Modul 6 Acc Amiin

Laporan Praktikum Perancangan Teknik Industri Modul 6 Statistical Quality Control and Quality Cost Planning Kelompok 18
BAB I PENDAHULUAN
1.1
Latar Belakang Kepercayaan konsumen terhadap suatu produk adalah yang hal yang utama. Bila
kepercayaan konsumen telah didapatkan maka perusahaan akan dapat dengan mudah untuk mencapai tujuannya yaitu memaksimumkan keuntungan dan memenuhi kebutuhan konsumen. Untuk mendapat kepercayaan konsumen maka kualitas produk harus baik. Pengendalian kualitas dan mutu barang yang dihasilkan oleh sebuah perusahaan merupakan faktor yang sangat penting untuk dapat tetap bersaing di pasar konsumen, di mana dewasa ini kualitas telah menjadi parameter bahwa suatu produk layak dikonsumsi. Oleh karena itu, setiap perusahaan harus selalu mengendalikan proses produksi yang dimilikinya agar kualitas produk yang dihasilkan tetap terkendali. Ini berarti bahwa proses produksi harus stabil dan mampu beroperasi sedemikian hingga semua produk yang dihasilkan sesuai dengan spesifikasi yang diinginkan. Pengendalian mutu dalam dunia industri juga digunakan sebagai alat manajeman dengan mengamati, menilai, dan membandingkan sifat-sifat penting suatu produk dengan suatu bentuk baku. Hasil pengukuran yang dipakai untuk menentukan kualitas barang, nilainya dapat berubah-ubah dari satu produk ke produk yang lain pada item yang sama meskipun kondisi proses produksi dapat diusahakan sama. Dengan demikian timbullah suatu variasi kualitas. Ciri khusus dari proses produksi yang bekerja dalam keadaan terkendali adalah menghasilkan produk yang dapat diterima untuk periode yang relatif panjang. Tapi kadang-kadang sebab-sebab terduga akan terjadi secara random yang akan mengakibatkan pergeseran ke keadaan yang tidak terkendali sehingga sebagian prosuk hasil proses itu tidak memenuhi persyaratan. Tujuan utama dari pengendalian kualitas statistik adalah menyidik dengan cepat terjadinya sebab-sebab terduga atau pergeseran proses sehingga tindakan pencegahan dapat dilakukan sebelum banyak unit barang yang tidak sesuai spesifikasi diproduksi.
Program Studi Teknik Industri Universitas Diponegoro 2012
Tujuan akhir dari pengendalian proses atau pengendalian kualitas adalah untuk mengeliminir variabilitas dalam proses. Pada modul ini pengendalian kualitas di titik beratkan pada statistical quality control yaitu dengan menggunakan peta kendali yang ada untuk tiap komponen tamiya,dan penentuan biaya kualitas dari tamiya.
1.2 1. 2. 3. 4.
Perumusan Masalah Apa kegunaan dari acceptence sampling untuk pengndalian kualitas? Apa kegunaan dari seven tools untuk pengendalian kualitas? Apa Fungsi Peta kendali dalam pengendalian kualitas? Apa kegunaan dari biaya kualitas?
1.3
Tujuan Penulisan Tujuan yang ingin dicapai dalam penulisan laporan ini adalah:
1.
Menentukan kebijakan kualitas produk perusahaan dengan mengggunakan Acceptence Sampling.
2.
Dapat mengetahui tingkat kecacatan tiap produk dengan menggunakan Seven Tools.
3. 4.
Mampu Melakukan Perhitungan pengendalian kualitas dengan Peta Kendali. Menentukan Biaya kualitas dari produksi Tamiya tiap tahun.
1.4
Batasan dan Asumsi Pada praktikum kali ini masalah dibatasi hanya pada pengendalian
kualitas.Berikut adalah batasan dan asumsinya : 1. Data yang di gunakan berasal dari data laporan jumlah inspeksi raw material dan finish produk. 2. Peta kendali pengolahan data dengan menggunakan peta kendali Variabel (Xbar dan MR) dan peta kendali atribut (U,u,P,np,C). 3. Seven tools yang di gunakan pada penulisan laporan ini ada 4 tool yaitu lembar pengamatan, Grafik Kendali, Diagram pareto, dan Diagram tulang ikan.
4.
Asumsi yang dipakai oleh PT Indonesia Tamiya Motor diambil telah mewakili populasi.
adalah sampel yang
1.5
Sistematika Penulisan Sistematika penulisan laporan praktikum ini adalah sebagai berikut :
BAB I
PENDAHULUAN Bab ini membahas mengenai latar belakang, perumusan masalah, tujuan penulisan, batasan dan asumsi, sistematika penulisan.
BAB II
TINJAUAN PUSTAKA Bab ini membahas mengenai dasar-dasar teori yang dijadikan sebagai pedoman sesuai dengan bidang kajian yang diambil dalam pelaksanaan pengolahan dan analisis data.
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA Bab ini membahas mengenai pengumpulan data yaitu data variabel dan data atribut serta pengolahan dari data yang sudah didapat.
BAB IV
ANALISIS Bab ini membahas mengenai metodologi penelitian, pengolahan data dan analisis terhadap pengolahan data yang sudah berbentuk grafik, baik itu berupa grafik untuk parameter variabel yang terdiri dari grafik kendali variabel x dan S dan parameter sifat yang terdiri dari grafik kendali sifat P dan NP serta c dan u .
BAB V
PENUTUP Bab ini membahas mengenai kesimpulan dari laporan yang telah dibuat atau hasil-hasil akhir dari analisa yang telah dilakukan pada bab terdahulu dan memberikan usulan serta saran.
BAB II TINJAUAN PUSTAKA
2.1
Definisi Kualitas Istilah kualitas memerlukan tanggapan secara hati-hati dan memerlukan penafsiran
yang cermat. Faktor utama yang menentukan kinerja suatu perusahaan adalah kualitas produk yang dihasilkan. Produk yang berkualitas adalah produk yang sesuai dengan apa yang diinginkan konsumennya. Oleh karena itu perusahaan perlu mengenal konsumen/pelanggannya dan mengetahui kebutuhan dan keinginan pelanggan. Ada banyak sekali definisi dan pengertian kualitas, yang sebenarnya memiliki esensi yang sama. Kualitas menurut beberapa ahli yang banyak dikenal antara lain: Juran (1962): kualitas adalah kesesuaian dengan tujuan dan manfaatnya. Crosby (1979): kualitas adalah kesesuaian dengan kebutuhan yang meliputi availability, delivery, reliability, maintainability, dan cost effectiveness. Deming (1982): kualitas harus bertujuan memenuhi kebutuhan pelanggan sekarang dan di masa datang. Feigenbaum (1991): kualitas merupakan keseluruhan karakteristik produk yang meliputi marketing, engineering, manufacture, dan maintenance, dalam mana produk tersebut dalam pemakaiannya akan sesuai dengan kebutuhan dan harapan pelanggan. Scherkenbach (1991): kualitas ditentukan oleh pelanggan; pelanggan
menginginkan produk yang sesuai dengan kebutuhan dan harapannya pada suatu tingkat harga tertentu yang menunjukkan nilai produk tersebut. Elliot (1993): kualitas adalah sesuatu yang berbeda untuk orang yang berbeda dan tergantung pada waktu dan tempat, atau dikatakan sesuai tujuan. Perbendaharaan istilah ISO 8402 dan dari Standar Nasional Indonesia (SNI 198402-1991), kualitas adalah keseluruhan ciri dan karakteristik produk yang kemampuannya dapat memuaskan kebutuhan, baik yang dinyatakan secara tegas maupun tersamar. Istilah kebutuhan diartikan sebagai spesifikasi yang tercantum
dalam kontrak maupun kriteria-kriteria yang harus didefinisikan terlebih dahulu (conformance to requirement). Vincent (2006): Kualitas adalah sesuatu yang mampu memenuhi keinginan atau kebutuhan pelanggan (meeting the needs of customers). Kualitas juga dapat
diartikan sebagai segala sesuatu yang menentukan kepuasan pelanggan dan upaya perubahan ke arah perbaikan terus-menerus sehingga dikenal istilah Q-MATCH (Quality = Meets Agreed Terms and Changes) Kualitas memerlukan suatu proses perbaikan terus-menerus (continous
improvement process) yang dapat diukur, baik secara individual, organisasi, korporasi, dan tujuan kerja nasional. Konsep kualitas harus bersifat menyeluruh, baik produk maupun prosesnya. Kualitas produk meliputi kualitas bahan baku dan barang jadi., sedangkan kualitas proses meliputi segala sesuatu yang berhubungan dengan proses produksi, baik manufaktur maupun jasa. Pengendalian kualitas umumnya didefinisikan sebagai suatu sistem yang biasanya mempertahankan tingkat kualitas suatu produk atau jasa. Pengendalian kualitas ini dilakukan dalam upaya untuk meningkatkan rasa percaya konsumen terhadap produk atau jasa yang dihasilkan oleh perusahaan, tujuan jangka panjangnya adalah untuk perkembangan perusahaan tersebut masa datang. Kualitas dibagi menjadi 2 yaitu: Kualitas rancangan adalah semua barang dan jasa yang dihasilkan dalam berbagai tingkat kualitas, Kualitas kecocokan adalah seberapa baik produk tersebut sesuai dengan spesifikasi dan kelonggaran yang disyaratkan oleh rancangan tersebut. Sedangkan pengendalian kualitas adalah aktivitas keteknikan dan manajemen dimana dengan aktivitas itu kita bisa mengukur ciri-ciri kualitas produk, membandingkannya dengan spesifikasi atau persyaratan, dan bisa mengambil tindakan pemulihan yang sesuai apabila ada perbedaan antara penampilan yang sebenarnya dengan yang standar. (Douglas.1995:3)
Beberapa
jenis dari karakteristik kualitas ini bisa dibentuk yaitu misalnya
karakteristik struktur disusun oleh bentuk produk, kekuatan menahan beban, berat dan lain-lain. Untuk karakteristik sensor, elemen penyusunnya yaitu keindahan model produk, tekstur produk, unsur estetik produk dan lain-lain. Sedangkan untuk karakteristik berdasar waktu yaitu mengenai jaminan, layanan purna jual, keandalan dan kemudahan dalam perawatan. Karakteristik kualitas dapat digolongkan menjadi dua kelompok utama, yaitu: a. Karakteristik variable Merupakan karakteristik yang dapat diukur dan diwujudkan dengan skala numerik. Contoh: panjang kursi (mm), tebal sandaran kursi (mm), Diameter dari lubang (pada desain furniture) dalam millimeter b. Karakteristik atribut (sifat) Jika karakteristik itu dapat diklasifikasikan, apakah termasuk kesesuaian atau ketidaksesuaian untuk memenuhi permintaan spesifikasi. Tidak bisa digunakan skala numerik. Untuk pernyataan atribut maka kita tidak bisa menggunakan skala numerik melainkan diekspresikan dengan atribut. Contoh: warna kayu assembling yang termasuk diterima atau tidak, hasil sanding dan hal lainnya yang termasuk atribut.
2.2
Konsep Kualitas Definisi Manajemen Kualitas Satu cara meningkatkan kinerja secara terus-menerus (continuously performance
improvement) pada setiap level operasi proses, dalam setiap area fungsional suatu organisasi, dengan menggunakan semua sumberdaya manusia dan modal yang tersedia Definisi Perencanaan Kualitas Penetapan dan pengembangan tujuan dan kebutuhan untuk kualitas serta penerapan sistem kualitas. Melibatkan beberapa aktivitas antara lain: 1. 2. 3. Mengidentifikasi pelanggan Mengidentifikasi kebutuhan pelanggan Menciptakan keistimewaan produk yang dapat memenuhi kebutuhan pelanggan
4.
Menciptakan proses yang mampu menghasilkan keistimewaan produk dibawah kondisi operasioanl yang ada
5.
Mentransfer/mengalihkan proses ke operasional Definisi Pengendalian Kualitas Teknik-teknik dan aktivitas operasional yang digunakan untuk memenuhi
persyaratan kualitas. Melibatkan beberapa aktivitas antara lain: 1. 2. 3. Mengevaluasi kinerja aktual Membandingkan aktual dengan target Mengambil tindakan atas perbedaan antara aktual dan target Definisi Jaminan Kualitas Semua tindakan terencana dan sistematik yang diimplementasikan dan didemonstrasikan guna memberikan kepercayaan yang cukup bahwa produk akan memuaskan kebutuhan untuk kualitas tertentu Definisi Jaminan Kualitas Tindakan-tindakan yang diambil guna meningkatkan nilai produk untuk pelanggan melalui peningkatan efektivitas dan efisiensi dari proses dan aktivitas melalui struktur organisasi Konsep kualitas dibagi menjadi dua, yaitu konsep kualitas berdasarkan pandangan tradisional dan konsep kualitas berdasarkan pandangan modern. Tabel 2.1 menunjukkan perbedaan konsep kualitas pandangan tradisional dan pandangan modern:
Tabel 2.1 Pandangan Tradisional dan Modern Tentang Kualitas
No 1 2 3
Pandangan Tradisional Memandang kualitas sebagai isu teknis Usaha perbaikan kualitas dikoordinasi oleh manajer kualitas Memfokuskan pada fungsi atau departemen produksi Produktivitas kualitas merupakan sasaran yang bertentangan
Pandangan Modern Memandang kualitas sebagai isu bisnis Usaha perbaikan kualitas dikoordinasi oleh manajemen puncak Kualitas mencakup semua fungsi atau departemen dalam organisasi Produktivitas dan kualitas merupakan sasaran yang berkesesuaian, karena hasil-hasil produkstivitas melalui peningkatan atau perbaikan kualitas
Kualitas didefinisikan sebagai konformansi terhadap spesifikasi atau standar. Membandingkan produk terhadap spesifikasi
Kualitas diukur melalui derajat konformasi, menggunakan ukuranukuran internal
Kualitas dicapai melalui inspeksi secara intensif terhadap produk Beberapa kerusakan atau cacat diijinkan, jika standar kualitas telah memenuhi kualitas minimum Kualitas adalah fungsi terpisah dan berfokus pada evaluasi produksi Pekerja dipermalukan apabila menghasilkan kualitas jelek Hubungan dengan pemasok bersifat jangka pendek dan berorientasi pada biaya
9 10 11
Kualitas didefinisikan sebagai persyaratan untuk memuaskan kebutuhan pengguna produk atau pelanggan (customers). Membandingkan produk terhadap kompetensi dan produk terbaik di pasar. Kualitas diukur melalui perbaikan proses/produk dan kepuasan pengguan produk atau pelanggan secara terus-menerus dengan menggunakan ukuran kualitas berdasarkan pelanggan. Kualitas ditentukan melalui desain produk dan dicapai melalui teknik pengendalian yang efektif serta memberikan kepuasan selama masa pakai produk itu. Cacat dan kerusakan dicegah sejak awal melalui teknik pengendalian proses yang efektif Kualitas adalah bagian dari setiap fungsi dalam semau tahap siklus hidup produk Manajemen bertanggung jawab untuk kualitas Hubungan dengan pemasok bersifat jangka panjang dan berorientasi pada kualitas
Sumber : Gasperzs, 2002
Aplikasi konsep kualitas berdasarkan pandangan tradisional dan pandangan modern digambarkan dalam gambar 2.1 :
PANDANGAN TRADISIONAL (MANAJEMEN PRODUK)
INPUT
INSPEK SI
PROSES KERJA (WORK PROCESS)
INSPEK SI
OUTPUT
WASTE
WASTE
Gambar 2. 1 Konsep Kualitas Berdasarkan Pandangan tradisional (Vincent Gaspesrz, 2002)
Jaminan kualitas melalui inspeksi : Inspeksi kedatangan material atau bahan baku Inspeksi produk yang dihasilkan Meningkatkan kualitas inspeksi yang lebih ketat dan meningkatkan biaya Kualitas merupakan tanggung jawab dari departemen jaminan kualitas
Dimensi Kualitas untuk jenis produk atau jasa : 1. Kinerja (Performance) karakteristik operasi pokok dari produk inti
(kekuatan/keutamaan dari produk) 2. Ciri-ciri atau keistimewaan tambahan (features), yaitu karakteristik sekunder atau pelengkap. 3. Kehandalan (reliability), yaitu kemungkinan kecil akan megalami kerusakan atau gagal pakai. 4. Kesesuaian dengan spesifikasi (Conformance to spesification, yaitu sejau mana karakteristik dan operasi memenuhi standar-standar yang telah ditetapkan sebelumnya. Program Studi Teknik Industri Universitas Diponegoro 2012
5.
Daya tahan (durability) berkaitan dengan berapa lama produk tersebut dapat terus digunakan.
6.
Serviceability, meliputi kecepatan, kompetensi, kenyamanan, mudah direparasi; penanganan keluhan yang memuaskan.
7. 8.
Estetika, yaitu daya tarik produk terhadap panca indra. Kualitas yang dipersepsikan (perceived quality), yaitu citra dan reputasi produk serta tanggung jawab perusahaan terhadapnya
PANDANGAN MODERN (MANAJEMEN PROSES)
PEMASOK
PEMASOK
INPUT
PROSES KERJA (WORK PROCESS)
OUTPUT
INFORMASI
PROSES ORANG (PEOPLE PROCESS)
INFORMASI
Gambar 2. 2 Konsep Kualitas Berdasarkan Pandangan Modern
Kualitas dirancang atau didesain melalui pencegahan (prevention) : Mengintegrasikan rantai pemasok pelanggan (customers-suppliers chain) Meningkatkan kualitas melalui sistem Proses informasi pelanggan Proses kerja Proses orang
10
2.3
Keuntungan Pengendalian Kualitas Adapun keuntungan dari pengendalian kualitas adalah sebabai berikut :
1.
Mengendalikan kualitas dari produk agar sesuai dengan spesifikasi yang telah ditetapkan dan melakukan perbaikan kualitas produk.
2.
Sistem kualitas selalu mengalami perbaikan kontinyu sehingga dapat memenuhi keinginan konsumen yang dapat berubah sewaktu-waktu.
3.
Pengendalian
kualitas
dapat
meningkatkan
produktivitas
karyawan
dan
kemampuan karyawan serta dapat mengurangi volume scrap (cacat) dan reworks (pengerjaan ulang). 4. Sistem kualitas dapat menurunkan biaya yang berhubungan dengan kualitas produk secara keseluruhan, meliputi: a. Biaya kerusakan dalam produksi b. Biaya inspeksi c. Biaya kerusakan diluar proses produksi, dimana untuk hal ini dapat dikurangi dengan cara pemeriksaan secara berkala, sistem perawatan mesin yang baik dan peralatan pencegah. 5. Dengan peningkatan produktivitas maka dapat mengurangi waktu tempuh dari proses produksi komponen dan sub assembly, yang hasilnya dapat untuk memenuhi batas waktu (due dates) dari konsumen. 6. Sistem pengendalian kualitas dapat memacu semangat untuk selalu berjuang dalam perbaikan berkesinambungan pada kualitas dan produktivitas. 7. Perbaikan hubungan antar karyawan serta membina produsen dan konsumen. Oleh karena sifat dari kualitas yang sangat penting bagi kelangsungan hidup suatu produk maka diperlukan adanya pengendalian kualitas yang efektif. (Amitava. 1995: 12) hubungan baik antara
11
2.4
Definisi Penerimaan Sampling Acceptance sampling merupakan proses evaluasi bagian produk dan seluruh
produk yang dihasilkan. Dalam acceptance sampling dikenal karakterisasi produk atau hasil proses (bagian yang sesuai spesifikasi), disini kita tidak dapat mengatakan bahwa tingkah gerak langkah proses terkendali secara statistik atau tidak. (Ariani, 2004) Pemeriksaan bahan baku, produk setengah jadi dan produk jadi adalah salah satu bagian penting jaminan kualitas. Apabila pemeriksaan bertujuan untuk penerimaan atau penolakan suatu produk, berdasarkan kesesuaian dengan standar, jenis prosedur penerimaan yang digunakan biasanya dinamakan sampling penerimaan. (Montgomery, 1993, hal 420) Perencanaan sampling adalah pernyataan tentang ukuran sampel yang akan digunakan dan kriteria penerimaan atau penolakan yang bersangkutan guna memvonis suatu lot. (Mitra, 1993, hal.332) Pola sampling didefinisikan sebagai himpunan prosedur yang terdiri dari perencanaan sampling penerimaan yang ukuran lot, ukuran sampel, kriteria penerimaan saling berhubungan. Sedangkan sampel didefinisikan sebagai serangkaian unit yang diambil untuk tujuan. (Montgomery, 1993, hal 428) Acceptance sampling digunakan sebagai bentuk dari suatu inspeksi antara perusahaan dengan pemasok, antara pembuat produk dengan konsumen, atau antar divisi dalam perusahaan. Oleh karenanya, acceptance sampling tidak melakukan pengendalian atau perbaikan kualitas proses melainkan hanya sebagai metode untuk menentukan disposisi terhadap produk yang datang (bahan baku) atau produk yang telah dihasilkan (barang jadi). (Mitra, 1993)
12
Dalam acceptance sampling terdapat dua jenis pengujian yang dapat dilakukan yaitu sebagai berikut : a. Sebelum pengiriman produk akhir ke pelanggan. Pengujian yang dilakukan oleh produsen atau disebut the producers test the lot for outgoing quality. b. Setelah pengiriman produk akhir ke pelanggan. Pengujian dilakukan oleh konsumen atau disebut dengan the producers test the lot for incoming quality. Acceptance sampling merupakan proses pembuatan keputusan yang berdasarkan pada unit-unit sampel dari sejumlah produk yang dihasilkan perusahaan atau yang dikirim oleh pemasok. Acceptance sampling dapat dilakukan untuk data atribut maupun variabel. Selain itu, acceptance sampling juga mencakup pengambilan sampel atau inspeksi dengan mengadakan pengembalian dan perbaikan. (Mitra, 2004, hal 201) Selain terbagi untuk data atribut dan variabel, acceptance sampling juga mencakup pengambilan sampel atau inspeksi dengan mengadakan pengembalian, perbaikan dan pengembalian sampel atau inspeksi tanpa mengadakan pengembalian dan perbaikan. Apabila dalam pemeriksaan sampel yang berasal dari lot yang diajukan ternyata memenuhi syarat yang ditentukan, maka lot tersebut dapat diterima. Sebaliknya apabila sampel tidak memenuhi syarat yang ditentukan maka lot tersebut ditolak. Pengembilan sampel penerimaan diperlukan untuk menentukan sikap yang harus diambil yaitu menerima atau menolak lot, bukan sekedar menaksir kualitas dari lot ataupun untuk mengendalikan kualitas dari proses. Pengambilan keputusan tersebut didasarkan atas hasil pemeriksaan yang dilakukan terhadap satu sampel atau lebih yang diambil secara random dari lot yang diperiksa. Apabila putusan didasarkan hanya pada satu sampel maka rencana penerimaannya merupakan rencana sampel penerimaan tunggal (acceptance single sampling). Apabila keputusan didasarkan pada dua buah sampel maka rencana penerimaannya merupakan rencana sampel penerimaan ganda (acceptance double sampling plan). Program pengembalian dan perbaikan dalam acceptance sampling dinamakan program pembetulan pemeriksaan. Gambar 2.2 memperlihatkan program pembetulan
13
pemeriksaan. Andaikan bahwa lot yang masuk ke aktivitas pemeriksaan mempunyai bagian cacat Po. Beberapa dari lot ini akan diterima dan yang lain akan ditolak. Lot-lot yang ditolak akan disaring dan bagian cacat akhirnya akan sama dengan nol. Tetapi lot, yang diterima mempunyai bagian cacat Po. Dengan demikian, lot yang keluar dari aktivitas pemeriksaan adalah campuran lot dengan bagian cacat Po dan bagian cacat nol, maka bagian cacat rata-rata dalam aliran lot yang keluar adalah P1 yang nilainya lebih kecil dari Po. Jadi, program pembetulan pemeriksaan membantu membenarkan kualitas lot. (Montgomery, 1993, hal. 443)
Kotak Ditolak
Kotak Masuk Aktivitas Pemeriksaan Bagian Cacat Po
Lot Keluar Bagian Cacat P1 > Po
Kotak Diterima
Gambar 2.3 Program Pembetulan Pemeriksaan
2.5
Seven Tools Menurut Deming, pengendalian mutu terpadu adalah semua aktivitas yang perlu
dilakukan untuk mencapai tujuan jangka panjang yang efisien dan ekonomis. Urutan aktivitas tersebut dikenal dengan sebutan Siklus Deming yakni PDCA (Plan, Do, Check, Action). Juran (1974) berpendapat bahwa Quality is fitness for use dimana definisi ini menekankan pada pengendali di balik penentuan level kualitas yang harus dipenuhi oleh produk atau jasa. Akibatnya apabila keinginan konsumen berubah maka level kualitas dapat ikut berubah. Hal ini menunjukkan bahwa terdapat beberapa elemen yang menetukan level kualitas dari suatu produk. Tujuh alat yang digunakan meliputi :
14
1. Lembar Pengamatan (Check Sheet) Lembar pengamatan adalah lembar yang digunakan untuk mencatat data produk termasuk juga waktu pengamatan, permasalahan yang dicari dan jumlah cacat pada setiap permasalahan.
Gambar 2.4 Contoh Check Sheet
2. Stratifikasi (Run Chart) Stratifikasi adalah suatu upaya untuk mengurai atau mengklasifikasi persoalan menjadi kelompok atau golongan sejenis yang lebih kecil atau menjadi unsur-unsur tunggal dari persoalan.
3. Histogram Histogram adalah diagram batang yang menunjukkan tabulasi dari data yang diatur berdasarkan ukurannya. Tabulasi data ini umumnya dikenal sebagai distribusi frekuensi. Histogram menunjukkan karakteristik-karakteristik dari data yang dibagi-bagi menjadi kelas-kelas. Pada histogram frekuensi, sumbu x menunjukkan nilai pengamatan dari tiap kelas. Histogram dapat berbentuk normal atau berbentuk seperti lonceng yang menunjukkan bahwa banyak data yang terdapat pada nilai rata-ratanya. Bentuk histogram yang miring atau tidak simetris menunjukkan bahwa banyak data yang tidak berada pada nilai rata-ratanya tetapi kebanyakan datanya berada pada batas atas atau bawah.
15
Fungsi dari histogram adalah sebagai berikut : Menentukan apakah suatu produk dapat diterima atau tidak. Menentukan apakah proses produk sudah sesuai atau belum. Menentukan apakah diperlukan langkah-langkah perbaikan.
Gambar 2.5 Contoh Histogram
4. Grafik Kendali (Control Chart) Grafik Kendali adalah suatu alat yang secara grafis digunakan untuk memonitor apakah suatu aktivitas dapat diterima sebagai proses yang terkendali. Grafik Kendali terkadang disebut dengan Shewhart Control Charts karena grafik ini pertama kali dibuat oleh Walter A. Shewhart. Nilai dari karekterisik kualitas yang dimonitor, digambarkan sepanjang sumbu y, sedangkan sumbu x menggambarkan sampel atau subgroup dari karakteristik kualitas tersebut. Sebagai contoh karakteristik kualitas adalah panjang rata-rata, diameter ratarata, dan waktu pelayanan rata-rata. Semua karakteristik tersebut dinamakan variabel Program Studi Teknik Industri Universitas Diponegoro 2012
16
dimana nilai numeriknya dapat diketahui. Sedangkan atribut adalah karakteristik kualitas yang ditunjukkan dengan jumlah produk cacat, jumlah ketidaksesuaian dalam satu unit, serta jumlah cacat per unit. Terdapat tiga garis pada Grafik Kendali. Center Line atau garis tengah adalah garis yang menunjukkan nilai rata-rata dari karakteristik kualitas yang diplot pada grafik. Upper Limit Control atau batas pengendali atas dan Lower Limit Control atau batas pengendali bawah digunakan untuk membuat keputusan mengenai proses. Jika terdapat data yang berada di luar batas pengendali atas dan batas pengendali bawah serta pada pola data tidak acak atau random maka dapat diambil kesimpulan bahwa data berada di luar kendali statistik.
Tentukan karakteristik yang digunakan
p atau np chart
c atau u chart
Variabel ?
Y
T Y
Dalam jml unit cacat ? % reject
T Y
Homogen?
Y
Ukuran sampe konstan Apakah rata-rata mudah dihitung

