Modul 9 Statistik Proses Control

MODUL 9: Statistik Proses kontrol
171

Modul Ajar Statistik Bisnis :
Analisis terhadap Kasus-Kasus
Bisnis

MODUL 9
STATISTIK PROSES KONTROL

STANDARD KOMPETENSI :
Setelah mempelajarai modul 9, mahasiswa dapat memahami statistik
Proses Kontrol dengan metode Diagram kontrol (control chart) dan Diagram Pareto
(pareto chart )

INDIKATOR
1. Mahasiswa dapat mendeskripsikan statistik Proses Kontrol
2. Mahasiswa dapat membuat Diagram Kontrol (control chart)
3. Mahasiswa dapat membuat Diagram Pareto (pareto chart)
MATERI POKOK :
1. Statistik Dan Proses Kontrol
2. Konsep Kualitas
3. Konsep Dasar Pengendalian Kualitas
4. Tujuan pengendalian kualitas
5. Diagram Kendali
6. Diagram Nilai Individu
7. Diagram X dan Diagram R
8. Diagram P dan Diagram C
9. Diagram Pareto (Pareto Chart)

172

Agus Sukoco
Santirianingrum Soebandhi
URAIAN MATERI
STATISTIK PROSES KONTROL
PENDAHULUAN
Dalam era modern, faktor kualitas adalah merupakan unsur yang mutlak
pada setiap produk dan jasa yang dihasilkan oleh perusahaan. Peran statistik
dalam mengukur kualitas banyak diterapkan didalam dunia bisnis dan industri.
Dengan metode statistik, pengukuran kualitas dapat dilakukan secara kuantitatif
sehingga dapat digunakan sebagai bahan yang representatif dalam pengambilan
keputusan.
Penggunaan statistik dalam proses kontrol semakin berkembang luas
dengan dikembangkannya software untuk statistik seperti SPSS (Statistical Package
for the Social Sciences) yang mana sudah terdapat fasilitas menu khusus yaitu
menu quality control dengan sub menu control chart dan pareto chart. Dalam
pembahasan materi dan soal pada modul ini dilengkapi dengan penggunaan SPSS
dalam perhitungan dan analisa contoh soal, sehingga para pengguna modul dapat
meyakini bahwa perhitungan dengan manual dan persamaan adalah serupa
dengan perhitungan dan hasil ketika menggunakan SPSS, karena kemungkinan
besar para pelaku bisnis akan menggunakan SPSS untuk analisa atas berbagai
aplikasi di segmen bisnis masing-masing. .
Statistik proses kontrol adalah Ilmu yang mempelajari tentang
teknik/metode pengendalian kualitas berdasarkan prinsip prinsip dan konsep
statistik

173

Bisnis

Gambar 9.1. Rangakaian Proses Produksi
Gambar diagram 9.1 adalah gambar rangkaian suatu proses produksi,
dimana salah satu fungsi dari proses produksi adalah Pengendalian Proses.
Pengendalian Proses dilakukan dengan metode Pengendalian Kualitas Statistik
yang dikenal dengan istilah Statistik proses kontrol .
Statistik proses kontrol dalam proses produksi diterapkan dalam proses
quality control (QC). Tujuan dari diadakannya quality control dalam suatu proses
adalah sebagai berikut:
a. Evaluasi produk
b. Membandingkan dengan tujuan
c. Perbaikan
Tujuan yang akan diharapkan dengan adanya quality control dalam suatu
proses adalah menjaga dan meningkatan kualitas yang mempunyai efek pada
penurunan biaya, berkurangnya pekerjaan berulang, penurunan keterlambatan
dan peningkatan penggunaan mesin. Dengan demikian akan berefek pada
produktivitas meningkat, pangsa pasar meningkat karena faktor kualitas, harga
yang rendah dan jumlah barang yang meningkat. Dan pada akhirnya akan
memberikan efek pada keberlanjutan usaha dan perkembangan perusahaan.
Beberapa teknik statistik yang banyak digunakan dalam statistik proses
kontrol adalah Diagram Kendali
- Diagram Nilai Individu
- Diagram X
174

Agus Sukoco
- Diagram R
- Diagram P
- Diagram C
- Diagram Pareto (Pareto Chart)
Dalam modul ini akan membahas konsep kualitas dan teknik- teknik
statistik dalam proses kontrol dengan menggunakan diagram kontrol dan diagram
pareto.

KONSEP KUALITAS
Kualitas pada dasarnya adalah ukuran tingkat kesesuaian barang/ jasa dg
standar/spesifikasi yang telah ditentukan/ ditetapkan. Berikut adalah pendapat
beberapa ahli tentang kualitas, sebagai berikut:
1. (Ariani, 2004: 3) Ada dua segi umum tentang kualitas yaitu, kualitas
rancangan dan kualitas kecocokan. Semua barang dan jasa dihasilkan
dalam berbagai tingkat kualitas.
2. Crosby (1979) Kualitas adalah kesesuaian dengan kebutuhan yang meliputi
availability, delivery, realibility, maintainability dan cost effectivenes.
3. Elliot (1993) Kualitas adalah sesuatu yang berbeda untuk orang yang
berbeda dan tergantung pada waktu dan tempat atau dikatakan sesuai
dengan tujuan yang disengaja, maka dari itu istilah teknik yang sesuai
adalah kualitas rancangan.
4. Feigenbaum (1991) Kualitas merupakan keseluruhan karakteristik produk
dan jasa yang meliputi marketing, engineering, manufacture, dan
maintenance, dalam mana produk dan jasa tersebut dalam pemakaianya
akan sesuai dengan kebutuhan dan harapan pelanggan.
5. Garvin (dalam Bounds, et.al., 1994 : 46-84; Lovelock, 1944 : 101-107),
Membagi pendekatan modern terhadap kualitas ke dalam empat era
kualitas, yaitu inspeksi, pengendalian kualitas secara statistik, jaminan
kualitas, dan manajemen kualitas strategik.

