Professional Documents
Culture Documents
MODUL 4
PETA KENDALI ATRIBUT
Page 1
A. Tujuan
Berikut ini adalah tujuan praktikum modul peta kendali atribut :
1. Memahami konsep defective dan defects dalam data atribut
2. Memahami dasar-dasar statistik peta kendali Shewhart untuk data atribut berdasarkan
distribusi binomial dan poisson
3. Membuat peta kendali Shewhart untuk data atribut berdasar cacat (peta p dan np)
4. Membuat peta kendali Shewhart untuk data atribut berdasar kecacatan (peta c dan u)
5. Menggunakan peta kendali atribut dengan ukuran sampel bervariasi
6. Memahami kelebihan dan kekurangan peta kendali atribut dan peta kendali variabel
B. Teori Singkat
Peta kendali dikembangkan pertama kali oleh Dr. Walter A,Shewhart. Shewhart
menunjukkan suatu fakta penting bahwa variasi dari suatu proses diakibatkan oleh dua
sumber. Sumber variasi pertama disebut penyebab umum (common cause) yang melekat
dalam sistem produksi dan tidak mungkin untuk menghilangkannya (misalnya : keadaan
cuaca). Sumber variasi kedua (special cause) yang diakibatkan oleh beberapa kondisi khusus
(misalnya : masalah bahan baku, kesalahan operator, kegagalan mesin, dll). Secara umum,
teknik pengawasan proses statistikal membantu kita untuk memonitor proses produksi dan
untuk mendeteksi perilaku proses abnormal yang disebabkan oleh penyebab yang khusus.
Dalam pengendalian kualitas dikenal istilah defective (non confroming) dan defects (non
conformities). Defective (non confroming) menjelaskan dua kemungkinan produk gagal
(cacat) atau berhasil (tidak cacat) sedangkan defects (non confromities) menjelaskan
banyaknya kecacatan dalam suatu produk. Berikut ini adalah contoh defective dan defects:
Page 2
Shewhart membagi peta kendali dalam 2 kategori yaitu: peta kendali variabel dan peta
kendali atribut. Bagaimana memilih peta kendali atribut? Gambar dibawah ini memberikan
hirarki pemilihan peta kendali atribut :
PETA KENDALI
ATRIBUT
Jumlah
Kecacatan
(Defects)
Dist. Poisson
Poporsi Cacat
(Defective)
Dist. Binomial
n Tetap
n Variansi
n Tetap
n Variansi
Peta
Kendali np,p
Peta
Kendali p
Peta
Kendali c
Peta
Kendali u
Peta kendali atribut memerlukan penentuan apakah sebuah part cacat atau tidak atau
berapakah banyaknya cacat yang terdapat di dalam sampel. Beberapa peta kendali jenis ini
adalah peta kendali p, peta kendali c, peta kendali u, peta kendali np, dan sebagainya. Berikut
ini adalah penjelasan macam-macam peta kendali atribuat.
a. Peta Kendali np
Hampir sama dengan peta kendali p, tetapi peta kendali np lebih mudah dalam
perhitungan karena hasil-hasil inspeksi dapat langsung dipeta kendalikan tanpa dilakukan
proses perhitungan sebelumnya. Peta kendali np menunjukkan jumlah defektif dalam
suatu populasi. Peta kendali np digunakan untuk n tetap. Berikut adalah rumus peta
kendali np :
Rumus peta kendali np :
CL = n =
atau,
BKA/BKB = n
CL = n = n.
