PENGENDALIAN KUALITAS

Dibuat Oleh :
Hizkia Oswari
Raihan Tholib
Febi Ferdiansyah
 REVOLUSI INDUSTRI

Quality : Quality :

- performance - kepemimpinan

- kebanggaan - komitmen

Pionir Penggunaan teknik statistik

Quality :
- objectif ~ performance simultan
- subjectif ~ konsumen

Quality :
•  ongkos pemeriksaan

 ongkos penolakan
• keuntungan  ( jumlah produksi  )
• keseragaman kualitas
•  sebaran toleransi
Konsep PDCA

Mengaitkan :
• kepuasan konsumen
• SQC
• “respect” terhadap SDM ~ skill
RANTAI REAKSI DEMING

Q Biaya  : Produktivitas 
- pekerjaan diulang 
- keterlambatan 
- penggunaan mesin 

Pangsa pasar 
( Q  , Price  )

Stay in
Jobs opportunity 
business
 TRILOGI :
• Q planning
• Q control
• Q improvement

Q planning :
• menentukan konsumen
• menentukan kebutuhan konsumen
• mengembangkan produk = f (kebutuhan)
•mengembangkan proses = f ( produk)
Q control :
• evaluasi produk
• membandingkan dengan tujuan
• perbaikan

Q improvement
• infrastruktur
• melihat kemajuan yang dicapai
• motivasi tim
 Manajemen kualitas :
• uncertainty
• awakening
• enlightment
• wisdom
•certainty

4 filosofi :
• Q ~ kebutuhan
• Q ~ pencegahan
• “zero defect”
• pengukuran kualitas  ketidaksamaan 

kebutuhan

Tujuan industri ~ persaingan

• produk/jasa berkualitas
• economical cost (desain, produksi, market)
• kebutuhan konsumen berubah
 Sistem efektif untuk integrasi usaha
Q development, Q maintenance dan
Q improvement

Memasukkan “pendekatan sistem” dalam kajian

kualitas ~ KESATUAN ANTAR BAGIAN

Mengubah “image” produk Jepang

( murah dan cepat rusak)
• Orang Jepang :
- pekerja keras
- tidak cepat putus asa
- saling menolong
- rasa kebangsaan tinggi

• faktor pembeda dengan QC barat :

- partisipasi seluruh anggota
- pendidikan dan latihan aktif
- QC circle aktif dan QC audit
- penggunaan SQC
- diterima secara nasional
Memasukkan faktor engineering untuk menurunkan
gangguan proses sehingga dapat meningkatkan
keuntungan

“ zero defect”
 action Check and
feedback

cause
defects

Error, check, action

PENGGUNAAN 7 OLD TOOLS :
(KAORU ISHIKAWA)
•check sheet,
•histogram,
•cause - effect diagram,
•scaterred diagram,
•stratification,
• pareto diagram,
•Control chart
SAMURAI WITH SEVEN PORTABLE
WEAPONS
 Hoyo (Hood) Kabuto (Helmet)

Gusoku (armor)

Tachi (long sword) Yumi (bow)

Katana (sword)

Ya (arrow)

7
 CHECK SHEET
Fungsi

Menyajikan data yang berhubungan dgn :

• Distribusi proses produksi

• Defective item

• Defective location

• Defective cause

• Check up confirmation
 CHECK SHEET
Date :
Product : Plant :
Usage : Dept. :
Specification : Inspector :
Inspection number Lot No. :
:
Lot Size :
Supplier :
Measurement unit
:

Weight (g) Tally Frequency

Total
 HISTOGRAM
1. Guna : menyajikan data secara visual sehingga lebih mudah
dilihat oleh pelaksanan
2. Mekanisme :
1. Kumpulkan data pengamatan (N)
 data : minimum   rumus statistik
 tentukan
2. Pilih harga maksimum & minimum
a) Susun data dalam baris & kolom
b) Pilih angka max. Tiap baris
c) Pilih angka min. tiap baris
d) Tentukan max & min dari keseluruhan
3. Hitung range ( R ) = max  min
4. Tentukan jumlah kelas ( K )
K = f(R) = 1 + 3.3 log R
Atau
K= N
atau
K = 10 ~ tentukan
5. Tentukan kelas interval ( KI)
KI = R/K
6. Tentukan batas bawah KI terendah
BB = min – KI/2
7. Tentukan BB, batas atas dan setiap nilai kelas

KI

K?

