modul 6 pti print bagus

Laporan Praktikum Perancangan Teknik Industri

Modul 6 – Statistical Quality Control and Quality Cost Planning

Kelompok 9

Program Studi Teknik Industri Universitas Diponegoro 1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Kepercayaan konsumen terhadap suatu produk adalah hal yang sangat penting dan

utama. Ukuran kepercayaan tersebut adalah kualitas dari produk yang dihasilkan oleh

suatu perusahaan. Semakin tinggi kualitas sebuah produk, maka semakin tinggi pula

minat konsumen untuk membeli produk tersebut. Oleh sebab itu kini setiap perusahaan

sangat memperhatikan kualitas produksi yang dihasilkan. Bila kualitas barang/jasa yang

dihasilkan suatu perusahaan baik maka kepercayaan konsumen akan dengan mudah

didapatkan, sehingga perusahaan dapat memaksimumkan keuntungan dan memenuhi

kebutuhan konsumen.

Ciri khusus dari proses produksi yang bekerja dalam keadaan terkendali adalah

menghasilkan produk yang dapat diterima untuk periode yang relatif panjang. Namun

terkadang banyak faktor yang menyebabkan hasil produk tidak memenuhi persyaratan

karena terjadinya pergeseran ke keadaan yang tidak terkendali. Tujuan utama dari

pengendalian kualitas statistik adalah mengidentifikasi dengan cepat terjadinya pergeseran

proses sehingga tindakan pencegahan dapat dilakukan sebelum banyak unit barang yang

tidak sesuai spesifikasi diproduksi.

Oleh sebab itu, sebagai perusahaan yang bergerak di bidang industri perakitan

tamiya dan baru berkembang di Indonesia, PT. Diponegoro Tamiya Manufacturing (PT.

DTM) memerlukan proses pengendalian kualitas. Untuk mengembangkan perusahaan

dan hasil produk yang dihasilkan tetap diminati masyarakat, maka PT. DTM perlu

melakukan statistical quality control and quality cost planning.

1.2 Perumusan Masalah

Dari uraian latar belakang di atas dapat dirumuskan permasalahan yang dapat

diambil dalam laporan ini adalah PT. DTM merupakan perusahaan yang baru

berkembang di Indonesia dan mempunyai keinginan untuk menguasai pangsa pasar di



Kelompok 9


Indonesia sehingga membutuhkan adanya pengontrolan kualitas terhadap produk yang

dihasilkan agar standar kualitas PT. DTM tetap terjaga dan permintaan pasar di Indonesia

dapat terpenuhi. Dalam rangka pengontrolan kualitas tersebut maka PT. DTM harus

menentukan atau merencanakan biaya kualitas yang dikeluarkan perusahaan dalam

memproduksi tamiya 4 WD.

1.3 Tujuan Penulisan

Tujuan dari penulisan laporan praktikum ini adalah sebagai berikut :

1. Memahami konsep serta mampu mengaplikasikan acceptance sampling pada

dunia industri.

2. Memahami konsep Statistical Quality Control di dalam dunia industri.

3. Memahami konsep dan mampu mengaplikasikan penggunaan Seven Tools pada

dunia industri.

4. Memahami konsep biaya kualitas dan merancang biaya kualitas yang akan

digunakan di bidang industri.

1.4 Pembatasan Masalah dan Asumsi

Laporan ini mempunyai batasan masalah yang akan dibahas antara lain :

1. Data diambil dari laporan hasil inspeksi.

2. Laporan fokus pada pengendalian kualitas suatu produk yang dihasilkan PT. DTM

serta rencana biaya kualitas yang akan dikeluarkan perusahaan dalam rangka

proses pengendalian kualitas produksi PT. DTM.

3. Pengolahan data untuk raw material inspection menggunakan peta kendali atribut

yang terdiri dari peta kendali c, u, p, np, dan U, dan menggunakan peta kendali

variabel dengan menggunakan peta X-MR.

4. Pengolahan data untuk finished product inspection menggunakan seven tools yang

terdiri dari diagram pareto untuk menyeleksi masalah melalui frekuensi tipe

permasalahan, dan diagram fishbone untuk mengetahui sebab akibat dari

permasalahan.



Kelompok 9


1.5 Sistematika Penulisan

Penulisan laporan ini menggunakan format laporan yang berdasarkan pada

sistematika penulisan sebagai berikut :

BAB I PENDAHULUAN

Pada bab ini membahas mengenai latar belakang, rumusan masalah, tujuan

penulisan, batasan masalah dan asumsi yang digunakan, dan sistematika

penulisan.

BAB II TINJAUAN PUSTAKA

Pada bab ini membahas mengenai dasar-dasar teori yang berhubungan

dengan masalah Statistical Quality Control dan Quality Cost Planning,

antara lain definisi kualitas, pengendalian kualitas dan biaya kualitas.

BAB III METODOLOGI PRAKTIKUM

Pada bab ini berisi tentang flowchart mengenai metodologi praktikum

yang dilaksanakan pada modul 6 “Statistical Quality Control and Quality

Cost Planning”

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Pada bab ini membahas mengenai pengumpulan data yaitu data variabel

dan data atribut serta pengolahan dari data yang sudah didapat.

BAB V ANALISIS

Bagian ini berisi tentang analisis dari hasil pengolahan data yang telah

dilakukan sebelumnya.

BAB V PENUTUP

Pada bab ini dibahas mengenai kesimpulan laporan yang dapat diambil

dari analisis dan pembahasan yang telah dilakukan serta saran – saran

yang dapat diberikan untuk praktikum selanjutnya.



Kelompok 9


BAB II

TINJAUAN PUSTAKA

2.1 Kualitas

Persaingan bukan hanya mengenai seberapa tinggi tingkat produktivitas

perusahaan dan seberapa rendahnya tinghat harga dari sebuah produk maupun jasa,

namun lebih pada kualitas produk ataupun jasa yang dihasilkan. Kualitas sangat penting

bagi sebuah produk, baik produk barang maupun produk jasa. Kualitas sangat

diperhatikan baik oleh produsen maupun oleh konsumen dalam hal produk, harga, dan

juga pelayanan. Kualitas dapat diartikan sebagai segala sesuatu yang menentukan

kepuasan pelanggan dan upaya perubahan ke arah perbaikan terus – menerus. Definisi

kualitas menurut Goetsch Davis (1994) merupakan suatu kondisi dinamis yang

berhubungan dengan produk, jasa, manusia, proses, dan lingkungan yang memenuhi atau

melebihi harapan. Pendekatan kualitas yang dikemukakan oleh Goetsch Davis ini

menegaskan bahwa kualitas bukan hanya menekankan pada aspek hasil akhir, yaitu

produk dan jasa tetapi juga menyangkut kualitas manusia, kualitas proses dan kualitas

lingkungan. Sangatlah mustahil menghasilkan produk atau jasa yang berkualitas tanpa

melalui manusia dan proses yang berkualitas. (Yamit, 2005)

Adapun berbagai istilah atau definisi dari kualitas, berikut ini ada beberapa macam

definisi kualitas menurut pendapat para ahli, antara lain : (Feigenbaum, 1991)

Kualitas secara umum (Pond, 1994) adalah membuat produk atau jasa yang tepat

pada waktunya, pantas digunakan dalam lingkungan memiliki zero defects, dan

memuaskan konsumen.

Kualitas (Juran, 1986) adalah kesesuaian dengan peggunaan. Pendekatan Juran

adalah orientasi pada pemenuhan harapan pelanggan.

Kualitas secara tradisional (Montgomery, 1996) adalah berdasarkan kepada suatu

pandangan bahwa produk dan pelayanan harus sesuai dengan ketentuan mereka

yang menggunakannya.



Kelompok 9


Kualitas (Crosby, 1996) adalah kesesuaian terhadap persyaratan, seperti jam tahan

air, sepatu tahan lama, atau dokter yang ahli dibidangnya. Ia juga mengemukakan

pentingnya melibatkan setiap orang pada proses dalam organisasi. Pendekatan

Crosby merupakan pendekatan top down.

Kualitas (Deming, 1980) adalah pemecahan masalah untuk mencapai

penyempurnaan terus-menerus. Pendekatan Deming merupakan pendekatan

secara bottom up.

Berdasarkan beberapa pengertian dasar tentang kualitas di atas, terlihat bahwa

kualitas selalu berfokus pada pelanggan (customer focused quality). Dengan demikian,

produk – produk didesain, diproduksi, dan pelayanan diberikan untuk memenuhi

keinginan pelanggan. Suatu produk yang dihasilkan dapat dikatakan berkualitas apabila

sesuai dengan keinginan pelanggan, dapat dimanfaatkan dengan baik, dan diproduksi

dengan cara yang baik dan benar. (Feigenbaum, 1991)

2.2 Pengendalian Kualitas Statistik

2.2.1 Pengertian Pengendalian Kualitas

Pengertian pengendalian kualitas menurut Sofjan Assauri (1998) merupakan usaha

untuk mempertahankan mutu atau kualitas dari barang yang dihasilkan, agar sesuai

dengan spesifikasi produk yang telah ditetapkan berdasarkan kebijaksanaan pimpinan

perusahaan. Selain itu adapun pengertian pengendalian kualitas menurut Vincent Gasperz

(2005) adalah “Quality control is the techniques and activities used to fulfill requirements

for quality”. (Gaspersz, 2005)

Berdasarkan pengertian di atas, maka dapat ditarik kesimpulan bahwa pengendalian

kualitas adalah suatu teknik dan aktivitas atau tindakan yang terencana yang dilakukan

untuk mencapai, mempertahankan dan meningkatkan kualitas suatu produk dan jasa agar

sesuai dengan standar yang telah ditetapkan dan dapat memenuhi kepuasan konsumen.

Tujuan dari pengendalian kualitas adalah sebagai berikut : (Gaspersz, 2005)

1. Dapat menghasilkan barang atau hasil produksi yang mencapai standar kualitas

yang telah ditetapkan.



Kelompok 9


2. Mengusahakan agar biaya inspeksi dapat menjadi sekecil mungkin.

3. Mengusahakan agar biaya desain dari produk dan proses dengan mengunakan

kualitas produksi tertentu dapat menjadi sekecil mungkin.

4. Mengusahakan agar biaya produksi dapat menjadi serendah mungkin.

Pada dasarnya tujuan utama dari adanya pengendalian kualitas adalah untuk

mendapatkan jaminan bahwa kualitas produk atau jasa yang dihasilkan sesuai dengan

standar kualitas yang telah ditetapkan dengan mengeluarkan biaya yang ekonomis atau

serendah mungkin. (Gaspersz, 2005)

Gambar 2.1 Aktivitas Pengendalian Kualitas (Gaspersz, 2005)

Pengendalian kualitas statistik dilakukan dengan menggunakan alat bantu statistik

yang terdapat pada SPC (Statistical Process Control) dan SQC (Statistical Quality

Control) yang merupakan teknik penyelesaian masalah yang digunakan untuk memonitir,

mengendalikan, menganalisis, mengelola dan memeperbaiki produk dan proses

menggunakan metode-metode statistik. Pengendalian kualitas SQC (Statistical Quality

Control) sering disebut sebagai pengendalian proses statistic SPC (Statistical Process



Kelompok 9


Control). Dr.W.Edward Deming adalah salah seorang yang memperkenalkan teknik

penyelesaian masalah dan pengendalian dengan metode statistic tersebut (yang

dikembangkan pertama kali oleh Shewhart) agar perusahaan dapat membedakan

penyebab sistematis dan penyebab khusus dalam menangani masalah kualitas. (Gaspersz,

2005)

Sasaran dari pengendalian proses statistik itu sendiri adalah mengurangi

penyimpanan karena penyebab khusus dalam proses dan dengan stabilitas dalam proses.

Adapun manfaat atau keuntungan dari penggunaan pengendalian kualitas secara statistic

adalah sebagai berikut : (Gaspersz, 2005)

a. Pengawasan (Control), dimana penyelidikan yang diperlukan untuk dapat

menetapkan statistical control mengharuskan bahwa syarat-syarat kualitas pada

situasi itu dan kemampuan prosesnya telah dipelajari hingga mendetail. Hal ini

akan menghilangkan beberapa titik kesulitan tertentu, baik dalam spesifikasi

maupun dalam proses.

b. Pengerjaan kembali barang-barang yang telah diapkir (scrap-rework). Dengan

dijalankannya pengontrolan, maka dapat dicegah terjadinya penyimpangan-

penyimpangan dalam proses. Sebelum terjadi hal-hal yang serius dan kakan

diperoleh kesesuaian yang lebih baik antara kemampuan proses (process

capability) dengan spesifikasi, sehingga banyaknya barang-barang yang diapkir

(scrap) dapat dikurangi sekali.

2.2.2 Metode Pengendalian Kualitas Statistik

Dalam pengendalian kualitas secara statistik terdapat 2 jenis metode yang

berbeda, antara lain : (Montgomery, 1998)

1. Acceptance Sampling

Sampling penerimaan diartikan sebagai pengambilan satu sampel atau lebih secara

acak dari suatu lot barang, memeriksa setiap barang di dalam sampel tersebut dan

memutuskan berdasarkan hasil pemeriksaan, apakah menerima atau menolak

keseluruhan lot atau batch. Jenis pemeriksaan ini dapat digunakan oleh pelanggan



Kelompok 9


untuk menjamin bahwa pemasok memenuhi spesifikasi kualitas atau oleh produsen

untuk menjamin bahwa standar kualitas dipenugi sebelum pengiriman. Pengambilan

sampel penerimaan lebih sering digunakan daripada pemeriksaan 100% karena biaya

pemeriksaan jauh lebih besar dibandingkan dengan biaya lolosnya barang yang tidak

sesuai kepada pelanggan.

2. Process Control

Pengendalian proses menggunakan pemeriksaan produk atau jasa ketika barang

tersebut masih sedang diproduksi (work in process). Sampel berkala diambil dari

output proses produksi, apabila setalah pemeriksaan sampel terdapat alas an untuk

memepercayai bahwa karakteristik kualitas proses telah berubah, maka prosea itu akan

dihentikan dan dicari penyebabnya. Penyebab tersebut dapat berupa perubahan

operator, mesin ataupun pada bahan. Apabila penyebab ini telah dikemukakan dan

diperbaiki, maka prose situ dimulai kembali. Dengan memantau proses produksi

tersebut melalui pengambilan sampel acak, maka pengendalian yang konstan dapat

dipertahankan.

2.3 Pengendalian Kualitas berdasarkan Pandangan Tradisional dan Modern

Secara tradisional, pengontrolan kualitas biasanya dilakukan para produsen hanya

dengan melakukan inspeksi terhadap produk ketika produk tersebut telah selesai dibuat.

Cara yang dijalankan adalah menyortir produk dengan memisahkan antara yang baik dan

yang buruk. Kemudian melakukan perbaikan pada produk-produk yang cacat. Pandangan

ini lebih berfokus kepada aktivitas inspeksi untuk mencegah produk-produk yang cacat

ke pasaran. Kekurangan pandangan tradisional ini adalah tidak memberikan perhatian

penuh. ( Vincent Gaspersz, 2002)

Pada peningkatan kualitas secara berkesinambungan. Pengertian modern dari konsep

kualitas adalah membangun sistem kualitas modern. Pada dasarnya, sistem kualitas

modern dapat dicirikan lima karateristik, yaitu : ( Vincent Gaspersz, 2002)



Kelompok 9


Sistem kualitas modern berorientasi pada pelanggan.

Sistem kualitas modern dicirikan oleh adanya partisipasi aktif yang dipimpin oleh

manajemen puncak dalam proses peningkatan kualitas secara terus menerus.

Sistem kualitas modern dicirikan oleh adanya pemahaman dari setiap orang

terhadap tanggung jawab spesifik untuk kualitas.

Sistem kualitas modern dicirikan oleh adanya aktivitas yang berorientasi pada

tindakan pencegahan kerusakan, bukan berfokus pada upaya untuk mendeteksi

kerusakan saja. Sistem kualitas modern dicirikan oleh adanya suatu filosofi yang

menganggap bahwa kualitas merupakan “jalan hidup” (way of life).

Secara cermatnya perbandingan tentang konsep kualitas secara tradisional dan

modern berikut tingkat performansi yang dijadikan indikator kualitas seperti tampak

dalam tabel berikut ini : ( Vincent Gaspersz, 2002)

Tabel 2.1 Pandangan Tradisisonal dan Modern Tentang Kualitas

Pandangan Tradisional Pandangan Modern

Memandang kualitas sebagai isu

teknis.

Memandang kualitas sebagai isu

bisnis.

Usaha perbaikan kualitas

dikoordinasikan oleh manajer kualita.

Usaha perbaikan kualitas diarahkan

oleh manajemen puncak.

Memfokuskan kualitas pada fungsi

atau departemen produksi.

Kualitas mencakup semua fungsi atau

departemen dalam organisasi

Produktivitas dan kualitas merupakan

sasaran yang bertentangan.

Produktivitas dan kualitas merupakan

sasaran yang bersesuaian, karena

hasil-hasil produktivitas dicapai

melalui peningkatan atau perbaikan

kualitas.



Kelompok 9


Lanjutan Tabel 2.1 Pandangan Tradisisonal dan Modern Tentang Kualitas

Kualitas didefinisikan sebagai

konformansi (conformance) terhadap

spesifikasi atau standar.

Membandingkan produk terhadap

spesifikasi

Kualitas secara tepat didefinisikan

sebagai persyaratan untuk memuaskan

kebutuhan pengguna produk atau

pelanggan (costumers).

Membandingkan produk terhadap

kompetisi dan terhadap produk terbaik

dipasar.

Kualitas diukur melalui derajat

nonkonformansi (nonkonformansi),

menggunakan ukuran-ukuran kualitas

internal.

Kualitas diukur melalui perbaikan

proses/ produk dan kepuasan

pengguna produk atau pelanggan

secara terus-menerus, dengan

menggunakan ukuran-ukuran kualitas

berdasarkan pelanggan.

Kualitas dicapai melalui inspeksi

secara intensif terhadap produk.

Kualitas ditentukan melalui desain

produk dan dicapai melalui teknik

pengendalian yang efektif, serta

memberikan kepuasan selama masa

pakai produk.

Beberapa kerusakan atau cacat diijinkan,

jika produk telah memenuhi

standar kualitas minimum.

Cacat atau kerusakan dicegah sejak awal

melalui teknik pengendalian

proses yang efektif.

Kualitas adalah fungsi terpisah dan

berfokus pada evaluasi produksi.

Kualitas adalah bagian dari setiap

fungsi dalam semua tahap dari siklus

hidup produk.

Pekerja dipermalukan apabila

menghasilkan kualitas jelek.

Manajemen bertanggung jawab untuk

kualitas.



Kelompok 9


Lanjutan Tabel 2.1 Pandangan Tradisisonal dan Modern Tentang Kualitas

Hubungan dengan pemasok bersifat

jangka pendek dan berorientasi pada

biaya.

Hubungan dengan pemasok bersifat

jangka panjang dan berorientasi pada

kualitas

Tabel 2.2 Tingkat Performansi terhadap Kualitas Berdasarkan Pandangan Tradisional dan

Modern

Item Pandangan Tradisional Pandangan Modern

Kualitas 1. Ukuran berdasarkan bagian

perseratus (persen).

2. Jika produk tidak rusak tidak

perlu memperbaikinya.

3. Inspeksi sama dengan

kualitas.

1. Ukuran berdasarkan

bagian persejuta ( parts

per million = ppm).

2. Perbaikan produk/

proses

secara terus-menerus.

3. Manajemen kualitas

terpadu.

Keterlibatan

Karyawan

1. Sistem saran secara pasif.

2. strategi menang-kalah.

3. Paling banyak satu perbaikan

per karyawan per tahun.

1. Tim kualitas proaktif.

2. Strategi menang-

menang.

3. Selusin atau lebih

perbaikan per

karyawan

pertahun

Fokus Keuntungan jangka pendek Keuntungan jangka

panjang.



Kelompok 9


2.4 Konsep Kualitas Industri Manufaktur dan Jasa

Banyak ahli yang mendefinisikan kualitas yang secara garis besar orientasinya adalah

kepuasan pelanggan yang merupakan tujuan perusahaan atau organisasi yang berorientasi

pada kualitas. Dari beberapa definisi terdahulu, dapat katakan bahwa secara garis besar,

kualitas adalah keseluruhan cirri atau karakteristik produk atau jasa dalam tujuannya

untuk memenuhi kebutuhan dan harapan pelanggan. Pelanggan yang dimaksud di sini

bukan .pelanggan atau konsumen yang hanya.datang sekali untuk mencoba dan tidak

pernah kembali lagi, melainkan mereka yang datang berulang-ulang membeli dan

membeli. Meskipun demikian, konsumen yang baru satu kali datang juga harus dilayani

sebaik-baiknya, karena kepuasan pertama inilah yang akan membuat pelanggan datang

dan datang lagi. Secara umum dapat dikatpkan bahwa kualitas produk atau jasa itu akan

diwujudkan bila orientasi seluruh kegiatan perusahaan atau organisasi tersebut

berorientasi pada kepuasan pelanggan (Customer Satisfaction).Apabila diutarakan secara

rinci, kualitas memiliki dua perspektif, yaitu perspektif produsen dan perspektif

konsumen, di rnana bila kedua hal tersebut disatukan maka akan dapat tercapai kesesuaian

antara kedua sisi tersebut yang dikenal sebagai kesesuaian untuk digunakan oleh

konsumen. (Russel, 1996)

Gambar 2.2 Dua Perspektif Kualitas (Russel, 1996)



Kelompok 9


Apabila diperhatikan, maka kedua perspektif tersebut akan bertemu

pada satu kata “Fitness for Consumer Use”. Kesesuaian untuk digunakan

merupakan kesesuaian antara konsumen dengan produsen, sehingga

membuat suatu standar yang disepakati bersama dan dapat memenuhi

kebutuhan dan harapan kedua belah pihak. Kegiatan pengendalian kualitas

tidak hanya meliputi penetapan standar produk atau proses dari pihak

melainkan standar yang ditetapkan produsen tersebut juga harus

sesuai dengan spesifikasi atau toleransi yang ditetapkan oleh pihak konsumen.

Selanjutnya, ada beberapa dimensi kualitas untuk industri manufaktur dan jasa.

Dimensi ini digunakan untuk melihat dari sisi manakah kualitas dinilai. Tentu saja

perusahaan ada yang menggunakan salah satu dari sekian banyak dimensi kualitas yang

ada, namun ada kalanya yang membatasi hanya pada salah satu dimensi tertentu. Yang

dimaksud dimensi kualitas tersebut, telah diuraikan oleh Garvin (1996) untuk industri

manufaktur, meliputi : (Garvin, 1996)

Performance, yaitu kesesuaian produk dengan fungsi utama produk itu sendiri

atau karakteristik operasi dari suatu produk.

Feature, yaitu ciri khas produk yang membedakan dari produk lain yang

merupakan karakteristik pelengkap dan mampu menimbulkan kesan yang baik

bagi pelanggan.

Reliability, yaitu kepercayaan pelanggan terhadap produk karena ke

handalannya atau karena kemungkinan kerusakan yang rendah.

Conforrnance, yaitu kesesuaian produk dengan syarat atau ukuran tertentu atau

sejauh mana karakteristik desain dan operasi memenuhi standar yang telah

ditetapkan.

Durability, yaitu tingkat ketahanan/awet produk atau lama umur produk.

Serviceability, yaitu kemudahan produk itu bila akan diperbaiki atau kemudahan

memperoleh komponen produk tersebut.

Aesthetic, yaitu keindahan atau daya tarik produk tersebut.



Kelompok 9


Perception, yaitu fanatisme konsumen akan merek suatu produk tertentu karena

citra atau reputasi produk itu sendiri.

Kualitas pada industri manufaktur selain menekankan pada produk yang dihasilkan,

juga perlu diperhatikan kualitas pada proses produksi. Bahkan, yang terbaik adalah

apabila perhatian pada kualitas bukan pada produk akhir, melainkan proses produksinya

atau produk yang masih ada dalam proses (Work in Process), sehingga bila diketahui ada

cacat atau kesalahan masih dapat diperbaiki. •Dengan demikian, produk akhir yang di-

hasilkan adalah produk yang bebas cacat dan tidak ada lagi pemborosan yang harus

dibayar mahal karena produk tersebut harus dibuang atau dilakukan pengerjaan ulang.

(Garvin, 1996)

Selanjutnya, dengan perkembangan bidang usaha, maka organisasi atau perusahaan

kini bukan hanya bergerak di bidang industri manufaktur, tetapi juga pada industri jasa,

misalnya konsultan, pengacara, akuntan, pendidikan, dan sebagainya. Pengukuran

kualitas pada industri jasa sulit sekali dilakukan karena karakteristik jasa pada umumnya

tidak tampak. banyak sekali perbedaan antara industri manufaktur dengan industri jasa

yang menurut Gaspersz (1997), karakteristik unik dari suatu industri jasal pelayanan yang

sekaligus membedakannya dari barang antara lain : (Garvin, 1996)

1. Pelayanan merupakan output tak berbentuk (intangible output) Pelayanan

merupakan output variabel, tidak standar.

2. Pelayanan tidak dapat disimpan dalam persediaan, tetapi dapat dikonsumsi dalam

produksi.

3. Terdapat hubungan langsung yang erat dengan pelanggan melalui proses

pelayanan.

4. Pelanggan berpartisipasi dalam proses memberikan pelayanan.

5. Pelanggan sekaligus merupakan input bagi proses pelayanan yang diterimanya.

6. Keterampilan personil “diserahkan” atau “diberikan” secara langsung kepada

pelanggan.

7. Pelayanan tidak dapat diproduksi secara masal.



Kelompok 9


8. Membutuhkan pertimbangan pribadi yang tinggi dari individu yang memberikan

pelayanan.

9. Perusahaan jasa pada umumnya bersifat padat karya.

10. Fasilitas pelayanan berada dekat lokasi pelanggan.

11. Pengukuran efektivitas pelayanan bersifat subyektif.

12. Pengendalian kualitas terutama dibatasi pada pengendalian proses.

13. Option penetapan harga lebih rumit.

Pengukuran kualitas untuk produk fisik tidak sama dengan industri jasa. walaupun

demikian, ada beberapa dimensi yang digunakan dalam mengukur kualitas suatu industri

jasa. Menurut Garvin (1996), dimensi kualitas pada industri jasa antara lain : (Garvin,

1996)

Communication, yaitu komunikasi atau hubungan antara penerima jasa dengan

pemberi jasa.

Credibility, yaitu kepercayaan pihak penerima jasa terhadap pemberi

jasa. Security, yaitu keamanan terhadap jasa yang ditawarkan.

Knowing the customer, yaitu pengertian dari pihak pemberi jasa pada penerima

jasa atau pemahaman pemberi jasa terhadap kebutuhan dan harapan pemakai jasa.

Tangibles, yaitu bahwa dalam memberikan pelayanan kepada pelanggan harus

dapat diukur atau dibuat standarnya.

Reliability, yaitu konsistensi kerja pemberi jasa dan kemampuan pemberi jasa

dalam memenuhi janji para penerima jasa.

Responsiveness, yaitu tanggapan pemberi jasa terhadap kebutuhan dan harapan

penerima jasa.

Competence, yaitu kemampuan atau keterampilan pemberi jasa yang dibutuhkan

setup orang dalam perusahaan untuk memberikan jasanya kepada penerima jasa.

Access, yaitu kemudahan pemberi jasa untuk dihubingi oleh pihak atau pelanggan

atau penerima jasa.

Courtesy, yaitu kesopanan, respek, perhatian, dan kesamaan dalam hubungan

personil.



Kelompok 9


Meningkatkan kualitas jasa yang ditawarkan tidak semudah usaha meningkatkan

kualitas produk, karena karakteristiknya yang unik. Peningkatan kualitas jasa juga akan

berdampak pada organisasi secara menyeluruh. (Garvin, 1996)

2.5 Alat Bantu Pengendalian Kualitas

Alat bantu pengendalian kualitas dapat berwujud 2 jenis, yaitu menggunakan data

kualitatif dan yang menggunakan data kuantitatif. Teknik yang menggunakan data

kualitatif adalah Flow chart, Diagram sebab akibat (ishikawa diagram), Brainstorming,

Affinity diagram dan Diagram pohon. Sedangkan yang menggunakan data kuantitatif,

adalah Lembar periksa, Diagram Pareto, Histogram, Scatter diagram, Grafik kendali dan

Run chart. Berikut merupakan penjelasan dari masing-masing alat bantu kualitas :

(Ariani, 2002).

1. Flow Chart

Flow chart atau diagram skematik adalah diagram yang menunjukkan seluruh

langkah dalam suatu proses. Dalam diagram ini ditunjukkan bagaimana langkah

itu saling berinteraksi satu sama lain. Flow chart digambarkan dengan simbol-

simbol dan orang yang bertanggungjawab untuk memperbaiki suatu proses harus

mengetahui seluruh langkah dalam proses tersebut.

2. Diagram Sebab Akibat ( Cause and Effect Diagram)

Diagram sebab akibat disebut Ishikawa diagram, karena dikembangkan oleh Dr.

Kaoru Ishikawa pada 1943. Diagram Sebab Akibat digunakan untuk

mengidentifikasi kategori dan sub kategori sebab-sebab yang mempengaruhi

suatu karakteristik kualitas tertentu . Masalah yang menjadi focus di diagram

sebab akibat ialah Man, Material, Machine, dan Environment.

3. Brainstorming

Brainstorming adalah cara untuk memacu pemikiran kreatif guna mengumpulkan

ide-ide dari suatu kelompok dalam waktu yang relatif singkat.



Kelompok 9


4. Affinity Diagram

Affinity diagram menggunakan hasil brainstorming untuk mengorganisasikan

informasi, sehingga mudah dipahami untuk perbaikan proses. Affinity diagram ini

berguna untuk menyaring data yang berjumlah besar dan menciptakan pola pikir

baru.

5. Diagram Pohon (Tree Diagram)

Tree diagram atau diagram pohon adalah alat yang digunakan untuk

menghubungkan tujuan yang harus ditempuh dengan tugas yang harus

dilaksanakan untuk mencapai tujuan tersebut.

6. Lembar Periksa (Checksheet)

Checksheet adalah alat/lembar yang digunakan untuk mencatat data produk

termasuk juga waktu pengamatan, permasalahan yang dicari dan jumlah cacat

pada setiap perusahaan.

7. Diagram Pareto (Pareto Diagram)

Diagram ini digunakan untuk menentukan pentingnya atau prioritas kategori

kejadian yang disusun menurut ukurannya atau sebab-sebab yang akan dianalisis.

Diagram ini menunjukkan seberapa besar frekuensi berbagai tipe permasalahan

yang terjadi dengan daftar masalah pada sumbu x dan jumlah/frekuensi kejadian

pada sumbu y.

