laporan p chart
DESCRIPTION
Diagram kontrol P digunakan untuk mengukur proporsi ketidaksesuaian (cacat) dari item-item dalam kelompok yang sedang diinspeksi. Dengan demikian diagram kontrol P digunakan untuk mengendalikan proporsi dari item-item yang tidak memenuhi syarat spesifikasi kualitas atau proporsi dari produk yang cacat yang dihasilkan dalam suatu proses.TRANSCRIPT
LAPORAN MUTU PANGAN 1 Hari/Tanggal : Selasa, 3 Mei 2011
PJP : Arpah, Dr., Ir.,M.Si
CONTROL CHART
( BAGAN KENDALI P [fraksi/persen, data tidak konstan] )
KELOMPOK 5 SJMPB - P2
NAMA NIM
Arina Widya A. W. J3E110083
Fadli Aziz Zulfikar J3E110112
Mety Kurniasari J3E110039
Rani Novya J3E109121
Silvy Novianti J3E210131
Susi Afrianti Sripertiwi J3E110024
SUPERVISOR JAMINAN MUTU PANGAN
DIREKTORAT PROGRAM DIPLOMA
INSTITUT PERTANIAN BOGOR
2011
BAB I
PENDAHULUAN
A. Latar Belakang
Pengertian control chart adalah bagan kendali sebagai suatu display grafik
dari suatu karakteristik mutu yang telah dihitung atau diukur dari suatu contoh
atau waktu. Jenis control chart yang paling banyak dugunakan adalah control
chart jenis X-bar R yang menggunakan data variabel. Ada 6 jenis bagan kendali
(control chart) berdasarkan tipe datanya, yaitu :XmR (X individual moving
average), X-barR (X rata-rata, range), p (fraksi/persen, data konstan), np
(fraksi/persen, data konstan), c (jumlah atribut, data konstan), u (jumlah atribut,
data tidak konstan).
Oleh karena itu, jenis chart ini akan dibahas terlebih dahulu secara
mendalam dan akan diberikan contoh perhitungan dan pengolahan datanya, baik
perhitungan secara manual maupun yang dihasilkan oleh program computer yang
banyak tersedia seperti SPSS dan minitab. Kemudian akan diberikan contoh
perhitungan control chart XmR. Selanjutnya masing-masing jenis control chart
akan dibahas dan diberikan contoh, berupa jenis data dan cara perhitungannya,
baik secara manual maupun otomatis dengan menggunakan program computer.
Untuk melihat jenis control chart yang mana yang sesuia dengan data yang
akan diolah,maka Gazperz (2001), membuat flowchart yang berfungsi sebagai
acuan kriteria pemilihan jenis control chart.Dari keenam jenis control chart yang
disebutkan diatas, maka sebenarnya jenis datanya hanya terdiri dari 3 jenis data
saja yaitu :Data jenis variabel yang akan menghasilkan control chart jenis a dan b,
Data jenis fraksi/persen yang akan menhasilkan control chart tipe c dan d, Data
jenis jumlah atribut yang akan menghasilkan control chart tipe e dan
f.Pengendalian dengan data variable ada 2 jenis yaitu : Bagan kendali : X-bar,R
dan Bagan kendali individual : X-Mr.
B. Devinisi dan Tujuan
Definisi
Control Chart adalah grafik yang digunakan untuk mengkaji
perubahan proses dari waktu ke waktu. Merupakan salah satu alat atau
tools dalam pengendalian proses secara statististik yang sering kita
kenal dengan SPC (Statistical Process Control), ada juga yang
menyebutnya dengan Seven Tools. Pembuatan control chart dalam
SPC bertujuan untuk mengidentifikasi setiap kondisi didalam proses
yang tidak terkendali secara statistik (out of control) karena
pengendaliannya terhadap proses maka control chart termasuk ke
dalam aktivitas on line quality control.
Tujuan
Tujuan dibuatnya peta kendali adalah :
Mengecek jika proses berada dalam kondisi tidak terkendali,
Untuk membedakan assignable variability atau random
variability,
Untuk menunjukkan waktu dimana terlihat adanya proses
diluar kendali, dan
Untuk menentukan penyebab proses keluar dari kendali.
