metoda statistik industri

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.


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


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


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


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


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


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


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

metoda statistik industri

Documents