8. Histogram

Histogram adalah diagram batang yang digunakan untuk menunjukkan variasi

data pengukuran dan variasi setiap proses. Berbeda dengan Pareto chart yang

penyusunannya menurut urutan yang memiliki proporsi terbesar kekiri hingga

proporsi terkecil, maka histogram dalam penyusunannya tidak menggunakan

urutan apapun.



Kelompok 9


9. Scatter Diagram

Scatter diagram adalah gambaran yang menunjukkan kemungkinan hubungan

(korelasi) antara pasangan 2 (dua) macam peubah dan menunjukkan keeratan

hubungan antara 2 (dua) peubah tersebut yang sering diwujudkan sebagai

koefisien korelasi. Diagram ini berupa titik yang menghubungkan paling tidak 2

(dua) peubah X dan Y yang menunjukkan keeratannya, sehingga dapat dilihat

apakah suatu kesalahan dapat disebut berhubungan.

10. Run Chart

Run chart adalah grafik yang menunjukkan variasi ukuran sepanjang waktu,

kecenderungan, daur, dan pola–pola lain dalam suatu proses dan membandingkan

kinerja beberapa kelompok, tetapi tanpa menyebutkan sebab-sebab terjadinya

kecenderungan, daur, atau pola-pola tersebut.

11. Grafik Kendali

Grafik kendali adalah grafik yang digunakan untuk menentukan apakah suatu

proses berada dalam keadaan in control atau out control. Batas pengendalian yang

meliputi batas atas (upper control limit) dan batas bawah (lower control limit)

dapat menggambarkan performansi yang diharapkan dari suatu proses konsisten.

2.6 Pengendalian Kualitas

Pengendalian kualitas merupakan Ilmu yang mempelajari tentang teknik metode

pengendalian kualitas berdasarkan prinsip/konsep statistik. Dalam menggambarkan

ukuran kualitas, terdapat 2 cara dalam menggambarkannya, yaitu : (Susetyo, 2009)

Variabel : karakteristik kualitas suatu produk dinyatakan dengan besaran yang

dapat diukur (besaran kontinu). Seperti : panjang, berat, temperatur, dll.

Attribut : karakteristik kualitas suatu produk dinyatakan dengan apakah

produk tersebut memenuhi kondisi/persyaratan tertentu, bersifat dikotomi, jadi



Kelompok 9


hanya ada dua kemungkinan baik dan buruk. Seperti produk cacat atau produk

baik, dan lain-lain

Tujuan dari pengendalian kualitas sendiri antara lain : (Susetyo, 2009)

Memperoleh jaminan kualitas (quality Assurance) dapat dilakukan dengan

Aceceptance sampling Plans.

Menjaga konsistensi Kualitas, dilaksanakan dengan Control Chart.

Sementara itu, keuntungan dari pengendalian kualitas antara lain : (Susetyo, 2009)

Untuk mempertinggi kualitas atau mengurangi biaya.

Menjaga kualitas lebih uniform.

Penggunaan alat produksi lebih efisien.

Mengurangi rework dan pembuangan.

Inspeksi yang lebih baik.

Memperbaiki hubungan produsen-konsumen.

Spesifikasi lebih baik.



Kelompok 9


2.7 Pengendalian Kualitas Proses Statistik

Data Variabel

Peta kendali X : (Susetyo, 2009)

- Memantau perubahan suatu sebaran atau distribusi suatu variabel asal

dalam hal lokasinya (pemusatannya).

- Apakah proses masih berada dalam batas-batas pengendalian atau

tidak.

- Apakah rata-rata produk yang dihasilkan sesuai dengan standar yang

telah ditentukan.

Peta kendali R : (Susetyo, 2009)

- Memantau perubahan dalam hal spread-nya (penyebarannya).

- Memantau tingkat keakurasian/ketepatan proses yang diukur dengan

mencari range dari sampel yang diambil.

Peta Kendali S : (Susetyo, 2009)

- Digunakan untuk mengukur tingkat keakurasian suatu proses.

Data Atribut

Data atribut mengacu pada karakteristik kualitas yang memenuhi spesifikasi

atau tidak. Atribut dinyatakan sebagai produk bagus/baik atau produk defective.

Alasan pengamatan atribut harus dilakukan adalah jika pengukuran tidak mungkin

dilakukan ataupun jika pengukuran dapat dilakukan tetapi butuh waktu yang lama,

mahal dan sulit. Jenis-jenis dari peta kendali atribut antara lain : (Susetyo, 2009)

Peta Kendali p

Merupakan perbandingan antara banyaknya cacat dengan semua

pengamatan, yaitu setiap produk yang diklasifikasikan sebagai “diterima” atau

“ditolak” (yang diperhatikan banyaknya produk cacat).



Kelompok 9


Langkah-langkah pembuatan peta kendali - p :

1. Tentukan ukuran contoh/subgrup yang cukup besar (n > 30),

2. Kumpulkan banyaknya subgrup (k) sedikitnya 20–25 sub-grup,

3. Hitung untuk setiap subgrup nilai proporsi unit yang cacat,

yaitu :

p = jumlah unit cacat/ukuran subgrup

4. Hitung nilai rata-rata dari p, yaitu p dapat dihitung dengan :

p = total cacat/total inspeksi.

5. Hitung batas kendali dari peta kendali x :

UCL = p + n

pp )1(3

………………………………………….(1)

LCL = p – n

pp )1(3

………………………………………….(2)

6. Plot data proporsi (persentase) unit cacat serta amati apakah data tersebut

berada dalam pengendalian atau diluar pengendalian.

Peta Kendali np

Sebagai alternatif untuk menghitung proprsi cacat, dapat dihitung jumlah

item cacat dalam sampel dan menggunakan perhitungan itu sebagai dasar dari

peta kendali. Tidak ada penarikan kembali dari np-chart. Jumlah item cacat

dalam sample diasumsikan untuk diberikan dalam distribusi binomial. Prinsip

yang sama juga digunakan untuk grafik jumlah cacat dan pembentukan np-

chart serupa dengan pembentukan p-chart.

np = 𝑇𝑜𝑡𝑎𝑙 𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑑𝑖𝑡𝑜𝑙𝑎𝑘

𝐽𝑢𝑚𝑙𝑎ℎ 𝑙𝑜𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑟𝑖𝑘𝑠𝑎 ……………………………….(3)

UCL = np + 3√𝑛𝑝(1 − 𝑝) …………………………………(4)



Kelompok 9


LCL = np - 3√𝑛𝑝(1 − 𝑝) …………………………………..(5)

Peta Kendali c

Suatu produk dikatakan cacat (defective) jika produk tersebut tidak

memenuhi suatu syarat atau lebih. Setiap kekurangan disebut defect. Setiap

produk yang cacat bisa saja terdapat lebih dari satu defect. (yang diperhatikan

banyaknya defect).

Langkah-langkah pembuatan peta kendali - c :

1. Kumpulkan k = banyaknya subgrup yang akan diinspeksi, usahakan k

mencukupi jumlahnya antara k = 20–25 subgrup,

2. Hitung jumlah cacat setiap subgrup ( = c),

3. Hitung nilai rata-rata jumlah cacat, c sbb :

c = k

c…………………………………………(6)

4. Hitung batas kendali untuk peta kendali c :

UCL = c + c3 ………………………………..(7)

LCL = c – c3 ………………………………..(8)

5. Plot data jumlah cacat dari setiap subgrup yang diperiksa dan amati apakah

data tersebut berada dalam pengendalian atau diluar kendali.

Peta Kendali u

Peta kendali u relatif sama dengan peta kendali c. Perbedaanya hanya

terdapat pada peta kendali u spesifikasi tempat dan waktu yang dipergunakan

idak harus selalu sama, yang membedakan dengan peta kendai c adalah

besarnya unit inspeksi perlu diidentifikasikan.



Kelompok 9


Rumus yang digunakan :

U = 𝛴𝑐𝑖

𝛴𝑛𝑖 = rata-rata cacat persatuan .......................................(9)

UCL = u-bar + 3 √𝑢

𝑛𝑖 …………………………………….(10)

LCL = u-bar - 3 √𝑢

𝑛𝑖 …………………………………….(11)

Peta Kendali U

Merupakan system tingkat kualitas yang me-rating cacat per unit, dengan

mengatasi kekurangan dari grafik kendali c dan u. Sebagai kategori

ANSI/ASQC (Standar A3 : 1978) : Mengelompokkan cacat dalm 4 kategori :

Cacat kelas 1 : Sangat serius : bobot cacat : w1 = 100

Cacat kelas 2 : Serius : bobot cacat : w2 = 50

Cacat kelas 3 : agak serius : bobot cacat : w3 = 10

Cacat kelas 4 : Tidak serius : bobot cacat : w4 = 1

Jumlah cacat berbobot

D = w1c1 + w2c2 + w3c3 + w4c4 …………………………..(12)

Rata-rata cacat terbobot per unit

U = 𝐷

𝑛 = (w1c1 + w2c2 + w3c3 + w4c4)/n …………………..(13)

C adalah bilangan hasil perhitungan “cacat” (poisson). Sehingga U merupakan

kombinasi linier dari variabel acak independen poisson.

U = w1u1 + w2u2 + w3u3 + w4u4 ………………………...(14)

σU = √𝑤12𝑢1+𝑤22𝑢2+𝑤32𝑢3+𝑤42𝑢4

𝑛 …………………………(15)

UCL = U + 3 σU …………………………………………...(16)

LCL = U - 3 σU …………………………………………….(17)



Kelompok 9


2.8 Biaya Kualitas

Biaya kualitas adalah biaya yang terjadi atau mungkin akan terjadi karena kualitas

yang buruk. Biaya kualitas didefinisikan sebagai biaya-biaya yang berkaitan dengan

pencegahan, pengidentifikasian, perbaikan produk yang berkualitas rendah dan dengan

opportunity cost dari hilangnya waktu produksi dan penjualan sebagai akibat dari

rendahya kualitas. Biaya kualitas digolongkan dalam dua golongan besar, yaitu : (Ariani,

2004)

1) Cost Of Conformance

Biaya yang termasuk dalam cost of conformace adalah biaya pencegahan dan

biaya penilaian, karena biaya-biaya tersebut terjadi dalam rangka memastikan

kualitas produk sesuai dengan keinginan pelanggan.

a. Biaya pencegahan (prevention cost)

Biaya pencegahan merupakan biaya yang terjadi untuk mencegah kerusakan

produk yang dihasilkan (mencegah cacat kualitas) atau semua biaya yang

berkaitan dengan setiap kegiatan yang dirancang untuk memastikan bahwa

kegiatan-kegiatan yang tepat dilaksanakan dengan benar sejak pertama kali.

Biaya pencegahan meliputi:

Biaya pelatihan kualitas, yaitu pengeluaran-pengeluaran untuk program-

program pelatihan internal dan eksternal.

Biaya Teknik dan perencanaan kualitas, yaitu biaya-biaya yang

dikeluarkan untuk aktifitas-aktifitas yang berhubungan dengan patokan

rencana kualitas produk yang dihasilkan.

Biaya pemeliharaan peralatan, yaitu biaya yang dikeluarkan untuk

memasang, menyesuaikan, mempertahankan, memperbaiki, dan

menginspeksi peralatan produksi, proses dan sistem.

Biaya penjaminan supplier, yaitu biaya yang dikeluarkan untuk

mengembangkan kebutuhan dan pengukuran data, auditing dan

pelaporan kualitas.



Kelompok 9


b. Biaya penilaian (Detection/Appraisal Cost)

Biaya penilaian dikeluarkan dalam rangka pengukuran dan analisis data untuk

menentukan apakah produk atau jasa sesuai dengan spesifikasinya dan

persyaratan-persyaratan kualitas. Tujuan utama penilaian adalah untuk

menghindari terjadinya kesalahan dan kerusakan sepanjang proses

perusahaan, misalnya mencegah pengiriman barang-barang yang tidak sesuai

dengan persyaratan kepada pelanggan. Biaya ini meliputi:

Biaya pengujian dan inspeksi, yaitu biaya yang dikeluarkan untuk

menguji dan menginspeksi kesesuaian barang yang akan datang, produk

dalam proses dan produk selesai dengan kualifikasi yang tercantum

dalam pesanan

Peralatan pengujian, yaitu biaya yang dikelurkan untuk memperoleh,

mengoperasikan, atau mempertahankan kualitas, software, mesin dan

peralatan pengujian atau penilaian kualitas produk dan proses

Audit kualitas, yaitu biaya yang meliputi pemeriksaan kualitas produk,

seperti gaji dan upah semua orang yang terlibat dalam penilaian kualitas

produk dan jasa dan pengeluaran lain yang dikeluarkan selama penilaian

kualitas.

Evaluasi persediaan, yaitu biaya yang meliputi pengujian produk di

gudang, dengan tujuan untuk mendeteksi terjadinya penurunan kualitas

produk

Biaya informasi, yaitu biaya yang dikeluarkan untuk menyiapkan dan

membuktikan laporan kualitas.

2) Cost Of Non Conformance

Biaya yang termasuk kedalam Cost of Non Conformance adalah biaya kegagalan

internal dan ekternal karena biaya-biaya tersebut merupakan biaya yang

dikeluarkan karena menghasilkan produk yang cacat dan opportunity cost karena

ditolaknya produk atau jasa.



Kelompok 9


a. Biaya Kegagalan Internal (Internal Failure Cost)

Merupakan biaya yang terjadi karena adanya ketidaksesuaian dengan

persyaratan atau biaya yang dikeluarkan karena rendahnya kualitas yang

ditemukan sejak penilaian awal dan sebelum barang atau jasa dikirimkan

kepada pelanggan. Pengukuran biaya kegagalan internal dilakukan dengan

menghitung kerusakan produk sebelum meninggalkan pabrik. Biaya

kegagalan internal meliputi:

Biaya tindakan koreksi, adalah biaya untuk waktu yang dihabiskan

untuk menemukan penyebab kegagalan dan untuk mengoreksi

masalah

Scrap, adalah kerugian yang timbul karena adanya sisa bahan baku

yang tidak terpakai dalam upaya memenuhi tingkat kualitas yang

dikehendaki.

Rework, adalah biaya yang timbul untuk melakukan proses pengerjaan

ulang agar dapat memenuhi standar kualitas yang disyaratkan.

Biaya proses, adalah biaya yang dikeluarkan untuk mendesain ulang

produk atau proses dan pemberhentian mesin yang tidak direncanakan

dan gagalnya produksi karena adanya penyelaan proses untuk

perbaikan dan pengerjaan kembali

Biaya ekspedisi, adalah biaya yang dikeluarkan untuk mempercepat

operasi pengolahan karena adanya waktu yang dihabiskan untuk

perbaikan dan pengerjaan kembali

Biaya inspeksi dan pengujian ulang, adalah biaya yang dikeluarkan

selama inspeksi ulang atau pengujian ulang atas produk-produk yang

telah diperbaiki

Factory Contact Engineering, adalah biaya yang berhubungan dengan

waktu yang digunakan oleh para ahli produk atau produksi yang

terlibat dalam masalah-masalah produksi yang menyangkut kualitas.



Kelompok 9


b. Biaya Kegagalan Eksternal (External Failure Cost)

Biaya kegagalan eksternal adalah biaya yang terjadi karena produk atau

jasa gagal memenuhi persyaratan-persyaratan yang diketahui setelah

produk itu dikirimkan kepada pelanggan, seperti biaya dalam rangka

meralat cacat kualitas setelah produk sampai ke pelanggan dan laba gagal

yang diperoleh karena hilangnya peluang sebagai akibat adanya produk

atau jasa yang tidak dapat diterima oleh pelanggan. Biaya ini merupakan

biaya yang paling membahayakan karena dapat membuat reputasi buruk ,

kehilangan pelanggan dan kehilangan pangsa pasar. Biaya kegagalan

eksternal meliputi:

Biaya untuk menangani keluhan dan pengembalian dari pelanggan,

biaya ini meliputi semua biaya yang ditimbulkan karena adanya

keluhan-keluhan tertentu, sehingga diperlukan pemeriksaan, reparasi

atau penggantian/penukaran produk. Biaya penanganan keluhan ini

dibedakan antara yang masih bergaransi dan masa garansinya sudah

lewat.

Pelayanan (service) produk, adalah biaya yang dikeluarkan akibat dari

usaha untuk memperbaiki ketidaksempurnaan atau untuk pengujian

khusus atau untuk memperbaiki yang cacat yang bukan disebabakan

oleh adanya keluhan pelanggan.

Biaya penarikan kembali dan pertanggung jawaban produk, biaya

untuk menangani pengembalian produk, perbaikan atau penggantian,

biaya hukum atau biaya penyelesaian hukum.

Penjualan yang hilang karena produk yang tidak memuaskan, margin

kontribusi yang hilang karena pesanan yang tertunda, penjualan yang

hilang dan menurunnya pangsa pasar.



Kelompok 9


BAB III

METODOLOGI PENELITIAN

Gambar 3.1 Metodologi Penelitian



Kelompok 9


Penjelasan Metodologi Penelitian :

Penelitian diawali dengan menentukan tujuan penelitian. Kemudian menentukan

batasan dan asumsi yang digunakan untuk membatasi ruang lingkup dalam observasi.

Langkah selanjutnya yang dilakukan adalah melakukan kajian studi pustaka, menentukan

rencana sampling perencanaan penerimaan yang datanya telah didapat dari laporan

pemesanan (MRP) dan kebijakan perusahaan tentang AQL.

Setelah didapatkan data yang dibutuhkan, sampel harus ditentukan untuk kemudian

dilakukan pengukuran dimensi serta cacat komponen yang telah dipersiapkan. Dari data

tersebut, dapat ditentukan apakah lot bisa diterima atau tidak.

Kemudian akan dilakukan pembuatan peta kendali. Peta kendali ini dibuat

berdasarkan raw material laporan penjualan (MRP) untuk mengetahui apakah data dapat

digunakan atau tidak. Jika data tidak dapat dikontrol, maka akan dilakukan eliminasi data

out of control dan kembali lagi ke pembuatan peta kendali sampai dengan data terkontrol.

Jika data dapat dikontrol akan dilanjutkan ke proses perhitungan performansi peta

kendali.

Selanjutnya membuat diagram pareto finish product dengan data yang didapat dari

laporan bulanan inspeksi yang dilanjutkan ke pembuatan peta kendali finish product.

Dalam pembuatan peta kendali, tentukan jenis peta kendalinya dan datanya apakah

terkendali atau tidak. Jika tidak dilanjutkan dengan fishbone, sedangkan jika iya akan

langsung membuat kesimpulan. Langkah lain yang harus diperhatikan adalah perhitungan

biaya kualitas yang dikeluarkan untuk menjaga kualitas produk.

Setelah didapat semua output yang diperlukan, dilakukan analisis untuk mengetahui

kendala yang terjadi. Dan yang terakhir adalah kesimpulan dan saran mengenai praktikum

modul 6 ini.



Kelompok 9


BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Acceptance Sampling

4.1.1 Kebijakan sampel untuk As Roda

Panjang as roda

Hasil output MRP as Roda

Tabel 4.1 Hasil Output MRP As roda PERI-

ODE 1 2 3 4 5 6 7 8 9 10 11 12 Total

as

roda 10.492 10.492 10.496 10.504 10.540 10.540 10.544 10.552 10.588 10.588 10.596 10.600 126.532

Berdasarkan output MRP, ukuran lot periode 1 sebesar 10,492 berdasarkan

tabel 10.2 sample size code letters, buku amitava mitra halaman 420. Dengan

level inspeksi s-4 diperoleh sample size code letternya yaitu I (ukuran lot

diantara 10.001-35000)

N = 20

AQL = 0,18 konversi nilai AQL berdasarkan tabel 10.1 AQL conversion

tabel , buku amitava mitra halaman 420. Didapatkan nilai AQL hasil konversi

sebesar 0,25 karena 0,18 berada di antara 0,165 sampai 0,279.

Tabel 4.2 AQL Panjang As roda

No Ukuran X2

1 59,9 3588,01

2 60 3600

3 59,8 3576,04

4 59,9 3588,01

5 59,9 3588,01

6 60 3600

7 60 3600

8 60 3600

9 59,9 3588,01

10 60 3600

11 60 3600



Kelompok 9


Lanjutan Tabel 4.2 AQL Panjang As roda

12 60 3600

13 60 3600

14 59,9 3588,01

15 60 3600

16 60 3600

17 59,9 3588,01

18 60 3600

19 60 3600

20 60 3600

jumlah 1199,2 71904,1

�̅� = 59,9+60+⋯..+60

20 =

1199,2

20= 59,96

S = √∑ 𝑥2−(∑ 𝑥)

2/𝑛

𝑛−1 = √

71904,1−(1199,2)2/20

20−1 = 0,060

Standar perusahaan untuk panjang as roda

58.5mm 1,5mm

USL = 58,5 + 1,5 = 60 mm

LSL = 58,5 - 1,5 = 57 mm

Zu = 𝑈𝑆𝐿− �̅�

𝑆 =

60−59,96

0,060 = 0,67 ZL =

𝑋 ̅− 𝐿𝑆𝐿

𝑆 =

59,96−57

0,060 = 49,33

Berdasarkan tabel 10.3 buku amitava mitra halaman 422.didapatkan nilai

konsatanta k = 2,26.

Jadi , zu < k = 0,667 < 2,26 dan zl >k = 49,33 > 2,26 Keputusannya zu ditolak

dan zl diterima

Karena hasilnya ada 2 keputusan maka digunakan double acceptance

sampling

Berdasarkan tabel 10.7 buku amitava mitra didapatkan nilai PU = 25,33 dan

PL = 0 jadi P= Pu + PL =25,33 + 0 = 25,33

Berdasarkan tabel 10.5 buku amitava mitra halaman 424 , didapatkan nilai

konsatanta M = 0,877

Jadi , P > M = 25,33 > 0,877 sehingga keputusannya adalah lot ditolak



Kelompok 9


Diameter as roda

N = 20

AQL = 0,18 konversi nilai AQL berdasarkan tabel 10.1 AQL conversion tabel

, buku amitava mitra halaman 420. Didapatkan nilai AQL hasil konversi

sebesar 0,25 karena 0,18 berada di antara 0,165 sampai 0,279.

ukuran lot periode 1 sebesar 10,492. berdasarkan tabel 10.2 sample size code

letters, buku amitava mitra halaman 420. Dengan level inspeksi s-4 diperoleh

sample size code letternya yaitu I (ukuran lot diantara 10.001-35000)

Tabel 4.3 AQL Diameter As roda

No Ukuran X2

1 1,8 3,24

2 1,8 3,24

3 1,8 3,24

4 1,8 3,24

5 1,8 3,24

6 1,8 3,24

7 1,8 3,24

8 1,8 3,24

9 1,8 3,24

10 1,8 3,24

11 1,8 3,24

12 1,8 3,24

13 1,8 3,24

14 1,8 3,24

15 1,8 3,24

16 1,8 3,24

17 1,8 3,24

18 1,8 3,24

19 1,8 3,24

20 1,8 3,24

Jumlah 36 64,8

�̅� = 1,8+1,8+⋯..+1,8

20 =

36

20= 1, 8

S = √∑ 𝑥2−(∑ 𝑥)

2/𝑛

𝑛−1 = √

64,8−(36)2/20

20−1 = 0



Kelompok 9


Standar perusahaan untuk diameter as roda

1,8 mm 0,2mm

USL = 1,8 + 0,2 = 2 mm

LSL = 1,8 – 0,2 = 1,6 mm

Zu = 𝑈𝑆𝐿− �̅�

𝑆 =

2−1,8

0 = ∞ ZL =


𝑆 =

1,8−1,6

0 = ∞

Berdasarkan tabel 10.3 buku amitava mitra halaman 422.didapatkan nilai

konsatanta k = 2,26

Jadi , zu > k = ∞ > 2,26 dan zl >k = ∞ > 2,26 Keputusannya zu dan zl diterima

Sehingga keputusannya ialah lot diterima

4.1.2 Kebijakan sampel untuk Gardan

Panjang Gardan

- Hasil output MRP gardan

Tabel 4.4 Hasil output panjang Gardan

Periode 1 2 3 4 5 6 7 8 9 10 11 12

Gardan 2623 2623 2624 2626 2635 2635 2636 2638 2647 2647 2649 2650

Berdasarkan output MRP, ukuran lot periode 1 sebesar 2623. berdasarkan

tabel 10.2 sample size code letters, buku amitava mitra halaman 420.

Dengan level inspeksi s-4 diperoleh sample size code letternya yaitu E

(ukuran lot diantara 1201 sampai 3200)

N = 15

AQL = 0.18 konversi nilai AQL berdasarkan tabel 10.1 AQL conversion

tabel , buku amitava mitra halaman 420. Didapatkan nilai AQL hasil

konversi sebesar 0.25 karena 0.18 berada di antara 0.165 sampai 0.279.



Kelompok 9


Tabel 4.5 AQL Panjang Gardan

No Ukuran X2

1 74 5476

2 74.15 5498.223

3 74.2 5505.64

4 74.35 5527.923

5 74.2 5505.64

6 74.2 5505.64

7 74.2 5505.64

8 74.5 5550.25

9 74.5 5550.25

10 74.4 5535.36

11 74.25 5513.063

12 74.2 5505.64

13 74.25 5513.063

14 74.15 5498.223

15 74.2 5505.64

Jumlah 1113.8 82696.19

�̅� = 74+74.15+⋯..+74.2

15 =

1113.8

15= 74.25

S = √∑ 𝑥2−(∑ 𝑥)

2/𝑛

𝑛−1 = √

82696.19−(1113.8)2/15

15−1 = 0.13496

Standar perusahaan untuk panjang gardan

74mm 0.75mm

USL = 74 + 0.75 = 74.75 mm

LSL = 74 – 0.75 = 73.25 mm

Zu = 𝑈𝑆𝐿− �̅�

𝑆 =

74.75−74.25

0.13496 = 3.7048 ZL =


𝑆 =

74.25−73.25

0.13496

= 7.4096

Berdasarkan tabel 10.3 buku amitava mitra halaman 422, didapatkan nilai

kontanta k = 2.00.

Jadi , zu > k (3.7048 > 2.00) dan zl > k (7.4096 > 2.00) Keputusannya zu

diterima dan zl diterima.

Sehingga keputusannya ialah lot diterima.



Kelompok 9


Diameter Gardan

Berdasarkan output MRP, ukuran lot periode 1 sebesar 2623. berdasarkan

tabel 10.2 sample size code letters, buku amitava mitra halaman 420.

Dengan level inspeksi s-4 diperoleh sample size code letternya yaitu E

(ukuran lot diantara 1201 sampai 3200)

N = 15

AQL = 0.18 konversi nilai AQL berdasarkan tabel 10.1 AQL conversion

tabel , buku amitava mitra halaman 420. Didapatkan nilai AQL hasil

konversi sebesar 0.25 karena 0.18 berada di antara 0.165 sampai 0.279.

Tabel 4.6 AQL Diameter Gardan

No Ukuran X2

1 1.35 1.8225

2 1.35 1.8225

3 1.35 1.8225

4 1.35 1.8225

5 1.35 1.8225

6 1.35 1.8225

7 1.35 1.8225

8 1.35 1.8225

9 1.35 1.8225

10 1.35 1.8225

11 1.35 1.8225

12 1.35 1.8225

13 1.35 1.8225

14 1.35 1.8225

15 1.35 1.8225

Jumlah 20.25 27.3375

�̅� = 1.35+1.35+⋯..+1.35

15 =

20.25

15 = 1.35

S = √∑ 𝑥2−(∑ 𝑥)

2/𝑛

𝑛−1 = √

27.3375−(20.25)2/15

15−1 = 0



Kelompok 9


Standar perusahaan untuk diameter gardan

1.48 mm 0.13 mm

USL = 1.48 + 0.13 = 1.61 mm

LSL = 1.48 – 0.13 = 1.35 mm

Zu = 𝑈𝑆𝐿− �̅�

𝑆 =

1.61−1.35

0 = ∞ ZL =


𝑆 =

1.35−1.35

0 = ∞


kontanta k = 2.00.

Jadi , zu > k (∞ > 2.00) dan zl > k (∞ > 2.00) Keputusannya zu diterima dan zl

diterima.

Keputusannya maka lot diterima

4.1.3 Kebijakan sampel untuk Dinamo

Diameter Dinamo

- Hasil output MRP Dinamo

Tabel 4.7 Hasil output Diameter Dinamo

Periode 1 2 3 4 5 6 7 8 9 10 11 12

Dinamo 2623 2623 2624 2626 2635 2635 2636 2638 2647 2647 2649 2650

Berdasarkan output MRP, ukuran lot periode 1 sebesar 2623. berdasarkan tabel

10.2 sample size code letters, buku amitava mitra halaman 420. Dengan level

inspeksi s-4 diperoleh sample size code letternya yaitu E (ukuran lot diantara

1201 sampai 3200)

N = 15

AQL = 0.18 konversi nilai AQL berdasarkan tabel 10.1 AQL conversion tabel ,

buku amitava mitra halaman 420. Didapatkan nilai AQL hasil konversi sebesar

0.25 karena 0.18 berada di antara 0.165 sampai 0.279.



Kelompok 9


Tabel 4.8 AQL Diameter Dinamo

No Ukuran X^2

1 1.9 3.61

2 2 4

3 1.95 3.8025

4 1.95 3.8025

5 2 4

6 2 4

7 1.9 3.61

8 1.95 3.8025

9 2 4

10 1.95 3.8025

11 1.9 3.61

12 1.9 3.61

13 2 4

14 1.95 3.8025

Total 29.35 57.4525

�̅� = 1,9 +2+⋯..+2

15 =

29,35

15= 1,957

S = √∑ 𝑥2−(∑ 𝑥)

2/𝑛

𝑛−1 = √

57,4525−(29,35)2/15

15−1 = 0,04169

Standar perusahaan untuk panjang gardan

1,95 mm 0.15mm

USL = 1,95 + 0.15 = 2,1 mm

LSL = 1,95 – 0.15 = 1,8 mm

Zu = 𝑈𝑆𝐿− �̅�

𝑆 =

2,1 −1,957

0.04169 = 3,4380 ZL =


𝑆 =

1,957 −1,8

0.04169 =3,7579


kontanta k = 2.00.

Jadi , zu > k (3,4380 > 2.00) dan zl > k (3,7579> 2.00) Keputusannya zu diterima

dan zl diterima.

Sehingga keputusannya adalah lot diterima.



