BAB I
PAGE
SEKILAS TENTANG PENULIS
Sebagian besar masa kerja penulis lebih banyak disumbangkan pada
dunia industri Manufaktur. Ia adalah putra daerah yang dilahirkan
di Solo, Jawa Tengah pada tahun 1956. menyelesaikan pendidikan
dasar dan menengahnya di daerah Sragen, Karanganyar Bandung Jurusan
Teknik Industri. Setelah lulus pada tahun 1980 yang bersangkutan
selama dua tahun bertugas sebagai dosen di Jurusan Teknik Industi
ITB dan beberapa Universitas swasta di Bandung serta aktif sebagai
konsultan di berbagai proyek pemerintah.
Sejak tahun 1982 penulis bergabung dengan Astra Group dimulai
dengan penugasan sebagai staff Team Manufacturing Astra yang
bertugas mempersiapkan program lokalisasi komponen otomotif dan
mempersiapkan proyek pabrik mesin sepeda motor Honda PT Honda Astra
Engine Manufacturing. Pada saat mendekati operasinya PT HAEM,
penulis mendapat kesempatan mengikuti training ILO di Jepang selama
6 bulan dengan pendalaman pada bidang Production Control. Sejak
tahun 1984 diangkat sebagai asisten manager PPC di PT HAEM, tiga
tahun kemudian diangkat sebagai manager HRD di perusahaan yang
sama.
Akhir tahun 1990 mendapat kesempatan mengikuti AOTS training di
Jepang selama 3 bulan dengan pendalaman bidang Management Produksi.
Sejak awal tahun 1991 sampai dengan akhir tahun 1992 ditugaskan
sebagai General Manager Best Productivity Center di PT Honda
Federal dengan tugas utama menjalankan improvement manufacturing
menggunakan pendekatan SBP (Software For Best Productovity), suatu
sistem yang dibangun perbaikan yang dikembangkan oleh Honda Motor
Japan. Sukses pengembangan SBP pada saat itu cukup bergema di
pabrik-pabrik di lingkungan Astra Group diantaranya dimasukkannya
hal ini pada laporan utama majalah internal Astra. Tahun 1993
sampai dengan tahun 1997 mendapat tugas sebagai Kepala Divisi
Logistik dan Kepala Divisi Plan di PZT Federal Cycle Mustika yang
dikenal dengan produknya sepeda gunung merk Federal.
Sejak tahun 1996 yang bersangkutan juga ditugaskan sebagai staff
dosen di Politeknik Manufaktur Astra (saat itu masih Akademi Teknik
Federal). Tahun 1997 ditugaskan memimpin Group Management
Development Center di PT Federal Motor dengan proyek-proyek BPRe
dan SCM diberbagai aktivitas proses bisnis. Pengalaman menulis
paper untuk berbagai seminar seperti Pengendalian Mutu Terpadu, 5S,
SBP, BPRe, SCM, dan lain-lain telah banyak dilakukan dan banyak
dikutif oleh para instruktur kursus-kursus singkat di berbagai
lembaga pendidikan. Buku ini adalah buku panduan kuliah yang
ditulis dengan harapan dapat menjadi pegangan bagi para siswa
POLMAN dalam belajar metoda statistik khususnya dalam penerapannya
pada industri Manufaktur.
KATA PENGANTAR
Dalam manajemen modern, setiap langkah pengambilan keputusan
selalu didasarkan atas data-data yang mendukungnya. Data akan dapat
dibaca apabila disajikan dengan secara sistematis dan menggunakan
format yang tepat. Metoda statistik merupakan sutau disiplin ilmu
yang mempelajari bagaimana data diolah dan disajikan menjadi suatu
informasi sehingga dapat dipergunakan dalam pengambilan
keputusan.
Pada industri Manufaktur, statistik sangat bermanfaat dalam
pengendalian dan peningkatan mutu. Proses produksi akan dapat
ditingkatkan apabila diketahui faktor faktor yang mempengaruhinya.
Dengan menggunakan metoda statistik penyebab persoalan yang
berkaitan dengan mutu akan bisa digali dan diketahui, penyebab
utama dari kegagalan mutu dapat ditemukan, sehingga suatu tindakan
perbaikan dapat dilakukan secara tepat pada pokok persoalannya.
Dengan perbaikan yang berkesinambungan, kerusakan akan bisa
dikurangi secara bertahap sehingga mutu produk akan meningkat.
Buku ini disusun untuk dijadikan sebagai pedoman bagi mahasiswa
dalam belajar metoda statistik khususnya yang berkaitan dengan
penerapannya pada dunia industri. Penekanan materi lebih diutamakan
pada cara pengendalian kualitas dan inspeksi kualitas yang banyak
dipergunakan pada industri Manufaktur.
Sebagai manusia biasa tentu banyak kekurangan dan kelemahannya
khususnya dalam penulisan buku ini. Untuk itu saran dan kritik yang
bersifat membangun akan diterima dengan tangan terbuka.
Selanjutnya kepada semua pihak yang telah banyak membantu moril
maupun materiil sehingga ini dapat diwujudkan, penulis mengucapkan
terima kasih yang sedalam-dalamnya, semoga amal baik saudara
mendapat limpahan pahala dari Allah Tuhan Yang Maha Kuasa.
Jakarta, Agustus 2000
Sumarko, penulis
DAFTAR ISI
1SEKILAS TENTANG PENULIS
KATA PENGANTAR2DAFTAR ISI3BAB I. PENDAHULUAN61.1 Penggunaan
Statistik61.2 Statistik dan Metoda Statistik61.3 Ilmu Tentang
Statistik61.4. Pengertian Data71.5 Populasi dan Sampel71.6 Peranan
Statistik Dalam Proses Produksi81.7 Soal-Soal Latihan9BAB II.
PENGUMPULAN DATA102.1 Cara Pengumpulan Data102.1.1 Tujuan
Pengumpulan Data102.1.2 Mendapatkan Data Yang Akurat112.2. Formulir
Pengumpulan Data (Check Sheet)112.3Contoh Formulir Pengumpulan
Data122.3.1 Formulir Pencatatan Data Cacat Proses Pengecatan12BAB
III. DIAGRAM PARETO143.1 Pengertian Diagram Pareto143.2 Langkah
Pembuatan Diagram Pareto143.3 Diagram Pareto Fenomena dan Diagram
Pareto Penyebab163.3.1 Diagram Pareto Fenomena163.3.2 Diagram
Pareto Penyebab173.3.3 Anjuran dalam membuat Diagram Pareto173.4
Soal-Soal Latihan17BAB IV. DIAGRAM SEBAB-AKIBAT184.1 Pengertian
Diagram Sebab-Akibat184.2 Struktur Diagram Sebab-Akibat184.3 Cara
Membuat Diagram Sebab-Akibat194.3.1 Dengan mengidentifikasi urutan
faktor penyebab194.3.2 Dengan menyusun secara sistematis dari suatu
daftar faktor penyebab194.3.3 Anjuran pada pembuatan diagram
sebab-akibat194.4 Hubungan Diagram Pareto Dengan Diagram
Sebab-Akibat194.5 Soal-Soal Latihan20BAB V. HISTOGRAM215.1 Variasi
dan Distribusi215.2 Populasi dan Sampel215.3 Kegunaan
Histogram225.4 Cara Membuat Histogram225.5 Tipe Histogram235.6
Nilai Rata-rata dan Deviasi Standar265.7 Soal-soal Latihan28BAB VI.
DIAGRAM PENCAR296.1 Manfaat diagram pencar296.2 Cara membuat
diagram pencar296.3 Membaca diagram pencar306.4 Perhitungan
koefisien korelasi306.5 Garis Regresi326.6 Soal-soal Latihan33BAB
VII.
PENGENDALIAN KUALITAS DAN INSPEKSI KUALITAS347.1 Pengendalian
Kualitas dan Inspeksi Kualitas347.2 Faktor yang mempengaruhi
kualitas :347.3 Optimasi biaya Vs kualitas367.4 Soal-soal
Latihan40BAB VIII. SAMPLING PENERIMAAN418.1 Konsep
Probabilitas418.2 Ilustrasi sampling penerimaan418.3 Beberapa
Faktor yang Menentukan Sampling Penerimaan418.4 Keuntungan dan
kelemahan sampling penerimaan428.5 Prosedur sampling438.5.1 Single
Sampling Plan438.5.2 Double Sampling Plan438.5.3 Sequential
Sampling Plan448.6 Sampling untuk produk yang kontinu458.7
Soal-soal Latihan45BAB IX.
KURVA KARAKTERISTIK OPERASI (OC Curve)46BAB X. KEMAMPUAN
PROSES4910.1 Variasi proses4910.2 Kecenderungan terpusat dan
penyimpangan4910.3 Kurva normal5010.4 Indeks kemampuan proses5110.5
Koreksi terhadap toleransi5110.6 Membandingkan histogram dengan
batas spesifikasi5210.6.1 Jika histogram memenuhi tuntutan
spesifikasi5210.6.3 Jika histogram menyimpang dari tuntutan
spesifikasi5310.7 Stratifikasi53BAB XI. PETA KENDALI5411.1. Tipe
Peta Kendali5411.2. Garis kendali5511.3. Peta X dan R5611.3.1.
Manfaat peta dan R5611.3.2. Prosedur pembuatan peta dan R5611.4.
Membaca peta kendali5811.5. Soal-soal Latihan62BAB XII.
PENGGUNAAN METODA STATISTIK PADA SISTEM MANAJEMEN PENGENDALIAN
MUTU TERPADU6312.1 Pengendalian Mutu Terpadu6312.2 Metoda Statistik
Sebagai Alat (tools) pada penerapan PMT64
BAB I. PENDAHULUAN
1.1 Penggunaan Statistik
Statistik banyak dipergunakan dalam kehidupan manusia, dalam
industri, perdagangan, pemerintahan, pendidikan, penelitian, dan
lan-lain. Penggunaan statistik dalam kegiatan manusia antara lain
untuk :
1. Mengevaluasi atau menilai unjuk kerja suatu aktivitas
2. Menyusun rencana yang akan dating
3. Menentukan pengambilan keputusan
4. Memilih alternative yang terbaik
5. Melihat keterkaitan satu faktor dengan faktor yang lain
1.2 Statistik dan Metoda Statistik
Statistik :
Adalah kumpulan fakta biasanya berbentuk angka-angka yang
disusun dalam suatu tabel atau diagram yang melukiskan atau
menggambarkan suatu persoalan.
Metoda Statistik :
Adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan
fakta, pengolahan serta penganalisaanya, penarikan kesimpulan serta
pembuatan keputusan yang cukup beralasan berdasarkan fakta dan
penganalisaan yang dilakukan.
1.3 Ilmu Tentang Statistik
Statistik matematis / teoritis
Mempelajari statistik secara teoritis dengan memusatkan
perhatian pada penurunan sifat-sifat, dalil-dalil, rumus-rumus, dan
menciptakan berbagai model. Untuk ini diperlukan dasar matematika
yang kuat.
Statistik Terapan / Metoda Statistik
Mempelajari statistik dari sisi penggunaannya, aturan, rumus dan
model yang telah dikembangkan pada statistik teoritis diambil dan
dipergunakan untuk bidang yang lain. Dalam hal ini tidak
dipersoalkan lagi bagaimana rumus-rumus tersebut diturunkan,
melainkan hanya dipelajari bagaimana rumus tersebut dapat
dipergunakan.
1.4. Pengertian Data
Data atau data statistik adalah suatu angka, keterangan atau
fakta sebagai hasil penelitian, pengukuran atau pengamatan mengenai
suatu persoalan. Data statistik bisa berbentuk kategori atau
bilangan, dan dari sumbernya data bisa dikelompokkan sebagai data
intern dan data ekstern.
Kategori
Data yang menyatakan keadaan atau kondisi, misalnya : rusak,
baik, senang, susah, puas, kecewa, berhasil, gagal, dan sebagainya.