min max
NT

8. Kelompok data setiap kelas = f(data) nyatakan “tally – mark”

9. Hitung f ( frekwensi )
X (minus, 0, plus)
10. Hitung rata-rata & tandar deviasi
 Gambarkan histogram dari data berikut ini :
Data max min
12 11 12.5 14 13.5 14 11
11 11.5 12 18 19 19 11.5
11 12 12 11.5 13 13 11
14 15 12 11 18 18 11
13 12 14.5 13.5 14.5 14.5 11.5
9 10.5 9.5 10.5 11 11 9
10 11 12 13 14 14 10
14 13.5 15 16 17 17 13.5
11 12 12 11.5 10 12 10

• R = max  min = 19  9 (19 – 9 = 10)

• K = N = 50/7  7,…. 8 ~ 10
• KI = R/K = 10/7 = 13/7  1.5 ~ 1
• BB = 9 – 1.5/2 = 8.25 ~ 8.5
• BA = 8.25 dst untuk setiap kelas. ~ 9.5
Batas Kelas NT Tallies
8.25 – 9.75 9 II 2
9.75 – 11.25 10.5 IIII IIII 10
11.25 – 12.75 12 …… 17
12.75 – 14.25 13.5 …… 11
14.25 – 15.75 15 …… 5
15.75 – 17.25 16,5 …… 2
17.25 – 18.75 18 …… 2
18.75 – 20.25 19.5 …… 1
50
X
f
17

10 11
5
2 2 2 1  10

8.25 20.25
X = 12.78 , SD = 2.31
 DIAGRAM PARETO
~ Petunjuk hierarki kepentingan persoalan cacat produk

~ Mekanisme
1. Buat klasifikasi cacat
2. Tentukan absis~ordinat
3. Buat diagram  % jumlah cacat
Kumulatif % cacat

a b c d e
~ manfaat
• membuat orang mau bekerja sama
• dampak perbaikan besar
• identifikasi tujuan terpilih
 Pareto Diagram

Catatan produk cacat

Date : Jumlah yang diinspeksi N = 2160
Defective Item Number of Defectives Per cent Defective Per cent of Compodition
Head defective (Hd) 99 4.6 % 47.4 %
Material defectives (Md) 13 0.6 % 6.2 %
Bolt defectives (Bd) 52 2.4 % 24.9 %
Corner defectives (Cd) 9 0.4 % 4.3 %
Length defectives (Ld) 36 1.7 % 17.2 %
209 9.7 % 99.9 %

(jumlah) 200 100 (%)

75
Jumlah cacat

100
50

25

0
0 Hd Bd Ld Md Cd
 C.E. DIAGRAM
DIAGRAM
~ MANFAAT :
• mengarahkan diskusi faktor sebab dominan
• petunjuk pengumpulan dan pencatatan data
• menunjukkan kemampuan pekerja

Menggambarkan hubungan sebab~akibat

~ GUNA
• menganalisa kondisi aktual
 perbaikan mutu
 efisiensi sumber daya
  biaya
• eliminasi kondisi ~ cacat / keluhan konsumen
• standarisasi
TAHAPAN
1. Kelompok analisa masalah
2. Anak panah
3. “tulang”  penyebab
sebelah kanan  masalah mutu
4. Identifikasi
5. evaluasi
CONTOH
“ Sangat sulit mengontrol kualitas pada saat proses berlangsung
karena banyak sekali faktor yang mempengaruhi kualitas dan
faktor-faktor tersebut saling terkait ”

IDE
Cari hubungan antar faktordengan cara mencari hubungan sebab
akibatnya dengan tanda panah sbb :
Moisture content (m)
Steam pressure (P)
Reaction Liquid
temperature (t)
Yield (y)

1. Yield (y) dipengaruhi oleh moisture content ‘m’.

2. The content ‘m’ dipengaruhi oleh reaction liquid temp. (t).
3. The temperature ‘t’ dipengaruhi oleh steam pressure ‘P’.
Cara membuat CE Diagram
Step 1. Tentukan karakteristik
Yield (y)
Step 2. Tuliskan pada sebelah kanan. Gambarkan panah dari arah
kiri ke arah kanan.
Yield (y)

Step 3. Buatlah daftar semua faktor yang mempengaruhi

karakteristik tersebut ( di lembar kertas lain)
(Brain Storming)
• Temp. of solution
• Crystalization hours
• Moisture content

Step 4. Temukan hubungan sebab akibat antar faktor. (relation of

perents-children).
Ex. Temp. of solution effects reaction.
Step 5. Tulis faktor utama yang menyebabkan terjadinya karakteristik
tersebut. Biasanya per tahapan proses.

