Modul 6 Fix Kel 9 Rapih InsyaAllah

Laporan Praktikum Perancangan Teknik Industri 2012 - 2013

Modul VI : Statistical Quality Control and Quality Cost Planning

Kelompok 9

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pada era saat ini, setiap perusahaan sangat memperhatikan kualiatas produksi yang

dihasilkan. Karena pengendalian kualitas dan mutu hasil barang yang diproduksi suatu

perusahaan merupakan faktor yang paling vital agar perusahaan tetap dapat bersaing

pada pangsa pasar yang ada. Proses produksi tiap perusahaan harus dapat dikendalikan

dengan baik dan benar agar tidak membuat perusahaan menjadi rugi, serta kualitas

produk yang dihasilkan perusahaan tetap terkendali. Proses produksi perusahaan harus

stabil dan dapat mengeporasikan semua produk hingga produk yang dihasilkan sesuai

dengan spesifikasi yang diinginkan oleh konsumen. Pengendalian mutu dan kualitas

pada dunia industri digunakan sebagai salah satu alat manajemen untuk mengamati,

mengidentifikasi, menilai dan mengambil analisa bahwa sifat yang paling penting suatu

produk dengan bentuk bahan bakunya. Hasil pengukuran yang dipakai dalam penentuan

suatu kualitas barang yang dihasilkan, nilainya dapat berubah-ubah dari satu produk ke

produk yang lain meskipun kondisi proses produksi dapat diusahakan sama. Maka dari

itu mengakibatkan timbulnya variasi kualitas suatu produk yang dihasilkan.

PT Java Tamiya Factory merupakan salah satu perusahaan yang bergerak pada

bidang industri perakitan tamiya, dalam usahanya mempertahankan posisi sebagai

perusahaan tamiya terkenal di Jepang dan sedang berkembang di Indonesia dengan

memiliki hasil produksi dengan kualitas tinggi maka perusahaan JTF memerlukan

proses pengendalian kualitas tamiya yang dihasilkan. Agar produk yang dihasilkan tetap

menjadi pilihan masyarakat. Maka perusahaan perlu melakukan statistical quality

control and quality cost planning.

1.2 Perumusan Masalah

Permasalahan yang dihadapi PT Java Tamiya Factory adalah:

1. PT. Java Tamiya Factory adalah perusahaan yang baru berkembang di Indonesia

yang memproduksi tamiya mini 4 WD yang memiliki brand unggul pada pangsa

Jurusan Teknik Industri Fakultas Teknik

Universitas Diponegoro Semarang 1



Kelompok 9

pasar dunia, sehingga PT. JTF ingin memenuhi permintaan pasar di Indonesia

sehingga diperlukan adanya pengontrolan kualitas terhadap produk yang dihasilkan

agar standar kualitas PT.JTF tetap terjaga.

2. Berapa biaya kualitas yang dikeluarkan PT.JTF dalam produksi tamiya mini 4 WD?

1.3 Tujuan Penulisan

Tujuan dalam penulisan ini adalah:

1. Dapat mengetahui tingkat kualitas produk yang dihasilkan oleh PT.JTF.

2. Memperbaiki kualitas produk tamiya mini 4 WD agar menjadi lebih baik.

3. Mengetahui biaya kualitas yang dikeluarkan perusahaan dalam rangka

peningkatan kualitas produk.

1.4 Batasan dan Asumsi

Pembatasan masalah pada statistical quality control and quality cost planning ini

adalah kita hanya fokus pada pengendalian suatu proses produksi yang akan dihasilkan

PT. JTF serta rencana biaya kualitas yang akan dikeluarkan perusahaan dalam rangka

proses pengendalian kualitas produksi PT. JTF. Selain itu dalam melakukan pengolahan

data kita menggunakan seven tools yaitu peta kendali (peta kendali atribut dan variabel),

diagram pareto untuk menyeleksi masalah melalui frekuensi tipe permasalahan, dan

diagram fishbone untuk mengetahui sebab akibat permasalahan. Pada peta kendali

atribut menggunakan peta kendali u (bumper belakang, pengunci body, tuas on-off, gear

dynamo, dan pengunci dynamo), c (gear besar, gear kecil, roda assy, roller besar, roller

kecil, dan rumah dynamo), np (dynamo) , p (plat belakang besar, plat belakang kecil,

plat depan, penutup plat depan, , dan U (body, dan chasis) dan untuk peta kendali

variabel yang digunakan hanya peta kendali x-MR.





Kelompok 9

1.4 Sistematika Penulisan

Sistematika penulisan laporan penelitian ini adalah sebagai berikut :

BAB I : PENDAHULUAN

Bab ini membahas mengenai latar belakang, rumusan masalah, tujuan

penulisan, batasan dan asumsi, dan 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 analisa data.

BAB III : METODOLOGI PENELITIAN

Berisi tentang flowchart penelitian atau urutan-urutan proses

praktikum.

BAB IV : PENGUMPULAN DAN PENGOLAHAN DATA

Bab ini membahas mengenai pengumpulan data yaitu data variabel dan

data atribut serta pengolahan dari data yang sudah didapat.

BAB V : ANALISA

Bab ini membahas mengenai analisa terhadap acceptance sampling,

kebijakan sampel untuk as roda, garden, dan diameter besi dynamo,

analisis pengolahan data yang sudah berbentuk grafik, baik itu berupa

grafik untuk parameter variabel yang terdiri dari grafik kendali variabel

x dan MR dan parameter sifat yang terdiri dari grafik kendali sifat p,

np, c , u dan U, analisis kualitas finish product, analisis diagram pareto,

analisis peta kontrol np, analisis diagram fishbone,analisis proses serta

analisis biaya kualitas.

BAB VI : 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.





Kelompok 9

BAB II

TINJAUAN PUSTAKA

2.1 Kualitas

2.1.1 Definisi Kualitas

Kualitas sangat penting bagi sebuah produk, baik produk barang maupun produk

jasa. Kualitas sangat diperhatikan baik oleh produsen maupun oleh konsumen dalam hal

produk, harga, dan juga pelayanan. Kualitas dapat diartikan sebagai segala sesuatu yang

menentukan kepuasan pelanggan dan upaya perubahan ke arah perbaikan terus –

menerus. Istilah kualitas memiliki banyak sekali definisi. Berikut ini ada beberapa

macam definisi kualitas menurut pendapat para ahli, antara lain:

Kualitas secara tradisional (Montgomery, 1996) adalah berdasarkan kepada

suatu pandangan bahwa produk dan pelayanan harus sesuai dengan ketentuan

mereka yang menggunakannya.

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

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

memuaskan konsumen.

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

adalah orientasi pada pemenuhan harapan pelanggan.

Kualitas (Deming, 1980) adalah pemecahan masalah untuk mencapai

penyempurnaan terus-menerus. Pendekatan Deming merupakan pendekatan

secara bottom up.

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

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

mengemukakan pentingnya melibatkan setiap orang pada proses dalam

organisasi. Pendekatan Crosby merupakan pendekatan top down.

Berdasarkan beberapa pengertian dasar tentang kualitas di atas, terlihat bahwa

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

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

memenuhi keinginan pelanggan. Suatu produk yang dihasilkan dapat dikatakan





Kelompok 9

berkualitas apabila sesuai dengan keinginan pelanggan, dapat dimanfaatkan

dengan baik, dan diproduksi dengan cara yang baik dan benar (Feigenbaum,

1991).

2.1.2 Dimensi Kualitas

Suatu produk haruslah memiliki karakteristik/dimensi kualitas. Dimensi kualitas

adalah sifat – sifat yang dimiliki suatu benda atau barang maupun jasa yang secara

keseluruhan memberi rasa kepuasan kepada penggunanya karena telah sesuai dengan

apa yang dibutuhkan. Menurut Mullins, Orville, Larreche, dan Boyd (2005) apabila

perusahaan ingin mempertahankan keunggulan kompetitifnya dalam pasar, perusahaan

harus mengerti aspek dimensi apa saja yang digunakan oleh konsumen untuk

membedakan produk yang dijual perusahaan tersebut dengan produk pesaing.

Terdapat delapan dimensi kualitas produk manufaktur, yaitu:

1. Performance (kinerja), berhubungan dengan karakteristik operasi dasar dari

sebuah produk yang dipertimbangkan pelanggan ketika ingin membeli suatu

produk.

2. Durability (daya tahan), yang berarti berapa lama atau umur produk yang

bersangkutan bertahan sebelum produk tersebut harus diganti. Semakin

besar frekuensi pemakaian konsumen terhadap produk maka semakin besar

pula daya tahan produk.

3. Conformance to specifications (kesesuaian dengan spesifikasi), dari yaitu

sejauh mana karekteristik operasi dasar dari sebuah produk memenuhi

spesifikasi tertentu dari konsumen atau tidak ditemukannya cacat pada

produk.

4. Features (fitur), adalah karateristik produk yang dirancang untuk

menyempurnakan fungsi produk atau menambah ketertarikan konsumen

terhadap produk.

5. Reliability (reliabilitas), adalah probabilitas bahwa produk akan bekerja

dengan memuaskan atau tidak dalam periode waktu tertentu. Semakin kecil

kemungkinan terjadinya kerusakan maka produk tersebut dapat diandalkan.





Kelompok 9

6. Aesthetics (estetika), berhubungan dengan bagaiman penampilan produk

bisa dilihat dari tampak, rasa bau, dan bentuk dari produk.

7. Serviceability (kemampuan melayani), merupakan karakteristik yang

berkaitan dengan kecepatan, keramahan, kompetensi, kemudahan, serta

akurasi dalam perbaikan.

8. Perceived quality (kesan kualitas), sering disebut merupakan hasil dari

penggunaan pengukuran yang dilakukan secara tidak langsung karena

terdapat kemungkinan bahwa konsumen tidak mengerti atau kekurangan

informasi atas produk yang bersangkutan.

2.2 Pengendalian Kualitas

Definisi pengendalian kualitas adalah alat bagi manajemen untuk memperbaiki

kualitas produk bila diperlukan, mempertahankan kualitas yang sudah tinggi dan

mengurangi jumlah bahan yang rusak. Pengendalian kualitas merupakan upaya

mengurangi kerugian-kerugian akibat produk rusak dan banyaknya sisa produk atau

scrap (Handoko, 2000).

Pengendalian kualitas merupakan alat penting bagi manajemen produksi

pengemasan produk untuk menjaga, memelihara, memperbaiki dan mempertahankan

kualitas produk agar sesuai dengan standar yang telah ditetapkan. Pengendalian kualitas

harus dapat mengarahkan beberapa tujuan terpadu, sehingga konsumen puas

menggunakan produk, baik barang atau jasa perusahaan.

Faktor-faktor yang mempengaruhi kualitas produksi, secara langsung

dipengaruhi oleh sembilan bidang dasar yang dikenal sebagai “9M”, yaitu market

(pasar), money (uang), management (manajemen), man (manusia), motivation

(motivasi), material (bahan), machines and mechanization (mesin dan mekanisme),

modern information method (metode informasi mesin) dan mounting product

requirements (persyaratan proses produk) (Handoko, 2000).

Kualitas produksi agar sesuai dengan yang direncanakan, maka perlu

diperhatikan standar berikut (Prawirosentono, 2004):





Kelompok 9

1. Bahan baku

Bahan baku merupakan salah satu faktor yang perlu ditentukan standarnya.

Penetapan standar bahan baku ini dapat digunakan sebagai pedoman atas

petunjuk bagi karyawan mesin yang langsung memproses bahan baku. Jadi

kualitas bahan baku akan sangat baik, apabila lebih dulu ditentukan standarnya.

Kualitas baik mempunyai hubungan kuat dengan proses dan kualitas produk

akhir perusahaan.

2. Tenaga kerja

Tenaga Kerja merupakan salah satu faktor terpenting dalam proses produksi,

karena menentukan tercapai tidaknya standar kualitas produk yang telah

ditetapkan. Perlu ditentukan atau diperhatikan mengenai standar jam kerja dan

standar upah.

3. Peralatan

Peralatan produksi atau mesin produksi dari suatu perusahaan sangat perlu untuk

ditentukan standarnya. Hal ini terkait dengan operasi perusahaan, terutama dalam

penentuan tingkat operasi yang optimal. Penggunaan peralatan produksi tanpa

memperhatikan standar pemakaian maksimal dari masing-masing mesin akan

menimbulkan berbagai macam kesulitan, yang pada akhirnya menyebabkan produk

akhir perusahaan tidak sesuai dengan standar yang telah ditentukan.

4. Proses

Proses produksi dapat mempengaruhi produk dan produktivitas perusahaan,

maka perlu adanya standar proses produksi. Lama waktu proses dapat direncanakan

dan perusahaan dapat memperkirakan waktu penyelesaian proses dengan baik.

Ada 4 (empat) langkah dalam melakukan quality control (QC) (Ariani, 2002),

yaitu:

1. Menetapkan standar kualitas produk yang akan dibuat. Sebelum produk

berkualitas dibuat oleh perusahaan dan ada baiknya ditetapkan standar yang jelas

batasannya untuk mempermudah pengendalian.





Kelompok 9

2. Menilai kesesuaian kualitas yang dibuat dengan standar yang ditetapkan.

Sebelum produk berkualitas dibuat oleh perusahaan dan sebaiknya ditetapkan

standar yang jelas batasannya untuk mempermudah pengendalian.

3. Mengambil tindakan korektif terhadap masalah dan penyebab yang terjadi,

dimana hal itu mempengaruhi kualitas produksi.

4. Merencanakan perbaikan untuk meningkatkan kualitas, bila perusahaan ingin

produknya berada dalam posisi pasar yang sangat menguntungkan, maka perlu

diadakan perencanaan perbaikan.

2.2.1 Tujuan dan Keuntungan Pengendalian Kualitas

Tujuan utama pengendalian kualitas adalah meningkatkan dan menjaga

kepuasan pelanggan. Keuntungan dari pengendalian kualitas adalah (Feigenbaum,

1991):

1. Meningkatkan kualitas dan desain produk

2. Meningkatkan aliran produksi

3. Meningkatkan moral tenaga kerja dan kesadaran mengenai kualitas

4. Meningkatkan pelayanan produk

5. Memperluas pangsa pasar.

2.2.2 Statistical Quality Control

Perangkat ini merupakan teori peluang dalam pengujian atau pemeriksaan

contoh Statistical Quality Control (SQC) dari metode statistik untuk mengumpulkan

dan menganalisis data hasil pemeriksaan terhadap contoh dalam kegiatan pengawasan

kualitas produk. SQC dilakukan dengan pengambilan kualitas dari populasi dan menarik

kesimpulan berdasar karakteristik contoh tersebut secara statistik (statistical inference).

SQC tidak menciptakan risiko, ataupun menghilangkan resiko. Tujuan SQC adalah

menunjukkan tingkat reliabilitas contoh dan bagaimana cara mengawasi risiko

(Handoko,2000).

Pengendalian kualitas statistik (statistical quality control) secara garis besar

digolongkan menjadi 2 (dua), yaitu pengendalian proses statistik (statistical process





Kelompok 9

control) atau yang sering disebut control chart dan rencana penerimaan contoh produk

atau yang sering dikenal dengan acceptance sampling (Ariani, 2002).

Jadi SQC dapat digunakan sebagai alat untuk mencegah kerusakan dengan

dengan cara menolak (reject) dan menerima (accept) berbagai produk yang dihasilkan

mesin dalam proses produksi, sekaligus upaya efisiensi biaya yang dikeluarkan

(Prawirosentono, 2004).

2.2.3 Acceptance Sampling

Acceptance Sampling adalah Sampling penerimaan. Acceptance Sampling

digunakan sebagai suatu bentuk dari 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).

Selanjutnya, Acceptance Sampling digunakan dengan berbagai alasan, misalnya

karena pengujian yang dapat merusakkan produk, karena biaya inspeksi sangat tinggi,

karena 100% inspeksi yang dilakukan memerlukan waktu yang lama, atau karena

pemasok memiliki kinerja yang baik tetapi beberapa tindakan pengecekan tetap harus

dilaksanakan, atau pun karena adanya isu-isu mengenai tanggung jawab perusahaan

terhadap produk yang dihasilkan. Ada beberapa keunggulan dan kelemahan dalam

Acceptance Sampling. Keunggulan antara lain (Besterfield, 1998):

1) Lebih murah,

2) Dapat meminimalkan kerusakan dan perpindahan tangan,

3) Mengurangi kesalahan dalam inspeksi, dan

4) Dapat memotivasi pemasok bila ada penolakan bahan baku.

Sementara kelemahannya antara lain (Besterfield, 1998):

1) Adanya resiko penerimaan produk cacat atau penolakan produk baik,

2) Sedikitnya informasi mengenai produk,

3) Membutuhkan perencanaan dan pendokumentasian prosedur

pengambilan sampel, dan





Kelompok 9

4) Tidak adanya jaminan mengenai sejumlah produk tertentu yang akan

memenuhi spesifikasi.

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 dan data variabel. Acceptance Sampling untuk data atribut dilakukan apabila

inspeksi mengklasifikasikan produk sebagi produk yang baik dan produk yang cacat

tanpa ada pengklasifikasian tingkat kesalahan atau cacat produk tersebut. Dalam

Acceptance Sampling untuk data variabel, karakteristik kualitas ditunjukkan dalam

setiap sampel. Oleh karenanya, dalam Acceptance Sampling untuk data variabel

dilakukan pula perhitungan rata-rata sampel dan penyimpangan atau deviasi standar

sampel tersebut. Apabila rata-rata sampel berada diluar jangkauan penerimaan, maka

produk tersebut akan ditolak. Selain terbagi untuk data atribut dan data variabel,

Acceptance Sampling juga mencakup pengambilan sampel atau inspeksi dengan

mengadakan pengembalian dan perbaikan dan pengambilan sampel atau inspeksi tanpa

mengadakan pengembalian dan perbaikan. Hal ini dilakukan selama inspeksi, dan

pengembalian serta perbaikan yang dilakukan juga juga membutuhkan biaya yang tidak

sedikit. Klasifikasi lain dalam Acceptance Sampling adalah pada teknik pengambilan

sampelnya, yaitu sampel tunggal, sampel ganda, dan sampel banyak. Prosedur

pengambilan sampel pasti merupakan sampel tunggal. Pengambilan sampel ganda

berarti apabila sampel yang diambil tidak cukup memberikan informasi, maka diambil

lagi sampel yang lain. Pada pengambilan sampel banyak, tambahan sampel dilakukan

setelah sampel kedua.

2.2.4 Alat dan Teknik Pengendalian Kualitas

Teknik dan alat pengendalian kualitas dapat berwujud 2 jenis, yaitu

menggunakan data verbal atau kualitatif dan yang menggunakan data numerik atau

kuantitatif. Teknik yang menggunakan data kualitatif adalah Flow chart, Brainstorming,

Diagram sebab akibat, Affinity diagram dan Diagram pohon. Sedangkan yang





Kelompok 9

menggunakan data kuantitatif, adalah Lembar periksa, Diagram Pareto, Histogram,

Scatter diagram, Grafik kendali dan Run chart (Ariani, 2002).

1. Flow Chart

Flow chart skematik atau diagram skematik adalah yang menunjukkan seluruh

langkah dalam suatu proses. Dalam diagram ini ditunjukkan bagaimana langkah

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

simbol dan setiap orang yang bertanggungjawab untuk memperbaiki suatu

proses harus mengetahui seluruh langkah dalam proses tersebut.

2. Brainstorming

Brainstorming adalah cara untuk memacu pemikiran kreatif guna

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

3. Diagram Sebab Akibat ( Cause and Effect Diagram)

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

Kaoru Ishikawa. Diagram tersebut juga disebut Fishbone diagram, karena

berbentuk seperti kerangka ikan. Diagram Sebab Akibat digunakan untuk

mengidentifikasi kategori dan sub kategori sebab-sebab yang mempengaruhi

suatu karakteristik kualitas tertentu .

4. Affinity Diagram

Affinity diagram menggunakan hasil brainstorming untuk mengorganisasikan

informasi, sehingga mudah dipahami untuk perbaikan proses. Affinity diagram

ini berguna untuk menyaring data yang berjumlah besar dan menciptakan pola

pikir baru.

5. Diagram Pohon (Tree Diagram)

Tree diagram atau diagram pohon adalah alat yang digunakan untuk

menghubungkan tujuan yang harus ditempuh dengan tugas yang harus

dilaksanakan untuk mencapai tujuan tersebut.

6. Lembar Periksa (Checksheet)

Checksheet adalah alat yang sering digunakan untuk menghitung seberapa sering

sesuatu itu terjadi dan sering digunakan dalam pengumpulan dan pencatatan

data. Data yang sudah terkumpul tersebut kemudian dimasukkan kedalam grafik





Kelompok 9

seperti diagram Pareto ataupun Histogram, untuk kemudian dilakukan analisis

terhadapnya. Selain Checksheet, pengumpulan data dapat juga menggunakan

datasheet. Pada datasheet, data khusus dicatat dalam ruangan pada lembar kerja.

7. Diagram Pareto (Pareto Diagram)

Diagram ini digunakan untuk menentukan pentingnya atau prioritas kategori

kejadian yang disusun menurut ukurannya atau sebab-sebab yang akan

dianalisis, sehingga dapat memusatkan perhatian pada sebab-sebab yang

mempunyai dampak terbesar.

8. Histogram

Histogram adalah alat yang digunakan untuk menunjukkan variasi data

pengukuran dan variasi setiap proses. Berbeda dengan Pareto chart yang

penyusunannya menurut urutan yang memiliki proporsi terbesar kekiri hingga

proporsi terkecil, maka histogram dalam penyusunannya tidak menggunakan

urutan apapun.

9. Scatter Diagram

Scatter diagram adalah gambaran yang menunjukkan kemungkinan hubungan

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

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

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

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

apakah suatu kesalahan dapat disebut berhubungan.

10. Run Chart

Run chart adalah grafik yang menunjukkan variasi ukuran sepanjang waktu,

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

membandingkan kinerja beberapa kelompok, tetapi tanpa menyebutkan sebab-

sebab terjadinya kecenderungan, daur, atau pola-pola tersebut.

11. Grafik Kendali

Grafik kendali adalah grafik yang digunakan untuk menentukan apakah suatu

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

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





Kelompok 9

limit) dapat menggambarkan performansi yang diharapkan dari suatu proses

konsisten.

.

2.3 Biaya Kualitas

2.3.1 Pengertian Biaya Kualitas

Biaya kualitas adalah biaya yang terjadi atau mungkin akan terjadi karena

kualitas yang buruk. Menurut Blocher, dkk (2000:220), biaya kualitas didefinisikan

sebagai biaya-biaya yang berkaitan dengan pencegahan, pengidentifikasian, perbaikan

produk yang berkualitas rendah dan dengan opportunity cost dari hilangnya waktu

produksi dan penjualan sebagai akibat dari rendahya kualitas. Jadi biaya kualitas adalah

biaya yang berhubungan dengan penciptaan, pengidentifikasian, perbaikan, dan

pencegahan kerusakan. Biaya kualitas merupakan biaya yang terjadi karena adanya

kesadaran akan perlunya menghindari kesalahan sehingga tidak terjadi pemborosan atau

biaya yang terjadi karen adanya kesalahan pada produk yang sudah terlanjur terjadi dan

harus diperbaiki.

(kk.mercubuana.ac.id/, Ir.Fajar Kurniawan, M.Si. PENGENDALIAN KUALITAS)

2.3.2 Jenis-Jenis Biaya Kualitas

Menurut Russel yang dikutip oleh Ariani (2004:9), biaya kualitas digolongkan

dalam dua golongan besar, yaitu:

1) Cost Of Conformance

Biaya yang termasuk dalam cost of conformace adalah biaya pencegahan dan

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

kualitas produk sesuai dengan keinginan pelanggan.

a. Biaya pencegahan (prevention cost)

Biaya pencegahan merupakan biaya yang terjadi untuk mencegah kerusakan

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

berkaitan dengan setiap kegiatan yang dirancang untuk memastikan bahwa

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

Biaya pencegahan meliputi:





Kelompok 9

Biaya pelatihan kualitas, yaitu pengeluaran-pengeluaran untuk

program-program pelatihan internal dan eksternal.

Biaya Teknik dan perencanaan kualitas, yaitu biaya-biaya yang

dikeluarkan untuk aktifitas-aktifitas yang berhubungan dengan patokan

rencana kualitas produk yang dihasilkan.

Biaya pemeliharaan peralatan, yaitu biaya yang dikeluarkan untuk

memasang, menyesuaikan, mempertahankan, memperbaiki, dan

menginspeksi peralatan produksi, proses dan sistem.

Biaya penjaminan supplier, yaitu biaya yang dikeluarkan untuk

mengembangkan kebutuhan dan pengukuran data, auditing dan

pelaporan kualitas.

b. Biaya penilaian (Detection/Appraisal Cost)

Biaya penilaian dikeluarkan dalam rangka pengukuran dan analisis data

untuk menentukan apakah produk atau jasa sesuai dengan spesifikasinya dan

persyaratan-persyaratan kualitas. Tujuan utama penilaian adalah untuk

menghindari terjadinya kesalahan dan kerusakan sepanjang proses perusahaan,

misalnya mencegah pengiriman barang-barang yang tidak sesuai dengan

persyaratan kepada pelanggan. Biaya ini meliputi:

Biaya pengujian dan inspeksi, yaitu biaya yang dikeluarkan untuk

menguji dan menginspeksi kesesuaian barang yang akan datang, produk

dalam proses dan produk selesai dengan kualifikasi yang tercantum

dalam pesanan

Peralatan pengujian, yaitu biaya yang dikelurkan untuk memperoleh,

mengoperasikan, atau mempertahankan kualitas, software, mesin dan

peralatan pengujian atau penilaian kualitas produk dan proses

Audit kualitas, yaitu biaya yang meliputi pemeriksaan kualitas produk,

seperti gaji dan upah semua orang yang terlibat dalam penilaian kualitas

produk dan jasa dan pengeluaran lain yang dikeluarkan selama

penilaian kualitas.





Kelompok 9

Evaluasi persediaan, yaitu biaya yang meliputi pengujian produk di

gudang, dengan tujuan untuk mendeteksi terjadinya penurunan kualitas

produk

Biaya informasi, yaitu biaya yang dikeluarkan untuk menyiapkan dan

membuktikan laporan kualitas.

2) Cost Of Non Conformance

Biaya yang termasuk kedalam Cost of Non Conformance adalah biaya kegagalan

internal dan ekternal karena biaya-biaya tersebut merupakan biaya yang

dikeluarkan karena menghasilkan produk yang cacat dan opportunity cost karena

ditolaknya produk atau jasa.

a. Biaya Kegagalan Internal (Internal Failure Cost)

Merupakan biaya yang terjadi karena adanya ketidaksesuaian dengan

persyaratan atau biaya yang dikeluarkan karena rendahnya kualitas yang

ditemukan sejak penilaian awal dan sebelum barang atau jasa dikirimkan

kepada pelanggan. Pengukuran biaya kegagalan internal dilakukan dengan

menghitung kerusakan produk sebelum meninggalkan pabrik. Biaya

kegagalan internal meliputi:

Biaya tindakan koreksi, adalah biaya untuk waktu yang dihabiskan

untuk menemukan penyebab kegagalan dan untuk mengoreksi

masalah

Scrap, adalah kerugian yang timbul karena adanya sisa bahan baku

yang tidak terpakai dalam upaya memenuhi tingkat kualitas yang

dikehendaki.

Rework, adalah biaya yang timbul untuk melakukan proses

pengerjaan ulang agar dapat memenuhi standar kualitas yang

disyaratkan.

Biaya proses, adalah biaya yang dikeluarkan untuk mendesain

ulang produk atau proses dan pemberhentian mesin yang tidak





Kelompok 9

direncanakan dan gagalnya produksi karena adanya penyelaan

proses untuk perbaikan dan pengerjaan kembali

Biaya ekspedisi, adalah biaya yang dikeluarkan untuk mempercepat

operasi pengolahan karena adanya waktu yang dihabiskan untuk

perbaikan dan pengerjaan kembali

Biaya inspeksi dan pengujian ulang, adalah biaya yang dikeluarkan

selama inspeksi ulang atau pengujian ulang atas produk-produk

yang telah diperbaiki

Factory Contact Engineering, adalah biaya yang berhubungan

dengan waktu yang digunakan oleh para ahli produk atau produksi

yang terlibat dalam masalah-masalah produksi yang menyangkut

kualitas.

b. Biaya Kegagalan Eksternal (External Failure Cost)

Biaya kegagalan eksternal adalah biaya yang terjadi karena produk atau

jasa gagal memenuhi persyaratan-persyaratan yang diketahui setelah produk

itu dikirimkan kepada pelanggan, seperti biaya dalam rangka meralat cacat

kualitas setelah produk sampai ke pelanggan dan laba gagal yang diperoleh

karena hilangnya peluang sebagai akibat adanya produk atau jasa yang tidak

dapat diterima oleh pelanggan. Biaya ini merupakan biaya yang paling

membahayakan karena dapat membuat reputasi buruk , kehilangan

pelanggan dan kehilangan pangsa pasar. Biaya kegagalan eksternal meliputi:

Biaya untuk menangani keluhan dan pengembalian dari pelanggan,

biaya ini meliputi semua biaya yang ditimbulkan karena adanya

keluhan-keluhan tertentu, sehingga diperlukan pemeriksaan, reparasi

atau penggantian/penukaran produk. Biaya penanganan keluhan ini

dibedakan antara yang masih bergaransi dan masa garansinya sudah

lewat.

Pelayanan (service) produk, adalah biaya yang dikeluarkan akibat

dari usaha untuk memperbaiki ketidaksempurnaan atau untuk





Kelompok 9

pengujian khusus atau untuk memperbaiki yang cacat yang bukan

disebabakan oleh adanya keluhan pelanggan.

Biaya penarikan kembali dan pertanggung jawaban produk, biaya

untuk menangani pengembalian produk, perbaikan atau penggantian,

biaya hukum atau biaya penyelesaian hukum.

Penjualan yang hilang karena produk yang tidak memuaskan, margin

kontribusi yang hilang karena pesanan yang tertunda, penjualan yang

hilang dan menurunnya pangsa pasar.

Hansen dan Mowen (2005:8) mendefinisikan kegiatan-kegiatan yang

berhubungan dengan kualitas juga menunjukkan empat kategori biaya, yaitu:

1. Biaya pencegahan (prevention cost), yaitu biaya untuk mencegah

kerusakan atau cacat produk.

2. Biaya penilaian (appraisal cost), yaitu biaya yang harus dikeluarkan

untuk mengadakan pengujian terhadap produk yang dihasilkan.

3. Biaya kegagalan internal (internal failure cost), yaitu biaya yang harus

dikeluarkan karena perusahaan menghasilkan produk yang cacat, tapi cacat

produk tersebut sudah diketahui sebelum produk tersebut sampai pada

pelanggan.

4. Biaya kegagalan eksternal (external failure cost), yaitu biaya yang

dikeluarkan perusahaan karena menghasilkan produk yang cacat, dan produk ini

telah diterima oleh konsumen.

2.4 Peta Kendali

Peta kendali merupakan alat yang berfungsi untuk memonitor proses sehingga

variasi dari proses dapat dikendalikan secara statistic.

Macam-macam peta kendali:

a. Peta kendali variable digunakan jika karakteristik kualitas yang akan

dikendalikan diperoleh melalui pengukuran.