Karena sifatnya yang sangat relatif dan tidak berbentuk bilangan
maka data ini juga disebut data kualitatif. Data yang disajikan
dalam kategori ini juga biasa dikenal dengan nama atribut.
Bilangan
Data berbentuk bilangan juga disebut sebagai data kuantitatif
yang harganya berubah-ubah atau variabel. Dari sifat
variabilitasnya, data dapat dikelompokkan menjadi variabel diskrit
atau data diskrit dan variabel kontinu atau data kontinu.
Data Intern
Data yang dikumpulkan sendiri dari dalam, misalnya suatu
perusahaan mengumpulkan data mengenai aktivitas internalnya berupa
: keadaan pegawai, produksi, biaya, hasil penjualan, jumlah
pengeluaran, dan lain-lain.
Data Ekstern
Data yang dikumpulkan dari luar yang dibutuhkan untuk bahan
analisa, misalnya data dari perusahaan lain sebagai pembanding
untuk mengukur unjuk kerja perusahaan, data dari biro pusat
statistik untuk memperkirakan permintaan pasar yang akan datang,
dan sebagainya. Dari tingkat kepercayaaannya data ekstern dapat
dibagi menjadi data ekstern primer dan data ekstern sekunder.
1.5 Populasi dan Sampel
Populasi
Populasi adalah merupakan totalitas dari semua nilai yang
mungkin, sebagai hasil menghitung, meneliti atau mengukur,
kuantitatif maupun kualitatif, dari karakteristik tertentu yang
dilakukan secara lengkap. Karakteristik sebenarnya dari suatu
populasi hanya bisa diperoleh bila dilakukan pendataan secara
menyeluruh atau seratus persen yang biasanya pengumpulan datanya
dilakukan dengan jalan sensus.
Sampel
Sampel merupakan sebagian nilai yang mungkin yang diambil dari
suatu populasi penelitian. Pengukuran atau perhitungan untuk
mendapatkan sampel dilakukan dengan cara sampling yaitu dengan cara
meneliti, mengukur atau menghitung sebagian saja dari populasi.
Agar memperoleh hasil yang baik yang dapat dipergunakan untuk
menganalisa populasi, sampel harus diambil dengan cara-cara yang
bisa dipertanggungjawabkan, dengan kata lain sampel tersebut harus
representatif.
1.6 Peranan Statistik Dalam Proses Produksi
Memisahkan antara yang cacat (NG) dengan baik (OK) merupakan
pekerjaan rutin yang sering kita jumpai pada proses produksi yang
biasa dilakukan oleh seorang inspektor. Pekerjaan tersebut tidak
dapat memecahkan masalah karena penyebab cacatnya tidak diatasi.
Untuk dapat mengatasi penyebab cacat ini diperlukan langkah analisa
yang sistematis dan bisa dipertanggungjawakan. Metoda statistik
meruapakan salah satu alat yang paling tepat untuk membantu
menganalisa masalah ini.
Cacat pada proses produksi diakibatkan oleh terjadinya variasi /
penyimpangan pada sector produksi, yaitu : material, mesin, metoda
kerja, dan manusia. Apa yang menyebabkan, bagaimana terjadinya
cacat, kenapa cacat terjadi, dapatkah cacat tersebut dikurangi atau
dihilangkan? Semua pertanyaan ini perlu ditindak lanjuti dengan
data dan fakta, untuk mengolah dan menganalisanya diperlukan metoda
statistik.
Banyak sekali faktor yang bisa menyebabkan cacat yang tidak
terhitung jumlahnya, tetapi dari sekian faktor penyebab tersebut
hanya sebagian kecil yang dominan dan berpengaruh terhadap
kualitas. Faktor yang berpengaruh besar ini merupakan faktor
penting yang perlu diperhatikan disebut dengan vital few, sedang
factor lain yang pengaruhnya kecil yang bisa diabaikan sering
disebut dengan trivial few. Metoda untuk menemukan faktor penyebab
dominan untuk dilakukan pengatasan disebut sebagai diagnosis
terhadap proses. Metoda statistik sangat diperlukan dalam diagnosis
suatu proses produksi.
Dari uraian diatas jelas bahwa statistik mempunyai peranan yang
sangat besar pada proses produksi, terutama dalam rangka
pengendalian mutu. Suatu disiplin ilmu yang khusus mendalami
manfaat statistik dalam proses produksi ini dikenalsebagai
Statistical Process Control (SPC).
Beberapa contoh metoda statistik yang bisa dimanfaatkan pada
proses produksi antara lain ialah :
1. Peta kendali (Control Charts) untuk alat pengendalian proses
produksi
2. Diagram Pareto untuk menganalisa faktor yang dominan
3. Histogram untuk menggambarkan karakteristik proses
4. Diagram Pencar, Korelasi dan Regresi untuk mengetahui
keterkaitan antara dua variabel
5. Teori probabilitas untuk dasar penentuan sampling
inspection
1.7 Soal-Soal Latihan
1. Jelaskan dalam bidang apakah metoda statistik
dipergunakan?
2. Jelaskan perbadaan antara statistik matematik dengan metoda
statistik?
3. bagaimana hubungan keterkaitan antara data dengan
statistik?
4. faktor-faktor apa saja yang mempengaruhi kualitas pada proses
produksi?
5. bagaimana peranan statistik dalam pengendalian kualitas?
BAB II. PENGUMPULAN DATA
2.1 Cara Pengumpulan Data
Salah satu unsur mentalitas dasar pengendalian mutu terpadu
adalah pengendalian berdasarkan fakta dengan salah satu sikap
utamanya adalah berbicara dengan data. Dengan kata lain data
meruapakan faktor yang sangat penting dalam pengendalian mutu,
karena data merupakan bahan baku utama yang akan diolah secara
statistik untuk dapat disajikan menjadi informasi yang sangat
menentukan manajemen dalam pengambilan keputusan.
Karena data akan menjadi acuan dalam pengambilan keputusan dan
tindakan bagi manajemen maka data tersebut harus jujur, yakni harus
dapat dipercaya kebenarannya. Cara pengumpulan data bisa dilakukan
dengan jalan sensus atau sampling. Beberapa langkah yang bisa
dilakukan untuk mendapatkan data antara lain :
1. Mengadakan penelitian langsung dan mencatatn hasilnya
2. Mengambil daari lembaga atau organisasi yang bisa
dipercaya
3. Mengadakan angket atau daftar pertanyaan untuk diisi oleh
responden
Untuk mendapatkan data yang tepat perlu dirumuskan lebih dulu
apa yang menjadi tujuan pengumpulan data dan selanjutnya perlu
dirumuskan bagaimana cara mendapatkan data yang akurat.
2.1.1 Tujuan Pengumpulan Data
Pada suatu industri Manufaktur, khusunya pada pengendalian mutu,
data dikumpulkan dengan tujuan untuk :
1. Mengendalikan atau memantau jalannya proses produksi
2. Dasar analisa masalah dan tindakan perbaikan
3. Analisa ketidak-normalan proses produksi
4. inspeksi agar barang yang cacat tidak lolos ke proses
berikutnya
Tujuan pengumpulan data tersebut akan menjadi dasar untuk
menentukan berapa jumlah data yang diperlukan, bagaimana data harus
dikelompokkan dan variabel apa saja yang perlu didata. Beberapa
contoh berikut memberikan gambaran keterkaitan antara tujuan dan
kebutuhan data :
1. Untuk mengetahui variasi atau penyebaran hasil proses
produksi, maka diperlukan jumlah data yang banyak, makin banyak
makin representative.
2. Untuk mengetahui faktor apa saja yang menyebabkan cacat
proses produksi, maka perlu dilakukan pengelompokkan data atau
statifikasi
3. Untuk mengetahui hubungan keterkaitan antar faktor, maka data
dikumpulkan secara berpasangan.
2.1.2 Mendapatkan Data Yang Akurat
Data yang akurat merupakan faktor yang sangat penting dalam
pemecahan masalah dan pengambilan keputusan. Kesalahan data akan
mengakibatkan kesalahan pengambilan keputusan. Beberapa hal yang
perlu diperhatikan untuk mendapatkan data yang akurat adalah :
1. Bila pengambilan data dilakukan dengan sampling, cara
pengambilan sampel harus tepat atau representative.
2. Bila data diperoleh dari hasil pengukuran, harus menggunakan
alat ukur yang tepat dengan cara pengukuran dan cara pembacaan yang
benar.
2.2. Formulir Pengumpulan Data (Check Sheet)
Formulir Pengumpulan Data atau Check Sheet adalah suatu alat
Bantu berupa formulir atau daftar isian yang dirancangsedemikian
rupa agar memudahkan dalam pengumpulan data.
1.1. 1 Tujuan Pembuatan Formulir
Tujuan utama pembuatan formulir pengumpulan data adalah :
1. Membuat mudah pengumpulan data
2. Mengatur data secara otomatis sehingga mudah dipergunakan
2.2.2 Cara Merancang Formulir
Langkah-langkah yang perlu dilakukan dalam merancang formulir
untuk pengumpulan data antara lain ialah :
1. Tentukan lebih dulu untuk apa data tersebut diperlukan
2. Tentukan faktor, variabel atau atribut yang perlu didata
3. Tentukan berapa jumlah data yang dibutuhkan
4. Lakukan stratifikasi (pengelompokkan) data sesuai
kebutuhan
5. Pikirkan bagaimana data akan diolah
6. Buat formulir yang memudahkan pengisian dan pengolahan
data
7. Bila berbentuk pertanyaan, harus singkat dan tidak
menimbulkan bermacam-macam pengertian (bisa dilakukan dengan
menggunakan pilihan ganda)
8. Siapkan rencana pengumpulan data :
Kapan akan dilakukan
Dimana data dikumpulkan (Mesin apa, lot nomor berapa, dll)
Siapa yang akan mengerjakan
Bagaimana cara mengumpulkannya (dengan manual atau
elektronik)
Dll
9. Lakukan uji coba pengisian sebelum dilaksanakan
2.3 Contoh Formulir Pengumpulan Data
2.3.1 Formulir Pencatatan Data Cacat Proses Pengecatan
Pada contoh ini yang ingin diketahui adalah jenis cacat apa yang
banyak ditemukan pada proses pengecatan, maka stratifikasi sangat
diperlukan.
Formulir Pencatatan Cacat Pengecatan2.3.2 Formulir Untuk Melihat
Distribusi Hasil Proses Produksi
Untuk melihat distribusi proses produksi data diatur sesuai
dengan ukuran penyebaran hasil proses dan diplotkan dengan
spesifikasi produk yang diinginkan.
Formulir Untuk Distribusi Proses Produksi 2.4 Soal-Soal
Latihan
1. Hal-hal apakah yang perlu dipersiapkan sebelum melakukan
pengumpulan data?
2. Dalam hal apakah diperlukan stratifikasi data?
3. Apakah hubungan antara jumlah data dengan analisa
masalah?
4. Dalam rangka pengendalian mutu, untuk apakah pengumpulan data
diperlukan?
5. Buatlah gambar pengumpulan data (Check Sheet) untuk
mengetahui lokasi terjadinya cacat pada proses die casting crank
case?
6. apakah pengumpulan data juga diperlukan pada proses produksi
yang sudah berjalan dengan lancer? Jelaskan.
BAB III. DIAGRAM PARETO
3.1 Pengertian Diagram Pareto
Diagram Pareto diperlukan untuk melihat prioritas baik prioritas
fenomenea permasalahan maupun prioritas penyebab masalah. Prinsip
yang dipergunakan sering dikenal sebagai prinsip 20-80 yang berarti
20% faktor masalah mempunyai pengaruh sebesar 80% persoalan.