3
Page 3
=n
atau, n
=n
=n
=n
BKA/BKB = n
b. Peta kendali p :
Peta kendali p merupakan peta kendali kontrol fraksi / bagian yang tidak memenuhi
syarat. Peta kendali p menunjukkan proporsi cacat (cacat keseluruhan).Peta kendali p
digunakan untuk n variansi. Berikut ini adalah rumus peta kendali p :
Rumus peta kendali p :
p=
=>
Untuk 3
CL =
BKA/BKB =
= proporsi defective
Page 4
BKA/BKB =
Dimana :
Ada pun tujuan dibuatnya peta kendali p yaitu untuk menentukan rata-rata kualitas,
menarik perhatian manajemen tentang peruahan rata-rata, memperbaiki kualitas, evaluasi
prestasi dari manajemen oprasi dan personel, memperkirakan pemakaian peta kendali X
dan R, dan menentukan kriteria penerimaan.
c. Peta kendali c
Menurut Grant (1991), peta kendali atribut c chart adalah peta kendali untuk
ketidaksesuain (kecacatan) barang dimana besarnya subgroup sama. Contoh penerapan c
chart adalah jumlah ketidaksesuaian permukaaan yang diamati dalam lembaran yang
dilapisi seng atau yang dicat pada daerah tertentu, jumlah ketidaksempurnaan permukaan
dalam selembar film foto, jumlah kerusakan pada titik-titik lemah dalam isolasi pada
panjang tertentu kawat .Ukuran subgrup dari Peta kendali c n = 1 . Berikut adalah rumus
peta kendali atribut c :
Rumus peta kendali c :
CL =
BKA/BKB =
Dimana,
c = Jumlah cacat
k = Jumlah subgrup
=
3
Page 5
d. Peta kendali u
Peta kendali u merupakan peta kendali yang menunjukkan banyaknya cacat (jumlah
defect) per unit dalam subgrup. Peta kendali u merupakan modifikasi dari Peta kendali c ;
dimana : u =
BKA/BKB =
Dimana,
BKA/BKB =
Dalam mengendalikan kualitas dari suatu produk ada beberapa alat bantu untuk
mengetahui penyebab utama dari terjadinya kegagalan atau cacat produk sehingga perusahaan
dapat memperbaiki dan meningkatkan mutu produk dengan efektif. Salah satu tools yang
paling sering digunakan adalah Cause and effect diagram.
Diagram Cause and effect diagram (sebab akibat) digunakan untuk menganalisis
persoalan dan faktor-faktor yang menimbulkan persoalan tersebut. Dengan demikian diagram
tersebut dapat digunakan untuk menjelaskan sebab-sebab suatu persoalan. Cause and effect
diagram juga disebut Ishikawa diagram dan dikembangkan oleh Dr. Kaoru Ishikawa.
Diagram tersebut juga disebut Fishbone diagram karena berbentuk seperti kerangka ikan.
Dalam industri manufaktur pembuatan cause and effect diagram dapat menggunakan
konsep 5M-1E, yaitu: machines, methods, materials, measurement, men/women, dan
environment. Sedangkan dalam bidang pelayanan dapat memakai pendekatan 3P-1E yang
Laboratorium OSI & K | FT.UNTIRTA | Praktikum PENGKUAL 2014
Page 6
terdiri dari : procedures, polocies, people dan equipment. Berikut ini adalah contoh cause and
effect diagram :
C. Studi Kasus
Contoh peta Kendali P
Misalkan Anda bekerja di sebuah pabrik yang memproduksi tabung gambar untuk
televisi. Untuk setiap lot, Anda menarik beberapa tabung dan melakukan inspeksi visual. Jika
tabung memiliki goresan di bagian dalam, Anda menolaknya. Jika memiliki terlalu banyak
menolak, Anda melakukan pemeriksaan 100% terhadap lot tersebut. P chart dapat
menentukan kapan Anda harus memeriksa seluruh lot. Berikut adalah data yang dihasilkan :
Page 7
Sampled
Rejects
98
20
104
18
97
14
99
16
97
13
102
29
104
21
101
14
55
10
48
11
50
12
53
13
56
14
49
15
56
16
53
17
52
18
51
10
19
52
20
47
10
Cara penyelesainya :.
