3 laporan modul 6 kel 18
TRANSCRIPT
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kepercayaan konsumen terhadap suatu produk adalah yang hal yang utama. Bila
kepercayaan konsumen telah didapatkan maka perusahaan akan dapat dengan mudah
untuk mencapai tujuannya yaitu memaksimumkan keuntungan dan memenuhi
kebutuhan konsumen. Untuk mendapat kepercayaan konsumen maka kualitas produk
harus baik. Pengendalian kualitas dan mutu barang yang dihasilkan oleh sebuah
perusahaan merupakan faktor yang sangat penting untuk dapat tetap bersaing di pasar
konsumen, di mana dewasa ini kualitas telah menjadi parameter bahwa suatu produk
layak dikonsumsi. Oleh karena itu, setiap perusahaan harus selalu mengendalikan
proses produksi yang dimilikinya agar kualitas produk yang dihasilkan tetap terkendali.
Ini berarti bahwa proses produksi harus stabil dan mampu beroperasi sedemikian hingga
semua produk yang dihasilkan sesuai dengan spesifikasi yang diinginkan. Pengendalian
mutu dalam dunia industri juga digunakan sebagai alat manajeman dengan mengamati,
menilai, dan membandingkan sifat-sifat penting suatu produk dengan suatu bentuk
baku. Hasil pengukuran yang dipakai untuk menentukan kualitas barang, nilainya dapat
berubah-ubah dari satu produk ke produk yang lain pada item yang sama meskipun
kondisi proses produksi dapat diusahakan sama. Dengan demikian timbullah suatu
variasi kualitas.
Ciri khusus dari proses produksi yang bekerja dalam keadaan terkendali adalah
menghasilkan produk yang dapat diterima untuk periode yang relatif panjang. Tapi
kadang-kadang sebab-sebab terduga akan terjadi secara random yang akan
mengakibatkan pergeseran ke keadaan yang tidak terkendali sehingga sebagian prosuk
hasil proses itu tidak memenuhi persyaratan.
Tujuan utama dari pengendalian kualitas statistik adalah menyidik dengan cepat
terjadinya sebab-sebab terduga atau pergeseran proses sehingga tindakan pencegahan
dapat dilakukan sebelum banyak unit barang yang tidak sesuai spesifikasi diproduksi.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 2
Tujuan akhir dari pengendalian proses atau pengendalian kualitas adalah untuk
mengeliminir variabilitas dalam proses.
Pada modul ini pengendalian kualitas di titik beratkan pada statistical quality
control yaitu dengan menggunakan peta kendali yang ada untuk tiap komponen
tamiya,dan penentuan biaya kualitas dari tamiya.
1.2 Perumusan Masalah
1. Apa kegunaan dari acceptence sampling untuk pengndalian kualitas?
2. Apa kegunaan dari seven tools untuk pengendalian kualitas?
3. Apa Fungsi Peta kendali dalam pengendalian kualitas?
4. Apa kegunaan dari biaya kualitas?
1.3 Tujuan Penulisan
Tujuan yang ingin dicapai dalam penulisan laporan ini adalah:
1. Menentukan kebijakan kualitas produk perusahaan dengan mengggunakan
Acceptence Sampling.
2. Dapat mengetahui tingkat kecacatan tiap produk dengan menggunakan Seven
Tools.
3. Mampu Melakukan Perhitungan pengendalian kualitas dengan Peta Kendali.
4. Menentukan Biaya kualitas dari produksi Tamiya tiap tahun.
1.4 Batasan dan Asumsi
Pada praktikum kali ini masalah dibatasi hanya pada pengendalian
kualitas.Berikut adalah batasan dan asumsinya :
1. Data yang di gunakan berasal dari data laporan jumlah inspeksi raw material dan
finish produk.
2. Peta kendali pengolahan data dengan menggunakan peta kendali Variabel (Xbar
dan MR) dan peta kendali atribut (U,u,P,np,C).
3. Seven tools yang di gunakan pada penulisan laporan ini ada 4 tool yaitu lembar
pengamatan, Grafik Kendali, Diagram pareto, dan Diagram tulang ikan.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 3
4. Asumsi yang dipakai oleh PT Indonesia Tamiya Motor adalah sampel yang
diambil telah mewakili populasi.
1.5 Sistematika Penulisan
Sistematika penulisan laporan praktikum ini adalah sebagai berikut :
BAB I PENDAHULUAN
Bab ini membahas mengenai latar belakang, perumusan masalah, tujuan
penulisan, batasan dan asumsi, sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bab ini membahas mengenai dasar-dasar teori yang dijadikan sebagai
pedoman sesuai dengan bidang kajian yang diambil dalam pelaksanaan
pengolahan dan analisis data.
BAB III PENGUMPULAN DAN PENGOLAHAN DATA
Bab ini membahas mengenai pengumpulan data yaitu data variabel dan data
atribut serta pengolahan dari data yang sudah didapat.
BAB IV ANALISIS
Bab ini membahas mengenai metodologi penelitian, pengolahan data dan
analisis terhadap pengolahan data yang sudah berbentuk grafik, baik itu
berupa grafik untuk parameter variabel yang terdiri dari grafik kendali
variabel x dan S dan parameter sifat yang terdiri dari grafik kendali sifat P
dan NP serta c dan u .
BAB V PENUTUP
Bab ini membahas mengenai kesimpulan dari laporan yang telah dibuat atau
hasil-hasil akhir dari analisa yang telah dilakukan pada bab terdahulu dan
memberikan usulan serta saran.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 4
BAB II
TINJAUAN PUSTAKA
2.1 Definisi Kualitas
Istilah kualitas memerlukan tanggapan secara hati-hati dan memerlukan penafsiran
yang cermat. Faktor utama yang menentukan kinerja suatu perusahaan adalah kualitas
produk yang dihasilkan. Produk yang berkualitas adalah produk yang sesuai dengan apa
yang diinginkan konsumennya. Oleh karena itu perusahaan perlu mengenal
konsumen/pelanggannya dan mengetahui kebutuhan dan keinginan pelanggan. Ada
banyak sekali definisi dan pengertian kualitas, yang sebenarnya memiliki esensi yang
sama. Kualitas menurut beberapa ahli yang banyak dikenal antara lain:
Juran (1962): “kualitas adalah kesesuaian dengan tujuan dan manfaatnya.”
Crosby (1979): “kualitas adalah kesesuaian dengan kebutuhan yang meliputi
availability, delivery, reliability, maintainability, dan cost effectiveness.”
Deming (1982): “kualitas harus bertujuan memenuhi kebutuhan pelanggan
sekarang dan di masa datang.”
Feigenbaum (1991): “kualitas merupakan keseluruhan karakteristik produk yang
meliputi marketing, engineering, manufacture, dan maintenance, dalam mana
produk tersebut dalam pemakaiannya akan sesuai dengan kebutuhan dan harapan
pelanggan.”
Scherkenbach (1991): “kualitas ditentukan oleh pelanggan; pelanggan
menginginkan produk yang sesuai dengan kebutuhan dan harapannya pada suatu
tingkat harga tertentu yang menunjukkan nilai produk tersebut.”
Elliot (1993): “kualitas adalah sesuatu yang berbeda untuk orang yang berbeda
dan tergantung pada waktu dan tempat, atau dikatakan sesuai tujuan.”
Perbendaharaan istilah ISO 8402 dan dari Standar Nasional Indonesia (SNI 19-
8402-1991), kualitas adalah keseluruhan ciri dan karakteristik produk yang
kemampuannya dapat memuaskan kebutuhan, baik yang dinyatakan secara tegas
maupun tersamar. Istilah kebutuhan diartikan sebagai spesifikasi yang tercantum
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 5
dalam kontrak maupun kriteria-kriteria yang harus didefinisikan terlebih dahulu
(conformance to requirement).
Vincent (2006): “Kualitas adalah sesuatu yang mampu memenuhi keinginan atau
kebutuhan pelanggan (meeting the needs of customers). Kualitas juga dapat
diartikan sebagai segala sesuatu yang menentukan kepuasan pelanggan dan upaya
perubahan ke arah perbaikan terus-menerus sehingga dikenal istilah Q-MATCH
(Quality = Meets Agreed Terms and Changes)
Kualitas memerlukan suatu proses perbaikan terus-menerus (continous
improvement process) yang dapat diukur, baik secara individual, organisasi, korporasi,
dan tujuan kerja nasional. Konsep kualitas harus bersifat menyeluruh, baik produk
maupun prosesnya. Kualitas produk meliputi kualitas bahan baku dan barang jadi.,
sedangkan kualitas proses meliputi segala sesuatu yang berhubungan dengan proses
produksi, baik manufaktur maupun jasa.
Pengendalian kualitas umumnya didefinisikan sebagai suatu sistem yang biasanya
mempertahankan tingkat kualitas suatu produk atau jasa. Pengendalian kualitas ini
dilakukan dalam upaya untuk meningkatkan rasa percaya konsumen terhadap produk
atau jasa yang dihasilkan oleh perusahaan, tujuan jangka panjangnya adalah untuk
perkembangan perusahaan tersebut masa datang. Kualitas dibagi menjadi 2 yaitu:
Kualitas rancangan adalah semua barang dan jasa yang dihasilkan dalam berbagai
tingkat kualitas,
Kualitas kecocokan adalah seberapa baik produk tersebut sesuai dengan
spesifikasi dan kelonggaran yang disyaratkan oleh rancangan tersebut.
Sedangkan pengendalian kualitas adalah aktivitas keteknikan dan manajemen
dimana dengan aktivitas itu kita bisa mengukur ciri-ciri kualitas produk,
membandingkannya dengan spesifikasi atau persyaratan, dan bisa mengambil tindakan
pemulihan yang sesuai apabila ada perbedaan antara penampilan yang sebenarnya
dengan yang standar.
(Douglas.1995:3)
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 6
Beberapa jenis dari karakteristik kualitas ini bisa dibentuk yaitu misalnya
karakteristik struktur disusun oleh bentuk produk, kekuatan menahan beban, berat dan
lain-lain. Untuk karakteristik sensor, elemen penyusunnya yaitu keindahan model
produk, tekstur produk, unsur estetik produk dan lain-lain. Sedangkan untuk
karakteristik berdasar waktu yaitu mengenai jaminan, layanan purna jual, keandalan dan
kemudahan dalam perawatan. Karakteristik kualitas dapat digolongkan menjadi dua
kelompok utama, yaitu:
a. Karakteristik variable
Merupakan karakteristik yang dapat diukur dan diwujudkan dengan skala
numerik. Contoh: panjang kursi (mm), tebal sandaran kursi (mm), Diameter dari
lubang (pada desain furniture) dalam millimeter
b. Karakteristik atribut (sifat)
Jika karakteristik itu dapat diklasifikasikan, apakah termasuk kesesuaian atau
ketidaksesuaian untuk memenuhi permintaan spesifikasi. Tidak bisa digunakan
skala numerik. Untuk pernyataan atribut maka kita tidak bisa menggunakan skala
numerik melainkan diekspresikan dengan atribut. Contoh: warna kayu assembling
yang termasuk diterima atau tidak, hasil sanding dan hal lainnya yang termasuk
atribut.
2.2 Konsep Kualitas
Definisi Manajemen Kualitas
Satu cara meningkatkan kinerja secara terus-menerus (continuously performance
improvement) pada setiap level operasi proses, dalam setiap area fungsional suatu
organisasi, dengan menggunakan semua sumberdaya manusia dan modal yang tersedia
Definisi Perencanaan Kualitas
Penetapan dan pengembangan tujuan dan kebutuhan untuk kualitas serta
penerapan sistem kualitas. Melibatkan beberapa aktivitas antara lain:
1. Mengidentifikasi pelanggan
2. Mengidentifikasi kebutuhan pelanggan
3. Menciptakan keistimewaan produk yang dapat memenuhi kebutuhan pelanggan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 7
4. Menciptakan proses yang mampu menghasilkan keistimewaan produk dibawah
kondisi operasioanl yang ada
5. Mentransfer/mengalihkan proses ke operasional
Definisi Pengendalian Kualitas
Teknik-teknik dan aktivitas operasional yang digunakan untuk memenuhi
persyaratan kualitas. Melibatkan beberapa aktivitas antara lain:
1. Mengevaluasi kinerja aktual
2. Membandingkan aktual dengan target
3. Mengambil tindakan atas perbedaan antara aktual dan target
Definisi Jaminan Kualitas
Semua tindakan terencana dan sistematik yang diimplementasikan dan
didemonstrasikan guna memberikan kepercayaan yang cukup bahwa produk akan
memuaskan kebutuhan untuk kualitas tertentu
Definisi Jaminan Kualitas
Tindakan-tindakan yang diambil guna meningkatkan nilai produk untuk pelanggan
melalui peningkatan efektivitas dan efisiensi dari proses dan aktivitas melalui struktur
organisasi
Konsep kualitas dibagi menjadi dua, yaitu konsep kualitas berdasarkan pandangan
tradisional dan konsep kualitas berdasarkan pandangan modern. Tabel 2.1 menunjukkan
perbedaan konsep kualitas pandangan tradisional dan pandangan modern:
Tabel 2.1 Pandangan Tradisional dan Modern Tentang Kualitas
No Pandangan Tradisional Pandangan Modern
1 Memandang kualitas sebagai isu
teknis
Memandang kualitas sebagai isu
bisnis
2 Usaha perbaikan kualitas
dikoordinasi oleh manajer kualitas
Usaha perbaikan kualitas
dikoordinasi oleh manajemen puncak
3 Memfokuskan pada fungsi atau
departemen produksi
Kualitas mencakup semua fungsi
atau departemen dalam organisasi
4 Produktivitas kualitas merupakan
sasaran yang bertentangan
Produktivitas dan kualitas merupakan
sasaran yang berkesesuaian, karena
hasil-hasil produkstivitas melalui
peningkatan atau perbaikan kualitas
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 8
5
Kualitas didefinisikan sebagai
konformansi terhadap spesifikasi
atau standar. Membandingkan
produk terhadap spesifikasi
Kualitas didefinisikan sebagai
persyaratan untuk memuaskan
kebutuhan pengguna produk atau
pelanggan (customers).
Membandingkan produk terhadap
kompetensi dan produk terbaik di
pasar.
6
Kualitas diukur melalui derajat
konformasi, menggunakan ukuran-
ukuran internal
Kualitas diukur melalui perbaikan
proses/produk dan kepuasan
pengguan produk atau pelanggan
secara terus-menerus dengan
menggunakan ukuran kualitas
berdasarkan pelanggan.
7 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 itu.
8
Beberapa kerusakan atau cacat
diijinkan, jika standar kualitas telah
memenuhi kualitas minimum
Cacat dan kerusakan dicegah sejak
awal melalui teknik pengendalian
proses yang efektif
9 Kualitas adalah fungsi terpisah dan
berfokus pada evaluasi produksi
Kualitas adalah bagian dari setiap
fungsi dalam semau tahap siklus
hidup produk
10 Pekerja dipermalukan apabila
menghasilkan kualitas jelek
Manajemen bertanggung jawab untuk
kualitas
11
Hubungan dengan pemasok bersifat
jangka pendek dan berorientasi pada
biaya
Hubungan dengan pemasok bersifat
jangka panjang dan berorientasi pada
kualitas Sumber : Gasperzs, 2002
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 9
Aplikasi konsep kualitas berdasarkan pandangan tradisional dan pandangan
modern digambarkan dalam gambar 2.1 :
INSPEK
SI
INSPEK
SI
PROSES KERJA
(WORK PROCESS)INPUT OUTPUT
WASTE WASTE
PANDANGAN TRADISIONAL
(MANAJEMEN PRODUK)
Gambar 2. 1 Konsep Kualitas Berdasarkan Pandangan tradisional (Vincent Gaspesrz, 2002)
Jaminan kualitas melalui inspeksi :
Inspeksi kedatangan material atau bahan baku
Inspeksi produk yang dihasilkan
Meningkatkan kualitas inspeksi yang lebih ketat dan meningkatkan biaya
Kualitas merupakan tanggung jawab dari departemen jaminan kualitas
Dimensi Kualitas untuk jenis produk atau jasa :
1. Kinerja (Performance) karakteristik operasi pokok dari produk inti
(kekuatan/keutamaan dari produk)
2. Ciri-ciri atau keistimewaan tambahan (features), yaitu karakteristik sekunder atau
pelengkap.
3. Kehandalan (reliability), yaitu kemungkinan kecil akan megalami kerusakan atau
gagal pakai.
4. Kesesuaian dengan spesifikasi (Conformance to spesification, yaitu sejau mana
karakteristik dan operasi memenuhi standar-standar yang telah ditetapkan
sebelumnya.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 10
5. Daya tahan (durability) berkaitan dengan berapa lama produk tersebut dapat terus
digunakan.
6. Serviceability, meliputi kecepatan, kompetensi, kenyamanan, mudah direparasi;
penanganan keluhan yang memuaskan.
7. Estetika, yaitu daya tarik produk terhadap panca indra.
8. Kualitas yang dipersepsikan (perceived quality), yaitu citra dan reputasi produk
serta tanggung jawab perusahaan terhadapnya
INPUT OUTPUT
PANDANGAN MODERN
(MANAJEMEN PROSES)
PROSES KERJA
(WORK PROCESS)
PROSES ORANG
(PEOPLE PROCESS)INFORMASI INFORMASI
PEMASOK PEMASOK
Gambar 2. 2 Konsep Kualitas Berdasarkan Pandangan Modern
Kualitas dirancang atau didesain melalui pencegahan (prevention) :
Mengintegrasikan rantai pemasok pelanggan (customers-suppliers chain)
Meningkatkan kualitas melalui sistem
- Proses informasi pelanggan
- Proses kerja
- Proses orang
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 11
2.3 Keuntungan Pengendalian Kualitas
Adapun keuntungan dari pengendalian kualitas adalah sebabai berikut :
1. Mengendalikan kualitas dari produk agar sesuai dengan spesifikasi yang telah
ditetapkan dan melakukan perbaikan kualitas produk.
2. Sistem kualitas selalu mengalami perbaikan kontinyu sehingga dapat memenuhi
keinginan konsumen yang dapat berubah sewaktu-waktu.
3. Pengendalian kualitas dapat meningkatkan produktivitas karyawan dan
kemampuan karyawan serta dapat mengurangi volume scrap (cacat) dan reworks
(pengerjaan ulang).
4. Sistem kualitas dapat menurunkan biaya yang berhubungan dengan kualitas
produk secara keseluruhan, meliputi:
a. Biaya kerusakan dalam produksi
b. Biaya inspeksi
c. Biaya kerusakan diluar proses produksi, dimana untuk hal ini dapat dikurangi
dengan cara pemeriksaan secara berkala, sistem perawatan mesin yang baik
dan peralatan pencegah.
5. Dengan peningkatan produktivitas maka dapat mengurangi waktu tempuh dari
proses produksi komponen dan sub assembly, yang hasilnya dapat untuk
memenuhi batas waktu (due dates) dari konsumen.
6. Sistem pengendalian kualitas dapat memacu semangat untuk selalu berjuang
dalam perbaikan berkesinambungan pada kualitas dan produktivitas.
7. Perbaikan hubungan antar karyawan serta membina hubungan baik antara
produsen dan konsumen.
Oleh karena sifat dari kualitas yang sangat penting bagi kelangsungan hidup suatu
produk maka diperlukan adanya pengendalian kualitas yang efektif.
(Amitava. 1995: 12)
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 12
2.4 Definisi Penerimaan Sampling
Acceptance sampling merupakan proses evaluasi bagian produk dan seluruh
produk yang dihasilkan. Dalam acceptance sampling dikenal karakterisasi produk atau
hasil proses (bagian yang sesuai spesifikasi), disini kita tidak dapat mengatakan bahwa
tingkah gerak langkah proses terkendali secara statistik atau tidak.
(Ariani, 2004)
Pemeriksaan bahan baku, produk setengah jadi dan produk jadi adalah salah satu
bagian penting jaminan kualitas. Apabila pemeriksaan bertujuan untuk penerimaan atau
penolakan suatu produk, berdasarkan kesesuaian dengan standar, jenis prosedur
penerimaan yang digunakan biasanya dinamakan sampling penerimaan.
(Montgomery, 1993, hal 420)
Perencanaan sampling adalah pernyataan tentang ukuran sampel yang akan
digunakan dan kriteria penerimaan atau penolakan yang bersangkutan guna memvonis
suatu lot.
(Mitra, 1993, hal.332)
Pola sampling didefinisikan sebagai himpunan prosedur yang terdiri dari
perencanaan sampling penerimaan yang ukuran lot, ukuran sampel, kriteria penerimaan
saling berhubungan. Sedangkan sampel didefinisikan sebagai serangkaian unit yang
diambil untuk tujuan.
(Montgomery, 1993, hal 428)
Acceptance sampling digunakan sebagai bentuk dari suatu inspeksi antara
perusahaan dengan pemasok, antara pembuat produk dengan konsumen, atau antar
divisi dalam perusahaan. Oleh karenanya, acceptance sampling tidak melakukan
pengendalian atau perbaikan kualitas proses melainkan hanya sebagai metode untuk
menentukan disposisi terhadap produk yang datang (bahan baku) atau produk yang telah
dihasilkan (barang jadi).
(Mitra, 1993)
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 13
Dalam acceptance sampling terdapat dua jenis pengujian yang dapat dilakukan
yaitu sebagai berikut :
a. Sebelum pengiriman produk akhir ke pelanggan. Pengujian yang dilakukan oleh
produsen atau disebut the producer’s test the lot for outgoing quality.
b. Setelah pengiriman produk akhir ke pelanggan. Pengujian dilakukan oleh
konsumen atau disebut dengan the producer’s test the lot for incoming quality.
Acceptance sampling merupakan proses pembuatan keputusan yang berdasarkan
pada unit-unit sampel dari sejumlah produk yang dihasilkan perusahaan atau yang
dikirim oleh pemasok. Acceptance sampling dapat dilakukan untuk data atribut maupun
variabel. Selain itu, acceptance sampling juga mencakup pengambilan sampel atau
inspeksi dengan mengadakan pengembalian dan perbaikan.
(Mitra, 2004, hal 201)
Selain terbagi untuk data atribut dan variabel, acceptance sampling juga
mencakup pengambilan sampel atau inspeksi dengan mengadakan pengembalian,
perbaikan dan pengembalian sampel atau inspeksi tanpa mengadakan pengembalian dan
perbaikan.
Apabila dalam pemeriksaan sampel yang berasal dari lot yang diajukan ternyata
memenuhi syarat yang ditentukan, maka lot tersebut dapat diterima. Sebaliknya apabila
sampel tidak memenuhi syarat yang ditentukan maka lot tersebut ditolak. Pengembilan
sampel penerimaan diperlukan untuk menentukan sikap yang harus diambil yaitu
menerima atau menolak lot, bukan sekedar menaksir kualitas dari lot ataupun untuk
mengendalikan kualitas dari proses. Pengambilan keputusan tersebut didasarkan atas
hasil pemeriksaan yang dilakukan terhadap satu sampel atau lebih yang diambil secara
random dari lot yang diperiksa. Apabila putusan didasarkan hanya pada satu sampel
maka rencana penerimaannya merupakan rencana sampel penerimaan tunggal
(acceptance single sampling). Apabila keputusan didasarkan pada dua buah sampel
maka rencana penerimaannya merupakan rencana sampel penerimaan ganda
(acceptance double sampling plan).
Program pengembalian dan perbaikan dalam acceptance sampling dinamakan
program pembetulan pemeriksaan. Gambar 2.2 memperlihatkan program pembetulan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 14
pemeriksaan. Andaikan bahwa lot yang masuk ke aktivitas pemeriksaan mempunyai
bagian cacat Po. Beberapa dari lot ini akan diterima dan yang lain akan ditolak. Lot-lot
yang ditolak akan disaring dan bagian cacat akhirnya akan sama dengan nol. Tetapi lot,
yang diterima mempunyai bagian cacat Po. Dengan demikian, lot yang keluar dari
aktivitas pemeriksaan adalah campuran lot dengan bagian cacat Po dan bagian cacat nol,
maka bagian cacat rata-rata dalam aliran lot yang keluar adalah P1 yang nilainya lebih
kecil dari Po. Jadi, program pembetulan pemeriksaan membantu ” membenarkan ”
kualitas lot.
(Montgomery, 1993, hal. 443)
Aktivitas
Pemeriksaan
Kotak Masuk
Bagian Cacat Po
Kotak Ditolak
Kotak Diterima
Lot Keluar
Bagian Cacat P1 > Po
Gambar 2.3 Program Pembetulan Pemeriksaan
2.5 Seven Tools
Menurut Deming, pengendalian mutu terpadu adalah semua aktivitas yang perlu
dilakukan untuk mencapai tujuan jangka panjang yang efisien dan ekonomis. Urutan
aktivitas tersebut dikenal dengan sebutan “Siklus Deming” yakni PDCA (Plan, Do,
Check, Action). Juran (1974) berpendapat bahwa “Quality is fitness for use” dimana
definisi ini menekankan pada pengendali di balik penentuan level kualitas yang harus
dipenuhi oleh produk atau jasa. Akibatnya apabila keinginan konsumen berubah maka
level kualitas dapat ikut berubah. Hal ini menunjukkan bahwa terdapat beberapa elemen
yang menetukan level kualitas dari suatu produk. Tujuh alat yang digunakan meliputi :
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 15
1. Lembar Pengamatan (Check Sheet)
Lembar pengamatan adalah lembar yang digunakan untuk mencatat data produk
termasuk juga waktu pengamatan, permasalahan yang dicari dan jumlah cacat pada
setiap permasalahan.
Gambar 2.4 Contoh Check Sheet
2. Stratifikasi (Run Chart)
Stratifikasi adalah suatu upaya untuk mengurai atau mengklasifikasi persoalan
menjadi kelompok atau golongan sejenis yang lebih kecil atau menjadi unsur-unsur
tunggal dari persoalan.
3. Histogram
Histogram adalah diagram batang yang menunjukkan tabulasi dari data yang
diatur berdasarkan ukurannya. Tabulasi data ini umumnya dikenal sebagai distribusi
frekuensi. Histogram menunjukkan karakteristik-karakteristik dari data yang dibagi-bagi
menjadi kelas-kelas. Pada histogram frekuensi, sumbu x menunjukkan nilai pengamatan
dari tiap kelas.
Histogram dapat berbentuk “normal” atau berbentuk seperti lonceng yang
menunjukkan bahwa banyak data yang terdapat pada nilai rata-ratanya. Bentuk
histogram yang miring atau tidak simetris menunjukkan bahwa banyak data yang tidak
berada pada nilai rata-ratanya tetapi kebanyakan datanya berada pada batas atas atau
bawah.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 16
Fungsi dari histogram adalah sebagai berikut :
Menentukan apakah suatu produk dapat diterima atau tidak.
Menentukan apakah proses produk sudah sesuai atau belum.
Menentukan apakah diperlukan langkah-langkah perbaikan.
Gambar 2.5 Contoh Histogram
4. Grafik Kendali (Control Chart)
Grafik Kendali adalah suatu alat yang secara grafis digunakan untuk memonitor
apakah suatu aktivitas dapat diterima sebagai proses yang terkendali. Grafik Kendali
terkadang disebut dengan Shewhart Control Charts karena grafik ini pertama kali dibuat
oleh Walter A. Shewhart.
Nilai dari karekterisik kualitas yang dimonitor, digambarkan sepanjang sumbu y,
sedangkan sumbu x menggambarkan sampel atau subgroup dari karakteristik kualitas
tersebut. Sebagai contoh karakteristik kualitas adalah panjang rata-rata, diameter rata-
rata, dan waktu pelayanan rata-rata. Semua karakteristik tersebut dinamakan variabel
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 17
dimana nilai numeriknya dapat diketahui. Sedangkan atribut adalah karakteristik
kualitas yang ditunjukkan dengan jumlah produk cacat, jumlah ketidaksesuaian dalam
satu unit, serta jumlah cacat per unit.
Terdapat tiga garis pada Grafik Kendali. Center Line atau garis tengah adalah
garis yang menunjukkan nilai rata-rata dari karakteristik kualitas yang diplot pada
grafik. Upper Limit Control atau batas pengendali atas dan Lower Limit Control atau
batas pengendali bawah digunakan untuk membuat keputusan mengenai proses. Jika
terdapat data yang berada di luar batas pengendali atas dan batas pengendali bawah
serta pada pola data tidak acak atau random maka dapat diambil kesimpulan bahwa
data berada di luar kendali statistik.
Tentukan
karakteristik yang
digunakan
Median ChartIndividual chart
c atau u chartp atau np chart
Variabel ?
Homogen?
Dalam jml unit
cacat ? % reject
Apakah rata-rata
mudah dihitung
Ukuran sampel > 9
Ukuran sampe
konstan
Mudah meng-
hitung Std. Dev.
- R chartX - R chartX
u chart
X-S chart
Y
Y
Y
Y
Y
Y
Y
T
T
T
TT
T
T
Gambar 2.6 Prosedur Pemilihan Grafik Kendali
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 18
Gambar 2.7 Contoh Grafik Kendali
5. Diagram Pareto
Diagram pareto pertama kali diperkenalkan oleh Alfredo Pareto dan digunakan
pertama kali oleh Joseph Juran. Fungsi diagram pareto adalah untuk mengidentifikasi
atau menyeleksi masalah utama untuk peningkatan kualitas. Diagram ini menunjukkan
seberapa besar frekuensi berbagai macam tipe permasalahan yang terjadi dengan daftar
masalah pada sumbu x dan jumlah/frekuensi kejadian pada sumbu y. Kategori masalah
diidentifikasikan sebagai masalah utama dan masalah yang tidak penting.
Prinsip Pareto adalah 80 % masalah (ketidaksesuaian atau cacat) disebabkan oileh
20 % penyebab. Prinsip Pareto ini sangat penting karena prinsip ini mengidentifikasi
kontribusi terbesar dari variasi proses yang menyebabkan performansi yang jelek seperti
cacat. Pada akhirnya, diagram pareto membantu pihak manajemen untuk secara cepat
menemukan permasalahan yang kritis dan membutuhkan perhatian secepatnya sehingga
dapat segera diambil kebijakan untuk mengatasinya.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 19
Gambar 2.8 Contoh Diagram Pareto
6. Diagram Sebab Akibat (Cause and Effect Diagram)
Diagram Sebab Akibat juga disebut Ishikawa Diagram karena diagram ini
diperkenalkan oleh Dr. Kaoru Ishikawa pada tahun 1943. Selain itu juga dikenal
dengan nama Fishbone Diagram karena bentuknya seperti tulang ikan. Diagram ini
terdiri dari sebuah panah horizontal yang panjang dengan deskripsi masalah. Penyebab-
penyebab masalah digambarkan dengan garis radial dari garis panah yang menunjukan
masalah.
Kegunaan dari Diagram Sebab Akibat adalah :
Menganalisis sebab dan akibat suatu masalah.
Menentukan penyebab permasalahan.
Menyediakan tampilan yang jelas untuk mengetahui sumber-sumber variasi.
Terdapat tiga macam jenis dari aplikasi Cause Effect Diagram yang sering
dipakai, yaitu :
1. Cause Enumeration (berdasarkan jenis penyebab)
Cause Enumeration merupakan salah satu teknik yang luas digunakan dalam
pengendalian kualitas. Teknik ini juga menggunakan brainstorming yang dapat
memungkinkan semua penyebab yang ada dicantumkan untuk menunjukkan
pengaruhnya pada permasalahan (dampak) yang ditanyakan. Prosedur penggunaan
terdiri dari
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 20
Mendefinisikan permasalahan atau karakteristik kualitas yang dipilih untuk
penelitian sehingga setiap orang akan mengetahui apa yang sedang dipecahkan.
Selanjutnya, penyebab utama yang mempengaruhi karakteristik dicatat.
Sebab-sebab pendukung (subcauses) dari sebab utama diurutkan.
Manganalisis peyebab yang mungkin mempengaruhi karakteristik yang diteliti.
Keuntungan dari penggunaannya adalah susunan proses yang ditunjukkan memberikan
pemahaman yang lebih mudah terhadap hubungan yang terjadi dalam proses dan
memberikan pemahaman yang lebih baik terhadap proses itu sendiri.
2. Dispersion Analysis (berdasarkan lima faktor utama, 4M & 1E)
Dalam dispersion analysis, setiap sebab utama akan dianalisis dengan meneliti
sebab-sebab pendukung dan pengaruhnya terhadap karakteristik kualitas. Tujuan
dispersion analysis adalah untuk menganalisis alasan dari variabilitas yang terjadi.
3. Process Analysis (berdasarkan proses yang dilalui)
Yang perlu diperhatikan adalah penulisan penyebab yang secara teratur atau sering
terjadi didalam suatu proses operasi, penyebab yang dapat mempengaruhi karakteristik
kualitas harus dicatat secara detail di setiap langkah atau tahapan proses produksi.
