You are on page 1of 12

LAPORAN PRAKTIKUM TEKNIK PENGUJIAN MUTU HASIL

PERIKANAN
STATI STI CAL PROCESS CONTROL (SPC)














Oleh:
Brigitta Laksmi Paramita
11/318053/PN/12375




JURUSAN PERIKANAN FAKULTAS PERTANIAN
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2014




I. PENDAHULUAN

1.1. Tinjauan Pustaka
Pengendalian proses statistik (Statistical Process Control) merupakan
penerapan metode-metode statistik untuk pengukuran dan analisis variasi proses
(Ariani, 2004). Penentuan apakah proses berada dalam pengendalian, pengendalian
proses statistik menggunakan alat yang disebut peta pengendali (control chart) yang
merupakan gambar sederhana dengan tiga garis, di mana garis tengah yang disebut
garis pusat (center line) merupakan target nilai pada beberapa kasus, dan kedua garis
lainnya merupakan batas pengendali atas dan batas pengendali bawah. Peta
pengendali (control chart) tersebut memisahkan penyebab peyimpangan menjadi
penyebab umum dan penyebab khusus melalui batas pengendalian. Bila
penyimpangan atau kesalahan melebihi batas pengendalian, menunjukkan bahwa
penyebab khusus telah masuk ke dalam proses dan proses harus diperiksa untuk
mengidentifikasi penyebab dari penyimpangan atau kesalahan yang berlebihan
tersebut. Kesalahan yang disebabkan karena sebab umum berada di dalam batas
pengendalian. Hal ini berarti dalam proses sebaiknya hanya penyebab umum yang
terjadi, sehingga secara langsung kesalahan tersebut dapat distabilkan (Caulcutt,
1995).
Tujuan pengendalian proses statistik (Statistical Process Control) ini adalah
untuk melakukan analisis dan meminimlkan penyimpangan atau kesalahan,
mengkuantifikasikan kemampuan proses, menggunakan pendekatan statistik dengan
dasar six-sigma, dan membuat hubungan antara konsep dan teknik yang ada untuk
mengadakan perbaikan proses (Ariani, 2004). Sasaran pengendalian proses statistik
adalah mengurangi penyimpangan khusus seperti penggunaan alat, kesalahan
operator, kesalahan dalam penyiapan mesin, kesalahan penghitungan, kesalahan
bahan baku, dan sebagainya dalam proses dan dengan cara mencapai stabilitas dalam
proses. Apabila stabilitas proses tercapai, kemampuan proses dapat diperbaiki dengan
mengurangi penyimpangan karena sebab umum (common cause) seperti
penyimpangan dalam bahan baku, kondisi emosional karyawan, penurunan kinerja
mesin, penurunan suhu udara, naik-turunnya kelembaban udara, dan sebagainya
(Antony, 2000).
Terdapat beberapa manfaat pengendalian proses statistik (Statistical Process
Control) menurut Grig (1998) dalam Nugroho (2011) antara lain:
a. Pengurangan pemborosan.
b. Perbaikan pengendalian dalam proses.
c. Peningkatan efisiensi.
d. Peningkatan kesadaran karyawan.
e. Peningkatan jaminan kualitas pelanggan.
f. Perbaikan analisis dan monitoring proses.
g. Meningkatkan pemahaman terhadap proses.
h. Meningkatkan keterlibatan karyawan.
i. Pengurangan keluhan pelanggan.
j. Peningkatan pemberdayaan personil lini.
k. Perbaikan komunikasi.
l. Pengurangan waktu penyampaian jasa atau pelayanan.
Metode pengendalian proses statistik (Statistical Process Control) dapat diaplikasikan
dalam industri untuk mengendalikan proses produksi agar tetap in control dan
mengurangi variabilitas dalam produk agar produk yang dihasilkan bersifat tepat dan
presisi.

1.2. Tujuan
Dapat mengetahui apakah proses produksi sampel masih dalam batas pengendalian
menurut R Chart dan X Chart dalam Statistical Process Control.











II. METODOLOGI

2.1. Alat dan Bahan
a. Kerupuk udang
b. Jangka sorong

2.2. Cara Kerja
a. Menyiapkan semua bahan yang diperlukan
b. Mengambil 10 biji kerupuk udang kemudian diukur ketebalannya
menggunakan jangka sorong, kemudian plotkan pada tabel excel. Ulangi
sebanyak 10 kali dengan pengambilan sampel kerupuk secara acak
c. Menghitung Jumlah, Rata-rata (
̅
), Range/kisaran (R), Rata-rata dari rata-rata
(
̿
), dan Rata-rata dari Range/kisaran (
̅
).
d. Menghitung UCL, LCL, dan CL untuk
̅
Control Chart dan R Control Chart.
e. Menggambar masing-masing data pada Control Chart tersebut.
