Contoh peta kendali variable : peta kendali X – s, X – R, X – MR





Kelompok 9

b. Peta kendali atribut digunakan jika karakteristik kualitas yang akan dikendalikan

tidak diperoleh melalui pengukuran. Namun atribut yang diperoleh melalui

pemeriksaan karakteristik produk yang hasilnya dinyatakan dengan sesuai atau

tidak sesuai berdasarkan ukuran atau standar tertentu.

Macam-macam peta kendali atribut

a. 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 :

p= jumlah cacatjumlah diperiksa

Sedangkan untuk batas-batas kendali untuk peta kendali diberikan oleh:

Garis Tengah = p=

∑t=1

m

x t

n

UCL = p + 3√ p (1−p )ni

LCL = p - 3√ p (1−p )ni

b. 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





Kelompok 9

serupa dengan pembentukan p-Chart. Jika ukuran sampel berubah, garis sumbu

dan batas kendali akan berubah pula.

n p =

Total Jumlah yang ditolakJumlah lot yang diperiksa

BKA = n p + 3√n p (1−p )

BKB = n p - 3√n p (1−p )Distribusi yang berlaku distribusi binomial.

Contoh penerapan : Jumlah produk yang ditolak pada pemeriksaan dengan

ukuran lot berbeda komponen elektronik karena tidak sesuai spesifikasi.

c. Peta Kendali Jumlah Ketidaksesuaian (c-chart)

u-Chart dan c-Chart berhubungan dengan item cacat. c-Chart digunakan untuk

melacak jumlah total ketidaksesuaian dalam sampel-sampel dengan ukuran

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 =

Jumlah kesalahan atau cacat totalJumlah pemeriksaan

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.

d. 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 pesat dan batas kendali suatu tabel

berubah sesuai dimana ukuran sampel bervariasi. U- chart digunakan perusahaan





Kelompok 9

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 ukuran sampel ketika

bariasi ukuran sampelsuatu peta kendali-u digunakan untuk memontor

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 =

∑ c i

∑ ni = rata-rata cacat persatuan

ui =

Jumlah ketidaksesuaian yang diperolehJumlah unit pengukuran yang diperiksa =

c i

n

UCL = u + 3 √ uni

LCL = u - 3 √ uni

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.

e. Peta Kendali Jumlah Cela per Unit (U-chart)

Grafik kendali c dan u digunakan untuk semua jenis cacat banyaknya

ketidaksesuaian, tanpa memperhatikan derajat pembagiannya. 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.





Kelompok 9

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.

Jumlah cacat terbobot

D = w1c1 + w2c2 + w3c3 + w4c4

Rata-rata cacat terbobot perunit

U =

Dn = (w1c1 + w2c2 + w3c3 + w4c4)/n

c adalah bilangan hasil penghitungan “cacat” (Poisson). Sehingga U merupakan

kombinasi linier dari variable acak independen Poisson.

U = w1u

1+ w2u

2+ w3u

3+ w4u

4

U = √ w12 u1+w2

2 u2+w32 u3+w4

2 u4

n

UCL = U + 3U

LCL = U - 3U

(modul 6 Praktikum PTI)





Kelompok 9

BAB III

METODOLOGI PENELITIAN

Gambar 3.1 Metodologi Penilitian





Kelompok 9

Berdasarkan metodologi praktikum di atas dapat dilihat tahapan-tahapan yang

akan dilalui praktikan dalam menyelesaikan laporan tentang Statistical Quality Control

and Quality Cost Planning. Tahap pertama setelah memulai praktikum adalah

menentukan tujuan dari penulisan laporan. Kemudian menentukan batasan dan asumsi.

Melakukan Studi pustaka yang menyangkut tentang Quality Control and Quality Cost

Planning. Setelah melakukan studi pustaka selanjutnya adalah menentukan rencana

sampling penerimaan, membuat peta kendali variabel raw material, membuat diagram

pareto finish product, dan menghitung biaya kualitas. Hal yang perlu diperhatikan

dalam penentuan rencana sampling penerimaan adalah kebijakan perusahaan mengenai

AQL (Acceptable Quality Level) dan data tentang laporan pemesanan (MRP). Setelah

selesai menentukan rencana sampling penerimaan langkah selanjutnya adalah

menentukan jumlah sample. Selanjutnya melakukan pengukuran dimensi komponen.

Kemudian menentukan lot diterima atau tidak. Dalam membuat peta kendali variabel

raw material memerlukan data kebijakan perusahaan mengenai AQL dan data tentang

laporan pemesanan (MRP). Selanjutnya adalah melakukan inspeksi apakah data

terkontrol, jika ya maka lanjut menghitung performansi peta kendali. Jika data tidak

terkontrol maka mengeleminasi data yang out of control dan membuat peta kendali lagi

sampai data terkontrol. Untuk membuat diagram pareto finish product memerlukan data

kebijakan perusahaan mengenai AQL dan data lapora inspeksi bulanan. Kemudian

membuat peta kendali variabel finish product, dan jika data terkendali maka dapat

melanjutkan membuat kesimpulan dan saran tetapi jika tidak terkontrol maka

dilanjutkan dengan membuat diagram fishbone. Sedangkan untuk menghitung biaya

kualitas memerlukan data tentang kebijakan AQL dan data biaya yang dikeluarkan.

Selanjutnya setelah selesai menyelesaikan masing-masing langkah dalam menentukan

sampling penerimaan, membuat peta kendali variabel raw material, membuat diagram

pareto finish product, dan menghitung biaya kualitas, tahapan selanjutnya adalah

melakukan analisis. Kemudian dilanjutkan dengan membuat kesimpulan dan saran.





Kelompok 9

BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Acceptance Sampling

4.1.1 Kebijakan sampel untuk As Roda

Panjang as roda

- Hasil output MRP as Roda

Tabel 4.1 Hasil Output MRP As roda

PERIODE 1 2 3 4 5 6 7 8 9 10 11 12 Totalas roda 0 14.219 0 0 0 8.303 0 14.236 0 0 0 0 36.758

- Berdasarkan output MRP, ukuran lot periode 2 sebesar 14.219. berdasarkan

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

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

diantara 10.001-35000)

- N = 25

AQL = 0,35 konversi nilai AQL berdasarkan tabel 10.1 AQL conversion tabel ,

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

0,40 karena 0,35 berada di antara 0,280 sampai 0,439.

Tabel 4.2 AQL Panjang As roda

No Panjang as roda (mm) X2

1 59,4 3528,362 59,4 3528,363 59,4 3528,364 59,5 3540,255 59,5 3540,256 60 3600,007 59,9 3588,018 59,9 3588,019 59,9 3588,0110 59,8 3576,0411 59,9 3588,0112 59,9 3588,0113 60 3600,0014 59,85 3582,02





Kelompok 9

Lanjutan Tabel 4.2 AQL Panjang As roda

15 59,9 3588,0116 59,95 3594,0017 59,75 3570,0618 59,8 3576,0419 59,9 3588,0120 60 3600,0021 59,8 3576,0422 59,85 3582,0223 59,85 3582,0224 60 3600,0025 59,8 3576,04

Jumlah 1494,95 89395,94

x=59,4+59.4+… ..+59,825

=1494,95

25=59.80

S = √∑ x2−¿¿¿¿¿ = √ 89395,94−(1494,95)2/2525−1

= 0.196

Standar perusahaan untuk panjang as roda

58.5mm 1,5mm

USL = 58.5 + 1,5 = 60 mm

LSL = 58.5 - 1,5 = 57 mm

Zu = USL−X

S =

60−59.800.196

= 1,030 ZL = X−LSL

S =

59.80−570.196

=

14,272

- Berdasarkan tabel 10.3 buku amitava mitra halaman 422.didapatkan nilai

konsatanta k = 2,5.

Jadi , zu < k = 1,030 < 2,5 dan zl >k = 14,272 > 2,5 Keputusannya zu ditolak

dan zl diterima

Karena hasilnya ada 2 keputusan maka digunakan double acceptance sampling

Berdasarkan tabel 10.7 buku amitava mitra didapatkan nilai PU = 15,15 dan

PL = 0 jadi P= Pu + PL =15,15 + 0 = 15,15

- Berdasarkan tabel 10.5 buku amitava mitra halaman 424 , didapatkan nilai

konsatanta M = 3,8





Kelompok 9

Jadi , P > M = 15,15 > 3,8 sehingga keputusannya adalah lot ditolak

Diameter as roda

- N = 25

AQL = 0,35 konversi nilai AQL berdasarkan tabel 10.1 AQL conversion tabel ,

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

0,40 karena 0,35 berada di antara 0,280 sampai 0,439.

- ukuran lot periode 2 sebesar 14.219. berdasarkan tabel 10.2 sample size code

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

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

Tabel 4.3 AQL Diameter As roda

No Diameter As Roda (mm) X2

1 1,9 3,61002 1,88 3,53443 1,9 3,61004 2 4,00005 1,9 3,61006 1,9 3,61007 1,9 3,61008 1,9 3,61009 1,9 3,610010 1,88 3,534411 2 4,000012 1,78 3,168413 1,78 3,168414 1,8 3,240015 1,82 3,312416 1,82 3,312417 1,78 3,168418 1,8 3,240019 1,78 3,168420 1,78 3,168421 1,76 3,097622 1,78 3,168423 1,78 3,168424 1,78 3,168425 1,76 3,0976





Kelompok 9

Total 46,06 84,9860

x=1,9+1,8+… ..+1,7625

=46,06

25= 1, 84

S = √∑ x2−¿¿¿¿¿ = √ 84,9860−(46,06)2/2525−1

= 0.072

Standar perusahaan untuk diameter as roda

1,8 mm 0,2mm

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

LSL = 1,8 – 0,2 = 1,6 mm

Zu = USL−X

S =

2−1,840.072

= 2,183 ZL = X−LSL

S =

1,84−1,60,072

= 3,358

- Berdasarkan tabel 10.3 buku amitava mitra halaman 422.didapatkan nilai

konsatanta k = 2,5.

Jadi , zu > k = 2,183 > 2,5 dan zl >k = 3,358 > 2,5 Keputusannya zu dan zl

diterima

Berdasarkan tabel 10.7 buku amitava mitra didapatkan nilai PU = 1,13 dan

PL = 0,005 jadi P= Pu + PL =1,13 + 0,005 = 1,135

- Berdasarkan tabel 10.5 buku amitava mitra halaman 424 , didapatkan nilai

konsatanta M = 3,8

Jadi , P < M = 1,13 < 3,8 sehingga keputusannya adalah lot diterima.

4.1.2 Kebijakan sampel untuk Gardan

Panjang Gardan

- Hasil output MRP gardan

Tabel 4.4 Hasil output panjang Gardan

period

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

gardan 0

4.79

7 0

5.92

2 0

8.30

3 0

8.31

2 0

5,92

4 0 0





Kelompok 9

- Berdasarkan Output MRP, lot size as roda periode 2 adalah 4.797

Berarti berdasarkan tabel 10.2 (Buku Amitava Mitra) sample size code

letters (s-4) diperoleh

inspection levels adalah H = (3.201-10.000)

- N= 20 (berdasar tabel 10-3dari Buku Amitava Mitra)

AQL = 0,18, berdasar tabel 10-1 AQL conversion tabel AQL value = 0,25

(0,165-0,279)

Tabel 4.5 Data Pengukuran Panjang Gardan

NoUkuran (mm)

x2

1 74.35520.49

2 74.25505.64

3 74.15490.81

4 74.35520.49

5 74.45535.36

6 74.55550.25

7 74.45535.36

8 74.55550.25

9 73.35372.89

10 74.35520.49

11 74.45535.36

12 74.35520.49

13 74.25505.64

14 74.45535.36

15 74.3 5520.4





Kelompok 9

9

16 74.35520.49

17 74.55550.25

18 74.35520.49

19 74.55550.25

20 74.35520.49

Jumlah 1485.8

110381

x=74,3+74,2+74,1+74,3+74,4+…+74,320

=1485,820

=74,29

S = √∑ x2−¿¿¿¿¿

Standar perusahaan untuk panjang gardan 74 0,75 mm

USL = 74 + 0,75 = 74,75

LSL= 74 – 0,75 = 73,75

Zu = USL−X

S =

74,75−74,290.2198

= 2,0928 dan ZL = X−LSL

S =

74,29−73,750.2198

= 2,4568

Single Spesification Limit

Dari tabel 10-3 (Buku Amitava Mitra) master tabel for normal diperoleh nilai k=

2,24

Jadi, Zu < k = 2,0928 < 2,24 maka keputusannya yaitu lot ditolak, sedangkan

untuk ZL > k = 2,4568 > 2,24 maka keputusannya yaitu lot diterima. Karena

keputusannya ada 2 maka dilanjutkan ke double.

Double Spesification Limit

Berdasarkan tabel 10-7 (Buku Amitava Mitra) diperoleh nilai Pu dan PL:

Pu = 1,38 PL = 0,373 P= Pu+ PL =1,38+0,373 = 1,753

Dari tabel 10-5 master tabel for normal diperoleh nilai m = 0,846





Kelompok 9

Jadi, P > m = 1,753 > 0,846 maka keputusannya yaitu lot ditolak.

Diameter Gardan

- Hasil output MRP garden


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

Garden 0 4.797 05.922 0 8.303 0 8.312 0

5,924 0 0





- N= 20 (berdasar tabel 10-3 dari Buku Amitava Mitra))

AQL = 0,18, berdasar tabel 10-1 (Buku Amitava Mitra) AQL conversion

tabel AQL value = 0,25 (0,165-0,279)

Tabel 4.7 Data Pengukuran Diameter Gardan

No Ukuran (mm) x21 1.36 1.84962 1.38 1.90443 1.42 2.01644 1.38 1.9044





Kelompok 9

Lanjutan Tabel 4.7 Data Pengukuran Diameter Gardan

5 1.4 1.966 1.4 1.967 1.38 1.90448 1.38 1.90449 1.38 1.904410 1.38 1.904411 1.38 1.904412 1.38 1.904413 1.4 1.9614 1.42 2.016415 1.4 1.9616 1.38 1.904417 1.4 1.9618 1.38 1.904419 1.4 1.9620 1.4 1.96jumlah 27.8 38.6464

x=1,36+1,38+1,42+1,38+1,4+…+1,420

=27,820

=1,39

S = √∑ x2−¿¿¿¿¿

Standar perusahaan untuk panjang gardan 1,8 0,2 mm

USL = 1,8 + 0,2 = 2

LSL= 1,8 – 0,2 = 1,6

Zu = USL−X

S =

2−1,390.0152

= 40,132 dan ZL = X−LSL

S =

1,39−1,60.0152

= -

13,82






Kelompok 9

Dari tabel 10-3 (Buku Amitava Mitra) master tabel for normal diperoleh nilai k

= 2,11

Jadi, Zu > k = 40,132 > 2,11 maka keputusannya yaitu lot diterima. Sedangkan

untuk ZL < k = - 13,82 < 2,11 maka keputusannya yaitu lot ditolak. Karena

keputusannya ada 2 maka dilanjutkan ke double.

Double Spesification Limit

Berdasarkan tabel 10-3 diperoleh nilai Zu dan ZL:

Pu = 0 PL = 50P= Pu+ PL =0+50=50

Dari tabel 10-5 (Buku Amitava Mitra) master tabel for normal diperoleh nilai m

= 0,846

Jadi, P > m = 50 > 0,846 maka keputusannya yaitu lot ditolak.

4.1.3 Kebijakan sampel untuk Besi Dinamo

- Hasil output MRP dynamo


periode 1 2 3 4 5 6 7 8 9 10 11 12dianamo 0 5,922 0 8,303 0 8,312 0 5,924 0 0 0 0





- N= 20 (berdasar tabel 10-3)

AQL = 0,18, berdasar tabel 10-1 AQL conversion tabel AQL value = 0,25

(0,165-0,279)

Tabel 4.9 Data Pengukuran Diameter Dinamo

No Ukuran (mm) x21 1.9 3.612 1.94 3.76363 1.9 3.614 1.88 3.53445 1.94 3.76366 1.88 3.5344





Kelompok 9

7 1.9 3.618 1.88 3.53449 1.88 3.534410 1.9 3.6111 1.92 3.686412 1.9 3.6113 1.92 3.686414 1.9 3.6115 1.88 3.5344

Lanjutan Tabel 4.9 Data Pengukuran Diameter Dinamo

16 1.9 3.6117 1.92 3.686418 1.9 3.6119 1.94 3.763620 1.88 3.5344

jumlah 38.06 72.4364

x=1,9+1,94+1,9+1,88+1,94+…+1,8820

=38,0620

=1,903

S = √∑ x2−¿¿¿¿¿

Standar perusahaan untuk panjang gardan 1,95 0,15 mm

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

LSL= 1,95 – 0,15 = 1,8

Zu = USL−X

S =

2,1−1,9030.021

= 9,3801 dan ZL = X−LSL

S =

1,903−1,80.021

=

4,9048


Dari tabel 10-3 (Buku Amitava Mitra) master tabel for normal diperoleh nilai k

= 2,11

Jadi, Zu > k = 9,3801 > 2,11 sedangkan untuk ZL > k = 4,9048 > 2,11 maka

keputusannya yaitu lot diterima.

4.2 Pengumpulan dan Pengolahan Data Kualitas Raw Material

4.2.1 Data Variabel

1. Panjang Gardan





Kelompok 9

Perhitungan Manual

a. Peta MR

Iterasi 0

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 4,420−1

= 0,232

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

Sehingga,

UCLR= D4 R=¿ 3.267 x 0,232 = 0,7566

LCLR = D3 R = 0 x 0,232 = 0

Tabel 4.10 Perhitungan MR Panjang Gardan Iterasi 0

No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 40 74,32 30 74,2 0,1 0,232 0,7566 03 51 74,1 0,1 0,232 0,7566 04 12 74,3 0,2 0,232 0,7566 05 9 74,4 0,1 0,232 0,7566 06 58 74,5 0,1 0,232 0,7566 07 39 74,4 0,1 0,232 0,7566 08 55 74,5 0,1 0,232 0,7566 09 37 73,3 1,2 0,232 0,7566 0

10 3 74,3 1 0,232 0,7566 011 48 74,4 0,1 0,232 0,7566 012 62 74,3 0,1 0,232 0,7566 013 60 74,2 0,1 0,232 0,7566 014 59 74,4 0,2 0,232 0,7566 015 56 74,3 0,1 0,232 0,7566 016 8 74,3 0 0,232 0,7566 017 33 74,5 0,2 0,232 0,7566 018 21 74,3 0,2 0,232 0,7566 019 11 74,5 0,2 0,232 0,7566 020 49 74,3 0,2 0,232 0,7566 0

Jumlah 4,4 4,4 14,3748 0Rata – Rata 0,232 0,232 0,7566 0





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

0.2

0.4

0.6

0.8

1

1.2

1.4

Grafik Peta Kendali MR Panjang Gardan Iterasi 0

MRMR barUCLLCL

Sampel

Keti

daks

esua

ian

Gambar 4.1 Grafik Peta Kendali MR Panjang Gardan Iterasi 0

Berdasarkan grafik diatas terdapat data yang melewati UCL yakni pada data

nomor 9 dan 10 dengan nilai MR sebesar 1,2 dan 1, sehingga harus dilakukan iterasi ke-

1 untuk menghilangkan data nomer 9 dan 10.

Iterasi 1

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 2,218−1

= 0,129


Sehingga,

UCLR= D4 R=¿ 3.267 x 0,129 = 0,4228

LCLR = D3 R = 0 x 0,129 = 0

Tabel 4.11 Perhitungan MR Panjang Gardan Iterasi 1

No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 40 74,32 30 74,2 0,1 0,129 0,4228 03 51 74,1 0,1 0,129 0,4228 04 12 74,3 0,2 0,129 0,4228 05 9 74,4 0,1 0,129 0,4228 06 58 74,5 0,1 0,129 0,4228 07 39 74,4 0,1 0,129 0,4228 08 55 74,5 0,1 0,129 0,4228 0

11 48 74,4 0,1 0,129 0,4228 012 62 74,3 0,1 0,129 0,4228 013 60 74,2 0,1 0,129 0,4228 0





Kelompok 9

14 59 74,4 0,2 0,129 0,4228 015 56 74,3 0,1 0,129 0,4228 016 8 74,3 0 0,129 0,4228 017 33 74,5 0,2 0,129 0,4228 018 21 74,3 0,2 0,129 0,4228 019 11 74,5 0,2 0,129 0,4228 020 49 74,3 0,2 0,129 0,4228 0

Jumlah 2,2 2,2 7,1874 0Rata - Rata 0,129 0,129 0,4228 0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

Grafik Peta Kendali MR Panjang Gardan Iterasi 1

MRMR barUCLLCL

Sampel

Ke

tid

akse

suai

an

Gambar 4.2 Grafik Peta Kendali MR Panjang Gardan Iterasi 1

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

sehingga tidak perlu dilakukan iterasi ke-2.

Hasil Software

a. Software SPSS

Iterasi 0





Kelompok 9

Gambar 4.3 Software SPSS Peta Kendali MR Panjang Gardan Iterasi 0

Iterasi 1

Gambar 4.4 Software SPSS Peta Kendali MR Panjang Gardan Iterasi 1

b. Software Minitab

Iterasi 0





Kelompok 9

Observation

Moving Range

191715131197531

1,2

1,0

0,8

0,6

0,4

0,2

0,0

__MR=0,232

UCL=0,757

LCL=0

1

1

Moving Range Chart of C1

Gambar 4.5 Software Minitab Peta Kendali MR Panjang Gardan Iterasi 0

Iterasi 1

Observation

Moving Range

1715131197531

0,4

0,3

0,2

0,1

0,0

__MR=0,1294

UCL=0,4228

LCL=0


Gambar 4.6 Software Minitab Peta Kendali MR Panjang Gardan Iterasi 1

Peta x

Iterasi 0





Kelompok 9

X = CLX =

∑i=1

n

= XSubgroup

=1338 ,218

= 74,3444

UCLX = X+2,66*MR = 74,3444 + 2,66*0,129 = 74,688

LCLX = X−2,66*MR = 74,3444 - 2,66*0,0129 = 74,001

Tabel 4.12 Perhitungan x Panjang Gardan Iterasi 0

No No. Komponen Ukuran (mm) X bar UCL LCL1 40 74,3 74,34444 74,688 74,0012 30 74,2 74,34444 74,688 74,0013 51 74,1 74,34444 74,688 74,0014 12 74,3 74,34444 74,688 74,0015 9 74,4 74,34444 74,688 74,0016 58 74,5 74,34444 74,688 74,0017 39 74,4 74,34444 74,688 74,0018 55 74,5 74,34444 74,688 74,001

11 48 74,4 74,34444 74,688 74,00112 62 74,3 74,34444 74,688 74,00113 60 74,2 74,34444 74,688 74,00114 59 74,4 74,34444 74,688 74,00115 56 74,3 74,34444 74,688 74,00116 8 74,3 74,34444 74,688 74,001

Lanjutan Tabel 4.12 Perhitungan x Panjang Gardan Iterasi 0

17 33 74,5 74,34444 74,688 74,00118 21 74,3 74,34444 74,688 74,00119 11 74,5 74,34444 74,688 74,00120 49 74,3 74,34444 74,688 74,001

Jumlah 1338,2 966,4778 970,939 962,017Rata - Rata 74,34444 74,344 74,688 74,001

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 1873.6

73.8

74

74.2

74.4

74.6

74.8

Grafik Peta Kendali x Panjang Gardan Iterasi 0

Ukuran (mm)X barUCLLCL

Sampel

Ke

tid

akse

suai

an





Kelompok 9

Gambar 4.7 Grafik Peta Kendali x Panjang Gardan Iterasi 0



Hasil Software

a. Software SPSS

Iterasi 0

Gambar 4.8 Software SPSS Peta Kendali x Panjang Gardan Iterasi 0

b. Software Minitab

Iterasi 0

Observation

Individual Value

1715131197531

74,7

74,6

74,5

74,4

74,3

74,2

74,1

74,0

_X=74,3444

UCL=74,6886

LCL=74,0003

I Chart of C1

Gambar 4.9 Software Minitab Peta Kendali x Panjang Gardan Iterasi 0

2. Diameter Gardan

Perhitungan Manual





Kelompok 9

a. Peta MR

Iterasi 0

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 ,2820−1

=0 , 015


Jadi

UCLR= D4 R=¿ 3,267 x 0,015 = 0,0481

LCLR = D3 R = 0 x 0,015 = 0

Tabel 4.13 Perhitungan MR Diameter Gardan Iterasi 0

No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 40 1,362 30 1,38 0,02 0,015 0,0481 03 51 1,42 0,04 0,015 0,0481 04 12 1,38 0,04 0,015 0,0481 05 9 1,4 0,02 0,015 0,0481 06 58 1,4 0 0,015 0,0481 07 39 1,38 0,02 0,015 0,0481 08 55 1,38 0 0,015 0,0481 09 37 1,38 0 0,015 0,0481 0

Lanjutan Tabel 4.13 Perhitungan MR Diameter Gardan Iterasi 0

10 3 1,38 0 0,015 0,0481 011 48 1,38 0 0,015 0,0481 012 62 1,38 0 0,015 0,0481 013 60 1,4 0,02 0,015 0,0481 014 59 1,42 0,02 0,015 0,0481 015 56 1,4 0,02 0,015 0,0481 016 8 1,38 0,02 0,015 0,0481 017 33 1,4 0,02 0,015 0,0481 018 21 1,38 0,02 0,015 0,0481 019 11 1,4 0,02 0,015 0,0481 020 49 1,4 0 0,015 0,0481 0

Jumlah 0,28 0,28 0,91476 0Rata - Rata 0,015 0,015 0,0481 0





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

0.01

0.02

0.03

0.04

0.05

0.06

Grafik Peta Kendali MR Diameter GardanIterasi 0

MRMR barUCLLCL

Sampel

Ke

tid

akse

suaia

n

Gamber 4.10 Grafik Peta Kendali MR Diameter Gardan Iterasi 0







Kelompok 9

Hasil Software

a. Software SPSS

Iterasi 0

Gamber 4.11 Sofware SPSS Peta Kendali MR Diameter Gardan Iterasi 0

b. Software Minitab

Iterasi 0

Observation

Moving Range

191715131197531

0,05

0,04

0,03

0,02

0,01

0,00

__MR=0,01474

UCL=0,04815

LCL=0

Peta Kendali MR Diameter Gardan Iterasi 0

Gamber 4.12 Sofware Minitab Peta Kendali MR Diameter Gardan Iterasi 0

a. Peta x

Iterasi 0

X = CLX =

∑i=1

n

= XSubgroup

=27 ,820

=1 ,39

UCLX = X+2,66*MR = 1,39 + 2,66*0,015 = 1,429

LCLX = X−2,66*MR = 1,39 - 2,66*0,015 = 1,351





Kelompok 9

Tabel 4.14 Perhitungan X Diameter Gardan Iterasi 0

No No. Komponen Ukuran (mm) X bar UCL LCL1 40 1,36 1,39 1,429 1,3512 30 1,38 1,39 1,429 1,3513 51 1,42 1,39 1,429 1,3514 12 1,38 1,39 1,429 1,3515 9 1,4 1,39 1,429 1,3516 58 1,4 1,39 1,429 1,3517 39 1,38 1,39 1,429 1,3518 55 1,38 1,39 1,429 1,3519 37 1,38 1,39 1,429 1,351

10 3 1,38 1,39 1,429 1,35111 48 1,38 1,39 1,429 1,35112 62 1,38 1,39 1,429 1,35113 60 1,4 1,39 1,429 1,35114 59 1,42 1,39 1,429 1,35115 56 1,4 1,39 1,429 1,35116 8 1,38 1,39 1,429 1,35117 33 1,4 1,39 1,429 1,35118 21 1,38 1,39 1,429 1,35119 11 1,4 1,39 1,429 1,35120 49 1,4 1,39 1,429 1,351

Jumlah 27,8 27,8 28,584 27,016

Rata - Rata 1,39 1,390 1,429 1,351

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 201.3

1.32

1.34

1.36

1.38

1.4

1.42

1.44

Grafik Peta Kendali X Diameter GardanIterasi 0

Series1Series2Series3Series4

Sampel

Ke

tid

ak

sesu

aia

n

Gambar 4.13 Grafik Peta Kendali X Diameter Gardan Iterasi 0







Kelompok 9

Hasil Software

a. Software SPSS

Iterasi 0

Gambar 4.14 Software SPSS Peta Kendali X Diameter Gardan Iterasi 0

b. Software Minitab

Iterasi 0

Observation

Individual Value

191715131197531

1,43

1,42

1,41

1,40

1,39

1,38

1,37

1,36

1,35

_X=1,39

UCL=1,42919

LCL=1,35081

Peta Kendali X Diameter Gardan Iterasi 0

Gambar 4.15 Software Minitab Peta Kendali X Diameter Gardan Iterasi 0





Kelompok 9

3. Panjang Ass Roda

Perhitungan Manual

a. Peta MR

Iterasi 0

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 2,320−1

=0 , 096


Jadi

UCLR= D4 R=¿ 3,267 x 0,096 = 0,3131

LCLR = D3 R = 0 x 0,096 = 0

Tabel 4.15 Perhitungan MR Panjang Ass Roda Iterasi 0

No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 52 59,42 53 59,4 0 0,096 0,3131 03 74 59,4 0 0,096 0,3131 04 44 59,5 0,1 0,096 0,3131 05 84 59,5 0 0,096 0,3131 06 78 60 0,5 0,096 0,3131 07 7 59,9 0,1 0,096 0,3131 08 20 59,9 0 0,096 0,3131 09 59 59,9 0 0,096 0,3131 0

10 80 59,8 0,1 0,096 0,3131 011 46 59,9 0,1 0,096 0,3131 012 41 59,9 0 0,096 0,3131 013 71 60 0,1 0,096 0,3131 014 32 59,85 0,15 0,096 0,3131 015 62 59,9 0,05 0,096 0,3131 016 66 59,95 0,05 0,096 0,3131 017 25 59,75 0,2 0,096 0,3131 018 49 59,8 0,05 0,096 0,3131 019 82 59,9 0,1 0,096 0,3131 020 41 60 0,1 0,096 0,3131 021 19 59,8 0,2 0,096 0,3131 022 9 59,85 0,05 0,096 0,3131 023 2 59,85 0 0,096 0,3131 024 63 60 0,15 0,096 0,3131 025 60 59,8 0,2 0,096 0,3131 0

Lanjutan Tabel 4.15 Perhitungan MR Panjang Ass Roda Iterasi 0





Kelompok 9

Jumlah 2,3 2,300 7,5141 0

Rata – Rata 0,096 0,096 0,3131 0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240

0.1

0.2

0.3

0.4

0.5

0.6

Grafik Peta Kendali MR Panjang Ass RodaIterasi 0

MRMR barUCLLCL

Sampel

Keti

daks

esua

ian

Gambar 4.16 Grafik Peta Kendali MR Panjang Ass Roda Iterasi 0

Berdasarkan grafik diatas terdapat data yang melewati UCL (0,3131) yakni pada

data nomor 6 dengan nilai MR sebesar 0,5, sehingga harus dilakukan iterasi ke-1 untuk

menghilangkan data nomer 6.