Diagram Pareto mula-mula dikembangkan oleh V Pareto di Itali
pada tahun 1897 dan MC. Lorenz di Amerika pada tahun 1907 dalam
melekukan penelitian terhadap distribusi pendapatan. Dari
penelitian tersebut disimpulkan bahwa sebagian besar (80%)
pendapatan atau kekayaan dikuasai oleh hanya sebagian kecil (20%)
manusia.
DR.J.M. Juran mengembangkan model Pareto untuk
mengklasifikasikan masalah mutu ke dalam faktor penyebab yang
sedikit tetapi penting atau dominan dengan faktor penyebab lain
yang banyak tetapi bisa diabaikan. Tujuan penggunaan diagram Pareto
dalam pengendalian mutu adalah :
Untuk menunjukkan masalah atau penyebab yang utama/dominan
Untuk menyatakan perbandingan antara masing-masing
masalah/penyebab terhadap keseluruhan masalah/penyebab.
3.2 Langkah Pembuatan Diagram Pareto
Langkah 1 : Tentukan pokok masalah dan cara pengumpulan data
a. Tentukan masalah yang akan diteliti
Misalnya : cacat proses, kecelakaan kerja, biaya produksi
b. Tentukan data yang diperlukan dan cara
mengklasifikasikannya
Misalnya : jenis cacat, lokasi cacat, penyebab cacat
c. Tentukan metoda dan waktu pengumpulan data
Langkah 2 : Rancang formulir untuk mencatat semua data dan
informasi yang diperlukan
Langkah 3 : Isi data dan informasi pada formulir yang telah
disiapkan
Formulir Pencatatn Data
Langkah 4 : Buat Formulir Diagram Pareto
Data yang telah dikumpulkan disusun secara berurutan dari yang
besar ke yang kecil, dihitung komulatifnya, persentase terhadap
total dan persentase komulatif
Langkah 5 : Isi Formulir Diagram Pareto
Item-item lain adalah yang tidak bisa masuk dalam klasifikasi
faktor sebelumnya. Item lain-lain tidak boleh menjadi item yang
dominan atau yang tertinggi. Bila hal ini terjadi, kemungkinan ada
kesalahan pada saat klasifikasi masalah.
Formulir Diagram Pareto
Langkah 6 : Gambar Diagram Pareto
a. Sumbu Vertikal
Sumbu Vertikal kiri : Skala dari 0 s/d total nilai
b. Sumbu Horisontal
Dibagi sesuai jumlah klasifikasi item termasuk lain-lain
c. Gambar diagram balok sesuai pada masing-masing item
d. Gambar kurva komulatif dengan menentukan titik di atas kanan
diagram balok masing-masing item dan hubungkan masing-masing titik
dengan garis
e. Tulis hal-hal lain yang diperlukan
Yang berhubungan dengan gambar : Judul, Item< Nilai, dll
Yang berhubungan dengan data : perioda, jumlah data, , sumber
data dll
3.3 Diagram Pareto Fenomena dan Diagram Pareto Penyebab
Sebagaimana disebutkan sebelumnya, salah satu manfaat diagram
Pareto adalah untuk mengidentifikasi masalah/ fenomena mana yang
pengaruhnya besar atau faktor penyebab mana yang mempunyai pengaruh
besar terhadap hasil.
3.3.1 Diagram Pareto Fenomena
Diagram ini berhubungan dengan fenomena atau masalah yang
dominan dan perlu dijadikan prioritas utama untuk segera diatasi.
Beberapa fenomena yang mungkin dibuat stratifikasinya untuk
dianalisa antara lain ialah :
1. Masalah mutu : cacat, rusak, repair, ditolak, klaim, dll
2. Biaya : biaya tenaga, biaya bahan baku, biaya administrasi,
dll
3. Delivery : kekurangan barang, terlambat kirim, salah kirim,
dll
4. Keselamatan kerja : kematian, luka berat, luka ringan,
dll
3.3.2 Diagram Pareto Penyebab
Setelah fenomena masalah ditentukan, maka langkah selanjutnya
yang perlu dilakukan adalah mengidentifikasi faktor penyebab yang
dominan. Diagram Pareto penyebab merupakan alat yang dapat
menggambarkan faktor mana yang menjadi penyebab utama. Beberapa
stratifikasi yang terkait dengan faktor penyebab antara lain ialah
:
1. Operator : shift, umur, pengalaman, pendidikan, dll
2. Mesin : jenis mesin, alat potong, alat test, alat ukur,
dll
3. Bahan Baku : pemasok, lot, jenis bahan baku, dll
4. Metoda Kerja : jenis cara kerja, pengaturan kerja, lingkungan
kerja, dll
3.3.3 Anjuran dalam membuat Diagram Pareto
Dalam prakteknya, penyelesaian masalah tidak harus berurutan
dari masalah yang paling dominan. Beberapa anjuran dalam
menggunakan diagram Pareto agar dapat mencapai tujuannya adalah
:
4. Walaupun bobotnya kecil (bukan dominan), tetapi kalau bisa
diselesaikan dengan mudah pada waktu yang cepat, masalah tersebut
perlu juga diselesaikan (ingat : tujuan Pareto adalah untuk
efisiensi)
5. Setelah mengedentifikasi masalah, perlu ditindak lanjuti
dengan identifikasi penyebab. Kegagalan identifikasi penyebab akan
mengakibatkan kesalahan dalam tindakan sehingga masalah tidak
terselesaikan.
3.4 Soal-Soal Latihan
1. Lakukan klasifikasi jenis pengeluaran uang yang Anda
perlukan. Lakukan pengamatan selama perioda waktu tertentu
(misalnya 1 bulan atau satu tahun). Buat diagram Pareto untuk
keperluan apakah Anda memerlukan dana paling besar?
2. Identifikasi aktivitas apa saja yang Anda lakukan secara
rutin setiap hari. Catat berapa lama Anda menghasbiskan waktu untuk
masing-masing aktivitas. Buat diagram Pareto. Aktifitas apa yang
menghabiskan waktu paling banyak. Apakah aktivitas tersebut sejalan
dengan sasaran hidup Anda.
BAB IV. DIAGRAM SEBAB-AKIBAT
4.1 Pengertian Diagram Sebab-Akibat
Diagram sebab-akibat adalah sebuah diagram yang menunjukkan
hubungan antara karakteristik dengan faktor yang
mempengaruhinya.
Suatu produk dihasilkan dari proses perpaduan antara beberapa
faktor yang selalu dapat ditarik hubungan sebab-akibatnya. Untuk
memecahkan suatu permasalahan yang kompleks akan menemui kesulitan
bila kita tidak dapat menemukan akar yang menjadi penyebab
permasalahan tersebut. Dalam hal ini diagram sebab-akibat berguna
untuk mencari penyebab permasalahan dengan cara menelusuri struktur
permasalahan dari yang global ke yang detail secara sistematis.
Diagram sebab-akibat pertama kali dikembangkan oleh Kaoru
Ishikawa, professor dari Tokyo University pada tahun 1953 yang
selanjutnya karena pendekatan ini dapat dipergunakan secara luas
dalam menganalisa berbagai persoalan, maka pendekatan ini masuk ke
dalam terminology JIS (Japan Industrial Standards).
4.2 Struktur Diagram Sebab-Akibat
Diagram sebab-akibat sering disebut dengan diagram tulang ikan
karena bentuknya seperti kerangka tulang ikan. Sebutan lain dari
diagram sebab-akibat adalah diagram pohon atau diagram sungai.
Struktur diagram sebab-akibat dapat dilihat pada gambar berikut
:
4.3 Cara Membuat Diagram Sebab-Akibat
4.3.1 Dengan mengidentifikasi urutan faktor penyebab
1. Tentukan karakteristik mutu yang akan diteliti
2. Tulis satu karakteristik mutu di sisi kanan kertas (kapala
ikan)
3. Teliti faktor penyebab utama dan tuliskan sebagai tulang
besar
4. Teliti penyebab dari penyebab utama sebagai dari penyebab
kedua
5. Teliti faktor penyebab ketiga sebagai faktor dari penyebab
kedua
6. Pilih faktor penyebab yang berpengaruh besar sebagai faktor
dominan
7. tulis informasi-informasi tambahan lainnya yang diperlukan
(nama diagram Pareto, dibuat oleh, tanggal pembuatan,dll)
4.3.2 Dengan menyusun secara sistematis dari suatu daftar faktor
penyebab
1. Tentukan karakteristik
2. Buat daftar sebanyak mungkin faktor penyebab yang
berpengaruh
3. Cari hubungan antar faktor penyebab
4. Susun faktor secara sistematis berdasarkan hubungan sesuai
langkah 3
5. Tulis informasi-informsi lain yang diperlukan
4.3.3 Anjuran pada pembuatan diagram sebab-akibat
1. Identifikasi semua faktor yang relevan dengan cara
urun-rembuk (brainstorming)
2. Nyatakan karakteristik sejelas mungkin
3. Buat diagram sebab-akibat untuk setiap karakteristik mutu
4. Pilih karakteristik dan faktor yang dapat diukur
5. Temukan faktor yang dapat diuji dan bisa diatasi (tingkat
pengaruh setiap faktor perlu diuji secara obyektif berdasarkan
fakta)
4.4 Hubungan Diagram Pareto Dengan Diagram Sebab-Akibat
1. Pada tahap awal tindakan, untuk memilih masalah dminan yang
akan diatasi, diperlukan diagram Pareto
2. dari masalah dominan yang sudah dipilih, dibuat diagram
sebab-akibat untuk meneliti faktor-faktor penyebab yang berpengaruh
dan hubungan keterkaitannya
3. dari sekian banyak faktor yang berpengaruh, perlu dicari
faktor penyebab yang dominan dengan menggunakan diagram Pareto
4. untuk mengukur keberhasilan penyelesaian masalah, perlu
dibandingkan diagram Pareto sebelum dan sesudah penyelesaian
masalah
4.5 Soal-Soal Latihan
1. Bentuk suatu group terdiri dari 4 s/d 7 orang, lakukan
brainstorming untuk membuat diagram sebab-akibat
a. Mengapa terjadi mahasiswa DO ?
b. Mengapa Nilai ujian teori jelek?
c. Mengapa nilai ujian praktek jelek?
2. Buat diagram sebab-akibat mengenai :
a. Kesalahan pengetikan
b. Terlambat mengikuti kuliah pagi
3. Ada berapa masalah yang dihadapi seorang mahasiswa dalam
proses belajar mengajar, misalnya :
a. Kesulitan biaya
b. Kesulitan mendapat buku pegangan
c. Administrasi kemahasiswaan tidak transparent
d. Kesulitan komunikasi dengan dosen
e. Kesulitan mendapatkan tempat tinggal (kost)
f. Kesulitan transportasi
Dengan menggunakan pembobotan tingkat kesulitan yang dihadapi
mahasiswa, lakukan pengumpulan data dari anggota group anda. Buat
diagram Pareto mengenai masalah yang dihadapi mahasiswa tersebut,
selanjutnya dari masalah yang paling dominan yang anda temukan,
buatlah diagram sebab-akibatnya.
BAB V. HISTOGRAM
5.1 Variasi dan Distribusi
Suatu proses terkendali akan menghasilkan produk yang konstan,
namun dalam prakteknya tidak mungkin konstan sempurna. Data dari
proses produksi ini akan bervariasi, dan bila prosesnya terkendali
variasi data ini akan mengikuti aturan tertentu. Data yang teratur
ini disebut sebagai data yang mengikuti distribusi tertentu.
5.2 Populasi dan Sampel
Dalam pengendalian mutu, untuk menemukan fakta dikumpulkan
data
5.3 Kegunaan Histogram
Histogram merupakan salah satu alat/metoda pengolahan dan
analisa data untuk memberikan gambaran tentang populasi. Hasil
analisa ini (dalam bentuk histogram) akan dipergunakan sebagai
dasar pendekatan untuk pengambilan keputusan dan tindakan
perbaikan.