175

Bisnis

KONSEP DASAR PENGENDALIAN KUALITAS
Konsep dasar penggunaan statistik untuk pengendalian kualitas, bermula
dari berbagai kajian dan eksperimen beberapa ahli statistika. Dr. Waiter Shewhart
ilmuwan pada Laboratonum Bell, yang dipublikasikan tahun 1924. prinsip-prinsip
pengendalian mutu secara statistik mulai dikenal. Dr. Shewhar dan rekan-rekannya
mengembangkan diagram-diagram pengendalian selama 1920-1930. Dr. Waiter
Shewhart menggunakan hukum-hukum probabilitas dan statistik untuk
menggambarkan bagaimana suatu variasi mempengaruhi ukuran-ukuran sampel
bagi produk- produk manufaktur, yaitu:
1. Bila suatu barang atau jasa yang diproduksi outputnya akan serupa
(similar) tetapi tidak sama (identical).
2. Adanya variasi adalah merupakan hal yang normal dan wajar.
3. Tidak ada dua benda yang benar-benar sama. Namun Shewhart
menganggap terdapat dua variabilitas yaitu variabilitas yang berada
dalam batas-batas yang ditentukan dan variabilitas yang berada di Iuar
batas-batas.
4. Dia mengamati bahwa data tidak selalu memberikan kepastian mengenai
pola yang "normal". Sehingga dari ketidak konsistenan yang ditunjukkan
data, dia menyimpulkan bahwa meskipun dalam setiap proses selalu
dihasilkan variasi pada proses yang menghasilkan variasi terkendali
(controlled variation) dan ada proses yang menghasilkan variasi tak
terkendali (uncontrolled variation).

VARIASI TERKENDALI (CONTROLLED VARIATION)
Adalah suatu variasi variasi karena sebab-sebab biasa (common-cause)
yaitu varasi yang terjadi secara alamiah dan merupakan suatu hal yang inheren
dan terkirakan dalam setiap proses yang stabil yang menghasilkan barang produksi
atau jasa. Variasi yang dapat diterima dan diizinkan seperti itu dapat dikaitkan
Jumat..?
176

Agus Sukoco
dengan sebab-sebab yang acak atau "kebetulan". Perhatikan gambar 8.2 di
bawah ini:

Gambar 9.2. Gambar pola variasi Terkendali
Gambar 9.2. menunjukkan proses stabil dan terkendali meskipun ada variasi di
sekitar ukuran pemusatan yang terjadi setiap hari. Terlihat kecenderungan bahwa
pola variasi yang sama yang telah terjadi sebelumnya akan muncul di hari Jumat.

Hal-hal yang dapat digolongkan sebagai penyebab biasa (common-cause)
yang dapat mengakibatkan terjadinya variasi dalam suatu proses manufaktur
adalah :
1. Kualitas dari material yang digunakan.
2. Tingkat penguasaan/ keterampilan operator mesin.
3. Desain dari mesin-mesin.

VARIASI TAK TERKENDALI (UNCONTROLLED VARIATION)
Variasi tak terkendali (uncontrolled variation) adalah variasi karena sebab-
sebab khusus (special-cause). variasi yang terjadi bila suatu kejadian tidak normal
masuk ke dalam suatu proses dan menghasilkan perubahan yang tidak diharapkan
dan tidak diperkirakan sebelumnya. Variasi ini tidak dapat lagi dikaitkan dengan
sebab-sebab yang acak atau "kebetulan". Perhatikan gambar 9.3 di bawah ini:

Kamis
Rabu
Selasa
Senin
Jumat..?

177

Bisnis

Gambar 9.3. Gambar pola variasi tak Terkendali
Gambar 9.3 menunjukkan proses tidak terkontrol dan variasinya tidak dapat
diperkirakan. Variasi pada hari Jumat tidak dapat diantisipasi sebelumnva.
Hal-hal yang dapat dimasukan sebagai penyebab khusus misalnya adalah:
1. Putusnya aliran listrik,
2. Mesin yang sudah tidak tersetel dengan haik.
3. Bidang keterampilan pekerja yang berlain-lainan
Menurut Maleyeff (1994), pengendalian kualitas statistik mempunyai
cakupan yang lebih luas karena didalamya terdapat pengendalian proses statistik,
pengendalian produk (acceptance sampling), dan analisis kemampuan proses.
(Ariani, 2004: 54).

TUJUAN PENGENDALIAN KUALITAS
Tujuan dari pengendalian kualitas adalah menyidik dengan cepat sebab-
sebab terduga atau pergeseran proses sedemikian hingga penyelidikan terhadap
proses itu dan tindakan pembetulan dapat dilakukan sebelum terlalu banyak
produk yang tidak sesuai dengan standar produk yang diinginkan. Tujuan akhir
dari pengendalian kualitas adalah menyingkirkan variabilitas dalam suatu proses.
(Montgomery, alih bahasa Zanzawi, 1990:120).

Kamis
Rabu
Selasa
Senin
178

Agus Sukoco
STATISTICAL PROSES CONTROL DAN ACCEPTANCE SAMPLING
Pengendalian kualitas statistik (statistical quality control ) secara garis
besar digolongkan menjadi dua, yaitu
1. Pengendalian proses statistik (statistical proses control) atau yang sering
disebut dengan control chart
2. Rencana penerimaan sampel produk atau yang sering dikenal dengan
acceptance sampling.
dalam modul ini yang akan dibahas adalah untuk point 1 yaitu Pengendalian proses
statistik (statistical proses control)

Gambar 9.4. Diagram Pengendalian kualitas secara Statistik
Dari gambar 9.4. diatas tampak bahwa pengendalian kualitas proses dan
produk juga dapat dibagi dua golongan menurut jenis datanya, yaitu data variabel
dan data atribut. Data variabel memberikan lebih banyak informasi dari pada data
atribut. Namum demikian, data variabel tidak dapat digunakanuntuk mengetahui
karakteristik kualitas seperti banyaknya kesalahan atau persentase kesalahan
suatu proses. Data variabel dapat menunjukan seberapa jauh penyimpangan dari
standar proses, sementara data atribut tidak dapat menunjukan informasi
tersebut (Ariani, 2004: 58)
Pengendalian
Kualitas Statistik
Pengendalian
Kualitas Proses
Statistik (control
Chart)
Data Variabel Data Atribut
Rencana
Penerimaan
Sampel Produk
Data Variabel Data Atribut