Kelompok 9


4.2 Pengumpulan dan Pengolahan Data Kualitas Raw Material

4.2.1 Data Variabel

1. Panjang Gardan

Perhitungan Manual

a. Peta 𝑴𝑹̅̅ ̅̅ ̅

Iterasi 0

�̅� = CLR = MR =

115

3.1

11 n

MRn

i

0.09285

Untuk n = 2, maka D4=3,267 dan D3=0

Sehingga,

UCLR= D4 �̅� = 3.267 x 0.09285 = 0.30334

LCLR = D3 �̅� = 0 x 0.09285 = 0

Tabel 4.9 Perhitungan MR Panjang Gardan Iterasi 0

No No. Komponen Ukuran MR MR Bar UCL LCL

1 32 74

2 4 74.15 0.15 0.09285 0.30334 0

3 31 74.2 0.05 0.09285 0.30334 0

4 24 74.35 0.15 0.09285 0.30334 0

5 53 74.2 0.15 0.09285 0.30334 0

6 21 74.2 0 0.09285 0.30334 0

7 40 74.2 0 0.09285 0.30334 0

8 2 74.5 0.3 0.09285 0.30334 0

9 50 74.5 0 0.09285 0.30334 0

10 16 74.4 0.1 0.09285 0.30334 0

11 62 74.25 0.15 0.09285 0.30334 0

12 27 74.2 0.05 0.09285 0.30334 0

13 28 74.25 0.05 0.09285 0.30334 0

14 36 74.15 0.1 0.09285 0.30334 0

15 20 74.2 0.05 0.09285 0.30334 0

Jumlah 1.3 1.3 4.24676 0

Rata-Rata 0.09285 0.09285 0.30334 0



Kelompok 9


Gambar 4.1 Grafik Peta Kendali MR Panjang Gardan Iterasi 0

Gambar 4.2 Grafik SPSS Peta Kendali MR Panjang Gardan Iterasi 0

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Mo

vin

g R

ange

Sampel

Grafik Peta Kendali MR Panjang Gardan Iterasi 0

MR MR Bar UCL LCL



Kelompok 9


151413121110987654321

0.30

0.25

0.20

0.15

0.10

0.05

0.00

Observation

Mo

vin

g R

an

ge

__MR=0.0929

UCL=0.3034

LCL=0

Moving Range Chart of C1

Gambar 4.3 Grafik Minitab Peta Kendali MR Panjang Gardan Iterasi 0

Karena tidak ada data yang keluar dari batas control atas (UCL)

maupun batas control bawah (LCL), maka perhitungan dapat dilanjutkan ke

peta X.

Peta �̅�

Iterasi 0

�̅� = CLX = 15

75.1113

1 Subgroup

Xn

i

74.25

UCL �̅� = �̅� + 2.66*𝑀𝑅̅̅̅̅̅ = 74.25 + 2.66 * 0.09285 = 74.4969

LCL �̅� = �̅� − 2.66*𝑀𝑅̅̅̅̅̅ = 74.25 – 2.66 * 0.09285 = 74.0030

Tabel 4.10 Perhitungan x Panjang Gardan Iterasi 0

No No. Komponen Ukuran X Bar UCL LCL

1 32 74 74.25 74.4969 74.0030

2 4 74.15 74.25 74.4969 74.0030

3 31 74.2 74.25 74.4969 74.0030

4 24 74.35 74.25 74.4969 74.0030

5 53 74.2 74.25 74.4969 74.0030

Lanjutan Tabel 4.10 Perhitungan x Panjang Gardan Iterasi 0



Kelompok 9


6 21 74.2 74.25 74.4969 74.0030

7 40 74.2 74.25 74.4969 74.0030

8 2 74.5 74.25 74.4969 74.0030

9 50 74.5 74.25 74.4969 74.0030

10 16 74.4 74.25 74.4969 74.0030

11 62 74.25 74.25 74.4969 74.0030

12 27 74.2 74.25 74.4969 74.0030

13 28 74.25 74.25 74.4969 74.0030

14 36 74.15 74.25 74.4969 74.0030

15 20 74.2 74.25 74.4969 74.0030

Jumlah 1113.75 1113.75

Rata-Rata 74.25 74.25

Gambar 4.4 Grafik Peta Kendali x Panjang Gardan Iterasi 0

73.7

73.8

73.9

74

74.1

74.2

74.3

74.4

74.5

74.6

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Uku

ran

Sampel

Grafik Peta Kendali X Panjang Gardan iterasi 0

Ukuran X Bar UCL LCL



Kelompok 9


Gambar 4.5 Grafik SPSS Peta Kendali X Panjang Gardan Iterasi 0

151413121110987654321

74.5

74.4

74.3

74.2

74.1

74.0

Observation

Ind

ivid

ua

l V

alu

e

_X=74.25

UCL=74.4970

LCL=74.0030

11

1

I Chart of C1

Gambar 4.6 Grafik Minitab Peta Kendali X Panjang Gardan Iterasi 0



Kelompok 9


Dari grafik di atas, terdapat dua data yang keluar, yaitu data ke-8 dan

ke-9, sehingga perlu dilakukan perhitungan ulang peta MR dan kemudian

peta X.

Iterasi 1

Peta MR

�̅� = CLR = MR =

113

1.1

11 n

MRn

i

0.09167


Sehingga,

UCLR= D4 �̅� = 3.267 x 0.09167 = 0.2994

LCLR = D3 �̅� = 0 x 0.09167 = 0

Tabel 4.11 Perhitungan MR Panjang Gardan Iterasi 1

No No. Komponen Ukuran MR MR Bar UCL LCL

1 32 74

2 4 74.15 0.15 0.09285 0.2994 0

3 31 74.2 0.05 0.09285 0.2994 0

4 24 74.35 0.15 0.09285 0.2994 0

5 53 74.2 0.15 0.09285 0.2994 0

6 21 74.2 0 0.09285 0.2994 0

7 40 74.2 0 0.09285 0.2994 0

8 16 74.4 0.2 0.09285 0.2994 0

9 62 74.25 0.15 0.09285 0.2994 0

10 27 74.2 0.05 0.09285 0.2994 0

11 28 74.25 0.05 0.09285 0.2994 0

12 36 74.15 0.1 0.09285 0.2994 0

13 20 74.2 0.05 0.09285 0.2994 0

Jumlah 1.1

Rata-Rata



Kelompok 9


Gambar 4.7 Grafik Peta Kendali MR Panjang Gardan Iterasi 1

Gambar 4.8 Grafik SPSS Peta Kendali MR Panjang Gardan Iterasi 1

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

1 2 3 4 5 6 7 8 9 10 11 12 13

Mo

vin

g R

ange

Sampel

Grafik Peta Kendali MR Panjang Gardan Iterasi 1

MR MR Bar UCL LCL



Kelompok 9


13121110987654321

0.30

0.25

0.20

0.15

0.10

0.05

0.00

Observation

Mo

vin

g R

an

ge

__MR=0.0917

UCL=0.2995

LCL=0


Gambar 4.9 Grafik Minitab Peta Kendali MR Panjang Gardan Iterasi 1

Setelah tidak ada data yang keluar pada peta kendali MR, maka

dilanjutkan dengan peta kendali X iterasi 1.

Iterasi 1 peta Kendali X

�̅� = CLX = 13

75.964

1 Subgroup

Xn

i

74.21154

UCL �̅� = �̅� + 2.66*𝑀𝑅̅̅̅̅̅ = 74.21154 + 2.66 * 0.09167 = 74.4553

LCL �̅� = �̅� − 2.66*𝑀𝑅̅̅̅̅̅ = 74.21154 – 2.66 * 0.09167 = 73.9677

Tabel 4.12 Perhitungan x Panjang Gardan Iterasi 0

No No. Komponen Ukuran X Bar UCL LCL

1 32 74 74.21154 74.4553 73.9677

2 4 74.15 74.21154 74.4553 73.9677

3 31 74.2 74.21154 74.4553 73.9677

4 24 74.35 74.21154 74.4553 73.9677

5 53 74.2 74.21154 74.4553 73.9677

6 21 74.2 74.21154 74.4553 73.9677



Kelompok 9


Lanjutan Tabel 4.12 Perhitungan x Panjang Gardan Iterasi 0

7 40 74.2 74.21154 74.4553 73.9677

8 16 74.4 74.21154 74.4553 73.9677

9 62 74.25 74.21154 74.4553 73.9677

10 27 74.2 74.21154 74.4553 73.9677

11 28 74.25 74.21154 74.4553 73.9677

12 36 74.15 74.21154 74.4553 73.9677

13 20 74.2 74.21154 74.4553 73.9677

Jumlah 964.75

Rata-Rata 74.21154

Gambar 4.10 Grafik Peta Kendali x Panjang Gardan Iterasi 1

73.7

73.8

73.9

74

74.1

74.2

74.3

74.4

74.5

1 2 3 4 5 6 7 8 9 10 11 12 13

Uku

ran

Sampel

Grafik Peta Kendali X Panjang Gardan iterasi 1

Ukuran X Bar UCL LCL



Kelompok 9


Gambar 4.11 Grafik SPSS Peta Kendali x Panjang Gardan Iterasi 1

13121110987654321

74.5

74.4

74.3

74.2

74.1

74.0

73.9

Observation

Ind

ivid

ua

l V

alu

e

_X=74.2115

UCL=74.4553

LCL=73.9677

I Chart of C1

Gambar 4.12 Grafik Minitab Peta Kendali x Panjang Gardan Iterasi 1



Kelompok 9


Berdasarkan grafik di atas tidak terdapat data yang melewati UCL

maupun UCL, sehingga data panjang gardan sudah berada dalam batas

kontrol.

2. Diameter Gardan

Perhitungan Manual


Iterasi 0

�̅� = CLR = MR =

115

0

11 n

MRn

i

0


Sehingga,

UCLR= D4 �̅� = 3.267 x 0 = 0

LCLR = D3 �̅� = 0 x 0.09285 = 0

Tabel 4.13 Perhitungan MR Diameter Gardan Iterasi 0

No Ukuran No. Komponen MR │MR│ UCL LCL CL

1 1.35 32 - - 0 0 0

2 1.35 4 0 0 0 0 0

3 1.35 31 0 0 0 0 0

4 1.35 24 0 0 0 0 0

5 1.35 53 0 0 0 0 0

6 1.35 21 0 0 0 0 0

7 1.35 40 0 0 0 0 0

8 1.35 2 0 0 0 0 0

9 1.35 50 0 0 0 0 0

10 1.35 16 0 0 0 0 0

11 1.35 62 0 0 0 0 0

12 1.35 27 0 0 0 0 0

13 1.35 28 0 0 0 0 0

14 1.35 36 0 0 0 0 0

15 1.35 20 0 0 0 0 0



Kelompok 9


Gambar 4.13 Grafik Peta Kendali MR Diameter Gardan Iterasi 0

Output SPSS

Gambar 4.14 Grafik SPSS Peta Kendali MR Diameter Gardan Iterasi 0

0

0.2

0.4

0.6

0.8

1

32 4 3124532140 2 50166227283620

mo

vin

g ra

nge

sampel

Peta Kendali MR Diameter Gardan(iterasi 0)

UCL

LCL

CL

│MR│



Kelompok 9


Output minitab

151413121110987654321

0.50

0.25

0.00

-0.25

-0.50

Observation

Mo

vin

g R

an

ge

__MR=0UCL=0LCL=0


Gambar 4.15 Grafik Minitab Peta Kendali MR Diameter Gardan Iterasi 0

Karena tidak ada data yang keluar dari batas control atas (UCL)

maupun batas control bawah (LCL), maka perhitungan dapat dilanjutkan

ke peta X.

Peta �̅�

Iterasi 0

�̅� = CLX = 15

25.20

1 Subgroup

Xn

i

1.35

UCL �̅� = �̅� + 2.66*𝑀𝑅̅̅̅̅̅ = 1.35 + 2.66 * 0 = 1.35

LCL �̅� = �̅� − 2.66*𝑀𝑅̅̅̅̅̅ = 1.35 – 2.66 * 0 = 1.35

Tabel 4.14 Perhitungan x Diameter Gardan Iterasi 0

No Ukuran No. Komponen MR │MR│ UCL LCL CL x bar

1 1.35 32 - - 1.35 1.35 1.35 3.24

2 1.35 4 0 0 1.35 1.35 1.35 3.24

3 1.35 31 0 0 1.35 1.35 1.35 3.24



Kelompok 9


Lanjutan Tabel 4.14 Perhitungan x Diameter Gardan Iterasi 0

4 1.35 24 0 0 1.35 1.35 1.35 3.24

5 1.35 53 0 0 1.35 1.35 1.35 3.24

6 1.35 21 0 0 1.35 1.35 1.35 3.24

7 1.35 40 0 0 1.35 1.35 1.35 3.24

8 1.35 2 0 0 1.35 1.35 1.35 3.24

9 1.35 50 0 0 1.35 1.35 1.35 3.24

10 1.35 16 0 0 1.35 1.35 1.35 3.24

11 1.35 62 0 0 1.35 1.35 1.35 3.24

12 1.35 27 0 0 1.35 1.35 1.35 3.24

13 1.35 28 0 0 1.35 1.35 1.35 3.24

14 1.35 36 0 0 1.35 1.35 1.35 3.24

15 1.35 20 0 0 1.35 1.35 1.35 3.24

Gambar 4.16 Grafik Peta Kendali x Diameter Gardan Iterasi 0

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

32 4 31 24 53 21 40 2 50 16 62 27 28 36 20

Uku

ran

Sampel

Peta Kendali X bar Diameter Gardan (iterasi 0)

UCL

LCL

CL

Xbar



Kelompok 9


Output SPSS

Gambar 4.17 Grafik SPSS Peta Kendali x Diameter Gardan Iterasi 0

Output minitab

151413121110987654321

2.00

1.75

1.50

1.25

1.00

Observation

Ind

ivid

ua

l V

alu

e

_X=1.35UCL=1.35LCL=1.35

111111111111111

I Chart of C1

Gambar 4.18 Grafik Minitab Peta Kendali x Diameter Gardan Iterasi 0



Kelompok 9


Berdasarkan grafik di atas tidak terdapat data yang melewati UCL

maupun UCL, sehingga data panjang gardan sudah berada dalam batas

kontrol.

3. Panjang Ass Roda

Perhitungan Manual


Iterasi 0

�̅� = CLR = MR = 058,0120

1,1

11

n

MRn

i

Untuk n = 2, maka D4=3,267 dan D3=0 (di lihat pada table A-2 buku

amitava)

Jadi

UCLR= D4 �̅� = 3,267 x 0,058 = 0,189

LCLR = D3 �̅� = 0 x 0,058 = 0

Tabel 4.15 Perhitungan manual Ass Roda

No No. Komponen Panjang As Roda (mm) MR MR bar UCL LCL

1 27 59.9

2 24 60 0.1 0.058 0.189 0

3 74 59.8 0.2 0.058 0.189 0

4 81 59.9 0.1 0.058 0.189 0

5 70 59.9 0 0.058 0.189 0

6 4 60 0.1 0.058 0.189 0

7 34 60 0 0.058 0.189 0

8 50 60 0 0.058 0.189 0

9 39 59.9 0.1 0.058 0.189 0

10 38 60 0.1 0.058 0.189 0

11 12 60 0 0.058 0.189 0

12 77 60 0 0.058 0.189 0

13 42 60 0 0.058 0.189 0

14 67 59.9 0.1 0.058 0.189 0

15 33 60 0.1 0.058 0.189 0

16 15 60 0 0.058 0.189 0

17 83 59.9 0.1 0.058 0.189 0



Kelompok 9


Lanjutan Tabel 4.15 Perhitungan manual Ass Roda

18 47 60 0.1 0.058 0.189 0

19 29 60 0 0.058 0.189 0

20 43 60 0 0.058 0.189 0

Jumlah 1.1 1.102 3.591 0

Gambar 4.19 Grafik peta kendali MR Panjang As roda iterasi 0

Berdasarkan grafik diatas terdapat data yang melewati UCL (0,189 ) yakni

pada data nomor 3 dengan nilai MR sebesar 0,2, sehingga harus dilakukan iterasi

ke-1 untuk menghilangkan data nomer 3.

0

0.05

0.1

0.15

0.2

0.25

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Mo

vin

g R

ange

Sampel

Grafik Peta Kendali MR Panjang As Roda Iterasi 0

MR

MR bar

UCL

LCL



Kelompok 9


Hasil Software

a. Software SPSS

Gambar 4.20 Grafik SPSS peta kendali MR Panjang As roda iterasi 0

b. Software Minitab

191715131197531

0.20

0.15

0.10

0.05

0.00

Observation

Mo

vin

g R

an

ge

__MR=0.0579

UCL=0.1892

LCL=0

1


Gambar 4.21 Grafik Minitab peta kendali MR Panjang As roda iterasi 0



Kelompok 9


Iterasi 1

�̅� = CLR = MR = 05,0119

9,0

11

n

MRn

i


Jadi

UCLR= D4 �̅� = 3,267 x 0,05 = 0,163

LCLR = D3 �̅� = 0 x 0,05 = 0

Tabel 4.16 Perhitungan manual Ass Roda iterasi 1

No No. Komponen Panjang As Roda (mm) MR MR bar UCL LCL

1 27 59.9

2 24 60 0.1 0.05 0.163 0

3 81 59.9 0.1 0.05 0.163 0

4 70 59.9 0 0.05 0.163 0

5 4 60 0.1 0.05 0.163 0

6 34 60 0 0.05 0.163 0

7 50 60 0 0.05 0.163 0

8 39 59.9 0.1 0.05 0.163 0

9 38 60 0.1 0.05 0.163 0

10 12 60 0 0.05 0.163 0

11 77 60 0 0.05 0.163 0

12 42 60 0 0.05 0.163 0

13 67 59.9 0.1 0.05 0.163 0

14 33 60 0.1 0.05 0.163 0

15 15 60 0 0.05 0.163 0

16 83 59.9 0.1 0.05 0.163 0

17 47 60 0.1 0.05 0.163 0

18 29 60 0 0.05 0.163 0

19 43 60 0 0.05 0.163 0

Jumlah 0.9 0.9 2.934 0



Kelompok 9


Gambar 4.22 Grafik peta kendali MR Panjang As roda iterasi 1

Berdasarkan grafik diatas tidak terdapat data yang melewati batas UCL

maupun LCL, sehingga tidak perlu dilakukan iterasi ke-2

Hasil Software

a. Software SPSS

Gambar 4.23 Grafik SPSS peta kendali MR Panjang As roda iterasi 1

0

0.05

0.1

0.15

0.2

1 3 5 7 9 11 13 15 17 19

Mo

vin

g R

ange

Sampel

Grafik Peta Kendai MR Panjang As Roda Iterasi 1

MR

MR bar

UCL

LCL



Kelompok 9


b. Software Minitab

.

191715131197531

0.18

0.16

0.14

0.12

0.10

0.08

0.06

0.04

0.02

0.00

Observation

Mo

vin

g R

an

ge

__MR=0.05

UCL=0.1634

LCL=0


Gambar 4.24 Grafik Minitab peta kendali MR Panjang As roda iterasi 1

a. Peta �̅�

Iterasi 1

�̅� = CLX = 968,5919

4,1139

1

Subgroup

Xn

i

Untuk n = 1, maka A3 = 2,66

Jadi

UCL �̅� = �̅� + A3*𝑀𝑅̅̅̅̅̅ = 59,968+ 2,66*0,05 = 60,114

LCL �̅� = �̅� − A3*𝑀𝑅̅̅̅̅̅ = 59,968- 2,66*0,05 = 59,806

Tabel 4.17 Perhitungan manual Ass Roda iterasi 1

No No. Komponen Panjang As Roda (mm) X bar UCL LCL

1 27 59.9 59.968 60.101 59.835

2 24 60 59.968 60.101 59.835

4 81 59.9 59.968 60.101 59.835



Kelompok 9


Lanjutan Tabel 4.17 Perhitungan manual Ass Roda iterasi 1

5 70 59.9 59.968 60.101 59.835

6 4 60 59.968 60.101 59.835

7 34 60 59.968 60.101 59.835

8 50 60 59.968 60.101 59.835

9 39 59.9 59.968 60.101 59.835

10 38 60 59.968 60.101 59.835

11 12 60 59.968 60.101 59.835

12 77 60 59.968 60.101 59.835

13 42 60 59.968 60.101 59.835

14 67 59.9 59.968 60.101 59.835

15 33 60 59.968 60.101 59.835

16 15 60 59.968 60.101 59.835

17 83 59.9 59.968 60.101 59.835

18 47 60 59.968 60.101 59.835

19 29 60 59.968 60.101 59.835

20 43 60 59.968 60.101 59.835

Jumlah 1139.4 1139.392 1141.919 1136.865

Gambar 4.25 Grafik peta kendali x Panjang As roda iterasi 1

59.7

59.75

59.8

59.85

59.9

59.95

60

60.05

60.1

60.15

1 3 5 7 9 11 13 15 17 19

Uku

ran

Sampel

Grafik Peta Kendali x Panjang As Roda Iterasi 1

Panjang As Roda (mm)

X bar

UCL

LCL



Kelompok 9


Berdasarkan grafik diatas tidak terdapat data yang melewati UCL dan

LCL, sehingga tidak perlu dilakukan iterasi ke-2.

Hasil Software

a. Software SPSS

Gambar 4.26 Grafik SPSS peta kendali x Panjang As roda iterasi 1

b. Software Minitab

191715131197531

60.10

60.05

60.00

59.95

59.90

59.85

59.80

Observation

Ind

ivid

ua

l V

alu

e

_X=59.9684

UCL=60.1014

LCL=59.8354

I Chart of C1

Gambar 4.27 Grafik SPSS peta kendali x Panjang As roda iterasi 1



Kelompok 9


4. Diameter As Roda

Perhitungan Manual


Iterasi 0

�̅� = CLR = MR = 0120

0

11

n

MRn

i


Jadi

UCLR= D4 �̅� = 3,267 x 0 = 0

LCLR = D3 �̅� =0 x 0 = 0

Tabel 4.18 Perhitungan MR Diameter As Roda Iterasi 0

No Ukuran

No.

Komponen MR MR bar UCL LCL

1 1,8 27

2 1,8 24 0 0 0 0

3 1,8 74 0 0 0 0

4 1,8 81 0 0 0 0

5 1,8 70 0 0 0 0

6 1,8 4 0 0 0 0

7 1,8 34 0 0 0 0

8 1,8 50 0 0 0 0

9 1,8 39 0 0 0 0

10 1,8 38 0 0 0 0

11 1,8 12 0 0 0 0

12 1,8 77 0 0 0 0

13 1,8 42 0 0 0 0

14 1,8 67 0 0 0 0

15 1,8 33 0 0 0 0

16 1,8 15 0 0 0 0

17 1,8 83 0 0 0 0

18 1,8 47 0 0 0 0

19 1,8 29 0 0 0 0

20 1,8 43 0 0 0 0

Jumlah 0



Kelompok 9


Gambar 4.28 Grafik Peta Kendali MR Diameter Ass Roda Iterasi 0

Berdasarkan grafik diatas tidak terdapat data yang melewati UCL maupun

LCL, sehingga tidak perlu dilakukan iterasi ke-1.

0

0.2

0.4

0.6

0.8

1

1 2 3 4 5 6 7 8 9 1011121314151617181920

Mo

vin

g R

ange

Sampel

Grafik peta Kendali MR Diameter As Roda Iterasi 0

MR

MR bar

UCL

LCL



Kelompok 9


Hasil Software

a. Software SPSS

Iterasi 0

Gambar 4.29 Software SPSS Peta Kendali MR Diameter As Roda Iterasi 0

b. Software Minitab

Iterasi 0

191715131197531

0,50

0,25

0,00

-0,25

-0,50

Observation

Mo

vin

g R

an

ge

__MR=0UCL=0LCL=0

Moving Range Chart of diameter as roda

Gambar 4.30 Software Minitab Peta Kendali MR Diameter As Roda Iterasi 0



Kelompok 9


b. Peta 𝒙

Iterasi 0

�̅� = CLX = 8,120

36

1

Subgroup

Xn

i

Untuk n = 1, maka A3 = 2,66

Jadi

UCL �̅� = �̅� + A3*𝑀𝑅̅̅̅̅̅ = 1,8 + 2,66*0 = 1,8

LCL �̅� = �̅� − A3*𝑀𝑅̅̅̅̅̅ = 1,8 - 2,66*0 = 1,8

Tabel 4.19 Perhitungan X Diameter As Roda Iterasi 0

No No.

Komponen

Diameter as

roda Xbar UCL LCL

1 27 1,8 1,8 1,8 1,8

2 24 1,8 1,8 1,8 1,8

3 74 1,8 1,8 1,8 1,8

4 81 1,8 1,8 1,8 1,8

5 70 1,8 1,8 1,8 1,8

6 4 1,8 1,8 1,8 1,8

7 34 1,8 1,8 1,8 1,8

8 50 1,8 1,8 1,8 1,8

9 39 1,8 1,8 1,8 1,8

10 38 1,8 1,8 1,8 1,8

11 12 1,8 1,8 1,8 1,8

12 77 1,8 1,8 1,8 1,8

13 42 1,8 1,8 1,8 1,8

14 67 1,8 1,8 1,8 1,8

15 33 1,8 1,8 1,8 1,8

16 15 1,8 1,8 1,8 1,8

17 83 1,8 1,8 1,8 1,8

18 47 1,8 1,8 1,8 1,8

19 29 1,8 1,8 1,8 1,8

20 43 1,8 1,8 1,8 1,8

Jumlah 36



Kelompok 9


Gambar 4.31 Grafik Peta Kendali X Diameter As Roda Iterasi 0

Berdasarkan grafik diatas terdapat data yang melewati UCL dan LCL,

sehingga tidak perlu dilakukan iterasi ke-1.

0

0.5

1

1.5

2

1 3 5 7 9 11 13 15 17 19

Uku

ran

Sampel

Grafik Peta Kendali X Diameter As Roda Iterasi 0

Diameter as roda

Xbar

UCL

LCL



Kelompok 9


a. Software SPSS

Iterasi 0

Gambar 4.32 Software SPSS Peta Kendali X Diameter As Roda Iterasi 0

b. Software Minitab

191715131197531

2,4

2,2

2,0

1,8

1,6

1,4

1,2

Observation

Ind

ivid

ua

l V

alu

e

_X=1,8UCL=1,8LCL=1,8

I Chart of diameter as roda

Gambar 4.33 Software Minitab Peta Kendali X Diameter As Roda Iterasi 0



Kelompok 9


5. Diameter Dinamo

Peta Kendali MR

Iterasi 0

Tabel 4.20 Perhitungan Peta MR Diameter Dinamo Iterasi 0

No Ukuran

(mm)

No.

Komponen MR │MR│ UCL

LCL

MR CL

1 1.9 32 - - 0.16 0 0.05

2 2 30 0.1 0.1 0.16 0 0.05

3 1.95 27 -0.05 0.05 0.16 0 0.05

4 1.95 36 0 0 0.16 0 0.05

5 2 34 0.05 0.05 0.16 0 0.05

6 2 73 0 0 0.16 0 0.05

7 1.9 39 -0.1 0.1 0.16 0 0.05

8 1.95 10 0.05 0.05 0.16 0 0.05

9 2 6 0.05 0.05 0.16 0 0.05

10 1.95 18 -0.05 0.05 0.16 0 0.05

11 1.9 3 -0.05 0.05 0.16 0 0.05

12 1.9 21 0 0 0.16 0 0.05

13 2 20 0.1 0.1 0.16 0 0.05

14 1.95 13 -0.05 0.05 0.16 0 0.05

15 2 28 0.05 0.05 0.16 0 0.05

Contoh Perhitungan

|MR2| = |MR2- MR1| = |60-59,9| = 0,1

05,0)097,0(0

16,0)05,0(267,3

05,014

7,0

1-n

|MR|

3

4

MRDLCL

MRDUCL

CL

MR

MR



Kelompok 9


Gambar 4.34 Peta Kendali MR Diameter Dinamo Iterasi 0 Excel

Gambar 4.35 Peta Kendali MR Diameter Diameter Dinamo Iterasi 0 SPSS

0.00

0.05

0.10

0.15

0.20

32 30 27 36 34 73 39 10 6 18 3 21 20 13

mo

vin

g ra

nge

sampel

Peta Kendali MR Diameter Dinamo(iterasi 0)

UCL

LCL MR

CL

│MR│



Kelompok 9


151413121110987654321

0.18

0.16

0.14

0.12

0.10

0.08

0.06

0.04

0.02

0.00

Observation

Mo

vin

g R

an

ge

__MR=0.05

UCL=0.1634

LCL=0


Gambar 4.36 Peta Kendali MR Diameter Dinamo Iterasi 0 Minitab

Pada grafik peta moving range panjang as roda diatas tidak terdapat nilai yang

melewati batas UCL dan LCL

Peta Kendali X

Iterasi 0

Tabel 4.21 Iterasi 0 Diameter Dinamo

No Ukuran

(mm) No. Komponen X bar UCL LCL USL LSL

1 1.9 32 1.96 2.08 1.82 2.1 1.8

2 2 30 1.96 2.08 1.82 2.1 1.8

3 1.95 27 1.96 2.08 1.82 2.1 1.8

4 1.95 36 1.96 2.08 1.82 2.1 1.8

5 2 34 1.96 2.08 1.82 2.1 1.8

6 2 73 1.96 2.08 1.82 2.1 1.8

7 1.9 39 1.96 2.08 1.82 2.1 1.8

8 1.95 10 1.96 2.08 1.82 2.1 1.8

9 2 6 1.96 2.08 1.82 2.1 1.8

10 1.95 18 1.96 2.08 1.82 2.1 1.8



Kelompok 9


Tabel 4.21 Iterasi 0 Diameter Dinamo

11 1.9 3 1.96 2.08 1.82 2.1 1.8

12 1.9 21 1.96 2.08 1.82 2.1 1.8

13 2 20 1.96 2.08 1.82 2.1 1.8

14 1.95 13 1.96 2.08 1.82 2.1 1.8

15 2 28 1.96 2.08 1.82 2.1 1.8

Contoh Perhitungan

mm 1,82= xLCL

mm 2,08 = x UCL

96,115

29,35

n

x

X

Standar perusahaan untuk Diameter Dinamo 1,95 mm 0,15 mm

USL = 1,95+ 0,15 = 2,1 mm

LSL = 1,95 – 0,15 = 1,8 mm

Gambar 4.37 Peta Kendali X Diameter Dinamo Iterasi 0 Excel

1.60

1.70

1.80

1.90

2.00

2.10

2.20

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Uku

ran

sampel

Peta Kendali X bar Diameter Dinamo(Iterasi 0)

LCL

USL

LSL

Ukuran (mm)

LSL

X bar



Kelompok 9


Gambar 4.38 Peta Kendali X Diameter Dinamo Iterasi 0 Software SPSS

151413121110987654321

2.10

2.05

2.00

1.95

1.90

1.85

1.80

Observation

Ind

ivid

ua

l V

alu

e

_X=1.9567

UCL=2.0896

LCL=1.8237

I Chart of C1

Gambar 4.39 Peta Kendali X Diameter Dinamo Iterasi 0 Software Minitab



Kelompok 9


4.2.2 Data Atribut (Manual, SPSS, Minitab)

Peta kendali p

1. Plat Belakang Besar

Untuk data atribut plat belakang besar dengan jumlah number of inspection

berbeda di setiap harinya dan jumlah ketidaksesuaian lebih sedikit maka

menggunakan peta kendali p.