Gambar 2.9 Contoh Diagram Sebab Akibat
7. Diagram Sebar (Scatter Diagram)
Scatter diagram adalah grafik yang menampilkan hubungan antara dua variabel
apakah hubungan antara dua variabel tersebut kuat atau tidak yaitu antara faktor proses
yang mempengaruhi proses dengan kualitas produk. Pada sumbu x terdapat nilai dari
variabel independen, sedangkan pada sumbu y menunjukkan nilai dari variabel
dependen.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 21
Gambar 2.10 Contoh Diagram Pencar
2.6 Peta Kendali
Peta Kendali adalah suatu alat yang berfungsi untuk memonitor proses sehingga
variasi dari proses dapat di kendalikan secara statistik.Peta kendali ter bagi menjadi 2
macam yaitu peta kendali atribut dan peta kendali variabel
2.6.1 Peta kendali Atribut
Suatu produk dapat diklasifikasikan berdasarkan atributnya, yaitu baik atau
buruk, cacat atau tidak cacat. Cacat (defect) merupakan suatu ketidaksesuaian
individual dalam suatu proses/produk yang disebabkan kegagalan dalam
memenuhi satu atau lebih spesifikasi yang ditetapkan. Dengan demikian, suatu
produk yang cacat akan mengandung paling tidak satu cacat individual. Grafik
pengendali atribut dikelompokkan dalam 3 kategori:
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 22
Meliputi grafik pengendali yang fokus pada proporsi, contoh: proporsi dari
item cacat (u-Chart), dan jumlah dari item cacat (nu-Chart). Kedua diagram
diatas didasarkan pada distribusi binomial.
Berhubungan dengan 2 macam diagram, yang berfokus pada cacat itu
sendiri. Diagram untuk jumlah total ketidaksesuaian (c-Chart) yang
didasarkan pada distribusi poisson, chart untuk cacat per unit (u-Chart) dapat
digunakan pada situasi dimana ukuran unit sampel bervariasi.
Diagram untuk demerits per unit (U-Chart), berkaitan dengan
pengkombinasian ketidaksesuaian berbasis berat.
Berikut merupakan keuntungan dari grafik atribut :
Karakteristik kualitas tertentu yang lebih baik dengan atribut.
Hemat waktu dan biaya.
Dalam tingkat pabrik, digunakan untuk menentukan proporsi dari item-item
cacat.
Dalam tingkat departemen, untuk menunjuk areal permasalahan.
Atribut chart membantu mengarahkan permasalahan dari yang umum ke
tingkat lebih fokus.
Selain itu ada pula kerugian dari grafik atribut, antara lain: Informasi atribut
hanya menunjukkan apakah karakteristik kualitas tertentu berada dalam batasan
spesifikasi, serta grafik atribut tidak menunjukkan tingkat dari nilai data, dan tidak
menyediakan informasi dari kinerja proses.
1. Peta Kendali Proporsi (p-CHART)
Sampel yang diambil harus konstan dan itemnya diasumsikan bebas
(independen). Peta kendali p ini merupakan peta kendal yang serba guna.
Digunakan untuk mengkontrol kemampuan karakteristik kualitas. Peta kendali p
juga dapat digunakan untuk mengukur kualitas operator mesin, stasiun kerja,
sebuah departemen. Peta kendali p digunakan untuk data atribut dengan ukuran lot
yang tidak sama. Peta kendali p berdasar pada distribusi binomial. Untuk proporsi
sampel diberikan rumus :
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 23
diperiksajumlah
cacatjumlahp ˆ
Sedangkan untuk batas-batas kendali untuk peta kendali diberikan oleh:
Garis Tengah = n
x
p
m
t
t 1
BPAi = p + 3
in
pp 1
BPBi = p - 3
in
pp 1
2. Peta Kendali Jumlah (np-CHART)
Sebagai alternatif untuk menghitung proporsi cacat, kita dapat menghitung
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 sampel diasumsikan untuk diberikan dalam distribusi binomial. Prinsip
yang sama juga digunakan untuk grafik jumlah cacat dan pembentukan np-Chart
serupa dengan pembentukan p-Chart. Jika ukuran sampel berubah, garis sumbu
dan batas kendali akan berubah pula.
n p =diperiksayanglotJumlah
ditolakyangJumlahTotal
BKA = n p + 3 ppn 1
BKB = n p - 3 ppn 1
Distribusi yang berlaku distribusi binomial.
Contoh penerapan : Jumlah produk yang ditolak pada pemeriksaan dengan
ukuran lot berbeda komponen elektronik karena tidak sesuai spesifikasi.
3. Peta Kendali Jumlah Ketidak Sesuaian (c-CHART)
u-Chart dan c-Chart berhubungan dengan item cacat. c-Chart digunakan
untuk melacak jumlah total ketidaksesuaian dalam sampel-sampel dengan ukuran
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 24
tetap. Jika ukuran sampel bervariasi digunakan u-Chart untuk melacak jumlah
ketidaksesuaian per unit. Dalam membangun c-Chart dan u-Chart, ukuran sampel
juga mengacu pada daerah peluang (single atau multiple).
c = npemeriksaaJumlah
totalcacatataukesalahanJumlah
BKA = c + 3 c
BKB = c - 3 c
Distribusi yang berlaku Poisson
Contoh penerapan :
Setiap lima meter kain mempunyai jumlah cacat (noda) berapa ?
Jumlah gelembung pada botol kaca.
4. Peta Kendali Jumlah Ketidaksesuaian Per Unit (u-CHART)
Grafik ini digunakan ketika ukuran sampel tetap. Jika area kesempatan
berubah satu sampel ke sampel yang lain, garis pusat dan batas kendali suatu tabel
berubah sesuai di mana ukuran sampel bervariasi. u-Chart digunakan perusahaan
untuk memeriksa semua materi produksi atau jasa untuk kehadiran bukan
penyesuaian. Keluaran tiap produksi beranekaragam karena fluktuasi persediaan
tenaga kerja, uang dan bahan baku, dengan konsekuensi, jumlah pemeriksaan per
produksi setiap perubahan, sehingga menyebabkan bermacam-macam ukuran
sampel ketika variasi ukuran sampel suatu epta kendali-u digunakan untuk
memonitor banyaknya ketidaksesuaian per unit. Walaupun perubahan batas
kendali dari ukuran sampel bervariasi, garis pusat suatu peta kendali-u tetap
konstan. Ukuran sampel variable dan standar tidak ditentukan ketika ukuran
sampel bervariasi, jumlah dari ketidaksesuaian per unit untuk sampel ke-i adalah:
u =
i
i
n
c= rata-rata cacat persatuan
ui = diperiksayangpengukuranunitJumlah
diperolehyanguaianketidaksesJumlah=
n
ci
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 25
BA = u + 3 in
u
BB = u - 3 in
u
Distribusi yang digunakan Distribusi Poisson
Contoh penerapan :
1. Jumlah ketidaksesuaian pada lembaran karpet, dimana luas karpet yang
diperiksa tidak sama.
2. Jumlah ketidaksesuaian pada satu unit komputer.
Tabel 2.2 Karakteristik Peta Kendali Atribut
Peta Karakteristik Data Contoh Kasus
P
Perbandingan banyak benda yang
tak sesuai dalam suatu populasi
dengan banyak benda keseluruhan
dalam populasi itu.
Air mineral dalam kemasan. Apabila
kemasan tersebut rusak, atau berlubang
maka air mineral tersebut tidak dapat
diterima.
Np
Berdasarkan pada data banyaknya
proporsi cacat (number of
nonconforming)
Sama seperti peta p, yang membedakan
hanya pada data yang akan diplotkan
pada grafik.
C
Unit produk yang tidak memenuhi
satu atau beberapa spesifikasi untuk
produk itu. Dan ketidaksesuaian
tersebut mempengaruhi penjualan.
- Patrian yang cacat dalam 100 m
pipa saluran.
- Banyak kelingan yang pecah dalam
satu sayap pesawat terbang.
U
Banyak ketidaksesuaian rata-rata per
unit.
Pengusaha komputer ingin membentuk
grafik pengendali untuk ketidaksesuaian
per unit pada jalur perakitan akhir.
Sebagai ukuran sampel dipilih 5
komputer. Data banyak ketidaksesuaian
dalam 20 sampel masing-masing 5
komputer.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 26
5. Peta Kendali Jumlah Cela Per Unit (U-CHART)
Grafik kendali c dan u digunakan untuk semua jenis cacat banyaknya
ketidaksesuaian, tanpa memperhatikan derajat pembagiannya. Misalkan kita
menduga dalam proses inspeksi monitor komputer, bahwa satu monitor
bermasalah tentang konsistensi warna dan monitor kedua mempunyai lima
goresan pada permukaannya. Dengan menggunakan grafik kendali c ataupun u,
cacat relatif monitor 2, dalam konteks cacat banyaknya ketidaksesuaian, adalah
lima kali lebih besar dari monitor 1. Tetapi, dari cacat tunggal, monitor 1 jauh
lebih serius daripada monitor 2. Sebuah pendekatan alternatif mengenai bobot
banyaknya ketidaksesuaian menurut derajat pembagian relatifnya (Besterfield
1990). Sistem tingkat kualitas ini, yang merating cacat per unit dan disebut peta
kendali U, mengatasi kekurangan dari grafik kendali c dan u. Hal ini sangat
membantu pada aplikasi pelayanan/service.
Sebagai kategori ANSI/ASQC (Standar A3 1978) : mengelompokan cacat
dalam 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.
Pada sample ukuran n.
Jumlah cacat terbobot
D = w1c1 + w2c2 + w3c3 + w4c4
Rata-rata cacat terbobot perunit
U = n
D = (w1c1 + w2c2 + w3c3 + w4c4)/n
c adalah bilangan hasil penghitungan “cacat” (Poisson). Sehingga U merupakan
kombinasi linier dari variable acak independen Poisson.
U = w1 u 1+ w2 u 2+ w3 u 3+ w4 u 4
U = n
uwuwuwuw 42
432
322
212
1
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 27
BA = U + 3U
BB = U - 3U
2.6.2 Peta Kendali variabel
1. Grafik Kendali Untuk Mean Dan Range ( X -R CHART)
Banyak karakteristik kualitas yang dapat dinyatakan dalam bentuk ukuran
angka. Misalnya, diameter bantalan poros dapat diukur dengan mikrometer dan
dinyatakan dalam milimeter. Suatu karakteristik kualitas yang dapat diukur,
seperti dimensi, berat, atau volume dinamakan variabel. Grafik untuk variable
digunakan secara luas. Biasanya grafik-grafik itu merupakan prosedur pengendali
yang lebih efisien dan memberikan informasi tentang penampilan proses yang
lebih banyak daripada grafik pengendali sifat.apabila bekerja dengan karakteristik
kualitas yang variabel, sudah merupakan praktek yang standar untuk
mengendalikan nilai mean karakteristik kualitas itu dan variabilitasnya. Hal ini
biasanya dituangkan dalam grafik x . Variabilits atau pemencaran proses dapat
dikendalikan dengan grafik pengendali untuk deviasi standar, yang dinamakan
grafik S, atau grafik pengendali untuk rentang, yang dinamakan grafik R.
Misalkan karakteristik kualitas berdistribusi normal dengan mean dan
deviasi standar keduanya diketahui, dan jika x1, x2 ... xn sampel berukursn n,
maka rata-rata sampel ini adalah
x = n
xnxx ...21
Dalam praktek biasanya kita tidakmengetahui dan . Oleh karena itu nilai-
nilai itu harus ditaksir dari sampel-sampel pendahuluan yang diambil ketika proses
itu diduga terkendali. Biasanya taksiran ini harus didasarkan pada paling sedikit
20 sampai 25 sampel. Misalkan xmxx ...21 , adalah rata-rata tiap sampel,
maka penaksir terbaik untuk rata-rata proses adalah mean keseluruhan yakni
X = m
xnxx ...21.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 28
Jika suatu sampel berukuran n, maka rentang sampel itu adalah selisih
observasi yang terbesar dan terkecil yakni :
R = xmaks – xmin
Misalkan R1, R2,... Rm adalah rentang m sampel itu, rentang rata-ratanya adalah :
m
RmRRR
...21
dan taksiran untuk dihitung sebagai :
= 2d
R.
Jika kita akan memplotkan data dalam grafik pengendali x , maka batas
pengendali atas, batas pengendali bawah dan garis tengah dapat dihitung sebagai
berikut:
BPA = x + A2 R
Garis tengah = x
BPB = x - A2 R
Dimana A2 merupakan nilai konstan yang hanya tergantung dari ukuran sampel.
Sedangkan parameter-parameter yang digunakan dalam grafik pengendali
range sebagai berikut :
BPA = R D4
Garis tengah = R
BPB = R D3
D3 dan D4 merupakan nilai konstan yang hanya tergantung dari jumlah sampel.
2. Grafik Kendali Untuk Mean Dan Deviasi ( X -S CHART)
Apabila ukuran sampel n cukup besar, n > 10 atau 12, metode rentang guna
menaksir kehilangan efisiensi statistiknya. Dalam hal-hal seperti ini, yang
terbaik adalah mengganti grafik x dan menjadi grafik x dan S, dengan standar
proses ditaksir secara langsung tidak melalui R.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 29
Parameter-parameter yang digunakan dalm grafik S dengan nilai standar bagi
diketahui, adalah :
BPA = B6
Garis tengah = c4
BPB = B5
Nilai-nilai B5 dan B6 telah ditabelkan sebagai nilai konstan untuk berbagai ukuran
himpunan bagian..
Selain grafik pengendali x dan S , x dan R terdapat juga grafik S2
yaitu
grafik pengendali yang didasarkan langsung pad variansi sampel S2
dan grafik
pengendali unit individual yaitu grafik yang menggunakan ukuran sampel n=1
untuk pengendalian proses. Hal ini dilakukan pada pemeriksaan dan pengukuran
otomatis dari setiap unit yang diproduksi. Contohnya pada proses kimia. Prosedur
pengendaliannya menggunakan rentang bergerak dua observasi yng berturutan
guna menaksir variabilitas proses.
Dalam penerapannya, penganalisis harus memilih antara menggunakan
grafik pengndali variabel dan grafik pengendali sifat. Grafik pengendali sifat
mempunyai kelebihan bahwa beberapa karakteristik kualitas dpat dipandang
bersama-sama dan unit itu diklasifikasikan sebagai tidak sesuai apabila gagal
memenuhi spesifikasi pada salah satu karakteristik. Sebaliknya, jika beberapa
karakteristik kualitas diperlukan sebagai variabel, maka masing-masing harus
diukur, dan grafik , x dan R terpisah digunakan pada masing-masing variabel
atau suatu teknik pengendali multivariat yang memandang semua karakteristik
digunakan secara serentak. Dalam hal ini jelas adanya kesederhanaan yang
berkaitan dengan grafik pengendali sifat. Lagipula pengukuran yang mahal dan
memakan waktu dapat dihindari dengan pemeriksaan sifat.
Grafik pengendali variabel memberikan jauh lebih banyak informasi yang
bermanfaat tentang penampilan proses daripada grafik pengendali sifat. Informasi
mengenai mean dan variabilitas proses diperoleh secara langsung. Untuk suatu
studi kemampuan proses, grafik pengendali variabel hampir selalu disenangi
daripada grafik pengendali sifat.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 30
Garis petunjuk guna merancang grafik pengendali
Dalam merancang grafik kendali x dan R, kita harus menentukan ukuran
sampel, lebar batas pengendali, dan frekuensi pengambilan sampel yang
digunakan. Jika grafik x yang digunakan khususnya untuk menyidik pergeseran
sedang sampai besar, katakan pada tingkat 2 sigma atau maka ukuran sampel
relative kecil n = 4,5, atau 6 cukup efektif. Sebaliknya jika ingin menyidik
pergeseran kecil maka menggunkan ukuran sampel yang lebih besar misalnya n =
15 sampai n = 25. pada sampel kecil, grafik R relatif tidak peka terhadap
pergeseran deviasi standar proses. Sedangkan sampel-sampel yang lebih besar
kelihatannya lebih efektif, tetapi kita tahu bahwa metode rentang turun rendah
sekali efisiensinya untuk menaksir standar deviasi jika n naik. Sehingga untuk n
besar, katakan n > 10 atau 12, mungkin yang terbaik tidak mengguanakan grafik R
melainkan grafik S dan S2. Masalah ukuran sampel dan frekuensi pengambilan
sampel adalah masalah menentukan upaya sampling. Terdapat dua macam strategi
yaitu mengambil sampel ukuran kecil dengan sering atau ukuran sampel besar tapi
jarang dilakukan. Umumnya lebih memilih ukuran sampel kecil tapi sering karena
dilihat dari sisi ekonomi, jika biaya menghasilkan produk cacat tinggi maka
sampel kecil dengan sering akan lebih baik. Alasan lain adalh jika interval antar
pengambilan sampel terlalu besar maka akan terlalu banyak produk yang cacat
yang diproduksi sebelum kesempatan menyidik pergeseran proses yang lain
terjadi. Tingkat produksi juga punya peranan terhadap pemilhan ukuran sampel
dimana jika proses produksi dengan kecepatan tinggi biasanya akan menggunakan
ukuran sampel yang cukup besar yang dilakukan lebih sering karena dengan
tingkat produksi tinggi akan menghasilkan produk tak sesuai yang cukup banyak
dalam waktu yang singkat apabila terjadi pergeseran proses.
Intepretasi Grafik x dan R
Grafik pengendali dapat menunjukkan keadaan tak terkendali meskipun
tidak satu titik pun terletak diluar batas pengendali, jika pola titik-titik yang
digambarkan yang digambarkan menunjukkan tingkah laku tak random atau
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 31
sistematik. Dalam banyak hal pola titik-titik yang digambarkan akan memberikan
informasi diagnostic yang berguna pada proses itu dan informasi ini dapat
digunakan untuk membuat perubahan-perubahan proses yang memperkecil
variabilitas. Dalam bahasan ini akan membicarakan pola umum dari grafik x dan
R dan menunjukkan beberapa karakteristik proses yang dapat menghasilkan pola-
pola ini. Untuk menginterprestasikan grafik x dan R secara efektif, sebelumnya
kita harus tahu asas statistik yang melandasi grafik pengendali dan proses itu
sendiri.
Dalam menginterpretasikan pola pada gafik x , pertama-tama kita
menentukan apakah grafik R terkendali atau tidak. Beberapa sebab terduga tampak
pada grafik x dan R. Jika grafik x dan R keduanya menunjukkan pola tak
random, strategi yang terbaik adalah menghilangkan sebab-sebab terduga grafik R
yang secara otomatis akan menghilangkan pola tak random pada grafik x . Jangan
sekali-kali menginterpretasikan grafik x apabila grafik R menunjukkan keadaan
tak terkendali.
Pola siklis kadang-kadang tampak pada grafik pengendali. Pola ini mungkin
merupakan akibat dari perubahan lingkungan yang sistematik seperti temperatur,
kelelahan operator, perputaran operator dan mesin yang teratur atau fluktuasi
dalam tekanan atau variabel dain dalam alat produksi. Kadang-kadang grafik R
akan menampakkan gerakan siklis karena jadwal pemeliharaan, kelelahan
operator, ketidaktahanaan alat sebagai akibat variabilitas yang terlalu besar.
Pola campuran ditunjukkan apabila titik-titik yang tergambar cenderung
jatuh dekat atau sedikit diluar batas pengendali, dengan titik-titik yang relatif
sedikit dekat garis tengah. Pola campuran ditimbulkan oleh dua distribusi
pembentuk hasil proses yang tumpang suh. Kesederhanaan pola campuran
tergantung pada seberapa jauh distribusi itu tumpang suh. Kadang-kadang pola
campuran merupakan akibat dari pengendalian terlalu ketat dimana operator
terlalu sering melakukan penyesuaian proses, bukan karena sebab-sebab sistematik
melainkan variasi random dalam hasil produksi.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 32
Suatu pergeseran dalam tingkat proses dapat terjadi dimana pergeseran ini
mungkin terjadi akibat dari pengenalan karyawan, metode dan bahan baku atau
mesin baru, perubahan dalam metode atau standar pemerikasaan atau perubahaan
dalam ketrampilan, perhatian, atau motivator operator.
Suatu trend atau gerakan pada grafik pengendali biasanya disebabkan karena
kelelahan yang pelan-pelan atau kemunduran suatu alat atau suatu komponen
proses kritis yang lain. Trend dapat juga disebabkan oleh faktor manusianya
seperti kelelahan operator atau kehadiran pengawas, trend juga disebabkan oleh
faktor alam seperti temperatur. Alat yang berguna untuk memantau dan
menganalisa proses dengan trend adalah grafik pengendali regresi.
Stratifikasi atau kecenderungan titik-titik seakan-akan berkelompok sekitar
garis tengah. Dalam kasus ini terdapat ketiadaan vaiabilitas dasar dalam pola yang
dialami. Penyebab stratifikasi yang mungkin adalah perhitungan batas pengendali
yang salah. Pola ini juga dapat dihasilkan apabila proses pengambilan sampel
mengumpulkan satu atau beberapa unit dari beberapa distribusi pokok yang
berbeda. Jika unit terbesar dan terkecil dalam tiap sampel relatif serupa, maka
variabilitas yang diamati akan kecil tidak wajar..
Dalam menginterpretasikan pola grafik x dan R, orang harus memandang
dua grafik itu secara terpisah. Jika distribusi yang melandasi normal, maka
variabel random x dan R yang dihitung dari sampel yang sama adalah statistik
independen. Maka x dan R harus berlaku independen pada grafik pengendali. Jika
ada korelasi antara nilai x dan R, yakni jika titik-titik pada pada kedua grafik itu
saling mengikuti maka ini menunjukkan bahwa distribusi yang melandasi miring.
Jika spesifikasi telah ditentukan dengan anggapan normal maka analisis itu
mungkin salah.
Pengaruh Ketidaknormalan pada Grafik x dan R
Anggapan dasar dalam pengembangan grafik pengendali x dan R adalah
distribusi karakteristik kualitas yang melandasi adalah normal. Dalam banyak
keadaan mungkin kita mempunyai alasan untuk meragukan berlakunya anggapan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 33
ini. Misalnya mungkin kita tahu bahwa distribusi yang melandasinya bukan
normal, sebab kita telah mengumpulkan data yang cukup banyak yang
menunjukkan bahwa anggapan normal tidak cocok. Sekarang jika kita tahu bentuk
distribusi yang melandasinya, maka mungkin untuk menurunkan distribusi
sampling x dan R (atau ukuran variabilitas proses yang lain), yang mendapatkan
batas probabilitas yang pasti bagi grafik pengendali itu. Dalam beberapa hal yang
mungkin ini sukar, dan kebanyakan penganalisa mungkin lebih senang
menggunakan pendekatan standar berdasarkan anggapan normal jika mereka
merasa bahwa akibat tindakan ini tidak serius. Tetapi mungkin kita tidak tahu
apapun tentang bentuk distribusi yang melandasinya, maka mungkin satu-satunya
pilihan kita adalah menggunakan hasil-hasil teori normal. Dalam hal yang
manapun jelas bahwa kita tertarik untuk mengetahui pengaruh penyimpangan dari
normal terhadap grafik pengendali x dan R yang biasa.
Beberapa penulis telah menyelidiki pengaruh penyimpangan dari normalitas
pada grafik pengendali. Burr (1967) mencatat bahwa konstan batas pengendali
teori normal yang biasa sangat tegar (Robust) terhadap anggapan normal dan dapat
digunakan kecuali populasi itu sangat tidak normal. Schilling dan Nelson (1976)
juga telah mempelajari pengaruh ketidaknormalan pada batas pengendali grafik
x . Mereka menyelidiki distribusi uniform, segitiga siku-siku, gamma (dengan
=1 dan r = ½ , 1, 2, 3, dan 4) dan dua distribusi bermodus dua membentuk
campuran dua distribusi normal. Studi mereka menunjukkan bahwa dalam
sebagian besar keadaan, sampel berukuran 4 atau 5 cukup untuk menjamin
ketegaran yang layak terhadap anggapan normal. Kasus terjelek yang diamati
adalah untuk nilai-nilai r yang kecil dalam distribusi gamma [r = ½ , dan r = 1
(distribusi eksponensial)]. Misalnya, mereka melaporkan risiko yang
sebenarnya adalah 0,014 atau kurang jika n14 untuk distribusi gamma dengan r
= ½ , berbeda dengan nilai teoritis 0,0027 bagi distribusi normal.
Selagi penggunaan batas pengendali 3-sigma pada grafik x akan
menghasilkan risiko sebesar 0,0027 jika distribusi yang melandasinya normal,
tetapi tidak benar pada grafik R. Distribusi sampling R tidak simetrik, meskipun
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 34
pengambilan sampel itu dari distribusi normal, dan ekor yang panjang distribusi
itu ada pada sisi tinggi atau positif. Jadi batas 3-sigma yang simetris hanya
pendekatan, dan risiko pada grafik R seperti itu tidak 0,0027. (Sebenarnya,
untuk n = 4 maka = 0,00461). Lagipula, grafik R lebih peka terhadap
penyimpangan anggapan normal daripada grafik x .
2.7 Biaya Kualitas
Pada dasarnya biaya dapat dikategorikan ke dalam empat jenis, yaitu :
1. Biaya Kegagalan Internal (Internal Failure Cost)
Merupakan biaya-biaya yang berhubungan dengan kesalahan dan
nonkonformansi yang ditemukan sebelum menyerahkan produk ke pelanggan.
Biaya-biaya ini tidak akan muncul apabila tidak ditemukan kesalahan atau
nonkonformansi dalam produk sebelum pengiriman.
Contoh :
Scrap
Scrap adalah material sisa dari bahan baku setelah pemrosesan.
Pekerjaan Ulang (rework)
Proses pengerjaan ulang suatu barang karena terjadi kecacatan
Analisi Kegagalan (failure analisis)
Inspeksi ulang dan pengujian ulang (reinspection and retesting)
Biaya-biaya yang dikeluarkan untuk inspeksi ulang dan pengujian ulang
produk yang telah mengalami pengerjaan ulang atau perbaikan kembali.
Downgrading
penjualan produk dibawah harga produksi karena adanya sedikit cacat pada
produk tersebut
Avoidable Process Losses
Biaya-biaya kehilangan yang terjadi, meskipun produk itu tidak cacat.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 35
2. Biaya Kegagalan Eksternal (External Failure Cost)
Merupakan biaya-biaya yang berhubungan dengan kesalahan dan
nonkonformansi yang ditemukan setelah produk itu diserahkan ke pelanggan.
Biaya-biaya ini tidak akan muncul apabila tidak ditemukan kesalahan atau
nonkonformansi dalam produk setelah pengiriman.
Contoh :
Jaminan (Warranty)
Jaminan yang di berikan kepada pelanggan apabila terjadi kerusakan atau
masalah pada produk.
Penyelesaian Keluhan (Complaint Adjustment)
Produk dikembalikan (Returned Product)
Allowance
Biaya-biaya yang berkaitan dengan konsesi pada pelanggan karena produk
yang berada dibawah standar kualitas.
3. Biaya Penilaian (Apprasial Cost)
Merupakan biaya-biaya yang berhubungan dengan derajad konformansi
terhadap persyaratan kualitas (spesifikasi yang ditetapkan).
Contoh :
Inspeksi dan pengujian kedatangan material
Biaya-biaya yang berkaitan dengan penentuan kualitas dari material yang
dibeli, melalui inspeksi pada saat penerimaan, melalui inspeksi yang
dilakukan pada pemasok, atau raelalui inspeksi yang dilakukan oleh pihak
ketiga.
Inspeksi dan pengujian produk dalam proses
berkaitan dengan evaluasi tentang konformansi produk dalam proses
terhadap persyaratan kualitas (spesifikasi) yang ditetapkan.
Inspeksi dan pengujian produk akhir
Biaya-biaya yang berkaitan dengan evaluasi tentang konformansi produk
akhir terhadap persyaratan kualitas (spesifikasi) yang ditetapkan.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 36
Audit kualitas produk
Biaya-biaya untuk raelakukan audit kualitas pada produk dalam proses atau
produk akhir.
Pemeliharaan akurasi peralatan pengujian
Biaya-biaya dalam melakukan kalibrasi (penyesuian) untuk mempertahankan
akurasi instrument pengukuran dan peralatan.
Evaluasi stok
Biaya-biaya yang berkaitan dengan pengujian produk dalam penyimpanan
untuk menilai degradasi kualitas
4. Biaya Pencegahan (Prevention Cost)
Merupakan biaya-biaya yang berhubungan dengan upaya pencegahan
kegagalan internal maupun eksternal, sehingga meminimumkan biaya kegagalan
internal dan biaya kegagalan eksternal.
Contoh :
Perencanaan Kualitas. Biaya-biaya yang berkaitan dengan aktivitas
perencanaan kualitas secara keseluruhan, termasuk penyiapan prosedur-prosedur
yang diperlukan untuk mengkomunikasikan rencana kualitas ke seluruh pihak
yang berkepentingan.
Tinjauan-Ulang Produk Baru (New-Product Review). Biaya-biaya yang
berkaitan dengan rekayasa keandalan (reliability engineering) dan aktivitas-
aktivitas lain yang bekaitan dengan kualitas yang berhubungan dengan
pemberitahuan desain baru.
Audit Kualitas. Biaya-biaya yang berkaitan dengan evaluasi atas
pelaksanaan aktivitas dalam rencana kualitas secara keseluruhan.
Evaluasi Kualitas Pemasok. Biaya-biaya yang berkaitan dengan evaluasi
terhadap pemasokan sebelum pemilihan pemasok, audit terhadap aktivitas-
aktivitas selama kontrak, dan usaha-usaha lain yang berkaitan dengan pemasok.
Pelatihan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 37
BAB III
METODOLOGI PRAKTIKUM
Gambar 3.1 Metodologi Praktikum
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 38
Pada praktikum Statisttical Quality Control and Quality Cost Planning ini
terdapat sistematika yang digunakan, yaitu:
Dimulai dengan merumuskan masalah, menentukan tujuan penelitian, menentukan
batasan dan asumsi serta melakukan studi pustaka.
Setelah itu dibuat kebijakan perusahaan mengenai AQL (Acceptance Quality
Level) dengan menentukan rencana sampling penerimaan, menentukan jumlah
sampelnya, mengukur dimensi komponen hingga akhirnya diketahui apakah
ukuran lot pada komponennya diterima atau ditolak. Jika ditolak, perhitungan
dilakukan kembali sampai data terkontrol.
Selanjutnya dilakukan laporan pemesanan (MRP) dengan membuat peta kendali.
Peta kendali sendiri terbagi menjadi dua yaitu peta kendali variabel dan atribut.
Peta kendali variabel terdiri dari peta kendali - s, - R, - MR. Sedangkan peta
kendali atribut terdiri dari peta kendali p, np, c, u, dan U. Peta kendali ini
digunakan untuk mengetahui apakah data terkontrol atau tidak. Jika ditolak,
perhitungan dilakukan kembali sampai data terkontrol.
Laporan buatan inspeksi dilakuakn dengan membuat diagram pareto finish
product dan membuat peta kendali variabel finish product untuk membuktikan
data terkontrol atau ditolak. Jika ditolak perhitungan dilakukan kembali sampai
data terkontrol. Setalah diketahui data telah terkontrol, maka dibut fishbone.
Untuk data biaya, dilakukan perhitungan biaya kualitas yang terdiri dari biaya
pencegahan, biaya penilaian, biaya kegagalan internal, dan biaya kegagalan
eksternal.
Tahapan akhir dalam sistematika ini yaitu melakukan analisis, serta membuat
kesimpulan dan saran.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 39
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Acceptance Sampling
4.1.1 Kebijakan Sampel untuk As Roda
Berdasarkan Output MRP, lot size as roda periode 1 adalah 14132
Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh
inspection levels adalah I (10,001 to 35000)
Berdasarkan tabel 10-3 diperoleh sample size 25 dengan melihat sample size
code letter
N=25
AQL = 0.35, berarti berdasar tabel 10.1 AQL conversion table
AQL value = 0.40 (0.280 to 0.439)
Berdasar table 10.3 master table for normal diperoleh nilai k = 2,14
Hasil Output MRP as roda
Tabel 4.1 Hasil Output MRP as roda
Periode 1 2 3 4 5 6 7 8 9 10 11 12
As Roda 14132 14132 14132 14132 14158 14158 14158 14158 14184 14184 14184 0
1. Panjang As Roda
Data Pengukuran Panjang As Roda
Tabel 4.2 Pengukuran panjang as roda
No Ukuran No. Komponen x2
1 60 54 3600
2 59,9 73 3588,01
3 60 48 3600
4 60 74 3600
5 60 30 3600
6 60 37 3600
7 60 46 3600
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 40
8 59,9 13 3588,01
9 59,95 66 3594,003
10 59,9 43 3588,01
11 60 44 3600
12 60,1 45 3612,01
13 59,95 57 3594,003
14 59,95 65 3594,003
15 59,9 72 3588,01
16 60 33 3600
17 60 40 3600
18 60 69 3600
19 60 52 3600
20 59,95 35 3594,003
21 59,9 6 3588,01
22 60 63 3600
23 60 67 3600
24 59,85 75 3582,023
25 59,75 10 3570,063
Jumlah 1499
89880,16
=
=59.96
S =
=
= 0.06922
Standar perusahaan untuk panjang as roda
58.5mm 1,5mm
USL = 58.5 + 1,5 = 60 mm
Berdasarkan Output MRP, lot size as roda periode 1 adalah 14132
Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh
inspection levels adalah I (10,001 to 35000)
Berdasarkan tabel 10-3 diperoleh sample size 25 dengan melihat sample size code
letter
N=25
AQL = 0.35, berarti berdasar tabel 10.1 AQL conversion table
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 41
AQL value = 0.40 (0.280 to 0.439)
Berdasar table 10.3 master table for normal diperoleh nilai k = 2,14
ZU =
=
= 0,577867
ZL =
=
= 42,7622
Karena ZU > k = 0.577867 < 2,14. Maka lot ditolak
Karena ZL < k = 42,7622 > 2,14. Maka lot diterima
- Maka keputusannya lot ditolak
- Double Acceptance Sampling
QU = 28,30
QL = 0
- Karena QU+QL > M = 28,39 > 1,29. Maka keputusannya lot ditolak
2. Diameter As Roda
Data Pengukuran Diameter As Roda
Tabel 4.3 Pengukuran diameter as roda
No Ukuran No.
