PENGENDALIAN KUALITAS STATISTIK

Kualitas / Mutu : Ukuran tingkat kesesuaian barang/ jasa dg

standar/spesifikasi yang telah ditentukan/ ditetapkan. Pengendalian Kualitas Statistik (PKS) : Ilmu yang mempelajari tentang teknik /metode

pengendalian kualitas berda-sarkan prinsip/ konsep statistik. Cara menggambarkan ukuran kualitas 1. Variabel : karakteristik kualitas suatu produk dinyatakan dengan besaran yang dapat diukur (besaran kontinue). Seperti : panjang, berat, temperatur, dll. 2. Attribut : karakteristik kualitas suatu produk dinyatakan dengan apakah produk tersebut memenuhi

kondisi/persyaratan tertentu, bersifat dikotomi, jadi hanya ada dua kemungkinan baik dan buruk. Seperti produk cacat atau produk baik, dll. Tujuan :   Memperoleh jaminan kualitas (quality Assuran-ce) dapat dilakukan dengan Aceceptance sampling Plans. Menjaga konsistensi Kualitas, dilaksanakan dengan Control Chart.

Keuntungan :  Untuk mempertinggi kualitas atau mengurangi biaya.  Menjaga kualitas lebih uniform.  Penggunaan alat produksi lebih efisien.  Mengurangi rework dan pembuangan.  Inspeksi yang lebih baik.  Memperbaiki hubungan produsen-konsumen.  Spesifikasi lebih baik. Teknik Pengendalian Kualitas Statistik Ada 4 metode Statistik yang dapat digunakan : 1. Distribusi Frekuensi Suatu tabulasi atau cacah (tally) yang menyatakan banyaknya suatu ciri kualitas muncul dalam sampel yang diamati.

Untuk melihat kualitas sampel dapat digunakan : a. Kualitas rata-rata b. Penyebaran kualitas c. Perbandingan diinginkan. 2. Peta kontrol/kendali (control chart) Grafik yang menyajikan keadaan produksi secara kualitas dengan spesifikasi yang

kronologi (jam per jam atau hari per hari).

Tiga macam control chart : a. Control Chart Shewart Peta ini disebut peta untuk variabel atau peta untuk x dan R (mean dan range) dan peta untuk x dan dan deviasi standard). b. Peta kontrol untuk proporsi atau perbandingan antara banyaknya produk yang cacat dengan seluruh (mean

produksi, disebut peta-p (p-chart). c. Peta kontrol untuk jumlah cacat per unit, disebut peta-c (c-chart). 3. Tabel sampling Tabel yang terdiri dari jadual pengamatan kualitas, biasanya dalam bentuk presentase. 4. Metode Khusus Metode ini digunakan untuk pengendalian kualitas dalam industri, al : korelasi, analisis variansi, analisis toleransi, dll.

KONSEP STATISTIK DALAM PROBABILITAS Konsep statistik PKS merupakan pengeterapan statistik pada proses produksi, sehingga diperlukan pengertian yang tepat dan jelas mengenai konsep-konsep statistik untuk

menghindari salah interpretasi. Salah interpretasi dalam proses produksi mengakibatkan penurunan kualitas produksi atau penambahan biaya produksi. Pola atau bentuk variasi Dalam memproduksi barang secara masal tentu akan dijumpai varisi meskipun sudah ditentukan ukuran maupun kualitasnya. Ada 3 macam variasi yang dapat terjadi : 1. Variasi yg terdapat pada unit (barang). 2. Variasi yg timbul diantara unit-unit yang dihasilkan selama waktu tertentu. 3. Variasi yang ditimbulkan oleh produksi yg

berlainan waktunya. Variasi-variasi tersebut timbul disebabkan karena dua sumber, yaitu variasi penyebab khusus dan variasi penyebab umum.

1. Variasi Penyebab Khusus

2.. modus (mode). metode kerja. deviasi standar. lingkungan..Adalah kejadian-kejadian variasi diluar sistem yang mempengaruhi dalam sistem. peralatan... Mean (rata-rata) : n § X x  x  x ......  x i 1 2 2 n ! i !1 X! n n n = banyaknya pengamatan xi = nilai atau harga pada pengamatan ke i Median ...... material.... Harga Tengah dan Ukuran Dispersi Mean. Penyebab umum sering disebut penyebab acak (random causes) atau penyebab sistem (system causes). decile. kuartil. dll).... range. median. percentil.. Variasi penyebab Umum Adalah faktor-faktor dalam sistem atau yang melekat pada proses yang menyebabkan timbulnya variasi. (manusia.

Nilai atau harga yang membagi seluruh data menjadi dua kelompok yang sama banyaknya Jika banyaknya pengamatan ganjil (2k+1). maka sebagai median diambil : x k  x k 1 2 xk = nilai pengamatan ke k setelah diurutkan xk+1 = nilai pengamatan ke k+1 setelah diurutkan Modus (Mode) Nilai atau harga yang mempunyai frekuensi terbesar. xk + 2 . masing-masing kelompok banyak anggotanya sama.««. Ukuran Dispersi atau Ukuran Sebaran Data . x2. x3 «« . Percentil dan Decile Membagi data menjadi seratus bagian dan sepuluh bagian sama banyak. Kuartil Membagi data menjadi empat kelompok. maka pengamatan ke (k+1) merupakan median. X1. tentunya setelah diurutkan xk + 1.xk xk + 1. x2k + 1 k pengamatan k pengamatan Jika banyaknya pengamatan genap 2k.