BAB II
TINJAUAN PUSTAKA
Peta kendali diciptakan oleh Walter A. Shewhart ketika bekerja untuk Bell
Labs pada tahun 1920. insinyur perusahaan itu telah berusaha untuk meningkatkan
keandalan mereka telepon sistem transmisi. Karena amplifier dan peralatan lainnya
harus dikubur bawah tanah, ada bisnis kebutuhan untuk mengurangi frekuensi
kegagalan dan perbaikan.. Dengan 1920 para insinyur telah menyadari pentingnya
mengurangi variasi dalam proses manufakturSelain itu, mereka telah menyadari
bahwa proses penyesuaian-terus-menerus dalam reaksi terhadap non-kesesuaian
benar-benar meningkatkan variasi dan kualitas terdegradasi. Shewhart dibingkai
masalah dalam hal Common-dan khusus-penyebab variasi dan, pada tanggal 16 Mei
1924, menulis sebuah memo internal memperkenalkan peta kendali sebagai alat untuk
membedakan antara keduanya. George Edwards, bercerita: "Dr Shewhart menyiapkan
memorandum hanya sedikit tentang halaman panjang Sekitar sepertiga dari halaman
yang diberikan kepada diagram sederhana yang kita semua akan mengakui hari ini
sebagai peta kendali skematis.. bahwa diagram, dan teks singkat yang mendahului
dan mengikutinya, ditetapkan semua prinsip-prinsip penting dan pertimbangan yang
terlibat dalam apa yang kita ketahui hari ini sebagai proses pengendalian mutu ". [3]
menekankan Shewhart yang membawa suatu proses produksi ke dalam keadaan
kontrol statistik , di mana hanya ada umum-menyebabkan variasi, dan tetap di
kontrol, diperlukan untuk memprediksi output masa depan dan untuk mengelola
proses ekonomis.
Dr Shewhart menciptakan dasar bagi peta kendali dan konsep negara kontrol
statistik dengan percobaan yang dirancang dengan cermatSementara Dr Shewhart
menarik dari teori murni matematika statistik, ia mengerti data dari proses fisik
biasanya menghasilkan " distribusi normal kurva "(sebuah distribusi Gaussian , juga
biasa disebut sebagai " kurva lonceng "). Ia menemukan bahwa variasi yang diamati
dalam data manufaktur tidak selalu berperilaku dengan cara yang sama sebagai data
dalam alam ( gerak Brown dari partikel-partikel). Dr Shewhart menyimpulkan bahwa
sementara setiap menampilkan variasi proses, beberapa proses menampilkan
dikendalikan variasi yang alami untuk proses, sementara yang lain menampilkan
variasi yang tidak terkendali yang tidak hadir dalam sistem kausal proses pada setiap
saat.
Dengan kemudian bekerja di Amerika Serikat Departemen Pertanian dan
kemudian menjadi penasehat matematika ke Biro Sensus Amerika Serikat Selama
setengah abad berikutnya, Deming menjadi juara terkemuka dan pendukung yang
bekerja Shewhart. Setelah kekalahan Jepang di akhir Perang Dunia II , Deming
menjabat sebagai konsultan statistik ke Panglima Tertinggi Sekutu Nya berikutnya
keterlibatan dalam kehidupan Jepang, dan karir yang panjang sebagai konsultan
industri di sana, menyebar pemikiran Shewhart, dan penggunaan peta kendali, secara
luas di industri manufaktur Jepang sepanjang 1950-an dan 1960-an.
Membicarakan tentang pengertian atau definisi kualitas dapat berbeda makna
bagi setiap orang, karena kualitas memiliki banyak kriteria dan sangat bergantung
pada konteksnya. Namun secara umum orang menyatakan bahwa kualitas adalah
sesuatu yang mencirikan tingkat dimana suatu produk memenuhi keinginan atau
harapan. Pengertian kualitas menurut beberapa ahli yang banyak dikenal antara lain:
Juran (1962) "kualitas adalah kesesuaian dengan tujuan atau manfaatnya." Crosby
(1979) "kualitas adalah kesesuaian dengan kebutuhan yang meliputi availability,
delivery, realibility, maintainability, dan cost effectiveness."
