Outline

• Overview
• Peta P
• Peta C
 Control Chart Types

Continuous Categorical or Discrete

Numerical Data Control Numerical Data
Charts

Variables Attributes
Charts Charts

R X P C
Chart Chart Chart Chart
 Konsep
• Atribut : karakteristik kualitas yg sesuai
spesifikasi atau tidak

• Atribut dipakai jk ada pengukuran yg

tidak mungkin dilakukan ( tidak dibuat)
spt : goresan,apel yg busuk, kesalahan
warna, ada bagian yg hilang
 Kelebihan
• Dapat diterapkan di semua tgkt
organisasi , departemen, pusat kerja dan
mesin operasional (tgk tertinggi –
terendah)

• Membantu identifikasi permasalahan (

umum dan detil)
 Kelemahan

• Tdk dapat diketahui sbrp jauh

ketidaktepatan dg spesifikasi tsb

• Ukuran sampel yg besar akan bermasalah

jk pengukurannya mahal dan destruktif
 Tipe Peta Kendali ATRIBUT

1. Berdasar Distribusi BINOMIAL

– Kelompok pengendali unit ketidaksesuaian
– Dinyatakan dalam proporsi (%)

p Chart

– Menunjukkan proporsi ketidaksesuaian

dalam sampel / sub kelompok
2. Berdasar Distribusi POISSON
– bagian ketidaksesuaian dalam unit inspeksi
– Berkaitan dg kombinasi ketidaksesuaian
berdasar BOBOT yg dipengaruhi banyak
sedikitnya ketidaksesuaian
c- Chart
 Tahapan….
• Menentukan sasaran menentukan
karakteristik kualitasnya (ketidaksesuaian
dalam proporsi atau unit)
• Memilih tipe peta kendali atribut
• Banyaknya sampel dan observasi
• Pengumpulan data
• Penentuan BATAS KENDALI ( CL,UCL dan LCL)
• Interpretasi hasil (pola in/out of control)
• Revisi jika perlu
 p/c Chart Structure
p/np/c Upper Control Limit

UCL

Center Line Process Mean

When in Control

LCL

Time
Lower Control Limit
 Outline

• Overview
• Peta P
• Peta C
 Peta P

• Proporsi
1. Jumlah diketahui
sampel
sama • Proporsi tidak
diketahui

Peta P
• Dihitung secara
2. Jumlah rata-rata
sampel
berbeda • Dihitung secara
individu
1. Jumlah Sampel SAMA

• Proporsi diketahui
• Garis Tengah = p¯

UCLp  p  3 p
LCL p  p  3 p  p  p(1  p )
n
 Contoh :
Ukuran sampel per grup = 50 ( p-chart)
No Banyak produk cacat No Banyak produk cacat

1 4 11 3
2 2 12 5
3 5 13 5
4 3 14 2
5 2 15 3
6 1 16 2
7 3 17 4
8 2 18 10
9 5 19 4
10 4 20 3
No Banyak Proporsi No Banyak Proporsi
produk produk cacat
cacat
1 4 0,08 11 3 0,06
2 2 ... 12 5 ...
3 5 ... 13 5 ...
4 3 ... 14 2 ...
5 2 ... 15 3 ...
6 1 ... 16 2 ...
7 3 ... 17 4 ...
8 2 ... 18 10 ...
9 5 ... 19 4 ...
10 4 ... 20 3 ...
Total Proporsi ... Total Proporsi ...
• p¯ = total proporsi / grup sampel = .072
• p = √ (0,072)(0,928)/50 = .037
• BKA = 0,072 + 3(0,037) = 0,183
• BKB = 0,072 - 3(0,037) = -0,039 = 0
1. Jumlah Sampel SAMA

• Proporsi TIDAK diketahui

m = banyak grup sampel
 n = ukuran sampel
(banyak sampel dalam grup)
 D = bagian tidak sesuai
p¯ = ∑Di/(mn)
 p  3 =p p¯
UCL pTengah
Garis p( 1  p )
p
LCL p  p  3 p n
Example

Twenty samples, each consisting of

250 checks, The number of defective
checks found in the 20 samples are
listed below.
(proporsi tidak diketahui)