179

Bisnis

DIAGRAM KENDALI (CONTROL CHART)
Diagram kendali juga disebut diagram kendali proses atau diagram
kendali mutu. Diagram kendali pada dewasa ini digunakan dengan sangat luas
yaitu untuk mendeteksi variasi yang terkendali dan variasi yang tidak terkendali.
Sehingga sekaligus dapat memonitor suatu proses.
Diagram kendali adalah suatu tampilan grafik (graphic display) yang
membandingkan data yang dihasilkan oleh proses yang sedang berlangsung saat
ini terhadap suatu batas-batas kendali yang stabil yang telah ditentukan dari data-
data unjuk-kerja (performance data) sebelumnya.
Diagram kendali berfungsi sebagai suatu alat untuk mengkomunikasikan
informasi mengenai unjuk kerja sebuah proses antara kelompok produksi antara
supplier atau antara operator mesin.

JENIS-JENIS DIAGRAM KENDALI
Beberapa jenis diagram kendali antara lain adalah:
1. Diagram kendali untuk nilai atau pengamatan individual
2. Diagram kendali rata-rata (mean) dari sub kelompok (subgroups)
3. Diagram kendali kisaran (range) dari sub kelompok
4. Diagram kendali proporsi cacat (proportion of defects) dalam sub-sub
kelompok

UNSUR-UNSUR DIAGRAM KENDALI
Unsur-unsur yang dimiliki dalam diagram Diagram Kendali adalah sebagai
berikut:
1. Batas Kendali Atas (Upper Control Limit/UCL)
2. Garis Tengah (Center Line/CL)
3. Batas Kendali Bawah (Lower Control Limit/LCL)
Berikut ini adalah contoh sebuah diagram kendali dalam suatu proses produksi.

180

Agus Sukoco

Gambar 9.5. Contoh diagram kendali
Garis tengah (Center Line/CL) bersesuaian dengan mean populasi yang
diperkirakan dari nilai yang diamati dalam proses. Daerah antara batas kendali
atas (UCL) dan batas kendali bawah (LCL) menunjukkan variasi yang terkontrol.
Namun jika pengamatan berada di luar daerah lersebut (di atas UCL atau di bawah
LCL) hal ini menunjukkan terdapatnya suatu variasi yang tak terkontrol atau
variasi karena sebab khusus.

LANGKAH-LANGKAH PENGGUNAAN DIAGRAM KENDALI
Beberapa langkah-langkah berikut adalah bisa dilaksanakan untuk memper-mudah
dalam menggunakan diagram kendali yaitu:
1. Nyatakan hipotesis nol (H0,) dan hipotesis altematif (H1):
H
0
: Proses terkendali secara Statistik
H
1
: Proses tidak terkendali secara statistik
2. Tentukan Tingkat Kepentingan (Level of Significance?),alfa ()
Dalam hal ini harus ditentukan resiko kesalahan menolak H
0
yang
disimbolkan alfa (). Untuk prakteknya yang sering digunakan adalah nilai
alfa, = 0,025
3. Tentukan diagram kontrol dan distribusi pengujian (test distribution).

181

Bisnis

Dalam prakteknya yang sering digunakan adalah distribusi normal atau
distribusi binomial
4. Definisikan daerah penolakan (atau daerah kritis):
Ini dilakukan dengan menentukan Batas Kendali Atas (Upper Control
limit/UCL) dan Batas Kendali Bawah (Lower Control Limit/LCL)
5. Nyatakan aturan pengambilan keputusan.
Aturannya adalah tolak H
0
dan terima H
1
jika terdapat satu atau lebih
data-data yang berada di luar batas-batas kendali.
6. Masukan data pada diagram kendali.
7. PengambiIan keputusan secara statistik

DIAGRAM KONTROL INDIVIDUAL
Diagram Nilai Individu adalah diagram yang digunakan memonitor setiap
nilai yang diamati dalam sebuah proses. Sebuah diagram yang mengontrol nilai-
nilai individu didasarkan pada probabilitas dengan distribusi normal. Unsur-unsur
pada diagraminnya adalah sebagai berikut:
1. Batas Kendali Atas (Upper Control Limit/UCL)
UCL = + 3
2. Garis Tengah (Center Line/CL)
CL =
3. Batas Kendali Bawah (Lower Control Limit/LCL)
LCL = - 3

di mana:
= rata-rata (mean) populasi
= standard deviasi populasi

182

Agus Sukoco
Contoh Kasus:
Dilakukan sebuah observasi terhadap proses pembuatan poros pada sebuah pabrik
Logam Karya Jaya, obeservasi dilakukan terhadap 30 sampel dan didapatkan hasil
observasi adalah sebagai berikut:

OBSERVASI DIAMETER

OBSERVASI DIAMETER
1 55.49

16 54.94
2 54.83

17 54.94
3 53.91

18 56.97
4 54.87

19 55.4
5 54.69

20 55.41
6 53.77

21 54.69
7 55.34

22 54.5
8 55.67

23 56.44
9 53.83

24 53.38
10 54.82

25 55.05
11 53.85

26 55.19
12 53.22

27 55.43
13 54.11

28 55.06
14 54.49

29 55.53
15 52.95

30 54.03

Buatkanlah diagram kontrol untuk hasil observasi tersebut.
Penyelesaian :
Langkah ke 1: Menghitung rata-rata dan standard deviasi.
Untuk memudahkan perhitungan standard deviasi, dibuatkan tabel
pembantu, sebagaimana pada tabel 9.1.
Berdasarkan perhitungan terhadap hasil observasi maka diketahui jumlah
nilai diameter ( )= 642,8 dan jumlah observasi (n) = 30, maka:
Rata rata =