III. PEMBAHASAN

Statistical Process Control merupakan penerapan metode-metode statistik untuk
pengukuran dan analisis variasi proses (Ariani, 2004). Penentuan apakah proses berada dalam
pengendalian, pengendalian proses statistik menggunakan alat yang disebut peta pengendali
(control chart) yang merupakan gambar sederhana dengan tiga garis, di mana garis tengah
yang disebut garis pusat (center line) merupakan target nilai pada beberapa kasus, dan kedua
garis lainnya merupakan batas pengendali atau dan batas pengendali bawah. Peta pengendali
(control chart) tersebut memisahkan penyebab peyimpangan menjadi penyebab umum dan
penyebab khusus melalui batas pengendalian. Bila penyimpangan atau kesalahan melebihi
batas pengendalian, menunjukkan bahwa penyebab khusus telah masuk ke dalam proses dan
proses harus diperiksa untuk mengidentifikasi penyebab dari penyimpangan atau kesalahan
yang berlebihan tersebut. Kesalahan yang disebabkan karena sebab umum berada di dalam
batas pengendalian. Hal ini berarti dalam proses sebaiknya hanya penyebab umum yang
terjadi, sehingga secara langsung kesalahan tersebut dapat distabilkan (Caulcutt, 1995).
Sampel yang digunakan dalam praktikum ini adalah kerupuk udang komersil.
Kerupuk udang adalah kerupuk yang dibuat dengan bahan baku utama tepung tapioka dan
udang. Proses pembuatan kerupuk udang sangat sederhana namun membutuhkan proses yang
panjang. Tahapan utama pembuatan kerupuk udang adalah persiapan, processing, supply,
potong dan tebar. pengeringan, sortasi, dan pengemasan. Faktor-faktor yang mempengaruhi
kerupuk udang adalah kadar air, volume pengembangan, dan kemasan (Afifah et al, 2014).
Parameter yang diukur dalam praktikum Statistical Process Control ini adalah ketebalan
kerupuk yang diukur menggunakan jangka sorong. Ketebalan diukur dari 10 kerupuk berbeda
yang dilakukan pengulangan sebanyak 10 kali dengan pengambilan kerupuk secara acak.
Hasil pengukuran ketebalan kerupuk udang dapat ditampilkan pada grafik di bawah
ini:
Sampel
(n)
Ulangan

1 2 3 4 5 6 7 8 9 10

1 0.16 0.165 0.16 0.135 0.16 0.185 0.16 0.16 0.195 0.18

2 0.24 0.21 0.15 0.18 0.16 0.175 0.21 0.19 0.15 0.18

3 0.24 0.185 0.16 0.1 0.2 0.16 0.18 0.16 0.19 0.16

4 0.19 0.165 0.16 0.2 0.18 0.195 0.16 0.18 0.16 0.18

5 0.185 0.17 0.155 0.13 0.16 0.18 0.19 0.16 0.17 0.18

6 0.155 0.18 0.155 0.155 0.16 0.13 0.18 0.15 0.185 0.185

7 0.18 0.175 0.125 0.145 0.17 0.18 0.18 0.19 0.23 0.15

8 0.16 0.15 0.19 0.16 0.17 0.15 0.16 0.17 0.14 0.2

9 0.145 0.14 0.175 0.21 0.2 0.15 0.16 0.2 0.2 0.12

10 0.195 0.22 0.175 0.15 0.22 0.185 0.2 0.19 0.2 0.15

Xbar 0.185 0.176 0.1605 0.1565 0.178 0.169 0.178 0.175 0.182 0.1685 0.17285
Rerata
Xbar
Xmax 0.24 0.22 0.19 0.21 0.22 0.195 0.21 0.2 0.23 0.2 0.2115
Rerata
Xmax
Xmin 0.145 0.14 0.125 0.1 0.16 0.13 0.16 0.15 0.14 0.12 0.137
Rerata
Xmin
R 0.095 0.08 0.065 0.11 0.06 0.065 0.05 0.05 0.09 0.08 0.0745
Rerata
R