5.4 Cara Membuat Histogram
1. Membuat Tabel Frekuensi
1. Hitung Range (R)
R = Nilai Terbesar Nilai Terkecil
2. Tentukan Banyak Kelas Interval
a. Bagi R dengan kelipatan sepuluh dari 1, 2, atau 5 sehingga
diperoleh besaran antara 5 s/d 20 kelas interval yang sama
b. Atau dengan rumus : Banyak kelas interval = 1 + (3.3) log
n
3. Tentukan Lebar Kelas Interval
Lebar Kelas Interval = Range (R) dibagi banyak kelas
interval
4. Tentukan Batas Kelas
Batas kelas paling bawah adalah nilai terendah atau setengah
digit dibawah nilai terendah, dengan menembahkan nilai lebar kelas
interval akan diperoleh batas atas kelas interval pertama. Dengan
menembahkan nilai lebar kelas interval akan diperoleh kelas kedua,
ketiga dan seterusnya.
5. Hitung Nilai Tengah Interval
Nilai tengah interval = (Nilai batas bawah + Nilai batas atas) /
2
6. Buat Tabel Frekuensi
Tabel Frekuensi
NoKelas IntervalNilai TengahHasil PengamatanFrekuensi
7. Hitung Frekuensi tiap interval dengan mengisi tabel
frekuensi
2. Membuat Histogram
1. Buat sumbu horizontal dengan skala kelas interval
2. Buat sumbu vertikal kiri dengan skala frekuensi dan bila
perlu sumbu vertikal kanan dengan skala frekuensi relatif. Untuk
mendapatkan gambar yang baik, tinggi kelas dengan frekuensi
maksimum berkisar 0.5 s/d 2.0 kali jarak nilai maksimum dan minimum
pada sumbu horizontal.
3. Gambar grafik sesuai frekuensi pada masing-masing kelas
interval
4. Gambarkan nilai rata-rata dan bila ada gambar juga
batas-batas spesifikasi
5. Buat catatan tentang histogram, seperti : perioda pengumpulan
data, jumlah data, nilai rata-rata, deviasi standar, dll.
5.5 Tipe Histogram
1. Tipe Umum (normal, simetris atau ayunan-lonceng)
Nilai rata-rata histogram berada di tengah-tengah range data,
frekuensi tertinggi di tengah-tengah dan menurun secara bertahap di
kedua sisinya. Bentuknya simetris
Catatan : Tipe ini paling banyak terjadi pada kondisi normal
terkendali
2. Tipe Sisir (multi modal atau sarang tawon)
Pada setiap kelas ada frekuensi rendah dan tinggi bergantian
Catatan : Tipe ini bisa terjadi bila jumlah data kelas
bervariasi dari satu kelas ke kelas yang lain atau ada
kecenderungan tertentu dalam pembulatan data
3. Tipe Miring (positif atau negatif)
Nilai rata-rata histogram terletak di kiri (di kanan) dari
tengah-tengah range, kemudian menurun drastis ke kiri (ke kanan)
dan di sisi lain menurun secara bertahap ke kanan (ke kiri)
4. Tipe Curam ke kiri (ke Kanan)
Nilai rata-rata histogram ini jauh di sisi kri (kanan) dari
tengah-tengah range, kemudian menurun secara curam ke kanan (kiri)
dan tidak simetris.
Catatan : Bentuk ini terjadi karena telah dilakukan seleksi 100%
untuk menyaring hasil proses yang unjuk kerjanya rendah, juga bisa
terjadi karena salah satu faktor proses berubah secara sangat
ekstrim miring ke kiri (atau ke kanan)
5. Tipe Dataran Tinggi (Plateau)
Frekuensi masing-masing kelas hampir sama membentuk suatu
dataran tinggi kecuali di kedua sisinya yang paling luar.
Catatan : Bentuk ini terjadi kemungkinan karena bergabungnya
beberapa distribusi yang mempunyai nilai rata-rata hampir sama.
6. Tipe Puncak Ganda (bimodal, twin-peak)
Frekuensi turun di tengah-tengah dari range data dan mempunyai
puncak pada masing-masing sisi
Catatan : Bentuk ini terjadi bila dua distribusi yang mempunyai
niai rata-rata yang jauh berbeda digabung menjadi satu.
7. Tipe Puncak TerisolasiAda puncak yang terisolasi yang
terpisah dari histogram utamanya.
Catatan : bentuk ini menunjukkan tercampurnya sedikit data dari
distribusi yang berbeda yang bisa terjadi karena proses yang tidak
normal, kesalahan pengukuran, atau terselipnya data dari proses
yang berbeda.
5.6 Nilai Rata-rata dan Deviasi Standar
a. Nilai Rata-rata sampel :
x = 1/n Xi
X
b. Nilai Rata-rata populasi:
= X P (x)
c. Variasi dan Deviasi standard sampel:
n
Variasi : V= 1 (Xi- X ) 2
n-1 i=1
Deviasi standar : s = Vd. Variasi dan Deviasi standard
populasi:
Variasi : 2 = (x-) 2 P(x)
Deviasi standar : = (x-)2 P(x)
e. Menghitung nilai rata-rata dan deviasi standard dengan
transformasi:
Xi = (xi - a) x h
X = a + 1 X
h
n n
S = ( Xi X )2 = 1 ( Xi - X) 2 = 1 { Xi 2 1 ( Xi)2 }
i=1 h2 i=1 h2
V = S / (n-1)
S = V
f. Menghitung rata-rata dan deviasi standar dari tabel
frekuensi:
Buat formulir perhitungan yang berisi frekuensi (f), u, uf dan
u2f
Tentukan u=0 pada kelas yang frekuensinya tertinggi dan 1, -2,
dst ke arah nilai yang lebih kecil serta 1, 2, dst ke arah nilai
yang lebih besar Hitung hasil kali u dan f, masukkan ke kolom uf,
dan hitung jumlahnya Hitung hasil kali u2 dan f, masukkan ke kolom
u2f, dan hitung jumlahnyaNoKelasTtk TengahFrekuensi (f)uufu2f
Total
Hitung nilai rata-rata :
X = a + h ( uf / n)
Dimana : a = titil tengah interval dimana u = 0
h = interval kelas
Hitung deviasi standar :S = h NoKelasTtk Tengah (x)Frekuensi
(f)uufu2f
12.5005 2.50552.5031-4-416
22.5055 2.51052.5084-3-1236
32.5155 2.51552.5139-2-1836
42.5155 2.52052.51814-1-1414
52.5205 2.52552.52322000
62.5255 2.53052.5281911919
72.5305 2.53552.5331022040
82.5355 2.54052.538531545
92.5405 2.54552.543642496
Total90030302
5.7 Soal-soal Latihan
Dari hasil pengukuran terhadap 100 sampai diameter dalam hub
diperoleh data sebagai berikut :
0.970 0.975 0.982 0.983 0.984 0.985 0.986 0.987 0.988 0.985
0.983 0.986 0.987 0.984 0.991 0.992 0.993 0.994 0.995 0.996
0.997 0.998 0.999 0.993 0.994 0.995 0.996 0.997 1.001 1.002
1.003 1.004 1.005 1.006 1.007 1.008 1.009 1.002 1.003 1.004
1.005 1.006 1.007 1.008 1.005 1.004 1.006 1.005 1.011 1.012
1.013 1.014 1.015 1.016 1.017 1.018 1.019 1.011 1.012 1.013
1.014 1.015 1.016 1.017 1.018 1.019 1.014 1.015 1.015 1.015
1.016 1.014 1.022 1.023 1.024 1.025 1.026 1.027 1.028 1.029
1.024 1.025 1.026 1.027 1.023 1.024 1.025 1.026 1.025 1.025
1.032 1.036 1.037 1.038 1.035 1.035 1.037 1.038 1.034 1.040
a. Buat histogram hasilpengukuran diameter hub tersebut
b. Hitung nilai rata-rata dan deviasi standardnya
BAB VI. DIAGRAM PENCAR
6.1 Manfaat diagram pencar
Diagram pencar diperlukan untuk mempelajari kaitan dua variabel,
antara lain :
1. Antara karakteristik mutu dengan faktor yang
mempengaruhinya
2. Antara dua karakteristik mutu yang berkaitan
3. Antara dua faktor yang berkaitan dengan satu
karakteristik
6.2 Cara membuat diagram pencar
1. Kumpulkan data yang berpasangan (x,y) dan atur dalam sebuah
tabel
2. Cari nilai maksimum dan minimum dari x maupun y, kemudian
tetapkan skala pada sumbu horizontal dan vertikal
3. Gambarkan data
4. Tulis keterangan yang diperlukan
Contoh :
TanggalTekanan Udara (kgf/cm2)Presentase Kerusakan
(%)TanggalTekanan Udara (kgf/cm2)Presentase Kerusakan (%)
Okt,1
2
3
4
58.6
8.9
8.8
8.8
8.40.889
0.884
0.874
0.891
0.87422
23
24
25
268.7
8.5
9.2
8.5
8.30.892
0.877
0.885
0.866
0.896
8
9
10
11
128.7
9.2
9.6
9.2
8.70.886
0.911
0.912
0.895
0.89629
30
31
Nop, 1
28.7
9.3
8.9
8.9
8.30.896
0.928
0.886
0.908
0.881
15
16
17
18
198.4
8.2
9.2
8.7
9.40.894
0.864
0.922
0.909
0.9055
6
7
8
98.7
8.9
8.7
9.1
8.70.882
0.904
0.912
0.925
0.872
6.3 Membaca diagram pencar
1. Perhatikan kecenderungan posisi titik-titik pada grafik
2. Hilangkan titik yang jauh diluar group, kemungkinan karena
kesalahan data/pengukuran. Titik ini dinamakan outlier.3.
Perhatikan korelasinya, beberapa hal yang bisa terjadi :
a. Korelasi positif
b. Korelasi negatif
c. Kemungkinan korelasi positif
d. Kemungkinan korelasi negatif
e. Tidak ada korelasi
4. Lakukan pengujian dengan menghitung koefisien korelasi
6.4 Perhitungan koefisien korelasi
Untuk mengetahui adanya korelasi antara x dan y, pertama-tama
yang dilakukan adalah dengan menggambarkan diagram pencar.
