Rata dan Rentang)
Rata-rata Rentang
Jumlah Pengukuran untuk subgrup subgrup
Subgrup subgroup (X) (R)
1 X1 l Xl2 X13 .... Xlk Xl R1
2 X21 X22 X23 .... X2k X2 R2
3 X31 X32 X33....X3k X3 R3
: : :
: : :
: : :
R Xr l Xr2 Xr3 ... Xrk Xr Rr
Untuk tabel di atas:

X l  X 2 .  X r
rata-rata subgrup X = dan
r
R I  -R 2  ...  R r
rata-rata rentang subgrup R =
r
Ada dua harga yang dapat dipakai untuk menentukan garis
pusat dan batas-batas kendali, yaitu:
Peta X
Garis pusat (CL) = X
Batas kendali atas (UCL) = X + A2 R
Batas kendali bawah (LCL) = X - A2 R
Besarnya harga A2 ditetapkan dari Tabel 7.7.
Peta R
Batas kendali atas (UCI) = D4 R
Batas kendali bawah (LCL) = D3 R

Besarnya harga D3 dan D4 juga ditetapkan dari Tabel 7.7.
Tabel 7. 7. Faktor Untuk Peta X dan R

Banyak n tiap Harga Faktor
Subgrup (k) A2 D4 D3
2 1,880 3,267 0
3 1,023 2,574 0
4 0,729 2,282 0
5 0,577 2,115 0
6 0,483 2,004 0
7 0,419 1,924 0,076
8 0,373 1,864 0,136
9 0,337 1,816 0,184
10 0,308 1,777 0,223
Contoh: Seorang pekerja laboratorium menggunakan sekop untuk

memindahkan material dari suatu tumpukan ke dalam gerobak.
Sebelum material tersebut dipindahkan dari sekop ke dalam gerobak
terlebih dahulu ditimbang, hasil penimbangan tersebut ditunjukkan
pada Tabel 7.8.
Tabel 7.8. Nilai Rata-Rata Subgrup, Rentang, dan Simpangan Baku
Hasil Pengukuran Karakteristik Kualitas Suatu Material
sub- Pengukuran Rata- Rentang Simp
Grup 1 2 3 4 5 Rata Baku
1 58,95 51,48 64,51 52,93 42,33 54,040 22,180 8,346
2 67,11 46,83 58,03 38,03 56,80 34,360 29,080 11,184
3 70,15 43,83 73,37 48,08 50,24 57,134 29,540 13,597
4 50,57 45,99 49,50 39,15 51,20 47,282 12,050 4,972
5 60,91 46,14 58,70 47,52 46,18 51,894 14,770 7,293
6 34,00 45,88 49,55 42,83 40,42 42,536 15,550 5,870

7 55,86 51,93 49.99 52,86 33,74 48,876 22,120 8,722
8 52,70 68,89 67,69 41,79 32,87 52,748 35,820 15,753
9 44,58 34,92 45,27 43,32 48,06 43,230 13,140 4,959
10 41,22 54,60 52,56 59,31 40,59 49,656 18,720 8,358
11 56,11 60,97 59,27 53,02 36,22 55,118 33,050 12,217

12 56,57 33,80 60,66 43,53 47,37 48,386 26,860 10,665
13 45,66 49,17 52,86 62,08 78,16 57,586 32,500 13,028
14 30,60 49,07 57,65 62,05 48,08 49,490 31,450 12,076
15 44,11 79,84 51,'75 37.49 53,05 53,256 42,350 16,128
16 65,42 50,81 42,99 39,78 27,08 45,216 38,340 14,168

17 40,78 52,49 37,85 51,08 36,61 43,762 15,880 7,495
18 49,95 40,63 41,59 48,47 47,15 45,558 9,320 4,193
19 38,16 56,08 43,71 5 8,91 59,23 51,218 21,070 9,668
20 37,68 40,18 64,66 43,64 61,80 49,592 26,980 12,669
21 40,67 42,37 62,52 52,71 46,51 48,956 21,850 8,889

22 55,63 35,07 49,09 52,82 55,64 49,656 20,570 8,582
23 50,75 47,93 56,72 48,14 57,77 52,262 9,840 4,697
24 56,95 38,03 49,72 49,71 51,03 49,088 18,920 6,867
25 58,13 29,92 46,44 42,32 43,03 43,968 28,210 10,095
Peta kendali mengenai rata-rata dan rentang untuk contoh di atas

ditemukan sebagai berikut:
Rata-rata
Dari data diperoleh X = 1243,862 dan R = 590,16
Besarnya harga A2 = 0,577 (lihat Tabel 7.7)
1243,863
Garis pusat (CL) = X = = 49,75
25
Batas kendali atas (UCL) = X + A2 R

