PENGENDALIAN KUALITAS

STATISTIK
• Pendahuluan Kualitas / Mutu :
Ukuran tingkat kesesuaian barang/ jasa dg
standar/spesifikasi yang telah ditentukan/
ditetapkan.
• Pengendalian Kualitas Statistik (PKS) :
Ilmu yang mempelajari tentang teknik
/metode pengendalian kualitas berdasarkan
prinsip/ konsep statistik.
Cara menggambarkan ukuran kualitas

• Variabel : karakteristik kualitas suatu produk

dinyatakan dengan besaran yang dapat diukur
(besaran kontinue) seperti, panjang, berat,
temperatur
• Attribut : karakteristik kualitas suatu produk
dinyatakan dengan apakah produk tersebut
memenuhi kondisi/persyaratan tertentu,bersifat
dikotomi,jadi hanya ada dua kemungkinan baik
atau buruk. Seperti produk cacat atau produk
baik
 Ada 4 metode Statistik yang dapat
digunakan dalam Pengendalian
• Distribusi Frekuensi
Kualitas
• Suatu tabulasi atau cacah (tally) yang menyatakan
banyaknya suatu ciri kualitas muncul dalam sampel yang
diamati.
• Untuk melihat kualitas sampel dapat digunakan :
– Kualitas rata-rata
– Penyebaran kualitas
– Perbandingan kualitas dengan spesifikasi yang
diinginkan.
 Peta kontrol/kendali (control chart)
Grafik yang menyajikan keadaan produksi secara kronolog (jam
perjam atau perhari)

• Tiga macam control chart :

• Control Chart Shewart
• Peta ini disebut peta untuk variabel atau peta untuk x dan R
(mean dan range) dan peta untuk x dan σ (mean dan deviasi
standard).
• Peta kontrol untuk proporsi atau perbandingan antara
banyaknya produk yang cacat dengan seluruh produksi,
disebut peta- p (p-chart).
• Peta kontrol untuk jumlah cacat per unit, disebut peta-c
(c-chart).
• Tabel sampling
Tabel yang terdiri dari jadual pengamatan
kualitas, biasanya dalam bentuk presentase.
• Metode Khusus
Metode ini digunakan untuk pengendalian
kualitas dalam industri, al : korelasi, analisis
variansi, analisis toleransi, dll.
 KONSEP STATISTIK DALAM
PROBABILITAS
• Konsep statistik
• PKS merupakan pengeterapan statistik pada
proses produksi, sehingga diperlukan pengertian
yang tepat dan jelas mengenai konsep- konsep
statistik untuk menghindari salah interpretasi.
• Salah interpretasi dalam proses produksi
mengakibatkan penurunan kualitas produksi atau
penambahan biaya produksi.
 DISTRIBUSI PROBABILITAS

• Probabilitas ~ kemungkinan terjadinya suatu

peristiwa/hasil (yang diharapkan) dari sejumlah
peristiwa/hasil yang diharapkan terjadi.
• Distribusi probabilitas pada materi stat II
merupakan pendalaman dari teori probabilitas
(teori kemungkinan atau peluang) pada stat I.
• Dalam teori probabilitas, menghitung
kemungkinan timbulnya gejala yang diharapkan
dari variabel populasinya.
• Sedang dalam distribusi probabililitas,
menghitung kemungkinan timbulnya
• Probabilitas (P) = jumlah item yang sukses (S)
total jumlah item (T)
• Contoh 7.1
• Jika ada 48 kelereng dalam suatu kotak, terdiri
Dari 8 kelereng biru, 16 kelreng merah dan 24
kelereng hijau, berapakah peluang penarikan
kelereng biru dari kota ?
• P = Probabilitas
• S = jumlah kjadian yang sukses = 8
• T = Jumlah total kejadian =48
• P = 8/48 = 1/16
• Dengan cara yang sama, probabilitas penarikan
kelereng merah adalah 16/48 = 1/3 dan
probabilitas penarikan kelereng hijau adalah
24/48 = ½.
•
• Contoh 7.2
• Jika suatu lot berisi 15.000 komponen dan 300
didapatkan komponen adalah cacat, berapakah
probabilitas komponen pada lot tersebut cacat
• S = 300
• T = 15 000
• P = 300/15000 = 2/100 = 0,02
 Distribusi Binomial/Bernoulli
• Probabilitas timbulnya gejala yang diharap-
kan disebut probabilitas “sukses” dan diberi
simbol P, probabilitas timbulnya gejala yang
tidak kita harapkan disebut probabilitas
“gagal” diberi simbol 1-P, maka probabilitas
timbulnya gejala yang kita harapkan sebanyak
x kali dalam n kejadian (artinya x kali akan
sukses dan n – x kali akan gagal).
 Ciri-ciri percobaan bernoulli