Sedangkan untuk mengetahui seberapa besar kekuatan korelasi
tersebut perlu dihitung koefisien korelasinya :
S (xy)
r = ----------------
Dimana :
n n n
S (xx) = ( Xi X )2 = Xi 2 ( Xi) 2 i=1 i=1 i=1
n n n n
S (yy) = ( Yi Y )2 = Yi 2 ( Yi) 2 i=1 i=1 i=1
n n n n n
S (xy) = ( Xi X )2 .( Yi Y )2 = Xi Yi - ( Xi ) . ( Yi)
i=1 i=1 i=1
n
Contoh perhitungan koefisien korelasi :
Perhitungan koefisien korelasi
TanggalXYX2Y2Xy
Oct, 1
2
3
4
58.6
8.9
8.8
8.8
8.40.889
0.884
0.874
0.891
0.87473.96
79.21
77.44
77.44
70.560.79032
0.78146
0.76388
0.79388
0.763887.6454
7.8676
7.6912
7.8408
7.3416
8
9
10
11
128.7
9.2
8.6
9.2
8.70.886
0.911
0.912
0.895
0.89675.69
84.64
73.96
84.64
75.690.78500
0.82992
0.83174
0.80103
0.802827.7082
8.3812
7.8432
8.234
7.7952
15
16
17
18
198.4
8.2
9.2
8.7
9.40.894
0.864
0.922
0.909
0.90570.56
67.24
84.64
75.69
88.360.79924
0.74650
0.85008
0.82628
0.819037.5096
7.0848
8.4824
7.9083
8.507
22
23
24
25
268.7
8.5
9.2
8.5
8.30.892
0.877
0.885
0.866
0.89675.69
72.25
84.64
72.25
68.890.79566
0.76913
0.78323
0.74996
0.802827.7604
7.4545
8.142
7.361
7.4368
29
30
31
Nov, 1
28.7
9.3
8.9
8.9
8.30.896
0.928
0.886
0.908
0.88175.69
86.49
79.21
79.21
68.890.80282
0.86118
0.78500
0.78500
0.776167.752
8.6304
7.8854
7.8854
7.3123
5
6
7
8
98.7
8.9
8.7
9.1
8.70.882
0.904
0.912
0.925
0.87275.69
79.21
75.69
82.81
75.690.77792
0.81722
0.83174
0.85563
0.760387.6734
8.0456
7.9344
8.4175
7.5864
Total263.226.8162312.0223.97834235.3570
6.5 Garis Regresi
Selain diagram pencar dan koefisien korelasi, untuk mengetahui
tingkat kecenderungan korelasi perlu juga digambarkan garis
regresinya. Secara matematis garis regresi dinyatakan sebagai :
Y = a + b x
Dimana : b = dan a = y b x
Contoh perhitungan garis regresi :
XYX2Y2xy
8.0
8.0
8.0
8.0
8.5
8.5
8.5
8.5
9.0
9.0
9.0
9.0
9.5
9.5
9.5
9.5
10.0
10.0
10.0
10.04.62
4.50
4.43
4.81
4.12
3.88
4.01
3.67
3.21
3.05
3.16
3.0
2.86
2.53
2.71
2.62
1.83
2.02
2.24
1.9564.00
64.00
64.00
64.00
75.2521.3444
23.2500
19.6249
23.1361
16.974436.960
36.000
35.440
38.480
35.020
72.25
72.25
72.25
81.00
81.0015.0544
16.0801
13.4689
10.3041
9.302532.980
34.085
31.195
28.890
27.450
81.00
81.00
90.25
90.25
90.259.9856
10.8900
8.1796
6.4009
7.344128.440
29.700
27.170
24.035
25.745
90.25
100.00
100.00
100.00
100.006.8644
3.3489
4.0804
5.0176
3.802524.890
18.300
20.200
22.400
19.500
180.065.521630.00231.4538576.880
6.6 Soal-soal Latihan
1. Apa manfaat diagram pencar dalam kaitannya dengan
karakteristik mutu?
2. Data dibawa ini menunjukkan hubungan antara jumlah kunjungan
dengan hasil penjualan produk
NoJumlah KunjunganHasil Penjualan
1207
23512
3154
4102
54012
6258
73210
8123
9285
10314
a. Gambarkan diagram pencar untuk data diatas
b. Apakah jumlah kunjungan sangat mempengaruhi hasil
penjualan
c. Buatkan persamaan garis regresinya
BAB VII.
PENGENDALIAN KUALITAS DAN INSPEKSI KUALITAS
7.1 Pengendalian Kualitas dan Inspeksi Kualitas
Pengendalian kualitas:
Adalah aktivitas untuk menjaga dan mengendalikan kualitas selama
proses produksi.
Inspeksi kualitas :
Adalah aktivitas untuk menentukan diterima atau ditolak bahan
baku, bahan penunjang, komponen, sub komponen, produk jadi, dan
lain-lain yang terkait dalam proses pembuatan.
Untuk menjamin kualitas diperlukan :
1. Pengendalian kualitas
2. Inspeksi kualitas
Pengertian pengendalian kualitas
Definisi kualitas:
1. Kualitas adalah titik temu antara harga / biaya dan keinginan
pelanggan
2. Kualitas adalah terpenuhinya keinginan / harapan dengan biaya
yang minimum
3. Kualitaas produk adalah ukuran spesifikasi produk yang
memenuhi keinginan pelanggan
4. Kualitas adalah ukuran kesempurnaan
Definisi Pengendalian
Teknik-teknik manajemen yang disusun secara sistematis untuk
mengendalikan faktor-faktor produksi seperti bahan baku, tenaga
kerja, mesin, kondisi kerja, dan lain-lain sedemikian rupa sehingga
dapat menghsilkan produk yang berkualitas.
7.2 Faktor yang mempengaruhi kualitas :
Disamping faktor manusia, bahan baku, mesin dan kondisi kerja,
faktor lain yang berpengaruh terhadap kualitas produk adalah :
1. Penelitian pasar (keinginan pelanggan)
2. Dana (ketersediaan dana untuk investasi)
3. Manajemen (kebijakan manajemententang kualiatas)
4. Cara memproduksi dan perancangan produk
Fungsi pengendalian kualitas :
1. Menentukan standar kualitas produk
2. Menjabarkan kualitas produk menjadi standar proses
produksi
3. Menjaga agar produk diluar standar tidak sampai lolos ke
pelanggan
4. Mencari cara-cara baru untuk meningkatkan kualitas
Analisa kualitas produk
1. Fungsi apa saja yang harus dipenuhi oleh produk
2. Umur dan ketahanan produk
3. Kondisi kerja yang harus dipenuhi saat proses produksi
4. Spesifikasi produk
5. Proses dan cara produksi
Manfaat pengendalian kualitas
1. Peningkatan mutu produk akan meningkatkan penjualan
2. Penurunan kegagalan / cacat akan menurunkan biaya
3. Produk yang bagus dapat mengangkat reputasi perusahaan
4. Keseragaman mutu produk dapat dipertahankan
5. Meningkatkan kemampuan produksi
6. Menambah relasi karena adanya kepercayaan
7. Kemampua teknik meningkat
8. Kemampuan perancangan dan rekayasa meningkat
7.3 Optimasi biaya Vs kualitas
kualitas pada posisi Y adalah yang paling ekonomis, menurunkan
kualitas ke posisi X akan menghemat biaya sebesar M tetapi nilainya
akan turun lebih besar yaitu sebesar N, sebaliknya meningkatkan
kualitas ke posisi Z memerlukan biaya sebesar P sedang nilainya
hanya naik sebesar O.
Definisi Inspeksi
1. Dr. W. R. spriegel mendefinisikan : Inspeksi adalah proses
pengukuran mutu suatu produk atau pelayanan agar dapat memenuhi
standard.
2. Kimbal mendefinisikan : Inspeksi adalah aktivitas untuk
membandingkan material, produk atau unjuk kerja dengan standar yang
sudah ditentukan.
3. Alford & Bealty mendefinisikan : Inspeksi adalah seni
mempergunakan alat uji, terutama dengan menggunakan alat ukur untuk
mengamati apakah berada pada batas spesifikasi atau tidak.
4. Inspeksi adalah alat untuk mengendalikan kualitas produk
Dari beberapa definisi diatas dapat ditarik beberapa kesamaan
antara lain :
a. Inspeksi diperlukan untuk mengendalikan kualitas.
b. Untuk bisa melakukan inspeksi diperlukan adanya standard dan
alat ukur atau alat uji.
Obyek Inspeksi :
1. Mengumpulkan informasi mengenai unjuk kerja produk yang
tertulis sebagai standar untuk dipergunakan pada engineering,
produksi, pembelian, pengendalian kualitas, dll.
2. Memisahkan produk yang gagal pada proses produksi dan menjaga
agar produk selalu memenuhi standar.
3. Menentukan dan meningkatkan reputasi perusahaan dengan
menjaga jangan sampai produk yang cacat lolos sampai ke tangan
pelanggan.
Organisasi bagian Inspeksi
Bagian Inspeksi harus terpisah dengan bagian yang dituntut
memperbanyak jumlah produksi. Bila foreman produksi diberi tugas
melakukan inspeksi, maka kemungkinan besar inspeksi tidak begitu
diperhatikan, karena secara psikologis dan akan lebih mengutamakan
jumlah produksi. Makin tinggi tuntutan terhadap kualitas produk,
membutuhkan posisi pimpinan inspeksi yang lebih tinggi, agar bagian
inspeksi mempunyai posisi tawar yang tinggi.
Kualifikasi Inspektor
1. Mempunyai pengetahuan teknis dan keterampilan dalam bidang
inspeksi
2. Cerdas dan mempunyai kemampuan untuk menyakinkan orang /
bagian lain
3. Memahami betul akan tanggung jawabnya dan dapat bekerja
dengan sabar
4. Memahami teknik pengendalian kualitas statistik
5. Memahami kesadaran yang tinggi terhadap biaya sehingga tidak
berpikir secara sempit dan terkotak-kotak
6. Bisa meminimumkan atau mencegah terjadinya pemborosan dengan
mencari alternatif bahan atau memanfaatkan bahan yang sudah
dipakai
7. Mengetahui cara kerja dan proses produksi yang memenuhi
standar
8. Mengetahui latar belakang dibuatnya standar dan hubungannya
dengan bahan baku maupun proses produksi
Prinsip-prinsip inspeksi
1. Untuk memaksimumkan efisiensi, fungsi inspeksi harus
independen tetapi berkoordinasi dengan fungsi produksi, perencanaan
maupun penjualan
2. Peningkatan unjuk kerja kualitas diperoleh dan penyempurnaan
spesifikasi teknis atau prosedur produksi bukan dari teknik
inspeksi
Standar inspeksi
Untuk memenuhi kebutuhan pengendalian kualitas, perlu dibuat
suatu standar inspeksi.
Beberapa standar inspeksi yang penting diantaranya adalah :
1. Standar inspeksi untuk bahan baku
2. Standar inspeksi untuk barang setengah jadi (WIP)
3. Standar inspeksi untuk proses produksi
4. Standar inspeksi untuk produk jadi
5. Standar inspeksi untuk gabungan unjuk kerja produk secara
menyeluruh
Fungsi bagan inspeksi
1. Untuk memeriksa bahan baku yang masuk
2. Untuk memeriksa struktur metalurgi
3. Untuk memeriksa komponen yang dibeli
4. Untuk memeriksa barang setengah jadi di dalam proses
produksi
5. Untuk memeriksa perkakas mesin (tools)
6. Untuk mendata kesalahan hasil perancangan
7. Untuk memeriksa alat ukur
8. Untuk memeriksa bahan jadi
9. Untuk memeriksa produk hasil repair (perbaikan)
10. Untuk memeriksa klaim dari pelanggan
Beberapa jenis inspeksi
1. Inspeksi perkakas mesin (tools)
2. Inspeksi produksi perdana
3. Inspeksi cara kerja
4. Inspeksi secara stampling
5. Inspeksi operasional produksi
6. Inspeksi final pada akhir proses produksi
7. Inspeksi untuk produk percontohan (pilot product)
8. Inspeksi pada proses-proses kunci (proses utama dan
penting)
9. Inspeksi untuk fungsi atau unjuk kerja produk
10. Pengujian ketahanan
11. Inspeksi ke lapangan (patroli)
12. Inspeksi secara tersentralisasi
Prosedur inspeksi untuk produksi massal
1. Skrining atau pemeriksaan seratus persen
2. Pemeriksaan masing-masing lot produksi
3. Pemeriksaan proses demi proses
Beberapa hal yang harus dirumuskan sebelum inspeksi
1. Dimana inspeksi dilakukan
2. Kapan inspeksi dilaksanakan
3. Bagaimana inspeksi dijalankan
4. Berapa besar biaya yang diperlukan
7.4 Soal-soal Latihan
1. Jelaskan mengapa pengendalian kualitas pada proses produksi
sangat diperlukan?
2. Bagaimana kualitas suatu produk dapat dikendalikan?
3. Apakah yang dimaksud dengan pengendalian kualitas?
4. Apakah yang dimaksud dengan kontrol atau pengendalian?
5. Apakah yang dimaksud dengan mutu atau kualitas? Jelaskan
!
6. Apakah hubungan antara pengendalian kualitas dengan inspeksi
kualitas?
7. Mengapa dalam pengendalian kualitas diperlukan inspeksi
kualitas?
8. Apa akibatnya bila fungsi inspeksi digabung dengan fungsi
produksi?