Komponen x
2
1 1,6 37 2,56
2 1,68 54 2,8224
3 1,66 30 2,7556
4 1,68 99 2,8224
5 1,7 43 2,89
6 1,6 44 2,56
7 1,62 73 2,6244
8 1,66 45 2,7556
9 1,68 48 2,8224
10 1,66 13 2,7556
11 1,68 65 2,8224
12 1,64 46 2,6896
13 1,64 72 2,6896
14 1,58 57 2,4964
15 1,66 74 2,7556
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 42
=
=1,656
S =
=
= 0.03742
Standar perusahaan untuk diameter as roda
1.8 mm 0.2 mm
USL = 1.8+ 0.2 = 2 mm
Berdasarkan Output MRP, lot size as roda periode 1 adalah 14132
Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh
inspection levels adalah I(10001 to 35000)
Berdasarkan tabel 10-3 dengan sample size code letter I maka sample size adalah
25
N=25
AQL = 0.35, berarti berdasar tabel 10.1 AQL conversion table
AQL value = 0.40 (0.280 to 0.439)
Berdasar table 10.3 master table for normal diperoleh nilai k = 2,14
ZU =
=
=9,193
ZL =
=
=1,49
Karena ZU > k = 9,193 > 2,14. Maka lot diterima
Karena ZL < k = 1,49 < 2,14. Maka lot ditolak
16 1,6 69 2,56
17 1,68 35 2,8224
18 1,7 6 2,89
19 1,7 63 2,89
20 1,68 67 2,8224
21 1,6 33 2,56
22 1,7 52 2,89
23 1,7 75 2,89
24 1,66 40 2,7556
25 1,64 10 2,6896
Jumlah 41,4
68,592
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 43
- Maka keputusannya lot ditolak
- Double Acceptance Sampling
QU = 0
QL = 6,55
- Karena QU+QL > M = 6,55 > 1,29. Maka keputusannya lot ditolak
4.1.2 Kebijakan Sampel untuk Gardan
Berdasarkan Output MRP, lot size as roda periode 1 adalah 7066. Berarti
berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh inspection
levels adalah H (3201 to 10000)
Berdasarkan tabel 10-3 dengan sample size code letter H maka sample size
adalah 20
N=20
AQL = 0.18, berarti berdasar tabel 10.1 AQL conversion table
AQL value = 0.25 (0.165 to 0.279)
Berdasar table 10.3 master table for normal diperoleh nilai k = 2,24
Hasil Output MRP Gardan
Tabel 4.4 Hasil Output MRP Gardan
PERIODE 1 2 3 4 5 6 7 8 9 10 11 12
As Roda 7066 7066 7066 7079 7079 7079 7079 7092 7092 7092 7092 0
1. Panjang Gardan
Data Pengukuran Panjang Gardan
Tabel 4.5 Pengukuran panjang Gardan
No Ukuran No.
Komponen x
2
1 74,15 25 5498,2
2 74,4 11 5535,4
3 74 20 5476
4 74,6 54 5565,2
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 44
5 74,3 12 5520,5
6 74,25 6 5513,1
7 74,4 70 5535,4
8 74,15 17 5498,2
9 74,4 21 5535,4
10 74,4 75 5535,4
11 74,15 2 5498,2
12 74,15 5 5498,2
13 74,15 8 5498,2
14 74,3 10 5520,5
15 74,2 38 5505,6
16 74,3 14 5520,5
17 74,2 63 5505,6
18 74,3 24 5520,5
19 74,55 19 5557,7
20 74,15 35 5498,2
Jumlah 1485,5
110336
=
=59,42
S =
=
= 0.15
Standar perusahaan untuk panjang gardan
74 mm 0.75mm
USL = 74 + 0.75 = 74.75 mm
Berdasarkan Output MRP, lot size as roda periode 1 adalah 7066
Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh
inspection levels adalah H (3201 to 10000)
Berdasarkan tabel 10-3 dengan sample size code letter H maka sample size adalah 20
N=20
AQL = 0.18, berarti berdasar tabel 10.1 AQL conversion table
AQL value = 0.25 (0.165 to 0.279)
Berdasar table 10.3 master table for normal diperoleh nilai k = 2,24
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 45
Zu =
=
=3,2
ZL =
=
=6,8
Karena Zu < k = 3,2 > 2,24. Maka lot diterima
Karena ZL < k = 6,8 > 2,24. Maka lot diterima
-Maka keputusannya lot diterima
- Double Acceptance Sampling
QU = 0,006
QL = 0
- Karena QU+QL < M = 0,006 < 0,846. Maka keputusannya lot diterima
2. Diameter Gardan
Data Pengukuran Diamter Gardan
Tabel 4.6 Pengukuran diameter Gardan
No Ukuran No.
Komponen x
2
1 1,44 20 2,0736
2 1,42 12 2,0164
3 1,44 70 2,0736
4 1,42 19 2,0164
5 1,4 24 1,96
6 1,4 17 1,96
7 1,42 2 2,0164
8 1,4 75 1,96
9 1,42 6 2,0164
10 1,4 25 1,96
11 1,4 21 1,96
12 1,4 11 1,96
13 1,42 14 2,0164
14 1,4 5 1,96
15 1,4 8 1,96
16 1,42 38 2,0164
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 46
17 1,42 10 2,0164
18 1,4 54 1,96
19 1,44 63 2,0736
20 1,42 35 2,0164
Jumlah 28,28
39,992
=
=1,414
S =
=
= 0.01465
Standar perusahaan untuk diameter gardan
1,48 mm 0.13mm
USL = 1,48 + 0.13 = 1,61 mm
- Berdasarkan Output MRP, lot size as roda periode 1 adalah 7066
- Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh
- inspection levels adalah H (3201 to 10000)
- Berdasarkan tabel 10-3 dengan sample size code letter H maka sample size
adalah 20
- N=20
- AQL = 0.18, berarti berdasar tabel 10.1 AQL conversion table
- AQL value = 0.25 (0.165 to 0.279)
- Berdasar table 10.3 master table for normal diperoleh nilai k = 2,24
- Jadi, Zu < k = 32,68 > 2,24.
- Keputusannya adalah lot diterima
Zu =
=
=13,379
ZL =
=
=4,369
Karena Zu < k = 13,379 > 2,24. Maka lot diterima
Karena ZL < k = 4,369 > 2,24. Maka lot diterima
- Maka keputusannya lot diterima
- Double Acceptance Sampling
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 47
QU = 0
QL = 0
- Karena QU+QL < M = 0 < 0,846. Maka keputusannya lot diterima
4.1.3 Kebijakan Sampel untuk Besi Dinamo
Berdasarkan Output MRP, lot size as roda periode 1 adalah 7066
Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh
inspection levels adalah H (3201 to 10000)
Berdasarkan tabel 10-3 dengan sample size code letter H maka sample size
adalah 20
N=20
AQL = 0.18, berarti berdasar tabel 10.1 AQL conversion table
AQL value = 0.25 (0.165 to 0.279)
Berdasar table 10.3 master table for normal diperoleh nilai k = 2,24
Hasil Output MRP Dinamo
Tabel 4.7 Hasil Output MRP Dinamo
PERIODE 1 2 3 4 5 6 7 8 9 10 11 12
Dinamo 7066 7066 7079 7079 7079 7079 7092 7092 7092 7092 0 0
1. Diameter Besi Dinamo
Data Pengukuran Diameter Besi Dinamo
Tabel 4.8 Pengukuran diameter as roda
No Ukuran No.
Komponen x
2
1 1,9 68 3,61
2 1,9 56 3,61
3 1,88 67 3,5344
4 1,88 13 3,5344
5 1,9 72 3,61
6 1,9 36 3,61
7 1,9 64 3,61
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 48
8 1,9 71 3,61
9 1,84 23 3,3856
10 1,88 70 3,5344
11 1,88 66 3,5344
12 1,9 75 3,61
13 1,9 69 3,61
14 1,92 22 3,6864
15 1,88 61 3,5344
16 1,9 45 3,61
17 1,84 73 3,3856
18 1,88 62 3,5344
19 1,9 74 3,61
20 1,88 17 3,5344
Jumlah 37,76
71,298
=
=1,888
S =
=
= 0.01989
Standar perusahaan untuk diameter besi dinamo
1,95 mm 0,15mm
USL = 1,95 + 0,15 = 2,1 mm
- Berdasarkan Output MRP, lot size as roda periode 1 adalah 7066
- Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh
- inspection levels adalah H (3201 to 10000)
- Berdasarkan tabel 10-3 dengan sample size code letter H maka sample size
adalah 20
- N=20
- AQL = 0.18, berarti berdasar tabel 10.1 AQL conversion table
- AQL value = 0.25 (0.165 to 0.279)
- Berdasar table 10.3 master table for normal diperoleh nilai k = 2,24
Zu =
=
=10,659
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 49
Zu =
=
=4,434
Karena Zu < k = 10,659 > 2,24. Maka lot diterima
Karena ZL < k = 4,434 > 2,24. Maka lot diterima
-Maka keputusannya lot diterima
- Double Acceptance Sampling
QU = 0
QL = 0
- Karena QU+QL < M = 0 < 0,846. Maka keputusannya lot diterima
4.2 Pengumpulan dan Pengolahan Data Kualitas Raw Material
4.2.1 Data Variabel
1. Panjang As Roda
S =
=
= 0,0692
Standar perusahaan untuk panjang as roda
58,15 mm 1,5 mm
USL = 58,15+ 1,5 = 60 mm
USL = 58,15- 1,5 = 57 mm
Zu =
=
= 0,5779
ZL =
=
=42,774
Karena ZU < k = 0,5779 < 2,14. Maka lot ditolak
Karena ZL > k = 42,774 > 2,14. Maka lot diterima
-Maka keputusannya lot diterima
- Double Acceptance Sampling
QU = 28,30
QL = 0
- Karena QU+QL < M = 28,30 > 1,29. Maka keputusannya lot ditolak
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 50
Peta Kendali MR
Iterasi 0
Tabel 4.9 Peta Kendali MR panjang as roda iterasi 0
No Ukuran No Komponen MR │MR│
1 60 54 - -
2 59,9 73 -0,1 0,1
3 60 48 0,1 0,1
4 60 74 0 0
5 60 30 0 0
6 60 37 0 0
7 60 46 0 0
8 59,9 13 -0,1 0,1
9 59,95 66 0,05 0,05
10 59,9 43 -0,05 0,05
11 60 44 0,1 0,1
12 60,1 45 0,1 0,1
13 59,95 57 -0,15 0,15
14 59,95 65 0 0
15 59,9 72 -0,05 0,05
16 60 33 0,1 0,1
17 60 40 0 0
18 60 69 0 0
19 60 52 0 0
20 59,95 35 -0,05 0,05
21 59,9 6 -0,05 0,05
22 60 63 0,1 0,1
23 60 67 0 0
24 59,85 75 -0,15 0,15
25 59,75 10 -0,1 0,1
Contoh Perhitungan
|MR2| = |MR2- MR1| = |60-59,9| = 0,1
0)0563.0(0
1838.0)0563.0(267.3
0563.024
35,1
1-n
IMRI
3
4
MRDLCL
MRDUCL
MR
MR
MR
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 51
Gambar 4.1 Peta Kendali MR Panjang As Roda Iterasi 0
Gambar 4.2 Output Software Minitab
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
0,16
0,18
0,2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Mo
vin
g R
ange
Sampel ke-
Peta Kendali MR Panjang As Roda Iterasi 0
│MR│
UCL
LCL
CL
Observation
Mo
vin
g R
an
ge
2321191715131197531
0,18
0,16
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0,00
__MR=0,05
UCL=0,1634
LCL=0
Moving Range Chart of panjang as roda_1
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 52
Gambar 4.3 Output Software SPSS
Pada grafik peta moving range panjang as roda diatas, tidak terdapat nilai yang
melewati batas.
Peta Kendali
Iterasi 0
Tabel 4.10 Peta Kendali panjang as roda iterasi 0
No Ukuran No Komponen
1 60 54
2 59,9 73
3 60 48
4 60 74
5 60 30
6 60 37
7 60 46
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 53
8 59,9 13
9 59,95 66
10 59,9 43
11 60 44
12 60,1 45
13 59,95 57
14 59,95 65
15 59,9 72
16 60 33
17 60 40
18 60 69
19 60 52
20 59,95 35
21 59,9 6
22 60 63
23 60 67
24 59,85 75
25 59,75 10
Contoh Perhitungan
575,15,158
605,15,158
414.125
96,59
n
x
X
X
LCL
UCL
X
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 54
Gambar 4.4 Peta Kendali X bar Panjang As Roda Iterasi 0
Gambar 4.5 Output Software Minitab
55
56
57
58
59
60
61
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Sampel ke-
Peta Kendali X Bar Panjang As Roda Iterasi 0
Ukuran
UCL
LCL
CL
Observation
Ind
ivid
ua
l V
alu
e
252321191715131197531
60,5
60,0
59,5
59,0
58,5
58,0
57,5
57,0
_X=58,5
UB=60
LB=57
1
I Chart of panjang as roda
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 55
Gambar 4.6 Output Software SPSS
Pada grafik X Bar as roda diatas, terdapat satu nilai yang melewati batas, yaitu
nilai 60,1.
Peta Kendali
Iterasi 1
Tabel 4.11 Peta Kendali X bar panjang as roda iterasi 1
No Ukuran No
Komponen
1 60 54
2 59,9 73
3 60 48
4 60 74
5 60 30
6 60 37
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 56
7 60 46
8 59,9 13
9 59,95 66
10 59,9 43
11 60 44
12 59,95 57
13 59,95 65
14 59,9 72
15 60 33
16 60 40
17 60 69
18 60 52
19 59,95 35
20 59,9 6
21 60 63
22 60 67
23 59,85 75
24 59,75 10
Contoh Perhitungan
575,15,158
605,15,158
414.124
96,59
n
x
X
X
LCL
UCL
X
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 57
Gambar 4.7 Peta Kendali X bar Panjang As Roda Iterasi 1
Gambar 4.8 Output Software Minitab
55
56
57
58
59
60
61
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Mo
vin
g R
ange
Sampel ke-
Peta Kendali X BAR Panjang As Roda Iterasi 1
UCL
LCL
CL
Ukuran
Observation
Ind
ivid
ua
l V
alu
e
2321191715131197531
60,0
59,5
59,0
58,5
58,0
57,5
57,0
_X=58,5
UB=60
LB=57
I Chart of panjang as roda_1
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 58
Gambar 4.9 Output Software SPSS
Pada grafik X Bar moving range panjang as roda diatas, setelah dilakukan iterasi,
tidak terdapat lagi nilai yang keluar.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 59
Peta Kendali MR
Iterasi 1
Tabel 4.12 Peta Kendali MR panjang as roda iterasi 1
No Ukuran No
Komponen MR │MR│
1 60 54 - -
2 59,9 73 -0,1 0,1
3 60 48 0,1 0,1
4 60 74 0 0
5 60 30 0 0
6 60 37 0 0
7 60 46 0 0
8 59,9 13 -0,1 0,1
9 59,95 66 0,05 0,05
10 59,9 43 -0,05 0,05
11 60 44 0,1 0,1
12 59,95 57 -0,05 0,05
13 59,95 65 0 0
14 59,9 72 -0,05 0,05
15 60 33 0,1 0,1
16 60 40 0 0
17 60 69 0 0
18 60 52 0 0
19 59,95 35 -0,05 0,05
20 59,9 6 -0,05 0,05
21 60 63 0,1 0,1
22 60 67 0 0
23 59,85 75 -0,15 0,15
24 59,75 10 -0,1 0,1
Contoh Perhitungan
|MR2| = |MR2- MR1| = |60-59,9| = 0,1
0)05.0(0
16335.0)05.0(267.3
05.023
15,1
1-n
IMRI
3
4
MRDLCL
MRDUCL
MR
MR
MR
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 60
Gambar 4.10 Peta Kendali MR Panjang As Roda Iterasi 1
Gambar 4.11 Output Software Minitab
0
0,05
0,1
0,15
0,2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Sampel ke-
Peta Kendali MR Panjang As Roda Iterasi 1
UCL
LCL
CL
│MR│
Observation
Mo
vin
g R
an
ge
2321191715131197531
0,18
0,16
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0,00
__MR=0,05
UCL=0,1634
LCL=0
Moving Range Chart of PANJANG AS RODA
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 61
Gambar 4.12 Output Software SPSS
Pada grafik moving range as roda diatas, tidak terdapat nilai yang melewati batas.
2. Diameter As Roda
=
=1,656
S =
=
= 0.03742
Standar perusahaan untuk diameter as roda
1.8 mm 0.2 mm
USL = 1.8+ 0.2 = 2 mm
- Single Acceptance Sampling
ZU =
=
=9,193
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 62
ZL =
=
=1,49
Karena ZU > k = 9,193 > 2,14. Maka lot diterima
Karena ZL < k = 1,49 < 2,14. Maka lot ditolak
- Maka keputusannya lot ditolak
- Double Acceptance Sampling
QU = 0
QL = 6,55
- Karena QU+QL > M = 6,55 > 1,29. Maka keputusannya lot ditolak
Peta Kendali MR
Tabel 4.13 Peta Kendali MR Diameter as Roda
No Ukuran No. Komponen MR │MR│
1 1,6 37 - -
2 1,68 54 0,08 0,08
3 1,66 30 -0,02 0,02
4 1,68 99 0,02 0,02
5 1,7 43 0,02 0,02
6 1,6 44 -0,1 0,1
7 1,62 73 0,02 0,02
8 1,66 45 0,04 0,04
9 1,68 48 0,02 0,02
10 1,66 13 -0,02 0,02
11 1,68 65 0,02 0,02
12 1,64 46 -0,04 0,04
13 1,64 72 0 0
14 1,58 57 -0,06 0,06
15 1,66 74 0,08 0,08
16 1,6 69 -0,06 0,06
17 1,68 35 0,08 0,08
18 1,7 6 0,02 0,02
19 1,7 63 0 0
20 1,68 67 -0,02 0,02
21 1,6 33 -0,08 0,08
22 1,7 52 0,1 0,1
23 1,7 75 0 0
24 1,66 40 -0,04 0,04
25 1,64 10 -0,02 0,02
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 63
Contoh Perhitungan
│MR2│ = │MR2 – MR1│= │1.68 – 1.6│= 0.08
0)04.0(0
13068.0)04.0(267.3
04.024
96.0
1-n
|MR|
3
4
MRDLCL
MRDUCL
MR
MR
MR
Gambar 4.13 Peta Kendali MR Diameter As Roda Iterasi 0
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
37 30 43 73 48 65 72 74 35 63 33 75
mo
vin
g ra
nge
nomor sampel
Peta Kendali MR Diameter As Roda (iterasi 0)
UCL
LCL
CL
│MR│
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 64
Gambar 4.14 Output Software Minitab
Gambar 4.15 Output Software SPSS
Observation
Mo
vin
g R
an
ge
252321191715131197531
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0,00
__MR=0,04
UCL=0,1307
LCL=0
Moving Range Chart of diameter as roda
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 65
Pada peta kendali MR di atas tidak terdapat data yang keluar dari UCLdan LCL,
maka dilanjutkan ke pemetaan pada peta kendali x bar.
Peta Kendali
Tabel 4.14 Peta Kendali Xbar Diameter as Roda
No Ukuran No. Komponen
1 1,82 47
2 1,78 56
3 1,82 11
4 1,84 70
5 1,8 24
6 1,84 36
7 1,8 32
8 1,84 59
9 1,8 14
10 1,86 58
11 1,78 9
12 1,82 49
13 1,82 38
14 1,8 19
15 1,78 25
16 1,86 3
17 1,8 42
18 1,84 4
19 1,82 71
20 1,82 60
21 1,84 62
22 1,82 1
23 1,86 7
24 1,82 5
25 1,82 17
UCL = 1.8+ 0.2 = 2
LCL = 1.8- 0.2 = 1.6
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 66
Gambar 4.16 Peta Kendali Xbar Diameter As Roda Iterasi 0
Gambar 4.17 Output Software Minitab
1,5
1,6
1,7
1,8
1,9
2
2,1
47 56 11 70 24 36 32 59 14 58 9 49 38 19 25 3 42 4 71
mo
vin
g ra
nge
nomor sampel
Peta Kendali X bar Diameter As Roda (iterasi 0)
UCL
LCL
CL
Ukuran
Observation
Ind
ivid
ua
l V
alu
e
252321191715131197531
2,0
1,9
1,8
1,7
1,6
_X=1,8
UB=2
LB=1,6
I Chart of DIAMETER AS RODA
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 67
Gambar 4.18 Output Software SPSS
Pada peta kendali x bar di atas tidak terdapat data yang keluar dari UCLdan LCL,
maka data sudah terkendali.
3. Panjang Gardan
=
=
S =
=
= 0.15
Standar perusahaan untuk panjang garden
74 mm 0.75mm
USL = 74 + 0.75 = 74.75 mm
Zu =
=
=3,2
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 68
ZL =
=
=6,8
Karena Zu < k = 3,2 > 2,24. Maka lot diterima
Karena ZL < k = 6,8 > 2,24. Maka lot diterima
-Maka keputusannya lot diterima
- Double Acceptance Sampling
QU = 0,006
QL = 0
- Karena QU+QL < M = 0,006 < 0,846. Maka keputusannya lot diterima
Tabel 4.15 Peta Kendali MR Panjang Gardan
No Ukuran No. Komponen MR │MR│
1 74,15 25 - -
2 74,4 11 0,25 0,25
3 74 20 -0,4 0,4
4 74,6 54 0,6 0,6
5 74,3 12 -0,3 0,3
6 74,25 6 -0,05 0,05
7 74,4 70 0,15 0,15
8 74,15 17 -0,25 0,25
9 74,4 21 0,25 0,25
10 74,4 75 0 0
11 74,15 2 -0,25 0,25
12 74,15 5 0 0
13 74,15 8 0 0
14 74,3 10 0,15 0,15
15 74,2 38 -0,1 0,1
16 74,3 14 0,1 0,1
17 74,2 63 -0,1 0,1
18 74,3 24 0,1 0,1
19 74,55 19 0,25 0,25
20 74,15 35 -0,4 0,4
Contoh Perhitungan
│MR2│ = │MR2 – MR1│= │74.4 – 74.15│= 0.25
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 69
0)1947.0(0
63205.0)1947.0(267.3
1947.019
7.3
1-n
|MR|
3
4
MRDLCL
MRDUCL
MR
MR
MR
Gambar 4.19 Peta Kendali MR Diameter As Roda Iterasi 0
Gambar 4.20 Output Software Minitab
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
25 11 20 54 12 6 70 17 21 75 2 5 8 10 38 14 63 24 19
mo
vin
g ra
nge
nomor sampel
Peta Kendali MR Panjang Gardan (iterasi 0)
UCL
LCL
CL
│MR│
Observation
Mo
vin
g R
an
ge
191715131197531
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
__MR=0,1947
UCL=0,6363
LCL=0
Moving Range Chart of panjang gardan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 70
Gambar 4.21 Output Software SPSS
Pada peta kendali MR di atas tidak terdapat data yang keluar dari UCLdan LCL,
maka dilanjutkan ke pemetaan pada peta kendali x bar.
Peta Kendali
Tabel 4.16 Peta Kendali Xbar Panjang Gardan
No. Ukuran No. Komponen
1 74,15 68
2 74,4 56
3 74 67
4 74,6 13
5 74,3 72
6 74,25 36
7 74,4 64
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 71
8 74,15 71
9 74,4 23
10 74,4 70
11 74,15 66
12 74,15 75
13 74,15 69
14 74,3 22
15 74,2 61
16 74,3 45
17 74,2 73
18 74,3 62
19 74,55 74
20 74,15 17
25,7375,074
75,7475,074
275,7420
5,1485
n
x
X
X
LCL
UCL
X
Gambar 4.22 Peta Kendali Xbar Panjang Gardan Iterasi 0
72,5
73
73,5
74
74,5
75
68 67 72 64 23 66 69 61 73 74
x
nomor sampel
Peta Kendali X bar panjang gardan (Iterasi 0)
CL
UCL
LCL
Ukuran
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 72
Gambar 4.23 Output Software Minitab
Gambar 4.24 Output Software SPSS
Observation
Ind
ivid
ua
l V
alu
e
191715131197531
74,8
74,6
74,4
74,2
74,0
73,8
73,6
73,4
73,2
_X=74
UB=74,75
LB=73,25
I Chart of panjang gardan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 73
Pada peta kendali x bar di atas tidak terdapat data yang keluar dari UCLdan LCL,
maka data sudah terkendali.
4. Diameter Gardan
=
=1,1312
S =
=
= 0.01465
Standar perusahaan untuk diameter gardan
1,48 mm 0.13mm
USL = 1,48 + 0.13 = 1,61 mm
Zu =
=
=13,379
ZL =
=
=4,369
Karena Zu < k = 13,379 > 2,24. Maka lot diterima
Karena ZL < k = 4,369 > 2,24. Maka lot diterima
- Maka keputusannya lot diterima
- Double Acceptance Sampling
QU = 0
QL = 0
- Karena QU+QL < M = 0 < 0,846. Maka keputusannya lot diterima
Peta kendali MR
Tabel 4.17 Peta Kendali MR Diameter Gardan
No Ukuran No. Komponen MR │MR│
1 1,44 20 - -
2 1,42 12 -0,02 0,02
3 1,44 70 0,02 0,02
4 1,42 19 -0,02 0,02
5 1,4 24 -0,02 0,02
6 1,4 17 0 0
7 1,42 2 0,02 0,02
8 1,4 75 -0,02 0,02
9 1,42 6 0,02 0,02
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 74
10 1,4 25 -0,02 0,02
11 1,4 21 0 0
12 1,4 11 0 0
13 1,42 14 0,02 0,02
14 1,4 5 -0,02 0,02
15 1,4 8 0 0
16 1,42 38 0,02 0,02
17 1,42 10 0 0
18 1,4 54 -0,02 0,02
19 1,44 63 0,04 0,04
20 1,42 35 -0,02 0,02
Contoh Perhitungan
│MR2│ = │MR2 – MR1│= │1.42 – 1.44 │= 0.02
0)015789.0(0
051584.0)015789.0(267.3
015789.019
3.0
1-n
IMRI
3
4
MRDLCL
MRDUCL
MR
MR
MR
Gambar 4.25 Peta Kendali MR Diameter Gardan Iterasi 0
0
0,01
0,02
0,03
0,04
0,05
0,06
20 12 70 19 24 17 2 75 6 25 21 11 14 5 8 38 10 54 63
mo
vin
g ra
nge
nomor sampel
Peta Kendali MR Diameter Gardan (iterasi 0)
UCL
LCL
CL
│MR│
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 75
Gambar 4.26 Output Software Minitab
Gambar 4.27 Output Software SPSS
Observation
Mo
vin
g R
an
ge
191715131197531
0,05
0,04
0,03
0,02
0,01
0,00
__MR=0,01579
UCL=0,05159
LCL=0
Moving Range Chart of diameter gardan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 76
Pada iterasi 0 peta kendali MR diketahui bahwa data variabel ini tidak ada yang
melebihi batas atas dan batas bawah sehingga dapat dikatakan data terkontrol.
Peta Kendali
Tabel 4.18 Peta Kendali Xbar Diameter Gardan
No. Ukuran No. Komponen
1 1,44 20
2 1,42 12
3 1,44 70
4 1,42 19
5 1,4 24
6 1,4 17
7 1,42 2
8 1,4 75
9 1,42 6
10 1,4 25
11 1,4 21
12 1,4 11
13 1,42 14
14 1,4 5
15 1,4 8
16 1,42 38
17 1,42 10
18 1,4 54
19 1,44 63
20 1,42 35
Contoh Perhitungan
35,113,048,1
61,113,048,1
414.120
28,28
n
x
X
X
LCL
UCL
X
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 77
Gambar 4.28 Peta Kendali Xbar Diameter Gardan Iterasi 0
Gambar 4.29 Output Software Minitab
1,2
1,3
1,4
1,5
1,6
1,7
20 12 70 19 24 17 2 75 6 25 21 11 14 5 8 38 10 54 63 35
x
nomor sampel
Peta Kendali X bar diameter gardan (Iterasi 0)
CL
UCL
LCL
Ukuran
Observation
Ind
ivid
ua
l V
alu
e
191715131197531
1,60
1,55
1,50
1,45
1,40
1,35
_X=1,48
UCL=1,609
LCL=1,351
I Chart of diameter gardan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 78
Gambar 4.30 Output Software SPSS
Pada iterasi 0 peta kendali diketahui bahwa data variabel ini tidak ada yang
melebihi batas atas dan batas bawah sehingga dapat dikatakan data terkontrol.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 79
5. Diameter Besi Dinamo
=
=1,5104
S =
=
= 0.01989
Standar perusahaan untuk diameter besi dinamo
1,95 mm 0,15mm
USL = 1,95 + 0,15 = 2,1 mm
Zu =
=
=10,659
Zu =
=
=4,434
Karena Zu < k = 10,659 > 2,24. Maka lot diterima
Karena ZL < k = 4,434 > 2,24. Maka lot diterima
- Maka keputusannya lot diterima
- Double Acceptance Sampling
QU = 0
QL = 0
- Karena QU+QL < M = 0 < 0,846. Maka keputusannya lot diterima
Peta Kendali MR
Tabel 4.19 Peta Kendali MR Diameter Besi Dinamo
No Ukuran No. Komponen MR │MR│
1 1,9 68 - -
2 1,9 56 0 0
3 1,88 67 -0,02 0,02
4 1,88 13 0 0
5 1,9 72 0,02 0,02
6 1,9 36 0 0
7 1,9 64 0 0
8 1,9 71 0 0
9 1,84 23 -0,06 0,06
10 1,88 70 0,04 0,04
11 1,88 66 0 0
12 1,9 75 0,02 0,02
13 1,9 69 0 0
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 80
14 1,92 22 0,02 0,02
15 1,88 61 -0,04 0,04
16 1,9 45 0,02 0,02
17 1,84 73 -0,06 0,06
18 1,88 62 0,04 0,04
19 1,9 74 0,02 0,02
20 1,88 17 -0,02 0,02
Contoh Perhitungan
│MR2│ = │MR2 – MR1│= │1.9 – 1.9 │= 0
0)015789.0(0
06534.0)02.0(267.3
02.019
38.0
1-n
IMRI
3
4
MRDLCL
MRDUCL
MR
MR
MR
Gambar 4.31 Peta Kendali MR Diameter Besi Dinamo Iterasi 0
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
68 56 67 13 72 36 64 71 23 70 66 75 69 22 61 45 73 62 74
mo
vin
g ra
nge
nomor sampel
Peta Kendali MR Diameter Besi Dinamo
(iterasi 0)
UCL
LCL
CL
│MR│
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 81
Gambar 4.32 Output Software Minitab
Gambar 4.33 Output Software SPSS
Observation
Mo
vin
g R
an
ge
191715131197531
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0,00
__MR=0,02
UCL=0,06535
LCL=0
Moving Range Chart of diameter besi dinamo
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 82
Pada iterasi 0 peta kendali MR diketahui bahwa data variabel ini tidak ada yang
melebihi batas atas dan batas bawah sehingga dapat dikatakan data terkontrol.
Peta kendali
Tabel 4.20 Peta Kendali Xbar Diameter Besi Dinamo
No. Ukuran No. Komponen
1 1,9 68
2 1,9 56
3 1,88 67
4 1,88 13
5 1,9 72
6 1,9 36
7 1,9 64
8 1,9 71
9 1,84 23
10 1,88 70
11 1,88 66
12 1,9 75
13 1,9 69
14 1,92 22
15 1,88 61
16 1,9 45
17 1,84 73
18 1,88 62
19 1,9 74
20 1,88 17
Contoh Perhitungan
18,015,095,1
1,215,095,1
888.120
76,37
n
x
X
X
LCL
UCL
X
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 83
Gambar 4.34 Peta Kendali Xbar Diameter Besi Dinamo Iterasi 0
Gambar 4.35 Output Software Minitab
1,6
1,7
1,8
1,9
2
2,1
2,2
68 56 67 13 72 36 64 71 23 70 66 75 69 22 61 45 73 62 74 17
x
nomor sampel
Peta Kendali X bar diameter besi dinamo
(Iterasi 0)
CL
UCL
LCL
Ukuran
Observation
Ind
ivid
ua
l V
alu
e
191715131197531
2,10
2,05
2,00
1,95
1,90
1,85
1,80
_X=1,95
UB=2,1
LB=1,8
I Chart of diameter besi dinamo
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 84
Gambar 4.36 Output Software SPSS
Pada iterasi 0 peta kendali X bar diketahui bahwa data variabel ini tidak ada yang
melebihi batas atas dan batas bawah sehingga dapat dikatakan data terkontrol.