Feigenbaum (1991) "kualitas merupakan keseluruhan karakteristik produk dan
jasa yang meliputi marketing, engineering, manufacture, dan maintenance, dalam
mana produk dan jasa tersebut dalam pemakaianya akan sesuai dengan kebutuhan dan
harapan pelanggan." Elliot (1993) "kualitas adalah sesuatu yang berbeda untuk orang
yang berbeda dan tergantung pada waktu dan tempat atau dikatakan sesuai dengan
tujuan." (Ariani, 2004: 3).
Untuk menyusun grafik pengendali proses statistik untuk data atribut
diperlukan beberapa langkah. Menurut Besterfiel (1998), langkah-lngkah yang
diperlukan untuk penyusunan grafik antara lain sebagai berikut. Menentukan
banyaknya sampel dan banyaknya observasi Banyaknya sampel yang diambil akan
mempengaruhi jenis grafik pengendali di samping karakteristik kualitasnya.
Data yang dikumpulkan tentu disesuaikan dengan jenis grafik pengendali.
Misalnya, suatu perusaahaan atau organisasi menggunakan p_chart, maka data yang
dikumpulkan juga harus diatur dalam bentuk proporsi kesalahan terhadap banyaknya
sampel yang diambil.
BAB III
METODOLOGI
Terdapat dua jenis bagan kendali dengan data persentase atau proporsi yaitu:
a. p (fraksi/persen, data tidak konstan)
b. np (fraksi/persen, data konstan)
Beberapa ketentuan dari bagan kendali p dan np adalah:
1. Data untuk bagan kendali p dan np mengikuti distribusi binominal sehingga
perhatian analisa dipusatkan pada sesuai atau tidak sesuai dengan standar atau
dengan kata lain kriteria pemilihan adalah ya atau tidak.
2. Bilaman sampel diambil dari populasi bebas (diman unit individu sampel
tidak terkelompok-kelompok menjadi suatu sub grup), maka perhatian
pemeriksa mutu adalahberapa persen individu sampel yang tidak sesuai
standar dari sejumlah sampel yang ditarik pada suatu waktu tertentu. Misalnya
pada produksi permen, dilakukan penarikan sampel pada hari ke 1 sebesar 250
individu permen dan pada hari ke 2 sebanyak 180 individu permen. Kemudian
setelah dianalisa jumlah individu permen yang tidak sesuai standar pada hari
ke 1 sebanyak 25 (10%) dan pada hari ke 2, 9 individu permen (5%). Pada
kasus seperti ini digunakan bagan pengendali p karena pertama-tama
populasinya bebas, kedua jumlah sampel yang ditarik tidak konstan dari hari
ke hari.
3. Pada kasus lain yaitu bilamana populasinya tidak bebas akan tetapi tersusun
membentuk sub-sub grup, maka digunakan bagan pengandali np. Dalam hal
ini contoh populasi tak bebas adalah satu bungkus atau kemasan atau 1 kaleng
permen yang yang berisi 200 individu permen. Oleh karena itu yang
disampling adalah 1 bungkus/kemasan atau kaleng permen, dengan demikian
tiap kali sampling jumlah sampel tetap yaitu sebesar 200 individu permen.
Perhatian pemeriksa mutu pada masing-masing individu permen dalam kaleng
tetap mengikuti hhukumbinominal yaitu sesuai atau tidak sesuai dengan
standar, meski demikian dalam menyatakn hasil analisa selain dapat
dinyatakan sebagai persen tidak sesuai standar, juga dapat dinyatakan dalam
jumlah individu permen dalam satu kaleng yang tidak sesuai standar, karena
sudah diketahui dengan pasti bahwa 1 kaleng terdiri dari 200 individu permen.
Dalam kasus seperi ini digunakan bagan pengendali np.
Bagan kendali p (fraksi/persen, data tidak konstan)
Pertama-tama yang disebut data persentase atau proporsi adalah persen
nonconforming. Perhatikan data pada tabel 9 hal 47. Pada contoh ini diambil
sejumlah individu permen dengan ukuran contoh seperti yang tertera pada
kolom ukuran contoh, yaitu pada tanggal 28 juni ditarik 228 contoh kemudian
hari berikutnya ditarik 145 contoh dan seterusnya. Kemudian contoh yang
ditarik diperiksa dan dianalisa sesuai dengan standar yang diinginkan. Jumlah
individu contoh yang menyimpang dari standar (nonconforming) kemudian
dicatat pada kolom nonconforming. Persen dari jumlah nonconforming
kemudian dihitung. Oleh karena itu datanya disebut data persen atau proporsi.