Iterasi 1

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 2,119−1

=0 , 091


Jadi

UCLR= D4 R=¿ 3,267 x 0,091 = 0,2983

LCLR = D3 R = 0 x 0,091 = 0


No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 52 59,42 53 59,4 0 0,091 0,2983 03 74 59,4 0 0,091 0,2983 04 44 59,5 0,1 0,091 0,2983 05 84 59,5 0 0,091 0,2983 07 7 59,9 0,4 0,091 0,2983 0





Kelompok 9


8 20 59,9 0 0,091 0,2983 09 59 59,9 0 0,091 0,2983 0

10 80 59,8 0,1 0,091 0,2983 011 46 59,9 0,1 0,091 0,2983 012 41 59,9 0 0,091 0,2983 013 71 60 0,1 0,091 0,2983 014 32 59,85 0,15 0,091 0,2983 015 62 59,9 0,05 0,091 0,2983 016 66 59,95 0,05 0,091 0,2983 017 25 59,75 0,2 0,091 0,2983 018 49 59,8 0,05 0,091 0,2983 019 82 59,9 0,1 0,091 0,2983 020 41 60 0,1 0,091 0,2983 021 19 59,8 0,2 0,091 0,2983 022 9 59,85 0,05 0,091 0,2983 023 2 59,85 0 0,091 0,2983 024 63 60 0,15 0,091 0,2983 025 60 59,8 0,2 0,091 0,2983 0

Jumlah 2,1 2,100 6,8607 0Rata - Rata 0,091 0,091 0,2983 0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 230

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45


MRMR barUCLLCL

sampel

keti

dak

sesu

aian









Kelompok 9

Iterasi 2

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 2,118−1

=0 , 095


Jadi

UCLR= D4 R=¿ 3,267 x 0,095 = 0,3119

LCLR = D3 R = 0 x 0,095 = 0


No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 52 59,42 53 59,4 0 0,095 0,3119 03 74 59,4 0 0,095 0,3119 04 44 59,5 0,1 0,095 0,3119 05 84 59,5 0 0,095 0,3119 08 20 59,9 0,4 0,095 0,3119 09 59 59,9 0 0,095 0,3119 0

10 80 59,8 0,1 0,095 0,3119 011 46 59,9 0,1 0,095 0,3119 012 41 59,9 0 0,095 0,3119 013 71 60 0,1 0,095 0,3119 014 32 59,85 0,15 0,095 0,3119 015 62 59,9 0,05 0,095 0,3119 016 66 59,95 0,05 0,095 0,3119 017 25 59,75 0,2 0,095 0,3119 018 49 59,8 0,05 0,095 0,3119 019 82 59,9 0,1 0,095 0,3119 020 41 60 0,1 0,095 0,3119 021 19 59,8 0,2 0,095 0,3119 022 9 59,85 0,05 0,095 0,3119 023 2 59,85 0 0,095 0,3119 024 63 60 0,15 0,095 0,3119 025 60 59,8 0,2 0,095 0,3119 0

Jumlah 2,1 2,100 6,8607 0

Rata - Rata 0,095 0,095 0,3119 0





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 220

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45


MRMR barUCLLCL

Sampel

Ke

tid

akse

sua

ian

Gambar 4.18 Grafik Peta Kendali MR Panjang Ass Roda Iterasi 2 Berdasarkan grafik diatas terdapat data yang melewati UCL (0,3119) yakni pada



Iterasi 3

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 2,118−1

=0,1


Jadi

UCLR= D4 R=¿ 3,267 x 0,1 = 0,3267

LCLR = D3 R = 0 x 0,1 = 0


No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 52 59,42 53 59,4 0 0,100 0,3267 03 74 59,4 0 0,100 0,3267 04 44 59,5 0,1 0,100 0,3267 05 84 59,5 0 0,100 0,3267 09 59 59,9 0,4 0,100 0,3267 0

10 80 59,8 0,1 0,100 0,3267 011 46 59,9 0,1 0,100 0,3267 012 41 59,9 0 0,100 0,3267 013 71 60 0,1 0,100 0,3267 014 32 59,85 0,15 0,100 0,3267 015 62 59,9 0,05 0,100 0,3267 016 66 59,95 0,05 0,100 0,3267 0






Kelompok 9

17 25 59,75 0,2 0,100 0,3267 018 49 59,8 0,05 0,100 0,3267 019 82 59,9 0,1 0,100 0,3267 020 41 60 0,1 0,100 0,3267 021 19 59,8 0,2 0,100 0,3267 022 9 59,85 0,05 0,100 0,3267 023 2 59,85 0 0,100 0,3267 024 63 60 0,15 0,100 0,3267 025 60 59,8 0,2 0,100 0,3267 0

Jumlah 2,1 2,100 6,8607 0

Rata - Rata 0,100 0,100 0,3267 0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 210

0.050.1

0.150.2

0.250.3

0.350.4

0.45


MR

MR bar

UCL

LCLSampel

Ke

tid

akse

suai

an





Iterasi 4

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 2,118−1

=0,1


Jadi

UCLR= D4 R=¿ 3,267 x 0,1 = 0,3267

LCLR = D3 R = 0 x 0,1 = 0





Kelompok 9


No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 52 59,42 53 59,4 0 0,095 0,3104 03 74 59,4 0 0,095 0,3104 04 44 59,5 0,1 0,095 0,3104 05 84 59,5 0 0,095 0,3104 0

10 80 59,8 0,3 0,095 0,3104 011 46 59,9 0,1 0,095 0,3104 012 41 59,9 0 0,095 0,3104 013 71 60 0,1 0,095 0,3104 014 32 59,85 0,15 0,095 0,3104 015 62 59,9 0,05 0,095 0,3104 016 66 59,95 0,05 0,095 0,3104 017 25 59,75 0,2 0,095 0,3104 018 49 59,8 0,05 0,095 0,3104 019 82 59,9 0,1 0,095 0,3104 020 41 60 0,1 0,095 0,3104 021 19 59,8 0,2 0,095 0,3104 022 9 59,85 0,05 0,095 0,3104 023 2 59,85 0 0,095 0,3104 024 63 60 0,15 0,095 0,3104 025 60 59,8 0,2 0,095 0,3104 0

Jumlah 1,9 1,900 6,2073 0

Rata - Rata 0,095 0,095 0,3104 0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

0.05

0.1

0.15

0.2

0.25

0.3

0.35


MRMR barUCLLCL

Sampel

Ke

tid

akse

suai

an

Gambar 4.20 Grafik Peta Kendali MR Panjang Ass Roda Iterasi 4 Berdasarkan grafik diatas tidak terdapat data yang melewati UCL maupun LCL,






Kelompok 9

Hasil Software

a. Software SPSS

Iterasi 0

Gambar 4.21 Software SPSS Peta Kendali MR Panjang Ass Roda Iterasi 0

Iterasi 1






Kelompok 9

Iterasi 2


Iterasi 3






Kelompok 9

Iterasi 4


b. Software Minitab

Iterasi 0

Observation

Moving Range

252321191715131197531

0,5

0,4

0,3

0,2

0,1

0,0

__MR=0,0958

UCL=0,3131

LCL=0

1


Gambar 4.26 Software Minitab Peta Kendali MR Panjang Ass Roda Iterasi 0





Kelompok 9

Iterasi 1

Observation

Moving Range

2321191715131197531

0,4

0,3

0,2

0,1

0,0

__MR=0,0913

UCL=0,2983

LCL=0

1



Iterasi 2

Observation

Moving Range

2321191715131197531

0,4

0,3

0,2

0,1

0,0

__MR=0,0955

UCL=0,3119

LCL=0

1







Kelompok 9

Iterasi 3

Observation

Moving Range

21191715131197531

0,4

0,3

0,2

0,1

0,0

__MR=0,1

UCL=0,3267

LCL=0

1



Iterasi 4

Observation

Moving Range

21191715131197531

0,35

0,30

0,25

0,20

0,15

0,10

0,05

0,00

__MR=0,095

UCL=0,3104

LCL=0



a. Peta x

Iterasi 0

X = CLX =

∑i=1

n

= XSubgroup

=1225 ,2521

=59 , 77381

UCLX = X+2,66*MR = 59,77381 + 2,66*0,095 = 60,029

LCLX = X−2,66*MR = 59,77381 - 2,66*0,095 = 59,519





Kelompok 9

Tabel 4.20 Perhitungan X Panjang As Roda Iterasi 0

No No. KomponenUkuran (mm) X bar UCL LCL

1 52 59,459,7738

1 60,029 59,519

2 53 59,459,7738

1 60,029 59,519

3 74 59,459,7738

1 60,029 59,519

4 44 59,559,7738

1 60,029 59,519

5 84 59,559,7738

1 60,029 59,519

10 80 59,859,7738

1 60,029 59,519

11 46 59,959,7738

1 60,029 59,519

12 41 59,959,7738

1 60,029 59,519

13 71 6059,7738

1 60,029 59,519

14 32 59,8559,7738

1 60,029 59,519

15 62 59,959,7738

1 60,029 59,519

16 66 59,9559,7738

1 60,029 59,519

17 25 59,7559,7738

1 60,029 59,519

18 49 59,859,7738

1 60,029 59,519

19 82 59,959,7738

1 60,029 59,519

20 41 6059,7738

1 60,029 59,519

21 19 59,859,7738

1 60,029 59,519

22 9 59,8559,7738

1 60,029 59,519

23 2 59,8559,7738

1 60,029 59,519

24 63 6059,7738

1 60,029 59,519

25 60 59,859,7738

1 60,029 59,519





Kelompok 9

Jumlah 1255,25 1255,25

1200,575

1190,378

Rata - Rata 59,77381 59,774 60,029 59,519

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 2159

59.2

59.4

59.6

59.8

60

60.2

Grafik Peta Kendali x Panjang Ass RodaIterasi 0

Series1Series2Series3Series4

Sampel

Ke

tid

ak

sesu

aia

n

Gambar 4.31 Grafik Peta Kendali x Panjang Ass Roda Iterasi 0

Berdasarkan grafik diatas terdapat data yang melewati LCL (59,519) yakni pada

data nomor 1,2,3,4 dan 5 dengan ukuran masing-masing sebesar 59,4; 59,4; 59,45; 59,5;

59,5 sehingga harus dilakukan iterasi ke-1 untuk menghilangkan data nomer 1,2,3,4 dan

5.

Iterasi 1

X = CLX =

∑i=1

n

= XSubgroup

=958 , 0516

=59 , 87813

UCLX = X+2,66*MR = 59,87813 + 2,66*0,095 = 60,133

LCLX = X−2,66*MR = 59,87813 - 2,66*0,095 = 59,623

Tabel 4.21 Perhitungan X Panjang As Roda Iterasi 1

No No. KomponenUkuran (mm) X bar UCL LCL

10 80 59,859,8781

3 60,133 59,623

11 46 59,959,8781

3 60,133 59,623

12 41 59,959,8781

3 60,133 59,623

13 71 6059,8781

3 60,133 59,62314 32 59,85 59,8781 60,133 59,623





Kelompok 9

3

15 62 59,959,8781

3 60,133 59,623

16 66 59,9559,8781

3 60,133 59,623

17 25 59,7559,8781

3 60,133 59,623

18 49 59,859,8781

3 60,133 59,623

19 82 59,959,8781

3 60,133 59,623

20 41 6059,8781

3 60,133 59,623

21 19 59,859,8781

3 60,133 59,623

22 9 59,8559,8781

3 60,133 59,623

23 2 59,8559,8781

3 60,133 59,623

24 63 6059,8781

3 60,133 59,623

25 60 59,859,8781

3 60,133 59,623Jumla

h 958,05 958,05962,12

9953,97

1Rata - Rata 59,87813 59,878 60,133 59,623

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1659.3

59.4

59.5

59.6

59.7

59.8

59.9

60

60.1

60.2

Grafik Peta Kendali x Panjang Ass RodaIterasi 0

Ukuran (mm)

X bar

UCL

LCL

Sampel

Ke

tid

ak

sesu

aia

n

Gambar 4.32 Grafik Peta Kendali x Panjang Ass Roda Iterasi 0



Hasil Software





Kelompok 9

a. Software SPSS

Iterasi 0

Gambar 4.33 Software SPSS Peta Kendali x Panjang Ass Roda Iterasi 0





Kelompok 9

Iterasi 1

Gambar 4.34 Software SPSS Peta Kendali x Panjang Ass Roda Iterasi 1

b. Software Minitab

Iterasi 0

Observation

Individual Value

21191715131197531

60,1

60,0

59,9

59,8

59,7

59,6

59,5

59,4

_X=59,7738

UCL=60,0265

LCL=59,521111

111

I Chart of C1

Gambar 4.35 Software Minitab Peta Kendali x Panjang Ass Roda Iterasi 0





Kelompok 9

Iterasi 1

Observation

Individual Value

15131197531

60,2

60,1

60,0

59,9

59,8

59,7

59,6

_X=59,8781

UCL=60,1441

LCL=59,6122

I Chart of C1

Gambar 4.36 Software Minitab Peta Kendali x Panjang Ass Roda Iterasi 1

4. Diameter Ass Roda

Perhitungan Manual

a. Peta MR

Iterasi 0

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 ,7825−1

=0 , 033


Jadi

UCLR= D4 R=¿ 3,267 x 0,033 = 0,1062

LCLR = D3 R =0 x 0,033 = 0

Tabel 4.22 Perhitungan MR Diameter Ass Roda Iterasi 0

No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 52 1,92 53 1,88 0,02 0,033 0,1062 03 74 1,9 0,02 0,033 0,1062 04 44 2 0,1 0,033 0,1062 05 84 1,9 0,1 0,033 0,1062 06 78 1,9 0 0,033 0,1062 07 7 1,9 0 0,033 0,1062 08 20 1,9 0 0,033 0,1062 09 59 1,9 0 0,033 0,1062 0

10 80 1,88 0,02 0,033 0,1062 011 46 2 0,12 0,033 0,1062 0





Kelompok 9

Lanjutan Tabel 4.22 Perhitungan MR Diameter Ass Roda Iterasi 0

12 41 1,78 0,22 0,033 0,1062 013 71 1,78 0 0,033 0,1062 014 32 1,8 0,02 0,033 0,1062 015 62 1,82 0,02 0,033 0,1062 016 66 1,82 0 0,033 0,1062 017 25 1,78 0,04 0,033 0,1062 018 49 1,8 0,02 0,033 0,1062 019 82 1,78 0,02 0,033 0,1062 020 41 1,78 0 0,033 0,1062 021 19 1,76 0,02 0,033 0,1062 022 9 1,78 0,02 0,033 0,1062 023 2 1,78 0 0,033 0,1062 024 63 1,78 0 0,033 0,1062 025 60 1,76 0,02 0,033 0,1062 0

Jumlah 0,78 0,78 2,54826 0Rata – Rata 0,033 0,033 0,1062 0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240

0.05

0.1

0.15

0.2

0.25

Grafik Peta Kendali MR Diameter Ass RodaIterasi 0

MRMR barUCLLCL

Sampel

Ke

tid

akse

suai

an

Gambar 4.37 Grafik Peta Kendali MR Diameter Ass Roda Iterasi 0


data nomor 11 dan 12 dengan ukuran masing-masing sebesar 0,12 dan 0,22 sehingga

harus dilakukan iterasi ke-1 untuk menghilangkan data nomer 11 dan 12.

Iterasi 1

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 ,5423−1

=0 , 025






Kelompok 9

Jadi

UCLR= D4 R=¿ 3,267 x 0,025 = 0,0802

LCLR = D3 R = 0 x 0,025 = 0

Tabel 4.23 Perhitungan MR Diameter Ass Roda Iterasi 1No No. Komponen Ukuran (mm) MR MR bar UCL LCL

1 52 1,92 53 1,88 0,02 0,025 0,0802 03 74 1,9 0,02 0,025 0,0802 04 44 2 0,1 0,025 0,0802 05 84 1,9 0,1 0,025 0,0802 06 78 1,9 0 0,025 0,0802 07 7 1,9 0 0,025 0,0802 08 20 1,9 0 0,025 0,0802 09 59 1,9 0 0,025 0,0802 0

10 80 1,88 0,02 0,025 0,0802 013 71 1,78 0,1 0,025 0,0802 014 32 1,8 0,02 0,025 0,0802 015 62 1,82 0,02 0,025 0,0802 016 66 1,82 0 0,025 0,0802 017 25 1,78 0,04 0,025 0,0802 018 49 1,8 0,02 0,025 0,0802 019 82 1,78 0,02 0,025 0,0802 020 41 1,78 0 0,025 0,0802 021 19 1,76 0,02 0,025 0,0802 022 9 1,78 0,02 0,025 0,0802 023 2 1,78 0 0,025 0,0802 024 63 1,78 0 0,025 0,0802 025 60 1,76 0,02 0,025 0,0802 0

Jumlah 0,54 0,541,7641

8 0Rata - Rata 0,025 0,025 0,0802 0





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 220

0.02

0.04

0.06

0.08

0.1

0.12


MRMR barUCLLCL

sampel

Ke

tid

akse

suai

an



data nomor 4,5 dan 13 dengan ukuran masing-masing sebesar 0,1 sehingga harus

dilakukan iterasi ke-2 untuk menghilangkan data nomer 4,5 dan 13.

Iterasi 2

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0,320−1

=0 , 016


Jadi

UCLR= D4 R=¿ 3,267 x 0,016 = 0,0516

LCLR = D3 R = 0 x 0,016 = 0


No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 52 1,92 53 1,88 0,02 0,016 0,0516 03 74 1,9 0,02 0,016 0,0516 06 78 1,9 0 0,016 0,0516 07 7 1,9 0 0,016 0,0516 08 20 1,9 0 0,016 0,0516 09 59 1,9 0 0,016 0,0516 0

10 80 1,88 0,02 0,016 0,0516 014 32 1,8 0,08 0,016 0,0516 015 62 1,82 0,02 0,016 0,0516 016 66 1,82 0 0,016 0,0516 017 25 1,78 0,04 0,016 0,0516 0





Kelompok 9


18 49 1,8 0,02 0,016 0,0516 019 82 1,78 0,02 0,016 0,0516 020 41 1,78 0 0,016 0,0516 021 19 1,76 0,02 0,016 0,0516 022 9 1,78 0,02 0,016 0,0516 023 2 1,78 0 0,016 0,0516 024 63 1,78 0 0,016 0,0516 025 60 1,76 0,02 0,016 0,0516 0

Jumlah 0,3 0,3 0,9801 0Rata - Rata 0,016 0,016 0,0516 0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09


MRMR barUCLLCL

sampel

keti

dak

sesu

aian

Gambar 4.39 Grafik Peta Kendali MR Diameter Ass Roda Iterasi 2 Berdasarkan grafik diatas terdapat data yang melewati UCL (0,0516) yakni pada

data nomor 14 dengan ukuran sebesar 0,08 sehingga harus dilakukan iterasi ke-3 untuk


Iterasi 3

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 , 2619−1

=0 , 014


Jadi

UCLR= D4 R=¿ 3,267 x 0,014 = 0,0472

LCLR = D3 R = 0 x 0,014 = 0





Kelompok 9



10 80 1,88 0,02 0,014 0,0472 015 62 1,82 0,06 0,014 0,0472 016 66 1,82 0 0,014 0,0472 017 25 1,78 0,04 0,014 0,0472 018 49 1,8 0,02 0,014 0,0472 019 82 1,78 0,02 0,014 0,0472 020 41 1,78 0 0,014 0,0472 021 19 1,76 0,02 0,014 0,0472 022 9 1,78 0,02 0,014 0,0472 023 2 1,78 0 0,014 0,0472 024 63 1,78 0 0,014 0,0472 025 60 1,76 0,02 0,014 0,0472 0

Jumlah 0,26 0,26 0,84942 0Rata - Rata 0,014 0,014 0,0472 0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180

0.01

0.02

0.03

0.04

0.05

0.06

0.07


MRMR barUCLLCL

Sampel

Ke

tid

akse

suaia

n





Iterasi 4





Kelompok 9

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 , 2618−1

=0 , 015


Jadi

UCLR= D4 R=¿ 3,267 x 0,015 = 0,05

LCLR = D3 R = 0 x 0,015 = 0



10 80 1,88 0,02 0,015 0,0500 016 66 1,82 0,06 0,015 0,0500 017 25 1,78 0,04 0,015 0,0500 018 49 1,8 0,02 0,015 0,0500 019 82 1,78 0,02 0,015 0,0500 020 41 1,78 0 0,015 0,0500 021 19 1,76 0,02 0,015 0,0500 022 9 1,78 0,02 0,015 0,0500 023 2 1,78 0 0,015 0,0500 024 63 1,78 0 0,015 0,0500 025 60 1,76 0,02 0,015 0,0500 0

Jumlah 0,26 0,26 0,84942 0Rata - Rata 0,015 0,015 0,0500 0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 170

0.01

0.02

0.03

0.04

0.05

0.06

0.07


MRMR barUCLLCL

Sampel

Ke

tid

akse

suaia

n





Kelompok 9





Iterasi 5

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 ,2617−1

=0 , 016


Jadi

UCLR= D4 R=¿ 3,267 x 0,016 = 0,0531

LCLR = D3 R = 0 x 0,016 = 0



10 80 1,88 0,02 0,016 0,0531 017 25 1,78 0,1 0,016 0,0531 018 49 1,8 0,02 0,016 0,0531 019 82 1,78 0,02 0,016 0,0531 020 41 1,78 0 0,016 0,0531 021 19 1,76 0,02 0,016 0,0531 0


22 9 1,78 0,02 0,016 0,0531 023 2 1,78 0 0,016 0,0531 024 63 1,78 0 0,016 0,0531 025 60 1,76 0,02 0,016 0,0531 0

Jumlah 0,26 0,26 0,84942 0Rata - Rata 0,016 0,016 0,0531 0





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 160

0.02

0.04

0.06

0.08

0.1

0.12


MRMR barUCLLCL

Sampel

Ke

tid

akse

suai

an





Iterasi 6

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 ,2216−1

=0 ,015


Jadi

UCLR= D4 R=¿ 3,267 x 0,015 = 0,0479

LCLR = D3 R = 0 x 0,015 = 0


No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 52 1,92 53 1,88 0,02 0,015 0,0479 03 74 1,9 0,02 0,015 0,0479 06 78 1,9 0 0,015 0,0479 0


7 7 1,9 0 0,015 0,0479 08 20 1,9 0 0,015 0,0479 09 59 1,9 0 0,015 0,0479 0

10 80 1,88 0,02 0,015 0,0479 018 49 1,8 0,08 0,015 0,0479 019 82 1,78 0,02 0,015 0,0479 020 41 1,78 0 0,015 0,0479 0





Kelompok 9

21 19 1,76 0,02 0,015 0,0479 022 9 1,78 0,02 0,015 0,0479 023 2 1,78 0 0,015 0,0479 024 63 1,78 0 0,015 0,0479 025 60 1,76 0,02 0,015 0,0479 0

Jumlah 0,22 0,22 0,71874 0Rata - Rata 0,015 0,015 0,0479 0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 150

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09


MRMR barUCLLCL

sampel

ke

tid

akse

sua

ian





Iterasi 7

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 ,2215−1

=0 , 016


Jadi

UCLR= D4 R=¿ 3,267 x 0,016 = 0,0523

LCLR = D3 R = 0 x 0,016 = 0


No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 52 1,92 53 1,88 0,02 0,016 0,0523 03 74 1,9 0,02 0,016 0,0523 06 78 1,9 0 0,016 0,0523 07 7 1,9 0 0,016 0,0523 0





Kelompok 9

8 20 1,9 0 0,016 0,0523 09 59 1,9 0 0,016 0,0523 0

10 80 1,88 0,02 0,016 0,0523 019 82 1,78 0,1 0,016 0,0523 020 41 1,78 0 0,016 0,0523 021 19 1,76 0,02 0,016 0,0523 022 9 1,78 0,02 0,016 0,0523 023 2 1,78 0 0,016 0,0523 024 63 1,78 0 0,016 0,0523 025 60 1,76 0,02 0,016 0,0523 0

Jumlah 0,22 0,224 0,731808 0Rata - Rata 0,016 0,016 0,0523 0

1 2 3 4 5 6 7 8 9 10 11 12 13 140

0.02

0.04

0.06

0.08

0.1

0.12


MRMR barUCLLCL

sampel

keti

da

kse

suai

an








Kelompok 9

Iterasi 8

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 , 2214−1

=0 ,017


Jadi

UCLR= D4 R=¿ 3,267 x 0,017 = 0,0555

LCLR = D3 R = 0 x 0,017 = 0

Tabel 4.30 Perhitungan MR Diameter Ass Roda Iterasi 8No No. Komponen Ukuran (mm) MR MR bar UCL LCL

1 52 1,92 53 1,88 0,02 0,017 0,0555 03 74 1,9 0,02 0,017 0,0555 06 78 1,9 0 0,017 0,0555 07 7 1,9 0 0,017 0,0555 08 20 1,9 0 0,017 0,0555 09 59 1,9 0 0,017 0,0555 0

10 80 1,88 0,02 0,017 0,0555 020 41 1,78 0,1 0,017 0,0555 021 19 1,76 0,02 0,017 0,0555 022 9 1,78 0,02 0,017 0,0555 023 2 1,78 0 0,017 0,0555 024 63 1,78 0 0,017 0,0555 025 60 1,76 0,02 0,017 0,0555 0

Jumlah 0,22 0,2210,72200

7 0Rata - Rata 0,017 0,017 0,0555 0

1 2 3 4 5 6 7 8 9 10 11 12 130

0.02

0.04

0.06

0.08

0.1

0.12


MRMR barUCLLCL

sampel

keti

dak

sesu

aian






Kelompok 9




Iterasi 9

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 ,2213−1

=0 , 018


Jadi

UCLR= D4 R=¿ 3,267 x 0,018 = 0,0588

LCLR = D3 R = 0 x 0,018 = 0



10 80 1,88 0,02 0,018 0,0588 021 19 1,76 0,12 0,018 0,0588 022 9 1,78 0,02 0,018 0,0588 023 2 1,78 0 0,018 0,0588 024 63 1,78 0 0,018 0,0588 025 60 1,76 0,02 0,018 0,0588 0

Jumlah 0,22 0,2160,70567

2 0Rata - Rata 0,018 0,018 0,0588 0





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 120

0.02

0.04

0.06

0.08

0.1

0.12

0.14


MRMR barUCLLCL

sampel

keti

dak

sesu

aian




Iterasi 10

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 ,1812−1

=0 ,016


Jadi

UCLR= D4 R=¿ 3,267 x 0,016 = 0,0523

LCLR = D3 R = 0 x 0,016 = 0



10 80 1,88 0,02 0,016 0,0523 022 9 1,78 0,1 0,016 0,0523 023 2 1,78 0 0,016 0,0523 024 63 1,78 0 0,016 0,0523 025 60 1,76 0,02 0,016 0,0523 0






Kelompok 9

Jumlah 0,18 0,1760,57499

2 0Rata - Rata 0,016 0,016 0,0523 0

1 2 3 4 5 6 7 8 9 10 110

0.02

0.04

0.06

0.08

0.1

0.12


MRMR barUCLLCL

Sampel

Ke

tid

akse

suai

an





Iterasi 11

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 , 1811−1

=0 , 018


Jadi

UCLR= D4 R=¿ 3,267 x 0,018 = 0,0588

LCLR = D3 R = 0 x 0,018 = 0



10 80 1,88 0,02 0,018 0,0588 0





Kelompok 9


23 2 1,78 0,1 0,018 0,0588 024 63 1,78 0 0,018 0,0588 025 60 1,76 0,02 0,018 0,0588 0

Jumlah 0,18 0,18 0,58806 0Rata - Rata 0,018 0,018 0,0588 0

1 2 3 4 5 6 7 8 9 100

0.02

0.04

0.06

0.08

0.1

0.12


MRMR barUCLLCL

sampel

keti

dak

sesu

aian





Iterasi 12

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 ,1810−1

=0 ,02


Jadi

UCLR= D4 R=¿ 3,267 x 0,02 = 0,0653

LCLR = D3 R = 0 x 0,02 = 0


No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 52 1,92 53 1,88 0,02 0,020 0,0653 03 74 1,9 0,02 0,020 0,0653 0





Kelompok 9


6 78 1,9 0 0,020 0,0653 07 7 1,9 0 0,020 0,0653 08 20 1,9 0 0,020 0,0653 09 59 1,9 0 0,020 0,0653 0

10 80 1,88 0,02 0,020 0,0653 024 63 1,78 0,1 0,020 0,0653 025 60 1,76 0,02 0,020 0,0653 0

Jumlah 0,18 0,18 0,58806 0Rata - Rata 0,020 0,020 0,0653 0

1 2 3 4 5 6 7 8 90

0.02

0.04

0.06

0.08

0.1

0.12


MRMR barUCLLCL

sampel

keti

dak

sesu

aian




Iterasi 13

R = CLR = MR =

∑i=1

n

=|MR|n−1

=0 ,189−1

=0 ,023


Jadi

UCLR= D4 R=¿ 3,267 x 0,023 = 0,0751

LCLR = D3 R = 0 x 0,023 = 0





Kelompok 9



10 80 1,88 0,02 0,023 0,0751 025 60 1,76 0,12 0,023 0,0751 0

Jumlah 0,18 0,1840,60112

8 0

Rata - Rata0,02

3 0,023 0,0751 0

1 2 3 4 5 6 7 80

0.02

0.04

0.06

0.08

0.1

0.12

0.14


MRMR barUCLLCL

sampel

ke

tid

akse

sua

ian




Iterasi 14

R = CLR = MR =

∑i=1

n

=|MR|n−1

=0 ,068−1

=0 ,009


Jadi

UCLR= D4 R=¿ 3,267 x 0,009 = 0,0294

LCLR = D3 R = 0 x 0,009 = 0





Kelompok 9



10 80 1,88 0,02 0,009 0,0294 0Jumlah 0,06 0,063 0,205821 0

Rata - Rata 0,009 0,009 0,0294 0

1 2 3 4 5 6 70

0.005

0.01

0.015

0.02

0.025

0.03

0.035


MRMR barUCLLCL

sampel

ke

tid

akse

sua

ian



sehingga tidak dilakukan iterasi ke-15.