Xmin Deviasi Standar ( ) = ¨ § xj ¸ § xj  © ¹ © n ¹ º ª n 1 2 2 . R = Xmaks . deviasi standar Range (R) adalah selisih nilai terbesar dan nilai terkecil.Macam dispersi : range.

PETA KENDALI (CONTROL CHART) Metode Statistik untuk menggambarkan adanya variasi atau penyimpangan dari mutu (kualitas) hasil produksi yang diinginkan.  Dapat diawasi dengan mudah apakah proses dalam kondisi stabil atau tidak. . lebar bagian atas suatu produk tidak sama dengan lebar bagian bawah.  Bila terjadi banyak variasi atau penyimpangan suatu produk dapat segera menentukan keputusan apa yang harus diambil. Macam Variasi :  Variasi dalam objek Mis : kehalusan dari salah satu sisi daru suatu produk tidak sama dengan sisi yang lain. dll. Dengan Peta kendali :  Dapat dibuat batas-batas dimana hasil produksi menyimpang dari ketentuan.

dll. ling. Penyebab Timbulnya Variasi  Penyebab Khusus (Special Causes of Variation) Man. dll. dll. Peta-C dan peta-U. (berada di dalam batas kendali) Jenis Peta Kendali  Peta Kendali Variabel (Shewart) Peta kendali untuk data variabel :  Peta X dan R. (berada di luar batas kendali)  Penyebab Umum (Common Causes of Variation) Melekat pada sistem.  Variasi yg ditimbulkan oleh perbedaan waktu produksi Mis : produksi pagi hari berbeda hasil produksi siang hari.  Peta Kendali Attribut Peta kendali untuk data atribut :  Peta-P. Variasi antar objek Mis : sautu produk yang diproduksi pada saat yang hampir sama mempunyai kualitas yang berbeda/ bervariasi. tool. mat. metode. Peta X dan S. .

 Apakah rata-rata produk yang dihasilkan sesuai dengan standar yang telah ditentukan.Peta X dan R  Peta kendal X :  Memantau perubahan suatu sebaran atau distribusi suatu variabel asal dalam hal lokasinya (pemusatannya).  Memantau tingkat keakurasian/ketepatan proses yang diukur dengan mencari range dari sampel yang diambil. 3. 4. yaitu Range ( R ). Hitung nilai rata-rata seluruh X. Langkah dalam pembuatan Peta X dan R 1. Tentukan banyaknya subgrup (k) sedikitnya 20 subgrup. 4. . yang merupakan center line dari peta kendali X.  Peta kendali R :  Memantau perubahan dalam hal spread-nya (penyebarannya). yaitu X. ««).  Apakah proses masih berada dalam batas-batas pengendalian atau tidak. Hitung nilai selisih data terbesar dengan data terkecil dari setiap subgrup. yaitu X. 2. 5. Tentukan ukuran subgrup (n = 3. Hitung nilai rata-rata dari setiap subgrup. 5.

10. 7. A2 = 3 d2 n 8. Hitung batas kendali dari peta kendali X : UCL LCL = X + (A2 .33. Hitung nilai rata-rata dari seluruh R. R 9. yaitu R yang merupakan center line dari peta kendali R. maka kapabilitas proses baik Jika Cp < 1. Plot data X dan R pada peta kendali X dan R serta amati apakah data tersebut berada dalam pengendalian atau tidak.6. R) ««««. R) = X ± (A2 .00.00 ” Cp ” 1.33 . R = D3 . maka kapabilitas proses rendah . Hitung batas kendali untuk peta kendali R UCL LCL = D4 . Hitung Indeks Kapabilitas Proses (Cp) Cp = USL  LSL 6S Dimana : S= ( Nx § Xi 2 )  ( § Xi ) 2 N ( N  1) atau S = R/d2 Kriteria penilaian : Jika Cp > 1. maka kapabilitas proses sangat baik Jika 1.

Masing-masing berukuran 5 unit (n=5). . maka proses menghasilkan produk yang tidak sesuai dengan spesifikasi Kondisi Ideal : Cp > 1. maka proses menghasilan produk yang sesuai dengan spesifikasi Jika Cpk < 1.33 dan Cp = Cpk Contoh Kasus PT XYZ adalah suatu perusahaan pembuatan suatu produk industri. Ditetapkan spesifikasi adalah : 2.05 mm. CPL } Dimana : CPU = USL  X 3S dan CPL = X  LSL 3S Kriteria penilaian : Jika Cpk = Cp.Hitung Indeks Cpk : Cpk = Minimum { CPU . maka proses terjadi ditengah Jika Cpk = 1.40 0. Untuk mengetahui kemampuan proses dan mengendalikan proses itu bagian pengendalian PT XYZ telah melakukan pengukuran terhadap 20 sampel.