T
u chart
Ukuran sampel > 9
Mudah menghitung Std. Dev.

T
X-S chart
Individual chart
Median Chart
X - R chart
X - R chart
Gambar 2.6 Prosedur Pemilihan Grafik Kendali
17
Gambar 2.7 Contoh Grafik Kendali
5. Diagram Pareto Diagram pareto pertama kali diperkenalkan oleh Alfredo Pareto dan digunakan pertama kali oleh Joseph Juran. Fungsi diagram pareto adalah untuk mengidentifikasi atau menyeleksi masalah utama untuk peningkatan kualitas. Diagram ini menunjukkan seberapa besar frekuensi berbagai macam tipe permasalahan yang terjadi dengan daftar masalah pada sumbu x dan jumlah/frekuensi kejadian pada sumbu y. Kategori masalah diidentifikasikan sebagai masalah utama dan masalah yang tidak penting. Prinsip Pareto adalah 80 % masalah (ketidaksesuaian atau cacat) disebabkan oileh 20 % penyebab. Prinsip Pareto ini sangat penting karena prinsip ini mengidentifikasi kontribusi terbesar dari variasi proses yang menyebabkan performansi yang jelek seperti cacat. Pada akhirnya, diagram pareto membantu pihak manajemen untuk secara cepat menemukan permasalahan yang kritis dan membutuhkan perhatian secepatnya sehingga dapat segera diambil kebijakan untuk mengatasinya.
18
Gambar 2.8 Contoh Diagram Pareto
6. Diagram Sebab Akibat (Cause and Effect Diagram) Diagram Sebab Akibat juga disebut Ishikawa Diagram karena diagram ini diperkenalkan oleh Dr. Kaoru Ishikawa pada tahun 1943. Selain itu juga dikenal dengan nama Fishbone Diagram karena bentuknya seperti tulang ikan. Diagram ini terdiri dari sebuah panah horizontal yang panjang dengan deskripsi masalah. Penyebabpenyebab masalah digambarkan dengan garis radial dari garis panah yang menunjukan masalah. Kegunaan dari Diagram Sebab Akibat adalah : Menganalisis sebab dan akibat suatu masalah. Menentukan penyebab permasalahan. Menyediakan tampilan yang jelas untuk mengetahui sumber-sumber variasi. Terdapat tiga macam jenis dari aplikasi Cause Effect Diagram yang sering dipakai, yaitu : 1. Cause Enumeration (berdasarkan jenis penyebab) Cause Enumeration merupakan salah satu teknik yang luas digunakan dalam pengendalian kualitas. Teknik ini juga menggunakan brainstorming yang dapat memungkinkan semua penyebab yang ada dicantumkan untuk menunjukkan pengaruhnya pada permasalahan (dampak) yang ditanyakan. Prosedur penggunaan terdiri dari
19
Mendefinisikan permasalahan atau karakteristik kualitas yang dipilih untuk penelitian sehingga setiap orang akan mengetahui apa yang sedang dipecahkan. Selanjutnya, penyebab utama yang mempengaruhi karakteristik dicatat. Sebab-sebab pendukung (subcauses) dari sebab utama diurutkan. Manganalisis peyebab yang mungkin mempengaruhi karakteristik yang diteliti.
Keuntungan dari penggunaannya adalah susunan proses yang ditunjukkan memberikan pemahaman yang lebih mudah terhadap hubungan yang terjadi dalam proses dan memberikan pemahaman yang lebih baik terhadap proses itu sendiri. 2. Dispersion Analysis (berdasarkan lima faktor utama, 4M & 1E) Dalam dispersion analysis, setiap sebab utama akan dianalisis dengan meneliti sebab-sebab pendukung dan pengaruhnya terhadap karakteristik kualitas. Tujuan dispersion analysis adalah untuk menganalisis alasan dari variabilitas yang terjadi. 3. Process Analysis (berdasarkan proses yang dilalui) Yang perlu diperhatikan adalah penulisan penyebab yang secara teratur atau sering terjadi didalam suatu proses operasi, penyebab yang dapat mempengaruhi karakteristik kualitas harus dicatat secara detail di setiap langkah atau tahapan proses produksi.
Gambar 2.9 Contoh Diagram Sebab Akibat
7. Diagram Sebar (Scatter Diagram) Scatter diagram adalah grafik yang menampilkan hubungan antara dua variabel apakah hubungan antara dua variabel tersebut kuat atau tidak yaitu antara faktor proses yang mempengaruhi proses dengan kualitas produk. Pada sumbu x terdapat nilai dari variabel independen, sedangkan pada dependen. sumbu y menunjukkan nilai dari variabel
20
Gambar 2.10 Contoh Diagram Pencar
2.6
Peta Kendali Peta Kendali adalah suatu alat yang berfungsi untuk memonitor proses sehingga
variasi dari proses dapat di kendalikan secara statistik.Peta kendali ter bagi menjadi 2 macam yaitu peta kendali atribut dan peta kendali variabel 2.6.1 Peta kendali Atribut Suatu produk dapat diklasifikasikan berdasarkan atributnya, yaitu baik atau buruk, cacat atau tidak cacat. Cacat (defect) merupakan suatu ketidaksesuaian individual dalam suatu proses/produk yang disebabkan kegagalan dalam memenuhi satu atau lebih spesifikasi yang ditetapkan. Dengan demikian, suatu produk yang cacat akan mengandung paling tidak satu cacat individual. Grafik pengendali atribut dikelompokkan dalam 3 kategori:
21
Meliputi grafik pengendali yang fokus pada proporsi, contoh: proporsi dari item cacat (u-Chart), dan jumlah dari item cacat (nu-Chart). Kedua diagram diatas didasarkan pada distribusi binomial. Berhubungan dengan 2 macam diagram, yang berfokus pada cacat itu sendiri. Diagram untuk jumlah total ketidaksesuaian (c-Chart) yang didasarkan pada distribusi poisson, chart untuk cacat per unit (u-Chart) dapat digunakan pada situasi dimana ukuran unit sampel bervariasi. Diagram untuk demerits per unit (U-Chart), berkaitan dengan
pengkombinasian ketidaksesuaian berbasis berat. Berikut merupakan keuntungan dari grafik atribut : Karakteristik kualitas tertentu yang lebih baik dengan atribut. Hemat waktu dan biaya. Dalam tingkat pabrik, digunakan untuk menentukan proporsi dari item-item cacat. Dalam tingkat departemen, untuk menunjuk areal permasalahan. Atribut chart membantu mengarahkan permasalahan dari yang umum ke tingkat lebih fokus. Selain itu ada pula kerugian dari grafik atribut, antara lain: Informasi atribut hanya menunjukkan apakah karakteristik kualitas tertentu berada dalam batasan spesifikasi, serta grafik atribut tidak menunjukkan tingkat dari nilai data, dan tidak menyediakan informasi dari kinerja proses.
1.
Peta Kendali Proporsi (p-CHART) Sampel yang diambil harus konstan dan itemnya diasumsikan bebas
(independen). Peta kendali p ini merupakan peta kendal yang serba guna. Digunakan untuk mengkontrol kemampuan karakteristik kualitas. Peta kendali p juga dapat digunakan untuk mengukur kualitas operator mesin, stasiun kerja, sebuah departemen. Peta kendali p digunakan untuk data atribut dengan ukuran lot yang tidak sama. Peta kendali p berdasar pada distribusi binomial. Untuk proporsi sampel diberikan rumus : Program Studi Teknik Industri Universitas Diponegoro 2012
22
jumlah cacat jumlah diperiksa
Sedangkan untuk batas-batas kendali untuk peta kendali diberikan oleh:

m
xt
Garis Tengah = p
t 1
n
p1 p ni
p1 p ni
BPAi
= p +3
BPBi
= p -3
2.
Peta Kendali Jumlah (np-CHART) Sebagai alternatif untuk menghitung proporsi cacat, kita dapat menghitung
jumlah item cacat dalam sampel dan menggunakan perhitungan itu sebagai dasar dari peta kendali. Tidak ada penarikan kembali dari np-Chart. Jumlah item cacat dalam sampel diasumsikan untuk diberikan dalam distribusi binomial. Prinsip yang sama juga digunakan untuk grafik jumlah cacat dan pembentukan np-Chart serupa dengan pembentukan p-Chart. Jika ukuran sampel berubah, garis sumbu dan batas kendali akan berubah pula. np =
Total Jumlah yang ditolak Jumlah 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.
3.
Peta Kendali Jumlah Ketidak Sesuaian (c-CHART) u-Chart dan c-Chart berhubungan dengan item cacat. c-Chart digunakan
untuk melacak jumlah total ketidaksesuaian dalam sampel-sampel dengan ukuran Program Studi Teknik Industri Universitas Diponegoro 2012
23
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).
Jumlah kesalahan atau cacat total Jumlah 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.
4.
Peta Kendali Jumlah Ketidaksesuaian Per Unit (u-CHART) Grafik ini digunakan ketika ukuran sampel tetap. Jika area kesempatan
berubah satu sampel ke sampel yang lain, garis pusat dan batas kendali suatu tabel berubah sesuai di mana ukuran sampel bervariasi. u-Chart digunakan perusahaan untuk memeriksa semua materi produksi atau jasa untuk kehadiran bukan penyesuaian. Keluaran tiap produksi beranekaragam karena fluktuasi persediaan tenaga kerja, uang dan bahan baku, dengan konsekuensi, jumlah pemeriksaan per produksi setiap perubahan, sehingga menyebabkan bermacam-macam ukuran sampel ketika variasi ukuran sampel suatu epta kendali-u digunakan untuk memonitor banyaknya ketidaksesuaian per unit. Walaupun perubahan batas kendali dari ukuran sampel bervariasi, garis pusat suatu peta kendali-u tetap konstan. Ukuran sampel variable dan standar tidak ditentukan ketika ukuran sampel bervariasi, jumlah dari ketidaksesuaian per unit untuk sampel ke-i adalah:
ci ni
= rata-rata cacat persatuan
ui
Jumlah ketidaksesuaian yang diperoleh ci = Jumlah unit pengukuran yang diperiksa n
24
BA
= u +3
u ni
u ni
BB
= u -3
Distribusi yang digunakan Distribusi Poisson Contoh penerapan : 1. Jumlah ketidaksesuaian pada lembaran karpet, dimana luas karpet yang diperiksa tidak sama. 2. Jumlah ketidaksesuaian pada satu unit komputer.
Tabel 2.2 Karakteristik Peta Kendali Atribut
Peta
Karakteristik Data
Contoh Kasus
Perbandingan banyak benda yang Air mineral dalam kemasan. Apabila P tak sesuai dalam suatu populasi kemasan tersebut rusak, atau berlubang dengan banyak benda keseluruhan maka air mineral tersebut tidak dapat dalam populasi itu. diterima.
Berdasarkan pada data banyaknya Sama seperti peta p, yang membedakan Np proporsi cacat (number of hanya pada data yang akan diplotkan pada grafik. Patrian yang cacat dalam 100 m pipa saluran. Banyak kelingan yang pecah dalam satu sayap pesawat terbang.
nonconforming) Unit produk yang tidak memenuhi C satu atau beberapa spesifikasi untuk produk itu. Dan ketidaksesuaian tersebut mempengaruhi penjualan.
Banyak ketidaksesuaian rata-rata per Pengusaha komputer ingin membentuk unit. grafik pengendali untuk ketidaksesuaian per unit pada jalur perakitan akhir. U Sebagai ukuran sampel dipilih 5
komputer. Data banyak ketidaksesuaian dalam 20 sampel masing-masing 5 komputer.
25
5.
Peta Kendali Jumlah Cela Per Unit (U-CHART) Grafik kendali c dan u digunakan untuk semua jenis cacat banyaknya ketidaksesuaian, tanpa memperhatikan derajat pembagiannya. Misalkan kita menduga dalam proses inspeksi monitor komputer, bahwa satu monitor bermasalah tentang konsistensi warna dan monitor kedua mempunyai lima goresan pada permukaannya. Dengan menggunakan grafik kendali c ataupun u, cacat relatif monitor 2, dalam konteks cacat banyaknya ketidaksesuaian, adalah lima kali lebih besar dari monitor 1. Tetapi, dari cacat tunggal, monitor 1 jauh lebih serius daripada monitor 2. Sebuah pendekatan alternatif mengenai bobot banyaknya ketidaksesuaian menurut derajat pembagian relatifnya (Besterfield 1990). Sistem tingkat kualitas ini, yang merating cacat per unit dan disebut peta kendali U, mengatasi kekurangan dari grafik kendali c dan u. Hal ini sangat membantu pada aplikasi pelayanan/service. Sebagai kategori ANSI/ASQC (Standar A3 1978) : mengelompokan cacat dalam 4 kategori. Cacat kelas 1: Sangat serius Cacat kelas 2: serius Cacat kelas 3: Agak serius Cacat kelas 4: Tidak serius Pada sample ukuran n. Jumlah cacat terbobot D = w1c1 + w2c2 + w3c3 + w4c4 Rata-rata cacat terbobot perunit U=
D = (w1c1 + w2c2 + w3c3 + w4c4)/n n
: bobot cacat : w1 = 100. : bobot cacat : w2 = 50. : bobot cacat : w3 = 10. : bobot cacat : w4 = 1.
c adalah bilangan hasil penghitungan cacat (Poisson). Sehingga U merupakan kombinasi linier dari variable acak independen Poisson.
U
U
= w1 u 1+ w2 u 2+ w3 u 3+ w4 u 4 =
w12 u 1
2 w2 u 2
2 w3 u 3
2 w4 u 4
26
BA BB
=U +3 =U -3
U U
2.6.2 Peta Kendali variabel 1. Grafik Kendali Untuk Mean Dan Range ( X -R CHART) Banyak karakteristik kualitas yang dapat dinyatakan dalam bentuk ukuran angka. Misalnya, diameter bantalan poros dapat diukur dengan mikrometer dan dinyatakan dalam milimeter. Suatu karakteristik kualitas yang dapat diukur, seperti dimensi, berat, atau volume dinamakan variabel. Grafik untuk variable digunakan secara luas. Biasanya grafik-grafik itu merupakan prosedur pengendali yang lebih efisien dan memberikan informasi tentang penampilan proses yang lebih banyak daripada grafik pengendali sifat.apabila bekerja dengan karakteristik kualitas yang variabel, sudah merupakan praktek yang standar untuk mengendalikan nilai mean karakteristik kualitas itu dan variabilitasnya. Hal ini biasanya dituangkan dalam grafik x . Variabilits atau pemencaran proses dapat dikendalikan dengan grafik pengendali untuk deviasi standar, yang dinamakan grafik S, atau grafik pengendali untuk rentang, yang dinamakan grafik R. Misalkan karakteristik kualitas berdistribusi normal dengan mean deviasi standar dan
keduanya diketahui, dan jika x1, x2 ... xn sampel berukursn n,
maka rata-rata sampel ini adalah
x=
x1 x 2 ... xn n
Dalam praktek biasanya kita tidakmengetahui
dan . Oleh karena itu nilai-
nilai itu harus ditaksir dari sampel-sampel pendahuluan yang diambil ketika proses itu diduga terkendali. Biasanya taksiran ini harus didasarkan pada paling sedikit 20 sampai 25 sampel. Misalkan x1 x2 ... xm , adalah rata-rata tiap sampel, maka penaksir terbaik untuk rata-rata proses X=
x1 x 2 ... xn . m
adalah mean keseluruhan yakni
27
Jika suatu sampel berukuran n, maka rentang sampel itu adalah selisih observasi yang terbesar dan terkecil yakni : R = xmaks xmin Misalkan R1, R2,... Rm adalah rentang m sampel itu, rentang rata-ratanya adalah :
R R1 R 2 ...Rm m
dan taksiran untuk =