183

Bisnis

Standard deviasi =

OBSERVASI DIAMETER

1 55,49 54,727 0,763 0,582169
2 54,83 54,727 0,103 0,010609
3 53,91 54,727 -0,817 0,667489
4 54,87 54,727 0,143 0,020449
5 54,69 54,727 -0,037 0,001369
6 53,77 54,727 -0,957 0,915849
7 55,34 54,727 0,613 0,375769
8 55,67 54,727 0,943 0,889249
9 53,83 54,727 -0,897 0,804609
10 54,82 54,727 0,093 0,008649
11 53,85 54,727 -0,877 0,769129
12 53,22 54,727 -1,507 2,271049
13 54,11 54,727 -0,617 0,380689
14 54,49 54,727 -0,237 0,056169
15 52,95 54,727 -1,777 3,157729
16 54,94 54,727 0,213 0,045369
17 55,94 54,727 1,213 1,471369
18 56,97 54,727 2,243 5,031049
19 55,4 54,727 0,673 0,452929
20 53,41 54,727 -1,317 1,734489
21 54,69 54,727 -0,037 0,001369
22 54,5 54,727 -0,227 0,051529
23 56,44 54,727 1,713 2,934369
24 53,38 54,727 -1,347 1,814409
25 55,05 54,727 0,323 0,104329
26 55,19 54,727 0,463 0,214369
27 55,43 54,727 0,703 0,494209
28 55,06 54,727 0,333 0,110889
29 55,53 54,727 0,803 0,644809
30 54,03 54,727 -0,697 0,485809
JUMLAH 1641,80

26,5023
Tabel 9.2. Tabel pembantu perhitungan standard deviasi
Berikut adalah hasil perhitungan deskriptif data observasi jika menggunakan SPSS
versi 18:
Descriptive Statistics

N Minimum Maximum Mean Std. Deviation
DIAMETER 30 52,95 56,97 54,7267 ,95597
Valid N
(listwise)
30

Tabel 9.3. Tabel hasil perhitungan deskriptif data dengan SPSS
184

Agus Sukoco
Langkah ke 2, menghitung UCL, CL dan LCL
a. Menghitung CL
CL = rata-rata = 54,727
b. Menghitung UCL = 57,59
UCL = UCL = + 3 = 54,76 + 3 . = 54,76+2,7164= 57,59
c. Menghitung UCL= 51.86
LCL = LCL = - 3 = 54,76 - 3 . = 54,76-2,7164= 51.86

Langkah ke 3 Membuat Gambar Diagram Kendali :
Gambar kendali dapat dibuat dengan menggambarkan setiap titik
observasi ke dalam diagram X-Y dan menggambarkan garis UCL, CL, dan LCL
seperti gambar dibawah ini.

Gambar 9.6. Diagram kontrol individu proses pembuatan poros
Pembuatan diagram dengan menggnakan spss adalah dengan langkah-langkah
sebagai berikut:
1. Input data ke data viewer SPSS , bisa juga dengan copy dari data excell
2. klik analize, klik quality control, klik control chart
3. maka didapatkan tampilan seperti gambar 9.7.

185

Bisnis

4. pilih individual, moving range, pilih define. tampil sebagaimana gambar
9.8.
5. Inputkan data ke process measurement
6. Abaikan yang lain dan kilk Ok, maka ditampilkan output diagram kontrol
nya.

Gambar 9.7. Tampilan SPSS untuk pembatan diagram kontrol

Gambar 9.8. Tampilan SPSS untuk input variabel pada pembuatan diagram kontrol
klik
klik
186

Agus Sukoco
Output gambar diagram kontrol adalah sebagaimana pada gambar 9.6 diatas.

PENGAMBILAN KEPUTUSAN :
Berdasarkan gambar 6.9 , diagram kontrol individual pada sampel
pembuatan poros, maka didapatkan bahwa seluruh data observasi terletak
diantara batas LCL dan batas UCL , sehingga dapat diambil kesimpulan bahwa
variasi diameter poros dalam batas batas yang wajar, sehingga Ho yang
menyatakan Proses pembuatan poros pada PT karya Logam terkendali secara
Statistik diterima dan Ha yang menyatakan Proses tidak terkendali secara statistik,
ditolak.

DIAGRAM X DAN DIAGRAM R
Diagram kontinu adalah diagram untuk suatu proses yang diukur dengan
nilai-nilai yang bersifat kontinu seperti panjang, berat, diameter dll. Diagram X dan
R digunakan pada data yang bersifat kontinu.
Diagram X dan Diagram R keduanya saling melengkapi karena sampel
harus menunjukkan nilai rata-rata yang dapat diterima dan jarak pengukuran yang
dipertanggung jawabkan sebelum proses dapat dinyatakan dalam keadaan "under
control. Dalam kegiatan pengendalian mutu diagram X dan R sering digunakan
dengan tujuan:
- Melihat sejauh mana suatu proses produksi sudah sesuai dengan standard
proses atau belum.
- Mengetahui sejauh masih perlu diadakan penyesuaian-penyesuaian
(adjustment) pada mesin- mesin, alat/ metode kerja yang dipakai dalam
suatu proses produksi.
- Mengetahui penyimpangan kualitas atau hasil produki dan suatu proses
produksi. Yang kemudian disusul dengan dilaksanakannya tindakan-
tindakan tertentu dengan tujuan agar tidak terjadi penyimpangan-
penyimpangan atas kualitas pada proses berikutnya.

187

Bisnis

DIAGRAM X
Diagram X adalah diagram yang mana data yang dianalisis adalah nilai
rata-rata sub kelompok data. Diagram X digunakan untuk memonitor,
mengendalikan dan menganalisis nilai rata-rata (mean) dari kuantitas yang diamati
dalam sebuah proses yang menggunakan nilai kontinu seperti panjang, berat,
diameter dll. Simbol X adalah simbul atas suatu besaran yang dapat diukur.