Kelompok 9

Hasil Software

a. Software SPSS

Iterasi 0

Gambar 4.52 Software SPSS Peta Kendali MR Diameter Ass Roda Iterasi 0

Iterasi 1






Kelompok 9

Iterasi 2


Iterasi 3






Kelompok 9

Iterasi 4


Iterasi 5






Kelompok 9

Iterasi 6


Iterasi 7






Kelompok 9

Iterasi 8


Iterasi 9






Kelompok 9

Iterasi 10


Iterasi 11






Kelompok 9

Iterasi 12


Iterasi 13






Kelompok 9

Iterasi 14


b. Software Minitab

Iterasi 0

Observation

Moving Range

252321191715131197531

0,25

0,20

0,15

0,10

0,05

0,00

__MR=0,0325

UCL=0,1062

LCL=0

1

1


Gambar 4.67 Software Minitab Peta Kendali MR Diameter Ass Roda Iterasi 0





Kelompok 9

Iterasi 1

Observation

Moving Range

2321191715131197531

0,10

0,08

0,06

0,04

0,02

0,00

__MR=0,0245

UCL=0,0802

LCL=0

111



Iterasi 2

Observation

Moving Range

191715131197531

0,09

0,08

0,07

0,06

0,05

0,04

0,03

0,02

0,01

0,00

__MR=0,01579

UCL=0,05159

LCL=0

1



Iterasi 3

Observation

Moving Range

191715131197531

0,06

0,05

0,04

0,03

0,02

0,01

0,00

__MR=0,01444

UCL=0,04719

LCL=0

1







Kelompok 9

Iterasi 4

Observation

Moving Range

1715131197531

0,06

0,05

0,04

0,03

0,02

0,01

0,00

__MR=0,01529

UCL=0,04997

LCL=0

1



Iterasi 5

Observation

Moving Range

1715131197531

0,10

0,08

0,06

0,04

0,02

0,00

__MR=0,0163

UCL=0,0531

LCL=0

1



Iterasi 6

Observation

Moving Range

15131197531

0,09

0,08

0,07

0,06

0,05

0,04

0,03

0,02

0,01

0,00

__MR=0,01467

UCL=0,04792

LCL=0

1







Kelompok 9

Iterasi 7

Observation

Moving Range

151413121110987654321

0,10

0,08

0,06

0,04

0,02

0,00

__MR=0,0157

UCL=0,0513

LCL=0

1



Iterasi 8

Observation

Moving Range

1413121110987654321

0,10

0,08

0,06

0,04

0,02

0,00

__MR=0,0169

UCL=0,0553

LCL=0

1



Iterasi 9

Observation

Moving Range

13121110987654321

0,12

0,10

0,08

0,06

0,04

0,02

0,00

__MR=0,0183

UCL=0,0599

LCL=0

1







Kelompok 9

Iterasi 10

Observation

Moving Range

121110987654321

0,10

0,08

0,06

0,04

0,02

0,00

__MR=0,0164

UCL=0,0535

LCL=0

1



Iterasi 11

Observation

Moving Range

1110987654321

0,10

0,08

0,06

0,04

0,02

0,00

__MR=0,018

UCL=0,0588

LCL=0

1



Iterasi 12

Observation

Moving Range

10987654321

0,10

0,08

0,06

0,04

0,02

0,00

__MR=0,02

UCL=0,0653

LCL=0

1







Kelompok 9

Iterasi 13

Observation

Moving Range

987654321

0,12

0,10

0,08

0,06

0,04

0,02

0,00

__MR=0,0225

UCL=0,0735

LCL=0

1



Iterasi 14

Observation

Moving Range

87654321

0,030

0,025

0,020

0,015

0,010

0,005

0,000

__MR=0,00857

UCL=0,02801

LCL=0



b. Peta x

Iterasi 0

X = CLX =

∑i=1

n

= XSubgroup

=15 ,168

=1 , 895

UCLX = X+2,66*MR = 1,895 + 2,66*0,009 = 1,919

LCLX = X−2,66*MR = 1,895 - 2,66*0,009 = 1,871





Kelompok 9

Lanjutan Tabel 4.37 Perhitungan X Diameter As Roda Iterasi 0

No No. Komponen Ukuran (mm) X bar UCL LCL1 52 1,9 1,8950 1,919 1,8712 53 1,88 1,8950 1,919 1,8713 74 1,9 1,8950 1,919 1,8716 78 1,9 1,8950 1,919 1,8717 7 1,9 1,8950 1,919 1,8718 20 1,9 1,8950 1,919 1,8719 59 1,9 1,8950 1,919 1,871

10 80 1,88 1,8950 1,919 1,871Jumlah 15,16 15,16 15,352 14,968

Rata - Rata 1,895 1,895 1,919 1,871

1 2 3 4 5 6 7 81.84

1.85

1.86

1.87

1.88

1.89

1.9

1.91

1.92

1.93

Grafik Peta Kendali x Diameter Ass RodaIterasi 0


sampel

keti

dak

sesu

aian

Gambar 4.82 Grafik Peta Kendali x Diameter Ass Roda Iterasi 0 Berdasarkan grafik diatas tidak terdapat data yang melewati UCL maupun LCL,






Kelompok 9

Hasil Software

a. Software SPSS

Iterasi 0

Gambar 4.83 Software SPSS Peta Kendali x Diameter Ass Roda Iterasi 0

b. Software Minitab

Iterasi 0

Observation

Individual V

alue

87654321

1,92

1,91

1,90

1,89

1,88

1,87

_X=1,895

UCL=1,91780

LCL=1,87220

I Chart of C1

Gambar 4.84 Software Minitab Peta Kendali x Diameter Ass Roda Iterasi 0





Kelompok 9

5. Diameter Besi Dinamo

Perhitungan Manual

a. Peta MR

Iterasi 0

R = CLR = MR =

∑i=1

n

=|MR|n−1

= 0 , 5420−1

= 0,028


Sehingga,

UCLR= D4 R=¿ 3.267 x 0,028 = 0,0929

LCLR = D3 R = 0 x 0,028 = 0

Tabel 4.38 Perhitungan MR Diameter Dinamo Iterasi 0

No No. Komponen Ukuran (mm) MR MR bar UCL LCL1 3 1,92 11 1,94 0,04 0,028 0,0929 03 25 1,9 0,04 0,028 0,0929 04 12 1,88 0,02 0,028 0,0929 05 22 1,94 0,06 0,028 0,0929 06 8 1,88 0,06 0,028 0,0929 07 33 1,9 0,02 0,028 0,0929 08 23 1,88 0,02 0,028 0,0929 09 19 1,88 0 0,028 0,0929 0

10 28 1,9 0,02 0,028 0,0929 011 20 1,92 0,02 0,028 0,0929 012 42 1,9 0,02 0,028 0,0929 013 45 1,92 0,02 0,028 0,0929 014 27 1,9 0,02 0,028 0,0929 015 43 1,88 0,02 0,028 0,0929 016 24 1,9 0,02 0,028 0,0929 017 64 1,92 0,02 0,028 0,0929 018 18 1,9 0,02 0,028 0,0929 019 6 1,94 0,04 0,028 0,0929 020 58 1,88 0,06 0,028 0,0929 0

Jumlah 0,54 0,54 1,76418 0Rata - Rata 0,028 0,028 0,0929 0





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

0.1

Grafik Peta Kendali MR Diameter Besi Dinamo Iterasi 0

MRMR barUCLLCL

sampel

keti

dak

sesu

aian

Gambar 4.85 Grafik Peta Kendali MR Diameter Besi Dinamo Iterasi 0



Hasil Software

a. Software SPSS

Iterasi 0

Gambar 4.86 Software SPSS Peta Kendali MR Diameter Besi Dinamo Iterasi 0





Kelompok 9

b. Software Minitab

Iterasi 0

Observation

Moving Range

191715131197531

0,09

0,08

0,07

0,06

0,05

0,04

0,03

0,02

0,01

0,00

__MR=0,0284

UCL=0,0929

LCL=0


Gambar 4.87 Software Minitab Peta Kendali MR Diameter Besi Dinamo Iterasi 0

b. Peta x

Iterasi 0

X = CLX =

∑i=1

n

= XSubgroup

=38 ,0620

=1 ,904

UCLX = X+2,66*MR = 1,904 + 2,66*0,028 = 1,978

LCLX = X−2,66*MR = 1,904 - 2,66*0,028 = 1,830

Tabel 4.39 Perhitungan X Diameter Besi Dinamo Iterasi 0

No No. Komponen Ukuran (mm) X bar UCL LCL1 3 1,9 1,904 1,978 1,8302 11 1,94 1,904 1,978 1,8303 25 1,9 1,904 1,978 1,8304 12 1,88 1,904 1,978 1,8305 22 1,94 1,904 1,978 1,8306 8 1,88 1,904 1,978 1,8307 33 1,9 1,904 1,978 1,8308 23 1,88 1,904 1,978 1,8309 19 1,88 1,904 1,978 1,830

10 28 1,9 1,904 1,978 1,83011 20 1,92 1,904 1,978 1,83012 42 1,9 1,904 1,978 1,83013 45 1,92 1,904 1,978 1,83014 27 1,9 1,904 1,978 1,830





Kelompok 9

Lanjutan Tabel 4.39 Perhitungan X Diameter Besi Dinamo Iterasi 0

15 43 1,88 1,904 1,978 1,83016 24 1,9 1,904 1,978 1,83017 64 1,92 1,904 1,978 1,83018 18 1,9 1,904 1,978 1,83019 6 1,94 1,904 1,978 1,83020 58 1,88 1,904 1,978 1,830

Jumlah 38,06 38,08 39,570 36,590Rata - Rata 1,904 1,904 1,978 1,830

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 201.75

1.8

1.85

1.9

1.95

2

Grafik Peta Kendali x Diameter Besi Dinamo Iterasi 0


sampel

keti

dak

sesu

aian

Gambar 4.88 Grafik Peta Kendali x Diameter Besi Dinamo Iterasi 0







Kelompok 9

Hasil Software

a. Software SPSS

Iterasi 0

Gambar 4.89 Sofware SPSS Peta Kendali x Diameter Besi Dinamo Iterasi 0

b. Software Minitab

Iterasi 0

Observation

Individual V

alue

191715131197531

2,00

1,95

1,90

1,85

_X=1,903

UCL=1,9786

LCL=1,8274

I Chart of C1

Gambar 4.90 Sofware Minitab Peta Kendali x Diameter Besi Dinamo Iterasi 0





Kelompok 9

4.1.4 Data Variabel Atribut (Manual ,SPSS, Minitab)

Peta Kendali c

1. Gear Besar

Perhitungan Manual

Iterasi 0

Number of nonconformities =

c = 2174/20 = 108,7

UCL = c + 3√c = 108,7 + 3 √108,7 = 139,98

LCL = c - 3√c = 108,7 - 3 √108,7 = 77,42

Tabel 4.40 gear besar iterasi 0

No DateGear Besar

c UCL LCLN.of Inspeksi N.of Nonconformities

1 03/01/2013 90 115 108,7 139,98 77,422 04/01/3013 90 99 108,7 139,98 77,423 07/01/2013 90 115 108,7 139,98 77,424 08/01/2013 90 110 108,7 139,98 77,425 09/01/2013 90 108 108,7 139,98 77,426 10/01/2013 90 98 108,7 139,98 77,427 11/01/2013 90 111 108,7 139,98 77,428 14/01/2013 90 143 108,7 139,98 77,429 15/01/2013 90 94 108,7 139,98 77,42

10 16/01/2013 90 105 108,7 139,98 77,4211 17/01/2013 90 92 108,7 139,98 77,4212 18/01/2013 90 112 108,7 139,98 77,4213 21/01/2013 90 117 108,7 139,98 77,4214 22/01/2013 90 109 108,7 139,98 77,4215 23/01/2013 90 112 108,7 139,98 77,4216 25/01/2013 90 111 108,7 139,98 77,4217 28/01/2013 90 102 108,7 139,98 77,4218 29/01/2013 90 97 108,7 139,98 77,4219 30/01/2013 90 108 108,7 139,98 77,4220 31/01/2013 90 116 108,7 139,98 77,42

Total 2174





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

20

40

60

80

100

120

140

160

Gear Besar Peta Kendali c Iterasi 0

N.of NonconformitiescUCLLCL

sampel

ke

dit

akss

esu

aia

n

Gambar 4.91 output peta kendali c manual gear besar iterasi 0


nomor 8 dengan nilai 143, pada tanggal 14/01/2013, sehingga harus dilakukan iterasi

ke-1 untuk menghilangkan data nomor 8.

Iterasi 1


c = 2031/19 = 106,89

UCL = c + 3√c = 106,89 + 3 √106,89 = 137,9

LCL = c - 3√c = 106,89 - 3 √106,89 = 75,87

Tabel 4.41 gear besar iterasi 1.

No DateGear Besar


1 03/01/2013 90 115 106,89 137,9 75,872 04/01/3013 90 99 106,89 137,9 75,873 07/01/2013 90 115 106,89 137,9 75,874 08/01/2013 90 110 106,89 137,9 75,875 09/01/2013 90 108 106,89 137,9 75,876 10/01/2013 90 98 106,89 137,9 75,877 11/01/2013 90 111 106,89 137,9 75,879 15/01/2013 90 94 106,89 137,9 75,87

10 16/01/2013 90 105 106,89 137,9 75,8711 17/01/2013 90 92 106,89 137,9 75,8712 18/01/2013 90 112 106,89 137,9 75,8713 21/01/2013 90 117 106,89 137,9 75,8714 22/01/2013 90 109 106,89 137,9 75,87

Lanjutan Tabel 4.41 gear besar iterasi 1.





Kelompok 9

15 23/01/2013 90 112 106,89 137,9 75,8716 25/01/2013 90 111 106,89 137,9 75,8717 28/01/2013 90 102 106,89 137,9 75,8718 29/01/2013 90 97 106,89 137,9 75,8719 30/01/2013 90 108 106,89 137,9 75,8720 31/01/2013 90 116 106,89 137,9 75,87

Total 2031

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

20

40

60

80

100

120

140

160

Gear Besar Peta Kendali c Iterasi 1


Sampel

Ke

tid

ak

sesu

aia

n

Gambar 4.92 output peta kendali c manual gear besar iterasi 1

Berdasarkan grafik diatas dapat dilihat bahwa tidak terdapat data yang melewati

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





Kelompok 9

Software SPSS

Iterasi 0

Gambar 4.93 output peta kendali c SPSS gear besar iterasi 0




Iterasi 1

Gambar 4.94 output peta kendali c SPSS gear besar iterasi 1





Kelompok 9



Software Minitab

Iterasi 0

Sample

Sample Count

191715131197531

150

140

130

120

110

100

90

80

70

_C=108,7

UCL=139,98

LCL=77,42

1

C Chart of C2

Gambar 4.95 output peta kendali c minitab gear besar iterasi 0




Iterasi 1

Sample

Sample Count

191715131197531

140

130

120

110

100

90

80

70

_C=106,89

UCL=137,91

LCL=75,88

C Chart of C5

Gambar 4.96 output peta kendali c minitab gear besar iterasi 1







Kelompok 9

2. Gear Kecil

Perhitungan Manual

Iterasi 0


c = 2266/20 = 113,3

UCL = c + 3√c = 113,3 + 3 √113,3 = 145,23

LCL = c - 3√c = 113,3 - 3 √113,3 = 81,37

Tabel 4.42 gear kecil iterasi 0

No DateGear Kecil


1 03/01/2013 90 107 113,3 145,23 81,372 04/01/3013 90 143 113,3 145,23 81,373 07/01/2013 90 117 113,3 145,23 81,374 08/01/2013 90 109 113,3 145,23 81,375 09/01/2013 90 114 113,3 145,23 81,376 10/01/2013 90 106 113,3 145,23 81,377 11/01/2013 90 114 113,3 145,23 81,378 14/01/2013 90 105 113,3 145,23 81,379 15/01/2013 90 108 113,3 145,23 81,37

10 16/01/2013 90 116 113,3 145,23 81,3711 17/01/2013 90 112 113,3 145,23 81,3712 18/01/2013 90 115 113,3 145,23 81,3713 21/01/2013 90 108 113,3 145,23 81,3714 22/01/2013 90 91 113,3 145,23 81,3715 23/01/2013 90 116 113,3 145,23 81,3716 25/01/2013 90 118 113,3 145,23 81,3717 28/01/2013 90 120 113,3 145,23 81,3718 29/01/2013 90 112 113,3 145,23 81,3719 30/01/2013 90 117 113,3 145,23 81,3720 31/01/2013 90 118 113,3 145,23 81,37

Total 2266





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

20

40

60

80

100

120

140

160

Gear Kecil Peta Kendali c Iterasi 0


Sampel

Ke

tid

ak

sesu

aia

n

Gambar 4.97 output peta kendali c manual gear kecil iterasi 0



Software SPSS

Iterasi 0

Gambar 4.98 output peta kendali c SPSS gear kecil iterasi 0







Kelompok 9

Software Minitab

Iterasi 0

Sample

Sample Count

191715131197531

150

140

130

120

110

100

90

80

_C=113,3

UCL=145,23

LCL=81,37

C Chart of C2

Gambar 4.99 output peta kendali c minitab gear kecil iterasi 0



3. Roda Assy

Perhitungan Manual

Iterasi 0


c = 1990/20 = 99,5

UCL = c + 3√c = 99,5+ 3 √99,5 = 129,42

LCL = c - 3√c = 99,5- 3 √99,5 = 69,58

Tabel 4.43 roda assy iterasi 0

No DateRoda Assy


1 03/01/2013 90 118 99,5 129,42 69,582 04/01/3013 90 88 99,5 129,42 69,583 07/01/2013 90 104 99,5 129,42 69,584 08/01/2013 90 97 99,5 129,42 69,585 09/01/2013 90 101 99,5 129,42 69,586 10/01/2013 90 88 99,5 129,42 69,587 11/01/2013 90 95 99,5 129,42 69,588 14/01/2013 90 94 99,5 129,42 69,589 15/01/2013 90 96 99,5 129,42 69,58

Lanjutan Tabel 4.43 roda assy iterasi 0





Kelompok 9

10 16/01/2013 90 95 99,5 129,42 69,5811 17/01/2013 90 130 99,5 129,42 69,5812 18/01/2013 90 97 99,5 129,42 69,5813 21/01/2013 90 101 99,5 129,42 69,5814 22/01/2013 90 100 99,5 129,42 69,5815 23/01/2013 90 103 99,5 129,42 69,5816 25/01/2013 90 109 99,5 129,42 69,5817 28/01/2013 90 104 99,5 129,42 69,5818 29/01/2013 90 95 99,5 129,42 69,5819 30/01/2013 90 81 99,5 129,42 69,5820 31/01/2013 90 94 99,5 129,42 69,58

Total 1990

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

20

40

60

80

100

120

140

Roda Assy Peta Kendali c Iterasi 0


Sampel

Ke

tid

akse

suaia

n

Gambar 4.100 output peta kendali c manual roda assy iterasi 0




Iterasi 1


c = 1860/19 = 97,89

UCL = c + 3√c = 97,89 + 3 √97,89 = 127,57

LCL = c - 3√c = 97,89 - 3 √97,89 = 68,21

Tabel 4.44 roda assy iterasi 1





Kelompok 9

No DateRoda Assy


1 03/01/2013 90 118 97,89 127,57 68,212 04/01/3013 90 88 97,89 127,57 68,213 07/01/2013 90 104 97,89 127,57 68,214 08/01/2013 90 97 97,89 127,57 68,215 09/01/2013 90 101 97,89 127,57 68,216 10/01/2013 90 88 97,89 127,57 68,217 11/01/2013 90 95 97,89 127,57 68,218 14/01/2013 90 94 97,89 127,57 68,219 15/01/2013 90 96 97,89 127,57 68,21

10 16/01/2013 90 95 97,89 127,57 68,2112 18/01/2013 90 97 97,89 127,57 68,2113 21/01/2013 90 101 97,89 127,57 68,2114 22/01/2013 90 100 97,89 127,57 68,2115 23/01/2013 90 103 97,89 127,57 68,2116 25/01/2013 90 109 97,89 127,57 68,2117 28/01/2013 90 104 97,89 127,57 68,2118 29/01/2013 90 95 97,89 127,57 68,2119 30/01/2013 90 81 97,89 127,57 68,2120 31/01/2013 90 94 97,89 127,57 68,21

Total 1860

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

20

40

60

80

100

120

140

Roda Assy Peta Kendali c Iterasi 1


Sampel

Ke

tid

akse

suaia

n

Gambar 4.101 output peta kendali c manual roda assy iterasi 1



Software SPSS





Kelompok 9

Iterasi 0

Gambar 4.102 output peta kendali c SPSS roda assy iterasi 0




Iterasi 1

Gambar 4.103 output peta kendali c SPSS roda assy iterasi 1



Software minitab





Kelompok 9

Iterasi 0

Sample

Sample Count

191715131197531

130

120

110

100

90

80

70

_C=99,5

UCL=129,42

LCL=69,58

1

C Chart of C2

Gambar 4.104 output peta kendali c minitab roda assy iterasi 0




Iterasi 1

Sample

Sample Count

191715131197531

130

120

110

100

90

80

70

60

_C=97,89

UCL=127,58

LCL=68,21

C Chart of C2

Gambar 4.105 output peta kendali c minitab roda assy iterasi 1



4. Roller Besar





Kelompok 9

Perhitungan Manual

Iterasi 0


c = 1988/20 = 99,4

UCL = c + 3√c = 99,4 + 3 √99,4 = 129,3

LCL = c - 3√c = 99,4 - 3 √99,4 = 69,49

Tabel 4.45 roller besar iterasi 0

No DateRoller Besar

N.of Inspeksi N.of Nonconformities c UCL LCL1 03/01/2013 90 94 99,4 129,3 69,492 04/01/3013 90 99 99,4 129,3 69,493 07/01/2013 90 130 99,4 129,3 69,494 08/01/2013 90 106 99,4 129,3 69,495 09/01/2013 90 102 99,4 129,3 69,496 10/01/2013 90 99 99,4 129,3 69,497 11/01/2013 90 106 99,4 129,3 69,498 14/01/2013 90 87 99,4 129,3 69,499 15/01/2013 90 95 99,4 129,3 69,49

10 16/01/2013 90 80 99,4 129,3 69,4911 17/01/2013 90 114 99,4 129,3 69,4912 18/01/2013 90 96 99,4 129,3 69,4913 21/01/2013 90 95 99,4 129,3 69,4914 22/01/2013 90 93 99,4 129,3 69,4915 23/01/2013 90 98 99,4 129,3 69,4916 25/01/2013 90 106 99,4 129,3 69,4917 28/01/2013 90 98 99,4 129,3 69,4918 29/01/2013 90 100 99,4 129,3 69,4919 30/01/2013 90 101 99,4 129,3 69,4920 31/01/2013 90 89 99,4 129,3 69,49

Total 1988





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

20

40

60

80

100

120

140

Roller Besar Peta Kendali c Iterasi 0


Sampel

Ke

tid

akse

suaia

n

Gambar 4.106 output peta kendali c manual roller besar iterasi 0


nomor 3 dengan nilai 130, pada tanggal 7/01/2013, sehingga harus dilakukan iterasi ke-

1 untuk menghilangkan data nomor 3.

Iterasi 1


c = 1858/19 = 97,79

UCL = c + 3√c = 99,4 + 3 √99,4 = 127,46

LCL = c - 3√c = 99,4 - 3 √99,4 = 68,13

Tabel 4.46 roller besar iterasi 1

No DateRoller Besar


1 03/01/2013 90 94 97,79 127,46 68,132 04/01/3013 90 99 97,79 127,46 68,134 08/01/2013 90 106 97,79 127,46 68,135 09/01/2013 90 102 97,79 127,46 68,136 10/01/2013 90 99 97,79 127,46 68,137 11/01/2013 90 106 97,79 127,46 68,138 14/01/2013 90 87 97,79 127,46 68,139 15/01/2013 90 95 97,79 127,46 68,13

10 16/01/2013 90 80 97,79 127,46 68,1311 17/01/2013 90 114 97,79 127,46 68,1312 18/01/2013 90 96 97,79 127,46 68,1313 21/01/2013 90 95 97,79 127,46 68,13

Lanjutan Tabel 4.46 roller besar iterasi 1





Kelompok 9

14 22/01/2013 90 93 97,79 127,46 68,1315 23/01/2013 90 98 97,79 127,46 68,1316 25/01/2013 90 106 97,79 127,46 68,1317 28/01/2013 90 98 97,79 127,46 68,1318 29/01/2013 90 100 97,79 127,46 68,1319 30/01/2013 90 101 97,79 127,46 68,1320 31/01/2013 90 89 97,79 127,46 68,13

Total 1858

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

20

40

60

80

100

120

140

Roller Besar Peta Kendali c Iterasi 1


sampel

Axis Title

Gambar 4.107 output peta kendali c manual roller besar iterasi 1







Kelompok 9

Software SPSS

Iterasi 0

Gambar 4.108 output peta kendali c SPSS roller besar iterasi 0








Kelompok 9

Iterasi 1

Gambar 4.109 output peta kendali c SPSS roller besar iterasi 1



Software Minitab

Iterasi 0

Sample

Sample Count

191715131197531

130

120

110

100

90

80

70

_C=99,4

UCL=129,31

LCL=69,49

1

C Chart of C2

Gambar 4.110 output peta kendali c minitab roller besar iterasi 0








Kelompok 9

Iterasi 1

Sample

Sample Count

191715131197531

130

120

110

100

90

80

70

60

_C=97,79

UCL=127,46

LCL=68,12

C Chart of C2

Gambar 4. 111 output peta kendali c minitab roller besar iterasi 1Berdasarkan grafik diatas dapat dilihat bahwa tidak terdapat data yang melewati


5. Roller Kecil

Perhitungan Manual

Iterasi 0


c = 2017/20 = 100,85

UCL = c + 3√c = 100,85+ 3 √100,85 = 130,98

LCL = c - 3√c = 100,85- 3 √100,85 = 70,72

Tabel 4.47 roller kecil iterasi 0

No DateRoller Kecil

N.of Inspeksi N.of Nonconformities c UCL LCL1 03/01/2013 90 86 100,85 130,98 70,722 04/01/3013 90 82 100,85 130,98 70,723 07/01/2013 90 117 100,85 130,98 70,724 08/01/2013 90 133 100,85 130,98 70,725 09/01/2013 90 105 100,85 130,98 70,726 10/01/2013 90 108 100,85 130,98 70,727 11/01/2013 90 97 100,85 130,98 70,728 14/01/2013 90 83 100,85 130,98 70,729 15/01/2013 90 102 100,85 130,98 70,72

10 16/01/2013 90 99 100,85 130,98 70,72Lanjutan Tabel 4.47 roller kecil iterasi 0





Kelompok 9

11 17/01/2013 90 92 100,85 130,98 70,7212 18/01/2013 90 101 100,85 130,98 70,7213 21/01/2013 90 100 100,85 130,98 70,7214 22/01/2013 90 95 100,85 130,98 70,7215 23/01/2013 90 98 100,85 130,98 70,7216 25/01/2013 90 106 100,85 130,98 70,7217 28/01/2013 90 101 100,85 130,98 70,7218 29/01/2013 90 88 100,85 130,98 70,7219 30/01/2013 90 111 100,85 130,98 70,7220 31/01/2013 90 113 100,85 130,98 70,72

Total 2017

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

20

40

60

80

100

120

140

Roller Kecil Peta Kendali c Iterasi 0


Sampel

Ke

tid

akse

suaia

n

Gambar 4.112 output peta kendali c manual roller kecil iterasi 0




Iterasi 1


c = 1889/19 = 99,16

UCL = c + 3√c = 99,4 + 3 √99,4 = 129,03

LCL = c - 3√c = 99,4 - 3 √99,4 = 69,29

Lanjutna Tabel 4.48 roller kecil iterasi 1





Kelompok 9

No DateRoller Kecil

N.of Inspeksi N.of Nonconformities c UCL LCL1 03/01/2013 90 86 99,16 129,03 69,292 04/01/3013 90 82 99,16 129,03 69,293 07/01/2013 90 117 99,16 129,03 69,295 09/01/2013 90 105 99,16 129,03 69,296 10/01/2013 90 108 99,16 129,03 69,297 11/01/2013 90 97 99,16 129,03 69,298 14/01/2013 90 83 99,16 129,03 69,299 15/01/2013 90 102 99,16 129,03 69,29

10 16/01/2013 90 99 99,16 129,03 69,2911 17/01/2013 90 92 99,16 129,03 69,2912 18/01/2013 90 101 99,16 129,03 69,2913 21/01/2013 90 100 99,16 129,03 69,2914 22/01/2013 90 95 99,16 129,03 69,2915 23/01/2013 90 98 99,16 129,03 69,2916 25/01/2013 90 106 99,16 129,03 69,2917 28/01/2013 90 101 99,16 129,03 69,2918 29/01/2013 90 88 99,16 129,03 69,2919 30/01/2013 90 111 99,16 129,03 69,2920 31/01/2013 90 113 99,16 129,03 69,29

Total 1884

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

20

40

60

80

100

120

140

Roller Kecil Peta Kendali c Iterasi 1


sampel

ke

tid

akse

suaia

n

Gambar 4.113 output peta kendali c manual roller kecil iterasi 1







Kelompok 9

Software SPSS

Iterasi 0

Gambar 4.114 output peta kendali c SPSS roller kecil iterasi 0




Iterasi 1

Gambar 4.115 output peta kendali c SPSS roller kecil iterasi 1





Kelompok 9



Software Minitab

Iterasi 0

Sample

Sample Count

191715131197531

140

130

120

110

100

90

80

70

_C=100,85

UCL=130,98

LCL=70,72

1

C Chart of C2

Gambar 4.116 output peta kendali c minitab roller kecil iterasi 0




Iterasi 1

Sample

Sample Count

191715131197531

130

120

110

100

90

80

70

_C=99,16

UCL=129,03

LCL=69,28

C Chart of C2

Gambar 4.117 output peta kendali c minitab roller kecil iterasi 1Berdasarkan grafik diatas dapat dilihat bahwa tidak terdapat data yang melewati






Kelompok 9

6. Rumah Dinamo

Perhitungan Manual

Iterasi 0


c = 2246/20 = 112,3

UCL = c + 3√c = 112,3+ 3 √112,3 = 144,09

LCL = c - 3√c = 112,3- 3 √112,3 = 80,5

Tabel 4.49 rumah dinamo iterasi 0

No DateRumah dinamo


1 03/01/2013 90 119 112,3 144,09 80,52 04/01/3013 90 96 112,3 144,09 80,53 07/01/2013 90 108 112,3 144,09 80,54 08/01/2013 90 101 112,3 144,09 80,55 09/01/2013 90 122 112,3 144,09 80,56 10/01/2013 90 104 112,3 144,09 80,57 11/01/2013 90 114 112,3 144,09 80,58 14/01/2013 90 126 112,3 144,09 80,59 15/01/2013 90 116 112,3 144,09 80,5

10 16/01/2013 90 95 112,3 144,09 80,511 17/01/2013 90 114 112,3 144,09 80,512 18/01/2013 90 106 112,3 144,09 80,513 21/01/2013 90 145 112,3 144,09 80,514 22/01/2013 90 123 112,3 144,09 80,515 23/01/2013 90 117 112,3 144,09 80,516 25/01/2013 90 103 112,3 144,09 80,517 28/01/2013 90 102 112,3 144,09 80,518 29/01/2013 90 114 112,3 144,09 80,519 30/01/2013 90 108 112,3 144,09 80,520 31/01/2013 90 113 112,3 144,09 80,5

Total 2246





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

20

40

60

80

100

120

140

160

Rumah Dinamo Peta Kendali c Iterasi 0


sampel

ke

tid

akse

sua

ian

Gambar 4.118 output peta kendali c manual rumah dinamo iterasi 0




Iterasi 1


c = 2101/19 = 110,59

UCL = c + 3√c = 110,59+ 3 √110,59 = 142,13

LCL = c - 3√c = 110,59 - 3 √110,59 = 79,04

Tabel 4.50 rumah dinamo iterasi 1

No DateRumah dinamo


1 03/01/2013 90 119 110,59 142,13 79,042 04/01/3013 90 96 110,59 142,13 79,043 07/01/2013 90 108 110,59 142,13 79,044 08/01/2013 90 101 110,59 142,13 79,045 09/01/2013 90 122 110,59 142,13 79,046 10/01/2013 90 104 110,59 142,13 79,047 11/01/2013 90 114 110,59 142,13 79,048 14/01/2013 90 126 110,59 142,13 79,049 15/01/2013 90 116 110,59 142,13 79,04

10 16/01/2013 90 95 110,59 142,13 79,0411 17/01/2013 90 114 110,59 142,13 79,0412 18/01/2013 90 106 110,59 142,13 79,0414 22/01/2013 90 123 110,59 142,13 79,04





Kelompok 9

Lanjutan Tabel 4.50 rumah dinamo iterasi 1

15 23/01/2013 90 117 110,59 142,13 79,0416 25/01/2013 90 103 110,59 142,13 79,0417 28/01/2013 90 102 110,59 142,13 79,0418 29/01/2013 90 114 110,59 142,13 79,0419 30/01/2013 90 108 110,59 142,13 79,0420 31/01/2013 90 113 110,59 142,13 79,04

