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 Kualitas
• Distribusi Frekuensi
• 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:
    
(X1 X) (X2 X) (X3 X) ...(Xn 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