Pembuatan Diagram X:
Diagram X dibuat dengan unsur-unsur sebagai berikut:
Batas Kendali atas (UCL)

Garis Tengah (CL)

Batas Kendali Bawah (LCL) :

Dimana :
= Rata-rata sub kelompok
= Rata-rata dari kisaran sub kelompok.
= kontanta yang nilainya tergantung pada ukuran sampel subkelompok

(tabel terlampir)
Catatan :
= nilai perkiraan 3
,
dimana

adalah deviasi standard proses dari
populasi

188

Agus Sukoco
DIAGRAM R
Diagram R adalah diagram yang memonitor penyebaran (dispersion)
kuantitas yang diamati dalam sebuah proses. Pada pembahasan sebelumnya telah
kita lihat bahwa jika yang menjadi perhatian utama adalah rata-rata variabel hasil
proses, maka digunakan diagram kontrol x untuk melakukan pengontrolan
kualitas. Tetapi, dalam suatu proses sering pula berubah bukan saja dalam rata-
ratanya, melainkan juga dalam dispersi atau variasinya.
Untuk pengontrolan kualitas biasanya digunakan kontrol terhadap dispersi
atau variasi, meskipun diagram kontrol simpangan baku dapat pula digunakan.
Diagram kontrol R lebih banyak dipakai bila dibandingkan dengan diagram sim-
pangan baku, hal ini disebabkan mudah dihitung, mudah dimengerti, cepat
dibuat, menghemat waktu dan biaya.
Penggunaan diagram kontrol X dan diagram kontrol R dapat dilakukan
secara bersama dalam suatu proses, yang dimaksudkan untuk melakukan
pengontrolan kualitas mengenai rata-rata dan dispersi proses. Hal ini biasanya
dilakukan pada permulaan proses penggantian mesin, penggantian
operator/pegawai yang melakukan pekerjaan dan perubahan susunan bahan baku.
Sebagaimana halnya untuk diagram kontrol X, maka untuk diagram kontrol
R juga diperlukan CL, UCL dan LCL. Jika populasinya berdistribusi normal dengan
parameter rata-rata dan simpangan baku diketahui, maka diagram kontrol R di-
bentuk oleh ketiga buah garis:
1. Batas kendali atas: UCL = DA

2. Garis tengah: CL =

3. Batas kendali bawah: LCL = D/

dimana :
D2- D3 = konstanta yang nilainya tergantung pada ukuran sampel sub kelompok
seperti yang ditunjukkan pada tabel berikut ini:


189

Bisnis

n A2 D3 D4
2 1,88 0 3,27
3 1,02 0 2,57
4 0,73 0 2,58
5 0,56 0 2,11
6 0,48 0 2
7 0,42 0,08 1,92
8 0,37 0,14 1,86
9 0,34 0,18 1,82
10 0,31 0,22 1,76
11 0,29 0,22 1,74
12 0,27 0,28 1,72
13 0,25 0,31 1,69
14 0,24 0,33 1,67
15 0,22 0,35 1,65
16 0,21 0,36 1,64
17 0,2 0,38 1,62
18 0,19 0,39 1,61
19 0,19 0,4 1,6
20 0,18 0,41 1,59
Tabel 9.4. Tabel A2, D3 dan D4

Catatan :
Apabila terdapat angka perhitungan LCL yang negatif maka digambarkan pada
garis 0.
190

Agus Sukoco
CONTOH KASUS :
Sebuah perusahaan melakukan pengecekan dan pengukuran berat suatu
produk. Jumlah data sampel yang diperiksa adalah 125 unit. Sampel itu dibagi
menjadi 25 subkelompok yang masing-masing lerdiri dari 5 unit. Setelah dilakukan
pengukuran diperoleh data sebagaimana dalam tabel berikut.
Berdasarkan data tersebut, Jelaskan apakah proses pembuatan produk
tersebut masih berada dalam batas-batas kendali atau tidak.

SUB
KELOMPOK
X1 X2 X3 X4 X5 JUMLAH RATA-RATA
R
(RANGE)
1 39 32 38 35 37 181 36,2 7
2 32 37 31 25 34 159 31,8 12
3 31 32 35 29 37 164 32,8 8
4 35 37 42 47 38 199 39,8 12
5 28 31 37 36 25 157 31,4 12
6 40 35 33 38 33 179 35,8 7
7 35 30 37 33 26 161 32,2 11
8 35 39 32 37 38 181 36,2 7
9 27 37 36 33 35 168 33,6 10
10 32 33 31 37 32 165 33 6
11 35 39 35 31 33 173 34,6 8
12 31 25 24 32 22 134 26,8 10
13 22 37 31 37 28 155 31 15
14 37 32 33 38 30 170 34 8
15 31 37 33 38 31 170 34 7
16 27 31 23 27 32 140 28 9
17 38 35 37 26 37 173 34,6 12
18 35 31 29 39 35 169 33,8 10
19 31 29 35 29 35 159 31,8 6
20 29 27 32 38 31 157 31,4 11
21 40 39 41 32 29 181 36,2 12
22 20 31 27 29 28 135 27 11
23 30 37 29 32 31 159 31,8 8
24 28 35 22 32 37 154 30,8 15
25 39 34 31 29 29 162 32,4 10
TOTAL 4105 821 244
RATA-RATA 32,840 9,760
Tabel 9.5. Hasil pengecekan dan pengukuran berat sampel

191

Bisnis

PENYELESAIAN :
Dengan menggunakan tabel di atas maka didapatkan hasil sebagai berikut:
= Rata-rata sub kelompok
= Rata-rata dari kisaran sub kelompok

MEMBUAT DIAGRAM X
Menghitung UCL, CL dan LCL

Garis Tengah (CL)

= 32,84

Gambar 9.9. Gambar Diagram
Kontrol X pengukuran berat
sampel

192

Agus Sukoco
MEMBUAT DIAGRAM R

Garis Tengah (CL)

= 9,76

UCL= ; CL = 9,76 ; LCL = 0
UCL= ; CL = 9,76 ; LCL = 0
Gambar 9.10. Gambar Diagram Kontrol R pengukuran berat sampel


193

Bisnis

Diagram P dan Diagram C
Diagram Atribut Produk dalah adalah diagram yang berkaitan dengan
persyaratan kualitas yang ditetapkan kepada suatu produk yang menunjukkan
apakah produk tersebut dapat diterima (acceptable) atau ditolak (rejected)
karena cacat (defective). Diagram ini biasanya digunakan untuk menganalisis
suatu hasil pengamatan yang bersifal diskrit. Seperti banyaknya kelingan yang
rusak pada sayap pesawat, gelembung-gelembung aliran yang terjebak pada gelas.
goresan pada lempengan plat, dan sebagainya. Untuk keperluan ini terdapat dua
jenis diagram yaitu Diagram P dan Diagram C.