41 2.42 2.35 2.40 0.42 2.38 2.40 0.35 2.03 2.40 2.39 2.41 0.40 2.37 2.35 Perhitungan : Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Jumlah Rata-rata Perhitungan Rata-rata Range 2.37 2.42 2.45 2.40 0.05 2.42 2.36 2.37 0.35 2.42 2.38 2.37 2.38 0.35 2.36 2.35 2.40 2.09 2.40 2.38 2.36 2.39 2.36 2.36 2.10 2.07 2.43 2.04 2.19 2.37 0.41 Hasil Pengukuran X3 2.36 2.37 0.04 2.38 2.41 2.43 2.38 2.06 2.39 2.78 1.04 2.07 2.37 2.35 2.39 0.38 2.38 2.37 2.42 2.39 2.06 2.38 2.42 2.39 0.35 2.05 2.45 2.40 2.36 2.39 2.37 2.44 2.02 2.39 2.38 2.45 X4 2.35 2.37 2.39 2.38 2.38 2.38 2.36 2.12 47.35 2.39 0.Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 X1 2.44 0.41 2.42 2.36 0.47 X5 2.05 2.45 2.39 2.36 2.06 2.37 2.06 .36 2.35 2.45 2.34 2.40 2.37 0.41 0.39 2.43 2.39 2.36 2.39 2.43 2.38 0.41 2.05 2.08 2.07 2.39 0.42 2.37 2.37 2.04 2.39 2.37 0.35 2.41 0.35 X2 2.39 2.45 2.43 2.35 2.39 2.41 2.36 2.38 2.43 2.37 2.39 0.38 0.

07 2.39 R = ( R)/k = 1.114 * 0.40 0.06) = 2.06 UCL = D4 * R = 2.02 2.04 2.06 2.40 0.39 ± (0.41 0.19 / 20 = 0.06 Peta Kendali X : CL = X = 2.05 2. maka data pada sampel tersebut dibuang Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 16 17 18 19 20 Jumlah Rata-rata Perhitungan Rata-rata Range 2.36 0.39 + (0.41 0.07 2.37 0.577*0.X = ( X)/k = 47.78 / 20 = 2.39 0.09 2.08 2.06 = 0.05 2.06) = 2.37 0.37 0.05 2.577*0.07 2.37 0.12 45.36 Peta Kendali R CL = R = 0.42 LCL = X .41 0.0605 .06 2.39 0.38 0.37 0.386 0.06 2.03 2.04 2.39 UCL = X + (A2 * R) = 2.39 0.10 2.05 2.12 LCL = D3 * R = 0 * 0.39 0.38 0.34 1.38 0.06 = 0 Pada Peta X ada data yang out of control.04 2.15 2.40 0.(A2 * R) = 2.

114 * 0.577*0.577*0.386 UCL = X + (A2 * R) = 2.0605/2.X = ( X)/k = 45.06 = 0 Karena sudah tidak ada data yang out of control.4209 LCL = X .0605 UCL = D4 * R = 2.386 + (0.3511 Peta Kendali R CL = R = 0.(A2 * R) = 2.386 R = ( R)/k = 1.0605 = 0.326 = 0. maka langkah selanjutnya adalah menghitung kapabilitas proses.026 .0605) = 2.1280 LCL = D3 * R = 0 * 0.34 / 19 = 2.0605) = 2. Perhitungan Kapabilitas Proses : S= ( Nx § Xi 2 )  ( § Xi ) 2 N ( N  1) atau S = R/d2 = 0.15 / 19 = 0.0605 Peta Kendali X : CL = X = 2.386 ± (0.

6410 ternyata kurang dari 1.386  2. CPL } = 0.35 ! 0.6410 6( 0.4615 3( 0.386 ! 0. hal ini menunjukkan kapabilitas proses untuk memenuhi spesifikasi yang ditentukan rendah.026 ) Cpk = Minimum { CPU .Cp = USL  LSL 6S = 2. Nilai Cp sebesar 0.026 ) CPL = X  LSL 3S = 2.4615 yang diambil dari nilai CPL menunjukkan bahwa proses cenderung mendekati batas spesifikasi bawah.45  2.4615 Nilai Cpk sebesar 0.026 ) CPU = USL  X 3S = 2.45  2. .8205 3( 0.35 ! 0.

(1  C 4) C4 = B4 . * S Sehingga : UCL = x + (A3 * S) LCL = x ± (A3 * S) 8. * S C4* n 3. 3. yaitu S yang merupakan garis tengah dari peta kendali S. Kumpulkan banyaknya subgrup (k) sedikitnya 20±25 sub-grup. 2. Hitung simpangan baku dari setiap subgrup yaitu S. 4. S = § (X i  X )2 n 1  6. Tentukan ukuran contoh/subgrup (n > 10). Hitung nilai rata-rata dari setiap subgrup. Hitung nilai rata-rata dari seluruh s. 7. Hitung nilai rata-rata dari seluruh x. Hitung batas kendali dari peta kendali x : UCL = x + LCL = x ± 3. 5. yaitu x yang merupakan garis tengah (center line) dari peta kendali x. yaitu x.Peta Kendali Rata-rata dan Standar Deviasi ( x dan S)  Peta kendali standar deviasi digunakan untuk mengukur tingkat keakurasian suatu proses. Hitung batas kendali untuk peta kendali S : UCL = S 3 * S (1  C 4) C4 dimana 1  ¡ 4* n dimana 3 4* n = A3   3. Langkah-langkah pembuatan peta kendali x dan S adalah sebagai berikut : 1.