= 49,75 + 0,577 x 23,61 = 63,37
Batas kendali bawah (LCL) = X - A2 R

= 49,75 - 0,577 x 23,61 = 36,13
Rentang
590,16
Garis pusat (CL) = X = = 23,61
25
Batas kendali atas (UCL) = D4 R
= 2,115 x 23,61 = 49,93
Batas kendali bawah (LCL) = D3 R = 0 x 23,61 = 0

Berdasarkan perhitungan di atas, diperoleh peta X, peta R, dan
pencaran harga-harga untuk masing-masing subgrup seperti yang
dilukiskan pada Gambar 7.9.
50 UCL = 49,93
40
30
Ṙ= 23,61
20
10
0 LCL = 0.0
0 10 20 30
70
UCL = 63.38
60
50 ẋ = 49.75
40
0 LCL = 36.13
0 10 20 30
Subgroup number
Gambar 7.9. Peta Rata-rata Rentang Untuk Data Dalam Tabel 7.7
Kategori III - Percobaan Random Dengan Data Kontinu (Peta X, Peta S)
Kasus ini hampir sama dengan uraian di atas, data dianggap
telah dikumpulkan dari suatu proses k pengukuran dengan tipe
variabel kontinu untuk masing-masing r sub-grup. Nilai rata-rata (X)
dan simpangan baku (S) untuk masing-masing subgrup dihitung dan
disusun pada tabel seperti yang ditunjukkan pada tabel di bawah MI.
Tabel 7.9. Data Subgrup Dari Proses (Rata-Rata dan Simpangan Baku)
Jumlah Pengukuran untuk Rata-rata Untuk Simpangan

Subgrub Subgrub Subgrub (x) (S)
1 X11 X12 X 13 …X1k X1 S1
2 X21 X22 X23 … X2k X2 S2
3 X31 X32 X33 ….X3k X3 S3
. . .
. . .
. . .
. . .
r Xr1 Xr2 Xr3 Xrk Xr Sr
Untuk tabel di atas:

X l  X 2  ...  X r
rata-rata subgrup X = dan
r
Sl  52  ...  Sr
rata-rata simpangan baku subgrup S =
r
Ada dua harga yang digunakan untuk menentukan garis pusat dan
batas-batas kendali, yaitu:
Peta X
Batas kendali atas (UCL,) = X + A3 S
Batas kendali bawah (LCI,) = X - A3 S

Besarnya harga A3 ditetapkan dari Tabel 7.10.
Peta S
Garis pusat (CL) = S
Batas kendali atas (UCL) = B4S
Batas kendali bawah (LCL) = B3S
Besarnya harga B3 dan B4 juga ditetapkan dari Tabel 7.10
Tabel 7.10. Faktor Untuk peta X dan R

Banyak Harga faktor
subgrup
(k) A3 B3 B4
2 2,659 0 3,267
3 1,954 0 2,568
4 1,628 0 2,266
5 1,427 0 2,089
6 1,267 0,030 1,970
7 1,182 0,118 1,882
8 1,099 0,185 1,815
9 1,032 0,239 1,761
10 0,975 0,284 1,716
11 0,927 0,321 1,679
12 0,886 0,354 1,646
13 0,850 0,382 1,618
14 0,817 0,406 1,594
15 0,789 0,428 1,572
16 0,763 0,448 1,552
17 0,739 0,466 1,534
18 0,718 0,482 1,518
19 0,698 0,497 1,503
20 0,680 0,510 1,490
21 0,663 0,523 1,477
22 0,647 0,534 1,466
23 0,633 0,545 1,455
24 0,619 0,555 1,445
25 0,606 0,565 1,435
Contoh: Berikut ini akan dihitung peta kontrol untuk contoh data yang
tercantum dalam Tabel 7.8.
Peta X
Besarnya harga A3 = 1,427 (lihat tabel 7.9)
Garis pusat (CL) = X = 49,75
Batas kendali atas (UCL) = X + A3 S

= 49,75 + (1,427)(9,62 ) = 63,48
Batas kendali bawah (LCL) = X - A3 S = 36,03
Peta S
Besarnya harga B4 = 2,089 dan B3 = 0 (lihat Tabel 7.9)
Garis pusat (CL) = S = 9,62
Batas kendali atas (UCL) = B4 S