Diagram P
Pada Diagram P yang dianalisis adalah persentase atau proporsi dari
produk yang cacat (defective) per sampel untuk menilai masing-masing produk
dapat diterima atau ditolak. Sebuah diagram P didasarkan pada probability
dengan distribusi binomial. unsur-unsur pada diagramnya ditentukan scbagai
berikut:
1. Batas kendali atas: UCL

2. Garis tengah: CL

3. Batas kendali bav.ah: LCL

Dimana:
= perkiraan proporsi output yang cacai pada populasi
=

= Perkiraan error standard proporsi pada populasi
jika p dinyatakan dalam fraksi

194

Agus Sukoco
jika p dinyatakan dalam persentase

n = Ukuran sampel

CONTOH SOAL:
Dalam memproduksi "Wiring Board" yang digunakan dalam produksi
assembling produk-produk tertentu diambil sampel 50 buah per hari Wiring Board
ini diuji dan jika lampu menyala bahan diterima. Hasil tabulasi dan data yang
dicatat selama fase permulaan produksi adalah sebagai berikut:
TANGGAL TOLAK PROSENTASE

TANGGAL TOLAK PROSENTASE
01-Sep 4 8%

11-Sep 3 6%
02-Sep 3 6%

12-Sep 2 4%
03-Sep 2 4%

13-Sep 5 10%
04-Sep 6 12%

14-Sep 2 4%
05-Sep 3 6%

15-Sep 2 4%
06-Sep 1 2%

16-Sep 1 2%
07-Sep 3 6%

17-Sep 3 6%
08-Sep 2 4%

18-Sep 2 4%
09-Sep 9 18%

19-Sep 1 2%
10-Sep 5 10%

20-Sep 3 6%
JML 38

JML 24

TOTAL 38+24 = 62
Tabel 9.6. Hasil pengecekan cacat Wiring Board

Membuat Diagram P
Menghitung perkiraan proporsi output yang cacat pada populasi:

Perkiraan error standard


195

Bisnis


2. Garis tengah: CL

3. Batas kendali bawah: LCL

SPchart

Gambar 9.11. Gambar Diagram Kontrol P produksi "Wiring Board"

196

Agus Sukoco
Inputkan
data/variabel

PENYELESAIAN DENGAN SPSS:
Pertama : Inputkan data observasi ke datasheet SPSS seperti tampilan di bawah
Kedua : Menu pilih : 1. Analyze 2. Quality Control 3. Contol Chart tampil sub
menu sbb:

Gambar 9.12. Gambar menu SPSS untuk membuat diagram P

Setelah itu klik ok maka didapatkan output gambar grafik diagram p seperti
gambar 9.11.
Pilih menu ini INPUT DATA SPSS

197

Bisnis

DIAGRAM C
Diagram C adalah dipergunakan dalam analisis banyaknya cacat dalam unit
produk yang tetap. Banyak parameter yang harus dikendalikan tidak dapat
dinyatakan sebagai proporsi atau persentase sepeti dalam diagram P. Misalnya
dalam proses tenun, banyaknya cacat setiap 10 m
2
bahan yang diproduksi mungkin
merupakan parameter yang harus dikendalikan. Dalam kasus ini satu cacat
mungkin artinya kecil. Tetapi jika banyaknya cacat per unit besar mungkin harus
memperhatikannya secara serius. Untuk diagram C distribusi probabilitas yang
digunakan adalah distribusi poisson. di mana terjadi cacat secara acak. Unsur-
unsur pada diagramnya ditentukan sebagai berikut:

2. Garis tengah: CL

3. Batas kendali bawah: LCL

Dimana :
: Perkiraan jumlah cacat per satuan unit pada populasi
: Jumlah cacat per satuan unit yang diobservasi
= Perkiraan error standard jumlah cacat per satuan unit pada populasi

Contoh Soal :
Suatu diagram c digunakan untuk menilai proses otomatis dalam
memproduksi bahan tenun yang dipakai pada musim dingin. Inspeksi dilakukan
terus-menerus pada setiap panjang 10 m. Kedua belah bagian diinspeksi lewat
sinar berintensitas tinggi. Cacat dapat terjadi karena tenunan tidak baik dan tidak
terlapisnya dengan bahan tenentu secara baik. Cacat ini kecil dan dideteksi per 2
198

Agus Sukoco
cm
:
atau kurang. Dari produksi terbaru tercatat data menurut sampel no. 1 s/d 20
sebagai berikut:
No
Sampel
Cacat
per 10 m

No
Sampel
Cacat
per 10 m TOTAL 605
1 33

11 35
RATA-
RATA 30,25
2 16

12 28
3 19

13 24
4 26

14 31
5 36

15 34
6 32

16 40
7 37

17 30
8 41

18 31
9 32

19 22
10 30

20 28
Tabel 9.6. Hasil pengecekan cacat produksi bahan tenun
Maka :
: Rata-rata jumlah cacat per satuan unit yang diobservasi = 30,25