R . d2
dihitung sebagai :
Jika kita akan memplotkan data dalam grafik pengendali x , maka batas pengendali atas, batas pengendali bawah dan garis tengah dapat dihitung sebagai berikut: BPA = x + A2 R Garis tengah = x BPB = x - A2 R Dimana A2 merupakan nilai konstan yang hanya tergantung dari ukuran sampel. Sedangkan parameter-parameter yang digunakan dalam grafik pengendali range sebagai berikut : BPA = R D4 Garis tengah = R BPB = R D3 D3 dan D4 merupakan nilai konstan yang hanya tergantung dari jumlah sampel.
2.
Grafik Kendali Untuk Mean Dan Deviasi ( X -S CHART) Apabila ukuran sampel n cukup besar, n > 10 atau 12, metode rentang guna
menaksir
kehilangan efisiensi statistiknya. Dalam hal-hal seperti ini, yang menjadi grafik x dan S, dengan standar
terbaik adalah mengganti grafik x dan
proses ditaksir secara langsung tidak melalui R.
28
Parameter-parameter yang digunakan dalm grafik S dengan nilai standar bagi diketahui, adalah : BPA = B6 Garis tengah = c4 BPB = B5 Nilai-nilai B5 dan B6 telah ditabelkan sebagai nilai konstan untuk berbagai ukuran himpunan bagian.. Selain grafik pengendali x dan S , x dan R terdapat juga grafik S2 yaitu grafik pengendali yang didasarkan langsung pad variansi sampel S 2 dan grafik pengendali unit individual yaitu grafik yang menggunakan ukuran sampel n=1 untuk pengendalian proses. Hal ini dilakukan pada pemeriksaan dan pengukuran otomatis dari setiap unit yang diproduksi. Contohnya pada proses kimia. Prosedur pengendaliannya menggunakan rentang bergerak dua observasi yng berturutan guna menaksir variabilitas proses. Dalam penerapannya, penganalisis harus memilih antara menggunakan grafik pengndali variabel dan grafik pengendali sifat. Grafik pengendali sifat mempunyai kelebihan bahwa beberapa karakteristik kualitas dpat dipandang bersama-sama dan unit itu diklasifikasikan sebagai tidak sesuai apabila gagal memenuhi spesifikasi pada salah satu karakteristik. Sebaliknya, jika beberapa karakteristik kualitas diperlukan sebagai variabel, maka masing-masing harus diukur, dan grafik , x dan R terpisah digunakan pada masing-masing variabel atau suatu teknik pengendali multivariat yang memandang semua karakteristik digunakan secara serentak. Dalam hal ini jelas adanya kesederhanaan yang berkaitan dengan grafik pengendali sifat. Lagipula pengukuran yang mahal dan memakan waktu dapat dihindari dengan pemeriksaan sifat. Grafik pengendali variabel memberikan jauh lebih banyak informasi yang bermanfaat tentang penampilan proses daripada grafik pengendali sifat. Informasi mengenai mean dan variabilitas proses diperoleh secara langsung. Untuk suatu studi kemampuan proses, grafik pengendali variabel hampir selalu disenangi daripada grafik pengendali sifat. Program Studi Teknik Industri Universitas Diponegoro 2012
29
Garis petunjuk guna merancang grafik pengendali Dalam merancang grafik kendali x dan R, kita harus menentukan ukuran sampel, lebar batas pengendali, dan frekuensi pengambilan sampel yang digunakan. Jika grafik x yang digunakan khususnya untuk menyidik pergeseran sedang sampai besar, katakan pada tingkat 2 sigma atau maka ukuran sampel relative kecil n = 4,5, atau 6 cukup efektif. Sebaliknya jika ingin menyidik pergeseran kecil maka menggunkan ukuran sampel yang lebih besar misalnya n = 15 sampai n = 25. pada sampel kecil, grafik R relatif tidak peka terhadap pergeseran deviasi standar proses. Sedangkan sampel-sampel yang lebih besar kelihatannya lebih efektif, tetapi kita tahu bahwa metode rentang turun rendah sekali efisiensinya untuk menaksir standar deviasi jika n naik. Sehingga untuk n besar, katakan n > 10 atau 12, mungkin yang terbaik tidak mengguanakan grafik R melainkan grafik S dan S2. Masalah ukuran sampel dan frekuensi pengambilan sampel adalah masalah menentukan upaya sampling. Terdapat dua macam strategi yaitu mengambil sampel ukuran kecil dengan sering atau ukuran sampel besar tapi jarang dilakukan. Umumnya lebih memilih ukuran sampel kecil tapi sering karena dilihat dari sisi ekonomi, jika biaya menghasilkan produk cacat tinggi maka sampel kecil dengan sering akan lebih baik. Alasan lain adalh jika interval antar pengambilan sampel terlalu besar maka akan terlalu banyak produk yang cacat yang diproduksi sebelum kesempatan menyidik pergeseran proses yang lain terjadi. Tingkat produksi juga punya peranan terhadap pemilhan ukuran sampel dimana jika proses produksi dengan kecepatan tinggi biasanya akan menggunakan ukuran sampel yang cukup besar yang dilakukan lebih sering karena dengan tingkat produksi tinggi akan menghasilkan produk tak sesuai yang cukup banyak dalam waktu yang singkat apabila terjadi pergeseran proses.
Intepretasi Grafik x dan R Grafik pengendali dapat menunjukkan keadaan tak terkendali meskipun tidak satu titik pun terletak diluar batas pengendali, jika pola titik-titik yang digambarkan yang digambarkan menunjukkan tingkah laku tak random atau Program Studi Teknik Industri Universitas Diponegoro 2012
30
sistematik. Dalam banyak hal pola titik-titik yang digambarkan akan memberikan informasi diagnostic yang berguna pada proses itu dan informasi ini dapat digunakan untuk membuat perubahan-perubahan proses yang memperkecil variabilitas. Dalam bahasan ini akan membicarakan pola umum dari grafik x dan R dan menunjukkan beberapa karakteristik proses yang dapat menghasilkan polapola ini. Untuk menginterprestasikan grafik x dan R secara efektif, sebelumnya kita harus tahu asas statistik yang melandasi grafik pengendali dan proses itu sendiri. Dalam menginterpretasikan pola pada gafik
x , pertama-tama kita
menentukan apakah grafik R terkendali atau tidak. Beberapa sebab terduga tampak pada grafik x dan R. Jika grafik x dan R keduanya menunjukkan pola tak random, strategi yang terbaik adalah menghilangkan sebab-sebab terduga grafik R yang secara otomatis akan menghilangkan pola tak random pada grafik x . Jangan sekali-kali menginterpretasikan grafik x apabila grafik R menunjukkan keadaan tak terkendali. Pola siklis kadang-kadang tampak pada grafik pengendali. Pola ini mungkin merupakan akibat dari perubahan lingkungan yang sistematik seperti temperatur, kelelahan operator, perputaran operator dan mesin yang teratur atau fluktuasi dalam tekanan atau variabel dain dalam alat produksi. Kadang-kadang grafik R akan menampakkan gerakan siklis karena jadwal pemeliharaan, kelelahan operator, ketidaktahanaan alat sebagai akibat variabilitas yang terlalu besar. Pola campuran ditunjukkan apabila titik-titik yang tergambar cenderung jatuh dekat atau sedikit diluar batas pengendali, dengan titik-titik yang relatif sedikit dekat garis tengah. Pola campuran ditimbulkan oleh dua distribusi pembentuk hasil proses yang tumpang suh. Kesederhanaan pola campuran tergantung pada seberapa jauh distribusi itu tumpang suh. Kadang-kadang pola campuran merupakan akibat dari pengendalian terlalu ketat dimana operator terlalu sering melakukan penyesuaian proses, bukan karena sebab-sebab sistematik melainkan variasi random dalam hasil produksi. Program Studi Teknik Industri Universitas Diponegoro 2012
31
Suatu pergeseran dalam tingkat proses dapat terjadi dimana pergeseran ini mungkin terjadi akibat dari pengenalan karyawan, metode dan bahan baku atau mesin baru, perubahan dalam metode atau standar pemerikasaan atau perubahaan dalam ketrampilan, perhatian, atau motivator operator. Suatu trend atau gerakan pada grafik pengendali biasanya disebabkan karena kelelahan yang pelan-pelan atau kemunduran suatu alat atau suatu komponen proses kritis yang lain. Trend dapat juga disebabkan oleh faktor manusianya seperti kelelahan operator atau kehadiran pengawas, trend juga disebabkan oleh faktor alam seperti temperatur. Alat yang berguna untuk memantau dan menganalisa proses dengan trend adalah grafik pengendali regresi. Stratifikasi atau kecenderungan titik-titik seakan-akan berkelompok sekitar garis tengah. Dalam kasus ini terdapat ketiadaan vaiabilitas dasar dalam pola yang dialami. Penyebab stratifikasi yang mungkin adalah perhitungan batas pengendali yang salah. Pola ini juga dapat dihasilkan apabila proses pengambilan sampel mengumpulkan satu atau beberapa unit dari beberapa distribusi pokok yang berbeda. Jika unit terbesar dan terkecil dalam tiap sampel relatif serupa, maka variabilitas yang diamati akan kecil tidak wajar.. Dalam menginterpretasikan pola grafik x dan R, orang harus memandang dua grafik itu secara terpisah. Jika distribusi yang melandasi normal, maka variabel random x dan R yang dihitung dari sampel yang sama adalah statistik independen. Maka x dan R harus berlaku independen pada grafik pengendali. Jika ada korelasi antara nilai x dan R, yakni jika titik-titik pada pada kedua grafik itu saling mengikuti maka ini menunjukkan bahwa distribusi yang melandasi miring. Jika spesifikasi telah ditentukan dengan anggapan normal maka analisis itu mungkin salah.
Pengaruh Ketidaknormalan pada Grafik x dan R Anggapan dasar dalam pengembangan grafik pengendali x dan R adalah distribusi karakteristik kualitas yang melandasi adalah normal. Dalam banyak keadaan mungkin kita mempunyai alasan untuk meragukan berlakunya anggapan Program Studi Teknik Industri Universitas Diponegoro 2012
32
ini. Misalnya mungkin kita tahu bahwa distribusi yang melandasinya bukan normal, sebab kita telah mengumpulkan data yang cukup banyak yang menunjukkan bahwa anggapan normal tidak cocok. Sekarang jika kita tahu bentuk distribusi yang melandasinya, maka mungkin untuk menurunkan distribusi sampling x dan R (atau ukuran variabilitas proses yang lain), yang mendapatkan batas probabilitas yang pasti bagi grafik pengendali itu. Dalam beberapa hal yang mungkin ini sukar, dan kebanyakan penganalisa mungkin lebih senang menggunakan pendekatan standar berdasarkan anggapan normal jika mereka merasa bahwa akibat tindakan ini tidak serius. Tetapi mungkin kita tidak tahu apapun tentang bentuk distribusi yang melandasinya, maka mungkin satu-satunya pilihan kita adalah menggunakan hasil-hasil teori normal. Dalam hal yang manapun jelas bahwa kita tertarik untuk mengetahui pengaruh penyimpangan dari normal terhadap grafik pengendali x dan R yang biasa. Beberapa penulis telah menyelidiki pengaruh penyimpangan dari normalitas pada grafik pengendali. Burr (1967) mencatat bahwa konstan batas pengendali teori normal yang biasa sangat tegar (Robust) terhadap anggapan normal dan dapat digunakan kecuali populasi itu sangat tidak normal. Schilling dan Nelson (1976) juga telah mempelajari pengaruh ketidaknormalan pada batas pengendali grafik
x . Mereka menyelidiki distribusi uniform, segitiga siku-siku, gamma (dengan
=1 dan r = , 1, 2, 3, dan 4) dan dua distribusi bermodus dua membentuk campuran dua distribusi normal. Studi mereka menunjukkan bahwa dalam sebagian besar keadaan, sampel berukuran 4 atau 5 cukup untuk menjamin ketegaran yang layak terhadap anggapan normal. Kasus terjelek yang diamati adalah untuk nilai-nilai r yang kecil dalam distribusi gamma [r = , dan r = 1 (distribusi eksponensial)]. Misalnya, mereka melaporkan risiko yang
sebenarnya adalah 0,014 atau kurang jika n 14 untuk distribusi gamma dengan r = , berbeda dengan nilai teoritis 0,0027 bagi distribusi normal. Selagi penggunaan batas pengendali 3-sigma pada grafik menghasilkan risiko
x akan
sebesar 0,0027 jika distribusi yang melandasinya normal,
tetapi tidak benar pada grafik R. Distribusi sampling R tidak simetrik, meskipun Program Studi Teknik Industri Universitas Diponegoro 2012
33
pengambilan sampel itu dari distribusi normal, dan ekor yang panjang distribusi itu ada pada sisi tinggi atau positif. Jadi batas 3-sigma yang simetris hanya pendekatan, dan risiko untuk n = 4 maka pada grafik R seperti itu tidak 0,0027. (Sebenarnya, = 0,00461). Lagipula, grafik R lebih peka terhadap
penyimpangan anggapan normal daripada grafik x .
2.7
Biaya Kualitas Pada dasarnya biaya dapat dikategorikan ke dalam empat jenis, yaitu : 1. Biaya Kegagalan Internal (Internal Failure Cost) Merupakan biaya-biaya yang berhubungan dengan kesalahan dan
nonkonformansi yang ditemukan sebelum menyerahkan produk ke pelanggan. Biaya-biaya ini tidak akan muncul apabila tidak ditemukan kesalahan atau nonkonformansi dalam produk sebelum pengiriman. Contoh : Scrap Scrap adalah material sisa dari bahan baku setelah pemrosesan. Pekerjaan Ulang (rework) Proses pengerjaan ulang suatu barang karena terjadi kecacatan Analisi Kegagalan (failure analisis) Inspeksi ulang dan pengujian ulang (reinspection and retesting) Biaya-biaya yang dikeluarkan untuk inspeksi ulang dan pengujian ulang produk yang telah mengalami pengerjaan ulang atau perbaikan kembali. Downgrading penjualan produk dibawah harga produksi karena adanya sedikit cacat pada produk tersebut Avoidable Process Losses Biaya-biaya kehilangan yang terjadi, meskipun produk itu tidak cacat.
34
2.
Biaya Kegagalan Eksternal (External Failure Cost) Merupakan biaya-biaya yang berhubungan dengan kesalahan dan
nonkonformansi yang ditemukan setelah produk itu diserahkan ke pelanggan. Biaya-biaya ini tidak akan muncul apabila tidak ditemukan kesalahan atau nonkonformansi dalam produk setelah pengiriman. Contoh : Jaminan (Warranty) Jaminan yang di berikan kepada pelanggan apabila terjadi kerusakan atau masalah pada produk. Penyelesaian Keluhan (Complaint Adjustment) Produk dikembalikan (Returned Product) Allowance Biaya-biaya yang berkaitan dengan konsesi pada pelanggan karena produk yang berada dibawah standar kualitas.
3.
Biaya Penilaian (Apprasial Cost) Merupakan biaya-biaya yang berhubungan dengan derajad konformansi
terhadap persyaratan kualitas (spesifikasi yang ditetapkan). Contoh : Inspeksi dan pengujian kedatangan material Biaya-biaya yang berkaitan dengan penentuan kualitas dari material yang dibeli, melalui inspeksi pada saat penerimaan, melalui inspeksi yang dilakukan pada pemasok, atau raelalui inspeksi yang dilakukan oleh pihak ketiga. Inspeksi dan pengujian produk dalam proses berkaitan dengan evaluasi tentang konformansi produk dalam proses terhadap persyaratan kualitas (spesifikasi) yang ditetapkan. Inspeksi dan pengujian produk akhir Biaya-biaya yang berkaitan dengan evaluasi tentang konformansi produk akhir terhadap persyaratan kualitas (spesifikasi) yang ditetapkan. Program Studi Teknik Industri Universitas Diponegoro 2012
35
Audit kualitas produk Biaya-biaya untuk raelakukan audit kualitas pada produk dalam proses atau produk akhir. Pemeliharaan akurasi peralatan pengujian Biaya-biaya dalam melakukan kalibrasi (penyesuian) untuk mempertahankan akurasi instrument pengukuran dan peralatan. Evaluasi stok Biaya-biaya yang berkaitan dengan pengujian produk dalam penyimpanan untuk menilai degradasi kualitas
4.
Biaya Pencegahan (Prevention Cost) Merupakan biaya-biaya yang berhubungan dengan upaya pencegahan
kegagalan internal maupun eksternal, sehingga meminimumkan biaya kegagalan internal dan biaya kegagalan eksternal. Contoh : Perencanaan Kualitas. Biaya-biaya yang berkaitan dengan aktivitas perencanaan kualitas secara keseluruhan, termasuk penyiapan prosedur-prosedur yang diperlukan untuk mengkomunikasikan rencana kualitas ke seluruh pihak yang berkepentingan. Tinjauan-Ulang Produk Baru (New-Product Review). Biaya-biaya yang berkaitan dengan rekayasa keandalan (reliability engineering) dan aktivitasaktivitas lain yang bekaitan dengan kualitas yang berhubungan dengan pemberitahuan desain baru. Audit Kualitas. Biaya-biaya yang berkaitan dengan evaluasi atas pelaksanaan aktivitas dalam rencana kualitas secara keseluruhan. Evaluasi Kualitas Pemasok. Biaya-biaya yang berkaitan dengan evaluasi terhadap pemasokan sebelum pemilihan pemasok, audit terhadap aktivitasaktivitas selama kontrak, dan usaha-usaha lain yang berkaitan dengan pemasok. Pelatihan
36
BAB III METODOLOGI PRAKTIKUM
Gambar 3.1 Metodologi Praktikum
37
Pada praktikum
Statisttical Quality Control and Quality Cost Planning ini
terdapat sistematika yang digunakan, yaitu: Dimulai dengan merumuskan masalah, menentukan tujuan penelitian, menentukan batasan dan asumsi serta melakukan studi pustaka. Setelah itu dibuat kebijakan perusahaan mengenai AQL (Acceptance Quality Level) dengan menentukan rencana sampling penerimaan, menentukan jumlah sampelnya, mengukur dimensi komponen hingga akhirnya diketahui apakah ukuran lot pada komponennya diterima atau ditolak. Jika ditolak, perhitungan dilakukan kembali sampai data terkontrol. Selanjutnya dilakukan laporan pemesanan (MRP) dengan membuat peta kendali. Peta kendali sendiri terbagi menjadi dua yaitu peta kendali variabel dan atribut. Peta kendali variabel terdiri dari peta kendali - s, - R, - MR. Sedangkan peta
kendali atribut terdiri dari peta kendali p, np, c, u, dan U. Peta kendali ini digunakan untuk mengetahui apakah data terkontrol atau tidak. Jika ditolak, perhitungan dilakukan kembali sampai data terkontrol. Laporan buatan inspeksi dilakuakn dengan membuat diagram pareto finish product dan membuat peta kendali variabel finish product untuk membuktikan data terkontrol atau ditolak. Jika ditolak perhitungan dilakukan kembali sampai data terkontrol. Setalah diketahui data telah terkontrol, maka dibut fishbone. Untuk data biaya, dilakukan perhitungan biaya kualitas yang terdiri dari biaya pencegahan, biaya penilaian, biaya kegagalan internal, dan biaya kegagalan eksternal. Tahapan akhir dalam sistematika ini yaitu melakukan analisis, serta membuat kesimpulan dan saran.
38
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
4.1
Acceptance Sampling 4.1.1 Kebijakan Sampel untuk As Roda Berdasarkan Output MRP, lot size as roda periode 1 adalah 14132 Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh inspection levels adalah I (10,001 to 35000) Berdasarkan tabel 10-3 diperoleh sample size 25 dengan melihat sample size code letter N=25 AQL = 0.35, berarti berdasar tabel 10.1 AQL conversion table AQL value = 0.40 (0.280 to 0.439) Berdasar table 10.3 master table for normal diperoleh nilai k = 2,14
Hasil Output MRP as roda

Tabel 4.1 Hasil Output MRP as roda
Periode
10
11
12 0
As Roda 14132 14132 14132 14132 14158 14158 14158 14158 14184 14184 14184
1. Panjang As Roda Data Pengukuran Panjang As Roda

Tabel 4.2 Pengukuran panjang as roda
No 1 2 3 4 5 6 7
Ukuran No. Komponen 60 59,9 60 60 60 60 60 54 73 48 74 30 37 46
x2 3600 3588,01 3600 3600 3600 3600 3600
39
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Jumlah = S= =
59,9 59,95 59,9 60 60,1 59,95 59,95 59,9 60 60 60 60 59,95 59,9 60 60 59,85 59,75 1499 =59.96
13 66 43 44 45 57 65 72 33 40 69 52 35 6 63 67 75 10
3588,01 3594,003 3588,01 3600 3612,01 3594,003 3594,003 3588,01 3600 3600 3600 3600 3594,003 3588,01 3600 3600 3582,023 3570,063 89880,16
= 0.06922
Standar perusahaan untuk panjang as roda 58.5mm 1,5mm
USL = 58.5 + 1,5 = 60 mm Berdasarkan Output MRP, lot size as roda periode 1 adalah 14132 Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh inspection levels adalah I (10,001 to 35000) Berdasarkan tabel 10-3 diperoleh sample size 25 dengan melihat sample size code letter N=25 AQL = 0.35, berarti berdasar tabel 10.1 AQL conversion table Program Studi Teknik Industri Universitas Diponegoro 2012
40
AQL value = 0.40 (0.280 to 0.439) Berdasar table 10.3 master table for normal diperoleh nilai k = 2,14 ZU = ZL = = = = 0,577867 = 42,7622
Karena ZU > k = 0.577867 < 2,14. Maka lot ditolak Karena ZL < k = 42,7622 > 2,14. Maka lot diterima - Maka keputusannya lot ditolak - Double Acceptance Sampling QU = 28,30 QL = 0 - Karena QU+QL > M = 28,39 > 1,29. Maka keputusannya lot ditolak
2. Diameter As Roda Data Pengukuran Diameter As Roda

Tabel 4.3 Pengukuran diameter as roda
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Program Studi Teknik Industri Universitas Diponegoro 2012
Ukuran 1,6 1,68 1,66 1,68 1,7 1,6 1,62 1,66 1,68 1,66 1,68 1,64 1,64 1,58 1,66
No. Komponen 37 54 30 99 43 44 73 45 48 13 65 46 72 57 74
x2 2,56 2,8224 2,7556 2,8224 2,89 2,56 2,6244 2,7556 2,8224 2,7556 2,8224 2,6896 2,6896 2,4964 2,7556
41
16 17 18 19 20 21 22 23 24 25 Jumlah = S= =
1,6 1,68 1,7 1,7 1,68 1,6 1,7 1,7 1,66 1,64 41,4
69 35 6 63 67 33 52 75 40 10
2,56 2,8224 2,89 2,89 2,8224 2,56 2,89 2,89 2,7556 2,6896 68,592
=1,656 = 0.03742
Standar perusahaan untuk diameter as roda 1.8 mm 0.2 mm
USL = 1.8+ 0.2 = 2 mm Berdasarkan Output MRP, lot size as roda periode 1 adalah 14132 Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh inspection levels adalah I(10001 to 35000) Berdasarkan tabel 10-3 dengan sample size code letter I maka sample size adalah 25 N=25 AQL = 0.35, berarti berdasar tabel 10.1 AQL conversion table AQL value = 0.40 (0.280 to 0.439) Berdasar table 10.3 master table for normal diperoleh nilai k = 2,14 ZU = ZL = = = =9,193 =1,49
Karena ZU > k = 9,193 > 2,14. Maka lot diterima Karena ZL < k = 1,49 < 2,14. Maka lot ditolak Program Studi Teknik Industri Universitas Diponegoro 2012
42
Maka keputusannya lot ditolak
- Double Acceptance Sampling QU = 0 QL = 6,55 - Karena QU+QL > M = 6,55 > 1,29. Maka keputusannya lot ditolak
4.1.2 Kebijakan Sampel untuk Gardan Berdasarkan Output MRP, lot size as roda periode 1 adalah 7066. Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh inspection levels adalah H (3201 to 10000) Berdasarkan tabel 10-3 dengan sample size code letter H maka sample size adalah 20 N=20 AQL = 0.18, berarti berdasar tabel 10.1 AQL conversion table AQL value = 0.25 (0.165 to 0.279) Berdasar table 10.3 master table for normal diperoleh nilai k = 2,24
Hasil Output MRP Gardan

Tabel 4.4 Hasil Output MRP Gardan
PERIODE As Roda
10
11
12 0
7066 7066 7066 7079 7079 7079 7079 7092 7092 7092 7092 1. Panjang Gardan Data Pengukuran Panjang Gardan
Tabel 4.5 Pengukuran panjang Gardan
No 1 2 3 4 Program Studi Teknik Industri Universitas Diponegoro 2012
Ukuran 74,15 74,4 74 74,6
No. Komponen 25 11 20 54
x2 5498,2 5535,4 5476 5565,2
43
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Jumlah = S= =
74,3 74,25 74,4 74,15 74,4 74,4 74,15 74,15 74,15 74,3 74,2 74,3 74,2 74,3 74,55 74,15 1485,5 =59,42
12 6 70 17 21 75 2 5 8 10 38 14 63 24 19 35
5520,5 5513,1 5535,4 5498,2 5535,4 5535,4 5498,2 5498,2 5498,2 5520,5 5505,6 5520,5 5505,6 5520,5 5557,7 5498,2 110336
= 0.15
Standar perusahaan untuk panjang gardan 74 mm 0.75mm
USL = 74 + 0.75 = 74.75 mm Berdasarkan Output MRP, lot size as roda periode 1 adalah 7066 Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh inspection levels adalah H (3201 to 10000) Berdasarkan tabel 10-3 dengan sample size code letter H maka sample size adalah 20 N=20 AQL = 0.18, berarti berdasar tabel 10.1 AQL conversion table AQL value = 0.25 (0.165 to 0.279) Berdasar table 10.3 master table for normal diperoleh nilai k = 2,24
44
Zu = ZL =
= =
=3,2 =6,8
Karena Zu < k = 3,2 > 2,24. Maka lot diterima Karena ZL < k = 6,8 > 2,24. Maka lot diterima -Maka keputusannya lot diterima - Double Acceptance Sampling QU = 0,006 QL = 0 - Karena QU+QL < M = 0,006 < 0,846. Maka keputusannya lot diterima
2. Diameter Gardan Data Pengukuran Diamter Gardan
Tabel 4.6 Pengukuran diameter Gardan
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Ukuran 1,44 1,42 1,44 1,42 1,4 1,4 1,42 1,4 1,42 1,4 1,4 1,4 1,42 1,4 1,4 1,42
No. Komponen 20 12 70 19 24 17 2 75 6 25 21 11 14 5 8 38
x2 2,0736 2,0164 2,0736 2,0164 1,96 1,96 2,0164 1,96 2,0164 1,96 1,96 1,96 2,0164 1,96 1,96 2,0164
45
17 18 19 20 Jumlah =
1,42 1,4 1,44 1,42 28,28
10 54 63 35
2,0164 1,96 2,0736 2,0164 39,992
=1,414
S=
= 0.01465
Standar perusahaan untuk diameter gardan 1,48 mm 0.13mm
USL = 1,48 + 0.13 = 1,61 mm Zu = ZL = Berdasarkan Output MRP, lot size as roda periode 1 adalah 7066 Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh inspection levels adalah H (3201 to 10000) Berdasarkan tabel 10-3 dengan sample size code letter H maka sample size adalah 20 N=20 AQL = 0.18, berarti berdasar tabel 10.1 AQL conversion table AQL value = 0.25 (0.165 to 0.279) Berdasar table 10.3 master table for normal diperoleh nilai k = 2,24 Jadi, Zu < k = 32,68 > 2,24. Keputusannya adalah lot diterima = = =13,379 =4,369
Karena Zu < k = 13,379 > 2,24. Maka lot diterima Karena ZL < k = 4,369 > 2,24. Maka lot diterima Maka keputusannya lot diterima - Double Acceptance Sampling Program Studi Teknik Industri Universitas Diponegoro 2012
46
QU = 0 QL = 0 - Karena QU+QL < M = 0 < 0,846. Maka keputusannya lot diterima
4.1.3 Kebijakan Sampel untuk Besi Dinamo Berdasarkan Output MRP, lot size as roda periode 1 adalah 7066 Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh inspection levels adalah H (3201 to 10000) Berdasarkan tabel 10-3 dengan sample size code letter H maka sample size adalah 20 N=20 AQL = 0.18, berarti berdasar tabel 10.1 AQL conversion table AQL value = 0.25 (0.165 to 0.279) Berdasar table 10.3 master table for normal diperoleh nilai k = 2,24
Hasil Output MRP Dinamo