19 22.77 S 1. 24. 22. 24. 23. 19 21. 18. 22. 18.80 18. 21.80 20. 18. 21. 19.00 20. 22 21. 21.00 21. 23. 22 23.52 1.71 2.20 22.00 21.82 1.20 22. 23.40 21. 20. 20. 20. (1  C 4) C4 = B3 Sehingga : UCL = B4 * S LCL = B3 * S 9.14 1. 21.00 19.00 21.00 20. 22. 22 19. 21. 21. 20. 17.48 3. 23 19.67 1. 22. 24.52 0.00 20.21 0. 20.84 1. Plot data x dan S pada peta kendali x dan S serta amati apakah data tersebut berada dalam pengendalian atau diluar pengendalian. 20. 22. 20 19. 18.10 1.22 1. 20. 20 22. 21 21. Contoh : Jumlah Observasi 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 Hasil Pengukuran 20.52 1.84 1.64 1.30 . 23 20. 22.14 34. 22.00 20. 18. 24.22 0. 20. 24.80 21.20 22.60 521. 23. 21.14 1. 22 Jumlah Rata-rata x 21. 21.60 19.40 20. 20 20. 18. 20. 23. 21. 21 19. 24.60 23.41 1.80 20.00 1. 22 21.64 1.00 21. 20 22.07 1.71 1. 18. 18. 20. 22.10 1. 22.64 1.88 1. 24.20 19.58 0. 18. 22. 21. 22. 24.40 21. 17. 20. 22 20.LCL = S 3 * S (1  C 4) C4 dimana 1  3. 19 20.60 19. 23. 23. 23 21. 20. 21. 20. 23. 20 20. 20. 23 20. 21. 22 20. 21 20. 19 18. 23. 19.40 22. 20 20. 18. 24. 20. 19.40 19. 20. 18. 21. 20 25. 19.

30) = 18.91  Peta kendali S : CL = 1.30) = 22.77 + 1.77 ± 1.427(1.63 LCL = x ± (A3 * S) = 20.30 UCL = B4 * S = 2.77 UCL = x + (A3 * S) = 20.089 (1.30) = 2.716 LCL = B3 * S = 0 (1.427(1.30) =0 . Peta kendali x : CL = 20.

Kumpulkan banyaknya subgrup (k) sedikitnya 20±25 sub-grup.p : untuk proporsi cacat Dan peta kendali np untuk proporsi unit cacatnya relaitif kecil. Peta Kendali . . Peta Kendali ± c : untuk cacat (defective) 3. 5. yaitu setiap produk yang diklasifikasikan sebagai ³diterima´ atau ³ditolak´ (yang diperhatikan banyaknya produk cacat). yaitu : p = jumlah unit cacat/ukuran subgrup 4. Hitung nilai rata-rata dari p. yaitu p dapat dihitung dengan : p = total cacat/total inspeksi. Tentukan ukuran contoh/subgrup yang cukup besar (n > 30). Peta Kendali ± u : untuk cacat per unit. Langkah-langkah pembuatan peta kendali . 2.  Peta kendali ± p Perbandingan antara banyaknya cacat dengan semua pengamatan. 2. Hitung untuk setiap subgrup nilai proporsi unit yang cacat. Plot data proporsi (persentase) unit cacat serta amati apakah data tersebut berada dalam pengendalian atau diluar pengendalian.p : 1. 3. Hitung batas kendali dari peta kendali x : UCL = p + LCL = p ± 3 p(1  p) n p(1  p) n 3 6.Peta Kontrol Untuk Atribut 1.

06 0.06 0.08 1.02 0.06 0.20 0.08 0.10 0.04 0.08 0.10 0.06 0.04 0.14 0.06 0.04 0.04 0.076 + 3 0.076(1  0.076) 50 = 0. Perusahaan melakukan 25 kali observasi dengan mengambil 50 buah sample untuk setiap kali observasi.10 0.076 UCL = p + 3 p(1  p) n = 0.06 0.Contoh : Sebuah perusahaan ingin membuat peta kendali untuk periode mendatang dengan mengadakan inspeksi terhadap proses produksi pada bulan ini.10 0.10 0.08 0.188 . Hasil selengkapnya adalah : Observasi 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 Jumlah Ukuran Sampel 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 1250 Banyaknya Produk Cacat 4 2 5 3 2 1 3 2 5 4 3 5 5 2 3 2 4 10 4 3 2 5 4 3 2 90 Proporsi Cacat 0.04 0.08 0.90 p = (§pi)/k = 1.90/25 = 0.08 0.

Kumpulkan k = banyaknya subgrup yang akan diinspeksi. 3.076(1  0. Hitung batas kendali untuk peta kendali c : UCL = c + LCL = c ± 3 c 3 c 5. Setiap produk yang cacat bias saja terdapat lebih dari satu defec. Hitung jumlah cacat setiap subgrup ( = c).p : 1.036  Peta Kendali ± c Suatu produk dikatakan cacat (defective) jika produk tersebut tidak memenuhi suatu syarat atau lebih. Hitung nilai rata-rata jumlah cacat. Setiap kekurangan disebut defec. 2.076 ± 3 0. (yang diperhatikan banyaknya defec). Langkah-langkah pembuatan peta kendali . c sbb : c c= § k 4. .LCL = p ± 3 p(1  p) n = 0.076) 50 = 0. Plot data jumlah cacat dari setiap subgrup yang diperiksa dan amati apakah data tersebut berada dalam pengendalian atau diluar kendali. usahakan k mencukupi jumlahnya antara k = 20±25 subgrup.

yang membedakan dengan peta kendai c adalah besarnya unit inspeksi perlu diidentifikasikan. Rumus yang digunakan : Su = u  bar ni CL = u-bar UCL = u-bar + 3 Su LCL = u-bar . Perbedaanya hanya terdapat pada peta kendali u spesifikasi tempat dan waktu yang dipergunakan idak harus selalu sama.3 Su .u Peta kendali u relatif sama dengan peta kendali c. Peta Kendali .