Iterasi 0

Tabel 4.22 Perhitungan Plat Belakang Besar

No N. Of

Inspection

N. Of

Nonconformities pi pbar UCL LCL

1 99 10 0.10101 0.10541 0.198 0.01282

2 93 6 0.06452 0.10541 0.20094 0.00988

3 77 5 0.06494 0.10541 0.2104 0.00042

4 94 11 0.11702 0.10541 0.20043 0.01039

5 62 10 0.16129 0.10541 0.22241 -0.0116

6 101 5 0.0495 0.10541 0.19708 0.01374

7 79 8 0.10127 0.10541 0.20906 0.00176

8 82 10 0.12195 0.10541 0.20714 0.00368

9 94 13 0.1383 0.10541 0.20043 0.01039

10 112 11 0.09821 0.10541 0.19246 0.01836

11 82 10 0.12195 0.10541 0.20714 0.00368

12 92 6 0.06522 0.10541 0.20146 0.00936

13 101 5 0.0495 0.10541 0.19708 0.01374

14 95 8 0.08421 0.10541 0.19993 0.01089

15 109 13 0.11927 0.10541 0.19365 0.01717

16 79 9 0.11392 0.10541 0.20906 0.00176

17 84 19 0.22619 0.10541 0.20593 0.00489

18 87 10 0.11494 0.10541 0.20418 0.00664

19 90 9 0.1 0.10541 0.20252 0.0083

20 81 11 0.1358 0.10541 0.20777 0.00305

∑ 1793 189



Kelompok 9


Contoh perhitungan data pertama :

diperiksajumlah

cacatjumlahpi

99

10pi

= 0,10101

pbar = n

x

p

m

t

t 1

1793

189p

= 0,10541

UCL = p + 3

in

pp 1

= 0.10541 + 3 99

0,1054110,10541

= 0,198

LCL = p - 3

in

pp 1

= 0.10541 - 3 99

0,1054110,10541

= 0,01282



Kelompok 9


Gambar 4.40 Peta P Plat Belakang Besar

Output SPSS

Gambar 4.41 Peta P Plat Belakang Besar (SPSS)

-0.05

0

0.05

0.1

0.15

0.2

0.25

1 3 5 7 9 11 13 15 17 19

Pro

po

rsi

Sampel

p-chart Plat Belakang Besar

pi

pbar

UCL

LCL



Kelompok 9


Output minitab

191715131197531

0.25

0.20

0.15

0.10

0.05

0.00

Sample

Pro

po

rtio

n

_P=0.1054

UCL=0.2078

LCL=0.0030

1

P Chart of C2

Tests performed with unequal sample sizes

Gambar 4.42 Peta P Plat Belakang Besar (Minitab)

Pada iterasi 0 peta kendali p plat belakang besar terdapat 1 komponen yang

keluar dari batas atas yaitu komponen 17 dengan nilai cacat 0.22619.

iterasi 1

Tabel 4.23 Peta P plat belakang besar iterasi 1

No N. Of

Inspection

N. Of


1 99 10 0.10101 0.09947 0.18971 0.00923

2 93 6 0.06452 0.09947 0.19258 0.00637

3 77 5 0.06494 0.09947 0.2018 -0.0029

4 94 11 0.11702 0.09947 0.19208 0.00686

5 62 10 0.16129 0.09947 0.21351 -0.0146

6 101 5 0.0495 0.09947 0.18882 0.01013

7 79 8 0.10127 0.09947 0.20049 -0.0015

8 82 10 0.12195 0.09947 0.19863 0.00032

9 94 13 0.1383 0.09947 0.19208 0.00686

10 112 11 0.09821 0.09947 0.18432 0.01463

11 82 10 0.12195 0.09947 0.19863 0.00032



Kelompok 9


Lanjutan Tabel 4.23 Peta P plat belakang besar iterasi 1

12 92 6 0.06522 0.09947 0.19308 0.00586

13 101 5 0.0495 0.09947 0.18882 0.01013

14 95 8 0.08421 0.09947 0.19159 0.00735

15 109 13 0.11927 0.09947 0.18548 0.01347

16 79 9 0.11392 0.09947 0.20049 -0.0015

17 87 10 0.11494 0.09947 0.19574 0.00321

18 90 9 0.1 0.09947 0.19412 0.00483

19 81 11 0.1358 0.09947 0.19924 -0.0003

∑ 1709 170


diperiksajumlah

cacatjumlahpi

99

10pi

= 0,10101

pbar = n

x

p

m

t

t 1

1709

170p

= 0,09947

UCL = p + 3

in

pp 1

= 0.09947 + 3 99

0,0994710,09947

= 0,18971



Kelompok 9


LCL = p - 3

in

pp 1

= 0.09947 - 3 99

0,0994710,09947

= 0,00923

Gambar 4.43 P chart plat belakang besar iterasi 1

-0.05

0

0.05

0.1

0.15

0.2

0.25

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Pro

po

rsi

Sampel

p-chart Plat Belakang Besar

pi

pbar

UCL

LCL



Kelompok 9


Output SPSS

Gambar 4.44 P chart plat belakang besar iterasi 1 (SPSS)

Output minitab

191715131197531

0.20

0.15

0.10

0.05

0.00

Sample

Pro

po

rtio

n

_P=0.0995

UCL=0.1992

LCL=0

P Chart of C2


Gambar 4.45 P chart plat belakang besar iterasi 1 (Minitab)



Kelompok 9


2. Plat Belakang Kecil

Iterasi 0

Tabel 4.24 Perhitungan Peta P plat belakang kecil

No N. Of

Inspection

N. Of


1 87 9 0.10345 0.11662 0.21986 0.01339

2 81 12 0.14815 0.11662 0.22361 0.00963

3 83 9 0.10843 0.11662 0.22231 0.01093

4 110 12 0.10909 0.11662 0.20843 0.02481

5 83 7 0.08434 0.11662 0.22231 0.01093

6 104 22 0.21154 0.11662 0.21104 0.0222

7 104 7 0.06731 0.11662 0.21104 0.0222

8 101 13 0.12871 0.11662 0.21243 0.02081

9 77 9 0.11688 0.11662 0.22635 0.00689

10 99 10 0.10101 0.11662 0.2134 0.01985

11 110 13 0.11818 0.11662 0.20843 0.02481

12 88 20 0.22727 0.11662 0.21927 0.01398

13 89 10 0.11236 0.11662 0.21869 0.01455

14 99 12 0.12121 0.11662 0.2134 0.01985

15 84 5 0.05952 0.11662 0.22168 0.01156

16 92 8 0.08696 0.11662 0.21701 0.01623

17 76 10 0.13158 0.11662 0.22707 0.00617

18 88 9 0.10227 0.11662 0.21927 0.01398

19 98 7 0.07143 0.11662 0.21389 0.01935

20 82 10 0.12195 0.11662 0.22296 0.01029

∑ 1835 214


diperiksajumlah

cacatjumlahpi

87

9pi

= 0,10345

pbar = n

x

p

m

t

t 1



Kelompok 9


1835

214p

= 0,11662

UCL = p + 3

in

pp 1

= 0.11662 + 3 87

0,1166210,11662

= 0,21986

LCL = p - 3

in

pp 1

= 0.11662 - 3 87

0,1166210,11662

= 0,01339

Gambar 4.46 P Chart plat belakang kecil

0

0.05

0.1

0.15

0.2

0.25

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Pro

po

rsi

Sampel

p-chart Plat Belakang Kecil

pi

pbar

UCL

LCL



Kelompok 9


Output SPSS

Gambar 4.47 P Chart plat belakang kecil (SPSS)

Output Minitab

191715131197531

0.25

0.20

0.15

0.10

0.05

0.00

Sample

Pro

po

rtio

n

_P=0.1166

UCL=0.2230

LCL=0.0103

1

1

P Chart of C2


Gambar 4.48 P Chart plat belakang kecil (Minitab)



Kelompok 9


Pada iterasi 0 peta kendali p plat belakang besar terdapat 2 komponen yang

keluar dari batas atas yaitu komponen 6 dengan nilai cacat 0.21154dan komponen 12

dengan nilai cacat 0.22727.

iterasi 1 Tabel 4.25 Perhitungan Peta P plat belakang kecil iterasi 1

No N. Of

Inspection

N. Of


1 87 9 0.10345 0.10469 0.20315 0.00622

2 81 12 0.14815 0.10469 0.20674 0.00264

3 83 9 0.10843 0.10469 0.2055 0.00387

4 110 12 0.10909 0.10469 0.19226 0.01712

5 83 7 0.08434 0.10469 0.2055 0.00387

6 104 7 0.06731 0.10469 0.19475 0.01463

7 101 13 0.12871 0.10469 0.19608 0.0133

8 77 9 0.11688 0.10469 0.20935 2E-05

9 99 10 0.10101 0.10469 0.19699 0.01238

10 110 13 0.11818 0.10469 0.19226 0.01712

11 89 10 0.11236 0.10469 0.20204 0.00733

12 99 12 0.12121 0.10469 0.19699 0.01238

13 84 5 0.05952 0.10469 0.2049 0.00448

14 92 8 0.08696 0.10469 0.20044 0.00893

15 76 10 0.13158 0.10469 0.21004 -0.0007

16 88 9 0.10227 0.10469 0.20259 0.00678

17 98 7 0.07143 0.10469 0.19746 0.01191

18 82 10 0.12195 0.10469 0.20611 0.00326

∑ 1643 172


diperiksajumlah

cacatjumlahpi

87

9pi

= 0,10345

pbar = n

x

p

m

t

t 1



Kelompok 9


1643

172p

= 0,10469

UCL = p + 3

in

pp 1

= 0.10469 + 3 87

0,1046910,10469

= 0,20315

LCL = p - 3

in

pp 1

= 0.10469 - 3 87

0,1046910,10469

= 0,00622

Gambar 4.49 P Chart plat belakang kecil iterasi 1

-0.05

0

0.05

0.1

0.15

0.2

0.25

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Pro

po

rsi

Sampel

p-chart Plat Belakang Kecil

pi

pbar

UCL

LCL



Kelompok 9


Output SPSS

Gambar 4.50 P Chart plat belakang kecil iterasi 1 (SPSS)

Output minitab

191715131197531

0.20

0.15

0.10

0.05

0.00

Sample

Pro

po

rtio

n

_P=0.1047

UCL=0.2061

LCL=0.0033

P Chart of C2


Gambar 4.51 P Chart plat belakang kecil iterasi 1 (Minitab)



Kelompok 9


3. Plat Depan

Perhitungan Manual

Iterasi 0

Tabel 4.26 data plat depan iterasi 0

No

Plat Depan

Pi Pbar UCL LCL N. Of

Inspection

N. Of

Nonconformities

1 88 11 0.125 0.106052193 0.204520354 0.007584032

2 92 6 0.065217391 0.106052193 0.202355955 0.009748432

3 89 12 0.134831461 0.106052193 0.2039656 0.008138787

4 60 17 0.283333333 0.106052193 0.225303058 -0.013198672

5 101 13 0.128712871 0.106052193 0.197965095 0.014139292

6 98 10 0.102040816 0.106052193 0.19936132 0.012743066

7 74 7 0.094594595 0.106052193 0.213431675 -0.001327289

8 78 10 0.128205128 0.106052193 0.210642121 0.001462266

9 100 7 0.07 0.106052193 0.198423516 0.01368087

10 96 7 0.072916667 0.106052193 0.20032828 0.011776107

11 108 10 0.092592593 0.106052193 0.19493654 0.017167846

12 98 10 0.102040816 0.106052193 0.19936132 0.012743066

13 92 11 0.119565217 0.106052193 0.202355955 0.009748432

14 88 12 0.136363636 0.106052193 0.204520354 0.007584032

15 101 12 0.118811881 0.106052193 0.197965095 0.014139292

16 88 9 0.102272727 0.106052193 0.204520354 0.007584032

17 73 6 0.082191781 0.106052193 0.214164649 -0.002060263

18 106 8 0.075471698 0.106052193 0.195771153 0.016333233

19 94 5 0.053191489 0.106052193 0.201325938 0.010778448

20 77 8 0.103896104 0.106052193 0.211319085 0.000785301

𝑝1 =𝑁. 𝑜𝑓 𝑛𝑜𝑛𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑖𝑡𝑖𝑒𝑠

𝑁. 𝑜𝑓 𝑖𝑛𝑠𝑝𝑒𝑐𝑡𝑖𝑜𝑛=

11

88= 0.125

�̅� =∑ 𝑁. 𝑜𝑓 𝑛𝑜𝑛𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑖𝑡𝑖𝑒𝑠

∑ 𝑁. 𝑜𝑓 𝑖𝑛𝑠𝑝𝑒𝑐𝑡𝑖𝑜𝑛 =

191

1801= 0.106052193

𝑈𝐶𝐿 = �̅� + (3√�̅�(1 − �̅�)

𝑛)



Kelompok 9


= 0.106052193 + (3√0.106052193(1−0.106052193)

88) = 0.204520354

𝐿𝐶𝐿 = �̅� − (3√�̅�(1 − �̅�)

𝑛)

= 0.106052193 − (3√0.106052193(1−0.106052193)

88) =0.007584032

Gambar 4.52 output peta kendali manual plat depan iterasi 0

-0.05

0

0.05

0.1

0.15

0.2

0.25

0.3

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Pro

po

rsi

Sample

P Chart Plat Depan

Pi Pbar UCL LCL



Kelompok 9


Output SPSS

Gambar 4.53 output peta kendali manual plat depan iterasi 0 (SPSS)

Output minitab

191715131197531

0.30

0.25

0.20

0.15

0.10

0.05

0.00

Sample

Pro

po

rtio

n

_P=0.1061

UCL=0.2113

LCL=0.0008

1

P Chart of C2


Gambar 4.54 output peta kendali manual plat depan iterasi 0 (Minitab)



Kelompok 9


Pada data terlihat ada yang keluar dari batas dimana nilai P4 sebesar

0.283333333 sedangkan UCL nya sebesar 0.225303058 sehingga data di

hilangkan dari peta kendali.

Iterasi 1

Tabel 4.27 data plat depan besar iterasi 1

No

Plat Depan

Pi Pbar UCL LCL N. Of

Inspection

N. Of

Nonconformities

1 88 11 0.125 0.099942562 0.195858387 0.004026736

2 92 6 0.065217391 0.099942562 0.19375009 0.006135034

3 89 12 0.134831461 0.099942562 0.195318012 0.004567111

4 101 13 0.128712871 0.099942562 0.189473043 0.01041208

5 98 10 0.102040816 0.099942562 0.190833078 0.009052046

6 74 7 0.094594595 0.099942562 0.204538723 -0.0046536

7 78 10 0.128205128 0.099942562 0.201821475 -0.001936352

8 100 7 0.07 0.099942562 0.189919582 0.009965542

9 96 7 0.072916667 0.099942562 0.191774973 0.00811015

10 108 10 0.092592593 0.099942562 0.18652299 0.013362134

11 98 10 0.102040816 0.099942562 0.190833078 0.009052046

12 92 11 0.119565217 0.099942562 0.19375009 0.006135034

13 88 12 0.136363636 0.099942562 0.195858387 0.004026736

14 101 12 0.118811881 0.099942562 0.189473043 0.01041208

15 88 9 0.102272727 0.099942562 0.195858387 0.004026736

16 73 6 0.082191781 0.099942562 0.205252698 -0.005367575

17 106 8 0.075471698 0.099942562 0.187335969 0.012549154

18 94 5 0.053191489 0.099942562 0.192746772 0.007138352

19 77 8 0.103896104 0.099942562 0.202480893 -0.002595769

𝑝1 =𝑁. 𝑜𝑓 𝑛𝑜𝑛𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑖𝑡𝑖𝑒𝑠

𝑁. 𝑜𝑓 𝑖𝑛𝑠𝑝𝑒𝑐𝑡𝑖𝑜𝑛=

11

88= 0.125

�̅� =∑ 𝑁. 𝑜𝑓 𝑛𝑜𝑛𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑖𝑡𝑖𝑒𝑠

∑ 𝑁. 𝑜𝑓 𝑖𝑛𝑠𝑝𝑒𝑐𝑡𝑖𝑜𝑛 =

174

1741= 0.099942

𝑈𝐶𝐿 = �̅� + (3√�̅�(1 − �̅�)

𝑛)



Kelompok 9


= 0.099942 + (3√0.099942(1−0.099942)

88) =0.195858387

𝐿𝐶𝐿 = �̅� − (3√�̅�(1 − �̅�)

𝑛)

= 0.099942 − (3√0.099942(1−0.099942)

88) =0.004026736

Gambar 4.55 output peta kendali p manual plat depan iterasi 1

-0.05

0

0.05

0.1

0.15

0.2

0.25

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Pro

po

rsi

Sample

p Chart Plat Depan Iterasi 1

Pi Pbar UCL LCL



Kelompok 9


Output SPSS


Output minitab

191715131197531

0.20

0.15

0.10

0.05

0.00

Sample

Pro

po

rtio

n

_P=0.0999

UCL=0.2025

LCL=0

P Chart of C2





Kelompok 9


4. Penutup Plat Depan

Iterasi 0

Tabel 4.28 Peta p penutup plat depan iterasi 0

No N. Of

Inspection

N. Of


1 87 10 0.11494 0.09942 0.19565 0.00318

2 77 10 0.12987 0.09942 0.20171 -0.0029

3 92 5 0.05435 0.09942 0.193 0.00583

4 103 10 0.09709 0.09942 0.18786 0.01097

5 102 10 0.09804 0.09942 0.1883 0.01053

6 107 6 0.05607 0.09942 0.18619 0.01264

7 68 9 0.13235 0.09942 0.20827 -0.0094

8 88 10 0.11364 0.09942 0.19511 0.00372

9 101 11 0.10891 0.09942 0.18874 0.0101

10 79 9 0.11392 0.09942 0.20041 -0.0016

11 83 10 0.12048 0.09942 0.19795 0.00088

12 73 7 0.09589 0.09942 0.20448 -0.0056

13 72 14 0.19444 0.09942 0.2052 -0.0064

14 80 8 0.1 0.09942 0.19978 -0.0009

15 82 5 0.06098 0.09942 0.19854 0.00029

16 69 6 0.08696 0.09942 0.20748 -0.0086

17 84 8 0.09524 0.09942 0.19736 0.00147

18 86 10 0.11628 0.09942 0.19621 0.00262

19 91 4 0.04396 0.09942 0.19352 0.00532

20 86 8 0.09302 0.09942 0.19621 0.00262

∑ 1710 170


diperiksajumlah

cacatjumlahpi

87

10pi

= 0,11494

pbar = n

x

p

m

t

t 1



Kelompok 9


1710

170p

= 0,09942

UCL = p + 3

in

pp 1

= 0.09942 + 3 87

0,0994210,09942

= 0,19565

LCL = p - 3

in

pp 1

= 0.09942 - 3 87

0,0994210,09942

= 0,00318

Gambar 4.58 output peta kendali p manual penutup plat depan iterasi 1

-0.05

0

0.05

0.1

0.15

0.2

0.25

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Pro

po

rsi

Sampel

p-chart Penutup Plat Depan

pi

pbar

UCL

LCL



Kelompok 9


Output SPSS

Gambar 4.59 output peta kendali p manual penutup plat depan iterasi 1 (SPSS)

Output minitab

191715131197531

0.20

0.15

0.10

0.05

0.00

Sample

Pro

po

rtio

n

_P=0.0994

UCL=0.1962

LCL=0.0026

P Chart of C2


Gambar 4.60 output peta kendali p manual penutup plat depan iterasi 1 (Minitab)



Kelompok 9


Peta kendali np

5. Pengunci Baterai

a. Perhitungan manual dikerjakan dengan menggunakan peta np

Iterasi 0

Tabel 4.29 Pengunci Baterai

No Date N.of Inpection N.of

Nonconformities NP P UCL CL LCL

1 1/3/2014 90 11 9.25 0.10 17.89 9.25 0.61

2 1/4/2014 90 18 9.25 0.10 17.89 9.25 0.61

3 1/7/2014 90 4 9.25 0.10 17.89 9.25 0.61

4 1/8/2014 90 7 9.25 0.10 17.89 9.25 0.61

5 1/15/2014 90 10 9.25 0.10 17.89 9.25 0.61

6 1/20/2014 90 7 9.25 0.10 17.89 9.25 0.61

7 1/21/2014 90 5 9.25 0.10 17.89 9.25 0.61

8 1/22/2014 90 9 9.25 0.10 17.89 9.25 0.61

9 1/25/2014 90 10 9.25 0.10 17.89 9.25 0.61

10 1/26/2014 90 7 9.25 0.10 17.89 9.25 0.61

11 1/29/2014 90 7 9.25 0.10 17.89 9.25 0.61

12 1/30/2014 90 13 9.25 0.10 17.89 9.25 0.61

13 1/31/2014 90 14 9.25 0.10 17.89 9.25 0.61

14 2/2/2014 90 6 9.25 0.10 17.89 9.25 0.61

15 2/9/2014 90 13 9.25 0.10 17.89 9.25 0.61

16 2/10/2014 90 8 9.25 0.10 17.89 9.25 0.61

17 2/13/2013 90 8 9.25 0.10 17.89 9.25 0.61

18 2/18/2014 90 10 9.25 0.10 17.89 9.25 0.61

19 2/19/2014 90 8 9.25 0.10 17.89 9.25 0.61

20 2/22/2014 90 10 9.25 0.10 17.89 9.25 0.61

Total 1800 185

Contoh perhitungan

103,01800

18520

20

20

1

i

i

inspection

itiesnonconformp

CL = 25,920

185

20

1

g

c

pn i



Kelompok 9


UCL = )1(3 ppnpn

= 250,9 + 1,01(250,93 = 17.893

LCL1 = )1(3 ppnpn

= 9,25 - )1,01(250,93 = 0.61

b. Output Software

Gambar 4.61 Output np-Chart Excel Pengunci Baterai

0

2

4

6

8

10

12

14

16

18

20

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

jum

lah

cac

at

Sampel

Peta Kendali NP Pengunci Baterai

N.of Nonconformities

UCL

CL

LCL



Kelompok 9


SPSS

Gambar 4.62 Output np-Chart Software SPSS Dinamo

Minitab

191715131197531

20

15

10

5

0

Sample

Sa

mp

le C

ou

nt

__NP=9.25

UCL=17.89

LCL=0.61

1

NP Chart of N.of Nonconformities

Gambar 4.63 Output np-Chart Software Minitab Pengunci Baterai



Kelompok 9


Berdasarkan ketiga grafik di atas, dapat disimpulkan banyaknya cacat pada lot

nomor 2 berada diluar batas kendali atas, sehingga dapat dinyatakan banyaknya cacat

masih belum terkendali. sehingga lot tersebut harus dieleminasi.

Iterasi 1

Tabel 4.30 Pengunci Baterai Iterasi 1

No Date N.of

Inpection

N.of


1 1/3/2014 90 11 8.79 0.10 17.24 8.79 0.34

3 1/7/2014 90 4 8.79 0.10 17.24 8.79 0.34

4 1/8/2014 90 7 8.79 0.10 17.24 8.79 0.34

5 1/15/2014 90 10 8.79 0.10 17.24 8.79 0.34

6 1/20/2014 90 7 8.79 0.10 17.24 8.79 0.34

7 1/21/2014 90 5 8.79 0.10 17.24 8.79 0.34

8 1/22/2014 90 9 8.79 0.10 17.24 8.79 0.34

9 1/25/2014 90 10 8.79 0.10 17.24 8.79 0.34

10 1/26/2014 90 7 8.79 0.10 17.24 8.79 0.34

11 1/29/2014 90 7 8.79 0.10 17.24 8.79 0.34

12 1/30/2014 90 13 8.79 0.10 17.24 8.79 0.34

13 1/31/2014 90 14 8.79 0.10 17.24 8.79 0.34

14 2/2/2014 90 6 8.79 0.10 17.24 8.79 0.34

15 2/9/2014 90 13 8.79 0.10 17.24 8.79 0.34

16 2/10/2014 90 8 8.79 0.10 17.24 8.79 0.34

17 2/13/2013 90 8 8.79 0.10 17.24 8.79 0.34

18 2/18/2014 90 10 8.79 0.10 17.24 8.79 0.34

19 2/19/2014 90 8 8.79 0.10 17.24 8.79 0.34

20 2/22/2014 90 10 8.79 0.10 17.24 8.79 0.34

Total 1710 167

Contoh perhitungan

10,01710

16720

20

20

1

i

i

inspection

itiesnonconformp

CL = 79,819

167

20

1

g

c

pn i



Kelompok 9


UCL = )1(3 ppnpn

= 8,79 + )1,01( 8,793 = 17.24

LCL1 = )1(3 ppnpn

= 8,79 - )1,01( 8,793

= 0.34

c. Output Software

Excel (Iterasi 1)

Gambar 4.64 Output np-Chart Excel Pengunci Baterai

0

2

4

6

8

10

12

14

16

18

20

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

JUM

LAH

CA

CA

T

Sampel

Peta Kendali NP Pengunci Baterai


UCL

CL

LCL



Kelompok 9


SPSS (Iterasi 1)

Gambar 4.65 Output np-Chart Software SPSS Pengunci baterai

Minitab (Iterasi 1)

191715131197531

18

16

14

12

10

8

6

4

2

0

Sample

Sa

mp

le C

ou

nt

__NP=8.79

UCL=17.24

LCL=0.34


Gambar 4.66 Output np-Chart Software Minitab Pengunci Baterai



Kelompok 9


6. Dinamo

a. Perhitungan Manual

Tabel 4.31 Pengolahan Data Raw Material Dinamo

No Date N.of

Inpection

N.of


1 1/3/2014 90 9 9.65 0.11 18.456 9.65 0.844

2 1/4/2014 90 7 9.65 0.11 18.456 9.65 0.844

3 1/7/2014 90 10 9.65 0.11 18.456 9.65 0.844

4 1/8/2014 90 7 9.65 0.11 18.456 9.65 0.844

5 1/15/2014 90 19 9.65 0.11 18.456 9.65 0.844

6 1/20/2014 90 7 9.65 0.11 18.456 9.65 0.844

7 1/21/2014 90 7 9.65 0.11 18.456 9.65 0.844

8 1/22/2014 90 6 9.65 0.11 18.456 9.65 0.844

9 1/25/2014 90 8 9.65 0.11 18.456 9.65 0.844

10 1/26/2014 90 8 9.65 0.11 18.456 9.65 0.844

11 1/29/2014 90 10 9.65 0.11 18.456 9.65 0.844

12 1/30/2014 90 13 9.65 0.11 18.456 9.65 0.844

13 1/31/2014 90 6 9.65 0.11 18.456 9.65 0.844

14 2/2/2014 90 9 9.65 0.11 18.456 9.65 0.844

15 2/9/2014 90 7 9.65 0.11 18.456 9.65 0.844

16 2/10/2014 90 18 9.65 0.11 18.456 9.65 0.844

17 2/13/2013 90 10 9.65 0.11 18.456 9.65 0.844

18 2/18/2014 90 10 9.65 0.11 18.456 9.65 0.844

19 2/19/2014 90 11 9.65 0.11 18.456 9.65 0.844

20 2/22/2014 90 11 9.65 0.11 18.456 9.65 0.844

Total 1800 193



Kelompok 9


Contoh perhitungan

11,01800

19320

20

20

1

i

i

inspection

itiesnonconformp

CL = 65,920

193

20

1

g

c

pn i

UCL = )1(3 ppnpn

= 9,65 + )11,01(65,93 = 18,456

LCL1 = )1(3 ppnpn

= 9,65 - )11,01(65,93 = 0.844

b. Output Software

Excel

Gambar 4.67 Output np-Chart Excel Dinamo (Iterasi 1)

0

2

4

6

8

10

12

14

16

18

20

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

jum

lah

cac

at

Sampel

Peta Kendali NP Dinamo


UCL

CL

LCL



Kelompok 9


SPSS


Minitab

191715131197531

20

15

10

5

0

Sample

Sa

mp

le C

ou

nt

__NP=9.65

UCL=18.46

LCL=0.84

1


Gambar 4.69 Output np-Chart Software Minitab Dinamo



Kelompok 9


Dilihat dari perbandingan grafik hasil pengolahan dengan Excel, Minitab maupun

SPSS menunjukkan hasil yang sama. Peta kendali tersebut menunjukkan bahwa pada

iterasi 0 batas kendali atas (UCL) sebesar 18.456 dan batas kendali bawah (LCL) sebesar

0.844 , dan rata-ratanya ataun nilai CL sebesar 9.650 namun data ke-5 harus dihilangkan

karena melebihi batas kontrol atas.