Raw material Raw material Raw material Raw material

Yield (y)

Catalyzer Transportation Moisture content

Step 6. Pada setiap cabang tulis secara rinci faktor yang mempengaruhi
terjadinya karakteristik tersebut.

Raw material Raw material Raw material Raw material

Yield (y)
Temp.

Steam Pressure

Catalyzer Transportation Moisture content

Step 7. Lanjutkan langkah 6 sampai semua sebab terjadinya
karakteristik tersebut tergambar pada diagram

Step 8. Lihat kembali dan tambahkan bila perlu faktor lain yang
belum ada padadiagram
 SCATTERED DIAGRAM
~ MANFAAT :

• mengarahkan diskusi faktor sebab dominan

• petunjuk pengumpulan dan pencatatan data
• menunjukkan kemampuan pekerja

Melihat hubungan antar faktor

No. Reaction Temperature Yield Y (%)
1 72.5 91.1
2 73.8 90.8
3 73.2 90.8
4 72.1 91.3
5 73.0 91.0
6 73.0 90.6
7 74.3 90.6
8 71.5 91.6
9 72.9 91.2
10 73.6 90.8
11 74.2 90.8
12 74.9 90.3
13 73.7 91.0
14 72.1 91.5
15 74.3 90.5
16 74.5 90.7
17 72.8 91.4
18 73.7 90.5
19 72.8 90.9
20 72.0 91.3
21 73.1 91.4
22 73.5 91.2
 LELUCON : Bagaimana bayi lahir ? Burung bangau yang
membawa bayi

X
X
X
X
Population in Paris

X
X

The Number of Stork’s Nest in Paris

 STRATIFIKASI
~ MANFAAT :

• mencari penyebab utama faktor kualitas

• memisahkan data (kategorisasi) sesuai dengan
kelompok datanya
• memudahkan pengambilan keputusan  peta kontrol
• mempelajari secara menyeluruh masalah yang dihadapi
 Stratifikasi kategorisasi

Mencari faktor penyebab utama

Mud stratum
Ilustrasi :
Sand stratum

Stone stratum

Rock
Contoh : analisa produk cacat distratifikasi berdasarkan penemuan operatornya.
N=200
Operators Production (in pieces) Defectives (Pieces) Defective Percentage
Tanaka 75 20 26.7 %
Sato 62 12 19.4 %
Kohmo 63 8 12.7 %
Total 200 40 20.0 %
Statify the defectives by the material suppliers
Suppliers Production (in pieces) Defectives (Pieces) Defective Percentage

Asahi chemical 124 26 21.0 %

Co.

Yuhi Chemical 76 14 18.4 %

Co

Total 200 40 20.0 %

 PETA KONTROL
~ MANFAAT :
• mengendalikan proses
• kecenderungan proses
• identifikasi kebutuhan konsumen

pH 
 
     
  
  

t
 GAFIK
GAFIK KENDALI
KENDALI
Grafik yang dilengkapi garis-garis kendali
~garis kendali atas (UCL)
~garis pusat (CL)
~garis kendali bawah (LC)

 Grafik kendali X – R
 Grafik kendali P
GRAFIK KENDALI ~ proses normal / tidak normal

 semua titik terkendali

 “RUN”  tidak ada bentuk ‘khas’
 “trend”
 “periodicity”
 “hugging of the control line
PENGGUNAAN SEVEN NEW TOOLS:
(MIZUNO DAN YOJI AKAO)

- RELATION DIAGRAM
- AFFINITY DIAGRAM
- SYSTEMATIC DIAGRAM
- MATRIX DIAGRAM
- MATRIX DATA ANALYSIS
- PROCESS DECISION PROGRAM CHART
- ARROW DIAGRAM
KONSEP TQC :
• Q first
• consumer orientation
• the next process is your customer
• using facts and data ( statistics)
• respect for humanity
• cross functional management
 STATISTICAL PROCESS CONTROL (SPC)
• Control chart (Peta kontrol):
Metoda grafis untuk memonitor aktivitas dari suatu proses yang
sedang berlangsung (Disebut juga ‘Peta Kontrol Shewart).
 Garis vertikal memuat karakteristik kualitas yang akan
dimonitor
 Garis horizontal memuat sampel atau ukuran sampel (group)
 Garis sentral (center line) memuat nilai rata-rata dari
karakteristik
 Garis batas atas (upper control limit) dan garis batas bawah
(lower control limit) dibuat untuk membuat keputusan:
Rule 1: Suatu Proses diasumsikan keluar dari kontrol jika sebuah titik plot berada
diluar batas kontrol atas dan kontrol bawah.