Tabel 4.7 Hasil Output MRP Dinamo
PERIODE Dinamo
10
11 0
12 0
7066 7066 7079 7079 7079 7079 7092 7092 7092 7092
1. Diameter Besi Dinamo Data Pengukuran Diameter Besi Dinamo

Tabel 4.8 Pengukuran diameter as roda
No 1 2 3 4 5 6 7 Program Studi Teknik Industri Universitas Diponegoro 2012
Ukuran 1,9 1,9 1,88 1,88 1,9 1,9 1,9
No. Komponen 68 56 67 13 72 36 64
x2 3,61 3,61 3,5344 3,5344 3,61 3,61 3,61
47
8 9 10 11 12 13 14 15 16 17 18 19 20 Jumlah = S= =
1,9 1,84 1,88 1,88 1,9 1,9 1,92 1,88 1,9 1,84 1,88 1,9 1,88 37,76 =1,888
71 23 70 66 75 69 22 61 45 73 62 74 17
3,61 3,3856 3,5344 3,5344 3,61 3,61 3,6864 3,5344 3,61 3,3856 3,5344 3,61 3,5344 71,298
= 0.01989
Standar perusahaan untuk diameter besi dinamo 1,95 mm 0,15mm
USL = 1,95 + 0,15 = 2,1 mm Zu = Berdasarkan Output MRP, lot size as roda periode 1 adalah 7066 Berarti berdasarkan tabel 10.2 sample size code letters (s-4) diperoleh inspection levels adalah H (3201 to 10000) Berdasarkan tabel 10-3 dengan sample size code letter H maka sample size adalah 20 N=20 AQL = 0.18, berarti berdasar tabel 10.1 AQL conversion table AQL value = 0.25 (0.165 to 0.279) Berdasar table 10.3 master table for normal diperoleh nilai k = 2,24 = =10,659
48
Zu =
=4,434
Karena Zu < k = 10,659 > 2,24. Maka lot diterima Karena ZL < k = 4,434 > 2,24. Maka lot diterima -Maka keputusannya lot diterima - Double Acceptance Sampling QU = 0 QL = 0 - Karena QU+QL < M = 0 < 0,846. Maka keputusannya lot diterima
4.2
Pengumpulan dan Pengolahan Data Kualitas Raw Material 4.2.1 Data Variabel
1. Panjang As Roda
S=
= 0,0692
Standar perusahaan untuk panjang as roda 58,15 mm 1,5 mm
USL = 58,15+ 1,5 = 60 mm USL = 58,15- 1,5 = 57 mm Zu = ZL = = = = 0,5779 =42,774
Karena ZU < k = 0,5779 < 2,14. Maka lot ditolak Karena ZL > k = 42,774 > 2,14. Maka lot diterima -Maka keputusannya lot diterima - Double Acceptance Sampling QU = 28,30 QL = 0 - Karena QU+QL < M = 28,30 > 1,29. Maka keputusannya lot ditolak
49
Peta Kendali MR Iterasi 0

Tabel 4.9 Peta Kendali MR panjang as roda iterasi 0
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Ukuran
No Komponen
60 59,9 60 60 60 60 60 59,9 59,95 59,9 60 60,1 59,95 59,95 59,9 60 60 60 60 59,95 59,9 60 60 59,85 59,75
54 73 48 74 30 37 46 13 66 43 44 45 57 65 72 33 40 69 52 35 6 63 67 75 10
MR -0,1 0,1 0 0 0 0 -0,1 0,05 -0,05 0,1 0,1 -0,15 0 -0,05 0,1 0 0 0 -0,05 -0,05 0,1 0 -0,15 -0,1
MR 0,1 0,1 0 0 0 0 0,1 0,05 0,05 0,1 0,1 0,15 0 0,05 0,1 0 0 0 0,05 0,05 0,1 0 0,15 0,1
Contoh Perhitungan |MR2| = |MR2- MR1| = |60-59,9| = 0,1 IMRI 1,35 MR 0.0563 n -1 24 UCLMR D4 MR 3.267(0.0563) 0.1838
LCLMR D3 MR 0(0.0563) 0
50
Peta Kendali MR Panjang As Roda Iterasi 0

0.2 0.18 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Sampel ke-
Moving Range
MR UCL LCL CL
Gambar 4.1 Peta Kendali MR Panjang As Roda Iterasi 0
Moving Range Chart of panjang as roda_1

0,18 0,16 0,14 UCL=0,1634
Moving Range
0,12 0,10 0,08 0,06 0,04 0,02 0,00 1 3 5 7 9 11 13 15 Observation 17 19 21 23 LCL=0 __ MR=0,05
Gambar 4.2 Output Software Minitab
51
Gambar 4.3 Output Software SPSS
Pada grafik peta moving range panjang as roda diatas, tidak terdapat nilai yang melewati batas.
Peta Kendali Iterasi 0

Tabel 4.10 Peta Kendali panjang as roda iterasi 0
No 1 2 3 4 5 6 7
Ukuran
No Komponen
60 59,9 60 60 60 60 60
54 73 48 74 30 37 46
52
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
59,9 59,95 59,9 60 60,1 59,95 59,95 59,9 60 60 60 60 59,95 59,9 60 60 59,85 59,75
13 66 43 44 45 57 65 72 33 40 69 52 35 6 63 67 75 10
Contoh Perhitungan
59,96 1.414 n 25 UCL X 158,5 1,5 60 X LCL X 158,5 1,5 57 x
53
Peta Kendali X Bar Panjang As Roda Iterasi 0

61 60 59 58 57 56 55 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Sampel keUkuran UCL LCL CL
Gambar 4.4 Peta Kendali X bar Panjang As Roda Iterasi 0
I Chart of panjang as roda

60,5
1
60,0 59,5
UB=60
Individual Value
59,0 58,5 58,0 57,5 57,0 1 3 5 7 9 11 13 15 Observation 17 19 21 23 25 LB=57 _ X=58,5
54
Pada grafik X Bar as roda diatas, terdapat satu nilai yang melewati batas, yaitu nilai 60,1.
Peta Kendali Iterasi 1

Tabel 4.11 Peta Kendali X bar panjang as roda iterasi 1
No 1 2 3 4 5 6
Ukuran
No Komponen
60 59,9 60 60 60 60
54 73 48 74 30 37
55
7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
60 59,9 59,95 59,9 60 59,95 59,95 59,9 60 60 60 60 59,95 59,9 60 60 59,85 59,75
46 13 66 43 44 57 65 72 33 40 69 52 35 6 63 67 75 10
Contoh Perhitungan
59,96 1.414 n 24 UCL X 158,5 1,5 60 X LCL X 158,5 1,5 57 x
56
Peta Kendali X BAR Panjang As Roda Iterasi 1

61 60 59 58 57 56 55 1 2 3 4 5 6 7 8 9 101112131415161718192021222324 Sampel keMoving Range UCL LCL CL Ukuran
Gambar 4.7 Peta Kendali X bar Panjang As Roda Iterasi 1
I Chart of panjang as roda_1

60,0 59,5 UB=60
Individual Value
59,0 58,5 58,0 57,5 57,0 1 3 5 7 9 11 13 15 Observation 17 19 21 23 LB=57 _ X=58,5
57
Pada grafik X Bar moving range panjang as roda diatas, setelah dilakukan iterasi, tidak terdapat lagi nilai yang keluar.
58
Peta Kendali MR Iterasi 1

Tabel 4.12 Peta Kendali MR panjang as roda iterasi 1
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Ukuran
No Komponen
MR -0,1 0,1 0 0 0 0 -0,1 0,05 -0,05 0,1 -0,05 0 -0,05 0,1 0 0 0 -0,05 -0,05 0,1 0 -0,15 -0,1
MR 0,1 0,1 0 0 0 0 0,1 0,05 0,05 0,1 0,05 0 0,05 0,1 0 0 0 0,05 0,05 0,1 0 0,15 0,1
60 59,9 60 60 60 60 60 59,9 59,95 59,9 60 59,95 59,95 59,9 60 60 60 60 59,95 59,9 60 60 59,85 59,75
54 73 48 74 30 37 46 13 66 43 44 57 65 72 33 40 69 52 35 6 63 67 75 10
Contoh Perhitungan |MR2| = |MR2- MR1| = |60-59,9| = 0,1 IMRI 1,15 MR 0.05 n -1 23 UCL MR D4 MR 3.267(0.05) 0.16335
LCL MR D3 MR 0(0.05) 0
59
Peta Kendali MR Panjang As Roda Iterasi 1

0.2 0.15 0.1 0.05 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Sampel keUCL LCL CL MR
Gambar 4.10 Peta Kendali MR Panjang As Roda Iterasi 1
Moving Range Chart of PANJANG AS RODA

0,18 0,16 0,14 UCL=0,1634
Moving Range
0,12 0,10 0,08 0,06 0,04 0,02 0,00 1 3 5 7 9 11 13 15 Observation 17 19 21 23 LCL=0 __ MR=0,05
60
Pada grafik moving range as roda diatas, tidak terdapat nilai yang melewati batas.
2. Diameter As Roda = S= = =1,656 = 0.03742
Standar perusahaan untuk diameter as roda 1.8 mm 0.2 mm
USL = 1.8+ 0.2 = 2 mm - Single Acceptance Sampling ZU = = =9,193
61
ZL =
=1,49
Karena ZU > k = 9,193 > 2,14. Maka lot diterima Karena ZL < k = 1,49 < 2,14. Maka lot ditolak Maka keputusannya lot ditolak - Double Acceptance Sampling QU = 0 QL = 6,55 - Karena QU+QL > M = 6,55 > 1,29. Maka keputusannya lot ditolak Peta Kendali MR
Tabel 4.13 Peta Kendali MR Diameter as Roda
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Ukuran 1,6 1,68 1,66 1,68 1,7 1,6 1,62 1,66 1,68 1,66 1,68 1,64 1,64 1,58 1,66 1,6 1,68 1,7 1,7 1,68 1,6 1,7 1,7 1,66 1,64
No. Komponen 37 54 30 99 43 44 73 45 48 13 65 46 72 57 74 69 35 6 63 67 33 52 75 40 10
MR 0,08 -0,02 0,02 0,02 -0,1 0,02 0,04 0,02 -0,02 0,02 -0,04 0 -0,06 0,08 -0,06 0,08 0,02 0 -0,02 -0,08 0,1 0 -0,04 -0,02
MR 0,08 0,02 0,02 0,02 0,1 0,02 0,04 0,02 0,02 0,02 0,04 0 0,06 0,08 0,06 0,08 0,02 0 0,02 0,08 0,1 0 0,04 0,02
62
Contoh Perhitungan MR2 = MR2 MR1= 1.68 1.6= 0.08

MR UCL MR LCL MR 0.96 0.04 n -1 24 D4 MR 3.267(0.04) D3 MR 0(0.04) 0 | MR |
0.13068
Peta Kendali MR Diameter As Roda (iterasi 0)

0.14 0.12 0.1 0.08 0.06 0.04 0.02 0 37 30 43 73 48 65 72 74 35 63 33 75 nomor sampel moving range
UCL LCL CL MR
Gambar 4.13 Peta Kendali MR Diameter As Roda Iterasi 0
63
Moving Range Chart of diameter as roda

0,14 UCL=0,1307 0,12 0,10
Moving Range
0,08 0,06 0,04 0,02 0,00 1 3 5 7 9 11 13 15 Observation 17 19 21 23 25 LCL=0 __ MR=0,04
64
Pada peta kendali MR di atas tidak terdapat data yang keluar dari UCLdan LCL, maka dilanjutkan ke pemetaan pada peta kendali x bar. Peta Kendali
Tabel 4.14 Peta Kendali Xbar Diameter as Roda
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Ukuran 1,82 1,78 1,82 1,84 1,8 1,84 1,8 1,84 1,8 1,86 1,78 1,82 1,82 1,8 1,78 1,86 1,8 1,84 1,82 1,82 1,84 1,82 1,86 1,82 1,82
No. Komponen 47 56 11 70 24 36 32 59 14 58 9 49 38 19 25 3 42 4 71 60 62 1 7 5 17
UCL = 1.8+ 0.2 = 2 LCL = 1.8- 0.2 = 1.6
65
Peta Kendali X bar Diameter As Roda (iterasi 0)

2.1 moving range 2 1.9 1.8 1.7 1.6 1.5 47561170243632591458 9 49381925 3 42 4 71 nomor sampel Gambar 4.16 Peta Kendali Xbar Diameter As Roda Iterasi 0 UCL LCL CL Ukuran
I Chart of DIAMETER AS RODA

2,0 UB=2
1,9
Individual Value
1,8
_ X=1,8
1,7
1,6 1 3 5 7 9 11 13 15 Observation 17 19 21 23 25
LB=1,6
66
Pada peta kendali x bar di atas tidak terdapat data yang keluar dari UCLdan LCL, maka data sudah terkendali.
3. Panjang Gardan
= S= =
= = 0.15
Standar perusahaan untuk panjang garden 74 mm 0.75mm
USL = 74 + 0.75 = 74.75 mm Zu = = =3,2
67
ZL =
=6,8
Karena Zu < k = 3,2 > 2,24. Maka lot diterima Karena ZL < k = 6,8 > 2,24. Maka lot diterima -Maka keputusannya lot diterima - Double Acceptance Sampling QU = 0,006 QL = 0 - Karena QU+QL < M = 0,006 < 0,846. Maka keputusannya lot diterima
Tabel 4.15 Peta Kendali MR Panjang Gardan
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Ukuran 74,15 74,4 74 74,6 74,3 74,25 74,4 74,15 74,4 74,4 74,15 74,15 74,15 74,3 74,2 74,3 74,2 74,3 74,55 74,15
No. Komponen 25 11 20 54 12 6 70 17 21 75 2 5 8 10 38 14 63 24 19 35
MR 0,25 -0,4 0,6 -0,3 -0,05 0,15 -0,25 0,25 0 -0,25 0 0 0,15 -0,1 0,1 -0,1 0,1 0,25 -0,4
MR 0,25 0,4 0,6 0,3 0,05 0,15 0,25 0,25 0 0,25 0 0 0,15 0,1 0,1 0,1 0,1 0,25 0,4
Contoh Perhitungan MR2 = MR2 MR1= 74.4 74.15= 0.25
68
MR UCL MR LCL MR
| MR | n -1 D4 MR D3 MR
3.7 19
0.1947 0.63205
3.267(0.1947) 0(0.1947) 0
Peta Kendali MR Panjang Gardan (iterasi 0)

0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 25 11 20 54 12 6 70 17 21 75 2 5 8 10 38 14 63 24 19 nomor sampel Gambar 4.19 Peta Kendali MR Diameter As Roda Iterasi 0 moving range
UCL LCL CL MR
Moving Range Chart of panjang gardan

0,7 0,6 0,5 UCL=0,6363
Moving Range
0,4 0,3 0,2 0,1 0,0 1 3 5 7 9 11 13 Observation 15 17 19 LCL=0 __ MR=0,1947
69
Pada peta kendali MR di atas tidak terdapat data yang keluar dari UCLdan LCL, maka dilanjutkan ke pemetaan pada peta kendali x bar.
Peta Kendali
Tabel 4.16 Peta Kendali Xbar Panjang Gardan
No. 1 2 3 4 5 6 7 Program Studi Teknik Industri Universitas Diponegoro 2012
Ukuran 74,15 74,4 74 74,6 74,3 74,25 74,4
No. Komponen 68 56 67 13 72 36 64
70
8 9 10 11 12 13 14 15 16 17 18 19 20
1485,5 74,275 n 20 UCL X 74 0,75 74,75 X LCL X 74 0,75 73,25 x
74,15 74,4 74,4 74,15 74,15 74,15 74,3 74,2 74,3 74,2 74,3 74,55 74,15
71 23 70 66 75 69 22 61 45 73 62 74 17
Peta Kendali X bar panjang gardan (Iterasi 0)