CL = 30,25

Gambar 9.13. Gambar diagram C , produksi bahan tenun

199

Bisnis

DIAGRAM PARETO (Pareto Chart)
Diagram Pareto dikembangkan oleh seorang ahli ekonomi Italia yang
bernama Vilredo Pareto pada abad ke 19. Diagram Pareto dibuat untuk
membandingkan berbagai kategori kejadian yang disusun menurut ukurannya, dari
yang paling besar disebelah kiri ke yang paling kecil disebelah kanan.
Diagram Pareto memberikan gambaran atau tingkat pentingnya atau
prioritas kategori kejadian-kejadian atau sebab-sebab kejadian yang dikaji. Dengan
bantuan Diagram Pareto tersebut kegiatan akan lebih efektif dengan memusatkan
perhatian pada sebab-sebab yang mempunyai dampak yang paling besar terhadap
kejadian daripada meninjau berbagai sebab suatu waktu. Dengan kata lain,
Diagram Pareto adalah grafik batang yang menunjukkan masalah berdasarkan
urutan banyaknya kejadian.
Diagram Pareto merupakan metode standar dalam pengendalian mutu
untuk mendapatkan hasil maksimal dengan memilih masalah-masalah utama dan
sebagai suatu pendekatan sederhana yang dapat dipahami oleh pekerja tidak
terlalu terdidik, serta sebagai perangkat pemecahan dalam bidang yang cukup
kompleks.
Diagram Pareto klasifikasi data diurutkan dari kiri ke kanan menurut
ranking tertinggi hingga terendah. Hal ini dapat membantu menemukan
permasalahan yang terpenting untuk segera diselesaikan (ranking tertinggi) sampai
dengan yang tidak harus segera diselesaikan (ranking terendah). Diagram Pareto
juga dapat digunakan untuk membandingkan kondisi proses, misalnya
ketidaksesuaian proses, sebelum dan setelah diambil tindakan perbaikan terhadap
proses.
Prinsip Pareto juga dikenal sebagai aturan 80/20 dengan melakukan 20%
dari pekerjaan bisa menghasilkan 80% manfaat dari pekerjaan itu. Aturan 80/20
dapat diterapkan pada hampir semua hal, seperti:
- 80% dari keluhan pelanggan timbul 20% dari produk atau jasa.
200

Agus Sukoco
- 80% dari keterlambatan jadwal timbul 20% dari kemungkinan penyebab
penundaan.
- 20% dari produk atau account untuk layanan, 80% dari keuntungan Anda.
- 20% dari-tenaga penjualan menghasilkan 80% dari pendapatan
perusahaan Anda.
- 20% dari cacat sistem penyebab 80% masalah nya
Prinsip Pareto untuk seorang manajer proyek
adalah mengingatkan untuk fokus pada 20% hal-hal
yang materi, tetapi tidak mengabaikan 80%
masalah. Berikut Hukum Pareto dalam bentuk
visual:
Diagram Pareto berikut ini menggambarkan suatu keadaan berdasarkan data
observasi dengan model pareto. Misalnya dalam suatu permasalahan untuk
mengetahui bagaimana komposisi karyawan berdasarkan level pendidikan. Hasil
observasi terhadap 474 karyawan didapatkan data sebagai berikut:
LEVEL
Pendidikan
JUMLAH
8 53
12 190
14 6
15 116
16 59
17 11
18 9
19 27
20 2
21 1
JUMLAH 474

Diagram pareto untuk data tersebut adalah sebagaimana ditunjukan pada gambar
tersebut diatas. Dalam gambar pareto ditunjukan jumlah data masing-masing level
pendidikan yang diurutkan mulai dari yang besar menuju yang paling kecil dari kiri
ke kanan. Garis keatas menunjukan lengkung hingga ke nilai 100%.

201

Bisnis

Dalam kasus lainnya diagram pareto dipergunakan untuk mengetahui
permasalahan dalam suatu proses. Pembuatannya berdasarkan Lembar Periksa
(Check Sheet) dan dapat diselesaikan melalui diagram Pareto untuk mengetahui
sebab utama yang menyebabkan terjadinya cacat produk. Misalnya akan diteliti
penyebab terjadinya kerusakan pada produksi pembuatan Beton. Dari observasi
didapatkan data sebagai berikut:
Retak : 58 Tergores : 12
Tumpul : 22 Lain-lain : 8
Diagram pareto untuk kasus diatas adalah sebagaiman berikut:

202

Agus Sukoco
Soal Latihan:
1. Uraikanlah dengan singkat apakah yang dimaksud dengan statistik quality
control?
2. Jelaskan apakah yang dimaksud dengan:
a. Suatu proses yang dalam kontrol
b. Suatu proses yang di luar kontrol
c. diagram kontrol Shewhart
d. BKB (Batas kontrol bawah)
e. BKA (batas kontrol atas)
f. Garis sentral diagram kontrol
3. Dalam statistik kontrol dikenal istilah Diagram X, diagram R, diagram P,
diagram C, dan diagram Pareto. Berikanlah penjelasan singkat maksud
dan penggunaan dari ketiga diagram tersebut?
4. Kalau terjadi pergeseran/perubahan dalam rata-rata populasi, diagram
kontrol mana-kah yang akan dipengaruhi atau yang akan memperlihatkan
ciri keluar dari kontrol?
5. Jika rata-rata dan dispersi populasi kedua-duanya bergeser, dalam diagram
kontrol manakah yang akan memperlihatkan tanc'a-tanda keluar dari
kontrol?
6.
7. Buatlah penggamatan di lingkungan tempat kerja saudara/teman saudara
dan sebutkanlah masing-masing 2 buah contoh pengunaan dari Diagram
X, diagram R, diagram P, diagram C, dan diagram Pareto
8. Dilakukan pengamatan terhadap proses pembuatan poros dalam suatu
pabrik menghasilkan data pengamatan sebagai berikut, Buatkanlah
diagram kontrol individu, dan jika dipergunakan = 5%, tentukan apakah
proses tersebut dalam batas kendali?
OBSERVASI 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
DIAMETER 70 72 73 76 73 73 75 74 77 75 76 78 73 72 75

OBSERVASI 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
DIAMETER 71 72 75 76 73 74 75 74 76 75 77 78 79 72 75

203

Bisnis

9. Sebuah perusahaan produksi kalen makanan melakukan pengecekan
ukuran berat kaleng tersebut. Terdapat 20 sub kelompok dan masing-
masing terdiri 5 unit. Dengan menggunakan 5% dan dengan diagram
X&R, Jelaskanlah apakah proses pembuatan produk tersebut masih dalam
batas-batas kendali?
SUB KELOMPOK X1 X2 X3 X4 X5
1 390 384 418 350 444
2 320 444 341 250 408
3 310 384 385 290 444
4 350 444 462 470 456
5 280 372 407 360 300
6 400 420 363 380 396
7 350 360 407 330 312
8 350 468 352 370 456
9 270 444 396 330 420
10 320 396 341 370 384
11 350 468 385 310 396
12 310 300 264 320 264
13 220 444 341 370 336
14 370 384 363 380 360
15 310 444 363 380 372
16 270 372 253 270 384
17 380 420 407 260 444
18 350 372 319 390 420
19 310 348 385 290 420
20 290 324 352 380 372