Iterasi 1

Tabel 4.32 Dinamo iterasi 1

No Date N.of

Inpection

N.of


1 1/3/2014 90 9 9.16 0.10 17.76 9.16 0.55

2 1/4/2014 90 7 9.16 0.10 17.76 9.16 0.55

3 1/7/2014 90 10 9.16 0.10 17.76 9.16 0.55

4 1/8/2014 90 7 9.16 0.10 17.76 9.16 0.55

6 1/20/2014 90 7 9.16 0.10 17.76 9.16 0.55

7 1/21/2014 90 7 9.16 0.10 17.76 9.16 0.55

8 1/22/2014 90 6 9.16 0.10 17.76 9.16 0.55

9 1/25/2014 90 8 9.16 0.10 17.76 9.16 0.55

10 1/26/2014 90 8 9.16 0.10 17.76 9.16 0.55

11 1/29/2014 90 10 9.16 0.10 17.76 9.16 0.55

12 1/30/2014 90 13 9.16 0.10 17.76 9.16 0.55

13 1/31/2014 90 6 9.16 0.10 17.76 9.16 0.55

14 2/2/2014 90 9 9.16 0.10 17.76 9.16 0.55

15 2/9/2014 90 7 9.16 0.10 17.76 9.16 0.55

16 2/10/2014 90 18 9.16 0.10 17.76 9.16 0.55

17 2/13/2013 90 10 9.16 0.10 17.76 9.16 0.55

18 2/18/2014 90 10 9.16 0.10 17.76 9.16 0.55

19 2/19/2014 90 11 9.16 0.10 17.76 9.16 0.55

20 2/22/2014 90 11 9.16 0.10 17.76 9.16 0.55

Total 1710 174

Contoh perhitungan:

10,01710

17420

20

20

1

i

i

inspection

itiesnonconformp



Kelompok 9


CL = 16,919

174

20

1

g

c

pn i

UCL = )1(3 ppnpn

= 9,16 + )10,01(16,93 = 17,76

LCL = )1(3 ppnpn = 9,16 -

= 0,55

Excel (Iterasi 1)


0

2

4

6

8

10

12

14

16

18

20

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

JUM

LAH

CA

CA

T

Sampel



UCL

CL

LCL



Kelompok 9


SPSS (Iterasi 1)


Minitab (Iterasi 1)

191715131197531

20

15

10

5

0

Sample

Sa

mp

le C

ou

nt

__NP=9.16

UCL=17.76

LCL=0.55

1





Kelompok 9


Iterasi 2

Tabel 4.33 Dinamo iterasi 2

No Date N.of

Inpection

N.of


1 1/3/2014 90 9 8.67 0.10 17.06 8.68 0.27

2 1/4/2014 90 7 8.67 0.10 17.06 8.68 0.27

3 1/7/2014 90 10 8.67 0.10 17.06 8.68 0.27

4 1/8/2014 90 7 8.67 0.10 17.06 8.68 0.27

6 1/20/2014 90 7 8.67 0.10 17.06 8.68 0.27

7 1/21/2014 90 7 8.67 0.10 17.06 8.68 0.27

8 1/22/2014 90 6 8.67 0.10 17.06 8.68 0.27

9 1/25/2014 90 8 8.67 0.10 17.06 8.68 0.27

10 1/26/2014 90 8 8.67 0.10 17.06 8.68 0.27

11 1/29/2014 90 10 8.67 0.10 17.06 8.68 0.27

12 1/30/2014 90 13 8.67 0.10 17.06 8.68 0.27

13 1/31/2014 90 6 8.67 0.10 17.06 8.68 0.27

14 2/2/2014 90 9 8.67 0.10 17.06 8.68 0.27

15 2/9/2014 90 7 8.67 0.10 17.06 8.68 0.27

17 2/13/2013 90 10 8.67 0.10 17.06 8.68 0.27

18 2/18/2014 90 10 8.67 0.10 17.06 8.68 0.27

19 2/19/2014 90 11 8.67 0.10 17.06 8.68 0.27

20 2/22/2014 90 11 8.67 0.10 17.06 8.68 0.27

Total 1620 156



Kelompok 9


Contoh perhitungan:

10,01620

15620

20

20

1

i

i

inspection

itiesnonconformp

CL = 67,818

156

20

1

g

c

pn i

UCL = )1(3 ppnpn

= 8,67+ )10,01(67,83 = 17,06

LCL = )1(3 ppnpn

= 8,67 - )10,01(67,83 = 0,27

Excel (Iterasi 2)


0

5

10

15

20

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

JUM

LAH

CA

CA

T

Sampel



UCL

CL

LCL



Kelompok 9


SPSS (Iterasi 2)


Minitab (Iterasi 2)

191715131197531

18

16

14

12

10

8

6

4

2

0

Sample

Sa

mp

le C

ou

nt

__NP=8.68

UCL=17.09

LCL=0.28





Kelompok 9


Peta Kendali c

1. Roller Besar

Iterasi 0

Perhitungan Manual

Number of nonconformities =

c = 2051/20 = 102,55

UCL = c + 3√𝑐 = 102,55 + 3 √102,55 = 132,93

LCL = c - 3√𝑐 = 102,55 - 3 √102,55 = 72,17

Tabel 4.34 roller besar iterasi 0

No Date

Roller Besar

N. Of

Inspection

N. Of

Nonconformities c UCL LCL

1 03/01/2014 90 122 102,55 132,93 72,17

2 04/01/2014 90 113 102,55 132,93 72,17

3 07/01/2014 90 88 102,55 132,93 72,17

4 08/01/2014 90 100 102,55 132,93 72,17

5 15/01/2014 90 111 102,55 132,93 72,17

6 20/01/2014 90 95 102,55 132,93 72,17

7 21/01/2014 90 116 102,55 132,93 72,17

8 22/01/2014 90 104 102,55 132,93 72,17

9 25/01/2014 90 107 102,55 132,93 72,17

10 28/01/2014 90 101 102,55 132,93 72,17

11 29/01/2014 90 93 102,55 132,93 72,17

12 30/01/2014 90 108 102,55 132,93 72,17

13 31/01/2014 90 111 102,55 132,93 72,17

14 02/02/2014 90 101 102,55 132,93 72,17

15 09/02/2014 90 102 102,55 132,93 72,17

16 10/02/2014 90 94 102,55 132,93 72,17

17 13/02/2014 90 97 102,55 132,93 72,17

18 18/02/2014 90 98 102,55 132,93 72,17

19 19/02/2014 90 85 102,55 132,93 72,17

20 22/02/2014 90 105 102,55 132,93 72,17

Total 2051



Kelompok 9


Gambar 4.76 output peta kendali c manual roller besar iterasi 0

Berdasarkan grafik diatas tidak terdapat data yang melewati UCL maupun LCL,


Software SPSS

Gambar 4.77 output peta kendali c SPSS roller besar iterasi 0

0

20

40

60

80

100

120

140

1 3 5 7 9 11 13 15 17 19

Ke

tid

akse

suai

an

Sampel

Peta Kendali c Iterasi 0 Roller Besar

N. Of Nonconformities

c

UCL

LCL



Kelompok 9




Software Minitab

191715131197531

140

130

120

110

100

90

80

70

Sample

Sa

mp

le C

ou

nt

_C=102,55

UCL=132,93

LCL=72,17

C Chart of N. Of Nonconformities

Gambar 4.78 output peta kendali c minitab roller besar iterasi 0

Berdasarkan grafik diatas dapat dilihat bahwa tidak terdapat data yang melewati

UCL maupun LCL, sehingga tidak perlu dilakukan iterasi ke-1.

2. Roller Kecil

Iterasi 0

Perhitungan Manual


c = 1960/20 = 98

UCL = c + 3√𝑐 = 98 + 3 √98 = 127,70

LCL = c - 3√𝑐 = 98 - 3 √98 = 68,30



Kelompok 9


Tabel 4.35 roller kecil iterasi 0

No Date

Roller Kecil

N. Of

Inspection

N. Of


1 03/01/2014 90 97 98 127,70 68,30

2 04/01/2014 90 95 98 127,70 68,30

3 07/01/2014 90 94 98 127,70 68,30

4 08/01/2014 90 103 98 127,70 68,30

5 15/01/2014 90 98 98 127,70 68,30

6 20/01/2014 90 60 98 127,70 68,30

7 21/01/2014 90 104 98 127,70 68,30

8 22/01/2014 90 96 98 127,70 68,30

9 25/01/2014 90 92 98 127,70 68,30

10 28/01/2014 90 129 98 127,70 68,30

11 29/01/2014 90 87 98 127,70 68,30

12 30/01/2014 90 98 98 127,70 68,30

13 31/01/2014 90 104 98 127,70 68,30

14 02/02/2014 90 93 98 127,70 68,30

15 09/02/2014 90 86 98 127,70 68,30

16 10/02/2014 90 113 98 127,70 68,30

17 13/02/2014 90 105 98 127,70 68,30

18 18/02/2014 90 100 98 127,70 68,30

19 19/02/2014 90 92 98 127,70 68,30

20 22/02/2014 90 114 98 127,70 68,30

Total 1960



Kelompok 9


Gambar 4.79 output peta kendali c manual roller kecil iterasi 0

Dapat dilihat berdasarkan grafik diatas terdapat data yang melewati UCL dan

LCL. Data tersebut adalah data ke 6 pada tanggal 20/01/2014 dengan noncomformites 60

yang melewati batas LCL dan data ke 10 pada tanggal 28/01/2014 dengan

noncomformites 129 yang melewati batas UCL, sehingga kedua data tersebut

dikeluarkan.

0

20

40

60

80

100

120

140

1 3 5 7 9 11 13 15 17 19

Ke

tid

akse

suai

an

Sampel

Peta Kendali c Iterasi 0 Roller Kecil


c

UCL

LCL



Kelompok 9


Software SPSS

Gambar 4.80 output peta kendali c SPSS roller besar iterasi 0





dikeluarkan.



Kelompok 9


Software Minitab

191715131197531

130

120

110

100

90

80

70

60

Sample

Sa

mp

le C

ou

nt

_C=98

UCL=127,70

LCL=68,30

1

1


Gambar 4.81 output peta kendali c minitab roller kecil iterasi 0





dikeluarkan.



Kelompok 9


Iterasi 1

Perhitungan Manual


c = 1771/18 = 98,39

UCL = c + 3√𝑐 = 98,39 + 3 √98,39 = 128,15

LCL = c - 3√𝑐 = 98,39 - 3 √98,39 = 68,63

Tabel 4.36 roller kecil iterasi 1

No Date

Roller Kecil

N. Of

Inspection

N. Of


1 03/01/2014 90 97 98,39 128,15 68,63

2 04/01/2014 90 95 98,39 128,15 68,63

3 07/01/2014 90 94 98,39 128,15 68,63

4 08/01/2014 90 103 98,39 128,15 68,63

5 15/01/2014 90 98 98,39 128,15 68,63

7 21/01/2014 90 104 98,39 128,15 68,63

8 22/01/2014 90 96 98,39 128,15 68,63

9 25/01/2014 90 92 98,39 128,15 68,63

11 29/01/2014 90 87 98,39 128,15 68,63

12 30/01/2014 90 98 98,39 128,15 68,63

13 31/01/2014 90 104 98,39 128,15 68,63

14 02/02/2014 90 93 98,39 128,15 68,63

15 09/02/2014 90 86 98,39 128,15 68,63

16 10/02/2014 90 113 98,39 128,15 68,63

17 13/02/2014 90 105 98,39 128,15 68,63

18 18/02/2014 90 100 98,39 128,15 68,63

19 19/02/2014 90 92 98,39 128,15 68,63

20 22/02/2014 90 114 98,39 128,15 68,63

Total 1771



Kelompok 9


Gambar 4.82 output peta kendali c manual roller kecil iterasi 1



Software SPSS

Gambar 4.83 output peta kendali c SPSS gear besar iterasi 1

0

20

40

60

80

100

120

140

1 3 5 7 9 11 13 15 17

Ke

tid

akse

suai

an

Sampel

Peta Kendali c Iterasi 1 Roller Kecil

N. OfNonconformities

c

UCL

LCL



Kelompok 9




Software Minitab

1715131197531

130

120

110

100

90

80

70

Sample

Sa

mp

le C

ou

nt

_C=98,39

UCL=128,15

LCL=68,63


Gambar 4.84 output peta kendali c minitab gear besar iterasi 1



3. Rumah Dinamo

Iterasi 0

Perhitunngan Manual


c = 2175/20 = 108,75

UCL = c + 3√𝑐 = 108,75 + 3 √108,75 = 140,03

LCL = c - 3√𝑐 = 108,75 - 3 √108,75 = 77,47



Kelompok 9


Tabel 4.37 rumah dinamo iterasi 0

No Date

Rumah Dinamo

N. Of

Inspection

N. Of


1 03/01/2014 90 103 108,75 140,03 77,47

2 04/01/2014 90 105 108,75 140,03 77,47

3 07/01/2014 90 116 108,75 140,03 77,47

4 08/01/2014 90 70 108,75 140,03 77,47

5 15/01/2014 90 120 108,75 140,03 77,47

6 20/01/2014 90 131 108,75 140,03 77,47

7 21/01/2014 90 108 108,75 140,03 77,47

8 22/01/2014 90 129 108,75 140,03 77,47

9 25/01/2014 90 118 108,75 140,03 77,47

10 28/01/2014 90 95 108,75 140,03 77,47

11 29/01/2014 90 128 108,75 140,03 77,47

12 30/01/2014 90 108 108,75 140,03 77,47

13 31/01/2014 90 102 108,75 140,03 77,47

14 02/02/2014 90 75 108,75 140,03 77,47

15 09/02/2014 90 109 108,75 140,03 77,47

16 10/02/2014 90 95 108,75 140,03 77,47

17 13/02/2014 90 113 108,75 140,03 77,47

18 18/02/2014 90 114 108,75 140,03 77,47

19 19/02/2014 90 112 108,75 140,03 77,47

20 22/02/2014 90 124 108,75 140,03 77,47

Total 2175



Kelompok 9


Gambar 4.85 output peta kendali c manual rumah dinamo iterasi 0

Berdasarkan grafik di atas, terdapat data yang dikeluarkan yaitu data ke 4 pada

tanggal 08/01/2014 dengan nonconformities 70 dan data ke 14 pada tanggal 02/02/2014

dengan nonconformities 75 karena melebihi batas LCL.

Software SPSS

Gambar 4.86 output peta kendali c SPSS rumah dinamo iterasi 0

0

20

40

60

80

100

120

140

160

1 3 5 7 9 11 13 15 17 19

Ke

tid

akse

suai

an

Sampel

Peta Kendali c Iterasi 0 Rumah Dinamo


c

UCL

LCL



Kelompok 9





Software Minitab

191715131197531

140

130

120

110

100

90

80

70

Sample

Sa

mp

le C

ou

nt

_C=108,75

UCL=140,03

LCL=77,47

1

1


Gambar 4.87 output peta kendali c minitab rumah dinamo iterasi 0






Kelompok 9


Iterasi 1

Perhitungan Manual


c = 2030/18 = 112,78

UCL = c + 3√𝑐 = 112,78 + 3 √112,78 = 144,64

LCL = c - 3√𝑐 = 112,78 - 3 √112,78 = 80,92

Tabel 4.38 rumah dinamo iterasi 1

No Date

Rumah Dinamo

N. Of

Inspection

N. Of


1 03/01/2014 90 103 112,78 144,64 80,92

2 04/01/2014 90 105 112,78 144,64 80,92

3 07/01/2014 90 116 112,78 144,64 80,92

5 15/01/2014 90 120 112,78 144,64 80,92

6 20/01/2014 90 131 112,78 144,64 80,92

7 21/01/2014 90 108 112,78 144,64 80,92

8 22/01/2014 90 129 112,78 144,64 80,92

9 25/01/2014 90 118 112,78 144,64 80,92

10 28/01/2014 90 95 112,78 144,64 80,92

11 29/01/2014 90 128 112,78 144,64 80,92

12 30/01/2014 90 108 112,78 144,64 80,92

13 31/01/2014 90 102 112,78 144,64 80,92

15 09/02/2014 90 109 112,78 144,64 80,92

16 10/02/2014 90 95 112,78 144,64 80,92

17 13/02/2014 90 113 112,78 144,64 80,92

18 18/02/2014 90 114 112,78 144,64 80,92

19 19/02/2014 90 112 112,78 144,64 80,92

20 22/02/2014 90 124 112,78 144,64 80,92

Total 2030



Kelompok 9


Gambar 4.88 output peta kendali c manual rumah dinamo iterasi 1



0

50

100

150

200

1 3 5 7 9 11 13 15 17

Ke

tid

akse

suai

an

Sampel

Peta Kendali c Iterasi 1 Rumah Dinamo


c

UCL

LCL



Kelompok 9


Software SPSS

Gambar 4.89 output peta kendali c SPSS rumah dinamo iterasi 1



Software Minitab

1715131197531

150

140

130

120

110

100

90

80

Sample

Sa

mp

le C

ou

nt

_C=112,78

UCL=144,64

LCL=80,92


Gambar 4.90 output peta kendali c minitab rumah dinamo iterasi 1



Kelompok 9




4. Roda Assy

Perhitungan Manual

Iterasi 0


c = 2027/20 = 101,35

UCL = c + 3√𝑐 = 101,35 + 3 √101,35 = 131,55

LCL = c - 3√𝑐 = 101,35 - 3 √101,35 = 71,15

Tabel 4.39 roda assy iterasi 0

No Date

Roda Assy

N. Of

Inspection

N. Of


1 03/01/2014 90 119 101,35 131,55 71,15

2 04/01/2014 90 107 101,35 131,55 71,15

3 07/01/2014 90 87 101,35 131,55 71,15

4 08/01/2014 90 110 101,35 131,55 71,15

5 15/01/2014 90 109 101,35 131,55 71,15

6 20/01/2014 90 102 101,35 131,55 71,15

7 21/01/2014 90 101 101,35 131,55 71,15

8 22/01/2014 90 102 101,35 131,55 71,15

9 25/01/2014 90 108 101,35 131,55 71,15

10 28/01/2014 90 110 101,35 131,55 71,15

11 29/01/2014 90 93 101,35 131,55 71,15

12 30/01/2014 90 88 101,35 131,55 71,15

13 31/01/2014 90 104 101,35 131,55 71,15

14 02/02/2014 90 87 101,35 131,55 71,15

15 09/02/2014 90 96 101,35 131,55 71,15

16 10/02/2014 90 102 101,35 131,55 71,15

17 13/02/2014 90 96 101,35 131,55 71,15

18 18/02/2014 90 114 101,35 131,55 71,15

19 19/02/2014 90 101 101,35 131,55 71,15



Kelompok 9


Lanjutan Tabel 4.39 roda assy iterasi 0

20 22/02/2014 90 91 101,35 131,55 71,15

Total 2027

Gambar 4.91 output peta kendali c manual roda assy iterasi 0



0

20

40

60

80

100

120

140

1 3 5 7 9 11 13 15 17 19

Ke

tid

akse

suai

an

Sampel

Peta Kendali c Iterasi 0 Roda Assy


c

UCL

LCL



Kelompok 9


Software SPSS

Gambar 4.92 output peta kendali c SPSS roda assy iterasi 0



Software Minitab

191715131197531

130

120

110

100

90

80

70

Sample

Sa

mp

le C

ou

nt

_C=101,35

UCL=131,55

LCL=71,15


Gambar 4.93 output peta kendali c minitab roda assy iterasi 0



Kelompok 9




5. Gear Besar

Iterasi 0

Perhitungan Manual


c = 2243/20 = 112,15

UCL = c + 3√𝑐 = 112,15 + 3 √112,15 = 143,92

LCL = c - 3√𝑐 = 112,15 - 3 √112,15 = 80,38

Tabel 4.40 gear besar iterasi 0

No Date

Gear Besar

N. Of

Inspection

N. Of


1 03/01/2014 90 123 112,15 143,92 80,38

2 04/01/2014 90 105 112,15 143,92 80,38

3 07/01/2014 90 111 112,15 143,92 80,38

4 08/01/2014 90 112 112,15 143,92 80,38

5 15/01/2014 90 104 112,15 143,92 80,38

6 20/01/2014 90 128 112,15 143,92 80,38

7 21/01/2014 90 117 112,15 143,92 80,38

8 22/01/2014 90 124 112,15 143,92 80,38

9 25/01/2014 90 105 112,15 143,92 80,38

10 28/01/2014 90 94 112,15 143,92 80,38

11 29/01/2014 90 118 112,15 143,92 80,38

12 30/01/2014 90 145 112,15 143,92 80,38

13 31/01/2014 90 100 112,15 143,92 80,38

14 02/02/2014 90 107 112,15 143,92 80,38

15 09/02/2014 90 112 112,15 143,92 80,38

16 10/02/2014 90 110 112,15 143,92 80,38

17 13/02/2014 90 109 112,15 143,92 80,38

18 18/02/2014 90 95 112,15 143,92 80,38



Kelompok 9


Lanjutan Tabel 4.40 gear besar iterasi 0

19 19/02/2014 90 111 112,15 143,92 80,38

20 22/02/2014 90 113 112,15 143,92 80,38

Total 2243

Gambar 4.94 output peta kendali c manual gear besar iterasi 0

Berdasarkan grafik diatas terdapat data yang melewati UCL yakni pada data

nomor 12 dengan noncomformities 145, pada tanggal 30/01/2014, sehingga harus

dilakukan iterasi ke-1 untuk menghilangkan data nomor 12.

0

20

40

60

80

100

120

140

160

1 3 5 7 9 11 13 15 17 19

Ke

tid

akse

suai

an

Sampel

Peta Kendali c Iterasi 0 Gear Besar


c

UCL

LCL



Kelompok 9


Software SPSS







Kelompok 9


Software Minitab

191715131197531

150

140

130

120

110

100

90

80

Sample

Sa

mp

le C

ou

nt

_C=112,15

UCL=143,92

LCL=80,38

1






Iterasi 1

Perhitungan Manual


c = 2098/19 = 110,42

UCL = c + 3√𝑐 = 110,42 + 3 √110,42 = 141,95

LCL = c - 3√𝑐 = 110,42 - 3 √110,42 = 78,90

Tabel 4.41 gear besar iterasi 1

No Date

Gear Besar

N. Of

Inspection

N. Of


1 03/01/2014 90 123 110,42 141,95 78,90



Kelompok 9


Lanjutan Tabel 4.41 gear besar iterasi 1

2 04/01/2014 90 105 110,42 141,95 78,90

3 07/01/2014 90 111 110,42 141,95 78,90

4 08/01/2014 90 112 110,42 141,95 78,90

5 15/01/2014 90 104 110,42 141,95 78,90

6 20/01/2014 90 128 110,42 141,95 78,90

7 21/01/2014 90 117 110,42 141,95 78,90

8 22/01/2014 90 124 110,42 141,95 78,90

9 25/01/2014 90 105 110,42 141,95 78,90

10 28/01/2014 90 94 110,42 141,95 78,90

11 29/01/2014 90 118 110,42 141,95 78,90

13 31/01/2014 90 100 110,42 141,95 78,90

14 02/02/2014 90 107 110,42 141,95 78,90

15 09/02/2014 90 112 110,42 141,95 78,90

16 10/02/2014 90 110 110,42 141,95 78,90

17 13/02/2014 90 109 110,42 141,95 78,90

18 18/02/2014 90 95 110,42 141,95 78,90

19 19/02/2014 90 111 110,42 141,95 78,90

20 22/02/2014 90 113 110,42 141,95 78,90

Total 2098

Gambar 4.97 output peta kendali c manual gear besar iterasi 1

0

20

40

60

80

100

120

140

160

1 3 5 7 9 11 13 15 17 19

Ke

tid

akse

suai

an

Sampel

Peta Kendali c Iterasi 1 Gear Besar


c

UCL

LCL



Kelompok 9




Software SPSS






Kelompok 9


Software Minitab

191715131197531

150

140

130

120

110

100

90

80

Sample

Sa

mp

le C

ou

nt

_C=110,42

UCL=141,95

LCL=78,90





6. Gear Kecil

Perhitungan Manual

Iterasi 0


c = 2272/20 = 113,60

UCL = c + 3√𝑐 = 113.60 + 3 √113,60 = 145,57

LCL = c - 3√𝑐 = 113.60 - 3 √113,60 = 81,63

Tabel 4.42 gear kecil iterasi 0

No Date

Gear Kecil

N. Of

Inspection

N. Of


1 03/01/2014 90 138 113,60 145,57 81,63

2 04/01/2014 90 96 113,60 145,57 81,63



Kelompok 9


Lanjutan Tabel 4.42 gear kecil iterasi 0

3 07/01/2014 90 110 113,60 145,57 81,63

4 08/01/2014 90 105 113,60 145,57 81,63

5 15/01/2014 90 118 113,60 145,57 81,63

6 20/01/2014 90 115 113,60 145,57 81,63

7 21/01/2014 90 125 113,60 145,57 81,63

8 22/01/2014 90 107 113,60 145,57 81,63

9 25/01/2014 90 114 113,60 145,57 81,63

10 28/01/2014 90 98 113,60 145,57 81,63

11 29/01/2014 90 104 113,60 145,57 81,63

12 30/01/2014 90 129 113,60 145,57 81,63

13 31/01/2014 90 146 113,60 145,57 81,63

14 02/02/2014 90 110 113,60 145,57 81,63

15 09/02/2014 90 119 113,60 145,57 81,63

16 10/02/2014 90 109 113,60 145,57 81,63

17 13/02/2014 90 92 113,60 145,57 81,63

18 18/02/2014 90 129 113,60 145,57 81,63

19 19/02/2014 90 98 113,60 145,57 81,63

20 22/02/2014 90 110 113,60 145,57 81,63

Total 2272

Gambar 4.100 output peta kendali c manual gear kecil iterasi 0

0

20

40

60

80

100

120

140

160

1 3 5 7 9 11 13 15 17 19

Ke

tid

akse

suai

an

Sampel

Peta Kendali c Iterasi 0 Gear Kecil


c

UCL

LCL



Kelompok 9





Software SPSS

Gambar 4.101 output peta kendali c SPSS gear kecil iterasi 0






Kelompok 9


Software Minitab

191715131197531

150

140

130

120

110

100

90

80

Sample

Sa

mp

le C

ou

nt

_C=113,6

UCL=145,57

LCL=81,63

1


Gambar 4.102 output peta kendali c minitab gear kecil iterasi 0




Iterasi 1

Perhitungan Manual


c = 2126/19 = 111,89

UCL = c + 3√𝑐 = 11,89 + 3 √111,89 = 143,63

LCL = c - 3√𝑐 = 11,89 - 3 √111,89 = 80,16

Tabel 4.43 gear kecil iterasi 1

No Date

Gear Kecil

c

UCL

LCL N. Of

Inspection

N. Of

Nonconformities

1 03/01/2014 90 138 111,89 143,63 80,16

2 04/01/2014 90 96 111,89 143,63 80,16



Kelompok 9


Lanjutan Tabel 4.43 gear kecil iterasi 1

3 07/01/2014 90 110 111,89 143,63 80,16

4 08/01/2014 90 105 111,89 143,63 80,16

5 15/01/2014 90 118 111,89 143,63 80,16

6 20/01/2014 90 115 111,89 143,63 80,16

7 21/01/2014 90 125 111,89 143,63 80,16

8 22/01/2014 90 107 111,89 143,63 80,16

9 25/01/2014 90 114 111,89 143,63 80,16

10 28/01/2014 90 98 111,89 143,63 80,16

11 29/01/2014 90 104 111,89 143,63 80,16

12 30/01/2014 90 129 111,89 143,63 80,16

14 02/02/2014 90 110 111,89 143,63 80,16

15 09/02/2014 90 119 111,89 143,63 80,16

16 10/02/2014 90 109 111,89 143,63 80,16

17 13/02/2014 90 92 111,89 143,63 80,16

18 18/02/2014 90 129 111,89 143,63 80,16

19 19/02/2014 90 98 111,89 143,63 80,16

20 22/02/2014 90 110 111,89 143,63 80,16

Total 2126

Gambar 4.103 output peta kendali c manual gear kecil iterasi 1

0

20

40

60

80

100

120

140

160

1 3 5 7 9 11 13 15 17 19

Ke

tid

akse

suai

an

Sampel

Peta Kendali c Iterasi 1 Gear Kecil


c

UCL

LCL



Kelompok 9




Software SPSS

Gambar 4.104 output peta kendali c SPSS gear kecil iterasi 1





Kelompok 9


Software Minitab

191715131197531

150

140

130

120

110

100

90

80

Sample

Sa

mp

le C

ou

nt

_C=111,89

UCL=143,63

LCL=80,16


Gambar 4.105 output peta kendali c minitab gear kecil iterasi 1





Kelompok 9


Peta Kendali u

1. Bumper belakang

Perhitungan Manual

Iterasi 0

CL = u = 3154 / 1724 = 1,829

UCL = u + 3√𝑢

𝑛𝑖 = 1,829+ 3 x √

1,829

97 = 2,241

LCL = u – 3 √𝑢

𝑛𝑖 = 1,829 - 3 x √

1,829

97 = 1,417

Tabel 4.44 bumper belakang iterasi 0

N

o Date

Bumper Belakang

N. Of Inspection

N. Of

Nonconformitie

s

UCL CL LCL u

1 1/3/2014 97 161 2.241 1.829 1.417 1.660

2 1/4/2014 76 160 2.295 1.829 1.364 2.105

3 1/7/2014 112 162 2.213 1.829 1.446 1.446

4 1/8/2014 82 153 2.278 1.829 1.381 1.866

5 1/15/2014 78 147 2.289 1.829 1.370 1.885

6 1/20/2014 102 161 2.231 1.829 1.428 1.578

7 1/21/2014 103 164 2.229 1.829 1.430 1.592

8 1/22/2014 80 147 2.283 1.829 1.376 1.838

9 1/25/2014 76 142 2.295 1.829 1.364 1.868

10 1/28/2014 98 159 2.239 1.829 1.420 1.622

11 1/29/2014 79 173 2.286 1.829 1.373 2.190

12 1/30/2014 90 165 2.257 1.829 1.402 1.833

13 1/31/2014 89 166 2.260 1.829 1.399 1.865

14 2/2/2014 79 155 2.286 1.829 1.373 1.962

15 2/9/2014 74 147 2.301 1.829 1.358 1.986

16 2/10/2014 87 142 2.265 1.829 1.394 1.632

17 2/13/2014 88 151 2.262 1.829 1.397 1.716

18 2/18/2014 66 157 2.329 1.829 1.330 2.379

19 2/19/2014 87 168 2.265 1.829 1.394 1.931



Kelompok 9


0.000

0.500

1.000

1.500

2.000

2.500

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

keti

dak

sesu

aian

Sampel

u Chart Bumper Belakang Iterasi 0

UCL

CL

LCL

u

Lanjutan Tabel 4.44 bumper belakang iterasi 0

20 2/22/2014 81 174 2.280 1.829 1.379 2.148

Jumlah 1724 3154 37.104

u bar 1.855

Gambar 4.106 u chart bumper belakang iterasi 0

Dari data diatas, ada data yang dikeluarkan adalah data ke 18 pada tanggal

2/18/2014 dengan nonconformities 157 karena melebihi batas UCL.