9. Mengapa seorang inspector memerlukan kualifikasi khusus?
10. Apa yang dimaksud dengan standard inspeksi?
BAB VIII. SAMPLING PENERIMAAN
8.1 Konsep Probabilitas
Konsep probabilitas menyatakan bahwa suatu fenomena massa
(populasi) mempunyai tendensi karakteristik tertentu. Bila suatu
sampel diambil dari populasi tanpa bias, maka sampel tersebut akan
mempunyai karakteristik seperti populasi sesungguhnya
Probabilitas ditemukannya cacat dari suatu sampel
Bila suatu lot berukuran 1000 mengandung 100 barang cacat, maka
jika diambil sampel n untuk mengetahui karakteristik lot tersebut,
akan ditemukan 0,9n bagus dan 0,1n cacat.
Bila q adalah presentase barang bagus yang sesungguhnya dari
suatu populasi, maka kemungkinan dari suatu sample berukuran n unit
akan menemukan barang bagus adalah sebesar qn.
8.2 Ilustrasi sampling penerimaan
Sampling adalah salah satu alat teknik dari pengendalian
kualitas teknik (SQC). Webster mendefinisikan : Sample adalah suatu
kesimpulan yang dapat mewakili keseluruhan lot.
Bila suatu perusahaan membeli barang dalam jumlah yang banyak
dan berlangsung secara rutin, memeriksa kualitas barang secara 100%
akan memerlukan biaya dan sumber daya yang besar. Untuk itu
biasanya perusahaan hanya mengambil sejumlah sample tertentu,
melakukan pengamatan / pengukuran dan selanjutnya disimpulkan
seluruh barang diterima atau ditolak.
8.3 Beberapa Faktor yang Menentukan Sampling Penerimaan
Dasar sampling penerimaan
1. Variabel basis : berdasarkan ukuran, misalnya panjang, berat,
kekerasan, keuletan, tekanan, temperatur.
2. Atribut basis : berdasarkan pilihan baik atau tidak baik
(Good or Not Good), menentukan suatu produk sesuai atau tidak
sesuai dengan spesifikasi.
Klasifikasi cacat
1. Cacat kritis (Critical defects) : cacat yang bisa berakibat
fatal terhadap produk, misalnya mengakibatkan kecelakaan bagi
pemakai, dll.
2. Cacat besar (Major defects) : cacat yang berakibat pada
kegagalan fungsi produk, misalnya produk tidak dapat dioperasikan,
unjuk kerjanya jelek, dll.
3. Cacat ringan (Minor defects) : cacat yang tidak berpengaruh
terhadap fungsi produk, misalnya finishingnya kurang sempurna, ada
titik dipermukaan, dll
Acceptability Quality Level (AQL)
AQL adalah suatu pernyataan tentang karakteristik cacat yang
biasanya disebutkan dalam satuan persen, misalnya presentase unit
cacat pada sejumlah unit tertentu yang diperiksa. Bisa juga
dinyatakan sebagai cacat per seratus unit.
Dalam proses pembuatan, pernyataan mengenai rata-rata cacat yang
diperbolehkan yang dihasilkan dari proses yang terkendali disebut
sebaga rata-rata presentase cacat proses (Average Per Cent
Defective :APCD)
Keterbatasan sampling
Dalam sampling, kesimpulan hasil analisa sampel yang diambil
dari suatu lot dipergunakan untuk menentukan keseluruhan lot
diterima atau ditolak. Jadi ada kemungkinan terjadi kesalahan,
suatu lot yang seharusnya ditolak bisa diterima karena sampel yang
diambil tidak menemukan cacat, sebaliknya ada kemungkinan lot yang
seharusnya diterima bisa ditolak karena pada sampel yang diambil
ditemukan cacat. Untuk itu sampel yang diambil harus betul-betuk
representatif (mewakili), yang biasanya dipilih secara random.
Kapan sampling penerimaan dipergunakan
1. Bila pemeriksaan hanya bisa dilakukan dengan merusak produk
(destructive test)
2. Bila pemeriksaan 100% akan mengakibatkan kelelahan.
3. Bila biaya pemeriksaan mahal
8.4 Keuntungan dan kelemahan sampling penerimaan
Keuntungan
1. Sangat cocok untuk produksi massal
2. Lebih ekonomis dan mudah dilaksanakan
3. Mengurangi kelelahan pemeriksa (inspector)
4. Teknik sampling dapat diajarkan dengan mudah dan efisien
kepada inspector
Kelemahan
Tidak dapat memberikan jaminan keseluruhan produk
Penggunaan sampling di industri
1. Untuk menentukan penerimaan bahan baku atau komponen yang
masuk ke pabrik
2. Untuk menentukan penerimaan dan kualitas produk jadi
3. Untuk menentukan penerimaan WIP bagi perbaikan proses
4. Untuk mengendalikan dan meningkatkan kualitas produk
8.5 Prosedur sampling
1. Tentukan ukuran lot untuk inspection
2. Atur lot rasional
3. Tentukan rata-rata proses yang diijinkan (Allowable Per Cent
Defective)
4. Pilih rencana sampling :
a. Single Sampling Plan
b. Double Sampling Plan
c. Sequential atau multiple sampling plan
8.5.1 Single Sampling Plan
N = jumlah produk yang dinyatakan dalam ukuran lot
n = jumlah sampel yang diambil secara random dari lot (N)
A = angka penerimaan maksimum cacat yang diperbolehkan dari
sample n
R = angka penolakan
Prosedur :
1. Tentukan banyaknya sampel sebanyak n dari lot N
a. Sampel tertentu .100 = konstan, berkisar antara 10 20 %
b. Sampel ditentukan dari tabel Single Sampling Plan2. Lakukan
pemeriksan (inspection) terhadap sampel n unit
3. Bila ditemukan cacat A atau kurang, terima lot
4. Bila ditemukan cacat R atau lebih, tolak lot atau lakukan
pemeriksaan 100% untuk mengeluarkan yang cacat
8.5.2 Double Sampling Plan
Pada Single Sampling Plan, bila ditemukan R cacat maka seluruh
lot ditolak, untuk mengatasi hal ini dapat dipergunakan Double
Sampling Plan
n1 = jumlah sampel pertama
A1= angka penerimaan sampel pertama
n2 = jumlah sampel kedua
A2= angka penerimaan sampel kedua
Prosedur
1. Periksa sampel pertama n1 unit
2. Bila ditemukan cacat A1 atau kurang, terima seluruh lot
3. Bila ditemukan cacat melebihi A2, tolak lot atau periksa
seluruhnya
4. Bila ditemukan cacat melebihi A1 tetapi tidak melebihi A2,
periksa sampel kedua n2 unit
5. Bila total cacat dari sampel pertama dan kedua sebanyak A2
atau kurang, terima lot
6. Bila total cacat dari sampel pertama dan kedua melebihi A2,
tolak lot atau periksa seluruh sisanya untuk mengeluarkan yang
cacat
8.5.3 Sequential Sampling Plan
Dalam rencana sampling ini dimungkinkan satu, dua, tiga atau
lebih sampel sebelum ditentukan suatu lot diterima atau
ditolak.
1. Bila pada sampel pertama ditemukan cacat sebanyak angka
penerimaan atau kurang, maka lot diterima
2. Bila pada sampel pertama ditemukan cacat sebanyak angka
penolakan atau lebih, maka lot ditolak
3. Bila pada sampel pertama ditemukan cacat diatas angka
penerimaan dan dibawah angka penolakan, maka tambah pemeriksaan
sehinga mencapai ukuran sampel kedua, dan seterusnya sampai dengan
dapat disimpulkan lot diterima atau ditolak
Tabel berikut menunjukkan perbandingan ukuran sampel dan angka
penerimaan / penolakkan untuk single, double dan Sequential
Sampling Plan dengan ukuran lot antara 1300 s/d 3199
Tipe SamplingSampelUkuran SampelAkumulasi SampelAngka
PenerimaanAngka Penolakkan
SinglePertama2252251415
DoublePertama150150924
Kedua3004502324
SequentialPertama505016
Kedua5010039
Ketiga50150713
Keempat502001016
Kelima502501319
Keenam503001622
Ketujuh503501925
Kedelapan504002425
8.6 Sampling untuk produk yang kontinu
Untuk produk yang kontinu seperti rantai, steel coil, dll
sampling bisa dilakukan berdasarkan satuan panjang. Dengan
menggunakan ukuran lot adalah panjang total, maka berdasarkan
proses cacat yang diperbolehkan akan dapat ditentukan panjang
sampel yang harus diperiksa dan besar angka penerimaan serta angka
penolakannya.
Disposisi cacat produk
1. Informasi ke bagian terkait, lakukan tindakan mendesak
2. Raparasi, penyesuaian mutu sementara (quality adjustment),
dll
8.7 Soal-soal Latihan
Pada proses pembuatan komponen plastik dengan mesin plastik
injection dilakukan penggantian mold setiap 1000 unit produksi.
Dari data-data yang lalu diketahui bahwa rata-rata 2% produk
komponen tersebut cacat. Dengan menggunakan tabel statistik,
buatlah rencana sampling dengan cara Single Sampling Plan dan
Sequential Sampling Plan. Tentukan nilai APCD, ukuran sample dan
kriteria penerimaan serta penolakan dari rencana sampling
tersebut.
Dengan cara Single Sampling, ternyata dari sample yang diambil
ditemukan 4 unit cacat, apakah lot produksi tersebut bisa
diterima?
Dengan cara Sequential Sampling, pada sampel pertama ditemukan 1
unit cacat, dilanjutkan dengan penambahan sampel kedua maupunketiga
ternyata tidak ditemukan lagi barang yang cacat. Dengan
ditemukannya satu unit cacat tersebut, apakah lot produksi harus
diperiksa seratus persen? Rencana sampling mana yang lebih
menguntungkan? Single atau Sequential Sampling Plan? Jelaskan !
BAB IX.
KURVA KARAKTERISTIK OPERASI (OC Curve)
Karakteristik suatu rencana sampel ditentukan oleh tiga faktor
yaitu :
a. Ukuran sampel n
b. Jumlah cacat di dalam sampelc. Angka penerimaan (acceptance
number) C
Beberapa OC Curve hasil kombinasi antara n dan C dari suatu
rencana sampel dapat menggambarkan seberapa baik peran sampel dapat
memisahkan barang yang baik dengan barang yang cacat.
Actual Percent Defectives
Dari gambar diatas, terlihat bahwa bila kualitas sesungguhnya
bagus maka kemungkinan barang diterima sangat tinggi, tetapi bila
kualitas sesungguhnya jelek (banyak barang cacat) maka probabilitas
barang diterima akan menurun secara drastis. Jelas bahwa OC Curve
dapat menunjukkan bagaimana rencana sampling menyimpulkan bagaimana
kemungkinan sampel dapat memisahkan barang bagus dan barang
cacat.
Besarnya peran sampling juga dipengaruhi oleh ukuran sampel yang
diambil. Bila jumlah sampel makin besar maka pada barang yang
berkualitas baik akan menghasilkan kemungkinan penerimaan lebih
tinggi, sebaliknya bila mutu barang sesungguhnya rendah maka
probabilitas penerimaan akan makin kecil.
Gambar OC Curve dibawah ini menunjukkan karakteristik rencana
sampling dengan angka penerimaan C yang sama tetapi dengan jumlah
sampel yang berada.
Bila sampling dituntut untuk menghasilkan kualitas barang yang
sempurna, maka angka peneriman C akan makin kecil. Untuk jumlah
sampel yang sama, nilai C yang makin kecil akan menghasilkan OC
Curve yang makin terjal. Dengan kata lain, untuk barang yang
kualitasnya jelek kemungkinan diterimanya akan sangat kecil. Dengan
memperkecil C atau meningkatkan n, kemungkinan produk cacat bisa
lolos akan makin kecil, tetapi menuntut biaya inspeksi yang makin
tinggi. Untuk itu suatu rencana sampling harus mencari titik
keseimbangan antara biaya inspeksi dan biaya akibat lolosnya barang
cacat.