Rule 2: Suatu proses diasumsikan akan keluar dari kontrol jika dari tiga t
titik plot yang berurutan terdapat 2 titik plot berada di luar batas
kontrol 2 (warning limit) pada sisi yang sama.

Rule 3: Suatu proses diasuksikan akan keluar dari kontrol jika dari lima titik plot
yang berurutan terdapat empat titik plot yang melewati batas kontrol 1 pada sisi
yang sama.

Rule 4: Suatu proses diasumsikan akan keluar dari kontrol jika delapan atau lebih
titik plot yang berurutan berada di satu sisi dari center line.

Rule 5: Suatu proses diasumsikan akan keluar dari kontrol jika delapan atau lebih
titik plot yang berurutan berada di atas atau di bawah center line.
- Dasar Statistika Dalam Peta Kontrol
* Distribusi Normal
* Populasi, sampel, mean, standar deviasi

X bar = Σ Xi/√n

xbar = /√n
BATAS-BATAS KONTROL

• CL = E (θ bar)
• UCL = E (θ bar) + k SD (θ bar)
• LCL = E (θ bar) – k SD (θ bar)
Dimana:
- θ merupakan karakter kualitas
- θ bar merupakan estimator θ
- SD = standar deviasi
- K = jumlah SD statistik sampel dari center line
 PETA KONTROL VARIABEL
PETA X-Bar dan R-Bar
* Digunakan untuk memantau proses yang mempunyai
karakteristik bersifat kontinyu (data variabel) berdasarkan rata-
ratanya, dengan asumsi ukuran contoh (n) kecil.

• PETA X bar 3
CL = X double bar
UCL = X double bar + A2 R bar
LCL = X double bar – A2 R bar

 PETA R 3
CL = R bar
UCL = D4. R bar
LCL = D3. R bar
PETA KONTROL X-Bar dan S
* Digunakan untuk memantau proses yang mempunyai
karakteristik bersifat kontinyu (data variabel)
berdasarkan rata-ratanya, dengan asumsi ukuran contoh
(n) besar.
• PETA X Bar 3
CL = X double bar
UCL = X double bar + A3 S bar
LCL = X double bar – A3 S bar

 PETA S 3
CL = S bar
UCL = B4 S bar
LCL = B3 S bar
PETA KONTROL X bar dan MR
* Digunakan untuk memantau proses yang mempunyai
karakteristik bersifat kontinyu (data variabel) berdasarkan rata-
ratanya, dengan asumsi ukuran contoh (n) = 1.

• PETA X bar 3
CL = X bar
UCL = X bar + 2,66 MR bar
LCL = X bar – 2,66 MR bar

• PETA MR 3
CL = MR bar
UCL = D4 MR bar = 3,267 MR bar
LCL = D3 MR bar = 0
 PETA KONTROL ATRIBUT
PETA P 3
* Digunakan untuk mengukur proporsi ketidak sesuaian dari
iyem-item dalam kelompok yang sedang diinspeksi, untuk n
konstan atau berubah (variable).

CL = P bar
UCL = P bar + 3Sp
LCL = P bar – 3 Sp

Sp = √{P bar (100 – P bar) /n} ATAU

Sp = √ {P bar (1 - P bar} /n}
PETA np 3

* Digunakan untuk mengukur proporsi ketidak sesuaian dari

iyem-item dalam kelompok yang sedang diinspeksi, untuk n
konstan.

CL = np bar
UCL = np bar + 3Snp
LCL = np bar – 3 Snp

Sp = √ {np bar (1 - P bar)}

 PETA c

* Digunakan untuk mengukur cacat terhadap spesifikasi-

spesifikasi dari suatu item dengan ukuran contoh (n) yang
konstan

CL = c bar
UCL = c bar + 3 Sc
LCL = c bar – 3 Sc

Sc = √c bar
PETA u

* Digunakan untuk mengukur cacat terhadap spesifikasi-

spesifikasi dari suatu item dengan ukuran contoh (n) > 1,
baik konstan atau berubah (variable).

