PENGENDALIAN KUALITAS STATISTIK

UJIAN AKHIR SEMESTER

Disusun Oleh:
Nama : Zulaiha Rahasia
NIM: 413415015

PROGRAM STUDI STATISTIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN IPA
2018
1. Pengertian Pengendalian Kualitas Statistik
Menurut saya Pengendalian Kualitas Statistik merupakan suatu kegiatan statistik yang
dilakukan untuk membantu industri dalam mengetahui kelayakan kualitas produk sebelum
dipasarkan kepada konsumen berdasarkan batas-batas kontrol yang telah ditentukan.

2. Peta Kendali atribut P (sampel yang sama)

https://www.slideshare.net/DemonAndDevil/modul-10pti-2014-2015
(diakses pada tanggal 29 april 2018)
Contoh Kasus :
PT Husada memproduksi susu dalam kotak ukuran 200 mm, kotak ini dibuat dengan mesin
dari bahan karton. Dengan pemeriksaan kotak akan dapatdiketahui apakah kotak bocor bila
diisi pada lipatan karton. PT Husada menngunakan p-chart untuk memantau bagaian kotak
yang tak sesuai yang dihasilkan mesin tersebut. Ukuran sampel telah ditetapkan yaitu 20
sampel masing-masing 50 kotak dipilih setiap setengah jam dan proses berjalan terus menerus
seperti diperlihatkan dalam tabel dibawah ini. Dalam sampel (1000 kotak) tersebut terdapat
233 kotak = 233 yang tak sesuai, sehingga bagian tak sesuai proses dapat ditaksir.

Nomor Jumlah tdk Bagian

Proporsi
Sampel sesuai (Di) sesuai (Pi)
1 15 0,30 0.3
2 8 0,16 0.16
3 10 0,20 0.2
4 4 0,08 0.08
5 7 0,14 0.14
6 16 0,32 0.32
7 9 0,18 0.18
8 14 0,28 0.28
9 6 0,12 0.12
10 12 0,24 0.24
11 24 0,24 0.48
12 8 0,16 0.16
13 10 0,20 0.2
14 5 0,10 0.1
15 13 0,26 0.26
16 11 0,22 0.22
17 18 0,36 0.36
18 22 0,48 0.44
19 9 0,18 0.18
20 12 0,24 0.24
 Jumlah 233 0
rata-rata 11.65
Penyelesaian:
𝑚 = 20 ; 𝑛 = 50
∑𝑚
𝑖=1 𝑥𝑖
𝐺𝑃(𝑝) = 𝑝̅ = 𝑚.𝑛
𝑥1 15
𝑝̂1 = = = 0.30
𝑛 50
𝑥2 8
𝑝̂ 2 = = = 0.16
𝑛 50
𝑥3 10
𝑝̂ 3 = = = 0.20
𝑛 50

⋮
𝑥19 9
𝑝̂24 = = = 0.18
𝑛 50
𝑥20 12
𝑝̂ 25 = = = 0.24
𝑛 50
15+8+10+⋯+9+12
̅=
𝒑 =0.233
(20)(50)

0.233(1 − 0.233)
𝑩𝑷𝑨 = 0,233 + 3√ = 0.4124
50

0.233(1 − 0.233)
𝑩𝑷𝑩 = 0,233 − 3√ = 0.0536
50

Hasil dari Minitab

P Chart of Jumlah tdk sesuai(Di)

0.5 1

UCL=0.4124
0.4

0.3
Proportion

_
P=0.233
0.2

0.1

LCL=0.0536

0.0
1 3 5 7 9 11 13 15 17 19
Sample

Karena data pada observasi ke-11 dan 18) ada diluar batas pengendalian yang disebabkan
karena sebab khusus(assignable cause), maka harus dilakukan revisi sehingga dihasilkan data
baru yang berjumlah 18.
Revisi
Penyelesaian:
𝑚 = 18 ; 𝑛 = 50
∑𝑚
𝑖=1 𝑥𝑖
𝐺𝑃(𝑝) = 𝑝̅ = 𝑚.𝑛
𝑥1 15
𝑝̂1 = = = 0.30
𝑛 50
𝑥2 8
𝑝̂ 2 = = = 0.16
𝑛 50
𝑥3 10
𝑝̂ 3 = = = 0.20
𝑛 50

⋮
𝑥17 9
𝑝̂18 = = = 0.18
𝑛 50
𝑥18 12
𝑝̂19 = = = 0.24
𝑛 50
15+8+10+⋯+17+19
𝑝̅ = =0.2078
(18)(50)

0.217(1 − 0.217)
𝐵𝑃𝐴1 = 0,217 + 3√ = 0.3799
50

0.217(1 − 0.217)
𝐵𝑃𝐵1 = 0.2317 − 3√ = 0.0356
50
Hasil dari minitab

P Chart of sampel tdk sesuai

0.4
UCL=0.3799

0.3
Proportion

_
0.2 P=0.2078

0.1

LCL=0.0356

0.0
1 3 5 7 9 11 13 15 17 19
Sample

Kesimpulan :
Karena semua data Sudah berada dalam batas pengendalian (in statistical control) maka
tidak perlu dilakukan revisi lagi, dan peta pengendali inilah yang digunzkan sebagai rencana
pengendalian kualitas proses statistic data atribut.
3. Peta Kendali Variabel (𝐗 − 𝐛𝐚𝐫 𝐝𝐚𝐧 𝐑)
https://dspace.uii.ac.id/handle/123456789/3934 (diakses pada tanggal 9 mei 2018)
Contoh Kasus :