Disamping itu, terlihat bahwa jumlah sampel yang ditarikdari hari kehari tidak
konstan, sehingga dengan demikian digunakan bagan p.
Pengolahan data tersebut pada tabel menggunkan tabel SPSS
menghasilkan control chart (tipe p-chart) dengan jumlah sampel yang tidak
konstan seperti yang diperlihatkan pada grafik (gambar 18 hal 48).
Seperti terlihat pada grafik hasil pengolahan SPSS (Gambas 18 hal
48), p chart dengan data tidak konstan memberikan USL dan LSL yang
berubah-ubah, pada kesempatan seperti ini batas atas dan bawah tidak dapat
dihitung dengan mudah secara manual, dengan demikian grafik yang
diperoleh dari program SPSS cukup membantu karena meski batas-batasnya
berubah-ubah (seperti tangga) masih akan dapat terlihat dengan jelas bilamana
terdapat dat yabg menyimpang dan keluar dari control chart.
BAB IV
HASIL DAN PEMBAHASAN
A. Hasil
Tabel 1. Tabulasi hasil pengambilan contoh dan perhitungan jumlah
nonconforming dengan jumlah sampel tidak konstan.
No. DataTanggal
PencatatanUkuran Contoh
Jumlah Non
conforming
Persen Non conforming
Proporsi Non
conforming1 Juli 12 256 15 5,859375 0,058593752 13 183 15 8,916721 0,081967213 14 155 16 10,32258 0,103225804 15 244 18 7,377049 0,073770495 16 291 12 4,123711 0,041237116 17 130 11 8,461538 0,084615387 18 162 14 8,641975 0,086419758 19 193 9 4,663212 0,046632129 20 129 16 12,403100 0,1240310010 21 176 18 10,227272 0,1022727211 22 192 8 4,166666 0,0416666612 23 143 8 5,594405 0,0559440513 24 174 13 7,471264 0,0747126414 25 146 17 11,643835 0,1164383515 26 152 13 8,552631 0,0855263116 27 280 15 5,357142 0,0535714217 28 277 15 5,415162 0,0541516218 29 194 10 5,154639 0,0515463919 30 219 12 5,479452 0,0547945220 31 174 12 6,896551 0,0689655121 Agustus 1 237 11 4,641350 0,0464135022 2 264 19 7,196969 0,0719696923 3 162 12 7,407407 0,0740740724 4 198 11 5,555555 0,05555555
25 5 178 13 7,303370 0,0730337026 6 158 16 10,126582 0,1012658227 7 139 19 13,669064 0,1366906428 8 145 15 10,344827 0,1034482729 9 295 19 6,440677 0,0644067730 10 148 14 9,459459 0,09459459m=30 Jumlah=5794 Jumlah=416 Jumlah=
50,040609Rata-rata=1,6680203
Rata-rata=0,01680203
Gambar 1. Grafik P-Chart, hasil pengambilan contoh dan perhitungan jumlah
nonconforming dengan jumlah sampel tidak konstan.
