MODUL IV PENGENDALIAN PROSES STATISTIK UNTUK DATA ATRIBUT

I. Pengertian Pengendalian Kualitas Proses Statistik Untuk Data Atribut

Atribut dalam pengendalian kualitas menunjukkan karakteristik kualitas yang sesuai dengan spesifikasi atau tidak sesuai dengan spesifikasi. Menurut Besterfield (1998), atribut digunakan apabila ada pengukuran yang tidak memungkinkan untuk dilakukan, misalnya goresan, kesalahan, warna,atau ada bagian yang hilang. Selain itu, atribut digunakan apabila pengukuran dapat dibuat tetapi tidak di buat karena alasan waktu, biaya, atau kebutuhan.Dengan kata lain, ,meskipun diameter suatu pipa dapat diukur, tetapi mungkin akan lebih tepat dan mudah menggunakan ukuran baik dan tidak menentukan akan produk tersebut sesuai dengan spesifikasi atau tidak sesuai dengan spesifikasi. Selanjutnya, untuk menyusun peta pengendali proses statistik untuk data atribut tersebut diperlukan beberapa langkah. Menurut besterfield(1998)langkah tersebut meliputi: 1. Menentukan sasaran yang akan dicapai Sasaran ini akan mempengaruhi jenis peta pengendali kualitas proses statistik data atribut mana yang harus digunakan. Hal ini tentu saja dipengaruhi oleh karakteristik kualitas suatu produk dan proses, apakah proporsi atau banyaknya ketidaksesuaian dalam sempel atau sub kelompok, ataukah ketidaksesuaian dari suatu unit setiap kali mengadakan observasi.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

2. Menentukan banyaknya sempel dan banyaknya observasi Banyaknya sampel yang diambil akan mempengaruhi jenis peta pengendali disamping karakteristik kualitasnya 3. Mengumpulkan data Data yang dikumpulkan tentu disesuaikan dengan jenis peta pengendali. Misalnya, suatu perusahaan atau organisasi menggunakan p-Chart, maka data yang dikumpulkan juga harus diatur dalam bentuk proporsi kesalahan terhadap banyaknya sampel yang diambil. 4. Menentukan garis pusat dan batas-batas garis pengendali Penentuan garis pusat dan batas-batas pengendali akan ditunjukan secara rinci pada sub bagian berikut ini, pada masing-masing peta pengendali. Biasanya, perusahaan maggunakan 3 s sebagai batas-batas pengendalinya 5. Merevisi garis pusat dan batas-batas pengendali Revisi terhadap garis pusat dan batas-batas pengendali dilakukan apabila dalam peta pengendali kualitas proses statistic untuk data atribut terdapat data yang berada diluar data pengendali statistic (out of statistical control) dan diketahui kondisi tersebut disebabkan karena penyebab khusus. Demikian pula, data yang berada di bawah garis batas pengendali bawah apabila ditemukan penyebab khusus didalamnya tentu juga di adakan revisi.

II. Peta Pengendali Proporsi Kesalahan ( P-chart ) dan Banyaknya kesalahan ( np-chart ) Dalam Sempel
Pengendali proporsi kesalahan (p-chart) dan banyaknya kesalahan (npchart) digunakan untuk mengetahui apakah cacat produck yang dihasilkan masih dalam batas yang disyaratkan. Untuk peta pengendali proporsi dan banyak digunakan bila kita memakai ukuran cacat berupa proporsi produk cacat dalam setiap sempel yang diambil. Bila sample yang diambil untuk setiap kali melakukan observasi jumlahnya sama maka kita dapat menggunakan peta pengendali proporsi kesalahan (pchart)maupun banyaknya kesalahan (npchart). Namun bila sample yang diambil bervariasi untuk setiapkali melakukan observasi berubah-ubah jumlahnya atau memang perusahaan tersebut akan melakukan 100% inspeksi maka kita harus manggunakan peta pengendali proporsi kesalahan (p-chart). Pengguna sample yang