4.2.2 Data Atribut (Manual, SPSS, Minitab)
1. Plat Belakang Besar
Iterasi 0
Tabel 4.21 Plat Belakang Besar iterasi 0
No Date
Plat Belakang Besar
N.of Inspection
N.of Nonconformities
P UCL LCL CL
1 09/05/2011 92 9 0,09783 0,19487 0,0066 0,10073
2 09/06/2011 91 7 0,07692 0,19539 0,00608 0,10073
3 09/07/2011 92 18 0,19565 0,19487 0,0066 0,10073
4 09/08/2011 105 7 0,06667 0,18885 0,01262 0,10073
5 09/09/2011 99 8 0,08081 0,19148 0,00999 0,10073
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 85
6 09/12/2011 107 7 0,06542 0,18802 0,01344 0,10073
7 13/9/2011 81 7 0,08642 0,20106 0,00041 0,10073
8 14/9/2011 101 12 0,11881 0,19058 0,01089 0,10073
9 15/9/2011 93 10 0,10753 0,19436 0,0071 0,10073
10 16/9/2011 95 10 0,10526 0,19337 0,0081 0,10073
11 19/9/2011 115 8 0,06957 0,18493 0,01654 0,10073
12 20/9/2011 93 11 0,11828 0,19436 0,0071 0,10073
13 21/9/2011 78 11 0,14103 0,20297 -0,0015 0,10073
14 22/9/2011 90 8 0,08889 0,19591 0,00556 0,10073
15 23/9/2011 101 7 0,06931 0,19058 0,01089 0,10073
16 26/9/2011 97 19 0,19588 0,19241 0,00906 0,10073
17 27/9/2011 88 6 0,06818 0,19699 0,00448 0,10073
18 28/9/2011 101 13 0,12871 0,19058 0,01089 0,10073
19 29/9/2011 94 6 0,06383 0,19386 0,0076 0,10073
20 30/9/2011 93 8 0,08602 0,19436 0,0071 0,10073
Jumlah 1906 192
Peta Kendali P
=
=
Garis tengah = p =
=
= 0,10073452
UCL = p + 3
= 0,10073452 + 3
= 0,19487
LCL = p - 3
= 0,10073452 - 3
= 0,0066
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 86
Gambar 4.37 Peta Kendali P Plat Belakang Besar Iterasi 0
Gambar 4.38 Output Software SPSS
-0,1
0
0,1
0,2
0,3
1 3 5 7 9 11 13 15 17 19
Cac
at
Data
Peta Kendali P Plat Belakang Besar
P
UCL
LCL
CL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 87
Sample
Pro
po
rtio
n
191715131197531
0.20
0.15
0.10
0.05
0.00
_P=0.1007
UCL=0.1944
LCL=0.0071
11
P Chart of plat belakang besar
Tests performed with unequal sample sizes
Gambar 4.39 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Plat Belakang Besar, terdapat nilai
yang melewati batas. Yaitu pada data ke 3 dan ke 16 yaitu sebesar 0,19565 dan 0,19588.
Iterasi 1
Tabel 4.22 Plat Belakang Besar iterasi 1
No Date
Plat Belakang Besar
N.of Inspection N.of
Nonconformities P UCL LCL CL
1 09/05/2011 92 9 0,09783 0,23345 0,02397 0,12871
2 09/06/2011 91 7 0,07692 0,23403 0,0234 0,12871
4 09/08/2011 105 7 0,06667 0,22676 0,03067 0,12871
5 09/09/2011 99 8 0,08081 0,22968 0,02774 0,12871
6 09/12/2011 107 7 0,06542 0,22584 0,03159 0,12871
7 13/9/2011 81 7 0,08642 0,24034 0,01709 0,12871
8 14/9/2011 101 12 0,11881 0,22868 0,02875 0,12871
9 15/9/2011 93 10 0,10753 0,23289 0,02454 0,12871
10 16/9/2011 95 10 0,10526 0,23179 0,02564 0,12871
11 19/9/2011 115 8 0,06957 0,2224 0,03503 0,12871
12 20/9/2011 93 11 0,11828 0,23289 0,02454 0,12871
13 21/9/2011 78 11 0,14103 0,24247 0,01496 0,12871
14 22/9/2011 90 8 0,08889 0,23461 0,02281 0,12871
15 23/9/2011 101 7 0,06931 0,22868 0,02875 0,12871
16 26/9/2011 97 19 0,19588 0,23072 0,02671 0,12871
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 88
17 27/9/2011 88 6 0,06818 0,23581 0,02162 0,12871
18 28/9/2011 101 13 0,12871 0,22868 0,02875 0,12871
19 29/9/2011 94 6 0,06383 0,23233 0,02509 0,12871
20 30/9/2011 93 8 0,08602 0,23289 0,02454 0,12871
Jumlah 1814 174
Peta kendali p
=
=
Garis tengah = p =
=
= 0,12871287
UCL = p + 3
= 0,12871287+ 3
= 0,23345
LCL = p - 3
= 0,12871287- 3
= 0,02397
Gambar 4.40 Peta Kendali P Plat Belakang Besar Iterasi 1
0
0,05
0,1
0,15
0,2
0,25
0,3
1 2 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Cac
at
Data
Peta Kendali P Plat Belakang Besar
P
UCL
LCL
CL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 89
Gambar 4.41 Output Software SPSS
Sample
Pro
po
rtio
n
1715131197531
0.20
0.15
0.10
0.05
0.00
_P=0.0903
UCL=0.1794
LCL=0.0011
P Chart of plat belakang besar
Tests performed with unequal sample sizes
Gambar 4.42 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Plat Belakang Besar, Setelah
melalui Iterasi yang pertama, sudah tidak terdapat nilai yang keluar batas.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 90
2. Plat Belakang Kecil
Iterasi 0
Tabel 4.23 Plat Belakang Kecil iterasi 0
No Date
Plat Belakang Kecil
N.of Inspection
N.of Nonconformities
P UCL LCL CL
1 5/9/2011 91 8 0.08791 0.20507 0.01016 0.10762
2 6/9/2011 90 10 0.11111 0.20561 0.00962 0.10762
3 7/9/2011 107 10 0.09346 0.19749 0.01774 0.10762
4 8/9/2011 100 7 0.07 0.20058 0.01465 0.10762
5 9/9/2011 91 4 0.04396 0.20507 0.01016 0.10762
6 12/9/2011 97 20 0.20619 0.20201 0.01322 0.10762
7 13/9/2011 97 7 0.07216 0.20201 0.01322 0.10762
8 14/9/2011 82 12 0.14634 0.21028 0.00495 0.10762
9 15/9/2011 81 13 0.16049 0.21091 0.00432 0.10762
10 16/9/2011 68 8 0.11765 0.22036 -0.0051 0.10762
11 19/9/2011 93 10 0.10753 0.20402 0.01121 0.10762
12 20/9/2011 94 11 0.11702 0.20351 0.01173 0.10762
13 21/9/2011 80 13 0.1625 0.21156 0.00367 0.10762
14 22/9/2011 91 7 0.07692 0.20507 0.01016 0.10762
15 23/9/2011 105 10 0.09524 0.19834 0.01689 0.10762
16 26/9/2011 104 7 0.06731 0.19878 0.01645 0.10762
17 27/9/2011 81 8 0.09877 0.21091 0.00432 0.10762
18 28/9/2011 89 11 0.1236 0.20616 0.00907 0.10762
19 29/9/2011 83 3 0.03614 0.20966 0.00557 0.10762
20 30/9/2011 88 16 0.18182 0.20672 0.00851 0.10762
Jumlah 1812 195
Peta kendali p
=
=
Garis tengah = p =
=
= 0.107615894
UCL = p + 3
= 0.107615894+ 3
= 0.20507
LCL = p - 3
= 0.107615894- 3
= 0.01016
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 91
Gambar 4.43 Peta Kendali P Plat Belakang Kecil Iterasi 0
Gambar 4.44 Output Software SPSS
-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 20
Cac
at
Data
Peta p plat Belakang Kecil
P
UCL
LCL
CL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 92
Sample
Pro
po
rtio
n
191715131197531
0.25
0.20
0.15
0.10
0.05
0.00
_P=0.1076
UCL=0.2067
LCL=0.0085
1
P Chart of plat belakang kecil
Tests performed with unequal sample sizes
Gambar 4.45 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Plat Belakang Kecil, terdapat nilai
yang melewati batas. Yaitu pada data ke 6 sebesar 0.20619.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 93
Iterasi 1
Tabel 4.24 Plat Belakang Kecil iterasi 1
No Date
Plat Belakang Kecil
N.of
Inspection
N.of
Nonconformities P UCL LCL CL
1 5/9/2011 91 8 0.08791 0.19724 0.00685 0.10204
2 6/9/2011 90 10 0.11111 0.19776 0.00632 0.10204
3 7/9/2011 107 10 0.09346 0.18983 0.01425 0.10204
4 8/9/2011 100 7 0.07 0.19285 0.01123 0.10204
5 9/9/2011 91 4 0.04396 0.19724 0.00685 0.10204
7 13/9/2011 97 7 0.07216 0.19425 0.00984 0.10204
8 14/9/2011 82 12 0.14634 0.20232 0.00176 0.10204
9 15/9/2011 81 13 0.16049 0.20294 0.00114 0.10204
10 16/9/2011 68 8 0.11765 0.21216 -0.0081 0.10204
11 19/9/2011 93 10 0.10753 0.19621 0.00787 0.10204
12 20/9/2011 94 11 0.11702 0.1957 0.00838 0.10204
13 21/9/2011 80 13 0.1625 0.20357 0.00051 0.10204
14 22/9/2011 91 7 0.07692 0.19724 0.00685 0.10204
15 23/9/2011 105 10 0.09524 0.19066 0.01342 0.10204
16 26/9/2011 104 7 0.06731 0.19109 0.01299 0.10204
17 27/9/2011 81 8 0.09877 0.20294 0.00114 0.10204
18 28/9/2011 89 11 0.1236 0.1983 0.00578 0.10204
19 29/9/2011 83 3 0.03614 0.20172 0.00236 0.10204
20 30/9/2011 88 16 0.18182 0.19885 0.00524 0.10204
Jumlah 1715 175
Peta kendali p
=
=
Garis tengah = p =
=
= 0.102040816
UCL = p + 3
= 0.102040816+ 3
= 0.19724
LCL = p - 3
= 0.102040816- 3
= 0.00685
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 94
.
Gambar 4.46 Peta Kendali P Plat Belakang Kecil Iterasi 1
Gambar 4.47 Output Software SPSS
-0,05
0
0,05
0,1
0,15
0,2
0,25
1 2 3 4 5 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Cac
at
Data
Peta P Plat Belang Kecil
P
UCL
LCL
CL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 95
Sample
Pro
po
rtio
n
191715131197531
0.20
0.15
0.10
0.05
0.00
_P=0.1020
UCL=0.1988
LCL=0.0052
P Chart of plat belakang kecil
Tests performed with unequal sample sizes
Gambar 4.48 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Plat Belakang Kecil, Setelah
melalui Iterasi sebanyak 1 kali, sudah tidak terdapat nilai yang keluar batas.
3. Plat Depan
Iterasi 0
Tabel 4.25 Plat Depan Iterasi 0
No Date
Plat Depan
P UCL LCL CL N.of
Inspection
N.of
Nonconformities
1 5/9/2011 87 10 0.114942529 0.206818214 0.00775 0.1
2 6/9/2011 87 10 0.114942529 0.206818214 0.00775 0.1
3 7/9/2011 76 5 0.065789474 0.213778172 0.00079 0.1
4 8/9/2011 97 10 0.103092784 0.201547947 0.01302 0.1
5 9/9/2011 112 6 0.053571429 0.195008667 0.01955 0.1
6 12/9/2011 85 18 0.211764706 0.207982422 0.00658 0.1
7 13/9/2011 100 8 0.08 0.200123188 0.01444 0.1
8 14/9/2011 92 17 0.184782609 0.204075637 0.01049 0.1
9 15/9/2011 104 11 0.105769231 0.198320272 0.01624 0.1
10 16/9/2011 93 4 0.043010753 0.203553834 0.01101 0.1
11 19/9/2011 92 7 0.076086957 0.204075637 0.01049 0.1
12 20/9/2011 92 5 0.054347826 0.204075637 0.01049 0.1
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 96
13 21/9/2011 84 18 0.214285714 0.208580057 0.00598 0.1
14 22/9/2011 96 10 0.104166667 0.202037644 0.01253 0.1
15 23/9/2011 80 6 0.075 0.211081625 0.00348 0.1
16 26/9/2011 84 10 0.119047619 0.208580057 0.00598 0.1
17 27/9/2011 89 10 0.112359551 0.205693473 0.00887 0.1
18 28/9/2011 90 15 0.166666667 0.205145215 0.00942 0.1
19 29/9/2011 86 6 0.069767442 0.207395242 0.00717 0.1
20 30/9/2011 73 7 0.095890411 0.215944422 -0.0014 0.1
Jumlah 1799 193
Peta kendali p
=
=
Garis tengah = p =
=
= 0.107281823
UCL = p + 3
= 0.107281823+ 3
= 0.206818214
LCL = p - 3
= 0.107281823- 3
= 0.00775
Gambar 4.49 Peta Kendali P Plat Depan
-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 20
Cac
at
Data
Peta P Plat Depan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 97
Gambar 4.50 Output Software SPSS
Sample
Pro
po
rtio
n
191715131197531
0.20
0.15
0.10
0.05
0.00
_P=0.1073
UCL=0.2159
LCL=0
11
P Chart of plat depan
Tests performed with unequal sample sizes
Gambar 4.51 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, terdapat nilai yang
melewati batas. Yaitu pada data ke 6 dan ke 13 yaitu sebesar 0,211764706 dan
0,214285714.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 98
Iterasi 1
Tabel 4.26 Plat Depan Iterasi 1
No Date Plat Depan
P UCL LCL CL N.of
Inspection
N.of
Nonconformities
1 5/9/2011 87 10 0.114942529 0.199484695 0.00472 0.1021
2 6/9/2011 87 10 0.114942529 0.199484695 0.00472 0.1021
3 7/9/2011 76 5 0.065789474 0.206294174 -0.0021 0.1021
4 8/9/2011 97 10 0.103092784 0.194328374 0.00987 0.1021
5 9/9/2011 112 6 0.053571429 0.187930478 0.01627 0.1021
7 13/9/2011 100 8 0.08 0.19293442 0.01127 0.1021
8 14/9/2011 92 17 0.184782609 0.196801414 0.0074 0.1021
9 15/9/2011 104 11 0.105769231 0.191170483 0.01303 0.1021
10 16/9/2011 93 4 0.043010753 0.196290892 0.00791 0.1021
11 19/9/2011 92 7 0.076086957 0.196801414 0.0074 0.1021
12 20/9/2011 92 5 0.054347826 0.196801414 0.0074 0.1021
13 21/9/2011 84 18 0.214285714 0.201208445 0.00299 0.1021
14 22/9/2011 96 10 0.104166667 0.194807484 0.00939 0.1021
15 23/9/2011 80 6 0.075 0.203655927 0.00054 0.1021
16 26/9/2011 84 10 0.119047619 0.201208445 0.00299 0.1021
17 27/9/2011 89 10 0.112359551 0.198384271 0.00582 0.1021
18 28/9/2011 90 15 0.166666667 0.197847866 0.00635 0.1021
19 29/9/2011 86 6 0.069767442 0.200049246 0.00415 0.1021
20 30/9/2011 73 7 0.095890411 0.208413587 -0.0042 0.1021
Jumlah 1714 175
Peta kendali p
=
=
Garis tengah = p =
=
= 0.10210035
UCL = p + 3
= 0.10210035+ 3
= 0.199484695
LCL = p - 3
= 0.10210035- 3
= 0.00472
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 99
Gambar 4.52 Peta Kendali P Plat Depan Iterasi 1
Setelah mengalami iterasi 1, pada grafik Peta Kendali P (P-chart) untuk part Plat
depan masih terdapat nilai yang melewati batas. Yaitu pada data ke 13 sebesar
0.214285714.
Iterasi 2
Tabel 4.27 Plat Depan Iterasi 2
No Date Plat Depan
N.of
Inspection
N.of
Nonconformities P UCL LCL CL
1 5/9/2011 87 10 0.114942529 0.191210062 0.00143 0.09632
2 6/9/2011 87 10 0.114942529 0.191210062 0.00143 0.09632
3 7/9/2011 76 5 0.065789474 0.1978452 -0.0052 0.09632
4 8/9/2011 97 10 0.103092784 0.186185757 0.00645 0.09632
5 9/9/2011 112 6 0.053571429 0.179951665 0.01269 0.09632
7 13/9/2011 100 8 0.08 0.184827492 0.00781 0.09632
8 14/9/2011 92 17 0.184782609 0.188595481 0.00404 0.09632
9 15/9/2011 104 11 0.105769231 0.183108717 0.00953 0.09632
10 16/9/2011 93 4 0.043010753 0.18809803 0.00454 0.09632
11 19/9/2011 92 7 0.076086957 0.188595481 0.00404 0.09632
12 20/9/2011 92 5 0.054347826 0.188595481 0.00404 0.09632
14 22/9/2011 96 10 0.104166667 0.186652601 0.00599 0.09632
-0,05
0
0,05
0,1
0,15
0,2
0,25
1 2 3 4 5 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Cac
at
Data
Peta P Plat Depan
P
UCL
LCL
CL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 100
15 23/9/2011 80 6 0.075 0.1952745 -0.0026 0.09632
16 26/9/2011 84 10 0.119047619 0.19288968 -0.0003 0.09632
17 27/9/2011 89 10 0.112359551 0.190137813 0.0025 0.09632
18 28/9/2011 90 15 0.166666667 0.189615141 0.00302 0.09632
19 29/9/2011 86 6 0.069767442 0.19176016 0.00088 0.09632
20 30/9/2011 73 7 0.095890411 0.199910351 -0.0073 0.09632
Jumlah 1630 157
Peta kendali p
=
=
Garis tengah = p =
=
= 0.096319018
UCL = p + 3
= 0.096319018+ 3
=
0.191210062
LCL = p - 3
= 0.096319018- 3
= 0.00143
Gambar 4.53 Peta Kendali P Plat Depan Iterasi 2
-0,05
0
0,05
0,1
0,15
0,2
0,25
1 2 3 4 5 7 8 9 10 11 12 14 15 16 17 18 19 20
Cac
at
Data
Peta P Plat Depan
P
UCL
LCL
CL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 101
Gambar 4.54 Output Software SPSS
Sample
Pro
po
rtio
n
1715131197531
0.20
0.15
0.10
0.05
0.00
_P=0.0963
UCL=0.1999
LCL=0
P Chart of plat depan
Tests performed with unequal sample sizes
Gambar 4.55 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, Setelah melalui Iterasi
sebanyak 2 kali, sudah tidak terdapat nilai yang keluar batas.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 102
3. Penutup Plat Depan
Iterasi 0
Tabel 4.28 Penutup Plat Depan Iterasi 0
No Date
Penutup Plat Depan P UCL LCL CL N.of
Inspection N.of
Nonconformities
1 5/9/2011 77 9 0.11688 0.19511 -0.0053 0.09491
2 6/9/2011 86 8 0.09302 0.18972 9.4E-05 0.09491
3 7/9/2011 82 11 0.13415 0.192 -0.0022 0.09491
4 8/9/2011 93 7 0.07527 0.18608 0.00373 0.09491
5 9/9/2011 104 8 0.07692 0.18112 0.00869 0.09491
6 12/9/2011 98 6 0.06122 0.18372 0.00609 0.09491
7 13/9/2011 91 14 0.15385 0.18708 0.00274 0.09491
8 14/9/2011 95 6 0.06316 0.18512 0.0047 0.09491
9 15/9/2011 107 6 0.05607 0.17991 0.00991 0.09491
10 16/9/2011 105 13 0.12381 0.18071 0.0091 0.09491
11 19/9/2011 92 13 0.1413 0.18657 0.00324 0.09491
12 20/9/2011 94 6 0.06383 0.18559 0.00422 0.09491
13 21/9/2011 80 11 0.1375 0.19321 -0.0034 0.09491
14 22/9/2011 80 2 0.025 0.19321 -0.0034 0.09491
15 23/9/2011 105 9 0.08571 0.18071 0.0091 0.09491
16 26/9/2011 99 13 0.13131 0.18327 0.00654 0.09491
17 27/9/2011 91 8 0.08791 0.18708 0.00274 0.09491
18 28/9/2011 100 7 0.07 0.18283 0.00698 0.09491
19 29/9/2011 92 8 0.08696 0.18657 0.00324 0.09491
20 30/9/2011 94 12 0.12766 0.18559 0.00422 0.09491
Jumlah 1865 177
Peta kendali p
=
=
0.11688
Garis tengah = p =
=
= 0.09490617
UCL = p + 3
= 0.09490617+ 3
= 0.19511
LCL = p - 3
= 0.09490617- 3
= -0.0053
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 103
Gambar 4.56 Peta Kendali P Penutup Plat Depan
Gambar 4.57 Output Software SPSS
-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 20 21
Cac
at
Data
Peta P Penutup Plat Depan
P
UCL
LCL
CL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 104
Sample
Pro
po
rtio
n
191715131197531
0.20
0.15
0.10
0.05
0.00
_P=0.0949
UCL=0.1856
LCL=0.0042
P Chart of penutup plat depan
Tests performed with unequal sample sizes
Gambar 4.58 Output Software Minitab
Pada Peta P part penutup plat depan terlihat tidak ada nilai cacat yang melebihi
batas UCL maupun LCL.
5. Pengunci Baterai
Iterasi 0
Tabel 4.29 Pengunci Baterai iterasi 0
No Date Pengunci baterai
pi UCL LCL CL N.of Inspection
N.of Nonconformities
1 5/9/2011 90 10 0.111111 19.98004605 1.519953952 10.75
2 6/9/2011 90 8 0.088889 19.98004605 1.519953952 10.75
3 7/9/2011 90 12 0.133333 19.98004605 1.519953952 10.75
4 8/9/2011 90 8 0.088889 19.98004605 1.519953952 10.75
5 9/9/2011 90 7 0.077778 19.98004605 1.519953952 10.75
6 12/9/2011 90 14 0.155556 19.98004605 1.519953952 10.75
7 13/9/2011 90 14 0.155556 19.98004605 1.519953952 10.75
8 14/9/2011 90 16 0.177778 19.98004605 1.519953952 10.75
9 15/9/2011 90 11 0.122222 19.98004605 1.519953952 10.75
10 16/9/2011 90 9 0.1 19.98004605 1.519953952 10.75
11 19/9/2011 90 14 0.155556 19.98004605 1.519953952 10.75
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 105
12 20/9/2011 90 7 0.077778 19.98004605 1.519953952 10.75
13 21/9/2011 90 11 0.122222 19.98004605 1.519953952 10.75
14 22/9/2011 90 6 0.066667 19.98004605 1.519953952 10.75
15 23/9/2011 90 9 0.1 19.98004605 1.519953952 10.75
16 26/9/2011 90 11 0.122222 19.98004605 1.519953952 10.75
17 27/9/2011 90 20 0.222222 19.98004605 1.519953952 10.75
18 28/9/2011 90 12 0.133333 19.98004605 1.519953952 10.75
19 29/9/2011 90 9 0.1 19.98004605 1.519953952 10.75
20 30/9/2011 90 7 0.077778 19.98004605 1.519953952 10.75
1800 215
Peta Kendali Np
n =
=
10.75
P bar =
=
0,119444444
UCL = np +3 = 10.75+ 3 = 19.98004605
LCL = np - 3 = 10.75+ 3 = 1.519953952
Gambar 4.59 Peta Kendali Np Pengunci Baterai
0
5
10
15
20
25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
caca
t
Data
Peta Np Pengunci Baterai
N.of Nonconformities
pi
UCL
LCL
CL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 106
Gambar 4.60 Output Software SPSS
Sample
Sa
mp
le C
ou
nt
191715131197531
20
15
10
5
0
__NP=10.75
UCL=19.98
LCL=1.52
1
NP Chart of pengunci baterai
Gambar 4.61 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Pengunci Baterai, terdapat nilai
yang melewati batas. Yaitu pada data ke 17.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 107
Iterasi 1
Tabel 4.30 Pengunci Baterai iterasi 1
Peta Kendali Np
n =
=
9.75
No Date Pengunci baterai
Pi UCL LCL CL N.of Inspection
N.of Nonconformities
1 5/9/2011 90 10 0.111111 19.30943779 1.216877992 10.26316
2 6/9/2011 90 8 0.088889 19.30943779 1.216877992 10.26316
3 7/9/2011 90 12 0.133333 19.30943779 1.216877992 10.26316
4 8/9/2011 90 8 0.088889 19.30943779 1.216877992 10.26316
5 9/9/2011 90 7 0.077778 19.30943779 1.216877992 10.26316
6 12/9/2011 90 14 0.155556 19.30943779 1.216877992 10.26316
7 13/9/2011 90 14 0.155556 19.30943779 1.216877992 10.26316
8 14/9/2011 90 16 0.177778 19.30943779 1.216877992 10.26316
9 15/9/2011 90 11 0.122222 19.30943779 1.216877992 10.26316
10 16/9/2011 90 9 0.1 19.30943779 1.216877992 10.26316
11 19/9/2011 90 14 0.155556 19.30943779 1.216877992 10.26316
12 20/9/2011 90 7 0.077778 19.30943779 1.216877992 10.26316
13 21/9/2011 90 11 0.122222 19.30943779 1.216877992 10.26316
14 22/9/2011 90 6 0.066667 19.30943779 1.216877992 10.26316
15 23/9/2011 90 9 0.1 19.30943779 1.216877992 10.26316
16 26/9/2011 90 11 0.122222 19.30943779 1.216877992 10.26316
18 28/9/2011 90 12 0.133333 19.30943779 1.216877992 10.26316
19 29/9/2011 90 9 0.1 19.30943779 1.216877992 10.26316
20 30/9/2011 90 7 0.077778 19.30943779 1.216877992 10.26316
Jumlah 1710 195
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 108
P bar =
=
0.114035088
UCL = np +3 = 9.75+ 3 = 19.30943779
LCL = np - 3 = 9.75+ 3 = 1.216877992
Gambar 4.62 Peta Kendali Np Pengunci Baterai Iterasi 1
Gambar 4.63 Output Software SPSS
0
5
10
15
20
25
1 3 5 7 9 11 13 15 18 20
Cac
at
Data
Peta Np Pengunci Baterai
N.of Nonconformities
pi
UCL
LCL
CL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 109
Sample
Sa
mp
le C
ou
nt
191715131197531
20
15
10
5
0
__NP=10.26
UCL=19.31
LCL=1.22
NP Chart of pengunci baterai
Gambar 4.64 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Pengunci Baterai,Setelah
melakukan iterasi 1 kali maka tidak ada lagi data yang keluar dari batas.
6. Dinamo
Iterasi 0
Tabel 4.31 Dinamo iterasi 0
No
N. Of Nonconforties
Np p ucl cl lcl
1 90 11 9,250 0,103 17,893 9,250 0,607
2 90 18 9,250 0,103 17,893 9,250 0,607
3 90 4 9,250 0,103 17,893 9,250 0,607
4 90 7 9,250 0,103 17,893 9,250 0,607
5 90 10 9,250 0,103 17,893 9,250 0,607
6 90 7 9,250 0,103 17,893 9,250 0,607
7 90 5 9,250 0,103 17,893 9,250 0,607
8 90 9 9,250 0,103 17,893 9,250 0,607
9 90 10 9,250 0,103 17,893 9,250 0,607
10 90 7 9,250 0,103 17,893 9,250 0,607
11 90 7 9,250 0,103 17,893 9,250 0,607
12 90 13 9,250 0,103 17,893 9,250 0,607
13 90 14 9,250 0,103 17,893 9,250 0,607
14 90 6 9,250 0,103 17,893 9,250 0,607
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 110
15 90 13 9,250 0,103 17,893 9,250 0,607
16 90 8 9,250 0,103 17,893 9,250 0,607
17 90 8 9,250 0,103 17,893 9,250 0,607
18 90 10 9,250 0,103 17,893 9,250 0,607
19 90 8 9,250 0,103 17,893 9,250 0,607
20 90 10 9,250 0,103 17,893 9,250 0,607
Gambar 4.65 Peta Kendali Np Dinamo Iterasi 0
Gambar 4.66 Output Software Minitab
0
5
10
15
20
1 3 5 7 9 11 13 15 17 19
caca
t
data ke
Peta Kendali np Dinamo
N. Of Nonconforties
ucl
cl
lcl
Sample
Sa
mp
le C
ou
nt
191715131197531
20
15
10
5
0
__NP=9,25
UCL=17,89
LCL=0,61
1
NP Chart of C2
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 111
Gambar 4.67 Output Software SPSS
Pada peta kendali iterasi 0 terdapat data yang keluar dari UCL. Data yang keluar
adalah data ke-2 dengan number of nonconformities 18.
Iterasi 1
Tabel 4.32 Dinamo iterasi 1
no
N. Of Nonconforties
np p ucl cl lcl
1 90 11 9,737 0,098 18,629 9,737 0,845
2 90 4 9,737 0,098 18,629 9,737 0,845
3 90 7 9,737 0,098 18,629 9,737 0,845
4 90 10 9,737 0,098 18,629 9,737 0,845
5 90 7 9,737 0,098 18,629 9,737 0,845
6 90 5 9,737 0,098 18,629 9,737 0,845
7 90 9 9,737 0,098 18,629 9,737 0,845
8 90 10 9,737 0,098 18,629 9,737 0,845
9 90 7 9,737 0,098 18,629 9,737 0,845
10 90 7 9,737 0,098 18,629 9,737 0,845
11 90 13 9,737 0,098 18,629 9,737 0,845
12 90 14 9,737 0,098 18,629 9,737 0,845
13 90 6 9,737 0,098 18,629 9,737 0,845
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 112
14 90 13 9,737 0,098 18,629 9,737 0,845
15 90 8 9,737 0,098 18,629 9,737 0,845
16 90 8 9,737 0,098 18,629 9,737 0,845
17 90 10 9,737 0,098 18,629 9,737 0,845
18 90 8 9,737 0,098 18,629 9,737 0,845
19 90 10 9,737 0,098 18,629 9,737 0,845
Gambar 4.68 Peta Kendali Np Dinamo Iterasi 1
0
2
4
6
8
10
12
14
16
18
20
1 3 5 7 9 11 13 15 17 19
caca
t
data ke
peta kendali np dinamo stlh iterasi
N. Of Nonconforties
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 113
Gambar 4.69 Output Software Minitab
Gambar 4.70 Output Software SPSS
Pada iterasi 1, tidak ada lagi data yang keluar. Berarti data sudah terkontrol
dengan baik.
Sample
Sa
mp
le C
ou
nt
191715131197531
18
16
14
12
10
8
6
4
2
0
__NP=8,79
UCL=17,24
LCL=0,34
NP Chart of C4
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 114
7. Gear Besar
Iterasi 0
Tabel 4.33 Gear Besar Iterasi 0
NO. DATE GEAR BESAR
c CL UCL LCL N. OF INSPECTION N. OF NONCONFORMITIES
1 05/09/2011 90 126 110 110 141,4643 78,53573
2 06/09/2011 90 107 110 110 141,4643 78,53573
3 07/09/2011 90 100 110 110 141,4643 78,53573
4 08/09/2011 90 112 110 110 141,4643 78,53573
5 09/09/2011 90 110 110 110 141,4643 78,53573
6 12/09/2011 90 147 110 110 141,4643 78,53573
7 13/09/2011 90 113 110 110 141,4643 78,53573
8 14/09/2011 90 108 110 110 141,4643 78,53573
9 15/09/2011 90 114 110 110 141,4643 78,53573
10 16/09/2011 90 121 110 110 141,4643 78,53573
11 19/09/2011 90 106 110 110 141,4643 78,53573
12 20/09/2011 90 101 110 110 141,4643 78,53573
13 21/09/2011 90 99 110 110 141,4643 78,53573
14 22/09/2011 90 106 110 110 141,4643 78,53573
15 23/09/2011 90 127 110 110 141,4643 78,53573
16 26/09/2011 90 105 110 110 141,4643 78,53573
17 27/09/2011 90 99 110 110 141,4643 78,53573
18 28/09/2011 90 101 110 110 141,4643 78,53573
19 29/09/2011 90 120 110 110 141,4643 78,53573
20 30/09/2011 90 150 110 110 141,4643 78,53573
∑ 1800 2272
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 115
Gambar 4.71 Peta Kendali C Gear Besar
Gambar 4.72 Output Software Minitab
0
20
40
60
80
100
120
140
160
1 3 5 7 9 11 13 15 17 19
c
data ke
peta kendali C gear besar
CL
UCL
LCL
N. OF NONCONFORMITIES
Sample
Sa
mp
le C
ou
nt
191715131197531
150
140
130
120
110
100
90
80
70
_C=110
UCL=141,46
LCL=78,54
11
C Chart of C2
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 116
Gambar 4.73 Output Software SPSS
Pada iterasi 0, terdapat data yang keluar dari UCL. Data yang keluar adalah data ke-6
dan ke-20. Data ke-6 memiliki number of nonconformities adalah 147 dan data ke-20
memiliki number of nonconformities 150.