75 74.5 74 x 73.5 73 72.5 68 67 72 64 23 66 69 61 73 74 nomor sampel Gambar 4.22 Peta Kendali Xbar Panjang Gardan Iterasi 0 CL UCL LCL Ukuran
71
I Chart of panjang gardan

74,8 74,6 74,4 UB=74,75
Individual Value
74,2 74,0 73,8 73,6 73,4 73,2 1 3 5 7 9 11 13 Observation 15 17 19 LB=73,25 _ X=74
72
Pada peta kendali x bar di atas tidak terdapat data yang keluar dari UCLdan LCL, maka data sudah terkendali.
4. Diameter Gardan = S= = =1,1312 = 0.01465
Standar perusahaan untuk diameter gardan 1,48 mm 0.13mm
USL = 1,48 + 0.13 = 1,61 mm Zu = ZL = = = =13,379 =4,369
Karena Zu < k = 13,379 > 2,24. Maka lot diterima Karena ZL < k = 4,369 > 2,24. Maka lot diterima Maka keputusannya lot diterima
- Double Acceptance Sampling QU = 0 QL = 0 - Karena QU+QL < M = 0 < 0,846. Maka keputusannya lot diterima Peta kendali MR
Tabel 4.17 Peta Kendali MR Diameter Gardan
No 1 2 3 4 5 6 7 8 9
Ukuran 1,44 1,42 1,44 1,42 1,4 1,4 1,42 1,4 1,42
No. Komponen 20 12 70 19 24 17 2 75 6
MR -0,02 0,02 -0,02 -0,02 0 0,02 -0,02 0,02
MR 0,02 0,02 0,02 0,02 0 0,02 0,02 0,02
73
10 11 12 13 14 15 16 17 18 19 20
1,4 1,4 1,4 1,42 1,4 1,4 1,42 1,42 1,4 1,44 1,42
25 21 11 14 5 8 38 10 54 63 35
-0,02 0 0 0,02 -0,02 0 0,02 0 -0,02 0,04 -0,02
0,02 0 0 0,02 0,02 0 0,02 0 0,02 0,04 0,02
Contoh Perhitungan MR2 = MR2 MR1= 1.42 1.44 = 0.02
MR UCL MR LCL MR
0.3 0.015789 n -1 19 D4 MR 3.267(0.015789) 0.051584 D3 MR 0(0.015789) 0
IMRI
Peta Kendali MR Diameter Gardan (iterasi 0)

0.06 0.05 moving range 0.04 0.03 0.02 0.01 0 20 12 70 19 24 17 2 75 6 25 21 11 14 5 8 38 10 54 63 nomor sampel Gambar 4.25 Peta Kendali MR Diameter Gardan Iterasi 0 UCL LCL CL MR
74
Moving Range Chart of diameter gardan

0,05 UCL=0,05159
0,04
Moving Range
0,03
0,02
__ MR=0,01579
0,01
0,00 1 3 5 7 9 11 13 Observation 15 17 19
LCL=0
75
Pada iterasi 0 peta kendali MR diketahui bahwa data variabel ini tidak ada yang melebihi batas atas dan batas bawah sehingga dapat dikatakan data terkontrol.
Peta Kendali
Tabel 4.18 Peta Kendali Xbar Diameter Gardan
No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Contoh Perhitungan
Ukuran 1,44 1,42 1,44 1,42 1,4 1,4 1,42 1,4 1,42 1,4 1,4 1,4 1,42 1,4 1,4 1,42 1,42 1,4 1,44 1,42
No. Komponen 20 12 70 19 24 17 2 75 6 25 21 11 14 5 8 38 10 54 63 35
28,28 1.414 n 20 UCL X 1,48 0,13 1,61 X LCL X 1,48 0,13 1,35
76
Peta Kendali X bar diameter gardan (Iterasi 0)

1.7 1.6 1.5 x 1.4 1.3 1.2 20 70 24 2 6 21 14 8 10 63 CL UCL LCL Ukuran
nomor sampel Gambar 4.28 Peta Kendali Xbar Diameter Gardan Iterasi 0
I Chart of diameter gardan

1,60 UCL=1,609
1,55
Individual Value
1,50
_ X=1,48
1,45
1,40 LCL=1,351 1 3 5 7 9 11 13 Observation 15 17 19
1,35
77
Pada iterasi 0 peta kendali
diketahui bahwa data variabel ini tidak ada yang
melebihi batas atas dan batas bawah sehingga dapat dikatakan data terkontrol.
78
5. Diameter Besi Dinamo = S= = =1,5104 = 0.01989
Standar perusahaan untuk diameter besi dinamo 1,95 mm 0,15mm
USL = 1,95 + 0,15 = 2,1 mm Zu = Zu = = = =10,659 =4,434
Karena Zu < k = 10,659 > 2,24. Maka lot diterima Karena ZL < k = 4,434 > 2,24. Maka lot diterima Maka keputusannya lot diterima - Double Acceptance Sampling QU = 0 QL = 0 - Karena QU+QL < M = 0 < 0,846. Maka keputusannya lot diterima Peta Kendali MR
Tabel 4.19 Peta Kendali MR Diameter Besi Dinamo
No 1 2 3 4 5 6 7 8 9 10 11 12 13
Ukuran 1,9 1,9 1,88 1,88 1,9 1,9 1,9 1,9 1,84 1,88 1,88 1,9 1,9
No. Komponen 68 56 67 13 72 36 64 71 23 70 66 75 69
MR 0 -0,02 0 0,02 0 0 0 -0,06 0,04 0 0,02 0
MR 0 0,02 0 0,02 0 0 0 0,06 0,04 0 0,02 0
79
14 15 16 17 18 19 20
1,92 1,88 1,9 1,84 1,88 1,9 1,88
22 61 45 73 62 74 17
0,02 -0,04 0,02 -0,06 0,04 0,02 -0,02
0,02 0,04 0,02 0,06 0,04 0,02 0,02
Contoh Perhitungan MR2 = MR2 MR1= 1.9 1.9 = 0
MR UCL MR LCL MR
0.38 0.02 n -1 19 D4 MR 3.267(0.02) 0.06534 D3 MR 0(0.015789) 0
IMRI
Peta Kendali MR Diameter Besi Dinamo
(iterasi 0)
0.07 0.06 moving range 0.05 0.04 0.03 0.02 0.01 0 68 56 67 13 72 36 64 71 23 70 66 75 69 22 61 45 73 62 74 nomor sampel Gambar 4.31 Peta Kendali MR Diameter Besi Dinamo Iterasi 0 UCL LCL CL MR
80
Moving Range Chart of diameter besi dinamo

0,07 UCL=0,06535 0,06 0,05
Moving Range
0,04 0,03 0,02 0,01 0,00 1 3 5 7 9 11 13 Observation 15 17 19 LCL=0 __ MR=0,02
81
Pada iterasi 0 peta kendali MR diketahui bahwa data variabel ini tidak ada yang melebihi batas atas dan batas bawah sehingga dapat dikatakan data terkontrol.
Peta kendali
Tabel 4.20 Peta Kendali Xbar Diameter Besi Dinamo
No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Contoh Perhitungan
Ukuran 1,9 1,9 1,88 1,88 1,9 1,9 1,9 1,9 1,84 1,88 1,88 1,9 1,9 1,92 1,88 1,9 1,84 1,88 1,9 1,88
No. Komponen 68 56 67 13 72 36 64 71 23 70 66 75 69 22 61 45 73 62 74 17
37,76 1.888 n 20 UCL X 1,95 0,15 2,1 X LCL X 1,95 0,15 0,18
82
Peta Kendali X bar diameter besi dinamo
(Iterasi 0)
2.2 2.1 2 1.9 1.8 1.7 1.6 68 56 67 13 72 36 64 71 23 70 66 75 69 22 61 45 73 62 74 17 nomor sampel Gambar 4.34 Peta Kendali Xbar Diameter Besi Dinamo Iterasi 0 x CL UCL LCL Ukuran
I Chart of diameter besi dinamo

2,10 2,05 UB=2,1
Individual Value
2,00 1,95 1,90 1,85 1,80 1 3 5 7 9 11 13 Observation 15 17 19 LB=1,8 _ X=1,95
83
Pada iterasi 0 peta kendali X bar diketahui bahwa data variabel ini tidak ada yang melebihi batas atas dan batas bawah sehingga dapat dikatakan data terkontrol.
4.2.2 Data Atribut (Manual, SPSS, Minitab) 1. Plat Belakang Besar Iterasi 0
Tabel 4.21 Plat Belakang Besar iterasi 0
No 1 2 3 4 5
Date 09/05/2011 09/06/2011 09/07/2011 09/08/2011 09/09/2011
Plat Belakang Besar N.of N.of Inspection Nonconformities 92 9 91 7 92 18 105 7 99 8
P 0,09783 0,07692 0,19565 0,06667 0,08081
UCL 0,19487 0,19539 0,19487 0,18885 0,19148
LCL 0,0066 0,00608 0,0066 0,01262 0,00999
CL 0,10073 0,10073 0,10073 0,10073 0,10073
84
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
09/12/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah
107 81 101 93 95 115 93 78 90 101 97 88 101 94 93 1906
7 7 12 10 10 8 11 11 8 7 19 6 13 6 8 192
0,06542 0,08642 0,11881 0,10753 0,10526 0,06957 0,11828 0,14103 0,08889 0,06931 0,19588 0,06818 0,12871 0,06383 0,08602
0,18802 0,20106 0,19058 0,19436 0,19337 0,18493 0,19436 0,20297 0,19591 0,19058 0,19241 0,19699 0,19058 0,19386 0,19436
0,01344 0,00041 0,01089 0,0071 0,0081 0,01654 0,0071 -0,0015 0,00556 0,01089 0,00906 0,00448 0,01089 0,0076 0,0071
0,10073 0,10073 0,10073 0,10073 0,10073 0,10073 0,10073 0,10073 0,10073 0,10073 0,10073 0,10073 0,10073 0,10073 0,10073
Peta Kendali P
=
Garis tengah = p = UCL = p + 3 LCL = p - 3
= = = 0,10073452 = 0,19487 = 0,0066
= 0,10073452 + 3 = 0,10073452 - 3
85
Peta Kendali P Plat Belakang Besar

0.3 0.2 Cacat 0.1 0 -0.1 1 3 5 7 9 11 13 15 17 19 Data P UCL LCL CL
Gambar 4.37 Peta Kendali P Plat Belakang Besar Iterasi 0
86
P Chart of plat belakang besar

0.20
1 1
UCL=0.1944
0.15
Proportion
0.10
_ P=0.1007
0.05
0.00 1 3 5 7 9 11 Sample 13 15 17 19
LCL=0.0071
Tests performed with unequal sample sizes
Pada grafik Peta Kendali P (P-chart) untuk part Plat Belakang Besar, terdapat nilai yang melewati batas. Yaitu pada data ke 3 dan ke 16 yaitu sebesar 0,19565 dan 0,19588.
Iterasi 1
Tabel 4.22 Plat Belakang Besar iterasi 1
No 1 2 4 5 6 7 8 9 10 11 12 13 14 15 16
Date 09/05/2011 09/06/2011 09/08/2011 09/09/2011 09/12/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011
Plat Belakang Besar N.of N.of Inspection Nonconformities 92 9 91 7 105 7 99 8 107 7 81 7 101 12 93 10 95 10 115 8 93 11 78 11 90 8 101 7 97 19
P 0,09783 0,07692 0,06667 0,08081 0,06542 0,08642 0,11881 0,10753 0,10526 0,06957 0,11828 0,14103 0,08889 0,06931 0,19588
UCL 0,23345 0,23403 0,22676 0,22968 0,22584 0,24034 0,22868 0,23289 0,23179 0,2224 0,23289 0,24247 0,23461 0,22868 0,23072
LCL 0,02397 0,0234 0,03067 0,02774 0,03159 0,01709 0,02875 0,02454 0,02564 0,03503 0,02454 0,01496 0,02281 0,02875 0,02671
CL 0,12871 0,12871 0,12871 0,12871 0,12871 0,12871 0,12871 0,12871 0,12871 0,12871 0,12871 0,12871 0,12871 0,12871 0,12871
87
17 18 19 20
27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah Peta kendali p
88 101 94 93 1814
6 13 6 8 174
0,06818 0,12871 0,06383 0,08602
0,23581 0,22868 0,23233 0,23289
0,02162 0,02875 0,02509 0,02454
0,12871 0,12871 0,12871 0,12871
=
= = = 0,12871287 = 0,23345 = 0,02397
= 0,12871287+ 3 = 0,12871287- 3
Peta Kendali P Plat Belakang Besar

0.3 0.25 0.2 Cacat 0.15 0.1 0.05 0 1 2 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Data Gambar 4.40 Peta Kendali P Plat Belakang Besar Iterasi 1 P UCL LCL CL
88
P Chart of plat belakang besar

0.20 UCL=0.1794 0.15
Proportion
0.10
_ P=0.0903
0.05
0.00 1 3 5 7 9 11 Sample 13 15 17
LCL=0.0011
Pada grafik Peta Kendali P (P-chart) untuk part Plat Belakang Besar, Setelah melalui Iterasi yang pertama, sudah tidak terdapat nilai yang keluar batas.
89
2. Plat Belakang Kecil Iterasi 0

Tabel 4.23 Plat Belakang Kecil iterasi 0
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah
Plat Belakang Kecil N.of N.of Inspection Nonconformities 91 8 90 10 107 10 100 7 91 4 97 20 97 7 82 12 81 13 68 8 93 10 94 11 80 13 91 7 105 10 104 7 81 8 89 11 83 3 88 16 1812 195
P 0.08791 0.11111 0.09346 0.07 0.04396 0.20619 0.07216 0.14634 0.16049 0.11765 0.10753 0.11702 0.1625 0.07692 0.09524 0.06731 0.09877 0.1236 0.03614 0.18182
UCL 0.20507 0.20561 0.19749 0.20058 0.20507 0.20201 0.20201 0.21028 0.21091 0.22036 0.20402 0.20351 0.21156 0.20507 0.19834 0.19878 0.21091 0.20616 0.20966 0.20672
LCL 0.01016 0.00962 0.01774 0.01465 0.01016 0.01322 0.01322 0.00495 0.00432 -0.0051 0.01121 0.01173 0.00367 0.01016 0.01689 0.01645 0.00432 0.00907 0.00557 0.00851
CL 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762 0.10762
Peta kendali p
=
= = = 0.107615894 = 0.20507 = 0.01016
= 0.107615894+ 3 = 0.107615894- 3
90
Peta p plat Belakang Kecil

0.25 0.2 0.15 Cacat 0.1 0.05 0 -0.05 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Data Gambar 4.43 Peta Kendali P Plat Belakang Kecil Iterasi 0 P UCL LCL CL
91
P Chart of plat belakang kecil

0.25
1
0.20
UCL=0.2067
Proportion
0.15 _ P=0.1076
0.10
0.05 LCL=0.0085 1 3 5 7 9 11 Sample 13 15 17 19
0.00
Pada grafik Peta Kendali P (P-chart) untuk part Plat Belakang Kecil, terdapat nilai yang melewati batas. Yaitu pada data ke 6 sebesar 0.20619.
92
Iterasi 1
Tabel 4.24 Plat Belakang Kecil iterasi 1
No 1 2 3 4 5 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah
Plat Belakang Kecil N.of N.of Inspection Nonconformities 91 8 90 10 107 10 100 7 91 4 97 7 82 12 81 13 68 8 93 10 94 11 80 13 91 7 105 10 104 7 81 8 89 11 83 3 88 16 1715 175
P 0.08791 0.11111 0.09346 0.07 0.04396 0.07216 0.14634 0.16049 0.11765 0.10753 0.11702 0.1625 0.07692 0.09524 0.06731 0.09877 0.1236 0.03614 0.18182
UCL 0.19724 0.19776 0.18983 0.19285 0.19724 0.19425 0.20232 0.20294 0.21216 0.19621 0.1957 0.20357 0.19724 0.19066 0.19109 0.20294 0.1983 0.20172 0.19885
LCL 0.00685 0.00632 0.01425 0.01123 0.00685 0.00984 0.00176 0.00114 -0.0081 0.00787 0.00838 0.00051 0.00685 0.01342 0.01299 0.00114 0.00578 0.00236 0.00524
CL 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204 0.10204
Peta kendali p
=
= = = 0.102040816 = 0.19724 = 0.00685
= 0.102040816+ 3 = 0.102040816- 3
93
Peta P Plat Belang Kecil

0.25 0.2 0.15 Cacat 0.1 0.05 0 1 2 3 4 5 7 8 9 10 11 12 13 14 15 16 17 18 19 20 -0.05 Data
P UCL LCL CL
.
Gambar 4.46 Peta Kendali P Plat Belakang Kecil Iterasi 1
94
P Chart of plat belakang kecil

0.20 UCL=0.1988
0.15
Proportion
0.10
_ P=0.1020
0.05
0.00 1 3 5 7 9 11 Sample 13 15 17 19
LCL=0.0052
Pada grafik Peta Kendali P (P-chart) untuk part Plat Belakang Kecil, Setelah melalui Iterasi sebanyak 1 kali, sudah tidak terdapat nilai yang keluar batas.
3. Plat Depan Iterasi 0