Grafik yang digunakan pada praktikum Statistical Process Control ini adalah R Chart
dan X Chart. R chart dapat dibuat dengan menghitung nilai UCL (Upper Control Limit), CL
(Center Line), dan LCL (Lower Control Limit). Nilai UCL dapat dihitung dengan
mengkalikan nilai
̅
(rerata dari nilai R dari semua ulangan yang merupakan selisih Xmax
dan Xmin) dengan nilai D4 yang ada pada tabel yang bernilai 1,777. Nilai LCL dapat
dihitung dengan mengkalikan nilai
̅
dengan nilai D3 yang ada pada tabel yang mempunyai
nilai 0,223, sedangkan nilai CL merupakan nilai
̅
. Berikut contoh perhitungan dari nilai
UCL, CL, dan LCL, dengan diketahui nilai
̅
sebesar 0,0745:
UCL = 0,0745 x 1,777 = 0,132387
LCL = 0,0745 x 0,223 = 0,016614
CL = 0,0745
Grafik yang kedua yaitu X Chart, dapat dibuat dengan menghitung nilai 1UCL (UCL),
2UCL, 3UCL, 3LCL (LCL), 2LCL, dan 1LCL. Nilai 1UCL (UCL) dapat dihitung dengan
menjumlahkan nilai
̿
dengan perkalian antara 3/3,
̅
, dan A2. Nilai 2UCL dapat dihitung
dengan menjumlahkan nilai
̿
dengan perkalian antara 2/3,
̅
, dan A2. Nilai 3UCL dapat
dihitung dengan menjumlahkan nilai
̿
dengan perkalian antara 1/3,
̅
, dan A2. Nilai 3LCL
dapat dihitung dengan mengurangkan nilai
̿
dengan perkalian antara 3/3,
̅
, dan A2. Nilai
2LCL dapat dihitung dengan mengurangkan nilai
̿
dengan perkalian antara 2/3,
̅
, dan A2.
Nilai 1LCL dapat dihitung dengan mengurangkan nilai
̿
dengan perkalian antara 1/3,
̅
, dan
A2. Berikut contoh perhitungan dari nilai 1UCL (UCL), 2UCL, 3UCL, 3LCL (LCL), 2LCL,
dan 1LCL, dengan diketahui nilai
̅
sebesar 0,0745, nilai
̿
sebesar 0.17285, dan nilai A2
sebesar 0,308:
1UCL (UCL) = 0,17285 + (3/3 x 0,0745 x 0,308) = 0,195796
2UCL = 0,17285 + (2/3 x 0,0745 x 0,308) = 0.188147
3UCL = 0,17285 + (1/3 x 0,0745 x 0,308) = 0.180499
3LCL (LCL) = 0,17285 - (3/3 x 0,0745 x 0,308) = 0.149904
2LCL = 0,17285 - (2/3 x 0,0745 x 0,308) = 0.157553
1LCL = 0,17285 - (1/3 x 0,0745 x 0,308) = 0.165201
Berikut ditampilkan grafik R Chart dan X Chart dari data kelompok dan data golongan
setelah diperoleh komponen dari R Chart dan X Chart:
a. R Chart data kelompok



Grafik di atas menunjukkan bahwa garis R tidak melampaui UCL (Upper
Control Limit) dan LCL (Lower Control Limit). Menurut Caulcutt (1995), bila
penyimpangan atau kesalahan melebihi batas pengendalian, menunjukkan bahwa
penyebab khusus telah masuk ke dalam proses dan proses harus diperiksa untuk
mengidentifikasi penyebab dari penyimpangan atau kesalahan yang berlebihan
tersebut. Garis pada grafik di atas tidak melebihi batas pengendalian yang dapat
diartikan juga proses produksi dengan parameter ketebalan kerupuk udang menurut
data kelompok pada R Chart masih dalam batas pengendalian atau in control sehingga
tidak perlu dilakukan analisis untuk mengidentifikasi penyebab tersebut.

b. R Chart data golongan
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
1 2 3 4 5 6 7 8 9 10
R Control Chart
R
UCL
LCL
CL

Grafik di atas menunjukkan bahwa garis R tidak melampaui garis UCL dan LCL
sehingga dapat disimpulkan bahwa proses produksi dengan parameter ketebalan
kerupuk udang menurut data golongan pada R Chart masih dalam batas pengendalian
atau in control. Menurut R Chart, hal ini berarti proses produksi kerupuk udang masih
dalam pengendalian sehingga dapat menghasilkan ketebalan yang seragam dan tidak
ada produk yang menyimpang dari yang lainnya.

c. X Chart data kelompok

Grafik di atas menunjukkan rata-rata data ketebalan kerupuk udang tidak melampaui
UCL dan LCL. Hal ini berarti proses produksi dengan parameter ketebalan kerupuk
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
R Control Chart
R
LC
UCL
LCL
0
0.05
0.1
0.15
0.2
0.25
1 2 3 4 5 6 7 8 9 10
X Control Chart
X bar
CL
3 UCL
3 LCL
2 UCL
2 LCL
UCL
LCL
masih dalam batas pengendalian atau in control karena tidak ditemukan
penyimpangan pada grafik.

d. X Chart data golongan

Grafik di atas menunjukkan bahwa rata-rata ketebalan kerupuk udang pada data
golongan melampaui garis UCL dan LCL. Hal ini berarti proses produksi dengan parameter
ketebalan kerupuk udang menurut data golongan pada X Chart tidak dalam batas
pengendalian atau out of control sehingga perlu dilakukan analisis lebih lanjut mengenai
penyebab apa yang dapat menyebabkan penyimpangan ini. Penyimpangan ini tidak tampak
pada R Chart sehingga antara X chart dan R chart memiliki hasil yang berbeda. Hal ini
disebabkan karena data yang digunakan pada R chart merupakan data umum sehingga
kemungkinan penyimpangan belum terdeteksi masih ada, sedangkan data yang digunakan
pada X chart merupakan data rata-rata yang berarti secara keseluruhan sehingga
penyimpangan yang tidak terdeteksi pada R chart dapat terdeteksi pada X chart.