Iterasi 1 Tabel 4.34 Gear Besar Iterasi 1
NO. DATE GEAR BESAR
c CL UCL LCL N. OF INSPECTION N. OF NONCONFORMITIES
1 05/09/2011 90 126 110 110 141,4643 78,53573
2 06/09/2011 90 107 110 110 141,4643 78,53573
3 07/09/2011 90 100 110 110 141,4643 78,53573
4 08/09/2011 90 112 110 110 141,4643 78,53573
5 09/09/2011 90 110 110 110 141,4643 78,53573
7 13/09/2011 90 113 110 110 141,4643 78,53573
8 14/09/2011 90 108 110 110 141,4643 78,53573
9 15/09/2011 90 114 110 110 141,4643 78,53573
10 16/09/2011 90 121 110 110 141,4643 78,53573
11 19/09/2011 90 106 110 110 141,4643 78,53573
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 117
12 20/09/2011 90 101 110 110 141,4643 78,53573
13 21/09/2011 90 99 110 110 141,4643 78,53573
14 22/09/2011 90 106 110 110 141,4643 78,53573
15 23/09/2011 90 127 110 110 141,4643 78,53573
16 26/09/2011 90 105 110 110 141,4643 78,53573
17 27/09/2011 90 99 110 110 141,4643 78,53573
18 28/09/2011 90 101 110 110 141,4643 78,53573
19 29/09/2011 90 120 110 110 141,4643 78,53573
∑ 1620 1975
Gambar 4.74 Peta Kendali C Gear Besar Iterasi 1
0
20
40
60
80
100
120
140
160
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
caca
t
data ke
peta kendali c stlh iterasi
N. OF NONCONFORMITIES
CL
UCL
LCL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 118
Gambar 4.75 Output Software Minitab
Gambar 4.76 Output Software SPSS
Pada iterasi 1 tidak ada yang keluar dari UCL dan LCL. Hal ini berarti data sudah
terkontrol.
Sample
Sa
mp
le C
ou
nt
1715131197531
150
140
130
120
110
100
90
80
70
_C=110
UCL=141,46
LCL=78,54
C Chart of C3
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 119
8. Gear Kecil
Tabel 4.35 Gear Kecil Iterasi 0
NO. DATE GEAR KECIL
c CL UCL LCL N. OF INSPECTION N. OF NONCONFORMITIES
1 05/09/2011 90 103 110 110 141,4643 78,53573
2 06/09/2011 90 101 110 110 141,4643 78,53573
3 07/09/2011 90 109 110 110 141,4643 78,53573
4 08/09/2011 90 95 110 110 141,4643 78,53573
5 09/09/2011 90 97 110 110 141,4643 78,53573
6 12/09/2011 90 125 110 110 141,4643 78,53573
7 13/09/2011 90 96 110 110 141,4643 78,53573
8 14/09/2011 90 123 110 110 141,4643 78,53573
9 15/09/2011 90 103 110 110 141,4643 78,53573
10 16/09/2011 90 101 110 110 141,4643 78,53573
11 19/09/2011 90 91 110 110 141,4643 78,53573
12 20/09/2011 90 114 110 110 141,4643 78,53573
13 21/09/2011 90 108 110 110 141,4643 78,53573
14 22/09/2011 90 105 110 110 141,4643 78,53573
15 23/09/2011 90 114 110 110 141,4643 78,53573
16 26/09/2011 90 107 110 110 141,4643 78,53573
17 27/09/2011 90 128 110 110 141,4643 78,53573
18 28/09/2011 90 108 110 110 141,4643 78,53573
19 29/09/2011 90 141 110 110 141,4643 78,53573
20 30/09/2011 90 121 110 110 141,4643 78,53573
∑ 1800 2190
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 120
Gambar 4.77 Peta Kendali C Gear Kecil
Gambar 4.78 Output Software Minitab
0
20
40
60
80
100
120
140
160
1 3 5 7 9 11 13 15 17 19
caca
t
data ke
peta kendali c gear kecil
N. OF NONCONFORMITIES
CL
UCL
LCL
Sample
Sa
mp
le C
ou
nt
191715131197531
150
140
130
120
110
100
90
80
70
_C=110
UCL=141,46
LCL=78,54
C Chart of C4
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 121
Gambar 4.79 Output Software SPSS
Pada iterasi 0,tidak terdapat data yang keluar dari UCL dan LCL. Sehingga
datanya sudah terkontrol.
9. Roller
Iterasi 0
Tabel 4.36 Roller Iterasi 0
NO. DATE Roller Besar
c CL UCL LCL N. Of Inspesction
N. Of Nonconformities
1 05/09/2011 90 109 99,7 99,7 129,655 69,74503
2 06/09/2011 90 109 99,7 99,7 129,655 69,74503
3 07/09/2011 90 110 99,7 99,7 129,655 69,74503
4 08/09/2011 90 106 99,7 99,7 129,655 69,74503
5 09/09/2011 90 86 99,7 99,7 129,655 69,74503
6 12/09/2011 90 103 99,7 99,7 129,655 69,74503
7 13/09/2011 90 85 99,7 99,7 129,655 69,74503
8 14/09/2011 90 102 99,7 99,7 129,655 69,74503
9 15/09/2011 90 96 99,7 99,7 129,655 69,74503
10 16/09/2011 90 88 99,7 99,7 129,655 69,74503
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 122
11 19/09/2011 90 89 99,7 99,7 129,655 69,74503
12 20/09/2011 90 108 99,7 99,7 129,655 69,74503
13 21/09/2011 90 110 99,7 99,7 129,655 69,74503
14 22/09/2011 90 89 99,7 99,7 129,655 69,74503
15 23/09/2011 90 95 99,7 99,7 129,655 69,74503
16 26/09/2011 90 132 99,7 99,7 129,655 69,74503
17 27/09/2011 90 107 99,7 99,7 129,655 69,74503
18 28/09/2011 90 99 99,7 99,7 129,655 69,74503
19 29/09/2011 90 81 99,7 99,7 129,655 69,74503
20 30/09/2011 90 90 99,7 99,7 129,655 69,74503
Peta Kendali Jumlah Ketidaksesuaian (c-chart)
Roller Besar
Iterasi 0
Gambar 4.80 Peta Kendali C Roller Besar
0
20
40
60
80
100
120
140
1 3 5 7 9 11 13 15 17 19
Cac
at
Data ke-
Peta Kendali C Roller Besar
N. Of Nonconformities
CL
UCL
LCL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 123
Gambar 4.81 Output Software SPSS
Sample
Sa
mp
le C
ou
nt
191715131197531
140
130
120
110
100
90
80
70
_C=99,7
UCL=129,65
LCL=69,75
1
C Chart of Roller Besar
Gambar 4.82 Output Software Minitab
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part roller besar,
terdapat satu yang melewati batas yaitu yang memiliki nilai nonconformities sebesar
132.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 124
Iterasi 1 Tabel 4.37 Roller Iterasi 1
NO. DATE Roller Besar
c CL UCL LCL N. Of Inspesction
N. Of Nonconformities
1 05/09/2011 90 109 98 98 127,6985 68,30152
2 06/09/2011 90 109 98 98 127,6985 68,30152
3 07/09/2011 90 110 98 98 127,6985 68,30152
4 08/09/2011 90 106 98 98 127,6985 68,30152
5 09/09/2011 90 86 98 98 127,6985 68,30152
6 12/09/2011 90 103 98 98 127,6985 68,30152
7 13/09/2011 90 85 98 98 127,6985 68,30152
8 14/09/2011 90 102 98 98 127,6985 68,30152
9 15/09/2011 90 96 98 98 127,6985 68,30152
10 16/09/2011 90 88 98 98 127,6985 68,30152
11 19/09/2011 90 89 98 98 127,6985 68,30152
12 20/09/2011 90 108 98 98 127,6985 68,30152
13 21/09/2011 90 110 98 98 127,6985 68,30152
14 22/09/2011 90 89 98 98 127,6985 68,30152
15 23/09/2011 90 95 98 98 127,6985 68,30152
16 27/09/2011 90 107 98 98 127,6985 68,30152
17 28/09/2011 90 99 98 98 127,6985 68,30152
18 29/09/2011 90 81 98 98 127,6985 68,30152
19 30/09/2011 90 90 98 98 127,6985 68,30152
Peta Kendali Jumlah Ketidaksesuaian (c-chart)
Roller Besar
Iterasi 1
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 125
Gambar 4.83 Peta Kendali C Roller Besar Iterasi 1
Gambar 4.84 Output Software SPSS
0
20
40
60
80
100
120
140
1 3 5 7 9 11 13 15 17 19
Cac
at
Data ke
Peta Kendali C Roller Besar Iterasi 1
CL
UCL
LCL
N. Of Nonconformities
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 126
Sample
Sa
mp
le C
ou
nt
191715131197531
130
120
110
100
90
80
70
_C=98
UCL=127,70
LCL=68,30
C Chart of Roller Besar
Gambar 4.85 Output Software Minitab
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part roller
besar,setelah dilakukan iterasi, sudah tidak terdapat lagi nilai yang melewati batas.
10. Rumah Dinamo
Iterasi 0 Tabel 4.38 Rumah Dinamo Iterasi 0
NO. DATE Rumah Dinamo
c CL UCL LCL N. Of Inspesction
N. Of Nonconformities
1 05/09/2011 90 120 113,35 113,35 145,2898 81,41021
2 06/09/2011 90 110 113,35 113,35 145,2898 81,41021
3 07/09/2011 90 103 113,35 113,35 145,2898 81,41021
4 08/09/2011 90 119 113,35 113,35 145,2898 81,41021
5 09/09/2011 90 111 113,35 113,35 145,2898 81,41021
6 12/09/2011 90 106 113,35 113,35 145,2898 81,41021
7 13/09/2011 90 114 113,35 113,35 145,2898 81,41021
8 14/09/2011 90 98 113,35 113,35 145,2898 81,41021
9 15/09/2011 90 146 113,35 113,35 145,2898 81,41021
10 16/09/2011 90 112 113,35 113,35 145,2898 81,41021
11 19/09/2011 90 112 113,35 113,35 145,2898 81,41021
12 20/09/2011 90 129 113,35 113,35 145,2898 81,41021
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 127
13 21/09/2011 90 147 113,35 113,35 145,2898 81,41021
14 22/09/2011 90 101 113,35 113,35 145,2898 81,41021
15 23/09/2011 90 102 113,35 113,35 145,2898 81,41021
16 26/09/2011 90 101 113,35 113,35 145,2898 81,41021
17 27/09/2011 90 100 113,35 113,35 145,2898 81,41021
18 28/09/2011 90 115 113,35 113,35 145,2898 81,41021
19 29/09/2011 90 120 113,35 113,35 145,2898 81,41021
20 30/09/2011 90 101 113,35 113,35 145,2898 81,41021
Peta Kendali Jumlah Ketidaksesuaian (c-chart)
Rumah Dinamo
Iterasi 0
Gambar 4.86 Peta Kendali C Rumah Dinamo
0
20
40
60
80
100
120
140
160
1 3 5 7 9 11 13 15 17 19
Cac
at
Data Ke-
Peta Kendali C Rumah Dinamo
N. Of Nonconformities
CL
UCL
LCL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 128
Gambar 4.87 Output Software SPSS
Sample
Sa
mp
le C
ou
nt
191715131197531
150
140
130
120
110
100
90
80
_C=113,35
UCL=145,29
LCL=81,41
11
C Chart of Rumah Dinamo
Gambar 4.88 Output Software Minitab
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part rumah
dinamo, terdapat dua yang melewati batas yaitu yang memiliki nilai nonconformities
sebesar 146 dan 147.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 129
Iterasi 1 Tabel 4.39 Rumah Dinamo Iterasi 1
NO. DATE Rumah Dinamo
c CL UCL LCL N. Of Inspesction
N. Of Nonconformities
1 05/09/2011 90 120 109,6667 109,6667 141,0832 78,25011
2 06/09/2011 90 110 109,6667 109,6667 141,0832 78,25011
3 07/09/2011 90 103 109,6667 109,6667 141,0832 78,25011
4 08/09/2011 90 119 109,6667 109,6667 141,0832 78,25011
5 09/09/2011 90 111 109,6667 109,6667 141,0832 78,25011
6 12/09/2011 90 106 109,6667 109,6667 141,0832 78,25011
7 13/09/2011 90 114 109,6667 109,6667 141,0832 78,25011
8 14/09/2011 90 98 109,6667 109,6667 141,0832 78,25011
9 15/09/2011 90 112 109,6667 109,6667 141,0832 78,25011
10 16/09/2011 90 112 109,6667 109,6667 141,0832 78,25011
11 19/09/2011 90 129 109,6667 109,6667 141,0832 78,25011
12 20/09/2011 90 101 109,6667 109,6667 141,0832 78,25011
13 21/09/2011 90 102 109,6667 109,6667 141,0832 78,25011
14 22/09/2011 90 101 109,6667 109,6667 141,0832 78,25011
15 23/09/2011 90 100 109,6667 109,6667 141,0832 78,25011
16 27/09/2011 90 115 109,6667 109,6667 141,0832 78,25011
17 28/09/2011 90 120 109,6667 109,6667 141,0832 78,25011
18 29/09/2011 90 101 109,6667 109,6667 141,0832 78,25011
Peta Kendali Jumlah Ketidaksesuaian (c-chart)
Rumah Dinamo
Iterasi 1
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 130
Gambar 4.89 Peta Kendali C Rumah Dinamo Iterasi 1
Gambar 4.90 Output Software SPSS
0
20
40
60
80
100
120
140
160
1 3 5 7 9 11 13 15 17
Cac
at
Data ke-
Peta Kendali C Rumah Dinamo Iterasi 1
N. Of Nonconformities
CL
UCL
LCL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 131
Sample
Sa
mp
le C
ou
nt
1715131197531
140
130
120
110
100
90
80
70
_C=109,67
UCL=141,08
LCL=78,25
C Chart of Rumah Dinamo
Gambar 4.91 Output Software Minitab
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part rumah
dinamo,setelah dilakukan iterasi, sudah tidak terdapat lagi nilai yang melewati batas.
11. Roda Assy
Iterasi 0
Tabel 4.40 Roda Assy Iterasi 0
NO. DATE Roda Assy
c CL UCL LCL N. Of Inspesction
N. Of Nonconformities
1 05/09/2011 90 101 97,7 97,7 127,353 68,04701
2 06/09/2011 90 103 97,7 97,7 127,353 68,04701
3 07/09/2011 90 103 97,7 97,7 127,353 68,04701
4 08/09/2011 90 99 97,7 97,7 127,353 68,04701
5 09/09/2011 90 98 97,7 97,7 127,353 68,04701
6 12/09/2011 90 99 97,7 97,7 127,353 68,04701
7 13/09/2011 90 92 97,7 97,7 127,353 68,04701
8 14/09/2011 90 109 97,7 97,7 127,353 68,04701
9 15/09/2011 90 83 97,7 97,7 127,353 68,04701
10 16/09/2011 90 108 97,7 97,7 127,353 68,04701
11 19/09/2011 90 84 97,7 97,7 127,353 68,04701
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 132
12 20/09/2011 90 96 97,7 97,7 127,353 68,04701
13 21/09/2011 90 107 97,7 97,7 127,353 68,04701
14 22/09/2011 90 90 97,7 97,7 127,353 68,04701
15 23/09/2011 90 101 97,7 97,7 127,353 68,04701
16 26/09/2011 90 102 97,7 97,7 127,353 68,04701
17 27/09/2011 90 94 97,7 97,7 127,353 68,04701
18 28/09/2011 90 102 97,7 97,7 127,353 68,04701
19 29/09/2011 90 98 97,7 97,7 127,353 68,04701
20 30/09/2011 90 85 97,7 97,7 127,353 68,04701
Peta Kendali Jumlah Ketidaksesuaian (c-chart)
Roda Assy
Gambar 4.92 Peta Kendali C Roda Assy
0
20
40
60
80
100
120
140
1 3 5 7 9 11 13 15 17 19
Cac
at
Data ke-
Peta Kendali C Roda Assy
N. Of Nonconformities
CL
UCL
LCL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 133
Gambar 4.93 Output Software SPSS
Sample
Sa
mp
le C
ou
nt
191715131197531
130
120
110
100
90
80
70
60
_C=97,7
UCL=127,35
LCL=68,05
C Chart of Roda Assy
Gambar 4.94 Output Software Minitab
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part roda assy,
tidak terdapat nilai yang melewati batas.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 134
12. Bumper Belakang
Iterasi 0
Tabel 4.41 Bumper Belakang Iterasi 0
NO. DATE Bumper Belakang
u CL UCL LCL N. Of Inspesction
N. Of Nonconformities
1 05/09/2011 92 156 1,695652 1,703643 2,111884 1,295402
2 06/09/2011 103 162 1,572816 1,703643 2,08947 1,317817
3 07/09/2011 75 157 2,093333 1,703643 2,155791 1,251496
4 08/09/2011 81 151 1,864198 1,703643 2,138722 1,268564
5 09/09/2011 103 170 1,650485 1,703643 2,08947 1,317817
6 12/09/2011 95 159 1,673684 1,703643 2,105387 1,3019
7 13/09/2011 101 134 1,326733 1,703643 2,093271 1,314016
8 14/09/2011 88 172 1,954545 1,703643 2,121059 1,286227
9 15/09/2011 92 158 1,717391 1,703643 2,111884 1,295402
10 16/09/2011 91 165 1,813187 1,703643 2,114121 1,293165
11 19/09/2011 90 153 1,7 1,703643 2,116395 1,290891
12 20/09/2011 80 161 2,0125 1,703643 2,141433 1,265854
13 21/09/2011 102 147 1,441176 1,703643 2,091356 1,31593
14 22/09/2011 99 140 1,414141 1,703643 2,097187 1,3101
15 23/09/2011 78 162 2,076923 1,703643 2,14701 1,260276
16 26/09/2011 82 151 1,841463 1,703643 2,136061 1,271225
17 27/09/2011 107 149 1,392523 1,703643 2,082189 1,325097
18 28/09/2011 80 151 1,8875 1,703643 2,141433 1,265854
19 29/09/2011 108 151 1,398148 1,703643 2,080433 1,326854
20 30/09/2011 92 184 2 1,703643 2,111884 1,295402
Peta Kendali Jumlah Ketidaksesuaian per unit (p-chart)
Bumper Belakang
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 135
Gambar 4.95 Peta Kendali u Bumper Belakang
Gambar 4.96 Output Software SPSS
0
0,5
1
1,5
2
2,5
1 3 5 7 9 11 13 15 17 19 21
Cac
at
Data Ke-
Peta Kendali u Bumper Belakang
u
CL
UCL
LCL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 136
Sample
Sa
mp
le C
ou
nt
Pe
r U
nit
191715131197531
2,2
2,0
1,8
1,6
1,4
1,2
_U=1,704
UCL=2,112
LCL=1,295
U Chart of Bumper Belakang
Tests performed with unequal sample sizes
Gambar 4.97Output Software Minitab
Pada grafik Peta Kendali Jumlah Ketidaksesuaian per unit (u-chart) untuk bumper
belakang, tidak terdapat nilai yang melewati batas.
13. Pengunci Body
Iterasi 0 Tabel 4.42 Pengunci Body Iterasi 0
NO. DATE Pengunci Body
u CL UCL LCL N. Of Inspesction
N. Of Nonconformities
1 05/09/2011 107 99 0,925234 1,053629 1,351326 0,755933
2 06/09/2011 85 89 1,047059 1,053629 1,387637 0,719622
3 07/09/2011 90 96 1,066667 1,053629 1,378226 0,729033
4 08/09/2011 96 115 1,197917 1,053629 1,367919 0,73934
5 09/09/2011 95 81 0,852632 1,053629 1,369569 0,73769
6 12/09/2011 72 133 1,847222 1,053629 1,416539 0,690719
7 13/09/2011 101 98 0,970297 1,053629 1,360041 0,747218
8 14/09/2011 87 94 1,08046 1,053629 1,383775 0,723484
9 15/09/2011 90 106 1,177778 1,053629 1,378226 0,729033
10 16/09/2011 92 84 0,913043 1,053629 1,374678 0,73258
11 19/09/2011 91 88 0,967033 1,053629 1,376438 0,730821
12 20/09/2011 91 87 0,956044 1,053629 1,376438 0,730821
13 21/09/2011 103 84 0,815534 1,053629 1,357051 0,750208
14 22/09/2011 87 88 1,011494 1,053629 1,383775 0,723484
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 137
15 23/09/2011 106 86 0,811321 1,053629 1,352727 0,754532
16 26/09/2011 105 94 0,895238 1,053629 1,354148 0,753111
17 27/09/2011 83 112 1,349398 1,053629 1,391637 0,715622
18 28/09/2011 78 121 1,551282 1,053629 1,402302 0,704957
19 29/09/2011 89 102 1,146067 1,053629 1,380045 0,727214
20 30/09/2011 98 88 0,897959 1,053629 1,364695 0,742564
Peta Kendali Jumlah Ketidaksesuaian per unit (p-chart)
Pengunci Body
Iterasi 0
Gambar 4.98 Peta Kendali u Pengunci Body
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Cac
at
Data Ke-
Peta Kendali u Pengunci Body
u
CL
UCL
LCL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 138
Gambar 4.99 Output Software SPSS
Sample
Sa
mp
le C
ou
nt
Pe
r U
nit
191715131197531
2,0
1,8
1,6
1,4
1,2
1,0
0,8
0,6
_U=1,054
UCL=1,365
LCL=0,743
1
1
U Chart of Pengunci Body
Tests performed with unequal sample sizes
Gambar 4.100 Output Software Minitab
Pada grafik Peta Kendali Jumlah Ketidaksesuaian per Unit (u-chart) untuk part
pengunci body, terdapat dua yang melewati batas yaitu yang memiliki nilai
nonconformities sebesar 133 dan 121 atau nilai u sebesar 1,847222 dan 1,551282.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 139
Iterasi 1 Tabel 4.43 Pengunci Body Iterasi 1
NO. DATE Pengunci Body
u CL UCL LCL N. Of Inspesction
N. Of Nonconformities
1 05/09/2011 107 99 0,925234 0,997052 1,286645 0,707459
2 06/09/2011 85 89 1,047059 0,997052 1,321968 0,672136
3 07/09/2011 90 96 1,066667 0,997052 1,312813 0,681291
4 08/09/2011 96 115 1,197917 0,997052 1,302786 0,691317
5 09/09/2011 95 81 0,852632 0,997052 1,304391 0,689712
6 13/09/2011 101 98 0,970297 0,997052 1,295123 0,698981
7 14/09/2011 87 94 1,08046 0,997052 1,318211 0,675893
8 15/09/2011 90 106 1,177778 0,997052 1,312813 0,681291
9 16/09/2011 92 84 0,913043 0,997052 1,309362 0,684742
10 19/09/2011 91 88 0,967033 0,997052 1,311073 0,68303
11 20/09/2011 91 87 0,956044 0,997052 1,311073 0,68303
12 21/09/2011 103 84 0,815534 0,997052 1,292215 0,701889
13 22/09/2011 87 88 1,011494 0,997052 1,318211 0,675893
14 23/09/2011 106 86 0,811321 0,997052 1,288008 0,706096
15 26/09/2011 105 94 0,895238 0,997052 1,28939 0,704714
16 27/09/2011 83 112 1,349398 0,997052 1,325859 0,668245
17 28/09/2011 89 102 1,146067 0,997052 1,314582 0,679522
18 29/09/2011 98 88 0,897959 0,997052 1,299651 0,694453
Peta Kendali Jumlah Ketidaksesuaian per unit (p-chart)
Pengunci Body
Iterasi 1
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 140
Gambar 4.101 Peta Kendali u Pengunci Body Iterasi 1
Gambar 4.102 Output Software SPSS
0
0,5
1
1,5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Cac
at
Data ke-
Peta kendali u Pengunci Body Iterasi 1
u
CL
UCL
LCL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 141
Sample
Sa
mp
le C
ou
nt
Pe
r U
nit
191715131197531
2,0
1,8
1,6
1,4
1,2
1,0
0,8
0,6
_U=1,054
UCL=1,365
LCL=0,743
1
1
U Chart of Pengunci Body
Tests performed with unequal sample sizes
Gambar 4.103 Output Software Minitab
Pada grafik Peta Kendali Jumlah Ketidaksesuaian per unit (u-chart) untuk part
pengunci body, walaupun telah dilakukan iterasi masih terdapat satu yang melewati
batas yaitu yang memiliki nilai nonconformities sebesar 112 atau nilai u sebear
1,349398.
Iterasi 2 Tabel 4.44 Pengunci Body Iterasi 2
NO. DATE Pengunci Body
u CL UCL LCL N. Of Inspesction
N. Of Nonconformities
1 05/09/2011 107 99 0,925234 0,978921 1,265869 0,691973
2 06/09/2011 85 89 1,047059 0,978921 1,300869 0,656973
3 07/09/2011 90 96 1,066667 0,978921 1,291798 0,666044
4 08/09/2011 96 115 1,197917 0,978921 1,281863 0,675979
5 09/09/2011 95 81 0,852632 0,978921 1,283454 0,674389
6 13/09/2011 101 98 0,970297 0,978921 1,27427 0,683573
7 14/09/2011 87 94 1,08046 0,978921 1,297147 0,660695
8 15/09/2011 90 106 1,177778 0,978921 1,291798 0,666044
9 16/09/2011 92 84 0,913043 0,978921 1,288379 0,669464
10 19/09/2011 91 88 0,967033 0,978921 1,290075 0,667768
11 20/09/2011 91 87 0,956044 0,978921 1,290075 0,667768
12 21/09/2011 103 84 0,815534 0,978921 1,271388 0,686454
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 142
13 22/09/2011 87 88 1,011494 0,978921 1,297147 0,660695
14 23/09/2011 106 86 0,811321 0,978921 1,26722 0,690623
15 26/09/2011 105 94 0,895238 0,978921 1,268589 0,689253
16 28/09/2011 89 102 1,146067 0,978921 1,293551 0,664291
17 29/09/2011 98 88 0,897959 0,978921 1,278756 0,679086
Peta Kendali Jumlah Ketidaksesuaian per unit (p-chart)
Pengunci Body
Iterasi 2
Gambar 4.104 Peta Kendali u Pengunci Body Iterasi 2
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Cac
at
Data ke-
Peta Kendali Pengunci Body Iterasi 2
u
CL
UCL
LCL
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 143
Gambar 4.105 Output Software SPSS
Sample
Sa
mp
le C
ou
nt
Pe
r U
nit
1715131197531
1,3
1,2
1,1
1,0
0,9
0,8
0,7
0,6
_U=0,9789
UCL=1,2788
LCL=0,6791
U Chart of Pengunci Body
Tests performed with unequal sample sizes
Gambar 4.106 Output Software Minitab
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 144
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part pengunci body,
setelah dilakukan iterasi sebanyak dua kali, sudah tidak terdapat lagi nilai yang
melewati batas.
14. Tuas On-Off
Iterasi 0
Tabel 4.45 Tuas On-Off Iterasi 0
No Date Tuas On-Off
N.of Inspection
N.of Nonconformities UCL LCL CL u
1 5/9/2011 103 105 1.420972898 0.7982207 1.10959682 1.01941748
2 6/9/2011 89 98 1.444569087 0.7746246 1.10959682 1.1011236
3 7/9/2011 86 114 1.450361544 0.7688321 1.10959682 1.3255814
4 8/9/2011 88 81 1.446466963 0.7727267 1.10959682 0.92045455
5 9/9/2011 91 96 1.440867623 0.778326 1.10959682 1.05494505
6 12/9/2011 84 98 1.454394403 0.7647992 1.10959682 1.16666667
7 13/9/2011 89 98 1.444569087 0.7746246 1.10959682 1.1011236
8 14/9/2011 78 89 1.467410182 0.7517835 1.10959682 1.14102564
9 15/9/2011 91 91 1.440867623 0.778326 1.10959682 1
10 16/9/2011 79 111 1.465138329 0.7540553 1.10959682 1.40506329
11 19/9/2011 78 104 1.467410182 0.7517835 1.10959682 1.33333333
12 20/9/2011 81 89 1.460721492 0.7584721 1.10959682 1.09876543
13 21/9/2011 99 94 1.427201036 0.7919926 1.10959682 0.94949495
14 22/9/2011 104 115 1.419472282 0.7997214 1.10959682 1.10576923
15 23/9/2011 86 81 1.450361544 0.7688321 1.10959682 0.94186047
16 26/9/2011 89 78 1.444569087 0.7746246 1.10959682 0.87640449
17 27/9/2011 85 102 1.452360182 0.7668335 1.10959682 1.2
18 28/9/2011 98 96 1.428817353 0.7903763 1.10959682 0.97959184
19 29/9/2011 66 109 1.498580955 0.7206127 1.10959682 1.65151515
20 30/9/2011 97 105 1.430458601 0.788735 1.10959682 1.08247423
Jumlah 1761 1954
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 145
PetaKendali u
1.1095968
Gambar 4.107 Peta Kendali U Tuas On Off
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Cac
at
Data
Peta U Tuas On Off
UCL
LCL
CL
ui
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 146
Gambar 4.108 Output Software SPSS
Sample
Sa
mp
le C
ou
nt
Pe
r U
nit
191715131197531
1.6
1.4
1.2
1.0
0.8
0.6
_U=1.110
UCL=1.430
LCL=0.789
1
U Chart of tuas
Tests performed with unequal sample sizes
Gambar 4.109 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, terdapat nilai yang
melewati batas. Yaitu pada data ke 19 yaitu sebesar 1,65151515.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 147
Iterasi 1 Tabel 4.46 Tuas On-Off Iterasi 1
No Date Tuas On-Off
N.of Inspection
N.of Nonconformities UCL LCL CL ui
1 5/9/2011 103 105 1.396896716 0.7800944 1.08849558 1.01941748
2 6/9/2011 89 98 1.420267464 0.7567237 1.08849558 1.1011236
3 7/9/2011 86 114 1.426004579 0.7509866 1.08849558 1.3255814
4 8/9/2011 88 81 1.422147207 0.7548439 1.08849558 0.92045455
5 9/9/2011 91 96 1.416601364 0.7603898 1.08849558 1.05494505
6 12/9/2011 84 98 1.429998907 0.7469922 1.08849558 1.16666667
7 13/9/2011 89 98 1.420267464 0.7567237 1.08849558 1.1011236
8 14/9/2011 78 89 1.442890332 0.7341008 1.08849558 1.14102564
9 15/9/2011 91 91 1.416601364 0.7603898 1.08849558 1
10 16/9/2011 79 111 1.440640183 0.736351 1.08849558 1.40506329
11 19/9/2011 78 104 1.442890332 0.7341008 1.08849558 1.33333333
12 20/9/2011 81 89 1.436265546 0.7407256 1.08849558 1.09876543
13 21/9/2011 99 94 1.40306535 0.7739258 1.08849558 0.94949495
14 22/9/2011 104 115 1.395410437 0.7815807 1.08849558 1.10576923
15 23/9/2011 86 81 1.426004579 0.7509866 1.08849558 0.94186047
16 26/9/2011 89 78 1.420267464 0.7567237 1.08849558 0.87640449
17 27/9/2011 85 102 1.427984121 0.749007 1.08849558 1.2
18 28/9/2011 98 96 1.404666224 0.7723249 1.08849558 0.97959184
20 30/9/2011 97 105 1.406291791 0.7706994 1.08849558 1.08247423
Jumlah 1695 1845
PetaKendali u
1.0884956
1.0884956
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 148
Gambar 4.110 Peta Kendali U Tuas On Off Iterasi 1
Gambar 4.111 Output Software SPSS
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 20
Cac
at
Data
Peta U Tuas On Off
UCL
LCL
CL
ui
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 149
Sample
Sa
mp
le C
ou
nt
Pe
r U
nit
191715131197531
1.5
1.4
1.3
1.2
1.1
1.0
0.9
0.8
0.7
_U=1.0885
UCL=1.4063
LCL=0.7707
U Chart of tuas
Tests performed with unequal sample sizes
Gambar 4.112 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan,Setelah mengalami 1
kali iterasi maka tidak ada data yang keluar.