• Tiap percobaan hanya memiliki dua kemungkinan

hasil saja, yaitu “sukses” dan “gagal”.
• Probabilitas “sukses” selalu sama pada tiap
percobaan, akan tetapi probabilitas “sukses”
tidak harus sama dengan probabilitas “gagal”.
• Setiap percobaan bersifat independen.
• Jumlah percobaan yang merupakan komponen
rangkaian binomial adalah tertentu, dinyatakan
dengan n
 Distribusi frekuensi
• Dalam membuat distribusi frekuensi data yang bersifat kon-tinyu,
data dikelompokkan kedalam kelas-kelas atau interval.
Pengelompokan data dalam kelas-kelas atau interval mempunyai
batas kelas yang disebut dengan batas bawah dan batas atas kelas
atau batas bawah dan batas atas interval. Prosedur untuk
membangun distribusi frekuensi adalah sebagai berikut:
• 1. Tentukan range antara ukuran tertinggi dan ukuran terendah.
adalah 87,0 dan terendah 83,5, dengan demikian range (R) adalah
87,0 - 83,5 = 3,5.
• 2. Langkah berikutnya adalah mengklasifikasikan data kedalam
kelompok data, menandai data yang masuk dalam kelompok dan
menghitung frekuensi dari observasi yang berbeda. tally dari 200
ukuran ketinggiaan dalam bentuk distribusi frekuensi. Jika di plot
frekuensi ukuran, akan terbentuk grafik yang menggambarkan
distribusi frekuensi.
 Rata-rata dan deviasi standar

Dalam penyajian data sering kali data tidak disajikan secara

menyeluruh, tetapi sering disajikan dalam bentuk nilai rata-rata
dan standar deviasi (simpangan baku). Nilai rata-rata dari data
yang tidak terkelompok didefinisikan sebagai jumlah dari data
(ukuran dari karakteristik kualitas ) dibagi dengan banyaknya
data (N). Jika, Xi, X2 .... Xn adalah ukuran karateristik kualitas
maka rata-rata (X ) dapat diperoleh dengan menggunakan rumus
sebagai berikut:

 X 1  X 2  ...  X n  X
X  
N N
Contoh
• Berapa rata-rata panjang aluminium dari
sepuluh panjang aluminium ? panjang
aluminium masing-masing adalah sebagai
berikut: 190, 188, 202, 186, 194, 192, 180,
198, 200, 194 (dalam cm)
• jawab

 190  188  202...  194 1924

X   192,4
10 10
• Simpangan baku atau standar deviasi dari
sekelompok data adalah ukuran
penyimpangan dari tiap observasi terhadap
nilai rata-rata.
Dapat didefinisikan pula sebagai akar dari
jumlah kuadrat dari penyimpangan tiap-tiap
nilai pengamatan dari nilai mean dibagi de-
ngan jumlah pengamatan (n). Simbol standar
deviasi adalah a (sigma). Untuk menghitung
standar deviasi data yang tidak terkelompok
dirumuskan sebagai berikut:
    
( X 1  X )  ( X 2  X )  ( X 3  X )  ...  ( X n  X ) 2
2 2 2

n

( X1  X )2

n

Peta Kontrol
Peta kontrol atau grafik pengendali sangat penting dalam pengendalian
kualitas secara statistik di dalam industri. Peta kontrol merupakan alat
untuk mengawasi kualitas dengan mudah, sehingga mudah untuk
menentukan keputusan apa yang harus diambil jika terjadi produk yang
menyimpang. Peta kontrol ditentukan juga untuk membuat batas-batas
dimana hasil produksi menyimpang dari mutu yang diinginkan. Selain
penyimpangan kualitas, juga banyaknya variasi suatu produk perlu
diawasi. Makin besar varias: tentunya produk kurang baik.
Contoh grafik peta kontrol
TERIMA KASIH