Total 2101

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

20

40

60

80

100

120

140

160

Rumah Dinamo Peta Kendali c Iterasi 1


sampel

ke

tid

akse

suaia

n

Gambar 4.119 output peta kendali c manual rumah dinamo iterasi 1



Software SPSS

Iterasi 0

Gambar 4.120 output peta kendali c SPSS rumah dinamo iterasi 0





Kelompok 9




Iterasi 1

Gambar 4.121 output peta kendali c SPSS rumah dinamo iterasi 1



Software Minitab

Iterasi 0

Sample

Sample Count

191715131197531

150

140

130

120

110

100

90

80

_C=112,3

UCL=144,09

LCL=80,51

1

C Chart of C2

Gambar 4.122 output peta kendali c minitab rumah dinamo iterasi 0





Kelompok 9




Iterasi 1

Sample

Sample Count

191715131197531

150

140

130

120

110

100

90

80

_C=110,58

UCL=142,13

LCL=79,03

C Chart of C2

Gambar 4.123 output peta kendali c minitab rumah dinamo iterasi 1Berdasarkan grafik diatas dapat dilihat bahwa tidak terdapat data yang melewati


Peta Kendali u

1. Bumper belakang

Perhitungan Manual

Iterasi 0

CL = 1,80591

UCL = u + 3√ u¿

= 1,80591 + 3 x √ 1,8059189

= 2,23325

LCL = u – 3 √ u¿

= 1,80591 - 3 x √ 1,8059189

= 1,37857

Tabel 4.51 bumper belakang iterasi 0

No DateBumper Belakang

N.of Inspeksi

N.of Nonconformities UCL CL LCL u

1 1/3/2013 89 154 2.23325 1.80591

1.37857 1.73034

2 1/4/3013 100 162 2.20906 1.8059 1.40276 1.62





Kelompok 9

1

3 1/7/2013 86 152 2.24064 1.80591

1.37118 1.76744

Lanjutan Tabel 4.51 bumper belakang iterasi 0

4 1/8/2013 75 172 2.27143 1.80591

1.34039 2.29333

5 1/9/2013 80 159 2.25665 1.80591

1.35517 1.9875

6 1/10/2013 90 149 2.23087 1.80591

1.38095 1.65556

7 1/11/2013 80 167 2.25665 1.80591

1.35517 2.0875

8 1/14/2013 97 153 2.21525 1.80591

1.39657 1.57732

9 1/15/2013 82 169 2.25112 1.80591

1.3607 2.06098

10 1/16/2013 82 171 2.25112 1.80591

1.3607 2.08537

11 1/17/2013 76 144 2.26836 1.80591

1.34346 1.89474

12 1/18/2013 110 162 2.1903 1.80591

1.42152 1.47273

13 1/21/2013 102 152 2.20509 1.80591

1.40673 1.4902

14 1/22/2013 95 176 2.21954 1.80591

1.39229 1.85263

15 1/23/2013 90 183 2.23087 1.80591

1.38095 2.03333

16 1/25/2013 92 166 2.22623 1.80591

1.3856 1.80435

17 1/28/2013 101 159 2.20706 1.80591

1.40476 1.57426

18 1/29/2013 109 158 2.19206 1.80591

1.41976 1.44954

19 1/30/2013 70 161 2.28777 1.80591

1.32405 2.3

20 1/31/2013 87 169 2.23814 1.80591

1.37369 1.94253

Jumlah 1793 3238 36.6796u bar 1.83398





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

0.5

1

1.5

2

2.5

u chart bumper belakang iterasi 0

UCLCLLCLu

sample

prob

abili

tas

n of

non

conf

orm

ities

Gambar 4.124 output peta kendali u excel bumper belakang iterasi 0

Dari data diatas, ada yang dikeluarkan adalah data ke 4 pada tanggal 8/1/2013

dengan nonconformities 172 dan data ke 19 pada tanggal 30/1/2013 dengan

nonconformities 161 karena melebihi batas UCL

Iterasi 1

CL = 1,762743

UCL = u + 3√ u¿

= 1,762743+ 3 x √ 1,76274389

= 2,184945

LCL = u – 3 √ u¿

= 1,762743- 3 x √ 1,76274389

= 1,354054

Tabel 4.52 data bumper belakang iterasi 1

No Date

Bumper Belakang

N.of Inspeksi

N.of Nonconformitie

s UCL CL LCL U

1 1/3/2013 89 1542.18494

5 1.762743 1.340541.73033

7

2 1/4/3013 100 1622.16104

8 1.7627431.36443

8 1.62

3 1/7/2013 86 1522.19224

6 1.7627431.33323

91.76744

2

5 1/9/2013 80 1592.20806

1 1.7627431.31742

4 1.9875

61/10/201

3 90 1492.18259

3 1.7627431.34289

21.65555

67 1/11/201 80 167 2.20806 1.762743 1.31742 2.0875





Kelompok 9

3 1 4

81/14/201

3 97 153 2.16716 1.7627431.35832

5 1.57732

91/15/201

3 82 1692.20259

7 1.7627431.32288

82.06097

6

101/16/201

3 82 1712.20259

7 1.7627431.32288

82.08536

6

111/17/201

3 76 144 2.21963 1.7627431.30585

61.89473

7

121/18/201

3 110 1622.14251

2 1.7627431.38297

41.47272

7

131/21/201

3 102 1522.15712

3 1.7627431.36836

21.49019

6

141/22/201

3 95 1762.17139

5 1.762743 1.354091.85263

2

151/23/201

3 90 1832.18259

3 1.7627431.34289

22.03333

3

161/25/201

3 92 1662.17800

4 1.7627431.34748

11.80434

8

171/28/201

3 101 1592.15907

1 1.7627431.36641

41.57425

7

181/29/201

3 109 158 2.14425 1.7627431.38123

61.44954

1

201/31/201

3 87 169 2.18977 1.7627431.33571

51.94252

9Jumlah 1648 2905 32.0863

u bar1.60431

5

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180

0.5

1

1.5

2

2.5

u chart bumper belakang iterasi 1

UCLCLLCLu

sample

pro

bab

ilita

s n

of

no

nco

nfo

rmiti

es

Gambar 4.125 output peta kendali u excel bumper belakang iterasi 1





Kelompok 9



Software SPSS

Iterasi 0

Gambar 4.126 output peta kendali u software SPSS bumper belakang iterasi 0




Iterasi 1





Kelompok 9

Gambar 4.127 output peta kendali u software SPSS bumper belakang iterasi 1



Minitab

Iterasi 0

Gambar 4.128 output peta kendali u software minitab bumper belakang iterasi 0






Sample

Sample Count Per Unit

191715131197531

2.4

2.2

2.0

1.8

1.6

1.4

1.2

_U=1.806

UCL=2.238

LCL=1.374

11

Tests performed with unequal sample sizes

u Chart bumper belakang iterasi 0



Kelompok 9

Iterasi 1

Gambar 4.129 output peta kendali u software minitab bumper belakang iterasi 1



2. Pengunci body

Manual

Iterasi 0

CL = 0,98323

UCL = u + 3√ u¿

= 0,98323+ 3 x √ 0,9832393

= 1,2917

LCL = u – 3 √ u¿

= 0,98323- 3 x √ 0,9832393

= 0,67477

Tabel 4.53 data pengunci body iterasi 0

No DatePengunci Body

N.of Inspeksi N.of Nonconformities UCL CL LCL u

1 1/3/2013 93 98 1.29170.9832

3 0.67477 1.05376

2 1/4/3013 90 84 1.29680.9832

3 0.66967 0.93333

3 1/7/2013 92 99 1.293370.9832

3 0.6731 1.07609

4 1/8/2013 79 109 1.317920.9832

3 0.64855 1.37975Lanjutan Tabel 4.53 data pengunci body iterasi 0



Sample


1715131197531

2.2

2.0

1.8

1.6

1.4

1.2

_U=1.763

UCL=2.190

LCL=1.336


u Chart bumper belakang iterasi 1



Kelompok 9

5 1/9/2013 90 88 1.29680.9832

3 0.66967 0.97778

6 1/10/2013 84 84 1.307810.9832

3 0.65866 1

7 1/11/2013 98 68 1.283730.9832

3 0.68274 0.69388

8 1/14/2013 99 74 1.282210.9832

3 0.68426 0.74747

9 1/15/2013 83 96 1.309750.9832

3 0.65671 1.15663

10 1/16/2013 91 98 1.295070.9832

3 0.6714 1.07692

11 1/17/2013 85 82 1.305890.9832

3 0.66058 0.96471

12 1/18/2013 95 92 1.288440.9832

3 0.67803 0.96842

13 1/21/2013 109 97 1.268160.9832

3 0.69831 0.88991

14 1/22/2013 84 95 1.307810.9832

3 0.65866 1.13095

15 1/23/2013 99 80 1.282210.9832

3 0.68426 0.80808

16 1/25/2013 89 85 1.298560.9832

3 0.66791 0.95506

17 1/28/2013 102 92 1.277780.9832

3 0.68869 0.90196

18 1/29/2013 100 100 1.280710.9832

3 0.68576 1

19 1/30/2013 97 102 1.285270.9832

3 0.68119 1.05155

20 1/31/2013 90 95 1.29680.9832

3 0.66967 1.05556jumlah 1849 1818 19.8218

u bar 0.99109





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

u chart pengunci body iterasi 0

UCLCLLCLu

sample

pro

bab

ilit

as

n o

f N

on

con

form

itie

s

Gambar 4.130 output peta kendali u excel pengunci body iterasi 0

Dari grafik diatas, data yang dikeluarkan adalah data ke 4 pada tanggal 8/1/2013

dengan nonconformities 109 karena melebihi batas UCL.

Iterasi 1

CL = 0,96554

UCL = u + 3√ u¿

= 0,96554+ 3 x √ 0,9655493

= 1,27121

LCL = u – 3 √ u¿

= 0,96554- 3 x √ 0,9655493

= 0,65986

Tabel 4.54 data pengunci body iterasi 1

No DatePengunci Body

N.of Inspeksi


1 1/3/2013 93 981.2712

10.9655

40.6598

61.0537

6

2 1/4/3013 90 84 1.27910.9655

40.6519

70.9333

3

3 1/7/2013 92 991.2756

80.9655

4 0.65541.0760

9

5 1/9/2013 90 88 1.27910.9655

40.6519

70.9777

8

61/10/201

3 84 841.2901

10.9655

40.6409

7 1

71/11/201

3 98 681.2660

30.9655

40.6650

40.6938

8

81/14/201

3 99 741.2645

10.9655

40.6665

60.7474

79 1/15/201 83 96 1.2920 0.9655 0.6390 1.1566





Kelompok 9

3 6 4 2 3

101/16/201

3 91 981.2773

70.9655

4 0.65371.0769

2

111/17/201

3 85 821.2881

90.9655

40.6428

80.9647

1

121/18/201

3 95 921.2707

40.9655

40.6603

30.9684

2

131/21/201

3 109 971.2504

70.9655

40.6806

10.8899

1

141/22/201

3 84 951.2901

10.9655

40.6409

71.1309

5

151/23/201

3 99 801.2645

10.9655

40.6665

60.8080

8

161/25/201

3 89 851.2808

60.9655

40.6502

10.9550

6

171/28/201

3 102 921.2600

80.9655

40.6709

90.9019

6

181/29/201

3 100 1001.2603

20.9655

40.6707

5 1

191/30/201

3 97 1021.2675

80.9655

4 0.66351.0515

5

201/31/201

3 90 95 1.27910.9655

40.6519

71.0555

6

jumlah 1770 170918.442

1u bar 0.9221

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

0.2

0.4

0.6

0.8

1

1.2

1.4

u chart pengunci body iterasi 1

UCLCLLCLu

sample

pro

bab

ilit

as

n o

f n

on

com

forti

es

Gambar 4.131 output peta kendali u excel pengunci body iterasi 1







Kelompok 9

Software SPSS

Iterasi 0

Gambar 4.132 output peta kendali u software SPSS pengunci body iterasi 0



Iterasi 1

Gambar 4.133 output peta kendali u software SPSS pengunci body iterasi 1







Kelompok 9

Minitab

Gambar 4.134 output peta kendali u software minitab pengunci body iterasi 0



Iterasi 1

Gambar 4.135 output peta kendali u software minitab pengunci body iterasi 1



3. Tuas on-off

Manual

Iterasi 0



Sample


191715131197531

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

0.6

_U=1.0222

UCL=1.3701

LCL=0.6743

1


u Chart pengunci bodi iterasi 0

Sample


191715131197531

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

0.6

_U=1.0064

UCL=1.3387

LCL=0.6740


U Chart pengunci body iterasi 1



Kelompok 9

CL = 1,02222

UCL = u + 3√ u¿

= 1,02222+ 3 x √ 1,02222105

= 1,31823

LCL = u – 3 √ u¿

= 1,02222 - 3 x √ 1,02222105

= 0,72622

Tabel 4.55 data tuas on-off iterasi 0

No Datetuas on-off

N.of Inspeksi


1 1/3/2013 105 961.3182

31.0222

20.7262

20.91428

6

2 1/4/3013 104 801.3196

51.0222

2 0.72480.76923

1

3 1/7/2013 92 831.3384

51.0222

20.7059

90.90217

4

4 1/8/2013 95 961.3334

21.0222

20.7110

31.01052

6

5 1/9/2013 101 1001.3240

31.0222

20.7204

10.99009

9

6 1/10/2013 104 1061.3196

51.0222

2 0.72481.01923

1

7 1/11/2013 83 751.3551

51.0222

20.6892

90.90361

4

8 1/14/2013 90 921.3419

41.0222

2 0.70251.02222

2

9 1/15/2013 89 1031.3437

41.0222

20.7007

11.15730

3

10 1/16/2013 71 871.3821

91.0222

20.6622

51.22535

2

11 1/17/2013 89 871.3437

41.0222

20.7007

10.97752

8

12 1/18/2013 87 901.3474

11.0222

20.6970

31.03448

3

13 1/21/2013 88 831.3455

61.0222

20.6988

90.94318

2

14 1/22/2013 102 891.3225

51.0222

2 0.72190.87254

9

15 1/23/2013 76 911.3701

51.0222

2 0.67431.19736

8

16 1/25/2013 92 901.3384

51.0222

20.7059

90.97826

1

17 1/28/2013 83 1041.3551

51.0222

20.6892

91.25301

2





Kelompok 9

18 1/29/2013 91 881.3401

81.0222

20.7042

60.96703

3

19 1/30/2013 82 951.3571

81.0222

20.6872

71.15853

7

20 1/31/2013 76 1051.3701

51.0222

2 0.67431.38157

9

jumlah 1800 184020.6775

7

u bar1.03387

9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

u chart tuas on-off iterasi 0

UCLCLLCLu

sample

pro

bab

ilit

as

N o

f N

on

con

form

itie

s

Gambar 4. 136 output peta kendali u excel tuas on-off iterasi 0



Iterasi 1

CL = 1,00638

UCL = u + 3√ u¿

= 1,00638+ 3 x √ 1,00638105

= 1,30008

LCL = u – 3 √ u¿

= 1,00638- 3 x √ 1,00638105

= 0,71268

Tabel 4.56 data tuas on-off iterasi 1

No Datetuas on-off

N.of Inspeksi


1 1/3/2013 105 96 1.300081.0063

8 0.71268 0.914292 1/4/3013 104 80 1.30149 1.0063 0.71127 0.76923





Kelompok 9

8

3 1/7/2013 92 83 1.320151.0063

8 0.69261 0.90217

4 1/8/2013 95 96 1.315151.0063

8 0.69761 1.01053

5 1/9/2013 101 100 1.305841.0063

8 0.70692 0.9901

6 1/10/2013 104 106 1.301491.0063

8 0.71127 1.01923

7 1/11/2013 83 75 1.336721.0063

8 0.67604 0.90361

8 1/14/2013 90 92 1.323621.0063

8 0.68915 1.02222

9 1/15/2013 89 103 1.325391.0063

8 0.68737 1.1573

10 1/16/2013 71 87 1.363551.0063

8 0.64921 1.22535

11 1/17/2013 89 87 1.325391.0063

8 0.68737 0.97753

12 1/18/2013 87 90 1.329041.0063

8 0.68372 1.03448

13 1/21/2013 88 83 1.32721.0063

8 0.68556 0.94318

14 1/22/2013 102 89 1.304371.0063

8 0.70839 0.87255Lanjutan Tabel 4.56 data tuas on-off iterasi 1

15 1/23/2013 76 91 1.35161.0063

8 0.66116 1.19737

16 1/25/2013 92 90 1.320151.0063

8 0.69261 0.97826

17 1/28/2013 83 104 1.336721.0063

8 0.67604 1.25301

18 1/29/2013 91 88 1.321871.0063

8 0.69089 0.96703

19 1/30/2013 82 95 1.338731.0063

8 0.67403 1.15854jumlah 1724 1735 19.296

u bar 0.9648





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

u chart tuas on-off iterasi 1

UCLCLLCLu

sample

pro

bab

ilit

as

n o

f n

on

com

forti

es

Gambar 4.137 output peta kendali u excel tuas on-off iterasi 1



Software SPSS

Iterasi 0

Gambar 4.138 output peta kendali u software SPSS tuas on-off iterasi 0



Iterasi 1





Kelompok 9

Gambar 4.139 output peta kendali u software SPSS tuas on-off iterasi 1



Minitab

Iterasi 0

Gambar 4.140 output peta kendali u software minitab tuas on-off iterasi 0



Iterasi 1



Sample


191715131197531

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

0.6

_U=1.0222

UCL=1.3701

LCL=0.6743

1


u Chart tuas on-off iterasi 0



Kelompok 9

Gambar 4.141 output peta kendali u software minitab tuas on-off iterasi 1



4. Gear Dinamo

Manual

Iterasi 0

CL = 1,11857

UCL = u + 3√ u¿

= 1,11857+ 3 x √ 1,1185790

= 1,45302

LCL = u – 3 √ u¿

= 1,11857- 3 x √ 1,1185790

= 0,78412

Tabel 4.57 data gear dinamo iterasi 0

No Dategear dinamo

N.of Inspeksi


1 1/3/2013 90 106 1.45302 1.11857 0.78412 1.1777782 1/4/3013 87 98 1.45873 1.11857 0.7784 1.1264373 1/7/2013 77 106 1.48015 1.11857 0.75698 1.3766234 1/8/2013 71 106 1.49512 1.11857 0.74202 1.4929585 1/9/2013 92 105 1.44936 1.11857 0.78777 1.1413046 1/10/2013 94 85 1.44582 1.11857 0.79131 0.904255

Lanjutan Tabel 4.57 data gear dinamo iterasi 0

7 1/11/2013 94 98 1.44582 1.11857 0.79131 1.0425538 1/14/2013 87 90 1.45873 1.11857 0.7784 1.0344839 1/15/2013 78 82 1.47782 1.11857 0.75931 1.051282

10 1/16/2013 95 92 1.4441 1.11857 0.79304 0.968421



Sample


191715131197531

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

0.6

_U=1.0064

UCL=1.3387

LCL=0.6740


u Chart tuas on-off iterasi 1



Kelompok 9

11 1/17/2013 73 109 1.48992 1.11857 0.74721 1.49315112 1/18/2013 96 91 1.4424 1.11857 0.79474 0.94791713 1/21/2013 100 103 1.43585 1.11857 0.80128 1.0314 1/22/2013 89 93 1.45489 1.11857 0.78224 1.04494415 1/23/2013 76 88 1.48252 1.11857 0.75461 1.15789516 1/25/2013 98 88 1.43907 1.11857 0.79806 0.89795917 1/28/2013 91 110 1.45117 1.11857 0.78596 1.20879118 1/29/2013 86 107 1.4607 1.11857 0.77643 1.24418619 1/30/2013 83 83 1.46683 1.11857 0.7703 120 1/31/2013 72 94 1.49249 1.11857 0.74464 1.305556

jumlah 1729 1934 22.64649u bar 1.132325

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

u chart gear dinamo iterasi 0

UCLCLLCLu

sample

pro

bab

ilit

as

n o

f n

on

com

forti

es

Gambar 4.142 output peta kendali u excel gear dinamo iterasi 0



Iterasi 1

CL = 1,10205

UCL = u + 3√ u¿

= 1,10205+ 3 x √ 1,1020590

= 1,43402

LCL = u – 3 √ u¿

= 1,10205- 3 x√ 1,1020590

= 0,77008

Tabel 4.58 data gear dynamo iterasi 1

No Dategear dinamo

N.of N.of UCL CL LCL u





Kelompok 9

Inspeksi Nonconformities1 1/3/2013 90 106 1.413867 1.084543 0.755219 1.1777782 1/4/3013 87 98 1.419496 1.084543 0.749589 1.1264373 1/7/2013 77 106 1.440583 1.084543 0.728502 1.3766235 1/9/2013 92 105 1.410267 1.084543 0.758818 1.1413046 1/10/2013 94 85 1.406783 1.084543 0.762302 0.9042557 1/11/2013 94 98 1.406783 1.084543 0.762302 1.0425538 1/14/2013 87 90 1.419496 1.084543 0.749589 1.0344839 1/15/2013 78 82 1.438293 1.084543 0.730792 1.051282

10 1/16/2013 95 92 1.405083 1.084543 0.764002 0.96842112 1/18/2013 96 91 1.403409 1.084543 0.765676 0.94791713 1/21/2013 100 103 1.396967 1.084543 0.772118 1.0314 1/22/2013 89 93 1.415711 1.084543 0.753374 1.04494415 1/23/2013 76 88 1.442918 1.084543 0.726168 1.15789516 1/25/2013 98 88 1.400139 1.084543 0.768947 0.89795917 1/28/2013 91 110 1.412052 1.084543 0.757033 1.20879118 1/29/2013 86 107 1.421438 1.084543 0.747647 1.24418619 1/30/2013 83 83 1.427473 1.084543 0.741613 120 1/31/2013 72 94 1.452738 1.084543 0.716347 1.305556

Jumlah 1585 1719 19.66038u bar 0.983019

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 180

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

u chart gear dinamo iterasi 1

UCLCLLCLu

sample

pro

bab

ilit

as

n o

f n

on

com

forti

es

Gambar 4.143 output peta kendali u excel gear dynamo iterasi 1



Software SPSS





Kelompok 9

Iterasi 0

Gambar 4.144 output peta kendali u software SPSS gear dynamo iterasi 0



Iterasi 1

Gambar 4.145 output peta kendali u software SPSS gear dynamo iterasi 1



Minitab

Iterasi 0





Kelompok 9

Gambar 4.146 output peta kendali u software minitab gear dynamo iterasi 0



Iterasi 1

Gambar 4.147 output peta kendali u software minitab gear dynamo iterasi 1





Sample


191715131197531

1.5

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

_U=1.1186

UCL=1.4925

LCL=0.7446

1


u Chart gear dinamo iterasi 0

Sample


1715131197531

1.5

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

_U=1.0845

UCL=1.4527

LCL=0.7163


u Chart gear dinamo iterasi 1



Kelompok 9

5. Pengunci Dinamo

Manual

Iterasi 0

CL = 0,96632

UCL = u + 3√ u¿

= 0,96632+ 3 x √ 0,96632100

= 1,26122

LCL = u – 3 √ u¿

= 0,96632- 3 x √ 0,96632100

= 0,67141

Tabel 4.59 data pengunci dynamo iterasi 0

No DatePengunci dynamo

N.of Inspeksi


1 1/3/2013 100 821.2612

20.9663

20.6714

1 0.82

2 1/4/3013 73 881.3114

80.9663

20.6211

61.20547

9

3 1/7/2013 86 761.2843

20.9663

20.6483

10.88372

1

4 1/8/2013 90 631.2771

70.9663

20.6554

6 0.7

5 1/9/2013 83 881.2900

20.9663

20.6426

21.06024

1

6 1/10/2013 106 741.2527

50.9663

20.6798

80.69811

3

7 1/11/2013 100 991.2612

20.9663

20.6714

1 0.99

8 1/14/2013 84 801.2880

80.9663

20.6445

50.95238

1

9 1/15/2013 94 891.2704

90.9663

20.6621

50.94680

9

10 1/16/2013 92 871.2737

80.9663

20.6588

60.94565

2

11 1/17/2013 94 1031.2704

90.9663

20.6621

51.09574

5

12 1/18/2013 86 1081.2843

20.9663

20.6483

11.25581

4

13 1/21/2013 103 1011.2568

90.9663

20.6757

40.98058

3

14 1/22/2013 105 961.2541

10.9663

20.6785

20.91428

6

15 1/23/2013 85 871.2861

90.9663

20.6464

51.02352

9





Kelompok 9

16 1/25/2013 89 911.2789

10.9663

20.6537

21.02247

2

17 1/28/2013 81 681.2939

90.9663

20.6386

50.83950

6

18 1/29/2013 87 821.2824

90.9663

20.6501

50.94252

9

19 1/30/2013 86 761.2843

20.9663

20.6483

10.88372

1

20 1/31/2013 87 1121.2824

90.9663

20.6501

51.28735

6

jumlah 1811 175019.4479

4

u bar0.97239

7

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

0.2

0.4

0.6

0.8

1

1.2

1.4

u chart pengunci dinamo iterasi 0

UCLCLLCLu

sample

pro

bab

ilit

as

n o

f n

on

com

forti

es

Gambar 4.148 output peta kendali u excel pengunci dynamo iterasi 0



Iterasi 1

CL = 0,95012

UCL = u + 3√ u¿

= 0,95012+ 3 x √ 0,95012100

= 1,24254

LCL = u – 3 √ u¿

= 0,95012- 3 x √ 0,95012100

= 0,65769

Tabel 4.60 data pengunci dynamo iterasi 1

No DatePengunci dynamo

N.of Inspeksi


1 1/3/2013 100 82 1.2425 0.95012 0.65769 0.82





Kelompok 9

4

2 1/4/3013 73 881.2923

7 0.95012 0.60786 1.20548

3 1/7/2013 86 761.2654

4 0.95012 0.63479 0.88372

4 1/8/2013 90 631.2583

6 0.95012 0.64188 0.7

5 1/9/2013 83 881.2710

9 0.95012 0.62914 1.06024

6 1/10/2013 106 741.2341

4 0.95012 0.66609 0.69811

7 1/11/2013 100 991.2425

4 0.95012 0.65769 0.99

8 1/14/2013 84 801.2691

7 0.95012 0.63106 0.95238

9 1/15/2013 94 891.2517

3 0.95012 0.64851 0.94681

10 1/16/2013 92 871.2549

9 0.95012 0.64525 0.94565

11 1/17/2013 94 1031.2517

3 0.95012 0.64851 1.09574

12 1/18/2013 86 1081.2654

4 0.95012 0.63479 1.25581

13 1/21/2013 103 1011.2382

5 0.95012 0.66198 0.98058

14 1/22/2013 105 961.2354

9 0.95012 0.66474 0.91429

15 1/23/2013 85 871.2672

9 0.95012 0.63294 1.02353Lanjutan Tabel 4.60 data pengunci dynamo iterasi 1

16 1/25/2013 89 911.2600

8 0.95012 0.64015 1.02247

17 1/28/2013 81 681.2750

3 0.95012 0.6252 0.83951

18 1/29/2013 87 821.2636

2 0.95012 0.63661 0.94253

19 1/30/2013 86 761.2654

4 0.95012 0.63479 0.88372jumlah 1724 1638 18.1606

u bar 0.90803





Kelompok 9

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

0.2

0.4

0.6

0.8

1

1.2

1.4

u chart pengunci dinamo iterasi 1

UCLCLLCLu

sample

pro

bab

ilit

as

n o

f n

on

com

forti

es

Gambar 4.149 output peta kendali u excel pengunci dynamo iterasi 1



SPSS

Iterasi 0

Gambar 4.150 output peta kendali u software SPSS pengunci dynamo iterasi 0



Iterasi 1





Kelompok 9




Minitab

Iterasi 0

Gambar 4.152 output peta kendali u software minitab pengunci dynamo iterasi 0



Iterasi 1



Sample


191715131197531

1.4

1.3

1.2

1.1

1.0

0.9

0.8

0.7

0.6

_U=0.9663

UCL=1.2825

LCL=0.6501

1


u Chart pengunci dinamo iterasi 0



Kelompok 9




Peta Kendali P

1. Plat Belakang Besar

Perhitungan Manual

Iterasi 0

Tabel 4.61 data pplat belakang besar iterasi 0

Noplat Belakang Besar

Pi Pbar UCL LCLN.of Inspeksi

N.of Nonconformities

1 94 3 0,031915 0,108866 0,205244 0,0124892 94 11 0,117021 0,108866 0,205244 0,0124893 77 10 0,12987 0,108866 0,215353 0,002384 98 5 0,05102 0,108866 0,203257 0,0144765 98 9 0,091837 0,108866 0,203257 0,0144766 78 18 0,230769 0,108866 0,214668 0,0030657 91 13 0,142857 0,108866 0,20682 0,0109138 83 10 0,120482 0,108866 0,211432 0,006301

Lanjutan Tabel 4.61 data pplat belakang besar iterasi 0

9 89 6 0,067416 0,108866 0,207914 0,00981910 82 11 0,134146 0,108866 0,212055 0,00567811 102 8 0,078431 0,108866 0,201387 0,01634612 90 13 0,144444 0,108866 0,207362 0,01037



Sample


191715131197531

1.3

1.2

1.1

1.0

0.9

0.8

0.7

0.6

_U=0.9501

UCL=1.2654

LCL=0.6348


u Chart pengunci dinamo iterasi 1



Kelompok 9

13 94 7 0,074468 0,108866 0,205244 0,01248914 85 12 0,141176 0,108866 0,210218 0,00751515 82 12 0,146341 0,108866 0,212055 0,00567816 96 6 0,0625 0,108866 0,204235 0,01349817 97 11 0,113402 0,108866 0,203742 0,01399118 71 9 0,126761 0,108866 0,219761 -0,0020319 83 12 0,144578 0,108866 0,211432 0,00630120 98 8 0,081633 0,108866 0,203257 0,014476

p 1= N .of nonconformitiesN .of inspection

= 394

=0.031914894

p=∑ N . of nonconformities

∑ N .of inspection=

1941782

=0,1088664422

UCL=p+(3√ p (1−p )n )

¿0,1088664422+(3√ 0,1088664422 (1−0,1088664422 )94 )=0,205243961

LCL=p−(3√ p (1−p )n )

¿0,1088664422−(3√ 0,1088664422 (1−0,1088664422 )94 )=0,012489

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

-0.05

0

0.05

0.1

0.15

0.2

0.25

P-Chart Plat Belakang Besar Iterasi 0

PiPbarUCLLCL

Sample

Pro

po

rsi

Gambar 4.154 output peta kendali manual plat belakang iterasi 0

Pada data terlihat ada yang keluar dari batas dimana nilai P6 sebesar

0.230769231 sedangkan UCL nya sebesar 0.214668074 sehingga data di hilangkan dari

peta kendali.