15. Gear Dinamo
Iterasi 0 Tabel 4.47 Gear Dinamo Iterasi 0
No Date Gear Dinamo
N. of
Inspection
N. of
Nonconformities UCL LCL CL ui
1 5/9/2011 102 95 1.38287 0.76693 1.0749 0.93137
2 6/9/2011 88 78 1.40646 0.74334 1.0749 0.88636
3 7/9/2011 90 98 1.40276 0.74705 1.0749 1.08889
4 8/9/2011 91 113 1.40095 0.74885 1.0749 1.24176
5 9/9/2011 90 93 1.40276 0.74705 1.0749 1.03333
6 12/9/2011 103 83 1.38137 0.76843 1.0749 0.80583
7 13/9/2011 82 72 1.41838 0.73142 1.0749 0.87805
8 14/9/2011 103 115 1.38137 0.76843 1.0749 1.1165
9 15/9/2011 94 103 1.39571 0.7541 1.0749 1.09574
10 16/9/2011 76 94 1.43168 0.71812 1.0749 1.23684
11 19/9/2011 92 104 1.39918 0.75063 1.0749 1.13043
12 20/9/2011 95 96 1.39401 0.75579 1.0749 1.01053
13 21/9/2011 73 84 1.43894 0.71087 1.0749 1.15068
14 22/9/2011 83 103 1.4163 0.7335 1.0749 1.24096
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 150
15 23/9/2011 77 87 1.42936 0.72045 1.0749 1.12987
16 26/9/2011 88 104 1.40646 0.74334 1.0749 1.18182
17 27/9/2011 82 106 1.41838 0.73142 1.0749 1.29268
18 28/9/2011 102 104 1.38287 0.76693 1.0749 1.01961
19 29/9/2011 90 97 1.40276 0.74705 1.0749 1.07778
20 30/9/2011 88 94 1.40646 0.74334 1.0749 1.06818
Jumlah 1789 1923
PetaKendali u
1,074902
Gambar 4.113 Peta Kendali U Gear Dinamo
0
0,5
1
1,5
2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Cac
at
Data
Peta U Gear Dinamo
UCL
LCL
CL
ui
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 151
Gambar 4.114 Output Software SPSS
Sample
Sa
mp
le C
ou
nt
Pe
r U
nit
191715131197531
1.5
1.4
1.3
1.2
1.1
1.0
0.9
0.8
0.7
_U=1.0749
UCL=1.4065
LCL=0.7433
U Chart of gear dinamo
Tests performed with unequal sample sizes
Gambar 4.115 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, tidak terdapat nilai
yang melewati batas.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 152
16. Pengunci Dinamo
Tabel 4.48 Pengunci Dinamo Iterasi 0
No Date Pengunci Dinamo
N. of
Inspection N. of Nonconformities UCL LCL CL ui
1 5/9/2011 68 87 1.46756 0.70859 1.08807 1.27941
2 6/9/2011 110 110 1.38644 0.7897 1.08807 1
3 7/9/2011 87 78 1.42357 0.75257 1.08807 0.89655
4 8/9/2011 91 92 1.41611 0.76003 1.08807 1.01099
5 9/9/2011 90 100 1.41793 0.75821 1.08807 1.11111
6 12/9/2011 96 93 1.40746 0.76869 1.08807 0.96875
7 13/9/2011 84 96 1.42951 0.74663 1.08807 1.14286
8 14/9/2011 77 134 1.44469 0.73145 1.08807 1.74026
9 15/9/2011 83 85 1.43156 0.74458 1.08807 1.0241
10 16/9/2011 100 83 1.401 0.77514 1.08807 0.83
11 19/9/2011 98 105 1.40418 0.77196 1.08807 1.07143
12 20/9/2011 85 100 1.42749 0.74865 1.08807 1.17647
13 21/9/2011 88 76 1.42166 0.75448 1.08807 0.86364
14 22/9/2011 77 93 1.44469 0.73145 1.08807 1.20779
15 23/9/2011 90 94 1.41793 0.75821 1.08807 1.04444
16 26/9/2011 77 82 1.44469 0.73145 1.08807 1.06494
17 27/9/2011 96 102 1.40746 0.76869 1.08807 1.0625
18 28/9/2011 94 134 1.41084 0.76531 1.08807 1.42553
19 29/9/2011 100 98 1.401 0.77514 1.08807 0.98
20 30/9/2011 103 110 1.39641 0.77973 1.08807 1.06796
Jumlah 1794 1952
PetaKendali u
1,27941
1.088071349
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 153
Gambar 4.116 Peta Kendali U Pengunci Dinamo
Gambar 4.117 Output Software SPSS
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Cac
at
Data
Peta U Pengunci Dinamo
UCL
LCL
CL
ui
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 154
Sample
Sa
mp
le C
ou
nt
Pe
r U
nit
191715131197531
1.8
1.6
1.4
1.2
1.0
0.8
0.6
_U=1.088
UCL=1.396
LCL=0.780
1
1
U Chart of pengunci dinamo
Tests performed with unequal sample sizes
Gambar 4.118 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, terdapat nilai yang
melewati batas. Yaitu pada data ke 8 dan ke 18 yaitu sebesar 1,74026 dan 1,42553.
Iterasi 1 Tabel 4.49 Pengunci Dinamo Iterasi 1
No Date Pengunci Dinamo
N. of
Inspection N. of Nonconformities UCL LCL CL ui
1 5/9/2011 68 87 1.43317 0.68447 1.05882 1.27941
2 6/9/2011 110 110 1.35316 0.76449 1.05882 1
3 7/9/2011 87 78 1.38978 0.72787 1.05882 0.89655
4 8/9/2011 91 92 1.38243 0.73522 1.05882 1.01099
5 9/9/2011 90 100 1.38422 0.73343 1.05882 1.11111
6 12/9/2011 96 93 1.37389 0.74376 1.05882 0.96875
7 13/9/2011 84 96 1.39564 0.72201 1.05882 1.14286
9 14/9/2011 83 85 1.39766 0.71998 1.05882 1.0241
10 16/9/2011 100 83 1.36752 0.75013 1.05882 0.83
11 19/9/2011 98 105 1.37066 0.74699 1.05882 1.07143
12 20/9/2011 85 100 1.39365 0.72399 1.05882 1.17647
13 21/9/2011 88 76 1.3879 0.72975 1.05882 0.86364
14 22/9/2011 77 93 1.41062 0.70703 1.05882 1.20779
15 23/9/2011 90 94 1.38422 0.73343 1.05882 1.04444
16 26/9/2011 77 82 1.41062 0.70703 1.05882 1.06494
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 155
17 27/9/2011 96 102 1.37389 0.74376 1.05882 1.0625
18 28/9/2011 94 134 1.37722 0.74043 1.05882 1.42553
19 29/9/2011 100 98 1.36752 0.75013 1.05882 0.98
20 30/9/2011 103 110 1.36299 0.75465 1.05882 1.06796
Jumlah 1717 1818
PetaKendali u
1,27941
1.058823529
Gambar 4.119 Peta Kendali U Pengunci Dinamo Iterasi 1
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, setelah melakukan
iterasi yang pertama maka nilai yang melebihi batas terdapat pada data ke 18 sebesar
1.42553
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1 2 3 4 5 6 7 9 10 11 12 13 14 15 16 17 18 19 20
caca
t
Data
Peta U Pengunci Dinamo
UCL
LCL
CL
ui
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 156
Iterasi 2 Tabel 4.50 Pengunci Dinamo Iterasi 2
No Date Pengunci Dinamo
N. of
Inspection
N. of
Nonconformities UCL LCL CL ui
1 5/9/2011 68 87 1.40816 0.66701 1.03758 1.27941
2 6/9/2011 110 110 1.32895 0.74622 1.03758 1
3 7/9/2011 87 78 1.36521 0.70996 1.03758 0.89655
4 8/9/2011 91 92 1.35793 0.71724 1.03758 1.01099
5 9/9/2011 90 100 1.3597 0.71547 1.03758 1.11111
6 12/9/2011 96 93 1.34947 0.7257 1.03758 0.96875
7 13/9/2011 84 96 1.37101 0.70416 1.03758 1.14286
9 14/9/2011 83 85 1.37301 0.70216 1.03758 1.0241
10 16/9/2011 100 83 1.34317 0.732 1.03758 0.83
11 19/9/2011 98 105 1.34627 0.7289 1.03758 1.07143
12 21/9/2011 85 100 1.36904 0.70613 1.03758 1.17647
13 22/9/2011 88 76 1.36334 0.71183 1.03758 0.86364
14 23/9/2011 77 93 1.38583 0.68934 1.03758 1.20779
15 26/9/2011 90 94 1.3597 0.71547 1.03758 1.04444
16 27/9/2011 77 82 1.38583 0.68934 1.03758 1.06494
17 28/9/2011 96 102 1.34947 0.7257 1.03758 1.0625
19 29/9/2011 100 98 1.34317 0.732 1.03758 0.98
20 30/9/2011 103 110 1.33869 0.73648 1.03758 1.06796
Jumlah 1623 1684
PetaKendali u
1,27941
1.03758472
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 157
Gambar 4.120 Peta Kendali U Pengunci Dinamo Iterasi 2
Gambar 4.121 Output Software SPSS
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1 2 3 4 5 6 7 9 10 11 12 13 14 15 16 17 19 20
Cac
at
data
Peta U Pengunci Dinamo
UCL
LCL
CL
ui
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 158
Sample
Sa
mp
le C
ou
nt
Pe
r U
nit
1715131197531
1.5
1.4
1.3
1.2
1.1
1.0
0.9
0.8
0.7
0.6
_U=1.0376
UCL=1.3387
LCL=0.7365
U Chart of pengunci dinamo
Tests performed with unequal sample sizes
Gambar 4.122 Output Software Minitab
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, setelah melalui 2 kali
iterasi maka tidak terdapat nilai yang melebihi batas.
17. Body
Iterasi 0
Tabel 4.51 Body Iterasi 0
N. OF NONCONFORMITIES total demerit D
demerit per unit U
ucl cl lcl SCRATCH STRING CAMBER
176 72 19 1846 20,51111111 27,45912 19,84778 12,23643
143 65 19 1743 19,36666667 27,45912 19,84778 12,23643
163 73 15 1643 18,25555556 27,45912 19,84778 12,23643
166 68 23 1996 22,17777778 27,45912 19,84778 12,23643
167 73 18 1797 19,96666667 27,45912 19,84778 12,23643
155 57 14 1425 15,83333333 27,45912 19,84778 12,23643
188 73 18 1818 20,2 27,45912 19,84778 12,23643
172 77 16 1742 19,35555556 27,45912 19,84778 12,23643
173 74 18 1813 20,14444444 27,45912 19,84778 12,23643
175 70 19 1825 20,27777778 27,45912 19,84778 12,23643
161 71 17 1721 19,12222222 27,45912 19,84778 12,23643
172 67 19 1792 19,91111111 27,45912 19,84778 12,23643
160 81 28 2370 26,33333333 27,45912 19,84778 12,23643
164 84 16 1804 20,04444444 27,45912 19,84778 12,23643
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 159
194 73 14 1624 18,04444444 27,45912 19,84778 12,23643
172 62 13 1442 16,02222222 27,45912 19,84778 12,23643
174 77 15 1694 18,82222222 27,45912 19,84778 12,23643
170 78 21 2000 22,22222222 27,45912 19,84778 12,23643
177 76 18 1837 20,41111111 27,45912 19,84778 12,23643
164 73 18 1794 19,93333333 27,45912 19,84778 12,23643
3386 1444 358
Bobot camber=50
Bobot string=10
Bobot scartch=1
Total demerit D 1=19x50+72x10+176x1=1846
Demerit per unit U=1846/90=20,51
u1=jumlah scratch/(20x90)= 3386/1800=1,8811
u2= jumlah string/(20x90)= 1444/1800=0,8022
u3= jumlah camber/(20x90)= 358/1800=0,1988
UCL= =19,84778+3x2,537115=27,45912
LCL= =19,84778-3x2,537115=12,23643
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 160
Gambar 4.123 Peta Kendali U Body
Pada iterasi 0 tidak ada data yang melebihi batas atas dan batas bawah. Sehingga
dapat dikatakan bahwa data terkontrol.
18. Chasis
Iterasi 0
Tabel 4.52 Chasis Iterasi 0
N. OF NONCONFORMITIES total demerit
D
demerit per unit
U ucl cl lcl
SCRATCH STRING CAMBER
170 82 10 1490 16,55556 27,05253 19,64111 12,22969
172 89 15 1812 20,13333 27,05253 19,64111 12,22969
154 68 20 1834 20,37778 27,05253 19,64111 12,22969
157 88 21 2087 23,18889 27,05253 19,64111 12,22969
167 70 17 1717 19,07778 27,05253 19,64111 12,22969
150 74 11 1440 16 27,05253 19,64111 12,22969
145 69 18 1735 19,27778 27,05253 19,64111 12,22969
162 73 19 1842 20,46667 27,05253 19,64111 12,22969
184 79 17 1824 20,26667 27,05253 19,64111 12,22969
189 79 17 1829 20,32222 27,05253 19,64111 12,22969
174 81 16 1784 19,82222 27,05253 19,64111 12,22969
179 67 16 1649 18,32222 27,05253 19,64111 12,22969
150 78 13 1580 17,55556 27,05253 19,64111 12,22969
0
5
10
15
20
25
30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
ui
data ke
Peta kendali U Body
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 161
176 82 12 1596 17,73333 27,05253 19,64111 12,22969
176 69 24 2066 22,95556 27,05253 19,64111 12,22969
178 84 13 1668 18,53333 27,05253 19,64111 12,22969
179 82 16 1799 19,98889 27,05253 19,64111 12,22969
175 72 22 1995 22,16667 27,05253 19,64111 12,22969
187 65 20 1837 20,41111 27,05253 19,64111 12,22969
200 77 16 1770 19,66667 27,05253 19,64111 12,22969
3424 1528 333
Bobot camber=50
Bobot string=10
Bobot scartch=1
Total demerit D 1=10x50+82x10+170x1=1490
Demerit per unit U=1490/90=16,56
u1=jumlah scratch/(20x90)= 3424/1800=1,9022
u2= jumlah string/(20x90)= 1528/1800=0,8489
u3= jumlah camber/(20x90)= 333/1800=0,185
UCL= =19,641+3x2,47=27,05253
LCL= =19,641-3x2,47=12,22969
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 162
Gambar 4.124 Peta Kendali U Chasis
Pada iterasi 0 tidak ada data yang keluar dari batas atas dan batas bawah. Sehingga
dapat dikatakan data terkontrol.
0
5
10
15
20
25
30
1 3 5 7 9 11 13 15 17 19
ui
data ke
Peta Kendali U Chasis
demerit per unit U
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 163
4.3 Finish Product
4.3.1 Data Kualitas Finished Product
Tabel 4.53 Data Kualitas Finished Product
no date dinamo tidak menyala
roda depan dan belakang tidak berputar
bumper tidak terpasang dengan baik
n. of inspection
n. of nonconformities
n. of inspection
n. of nonconformities
n. of inspection
n. of nonconformities
1 5/9/2011 90 1 90 3 90 3
2 6/9/2011 90 2 90 4 90 2
3 7/9/2011 90 3 90 4 90 1
4 8/9/2011 90 3 90 4 90 11
5 9/9/2011 90 3 90 12 90 5
6 10/9/2011 90 1 90 7 90 5
7 11/9/2011 90 3 90 2 90 3
8 12/9/2011 90 1 90 5 90 3
9 13/9/2011 90 2 90 4 90 5
10 14/9/2011 90 2 90 3 90 6
11 15/9/2011 90 8 90 7 90 4
12 16/9/2011 90 5 90 6 90 3
13 17/9/2011 90 3 90 5 90 2
14 18/9/2011 90 2 90 2 90 4
15 19/9/2011 90 4 90 6 90 3
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 164
16 20/9/2011 90 3 90 6 90 10
17 21/9/2011 90 5 90 12 90 2
18 22/9/2011 90 3 90 1 90 1
19 23/9/2011 90 3 90 6 90 4
20 24/9/2011 90 1 90 5 90 4
no date roller tidak berputar pengunci body longgar plat depan macet
n. of inspection
n. of nonconformities
n. of inspection
n. of nonconformities
n. of inspection
n. of nonconformities
1 5/9/2011 90 1 90 3 90 4
2 6/9/2011 90 4 90 1 90 6
3 7/9/2011 90 1 90 5 90 3
4 8/9/2011 90 2 90 10 90 1
5 9/9/2011 90 6 90 2 90 1
6 10/9/2011 90 2 90 4 90 1
7 11/9/2011 90 9 90 7 90 3
8 12/9/2011 90 8 90 2 90 3
9 13/9/2011 90 1 90 6 90 2
10 14/9/2011 90 4 90 1 90 3
11 15/9/2011 90 2 90 3 90 2
12 16/9/2011 90 4 90 4 90 7
13 17/9/2011 90 3 90 4 90 3
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 165
no date tuas on-off longgar
n. of inspection n. of nonconformities
1 5/9/2011 90 3
2 6/9/2011 90 4
3 7/9/2011 90 3
4 8/9/2011 90 3
5 9/9/2011 90 3
6 10/9/2011 90 4
7 11/9/2011 90 5
8 12/9/2011 90 2
9 13/9/2011 90 2
10 14/9/2011 90 3
11 15/9/2011 90 2
12 16/9/2011 90 3
14 18/9/2011 90 5 90 2 90 2
15 19/9/2011 90 12 90 4 90 1
16 20/9/2011 90 3 90 2 90 5
17 21/9/2011 90 5 90 11 90 9
18 22/9/2011 90 4 90 2 90 1
19 23/9/2011 90 4 90 2 90 2
20 24/9/2011 90 2 90 4 90 2
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 166
13 17/9/2011 90 5
14 18/9/2011 90 8
15 19/9/2011 90 2
16 20/9/2011 90 2
17 21/9/2011 90 2
18 22/9/2011 90 5
19 23/9/2011 90 5
20 24/9/2011 90 9
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 167
4.3.2 Diagram Pareto (Manual-Excel, SPSS, Minitab)
Tabel 4.54 Data Diagram Pareto
nonconformity frequency % frequency cumulative % frequency
Roda depan dan beakang tidak berputar
104 19% 19%
Roller tidak berputar 82 15% 34%
Bumper tidak terpasang dengan baik
81 15% 49%
Pengunci body longgar 79 15% 64%
Tuas on-off longgar 75 14% 78%
Plat depan macet 61 11% 89%
Dinamo tidak menyala 58 11% 100%
total 540
Gambar 4.125 Diagram Pareto Finish Product
0%
20%
40%
60%
80%
100%
120%
0
20
40
60
80
100
120
rod
a d
epan
dan
b
elak
ang
tid
ak b
erp
uta
r
rolle
r ti
dak
ber
pu
tar
bu
mp
er t
idak
ter
pas
ang
den
gan
bai
k
pen
gun
ci b
od
y lo
ngg
ar
tuas
on
-off
lon
ggar
pla
t d
epan
mac
et
din
amo
tid
ak m
enya
la
cum
ula
tive
fre
qu
en
cy
fre
qu
en
cy
nonconformity
Pareto Chart of Finish Product
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 168
Gambar 4.126 Output Software SPSS
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 169
Co
un
t
Perc
en
t
nonconformity
Count
19.3 15.2 15.0 14.6 13.9 11.3 10.7
Cum % 19.3 34.4
104
49.4 64.1 78.0 89.3 100.0
82 81 79 75 61 58
Percent
dina
mo
t idak
men
yala
plat
dep
an m
acet
tuas
on-
off long
gar
peng
unc i b
ody long
gar
bumpe
r t id
ak ter
pasa
ng d
enga
n ba
ik
roller t
idak
ber
puta
r
roda
dep
an d
an b
elak
ang t id
ak b
erpu
tar
600
500
400
300
200
100
0
100
80
60
40
20
0
Pareto Chart of nonconformity
Gambar 4.127 Output Software Minitab
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 170
4.3.3 Peta Kontrol np
- dinamo tidak menyala
Iterasi 0
Tabel 4.55 Peta Kendali np Dinamo Tidak Menyala
n. of inspection n. of
nonconformities np p ucl cl lcl
90 1 2,900 0,032 7,926 2,900 -2,126
90 2 2,900 0,032 7,926 2,900 -2,126
90 3 2,900 0,032 7,926 2,900 -2,126
90 3 2,900 0,032 7,926 2,900 -2,126
90 3 2,900 0,032 7,926 2,900 -2,126
90 1 2,900 0,032 7,926 2,900 -2,126
90 3 2,900 0,032 7,926 2,900 -2,126
90 1 2,900 0,032 7,926 2,900 -2,126
90 2 2,900 0,032 7,926 2,900 -2,126
90 2 2,900 0,032 7,926 2,900 -2,126
90 8 2,900 0,032 7,926 2,900 -2,126
90 5 2,900 0,032 7,926 2,900 -2,126
90 3 2,900 0,032 7,926 2,900 -2,126
90 2 2,900 0,032 7,926 2,900 -2,126
90 4 2,900 0,032 7,926 2,900 -2,126
90 3 2,900 0,032 7,926 2,900 -2,126
90 5 2,900 0,032 7,926 2,900 -2,126
90 3 2,900 0,032 7,926 2,900 -2,126
90 3 2,900 0,032 7,926 2,900 -2,126
90 1 2,900 0,032 7,926 2,900 -2,126
1800 58
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 171
Gambar 4.128 Peta Kendali np Dinamo Tidak Menyala
Gambar 4.129 Output Software SPSS
-4
-2
0
2
4
6
8
10
1 3 5 7 9 11 13 15 17 19
Peta Kontrol np Dinamo Tidak Menyala
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 172
Sample
Sa
mp
le C
ou
nt
191715131197531
9
8
7
6
5
4
3
2
1
0
__NP=2.9
UCL=7.926
LCL=0
1
NP Chart of dinamo
Gambar 4.130 Output Software Minitab
Pada iterasi 0 ini, terdapat satu data yang keluar dari UCL, yaitu data ke-11
dengan jumlah cacat 8 dari jumlah lot sebesar 90.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 173
Iterasi 1
Tabel 4.56 Peta Kendali np Dinamo Tidak Menyala Iterasi 1
n. of inspection n. of
nonconformities np p ucl cl lcl
90 1 2,632 0,029 7,427 2,632 -2,163
90 2 2,632 0,029 7,427 2,632 -2,163
90 3 2,632 0,029 7,427 2,632 -2,163
90 3 2,632 0,029 7,427 2,632 -2,163
90 3 2,632 0,029 7,427 2,632 -2,163
90 1 2,632 0,029 7,427 2,632 -2,163
90 3 2,632 0,029 7,427 2,632 -2,163
90 1 2,632 0,029 7,427 2,632 -2,163
90 2 2,632 0,029 7,427 2,632 -2,163
90 2 2,632 0,029 7,427 2,632 -2,163
90 5 2,632 0,029 7,427 2,632 -2,163
90 3 2,632 0,029 7,427 2,632 -2,163
90 2 2,632 0,029 7,427 2,632 -2,163
90 4 2,632 0,029 7,427 2,632 -2,163
90 3 2,632 0,029 7,427 2,632 -2,163
90 5 2,632 0,029 7,427 2,632 -2,163
90 3 2,632 0,029 7,427 2,632 -2,163
90 3 2,632 0,029 7,427 2,632 -2,163
90 1 2,632 0,029 7,427 2,632 -2,163
1710 50
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 174
Gambar 4.131 Peta Kendali np Dinamo Tidak Menyala Iterasi 1
Gambar 4.132 Output Software SPSS
-4
-2
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Peta Kontrol np Dinamo Tidak Menyala
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 175
Sample
Sa
mp
le C
ou
nt
191715131197531
8
7
6
5
4
3
2
1
0
__NP=2.632
UCL=7.427
LCL=0
NP Chart of dinamo2
Gambar 4.133 Output Software Minitab
Dari iterasi terakhir di atas, tidak ada data yang keluar dari UCL maupun LCL,
maka data sudah terkontrol.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 176
- roda depan dan belakang tidak berputar
Iterasi 0
Tabel 4.57 Peta Kendali np Roda Depan dan Belakang tidak Berputar
n. of inspection n. of
nonconformities np p ucl cl lcl
90 3 5,200 0,058 11,840 5,200 -1,440
90 4 5,200 0,058 11,840 5,200 -1,440
90 4 5,200 0,058 11,840 5,200 -1,440
90 4 5,200 0,058 11,840 5,200 -1,440
90 12 5,200 0,058 11,840 5,200 -1,440
90 7 5,200 0,058 11,840 5,200 -1,440
90 2 5,200 0,058 11,840 5,200 -1,440
90 5 5,200 0,058 11,840 5,200 -1,440
90 4 5,200 0,058 11,840 5,200 -1,440
90 3 5,200 0,058 11,840 5,200 -1,440
90 7 5,200 0,058 11,840 5,200 -1,440
90 6 5,200 0,058 11,840 5,200 -1,440
90 5 5,200 0,058 11,840 5,200 -1,440
90 2 5,200 0,058 11,840 5,200 -1,440
90 6 5,200 0,058 11,840 5,200 -1,440
90 6 5,200 0,058 11,840 5,200 -1,440
90 12 5,200 0,058 11,840 5,200 -1,440
90 1 5,200 0,058 11,840 5,200 -1,440
90 6 5,200 0,058 11,840 5,200 -1,440
90 5 5,200 0,058 11,840 5,200 -1,440
1800 104
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 177
Gambar 4.134 Peta Kendali np Roda Depan dan Belakang Tidak Berputar
Gambar 4.135 Output Software SPSS
-4
-2
0
2
4
6
8
10
12
14
1 3 5 7 9 11 13 15 17 19
Peta Kontrol np Roda Depan dan Belakang Tidak Berputar
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 178
Sample
Sa
mp
le C
ou
nt
191715131197531
12
10
8
6
4
2
0
__NP=5.2
UCL=11.84
LCL=0
11
NP Chart of roda
Gambar 4.136 Output Software Minitab
Pada iterasi 0 ini, terdapat dua data yang keluar dari UCL, yaitu data ke-5 dan ke-
17 dengan jumlah cacat 12 dari jumlah lot sebesar 90 untuk keduanya.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 179
Iterasi 1
Tabel 4.58 Peta Kendali np Roda Depan dan Belakang tidak Berputar Iterasi 1
n. of inspection n. of
nonconformities np p ucl cl lcl
90 3 4,444 0,049 10,611 4,444 -1,722
90 4 4,444 0,049 10,611 4,444 -1,722
90 4 4,444 0,049 10,611 4,444 -1,722
90 4 4,444 0,049 10,611 4,444 -1,722
90 7 4,444 0,049 10,611 4,444 -1,722
90 2 4,444 0,049 10,611 4,444 -1,722
90 5 4,444 0,049 10,611 4,444 -1,722
90 4 4,444 0,049 10,611 4,444 -1,722
90 3 4,444 0,049 10,611 4,444 -1,722
90 7 4,444 0,049 10,611 4,444 -1,722
90 6 4,444 0,049 10,611 4,444 -1,722
90 5 4,444 0,049 10,611 4,444 -1,722
90 2 4,444 0,049 10,611 4,444 -1,722
90 6 4,444 0,049 10,611 4,444 -1,722
90 6 4,444 0,049 10,611 4,444 -1,722
90 1 4,444 0,049 10,611 4,444 -1,722
90 6 4,444 0,049 10,611 4,444 -1,722
90 5 4,444 0,049 10,611 4,444 -1,722
1620 80
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 180
Gambar 4.137 Peta Kendali np Roda Depan dan Belakang Tidak Berputar Iterasi 1
Gambar 4.138 Output Software SPSS
-4
-2
0
2
4
6
8
10
12
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Peta Kontrol np Roda Depan dan Belakang Tidak Berputar
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 181
Sample
Sa
mp
le C
ou
nt
1715131197531
12
10
8
6
4
2
0
__NP=4.44
UCL=10.61
LCL=0
NP Chart of roda2
Gambar 4.139 Output Software Minitab
Dari iterasi terakhir di atas, tidak ada data yang keluar dari UCL maupun LCL,
maka data sudah terkontrol.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 182
- bumper tidak terpasang dengan baik
Iterasi 0
Tabel 4.59 Peta Kendali np Bumper tidak Terpasang dengan Baik
n. of inspection n. of
nonconformities np p ucl cl lcl
90 3 4,050 0,045 9,950 4,050 -1,850
90 2 4,050 0,045 9,950 4,050 -1,850
90 1 4,050 0,045 9,950 4,050 -1,850
90 11 4,050 0,045 9,950 4,050 -1,850
90 5 4,050 0,045 9,950 4,050 -1,850
90 5 4,050 0,045 9,950 4,050 -1,850
90 3 4,050 0,045 9,950 4,050 -1,850
90 3 4,050 0,045 9,950 4,050 -1,850
90 5 4,050 0,045 9,950 4,050 -1,850
90 6 4,050 0,045 9,950 4,050 -1,850
90 4 4,050 0,045 9,950 4,050 -1,850
90 3 4,050 0,045 9,950 4,050 -1,850
90 2 4,050 0,045 9,950 4,050 -1,850
90 4 4,050 0,045 9,950 4,050 -1,850
90 3 4,050 0,045 9,950 4,050 -1,850
90 10 4,050 0,045 9,950 4,050 -1,850
90 2 4,050 0,045 9,950 4,050 -1,850
90 1 4,050 0,045 9,950 4,050 -1,850
90 4 4,050 0,045 9,950 4,050 -1,850
90 4 4,050 0,045 9,950 4,050 -1,850
1800 81
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 183
Gambar 4.140 Peta Kendali np bumper tidak terpasang dengan baik
Gambar 4.141 Output Software SPSS
-4
-2
0
2
4
6
8
10
12
1 3 5 7 9 11 13 15 17 19
Peta Kontrol np Bumper Tidak Terpasang dengan Baik
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 184
Sample
Sa
mp
le C
ou
nt
191715131197531
12
10
8
6
4
2
0
__NP=4.05
UCL=9.95
LCL=0
1
1
NP Chart of bumper
Gambar 4.142 Output Software Minitab
Pada iterasi 0 ini, terdapat dua data yang keluar dari UCL, yaitu data ke-4 dan ke-
16 dengan jumlah cacat 11dan 12, dari jumlah lot sebesar 90 untuk keduanya.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 185
Iterasi 1
Tabel 4.60 Peta Kendali np Bumper tidak Terpasang dengan Baik Iterasi 1
n. of inspection n. of
nonconformities np p ucl cl lcl
90 3 3,333 0,037 8,708 3,333 -2,042
90 2 3,333 0,037 8,708 3,333 -2,042
90 1 3,333 0,037 8,708 3,333 -2,042
90 5 3,333 0,037 8,708 3,333 -2,042
90 5 3,333 0,037 8,708 3,333 -2,042
90 3 3,333 0,037 8,708 3,333 -2,042
90 3 3,333 0,037 8,708 3,333 -2,042
90 5 3,333 0,037 8,708 3,333 -2,042
90 6 3,333 0,037 8,708 3,333 -2,042
90 4 3,333 0,037 8,708 3,333 -2,042
90 3 3,333 0,037 8,708 3,333 -2,042
90 2 3,333 0,037 8,708 3,333 -2,042
90 4 3,333 0,037 8,708 3,333 -2,042
90 3 3,333 0,037 8,708 3,333 -2,042
90 2 3,333 0,037 8,708 3,333 -2,042
90 1 3,333 0,037 8,708 3,333 -2,042
90 4 3,333 0,037 8,708 3,333 -2,042
90 4 3,333 0,037 8,708 3,333 -2,042
1620 60
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 186
Gambar 4.143 Peta Kendali np bumper tidak terpasang dengan baik
Gambar 4.144 Output Software SPSS
-4
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Peta Kontrol np Bumper Tidak Terpasang dengan Baik
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 187
Sample
Sa
mp
le C
ou
nt
1715131197531
9
8
7
6
5
4
3
2
1
0
__NP=3.333
UCL=8.708
LCL=0
NP Chart of bumper2
Gambar 4.145 Output Software Minitab
Dari iterasi terakhir di atas, tidak ada data yang keluar dari UCL maupun LCL,
maka data sudah terkontrol.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 188
- roller tidak berputar
Iterasi 0
Tabel 4.61 Peta Kendali np Roller tidak Berputar
n. of inspection n. of
nonconformities np p ucl cl lcl
90 1 4,100 0,046 10,035 4,100 -1,835
90 4 4,100 0,046 10,035 4,100 -1,835
90 1 4,100 0,046 10,035 4,100 -1,835
90 2 4,100 0,046 10,035 4,100 -1,835
90 6 4,100 0,046 10,035 4,100 -1,835
90 2 4,100 0,046 10,035 4,100 -1,835
90 9 4,100 0,046 10,035 4,100 -1,835
90 8 4,100 0,046 10,035 4,100 -1,835
90 1 4,100 0,046 10,035 4,100 -1,835
90 4 4,100 0,046 10,035 4,100 -1,835
90 2 4,100 0,046 10,035 4,100 -1,835
90 4 4,100 0,046 10,035 4,100 -1,835
90 3 4,100 0,046 10,035 4,100 -1,835
90 5 4,100 0,046 10,035 4,100 -1,835
90 12 4,100 0,046 10,035 4,100 -1,835
90 3 4,100 0,046 10,035 4,100 -1,835
90 5 4,100 0,046 10,035 4,100 -1,835
90 4 4,100 0,046 10,035 4,100 -1,835
90 4 4,100 0,046 10,035 4,100 -1,835
90 2 4,100 0,046 10,035 4,100 -1,835
1800 82
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 189
Gambar 4.146 Peta Kendali roller tidak berputar
Gambar 4.147 Output Software SPSS
-4
-2
0
2
4
6
8
10
12
14
1 3 5 7 9 11 13 15 17 19
Peta Kontrol np Roller Tidak Berputar
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 190
Sample
Sa
mp
le C
ou
nt
191715131197531
12
10
8
6
4
2
0
__NP=4.1
UCL=10.03
LCL=0
1
NP Chart of roller
Gambar 4.148 Output Software Minitab
Pada iterasi 0 ini, terdapat satu data yang keluar dari UCL, yaitu data ke-15 dengan
jumlah cacat 12 dari jumlah lot sebesar 90.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 191
Iterasi 1
Tabel 4.62 Peta Kendali np Roller tidak Berputar Iterasi 1
n. of inspection n. of
nonconformities np p ucl cl lcl
90 1 3,684 0,041 9,323 3,684 -1,955
90 4 3,684 0,041 9,323 3,684 -1,955
90 1 3,684 0,041 9,323 3,684 -1,955
90 2 3,684 0,041 9,323 3,684 -1,955
90 6 3,684 0,041 9,323 3,684 -1,955
90 2 3,684 0,041 9,323 3,684 -1,955
90 9 3,684 0,041 9,323 3,684 -1,955
90 8 3,684 0,041 9,323 3,684 -1,955
90 1 3,684 0,041 9,323 3,684 -1,955
90 4 3,684 0,041 9,323 3,684 -1,955
90 2 3,684 0,041 9,323 3,684 -1,955
90 4 3,684 0,041 9,323 3,684 -1,955
90 3 3,684 0,041 9,323 3,684 -1,955
90 5 3,684 0,041 9,323 3,684 -1,955
90 3 3,684 0,041 9,323 3,684 -1,955
90 5 3,684 0,041 9,323 3,684 -1,955
90 4 3,684 0,041 9,323 3,684 -1,955
90 4 3,684 0,041 9,323 3,684 -1,955
90 2 3,684 0,041 9,323 3,684 -1,955
1710 70
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 192
Gambar 4.149 Peta Kendali roller tidak berputar Iterasi 1
Gambar 4.150 Output Software SPSS
-4
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Peta Kontrol np Roller Tidak Berputar
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 193