Gambar berikut menunjukkan OC Curve dengan n sama tetapi angka C
berbeda.
Actual Percent Defectives
BAB X. KEMAMPUAN PROSES
10.1 Variasi proses
Dalam produksi massal, antara satu produk dengan produk yang
lainnya tidak dapat persis sama, hal ini disebabkan oleh adanya
variasi :
1. Bahan baku (beda batch, beda lot, dll)
2. Tenaga operator (keterampilan, unjuk kerja, sikap, minat,
dll)
3. Parameter operasi (ketajaman alat potong, kelalahan operator,
dll)
4. Kondisi lingkungan (temperatur, penerangan, kelembaban,
tekanan udara, dll)
Variasi yang mempengaruhi proses dikelompokkan dalam dua jenis,
yaitu :
1. Chance Variation : variasi kecil, biasa dan tidak
mengakibatkan proses keluar dari sistem operasi yang sudah
dirancang. Change variation mengakibatkan produksi berbeda satu
sama lain tetapi karena faktor-faktor yang mempengaruhi proses
masih terkendali maka produk yang dihasilkan akan berada pada batas
spesifikasi.
2. Assignable Causes Variation : variasi yang tidak biasa, yang
menyimpang dari batas spesifikasi. Hal ini terjadi karena adanya
faktor proses yang berada diluar kendali sehingga produk yang
dihasilkan keluar dari batas-batas spesifikasi.
10.2 Kecenderungan terpusat dan penyimpangan
Ada tiga ukuran kecenderungan yang menggambarkan karakteristik
suatu proses produksi atau karakteristik operasi suatu mesin, yaitu
:
1. Nilai tengah, mean, median atau modus
Adalah nilai rata-rata hasil suatu proses:
X1+X2+X3++Xn
X = n
2. Range
Adalah penyimpangan terbesar yaitu selisih antara harga
tertinggi dengan harga terendah
R = Xmax - Xmin
3. Deviasi standard
= (xi x )2
n
Dalam kaitannya dengan pengendalian kualitas, arti dari faktor
tersebut adalah :
1. Harga rata-rata (mean, median, modus) mencerminkan hasil
setting mesin/ proses.
2. Penyimpangan (range dan devisiasi standard) mencerminkan
variabilitas yang terjadi selama proses karena faktor bahan baku,
tenaga kerja, parameter proses/ mesin dan lingkungan.
Faktor lain yang harus diperhatikan dalam pengendalian kualitas
adalah batas-bats spesifikasi atau batas-batas toleransi produk
10.3 Kurva normal
Proses yang terkendali dalam jumlah yang besar hasilnya akan
membentuk distribusi normal. Dengan kata lain hasil proses tersebut
akan berada diantara X 3 (diantara bats-batas control tiga kali
deviasi standard)
10.4 Indeks kemampuan proses
Setelah histogram menunjukkan bahwa proses mengikuti distribusi
normal, maka penelaahan lebih lanjut perlu dilakukan agar dapat
diketahui seberapa jauh proses dapat memenuhi spesifikasi produk
yang ditentukan. Salah satu cara untuk mengevaluasi kemampuan
proses adalah dengan menghitung indeks kemampuan proses Cp sebagai
berikut.
a. Spesifikasi pada dua sisi (Sa dan Sb)
Sa - Sb
Cp = --------------
6s
b. Spesifikasi pada satu sisi (Sa atau Sb)
__ __
Sa X X - Sb
Cp = ----------- atau Cp = ----------
3 s 3 s
Nilai Cp dapat menunjukkan kemampuan proses untuk memenuhi
spesifikasi produk
1.33 Cp
proses memuaskan
1.00 Cp < 1.33proses cukup baik
Cp < 1.00proses kurang baik
10.5 Koreksi terhadap toleransi
Apabila hasil produksi yang terkendali dan membentuk distribusi
normal tidak dapat memenuhi batas-batas spesifikasi toleransi yang
ditentukan, maka ada beberapa tindakan yang perlu dilakukan :
1. Periksa, apakah toleransinya terlalu ketat. Bila hal ini
terjadi lakukan koreksi dengan memperlebar batas-batas
toleransi.
2. Bila batas spesifikasi toleransi tidak mungkin diperlebar,
perlu dilakukan perbaikan terhadap proses, misalnya dengan
mengganti mesin, jig, tools dengan yang baru, dll
3. Tindakan jangka pendek adalah dengan melakukan pemeriksaan
100% untuk memilih produk yang memenuhi spesifikasi.
Dengan melakukan ploting distribusi hasil pengukuran/
pemeeriksaan pada batas-batas spesifikasi, akan dapat dianalisa
beberapa kombinasi kemungkinan :
1. Penyimpangan lebih kecil dari batas-batas spesifikasi
2. Penyimpangan sebanding dengan batas-batas spesifikasi
3. Penyimpangan lebih besar dari batas-batas spesifikasi
4. Nilai tengah berada di pusat spesifikasi
5. Nilai tengah bergeser ke kanan atau ke kiri dari pusat
spesifikasi
10.6 Membandingkan histogram dengan batas spesifikasi
10.6.1 Jika histogram memenuhi tuntutan spesifikasi
1. Bila histogram dan variasinya tepat berada di tengah-tengah
spesifikasi, maka proses harus dipertahankan/ dipelihara pada
kondisi ini
2. Bila histogram dan variasinya berada di tengah jauh dari
batas spesifikasi, menunjukkan bahwa kemampuan proses terlalu
tinggi dibandingkan tuntutan spesifikasi. Bisa dipertahankan atau
dipindahkan ke proses lain yang lebih sederhana (lebih murah) namun
tetap memenuhi spesifikasi.
3. Bila histogram berada di tengah spesifikasi tetapi variasinya
berimpit dengan batas spesifikasi, maka proses perlu dikendalikan
secara ketat atau agar lebih aman harus diusahakan untuk
memperkecil variasi proses
10.6.3 Jika histogram menyimpang dari tuntutan spesifikasi
1. Range histogram dengan range spesifikasi tetapi sebagian data
berada di luar batas atas atau batas bawah. Diperlukan tindakan
perbaikan untuk menggeser histogram ke tengah-tengah batas
spesifikasi.
2. Nilai rata-rata histogram berada di tengah-tengah spesifikasi
tetapi variasinya menyebar sampai keluar batas spesifikasi. Perlu
tindakan perbaikan untuk memperkecil variasi.
3. Nilai rata-rata histogram mendekati batas atas atau bawah
spesifikasi dan variasinya jauh di luar batas-batas spesifikasi
(kombinasi 4 dan 5). Perlu perbaikan yang sangat besar, setting
ulang perlu dilakukan untuk menggeser nilai
Rata-rata histogram ke tengah-tengah batas spesifikasi dan perlu
tindakan untuk menurunkan variasi.
10.7 Stratifikasi
Nilai suatu pengamatan selalu dipengaruhi oleh beberapa faktor
yang mengakibatkan terjadinya variasi. Untuk mendapatkan gambaran
faktor mana yang mempengaruhi terjadinya variasi, bila ditemukan
suatu histogram yang menyimpang dari batas-batas spesifikasi
sebaiknya data pengamatan dipisah berdasarkan faktor yang mungkin
berpengaruh. Pengelompokkan data pengamatan atau stratifikasi data
ini akan sangat membantu untuk perbaikan proses, khususnya dalam
rangka menurunkan angka variasi. Dalam proses produksi biasanya
stratifikasi data berdasarkan kategori bahan baku, mesin, operator,
kondisi kerja, cara kerja,dll.
BAB XI. PETA KENDALI
11.1. Tipe Peta Kendali
a. Untuk nilai karakteristik kontinu :
1. Peta R (Nilai rata-rata dan rentang nilai)
Digunakan untuk mengendalikan dan menganalisa suatu proses
dengan besaran produk yang kontinu, seperti panjang, berat,
dll.
2. Peta X (Nilai terukur)
Bila pengumpulan data proses memerlukan waktu lama dan
pengelompokkan data tidak efektif, maka masing-masing data
digambarkan pada peta kendali. Batas-batas kontrol mnggunakan
rata-rata bergerak Rs.
b. Untuk nilai karakteristik diskrit :
1. Peta pn (jumlah unit cacat)
Dipergunakan bila karakteristik mutu dinyatakan dalam cacat per
sampel dengan ukuran pengambilan sampel n yang konstan
2. Peta p (presentase unit cacat)
Dipergunakan bila karakteristik mutu dinyatakan dalam jumlah
cacat per sampel dengan ukuran pengambilan sampel n bervariasi
3. Peta C (jumlah cacat per ukuran produk yang konstan)
Dipergunakan untuk mengontrol dan menganalisa proses dengan
karakteristik mutu dinyatakan sebagai jumlah cacat produk per
satuan ukuran yang sama, misalnya jumlah bintik pada pengecatan
tangki sepeda motor, kesalahan solder pada satu TV, dll
4. Peta u (jumlah cacat per ukuran sampel yang bervariasi)
Dipergunakan untuk mengontrol dan menganalisa proses dengan
karakteristik mutu dinyatakan sebagai jumlah cacat produk per
satuan ukuran yang bervariasi
11.2. Garis kendali
__
1. Peta X
__
a. Garis pusat (CL), CL = X _ ___ _
b. Batas kontrol atas (UCL), UCLX = X + A2R
__ __ __c. Batas kontrol bawah (LCL), LCLX = X A2 R
2. Peta R :
__
a. Garis pusat (CL), CL = R _ _
b. Batas kontrol atas (UCL), UCLR = D4R
__ __c. Batas kontrol bawah (LCL), LCLR = D3 R
3. Peta X :
__
a. Garis pusat (CL), CL = X _ __ _
b. Batas control atas (UCL), UCLx = X + 2.66 Rs
__ __ __c. Batas control bawah (LCL), LCLx = X 2.66 Rs
4. Peta pn:
_
a. Garis pusat (CL), CL = pn _ _
b. Batas control atas (UCL), UCLx = pn + 3
__ _ c. Batas control bawah (LCL), LCLx = p n 3
5. Peta p:
_
a. Garis pusat (CL), CL = p _ _ b. Batas control atas (UCL),
UCLx = p + 3 _ _c. Batas control bawah (LCL), LCLx = p 3
6. Peta c:
_
a. Garis pusat (CL), CL = c _ _ _
b. Batas control atas (UCL), UCLx = c + 3 c
__ _ _ c. Batas control bawah (LCL), LCLx = c 3 c
7. Peta u:
_
a. Garis pusat (CL), CL = u _ _
b. Batas control atas (UCL), UCLx = u + 3
__ _ c. Batas control bawah (LCL), LCLx = u 3
11.3. Peta X dan R
11.3.1. Manfaat peta dan R
1. Untuk mengetahui apakah suatu proses berada dalam
pengendalian statistik atau tidak
2. Untuk mengetahui apakah kemapuan proses sesuai dengan
tuntutan spesifikasi
3. Untuk mendeteksi trend suatu proses sebagai dasar untuk
melakukan rencana
4. Memberikan tanda bila suatu proses berada diluar kendali
11.3.2. Prosedur pembuatan peta dan R
1. Ambil sejumlah sampel (2 s/d 15 unit)
_
2. Hitung nilai dan R
_ _
3. Dari beberapa kali pengambilan sampel hitung rata-rata X dan
R
_ _
4. Hitung garis kendali X dan R
_ _
5. Gambar garis kendali X dan R
_ _
6. Plot nilai X dan R pada peta
7. Analisa hasil peta kendali
Contoh :
Peta X :
UCL = 29.34 + (0.729) 21.50 = 45.011
CL = 29.34
LCL = 29.34 (0.729) 21.50 = 13.664
Peta R: _
UCL= D4R= (2.282) 21.50 = 49.063
_
CL= R= 21.5
LCL= -
11.4. Membaca peta kendali
Peta kendali menggambarkan keadaan proses apakah berada pada
kondisi terkendali atau tidak. Kondisi dapat dikatakan terkendali
apabila proses berjalan secara stabil yang ditunjukkan oleh nilai
rata-rata proses dan variasinya berada pada angka yang konstan.