namun alat untuk memeriksa apakah produk yang dihasilkan tersebut telah memenuhi spesifikasi.  Acceptance sampling digunakan karena alasan :  Dengan pengujian dapat merusak produk. .  100 % inspeksi memerlukan waktu yang lama.  Bukan merupakan alat pengendalian kualitas.  Biaya inspeksi yang tinggi.RENCANA PENERIMAAN SAMPEL (Acceptance Sampling Plans)  Rencana penerimaan sampel adalah prosedur yang digunakan dalam mengambil keputusan terhadap produkproduk yang dihasilkan perusahaan. Kelemahan al :  adanya resiko penerimaan produk cacat atau penolakan produk baik  membutuhkan perencanaan dan pendokumentasian prosedur pengambilan sampel.  Tidak adanya jaminan mengenai sejumlah produk tertentu yang akan memenuhi spesifikasi.  Beberapa keunggulan dan kelemahan dalam acceptance sampling : Keunggulan al :  biaya lebih murah  meminimalkan kerusakan  mengurangi kesalahan dalam inspeksi  dapat memotivasi pemasok bila ada penolakan bahan baku. dll.  Sedikitnya informasi mengenai produk.

 Teknik pengambilan sample dalan acceptance sampling :  Sampel tunggal. Pengujian sebelum pengiriman produk akhir ke konsumen.  Acceptance sampling dapat dilakukan untuk data atribut data variable :  Acceptance Sampling untuk data atribut dilakukan apabila inspeksi mengklasifikasikan sebagai produk baik dan produk cacat tanpa ada pengklasifikasian tingkat kesalahan/cacat produk.  Acceptance Sampling untuk data variabel karakteristi kualitas ditunjukkan dalam setiap sample.  Syarat pengambilan produk sebagai sample :  Produk harus homogen  Produk yang diambil sebagai sample harus sebanyak mungkin  Sample yang diambil harus dilakukan secara acak .  sampel ganda dan  sampel banyak. Dua jenis pengujian dalam acceptance sampling : 1. sehingga dilakukan pula perhitungan rata-tata sampel dan penyimpangan atau deviasi standar. 2. Pengujian setelah pengiriman produk akhir ke konsumen. Pengujian dilakukan oleh konsumen disebut the consumer test the lot for incoming quality. Pengujian dilakukan oleh produsen disebut the producer test the lot for outgoing.

.95). 2. Indek kualitas yang dapat digunakan dalam acceptance sampling : 1. Probabilitas penerimaan LQL harus rendah. maka sample diterima. maka sample ditolak. AQL (Acceptance Quality Level = tingkat kualitas menurut produsen) Merupakan proporsi maksimum dari cacat atau kesalahan yang diperbolehkan.99 atau 0. Risiko produsen ( ) adalah risiko yg diterima karena menolak produk baik dalam inspeksinya. Dengan kata lain produsen menginginkan probabilitas penerimaan(Pa) dekat dengan 1 (satu). Sehingga produsen menginginkan semua produk yang baik dapat diterima atau meminimalkan risiko produsen. Prosedur yang dilakukan :  Sejumlah produk yang sama N unit  Ambil sample secara acak sebanyak n unit  Apabila ditemukan kesalahan d sebanyak maksimum c unit. probabilitas tersebut disebut risiko konsumen ( ) atau kesalahan tipe II. yang berarti seluruh produk yang homogen yang dihasilkan tersebut juga ditolak. LQL sering disebut dg LTPD (Lot Tolerance Percent Defective). Probabilitas kesalahan tipe I = = 1 ± Pa.  Apabila ditemukan kesalahan d melebihi c unit. Produsen selalu menghendaki probabilitas penerimaan pada tingkat yang cukup tinggi (biasanya 0. LQL (Limiting Quality Level = tingkat kualitas menurut konsumen) Merupakan kualitas ketidakpuasan atau tingkat penolakan. yaitu risiko yang dialami konsumen karena menerima produk yang cacat atau tidak sesuai.

OC Curve (Kurva Karakteristik Operasi) Merupakan kurva probabilitas penerimaan (Pa) terhadap produk yang dihasilkan. Perhitungan probabilitas penerimaan dapat digunakan Tabel distribusi Poisson. AOQL (Average Outgoing Quality Level) Perkiraan hubungan yang berada diantara bagian kesalahan pada produk sebelum inspeksi (incoming quality) atau p dari bagian sisa kesalahan setelah inspeksi (outgoing quality) atau AOQ = p x Pa. maka dapat digunakan cara interpolasi. outgoing quality akan cenderung baik. 4.5 untuk rencana sampel tertentu. Rumus : Pa = P(d=< c) Pa : probabilitas penerimaan c : batas penerimaan cacat produk d : jumlah cacat yang terjadi Kurva ini dilakukan untuk mencari hubungan antara probabilitas penerimaan (Pa) dengan bagian kesalahan dalam produk yang dihasilkan (p). Apabila incoming quality baik. IQL (Indifference Quality Level ) Tingkat kualitas diantara AQL dan LQL atau tingkat kualitas pada probabilitas 0. Apabila tidak diketemukan nilai probabilitasnya karena keterbatasan nilai np. maka outgoing quality juga harus baik.  Pengukuran untuk mengevaluasi kinerja Sampel Ada beberapa macam pengukuran 1.3. . namun bila incoming quality buruk. maka outgoing quality akan tetap baik. Dengan kata lain incoming quality baik atau buruk.