Sample
Sa
mp
le C
ou
nt
191715131197531
9
8
7
6
5
4
3
2
1
0
__NP=3.68
UCL=9.32
LCL=0
NP Chart of roller2
Gambar 4.151 Output Software Minitab
Dari iterasi terakhir di atas, tidak ada data yang keluar dari UCL maupun LCL,
maka data sudah terkontrol.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 194
- pengunci body longgar
Iterasi 0
Tabel 4.63 Peta Kendali np Pengunci Body Longgar
n. of inspection n. of
nonconformities np p ucl cl lcl
90 3 3,950 0,044 9,780 3,950 -1,880
90 1 3,950 0,044 9,780 3,950 -1,880
90 5 3,950 0,044 9,780 3,950 -1,880
90 10 3,950 0,044 9,780 3,950 -1,880
90 2 3,950 0,044 9,780 3,950 -1,880
90 4 3,950 0,044 9,780 3,950 -1,880
90 7 3,950 0,044 9,780 3,950 -1,880
90 2 3,950 0,044 9,780 3,950 -1,880
90 6 3,950 0,044 9,780 3,950 -1,880
90 1 3,950 0,044 9,780 3,950 -1,880
90 3 3,950 0,044 9,780 3,950 -1,880
90 4 3,950 0,044 9,780 3,950 -1,880
90 4 3,950 0,044 9,780 3,950 -1,880
90 2 3,950 0,044 9,780 3,950 -1,880
90 4 3,950 0,044 9,780 3,950 -1,880
90 2 3,950 0,044 9,780 3,950 -1,880
90 11 3,950 0,044 9,780 3,950 -1,880
90 2 3,950 0,044 9,780 3,950 -1,880
90 2 3,950 0,044 9,780 3,950 -1,880
90 4 3,950 0,044 9,780 3,950 -1,880
1800 79
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 195
Gambar 4.152 Peta Kendali pengunci body longgar
Gambar 4.153 Output Software SPSS
-4
-2
0
2
4
6
8
10
12
1 3 5 7 9 11 13 15 17 19
Peta Kontrol np Pengunci Body Longgar
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 196
Sample
Sa
mp
le C
ou
nt
191715131197531
12
10
8
6
4
2
0
__NP=3.95
UCL=9.78
LCL=0
1
1
NP Chart of pengunci
Gambar 4.154 Output Software Minitab
Pada iterasi 0 ini, terdapat dua data yang keluar dari UCL, yaitu data ke-4 dan ke-
17 dengan jumlah cacat 10 dan 11, dari jumlah lot sebesar 90 untuk keduanya.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 197
Iterasi 1
Tabel 4.64 Peta Kendali np Pengunci Body Longgar Iterasi 1
n. of inspection n. of
nonconformities np p ucl cl lcl
90 3 3,222 0,036 8,510 3,222 -2,066
90 1 3,222 0,036 8,510 3,222 -2,066
90 5 3,222 0,036 8,510 3,222 -2,066
90 2 3,222 0,036 8,510 3,222 -2,066
90 4 3,222 0,036 8,510 3,222 -2,066
90 7 3,222 0,036 8,510 3,222 -2,066
90 2 3,222 0,036 8,510 3,222 -2,066
90 6 3,222 0,036 8,510 3,222 -2,066
90 1 3,222 0,036 8,510 3,222 -2,066
90 3 3,222 0,036 8,510 3,222 -2,066
90 4 3,222 0,036 8,510 3,222 -2,066
90 4 3,222 0,036 8,510 3,222 -2,066
90 2 3,222 0,036 8,510 3,222 -2,066
90 4 3,222 0,036 8,510 3,222 -2,066
90 2 3,222 0,036 8,510 3,222 -2,066
90 2 3,222 0,036 8,510 3,222 -2,066
90 2 3,222 0,036 8,510 3,222 -2,066
90 4 3,222 0,036 8,510 3,222 -2,066
1620 58
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 198
Gambar 4.155 Peta Kendali pengunci body longgar Iterasi 1
Gambar 4.156 Output Software SPSS
-4
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Peta Kontrol np Pengunci Body Longgar
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 199
Sample
Sa
mp
le C
ou
nt
1715131197531
9
8
7
6
5
4
3
2
1
0
__NP=3.222
UCL=8.510
LCL=0
NP Chart of pengunci2
Gambar 4.157 Output Software Minitab
Dari iterasi terakhir di atas, tidak ada data yang keluar dari UCL maupun LCL,
maka data sudah terkontrol.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 200
- plat depan macet
Iterasi 0
Tabel 4.65 Peta Kendali np Plat Depan Macet
n. of inspection n. of
nonconformities np p ucl cl lcl
90 4 3,050 0,034 8,200 3,050 -2,100
90 6 3,050 0,034 8,200 3,050 -2,100
90 3 3,050 0,034 8,200 3,050 -2,100
90 1 3,050 0,034 8,200 3,050 -2,100
90 1 3,050 0,034 8,200 3,050 -2,100
90 1 3,050 0,034 8,200 3,050 -2,100
90 3 3,050 0,034 8,200 3,050 -2,100
90 3 3,050 0,034 8,200 3,050 -2,100
90 2 3,050 0,034 8,200 3,050 -2,100
90 3 3,050 0,034 8,200 3,050 -2,100
90 2 3,050 0,034 8,200 3,050 -2,100
90 7 3,050 0,034 8,200 3,050 -2,100
90 3 3,050 0,034 8,200 3,050 -2,100
90 2 3,050 0,034 8,200 3,050 -2,100
90 1 3,050 0,034 8,200 3,050 -2,100
90 5 3,050 0,034 8,200 3,050 -2,100
90 9 3,050 0,034 8,200 3,050 -2,100
90 1 3,050 0,034 8,200 3,050 -2,100
90 2 3,050 0,034 8,200 3,050 -2,100
90 2 3,050 0,034 8,200 3,050 -2,100
1800 61
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 201
Gambar 4.158 Peta Kendali plat depan macet
Gambar 4.159 Output Software SPSS
-4
-2
0
2
4
6
8
10
1 3 5 7 9 11 13 15 17 19
Peta Kontrol np Plat Depan Macet
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 202
Sample
Sa
mp
le C
ou
nt
191715131197531
9
8
7
6
5
4
3
2
1
0
__NP=3.05
UCL=8.20
LCL=0
1
NP Chart of plat depan
Gambar 4.160 Output Software Minitab
Pada iterasi 0 ini, terdapat satu data yang keluar dari UCL, yaitu data ke-17
dengan jumlah cacat 9 dari jumlah lot sebesar 90.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 203
Iterasi 1
Tabel 4.66 Peta Kendali np Plat Depan Macet Iterasi 1
n. of inspection n. of
nonconformities np p ucl cl lcl
90 4 2,737 0,030 7,624 2,737 -2,150
90 6 2,737 0,030 7,624 2,737 -2,150
90 3 2,737 0,030 7,624 2,737 -2,150
90 1 2,737 0,030 7,624 2,737 -2,150
90 1 2,737 0,030 7,624 2,737 -2,150
90 1 2,737 0,030 7,624 2,737 -2,150
90 3 2,737 0,030 7,624 2,737 -2,150
90 3 2,737 0,030 7,624 2,737 -2,150
90 2 2,737 0,030 7,624 2,737 -2,150
90 3 2,737 0,030 7,624 2,737 -2,150
90 2 2,737 0,030 7,624 2,737 -2,150
90 7 2,737 0,030 7,624 2,737 -2,150
90 3 2,737 0,030 7,624 2,737 -2,150
90 2 2,737 0,030 7,624 2,737 -2,150
90 1 2,737 0,030 7,624 2,737 -2,150
90 5 2,737 0,030 7,624 2,737 -2,150
90 1 2,737 0,030 7,624 2,737 -2,150
90 2 2,737 0,030 7,624 2,737 -2,150
90 2 2,737 0,030 7,624 2,737 -2,150
1710 52
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 204
Gambar 4.161 Peta Kendali plat depan macet Iterasi 1
Gambar 4.162 Output Software SPSS
-4
-2
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Peta Kontrol np Plat Depan Macet
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 205
Sample
Sa
mp
le C
ou
nt
191715131197531
8
7
6
5
4
3
2
1
0
__NP=2.737
UCL=7.624
LCL=0
NP Chart of plat depan2
Gambar 4.163 Output Software Minitab
Dari iterasi terakhir di atas, tidak ada data yang keluar dari UCL maupun LCL,
maka data sudah terkontrol.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 206
- tuas on-off longgar
Tabel 4.67 Peta Kendali np Tuas On-Off Longgar
n. of inspection n. of
nonconformities np p ucl cl lcl
90 3 3,750 0,042 9,437 3,750 -1,937
90 4 3,750 0,042 9,437 3,750 -1,937
90 3 3,750 0,042 9,437 3,750 -1,937
90 3 3,750 0,042 9,437 3,750 -1,937
90 3 3,750 0,042 9,437 3,750 -1,937
90 4 3,750 0,042 9,437 3,750 -1,937
90 5 3,750 0,042 9,437 3,750 -1,937
90 2 3,750 0,042 9,437 3,750 -1,937
90 2 3,750 0,042 9,437 3,750 -1,937
90 3 3,750 0,042 9,437 3,750 -1,937
90 2 3,750 0,042 9,437 3,750 -1,937
90 3 3,750 0,042 9,437 3,750 -1,937
90 5 3,750 0,042 9,437 3,750 -1,937
90 8 3,750 0,042 9,437 3,750 -1,937
90 2 3,750 0,042 9,437 3,750 -1,937
90 2 3,750 0,042 9,437 3,750 -1,937
90 2 3,750 0,042 9,437 3,750 -1,937
90 5 3,750 0,042 9,437 3,750 -1,937
90 5 3,750 0,042 9,437 3,750 -1,937
90 9 3,750 0,042 9,437 3,750 -1,937
1800 75
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 207
Gambar 4.164 Peta Kontrol np Tuas On-off Longgar
Gambar 4.165 Output Software SPSS
-4
-2
0
2
4
6
8
10
12
1 3 5 7 9 11 13 15 17 19
Peta Kontrol np Tuas On-off Longgar
n. of nonconformities
np
p
ucl
cl
lcl
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 208
Sample
Sa
mp
le C
ou
nt
191715131197531
10
8
6
4
2
0
__NP=3.75
UCL=9.44
LCL=0
NP Chart of tuas
Gambar 4.166 Output Software Minitab
Dari iterasi terakhir di atas, tidak ada data yang keluar dari UCL maupun LCL,
maka data sudah terkontrol.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 209
4.3.4 Diagram Fishbone
Diagram Cause and Effect
Inspeksi Raw Material
PenyimpananMaterial Handling
AssemblyInspeksi Finished Product
Roda depan dan belakang
tidak berputar
Operator yang kurang teliti
Perakitan yang tidak sesuai prosedur
Operator yang lalai atau lelah
Fisiologis (suhu, temperatur, cahaya)
Operator yang kurang hati-hati
Traffic padajalur distribusi
Peletakan komponen
yang tidak sesuai
Operator yang kurang teliti
Komponen dari supplieryang tidak sesuai
standar
Operator yang kurang hati-hati
Gambar 4.167 FishBone Diagram
4.4 Penentuan Biaya Kualitas
Penentuan biaya kualitas yang dilakukan PT Indonesia Tamiya Motor dalam
rangka meningkatkan kualitas produk atau mencapai standar yang telah ditetapkan.
Biaya kualitas ini dikelola sedemikian rupa untuk mencapai suatu tingkat kualitas agar
produk yang dibuat atau jasa yang diserahkan sesuai dengan spesifikasi rancangan dan
bebas dari cacat atau masalah yang akan mempengaruhi penampilan atau kinerja yang
diukur dengan kesesuaiannya terhadap keinginan pelanggan. Berikut biaya kualitas PT
Indonesia Tamiya Motor per periodenya:
1. Biaya penilaian
Biaya ini termasuk dalam biaya komponen, yaitu untuk:
1. Pengadaaan jangka sorong (2 jangka sorong 0.02 mm dan 2 jangka sorong
0.05 mm ) sebanyak 2 kali dalam 1 tahun
( Rp.250.000,00 x 2) + (Rp 400.000,00 x 2) = Rp 1.300.000,00
2. Pengadaan cheek sheet
Rp. 65.000,00/bulan x 12 bulan = Rp 780.000,00
3. Pengadaan alat kantor
Rp 100.000,00/bulan x 12 bulan = Rp 1.200.000,00
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 210
4. Pengadaan tinta print
Rp. 75.000,00/bulan x 12 bulan = Rp 900.000,00
5. Pengadaan Baterai
Rp. 56.000,00/bulan x 12 bulan = Rp 672.000,00
Total Biaya Penilaian = Rp 4.852.000,00
2. Biaya Kegagalan Internal
Yang termasuk dalam biaya ini adalah:
1. Biaya rework. Dalam PT. Indonesia Tamiya Motor, kebijakan biaya
rework adalah 10% dari harga komponen keseluruhan 1 tamiya. Sehingga
biaya rework 1 tamiya adalah :
10% x Rp. 6100,00 x 4 x (40372+17696+26880) 84948
= Rp 207.273.120,00 unit/tahun
2. Biaya Downgrading
10% x Rp. 6100,00 x 4 x (40372+17696+26880)
= Rp 207.273.120,00 unit/tahun
3. Biaya Scrap adalah Material sisa dari bahan baku setelah di proses
5% x Rp. 6100,00 x 4 x (40372+17696+26880)
= Rp 103.636.560,00 unit/tahun
4. Keterlambatan pengiriman produk ( jika terjadi keterlambatan pengiriman
barang ke konsumen atau distributor di sebabkan faktor dalam dan luar)
Rp 1.000.000,00/ bulan x 12 = Rp 12.000.000 / tahun
Total Biaya Kegagalan Internal = Rp 530.182.800,00
3. Biaya Kegagalan Eksternal
Garansi yang di berikan kepada pelanggan yaitu 3% dari harga 1 tamiya
3% x Rp. 6100,00 x 12 x (40372+17696+26880)
= Rp 62.181.936,00 unit/tahun
4. Biaya Pencegahan
Biaya pelatihan/ peningkatan kualitas SDM = Rp. 3.000.000,00
Total Biaya Kualitas Rp 600.216.736,00
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 211
BAB V
ANALISIS
5.1 Analisis Acceptance Sampling
Acceptance sampling dilakukan untuk menentukan suatu lot raw material diterima
atau ditolak dengan memeriksa kualitas sampel suatu lot tersebut, apakah dari sampel
tersebut telah memenuhi tingkat kualitas menurut produsen. Acceptance sampling ini
diawali dengan menentukan besar sampel yang harus diperiksa untuk satu lot dengan
melihat output MRP nya dan menentukan tingkat inspeksi yang akan dilakukan
terhadap sample dari lot tersebut, kemudian menentukan tingkat kualitas menurut
produsen atau AQL. Selanjutnya setelah dilakukan pemeriksaan pada sampel dan
diperolah data hasil pemeriksaan, dilakukan perhitungan dari data tersebut dengan
mencari rataan, standar deviasi, standard normal deviate (ZU dan ZL) berdasarkan batas
spesifikasi dari perusahaan, dan quality index (QU dan QL) juga berdasarkan batas
spesifikasi dari perusahaan yang diberikan. Dari nilai ZU dan ZL masing-masing
dibandingkan dengan nilai k yang mewakili AQL, jika nilai ZU atau ZL lebih besar atau
sama dengan k, maka lot diterima. Namun jika salah satu ZU atau ZL ditolak maka lot
tersebut ditolak. Kemudain dari jumlah nilai QU dan QL akan dibandingkan nilai M yang
mewakili AQL, jika jumlah nilai QU dan QL lebih kecil atau sama dengan M maka lot
diterima.
5.1.1 Kebijakan Sampel untuk As Roda
Pada part as roda acceptance sampling dilakukan dua kali untuk dua dimensi
yang diukur kualitasnya, yaitu panjang as roda dan diameter as roda. Berdasarkan
lot size dari MRP dan tingkat inspeksi-nya diperoleh sample size sebesar 25 untuk
part as roda ini.
Pada dimensi panjang as roda, standar perusahaan adalah 58.5mm 1,5mm.
Untuk single acceptance sampling, dari data hasil pengukuran sample dan standar
perusahaan kemudian diperoleh nilai ZU sebesar 0,577867 dan ZL sebesar
42,7622. Nilai tersebut kemudian dibandingkan dengan nilai k yang diperoleh
sebesar 2,14. Karena ZU lebih kecil dari k maka lot ditolak. Selanjutnya untuk
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 212
double acceptance sampling diperoleh nilai QU sebesar 28,30 dan QL sebesar 0
yang dari jumlah keduanya ternyata lebih besar dari nilai M yang sebesar 1,29,
maka lot ditolak.
Karena baik single atau pun double acceptance sampling ditolak maka
dilihat dari dimensi panjangnya, lot untuk part as roda ini ditolak karena kurang
memenuhi batas kualitas yang diinginkan.
Dimensi as roda yang lain adalah diameternya, yang standar dari
perusahaannya sebesar 1.8 mm 0.2 mm. Untuk single acceptance sampling, dari
data hasil pengukuran sample dan standar perusahaan kemudian diperoleh nilai ZU
sebesar 9,193; ZL sebesar 1,49; dan nilai k sebesar 2,14. Karena ZL lebih kecil dari
k maka lot ditolak. Untuk double acceptance sampling diperoleh nilai QU sebesar
0; QL sebesar 6,55; dan nilai M sebesar 1,29. Karena jumlah QU dan QL ternyata
lebih besar dari nilai M, maka lot ditolak.
Dari dimensi diameter as roda, lot untuk part as roda juga ditolak karena
baik single atau pun double acceptance sampling ditolak, sama seperti jika dilihat
dari dimensi panjangnya. Dengan demikian lot untuk as roda ini ditolak karena
dari kedua dimensi yang diukur kualitasnya belum memenuhi kualitas yang
diinginkan perusahaaan.
Langkah yang dapat dilakukan untuk penolakan ini adalah dengan
mengganti supplier yang memasok as roda. Hal ini dilakukan karena salah satu
misi perusahaan adalah untuk memproduksi produk yang berkualitas. Dengan
mengganti supplier diharapkan diperoleh part yang memiliki kualitas yang benar-
benar sesuai dengan keinginan perusahaan, sehingga produknya pun diharapkan
akan berkualitas. Meskipun langkah ini membutuhkan biaya yang mungkin lebih,
dengan menjaga kualitas dari produk, perusahaan akan menerima kepercayaan
lebih dari konsumen.
5.1.2 Kebijakan Sampel untuk Gardan
Sama seperti pada part as roda, acceptance sampling untuk part gardan
dilakukan dua kali untuk dua dimensi yang diukur kualitasnya, yaitu panjang dan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 213
diameter gardan. Berdasarkan lot size dari MRP dan tingkat inspeksi-nya
diperoleh sample size sebesar 20 untuk pemeriksaan kualitas dari part gardan.
Pada dimensi panjang gardan, standar perusahaan adalah 74 mm 0.75mm.
Untuk single acceptance sampling, dari data hasil pengukuran sample dan standar
perusahaan kemudian diperoleh nilai ZU sebesar 3,2; ZL sebesar 6,8; dan nilai k
sebesar 2,24. Karena ZU dan ZL lebih besar dari k maka lot diterima. Untuk double
acceptance sampling diperoleh nilai QU sebesar 0,006; QL sebesar 0; dan nilai M
sebesar 0,846. Karena jumlah QU dan QL lebih kecil dari nilai M, maka lot
diterima.
Karena baik single atau pun double acceptance sampling diterima maka
dilihat dari dimensi panjangnya, lot untuk part gardan ini diterima karena telah
memenuhi batas kualitas yang diinginkan.
Dimensi untuk gardan yang lain adalah diameternya, yang standar dari
perusahaannya sebesar 1,48 mm 0.13mm. Untuk single acceptance sampling,
dari data hasil pengukuran sample dan standar perusahaan kemudian diperoleh
nilai ZU sebesar 13,379 dan ZL sebesar 4,369. Nilai tersebut kemudian
dibandingkan dengan nilai k yang diperoleh sebesar 2,24. Karena ZU dan ZL lebih
besar dari k maka lot diterima. Selanjutnya untuk double acceptance sampling
diperoleh nilai QU dan QL sebesar 0 yang dari jumlah keduanya, yaitu 0, lebih
kecil dari nilai M yang sebesar 0,846, maka lot diterima.
Dari dimensi diameter gardan, lot untuk part gardan juga diterima karena
baik single atau pun double acceptance sampling diterima, sama seperti jika dilihat
dari dimensi panjangnya. Dengan demikian lot untuk as roda ini diterima karena
dari kedua dimensi yang diukur kualitasnya sudah memenuhi kualitas yang
diinginkan perusahaaan.
5.1.3 Kebijakan Sampel untuk Dinamo
Berbeda dari kedua part sebelumnya, acceptance sampling untuk part
dinamo hanya dilakukan satu kali untuk satu dimensi yang diukur kualitasnya,
yaitu diameter besi dinamo. Berdasarkan lot size dari MRP dan tingkat inspeksi-
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 214
nya diperoleh sample size sebesar 20 untuk pemeriksaan kualitas dari dimensi
diameter besi dinamo.
Dimensi diameter besi dinamo ini standar dari perusahaannya sebesar 1,95
mm 0,15mm. Untuk single acceptance sampling, dari data hasil pengukuran
sample dan standar perusahaan kemudian diperoleh nilai ZU sebesar 10,659 dan ZL
sebesar 4,434. Nilai tersebut kemudian dibandingkan dengan nilai k yang
diperoleh sebesar 2,24. Karena ZU dan ZL lebih besar dari k maka lot diterima.
Selanjutnya untuk double acceptance sampling diperoleh nilai QU sebesar 0 dan
QL sebesar 0 yang dari jumlah keduanya, yaitu sebesar 0, lebih kecil dari nilai M
yang sebesar 0,846, maka lot diterima.
Dari dimensi diameter besi dinamo, lot untuk part dinamo diterima karena
baik single atau pun double acceptance sampling diterima. Dengan demikian lot
untuk dinamo ini diterima karena dari dimensi yang diukur kualitasnya sudah
memenuhi kualitas yang diinginkan perusahaaan.
5.2 Analisis Kualitas Raw Material
a. Data Variabel
1. Panjang As Roda
Pada peta kendali MR dan X bar untuk data panjang as roda, dapat dilihat
bahwa untuk memperoleh peta kendali MR dan X bar dari data panjang as roda
yang datanya tidak keluar UCL dan LCL, memerlukan iterasi sampai iterasi ke 1.
Pada iterasi 0, tidak ada data yang keluar dari peta MR sedangkan pada peta X bar
terdapat satu data yang keluar yaitu data ke 12 dengan ukuran 60,1 nomor
komponen 45. Pada peta X bar batas atas dan batas bawahnya sudah ditentukan
oleh perusahaan. Sehingga panjang as roda harus sesuai dengan spesifikasi yang
sudah ditentukan oleh perusahaan. Standar perusahaan untuk panjang as roda
adalah 58.5mm 1,5mm . Sehingga, nilai UCL untuk peta kendali X bar adalah
60 mm dan nilai LCL nya adalah 57 mm. Sedangkan untuk nilai UCL peta kendali
MR adalah 0,15 dan nilai LCL nya adalah 0,000 pada iterasi 0 sedangkan pada
iterasi 1 UCL nya adalah 0,016 dan LCL nya adalah 0. Hasil perhitungan peta
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 215
kendali menggunakan software minitab dan SPSS dan juga perhitungan manual
tidak memiliki perbedaan yang signifikan. Kecacatan as roda dapat disebabkan
oleh tempat penyimpanannya yang kurang baik sehingga as roda kemungkinan
menjadi sedikit bengkok dan tidak sesuai dengan standar yang telah ditentukan.
Diketahui bahwa raw material memiliki kualitas yang cukup bagus.
2. Diameter As Roda
Pada peta MR dan X bar untuk diameter as roda pada iterasi 0 tidak ada data
yang keluar dari peta kendali MR dan X bar. Untuk standar diameter as roda
adalah 1.8 mm 0.2 mm sehingga suplier harus memenuhi spesifikasi yang sudah
ditetapkan oleh perusahaan. Standar yang ditetapkan oleh perusahaan digunakan
untuk menentukan batas atas dan bawah untuk peta X bar. Sehingga nilai UCL
pada peta X bar adalah 2 mm dan LCL nya adalah 1,6mm. Sedangkan untuk peta
MR nilai UCL nya adalah 0,13068 dan LCL nya adalah 0. Hasil output software
minitab dan SPSS dan perhitungan manual menunjukkan hasil yang sama. Dari
hasil yang diperoleh diketahui bahwa supplier mengirimkan barang cukup bagus
karena sudah sesuai dengan spesifikasi
3. Panjang Gardan
Pada peta MR dan X bar untuk panjang gardan pada iterasi 0 tidak ada data
yang keluar dari peta kendali MR dan X bar. Untuk standar panjang gardan adalah
74 mm 0.75mm sehingga suplier harus memenuhi spesifikasi yang sudah
ditetapkan oleh perusahaan. Standar yang ditetapkan oleh perusahaan digunakan
untuk menentukan batas atas dan bawah untuk peta X bar. Sehingga nilai UCL
pada peta X bar adalah 74,75 mm dan LCL nya adalah 73,25 mm. Sedangkan
untuk peta MR nilai UCL nya adalah 0,63205 dan LCL nya adalah 0. Hasil output
software minitab dan SPSS dan juga perhitungan manual memiliki hasil yang
sama. Dari peta kendali yang telah dibuat diketahui bahwa panjang gardan yang
dikirim oleh supplier sudah sesuai standar yang dibuat oleh perusahaan dapat
dikatakan raw material yang dikirim adalah raw material yang bagus.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 216
4. Diameter Gardan
Pada iterasi 0 untuk peta MR dan X bar diameter gardan tidak ada data yang
keluar dari peta kendali MR dan X bar. Perusahaan telah menetapkan standar
untuk beberapa data variabel. Untuk standar diameter gardan adalah 1,48 mm
0,13 mm sehingga supplier harus memenuhi spesifikasi yang sudah ditetapkan
oleh perusahaan. Standar yang ditetapkan oleh perusahaan digunakan untuk
menentukan batas atas dan bawah untuk peta X bar. Sehingga nilai UCL pada peta
X bar adalah 1,61 mm dan LCL nya adalah 1,35 mm. Sedangkan untuk peta MR
nilai UCL nya adalah 0,051584 dan LCL nya adalah 0. Hasil output software
minitab dan SPSS dan juga perhitungan manual memiliki hasil yang sama. Dari
peta kendali yang telah dibuat diketahui bahwa diameter gardan yang dikirim oleh
supplier sudah sesuai standar yang dibuat oleh perusahaan dapat dikatakan raw
material yang dikirim adalah raw material yang bagus.
5. Diameter Besi Dinamo
Pada iterasi 0 untuk peta MR dan X bar diameter besi dinamo tidak ada data
yang keluar dari peta kendali MR dan X bar. Perusahaan telah menetapkan standar
untuk beberapa data variabel. Untuk standar diameter besi dinamo adalah 1,95 mm
0,15 mm sehingga supplier harus memenuhi spesifikasi yang sudah ditetapkan
oleh perusahaan. Standar yang ditetapkan oleh perusahaan digunakan untuk
menentukan batas atas dan bawah untuk peta X bar. Sehingga nilai UCL pada peta
X bar adalah 2,1 mm dan LCL nya adalah 1,8 mm. Sedangkan untuk peta MR
nilai UCL nya adalah 0,06534 dan LCL nya adalah 0. Hasil output software
minitab dan SPSS dan juga perhitungan manual memiliki hasil yang sama. Dari
peta kendali yang telah dibuat diketahui bahwa diameter besi dinamo yang dikirim
oleh supplier sudah sesuai standar yang dibuat oleh perusahaan dan dapat
dikatakan raw material yang dikirim adalah raw material yang bagus.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 217
b. Data Atribut
1. Plat Belakang Besar
Pada plat belakang besar digunakan peta kendali P. Peta kendali P digunakan
ketika jumlah sampel (number of inspection) tidak selalu sama pada setiap
pengambilan. Peta P digunakan untuk menghitung banyaknya produk yang cacat
pada setiap pengambilan sampel. Peta kendali p memiliki batas atas dan batas
bawah yang berbeda-beda tergantung jumlah sampelnya. Untuk plat belakang
besar dilakukan iterasi sampai iterasi 1. Karena pada iterasi 0 terdapat dua data
yang keluar dari batas atas dan batas bawah. Data yang keluar adalah data ke- 3
dengan jumlah sampel 92 dan produk cacat 18 dan juga data ke-16 dengan jumlah
sampel 97 dan produk cacat 19. Pada iterasi 0, salah satu nilai UCL nya adalah
0,19487 dan LCL nya adalah 0,0066 sedangkan pada iterasi 1 salah satu nilai UCL
nya adalah 0,23345 dan LCL nya adalah 0,02397. Dari hasil perhitungan
menggunakan software dan manual tidak memiliki perbedaan yang cukup
signifikan. Dengan melihat dari peta kendali yang telah dibuat diketahui bahwa
raw material yang dikirim oleh supplier cukup baik walaupun ada yang keluar dari
batas atas dan batas bawah. Kecacatan atau ketidaksesuaian yang terjadi dapat
disebabkan ketika pengiriman raw material mengalami guncangan atau benturan
kecil antar raw materialnya sehingga tidak sesuai dengan spesifikasi awal.
2. Plat Belakang Kecil
Peta kendali P juga digunakan untuk plat belakang kecil. Peta kendali P
digunakan ketika jumlah sampel (number of inspection) tidak selalu sama pada
setiap pengambilan. Peta P digunakan untuk menghitung banyaknya produk yang
cacat pada setiap pengambilan sampel. Peta kendali p memiliki batas atas dan
batas bawah yang berbeda-beda tergantung jumlah sampelnya. Untuk plat
belakang kecil dilakukan iterasi sampai iterasi 1. Karena pada iterasi 0 terdapat
satu data yang keluar dari batas atas. Data yang keluar adalah data ke-6 dengan
jumlah sampel 97 dan produk cacat 20. Pada iterasi 0, salah satu nilai UCL nya
adalah 0,20507 dan LCL nya adalah 0,01016 sedangkan pada iterasi salah satu
nilai 1 UCL nya adalah 0,19724 dan LCL nya adalah 0,00685. Kecacatan atau
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 218
ketidaksesuaian yang terjadi dapat disebabkan ketika pengiriman raw material
mengalami guncangan atau benturan kecil antar raw materialnya sehingga tidak
sesuai dengan spesifikasi awal. Dan bisa juga kekuranghatian pekerja pada saat
pengepakan raw material ataupun pada saat mengeluarkan raw material dari
tempatnya sehingga raw material menjadi rusak atau tidak sesuai lagi. Dari hasil
perhitungan menggunakan software dan manual tidak memiliki perbedaan yang
cukup signifikan. Dengan melihat dari peta kendali yang telah dibuat diketahui
bahwa raw material yang dikirim oleh supplier cukup baik.
3. Plat Depan
Peta kendali P juga digunakan untuk plat depan. Peta kendali P digunakan
ketika jumlah sampel (number of inspection) tidak selalu sama pada setiap
pengambilan. Peta P digunakan untuk menghitung banyaknya produk yang cacat
pada setiap pengambilan sampel. Peta kendali p memiliki batas atas dan batas
bawah yang berbeda-beda tergantung jumlah sampelnya. Pada plat depan
perusahaan menetapkan standar untuk nilai tengah atau CL nya adalah 0,1. Hal ini
dikarenakan plat depan merupakan salah satu raw material yang cukup penting
sehingga memerlukan tingkat kesesuaian yang tepat dan juga jika penutup plat
depan cacat tamiya jadi tidak bisa menyala dengan baik. Untuk salah satunya nilai
UCL nya 0,2068 dan LCL nya adalah 0,0075. Dari hasil perhitungan
menggunakan software maupun manual memiliki hasil yang tidak begitu jauh.
Dari peta kendali yang dibuat tidak ada data yang keluar dari batas atas dan batas
bawah sehingga dapat dikatakan kualitas plat depan yang dikirim oleh supplier
bagus.