Data variabel Panjang Komponen (WCB-09/A) pada saat penelitian di PT. Alis Jaya
Ciptatama n=5, X dalam mm dengan Spesifikasi: T = 107; USL = 109; LSL = 105; adalah sebagai
berikut :
No X1 X2 X3 X4 X5 Jumlah X-bar R
1 105.2 106.75 107.9 106.6 107 533.45 106.69 2.7
2 107.5 106.3 106.2 105.2 106.3 531.5 106.3 2.3
3 105.8 107.9 108.75 107.25 106.4 536.1 107.22 2.95
4 108.3 105.9 107.2 105.8 106.6 533.8 106.76 2.5
5 108.7 105.4 107.5 106 108.9 536.5 107.3 3.5
6 107.2 108.5 108.1 105.3 107.25 536.35 107.27 3.2
7 108.3 107.4 105.8 109 106.8 537.3 107.46 3.2
8 108.6 105.9 105.3 106.7 107.75 534.25 106.85 3.3
9 105.6 105.6 107.45 107.1 108.7 534.45 106.89 3.1
10 107 107.2 109 108.8 105.9 537.9 107.58 3.1
11 108.75 105.8 108.2 107.5 106.3 536.55 107.31 2.95
12 107.7 108.2 105.1 105 106 532 106.4 3.2
13 106.1 107 107.3 107.25 105 532.65 106.53 2.3
14 107.7 105.6 108.2 108.9 107.3 537.7 107.54 3.3
15 107 107.35 107.9 105.15 108.9 536.3 107.26 3.75
16 105.5 106.7 105.2 108.7 107.25 533.35 106.67 3.5
17 107.5 107.8 105 107.5 108.9 536.7 107.34 3.9
18 108.1 107 107.2 106.8 105.3 534.4 106.88 2.8
19 107.3 106.1 108.5 105.2 107 534.1 106.82 3.3
20 106.65 107.25 106.85 108.9 105.4 535.05 107.01 3.5
21 105.6 107.5 107 108.1 108.55 536.75 107.35 2.95
22 107.15 106.85 106.2 107.35 108.95 536.5 107.3 2.75
23 105.6 109 108.1 108.85 105.6 537.15 107.43 3.4
24 107.65 108 108.7 105.2 105 534.55 106.91 3.7
25 108.8 107.1 107.6 109 107.9 540.4 108.08 1.9
26 108.3 108.4 105.3 107.4 107.8 537.2 107.44 3.1
27 107.2 105.85 105.4 108.6 106.65 533.7 106.74 3.2
28 106.5 106 106 108.65 107 534.15 106.83 2.65
29 105.7 108.9 109 107.7 107.2 538.5 107.7 3.3
30 106.8 106.9 107.9 105.25 108.4 535.25 107.05 3.15
31 108.65 108.9 106.05 107.55 107.7 538.85 107.77 2.85
Jumlah 16603.4 3320.68 95.3
Rata-
535.594 107.119 3.07419
rata
Penyelesaian :

Menghitung nilai rata-rata seluruh 𝑥̅ (𝑥̿ ) dan rata-rata seluruh 𝑅̅ (𝑅̿), yang akan menjadi
pusat center (center line) dari masing-masing peta kendali.

∑𝑚
𝑖=1 𝑥̅𝑖
𝐺𝑃 = (𝑥̅ ) = 𝑥̿ =
𝑚
106.69 + 106.3 + ⋯ + 107.5 + 107.77
𝑥̿ =
31
3320.68
𝑥̿ = = 107.119
31
∑𝑚 ̅
𝑖=1 𝑅𝑖
𝐺𝑃 = (𝑅̅ ) = 𝑅̿ =
𝑚
2.7 + 2.3 + ⋯ + 3.15 + 2.85
𝑅̿ =
31
95.3
𝑅̿ = = 3.07419
31
Menghitung Batas Kendali Atas (Upper Control Limit) dan Batas Bawah (Lower Control
Limit) dari peta kendali 𝑥̅ .

𝐵𝑃(𝑥̅ ) = 𝑥̿ ± 𝐴2 𝑅̅
𝐵𝑃𝐴(𝑥̅ ) = 107.119 + [(0.577)(3.07419)] =108.892
𝐵𝑃𝐵(𝑥̅ ) = 107.119 − [(0.577)(3.07419)] =105.3449
Menghitung Batas Kendali Atas (Upper Control Limit) dan Batas Bawah (Lower Control
Limit) dari peta kendali R.

𝐵𝑃𝐴(𝑅̅ ) = 𝐷4 𝑅̅

𝐵𝑃𝐴(𝑅̅ ) = 2.114 × 3.07419

𝐵𝑃𝐴(𝑅̅ ) =6.498845
𝐵𝑃𝐵(𝑅̅ ) = 𝐷3 𝑅̅

𝐵𝑃𝐵(𝑅̅ ) = 0 × 3.07419

𝐵𝑃𝐵(𝑅̅ ) = 0
Hasil dari Minitab

Plot data 𝑥̅ dan R , diamati apakah data tersebut berada dalam batas pengendalian.

Karena tidak ada data yang out of control, maka langkah selanjutnya dalah menghitung
kapabilitas proses.

4. Analisis Kemampuan Proses

Menghitung rasio kemampuan proses

Spesifikasi

𝑅̅
𝑠=
𝑑2
3.07419
𝑠= =1.32166412
2.326

𝑈𝐶𝐿 − 𝐿𝑆𝐿
𝐶𝑝 =
6𝑠
109−105
𝐶𝑝 = 6(1.32166412) =0.5044147