Dengan membaca peta kendali akan dapat diambil suatu kesimpulan
apakah proses berjalan secara normal atau mengalami hal-hal yang
tidak biasa. Beberapa kriteria berikut menunjukkan terjadinya
kondisi tidak normal pada proses produksi :
1. Proses keluar dari batas kendali
Ditemukan titik-titik yang keluar dari batas kendali
2. Bergeser atau lari
Suatu keadaan dimana beberapa titik secara berurutan berada pada
salah satu sisi dari garis tengah :
a. Tujuh titik berturut-turut berada pada satu sisi
b. 10 dari 11 titik berturut-turut berada pada satu sisi
c. 12 dari 14 berturut-turut berada pada satu sisi
d. 16 dari 20 titik berturut-turut berada pada satu sisi
3. Tread atau kecenderungan
Tujuh titik berturut-turut membentuk kurva naik atau turun
4. Mendekati batas kendali
Ditemukan 2 dari 3 titik berada diluar garis 2 sigma
5. Mendekati garis tengah
Bila hamper semua titik berada diantara garis 1.5 sigma
11.5. Soal-soal Latihan
Tabel berikut menunjukkan hasil pengukuran dimensi valve yang
diambil tiap jam sekali dengan ukuran sampai 5 unit untuk setiap
kali pengambilan. Bila spesifikasi diameter valve 9,85 0.05 mm,
a. Gambarkan peta kendali (control chart)
b. Apakah pross produksi tersebut dapat memenuhi spesifikasi
produk?
No SampelLima Pengukuran per Sampel
abcdE
19.849.839.859.859.88
29.839.849.899.649.85
39.859.939.839.849.85
49.869.919.849.909.89
59.869.919.849.909.89
69.909.919.899.879.88
79.829.869.839.919.83
89.849.879.889.849.82
99.859.889.869.859.96
109.849.789.829.849.87
119.859.829.909.859.83
129.859.879.779.879.84
139.889.799.839.829.78
149.859.919.779.879.90
159.749.839.919.889.89
BAB XII.
PENGGUNAAN METODA STATISTIK PADA SISTEM MANAJEMEN PENGENDALIAN
MUTU TERPADU
12.1 Pengendalian Mutu Terpadu
Sistem manajemen pengendalian mutu terpadu adalah sistem
manajemen yang mengikut sertakan seluruh karyawan dari semua
tingkatan organisasi dengan menerapkan konsep pengendalian kualitas
dan metoda statistik dalam rangka mencapai kepuasan pelanggan serta
menggairahkan bagi karyawan yang mengerjakannya.
Sistem manajemen pengendalian mutu terpadu dibangun diatas empat
kerangka dasar pilar yang terkait dan terpadu satu sama lain dan
tidak dapat dipisah-pisahkan. Keempat pilar tersebut ialah :
a. Mentalitas dasar (Basic Mentality)
Berisi mentalitas dasar atau sikap mental yang mendasari cara
berpikir dan bertindak dalam melaksanakan pekerjaan sehari-hari
yang menunjang sistem manajemen pengendalian mutu terpadu yang
terdiri dari :
1. Kesadaran berkualitas
2. Siklus PDCA
3. Pengendalian berdasarkan fakta
4. Aspek sumber daya manusia
b. Sistem Manajemen
Penerapan Sistem Manajemen dimulai dari perumusan, rencana
pelaksanaan, gugus kendali mutu dan sistem saran, diagnosis dan
review serta jadwal waktu-waktu pertemuan (COE). Dalam sistem
manajemen ini ditekankan hal-hal :
1. Bersifat dinamis dan fleksibel
2. Keterpaduan (integrasi) antar aktivitas
3. Keterlibatan seluruh karyawan
4. Menerapkan konsep pengendalian kualitas
5. Berorientasi pada QCD (mutu, efisiensi dan kepuasaan
pelanggan)
c. Tools (sarana)
Berisi teknik-teknik yang dipergunakan pada setiap tahap
pelaksanaan pengendalian mutu terpadu, yang secara garis besar
terdiri dari :
1. Sumbang saran (brainstroming)
2. 8 langkah peningkatan (eight step for improvement)
3. 7 alat Bantu (seven tools)
4. 7 alat manajemen (seven management tools)
d. Pendekatan penerapan dan pengembangan
Untuk menerapkan suatu sistim pada suatu perusahaan diperlukan
pendekatan penerapan dan pengembangan yang antara lain terdiri dari
:
1. Komitmen pimpinan
2. Organisasi
3. Pendidikan dan pelatihan
4. Informasi
5. Program pengembangan dan penyegaran
6. prosedur operasi kerja
12.2 Metoda Statistik Sebagai Alat (tools) pada penerapan
PMT
Telah dijelaskan diatas bahwa pengendalian mutu terpadu
dilaksanakan dengan menerapkan pengendalian kualitas dan metode
statistik. Dalam PMT yang berbicara adalah data dan fakta, dimana
agar data dan fakta bisa berbicara diperlukan metoda statistik
untuk menyajikannya. Jelas bahwa hubungan antara PMT dengan
statistik adalah merupakan suatu keterpaduan yang tidak dapat
dipisahkan.
Gambaran dibawah ini menunjukkan keterkaitan metoda statistik
pada delapan langkah untuk peningkatan :
a. Siklus Perencanaan (Plan)
1. Langkah pertama : menemukan persoalan
Metoda statistik yang bisa digunakan :
a. Check Sheet (lembar pengumpulan data)
b. Stratifikasi
c. Diagram Pareto
d. Grafik dan peta kendali
e. Histogram
2. Langkah kedua : Menemukan penyebab
Metoda statistik yang bisa digunakan :
a. Diagram sebab-akibat (fishbone diagram)
3. Langkah ketiga : meneliti faktor yang berpengaruh
Metoda statistik yang bisa dipergunakan :
a. Diagram Pareto
b. Diagram pencar (Scatter diagram)
4. Langkah keempat : merencanakan tindakan perbaikan
Menggunakan pendekatan 5W2H (Why, What, Where, When, Who,
How,How much)
b. Siklus Pelaksanaan (Do)
5. Langkah kelima : Menerapkan perbaikan
Melaksanakan tindakan perbaikan sesuai dengan rencana yang telah
disusun pada langkah keempat
c. Siklus evaluasi (Check)
6. Langkah keenam : Meneliti hasil
Metoda statistik yang bisa dipergunakan :
a. Check Sheet
b. Diagram Pareto
c. Grafik dan peta kendali
d. histogram
d. Siklus Tindak Lanjut (Action)
7. Langkah ketujuh : Mencegah timbulnya persoalan yang sama
Membuat standarisasi, SOP, Flow proses yang baru untuk bisa
dipertahankan hasil perbaikan yang telah dilaksanakan
8. Langkah kedelapan : Memperbaiki persoalan yang lain yang
belum terpecahkan
Metoda statistik yang bisa dipergunakan :
a. Diagram Pareto
Apabila kita perhatikan, metoda statistik yang sering
dipergunakan pada penerapan pengendalian mutu terpadu terdiri dari
tujuh macam, yaitu :
1. Lembar pengumpulan data atau Check Sheet
2. Stratifikasi
3. Grafik dan bagan pengendalian (peta kendali)
4. Diagram Pareto
5. Diagram sebab-akibat (fish-bone diagram)
6. Diagram pencar (scatter diagram)
7. Histogram
Sesuai dengan jumlahnya yang tujuh macam tersebut, maka dalam
pengendalian mutu terpadu sering dikenal sebagai tujuh alat Bantu
(seven tools).
Sedangkan pendekatan perbaikan dan pemecahan masalah menggunakan
siklus plan, do, check dan action yang terkenal dengan siklus PDCA
yang terdiri dari delapan langkah, yaitu :
1. Menemukan persoalan
2. Menemukan penyebab
3. Mempelajari faktor yang berpengaruh
4. Merencanakan langkah perbaikan
5. Menerapkan langkah perbaikan sesuai rencana
6. Meneliti hasil, apakah sesuai rencana
7. Mencegah timbulnya persoalan yang sama
8. Memperhatikan persoalan yang belum terpecahkan
Dalam implementasi pengendalian mutu terpadu, siklus PDCA,
delapan langkah dan tujuh alat merupakan kesatuan dan menjadi dari
manajemen pengendalian mutu terpadu
EMBED Visio.Drawing.6
Total
S (xx)=
S (xx)=2312.2 (263.2)2 /30
S (xx)= 2.88
S (yy)=
S (yy)=23.97833 (26.816)2 /30
S (yy)= 0.00841
S (xy)=
S (xy)=235.357 (263.2)(26.816)2 /30
S (xy)= 0.0913
r = 0.913 / 2.88 x 0.00841
r = 0.859
Kesimpulan :
Ada korelasi positif antara X dan Y
X = 180 / 20 = 9.00
Y = 65.52 /20 = 3.276
S (xx) = 1630 (180)2 / 20 = 10.00
S (xy) = 576.88 180x65.52 / 20 = 10.00
b = -12.80 / 80 = -1.28
a = 3.276- (-1.28 )(9.00) = 14.80
Jadi Garis Regresi :
y = 14.80 1.28 x
EMBED PBrush
X Chart
10Halaman 66 dari 66Diktat Metode Statistik Untuk Industri
_1155814651.vsd
Data
Pengolahan data
Histogram
Analisa
Tindakan
_1158145768.unknown
_1158148001.unknown
_1158148803.unknown
_1158148957.unknown
_1158149007.unknown
_1158148843.unknown
_1158148735.unknown
_1158148754.unknown
_1158148383.unknown
_1158146242.unknown
_1158147008.unknown
_1158146026.unknown
_1155809436.vsdJenis Cacat
Data
Belang StripeKotorGelembungMeterLain-lain
///// ///// ///// ///// ///// ////// ///// ///// ///// /////
//// ///// ////// ///// ///// ///// ///// //// ///// ///// /////
//// ///// ////// ///// ///// ////// ///////// //////// //// //
96176416 16 64 32
Total
800
Jumlah
_1155814518.vsd
Satu set data dari proses produksi
Dalam realitanya tidak mungkin kostan sempurna, selalu terjadi
variasi
Data terpola akan membentuk suatu distribusi tertentu
_1155809771.vsd
Jenis Cacat
Jumlah
Komulatif
%
% Komulatif
Kotor
416
416
52
52
Stripe
176
592
22
74
Belang
96
688
12
86
Meter
64
752
8
94
Gelembung
16
768
2
96
Lain-lain
32
800
4
100
Total
800
100
_1155805122.vsdPopulasi yang karakteristiknya ingin
diketahui
Kesimpulan dibuat diharapkan berlaku untuk populasi
Sampel diambil dari populasi dan dianalisa
_1155807547.vsd
Data Cacat proses Pengecatan
Produk: Front FenderTanggal : 10 - 10 - 1998proses : Final
InspectionSeksi : PaintingJumlah : 1525Petugas : HartonoCatatan :
Diperiksa totalNo. Lot : 1040
Jenis Cacat
Data
GoresBintikBelangMelerLain-lain
///////////////////////////////////////////////////////////
Subtotal
171126 3 5
Total
62
Total reject
//////////////////////////////////////////
42
_1155807995.vsd
Deviasi
Data
Frekwensi
-10-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
5
10
15
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
1
2
4
6
9
11
8
7
3
2
1
1
Total
55
_1155804541.vsd
PROSES-Mesin-Manusia-Metoda kerja
Umpan Balik
MASUKKAN(Material)
KELUARAN(Produk Jadi)
Material Inspection
Proses Inspection
Final Inspection