1. Pilih Start > Charts kontrol > Atribut Charts > P.
2. Pada Variabel, masukkan Rejects.
3. Dalam ukuran Subkelompok, masukkan Sampel.
4. Klik OK.
Sehingga didaptkan output sebagai berikut
Page 8
UCL=0,3324
0,30
Proportion
0,25
0,20
_
P=0,1685
0,15
0,10
0,05
LCL=0,0047
0,00
1
11
Sample
13
15
17
19
Dari grafik diatas dapat dilihat bahwa data no 6 melewati batas kendali atau out of control.
Page 9
Inspected
Rejects
No
Inspected
Rejects
No
Inspected
Rejects
200
11
200
12
21
200
200
13
12
200
22
200
10
200
13
200
10
23
200
200
14
200
24
200
12
200
15
200
13
25
200
200
13
16
200
26
200
200
17
200
27
200
10
200
12
18
200
28
200
17
200
27
19
200
15
29
200
14
10
200
10
20
200
25
30
200
11
2.
3.
4.
5.
Di bawah grafik Berpisah menjadi serangkaian segmen untuk tujuan tampilan, pilih
Setiap segmen berisi __ subgrup dan enter10.
6.
Page 10
Peta kendali NP
NP Chart of Rejects
1
20
UCL=20,10
__
NP=10,6
10
Sample Count
LCL=1,10
1
10
1
20
UCL=20,10
__
NP=10,6
10
0
LCL=1,10
11
12
13
14
15
16
17
18
19
20
20
UCL=20,10
__
NP=10,6
10
0
LCL=1,10
21
22
23
24
25
26
Sample
27
28
29
30
Inspeksi banyak 9 dan 20 jatuh di atas batas kendali atas, menunjukkan bahwa
penyebab khusus dapat mempengaruhi jumlah barang cacat untuk banyak ini. Anda harus
menyelidiki apa penyebab khusus mungkin telah mempengaruhi out-of-control jumlah sepeda
barang cacat ban untuk pemeriksaan banyak 9 dan 20.
Kemudian dari data peta kendali NP di atas dibuatpeta kendali P
Langkah penyelesaian :
1. Pilih Start > Charts kontrol > Atribut Charts > P.
2. Pada Variabel, masukkan Rejects.
3. Dalam ukuran Subkelompok, masukkan Inspected.
4. Klik OK.
Sehingga didaptkan output sebagai berikut
Page 11
Peta Kendali P
P Chart of Reject
0.14
1
1
0.12
UCL=0.1005
Proportion
0.10
0.08
0.06
_
P=0.053
0.04
0.02
LCL=0.0055
0.00
1
10
13
16
Sample
19
22
25
28
Defects
No
Defects
No
Defects
No
11
21
31
12
22
32
13
23
33
14
24
34
15
25
35
16
26
36
17
27
37
18
28
38
19
29
39
10
20
30
40
Defects
Page 12
Cara Penyelesaian :
1. Pilih Stat> Charts kontrol> Atribut Charts> C.
2. Pada Variabel, masukkan Difective.
3. Klik C Bagan Options, kemudian klik tab S Batas.
4. Di bawah batas kontrol Display di, masukkan 1 2 3 dalam kelipatan ini dari standar
deviasi.
5. Di bawah tempat batas pada batas kontrol, periksa batas standar deviasi rendah terikat
dan enter0.
6. Klik OK di setiap kotak dialog.
Peta kendali C
C Chart of Defects
8
+3SL=7,677
7
+2SL=6,027
Sample Count
6
5
+1SL=4,376
_
C=2,725
3
2
1
-1SL=1,074
LB=0
1
13
17
21
Sample
25
29
33
37
Karena poin jatuh dalam pola acak, dalam batas-batas batas kontrol 3s, Anda
menyimpulkan proses tersebut berfungsi diduga dan memegang kendali.