Kelompok 9


Hasil Software

a. Software SPSS

Gambar 4.107 u chart bumper belakang iterasi 0 (SPSS)

b. Software Minitab

191715131197531

2.50

2.25

2.00

1.75

1.50

Sample

Sa

mp

le C

ou

nt

Pe

r U

nit

_U=1.829

UCL=2.280

LCL=1.379

1

U Chart of N. Of Nonconformities


Gambar 4.108 U chart bumper belakang iterasi 0 (Minitab)



Kelompok 9


Iterasi 1

CL = u = 2997 / 1658= 1,808

UCL = u + 3√𝑢

𝑛𝑖 = 1,808+ 3 x √

1,808

97 = 2,217

LCL = u – 3 √𝑢

𝑛𝑖 = 1,808- 3 x √

1,808

97 = 1,398

Tabel 4.45 bumper belakang iterasi 1

N

o Date

Bumper Belakang

N. Of

Inspection

N. Of

Nonconformities UCL CL LCL u

1 1/3/2014 97 161 2.217 1.808 1.398 1.660

2 1/4/2014 76 160 2.270 1.808 1.345 2.105

3 1/7/2014 112 162 2.189 1.808 1.426 1.446

4 1/8/2014 82 153 2.253 1.808 1.362 1.866

5 1/15/2014 78 147 2.264 1.808 1.351 1.885

6 1/20/2014 102 161 2.207 1.808 1.408 1.578

7 1/21/2014 103 164 2.205 1.808 1.410 1.592

8 1/22/2014 80 147 2.259 1.808 1.357 1.838

9 1/25/2014 76 142 2.270 1.808 1.345 1.868

10 1/28/2014 98 159 2.215 1.808 1.400 1.622

11 1/29/2014 79 173 2.261 1.808 1.354 2.190

12 1/30/2014 90 165 2.233 1.808 1.382 1.833

13 1/31/2014 89 166 2.235 1.808 1.380 1.865

14 2/2/2014 79 155 2.261 1.808 1.354 1.962

15 2/9/2014 74 147 2.276 1.808 1.339 1.986

16 2/10/2014 87 142 2.240 1.808 1.375 1.632

17 2/13/2014 88 151 2.238 1.808 1.378 1.716

19 2/19/2014 87 168 2.240 1.808 1.375 1.931

20 2/22/2014 81 174 2.256 1.808 1.359 2.148

Jumlah 1658 2997 34.725

u bar 1.736



Kelompok 9


Gambar 4.109 u chart bumper belakang iterasi 1


batas UCL maupun LCL, sehingga tidak perlu dilakukan iterasi ke-2

0.000

0.500

1.000

1.500

2.000

2.500

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

keti

dak

sesu

aian

Sampel

u Chart Bumper Belakang Iterasi 1

UCL

CL

LCL

u



Kelompok 9


Hasil Software

a. Software SPSS

Gambar 4.110 u chart bumper belakang iterasi 1 (SPSS)

b. Software Minitab

191715131197531

2.4

2.2

2.0

1.8

1.6

1.4

1.2

Sample

Sa

mp

le C

ou

nt

Pe

r U

nit

_U=1.808

UCL=2.256

LCL=1.359



Gambar 4.111 u chart bumper belakang iterasi 1 (Minitab)



Kelompok 9


2. Pengunci Body

Perhitungan Manual

Iterasi 0

CL = u = 1717/ 1814 = 0,947

UCL = u + 3√𝑢

𝑛𝑖 = 0,947+ 3 x √

0,947

99 = 1,240

LCL = u – 3 √𝑢

𝑛𝑖 = 0,947 - 3 x √

0,947

99 = 0,653

Tabel 4.46 Pengunci Body iterasi 0

No Date Pengunci Body

N. Of Inspection N. Of Nonconformities UCL CL LCL u

1 1/3/2014 99 105 1.240 0.947 0.653 1.061

2 1/4/2014 102 87 1.236 0.947 0.658 0.853

3 1/7/2014 103 90 1.234 0.947 0.659 0.874

4 1/8/2014 91 68 1.252 0.947 0.641 0.747

5 1/15/2014 86 75 1.261 0.947 0.632 0.872

6 1/20/2014 106 94 1.230 0.947 0.663 0.887

7 1/21/2014 84 81 1.265 0.947 0.628 0.964

8 1/22/2014 97 94 1.243 0.947 0.650 0.969

9 1/25/2014 76 91 1.281 0.947 0.612 1.197

10 1/28/2014 98 89 1.241 0.947 0.652 0.908

11 1/29/2014 86 94 1.261 0.947 0.632 1.093

12 1/30/2014 78 63 1.277 0.947 0.616 0.808

13 1/31/2014 62 76 1.317 0.947 0.576 1.226

14 2/2/2014 96 88 1.244 0.947 0.649 0.917

15 2/9/2014 94 90 1.248 0.947 0.645 0.957

16 2/10/2014 91 79 1.252 0.947 0.641 0.868

17 2/13/2014 84 87 1.265 0.947 0.628 1.036

18 2/18/2014 92 94 1.251 0.947 0.642 1.022

19 2/19/2014 100 90 1.238 0.947 0.655 0.900

20 2/22/2014 89 82 1.256 0.947 0.637 0.921

jumlah 1814 1717 19.080

u bar 0.954



Kelompok 9


Gambar 4.112 u chart pengunci body iterasi 0


batas UCL maupun LCL, sehingga tidak perlu dilakukan iterasi ke-1.

Hasil Software

a. Software SPSS

Gambar 4.113 u chart pengunci body iterasi 0 (SPSS)

0.000

0.200

0.400

0.600

0.800

1.000

1.200

1.400

1 2 3 4 5 6 7 8 9 1011121314151617181920

keti

dak

sesu

aian

Sampel

u Chart Pengunci Body Iterasi 0

UCL

CL

LCL

u



Kelompok 9


Berdasarkan grafik diatas dapat dilihat bahwa tidak terdapat data yang melewati batas


b. Software Minitab

191715131197531

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

0.6

0.5

Sample

Sa

mp

le C

ou

nt

Pe

r U

nit

_U=0.9465

UCL=1.2559

LCL=0.6371



Gambar 4.114 u chart pengunci body iterasi 0 (minitab)





Kelompok 9


3. Tuas on-off

Perhitungan Manual

Iterasi 0

CL = u = 1924 / 1818 = 1,058

UCL = u + 3√𝑢

𝑛𝑖 = 1,058+ 3 x √

1,058

92 = 1,380

LCL = u – 3 √𝑢

𝑛𝑖 = 1,058 - 3 x √

1,058

92 = 0,737

Tabel 4.47 Tuas on-off iterasi 0

No Date Tuas On-Off


1 1/3/2014 92 117 1.380 1.058 0.737 1.272

2 1/4/2014 107 86 1.357 1.058 0.760 0.804

3 1/7/2014 93 85 1.378 1.058 0.738 0.914

4 1/8/2014 84 96 1.395 1.058 0.722 1.143

5 1/15/2014 106 93 1.358 1.058 0.759 0.877

6 1/20/2014 89 103 1.385 1.058 0.731 1.157

7 1/21/2014 88 103 1.387 1.058 0.729 1.170

8 1/22/2014 90 92 1.384 1.058 0.733 1.022

9 1/25/2014 85 93 1.393 1.058 0.724 1.094

10 1/28/2014 91 101 1.382 1.058 0.735 1.110

11 1/29/2014 108 115 1.355 1.058 0.761 1.065

12 1/30/2014 88 93 1.387 1.058 0.729 1.057

13 1/31/2014 84 89 1.395 1.058 0.722 1.060

14 2/2/2014 80 96 1.403 1.058 0.713 1.200

15 2/9/2014 101 100 1.365 1.058 0.751 0.990

16 2/10/2014 84 85 1.395 1.058 0.722 1.012

17 2/13/2014 94 88 1.377 1.058 0.740 0.936

18 2/18/2014 97 110 1.372 1.058 0.745 1.134

19 2/19/2014 82 77 1.399 1.058 0.717 0.939

20 2/22/2014 75 102 1.415 1.058 0.702 1.360

jumlah 1818 1924 21.316

u bar 1.066



Kelompok 9


Gambar 4.115 u chart tuas on-off iterasi 0



Hasil Software

a. Software SPSS

Gambar 4.116 u chart tuas on-off iterasi 0 (SPSS)

0.000

0.200

0.400

0.600

0.800

1.000

1.200

1.400

1.600

1 3 5 7 9 11 13 15 17 19

keti

dak

sesu

aian

Sampel

u Chart Tuas on-off Iterasi 0

UCL

CL

LCL

u



Kelompok 9


b. Software Minitab

Gambar 4.117 u chart tuas on-off iterasi 0 (Minitab)

4. Gear Dinamo

Perhitungan Manual

Iterasi 0

CL = u = 1767 / 1732 = 1,020

UCL = u + 3√𝑢

𝑛𝑖 = 1,020+ 3 x √

1,020

90 = 1,340

LCL = u – 3 √𝑢

𝑛𝑖 = 1,020- 3 x √

1,020

90 = 0,701

Tabel 4.48 Gear Dinamo iterasi 0

No Date Gear Dinamo


1 1/3/2014 90 88 1.340 1.020 0.701 0.978

2 1/4/2014 114 93 1.304 1.020 0.736 0.816

3 1/7/2014 68 122 1.388 1.020 0.653 1.794

4 1/8/2014 79 87 1.361 1.020 0.679 1.101

5 1/15/2014 103 69 1.319 1.020 0.722 0.670

191715131197531

1.5

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

Sample

Sa

mp

le C

ou

nt

Pe

r U

nit

_U=1.0583

UCL=1.4147

LCL=0.7019





Kelompok 9


Lanjutan Tabel 4.48 Gear Dinamo iterasi 0

6 1/20/2014 87 86 1.345 1.020 0.695 0.989

7 1/21/2014 88 75 1.343 1.020 0.697 0.852

8 1/22/2014 83 97 1.353 1.020 0.688 1.169

9 1/25/2014 94 93 1.333 1.020 0.708 0.989

10 1/28/2014 90 105 1.340 1.020 0.701 1.167

11 1/29/2014 87 80 1.345 1.020 0.695 0.920

12 1/30/2014 78 84 1.363 1.020 0.677 1.077

13 1/31/2014 91 73 1.338 1.020 0.703 0.802

14 2/2/2014 84 87 1.351 1.020 0.690 1.036

15 2/9/2014 68 73 1.388 1.020 0.653 1.074

16 2/10/2014 93 80 1.334 1.020 0.706 0.860

17 2/13/2014 90 91 1.340 1.020 0.701 1.011

18 2/18/2014 92 100 1.336 1.020 0.704 1.087

19 2/19/2014 88 96 1.343 1.020 0.697 1.091

20 2/22/2014 65 88 1.396 1.020 0.644 1.354

Jumlah 1732 1767 20.835

u bar 1.042

Gambar 4.118 u chart gear dinamo iterasi 0

0.000

0.200

0.400

0.600

0.800

1.000

1.200

1.400

1.600

1.800

2.000

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

keti

dak

sesu

aian

Sampel

u Chart Gear Dinamo Iterasi 0

UCL

CL

LCL

u



Kelompok 9


Dari data diatas, ada data yang dikeluarkan adalah data ke 3 pada tanggal 1/7/2014

dengan nonconformities 122 karena melebihi batas UCL dan data ke-5 pada tanggal

1/15/2014 dengan nonconforfimites 69 karena melebihi batas LCL.

Hasil Software

a. Software SPSS

Gambar 4.119 u chart gear dinamo iterasi 0 (SPSS)



Kelompok 9


b. Software Minitab

191715131197531

1.75

1.50

1.25

1.00

0.75

0.50

Sample

Sa

mp

le C

ou

nt

Pe

r U

nit

_U=1.020

UCL=1.396

LCL=0.6441

1



Gambar 4.120 u chart gear dinamo iterasi 0 (Minitab)

Iterasi 1

CL = 1576 / 1561 = 1,010

UCL = u + 3√𝑢

𝑛𝑖 = 1,010+ 3 x √

1,010

90 = 1,327

LCL = u – 3 √𝑢

𝑛𝑖 = 1,010- 3 x √

1,010

90 = 0,692

Tabel 4.49 data Gear Dinamo iterasi 1

No Date Gear Dinamo


1 1/3/2014 90 88 1.327 1.010 0.692 0.978

2 1/4/2014 114 93 1.292 1.010 0.727 0.816

4 1/8/2014 79 87 1.349 1.010 0.670 1.101

6 1/20/2014 87 86 1.333 1.010 0.686 0.989

7 1/21/2014 88 75 1.331 1.010 0.688 0.852

8 1/22/2014 83 97 1.340 1.010 0.679 1.169

9 1/25/2014 94 93 1.321 1.010 0.699 0.989

10 1/28/2014 90 105 1.327 1.010 0.692 1.167

11 1/29/2014 87 80 1.333 1.010 0.686 0.920



Kelompok 9


Lanjutan Tabel 4.49 data Gear Dinamo iterasi 1

12 1/30/2014 78 84 1.351 1.010 0.668 1.077

13 1/31/2014 91 73 1.326 1.010 0.694 0.802

14 2/2/2014 84 87 1.339 1.010 0.681 1.036

15 2/9/2014 68 73 1.375 1.010 0.644 1.074

16 2/10/2014 93 80 1.322 1.010 0.697 0.860

17 2/13/2014 90 91 1.327 1.010 0.692 1.011

18 2/18/2014 92 100 1.324 1.010 0.695 1.087

19 2/19/2014 88 96 1.331 1.010 0.688 1.091

20 2/22/2014 65 88 1.383 1.010 0.636 1.354

Jumlah 1561 1576 18.371

u bar 0.919

Gambar 4.121 u chart gear dinamo iterasi 1


batas UCL maupun LCL, sehingga tidak perlu dilakukan iterasi ke-2

0.000

0.200

0.400

0.600

0.800

1.000

1.200

1.400

1.600

1 2 3 4 5 6 7 8 9 101112131415161718

Ke

tid

akse

suai

an

Sampel

u Chart Gear Dinamo Iterasi 1

UCL

CL

LCL

u



Kelompok 9


Hasil Software

a. Software SPSS

Gambar 4.122 u chart gear dinamo iterasi 1 (SPSS)

b. Software Minitab

1715131197531

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

0.6

Sample

Sa

mp

le C

ou

nt

Pe

r U

nit

_U=1.0096

UCL=1.3835

LCL=0.6357



Gambar 4.123 u chart gear dinamo iterasi 1 (Minitab)



Kelompok 9


5. Pengunci Dinamo

Perhitungan Manual

Iterasi 0

CL = u = 1814 / 1772 = 1,024

UCL = u + 3√𝑢

𝑛𝑖 = 1,024+ 3 x √

1.024

86 = 1,351

LCL = u – 3 √𝑢

𝑛𝑖 = 1,024 - 3 x √

1.023702032

86 = 0,696

Tabel 4.50 Pengunci Dinamo iterasi 0

No Date Pengunci Dinamo


1 1/3/2014 86 83 1.351 1.024 0.696 0.965

2 1/4/2014 103 80 1.323 1.024 0.725 0.777

3 1/7/2014 64 107 1.403 1.024 0.644 1.672

4 1/8/2014 83 83 1.357 1.024 0.691 1.000

5 1/15/2014 98 85 1.330 1.024 0.717 0.867

6 1/20/2014 61 99 1.412 1.024 0.635 1.623

7 1/21/2014 68 90 1.392 1.024 0.656 1.324

8 1/22/2014 91 96 1.342 1.024 0.706 1.055

9 1/25/2014 91 98 1.342 1.024 0.706 1.077

10 1/28/2014 83 83 1.357 1.024 0.691 1.000

11 1/29/2014 105 90 1.320 1.024 0.727 0.857

12 1/30/2014 82 88 1.359 1.024 0.689 1.073

13 1/31/2014 99 93 1.329 1.024 0.719 0.939

14 2/2/2014 95 89 1.335 1.024 0.712 0.937

15 2/9/2014 90 88 1.344 1.024 0.704 0.978

16 2/10/2014 77 91 1.370 1.024 0.678 1.182

17 2/13/2014 91 72 1.342 1.024 0.706 0.791

18 2/18/2014 109 96 1.314 1.024 0.733 0.881

19 2/19/2014 93 98 1.338 1.024 0.709 1.054

20 2/22/2014 103 105 1.323 1.024 0.725 1.019

Jumlah 1772 1814 21.071

u bar 1.054



Kelompok 9


Gambar 4.124 u chart pengunci dinamo iterasi 0

Dari data diatas, ada data yang dikeluarkan adalah data ke 3 pada tanggal 1/7/2014

dengan nonconformities 107 karena melebihi batas UCL dan data ke-6 pada tanggal

1/20/2014 dengan nonconforfimites 99 karena melebihi batas UCL.

0.000

0.200

0.400

0.600

0.800

1.000

1.200

1.400

1.600

1.800

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Ke

tid

akse

suai

an

Sampel

u Chart Pengunci Dinamo Iterasi 0

UCL

CL

LCL

u



Kelompok 9


Hasil Software

a. Software SPSS

Gambar 4.125 u chart pengunci dinamo iterasi 0 (SPSS)

b. Software Minitab

191715131197531

1.75

1.50

1.25

1.00

0.75

0.50

Sample

Sa

mp

le C

ou

nt

Pe

r U

nit

_U=1.024

UCL=1.323

LCL=0.725

11



Gambar 4.126 u chart pengunci dinamo iterasi 0 (Minitab)



Kelompok 9


Iterasi 1

CL = 1608 / 1647 = 0,976

UCL = u + 3√𝑢

𝑛𝑖 = 0,976+ 3 x √

0.,976

86 = 1,296

LCL = u – 3 √𝑢

𝑛𝑖 = 0,976- 3 x √

0,976

86 = 0,657

Tabel 4.51 Pengunci Dinamo iterasi 1

No Date Pengunci Dinamo

N. Of Inspection N. Of Nonconformities UCL CL LCL U

1 1/3/2014 86 83 1.296 0.976 0.657 0.965

2 1/4/2014 103 80 1.268 0.976 0.684 0.777

4 1/8/2014 83 83 1.302 0.976 0.651 1.000

5 1/15/2014 98 85 1.276 0.976 0.677 0.867

7 1/21/2014 68 90 1.336 0.976 0.617 1.324

8 1/22/2014 91 96 1.287 0.976 0.666 1.055

9 1/25/2014 91 98 1.287 0.976 0.666 1.077

10 1/28/2014 83 83 1.302 0.976 0.651 1.000

11 1/29/2014 105 90 1.266 0.976 0.687 0.857

12 1/30/2014 82 88 1.304 0.976 0.649 1.073

13 1/31/2014 99 93 1.274 0.976 0.678 0.939

14 2/2/2014 95 89 1.280 0.976 0.672 0.937

15 2/9/2014 90 88 1.289 0.976 0.664 0.978

16 2/10/2014 77 91 1.314 0.976 0.639 1.182

17 2/13/2014 91 72 1.287 0.976 0.666 0.791

18 2/18/2014 109 96 1.260 0.976 0.692 0.881

19 2/19/2014 93 98 1.284 0.976 0.669 1.054

20 2/22/2014 103 105 1.268 0.976 0.684 1.019

Jumlah 1647 1608 17.776

u bar 0.889



Kelompok 9


Gambar 4.127 u chart pengunci dinamo iterasi 1



Hasil Software

a. Software SPSS

Gambar 4.128 u chart pengunci dinamo iterasi 1 (SPSS)

0.000

0.200

0.400

0.600

0.800

1.000

1.200

1.400

1.600

1 2 3 4 5 6 7 8 9 10 1112 13 14 1516 17 18

Ke

tid

akse

suai

an

Sampel

u Chart Pengunci Dinamo Iterasi 1

UCL

CL

LCL

u



Kelompok 9


b. Software Minitab

1715131197531

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

0.6

Sample

Sa

mp

le C

ou

nt

Pe

r U

nit

_U=0.9763

UCL=1.2684

LCL=0.6842



Gambar 4.129 u chart pengunci dinamo iterasi 1 (Minitab)





Kelompok 9


Peta Kendali U

1. Body

Perhitungan Manual

Peta kendali yang dibuat untuk cacat yang tidak sesuai dengan raw material

di bawah ini adalah peta kendali U. Peta Kendali U merupakan sistem tingkat

kualitas yang merating cacat per unit dan jumlah sample dari cacat konstan.

Diberikan jumlah inspeksi sejumlah 90 unit , jumlah kerugian total sebesar :

D = w1 c1 +w2 c2 + w3 c3

Contoh perhitungan :

D1 = 1x192 + 10x89 + 50x16 = 1882

D2 = 1x184 + 10x85 + 50x17 = 1884

D3 = 1x182 + 10x79 + 50x19 = 1922

Kerugian perunit untuk sampel diberikan oleh :

U = 𝐷

𝑛 =

w1 c1 +w2 c2 + w3 c3

𝑛

Contoh Perhitungan :

U1 = 1882

90 = 20.911

U2 = 1884

90 = 20.933

U3 = 1922

90 = 21.355

Tabel 4.52 Data Body Iterasi 0

No Date

Body

U D N. Of

Inspection


Scratch String Camber

1 1/3/2014 90 192 89 16 20.9111 1882

2 1/4/2014 90 184 85 17 20.9333 1884

3 1/7/2014 90 182 79 19 21.3556 1922

4 1/8/2014 90 161 88 17 21.0111 1891



Kelompok 9


Lanjutan Tabel 4.52 Data Body Iterasi 0

5 1/15/2014 90 182 78 16 19.5778 1762

6 1/20/2014 90 168 97 17 22.0889 1988

7 1/21/2014 90 180 76 21 22.1111 1990

8 1/22/2014 90 174 94 20 23.4889 2114

9 1/25/2014 90 202 94 16 21.5778 1942

10 1/28/2014 90 158 95 24 25.6444 2308

11 1/29/2014 90 189 90 13 19.3222 1739

12 1/30/2014 90 164 92 19 22.6 2034

13 1/31/2014 90 169 101 16 21.9889 1979

14 2/2/2014 90 170 98 17 22.2222 2000

15 2/9/2014 90 171 73 29 26.1222 2351

16 2/10/2014 90 164 107 26 28.1556 2534

17 2/13/2014 90 157 59 25 22.1889 1997

18 2/18/2014 90 165 96 23 25.2778 2275

19 2/19/2014 90 164 90 21 23.4889 2114

20 2/22/2014 90 168 93 18 22.2 1998

Jumlah 1800 3464 1774 390

u 1 = 3464 / 1800 = 1.924

u 2 = 1774 / 1800 = 0.9855

u 3 = 390 / 1800 = 0.2167

𝑈 = 1.924 + (10 x 0.9855) + (50 x 0.2167) = 22.614

Standar deviasi dari U diberikan oleh :

σu = n

uwuwuw 323222121

σu = 90

2167.02509855.0210924.1.21 xxx = 2.6712

Limit kontrol :

UCL = 𝑈 + 3 σu = 22.614 + (3 x 2.6712) = 30.6276



Kelompok 9


LCL = 𝑈 - 3 σu = 22.614 - (3 x 2.6712) = 14.6004

Gambar 4.130 output peta kendali U manual body iterasi 0

2. Chasis

Manual

Peta kendali yang dibuat untuk cacat yang tidak sesuai dengan raw material

di bawah ini adalah peta kendali U. Peta Kendali U merupakan sistem tingkat

kualitas yang merating cacat per unit dan jumlah sample dari cacat konstan.

Diberikan jumlah inspeksi 90 unit , jumlah kerugian total sebesar :

D = w1 c1 +w2 c2 + w3 c3

Contoh perhitungan :

D1 = 1x174 + 10x95 + 50x22 = 2224

D2 = 1x160 + 10x90 + 50x24 = 2260

D3 = 1x169 + 10x91 + 50x20 = 2079

Kerugian perunit untuk sampel diberikan oleh :

U = 𝐷

𝑛 =

w1 c1 +w2 c2 + w3 c3

𝑛

Contoh Perhitungan :

0

5

10

15

20

25

30

35

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Jum

lah

Ker

ugi

an p

er U

nit

Nomor Sampel

Peta Kendali U Body

U CL UCL LCL



Kelompok 9


U1 = 2224

90 = 24.711

U2 = 2260

90 = 25.111

U3 = 2079

90 = 23.1

Tabel 4.53 data chasis iterasi 0

No Date

Chasis

U D N. Of Inspection


Scratch String Camber

1 1/3/2014 90 174 95 22 24.7111 2224

2 1/4/2014 90 160 90 24 25.1111 2260

3 1/7/2014 90 169 91 20 23.1 2079

4 1/8/2014 90 161 94 12 18.9 1701

5 1/15/2014 90 172 77 15 18.8 1692

6 1/20/2014 90 177 81 26 25.4111 2287

7 1/21/2014 90 156 64 23 21.6222 1946

8 1/22/2014 90 177 96 19 23.1889 2087

9 1/25/2014 90 144 83 12 17.4889 1574

10 1/28/2014 90 188 75 10 15.9778 1438

11 1/29/2014 90 149 83 22 23.1 2079

12 1/30/2014 90 157 91 18 21.8556 1967

13 1/31/2014 90 184 82 18 21.1556 1904

14 2/2/2014 90 173 87 17 21.0333 1893

15 2/9/2014 90 151 105 24 26.6778 2401

16 2/10/2014 90 156 74 20 21.0667 1896

17 2/13/2014 90 188 79 16 19.7556 1778

18 2/18/2014 90 154 93 22 24.2667 2184

19 2/19/2014 90 173 94 23 25.1444 2263

20 2/22/2014 90 200 86 18 21.7778 1960

Jumlah 1800 3363 1720 381



Kelompok 9


Garis tengah dari peta kendali U di ubah mengikuti :

u 1 = 3363 / 1800 = 1.868

u 2 = 1720 / 1800 = 0.955

u 3 = 381 / 1800 = 0.2116

𝑈 = 1.868 + (10 x 0.955) + (50 x 0.2116) = 21.998

Standar deviasi dari U diberikan oleh :

σu = n

uwuwuw 323222121

σu = 90

2116.0250955.0210868.1.21 xxx = 2.638

Limit kontrol :

UCL = 𝑈 + 3 σu = 21.998 + (3 x 2.638) = 29.912

LCL = 𝑈 - 3 σu = 21.998 - (3 x 2.638) = 14.084

Gambar 4.131 output peta kendali U manual chasis iterasi 0

0

5

10

15

20

25

30

35

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Jum

lah

Ker

ugi

an p

er U

nit

Nomor Sampel

Peta Kendali U Chasis

U CL UCL LCL



Kelompok 9


4.3 Finish Produk

4.3.1 Data Kualitas Finish Produk

Tabel 4.54 Data Kualitas Finish Produk

No Date N. Of Inspection N. Of Nonconformities

Dinamo roda bumper tuas on/off chasis pengunci body plat depan

1 1/3/2014 90 3 1 4 4 7 4 1

2 1/4/2014 90 1 7 1 6 4 4 1

3 1/7/2014 90 3 1 6 7 5 7 2

4 1/8/2014 90 2 2 5 9 4 5 3

5 1/15/2014 90 4 2 2 3 3 5 1

6 1/20/2014 90 3 1 5 8 5 2 4

7 1/21/2014 90 6 2 2 5 3 3 4

8 1/22/2014 90 3 5 2 7 4 1 5

9 1/25/2014 90 6 3 1 5 5 4 3

10 1/28/2014 90 1 7 3 7 5 3 2

11 1/29/2014 90 2 5 3 7 5 2 2

12 1/30/2014 90 3 2 1 7 4 1 2

13 1/31/2014 90 4 2 1 4 2 1 3

14 2/2/2014 90 3 2 2 4 2 3 3

15 2/9/2014 90 3 2 4 6 3 3 3



Kelompok 9


Lanjutan Tabel 4.54 Data Kualitas Finish Produk

16 2/10/2014 90 4 3 2 1 5 2 2

17 2/13/2014 90 2 3 1 5 6 2 2

18 2/18/2014 90 5 4 7 5 2 2 4

19 2/19/2014 90 4 2 3 2 5 5 1

20 2/22/2014 90 4 5 3 3 4 3 2

∑ 1800 66 61 58 105 83 62 50



Kelompok 9


4.3.2 Diagram pareto (Manual – Excel, SPSS, Minitab)

Tabel 4.55 Data Diagram Pareto

nonconformity frequency % frequency cumulative % frequency

tuas on/off 105 22% 22%

roda 61 13% 34%

bumper 58 12% 46%

dinamo 66 14% 60%

chasis 83 17% 77%

pengunci body 62 13% 90%

plat depan 50 10% 100%

total 485

Gambar 4.132 Diagram Pareto Finished Product

0%

20%

40%

60%

80%

100%

-15525456585105125145165185205225245265285305325345365385405425445465485

Fre

kue

nsi

Defect

Diagram Pareto Finished Product

frequency

cumulative % frequency



Kelompok 9


Output SPSS

Gambar 4.133 Diagram Pareto Finished Product (SPSS)

Output Minitab

C2 105 83 66 62 61 58 50

Percent 21.6 17.1 13.6 12.8 12.6 12.0 10.3

Cum % 21.6 38.8 52.4 65.2 77.7 89.7 100.0

C1

plat dep

an

bumpe

rroda

peng

unci

body

dina

mo

chas

is

tuas

on/

off

500

400

300

200

100

0

100

80

60

40

20

0

C2

Pe

rce

nt

Pareto Chart of C1

Gambar 4.134 Diagram Pareto Finished Product (Minitab)



Kelompok 9


4.3.3 Peta Kontrol np

Tabel 4.56 Peta control np finished product

No

Tuas On/Off

np/CL pbar UCL LCL N. Of

Inspection

N. Of

Nonconformities

1 90 4 5.25 0.05833 11.920 0

2 90 6 5.25 0.05833 11.920 0

3 90 7 5.25 0.05833 11.920 0

4 90 9 5.25 0.05833 11.920 0

5 90 3 5.25 0.05833 11.920 0

6 90 8 5.25 0.05833 11.920 0

7 90 5 5.25 0.05833 11.920 0

8 90 7 5.25 0.05833 11.920 0

9 90 5 5.25 0.05833 11.920 0

10 90 7 5.25 0.05833 11.920 0

11 90 7 5.25 0.05833 11.920 0

12 90 7 5.25 0.05833 11.920 0

13 90 4 5.25 0.05833 11.920 0

14 90 4 5.25 0.05833 11.920 0

15 90 6 5.25 0.05833 11.920 0

16 90 1 5.25 0.05833 11.920 0

17 90 5 5.25 0.05833 11.920 0

18 90 5 5.25 0.05833 11.920 0

19 90 2 5.25 0.05833 11.920 0

20 90 3 5.25 0.05833 11.920 0

∑ 1800 105

Contoh Perhitungan data ke-1 :

p = ∑ 𝑛𝑜𝑛𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑖𝑡𝑖𝑒𝑠

∑ 𝑖𝑛𝑠𝑝𝑒𝑐𝑡𝑖𝑜𝑛

= 105

1800

= 0.05833

n p =diperiksayanglotJumlah

ditolakyangJumlahTotal



Kelompok 9


n p =20

105

= 5.25

UCL = n p + 3 ppn 1

= 5.25 + 3 )05833,01(25.5

= 11.920

LCL = n p - 3 ppn 1

= 25.5 - 3 )05833,01(25.5

= 0

Gambar 4.135 Peta kendali np finished product

0

2

4

6

8

10

12

14

1 3 5 7 9 11 13 15 17 19

Ke

tid

akse

suai

an

Sampel

Peta Kendali np Finish Produk Tuas On/Off

CL

UCL

LCL

N.of nonconformities



Kelompok 9


Output SPSS

Gambar 4.135 Peta kendali np finished product (SPSS)

Output Minitab

191715131197531

12

10

8

6

4

2

0

Sample

Sa

mp

le C

ou

nt

__NP=5.25

UCL=11.92

LCL=0

NP Chart of C4

Gambar 4.135 Peta kendali np finished product (Minitab)



Kelompok 9


4.3.4 Diagram Fishbone

InspeksiProses

PenyimpananMaterial Handling Proses Perakitan Tuas On/Off

Kurang Cermat

Kualitas Barang Buruk

Perlakuan saat inspeksi kasar

Penumpukan berlebihan

Tata letak WarehouseTidak baik

Peletakan barangTidak pada tempatnya

Perlakuan terhadap barang kasar

Proses Handling tidak standar

Pengaman (Box) barang berkualitas rendah

Tuas On/Off tidak terpasang dengan baik

Terjadi loss pada tuas on/off dari proses sebelumnya

Operator kurang handal

Gambar 4.136 Diagram Fishbone



Kelompok 9


4.4 Penentuan Biaya Kualitas

Biaya kualitas digunakan oleh PT. Diponegoro Tamiya Manufacturing dalam

menjaga kualitas produk dengan cara melakukan pengendalian kualitas. Dalam menjaga

kualitas produk tersebut, diperlukan pengendalian dengan biaya-biaya sebagai berikut :

1. Biaya Pencegahan

Biaya Capability Evaluation

Biaya Capability Evaluation merupakan biaya akibat raw material yang cacat

yang dipesan perusahaan. Cacat yang dapat dilihat berdasarkan peta kendali p dan

np, yaitu komponen plat belakang besar part dengan harga Rp 60, plat belakang

kecil Rp 50, plat depan seharga Rp 80, penutup baterai dengan harga Rp 80, dan

dinamo seharga Rp 2300.