CL = u bar
UCL = u bar + 3 Su
LCL = u bar – 3 Su

Su = √u bar/n
 ACCEPTANCE SAMPLING PLAN
• MANFAAT SAMPLING:
- Meminimasi kerugian, untuk inspeksi yang merusak
- Lebih ekonomis untuk inspeksi dengan biaya tinggi,
waktu yang lama dan sumberdaya yang terbatas
- Dapat mengurangi kesalahan inspeksi oleh inspektor
- Memperkuat motivasi untuk meningkatkan kualitas,
karena setiap anggota lot/batch mungkin ditolak
KELEMAHAN SAMPLING

- Adanya resiko menolak lot-lot yang sebenarnya baik (the

producer’s risk) atau menerima lot-lot yang sebenarnya jelek
(the consumer’s risk).
- Berkurangnya informasi tentang produk secara
keseluruhan.
- Seleksi dan pelaksanaan rencana sampling membutuhkan
lebih banyak waktu dan usaha untuk perencanaan dan
dokumentasi
TIPE RENCANA SAMPLING

1. SINGLE SAMPLING PLAN

2. DOUBLE SAMPLING PLAN

3. MULTIPLE SAMPLING PLAN

SINGLE SAMPLING PLAN

• Satu sample yang digunakan untuk

memutuskan menerima atau menolak lot.
• Terdiri dari parameter n (ukuran sampel) dan c
(jumlah item cacat yang menjadi dasar
penerimaan)
• Contoh: N = 4000
n = 100
c=2
• Artinya:
Suatu sampel acak berukuran 100 diambil
dari 4.000 populasi. Jika jumlah item cacat
kurang dari atau sama dengan 2 maka lot
diterima, tetapi kalau lebih dari 2 maka lot
ditolak.
DOUBLE SAMPLING PLAN
• Meliputi pembuatan keputusan menerima lot, menolak lot,
atau mengambil sampling kedua. Jika hasil sampling
pertama dianggap ‘bagus’ maka lot diterima, jika hasil
sampling pertama ‘jelek’ maka lot tersebut ditolak, dan jika
berada diantara dua kondisi itu maka dilakukan sampling
kedua. Kesimpulan double samping plan diambil
berdasarkan kombinasi jumlah item cacat pada kedua
sampling.
• Parameter yang digunakan: n1 (ukuran sampel perta-ma), n2
(ukuran sampel kedua), c1 (jumlah penerima-an sampel
pertama, c2 (jumlah penerimaan sampel ke-dua), r1 ( jumlah
penolakan sampel pertama, r2 (jumlah penolakan sampel
kedua).
• Contoh:
N = 5.000 n1 = 40 n2 = 60
c1 = 1 c2 = 5
r1 = 4 r2 = 6

Artinya:
Pertama dipilih 100 unit sampel dari 5.000 populasi
secara acak, jika terdapat ≤ 1 item cacat maka lot
diterima, jika terdapat ≥ 4 item cacat maka lot ditolak,
jika cacat 2 atau 3 item maka dilakukan sampling
kedua, diambil 60 sampel. Jika kombinasi item cacat
sampling 1 dan 2 ≤5 maka lot diterima, jika ≥ 6 maka
lot ditolak.
MULTIPLE SAMPLING PLAN
• Tiga, empat, lima, atau lebih sampel yang digunakan untuk
memutuskan menerima atau menolak lot.
• Biasanya memiliki nilai ni yang sama dan cenderung kecil.
• Jika sampel pertama ‘bagus’ maka lot diterima, jika ‘jelek’
maka ditolak, jika diantarannya maka diambil sampel
kedua. Jika kombinasi sampel 1 dan 2 ‘bagus’ maka lot
diterima dan jika ‘jelek’ maka ditolak, jika diantaranya
diambil sampel ketiga, dan seterusnya.
Contoh:
N = 4.000 n1 = 20 n2 = 20 n3 = 20
c1 = 0 c2 = 1 c3 = 4
r1 = 3 r2 = 4 r3 = 5

Artinya:
Pertama dipilih 20 unit sampel dari 4.000 populasi secara
acak, jika tidak item cacat maka lot diterima, jika terdapat
≥ 3 item cacat maka lot ditolak, jika cacat 1 atau 2 item
maka dilakukan sampling kedua, diambil 20 sampel. Jika
kombinasi item cacat sampling 1 dan 2 ≤1 maka lot
diterima, jika ≥ 4 maka lot ditolak, jika item cacat 2 atau 3
dilakukan sampling ketiga. Jika kombinasi cacat sampling
1,2,3 ≤ 4 maka lot diterima, jika ≥ 5 maka lot ditolak