STATISTIKA

KENDALI MUTU
KELOMPOK 6 :

Rezi Kurnia Sari (21037049)

Silvi indrianti (21037056)
Wella Mardofa (21037066)
Wulan Putri Ramadhani (21037068)
 01
Grafik Pengendali
Variabel dan R
Start from day one!
Grafik pengendali variabel adalah grafik pengendali untuk data yang memiliki
karakteristik variabel, Karakterstik variabel : suatu karakteristik yang dapat
diukur dan dinyatakan dalam bentuk ukuran angka. Contoh : panjang, lebar,
tinggi, berat, volume, dll.
Grafik (grafik pengendali mean) : grafik ini membahas tentang perubahan yang
terjadi dalam ukuran titik pusat atau rata-rata dari proses atau grafik pengendali
rata-rata proses.
Grafik R (grafik pengendali rentang) : grafik ini menjelaskan perubahan yang terjadi dalam
ukuran variasi atau perubahan homogenitas produk yang dihasilkan oleh suatu proses.
Grafik ini menghitung rentang atau nilai rentang hasil dari pengurnanan data maksimum
dan data minimum. Jika jarak data terkecil dan terbesar terlalu jauh maka
penyimpangannya akan besar. Tujuannya adalah agar rentangnya tidak terlalu jauh.
Tujuan membuat peta kendali dan R adalah :
- Untuk mengetahui apakan proses produksi keseluruhan maupun per periode dalam
keadaan terkendali sesuai dengan karakteristik mutu yang diukur.
- Untuk mendapatkan batas kendali baru jika terdapat data sampel yang menyebabkan
proses tidak terkendali, sehingga dengan demikian proses produksi akan tetap
terkendali.
Jika Data sampel yang menyebabkan proses tidak terkendali tidak
dimasukkan/dibuang dari perhitungan peta kendali. Peta kendali dan R digunakan
secara bersama-sama karena peta mengendalikan rata-rata proses sedangkan peta R
untuk mengendalikan sebaran proses.
LANGKAH – LANGKAH MEMBUAT GRAFIK PENGENDALI DAN R
A. Persiapan pembuatan peta kendali dan R
1. Menentukan tujuan penggunaan peta kendali dan R
2. Menentukan variabel yang dipetakan
3. Menentukan dasar pembentukan subgroup
4. Menentukan ukuran dan frekuensi subgroup
5. Pembuatan peta kendali dan R
B. Pembuatan peta kendali dan R
1. Mengumpulkan dan mencatat data
Jumlah data umumnya diambil > 100, dimana semuanya harus diambil dari
proses yang sama secara terurut.
Ukuran subgroup  n (ukuran sampel)
Jumlah subgroup  m
2. Menghitung nilai rata-rata untuk tiap subgroup

3. Menghitung nilai R untuk setiap subgroup :

4. Menentukan jumlah subgrups yang diinginkan (k)

5. Menghitung nilai rata-rata (menjadi ) :

6. Menghitung nilai rata-rata jangkauan :

7. Menghitung batas kendali atas dan bawah :
 Batas Tengah (Center Linet)

 Batas Kendali Atas (Upper Control Limit)

 Batas Kendali Bawah (Lower Control Limit)

8. Menghitung batas kendali atas dan bawah R :
 Batas Tengah (Center Linet)

 Batas Kendali Atas (Upper Control Limit)

 Batas Kendali Bawah (Lower Control Limit)

9. Membuat peta kendali dan R

 02

Grafik Pengendali Variabel

dan S
➔ Meskipun grafik 𝑥̅ dan R banyak digunakan, terkadang yang diinginkan
untuk memperkirakan simpangan baku dengan proses secara langsung dan
bukan secara tidak langsung melalui penggunaan rentang R, maka perlu juga
menggunakan peta kendali 𝑥̅ dan s, yang mana s merupakan simpangan baku
sampel.
➔ Secara umum, grafik 𝑥̅ dan s lebih disukai daripada grafik 𝑥̅ dan R, Jika:
1. Ukuran sampel (n) cukup besar, katakanlah n > 10 atau 12 (karena metode
rentang untuk memperkirakan simpangan kehilangan efisiensi statistic untuk
sampel sedang hingga besar.
2. Ukuran sampel (n) bervariasi.
 Pembuatan peta kendali 𝑥̅ dan :
1. Mengumpulkan dan mencatat data
Jumlah data umumnya diambil > 100, dimana semuanya harus
diambil dari proses yang sama secara terurut.
Ukuran subgroup n (ukuran sampel)
Jumlah subgroup m (jumlah sampel)
2. Menghitung nilai rata-rata 𝑥̅ untuk tiap subgroup :