Tabel 4.25 Plat Depan Iterasi 0
Plat Depan No 1 2 3 4 5 6 7 8 9 10 11 12 Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 N.of Inspection 87 87 76 97 112 85 100 92 104 93 92 92 N.of Nonconformities 10 10 5 10 6 18 8 17 11 4 7 5 P 0.114942529 0.114942529 0.065789474 0.103092784 0.053571429 0.211764706 0.08 0.184782609 0.105769231 0.043010753 0.076086957 0.054347826 UCL 0.206818214 0.206818214 0.213778172 0.201547947 0.195008667 0.207982422 0.200123188 0.204075637 0.198320272 0.203553834 0.204075637 0.204075637 LCL 0.00775 0.00775 0.00079 0.01302 0.01955 0.00658 0.01444 0.01049 0.01624 0.01101 0.01049 0.01049 CL 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1
95
13 14 15 16 17 18 19 20
21/9/2011 22/9/2011 23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah
84 96 80 84 89 90 86 73 1799
18 10 6 10 10 15 6 7 193
0.214285714 0.104166667 0.075 0.119047619 0.112359551 0.166666667 0.069767442 0.095890411
0.208580057 0.202037644 0.211081625 0.208580057 0.205693473 0.205145215 0.207395242 0.215944422
0.00598 0.01253 0.00348 0.00598 0.00887 0.00942 0.00717 -0.0014
0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1
Peta kendali p
=
= = = 0.107281823 = 0.206818214 = 0.00775
= 0.107281823+ 3 = 0.107281823- 3
Peta P Plat Depan

0.25 0.2 0.15 Cacat 0.1 0.05 0 -0.05 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Data Gambar 4.49 Peta Kendali P Plat Depan
96
P Chart of plat depan

1 1
UCL=0.2159
0.20
0.15
Proportion
0.10
_ P=0.1073
0.05
0.00 1 3 5 7 9 11 Sample 13 15 17 19
LCL=0
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, terdapat nilai yang melewati batas. Yaitu pada data ke 6 dan ke 13 yaitu sebesar 0,211764706 dan 0,214285714.
97
Iterasi 1
No 1 2 3 4 5 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah
Plat Depan N.of N.of Inspection Nonconformities 87 10 87 10 76 5 97 10 112 6 100 8 92 17 104 11 93 4 92 7 92 5 84 18 96 10 80 6 84 10 89 10 90 15 86 6 73 7 1714 175
P 0.114942529 0.114942529 0.065789474 0.103092784 0.053571429 0.08 0.184782609 0.105769231 0.043010753 0.076086957 0.054347826 0.214285714 0.104166667 0.075 0.119047619 0.112359551 0.166666667 0.069767442 0.095890411
UCL 0.199484695 0.199484695 0.206294174 0.194328374 0.187930478 0.19293442 0.196801414 0.191170483 0.196290892 0.196801414 0.196801414 0.201208445 0.194807484 0.203655927 0.201208445 0.198384271 0.197847866 0.200049246 0.208413587
LCL 0.00472 0.00472 -0.0021 0.00987 0.01627 0.01127 0.0074 0.01303 0.00791 0.0074 0.0074 0.00299 0.00939 0.00054 0.00299 0.00582 0.00635 0.00415 -0.0042
CL 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021 0.1021
Peta kendali p
=
= = = 0.10210035 = 0.199484695 = 0.00472
= 0.10210035+ 3 = 0.10210035- 3
98
Peta P Plat Depan

0.25 0.2 0.15 Cacat 0.1 0.05 0 -0.05 1 2 3 4 5 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Data Gambar 4.52 Peta Kendali P Plat Depan Iterasi 1 P UCL LCL CL
Setelah mengalami iterasi 1, pada grafik Peta Kendali P (P-chart) untuk part Plat depan masih terdapat nilai yang melewati batas. Yaitu pada data ke 13 sebesar
0.214285714. Iterasi 2
Plat Depan No 1 2 3 4 5 7 8 9 10 11 12 14 Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 22/9/2011 N.of Inspection 87 87 76 97 112 100 92 104 93 92 92 96 N.of Nonconformities 10 10 5 10 6 8 17 11 4 7 5 10 P 0.114942529 0.114942529 0.065789474 0.103092784 0.053571429 0.08 0.184782609 0.105769231 0.043010753 0.076086957 0.054347826 0.104166667 UCL 0.191210062 0.191210062 0.1978452 0.186185757 0.179951665 0.184827492 0.188595481 0.183108717 0.18809803 0.188595481 0.188595481 0.186652601 LCL 0.00143 0.00143 -0.0052 0.00645 0.01269 0.00781 0.00404 0.00953 0.00454 0.00404 0.00404 0.00599 CL 0.09632 0.09632 0.09632 0.09632 0.09632 0.09632 0.09632 0.09632 0.09632 0.09632 0.09632 0.09632
99
15 16 17 18 19 20
23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah
80 84 89 90 86 73 1630
6 10 10 15 6 7 157
0.075 0.1952745 -0.0026 0.09632 0.119047619 0.19288968 -0.0003 0.09632 0.112359551 0.190137813 0.0025 0.09632 0.166666667 0.189615141 0.00302 0.09632 0.069767442 0.19176016 0.00088 0.09632 0.095890411 0.199910351 -0.0073 0.09632
Peta kendali p
=
Garis tengah = p = UCL = p + 3 0.191210062 LCL = p - 3
= = = 0.096319018 = = 0.00143
= 0.096319018+ 3
= 0.096319018- 3
Peta P Plat Depan

0.25 0.2 0.15 Cacat 0.1 0.05 0 -0.05 1 2 3 4 5 7 8 9 10111214151617181920 Data P UCL LCL CL
Gambar 4.53 Peta Kendali P Plat Depan Iterasi 2
100
P Chart of plat depan

0.20 UCL=0.1999
0.15
Proportion
0.10
_ P=0.0963
0.05
0.00 1 3 5 7 9 11 Sample 13 15 17
LCL=0
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, Setelah melalui Iterasi sebanyak 2 kali, sudah tidak terdapat nilai yang keluar batas.
101
3. Penutup Plat Depan Iterasi 0

Tabel 4.28 Penutup Plat Depan Iterasi 0
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah
Penutup Plat Depan N.of N.of Inspection Nonconformities 77 9 86 8 82 11 93 7 104 8 98 6 91 14 95 6 107 6 105 13 92 13 94 6 80 11 80 2 105 9 99 13 91 8 100 7 92 8 94 12 1865 177
P 0.11688 0.09302 0.13415 0.07527 0.07692 0.06122 0.15385 0.06316 0.05607 0.12381 0.1413 0.06383 0.1375 0.025 0.08571 0.13131 0.08791 0.07 0.08696 0.12766
UCL 0.19511 0.18972 0.192 0.18608 0.18112 0.18372 0.18708 0.18512 0.17991 0.18071 0.18657 0.18559 0.19321 0.19321 0.18071 0.18327 0.18708 0.18283 0.18657 0.18559
LCL -0.0053 9.4E-05 -0.0022 0.00373 0.00869 0.00609 0.00274 0.0047 0.00991 0.0091 0.00324 0.00422 -0.0034 -0.0034 0.0091 0.00654 0.00274 0.00698 0.00324 0.00422
CL 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491 0.09491
Peta kendali p
=
= =
0.11688
= 0.09490617 = 0.19511 = -0.0053
= 0.09490617+ 3 = 0.09490617- 3
102
Peta P Penutup Plat Depan

0.25 0.2 0.15 Cacat 0.1 0.05 0 -0.05 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 Data Gambar 4.56 Peta Kendali P Penutup Plat Depan P UCL LCL CL
103
P Chart of penutup plat depan

0.20 UCL=0.1856 0.15
Proportion
0.10
_ P=0.0949
0.05
0.00 1 3 5 7 9 11 Sample 13 15 17 19
LCL=0.0042
Pada Peta P part penutup plat depan terlihat tidak ada nilai cacat yang melebihi batas UCL maupun LCL.
5. Pengunci Baterai Iterasi 0

Tabel 4.29 Pengunci Baterai iterasi 0
No 1 2 3 4 5 6 7 8 9 10 11
Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011
Pengunci baterai N.of N.of Inspection Nonconformities 90 10 90 8 90 12 90 8 90 7 90 14 90 14 90 16 90 11 90 9 90 14
pi 0.111111 0.088889 0.133333 0.088889 0.077778 0.155556 0.155556 0.177778 0.122222 0.1 0.155556
UCL 19.98004605 19.98004605 19.98004605 19.98004605 19.98004605 19.98004605 19.98004605 19.98004605 19.98004605 19.98004605 19.98004605
LCL 1.519953952 1.519953952 1.519953952 1.519953952 1.519953952 1.519953952 1.519953952 1.519953952 1.519953952 1.519953952 1.519953952
CL 10.75 10.75 10.75 10.75 10.75 10.75 10.75 10.75 10.75 10.75 10.75
104
12 13 14 15 16 17 18 19 20
20/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011
90 90 90 90 90 90 90 90 90 1800
7 11 6 9 11 20 12 9 7 215
0.077778 0.122222 0.066667 0.1 0.122222 0.222222 0.133333 0.1 0.077778
19.98004605 19.98004605 19.98004605 19.98004605 19.98004605 19.98004605 19.98004605 19.98004605 19.98004605
1.519953952 1.519953952 1.519953952 1.519953952 1.519953952 1.519953952 1.519953952 1.519953952 1.519953952
10.75 10.75 10.75 10.75 10.75 10.75 10.75 10.75 10.75
Peta Kendali Np
=
= = 10.75+ 3 = 10.75+ 3
10.75 0,119444444 = 19.98004605 = 1.519953952
P bar = UCL = np +3 LCL = np - 3
Peta Np Pengunci Baterai

25 20 cacat 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Data Gambar 4.59 Peta Kendali Np Pengunci Baterai N.of Nonconformities pi UCL LCL CL
105
NP Chart of pengunci baterai

20
1
UCL=19.98
15
Sample Count
10
__ NP=10.75
5 LCL=1.52 0 1 3 5 7 9 11 Sample 13 15 17 19
Pada grafik Peta Kendali P (P-chart) untuk part Pengunci Baterai, terdapat nilai yang melewati batas. Yaitu pada data ke 17.
106
Iterasi 1
Tabel 4.30 Pengunci Baterai iterasi 1
No Date 1 2 3 4 5 6 7 8 9 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011
Pengunci baterai N.of N.of Inspection Nonconformities 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1710 10 8 12 8 7 14 14 16 11 9 14 7 11 6 9 11 12 9 7 195
Pi
UCL
LCL
CL
0.111111 19.30943779 1.216877992 10.26316 0.088889 19.30943779 1.216877992 10.26316 0.133333 19.30943779 1.216877992 10.26316 0.088889 19.30943779 1.216877992 10.26316 0.077778 19.30943779 1.216877992 10.26316 0.155556 19.30943779 1.216877992 10.26316 0.155556 19.30943779 1.216877992 10.26316 0.177778 19.30943779 1.216877992 10.26316 0.122222 19.30943779 1.216877992 10.26316 0.1 19.30943779 1.216877992 10.26316
10 16/9/2011 11 19/9/2011 12 20/9/2011 13 21/9/2011 14 22/9/2011 15 23/9/2011 16 26/9/2011 18 28/9/2011 19 29/9/2011 20 30/9/2011 Jumlah
0.155556 19.30943779 1.216877992 10.26316 0.077778 19.30943779 1.216877992 10.26316 0.122222 19.30943779 1.216877992 10.26316 0.066667 19.30943779 1.216877992 10.26316 0.1 19.30943779 1.216877992 10.26316
0.122222 19.30943779 1.216877992 10.26316 0.133333 19.30943779 1.216877992 10.26316 0.1 19.30943779 1.216877992 10.26316
0.077778 19.30943779 1.216877992 10.26316
Peta Kendali Np
9.75
107
P bar = UCL = np +3 LCL = np - 3
= = 9.75+ 3 = 9.75+ 3
0.114035088 = 19.30943779 = 1.216877992
Peta Np Pengunci Baterai

25 20 Cacat 15 10 5 0 1 3 5 7 9 11 13 15 18 20 Data Gambar 4.62 Peta Kendali Np Pengunci Baterai Iterasi 1 N.of Nonconformities pi UCL LCL CL
108
NP Chart of pengunci baterai

20 UCL=19.31
15
Sample Count
10
__ NP=10.26
LCL=1.22 0 1 3 5 7 9 11 Sample 13 15 17 19
Pada grafik Peta Kendali P (P-chart) untuk part Pengunci Baterai,Setelah melakukan iterasi 1 kali maka tidak ada lagi data yang keluar dari batas.
6. Dinamo Iterasi 0
Tabel 4.31 Dinamo iterasi 0
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 90 90 90 90 90 90 90 90 90 90 90 90 90 90
N. Of Nonconforties 11 18 4 7 10 7 5 9 10 7 7 13 14 6
Np 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250
p 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103
ucl 17,893 17,893 17,893 17,893 17,893 17,893 17,893 17,893 17,893 17,893 17,893 17,893 17,893 17,893
cl 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250 9,250
lcl 0,607 0,607 0,607 0,607 0,607 0,607 0,607 0,607 0,607 0,607 0,607 0,607 0,607 0,607
109
15 16 17 18 19 20
90 90 90 90 90 90
13 8 8 10 8 10
9,250 9,250 9,250 9,250 9,250 9,250
0,103 0,103 0,103 0,103 0,103 0,103
17,893 17,893 17,893 17,893 17,893 17,893
9,250 9,250 9,250 9,250 9,250 9,250
0,607 0,607 0,607 0,607 0,607 0,607
Peta Kendali np Dinamo

20 15 cacat 10 5 0 1 3 5 7 9 11 13 15 17 19 data ke Gambar 4.65 Peta Kendali Np Dinamo Iterasi 0 lcl N. Of Nonconforties ucl cl
NP Chart of C2
20
1
UCL=17,89
15
Sample Count
10
__ NP=9,25
0 1 3 5 7 9 11 Sample 13 15 17 19
LCL=0,61
110
Pada peta kendali iterasi 0 terdapat data yang keluar dari UCL. Data yang keluar adalah data ke-2 dengan number of nonconformities 18.
Iterasi 1
Tabel 4.32 Dinamo iterasi 1
no 1 2 3 4 5 6 7 8 9 10 11 12 13 90 90 90 90 90 90 90 90 90 90 90 90 90
N. Of Nonconforties 11 4 7 10 7 5 9 10 7 7 13 14 6
np 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737
p 0,098 0,098 0,098 0,098 0,098 0,098 0,098 0,098 0,098 0,098 0,098 0,098 0,098
ucl 18,629 18,629 18,629 18,629 18,629 18,629 18,629 18,629 18,629 18,629 18,629 18,629 18,629
cl 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737 9,737
lcl 0,845 0,845 0,845 0,845 0,845 0,845 0,845 0,845 0,845 0,845 0,845 0,845 0,845
111
14 15 16 17 18 19
90 90 90 90 90 90
13 8 8 10 8 10
9,737 9,737 9,737 9,737 9,737 9,737
0,098 0,098 0,098 0,098 0,098 0,098
18,629 18,629 18,629 18,629 18,629 18,629
9,737 9,737 9,737 9,737 9,737 9,737
0,845 0,845 0,845 0,845 0,845 0,845
peta kendali np dinamo stlh iterasi

20 18 16 14 12 10 8 6 4 2 0 1 3 5 7 9 11 13 15 17 19 data ke Gambar 4.68 Peta Kendali Np Dinamo Iterasi 1
cacat
N. Of Nonconforties ucl cl lcl
112
NP Chart of C4
18 16 14 UCL=17,24
Sample Count
12 10 8 6 4 2 0 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0,34 __ NP=8,79
Pada iterasi 1, tidak ada lagi data yang keluar. Berarti data sudah terkontrol dengan baik.
113
7. Gear Besar Iterasi 0

Tabel 4.33 Gear Besar Iterasi 0
NO. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 12/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011 19/09/2011 20/09/2011 21/09/2011 22/09/2011 23/09/2011 26/09/2011 27/09/2011 28/09/2011 29/09/2011 30/09/2011 GEAR BESAR N. OF INSPECTION 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1800 N. OF NONCONFORMITIES 126 107 100 112 110 147 113 108 114 121 106 101 99 106 127 105 99 101 120 150 2272 c 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 CL 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 UCL 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 LCL 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573
114
peta kendali C gear besar

160 140 120 100 80 60 40 20 0 1 3 5 7 9 11 13 15 17 19 data ke N. OF NONCONFORMITIES LCL UCL CL
Gambar 4.71 Peta Kendali C Gear Besar
C Chart of C2
150 140 130
1 1
UCL=141,46
Sample Count
120 110 100 90 80 70 1 3 5 7 9 11 Sample 13 15 17 19 LCL=78,54 _ C=110
115
Pada iterasi 0, terdapat data yang keluar dari UCL. Data yang keluar adalah data ke-6 dan ke-20. Data ke-6 memiliki number of nonconformities adalah 147 dan data ke-20 memiliki number of nonconformities 150.
Iterasi 1
Tabel 4.34 Gear Besar Iterasi 1
NO. 1 2 3 4 5 7 8 9 10 11 DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011 19/09/2011 GEAR BESAR N. OF INSPECTION 90 90 90 90 90 90 90 90 90 90 N. OF NONCONFORMITIES 126 107 100 112 110 113 108 114 121 106 c 110 110 110 110 110 110 110 110 110 110 CL 110 110 110 110 110 110 110 110 110 110 UCL 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 LCL 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573
116
12 13 14 15 16 17 18 19
20/09/2011 21/09/2011 22/09/2011 23/09/2011 26/09/2011 27/09/2011 28/09/2011 29/09/2011
90 90 90 90 90 90 90 90 1620
101 99 106 127 105 99 101 120 1975
110 110 110 110 110 110 110 110
110 110 110 110 110 110 110 110
141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643
78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573
peta kendali c stlh iterasi