Tabel 4.57 Biaya Capability Evaluation

Material Jumlah Cacat Harga Total Total 1 Tahun

Plat Belakang Besar 189 Rp. 60 Rp. 10.800 Rp. 129.600

Plat Belakang Kecil 214 Rp. 50 Rp. 10.700 Rp. 128.400

Plat Depan 191 Rp. 80 Rp. 15.280 Rp. 183.360

Penutup Baterai 180 Rp. 80 Rp. 14.400 Rp. 172.800

Dinamo 193 Rp. 2300 Rp. 443.900 Rp. 5.326.800

TOTAL BIAYA Rp. 5.940.960

Biaya Pelatihan Operator

Merupakan biaya yang dikeluarkan untuk melakukan training kepada operator

perakitan. Terdapat 19 operator yang bekerja di stasiun-stasiun kerja dengan

biaya pelatihan untuk tiap operator sebesar Rp. 150.000. Sehingga total biaya

pelatihan operator perakitan selama 1 tahun : 19 x 150.000 = . Biaya tersebut

mencakup :



Kelompok 9


Biaya Konsumsi selama pelatihan : Rp. 30.000

Coffee Break 2x : Rp. 20.000

Snack : Rp. 5.000

Modul Pelatihan : Rp. 20.000

Biaya Pembicara : Rp. 50.000

CD Tutorial : Rp. 20.000

Sertifikat : Rp. 5.000

TOTAL : Rp. 150.000

TOTAL Biaya untuk 19 Peserta : Rp. 2.850.000

Biaya Perencanaan Kualitas

Yang termasuk ke dalam biaya ini ialah biaya perencanaan rapat terbatas

dalam merencanakan kualitas produk, perencanaan perangkat-perangkat

kualitas dan sebagainya. Besarnya biaya perencanaan kualitas sebesar Rp.

50.000/bulan. Sehingga total dalam 1 tahun dibutuhkan biaya perencanaan

kualitas sebesar Rp. 600.000.

Biaya Pemeliharaan Peralatan

Biaya ini mencakup biaya pembelian komponen penggantian, biaya

administrasi dalam pemeliharaan peralatan, dan lain sebagainya. Biaya ini

digunakan dalam upaya menjaga nilai peralatan yang digunakan pada proses

produksi sehingga kondisi alat selalu dalam keadaan baik. Besarnya biaya

pemeliharaan peralatan sebesar Rp. 100.000/bulan, sehingga biaya total dalam

1 tahun adalah Rp. 1.200.000.



Kelompok 9


Biaya Penjaminan Supplier

Yaitu biaya dalam menjamin supplier agar supplier terus melakukan kontrak

ke PT. Diponegoro Tamiya Manufacturing serta mematuhi aturan kontrak

yang ada. Biaya ini besarnya adalah Rp. 2.964.000.

2. Biaya Penilaian

Biaya penilaian merupakan biaya untuk menentukan apakah produk telah sesuai

dengan persyaratan-persyaratan kualitas yang telah ditentukan oleh perusahaan

ataupun belum. Biaya tersebut meliputi :

Biaya Pengujian dan Inspeksi

Biaya pengujian dan inspeksi adalah biaya yang dikeluarkan untuk tenaga

kerja yang melakukan inspeksi/pemeriksaan, membeli jangka sorong, serta

membeli kebutuhan pengendalian kualitas lainnya. Biaya pekerja didapatkan dari

UMK (Upah Minimum Kota Semarang) tahun 2014 dengan upah minimum

sebesarRp.1.423.500.(http://news.detik.com/read/2013/11/19/020802/2416590/1

0/umk-2014-di-jateng-tertinggi-semarang-terendah-purworejo)

Biaya pengujian dan inspeksi

- Tenaga kerja

Rp 1.423.500 x 3 pekerja x 12 bulan = Rp 51.246.000

TOTAL BIAYA Rp 51.246.000

Biaya Kalibrasi

Biaya ini merupakan biaya yang dilakukan untuk mengkalibrasi jangka

sorong agar keakuratan pengukuran terjamin. Dengan 1 jangka sorong dikenakan

biaya Rp 150.000 setiap kalibrasi. (www.bbkk-litbank.go.id)

Total Biaya kalibrasi

- Rp 150.000 x 3 x 2 kali/tahun = Rp 900.000



Kelompok 9


3. Biaya Kegagalan Internal

Biaya Kegagalan Internal merupakan biaya yang dikeluarkan akibat produk cacat

yang belum sampai ke konsumen. Yang termasuk dalam biaya ini adalah :

Biaya Downgrading

Merupakan biaya yang ditanggung akibat menjual barang dengan harga di

bawah standar akibat kualitasnya yang kurang baik. Besarnya biaya ini

didapatkan dari rumus : 10% x JIP 1 tahun untuk 3 tamiya x biaya total raw

material.

Biaya downgrading = 10% x JIP 1 tahun untuk 3 tamiya x biaya total raw

material.

= 10% x 129166 x 6200

= Rp 80.082.920

Biaya re-apprasial

Biaya re-apprasial merupakan biaya dalam melakukan pengukuran kualitas

produk, yang berupa biaya pembelian jangka sorong. Biaya ini dapat dihitung

dengan mengalikan harga jangka sorong dan jumlah jangka sorong (harga

jangka sorong dibuktikan dengan website resmi penjualan jangka sorong).

Biaya re-apprasial = Harga jangka sorong x jumlah jangka sorong

= Rp 500.000 x 3

= Rp 1.500.000

Untuk harga jangka sorong terbaru diperoleh dari sumber internet dengan

alamat sumber informasi sebagai berikut :

(http://indoperkakas.net/v1/pk/kat/vernier-manual ).

4. Biaya Kegagalan Eksternal

Biaya kegagalan eksternal merupakan biaya yang harus ditanggung akibat barang

cacat yang telah sampai di tangan konsumen. Biaya ini dituliskan sebagai biaya

garansi untuk mengganti rugi barang cacat tersebut.



Kelompok 9


Biaya Garansi

Biaya garansi merupakan biaya yang dikeluarkan perusahaan akibat produk

cacat yang diterima konsumen, sehingga perusahaan wajib mengganti rugi

produk tersebut dengan menggunakan garansi yang telah ditentukan.

Biaya garansi = 5% x (POR satu tahun x 4) x biaya total raw material tamiya

= 5% x (31633 x 4) x Rp. 6.200 ,-

= Rp 39.224.920,-

Rekapitulasi Biaya Kualitas

Tabel 4.58 Rekapitulasi Biaya Kualitas

Biaya Pencegahan

Capability Evaluation Rp. 5.940.960

7.26%

Biaya Pelatihan

Operator Rp. 2.850.000

Biaya Perencanaan

Kualitas Rp. 600.000

Biaya Pemeliharaan

Peralatan Rp. 1.200.000

Biaya Penjaminan

Supplier Rp. 2.964.000

Biaya Penilaian

Biaya Pengujian &

Inspeksi Rp. 51.246.000

27.95%

Biaya Kalibrasi Rp. 900.000

Biaya Kegagalan Internal

Biaya Downgrading Rp. 80.082.920 43.74%

Biaya Re-Appraisal Rp. 1.500.000

Biaya Kegagalan Eksternal

Biaya Garansi Rp. 39.224.920 21.03%

TOTAL BIAYA Rp. 186.508.800 100%



Kelompok 9


BAB V

ANALISIS

5.1 Analisis Acceptance Sampling

5.1.1 Kebijakan Sampel untuk Ass Roda

Kebijakan sampel yang diambil untuk as roda adalah kebijakan dengan

pengambilan 20 sampel as roda, dimana dengan sampel tersebut dilakukan pengukuran

panjang dan diameter as roda. Jumlah sampel yang diambil untuk as roda adalah 10492,

nilai ini diperoleh berdasarkan ukuran lot size dari POR as roda. Jumlah sample yang

diambil tersebut berada diantara 10001-35000, dengan level inspection S-4 diperoleh

code letternya yaitu I. Dengan nilai AQL 0,18 maka berdasarkan tabel 10.1 diperoleh

AQL value sebesar 0,25 (0,165-0,279). Dilihat dari tabel 10.3 untuk N=20 dan AQL value

0,25 maka diperoleh nilai k=2,26. Acceptance sampling dilakukan untuk mengambil

keputusan apakah akan menerima lot atau menolak lot dari sampling yang dilakukan.

Syarat diterimanya lot adalah nilai ZU dan ZL harus lebih besar dai niali k.

Setelah dilakukan single acceptance sampling untuk panjang as roda, di dapat nilai

ZU sebesar 0,67 dan ZL sebesar 49,33. Nilai ZU ini lebih kecil dari nilai k (0,667 < 2,26)

, dan nilai ZL lebih besar dari nilai k (49,33 > 2,26). Keputusan yang diperoleh

menghasilkan dua keputusan dimana ZU ditolak dan ZL diterima. Karena terdapat 2

keputusan maka perlu diadakan pengujian kembali menggunakan double acceptance

sampling. Pada pengujian tersebut di dapat nilai PU sebesar 25,33, nilai PU ini lebih besar

dari nilai M=0,877, dari hasil pengujian tersebut dapat di simpulkan keputusan lot

panjang as roda di tolak.

Untuk diameter as roda, setelah dilakukan single acceptance sampling di dapat

nilai ZU dan ZL tak terhingga. Berarti nilai ZU dan ZL lebih besar dari nilai k, maka dapat

disimpulkan keputusan lot diameter as roda di tolak. Untuk diameter as roda, setelah

dilakukan single acceptance sampling di dapat nilai ZU dan ZL tak terhingga. Berarti nilai

ZU dan ZL lebih besar dari nilai k, maka dapat disimpulkan keputusan lot diameter as roda

di terima.



Kelompok 9


5.1.2 Kebijakan Sampel untuk Gardan

Kebijakan sampel yang diambil untuk garden ialah dengan pengambilan sebanyak

15 sampel gardan dalam melakukan pengukuran panjang dan diameter gardan. Jumlah

sampel yang diambil diperoleh berdasarkan ukuran lot size dari POR Gardan yaitu antara

1201 sampai 3200 dengan inspection level S-4, sehingga diperoleh letter code E dengan

sample size sebanyak 15 unit. Dengan nilai AQL 0.18 maka diperoleh nilai AQL value =

0.25 (0.165 to 0.279) pada table 10-1 buku Amitava Mitra. Kemudian dari tabel 10-3,

dengan nilai N = 15 dan AQL value = 0.25, diperoleh nilai k sebesar 2.00. Acceptance

sampling dilakukan dalam mengambil keputusan apakah suatu lot akan diterima ataupun

ditolak berdasarkan hasil sampling yang dilakukan. Syarat diterimanya lot ialah nilai Zu

dan ZL harus lebih besar dari k.

Untuk panjang gardan setelah dilakukan single acceptance sampling dengan hasil

Zu > k (3.7048 > 2.00) dan ZL > k (7.4096 > 2.00) sehingga lot dapat diterima dengan

melihat panjang dari gardan. Selanjutnya untuk diameter gardan, dilakukan single

acceptance sampling dengan hasil Zu > k (∞ > 2.00) dan ZL > k (∞ > 2.00) sehingga

keputusannya lot diterima dengan memperhatikan diameter dari gardan. Perhitungan

acceptance sampling untuk gardan tidak perlu dilakukan hingga double acceptance

sampling karena lot sudah diterima pada single acceptance sampling.

5.1.3 Kebijakan Sampel untuk Dinamo

Kebijakan sampel yang diambil untuk besi dinamo adalah dengan pengambilan

sebanyak 15 sampel besi dinamo dimana untuk dilakukan pengukuran terhadap diameter

besi dinamo. Standart perusahaan untuk diameter dinamo yaitu sebesar 1,95 0,15 mm

dengan AQL sebesar 0,18. Jumlah sampel yang diambil diperoleh berdasarkan ukuran lot

size dari POR (Planned Order Receipt) dari dinamo dengan ukuran lot size dari POR

dinamo yaitu antara 1201 sampai 3200 dengan level inspeksi (inspection level ) s-4, maka

diperoleh sample size code letternya yaitu E dengan sample size sebanyak 15 unit. Untuk

nilai AQL sebesar 0,18 maka diperoleh AQL value berdasarkan tabel 10.1 AQL

conversion tabel , buku amitava mitra halaman 420 sebesar 0.25 karena 0.18 berada di



Kelompok 9


antara 0.165 sampai 0.279. Kemudian dari tabel 10-3, dengan N=15 dan AQL value

sebesar 0,25, maka diperoleh nilai k= 2,00.Acceptance sampling dilakukan untuk

mengambil keputusan apakah akan menerima atau menolak lot dari sampling yang

dilakukan, dengan syarat diterimanya lot jika nilai Zu dan ZL harus lebih besar dari nilai

k (Zu > k) dan (ZL > k).

Setelah dilakukan single acceptance sampling untuk diameter dinamo dengan nilai

hasil Zu > k yaitu 3,4380 > 2.00 maka lot diterima dan hasil dari ZL > k sebesar 3,7579>

2.00 maka lot diterima. Acceptance sampling untuk diameter besi dinamo hanya

dilakukan satu kali pada single acceptance sampling, hal ini dikarenakan hasil untuk

keduamya adalah lot diterima sehingga tidak perlu dilakukan double acceptance

sampling.

5.2 Analisis Kualitas Raw Material

5.2.1 Data Variabel

Panjang Gardan

Data yang di ambil untuk panjang gardan yaitu sebanyak 15 kali pengukuran. Pada

iterasi ke 0 tidak ada data yang keluar dari nilai UCL pada peta MR, namun pada peta X

terdapat data yang keluar yaitu pada sampel ke-8 dengan nilai 74.5 yang melewati UCL

74.4969 dan juga sampel ke-9 dengan nilai 74.5 yang melewati UCL 74.4969. Hal ini

harus di iterasikan kembali agar data terkendali, dengan menghitung kembali nilai MR

setelah membuang kedua data tersebut, didapatkan nilai UCLx iterasi 1 sebesar 74.4553

dan LCLx iterasi 1 sebesar 73.9677 sehingga tidak ada lagi data yang keluar. Data

terkendali pada iterasi ke 1 dimana tidak ada data yang melebihi UCL dan LCL. Dari data

di atas dapat di simpulkan kualitas panjang gardan dapat di terima dan memenuhi standart

perusahaan.

Diameter Gardan

Data yang di ambil untuk diameter gardan yaitu sebayak 15 kali pengukuran. Pada

peta MR dan X bar untuk diameter gardan pada iterasi 0 tidak ada data yang keluar dari



Kelompok 9


peta kendali MR dan X bar sehingga data terkendali. Nilai UCL pada peta X bar adalah

1.13 mm dan LCL nya adalah 1.35 mm. Dari hasil yang diperoleh dapat disimpulkan

bahwa supplier mengirimkan barang dengan kualitas bagus karena sangat sesuai dengan

spesifikasi yang dibutuhkan perusahaan.

Panjang Ass Roda

Data untuk panjang ass roda merupakan data yang melalui 20 kali pegukuran .

Pada peta MR untuk panjang ass roda terdapat data yang keluar yaitu data pada nomor 3

dengan nomor komponen 74. Hal ini dikarenakan pada iterasi ke 0 nilai MR data ke 3

dengan nomor komponen 74 sebesar 0,2 yang melebihi nilai batas UCL yaitu sebesar

0,189, kemudian dilakukan iterasi ke 1 untuk mendapatkan data yang terkendali. Pada

iterasi ke 1 sudah terlihat tidak terdapat data yang keluar melebihi batas UCL dan LCL

yang telah ditentukan dimana batas UCL sebesar 0,189 dan batas LCL sebesar 0. Dapat

diambil kesimpulan data mulai terkendali pada saat ietasi ke 1 dikarenakan tidak ada data

yang melebihi batas UCL atau LCL. Dari data di atas dapat di simpulkan bahwa panjang

ass roda cukup sesuai dengan spesifikasi yang diminta oleh perusahaan.

Diameter Ass Roda

Data yang di ambil untuk pengukuran diameter as roda yaitu 20 kali pengukuran.

Berdasarkan perhitungan yang telah dilakukan, pada peta MR diameter as roda tidak

terdapat data yang keluar atau melebihi nilai UCL dan LCL. Nilai UCL dan LCL

menghasilkan nilai yang sama yaitu 0. Hal ini terjadi karena data hasil pengukuran

diameter as roda menunjukkan nilai yang sama yaitu 1,8 mm yang merupkan ukuran

standart dari perusahaan. Dengan demikian dapat disimpulkan bahwa as roda memenuhi

standart perusahaan.

Diameter Dinamo

Data yang di ambil untuk pengukuran diameter dinamo yaitu 15 kali pengukuran.

Berdasarkan perhitungan yang telah dilakukan, pada peta MR diameter dinamo tidak



Kelompok 9


terdapat data yang keluar atau melebihi nilai UCL dan LCL. Nilai UCL dan LCL pada

peta MR ialah 0.16 dan 0.05, sedangkan padaa peta X, nilai UCL dan LCL adalah 2.08

dan 1.82. Dengan demikian dapat disimpulkan bahwa as roda memenuhi standart

perusahaan.

5.2.2 Data Atribut

1. Peta kendali P

Peta kendali P digunakan ketika jumlah sampel (number of inspection) berbeda

beda pada setiap pengambilan. Peta P digunakan untuk menghitung banyaknya produk

yang cacat pada setiap pngambilan sampel. Berikut ini komponen komponen yang

menggunkan peta kendali P.

Plat belakang besar

Penggunaan peta kendali p pada plat belakang besar diakibatkan terjadinya cacat

yang berupa retakan sehingga peta p dapat menunjukkan proporsi cacat tersebut. Sampel

yang di ambil untuk plat belakang besar sejumlah 20. Pada iterasi 0 terdapat data yang

keluar yaitu data ke 17 dengan nilai 0.22619 melalui batas UCL sebesar 0.20593 sehingga

data harus di hilangkan dan di iterasikan kembali sampai data terkendali. Pada iterasi 1,

data sudah terkendali pada jumlah 19 sampel yang dimana tidak ada data yang melebihi

batas UCL maupun LCL. Kemungkinan cacat yang terjadi pada plat belakang besar yaitu

plat belakang besar bengkok. Hal ini perlu adanya pencegahan untuk memperkecil

kemungkinan cacat. Yaitu dengan mengurangi penumpukan pada inventori, atau

mengawasi pemindahan material agar memperkecil kemungkinan plat belakang besar

bengkok. Pemindahan material yang terlalu keras yang dilakukan oleh operator dapat

pula menjadi penyebab kebengkokan ini.

Plat belakang kecil

Penggunaan peta kendali p pada plat belakang kecil diakibatkan terjadinya cacat

yang berupa retakan sehingga peta p dapat menunjukkan proporsi cacat tersebut. Sampel



Kelompok 9


yang di ambil untuk plat belakang kecil sejumlah 20. Pada iterasi 0 terdapat data yang

keluar yaitu data ke-6 dengan nilai 0.21154 melewati batas UCL sebesar 0.21104, serta

data ke-12 dengan nilai 0.22727 melewati batas UCL sebesar 0.21927 sehingga harus di

iterasikan kembali sampai data terkendali.Pada iterasi ke 1, data sudah terkendali dengan

jumlah sampel 18 dimana tidak ada data yang melebihi batas UCL maupun LCL.

Kemungkinan cacat yang terjadi pada plat belakang kecil yaitu plat belakang kecil

bengkok. Hal ini perlu adanya pencegahan untuk memperkecil kemungkinan cacat. Yaitu

dengan mengurangi penumpukan pada inventori, atau mengawasi pemindahan material

agar memperkecil kemungkinan plat belakang kecil bengkok. Pemindahan material yang

terlalu keras yang dilakukan oleh operator dapat pula menjadi penyebab kebengkokan ini.

Plat depan

Penggunaan peta kendali p pada plat depan diakibatkan terjadinya cacat yang

berupa retakan sehingga peta p dapat menunjukkan proporsi cacat tersebut. Sampel yang

di ambil untuk plat depan sejumlah 20 kali pengukuran. Pada iterasi 0 terdapat data yag

keluar yaitu data ke-4 dengan nilai 0.2833 melalui batas UCL sebesar 0.2253 sehingga

harus di iterasikan kembali sampai data terkendali. Data terkendali pada iterasi 1 dengan

jumlah sampel akhir 19 dimana tidak ada data yang melebihi batas UCL maupun LCL.

Kemungkinan cacat yang terjadi pada plat depan yaitu plat depan bengkok. Hal ini perlu

adanya pencegahan untuk memperkecil kemungkinan cacat. Yaitu dengan di kurangnya

penumpukan pada inventori, dan mengawasi perpindahan material plat depan.

Pemindahan material yang terlalu keras yang dilakukan oleh operator dapat pula menjadi

penyebab kebengkokan ini.

Penutup plat depan

Penggunaan peta kendali p pada penutup plat depan digunakan untuk mengetahui

proporsi cacat yang terjadi pada penutup plat depan. Sampel yang di ambil untuk penutup

plat depan yaitu 20. Pada iterasi 0 tidak terdapat data yang keluar sehingga data sudah

terkendali pada iterasi dengan jumlah sampel akhir 20 dimana tidak ada data yang



Kelompok 9


melebihi batas UCL maupun LCL. Hal ini menunjukkan bahwa kualitas penutup plat

depan yang dipasok dari supplier telah memiliki kualitas yang baik, seperti tidak adanya

retakan ataupun bagian yang patah, sehingga pada saat proses inspeksi, tidak terdapat

cacat yang dideteksi.

2. Peta kendali np

Peta kendali NP digunakan untuk jumlah sampel (number of inspection) yang

sama. Peta NP juga memiliki fungsi yang sama dengan peta P yaitu menghitung berapa

banyak produk yang cacat dalam setiap pengambilan, perbedaannya hanya terletak pada

jumlah sampelnya. Jika peta kendali p memiliki jumlah sampel yang berbeda-beda pada

setiap pengukurannya, maka peta kendali np memiliki jumlah sampel yang sama pada

setiap pengukurannya. Berikut komponen yang menggunakan peta kendali np :

Pengunci baterai

Pada proses pengecekan yang dilakukan data yang diambil untuk sampel

pengunci baterai adalah sebanyak 20 sampel pengamatan yang dilakukan dengan hari dan

bulan yang berbeda. Dari pengamatan tersebut didapat nilai inspeksi yang konstan dengan

nilai nonconformities yang acak dan tidak melebihi nilai inspeksi itu sendiri sehingga

dilihat dari data tersebut dapat di pastikan perhitungan dapat menggunakan peta kendali

atribut np. Setelah dilakukan perhitungan peta kendali atribut np pada iterasi 0 didapatkan

bahwa didapatkan bahwa terdapat 1 data yang keluar dari batas kontrol. Berdasarkan dari

grafik tersebut, dapat disimpulkan banyaknya cacat pada lot nomor 2 berada diluar batas

kendali atas, sehingga dapat dinyatakan banyaknya cacat masih belum terkendali.

sehingga lot tersebut harus dieleminasi.

Setelah diiterasi kembali, didapatkan batas kontrol atas yang baru (UCL) yaitu

17,24 dan batas kontrol bawah (LCL) sebesar 0,34 dengan rata-rata 8,79. Pada iterasi 1

ini dapat dilihat bahwa semua proses dalam keadaan terkendali, karena tidak ada data

yang keluar dari batas kendali atas maupun batas kendali bawah. Untuk itu perlu

dilakukan pengendalian kualitas yang lebih baik agar tidak memunculkan cacat.



Kelompok 9


Dinamo

Pada proses pengecekan yang dilakukan data yang diambil untuk sampel dinamo

adalah sebanyak 20 sampel pengamatan yang dilakukan dengan hari dan bulan yang

berbeda. Dari pengamatan tersebut didapat nilai inspeksi yang konstan dengan nilai

nonconformities yang acak dan tidak melebihi nilai inspeksi itu sendiri sehingga dilihat

dari data tersebut dapat di pastikan perhitungan dapat menggunakan peta kendali atribut

np seperti pada part pengunci baterai. Setelah itu dilakukan perhitungan peta kendali

atribut np pada iterasi 0 dengan (UCL) yaitu 18,36 dan batas kontrol bawah (LCL) sebesar

0,80 dengan rata-rata 9,58 , berdasarkan dari grafik literasi 0 tersebut dapat dilihat

terdapat banyaknya cacat pada lot nomor 5 berada diluar batas kendali atas yaitu 19,

sehingga dapat dinyatakan banyaknya cacat masih belum terkendali. sehingga lot tersebut

harus dieleminasi.

Setelah diiterasi kembali, didapatkan batas kontrol atas yang baru (UCL) yaitu

17,76 dan batas kontrol bawah (LCL) sebesar 0,55 dengan rata-rata 9,16. berdasarkan

dari grafik literasi 1 tersebut dapat dilihat terdapat banyaknya cacat pada lot nomor 16

berada diluar batas kendali atas yaitu 18, sehingga dapat dinyatakan banyaknya cacat

masih belum terkendali sehingga lot tersebut harus dieleminasi kembali sampai tidak ada

cacat yang melebihi batas.

Dan di literasi 2 ini didapatkan batas kontrol atas yang baru (UCL) yaitu 17,08

dan batas kontrol bawah (LCL) sebesar 0,28 dengan rata-rata 8,69. berdasarkan dari

grafik literasi 2 tersebut dapat dilihat bahwa semua proses dalam keadaan terkendali,

karena tidak ada data yang keluar dari batas kendali atas maupun batas kendali bawah.

Untuk itu perlu dilakukan pengendalian kualitas yang lebih baik dan lebih berhati-hati

ketika membawa part-part agar tidak memunculkan cacat.



Kelompok 9


3. Peta Kendali c

Peta kendali C digunakan melacak jumlah ketidaksesuaian suatu produk dalam

sampel-sampel (number of inspection) dengan ukuran tetap. Pengambilan sampel

dilakukan dalam jumlah yang sama dengan jumlah ketidaksesuaian yang lebih besar

dibandingkan jumlah pengambilan sampel. Hal ini disebabkan dalam satu produk dapat

terjadi lebih dari 1 bentuk ketidaksesuaian. Berikut ini komponen yang menggnakan peta

kendali C.

Roller besar

Data yang diambil untuk komponen roller besar menunjukkan bahwa komponen

roller besar termasuk peta kendali c. Hal ini dikarenakan jumlah inspeksi atau

pengambilan sampel dilakukan dalam jumlah yang sama dengan jumlah ketidaksesuaian

yang lebih besar dibandingkan jumlah pengambilan sampel. Sampel yang di ambil untuk

komponen roller besar yaitu sebanyak 20 sampel. Berdasarkan perhitungan yang telah

dilakukan, pada iterasi 0 tidak terdapat data yang melebihi batas UCL maupun LCL

sehingga tidak perlu dilakukannya iterasi ke-1 karena data sudah terkendali. Nilai UCL

dan LCL pada iterasi 0 ini secara berturut-turut adalah sebesar 132,93 dan 72,17. Karena

data telah terkendali pada iterasi 0 maka dapat disimpulkan komponen roller besar yang

dikirim oleh supplier memiliki kualitas yang bagus dan sesuai dengan standar yang telah

ditetapkan perusahaan.

Roller kecil

Data yang diambil untuk komponen roller kecil menunjukkan bahwa komponen

roller kecil termasuk peta kendali c. Hal ini dikarenakan jumlah inspeksi atau

pengambilan sampel dilakukan dalam jumlah yang sama dengan jumlah ketidaksesuaian

yang lebih besar dibandingkan jumlah pengambilan sampel. Sampel yang di ambil untuk

komponen roller kecil yaitu sebanyak 20 sampel. Berdasarkan perhitungan yang telah

dilakukan, pada iterasi 0 terdapat data yang melewati UCL dan LCL. Data tersebut adalah

data ke 6 pada tanggal 20/01/2014 dengan noncomformites 60 yang melewati batas LCL



Kelompok 9


(68,30) dan data ke 10 pada tanggal 28/01/2014 dengan noncomformites 129 yang

melewati batas UCL sebesar 127,70, sehingga kedua data tersebut dikeluarkan dan

dilakukan iterasi ke-1. Setelah dilakukan iterasi ke-1, data telah terkendali karena tidak

terdapat data yang melebihi UCL maupun LCL. Kemungkinan cacat atau ketidaksesuaian

untuk komponen roller kecil ini adalah ketidaksesuaian produk dengan desain yang ada

sehingga baut untuk roller kecil tidak dapat mengunci roller kecil dengan sempurna.

Dengan demikian maka perusahaan perlu melakukan pengendalian kualitas agar

komponen yang masuk ke perusahaan tidak ada yang cacat. Selain itu juga perlu

dilakukan peninjauan kembali pada supplier terhadap produk yang dihasilkan. Apabila

produk yang dihasilkan oleh supplier banyak yang cacat dan terjadi terus menerus

sehingga merugikan perusahaan, maka perusahaan dapat mengganti supplier yang

menghasilkan produk yang lebih berkualitas.

Rumah dinamo

Data yang diambil untuk komponen rumah dinamo menunjukkan bahwa

komponen rumah dinamo termasuk peta kendali c. Hal ini dikarenakan jumlah inspeksi

atau pengambilan sampel dilakukan dalam jumlah yang sama dengan jumlah

ketidaksesuaian yang lebih besar dibandingkan jumlah pengambilan sampel. Sampel

yang di ambil untuk komponen rumah dinamo yaitu sebanyak 20 sampel. Dilihat dari

grafik hasil dari perhitungan, pada iterasi 0 terdapat data yang melewati LCL sebesar

77,47. Data tersebut adalah data ke 4 pada tanggal 08/01/2014 dengan nonconformities

70 dan data ke 14 pada tanggal 02/02/2014 dengan nonconformities 75, sehingga kedua

data tersebut dikeluarkan dan dilakukan iterasi ke-1. Setelah dilakukan iterasi ke-1, tidak

terdapat data yang melewati UCL maupun LCL sehingga tidak perlu dilakukan iterasi ke-

2 karena data telah terkendali. Cacat atau ketidaksesuaian yang mungkin terjadi pada

komponen rumah dinamo terjadi karena pengepakan produk yang kurang tepat sehingga

produk gampang rusak seperti adanya goresan atau lekukan pada rumah dinamo tersebut.

Selain itu ketidaksesuaian rumah dinamo dengan desain sehingga mengakibatkan dinamo

tidak dapat terpasang pada rumah dinamo tersebut. Dengan demikian maka perlu



Kelompok 9


dilakukan pengawasan dan peninjauan kembali pada supplier terhadap produk yang

dihasilkan.