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

besarnya bervarisai tersebut selain perusahaan menggunakan 100% inspesi atau inspeksi total, juga dapat disebabkan karena kuangnya karyawan dan biaya. Perubahan dalam banyaknya sempel yang diambil atau ukuran sub kelompok tersebut menyebabkan perubahan dalam batas-batas pengendali, meskipun garis pusatnya tetap. Apabila ukuran sample atau sub kelompok yang digunakan pada setiap kali observasi naik atau lebih banyak, maka batas-batas pengendali menjadi lebih rendah. Namun apabila banyaknya sample atau sub kelompok yang di gunakan pada setiap kali observasi turun atau berkurang, maka batas-batas pengendali menjadi lebih tinggi atau meningkat. Kondisi ini dapat mempengaruhi karakteristik kualitas proses produksiyang dimiliki perusahaan. Hal inilah yang merupakan kelemahan dalam pengendalian kualitas proses statistik untuk data atribut. Selanjutnya,formulasi langkah di atas adalah: Untuk banyaknya sampel Konstan Mengetahui proporsi kesalahan atau cacat pada sample atau sub kelompok untuk setiap kali melakukan observasi: P = X/N Dimana p = proporsi kesalahan dalam setiap sample x = banyaknya produk yang salah dalam setiap sample n = banyaknya sample yang diambil dalam inspeksi Garis pusat (centre line) peta pengendali proporsi kesalahan ini adalah: GP Di mana: p = garis pusat peta pengendalian proporsi kesalahan Pi = proporsi kesalahan setiap sample atau sub kelompok dalam setiap observasi n = banyaknya sample yang di ambil setiap kali observasi g = banyaknya observasi yang dilakukan Sedangkan batas pengendali atas (BPA) dan batas pengendali bawah (BPB) untuk peta pengendali proporsi kesalahan tersebut adalah: yang digunakan untuk menyelesaikan kasus pengendali kualitas proses statistic untuk data atribut sesuai dengan langkah-

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

Apabila banyaknya sample atau sub kelompok yang di ambil setiap kali observasi sama, maka dapat digunakan pula peta pengendali banyaknya kesalahan (np-chart)tersebut adalah:

Di mana: np = garis pusat untuk peta pengendali banyaknya kesalahan xi = banyaknya kesalahan dalam setiap sempel atau setiap kali observasi g = banyaknya observasi yang dilakukan Standar deviasi untuk peta pengendali benyaknya kesalahan (np-chart) tersebut adalah:

Oleh karenanya, batas pengendali atas (BPA) dan batas pengendali bawahnya (BPB) menjadi:

Untuk mengetahui bagaimana penerapan kedua teknik dan metode tersebut, dapat digunakan contoh soal berikut ini. Suatu perusahaan pembuat plastic ingin membuat peta pengendali untuk periode mendatang dengan mengadakan inspeksi terhadap proses produksi pada bulan ini. Perusahaan melakukan 25 kali observasi dengan mengambil 50 buah sample untuk setiap kali observasi dilakukan. Hasil observasi tersebut adalah:
UKUR AN SAMP EL 50 50 50 50 50 50 BNYAKN YA PRODUK CACAT 4 2 5 3 2 1

OBSERV ASI 1 2 3 4 5 6

PROPOR SI CACAT 0,08 0,04 0,1 0,06 0,04 0,02

KETERANGAN

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Jumlah

50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 1250

3 2 5 4 3 5 5 2 3 2 4 10 4 3 2 5 4 3 4 90

0,06 0,04 0,1 0,08 0,06 0,1 0,1 0,04 0,06 0,04 0,08 0,2 0,08 0,06 0,04 0,1 0,08 0,06 0,08
keterlambatan bahan

Apabila perusahaan tersebut menggunakan peta pengendali proporsi kesalahan, maka: Garis Pusat = 0.072

Batas pengendali atas dan batas pengendali bawahnya adalah:

Apabila digambarkan dalam suatu grafik, maka akan tampak seperti gambar berikut ini:

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

Peta Pengendali Banyaknya Kesalahan (p-chart) Sebelum Revisi

Karena data pada observasi ke-18 ada di luar batas pengedalian yang disebabkan karena sebab khusus (assignable cause), maka harus dilakukan revisi, sehingga garis pusat, batas pengendali bawah dan batas pengendali atasnya menjadi: Garis Pusat =