Page 13
Day
Sample
Defects
110
101
11
98
105
110
15
100
13
98
99
100
10
100
11
102
12
98
13
99
14
105
15
104
16
100
17
103
18
100
19
98
20
102
a. Peta Kendali U
Cara penyelesaian :
1. Pilih Stat> Charts kontrol> Atribut Charts> U.
2. Pada Variabel, masukkan Defects.
3. Dalam ukuran Subkelompok, masukkan Sample.
4. Klik OK di kotak dialog.
Berikut hasil dari perhitungan :
Page 14
Peta Kendali U
U Chart of Defects
1
0.14
UCL=0.1241
0.12
0.10
0.08
_
U=0.0546
0.06
0.04
0.02
0.00
LCL=0
1
11
Sample
13
15
17
19
Cara Penyeliesaian :
a. Pilih Stat> Charts kontrol> Atribut Charts> U.
b. Pada Variabel, masukkan Defects.
c. Dalam ukuran Subkelompok, masukkan 102.
d. Klik U Bagan Options, kemudian klik tab S Batas.
e. Di bawah Ketika ukuran subkelompok tidak sama, menghitung batas kontrol, pilih
asumsi semua subkelompok telah ukuran kemudian masukkan 102.
f. Klik OK di kotak dialog.
Berikut hasil dari perhitungan :
Page 15
Peta Kendali U
U Chart of Defects
1
0,14
UCL=0,1241
0,12
0,10
0,08
_
U=0,0546
0,06
0,04
0,02
0,00
LCL=0
1
11
Sample
13
15
17
19
Unit 5 dan 6 di atas garis batas kontrol atas, menunjukkan bahwa penyebab khusus
dapat mempengaruhi jumlah cacat pada unit-unit ini. Anda harus menyelidiki apa penyebab
khusus mungkin telah mempengaruhi out-of-control jumlah bermotor cacat mobil mainan
untuk unit-unit ini.
D. Tugas Pendahuluan
1.
2.
Sebutkan dan jelaskan peta apa saja yang terdapat dalam peta kendali atribut !
3.
Sebutkan dan jelaskan kelebihan dan kekurangan menggunakan peta kendali atribut
!
4.
5.
Page 16
banyaknya tiang juggy punk yang tidak memenuhi persyaratan yang diinginkan
adalah seperti pada tabel. Pengamatan dilakukan selama 20 hari.
Tabel 5. Data Pengamatan Banyaknya Defective
6.
Hari
Ukuran
Sampel
Jumlah
Defective
Hari
Ukuran
Sampel
Jumlah
Defective
1
2
3
4
5
6
7
8
9
10
48
37
50
47
48
54
51
42
32
40
5
5
0
5
0
3
0
1
5
2
11
12
13
14
15
16
17
18
19
20
56
45
57
61
62
55
55
51
46
42
2
4
1
0
3
0
5
2
2
4
Berikut ini Merupakan data pemeriksaan defective dari produk komputer selam 25
hari trakhir. Apakah data terkendali? Jelaskan dengan perhitungan dan grafik peta
kendali!
Tabel 6. Data Pemeriksaan Defective dari produk komputer dalam 25 Hari
No
Banyaknya
sempel
Jumlah
Defective
No
Banyaknya Jumlah
sempel
Defective
101
14
91
100
15
98
106
16
96
104
17
105
108
18
95
118
19
103
95
20
123
91
21
84
103
22
109
11
10
101
10
23
94
11
103
24
113
12
96
25
90
13
113
14
Page 17
7.
Sebuah penelitian dilakukan oleh divisi QC pada PT. Juggy Corporation, untuk
memantau banyaknya produk yang defective ketika melakukan proses pembubutan
pada tiang penyangga jug hanger. Ukuran contoh ditetapkan sebesar 49 (n=49)
dengan jalan memeriksa 49 tiang penyangga jug hanger yang dikerjakan setiap
hari, kemudian dicatat banyaknya tiang penyangga jug hanger yang tidak
memenuhi persyaratan yang diinginkan adalah seperti pada tabel. Pengamatan
dilakukan selama 20 hari.