= 2,089 x 9,62 = 20,10
Batas kendali bawah (LCL) = B3 S = 0,00

Peta X dan S serta pencaran harga-harga untuk setiap grup
ditunjukkan pada Gambar 7.10. Dari hasil temuan tersebut diketahui
bahwa proses berada dalam keadaan kendali statistik.
Oleh karena perhitungan rentang lebih mudah dari simpangan
baku maka secara historis peta X dan R lebih sering digunakan
dibandingkan dengan peta X dan S. Namun perlu diperhatikan bahwa
peta X dan R tidak akan dipakai bila jumlah observasi lebih besar dari
10. Untuk kasus seperti ini maka digunakan peta X dan S
Gambar 7.10. Peta Rata-Rata dan Simpangan Baku Untuk Data Pada
Tabel 7.10

Bab Vii Pengendalian Proses Secara Statistik (Statistical Process Control)

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab Vii Pengendalian Proses Secara Statistik (Statistical Process Control)

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB VII

PENGENDALIAN PROSES SECARA STATISTIK

A. Pengertian Pengendalian Proses Secara Statistik (SPC)

Dalam suatu perusahaan sering ditemukan bahwa data telah

Ada beberapa manfaat pengumpulan data, yaitu:

C. Diagram Sebab Akibat

Suatu variabel selalu ditentukan oleh variabel yang lain.

Gambar 7.1. Diagram Fishbone Faktor-Faktor yang Mempengaruhi

Diagram fishbone yang telah diuraikan di atas merupakan

Berikut ini akan ditunjukkan contoh diagram Pareto mengenai

Untuk contoh di atas, pada Gambar 7.2 berikut ini ditunjukkan

Tangki Pendingin Pengering Mesin Alat- Penerangan

Sumber Konsumsi Energi

Gambar 7.2. Diagram Pareto Konsumsi Energi Listrik Setiap Bulan

Peta-peta kendali secara statistik penting dalam subyek umum

Batas Kendali Atas

Gambar 7.3. Bentuk Umum Peta Kendali

Ada tiga fase yang ditempuh dalam membuat dan

Tendensi sentral dan simpangan baku variabel kedua yang

Gambar 7.5. Pemantauan Proses pada Kendali Utama (Fase 2)

Fase ketiga, pemetaan kendali menekankan peningkatan proses

Bila proses telah diperbaiki atau perubahan yang ter-jadi

Tipe-Tipe Peta Kendali

Kategori I - Percobaan Acak Diskrit: Peta Bagian yang Tidak Sesuai

Untuk tabel di atas, nilai rata-rata bagian yang tidak sesuai:

Garis pusat (CL) = p

Batas kendali baWah (LCL) = p - p(1 - p)

Jumlah Jumlah Saklar yang Tidak

Kategori II - Percobaan Acak Diskrit: Jumlah Total yang Tidak

Jumlah Butir yang

Batas kendali atas (UCL) = T +3 √ T

Batas kendali atas (UCL) = T + 3√ T = 13,86 + 3√ 13,85

Batas kendali bawah (LCL) = T - 3 √ T = 2,69

Jumlah total yang tidak sesuai untuk masing-masing subgrup

Kategori III - Percobaan Acak Kontinu (Peta X dan Peta R)

Untuk tabel di atas:

Garis pusat (CL) = X

Batas kendali atas (UCL) = X + A2 R

Batas kendali bawah (LCL) = X - A2 R

Garis pusat (CL) = X

Batas kendali atas (UCI) = D4 R

Batas kendali bawah (LCL) = D3 R

Tabel 7. 7. Faktor Untuk Peta X dan R

Contoh: Seorang pekerja laboratorium menggunakan sekop untuk

6 34,00 45,88 49,55 42,83 40,42 42,536 15,550 5,870

11 56,11 60,97 59,27 53,02 36,22 55,118 33,050 12,217

16 65,42 50,81 42,99 39,78 27,08 45,216 38,340 14,168

21 40,67 42,37 62,52 52,71 46,51 48,956 21,850 8,889

Peta kendali mengenai rata-rata dan rentang untuk contoh di atas

Batas kendali atas (UCL) = X + A2 R

Batas kendali bawah (LCL) = X - A2 R

Batas kendali bawah (LCL) = D3 R = 0 x 23,61 = 0

Jumlah Pengukuran untuk Rata-rata Untuk Simpangan

Untuk tabel di atas:

Garis pusat (CL) = X

Batas kendali atas (UCL,) = X + A3 S

Batas kendali bawah (LCI,) = X - A3 S

Tabel 7.10. Faktor Untuk peta X dan R

Garis pusat (CL) = X = 49,75

Batas kendali atas (UCL) = X + A3 S

Batas kendali bawah (LCL) = X - A3 S = 36,03

Batas kendali atas (UCL) = B4 S