Peta pengendali Proporsi Kesalahan (p-chart)Setelah Revisi

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

Karena semua data sudah berada dalam batas pengendalian (in statistical control) maka tidak perlu dilakukan revisi lagi, dan peta pengendali inilah yang digunakan sebagai rencana pengendalian kualitas proses statistic data atribut atau periode mendatang. Dalam soal tersebut, karena banyaknya sempel yang diambil setiap kali melakukan observasi sama, maka dapat digunakan pula peta banyaknya kesalahan (np-chart). Apabila digunakan peta pengendali banyaknya kesalahan, maka garis pusat beserta batas pengendali atas dan batas pengendali bawahnya adalah: Garis pusat = 90/25 = 3,6

Apabila digambarkan, maka akan tampak seperti pada gambar berikut ini.

Karena data observasi ke delapan belas ada kerusakan atau cacat yang disebabkan oleh penyebab khusus, maka perusahaan harus melakukan revisi untuk perencanaan periode mendatang, yaitu : Gp np = Gp np = 90-10 / 25-1 = 3,33 dan p = 90-10/1250-50 = 0,067

Apabila digambarkan, maka kondisi setelah revisi tersebut tampak seperti gambar berikut ini.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

Dari gambar dan hasil perhitungan tersebut terlihat bahwa semua data berada dalam batas pengendali (in statistical control). UNTUK BANYAKNYA SAMPEL BERVARIASI Untuk banyaknya sampel yang bervariasi peta pengendali yang digunakan pasti hanya peta pengendali proporsi kesalahan (p-chart), bukan banyaknya kesalahan (np-chart). Namun peta pengendali proporsi kesalahan tersebut mempunyai tiga beberapa pilihan model, yaitu menggunakan peta pengendali model harian atau individu, peta pengendali model rata-rata, dan peta pengendali dengan model yang di buat menurut aturan banyaknya sampel berdasarkan pertimbangan perusahaan (Mitra,1993).

Menggunakan peta pengendali model harian/individu:

Peta pengendali model harian atau individu ini dibuat untuk setiap observasi. Oleh karenanya, perusahaan akan mempunyai beberapa batas pengendali atas dan beberapa batas pengendali bawahnya dalam peta pengendali proporsi kesalahan untuk kualitas produksinya. Keunggulan peta pengendali proporsi kesalahan model harian atau individu (-chart individu) ini adalah ketepatannya dalam memutuskan apakah sample berada di dalam atau diluar batas pengendaliannya. Penentuan garis pusat, batas pengendali bawah dan batas pengendali atasnya adalah: Garis pusat = (GP)p = Sedangkan batas pengendali atas dan batas pengendali bawahnya adalah:

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

Dimana: Pi = proporsi kesalahan setiap sampel pada setiap kali observasi xi = banyaknya kesalahan setiap sampel pada setiap kali observasi ni = banyaknya sampel yang diambil pada setiap kali observasi selalu bervariasi g = banyaknya observasi Untuk dapat lebih memahami dan menerapkan model-model peta pengendali proporsi pada sampel yang bervariasi, maka dapat dilihat pada contoh soal berikut, Dalam suatu perusahaan kaos tangan ditemukan cacat produk dalam sampel yang bervariasi setiap kali melakukan observasi. Adapun sampel yang diambil dan kesalahan serta cara perhitungannya adalah sebagai berikut:
OBSERV ASI 1 2 3 4 5 6 7 8 9 10 11 12 13 14 BANYAK NYA SAMPEL 200 180 200 120 300 250 400 180 210 380 190 380 200 210 BNYAK NYA PRODU K CACAT 14 10 17 8 20 18 25 20 27 30 15 26 10 14 PROPO RSI CACAT 0,07 0,056 0,085 0,067 0,067 0,072 0,063 0,111 0,129 0,079 0,079 0,068 0,05 0,067