3. Menghitung nilai s untuk setiap subgroup :

4. Menentukan jumlah subgrups yang diinginkan (m)

5. Menghitung nilai rata-rata 𝑥̅ (menjadi 𝑥̿) :

6. Menghitung nilai rata-rata simpangan baku (𝑠̅) :

7. Menghitung batas kendali atas dan bawah :
 Batas Tengah (Center Linet)

 Batas Kendali Atas (Upper Control Limit)

 Batas Kendali Bawah (Lower Control Limit)

8. Menghitung batas kendali atas dan bawah :
 Batas Tengah (Center Linet)

 Batas Kendali Atas (Upper Control Limit)

 Batas Kendali Bawah (Lower Control Limit)

9. Membuat peta kendali dan

 03

Bagian Kendali Chart

Untuk Pegukuran Individu
Bagan kendali individu menggunakan rentang pergerakan dua observasi berturut – turut
sebagai dasar untuk memperkirakan variabilitass proses, rentang pergerakan
didefenisikan sebagai :
MRi = | Xi - Xi – 1 |, i = 2, 3, . . . , m.
- Interpretasi Grafik :
Kehati hatian harus dilakukan dalam menafsirkan pola pada grafik rentang
bergerak. Rentang pergerakan berkorelasi, dan korelasi ini sering kali
menyebabkan pola pergerakan atau siklus pada grafik
Jika kita menggunakan batas tiga sigma konvensional pada grafik untuk
individu dan menghitung batas kendali atas pada grafik rentang pergerakan dari
UCL = D
dimana D dipilih dengan sedemikian rupa sehingga 4
sebab – sebab yang dapat ditentukan, baik 1 dan 2 menghasilkan perkiraan deviasi
standar proses yang bias, misalkan dalam urutan pengamatan obesrvasi individu
x1, x2, . . . , xi+1, . . . , xm
proses terkendali dengan rata – rata dan standar deviasi untuk pengamatan t
observasi, tetapi antara dan ditetapkan untuk melanjutkan rata – rata ke proses yang
baru dan rata- rata tetap pada tingkat baru ini untuk sisa pengamatan sampel + 1, . . . ,
Untuk kondisi berikut, Woodall dan Montgomery (2000 – 01) menampilkan bahwa
E2
Jika 1 < t < m -1, bias dari 1 , akan selalu lebih kecil dibandingkan bias 2. Maka
rasionya adalah :
)2

Jika ada satu observasi yang mempunyai yang mempunyai mean , maka
E2

Dan jika ada pengamatan yang berdekatan, maka

E2
 04

Prosedur Grafik
X, R, dan S
Tabel 6.9 Ringkasan formula untuk grafik , R,
dan s ketika standar valuenya untuk dan yang
diberikan. Dan pada tabel 6.10 memberikan
ringkasan terkait ketikatidak ada nilai standar
yang diberikan dan batas kendali percobaan
harus ditetapkan dari analisis data masa lalu.
Konstanta yang di berikan untuk grafik s
mengasumsikan bahwa n-1 digunakan sebagai
penyebut s. Semua konstanta ditabulasikan
untuk berbagai ukuran.
 05

Pengaplikasian ke
Dalam Software
Contoh kasus : PT. Star Plywood
merupakan perusahaan pembuat
kayu lapis. Produksi plywood
ditetapkan spesifikasi ketebalan dari
produk kayu lapis itu sebesar 2,40
mm ±0.05 mm. Untuk mengetahui
kemampuan proses dan
mengendalikan proses produksi,
maka Departemen Quality Control
melakukan pengukuran terhadap 20
sampel, masing-masing (n) 5 unit.
Data diperoleh sebagai berikut
Langkah Diagram Kontrol Atribut S Chart dengan SPSS
1. Klik Analyze > Quality Control > Control Chart
2. Pilih X-Bar R Chart, S klik Define
3. Masukan variabel tebal kayu lapis ke kolom Process Measurement
4. Masukan variabel sampel ke kolom Subgroup define by
5. Klik tombol Control Rule, pilih All control rules
6. Klik Continue kemudian OK
7. Hasil Diagram kontrol variabel X-Bar S Chart dengan SPSS
Nilai kontrol limitnya adalah