Tabel 7. Data Pengamatan Banyaknya Defective pada tiang penyangga jug hanger
8.
Hari
Cacat
Tiang
Hari
Cacat
Tiang
1
2
3
4
5
6
7
8
9
10
5
5
0
5
0
3
0
1
5
2
11
12
13
14
15
16
17
18
19
20
2
4
1
0
3
0
5
2
2
4
Suatu perusahaan pembuat mainan anak-anak ingin membuat peta pengendali untuk
periode mendatang dengan mengadakan inspeksi terhadap proses produksi bulan
ini. Perusahaan melakukan 25 observasi dengan mengambil sampel 50 buah untuk
setiap observasi. Data hasil pengambilan sampel dapat dilihat pada tabel berikut
Tabel 8. Data hasil pengambilan sampel
Observasi
banyaknya
produk cacat
1
2
3
4
5
6
7
4
5
5
4
6
2
3
Page 18
9.
Observasi
banyaknya
produk cacat
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
6
4
3
3
2
3
2
4
1
4
10
3
2
1
4
7
5
4
Reject (R)
Hari
Reject (R)
Hari
Reject (R)
1
2
3
4
5
6
7
8
9
10
4
2
0
3
1
5
2
2
3
4
11
12
13
14
15
16
17
18
19
20
0
5
4
2
2
1
3
3
0
5
21
22
23
24
25
26
27
28
29
30
2
2
3
3
4
2
1
1
2
2
Page 19
10. Bram adalah bagian dari tim QC di PT. Kaset Indonesia yang ingin melakukan
inspeksi terhadap kualitas kaset yang di produksi. Berikut ini didapatkan banyaknya
defects dalam inspeksi akhir produk kaset:
Tabel 10.Tabel data jumlah defects pada produk kaset
No
Banyaknya
Defects
No
Banyaknya
Defects
1
12
1
1
13
2
3
14
3
7
15
4
8
16
5
10
17
6
5
18
7
13
19
8
0
20
9
19
21
10
24
22
11
a. Buatlah analisa dari data tersebut (grafik)!
6
9
11
15
8
3
6
7
4
9
20
11. Suatu unit QC dari PT. Juggy Corporation, ingin mengadakan inspeksi pada bahan
kayu juggy hook yang diinspeksinya. Karena bahannya panjang, maka ditetapkan
memeriksaan tiap 50 cm bahan kayu juggy hook . Pemeriksaan dilakukan untuk 10
hari pengamatan :
Tabel 11.Tabel Hasil inspeksi pada bahan kayu juggy hook
Hari
Panjang (cm)
Difects
1
2
3
4
5
6
7
8
9
10
475
525
625
575
725
675
425
375
225
175
5
14
9
8
12
11
15
12
11
8
Page 20
12. Direktur departemen farmasa melakukan pengamatan tingkat oprasi di rumah sakit
Harapan Kami. Jenis kesalahan yang terjadi yaitu pemberian obat yang salah, dosis
yang salah, diberikan kepada pasien yang salah dan diberikan pada waktu yang
salah. Sehingga direktur melakukan pengamatan banyaknya kesalahan (defects)
selama 25 hari. Didapatkan jumlah pasien perharinya (order) dan banyaknya
kesalahan (defects) dalam 25 hari. Analisa apakah data dibawah ini terkendali atau
tidak dan tentukan nilai CL dan BKA/BKB!
Tabel 12.Tabel Jumlah pasian perharinya (order) dan banyaknya kesalahan (defecs)
No
Banyaknya
Order
Banyaknya
kesalahan
(defects)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
1200
1160
1210
1300
1120
1150
1100
1320
1240
1180
1140
1120
1220
1200
1150
1100
1160
1300
1100
1180
1220
1240
1120
1150
1180
11
10
12
9
10
12
14
12
10
15
4
13
7
16
14
23
14
16
10
12
14
13
16
13
12
Page 21