BPA 0,12 8 0,13 1 0,12 8 0,14 4 0,11 8 0,12 2 0,11 2 0,13 1 0,12 7 0,11 3 0,13 0,11 3 0,12 8 0,12 7

BPB 0,01 8 0,01 5 0,01 8 0,00 2 0,02 8 0,02 4 0,03 4 0,01 5 0,01 9 0,03 3 0,01 6 0,03 3 0,01 8 0,01 9

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

15 16 17 18 19 20 Jumlah

390 120 190 380 200 180 4860

24 15 18 19 11 12 353

0,062 0,125 0,095 0,05 0,055 0,067

0,11 3 0,14 4 0,13 0,11 3 0,12 8 0,13 1

0,03 3 0,00 2 0,01 6 0,03 3 0,01 8 0,01 5

Contoh perhitungannya: GP p = 353/4860 = 0,073 Untuk batas-batas pengendali pada observasi pertama dengan sampel 200 unit adalah:

Perhitungan ini dilakukan seterusnya sampai sampai obsevasi ke 20 dengan harga sampel yang berbeda-beda. Apabila digambarkan dalam suatu grafik. Kondisi peta pengendali tersebut akan tampak gambar berikut ini:

Dari data dan gambar tersebut tampak bahwa pada observasi kesembilan berada di luar batas pengendali. Setelah diketahui penyebabnya, ternyata kondisi ini karena penyebab khusus sehingga harus diadakan revisi, revisinya adalah:

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

10

Gp p = 35327 / 4860-210 = 0,067 Untuk batas-batas pengendali pada observasi pertama dengan sampel 200 unit adalah:

Perhitungan ini dilakukan seterusnya sampai sampai obsevasi ke 20 dengan harga sampel yang berbeda-beda.
BNYAK NYA PRODU K CACAT 14 10 17 8 20 18 25 20 30 15 26 10 14 24 15 18

OBSERV ASI 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

BANYAK NYA SAMPEL 200 180 200 120 300 250 400 180 380 190 380 200 210 390 120 190

PROPO RSI CACAT 0,07 0,056 0,085 0,067 0,067 0,072 0,063 0,111 0,079 0,079 0,068 0,05 0,067 0,062 0,125 0,095

BPA

BPB 0,01 4 0,01 1 0,01 4 -0 0,02 4 0,02 0,02 9 0,01 1 0,02 9 0,01 3 0,02 9 0,01 4 0,01 5 0,02 9 -0 0,01

0,12 0,12 3 0,12 0,13 5 0,11 0,11 4 0,10 5 0,12 3 0,10 5 0,12 1 0,10 5 0,12 0,11 9 0,10 5 0,13 5 0,12

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

11

17 18 19 Jumlah

380 200 180 4650

19 11 12 326

0,05 0,055 0,067

1 0,10 5 0,12 0,12 3

3 0,02 9 0,01 4 0,01 1

Dari data tabel dan gambar tersebut tampak bahwa seluruh sampel telah berada dalam batas pengendali (in statistical control) sehingga tidak perlu diadakan revisi lagi.

Tabel rumus untuk peta kendali untuk data atribut

Statistical term p Number of k subgroups Subgroup n = # inspected size

Chart np k n = # inspected # of defect np = in subgroup u k c k

# of defects
Atrubute value Process average Upper control limit

n = # of unit in n = # of unit in subgroup subgroup # of defect # of defects

u= in subgroup n

p=

in subgroup n

c = in subgroup

p=

n1p1 + n2p2 + ...nkpk n1 + n2 + ...nk

P(1 - P) n

np =

n(p1 + p2 + ...pk) k

u=

n1u1 + n2u2 + ...nkuk n1 + n2 + ...nk

c=

n(c1 + c2 + ...ck) k

UCLp = P + 3

UCLnp = np + 3 np(1 - p)

UCLu = u + 3 u / n

UCLc = c + 3 c

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

12

Lower control limit

UCLp = P 3

P(1 - P) n

UCLnp = np 3 np(1 - p)

UCLu = u 3 u / n

UCLu = c 3 c

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Hayu Kartika, ST.

PENGENDALIAN KWALITAS

13