4. Penutup Plat Depan
Pada penutup plat depan digunakan peta kendali P. Untuk plat depan hanya
dilakukan iterasi sampai iterasi 0. Pada iterasi 0 tidak terdapat data yang keluar
dari batas atas dan batas bawah. Pada iterasi 0, salah satu nilai UCL nya adalah
0,19511 dan LCL nya adalah 0. Dari hasil perhitungan menggunakan software dan
manual tidak memiliki perbedaan yang cukup signifikan. Dengan melihat dari peta
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 219
kendali yang telah dibuat diketahui bahwa raw material yang dikirim oleh supplier
cukup baik walaupun ada yang keluar dari batas atas dan batas bawah.
5. Pengunci Baterai
Pada pengunci baterai digunakan 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, perbedaanya hanya terletak pada jumlah
sampelnya. Untuk pengunci baterai iterasi dilakukan sampai iterasi ke-1. Karena
pada iterasi 0 terdapat 1 data yang keluar dari batas atas. Data yang keluar adalah
data ke-17 dengan jumlah cacat 20. Pada iterasi 0, nilai UCL nya adalah 19,98 dan
nilai LCL nya adalah 1,519 sedangkan pada iterasi 1, nilai UCL nya adalah 19,3
dan LCL nya adalah 1,217. Ketidaksesuaian raw material dapat terjadi akibat dari
kekuranghatian pekerja pada saat pengepakan raw material ataupun pada saat
mengeluarkan raw material dari tempatnya sehingga raw material menjadi rusak
atau tidak sesuai lagi. Hasil perhitungan dengan software tidak berbeda jauh
dengan hasil perhitungan manual. Dari hasil diperoleh diketahui bahwa raw
material yang dikirim oleh supplier memiliki kualitas yang cukup baik.
6. Dinamo
Pada dinamo digunakan 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.
Untuk dinamo iterasi dilakukan sampai iterasi ke-1. Karena pada iterasi 0 terdapat
1 data yang keluar dari batas atas. Data yang keluar adalah data ke-2 dengan
jumlah cacat 18. Pada iterasi 0, nilai UCL nya adalah 17,893 dan nilai LCL nya
adalah 0,607 sedangkan pada iterasi 1, nilai UCL nya adalah 18,629 dan LCL nya
adalah 0,845. Ketidaksesuaian raw material dapat terjadi akibat dari
kekuranghatian pekerja pada saat pengepakan raw material ataupun pada saat
mengeluarkan raw material dari tempatnya sehingga raw material menjadi rusak
atau tidak sesuai lagi Hasil perhitungan dengan software tidak berbeda jauh
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 220
dengan hasil perhitungan manual. Dari hasil diperoleh diketahui bahwa raw
material yang dikirim oleh supplier memiliki kualitas yang cukup baik.
7. Gear Besar
Pada gear besar digunakan peta kendali C. Peta kendali C digunakan untuk
jumlah sampel (number of inspection) yang sama. Peta C digunakan untuk
menghitung banyaknya jumlah cacat dalam suatu produk. Untuk gear besar
dilakukan iterasi sampai iterasi ke-1. Pada iterasi 0 terdapat dua data yang keluar
dari batas atas. Data yang keluar adalah data ke-6 dan data ke-20. Data ke-6
jumlah cacatnya adalah 147 dan data ke-20 jumlah cacatnya adalah 150. Untuk
gear besar perusahaan menetapkan standar 110 untuk nilai tengahnya (CL). Hal ini
dikarenakan gear besar merupakan salah satu part yang memegang peranan
penting agar tamiya dapat berjalan, gear besar digunakan untuk menggerakan roda
agar tamiya dapat berjalan. Pada perhitungan ini, nilai UCL nya adalah 141,4643
dan nilai LCL nya adalah 78,535. Ketidaksesuaian yang terjadi pada gear besar
diakibatkan oleh pengepakan raw material yang kurang tepat sehingga gampang
rusak dan juga akibat dari benturan sesama gear besar. Dengan menggunakan
software hasil yang diperoleh memiliki hasil yang tidak begitu berbeda jauh.
Dengan menggunakan peta kendali C diketahui bahwa gear besar yang dikirimkan
oleh supplier memiliki kualitas yang cukup baik.
8. Gear Kecil
Peta kendali C digunakan pada komponen gear kecil. Peta kendali C
digunakan ketika jumlah sampel yang diambil (number of inspection) memiliki
jumlah yang sama. Peta kendali C digunakan untuk data yang menghitung
banyaknya jumlah cacat dalam suatu produk. Pada gear kecil iterasi dilakukan
hanya sekali yaitu iterasi 0, karena tidak ada data yang keluar dari batas atas dan
batas bawah yang telah ditentukan. Perusahaan menetapkan nilai tengah (CL)
untuk gear kecil adalah 110. Hal ini dikarenakan gear kecil merupakan komponen
yang cukup penting agar tamiya dapat berjalan ketika dinyalakan. Nilai UCL nya
adalah 141,4643 dan nilai LCL nya adalah 78,535. Perhitungan menggunakan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 221
software memiliki hasil yang sama dengan perhitungan manual. Dan dapat
dikatakan kualitas gear kecil dikirim oleh supplier memiliki kualitas yang baik.
9. Roller
Pada komponen roller digunakan peta kendali C. Peta kendali C digunakan
ketika jumlah sampel yang diambil (number of inspection) memiliki jumlah yang
sama. Peta kendali C digunakan untuk data yang menghitung banyaknya jumlah
cacat dalam suatu produk. Pada roller diperlukan iterasi sampai iterasi ke 1. Pada
iterasi ke 0, nilai UCL nya adalah 129,655 dan LCL nya adalah 69,74503. Data
yang keluar pada iterasi 0 adalah data yang ke 16 dengan jumlah cacat 132,
sehingga pada iterasi selanjutnya data tersebut dihilangkan. Pada iterasi ke 1
jumlah data menjadi 19 karena data ke 16 sudah dihilangkan. Nilai UCL pada
iterasi 1 adalah 127,6985 dan nilai LCL nya adalah 68,30152. Ketidaksesuaian
yang terjadi pada roller diakibatkan oleh pengepakan raw material yang kurang
tepat sehingga gampang rusak dan juga akibat dari benturan sesama roller. Selain
itu, juga bisa diakibatkan oleh kekurang hatian operator pada saat memasang roller
sehingga roller menjadi rusak. Output software yang dihasilkan dengan
menggunakan SPSS dan minitab menunjukkan hasil yang sama dengan
perhitungan manual. Dari peta kendali yang telah dibuat dapat disimpulkan bahwa
komponen gear kecil memiliki kualitas yang cukup baik.
10. Rumah Dinamo
Pada komponen rumah dinamo digunakan peta kendali C. Peta kendali C
digunakan ketika jumlah sampel yang diambil (number of inspection) memiliki
jumlah yang sama. Peta kendali C digunakan untuk data yang menghitung
banyaknya jumlah cacat dalam suatu produk. Pada komponen rumah dinamo
dilakukan iterasi sampai iterasi ke 1. Karena pada iterasi 0 terdapat dua data yang
keluar dari batas atas. Data yang keluar dari batas atas adalah data ke-9 dengan
jumlah cacat 146 dan data ke-13 dengan jumlah cacat 147. Nilai UCL pada iterasi
0 adalah 145,2898 dan nilai LCL nya adalah 81,41021. Pada iterasi 1 nilai UCL
nya adalah 141,0832 dan nilai LCL nya adalah 78,25011. Pada iterasi 1 data yang
digunakan hanya 18 data karena data ke-9 dan ke-13 telah dihilangkan. Pada
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 222
iterasi 1 tidak ada lagi data yang keluar dari batas atas maupun batas bawah.
Ketidaksesuaian yang terjadi pada rumah dinamo diakibatkan oleh pengepakan
raw material yang kurang tepat sehingga gampang rusak dan juga akibat dari
benturan sesama rumah dinamo pada saat distribusi barang ke perusahaan. Dapat
dikatakan kualitas komponen rumah dinamo memiliki kualitas yang cukup baik.
Hasil output software memiliki hasil yang sama dengan perhitungan manual.
11. Roda Assy
Peta kendali C digunakan untuk komponen roda assy. Peta kendali C
digunakan ketika jumlah sampel yang diambil (number of inspection) memiliki
jumlah yang sama. Peta kendali C digunakan untuk data yang menghitung
banyaknya jumlah cacat dalam suatu produk. Pada iterasi 0 tidak ada data yang
keluar dari batas atas dan batas bawah peta kendali C. Pada iterasi 0 nilai UCL nya
adalah 127,353 dan nilai LCL nya adalah 68,04701. Dapat dikatakan komponen
roda assy memiliki kualitas yang baik. Hasil output software yang didapatkan
diketahui bahwa pehitungan manual dan output software memiliki hasil yang
sama.
12. Bumper Belakang
Pada komponen bumper belakang digunakan peta kendali u. Peta kendali u
digunakan untuk jumlah sampel yang diambil (number of inspection) memiliki
jumlah yang tidak sama. Peta kendali u memiliki fungsi yang sama dengan peta
kendali c, yaitu sama-sama digunakan untuk menghitung banyaknya jumlah cacat
dalam suatu produk. Pada komponen bumper belakang iterasi yang dilakukan
hanya sampai iterasi 0, karena pada iterasi 0 tidak ada data yang keluar dari batas
atas dan batas bawah peta kendali u. Nilai UCL nya adalah 2,111884 dan nilai
LCL nya adalah 1,295402. Hasil yang diperoleh dengan menggunakan SPSS dan
minitab memiliki hasil yang sama dengan perhitungan manual. Dapat dikatakan
komponen bumper belakang yang dikirim supplier memiliki kualitas yang baik.
13. Pengunci Body
Peta kendali u digunakan pada komponen pengunci body. Peta kendali u
digunakan untuk jumlah sampel yang diambil (number of inspection) memiliki
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 223
jumlah yang tidak sama. Peta kendali u memiliki fungsi yang sama dengan peta
kendali c, yaitu sama-sama digunakan untuk menghitung banyaknya jumlah cacat
dalam suatu produk. Pada komponen pengunci body iterasi dilakukan sampai
iterasi 2, karena pada iterasi 0 terdapat dua data yang keluar dari batas atas peta
kendali u dan pada iterasi 1 data yang keluar adalah data yang ke-16 dengan
jumlah sampel 83 dan jumlah ketidaksesuaian 112. Data yang keluar pada iterasi 0
adalah data ke-6 dengan jumlah sampel 72 dan jumlah ketidaksesuaian 133; dan
data ke-18 dengan jumlah sampel 78 dan jumlah ketidaksesuaian 121. Pada peta
kendali u memiliki batas atas dan batas bawah yang berbeda-beda sama seperti
peta kendali p. Salah satu batas atas pada iterasi 0 adalah 1,351326 dan batas
bawahnya adalah 0,755933. Pada iterasi 1 salah satu nilai UCL nya adalah
1,286645 dan nilai LCLnya adalah 0,707459 pada iterasi 1 data yang digunakan
tinggal 18 data. Pada iterasi 2 data yang digunakan hanya 17 data. Salah satu nilai
UCL nya adalah 1,265869 dan nilai LCL nya adalah 0,691973. Pada iterasi 2 tidak
ada data yang keluar dari batas. Ketidaksesuaian yang terjadi pada pengunci body
diakibatkan oleh pengepakan raw material yang kurang tepat sehingga gampang
rusak dan juga akibat dari benturan sesama pengunci body. Selain itu, juga pada
saat memindahkan barang terjatuh sehingga dapat merusak komponen yang
terdapat didalamnya. Dapat disimpulkan bahwa komponen pengunci body
memiliki kualitas yang cukup jelek. Output software yang diperoleh memiliki
hasil yang sama dengan perhitungan manual.
14. Tuas On-Off
Peta kendali u digunakan pada komponen tuas on-off. Peta kendali u
digunakan untuk jumlah sampel yang diambil (number of inspection) memiliki
jumlah yang tidak sama. Peta kendali u memiliki fungsi yang sama dengan peta
kendali c, yaitu sama-sama digunakan untuk menghitung banyaknya jumlah cacat
dalam suatu produk. Pada komponen tuas on-off iterasi dilakukan sampai iterasi 1,
karena pada iterasi 0 terdapat satu data yang keluar dari batas peta kendali u. Data
yang keluar pada iterasi 0 adalah data ke-19 dengan jumlah sampel 66 dan jumlah
ketidaksesuaian 109. Pada peta kendali u memiliki batas atas dan batas bawah
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 224
yang berbeda-beda sama seperti peta kendali p. Salah satu batas atas pada iterasi 0
adalah 1,42 dan batas bawahnya adalah 0,798. Pada iterasi 1 salah satu nilai UCL
nya adalah 1,39 dan nilai LCLnya adalah 0,78 pada iterasi 1 data yang digunakan
tinggal 19 data. Ketidaksesuaian atau kecacatan yang terjadi pada tuas on off
diakibatkan oleh pengepakan raw material yang kurang tepat sehingga gampang
rusak dan juga akibat dari benturan sesama gear besar pada saat dipindahkan.
Selain itu, dapat disebabkan pada saat pemindahan terjadi barang terjatuh sehingga
merusak barang-barang yang ada didalamnya. Dapat disimpulkan bahwa
komponen pengunci body memiliki kualitas yang cukup baik. Output software
yang diperoleh memiliki hasil yang sama dengan perhitungan manual.
15. Gear Dinamo
Peta kendali u digunakan pada komponen gear dinamo. Peta kendali u
digunakan untuk jumlah sampel yang diambil (number of inspection) memiliki
jumlah yang tidak sama. Peta kendali u memiliki fungsi yang sama dengan peta
kendali c, yaitu sama-sama digunakan untuk menghitung banyaknya jumlah cacat
dalam suatu produk. Pada komponen gear dinamo iterasi dilakukan sampai iterasi
0, karena pada iterasi 0 tidak terdapat data yang keluar dari batas peta kendali u.
Pada peta kendali u memiliki batas atas dan batas bawah yang berbeda-beda sama
seperti peta kendali p. Salah satu batas atas pada iterasi 0 adalah 1,38 dan batas
bawahnya adalah 0,76693. Dapat disimpulkan bahwa komponen gear dinamo
memiliki kualitas yang baik. Output software yang diperoleh memiliki hasil yang
sama dengan perhitungan manual.
16. Pengunci Dinamo
Peta kendali u digunakan pada komponen pengunci dinamo. Peta kendali u
digunakan untuk jumlah sampel yang diambil (number of inspection) memiliki
jumlah yang tidak sama. Peta kendali u memiliki fungsi yang sama dengan peta
kendali c, yaitu sama-sama digunakan untuk menghitung banyaknya jumlah cacat
dalam suatu produk. Pada komponen pengunci dinamo iterasi dilakukan sampai
iterasi 2, karena pada iterasi 0 terdapat dua data yang keluar dari batas atas peta
kendali u dan pada iterasi 1 data yang keluar adalah data yang ke-18 dengan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 225
jumlah sampel 94 dan jumlah ketidaksesuaian 134. Data yang keluar pada iterasi 0
adalah data ke-8 dengan jumlah sampel 77 dan jumlah ketidaksesuaian 134; dan
data ke-18 dengan jumlah sampel 94 dan jumlah ketidaksesuaian 134. Pada peta
kendali u memiliki batas atas dan batas bawah yang berbeda-beda sama seperti
peta kendali p. Salah satu batas atas pada iterasi 0 adalah 1,46 dan batas bawahnya
adalah 0,708. Pada iterasi 1 salah satu nilai UCL nya adalah 1,43 dan nilai
LCLnya adalah 0,68 pada iterasi 1 data yang digunakan tinggal 18 data. Pada
iterasi 2 data yang digunakan hanya 17 data. Salah satu nilai UCL nya adalah 1,46
dan nilai LCL nya adalah 0,7. Pada iterasi 2 tidak ada data yang keluar dari batas.
Ketidaksesuaian yang terjadi pada pengunci dinamo diakibatkan oleh pengepakan
raw material yang kurang tepat sehingga gampang rusak (tidak ada pelindungnya)
dan juga akibat dari benturan sesama pengunci dinamo. Selain itu juga, pada saat
pemindahan barang, barang terjatuh. Dapat disimpulkan bahwa komponen
pengunci body memiliki kualitas yang cukup jelek. Output software yang
diperoleh memiliki hasil yang sama dengan perhitungan manual.
17. Body
Pada komponen body digunakan peta kendali U. Peta kendali U merupakan
penyempurnaan dari peta kendali C dan u. Pada peta kendali U mengelompokkan
cacat dalam 4 kategori yaitu cacat sangat serius bobot 100, cacat serius bobot 50,
cacat agak serius bobot 10, dan cacat tidak serius bobot 1. Pada body terdapat 3
jenis cacat yaitu camber (bengkok) bobotnya adalah 50 karena bengkok tergolong
cacat yang serius sehingga tidak dapat digunakan lagi. Cacat yang kedua adalah
string (serabut) dengan bobot 10 tergolong cacat agak serius karena masih dapat
dipakai. Cacat yang ketiga adalah scratch (goresan) dengan bobot 1 karena hanya
melukai body tidak merusak dari kegunaannya. Pada komponen body, iterasi
dilakukan sampai iterasi 0 tidak ada data yang keluar dari peta kendali U. Nilai
UCL nya adalah 27,459 dan nilai LCLnya adalah 12,23. Dapat dikatakan bahwa
komponen body yang dikirim oleh supplier memiliki kualitas yang baik
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 226
18. Chasis
Pada komponen chasis digunakan peta kendali U. Peta kendali U merupakan
penyempurnaan dari peta kendali C dan u. Pada peta kendali U mengelompokkan
cacat dalam 4 kategori yaitu cacat sangat serius bobot 100, cacat serius bobot 50,
cacat agak serius bobot 10, dan cacat tidak serius bobot 1. Pada chasis terdapat 3
jenis cacat yaitu camber (bengkok) bobotnya adalah 50 karena bengkok tergolong
cacat yang serius sehingga tidak dapat digunakan lagi. Cacat yang kedua adalah
string (serabut) dengan bobot 10 tergolong cacat agak serius karena masih dapat
dipakai. Cacat yang ketiga adalah scratch (goresan) dengan bobot 1 karena hanya
melukai chasis tidak merusak dari kegunaannya. Pada komponen chasis, iterasi
dilakukan sampai iterasi 0 tidak ada data yang keluar dari peta kendali U. Nilai
UCL nya adalah 27,052 dan nilai LCLnya adalah 12,229. Dapat dikatakan bahwa
komponen chasis yang dikirim oleh supplier memiliki kualitas yang baik.
5.3 Analisis Kualitas Finish Product
5.3.1 Analisis Diagram Pareto
Gambar 4.125 merupakan Diagram Pareto yang merepresentasikan
kecacatan-kecacatan atau masalah-masalah produk jadi atau finished product dari
produksi Mini 4 WD. Masalah yang terjadi antara lain: dinamo tidak menyala,
roda depan dan belakang tidak berputar, bumper tidak terpasang dengan baik,
roller tidak berputar, pengunci body longgar, plat depan tidak terpasang dengan
baik, dan tuas on-off longgar.
Diagram pareto tersebut menggambarkan frekuensi ditemukannya masalah-
masalah tadi pada saat inspeksi produk jadi. Dilihat dari diagram, masalah yang
memiliki frekuensi terbesar adalah roda depan dan belakang tidak berputar.
Dengan persentasi frekuensi sebesar 19%, maka 19% kecacatan dari kecacatan-
kecacatan yang ditemukan saat inspeksi produk jadi adalah roda depan dan
belakang yang tidak berputar. Sedangkan masalah lainnya adalah roller tidak
berputar (15%), bumper tidak terpasang dengan baik (15%), pengunci body
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 227
longgar (15%), tuas on-off longgar (14%), plat depan tidak terpasang dengan baik
(11%), dan dinamo tidak menyala (11%).
Menurut teori 20/80 pareto, 80% keseluruhan masalah yang terjadi
disebabkan oleh kurang lebih 20% masalah yang ada. Pada kasus ini, diagram
pareto untuk inspeksi finished product menunjukkan bahwa 80% keseluruhan
masalah disebabkan oleh 20% penyebab masalah yang ada, yaitu roda tidak
berputar. Dengan kata lain penyebab utama kegagalan produk tamiya dikarenakan
roda tidak berputar.
5.3.2 Analisis Peta Kontrol np
Masalah-masalah yang ditemukan pada inspeksi produk jadi antara lain:
dinamo tidak menyala, roda depan dan belakang tidak berputar, bumper tidak
terpasang dengan baik, roller tidak berputar, pengunci body longgar, plat depan
tidak terpasang dengan baik, dan tuas on-off longgar. 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 mengalami 1 iterasi. Hanya masalah tuas on-off
longgar yang tidak mengalami iterasi dalam pemetaan, karena dalam sekali
pemetaan tidak terdapat data yang keluar dari batas kontrol atas (UCL) dan batas
kontrol bawah (LCL). Sedangkan masalah lain mengalami iterasi karena dalam
pemetaan pertama masih ada beberapa data yang keluar dari batas kontrol atas
(UCL) dan batas kontrol bawah (LCL). Iterasi ini dilakukan dengan membuang
data yang keluar UCL dan LCL, sehingga data yang ada dapat terkendali.
Contohnya pada masalah denga frekuensi terbesar yaitu roda depan dan
belakang tidak berputar, dari 20 kali pengambilan sampel untuk inspeksi pada
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 228
tanggal 5 sampai 24 September 2011, pemetaan pertama menghasilkan nilai np
sebesar 4,050 sebagai CL, nilai UCL sebesar 9,950, dan nilai LCL sebesar -1,850
yang dianggap 0. Namun pada pemetaan pertama ini terdapat data yang keluar dari
UCL, yaitu pada tanggal 8 dan 20 September 2011 terdapat masing-masing 11 dan
10 produk yang diidentifikasi rodanya tidak berputar. Keluarnya dua data ini
menunjukkan kualitas dari produk ini belum terkendali. Untuk itu data yang keuar
tersebut perlu dibuang dan diakukan iterasi pemetaan dari 18 data tersisa. Dari 18
data tersisa diperoleh nilai np sebesar 3,333 sebagai CL, nilai UCL sebesar 8,708,
dan nilai LCL sebesar -2,042 yang dianggap 0. Setelah iterasi ini, nampak pada
peta kendali tidak ada data yang keluar dari UCL dan LCL. Karena tidak ada data
yang keluar dari UCL dan LCL lagi, maka bisa disebut bahwa kualitas produk
masih terkendali terhadap masalah dinamo yang tidak menyala.
5.3.3 Analisis Diagram Fishbone
Gambar 4.167 adalah diagram fishbone atau diagram sebab akibat dari
masalah yang memiliki frekuensi terbesar pada inspeksi finished product yaitu
roda depan dan belakang tidak berputar. 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.
Pada gambar 4.167 tersebut digambarkan penyebab dari masalah roda
depan dan belakang tidak berputar berdasrkan proses yang telah dilalui. Proses-
proses tersebut dimulai dari proses inspeksi raw material, kemudian proses
penyimpanan, proses material handling, proses assembly, dan terakhir proses
inspeksi finished product. Kemudian dari tiap proses-proses tersebut dijabarkan
penyebab-penyebab yang mengakibatkan masalah roda depan dan belakang tidak
berputar. 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. Pada proses penyimpanan
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 229
penyabab masalah yang mungkin adalah peletakkan komponen yang tidak sesuai
dan operator yang kurang hati-hati dalam menyimpan. Pada proses material
handling, operator yang kurang hati-hati dan keadaan traffic atau lalu lintas jalur
distribusi dapat menjadi penyebab masalah. Sedang pada proses assembli, masalah
dapat diakibatkan oleh fisiologi pada tempat assembly, operator yang lelah atau
lalai, dan operator melakukan perakitan yang tidak sesuai prosedur. Pada proses
inspeksi finished product masalah dapat disebabkan oleh operator yang kurang
teiti.
5.4 Analisis Proses
Dalam melakukan statistical quality control and quality cost planning yang
dilakukan pertama kali adalah mengukur semua komponen pada tamiya dengan
menggunakan jangka sorong dengan ketelitian 0,05 dan 0,02. Dengan menggunakan
acceptance sampling, pemeriksaan sampel secara acak dari pengukuran yang telah
dilakukan dapat diketahui apakah lot/batch barang harus diterima atau ditolak. Pada lot
untuk panjang dan diameter as roda, kebijakan di tolak karena kurang memenuhi
kualitas yang diinginkan. Sedangkan lot pada panjang dan diameter gardan serta
diameter besi dinamo, kebijakan diterima karena telah memenuhi kualitas yang
diinginkan. Keputusan dalam penolakan atas spesifikasi part panjang dan diameter as
roda yaitu dengan mengganti supplier, dengan ini diharapkan akan mendapatkan
kualitas yang sesuai spesifikasi yang diinginkan.
Setelah dilakukan acceptance sampling, penggunaan seven tools mulai digunakan,
diantaranya peta kendali variabel dan atribut. Pada peta kendali variabel untuk panjang
dan diameter as roda, panjang dan diameter gardan, diameter besi dinamo dengan
perhitungan manual, spss, dan minitab menghasilkan hasil yang sama. Begitu juga
dengan peta kendali atribut, peta yang digunakan seperti p, np, u, c, dan U. Peta kendali
p digunakan untuk menghitung banyaknya produk yang cacat pada setiap pengambilan
sampel, part yang menggunakan peta kendali ini yaitu plat belakang besar dan kecil,
plat depan, penutup plat depan. Sedangkan peta kendali np part yang termasuk
didalamnya pengunci batere dan dinamo. Peta kendali c yang terdapat didalamnya
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 230
adalah part gear besar, gear kecil, roller, rumah dinamo dan roda assy. Pada peta kendali
u, penggunaan dilakukan pada part pengunci body, tuas on-off, gear dinamo dan
pengunci dinamo. Terakhir, peta kendali U dipakai pada body dan chassis.
Seven tools lain yang digunakan yaitu diagram pareto, yang digunakan untuk
menyeleksi malasah utama untuk peningkatan kualitas, diagram ini juga mennunjukkan
seberapa besar frekuensi berbagai macam tipe permasalahan yang terjadi. Masalah yang
terjadi antara lain: dinamo tidak menyala, roda depan dan belakang tidak berputar,
bumper tidak terpasang dengan baik, roller tidak berputar, pengunci body longgar, plat
depan tidak terpasang dengan baik, dan tuas on-off longgar. Yang lain digunakan adalah
diagram sebab akibat atau yang disebut juga sebagai fishbone, diagram ini
menggambarkan penyebab masalah dari roda depan dan belakang yang tidak berputar.
Terakhir, biaya kualitas digunakan 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 yang termasuk didalamnya ada biaya pencegahan yang
mencegah terjadinya kualitas buruk pada tamiya, biaya penilaian yang muncul setelah
produksi selesai tapi sebelum penjualan tamiya dilakukan, biaya kegagalan internal
yang timbul karena tamiya tidak sesuai spesifikasi kebutuhan pelanggan dan terakhir
biaya kegagalan eksternal yang muncul karena tamiya gagal memenuhi persyaratan
ketika sampai di tangan pelanggan. Total biaya kualitas yang dikeluarkan PT Indonesia
Tamiya Motor per tahunnya itu Rp 600.216.736,00.
5.5 Analisis Biaya Kualitas
Biaya kualitas terdiri dari 4 faktor: biaya penilaian, biaya kegagalan internal, biaya
kegagalan external, dan biaya pencegahan. Berikut merupakan analisis perhitungan
biaya kuliatas per periodenya.
Pada biaya kegagalan internal yang meliputi biaya rework dengan kebijakan yang
telah ditentukan sebesar 10% dari harga komponen keseluruhan tamiya, sehingga
untuk biaya rework tamiya yaitu Rp 207.273.120,00/tahun. Untuk biaya
downgrading ditetapkan pula kebijakan sebesar 10%, jadi totalnya sebesar Rp
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 231
207.273.120,00/tahun. Dan biaya scrap yaitu material sisa dari bahan baku setelah
di proses dengan kebijakan 5% untuk per unit periodenya yaitu Rp
103.636.560,00/tahun. Terakhir untuk biaya keterlambatan pengiriman produk
ditetapkan harga Rp 1.000.000,00 per bulannya, jadi akumulasi per tahunnya
sebesar Rp 12.000.000,00. Sehingga total biaya yang telah ditetapkan biaya
kegagalan internal seesar Rp 530.182.800,00.
Untuk biaya kegagalan external untuk after-sale services seperti warranty/ garansi
sebesar 3% dari biaya material sebesar Rp 6.100,00. Sehingga biaya yang harus di
keluarkan untuk 1 unit per tahun sebesar Rp 62.181.936,00/unit/periode.
Biaya yang terakhir adalah biaya pencegahan meliputi biaya pelatihan atau
peningkatan kualitas SDM sebesar Rp 3.000.000,00.
Total biaya kualitas yang dikeluarkan PT Indonesia Tamiya Motor per tahunnya
yaitu Rp 600.216.736,00
Penentuan biaya kualitas yang dilakukan PT Indonesia Tamiya Motor dalam
rangka meningkatkan kualitas produk atau mencapai standar yang telah
ditetapkan. Biaya kualitas ini dikelola sedemikian rupa untuk mencapai suatu
tingkat kualitas agar produk yang dibuat atau jasa yang diserahkan sesuai dengan
spesifikasi rancangan dan bebas dari cacat atau masalah yang akan mempengaruhi
penampilan atau kinerja yang diukur dengan kesesuaiannya terhadap keinginan
pelanggan.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 232
BAB VI
PENUTUP
6.1 Kesimpulan
Kesimpulan yang dapat diambil dari praktikum modul Statistical Quality Control
and Quality Cost Planning untuk PT Indonesia Tamiya Motor adalah sebagai berikut:
Acceptance sampling merupakan proses evaluasi bagian produk dan seluruh
produk yang dihasilkan. Dalam acceptance sampling dikenal karakterisasi produk
atau hasil proses (bagian yang sesuai spesifikasi), disini kita tidak dapat
mengatakan bahwa tingkah gerak langkah proses terkendali secara statistik atau
tidak.
Seven tools merupakan alternatif yang digunakan untuk memecahkan masalah.
Tujuh alat yang digunakan anatara lain lembar pengamatan, stratifikasi, histogram,
grafik kendali, diagram pareto, diagram sebab akibat, dan diagram sebar. Pada
modul ini digunakan peta kendali, diagram pareto dan diagram sebab akibat untuk
dapat memecahkan masalah.
Pengendalian kualitas salah satunya dilakukan dengan metode statistika yaitu
dengan menggunakan peta kendali. Peta kendali dibedakan menjadi 2 yaitu peta
kendali atribut yang berfungsi untuk melakukan pengukuran kualitas untuk produk
yang dapat diukur dimensinya, misal panjang gardan, diameter gardan, dan lain-
lain. Untuk peta kendali yang digunakan untuk data variabel ini adalah peta
individu MR dan Xbar. Sedangkan peta kendali atribut digunakan untuk
mengetahui karakteristik kualitas dilihat dari spesifikasinya cacat atau tidak cacat.
Peta kendali yang digunakan adalah peta p dan np untuk jumlah produk cacat,
serta peta u, c, dan U untuk jumlah cacat yang terjadi dalam produk.
Tujuan dari pengendalian kualitas adalah menjamin produk kita memiliki kualitas
yang sesuai dengan spesifikasi. Namun, kualitas yang baik pasti berhubungan
dengan biaya kualitas. Biaya kualitas yang dihitung meliputi biaya pencegahan,
biaya penilaian, biaya kegagalan internal, dan biaya kegagalan external. Total
biaya kualitas yang harus dikeluarkan PT. Indonesia tamiya motor per tahunnya
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 233
adalah sebesar Rp 600.216.736,00. Adanya biaya untuk pengendalian kualitas ini
diharapkan dapat menghasilkan zero defect perusahaan.
6.2 Saran
Saran yang dapat diambil dari praktikum modul Statistical Quality Control and
Quality Cost Planning untuk PT Indonesia Tamiya Motor adalah sebagai berikut:
Praktikan harus lebih teliti saat melakukan pengamatan terhadap part yang diukur
dengan menggunakan vernier calliper.
Praktikan harus lebih teliti saat melakukan pengolahan data.
Praktikan harus lebih cermat saat menganalisa masalah.
Laporan Praktikum Perancangan Teknik Industri
Modul 6 Statistical Quality Control and Quality Cost Planning
Kelompok 18
Program Studi Teknik Industri
Universitas Diponegoro
2012 234
DAFTAR PUSTAKA
Gasperz , Vincent, Total Quality Management, PT. Gramedia Pustaka Utama, Jakarta,
2002.
Ishikawa, Kaoru, Teknik Penuntun Pengendalian Mutu, PT. Mediyatama Sarana
Perkasa, Jakarta, 1986.
John S. Oakland. Total Quality Management, Butterwort Heinemann, 1993
Richard Barret Clements, Quality Guide to ISO 9000, Prentice Hall, 1993
Tjiptono, Fandy, Total Quality Management, Penerbit Andi Yogyakarta, 2000.
Amitava Mitra, Fundamentals of Quality Qontrol and Improvement, Macmilan
Publishing Company, 1993
Douglas C. Mongometry., Introduction to Statistical Quality Control”, John Willey ang
Sons Inc, 1985
Eugine L. Grant, Richard S. Leavenworth, Statistical Quality Control, McGraw Hill,
Inc, 1988
Ishikawa, Kaoru, Teknik Penuntun Pengendalian Mutu, PT. Mediyatama Sarana
Perkasa, Jakarta, 1986.