Kelompok 9

Iterasi 1

Tabel 4.62 data plat belakang besar iterasi 1

Noplat Belakang Besar



1 94 30,03191

50,10328

60,19745

50,00911

8

2 94 110,11702

10,10328

60,19745

50,00911

8

3 77 10 0,129870,10328

60,20733

2-

0,00076

4 98 5 0,051020,10328

60,19551

3 0,01106

5 98 90,09183

70,10328

60,19551

3 0,01106

7 91 130,14285

70,10328

60,19899

50,00757

8

8 83 100,12048

20,10328

60,20350

10,00307

2

9 89 60,06741

60,10328

60,20006

40,00650

9

10 82 110,13414

60,10328

6 0,204110,00246

3

11 102 80,07843

10,10328

60,19368

70,01288

6

12 90 130,14444

40,10328

60,19952

50,00704

8

13 94 70,07446

80,10328

60,19745

50,00911

8

14 85 120,14117

60,10328

60,20231

50,00425

8

15 82 120,14634

10,10328

6 0,204110,00246

3

16 96 6 0,06250,10328

60,19646

90,01010

4

17 97 110,11340

20,10328

60,19598

70,01058

6

18 71 90,12676

10,10328

60,21163

9-

0,00507

19 83 120,14457

80,10328

60,20350

10,00307

2

20 98 80,08163

30,10328

60,19551

3 0,01106





Kelompok 9


= 294

=0.031914894



1761704

=0.103286385

UCL=p+(3√ p (1−p )n )

¿0.103286385+(3√ 0,103286385 (1−0.103286385 )94 )=0.197454906

LCL=p−(3√ p (1−p )n )

¿0.103286385−(3√ 0.103286385 (1−0.103286385 )94 )=0,009117864

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

-0.05

0

0.05

0.1

0.15

0.2

0.25

P-Chart Plat Belakang Besar Iterasi 1

PiPbarUCLLCL

Sample

Pro

po

rsi

Gambar 4.155 output peta kendali p manual plat belakang iterasi 1



Software SPSS

Iterasi 0





Kelompok 9

Gambar 4.156 output peta kendali p software SPSS plat belakang iterasi 0



peta kendali.

Iterasi 1

Gambar 4.157 output peta kendali p software SPSS plat belakang iterasi 1







Kelompok 9

minitab

Iterasi 0

Gambar 4.158 output peta kendali p software minitab plat belakang iterasi 0



peta kendali.

Iterasi 1

Gambar 4.159 output peta kendali p software minitab plat belakang iterasi 1



2. Plat Belakang Kecil

Perhitungan manual





Kelompok 9

Iterasi 0

Tabel 4.63 data plat belakang kecil iterasi 0

NoPlat Belakang Kecil



1 90 110,12222

2 0,107289 0,205155 0,009423

2 102 60,05882

4 0,107289 0,199218 0,0153593 100 7 0,07 0,107289 0,200133 0,014445

4 11 100,90909

1 0,107289 0,387224 -0,172655 80 17 0,2125 0,107289 0,211091 0,003486

6 86 60,06976

7 0,107289 0,207405 0,0071727 90 9 0,1 0,107289 0,205155 0,009423

8 107 110,10280

4 0,107289 0,197044 0,017533

9 88 50,05681

8 0,107289 0,206261 0,008317

10 92 150,16304

3 0,107289 0,204085 0,010492Lanjutan Tabel 4.63 data plat belakang kecil iterasi 0

11 83 60,07228

9 0,107289 0,209198 0,005379

12 91 110,12087

9 0,107289 0,204616 0,009962

13 95 110,11578

9 0,107289 0,202545 0,012033

14 84 60,07142

9 0,107289 0,20859 0,00598815 88 11 0,125 0,107289 0,206261 0,00831716 83 11 0,13253 0,107289 0,209198 0,005379

17 85 70,08235

3 0,107289 0,207992 0,006585

18 88 70,07954

5 0,107289 0,206261 0,008317

19 86 80,09302

3 0,107289 0,207405 0,007172

20 86 90,10465

1 0,107289 0,207405 0,007172





Kelompok 9


=1190

=0.122222



1841715

=0,1728863

UCL=p+(3√ p (1−p )n )

¿0,1728863+(3√ 0,1728863 (1−0,1728863 )90 )=0,205155

LCL=p−(3√ p (1−p )n )

¿0,1728863−(3√ 0,1728863 (1−0,1728863 )90 )=0,009423

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

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

P-Chart Plat Belakag Kecil Iterasi 0

PiPbarUCLLCL

Sample

Pro

po

rsi

Gambar 4.160 output peta kendali p manual plat belakang kecil iterasi 0

Pada data terlihat ada yang keluar dari batas dimana nilai P4 sebesar 0.909091

sedangkan UCL nya sebesar 0.3187224 sehingga data di hilangkan dari peta kendali.

Iterasi 1


Noplat Belakang Kecil







Kelompok 9

1 90 110,12222

20,10211

30,19786

5 0,00636

2 102 60,05882

40,10211

30,19205

70,01216

9

3 100 7 0,070,10211

30,19295

20,01127

4

5 80 17 0,21250,10211

30,20367

40,00055

2

6 86 60,06976

70,10211

30,20006

70,00415

9

7 90 9 0,10,10211

30,19786

5 0,00636

8 107 110,10280

40,10211

3 0,189930,01429

5

9 88 50,05681

80,10211

30,19894

70,00527

8

10 92 150,16304

30,10211

30,19681

90,00740

7

11 83 60,07228

90,10211

30,20182

10,00240

4

12 91 110,12087

90,10211

30,19733

80,00688

8

13 95 110,11578

90,10211

30,19531

10,00891

4

14 84 60,07142

90,10211

30,20122

60,00299

9

15 88 11 0,1250,10211

30,19894

70,00527

8

16 83 11 0,132530,10211

30,20182

10,00240

4

17 85 70,08235

30,10211

30,20064

10,00358

4

18 88 70,07954

50,10211

30,19894

70,00527

8

19 86 80,09302

30,10211

30,20006

70,00415

9

20 86 90,10465

10,10211

30,20006

70,00415

9


=1190

=0.122222



1741704

=0,102112676





Kelompok 9

UCL=p+(3√ p (1−p )n )

¿0,102112676+(3√ 0,102112676 (1−0,102112676 )90 )=0,197865

LCL=p−(3√ p (1−p )n )

¿0,102112676−(3√ 0,102112676 (1−0,102112676 )90 )=0,000552

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

0.05

0.1

0.15

0.2

0.25

P-Chart Plat Belakng Kecil Iterasi 1

PiPbarUCLLCL

Sample

Pro

po

rsi




Iterasi 2


Noplat Belakang Kecil



1 90 11 0,1222220,09667

5 0,190125 0,003225

2 102 6 0,0588240,09667

5 0,184456 0,008894

3 100 7 0,070,09667

5 0,185329 0,008021





Kelompok 9

6 86 6 0,0697670,09667

5 0,192273 0,001076

7 90 9 0,10,09667

5 0,190125 0,003225

8 107 11 0,1028040,09667

5 0,18238 0,010969

9 88 5 0,0568180,09667

5 0,191181 0,002169

10 92 15 0,1630430,09667

5 0,189103 0,004246

11 83 6 0,0722890,09667

5 0,193986 -0,00064

12 91 11 0,1208790,09667

5 0,18961 0,00374

13 95 11 0,1157890,09667

5 0,187632 0,005717Lanjutan Tabel 4.65 data plat belakang kecil iterasi 2

14 84 6 0,0714290,09667

5 0,193405 -5,5E-05

15 88 11 0,1250,09667

5 0,191181 0,002169

16 83 11 0,132530,09667

5 0,193986 -0,00064

17 85 7 0,0823530,09667

5 0,192834 0,000516

18 88 7 0,0795450,09667

5 0,191181 0,002169

19 86 8 0,0930230,09667

5 0,192273 0,001076

20 86 9 0,1046510,09667

5 0,192273 0,001076


=1190

=0.122222



1571624

=0,096674877

UCL=p+(3√ p (1−p )n )

¿0,096674877+(3√ 0,096674877 (1−0,096674877 )90 )=0,190125





Kelompok 9

LCL=p−(3√ p (1−p )n )

¿0,096674877−(3√ 0,096674877 (1−0,096674877 )90 )=0,003225

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

-0.05

0

0.05

0.1

0.15

0.2

0.25

P-chart plat Belakang Kecil iterasi 2

PiPbarUCLLCL

Sample

Pro

po

rsi








Kelompok 9

Software SPSS

Iterasi 0

Gambar 4.163 output peta kendali p software spss plat belakang kecil iterasi 0



Iterasi 1








Kelompok 9

Iterasi 2




Sofware Minitab

Iterasi 0

Gambar 4.166 output peta kendali p software minitab plat belakang kecil iterasi 0







Kelompok 9

Iterasi 1




Iterasi 2








Kelompok 9

3. Plat Depan

Perhitungan Manual

Iterasi 0

Tabel 4.66 data plat depan iterasi 0

NoPlat Depan



1 83 9 0,1084340,10375

3 0,204167 0,003338

2 99 8 0,0808080,10375

3 0,195695 0,01181

3 86 6 0,0697670,10375

3 0,2024 0,005105

4 97 4 0,0412370,10375

3 0,196639 0,010867

5 94 10 0,1063830,10375

3 0,198109 0,009396

6 93 11 0,118280,10375

3 0,198615 0,00889

7 79 11 0,1392410,10375

3 0,206678 0,000828

8 92 9 0,0978260,10375

3 0,199129 0,008376

9 78 10 0,1282050,10375

3 0,207336 0,00017

10 77 7 0,0909090,10375

3 0,208006 -0,0005

11 84 7 0,0833330,10375

3 0,203568 0,003938

12 105 11 0,1047620,10375

3 0,19303 0,014476

13 81 17 0,2098770,10375

3 0,205399 0,002106

14 102 4 0,0392160,10375

3 0,194333 0,013172

15 86 12 0,1395350,10375

3 0,2024 0,005105

16 77 13 0,1688310,10375

3 0,208006 -0,0005

17 92 9 0,0978260,10375

3 0,199129 0,008376

18 106 13 0,1226420,10375

3 0,192608 0,01489819 94 10 0,106383 0,10375 0,198109 0,009396





Kelompok 9

3

20 107 7 0,0654210,10375

3 0,192192 0,015314


= 983

=0.108434



1881812

=0,103752759

UCL=p+(3√ p (1−p )n )

¿0,103752759+(3√ 0,103752759 (1−0,103752759 )83 )=0,204167

LCL=p−(3√ p (1−p )n )

¿0,103752759−(3√ 0,103752759 (1−0,103752759 )83 )=0,003338

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

-0.05

0

0.05

0.1

0.15

0.2

0.25

P-Chart Plat Depan Iterasi 0

PiPbarUCLLCL

sample

Pro

po

rsi

Gambar 4.169 output peta kendali p manual plat depan iterasi 0



Iterasi 1

Tabel 4.67 data plat depan iterasi 1





Kelompok 9

NoPlat Depan



1 83 9 0,108434 0,098787 0,19704 0,0005342 99 8 0,080808 0,098787 0,18875 0,0088233 86 6 0,069767 0,098787 0,195311 0,0022634 97 4 0,041237 0,098787 0,189673 0,00795 94 10 0,106383 0,098787 0,191112 0,0064626 93 11 0,11828 0,098787 0,191607 0,0059677 79 11 0,139241 0,098787 0,199496 -0,001928 92 9 0,097826 0,098787 0,19211 0,0054639 78 10 0,128205 0,098787 0,20014 -0,00257

10 77 7 0,090909 0,098787 0,200796 -0,0032211 84 7 0,083333 0,098787 0,196453 0,0011212 105 11 0,104762 0,098787 0,186142 0,011431

Lanjutan Tabel 4.67 data plat depan iterasi 1

14 102 4 0,039216 0,098787 0,187418 0,01015615 86 12 0,139535 0,098787 0,195311 0,00226316 77 13 0,168831 0,098787 0,200796 -0,0032217 92 9 0,097826 0,098787 0,19211 0,00546318 106 13 0,122642 0,098787 0,185729 0,01184419 94 10 0,106383 0,098787 0,191112 0,00646220 107 7 0,065421 0,098787 0,185322 0,012252


= 983

=0.108434



1711731

=0,098786828

UCL=p+(3√ p (1−p )n )

¿0,098786828+(3√ 0,098786828 (1−0,098786828 )83 )=0,19704

LCL=p−(3√ p (1−p )n )

¿0,098786828−(3√ 0,098786828 (1−0,098786828 )83 )=0,000534





Kelompok 9

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

-0.05

0

0.05

0.1

0.15

0.2

0.25

P-Chart Plat Depan Iterasi 1

PiPbarUCLLCL

sample

Pro

po

rsi

Gambar 4.170 output peta kendali p manual plat depan iterasi 1



Software SPSS

Iterasi 0

Gambar 4.171 output peta kendali p SPSS plat depan iterasi 0



Iterasi 1





Kelompok 9




Software Minitab

Iterasi 0

Gambar 4.173 output peta kendali p minitab plat depan iterasi 0



Iterasi 1





Kelompok 9




4. Penutup Plat Depan

Perhitungan Manual

Iterasi 0

Tabel 4.68 data penutup plat depan iterasi 0

Nopenutup plat depan



1 103 120,11650

50,10657

10,19778

30,01535

9

2 73 80,10958

90,10657

10,21491

6-

0,00177

3 77 60,07792

20,10657

10,21206

40,00107

8

4 96 80,08333

30,10657

1 0,201050,01209

2

5 95 90,09473

70,10657

10,20154

60,01159

6

6 90 50,05555

60,10657

10,20414

80,00899

4

7 103 60,05825

20,10657

10,19778

30,01535

9





Kelompok 9

8 77 170,22077

90,10657

10,21206

40,00107

8

9 107 110,10280

40,10657

10,19606

2 0,01708

10 103 8 0,077670,10657

10,19778

30,01535

9

11 84 110,13095

20,10657

10,20757

30,00556

9

12 92 100,10869

60,10657

10,20308

2 0,01006

13 109 100,09174

30,10657

10,19523

70,01790

5

14 95 120,12631

60,10657

10,20154

60,01159

6

15 91 130,14285

70,10657

10,20361

10,00953

1

16 95 60,06315

80,10657

10,20154

60,01159

6

17 87 90,10344

80,10657

10,20581

70,00732

5

18 72 70,09722

20,10657

10,21566

6-

0,00252

19 71 11 0,154930,10657

10,21643

1-

0,00329

20 91 140,15384

60,10657

10,20361

10,00953

1


= 12103

=0.116505



1931811

=0,106570955

UCL=p+(3√ p (1−p )n )

¿0,106570955+(3√ 0,106570955 (1−0,106570955 )103 )=0,197783

LCL=p−(3√ p (1−p )n )

¿0,106570955−(3√ 0,106570955 (1−0,106570955 )103 )=0,015359





Kelompok 9

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

-0.05

0

0.05

0.1

0.15

0.2

0.25

P-Chart Penutup Plat Depan Iterasi 0

PiPbarUCLLCL

Sample

Pro

po

rsi

Gambar 4.175 output peta kendali p manual penutup plat depan iterasi 0


sedangkan UCL nya sebesar 0,197783 sehingga data di hilangkan dari peta kendali.

Iterasi 1

Tabel 4.69 data penutup plat depan iterasi 1

Nopenutup plat depan

Pi Pbar UCL LCLN.of Inspeksi N.of Nonconformities

1 103 120,11650

5 0,101499 0,190767 0,012232

2 73 80,10958

9 0,101499 0,207535 -0,00454

3 77 60,07792

2 0,101499 0,204744 -0,00175

4 96 80,08333

3 0,101499 0,193964 0,009035

5 95 90,09473

7 0,101499 0,19445 0,008549

6 90 50,05555

6 0,101499 0,196997 0,006002

7 103 60,05825

2 0,101499 0,190767 0,012232

9 107 110,10280

4 0,101499 0,189083 0,01391610 103 8 0,07767 0,101499 0,190767 0,012232

11 84 110,13095

2 0,101499 0,200348 0,00265





Kelompok 9

12 92 100,10869

6 0,101499 0,195953 0,007046

13 109 100,09174

3 0,101499 0,188275 0,014724

14 95 120,12631

6 0,101499 0,19445 0,008549

15 91 130,14285

7 0,101499 0,196471 0,006528

16 95 60,06315

8 0,101499 0,19445 0,008549

17 87 90,10344

8 0,101499 0,198629 0,00437

18 72 70,09722

2 0,101499 0,208269 -0,00527Lanjutan Tabel 4.69 data penutup plat depan iterasi 1

Lanjutan Tabel 4.69 data penutup plat depan iterasi 1

19 71 11 0,15493 0,101499 0,209018 -0,00602

20 91 140,15384

6 0,101499 0,196471 0,006528


= 12103

=0.116505



1761734

=0,101499423

UCL=p+(3√ p (1−p )n )

¿0,101499423+(3√ 0,101499423 (1−0,101499423 )103 )=0,190767

LCL=p−(3√ p (1−p )n )

¿0,101499423−(3√ 0,101499423 (1−0,101499423 )103 )=0,012232





Kelompok 9

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

-0.05

0

0.05

0.1

0.15

0.2

0.25

P-Chart Penutup Plat Depan Iterasi 1

PiPbarUCLLCL

Sample

pro

po

rsi

Gambar 4.176 output peta kendali p manual penutup plat depan iterasi 1







Kelompok 9

Software SPSS

Iterasi 0

Gambar 4.177 output peta kendali p SPSS penutup plat depan iterasi 0



Iterasi 1

Gambar 4.178 output peta kendali p SPSS penutup plat depan iterasi 1







Kelompok 9

Software minitab

Iterasi 0

Gambar 4.179 output peta kendali p minitab penutup plat depan iterasi 0



Iterasi 1

Gambar 4.180 output peta kendali p minitab penutup plat depan iterasi 1







Kelompok 9

Peta Kendali U

1. Body

Perhitungan Manual

Peta kendali yang dibuat untuk cacat yang tidak sesuai dengan raw

material di bawah ini adalah peta kendali U. Peta Kendali U merupakan

sistem tingkat kualitas yang merating cacat per unit dan jumlah sample

dari cacat konstan.

Diberikan sampel sejumlah 90 unit , jumlah kerugian total sebesar :

D = w1 c1 +w2 c2 + w3 c3

Contoh perhitungan :

D1 = 1x151 + 10x82 + 50x19 = 1921

D2 = 1x191 + 10x88 + 50x16 = 1871

D3 = 1x195 + 10x83 + 50x25 = 2275

Kerugian perunit untuk sampel diberikan oleh :

U = Dn

= w 1c1+w 2c2+w 3 c 3

n

Contoh Perhitungan :

U1 = 1921

90 = 21,3444

U2 = 1971

90 = 20,7889

U3 = 2275

90 = 25,2778

Tabel 4.70 data body iterasi 0

No Date

Body

U DN.of Inspeksi

N.of NonconformitiesScratc

h String Camber

103/01/201

3 90 151 82 19 21,3444 1921

204/01/301

3 90 191 88 16 20,7889 18713 07/01/201 90 195 83 25 25,2778 2275





Kelompok 9

3

408/01/201

3 90 154 86 14 19,0444 1714

509/01/201

3 90 159 102 20 24,2111 2179

610/01/201

3 90 168 77 18 20,4222 1838

711/01/201

3 90 157 91 21 23,5222 2117

814/01/201

3 90 134 84 24 24,1556 2174

915/01/201

3 90 164 77 27 25,3778 2284Lanjutan Tabel 4.70 data body iterasi 0

1016/01/201

3 90 189 94 18 22,5444 2029

1117/01/201

3 90 181 84 21 23,0111 2071

1218/01/201

3 90 194 80 9 16,0444 1444

1321/01/201

3 90 173 68 21 21,1444 1903

1422/01/201

3 90 186 88 18 21,8444 1966

1523/01/201

3 90 180 88 19 22,3333 2010

1625/01/201

3 90 181 86 28 27,1222 2441

1728/01/201

3 90 142 79 14 18,1333 1632

1829/01/201

3 90 138 96 17 21,6444 1948

1930/01/201

3 90 193 74 19 20,9222 1883

2031/01/201

3 90 175 77 22 22,7222 2045Total 1800 3405 1684 390

garis tengah dari peta kendali U di ubah mengikuti :

u 1 = 3405 / 1800 = 1,8917

u 2 = 1684 / 1800 = 0,9356

u 3 = 390 / 1800 = 0,2167





Kelompok 9

U = 1,8917 + (10 X 0,9356) + (50 X 0,2167) = 22,0806

Standar deviasi dari U diberikan oleh :

σu = √ w 12 u1+w 22 u 2+w 32 u 3n

σu = √ 12 . x 1 ,8917+102 x 0 , 9356+502 x0 , 216790 = 3,5393

Limit kontrol :

UCL = U + 3 σu = 22,0806 + (3 X 3,5393) = 32,6991

LCL = U - 3 σu = 22,0806 - (3 X 3,5393) = 11,4620

Gambar 4.181 output peta kendali U manual body iterasi 0



2. Chasis

Manual

Peta kendali yang dibuat untuk cacat yang tidak sesuai dengan raw

material di bawah ini adalah peta kendali U. Peta Kendali U merupakan

sistem tingkat kualitas yang merating cacat per unit dan jumlah sample

dari cacat konstan.





Kelompok 9

Diberikan sampel sejumlah 90 unit , jumlah kerugian total sebesar :

D = w1 c1 +w2 c2 + w3 c3

Contoh perhitungan :

D1 = 1x177 + 10x92 + 50x15 = 1847

D2 = 1x187 + 10x90 + 50x16 = 1887

D3 = 1x183 + 10x94 + 50x22 = 2223

Kerugian perunit untuk sampel diberikan oleh :

U = Dn

= w 1c1+w 2c2+w 3 c 3

n

Contoh Perhitungan :

U1 = 1847

90 = 20,5222

U2 = 1887

90 = 20,9667

U3 = 2223

90 = 24,7

Tabel 4.71 data chasis iterasi 1

No Date

Gear Kecil

U DN.of Inspeksi

N.of NonconformitiesScratc

hStrin

gCambe

r

103/01/201

3 90 177 92 1520,522

2 1847

204/01/301

3 90 187 90 1620,966

7 1887

307/01/201

3 90 183 94 2224,700

0 2223

408/01/201

3 90 148 94 2324,866

7 2238

509/01/201

3 90 153 76 1820,144

4 1813

610/01/201

3 90 189 88 1721,322

2 1919

711/01/201

3 90 164 86 2625,822

2 2324

814/01/201

3 90 154 85 2122,822

2 20549 15/01/201 90 175 79 11 16,833 1515





Kelompok 9

3 3

1016/01/201

3 90 173 97 1018,255

6 1643

1117/01/201

3 90 166 84 1720,622

2 1856

1218/01/201

3 90 179 99 1722,433

3 2019

1321/01/201

3 90 168 76 2323,088

9 2078

1422/01/201

3 90 166 95 1420,177

8 1816

1523/01/201

3 90 149 78 2725,322

2 2279

1625/01/201

3 90 166 75 3529,622

2 2666

1728/01/201

3 90 172 77 1921,022

2 1892

1829/01/201

3 90 178 93 1420,088

9 1808

1930/01/201

3 90 170 81 1720,333

3 1830

2031/01/201

3 90 158 79 1719,977

8 1798Total 1800 3375 1718 379

garis tengah dari peta kendali U di ubah mengikuti :

u 1 = 3375 / 1800 = 1,8750

u 2 = 1718 / 1800 = 0,9544

u 3 = 379 / 1800 = 0,2106

U = 1,8750 + (10 X 0,9554) + (50 X 0,2106) = 21,9472

Standar deviasi dari U diberikan oleh :

σu = √ w 12 u 1+w 22 u 2+w 32 u 3n

σu = √ 12 . x 1 ,8750+102 x 0 , 9544+502 x0 ,210690 = 3,4650





Kelompok 9

Limit kontrol :

UCL = U + 3 σu = 21,9472+ (3 X 3,4650) = 32,3424

LCL = U - 3 σu = 21,9472- (3 X 3,4650) = 11,5521

Gambar 4.182 output peta kendali U manual chassis iterasi 0



Peta Kendali np

1. Pengunci Baerai

Perhitungan Manual

Pada komponen pengunci baterai memiliki 1 jenis kerusakan yang

mengakibatkan dinamo tidak bisa bekrja dan jumlah inspeksi yang tetap yaitu

sebanyak 90 kali tiap periode sehingga menggunakan peta kendali np untuk

mengetahui jumlah proporsi cacat sampel pengunci baterai

Iterasi 0

Tabel 4.72 data pengunci baterai iterasi 0

No DatePengunci Baterai

N.of Inspeksi N.of Nonconformities np1 pbar Squareroot ni UCL LCL1 03/01/2013 90 9 8,850 0,098 2,825 17,325 0,3752 04/01/3013 90 8 8,850 0,098 2,825 17,325 0,375





Kelompok 9

3 07/01/2013 90 9 8,850 0,098 2,825 17,325 0,3754 08/01/2013 90 18 8,850 0,098 2,825 17,325 0,3755 09/01/2013 90 6 8,850 0,098 2,825 17,325 0,3756 10/01/2013 90 13 8,850 0,098 2,825 17,325 0,3757 11/01/2013 90 10 8,850 0,098 2,825 17,325 0,3758 14/01/2013 90 3 8,850 0,098 2,825 17,325 0,3759 15/01/2013 90 10 8,850 0,098 2,825 17,325 0,375

10 16/01/2013 90 11 8,850 0,098 2,825 17,325 0,37511 17/01/2013 90 12 8,850 0,098 2,825 17,325 0,37512 18/01/2013 90 6 8,850 0,098 2,825 17,325 0,37513 21/01/2013 90 6 8,850 0,098 2,825 17,325 0,37514 22/01/2013 90 5 8,850 0,098 2,825 17,325 0,37515 23/01/2013 90 11 8,850 0,098 2,825 17,325 0,37516 25/01/2013 90 7 8,850 0,098 2,825 17,325 0,37517 28/01/2013 90 6 8,850 0,098 2,825 17,325 0,37518 29/01/2013 90 11 8,850 0,098 2,825 17,325 0,37519 30/01/2013 90 7 8,850 0,098 2,825 17,325 0,37520 31/01/2013 90 9 8,850 0,098 2,825 17,325 0,375

n p=∑ N of nonconformities

N of inspection=

17720

=8,85 p=∑t=1

m

x t

∑ n= 177

1800=0,098

UCL=n p+3√n p (1−p )=8,85+3√8,85 (1−0,098 )UCL=8,85+3 (2,825 )=17,325

LCL=n p−3√n p (1−p )=8,85+3√8,85 (1−0,098 )LCL=8,85+3 (2,825 )=0,375

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

2

4

6

8

10

12

14

16

18

20

np-Chart Pengunci Baterai Iterasi 0


np1

UCL

LCL

Periode

n o

f n

on

con

form

itie

s

Gambar 4.183 output peta kendali np manual pengunci baterai iterasi 0





Kelompok 9

Pada iterasi 0 terdapat data yang berada di luar UCL yaitu data ke 3 pada tanggal

8 Januari 2013 terdapat cacat sebanyak 18 lebih besar daripada 17,325. Sehingga harus

dihilangkan dari peta kendali

Iterasi 1

Tabel 4.73 data pengunci baterai iterasi 1

No

DatePengunci Baterai

N.of Inspeksi

N.of Nonconformities np1 pbar

Squareroot ni UCL LCL

103/01/201

3 90 98,36

80,09

3 2,75516,63

4 0,103

204/01/301

3 90 88,36

80,09

3 2,75516,63

4 0,103

307/01/201

3 90 98,36

80,09

3 2,75516,63

4 0,103

408/01/201

3 90 68,36

80,09

3 2,75516,63

4 0,103

509/01/201

3 90 138,36

80,09

3 2,75516,63

4 0,103

610/01/201

3 90 108,36

80,09

3 2,75516,63

4 0,103

711/01/201

3 90 38,36

80,09

3 2,75516,63

4 0,103

814/01/201

3 90 108,36

80,09

3 2,75516,63

4 0,103

915/01/201

3 90 118,36

80,09

3 2,75516,63

4 0,103

1016/01/201

3 90 128,36

80,09

3 2,75516,63

4 0,103

1117/01/201

3 90 68,36

80,09

3 2,75516,63

4 0,103

1218/01/201

3 90 68,36

80,09

3 2,75516,63

4 0,103

1321/01/201

3 90 58,36

80,09

3 2,75516,63

4 0,103

1422/01/201

3 90 118,36

80,09

3 2,75516,63

4 0,103

1523/01/201

3 90 78,36

80,09

3 2,75516,63

4 0,103

1625/01/201

3 90 68,36

80,09

3 2,75516,63

4 0,103

1728/01/201

3 90 118,36

80,09

3 2,75516,63

4 0,103

1829/01/201

3 90 78,36

80,09

3 2,75516,63

4 0,103





Kelompok 9

2031/01/201

3 90 98,36

80,09

3 2,75516,63

4 0,103


N of inspection=

15919

=8,368 p=∑t=1

m

x t

∑ n= 159

1710=0,093

UCL=n p+3√n p (1−p )=8,368+3√8,368 (1−0,093 )UCL=8,368+3 (2,755 )=16,634

LCL=n p−3√n p (1−p )=8,368+3√8,368 (1−0,093 )LCL=8,368+3 (2,755 )=0,103

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 190

2

4

6

8

10

12

14

16

18

np-Chart Pengunci Baterai Iterasi 1

N.of Nonconformitiesnp1UCLLCL

Periode

n o

f n

on

con

form

itie

s

Gambar 4.184 output peta kendali np manual pengunci baterai iterasi 1

Pada iterasi 1 terdapat data yang berada di dalam kendali sehingga perhitungan selesai





Kelompok 9

Sofware SPSS

Iterasi 0

Gambar 4.185 output peta kendali np SPSS pengunci baterai iterasi 0

Pada iterasi 0 terdapat data yang berada di luar UCL yaitu data ke 3 pada

tanggal 8 Januari 2013 terdapat cacat sebanyak 18 lebih besar daripada 17,325.

Sehingga harus dihilangkan dari peta kendali

Iterasi 1







Kelompok 9

Software Minitab

Iterasi 0

Gambar 4.187 output peta kendali np minitab pengunci baterai iterasi 0

Pada iterasi 0 terdapat data yang berada di luar UCL yaitu data ke 3 pada tanggal

8 Januari 2013 terdapat cacat sebanyak 18 lebih besar daripada 17,325. Sehingga harus

dihilangkan dari peta kendali

Iterasi 1







Kelompok 9

2. Dinamo Perhitungan Manual

Pada komponen dinamo memiliki 1 jenis kerusakan yang mengakibatkan

dinamo tidak bisa bekrja dan jumlah inspeksi yang tetap yaitu sebanyak 90 kali tiap

periode sehingga menggunakan peta kendali np untuk mengetahui jumlah proporsi

cacat sampel dinamo

Iterasi 0

Tabel 4.74 data dinamo iterasi 1

No

DateDinamo

N.of Inspeksi

N.of Nonconformities np1 pbar Squareroot ni UCL LCL

103/01/201

3 90 68,55

0,095 2,781681146

16,89504344

0,204957

204/01/301

3 90 68,55

0,095 2,781681146

16,89504344

0,204957

307/01/201

3 90 98,55

0,095 2,781681146

16,89504344

0,204957

408/01/201

3 90 38,55

0,095 2,781681146

16,89504344

0,204957

509/01/201

3 90 88,55

0,095 2,781681146

16,89504344

0,204957

610/01/201

3 90 118,55

0,095 2,781681146

16,89504344

0,204957

711/01/201

3 90 48,55

0,095 2,781681146

16,89504344

0,204957

814/01/201

3 90 88,55

0,095 2,781681146

16,89504344

0,204957

915/01/201

3 90 98,55

0,095 2,781681146

16,89504344

0,204957

1016/01/201

3 90 128,55

0,095 2,781681146

16,89504344

0,204957

1117/01/201

3 90 58,55

0,095 2,781681146

16,89504344

0,204957

1218/01/201

3 90 118,55

0,095 2,781681146

16,89504344

0,204957

1321/01/201

3 90 98,55

0,095 2,781681146

16,89504344

0,204957

1422/01/201

3 90 108,55

0,095 2,781681146

16,89504344

0,204957

15 23/01/201 90 5 8,5 0,09 2,781681146 16,8950434 0,20495





Kelompok 9

3 5 5 4 7

1625/01/201

3 90 68,55

0,095 2,781681146

16,89504344

0,204957

1728/01/201

3 90 118,55

0,095 2,781681146

16,89504344

0,204957

1829/01/201

3 90 98,55

0,095 2,781681146

16,89504344

0,204957

1930/01/201

3 90 188,55

0,095 2,781681146

16,89504344

0,204957

2031/01/201

3 90 118,55

0,095 2,781681146

16,89504344

0,204957

‘


N of inspection=

17120

=8,55 p=∑t=1

m

x t

∑ n= 171

1800=0,095

UCL=n p+3√n p (1−p )=8,55+3√8,55 (1−0,095 )UCL=8,55+3 (2,782 )=16,895

LCL=n p−3√n p (1−p )=8,55−38,55+3√8,55 (1−0,095 )LCL=8,55+3 (2,782 )=0,205

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 200

2

4

6

8

10

12

14

16

18

20

np-Chart Dinamo Iterasi 0


Periode

n o

f u

nco

nfo

rmiti

es

Gambar 4.189 output peta kendali np manual dinamo iterasi 0



Sehingga harus dihilangkan dari peta kendali.