00 6.174 0.50 Probabilitas penerimaan (Pa) 0.50 1.030 0.238 0.4 0.0 0.50 5.2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 p .088 0.00 3.08 0.09 0.04 0.423 0.809 0.50 6.00 1.12 0.03 0.6 0.020 Kurva OC 1.10 0.14 0.06 0.00 7.50 2.11 0.00 4.13 0.677 0.986 0.07 0.05 0.125 0.00 2.50 7.2 1.02 0.15 OC Kurva S N = 2000.544 0.50 4.8 Pa 0.062 0.321 0. c = 2 np 0.Dua macam OC Curve : Probabilitas Penerimaam (Pa) Probabilitas Penerimaan (Pa) 1 1 Po proporsi kesalahan (p) Po proporsi kesalahan (p) OC Kurva ideal Contoh : Diketahui Proporsi kesalahan (p) 0.00 5.01 0.043 0.50 3.920 0. n = 50.

062 0.09 0.544 0.05 0.0219 0. Contoh : pembuatan kurva AOQ : Diketahui N = 2000.13 0.0264 0.0055 0.321 0.07 0.423 0.0265 0.0186 0.04 0.0122 0.15 Probabilitas penerimaan (Pa) 0.0094 0.08 0.020 Kualitas output ratarata (AOQ) 0.0153 0.11 0.677 0.809 0.030 0.088 0.0029 . Apabila N = banyaknya unit yang dihasilkan n = unit sampel yang diinspeksi p = bagian kesalahan/ketidaksesuaian Pa = probabilitas penerimaan produk Maka rumus yang digunakan : AOQ = Paxp ( N  1) N Kurva AOQ mempunyai titik puncak (AOQL= Average Outgoing Quality Limit).986 0. Sampel yang diambil harus dikembalikan untuk dilakukan perbaikan bila produk tersebut ternyata rusak atau cacat.12 0. n = 50.0179 0.125 0. AOQ Curve (Kurva Kualitas Output rata-rata) AOQ adalah tingkat kualitas rata-rata dari suatu inspeksi.06 0. c = 2 Proporsi Kesalahan (p) 0.043 0.0247 0.2.10 0.0041 0.02 0.0237 0.0073 0.0096 0.01 0.920 0. AOQL menunjukkan kualitas rata-rata yang harus dikembalikan dari inspeksi untuk dilakukan perbaikan.174 0. AOQ untuk mengukur rata-rata kualitas output dari suatu hasil produksi dengan proporsi kerusakan sebesar p.03 0.238 0.14 0.

015 0.025 0.005 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 p Untuk pengambilan sampel ganda digunakan rumus : AOQ = ?PaI .030 0.010 0.Kurva AOQ 0.020 AOQ 0.

N  n1  PaII .

0042 0.003 0.047 0.406 0.171 0.0194 0.036 0.0253 0.309 0.006 0.04 0.061 0.808 0.14 0.0124 0.08 0.N  n1  n2 A N Contoh : N n1 c1 r1 Proporsi Kesalahan (p) 0.061 0.0185 0.066 0.001 n2 = 60 unit c2 = 5 unit r2 = 6 unit Kualitas output rata-rata (AOQ) 0.0054 0.060 0.0324 0.525 0.251 0.09 0.173 0.091 0.07 0.0165 0.13 0.10 0.03 0.034 0.02 0.662 0.257 0.135 0.0099 0.017 Pa II 0.027 0.05 0.15 = 5000 unit = 40 unit = 1 unit = 4 unit Pa I 0.0069 0.0027 .01 0.0318 0.938 0.12 0.0300 0.0273 0.231 0.020 0.0091 0.011 0.125 0.198 0.06 0.11 0.280 0.

11 0.238 0.20 1175.02 0.14 0.062 0.174 0. c = 2 Rata-rata Inspeksi (ATI) 77.09 0.00 Probabilitas penerimaan (Pa) 0.05 1535.809 0.10 1916.00 422.04 0.544 0.3.01 0.15 1374.70 1756.03 0.07 0.020 Kurva ATI 2500 2000 AOQ 1500 1000 500 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 p .677 0.50 1961.90 1660.06 0.088 0.125 0.920 0.85 939.15 sampel yang N = 2000. ATI Curve (Kurva Inspeksi Total Rata-rata) ATI menunjukkan rata-rata jumlah diinspeksi setiap unit yang dihasilkan.030 0. n = 50.986 0.05 0.15 1941.08 0.13 0.321 0. Untuk sampel tunggal : ATI = n + (1 ± Pa) (N ± n) Untuk sampel ganda : ATI = n1(Pa I) + (n1 + n2)Pa II + N(1 ± Pa1 ± Pa II) Contoh : Diketahui Proporsi Kesalahan (p) 0.423 0.25 1828.10 0.30 206.12 0.45 679.043 0.40 1879.

02 maka : P1 = P (d <=c1) + P (d >=r1) P1 = P [d <= 1 n1.p = 40 (0.68 76.p = 0.697 0.549 Banyaknya Sampel Rata-rata (ASN) 44.38 54.03 0.817 ASN = n1 + n2 (1 ± P1) = 40 + 80 (1 = 0.4.24 71.939 0.991) P1 = 0.05 0.01 0.p = 0.08 .02 0.64 64. Sampel tunggal : ASN = n Sampel ganda : ASN = n1 + n2 (1 ± P1) P1 : merupakan probabilitas keputusan pada sampel pertama P1 = P (produk yg diterima pd sampel pertama) + P (produk yg ditolak pd sampel pertama) = P (d<= c1) + P (d >= r1) Contoh : Diketahui N = 3000 n1 = 40 n2 = 80 c1 = 1 c2 = 3 r1 = 4 r2 = 4 Misal nilai p atau proporsi kerusakan 0.808 + (1 ± 0.64 Proporsi Probabilitas keputusan Kesalahan (p) pada sample pertama (P1) 0.604 0. ASN Curve (Banyaknya sample rata-rata) ASN adalah rata-rata banyaknya unit yang diuji untuk membuat suatu keputusan.p = 40 (0.8] + P [d >= 4 n1.817) = 54.02)] = P [d <= 1 n1.8] = 0.04 0.817 0.02)] + P [d >= 4 n1.