Roda Assy

Data yang diambil untuk komponen roda assy menunjukkan bahwa komponen

roda assy termasuk peta kendali c. Hal ini dikarenakan jumlah inspeksi atau pengambilan

sampel dilakukan dalam jumlah yang sama dengan jumlah ketidaksesuaian yang lebih

besar dibandingkan jumlah pengambilan sampel. Sampel yang di ambil untuk komponen

roda assy yaitu sebanyak 20 sampel. Dilihat dari grafik hasil dari perhitungan, pada iterasi

0 tidak terdapat data yang melebihi batas UCL maupun LCL yaitu dengan nilai UCL

sebesar 131,55 dan nilai LCL sebesar 71,15. Dengan demikian maka tidak perlu

dilakukan iterasi ke-1 karena data sudah terkendali. Karena data telah terkendali pada

iterasi 0 maka dapat disimpulkan komponen roller besar sudah sesuai dengan standar

yang ada.

Gear besar

Data yang diambil untuk komponen gear besar menunjukkan bahwa komponen

gear besar termasuk peta kendali c. Hal ini dikarenakan jumlah inspeksi atau pengambilan



gear besar yaitu 20. Berdasarkan perhitungan yang telah dilakukan, pada iterasi 0 terdapat

data yang melewati UCL sebesar 143,92 yakni pada data nomor 12 dengan

noncomformities 145, pada tanggal 30/01/2014, sehingga harus dilakukan iterasi ke-1

untuk menghilangkan data nomor 12. Setelah dilakukan iterasi ke-1, data telah terkendali

karena tidak terdapat data yang melebihi UCL maupun LCL. Kemungkinan cacat atau

ketidaksesuaian untuk komponen gear besar adalah ketidaksesuaian produk dengan

desain yang ada sehingga mengakibatkan kegagalan inspeksi karena roda tidak berputar.

Dengan demikian maka perusahaan perlu melakukan pengendalian kualitas agar

komponen yang masuk ke perusahaan tidak ada yang cacat. Selain itu juga perlu



Kelompok 9


dilakukan peninjauan kembali pada supplier terhadap produk yang dihasilkan. Apabila

produk yang dihasilkan oleh supplier banyak yang cacat dan terjadi terus menerus

sehingga merugikan perusahaan, maka perusahaan dapat mengganti supplier yang

menghasilkan produk yang lebih berkualitas.

Gear kecil

Data yang diambil untuk komponen gear kecil menunjukkan bahwa komponen

gear kecil termasuk peta kendali c. Hal ini dikarenakan jumlah inspeksi atau pengambilan



gear kecil yaitu 20. Berdasarkan perhitungan yang telah dilakukan, pada iterasi 0 terdapat

data yang melewati UCL sebesar 145,57 yakni pada data nomor 13 dengan

noncomformities 146, pada tanggal 31/01/2014, sehingga harus dilakukan iterasi ke-1

untuk menghilangkan data nomor 13. Setelah dilakukan iterasi ke-1, data telah terkendali

karena tidak terdaat data yang melebihi UCL maupun LCL. Kemungkinan cacat atau

ketidaksesuaian untuk komponen gear kecil adalah ketidaksesuaian produk dengan

desain yang ada sehingga mengakibatkan kegagalan saat inspeksi. Dengan demikian

maka perusahaan perlu melakukan pengendalian kualitas agar komponen yang masuk ke

perusahaan tidak ada yang cacat. Selain itu juga perlu dilakukan peninjauan kembali pada

supplier terhadap produk yang dihasilkan. Apabila produk yang dihasilkan oleh supplier

banyak yang cacat dan terjadi terus menerus sehingga merugikan perusahaan, maka

perusahaan dapat mengganti supplier yang menghasilkan produk yang lebih berkualitas.

4. Peta Kendali u

Peta kendali u digunakan untuk jumlah sampel yang diambil (number of

inspection) memiliki jumlah yang tidak sama dengan banyaknya ketidaksesuaian lebih

besar dibandingkan jumlah sampel untuk inspeksi. Hal ini disebabkan karena pada 1

produk dapat terjadi lebih dari 1 bentuk ketidaksesuaian. Berikut ini komponen

komponen yang menggunakan peta kendali u :



Kelompok 9


Bumper Belakang

Data pada komponen bumper belakang menunjukkan bahwa komponen ini

termasuk pada peta kendali u, hal ini dikarenakan data menunjukkan bahwa jumlah

inspeksi memiliki nilai yang bervariasi dan jumlah ketidaksesuaian lebih besar

dibandingkan dengan jumlah inspeksi. Pengambilan sampel untuk bumper belakang yaitu

sebanyak 20 sampel. Pada iterasi 0 terdapat 1 data yang melebihi batas UCL yaitu data

ke 18 dengan nilai u sebesar 2,379 sedangkan untuk batas UCL desebesar 2,329 sehingga

data harus di hilangkan dan dilakukan iterasi kembali sampai data terkendali. Data

terkendali pada iterasi 1 dengan jumlah sampel menjadi 19 karena data nomor ke 18

sudah dihilangkan dan tidak ada data lagi yang melebihi UCL atau LCL. Terdapat

kemungkinan cacat pada bumper belakang hingga dikarenakan adanya kerusakan pada

komponen tersebut. Sehingga bumper belakang tidak dapat terpasang dengan baik pada

chasis.

Pengunci Body

Pada komponen pengunci body juga termasuk dalam peta kendali u, hal ini karena

jumlah sampel yang diperiksa bervariasi dan jumlah cacat juga bervariasi serta lebih

besar. Untuk sampel pengunci body yaitu sebanyak 20 sampel. Pada iterasi 0 tidak

terdapat data yang melebihi batas UCL maupun LCL yaitu dengan UCL sebesar 1,240

dan LCL sebesar 0,653. Sehingga data terkendali pada iterasi 0 dan tidak perlu dilakukan

itersi ke 1. Dikarenakan data sudah terkendali pada iterasi 0, dapat disimpulkan

komponen pengunci body tidak terdapat cacat atau sudah sesuai standar yang ada melalui

proses pengendalian kualitas yang telah dilakukan.

Tuas On Off

Pengukuran untuk tingkat kecacatan pada komponen tuas On-Off menggunakan

peta kendali u karena jumlah sampel yang diinspeksi adalah bervariasi atau tidak tetap

pada setiap lotnya dan digunakan untuk menghitung proporsi produk cacat yang

jumlahnya lebih besar. Sampel yang di ambil untuk tuas On-Off yaitu sebanyak 20



Kelompok 9


sampel. Pada iterasi 0 tidak terdapat data yang melebihi batas UCL sebesar 1,380 dan

batas LCL sebesar 0,737 sehingga tidak ada data yang harus di hilangkan dan dilakukan

iterasi kembali sampai data terkendali. Data terkendali pada iterasi ke 0 dengan jumlah

sampel tetap 20. Karena dari hasil data sudah terkendali pada iterasi 0, dapat disimpulkan

komponen tuas On-Off kemungkinan tidak terdapat cacat atau sudah sesuai standar yang

ada melalui proses pengendalian kualitas yang telah dilakukan.

Gear Dinamo

Pada data untuk komponen Gear Dinamo, menggunakan peta kendali u, hal ini

karena data menunjukkan jumlah produk yang cacat dan jumlah sampelnya tidak sama

atau bervariasi. Sampel yang di ambil untuk gear dinamo yaitu sebanyak 20 sampel. Pada

iterasi 0 terdapat 2 data yang melebihi batas UCL maupun batas LCL. Untuk data ke 3

dengan nilai u sebesar 1,794 melebihi nilai batas UCL sebesar 1,388, sedangkan untuk

data ke 5 yaitu sebesar 0,670 yang melebihi batas LCL sebesar 0,722 sehingga data harus

di hilangkan dan dilakukan iterasi kembali sampai data terkendali. Data terkendali pada

iterasi 1 karena tidak ada lagi data yang melebihi UCL atau LCL. Cacat yang mungkin

terjadi yaitu ketidaksesuaian yang terjadi pada gear dinamo sehingga mengakibatkan

kegagalan pada inspeksi. Hal ini perlu dilakukan pengendalian kualitas agar tidak adaya

barang cacat masuk ke perusahaan. Dan perlu di lakukannya peninjauan kembali pada

supplier, jika hal ini terjadi terus menerus dan merugikan perusahaan maka dapat di

usulkannya pergantian supplier ke yang lebih berkualitas.

Pengunci Dinamo

Pada data untuk komponen Gear Dinamo, menggunakan peta kendali u, hal ini

karena data menunjukkan jumlah produk yang cacat dan jumlah sampelnya tidak sama

atau bervariasi. Sampel yang di ambil untuk gear dinamo yaitu sebanyak 20 sampel. Pada

iterasi 0 terdapat 2 data yang melebihi batas UCL maupun batas LCL. Untuk data ke 3

dengan nilai u sebesar 1,794 melebihi nilai batas UCL sebesar 1,388, sedangkan untuk

data ke 5 yaitu sebesar 0,670 yang melebihi batas LCL sebesar 0,722 sehingga data harus



Kelompok 9


di hilangkan dan dilakukan iterasi kembali sampai data terkendali. Data terkendali pada

iterasi 1 karena tidak ada lagi data yang melebihi UCL atau LCL. Cacat yang mungkin

terjadi yaitu ketidaksesuaian yang terjadi pada gear dinamo sehingga mengakibatkan

kegagalan pada inspeksi. Hal ini perlu dilakukan pengendalian kualitas agar tidak adaya

barang cacat masuk ke perusahaan. Dan perlu di lakukannya peninjauan kembali pada

supplier, jika hal ini terjadi terus menerus dan merugikan perusahaan maka dapat di

usulkannya pergantian supplier ke yang lebih berkualitas.

5. Peta kendali U

Peta kendali U me-rating cacat per unit dan sampel dari cacatnya bersifat konstan

dengan jumlah 90 sampel. Peta kendali U juga memperhiungkan bobot. Berikut ini

komponen yan menggunakan peta kendali U :

Body

Penggunaan peta kendali U pada part body diakibatkan oleh banyaknya

ketidaksesuaian yang lebih dari satu buah pada part ini dengan bobot untuk masing-

masing ketidaksesuaian. Sampel yang di ambil untuk body sebanyak 20. Dari perhitungan

manual dapat menghasilkan UCL dengan nilai 30.6276 dan LCL dengan nilai 14.6004

yang iterasinya hanya berakhir pada iterasi ke 0 dan tidak perlu di iterasikan kembali.

Karena jika data melewati LCL ataupun UCL maka data tersebut tidak dapat dibuang

karena datanya bukan merupakan suatu pengukuran sehingga bersifat defect. Keadaan

dimana tidak terdapat data yang keluar ini menunjukkan bahwa barang yang diterima

telah memiliki kualitas yang baik, seperti tidak ditemukannya goresan, retakan atau

patahan pada bagian body.

Chasis

Penggunaan peta kendali U pada part chasis diakibatkan oleh banyaknya

ketidaksesuaian yang lebih dari satu buah pada part ini dengan bobot untuk masing-

masing ketidaksesuaian. Sampel yang di ambil untuk chasis sebanyak 20 kali. Dari



Kelompok 9


perhitungan manual dapat menghasilkan UCL dengan nilai 29.912 dan LCL dengan nilai

14.084 yang iterasinya hanya berakhir pada iterasi ke 0 dan tidak perlu di iterasikan

kembali. Karena jika data melewati LCL ataupun LCL maka data tersebut tidak dapat

dibuang karena datanya bukan merupakan suatu pengukuran sehingga bersifat defect.

Keadaan dimana tidak terdapat data yang keluar ini menunjukkan bahwa barang yang

diterima telah memiliki kualitas yang baik, seperti tidak ditemukannya goresan, retakan

atau patahan pada bagian chasis, serta ukuran chasis yang telah sesuai dengan body

sehingga produk dapat di-assembly dengan baik.

5.3 Analisis Kualitas Finish Produk

5.3.1 Analisis Diagram Pareto

Gambar 4.132 merupakan Diagram Pareto yang merepresentasikan kecacatan-

kecacatan atau masalah-masalah produk jadi atau finished product dari produksi Tamiya.

Masalah yang terjadi pada dinamo, roda, bumper, chasis, pengunci body, plat depan, dan

tuas on/off. Frekuensi masalah dari tuas on/off sebesar 105 (22%), chasis sebesar 83

(17%), dinamo sebesar 66 (14%), pengunci body sebesar 62 (13%), roda sebesar 61

(13%), bumper sebesar 58 (12%) dan plat depan sebesar 50 (10%). Diagram pareto

tersebut menggambarkan frekuensi ditemukannya masalah-masalah tadi pada saat

inspeksi produk jadi. Dilihat dari diagram, masalah yang memiliki frekuensi terbesar

adalah tuas on/off dengan persentasi frekuensi sebesar 22%, maka 22% kecacatan dari

kecacatan-kecacatan yang ditemukan saat inspeksi produk jadi adalah tuas on/off.

Diagram pareto juga menjelaskan perbandingan masing-masing masalah dengan

keseluruhan masalah yang ada. Menurut teori 20/80 pareto, 20% dari penyebab masalah

yang ada akan mengakibatkan 80% keseluruhan masalah. Namun, pada kasus ini,

diagram pareto untuk inspeksi finished product menunjukkan bahwa 80% keseluruhan

masalah disebabkan oleh 78% (5 dari 7) penyebab masalah yang ada, yaitu tuas on/off,

chasis, dinamo, pengunci body, dan roda atau dengan kata lain terdapat lima masalah

mayor dari tujuh masalah yang ada. Dengan ini, teori 20/80 pareto tidak berlaku pada



Kelompok 9


kasus ini. Hal ini disebabkan frekuensi dari masalah-masalah yang ada cukup rata, tidak

ada yang terlalu mayor ataupun minor. Jadi tidak diperlukan perhatian utama untuk salah

satu masalah saja, tetapi butuh perhatian lebih untuk lima masalah mayor tadi.

5.3.2 Analisis Peta Kontrol np

Masalah-masalah yang ditemukan pada inspeksi produk jadi hanya pada tuas

on/off karena pada tuas on/off terdapat cacat paling banyak daripada yang lain. Dalam

inspeksi produk jadi tersebut jumlah produk yang diinspeksi pada tiap pengambilan

sampel adalah konstan sebesar 90 produk. Inspeksi produk jadi ini memeriksa banyaknya

produk tidak sesuai atau cacat terhadap jumlah produk tiap sample, dimana hal ini

ditunjukkan dengan number of nonconformities yang lebih kecil dari number of

inspection. Berdasarkan karakteristik dari inseksi produk jadi tersebut, maka untuk

menguji kualitas produk jadi digunakan peta kendali np pada data hasil inspeksi. Dalam

pemetaan dengan peta kendali np untuk masalah-masalah di atas, rata-rata dari masalah

tersebut tidak mengalami iterasi karena dalam sekali pemetaan tidak terdapat data yang

keluar dari batas kontrol atas (UCL) dan batas kontrol bawah (LCL).

Pada masalah dengan frekuensi terbesar yaitu tuas on/off, dari 90 kali

pengambilan sampel, pemetaan pertama menghasilkan nilai np sebesar 5.25 sebagai CL,

nilai UCL sebesar 11.92, dan nilai LCL sebesar -1,4 yang dianggap 0. Karena tidak ada

data yang keluar dari UCL dan LCL lagi, maka bisa disebut bahwa kualitas produk masih

terkendali terhadap masalah tuas on/off.

5.3.3 Analisis Diagram Fishbone

Gambar 4. 136 adalah diagram fishbone atau diagram sebab akibat dari masalah

yang memiliki frekuensi terbesar pada inspeksi finished product yaitu tuas on/off.

Diagram ini adalah diagram fishbone dengan tipe proses. Tipe proses ini tetap memiliki

dasar yang sama dengan diagram fishbone umumnya, yaitu menjelaskan penyebab

terjadinya suatu akibat, namun pada tipe proses, penyebab dianalisis berdasarkan proses-

proses yang dilalui sebelum ditemukannya masalah yang ada.



Kelompok 9


Pada gambar 4.136 tersebut digambarkan penyebab dari masalah tuas on/off

berdasarkan proses yang telah dilalui. Proses-proses tersebut dimulai dari proses inspeksi,

kemudian proses penyimpanan, proses material handling, dan proses perakitan.

Kemudian dari tiap proses-proses tersebut dijabarkan penyebab-penyebab yang

mengakibatkan masalah tuas on/off. Pada proses inspeksi raw material masalah tersebut

dapat disebabkan karena memang komponen dari supplier yang tidak baik dan karena

operator yang kurang teliti ketika menginspeksi raw material serta inspeksi yang kasar.

Pada proses penyimpanan penyabab masalah yang mungkin adalah peletakkan komponen

yang tidak sesuai dan penumpukan yang berlebihan serta pengembalian barang yang tidak

sesuai tempatnya. Pada proses material handling, operator yang kurang hati-hati dan

keadaan traffic atau lalu lintas jalur distribusi dapat menjadi penyebab masalah. Sedang

pada proses perakitan, masalah dapat diakibatkan oleh tuas on/off tidak terpasang dengan

baik, dan terjadi loss pada tuas on/off dari proses sebelumnya serta operator melakukan

perakitan yang tidak sesuai prosedur.

5.4 Analisis Proses

Pada analisis proses ini, adapun proses-proses yang dilakukan dalam penelitian

dimana proses pertama kita menentukan kebijakan Acceptance sampling (sampel

penerimaan). Pada tahap ini perusahaan melakukan pengukuran terhadap material yang

dikirimkan oleh supplier untuk melakukan pengecekan apakah ukuran material yang

dikirimkan pemasok sesuai atau tidak dengan ukuran standar perusahaan serta

menentukan apakah perusahaan akan menerima atau menolak lot material tersebut.

Material yang diukur dalam acceptance sampling ini yaitu panjang dan diameter gardan,

panjang dan diameter as roda dan diameter besi dinamo. Apabila sampel yang telah diuji

lolos maka perusahaan manerima seluruh lot yang dikirimkan sedangkan bila ada yang

tidak lulus uji maka perusahaan menolak dan mengembalikan lot material yang

dikirimkan.



Kelompok 9


Proses selanjutnya yaitu menentukan kualitas raw material dengan menggunakan

peta kendali yang bertujuan untuk mengetahui apakah raw material tersebut dapat

dikendalikan secara statistik atau tidak. Peta kendali dibagi menjadi 2 yaitu peta kendali

atribut dan peta kendali variabel. Untuk data variabel (data yang melalui hasil

pengukuran) yang terdiri dari panjang dan diameter gardan, panjang dan diameter as roda

dan diameter besi dinamo. Untuk data variabel ini digunakan peta kendali �̅� - MR

sedangkan untuk data atribut digunakan 5 macam peta kendali yaitu pertama Peta kendali

p, digunakan untuk mengendalikan proporsi dari sampel yang diuji. Pada peta kendali ini

sampel yang diambil konstan dan itemnya independent. Peta kendali p ini digunakan

untuk data atribut yang ukuran lotnya tidak sama. Beberapa komponen yang

menggunakan peta kendali ini yaitu plat belakang besar, plat belakang kecil , plat depan,

penutup plat depan. Untuk peta kendali jenis kedua yaitu Peta kendali np , peta kendali

ini digunakan untuk mengendalikan jumlah cacat dalam sampel dan menggunakan

perhitungan sebagai dasar. Peta kendali jumlah sampelnya konstan. Beberapa komponen

yang menggunakan peta kendali ini yaitu pengunci baterai dan dinamo. Jenis peta kendali

atribut ketiga adalah peta kendali c, peta kendali c digunakan untuk mengendalikan

jumlah kecacatan dalam sampel yang berukuran tetap. Yang menggunakan peta kendali

ini yaitu gear besar, gear kecil, roda assy, roller besar, roller kecil, rumah dinamo. Untuk

jenis peta kendali atribut keempat Peta kendali u, digunakan untuk mengendalikan jumlah

kecacatan per unit. Dalam peta kendali ini ukuran sampel dibuat bervariasi. Beberapa

komponen yang menggunakan peta kendali ini yaitu bumper belakang, pengunci body,

tuas on-off, gear dinamo, dan pengunci dinamo. Dan kelima peta kendali U, digunakan

untuk mengendalikan jumlah cela per unit. Dalam peta kendali ini ukuran sampel konstan

dan memiliki lebih dari satu jenis cacat. Yang menggunakan peta kendali ini yaitu Chasis

dan body. Apabila data tersebut masih melewati garis UCL dan LCL pada peta kendali

maka data yang melewati garis UCL dan LCL pada peta kendali dieliminasi dan

dilakukan iterasi selanjutnya sampai tidak ada data yang melewati garis UCL dan LCL

pada peta kendali dan dinyatakan data tersebut sudah terkendali.



Kelompok 9


Selanjutnya proses menentukan finish produk digunakan 3 tools , tool yang

pertama menggunakan diagram pareto. Dimana diagram ini digunakan untuk

mengidentifikasi masalalah utama dalm peningkatan kualitas. Yang kedua peta kendali

np, digunakan agar didapatkan keseragaman kualitas sehingga jika terjadi

ketidaksesuaian maka perlu dilakukan perbaikan. Untuk tools yang terakhir adalah

diagram fish bone, digunakan untuk menganalisis masalah dan penyebabanya sehingga

produk yang diproduksi dinyatakan gagal. Untuk proses terakhir adalah penentuan biaya

kualitas, yaitu biaya–biaya yang berhubungan dengan pencegahan, pengidentifikasian,

perbaikan dan pembentukan produk yang memiliki kualitas rendah. Biaya kualitas

berkaitan dengan kegiatan pengendalian dan kegiatan karena kegagalan. Dalam biaya

kualitas kita menghitung biaya pencegahan, biaya penilaian, biaya eksternal dan biaya

internal.



Kelompok 9


5.5 Analisis Biaya Kualitas

Biaya kualitas merupakan biaya yang dikeluarkan guna menjaga dan

mengendalikan kualitas produk dengan menjaga serta menyediakan asset berupa

kebutuhan-kebutuhan pendukung pengendalian kualitas. Biaya kualitas terdiri dari 4

jenis, yaitu biaya pencegahan, biaya penilaian, biaya kegagalan internal dan biaya

kegagalan eksternal.

Biaya pencegahan, merupakan tindakan dalam mencegah terjadinya produk gagal

pada tahap awal sehingga kerugian yang terjadi tidak semakin bertambah besar. Biaya

pencegahan membutuhkan 7.26% dari total keseluruhan biaya kualitas, dengan

Capability Evaluation sebagai biaya terbesar dengan Rp. 5.940.960 yang merupakan

biaya komponen yang mengalami cacat berdasarkan peta p dan np. Biaya ini dapat

ditekan dengan melakukan perjanjian (MOU) terhadap pihak supplier mengenai jumlah

cacat maksimal dalam pengiriman. Untuk biaya pelatihan,memakan biaya sebesar Rp.

2.850.000 untuk 19 orang operator perakitan. Biaya perencanaan kualitas sebesar Rp.

600.000 yang digunakan untuk pengadaan rapat, biaya pemeliharaan peralatan sebesar

Rp. 1.200.000 yang digunakan untuk pembayaran tenaga kerja pemeliharaan, dan biaya

penjaminan supplier sebesar Rp. 2.964.000 untuk menjamin supplier agar tetap

menyuplai barang.

Biaya penilaian merupakan biaya yang dikeluarkan untuk menentukan kesesuaian

produk dengan kualitas yang telah ditentukan. Besarnya biaya penilaian sebesar 27.95%

dari total keseluruhan biaya kualitas. Biaya terbesar merupakan biaya pengujian &

inspeksi sebesar Rp. 51.246.000 yang digunakan untuk membayar upah pekerja perakitan

sesuai dengan UMR wilayah Kota Semarang. Biaya ini dapat ditekan dengan mengurangi

jumlah operator ataupun mencari lokasi lain untuk pabrik dengan daerah yang memiliki

UMR lebih rendah. Selanjutnya ialah biaya kalibrasi dengan biaya sebesar Rp. 900.000

yang digunakan untuk mengkalibrasi jangka sorong agar keakuratan jangka sorong tetap

terjaga.

Biaya kegagalan internal, merupakan biaya yang dikeluarkan akibat cacat yang

terjadi sebelum barang sampai di konsumen. Besarnya biaya kegagalan internal sebesar



Kelompok 9


43.74% dari total biaya kualitas. Biaya terbesar merupakan biaya downgrading sebesar

Rp. 80.082.920 akibat penjualan barang di bawah standar. Biaya ini dapat ditekan dengan

melakukan pengendalian kualitas secara rutin agar tidak terjadi banyak cacat pada proses

perakitan. Biaya lainnya ialah biaya re-appraisal yaitu biaya pengadaan jangka sorong

yang digunakan untuk mengukur part-part Tamiya dengan biaya sebesar Rp. 1.500.000

untuk 3 buah jangka sorong.

Biaya kegagalan ekternal, merupakan biaya yang harus ditanggung oleh

perusahaan akibat produk cacat yang telah diterima oleh konsumen. Besarnya biaya

kegagalan eksternal ialah sebesar 21.03% dari total keseluruhan biaya kualitas. Biaya ini

merupakan biaya garansi yang disediakan oleh perusahaan guna menanggung produk

cacat yang telah diterima konsumen, yaitu sebesar Rp. 39.224.920. Biaya ini dapat

ditekan dengan melakukan inspeksi yang baik dan tepat guna mengantisipasi lolosnya

produk cacat dari proses inspeksi. Total biaya kualitas secara keseluruhan adalah sebesar

Rp. 186.508.800.



Kelompok 9


BAB VI

PENUTUP

6.1 Kesimpulan

Kesimpulan yang dapat diambil dari praktikum modul 6 Statistical Quality

Control and Quality Cost Planning untuk PT Diponegoro Tamiya Manufacturing adalah

sebagai berikut :

1. Acceptance Sampling dilakukan untuk mengambil keputusan apakah akan menerima

lot atau menolak lot dari sampling yang telah dilakukan. Berdasarkan perhitungan

yang telah dilakukan keputusan untuk menerima lot adalah kebijakan sampel untuk

gardan dan kebijakan sampel untuk dinamo. Sedangkan keputusan untuk menolak

lot adalah kebijakan sampel untuk as roda .

2. Pengendalian kualitas dilakukan untuk menjamin perkembangan perusahaan dan

memperoleh kepercayaan konsumen agar produk yang dihasilkan perusahaan tetap

diminati konsumen.

3. Seven tools merupakan metode yang digunakan dalam proses pengendalian kualitas.

Yang termasuk alat dalam seven tools tersebut adalah peta kendali yang digunakan

untuk memonitor apakah suatu aktivitas dapat diterima sebagai proses yang

terkendali atau tidak, dalam hal ini digunakan untuk memonitor kualitas raw material

tamiya. Berdasarkan karakteristik yang dapat diukur, peta kendali dibagi menjadi dua

yaitu peta kendali variabel dan peta kendali atribut, Peta kendali variabel digunakan

untuk memantau karakteristik yang dapat diukur dan memiliki nilai kontinu,

sedangkan peta kendali atribut digunakan untuk memantau karakteristik yang

memiliki nilai-nilai diskrit dan dengan cara dihitung. Peta kendali variabel yang

digunakan adalah peta kendali x-MR (gardan, as, dan dinamo). Sedangkan peta

kendali atribut yang digunakan adalah peta kendali p (plat belakang besar, plat

belakang kecil, plat depan, penutup plat depan), peta kendali np (pengunci baterai,

dinamo), peta kendali c (roller besar, roller kecil, rumah dinamo, roda assy, gear

besar, gear kecil), peta kendali u (bumper belakang, pengunci body, tuas on-off, gear



Kelompok 9


dinamo, dan pengunci dinamo), dan peta kendali U (body, dan chasis). Selain peta

kendali, alat yang termasuk dalam seven tools adalah diagram pareto dan diagram

fishbone. Diagram pareto dan diagram fishbone digunakan untuk memonitor kualitas

finish produk tamiya. Diagram pareto menggambarkan frekuensi ditemukannya

masalah-masalah yang terjadi pada dinamo, roda, bumper, chasis, pengunci body,

plat depan, dan tuas on/off pada saat inspeksi produk jadi. Sedangkan diagram

fishbone merupakan diagram sebab akibat dari masalah yang memiliki frekuensi

cacat terbesar pada inspeksi finished product yaitu tuas on/off. Jenis cacat yang

terjadi pada raw material yaitu string (terdapat serabut-serabut), bend

(pembengkokan), break (patahan), scratch (goresan), dan disrotating (tidak bisa

berputar). Cacat yang terjadi dapat ditekan dengan memilih raw material dari

supplier yang bagus dan juga penyimpanan, serta penangan raw material yang baik.

4. Biaya kualitas merupakan biaya yang dikeluarkan perusahaan guna menjaga dan

mengendalikan kualitas produk dengan menjaga serta menyediakan asset berupa

kebutuhan-kebutuhan pendukung pengendalian kualitas. Biaya kualitas terdiri dari 4

jenis, yaitu biaya pencegahan, biaya penilaian, biaya kegagalan internal dan biaya

kegagalan eksternal. Total biaya kualitas yang dikeluarkan PT.DTM adalah sebesar

Rp. 186.508.800.

6.2 Saran

Saran yang dapat diberikan untuk praktikum modul 6 Statistical Quality Control

and Quality Cost Planning adalah sebagai berikut :

1. Diharapkan pada praktikum selanjutnya, praktikan dapat menggunakan dan

membaca jangka sorong dengan baik dan benar sehingga hasil pengukuran

merupakan data yang benar.

2. Sebaiknya praktikan harus sudah menguasai ilmu pengendalian manajemen kualitas,

agar dalam proses pembuatan laporan lebih mudah memahami pengendalian kualitas

untuk perusahaan.



Kelompok 9


DAFTAR PUSTAKA

Ariani, W.D.1991.”Manajemen Kualitas Edisi Pertama”. Yogyakarta: Penerbit Andi.

Feigenbaum, Armand V. 1991. “Total Quality Control”. Third Edition. McGraw-Hill,

Inc

Gaspersz, Vincent,2005. “Total Quality Management”. Jakarta: PT Gramedia Pustaka

Utama.

Gaspersz, Vincent.2002. “Pedoman Implementasi Program Six Sigma”.Jakarta: PT.

Gramedia Pustaka Utama.

Montgomery, Douglas C.1998.”Pengendalian Kualitas Statistik”.Yogyakarta: Gajah

mada University Press.

Russel, J. Thomas., W. Ronald Lane.1996.” Kleppner’s Advertising Procedure,

Thirteenth Edition”. New Jersey, Prentice Hall.

Susetyo, Joko.2009.”Pengendalian Kualitas Statistik”. Jakarta : Erlangga

Zulian Yamit. 2005. “Manajemen Kualitas Produk dan Jasa”. Jakarta: Ekonisia.

Ariani, W.D.2002.”Manajemen Kualitas”. Yogyakarta: Penerbit Andi.

modul 6 pti print bagus

Documents