4 1 5 3 2 7 4 5 2 3
2 8 5 3 6 4 2 5 3 6
•n = 250 sampel
•m = 20 grup
•D = total defect
(semua defect dijumlah)
• p¯ = ∑Di/(mn)
Estimated p = 80/((20)(250)) = 80/5000 = .016
 Control Limits For a p Chart

p(1  p) .016(1  .016) .015744

p     .007936
n 250 250

UCL = p  3 p  .016  3(.007936)  .039808

LCL = p  3 p  .016  3(.007936)  -.007808  0

Note that the

computed LCL
is negative.
Tdk sesuai Proporsi Tdk sesuai Proporsi

4 (4/250) = 0,016 2 (2/250) = 0,008

1 (1/250) =0,004 8 (8/250) = 0,032
5 5
3 3
2 6
7 4
4 2
5 5
2 3
3 6
Control Limits For a p Chart
p Chart for Norwest Bank
0.045
0.040
UCL
Sample Proportion p

0.035
0.030
0.025
0.020
0.015
0.010
0.005
LCL
0.000
0 5 10 15 20
Sample Number
 2. Sampel BEDA …

a. Metode RATA_RATA  Ukuran sampel

RATA -RATA dg perbedaan tidak terlalu
besar -> ( n¯ = ∑n/observasi)

a. Metode INDIVIDU  Batas Kendali

tergantung ukuran sample tertentu shg
UCL/LCL tidak berupa garis LURUS
 Ukuran sampel beda (p chart)
no sampel Produk cacat no sampel Produk cacat
1 200 14 11 190 15
2 180 10 12 380 26
3 200 17 13 200 10
4 120 8 14 210 14
5 300 20 15 390 24
6 250 18 16 120 15
7 400 25 17 190 18
8 180 20 18 380 19
9 210 30 19 200 11
10 380 15 20 180 12
Jml sampel 4860 Jml Cacat 341
 Metode Rata-rata
• Sampel rata-rata
n¯ = total sampel /observasi
= 4860/20 = 243
p¯ = D/(n¯m)
= 341 / (243.20) = 0,07 (CL)
p = √ (0,07(0,93))/243 = 0,0164
BPAp = 0,07 + 3 (0,0164) = 0,119
BPBp = 0,07 - 3 (0,0164) = 0,021
 Metode Individu
• Sampel rata-rata
n¯ = total sampel /observasi
= 4860/20 = 243
p ¯ = D/(n¯m)
= 341 / (243.20) = 0,07 (CL) semua titik sama
• Control Limit (obs-1) (tergantung jml sampel per
grup)
p = √ (0,07(0,93))/200 = 0,018
UCL = 0,07 + 3 (0,018) = 0,124
LCL = 0,07 - 3 (0,018) = 0,016……………….dst
 Tabel Proporsi untuk Grafik
No observasi sampel cacat proporsi
1 200 14 0,070
2 180 10 0,055
3 200 17 0,085
4 120 8 0,067
5 300 20 …
6 250 18 …
7 400 25 …
8 180 20 …
9 210 30 …
10 380 15 …
11 190 15 …
12 380 26 …
13 200 10 …
14 210 14 …
15 390 24 …
16 120 15 …
17 190 18 0,095
18 380 19 0,050
19 200 11 0,055
20 180 12 0,067
 Outline

• Overview
• Peta P
• Peta C
 C-chart

• Mengetahui banyaknya kesalahan unit

produk sbg sampel
• Jumlah kesalahan per sample
• Aplikasi : bercak pd tembok, gelembung
udara pd gelas, kesalahan pemasangan
sekrup pd mobil
 C - chart

Number of defects per unit:

c¯ = ∑ Ci / n c  c
UCLc  c  3 c

LCLc  c  3 c
 Example…c-chart

no Byknya kesalahan no Byknya kesalahan

1 5 11 9
2 4 12 7
3 7 13 8
4 6 14 11
5 8 15 9
6 5 16 5
7 6 17 7
8 5 18 6
9 16 19 10
10 10 20 8
• c¯ = ∑c/n = 152/20 = 7,6
• BPA c = (7, 6) + 3 (√7,6) = 15,87
• BPB c = (7, 6) - 3 (√7,6) = -0,67 = 0