 Macam sampling plan o Single sampling plan o Double sampling plan o Multiple sampling plan  Level Inspeksi o Special (khusus) o General (umum)  Jenis Inspeksi .  AQL : Tingkat kualitas menurut produsen merupakan proporsi maksimum dari cacat atau kesalahan yang diperbolehkan yang bertujuan untuk inspeksi sampel. ACCEPTANCE DENGAN TABEL ABC (Mil STD 105 D Tabel)  Defect : o o o Minor Critical : berbahaya/tdk aman terhadap pemakai Major : mengurangi fungsi/kegunaan : tidak mengurangi fungsi tetapi menyim-pang dari standar. yang dipertimbangkan secara tepat sebagai rata-rata proses.MILITARY STANDAR 105 D  Adalah system pengambilan sampel untuk data atribut dengan indek kualitas yang digunakan adalah AQL.  Alat yang digunakan adalah ³tabel´ yang berkaitan dengan banyaknya inspeksi.

Tentukan AQL (dalam %) 4. II´  Dari tabel K akan diperoleh kode huruf ukuran sampel. Khusus Tingkat pemeriksaan Umum III S1 S2 S3 S4 I II . Tentukan batas penerimaan/penolakan dan jumlah sampel dari : Tabel II ± A II ± B II ± C Normal Tighten Reduced  Cara penggunaan tabel  Dengan ukuran lot tertentu (N) dan tingkat pemeriksaan lihat tabel K Jika tingkat pemeriksaan tidak diketahui maka diambil ³tingkat pemeriksaan umum tk. Dari table I : tentukan sampel code letter 3.o Normal o Tighten (ketat) o Reducet (longgar)  Prodedur Pemilihan : Single sampling plan 1. Tentukan lot size dan level inspeksi 2.

multi Contoh : N = 1000 Tingkat pemeriksaan umum II . Huruf yang didapat dari table K untuk menentukan ukuran sample dan batas kelas pemeriksaan suatu penolakan dari lot o Ditambah AQL (Acceptable Quality Level/ tingkat kualitas yang diterima o Jenis pemeriksaan Maka akan diperoleh n.tunggal : normal (L) ketat (M) longgar (N) : normal (O) ketat (P) longgar (Q) : normal (R) ketat (S) longgar (T) untuk menentukan harga Pa . Ac.ganda . Re n = ukuran sample Ac = batas penerimaan Re = batas penolakan Jenis pemeriksaan : .

serta distribusi frekuensi.25 Cari : a). Jenis pemeriksaan tunggal normal b).25 Maka Ac = 0 Re = 1 b. Jenis pemeriksaan ganda longgar dari tabel K didapat untuk N = 1000 dg tingkat pemeriksaan umum tk II dg kode letter J : a.25 Ac = 0 Re = 1 PERENCANAAN SAMPING MENURUT MIL STD 414 Perencanaan sampel untuk data variabel. Pengambilan dan penerimaan data variabel didasarkan pada rata-rata dan standar deviasi. Ganda longgar n1 = 20 n2 = 20 tabel tunggal longgar didapat : n = 32 AQL = 0. . dengan jenis pemeriksaan tunggal normal n = 80 AQL = 0.AQL = 0.

shg dapat menghemat waktu dan biaya. Tujuannya adalah mengidentifikasi setting parameter yang akan memberikan performansi rata-rata pada . Parameter Design Tahap pembuatan prototipe matematis bedasarkan tahap sebelumnya melalui percobaan secara statistik.  Tahap-tahap dalam Desain Produk/proses Taguchi 1. System Design Tahap konseptual untuk memperoleh ide-ide baru dan mewujudkan dalam produk baru atau inovasi proses.  Kekurangan Metode Taguchi Percobaan dilakukan dengan banyak faktor dan interaksi akan terjadi pembauran beberapa interaksi oleh faktor utama. shg ruang lingkup pemecahan masalah lebih luas. Genichi Taguchi (1949). 2. 3.  Metode Taguchi dikembangkan untuk melaukan perbaikan kualitas dengan metode baru dengan pendekatan lain yang memberikan tingkat kepercayaan yang sama dengan SPC (Statistical Process Control).METODE TAGUCHI  Metode Taguchi : Dr. 2. Dapat mengurangi jumlah pelaksanaan percobaan dibandingkan jika menggunakan full factorial. Dapat melakukan pengamatan terhadap rata-rata dan variasi karakteristik kualitas sekaligus.  Kelebihan Metode Taguchi 1. Dapat mengetahui faktor-faktor yang berpengaruh terhadap karakteristik kualitas melalui perhitungan AVONA dan Rasio S/N. shg faktor-faktor yang berpengaruh tersebut dapat diberikan perhatian khusus. akibatnya keakuratan hasil percobaan akan berkurang.