0.000
0.050
0.100
0.150
0.200
0.250
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
X Control Chart
X BAR
LC
UCL
LCL
2 UCL
2 LCL
3 UCL
3 LCL
IV. KESIMPULAN DAN SARAN

4.1. Kesimpulan
Proses produksi kerupuk udang apakah sudah dalam batas pengendalian dapat
dilihat berdasarkan grafik pada data golongan. R Chart data golongan tidak
memperlihatkan adanya penyimpangan yang diperlihatkan pada X Chart karena data
yang digunakan pada X Chart merupakan data secara keseluruhan. Grafik X Chart
masih memperlihatkan penyimpangan di mana garis X bar melampaui garis UCL dan
LCL karena masih ada data yang tidak seragam. Hal ini berarti proses produksi
kerupuk udang dengan parameter ketebalan keluar dari batas pengendalian atau out of
control sehingga perlu dilakukan analisis untuk mengetahui penyebab dari
penyimpangan tersebut.

4.2. Saran
Lebih baik menggunakan dua sampel yang berbeda yaitu produk komersil dan produk
industri rumahan kemudian dilakukan pembandingan mengenai pengendalian proses
produksinya.

















DAFTAR PUSTAKA
Afifah, Diana Nur., Anjani, Gemala. 2014. Sistem Produksi Dan Pengawasan Mutu Kerupuk
Udang Berkualitas Ekspor. Program Studi Ilmu Gizi Fakultas Kedokteran Universitas
Diponegoro, Semarang.
Anthony, C., Crawford, C., Merle., Di Benedetto. 2000. New Products Management Sixth
Edition. McGraw-Hill, New York.
Ariani, D.W., 2004. Pengendalian Kualitas Statistik (Pendekatan Kuantitatif. Dalam
Manajemen Kualitas). Penerbit ANDI, Yogyakarta.
Caulcutt, R. 1995. Statistic for Analytical Chemist. Chapman and Hall, London.
Nugroho, Arifin Eko. 2011. Analisis Pengendalian Kualitas Benang Polyester 100% pada
Bagian Winding PT Delta Dunia Textile Karanganyar. Universitas Sebelas Maret,
Surakarta.















Lampiran
PERHITUNGAN
1. Data kelompok
a. R Chart (
̅
= 0,0745; D4 = 1,777; D3 = 0,223)
UCL = 0,0745 x 1,777 = 0,132387
LCL = 0,0745 x 0,223 = 0,016614
CL = 0,0745

b. X Chart (
̿
= 0,17285;
̅
= 0,0745; A2 = 0,308)
1UCL (UCL) = 0,17285 + (3/3 x 0,0745 x 0,308) = 0,195796
2UCL = 0,17285 + (2/3 x 0,0745 x 0,308) = 0.188147
3UCL = 0,17285 + (1/3 x 0,0745 x 0,308) = 0.180499
3LCL (LCL) = 0,17285 - (3/3 x 0,0745 x 0,308) = 0.149904
2LCL = 0,17285 - (2/3 x 0,0745 x 0,308) = 0.157553
1LCL = 0,17285 - (1/3 x 0,0745 x 0,308) = 0.165201

2. Data Golongan
a. R Chart (
̅
= 0,0728; D4 = 1,777; D3 = 0,223)
UCL = 0,0728 x 1,777 = 0,12942
LCL = 0,0728 x 0,223 = 0,01624
CL = 0,0728

b. X Chart (
̿
= 0,176;
̅
= 0,0728; A2 = 0,308)
1UCL (UCL) = 0,176 + (3/3 x 0,0728 x 0,308) = 0,196
2UCL = 0,176 + (2/3 x 0,0745 x 0,308) = 0.189
3UCL = 0,176 + (1/3 x 0,0745 x 0,308) = 0.181
3LCL (LCL) = 0,176 - (3/3 x 0,0745 x 0,308) = 0.152
2LCL = 0,176 - (2/3 x 0,0745 x 0,308) = 0.159
1LCL = 0,176 - (1/3 x 0,0745 x 0,308) = 0.167