Diagram p-chart jumlah nonconforming
B. Pengolahan Data
Proporsi nonconforming = jumlahnonconforming
Ukuran contoh
Persen nonconforming = proporsi nonconforming x 100%
1. Hari pertama
Proporsi nonconforming = 15
256 = 0,05859375
Persen nonconforming = 0,05859375 x 100% = 5,859375
2. Hari ke-2
Proporsi nonconforming = 15
183 = 0,08196721
Persen nonconforming = 0,08196721 x 100% = 8,916721
3. Hari ke-3
Proporsi nonconforming = 16
155 = 0,10322580
Persen nonconforming = 0,10322580 x 100% = 10,32258
4. Hari ke-4
Proporsi nonconforming = 18
144 = 0,07377049
Persen nonconforming = 0,07377049 x 100% = 7,377049
5. Hari ke-5
Proporsi nonconforming = 12
291 = 0,04123711
Persen nonconforming = 0,04123711 x 100% = 4,123711
6. Hari ke-6
Proporsi nonconforming = 11
130 = 0,08461538
Persen nonconforming = 0,08461538 x 100% = 8,461538
7. Hari ke-7
Proporsi nonconforming = 14162
= 0,08641975
Persen nonconforming = 0,08641975 x 100% = 8,641975
8. Hari-8
Proporsi nonconforming = 9
193 = 0,04663212
Persen nonconforming = 0,04663212 x 100% = 4,663212
9. Hari ke-9
Proporsi nonconforming = 16129
= 0,12403100
Persen nonconforming = 0,12403100 x 100% = 12,403100
10. Hari ke-10
Proporsi nonconforming = 18
176 = 0,10227272
Persen nonconforming = 0,10227272 x 100% = 10,227272
11. Hari ke-11
Proporsi nonconforming = 8
192 = 0,04166666
Persen nonconforming = 0,04166666 x 100% = 4,166666
12. Hari ke-12
Proporsi nonconforming = 8
143 = 0,05594405
Persen nonconforming = 0,05594405 x 100% = 5,594405
13. Hari ke-13
Proporsi nonconforming = 13
174 = 0,07471264
Persen nonconforming = 0,07471264 x 100% = 7,471264
14. Hari ke-14
Proporsi nonconforming = 17
146 = 0,11643835
Persen nonconforming = 0,11643835 x 100% = 11,643835
15. Hari ke-15
Proporsi nonconforming = 13152
= 0,08552631
Persen nonconforming = 0,08552631 x 100% = 8,552631
16. Hari ke-I6
Proporsi nonconforming = 15
280 = 0,05357142
Persen nonconforming = 0,05357142 x 100% =5,357142
17. Hari ke-I7
Proporsi nonconforming = 15
277 = 0,05415162
Persen nonconforming = 0,05415162 x 100% = 5,415162
18. Hari ke-I8
Proporsi nonconforming = 10
194 = 0,05154639
Persen nonconforming = 0,05154639 x 100% = 5,154639
19. Hari ke-I9
Proporsi nonconforming = 12
219 = 0,05479452
Persen nonconforming = 0,05479452 x 100% = 5,479452
20. Hari ke-20
Proporsi nonconforming = 12
174 = 0,06896551
Persen nonconforming = 0,06896551 x 100% = 6,896551
21. Hari ke-21
Proporsi nonconforming = 11
237 = 0,04641350
Persen nonconforming = 0,04641350 x 100% = 4,641350
22. Hari ke-22
Proporsi nonconforming = 19
264 = 0,07196969
Persen nonconforming = 0,07196969 x 100% = 7,196969
23. Hari ke-23
Proporsi nonconforming = 12
162 = 0,07407407
Persen nonconforming = 0,07407407 x 100% = 7,407407
24. Hari ke-24
Proporsi nonconforming = 11
198 = 0,05555555
Persen nonconforming = 0,05555555 x 100% = 5,555555
25. Hari ke-25
Proporsi nonconforming = 13
178 = 0,07303370
Persen nonconforming = 0,07303370 x 100% = 7,303370
26. Hari ke-26
Proporsi nonconforming = 16
158 = 0,10126582
Persen nonconforming = 0,10126582 x 100% = 10,126582
27. Hari ke-27
Proporsi nonconforming = 19
139 = 0,13669064
Persen nonconforming = 0,13669064 x 100% = 13,669064
28. Hari ke-28
Proporsi nonconforming = 15
145 = 0,10344827
Persen nonconforming = 0,10344827 x 100% = 10,344827
29. Hari ke-29
Proporsi nonconforming = 19
295 = 0,06440677
Persen nonconforming = 0,06440677 x 100% = 6,440677
30. Hari ke-30
Proporsi nonconforming = 14148
= 0,09459459
Persen nonconforming = 0,09459459 x 100% = 9,459459
C. Pembahasan
Diagram kontrol P digunakan untuk mengukur proporsi ketidaksesuaian
(cacat) dari item-item dalam kelompok yang sedang diinspeksi. Dengan demikian
diagram kontrol P digunakan untuk mengendalikan proporsi dari item-item yang
tidak memenuhi syarat spesifikasi kualitas atau proporsi dari produk yang cacat
yang dihasilkan dalam suatu proses.