Kekuatan km/liter efisiensi Waktu antar kerusakan ketahanan thd korosi besar  Orthogonal Array (OA) OA merupakan salah satu kelompok dari percobaan yang hanya menggunakan bagian dari kondisi total. dimana bagian ini mungkin separuh. Penggunaan mesin persen kontaminasi Penyimpangan kebisingan Waktu proses produk gagal Pemborosan kerusakan 3. Larger the better Pencapaian karakteristik kualitas semakin semakin baik. Smaller the better Pencapaian karakteristik jika semakin kecil (mendekati nol) semakin baik.  Karakteristik Kualitas Karakteristik kualitas adalah hasil suatu proses yang berkaitan dengan kualitas. Nominal is the best Karakteristik kualitas yang menuju nilai target yang tepat pada suatu nilai tertentu. Berat panjang lebar kerapatan Ketebalan diameter luas kecepatan Volume jarak tekanan waktu 2. . seperempat atau seperdelapan dari percobaan faktorial penuh. 1. 3.target dan menentukan pengaruh dari faktor gangguan pada variasi dari target. Tolerance Design Penentuan toleransi dari parameter yang berkaitan dengan kerugian pada masyarakat akibat penyimpangan produk.

Dynamic Characteristic Merupakan fungsi representasi dari proses yang diamati. Dalam percobaan Taguchi. variabel tak bebas adalah karakteristik kualitas yang terdiri dari tiga kategori : a. c. Penentuan karakteristik kualitas (variabel tak bebas) Variabel yang perubahannya tergantung pada variabelvariabel lain. Proses yang diamati digambarkan sebagai signal atau input dan output sebagai hasil dari signal. Langkah-2 pelaksanaan percobaan Taguchi 1. Identifikasi faktor-faktor (variabel bebas) Variabel yang perubahannya tidak tergantung pada variabel lain. dicatat kemudian dilakukan penyaringan/pemilihan berdasarkan urgensi masalah. Jika terdapat 7 faktor dengan 2 level. tetapi dapat diklasifikasikan secara kelompok kecil. 2. besar atau dpt dikelompokan berdasarkan berhasil (sukses) atau tidak. Attribute Characteristic Hasil akhir yang diamati tdk dapat diukur dengan skala kontinu. setiap orang mengungkapkan faktor-faktor yang berpengaruh pada masalah yang dihadapi. Brainstorming Diskusi kelompok untuk memberikan gambaran tentang masalah yang dihadapi. Beberapa metode yang dapat digunakan untuk mengidentifikasi faktor-faktor tersebut : a. menengah. Measurable Characteristic (karakteristik yg dpt diukur) 1). . Dengan OA jumlah percobaan dapat dikurangi shg dapat mengurangi waktu dan biaya percobaan. Smaller the better 3). Nominal is the best 2). Larger the better b.Keuntungan OA adalah kemampuan untuk mengevaluasi berapa faktor dengan jumlah tes yang minimum. maka jika menggunakan full factorial akan diperlukan 27 buah percobaan.

b. Penentuan jumlah level dan nilai level faktor Level faktor dapat dinyatakan secara kuantitatif seperti temperatur. Cause-effect diagram Diagram istikawa digunakan untuk mengidentifikasi penyebab faktor-faktor yang potensial. d. c. 6. Internal (inner noise) : semua gangguan dari dalam produksi sendiri. Perhitungan derajat kebebasan (degree of freedom) . Unit to unit noise : perbedaan antara unit yang diproduksi dengan spesifikasi yang sama. Faktor gangguan terdiri dari : c. Faktor gangguan (noise factor) : faktor yg nilainya tidak bisa kita atur atau kendalikan. Flowcharting Mengidentifikasi faktor-faktor yang mungkin berpengaruh melalui flowchart proses pembuatan obyek yang diamati. Pemisahan faktor kontrol dan faktor gangguan Faktor yang diamati terdiri atas faktor kontrol dan faktor gangguan. 5. kecepatan. waktu dll. 4. Identifikasi interaksi faktor kontrol Interaksi muncul jika dua faktor atau lebih yang mengalami perlakuan secara bersama akan memberikan hasil yg berbeda. Faktor kontrol : faktor yg nilainya dapat diatur atau dikendalikan atau yg nilainya akan kita atur atau dikendalikan. External (outer) noise : semua gangguan dari kondisi lingkungan atau luar produksi. 3. e.

c. Penugasan untuk faktor dan interaksinya pada OA 9. d. Pemilihan Orthogonal array Dalam memilih jenis Orthogonal Array harus diperhatikan jumlah level faktor yang diamati yaitu : a. 3. Persiapan dan pelaksanaan percobaan 10. jika beberapa fator adalah 2 level dan lainnya 3 level : pilih yang mana yang dominan. atau 4 level faktor : lakukan modifikasi OA dengan metode Merging coloumn. Analisis data . b. Jika nA dan nB adalah jumlah perlakuan untuk faktor A dan faktor B maka : Dof untuk faktor A = nA ± 1 Dof untuk faktor B = nB ± 1 Dof unt interaksi faktor A dan B = (nA ± 1)( nB ± 1) Jumlah total dof = (nA ± 1)+( nB ± 1) + (nA ± 1)( nB ± 1) 7. jika semua fator adalah 2 level : pilih OA untuk 2 level faktor. 8. jika semua fator adalah 3 level : pilih OA untuk 3 level faktor.Dilakukan untuk menghitung jumlah minimum percobaan yang harus dilakukan untuk menyelidiki faktor-faktor yg diamati. jika terdapat campuran 2.

Sign up to vote on this title
UsefulNot useful