10. Sebuah perusahaan memproduksi lampu, dilakukan observasi sebanyak
150 sampel setiap hari selama 20 hari, data seperti tabel dibawah ini.
Dengan menggunakan diagram P dan 5%, apakah masih dalam batas-
batas kendali?
TGL 1 2 3 4 5 6 7 8 9 10
DITOLAK 12 9 6 18 9 3 9 6 27 15

TGL 11 12 13 14 15 16 17 18 19 20
DITOLAK 9 6 15 6 6 3 9 6 3 9
204

Agus Sukoco

11. Sebuah program studi Manajemen Universitas swasta meneliti, faktor-
faktor yang menyebabkan menurunya prestasi mahasiswa, dilakukan
observasi terhadap 100 mahasiswa didapakan hasil sebagai berikut:

Malas 25
Kurang berminat 20
Kurang efektif Pembagian Waktu 28
Perlengkapan pribadi 17
Jarak 10
JUMLAH 100
Buatkanlah diagram pareto untuk permasalahan diatas?

1. Sumber pembelajaran
1. Sudjana, Metoda Statistika, Tarsito bandung 1992

2. Arikunto, Suharsimi. 1996. Statistik Untuk Penelitian. Jakarta: Rineka
Cipta.
3. Dajan, Anto. 2000. Pengantar Metode Statistik. Cetakan Ke-16, Jakarta:
LP3ES.
4. Heryanto, N. 2003. Statistik. Bandung: Pustaka Setia.
5. Levin, dkk. 1991. Statistics for Managemen. New Jersey: Prentice Hall,
1991
6. Murdan. 2003. Statistik Pendidikan. Jakarta: Global Pustaka.
7. Rasyid, Harun A. 2000. Statistik. UNIVERSITAS PADJAJARAN,
BANDUNG.
8. Sugiarto. 2002. Metode Statistik. Jakarta: Gramedia.
9. Walpole, Ronald E. 1992. PengantarStatistik. edisi terjemahan. Jakata: PT
Gramedia.
10. Media Pembelajaran dalam bentuk Power Point dan handout.
11. LKM : Statistik dan Bisnis.
12. LP : Kognitif
13. LP : Psikomotorik
14. LP : Keterampilan Sosial
15. LP : Perilaku berkarakter


205

Bisnis

DAFTAR PUSTAKA

1. Arikunto, Suharsimi. 1996. Statistik Untuk Penelitian. Jakarta: Rineka
Cipta.
2. Dajan, Anto. 2000. Pengantar Metode Statistik. Cetakan Ke-16, Jakarta:
LP3ES.
3. Heryanto, N. 2003. Statistik. Bandung: Pustaka Setia.
4. Levin, dkk. 1991. Statistics for Management. New Jersey: Prentice Hall,
1991
5. Murdan. 2003. Statistik Pendidikan. Jakarta: Global Pustaka.
6. Rasyid, Harun A. 2000. Statistik. Bandung: Universitas Padjajaran.
7. Sugiarto. 2002. Metode Statistik. Jakarta: Gramedia.
8. Walpole, Ronald E. 1992. Pengantar Statistik. edisi terjemahan. Jakata: PT
Gramedia.
9. Sudjana, Metoda Statistika, Tarsito bandung 1992
10. http://www.scribd.com/doc/39191568/10/B-Pengertian-Pengendalian-
Kualitas-Statistik
11. Hari Lumbono, tugas akhir Gunadarma, Pengendalian kualitas produksi
garment di pt. Asrindo indty raya dengan menggunakan diagram kontrol p
12. 2004, M. Achfiyar Afendi, Universitas Muhammadiyah Malang,
Pengendalian kualitas dengan metode statistical process control guna
menurunkan biaya kualitas total
13. Helmy Darjanto, 2012, Pengendalian dan Evaluasi Kualitas Beton Dengan
Metode Statistical Process Control (SPC)
14. Ari S A, Aman S, Helmy D, 2003, Evaluasi Mutu Beton Dengan Metode SPC
Produksi PT Multi Borneo Abadi, Tesis Program Magister Teknik Sipil,
Untag Surabaya.
15. Endang B R, Nurul R, Helmy D, 2003, Studi Analisa Pemantauan Mutu
Beton Dengan Menggunakan Prinsip-prinsip SPC, Tugas Akhir, Jurusan
Teknik Sipil FT, Untag Surabaya
Bibliography
Atmajaya, P. L. (2009). Statistika untuk bisnis dan ekonomi. Yogyakarta: ANDI.
206

Agus Sukoco
Martono, N. (2010). Statistik Sosial Teori dan Aplikasi Program SPSS. Yogyakarta:
Gava Media.
Martono, N. (2010). Statistik Sosial Teori dan Aplikasi Program SPSS. Yogyakarta:
Gava Media.
Pandia, F. (2012). Manajemen Dana dan KesehatanBank. Jakarta: Rineka Cipta.
Purwanto S.K., S. (2011). Statistika untuk Ekonomi dan Keuangan Modern. Jakarta:
Salemba Empat.
Supranto, J. L. (2010). Statistika Ekonomi & Bisnis. Jakarta: Mitra Wacana Media.

Modul 9 Statistik Proses Control

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modul 9 Statistik Proses Control

Uploaded by

Copyright:

Available Formats

MODUL 9: Statistik Proses kontrol

= Rata-rata sub kelompok

= Rata-rata dari kisaran sub kelompok.

= kontanta yang nilainya tergantung pada ukuran sampel subkelompok

= Rata-rata sub kelompok

= Rata-rata dari kisaran sub kelompok

= Perkiraan error standard proporsi pada populasi

jika p dinyatakan dalam fraksi

jika p dinyatakan dalam persentase

You might also like