Iterasi 1

Tabel 4.75 data dinamo iterasi 1





Kelompok 9

No DateDinamo

N.of Inspeksi N.of Nonconformities np1 pbar Squareroot ni UCL LCL

1 03/01/2013 90 6 8,0530,08

5 2,64570415,5871

1 -0,28711

2 04/01/3013 90 6 8,0530,08

5 2,64570415,5871

1 -0,28711

3 07/01/2013 90 9 8,0530,08

5 2,64570415,5871

1 -0,28711

4 08/01/2013 90 3 8,0530,08

5 2,64570415,5871

1 -0,28711

5 09/01/2013 90 8 8,0530,08

5 2,64570415,5871

1 -0,28711

6 10/01/2013 90 11 8,0530,08

5 2,64570415,5871

1 -0,28711

7 11/01/2013 90 4 8,0530,08

5 2,64570415,5871

1 -0,28711

8 14/01/2013 90 8 8,0530,08

5 2,64570415,5871

1 -0,28711

9 15/01/2013 90 9 8,0530,08

5 2,64570415,5871

1 -0,28711

10 16/01/2013 90 12 8,0530,08

5 2,64570415,5871

1 -0,28711

11 17/01/2013 90 5 8,0530,08

5 2,64570415,5871

1 -0,28711Lanjutan Tabel 4.75 data dinamo iterasi 1

12 18/01/2013 90 11 8,053 0,085 2,645704 15,58711 -0,2871113 21/01/2013 90 9 8,053 0,085 2,645704 15,58711 -0,2871114 22/01/2013 90 10 8,053 0,085 2,645704 15,58711 -0,2871115 23/01/2013 90 5 8,053 0,085 2,645704 15,58711 -0,2871116 25/01/2013 90 6 8,053 0,085 2,645704 15,58711 -0,2871117 28/01/2013 90 11 8,053 0,085 2,645704 15,58711 -0,2871118 29/01/2013 90 9 8,053 0,085 2,645704 15,58711 -0,2871120 31/01/2013 90 11 8,053 0,085 2,645704 15,58711 -0,28711


N of inspection=

15319

=8,05 p=∑t=1

m

x t

∑ n= 153

1710=0,089

UCL=n p+3√n p (1−p )=8,05+3√8,05 (1−0,089 )¿8,05+3 (2,708 )=16,176

LCL=n p−3√n p (1−p )=8,05−3√8,05 (1−0,089 )¿8,05−3 (2,708 )=−0,071





Kelompok 9

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

0

2

4

6

8

10

12

14

16

18

np-Chart Dinamo Iterasi 1


Periode

n o

f u

nco

nfo

rmiti

es

Gambar 4.190 output peta kendali np manual dinamo iterasi 1

Pada iterasi 1 terdapat data yang berada di dalam kendali sehingga perhitungan

selesai di iterasi 1.





Kelompok 9

Software SPSS

Iterasi 0

Gambar 4.191 output peta kendali np SPSS dinamo iterasi 0




Iterasi 1

Gambar 4.192 output peta kendali np SPSS dinamo iterasi 1





Kelompok 9



Software Minitab

Iterasi 0

Gambar 4.193 output peta kendali np minitab dinamo iterasi 0




Iterasi 1

Gambar 4.194 output peta kendali np minitab dinamo iterasi 0







Kelompok 9

4.3 Finish Product

4.3.1 Data Kualitas Finished Product

a. Dinamo Tidak Menyala

Tabel 4.75 data dinamo tidak menyala

No DateDinamo

N.of Inspeksi


1 03/01/2013 90 42 04/01/3013 90 33 07/01/2013 90 44 08/01/2013 90 15 09/01/2013 90 16 10/01/2013 90 37 11/01/2013 90 38 14/01/2013 90 19 15/01/2013 90 1

10 16/01/2013 90 311 17/01/2013 90 412 18/01/2013 90 113 21/01/2013 90 114 22/01/2013 90 315 23/01/2013 90 216 25/01/2013 90 317 28/01/2013 90 218 29/01/2013 90 219 30/01/2013 90 220 31/01/2013 90 4

b. Roda Depan Belakang Tidak Berputar

Tabel 4.76 data roda depan belakang tidak berputar

No Date

Roda Depan Belakang Tidak Berputar

N.of Inspeksi


103/01/201

3 90 5

204/01/301

3 90 33 07/01/201 90 5





Kelompok 9

3

408/01/201

3 90 3Lanjutan Tabel 4.76 data roda depan belakang tidak berputar

509/01/201

3 90 3

610/01/201

3 90 7

711/01/201

3 90 6

814/01/201

3 90 4

915/01/201

3 90 3

1016/01/201

3 90 7

1117/01/201

3 90 4

1218/01/201

3 90 0

1321/01/201

3 90 7

1422/01/201

3 90 3

1523/01/201

3 90 6

1625/01/201

3 90 5

1728/01/201

3 90 2

1829/01/201

3 90 5

1930/01/201

3 90 5

2031/01/201

3 90 3

c. Bumper Tidak Terpasang Dengan Baik

Tabel 4.77 data bumper tidak terpasang dengan baik

No Date

Bumper Tidak Terpasang Dengan Baik

N.of Inspeksi






Kelompok 9

1 03/01/2013 90 22 04/01/3013 90 63 07/01/2013 90 34 08/01/2013 90 25 09/01/2013 90 26 10/01/2013 90 07 11/01/2013 90 68 14/01/2013 90 19 15/01/2013 90 5

10 16/01/2013 90 211 17/01/2013 90 012 18/01/2013 90 213 21/01/2013 90 114 22/01/2013 90 515 23/01/2013 90 5

Lanjutan Tabel 4.77 data bumper tidak terpasang dengan baik

16 25/01/2013 90 017 28/01/2013 90 218 29/01/2013 90 319 30/01/2013 90 620 31/01/2013 90 3

d. Roller Depan Tidak Berputar

Tabel 4.78 data roller depan tidak berputar

No DateRoller Tidak Berputar

N.of Inspeksi N.of Nonconformities1 03/01/2013 90 52 04/01/3013 90 13 07/01/2013 90 24 08/01/2013 90 05 09/01/2013 90 36 10/01/2013 90 87 11/01/2013 90 48 14/01/2013 90 29 15/01/2013 90 4

10 16/01/2013 90 411 17/01/2013 90 512 18/01/2013 90 213 21/01/2013 90 414 22/01/2013 90 2





Kelompok 9

15 23/01/2013 90 416 25/01/2013 90 117 28/01/2013 90 318 29/01/2013 90 119 30/01/2013 90 620 31/01/2013 90 1

Jumlah 1800 62

e. Pengunci Body Longgar

Tabel 4.79 data pengunci body longgar

No DatePengunci Body Longgar

N.of Inspeksi N.of Nonconformities1 03/01/2013 90 52 04/01/3013 90 1

Lanjutan Tabel 4.79 data pengunci body longgar

3 07/01/2013 90 44 08/01/2013 90 25 09/01/2013 90 16 10/01/2013 90 47 11/01/2013 90 38 14/01/2013 90 09 15/01/2013 90 2

10 16/01/2013 90 211 17/01/2013 90 112 18/01/2013 90 313 21/01/2013 90 314 22/01/2013 90 215 23/01/2013 90 216 25/01/2013 90 417 28/01/2013 90 318 29/01/2013 90 119 30/01/2013 90 520 31/01/2013 90 5

Jumlah 1800 53

f. Plat Depan Macet

Tabel 4.80 data plat depan macet

No DatePlat Depan Macet

N.of Inspeksi N.of Nonconformities1 03/01/2013 90 2





Kelompok 9

2 04/01/3013 90 13 07/01/2013 90 14 08/01/2013 90 35 09/01/2013 90 16 10/01/2013 90 07 11/01/2013 90 28 14/01/2013 90 29 15/01/2013 90 1

10 16/01/2013 90 111 17/01/2013 90 112 18/01/2013 90 313 21/01/2013 90 214 22/01/2013 90 215 23/01/2013 90 3

Lanjutan Tabel 4.80 data plat depan macet

16 25/01/2013 90 017 28/01/2013 90 118 29/01/2013 90 319 30/01/2013 90 020 31/01/2013 90 1

Jumlah 1800 30

g. Tuas on off Longgar

Tabel 4.81 data tuas on-off longgar

No DateTuas On-Off Longgar

N.of Inspeksi N.of Nonconformities1 03/01/2013 90 12 04/01/3013 90 33 07/01/2013 90 54 08/01/2013 90 05 09/01/2013 90 06 10/01/2013 90 07 11/01/2013 90 48 14/01/2013 90 09 15/01/2013 90 2

10 16/01/2013 90 211 17/01/2013 90 312 18/01/2013 90 213 21/01/2013 90 214 22/01/2013 90 4





Kelompok 9

15 23/01/2013 90 216 25/01/2013 90 017 28/01/2013 90 318 29/01/2013 90 319 30/01/2013 90 320 31/01/2013 90 6

Jumlah 1800 45

Rekap Data Finish Product

Tabel 4.82 rekap data finish product

Jenis Cacat Frekuensi Frekuensi Kumulatif Prosentase Prosentase KumulatifRoda Depan dan Belakang Tidak Berputar 86 86 23% 22,63%Roller Tidak Berputar 62 148 16% 38,95%Bumper Tidak Terpasang Dengan Baik 56 204 15% 53,68%Pengunci Body Longgar 53 257 14% 67,63%Dinamo Tidak Menyal 48 305 13% 80,26%Tuas On off Longgar 45 350 12% 92,11%Plat Depan Macet 30 380 8% 100,00%

4.3.2 Diagram Pareto (Manual-excel , SPSS, Minitab)

Manual

Roda Dep

an d

an B

elak

ang

Tidak

Ber

...

Roller T

idak

Ber

putar

Bumper

Tid

ak T

erpas

ang

Denga

n Bai

k

Pengu

nci Body

Longg

ar

Dinam

o Tid

ak M

enya

l

Tuas

On o

ff Longg

ar

Plat D

epan

Mac

et050

100150200250300350400

0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%80.00%90.00%100.00%

Diagram Pareto

Series1Series2

Jenis Cacat

N o

f n

on

con

form

itie

s

Gambar 4.195 output diagram pareto manual





Kelompok 9

SPSS

Gambar 4.196 output diagram pareto SPSS

Minitab

Gambar 4.197 output diagram pareto minitab

Dari ketiga hasil diagram pareto (Manual, output SPSS, dan output Minitab) di

dapatkan hasil yang sama. Kerusakan akibat roda depan dan belakang tidak berputar

merupakan kerusakan yang memiliki frekuensi terbesar.

4.3.3 Peta Kontrol np

Pada Peta Kontrol berdasarkan diagram Pareto yang digunakan untuk

mengetahui data tingkatan kualitas produk terhadap kecacatan produk dan terhadap





Kelompok 9

waktu yang ada. Tujuannya untuk mendapatkan keseragaman kualitas sehingga jika

terjadi peningkatan grafik(data melebihi UCL) maka perlu dilakukan perbaikan

Perhitungan Manual

Tabel 4.83 Peta Kontrol np

No Date

Roda Depan Belakang Tidak Berputar

N.of Inspeksi

N.of Nonconfo

rmities np1 pbarSquarero

ot ni UCL LCL1 03/01/2013 90 5 4,3 0,048 2,024 10,371 02 04/01/3013 90 3 4,3 0,048 2,024 10,371 03 07/01/2013 90 5 4,3 0,048 2,024 10,371 04 08/01/2013 90 3 4,3 0,048 2,024 10,371 0

5 09/01/2013 90 3 4,3 0,048 2,024 10,371 0Lanjutan Tabel 4.83 Peta Kontrol np

6 10/01/2013 90 7 4,3 0,048 2,024 10,371 07 11/01/2013 90 6 4,3 0,048 2,024 10,371 08 14/01/2013 90 4 4,3 0,048 2,024 10,371 09 15/01/2013 90 3 4,3 0,048 2,024 10,371 0

10 16/01/2013 90 7 4,3 0,048 2,024 10,371 011 17/01/2013 90 4 4,3 0,048 2,024 10,371 012 18/01/2013 90 0 4,3 0,048 2,024 10,371 013 21/01/2013 90 7 4,3 0,048 2,024 10,371 014 22/01/2013 90 3 4,3 0,048 2,024 10,371 015 23/01/2013 90 6 4,3 0,048 2,024 10,371 016 25/01/2013 90 5 4,3 0,048 2,024 10,371 017 28/01/2013 90 2 4,3 0,048 2,024 10,371 018 29/01/2013 90 5 4,3 0,048 2,024 10,371 019 30/01/2013 90 5 4,3 0,048 2,024 10,371 020 31/01/2013 90 3 4,3 0,048 2,024 10,371 0


N of inspection=

8420

=4,3 p=∑t=1

m

x t

∑ n= 84

1800=0,048

UCL=n p+3√n p (1−p )=4,3+3√4,3 (1−0,048 )¿4,3+3 (2,024 )=10,371

LCL=n p−3√n p (1−p )=4,3−3√4,3 (1−0,048 )¿4,3−3 (2,024 )=−1,771





Kelompok 9

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

-4

-2

0

2

4

6

8

10

12

np-Char Roda Depan Belakang Tidak Berputar Iterasi 0


Periode

N o

f n

on

co

mfo

rti

es

Gambar 4.198 output peta np manual roda belakang tidak berputar

SPSS

Gambar 4.199 output peta np SPSS roda belakang tidak berputar

Minitab

Gambar 4.200 output peta np minitab roda belakang tidak berputar





Kelompok 9

4.3.4 Diagram Fishbone

Dari hasil pengontrolan yang dilakukan pada finish product inspections

diketahui bahwa komponen yang memerlukan pengontrolan lebih intensif adalah

roda depan dan belakang yang tidak berputar, hal ini dapat dilihat dari diagram

pareto yang ada. Sehingga untuk mengetahui faktor-faktor yang dapat menyebabkan

roda depan dan belakang tidak berputar maka dilakukan pengontrolan dengan

menggunakan diagram fishbone proses, dimana dengan cara ini perusahaan akan

dapat mengetahui sebab-sebab yang berpengaruh pada kualitas dari roda depan dan

belakang. Dalam diagram fishbone berikut terdapat 4 penyebab utama roda depan

dan belakang tidak berputar yaitu product handling, storage, assembly, dan

inspection.

Gambar 4.201 fishbone diagram

4.4 ARL (Average Run Length)

p= Jumlah cacatJumlahinspeksi

= 1571624

=0,096675

ARL= 11−β

= 11−0,7500

=4





Kelompok 9

Tabel 4.84 ARL (Average Run Length)

Plat Belakang Kecil

N.of Inspeksi

N.of Nonconformi

ties p P ¿ P(D ≤ nLCL∨p)β=P ¿ AR

L

90 110,09667

5 0,910889 0,160396 0,7500 4

102 60,09667

5 0,910889 0,160396 0,7500 4

100 70,09667

5 0,910889 0,160396 0,7500 4

86 60,09667

5 0,910889 0,160396 0,7500 4

90 90,09667

5 0,910889 0,160396 0,7500 4

107 110,09667

5 0,910889 0,160396 0,7500 4

88 50,09667

5 0,910889 0,160396 0,7500 4

92 150,09667

5 0,910889 0,160396 0,7500 4

83 60,09667

5 0,910889 0,160396 0,7500 4

91 110,09667

5 0,910889 0,160396 0,7500 4

95 110,09667

5 0,910889 0,160396 0,7500 4

84 60,09667

5 0,910889 0,160396 0,7500 4

88 110,09667

5 0,910889 0,160396 0,7500 4

83 110,09667

5 0,910889 0,160396 0,7500 4

85 70,09667

5 0,910889 0,160396 0,7500 4

88 70,09667

5 0,910889 0,160396 0,7500 4

86 80,09667

5 0,910889 0,160396 0,7500 4

86 90,09667

5 0,910889 0,160396 0,7500 4





Kelompok 9

4.5 Penentuan Biaya Kualitas

Biaya kualitas digunakan oleh PT Java Tamiya Factory untuk mempertahankan dan

mengendalikan kualitas dalam memproduksi tamiya. Berikut ini adalah biaya-biaya

kualitas yang dikeluarkan dalam proses perakitan tamiya :

1. Biaya Pencegahan (Prevention Cost)

Biaya Pencegahan merupakan biaya yang dikeluarkan untuk mencegah defect

pada produk sebelum produk selesai diproduksi. Biaya Pencegahan tersebut

antara lain:

Biaya Evaluation Capability

Biaya Evaluation Capability merupakan besarnya biaya dikarenakan

kecacatan raw material yang dipesan perusahaan. Banyaknya cacat dapat

dilihat dari komponen – komponen yang memiliki 1 jenis cacat

(mengikuti peta kendali n dan np). Yaitu komponen plat belakang besar

part dengan harga Rp 60, plat belakang kecil Rp 50, plat depan seharga

Rp 80, pengunci baterai dengan harga Rp 80, dan dinamo seharga Rp

2800. Pemesanan dilakukan sebanyak 7 kali selama 3 bulan sehingga

total biaya evaluation capability selama 1 tahundapat direkap sebagai

berikut:

- Komponen plat belakang besar: 194x60x7x4 = Rp325.920

- Komponen plat belakang kecil: 184x50x7x4 = Rp257.600

- Komponen plat depan: 188x80x7x4= Rp421.120

- Komponen pengunci baterai: 177x80x7x4 = Rp396.480

- Komponen dinamo: 171x2800x7x4 = Rp13.406.400

- Total biaya Evaluation Capability:

325920+257600+421120+396480+13406400 = Rp14.807.520

Biaya Perencanaan Kualitas.

Biaya ini merupakan biaya pengadaan rapat dalam perencanaan kualitas,

perencanaan inspeksi, realibilita, sistem serta persiapan manual dan

prosedur untuk mengkomunikasikan rencana-rencana tersebut kepada





Kelompok 9

pihak yang membutuhkan. Besarnya biaya perencanaan kualitas sebesar

Rp 30.850 untuk tiap bulannya atau Rp 370.200 selama 1 tahun.

(http://blog.binadarma.ac.id/sitinurhayati/wp-content/uploads/

2009/11/JURNAL-ILMIAH-1.doc)

Biaya pelatihan perkerja perakitan

Merupakan besarnya biaya untuk melatih pekerja dalam melakukan

perakitan. Terdapat 4 pekerja perakitan dengan biaya pelatihan tiap

pekerja sebesar Rp200.000. Sehingga total biaya pelatihan pekerja

perakitan selama 1 tahun: 4x200000x12 = Rp9.600.000

Biaya audit kualitas

Merupakan biaya pengadaan sarana pendukung dalam menjamin kualitas

produk. Contohnya tinta dan kertas. Dengan asumsi menggunakan botol

tinta ukuran 200ml seharga Rp32.000 per bulan dan kertas 1 rim seharga

Rp 29.000 per bulan maka total biaya audit kualitas: (32000+29000)x12

= Rp 732.000

2. Biaya Penilaian (Appraisal Cost)

Biaya Penilaian digunakan untuk menentukan apakah suatu produk sudah layak

untuk dijual ke konsumen. Biaya penilaian tersebut adalah:

Biaya pemeliharaan dan pembelian alat pengujian kualitas berupa

pemeliharaan dan pembelianjangka Sorong. Jangka sorong digunakan

untuk mengukur panjang dan diameter produk dan memeriksa apakah

ukuran komponen sesuai dengan spesifikasi yang diharapkan. Harga

jangka sorong sebesar Rp80.000 yang dipesan tiap akhir tahun Total

pekerja QC sebanyak 2 orang yang menggunakan 2 jenis jangka sorong

dengan biaya pemeliharaan masing-masing jangka sorong Rp 150.000,00

per bulan., maka total biaya pemeliharaan alat pengujian selama 1 tahun:

2x2x150000x12 = Rp7.200.000. Sedangkan total pembelian jangka

sorong sebesar: 2x2x80000 = Rp320.000. Total seluruh biaya

pemeliharaan dan pembelian sebesar: Rp7.200.000+ Rp320.000 =

Rp7.520.000



http://blog.binadarma.ac.id/sitinurhayati/wp-content/uploads/2009/11/JURNAL-ILMIAH-1.doc

http://blog.binadarma.ac.id/sitinurhayati/wp-content/uploads/2009/11/JURNAL-ILMIAH-1.doc



Kelompok 9

Pengadaan check sheet

Check sheet adalah lembar yang digunakan untuk mencatat data produk

termasuk juga waktu pengamatan, permasalahan yang dicari dan jumlah

cacat pada setiap permasalahan. Diasumsikan 20 lembar untuk 1kali

inspeksi dengan biaya Rp 28.000 per lembar tiap bulan, sehingga total

biaya checksheet selama 1 tahun sebesar Rp 6.720.000

Biaya inspeksi

Biaya inspeksi merupakan besarnya biaya pekerja inspeksi selama 1

tahun. Terdapat 2 pekerja inspeksi dengan gaji sebesar Rp3.000.000.

Besarnya biaya inspeksi selama 1 tahun: 2x3.000.000x12 =

Rp72.000.000

3. Biaya Kegagalan Internal (Internal Failure Cost)

Biaya Kegagalan Internal merupakan biaya yang dikeluarkan akibat produk

sudah berada di pasar namun belum sampai ke konsumen. Yang termasuk dalam

biaya ini adalah:

Biaya Downgrading atau penjualan barang yang kurang berkualitas

dengan harga di bawah standar. Besarnya biaya downgrading adalah 10%

dari total harga material tamiya yang dipesan selama 1 tahun, yaitu:

7.250x180 . 935x10% = Rp131.177.875

4. Biaya Kegagalan Eksternal (External Failure Cost)

Biaya Kegagalan Eksternal merupakan biaya yang dikeluarkan setelah produk

sampai ke konsumen. Yang termasuk dalam biaya ini adalah:

Garansi

Biaya yang berkaitan dengan penggantian barang yang cacat. Besarnya

biaya garansi merupakan 10% dari total harga material tamiya yang

dipesan selama 1 tahun, yaitu: 7.250x180 . 935x10% = Rp131.177.875

Tabel 4.85 Rekap Biaya Kualitas

Biaya Pencegahan





Kelompok 9

Deskripsi Biaya % BiayaBiaya evaluation capability Rp14.807.250 3,9580Biaya Perencanaan Kualitas Rp370.200 0,0990Biaya Pelatihan Pekerja Rp9.600.000 2,5661Biaya Audit Kualitas Rp732.000 0,1957Total Rp25.509.450 6,8188

Biaya PenilaianBiaya Pemeliharaan Alat Pengujian Rp7.520.000 2,0101Pengadaan Check Sheet Rp6.720.000 1,7963Biaya Inspeksi Rp72.000.000 19,2459Total Rp86.240.000 23,0523

Biaya Kegagalan InternalBiaya Downgrading Rp131.177.875 35,0644Total Rp131.177.875 35,0644

Biaya Kegagalan EksternalTotal Rp131.177.875 35,0644Total Keseluruhan Rp374.105.200 100





Kelompok 9

BAB V

ANALISIS

5.1 Analisis Acceptance Sampling

Acceptance sampling adalah menentukan peluang diterimanya suatu lot pada

berbagai tingkat kualitas.

5.1.1 Kebijakan sampel untuk As Roda

Panjang ass roda

Pada kebijakan sampel panjang ass roda, sampel yang di ambil sebanyak 20

dengan AQL 0,35. Standart perusahaan untuk panjang ass roda yaitu 58,5 1,5 mm.

Hasil perhitugan yang dilakukan di dapat nilai Zu sebesar 1,030 dan Zl sebesar 14,272.

Setelah itu dilakukan pengujian Single Spesification Limit dimana pada pengujian

tersebut menghasilkan dua keputusan. Hal ini perlu diadakannya pengujian kembali

menggunakan double spesification limit. Pada pengujian tersebut di dapat nilai P

sebesar 3,8, dimana nilai P lebih besar dari nilai m sebesar 15,15 sehingga dapat di

simpulkan keputusan lot panjang ass roda di tolak.

Diameter ass roda

Pada kebijakan sampel diameter ass roda, sampel yang di ambil sebanyak 20

dengan AQL 0,35. Standart perusahaan untuk diameter ass roda yaitu 1,8 0,2 mm.

Hasil perhitugan yang dilakukan di dapat nilai Zu sebesar 2,183 dan Zl sebesar 3,358.




sebesar 1,13 dimana nilai P lebih kecil dari nilai m sebesar 3,8 sehingga dapat di

simpulkan keputusan lot diameter ass roda di terima.

5.1.2 Kebijakan sampel untuk Gardan

Panjang gardan

Pada kebijakan sampel gardan, sampel yang di ambil sebanyak 20 dengan AQL

0,18. Standart perusahaan untuk panjang gardan yaitu 74 0,75 mm. Hasil perhitugan





Kelompok 9

yang dilakukan di dapat nilai Zu sebesar 2,0928 dan Zl sebesar 2,4568. Setelah itu

dilakukan pengujian Single Spesification Limit dimana pada pengujian tersebut

menghasilkan dua keputusan. Hal ini perlu diadakannya pengujian kembali


sebesar 1,753, dimana nilai P lebih besar dari nilai m sebesar 0,846 sehingga dapat di

simpulkan keputusan lot pada gardan di tolak.

Diameter gardan

Pada kebijakan sampel diameter gardan, sampel yang di ambil sebanyak 20

dengan AQL 0,18. Standart perusahaan untuk diameter gardan yaitu 1,8 0,2 mm.

Hasil perhitugan yang dilakukan di dapat nilai Zu sebesar 40,132 dan Zl sebesar -13,82.




sebesar 50 dimana nilai P lebih besar dari nilai m sebesar 0,846 sehingga dapat di

simpulkan keputusan lot pada diameter gardan di tolak.

5.1.3 Kebijakan sampel untuk Besi Dinamo

Diameter Dinamo

Pada kebijakan diameter dinamo, sampel yang di ambil sebanyak 20 dengan

AQL 0,18. Standart perusahaan untuk diameter dinamo yaitu 1,95 0,15 mm. Hasil

perhitugan yang dilakukan di dapat nilai Zu sebesar 9,3801 dan Zl sebesar 4,9048.


tersebut di dapat nilai k sebesar 2,11 sehingga nilai Zu dan Zl lebih dari 2,11. Dapat di

simpulkan lot diameter dinamo diterima.

5.2 Analisis Kualitas Raw Material

5.2.1 Data Variabel

1. Panjang Gardan

Data yang di ambil untuk panjang gardan yaitu sebanyak 20 kali pengukuran. Pada

iterasi ke 0 terlihat ada data yang keluar dari nilai UCL. Yaitu data ke 9 dan 10. Denga





Kelompok 9

ilai MR masing masing 1,2 dan 1 sedangkan niai UCLnya 0,7566. Hal ini harus di

iterasikan kembali agar data terkendali. Data terkendali pada iterasi ke 1 dimana tidak

ada data yang melebihi UCL dan LCL. Dari data di atas dapat di simpulkan kualitas

panjang gardan dapat di terima dan memenuhi standart perusahaan.

2. Diameter Gardan

Data yang di ambil untuk diameter gardan yaitu sebayak 20 kali pengukuran. Pada

peta MR dan X bar untuk diameter gardan pada iterasi 0 tidak ada data yang keluar dari

peta kendali MR dan X bar sehingga data terkendali. Nilai UCL pada peta X bar adalah

1,429 mm dan LCL nya adalah 1,351 mm. Sedangkan untuk peta MR nilai UCL nya

adalah 0,0481 dan LCL nya adalah 0. Dari hasil yang diperoleh dapat disimpulkan

bahwa supplier mengirimkan barang dengan kualitas bagus karena sangat sesuai dengan

spesifikasi yang dibutuhkan perusahaan.

3. Panjang Ass Roda

Data yang di ambil untuk panjang ass roda yaitu 20 kali pegukuran. Pada peta MR

untuk panjang ass roda terdapat data yang keluar yaitu data yang melebihi nilai UCL

dan LCL, yaitu pada iterasi ke 0, iterasi ke 1, iterasi ke 2, dan iterasi ke 3, data mulai

terkendali pada iterasi ke 4. Pada iterasi ke 0 data ke 6 dengan no komponen 78, ukuran

60mm, nilai MR 0,5 melebihi batas UCL dengan nilai 0,3131. Pada iterasi ke 1 data ke

dengan no kompone 7, ukuran 59,9mm, nilai MR 0,091 melebihi nilai UCL sebesar

0,2983 sehingga data harus di iterasikan kembali. Pada iterasi ke 2 data no 8 dengan

nomor komponen 20, ukuran 59,9mm nilai MR 0,4 melebihi batas UCL yaitu sebesar

0,3119, sehingga haus di iterasikan kembali sampai tidak ada lagi data yang keluar.

Pada iteras ke 3 terdapat data yang keluar yaitu data ke 9 no komponen 59, ukuran 59,9,

nilai MR 0,4 melebihi nilai UCL sebesar 0,3267. Dan pada iterasi ke 4 barulah data

terkendali dan tidak ada data yang melebihi batas UCL atau LCL. Dari data di atas

dapat di simpulkan bahwa panjang ass roda cukup sesuai dengan spesifikasi yang

diminta oleh perusahaan.

4. Diameter Ass Roda

Data yang di ambil untuk diameter ass roda yaitu 20 kali pengukuran. Pada peta MR

diameter ass roda terdapat data yang keluar yaitu data yang melebihi nilai UCL dan





Kelompok 9

LCL. Pada iterasi 0 terdapat 2 data yang melebihi nilai UCL. Yaitu data 11 degan nilai

MR 0,12 dan data ke 41 dengan nilai MR 0,22 yang melebihi nilai UCL sebesar 0,1062

sehingga harus di iterasikan kembali sampai data terkendali. Data mulai terkendali pada

iterasi ke 14 dimana tidak ad lagi data yang melebih inilai UCL sebesar 0,0294. Dari

data di atas dapat di simpulkan bahwa ass roda jauh di bawah standart perusahaan.

5. Diameter Dinamo

Data yang di ambil untuk diameter dinamo yaitu 20 kali pengukuran. Pada peta MR

diameter dinamo terdapat data yang keluar, yaitu data yang melebihi nilai UCL dan

LCL sehingga harus di iterasikan sampai data terkendali. Pada iterasi 0 terdapat data

yag keluar, yaitu data ke 12 degan nilai MR 0,04 melebihi nilai UCL sebsar 0,0275

sehinga data harus di iterasikan kembali. Pada iterasi 1 sudah tidak terdapat data yang

keluar melebihi nilai UCL dan LCL. Dari hal di atas dapat di simpulkan diameter

dinamo memenuhi standart perusahaan.