Kontrol limit X Bar adalah LCLx sebesar 2,3543, Center line 2,3886 dan UCLx sebesar
2,4229
Kontrol limit standar deviation adalah LCLs = 0,000, center line 0,0253 dan UCLs sebesar
0,0529.
Pada diagram diatas menunjukan bahwa out of control atau terjadi special cause terlihat pada
sampel 15 (diagram X bar) dan sampel 20 pada diagram standar deviasi. Oleh karena itu
perlu dilakukan pemberhentian proses produksi dan dicari penyebab-penyebabnya.
 05

Contoh Soal Dengan

Cara Manual
Subgr
up x1 x2 x3 x4 Lapisan TiW diendapkan pada substrat menggunakan alat
1 459 449 435 450 sputtering. Tabel E.14 berisi pengukuran ketebalan lapisan
2 443 440 442 442
3 457 444 449 444 (dalam angstrom) pada 20 subkelompok empat substrat.
4 469 463 453 438
5 443 457 445 454 Buatlah peta kendali dan R dan lihat apakah proses
6 444 456 456 457 terkendali secara statistic atau tidak!
7 445 449 450 445
8 446 455 449 452
9 444 452 457 440
10 432 463 463 443
11 445 452 453 438
12 456 457 436 457
13 459 445 441 447
14 441 465 438 450
15 460 453 457 438
16 453 444 451 435
17 451 460 450 457
18 422 431 437 429
19 444 446 448 467
20 450 450 454 454
Subgrup x1 x2 x3 x4

1 459 449 435 450 448,25 24

2 443 440 442 442 441,75 3

3 457 444 449 444 448,5 13

4 469 463 453 438 455,75 31

5 443 457 445 454 449,75 14

6 444 456 456 457 453,25 13

7 445 449 450 445 447,25 5

8 446 455 449 452 450,5 9

9 444 452 457 440 448,25 17

10 432 463 463 443 450,25 31

11 445 452 453 438 447 15

12 456 457 436 457 451,5 21
13 459 445 441 447 448 18
14 441 465 438 450 448,5 27
15 460 453 457 438 452 22
16 453 444 451 435 445,75 18

17 451 460 450 457 454,5 10

18 422 431 437 429 429,75 15

19 444 446 448 467 451,25 23

20 450 450 454 454 452 4

Jumlah 8973,75 333

Rata-Rata 448,69 16,65

Tentukan nilai :

a. Hitung rata-rata dari

b. Hitung rata-rata dari

c. Tentukan nilai A2, D4, dan D3 untuk ukuran subgroup

adalah 4
Ukuran Subgrup A2 D4 D3
4 0,729 2,282 0
d. Tentukan Batas Atas dan Batas Bawah grafik

 Batas Tengah (Center Linet)

 Batas Kendali Atas (Upper Control Limit)

 Batas Kendali Bawah (Lower Control Limit)

e. Tentukan Batas Atas dan Batas Bawah grafik R

 Batas Tengah (Center Linet)

 Batas Kendali Atas (Upper Control Limit)

 Batas Kendali Bawah (Lower Control Limit)

f. Buat grafik kendali dan R
g. Mengatasi data out of control
Cara mengatasi data out of control adalah dengan mengeluarkan data tersebut dari proses. Hasil dari
grafik kendali diperoleh data ke 18 out of control sehingga perlu dilakukan penanganan dengan
mengeluarkan data tersebut dari proses.

Tidak ada lagi nilai atau data yang keluar dari batas kendali. Sehingga dapat disimpulkan bahwa
sekarang proses sudah terkendali secara statistic
 Thanks!
CREDITS: This template has been created by Slidesgo, and includes icons
by Flaticon, infographics & images by Freepik and content by Sandra
Medina

Please keep this slide for attribution