Pertama-tama yang disebut data presentase atau proporsi adalah persen
non conforming. Persen nonconforming didapatkan dari jumlah non conforming
dibagi ukuran contoh dikali 100% untuk menghasilkan bagan kendali p, harus
memiliki ukuran sampel, jumlah non conforming. Untuk memperooleh datproposi
nonconforming caranya adalah jumlah nonconforming dibagi ukuran sampel
sehingga didapatkan hasil nonconforming. P chart dengan data tidak konstan
memberikan USL dan LSL yang berubah-ubah. Bagan kendali p, batas atas dan
batas bawahnya tidak dapat dihitung dengan mudah secara manual. Grafik yang
diperoleh dari program SPSS dapat membantu meski batasnya berubah-ubah
masih dapat terlihat dengan jelas bila terdapat data yang menyimpang dan keluar
dari control chart.
Pengendali proporsi kesalahan (p-Chart) dan banyaknya kesalahn (np-
chart) digunakan untuk mengetahui apakah cacat produk yang dihasilkan masih
dalam batas yang disyaratkan. Untuk grafik pengendali proporsi kita memakai
ukuran cacat berupa proporsi produk cacat dalam setiap sampel yang diambil.
Bila sampel yang diambil untuk setiap kali melakukan observasi jumlahnya sama
maka kita dapat menggunakan grafik pengendali proporsi kesalahan (p-chart)
maupun banyaknya kesalahan (np-chart). Namun bila sampel yang diambil
bervariasi untuk setiap kali melakukan observasi berubah-ubah jumlahnya atau
memang perusahaan tersebut akan melakukan 100% inspeksi atau inspeksi total,
juga dapat disebabkan kurangnya karyawan dan biaya. Perubahan dalam
banyaknya sampel yang diambil atau ukuran sub kelompok tersebut menyebabkan
perubahan dalam batas-batas pengendali, meskipun garis tengahnya tetap.
Apabila ukuran sampel atau sub kelompok yang digunakan pada setiap kali
observasi naik ataupun lebih banyak, maka batas-batas pengendali menjadi lebih
rendah. Namun apabila banyaknya sampel atau sub kelompok yang digunakan
pada setiap kali observasi turun atau berkurang, maka batas-batas pengendali
lebih tinggi atau meningkat. Kondisi ini dapat mempengaruhi karakteristik
kualitas proses produksi yang dimiliki perusahaan. Hal inilah yang merupakan
kelemahan dalam pengendalian kualitas proses statistik untuk data atribut.
BAB V
KESIMPULAN
Pengendali proporsi kesalahan (p-Chart) dan banyaknya kesalahn (np-
chart) digunakan untuk mengetahui apakah cacat produk yang dihasilkan masih
dalam batas yang disyaratkan. Untuk grafik pengendali proporsi kita memakai
ukuran cacat berupa proporsi produk cacat dalam setiap sampel yang diambil. Bila
sampel yang diambil untuk setiap kali melakukan observasi jumlahnya sama maka
kita dapat menggunakan grafik pengendali proporsi kesalahan (p-chart) maupun
banyaknya kesalahan (np-chart).
DAFTAR PUSTAKA
_____.Arpah, Hastuti, Dwi Yuni. 2009. Penunutun Praktikum Mutu Pangan I.
Bogor : Institut Pertanian Bogor
http://digilib.unnes.ac.id/gsdl/collect/skripsi/archives/HASH70e0/8325fe55.dir/
doc.pdf (diunduh tanggal 7 Mei 2011 pukul 10.35)
http://digilib.unnes.ac.id/gsdl/collect/skripsi/index/assoc/HASH0161/2fdcca3c.dir/
doc.pdf (diunduh tanggal 7 Mei 2011 pukul 10.48)
http://digilib.unnes.ac.id/gsdl/collect/skripsi/index/assoc/HASH0116/c51a3ac7.dir/
doc.pdf (diunduh tanggal 7 Mei 2011 pukul 11.05)
http://luluk.staff.gunadarma.ac.id/Downloads/files/7165/
PENGENDALIAN+MUTU.doc (diunduh 7 Mei 2011 pukul 11.27)