5.2.2 Data Variabel Atribut

1. Peta kendali P

Peta kendali P digunakan ketika jumlah sampel (number of inspection) berbeda beda

pada setiap pengambilan. Peta P digunakan untuk menghitung anyaknya produk yang

cacat pada setiap pngambilan sampel. Berikut ini komponen komponen yang

menggunkan peta kendali P.

Plat belakang besar

Sampel yang di ambil untuk plat belakang besar sejumlah 20. Pada iterasi 0 terdapat

data yang keluar yaitu data ke 6 dengan nilai 0.230769231 melalui batas UCL sebesar

0,214668074 sehingga data harus di hilangkan dan di iterasikan kembali sampai data

terkendali. Data terkendali pada iterasi 1 dengan jumlah 19 sampel yang dimana tidak

ada data yang melebihi batas UCL maupun LCL. Kemungkinan cacat yang terjadi pada

plat belakang besar yaitu plat belakang besar bengkok. Hal ini perlu adanya pencegahan

untuk memperkecil kemungkinan cacat. Yaitu dengan mengurangi penumpukan pada

inventori, atau mengawasi pemindahan material agar memperkecil keungkinan plat

belakang besar bengkok.





Kelompok 9

ARL (average Run Leght) di gunakan untuk mengetahui rata rata sampel plat belakang

di temukan cacat kembali. Sampel yang di ambil sejumlah 18, hal ini di ambil dari

jumlah sampel peta atribut yang sudah terkendali. Pada perhitungan manual di dapat

nilai Pbar sebesar 0,096675. Untuk mengetahui nilai ARL, harus mengetahui terlebih

dahulu nilai β. Dimana β di dapat dari distribusi normal UCL sebesar 0,910889

dikurangi distribusi normal LCL sebesar 0,160396 sehingga di dapat nilai β sebesar

0,7500. Setelah itu barulah di dapat nilai ARL sebesar 4. Jadi dapat disimpulkan

kemungkinan ditemukan plat belakang kecil cacat saat pengambilan sampel ke 4.

Plat belakag kecil

Sampel yang di ambil untuk plat belakang kecil sejumlah 20. Pada itersai 0 terdapat

data yang keluar yaitu data ke 4 dengan nilai 0.909091 melalui batas UCL sebesar

0,3187224 sehingga harus di iterasikan kembali sampai data terkendali. Pada iterasi 1

data ke 5 masih melewati batas dengan nilai 1,2125 dan UCL 0,10364 sehingga harus di

iterasikan kembali. Data terkendali pada iterasi 2 dengan jumlah sampel 18 dimana

tidak ada data yang melebihi batas UCL maupun LCL. Kemungkinan cacat pada plat

belakang kecil yaitu terjadiya kesalahan ukuran terlalu panjang atau terlalu lebar

sehingga menyebabkan plat tidak dapat masuk ke rumah diamo dengan benar. Untuk itu

harus dilakukannya peninjauan kembali pada supplayer, jika hal ini terjadi terus

menerus dan merugikan perusahaan maka dapat di usulkannya pergantian supplayer ke

yang lebih berkualitas.

Plat depan

Sampel yang di ambil untuk plat depan sejumlah 20 kali pengukuran. Pada itersai 0

terdapat data yag keluar yaitu data ke 13 dengan nilai 0.209877 melalui batas UCL

sebesar 0,205399 sehingga harus di iterasikan kembali sampai data terkendali. Data

terkendali pada iterasi 1 dengan jumlah sampel akhir 19 dimana tidak ada data yang

melebihi batas UCL maupun LCL.kemungkinan cacat yang terjadi pada plat depan yaitu

plat belakang depan bengkok. Hal ini perlu adanya pencehgahan untuk memperkecil

kemungkinan cacat. Yaitu dengan di kurangnya penumpukan pada inventori, dan

mengawasi perpindahan material plat depan.





Kelompok 9

Penutup plat depan

Sampel yang di ambil untuk penutup plat depan yaitu 20. Pada itersai 0 terdapat data

yang keluar yaitu data ke 8 dengan nilai 0.220779 melalui batas UCL sebesar 0,197783

sehingga harus di iterasikan kembali sampai data terkendali. Data terkendali pada iterasi

1 dengan jumlah sampel akhir 19 dimana tidak ada data yang melebihi batas UCL

maupun LCL. Kemungkinan cacat pada penutup plat depan yaitu terjadiya kesalahan

ukuran terlalu panjang atau terlalu lebar sehingga menyebabkan penutup tdak dapat di

tutup denagn benar. Untuk itu harus dilakukannya peninjauan kembali pada supplayer,

jika hal ini terjadi terus menerus dan merugikan perusahaan maka dapat di usulkannya

pergantian supplayer ke yang lebih berkualitas.

2. Peta kendali U

Peta kendali U meratting cacat per unit dan sampel dari cacatnya bersifat konstan

dengan jumlah 90 sampel. Peta kendali U juga memperhiungkan bobot. Berikut ini

komponen yan menggunakan peta kendali U :

Body

Sampel yang di ambil untuk body sebanyak 20. Dari perhitungan manual dapat

menghasilkan UCL dengan nilai 32,6991 dan LCL dengan nilai 11,4620 yang iterasinya

hanya berakhir pada iterasi ke 0 dan tidak perlu di iterasikan kembali. Karena jika data

melewati LCL maka data tersebut tidak di buang karena datanya bukan merupakan

suatu pengukuran sehingga bersifat defect karena kesalahannya tidak ada. Kemungkinan

cacat yang terjadi adalah ukuran body yang tidak sesuai desain, sehingga body tidak

dapat terpasang dengan sempurna pada casis. Hal ini perlu di adakannya peninjauan

kembali pada supplayer, jika hal ini terjadi terus menerus dan merugikan perusahaan

maka dapat di usulkannya pergantian supplayer ke yang lebih berkualitas.

Chasis

Sampel yang di ambil untuk chasis sebanyak 20 kali. Dari perhitungan manual dapat

menghasilkan UCL dengan nilai 32,3424 dan LCL dengan nilai 11,5521 yang iterasinya

hanya berakhir pada iterasi ke 0 dan tidak perlu di iterasikan kembali. Karena jika data

melewati LCL maka data tersebut tidak di buang karena datanya bukan merupakan

suatu pengukuran sehingga bersifat defect karena kesalahannya tidak ada. Kemungkinan





Kelompok 9

cacat yag terjadi yaitu ukuran bolongan pada chasis yang tidak sesuai. Sehingga

komponen komponen lain tidak dapat terpasang dengan sempurna pada casis. Hal ini

perlu dilakukannya peninjauan kembali pada supplayer, jika hal ini terjadi terus



3. 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. Berikut komponen yang menggunakan peta kendali np :

Pengunci baterai

Sampel yang di ambil untuk pengunci baterai sejumlah 20 kali. Pada iterasi 0 terdapat

data ke 3 dengan nilai 18 melebihi batas UCL sebesar 17,325 sehingga harus di

iterasikan kembali sampai data terkendali. Data terkendali pada iterasi 1 dengan sampel

19 karena tidak ada data lagi yang melebihi UCL atau LCL. Kemungkinana cacat yang

terjadi pada pengunci baterai yaitu ukuran yang tidak pas sehingga pengunci bateri tidak

dapat terpasang dengan benar. Sehingga perlunya di adakannya peninjauan kembali

pada supplayer, jika hal ini terjadi terus menerus dan merugikan perusahaan maka dapat

di usulkannya pergantian supplayer ke yang lebih berkualitas.

Dinamo

Sampel yang di ambil untuk dinamo yaitu 20 kali. Pada iterasi 0 terdapat data ke 19

dengan nilai 18 melebihi batas UCL sebesar 16,895 sehingga harus di iterasikan

kembali sampai data terkendali. Data terkendali pada iterasi 1 dengan jumlah sampel 19

karena tidak ada data lagi yang melebihi UCL atau LCL. Kemungkinan cacat yang

terjadi pada dinamo yaitu tidak berfugsinya dinamo. Hal ini perlu di lakukannya

peninjauan kembali pada supplayer, jika hal ini terjadi terus menerus dan merugikan

perusahaan maka dapat di usulkannya pergantian supplayer ke yang lebih berkualitas.

4. Peta kendali C





Kelompok 9

Peta kendali C digunakan untuk jumlah sampel (number of inspection) yang sama.

Peta C digunakan untuk menghitung banyaknya jumlah cacat dalam suatu produk.

Berikut ni komponen yang menggnakan peta kendali C

Gear besar

Sampel yang di ambil untuk gear besar yaitu 20. Pada iterasi 0 terdapat data yang keluar

yaitu data ke 8 dengan nilai 143 melebihi batas UCL sebesar 139,98 sehingga data harus

di hilangkan dan dilakukan iterasi kembali sampai data terkendali. Data terkendali pada

iterasi 1 dengan jumlah sampel akhir 19 karena tidak ada data lagi yang melebihi UCL

atau LCL. Kemungkinan cacat pada gear besar yaitu gear besar yag tidak sesuai dengan

desine sehingga akan menyebabkan roda tidak berputar. Hal ini perlu di lakukannya

peninjauan kembali pada supplayer, jika hal ini terjadi terus menerus dan merugikan

perusahaan maka dapat di usulkannya pergantian supplayer ke yang lebih berkualitas.

Gear kecil

Sampel yang di ambil untuk gear kecil sebanyak 20. Pada iterasi 0 tidak terdapat data

yang melebihi batas UCL atau LCL sehingga tidak perlu dilakukannya iterasi kembali

karena data sudah terkendali. Kemungkinan cacat pada gear kecil yaitu gear kecil yang

tidak sesuai desine sehigga mengakibatkan kegagalan saat inspeksi. Hal ini perlu

dilakukan pengendalian kualitas agar tidak adaya barag cacat masuk ke perusahaan. Dan

perlu di lakukannya peninjauan kembali pada supplayer, jika hal ini terjadi terus



Roda assy

Sampel yang di ambil untuk roda assy yaitu sebanyak 20. Pada iterasi 0 terdapat data

yang keluar, yaitu data ke 11 dengan nilai 130 melebihi batas UCL esebesar 129,42

sehingga data harus di hilangkan dan dilakukan iterasi kembali sampai data terkendali.

Data terkendali pada iterasi 1 karena tidak ada data lagi yang melebihi UCL atau LCL.

Kemungkinan cacat pada roda assy yaitu cacat pada desain roda assy. Hal ini perlu

dilakukan pengendalian kualitas agar tidak adaya barag cacat masuk ke perusahaan. Dan

perlu di lakukannya peninjauan kembali pada supplayer, jika hal ini terjadi terus





Kelompok 9



Roller besar

Sampel yang di ambbil untuk roller besar yaitu sebanyak 20. Pada iterasi 0 terdapat data

yang keluar, yaitu data ke 3 dengan nilai 130 melebihi batas UCL sebesar 129,3



Kemungkinan cacat yang terjadi pada roller besar yaitu tidak sesuainya produk jadi

dengan desain yang ada sehingga roller besar tidak dapat terkunci dengan baik. Hal ini

perlu dilakukan pengendalian kualitas agar tidak adaya barag cacat masuk ke

perusahaan. Dan perlu di lakukannya peninjauan kembali pada supplayer, jika hal ini

terjadi terus menerus dan merugikan perusahaan maka dapat di usulkannya pergantian

supplayer ke yang lebih berkualitas.

Roller kecil

Sampel yang di ambil untuk roller kecil yaitu sebanyak 20. Pada iterasi 0 terdapat data



Data terkendali pada iterasi 1 dengan jumlah sampel 19 karena tidak ada data lagi yang

melebihi UCL atau LCL. Kemungkinan cacat yang terjadi pada roller kecil yaitu tidak

sesuainya produk jadi dengan desain yang ada sehingga roller kecil tidak dapat terkunci

dengan baik. Hal ini perlu dilakukan pengendalian kualitas agar tidak adaya barag cacat

masuk ke perusahaan. Dan perlu di lakukannya peninjauan kembali pada supplayer, jika

hal ini terjadi terus menerus dan merugikan perusahaan maka dapat di usulkannya

pergantian supplayer ke yang lebih berkualitas.

Rumah dinamo

Sampel yang di ambil untuk rumah dinamo sebanyak 20. Pada iterasi 0 terdapat data








Kelompok 9

Cacat yang mungkin terjadi yaitu 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. Sehingga perlu dilakukannya pengawasan pada pengiriman material.

5. 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. Berikut ini komponen komponen yang menggunakan peta kendali

u

Bumper Belakang

Sampel yang di ambil untuk bumper belakang yaitu sebanyak 20. Pada iterasi 0 terdapat

2 data yang melebihi batas UCL yaitu data ke 4 dengan nilai 172 dan data ke 19 dengan

nilai 161 dengan batas UCL desebesar 2,23325 sehingga data harus di hilangkan dan

dilakukan iterasi kembali sampai data terkendali. Data terkendali pada iterasi 1 dengan

jumlah sampel 18 karena tidak ada data lagi yang melebihi UCL atau LCL.

Kemungkinan cacat yang terjadi pada bumper belakang yaitu ketdaksesuaian produk

jadi dengan desain yang ada, sehingga bumper belakang tidak dapat terkunci dengan

baik pada chasis. Hal ini perlu dilakukan pengendalian kualitas agar tidak adaya barag

cacat masuk ke perusahaan. Dan perlu di lakukannya peninjauan kembali pada

supplayer, jika hal ini terjadi terus menerus dan merugikan perusahaan maka dapat di

usulkannya pergantian supplayer ke yang lebih berkualitas.

Pengunci Body

Sampel yang di ambil untuk pengunci body yaitu 20. Pada iterasi 0 terdapat data yang

melebihi batas UCL yaitu data ke 4 dengan nilai 109 dengan batas UCL sebesar

1,31792 sehingga data harus di hilangkan dan dilakukan iterasi kembali sampai data

terkendali. Data terkendali pada iterasi 1 karena tidak ada data lagi yang melebihi UCL

atau LCL. Cacat yang mungkin terjadi yaitu ketidaksesuaian yang terjadi pada pengunci

body yag diakibatkan oleh pengepakan raw material yang kurang tepat sehingga

gampang rusak dan juga akibat dari benturan sesama rumah dinamo pada saat distribusi





Kelompok 9

barang ke perusahaan. Sehingga perlu dilakukannya pengawasan pada pengiriman

material.

Tuas On Off

Sampel yang di ambil untuk tias on off yaitu sebanyak 20. Pada iterasi 0 terdapat data

yang melebihi batas UCL yaitu data ke 20 dengan nilai 105 yang melebihi batas UCL

desebesar 1,317015 sehingga data harus di hilangkan dan dilakukan iterasi kembali

sampai data terkendali. Data terkendali pada iterasi 1 dengan umlah sampel 19 karena

tidak ada data lagi yang melebihi UCL atau LCL. Cacat yang mungkin terjadi yaitu

ketidaksesuaian yang terjadi pada tuas on off 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. Sehingga perlu dilakukannya

pengawasan pada pengiriman material.

Gear Dinamo

Sampel yang di ambil untuk gear dinamo yaitu sebanyak 20. Pada iterasi 0 terdapat data

yang melebihi batas UCL yaitu data ke 11 dengan nilai 109 dengan batas UCL sebesar

1,48992 sehingga data harus di hilangkan dan dilakukan iterasi kembali sampai data

terkendali. Data terkendali pada iterasi 1 karena tidak ada data lagi yang melebihi UCL

atau LCL. Cacat yang mungkin terjadi yaitu ketidaksesuaian yang terjadi pada gear

dinamo sehingga mengakibatkan kegagalan pada inspeksi. Hal ini perlu dilakukan

pengendalian kualitas agar tidak adaya barag cacat masuk ke perusahaan. Dan perlu di

lakukannya peninjauan kembali pada supplayer, jika hal ini terjadi terus menerus dan

merugikan perusahaan maka dapat di usulkannya pergantian supplayer ke yang lebih

berkualitas.

Pengunci Dinamo

Sampel yang di ambil untuk pengunci dinamo yaitu sebanyak 20. Pada iterasi 0 terdapat

data yang melebihi batas UCL yaitu data ke 20 dengan nilai 112 melebihi batas UCL

sebesar 1,28249 sehingga data harus di hilangkan dan dilakukan iterasi kembali sampai

data terkendali. Data terkendali pada iterasi 1 dengan jumlah sampel 19 karena tidak ada

data lagi yang melebihi UCL atau LCL. Cacat yang mungkin terjadi yaitu ketidak

sesuaian yang terjadi pada pengunci dinamo sehingga mengakibatkan dinamo tidak





Kelompok 9

dapat terkunci dengan baik. Hal ini perlu dilakukan pengendalian kualitas agar tidak

adaya barag cacat masuk ke perusahaan. Dan perlu di lakukannya peninjauan kembali

pada supplayer, jika hal ini terjadi terus menerus dan merugikan perusahaan maka dapat

di usulkannya pergantian supplayer ke yang lebih berkualitas.

5.3 Analisis Kualitas Finish Product

5.3.1 Analisis Diagram Pareto

Diagram Pareto merupakan diagram merepresentasikan kecacatan-kecacatan

atau masalah-masalah produk jadi atau finished product dari produksi Mini 4 WD.

Masalah yang terjadi antara lain roda depan dan belakang tidak berputar, roller tidak

berputar, tuas on-off longgar, pengunci body longgar, bumper tidak terpasang

dengan baik, dinamo tidak menyala, dan plat depan macet.

Dilihat dari diagram tersebut, masalah yang memiliki frekuensi terbesar adalah

roda depan dan belakang tidak berputar dengan persen cacat 23%, untuk roller tidak

berputar memiliki persen cacat sebesar 16%, bumper tidak terpasang dengan baik

memiliki persen cacat sebesar 15 %, pengunci body longgar persen cacatnya sebesar

14%, dinamo tidak menyala persen cacatnya sebesar 13%, tuas on-off longgar

memiliki persen cacat sebesar 12 dan yang terakhir yaitu plat depan macet persen

cacatnya yaitu 8 %.

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 roda

depan dan belakang tidak berputar, roller tidak berputar, tuas on-off longgar,

pengunci body longgar, bumper tidak terpasang dengan baik, dinamo tidak menyala,

dan plat depan macet. Inspeksi dilakukan dengan jumlah produk yang konstan yaitu





Kelompok 9

90 sampel. Karena prosentase terbesar yaitu roda depan dan belakang tidak berputar

maka untuk menguji kualitas produk digunakan peta kendali np pada data inspeksi.

Dalam pemetaan dengan peta kendali np untuk masalah-masalah di atas, rata-

rata dari masalah tersebut mengalami 1 iterasi. Untuk peta kontrol np pada peta

kendali np roda depan dan tidak berputar memiliki nilai UCL = 10,371 dan LCL = -

1,771 . Pada hasil peta kendali tersebut maka tidak ada yang melewati batas atas dan

bawah berarti hal tersebut masih dapat dikatakan data terkendali.

5.3.3 Analisis Diagram Fishbone

Diagram fishbone digunakan untuk mengetahui penyebab terjadinya kecacatan

finish product. Dari diagram pareto didapat kecacatan finish product paling banyak

disebabkan roda depan dan belakang tidak berputar. Terdapat 4 penyebab utama

yaitu pada product handling, storage, inspection, dan assembly. Pada bagian

inspection terjadi karena kurang ketelitian, adanya komponen yang terlewati, dan

barang dari supplier yang kurang baik. Sehingga perlu mencari supplier lain yang

lebih menjamin kualitas komponen, dan ketelitian ketika menerima komponen. Pada

assembly, kecacatan terjadi karena pemasangan yang kurang baik, tuas on-off

terbalik, kelalaian operator dalam merakit, gear belum terpasang dengan baik, dan

gardan bergeser. Perlu adanya kehati-hatian, ketelitian dan konsentrasi pekerja dalam

melakukan assembly. Pada storage disebabkan karena kurangnya perawatan,

penataan komponen kurang rapi, pemeriksaan kurang, dan tempat penyimpanan

kurang layak. Perlu perawatan dan pemeriksaanyang lebih intensif, penyusunan tata

letak komponen yang baik dan tempat penyimpanan yang layak dan pemberian

bantalan seperti busa atau gabus pada tempat penyimpanan untuk mengurangi

kerusakan komponen pada storage. Sedangkan pada prodict handling terdapat 3

penyebab yaitu pemindahan barang terlalu cepat atau terlalu lambat, kurangnya

selektifitas, dan human error. Sehingga perlunya ketelitian, kehati-hatian lebih tinggi

dan pengarahan kepada pekerja dalam melakukan product handling.

5.4 Analisis Proses





Kelompok 9

Proses yang dilakukan dalam penelitian ini yang pertama kita menentukan

Kebijakan Acceptance sampling (sampel penerimaan). Pada tahap ini perusahaan

melakukan pengukuran terhadap material yang dikirimkan oleh supplier untuk

melakukan pengecekan apakah ukuran material yang dikirimkan pemasok sesuai atau

tidak dengan ukuran standar perusahaan serta menentukan apakah perusahaan akan

menerima atau menolak lot material tersebut. Material yang diukur dalam acceptance

sampling ini yaitu panjang dan diamter gardan, panjang dan diameter as roda dan

diameter besi dinamo. Jika sampel yang diuji lolos maka perusahaan manerima seluruh

lot yang dikirimkan sedangkan bila ada yang tidak lulus uji maka perusahaan menolak

dan mengembalikan lot material yang dikirimkan.

Langkah selanjutnya menentukan kualitas raw material digunakan peta kendali yang

bertujuan untuk apakah raw material tersebut dapat dikendalikan secara statistik atau

tidak. Peta kendali dibagi menjadi 2 yaitu peta kendali atribut dan peta kendali variabel.

Untuk data variabel (data hasil pengukuran) yang terdiri dari panjang dan diametr

gardan, panjang dan diameter as roda dan diameter besi dinamo. Untuk data variabel ini

digunakan peta kendali X - MR sedangkan untuk data atribut digunakan 5 macam peta

kendali yaitu pertama Peta kendali p, digunakan untuk mengendalikan proporsi dari

sampel yang diuji. Pada peta kendali ini sampel yang diambil konstan dan itemnya

independent. Peta kendali p ini digunakan untuk data atribut yang ukuran lotnya tidak

sama. Yang menggunakan peta kendali ini yaitu plat belakang besar, penutup plat

depan, plat belakang kecil, plat depan kedua Peta kendali np ,digunakan untuk

mengendalikan jumlah cacat dalam sampel dan menggunakan perhitungan sebagai

dasar. Peta kendali jumlah sampelnya konstan. Yang menggunakan peta kendali ini

yaitu pengunci baterai dan dinamo. Ketiga, Peta kendali c, peta kendali c digunakan

untuk mengendalikan jumlah kecacatan dalam sampel yang berukuran tetap. Yang

menggunakan peta kendali ini yaitu gear besar, gear kecil, roda assy, roller besar, roller

kecil, rumah dinamo. Keempat Peta kendali u, digunakan untuk mengendalikan jumlah

kecacatan per unit. Dalam peta kendali ini ukuran sampel dibuat bervariasi. Yang

menggunakan peta kendali ini yaitu bumper belakang, pengunci body, tuas on-off, gear

dinamo, dan pengunci dinamo. Dan kelima peta kendali U, digunakan untuk





Kelompok 9

mengendalikan jumlah cela per unit. Dalam peta kendali ini ukuran sampel konstan dan

memiliki lebih dari satu jenis cacat. Yang menggunakan peta kendali ini yaitu Chasis

dan body. Apabila data tersebut masih melewati garis UCL dan LCL pada peta kendali

maka data yang melewati garis UCL dan LCL pada peta kendali dieliminasi dan

dilakukan iterasi selanjutnya sampai tidak ada data yang melewati garis UCL dan LCL

pada peta kendali.

Langkah selanjutnya menentukan finish produk digunakan 3 tools , pertama diagram

pareto digunakan untuk mengidentifikasi masalalah utama dalm peningkatan kualitas.

Yang kedua peta kendali np, digunakan agar didapatkan keseragaman kualitas sehingga

jika terjadi ketidaksesuaian maka perlu dilakukan perbaiakan. Dan tools yang terakhir

adalah diagram fish bone, digunakan untuk menganalisis masalah dan penyebabanya

sehingga produk yang diproduksi dinyatakan gagal

Dan langkah terakhir adalah penentuan biaya kualitas, yaitu biaya–biaya yang

berhubungan dengan pencegahan, pengidentifikasian, perbaikan dan pembentukan

produk yang memiliki kualitas rendah. Biaya kualitas berkaitan dengan kegiatan

pengendalian dan kegiatan karena kegagalan. Dalam biaya kualitas kita menghitung

biaya pencegahan, biaya penilaian, biaya eksternal dan biaya internal.

5.5 Analisis Biaya Kualitas

Biaya kualitas merupakan biaya untuk mempertahankan dan mengendalikan

kualitas dalam memproduksi suatu produk. Biaya kualitas diklasifikasikan dalam 4

kategori atau kelompok, yaitu biaya pencegahan biaya penilaian, biaya kegagalan

internal, dan biaya kegagalan eksternal.

Biaya pencegahan sangat penting sebagai pencegahan produk gagal pada tahap

awal sehingga kerugian akibat produk gagal pada tahapan berikutnya dapat dihindari.

Biaya pencegahan mencapai 6,8188% dari keseluruhan biaya kualitas, dengan biaya

evaluation capability merupakan biaya terbesar mencapai Rp14.807.250 yang didapat

dari biaya komponen noncomfortmities dari komponen peta kendali p dan np selama 1

tahun. Biaya ini dapat ditekan dengan mencari supplier komponen yang mampu

mensupplai komponen yang lebih berkualitas. Sedangkan untuk biaya pelatihan pekerja





Kelompok 9

yang mencapai Rp9.600.000 yang didapat dari biaya pelatihan pekerja assembly

sebanyak 4 orang selama 12 bulan. Untuk biaya perencanaan kualitas mencapai

Rp370.200 merupakan biaya pengeluaran untuk rapat membahas perencanaan kualitas

selama 12 bulan. Dan biaya audit kualitas mencapai Rp 732.000 merupakan biaya

pengadaan tinta dan kertas selama 12 bulan.

Biaya penilaian mencapai 23,0523% dari keseluruhan biaya kualitas, terdiri dari

biaya pemeliharaan dan pembelian alat pengujian sebesar Rp7.520.000 dari biaya

pemeliharaan 2 jenis jangka sorong selama 12 bulan sebesar Rp150.000 untuk 2 pekerja

QC serta pembelian 2 jenis jangka sorng untuk 2 pekerja QC seharga Rp80.000 di akhir

tahun. Biaya pengadaan checksheet sebesar Rp6.720.000 didapat dari biaya checksheet

Rp28.000 per bulan selama 12 bulan. Biaya inspeksi merupakan biaya gaji pekerja

bagian QC sebesar Rp3.000.000 per orang selama 12 bulan.

Biaya kegagalan internal merupakan biaya yang berhubungan dengan kecacatan

dan nonkonformasi yang ditemukan sebelum produk sampai ke konsumen mencapai

35,0644% terdiri dari biaya downgrading sebesar Rp131.177.875, didapat dari 10%

biaya material tamiya yang dipesan selama 12 bulan. Untuk meminimalisir biaya

kegagalan internal perlu diadakan pemeriksaan yang dilakukan pada tahap awal dan

kehati-hatian dalam proses assembly sehingga kecacatan setelah produk diassembly

dapat dihindari.

Biaya kegagalan internal merupakan biaya yang berhubungan dengan kecacatan

dan nonkonformasi yang ditemukan setelah produk sampai ke konsumen mencapai

35,0644% terdiri dari biaya garansi sebesar Rp131.177.875, didapat dari 10% biaya

material tamiya yang dipesan selama 12 bulan Untuk meminimalisir biaya kegagalan

eksternal juga perlu diadakan pemeriksaan yang dilakukan pada tahap awal dan kehati-

hatian dalam proses assembly sehingga kecacatan setelah produk diassembly dapat

dihindari.





Kelompok 9

BAB VI

PENUTUP

6.1 Kesimpulan

Kesimpulan pada penelitian ini adalah:

1. Pengendalian kualitas dilakukan dalam upaya peningkatan kepercayaan

konsumen terhadap produk yang dihasilkan serta menjamin perkembangan

perusahaan pada masa yang akan datang.

2. Pada pengendalian kualitas digunakan suatu metode peta kendali yang

merupakan salah satu alat dalam seven tools untuk memonitor apakah suatu

aktivitas dapat diterima sebagai proses yang terkendali atau tidak. Peta kendali

variabel digunakan untuk memetakan dan mengontrol proses dari suatu data

variabel yaitu data yang berasal dari pengukuran (peta kendali X-MR),

sedangkan peta kendali atribut digunakan untuk memetakan dan mengontrol

proses dari suatu data atribut yaitu data yang bukan dari hasil pengukuran.

Macam-macam peta kendali atribut yaitu peta kendali u (bumper belakang,

pengunci body, tuas on-off, gear dynamo, dan pengunci dynamo), c (gear besar,

gear kecil, roda assy, roller besar, roller kecil, dan rumah dynamo), np

(dynamo), p (plat belakang besar, plat belakang kecil, plat depan, penutup plat

depan, dan U (body, dan chasis) sedangkan untuk peta kendali variabel yang

digunakan hanya peta kendali x-MR. Jenis-jenis cacat yang terdeteksi pada raw

material antara lain: string (serabut), camber (lekukan), dan scratch (goresan).

Sedangkan cacat yang terdeteksi pada finish product antara lain roda tidak dapat

berputar, dinamo tidak dapat berputar, dan roller tidak dapat berputar. Yang

termasuk dalam finish produk yaitu diagram pareto untuk menyeleksi masalah

melalui frekuensi tipe permasalahan, peta kendali np, dan diagram fishbone

untuk mengetahui sebab akibat permasalahan. Cacat pada raw material dapat

diatasi dengan memilih raw material dari supplier terbaik dan melakukan

inspeksi terhadap seluruh raw material, sedangkan untuk finish product harus

dilakukan inspeksi terhadap produk akhir.





Kelompok 9

3. Biaya kualitas adalah biaya-biaya yang berhubungan dengan produk atau

pelayanan yang diberikan oleh suatu perusahaan berdasarkan syarat-syarat yang

diminta oleh pelanggan. Biaya kualitas terdiri dari biaya pencegahan, biaya

penilaian, biaya kegagalan internal, dan biaya kegagalan eksternal. Total biaya

kualitas pada perusahaan JTF yaitu sebesar Rp 374.105.200

6.2 Saran

Saran yang diberikan untuk penelitian selanjutnya adalah:

1. Diharapkan pada penelitian selanjutnya, peneliti dapat menggunakan dan

membaca jangka sorong dengan baik dan benar.

2. Sebaiknya peneliti pada perusahaan harus sudah menguasai ilmu pengendalian

manajemen kualitas, agar dalam proses pembuatan laporan atau penelitian lebih

mudah memahami pengendalian kualitas perusahaan materinya.

3. Dengan biaya kualitas, kita dapat mengetahui anggaran – anggaran yang harus

dikeluarkan untuk menjaga dan memperbaiki kualitas dari produk dan proses.



Modul 6 Fix Kel 9 Rapih InsyaAllah

Documents

Transcript of Modul 6 Fix Kel 9 Rapih InsyaAllah