laporan p chart

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


183 = 0,08196721


3. Hari ke-3


155 = 0,10322580


4. Hari ke-4


144 = 0,07377049


5. Hari ke-5


291 = 0,04123711


6. Hari ke-6


130 = 0,08461538


7. Hari ke-7


= 0,08641975


8. Hari-8


193 = 0,04663212


9. Hari ke-9


= 0,12403100


10. Hari ke-10


176 = 0,10227272


11. Hari ke-11


192 = 0,04166666


12. Hari ke-12


143 = 0,05594405


13. Hari ke-13


174 = 0,07471264


14. Hari ke-14


146 = 0,11643835


15. Hari ke-15


= 0,08552631


16. Hari ke-I6


280 = 0,05357142

Persen nonconforming = 0,05357142 x 100% =5,357142

17. Hari ke-I7


277 = 0,05415162


18. Hari ke-I8


194 = 0,05154639


19. Hari ke-I9


219 = 0,05479452


20. Hari ke-20


174 = 0,06896551


21. Hari ke-21


237 = 0,04641350


22. Hari ke-22


264 = 0,07196969


23. Hari ke-23


162 = 0,07407407


24. Hari ke-24


198 = 0,05555555


25. Hari ke-25


178 = 0,07303370


26. Hari ke-26


158 = 0,10126582


27. Hari ke-27


139 = 0,13669064


28. Hari ke-28


145 = 0,10344827


29. Hari ke-29


295 = 0,06440677


30. Hari ke-30


= 0,09459459


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/


http://digilib.unnes.ac.id/gsdl/collect/skripsi/index/assoc/HASH0116/c51a3ac7.dir/


http://luluk.staff.gunadarma.ac.id/Downloads/files/7165/

PENGENDALIAN+MUTU.doc (diunduh 7 Mei 2011 pukul 11.27)

http://luluk.staff.gunadarma.ac.id/Downloads/files/7165/PENGENDALIAN+MUTU.doc

http://luluk.staff.gunadarma.ac.id/Downloads/files/7165/PENGENDALIAN+MUTU.doc

http://digilib.unnes.ac.id/gsdl/collect/skripsi/index/assoc/HASH0116/c51a3ac7.dir/doc.pdf

http://digilib.unnes.ac.id/gsdl/collect/skripsi/index/assoc/HASH0116/c51a3ac7.dir/doc.pdf

http://digilib.unnes.ac.id/gsdl/collect/skripsi/index/assoc/HASH0161/2fdcca3c.dir/doc.pdf

http://digilib.unnes.ac.id/gsdl/collect/skripsi/index/assoc/HASH0161/2fdcca3c.dir/doc.pdf

http://digilib.unnes.ac.id/gsdl/collect/skripsi/archives/HASH70e0/8325fe55.dir/doc.pdf

http://digilib.unnes.ac.id/gsdl/collect/skripsi/archives/HASH70e0/8325fe55.dir/doc.pdf

laporan p chart

Documents