160 140 120 100 cacat 80 60 40 20 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 data ke Gambar 4.74 Peta Kendali C Gear Besar Iterasi 1 N. OF NONCONFORMITIES CL UCL LCL
117
C Chart of C3
150 140 130 UCL=141,46
Sample Count
120 110 100 90 80 70 1 3 5 7 9 11 Sample 13 15 17 LCL=78,54 _ C=110
Pada iterasi 1 tidak ada yang keluar dari UCL dan LCL. Hal ini berarti data sudah terkontrol.
118
8. Gear Kecil
Tabel 4.35 Gear Kecil Iterasi 0
NO. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 12/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011 19/09/2011 20/09/2011 21/09/2011 22/09/2011 23/09/2011 26/09/2011 27/09/2011 28/09/2011 29/09/2011 30/09/2011 GEAR KECIL N. OF INSPECTION 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1800 N. OF NONCONFORMITIES 103 101 109 95 97 125 96 123 103 101 91 114 108 105 114 107 128 108 141 121 2190 c 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 CL 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 UCL 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 141,4643 LCL 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573 78,53573
119
peta kendali c gear kecil

160 140 120 cacat 100 80 60 40 20 0 1 3 5 7 9 11 13 15 17 19 data ke Gambar 4.77 Peta Kendali C Gear Kecil LCL UCL N. OF NONCONFORMITIES CL
C Chart of C4
150 140 130 UCL=141,46
Sample Count
120 110 100 90 80 70 1 3 5 7 9 11 Sample 13 15 17 19 LCL=78,54 _ C=110
120
Pada iterasi 0,tidak terdapat data yang keluar dari UCL dan LCL. Sehingga datanya sudah terkontrol.
9. Roller Iterasi 0
Tabel 4.36 Roller Iterasi 0
NO. 1 2 3 4 5 6 7 8 9 10
DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 12/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011
Roller Besar N. Of N. Of Inspesction Nonconformities 90 109 90 109 90 110 90 106 90 86 90 103 90 85 90 102 90 96 90 88
c 99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7
CL 99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7
UCL 129,655 129,655 129,655 129,655 129,655 129,655 129,655 129,655 129,655 129,655
LCL 69,74503 69,74503 69,74503 69,74503 69,74503 69,74503 69,74503 69,74503 69,74503 69,74503
121
11 12 13 14 15 16 17 18 19 20
19/09/2011 20/09/2011 21/09/2011 22/09/2011 23/09/2011 26/09/2011 27/09/2011 28/09/2011 29/09/2011 30/09/2011
90 90 90 90 90 90 90 90 90 90
89 108 110 89 95 132 107 99 81 90
99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7
99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7 99,7
129,655 129,655 129,655 129,655 129,655 129,655 129,655 129,655 129,655 129,655
69,74503 69,74503 69,74503 69,74503 69,74503 69,74503 69,74503 69,74503 69,74503 69,74503
Peta Kendali Jumlah Ketidaksesuaian (c-chart) Roller Besar Iterasi 0
Peta Kendali C Roller Besar

140 120 100 Cacat 80 60 40 20 0 1 3 5 7 9 11 13 15 17 19 Data keGambar 4.80 Peta Kendali C Roller Besar N. Of Nonconformities CL UCL LCL
122
C Chart of Roller Besar

140
1
130 120
UCL=129,65
Sample Count
110 100 90 80 70 1 3 5 7 9 11 Sample 13 15 17 19 LCL=69,75 _ C=99,7
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part roller besar, terdapat satu yang melewati batas yaitu yang memiliki nilai nonconformities sebesar 132. Program Studi Teknik Industri Universitas Diponegoro 2012
123
Iterasi 1
Tabel 4.37 Roller Iterasi 1
NO. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 12/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011 19/09/2011 20/09/2011 21/09/2011 22/09/2011 23/09/2011 27/09/2011 28/09/2011 29/09/2011 30/09/2011
Roller Besar N. Of N. Of Inspesction Nonconformities 90 109 90 109 90 110 90 106 90 86 90 103 90 85 90 102 90 96 90 88 90 89 90 108 90 110 90 89 90 95 90 107 90 99 90 81 90 90
c 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98
CL 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98 98
UCL 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985 127,6985
LCL 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152 68,30152
Peta Kendali Jumlah Ketidaksesuaian (c-chart) Roller Besar Iterasi 1
124
Peta Kendali C Roller Besar Iterasi 1

140 120 100 80 60 40 20 0 1 3 5 7 9 11 13 15 17 19 Data ke Gambar 4.83 Peta Kendali C Roller Besar Iterasi 1
Cacat
CL UCL LCL N. Of Nonconformities
125
C Chart of Roller Besar

130 120 110 UCL=127,70
Sample Count
100 90 80 70 1 3 5 7 9 11 Sample 13 15 17 19
_ C=98
LCL=68,30
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part roller besar,setelah dilakukan iterasi, sudah tidak terdapat lagi nilai yang melewati batas.
10. Rumah Dinamo Iterasi 0

Tabel 4.38 Rumah Dinamo Iterasi 0
NO. 1 2 3 4 5 6 7 8 9 10 11 12
DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 12/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011 19/09/2011 20/09/2011
Rumah Dinamo N. Of N. Of Inspesction Nonconformities 90 120 90 110 90 103 90 119 90 111 90 106 90 114 90 98 90 146 90 112 90 112 90 129
c 113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35
CL 113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35
UCL 145,2898 145,2898 145,2898 145,2898 145,2898 145,2898 145,2898 145,2898 145,2898 145,2898 145,2898 145,2898
LCL 81,41021 81,41021 81,41021 81,41021 81,41021 81,41021 81,41021 81,41021 81,41021 81,41021 81,41021 81,41021
126
13 14 15 16 17 18 19 20
21/09/2011 22/09/2011 23/09/2011 26/09/2011 27/09/2011 28/09/2011 29/09/2011 30/09/2011
90 90 90 90 90 90 90 90
147 101 102 101 100 115 120 101
113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35
113,35 113,35 113,35 113,35 113,35 113,35 113,35 113,35
145,2898 145,2898 145,2898 145,2898 145,2898 145,2898 145,2898 145,2898
81,41021 81,41021 81,41021 81,41021 81,41021 81,41021 81,41021 81,41021
Peta Kendali Jumlah Ketidaksesuaian (c-chart) Rumah Dinamo Iterasi 0
Peta Kendali C Rumah Dinamo

160 140 120 Cacat 100 80 60 40 20 0 1 3 5 7 9 11 13 15 17 19 Data KeGambar 4.86 Peta Kendali C Rumah Dinamo N. Of Nonconformities CL UCL LCL
127
C Chart of Rumah Dinamo

150 140 130
1 1
UCL=145,29
Sample Count
120 110 100 90 80 1 3 5 7 9 11 Sample 13 15 17 19
_ C=113,35
LCL=81,41
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part rumah dinamo, terdapat dua yang melewati batas yaitu yang memiliki nilai nonconformities sebesar 146 dan 147. Program Studi Teknik Industri Universitas Diponegoro 2012
128
Iterasi 1
Tabel 4.39 Rumah Dinamo Iterasi 1
NO. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 12/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011 19/09/2011 20/09/2011 21/09/2011 22/09/2011 23/09/2011 27/09/2011 28/09/2011 29/09/2011
Rumah Dinamo N. Of N. Of Inspesction Nonconformities 90 120 90 110 90 103 90 119 90 111 90 106 90 114 90 98 90 112 90 112 90 129 90 101 90 102 90 101 90 100 90 115 90 120 90 101
c 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667
CL 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667 109,6667
UCL 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832 141,0832
LCL 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011 78,25011
Peta Kendali Jumlah Ketidaksesuaian (c-chart) Rumah Dinamo Iterasi 1
129
Peta Kendali C Rumah Dinamo Iterasi 1

160 140 120 100 80 60 40 20 0 1 3 5 7 9 11 13 15 17
Cacat
N. Of Nonconformities CL UCL LCL
Data keGambar 4.89 Peta Kendali C Rumah Dinamo Iterasi 1
130
C Chart of Rumah Dinamo

140 130 120 110 100 90 80 70 1 3 5 7 9 11 Sample 13 15 17 LCL=78,25 _ C=109,67 UCL=141,08
Sample Count
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part rumah dinamo,setelah dilakukan iterasi, sudah tidak terdapat lagi nilai yang melewati batas.
11. Roda Assy Iterasi 0

Tabel 4.40 Roda Assy Iterasi 0
Roda Assy NO. 1 2 3 4 5 6 7 8 9 10 11 DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 12/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011 19/09/2011 N. Of Inspesction 90 90 90 90 90 90 90 90 90 90 90 N. Of Nonconformities 101 103 103 99 98 99 92 109 83 108 84 c 97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7 CL 97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7 UCL 127,353 127,353 127,353 127,353 127,353 127,353 127,353 127,353 127,353 127,353 127,353 LCL 68,04701 68,04701 68,04701 68,04701 68,04701 68,04701 68,04701 68,04701 68,04701 68,04701 68,04701
131
12 13 14 15 16 17 18 19 20
20/09/2011 21/09/2011 22/09/2011 23/09/2011 26/09/2011 27/09/2011 28/09/2011 29/09/2011 30/09/2011
90 90 90 90 90 90 90 90 90
96 107 90 101 102 94 102 98 85
97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7
97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7 97,7
127,353 127,353 127,353 127,353 127,353 127,353 127,353 127,353 127,353
68,04701 68,04701 68,04701 68,04701 68,04701 68,04701 68,04701 68,04701 68,04701
Peta Kendali Jumlah Ketidaksesuaian (c-chart) Roda Assy
Peta Kendali C Roda Assy

140 120 100 Cacat 80 60 40 20 0 1 3 5 7 9 11 13 15 17 19 Data keGambar 4.92 Peta Kendali C Roda Assy N. Of Nonconformities CL UCL LCL
132
C Chart of Roda Assy

130 120 110
Sample Count
UCL=127,35
100 90 80 70 60 1 3 5 7 9 11 Sample 13 15 17 19
_ C=97,7
LCL=68,05
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part roda assy, tidak terdapat nilai yang melewati batas.
133
12. Bumper Belakang Iterasi 0

Tabel 4.41 Bumper Belakang Iterasi 0
NO. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 12/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011 19/09/2011 20/09/2011 21/09/2011 22/09/2011 23/09/2011 26/09/2011 27/09/2011 28/09/2011 29/09/2011 30/09/2011
Bumper Belakang N. Of N. Of Inspesction Nonconformities 92 156 103 162 75 157 81 151 103 170 95 159 101 134 88 172 92 158 91 165 90 153 80 161 102 147 99 140 78 162 82 151 107 149 80 151 108 151 92 184
u 1,695652 1,572816 2,093333 1,864198 1,650485 1,673684 1,326733 1,954545 1,717391 1,813187 1,7 2,0125 1,441176 1,414141 2,076923 1,841463 1,392523 1,8875 1,398148 2
CL 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643 1,703643
UCL 2,111884 2,08947 2,155791 2,138722 2,08947 2,105387 2,093271 2,121059 2,111884 2,114121 2,116395 2,141433 2,091356 2,097187 2,14701 2,136061 2,082189 2,141433 2,080433 2,111884
LCL 1,295402 1,317817 1,251496 1,268564 1,317817 1,3019 1,314016 1,286227 1,295402 1,293165 1,290891 1,265854 1,31593 1,3101 1,260276 1,271225 1,325097 1,265854 1,326854 1,295402
Peta Kendali Jumlah Ketidaksesuaian per unit (p-chart) Bumper Belakang
134
Peta Kendali u Bumper Belakang

2.5 2 Cacat 1.5 1 0.5 0 1 3 5 7 9 11 13 15 17 19 21 u CL UCL LCL Data KeGambar 4.95 Peta Kendali u Bumper Belakang
135
U Chart of Bumper Belakang

2,2 UCL=2,112
Sample Count Per Unit
2,0
1,8
_ U=1,704
1,6
1,4 LCL=1,295 1,2 1 3 5 7 9 11 Sample 13 15 17 19
Gambar 4.97Output Software Minitab
Pada grafik Peta Kendali Jumlah Ketidaksesuaian per unit (u-chart) untuk bumper belakang, tidak terdapat nilai yang melewati batas. 13. Pengunci Body Iterasi 0
Tabel 4.42 Pengunci Body Iterasi 0
NO. 1 2 3 4 5 6 7 8 9 10 11 12 13 14
DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 12/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011 19/09/2011 20/09/2011 21/09/2011 22/09/2011
Pengunci Body N. Of N. Of Inspesction Nonconformities 107 99 85 89 90 96 96 115 95 81 72 133 101 98 87 94 90 106 92 84 91 88 91 87 103 84 87 88
u 0,925234 1,047059 1,066667 1,197917 0,852632 1,847222 0,970297 1,08046 1,177778 0,913043 0,967033 0,956044 0,815534 1,011494
CL 1,053629 1,053629 1,053629 1,053629 1,053629 1,053629 1,053629 1,053629 1,053629 1,053629 1,053629 1,053629 1,053629 1,053629
UCL 1,351326 1,387637 1,378226 1,367919 1,369569 1,416539 1,360041 1,383775 1,378226 1,374678 1,376438 1,376438 1,357051 1,383775
LCL 0,755933 0,719622 0,729033 0,73934 0,73769 0,690719 0,747218 0,723484 0,729033 0,73258 0,730821 0,730821 0,750208 0,723484
136
15 16 17 18 19 20
23/09/2011 26/09/2011 27/09/2011 28/09/2011 29/09/2011 30/09/2011
106 105 83 78 89 98
86 94 112 121 102 88
0,811321 0,895238 1,349398 1,551282 1,146067 0,897959
1,053629 1,053629 1,053629 1,053629 1,053629 1,053629
1,352727 1,354148 1,391637 1,402302 1,380045 1,364695
0,754532 0,753111 0,715622 0,704957 0,727214 0,742564
Peta Kendali Jumlah Ketidaksesuaian per unit (p-chart) Pengunci Body Iterasi 0
Peta Kendali u Pengunci Body

2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 Data KeGambar 4.98 Peta Kendali u Pengunci Body
Cacat
u CL UCL LCL
137
U Chart of Pengunci Body

2,0
1
1,8
1,6 1,4 1,2 1,0 0,8 0,6 1 3 5 7 9 11 Sample 13 15 17
UCL=1,365 _ U=1,054
LCL=0,743 19
Pada grafik Peta Kendali Jumlah Ketidaksesuaian per Unit (u-chart) untuk part pengunci body, terdapat dua yang melewati batas yaitu yang memiliki nilai nonconformities sebesar 133 dan 121 atau nilai u sebesar 1,847222 dan 1,551282. Program Studi Teknik Industri Universitas Diponegoro 2012
138
Iterasi 1
NO. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011 19/09/2011 20/09/2011 21/09/2011 22/09/2011 23/09/2011 26/09/2011 27/09/2011 28/09/2011 29/09/2011
Pengunci Body N. Of N. Of Inspesction Nonconformities 107 99 85 89 90 96 96 115 95 81 101 98 87 94 90 106 92 84 91 88 91 87 103 84 87 88 106 86 105 94 83 112 89 102 98 88
u 0,925234 1,047059 1,066667 1,197917 0,852632 0,970297 1,08046 1,177778 0,913043 0,967033 0,956044 0,815534 1,011494 0,811321 0,895238 1,349398 1,146067 0,897959
CL 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052 0,997052
UCL 1,286645 1,321968 1,312813 1,302786 1,304391 1,295123 1,318211 1,312813 1,309362 1,311073 1,311073 1,292215 1,318211 1,288008 1,28939 1,325859 1,314582 1,299651
LCL 0,707459 0,672136 0,681291 0,691317 0,689712 0,698981 0,675893 0,681291 0,684742 0,68303 0,68303 0,701889 0,675893 0,706096 0,704714 0,668245 0,679522 0,694453
139
Peta kendali u Pengunci Body Iterasi 1

1.5 Cacat 1 0.5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Data keGambar 4.101 Peta Kendali u Pengunci Body Iterasi 1 u CL UCL LCL
140

2,0
1
1,8
1,6 1,4 1,2 1,0 0,8 0,6 1 3 5 7 9 11 Sample 13 15 17
UCL=1,365 _ U=1,054
LCL=0,743 19
Pada grafik Peta Kendali Jumlah Ketidaksesuaian per unit (u-chart) untuk part pengunci body, walaupun telah dilakukan iterasi masih terdapat satu yang melewati batas yaitu yang memiliki nilai nonconformities sebesar 112 atau nilai u sebear 1,349398. Iterasi 2
NO. 1 2 3 4 5 6 7 8 9 10 11 12
DATE 05/09/2011 06/09/2011 07/09/2011 08/09/2011 09/09/2011 13/09/2011 14/09/2011 15/09/2011 16/09/2011 19/09/2011 20/09/2011 21/09/2011
Pengunci Body N. Of N. Of Inspesction Nonconformities 107 99 85 89 90 96 96 115 95 81 101 98 87 94 90 106 92 84 91 88 91 87 103 84
u 0,925234 1,047059 1,066667 1,197917 0,852632 0,970297 1,08046 1,177778 0,913043 0,967033 0,956044 0,815534
CL 0,978921 0,978921 0,978921 0,978921 0,978921 0,978921 0,978921 0,978921 0,978921 0,978921 0,978921 0,978921
UCL 1,265869 1,300869 1,291798 1,281863 1,283454 1,27427 1,297147 1,291798 1,288379 1,290075 1,290075 1,271388
LCL 0,691973 0,656973 0,666044 0,675979 0,674389 0,683573 0,660695 0,666044 0,669464 0,667768 0,667768 0,686454
141
13 14 15 16 17
22/09/2011 23/09/2011 26/09/2011 28/09/2011 29/09/2011
87 106 105 89 98
88 86 94 102 88
1,011494 0,811321 0,895238 1,146067 0,897959
0,978921 0,978921 0,978921 0,978921 0,978921
1,297147 1,26722 1,268589 1,293551 1,278756
0,660695 0,690623 0,689253 0,664291 0,679086
Peta Kendali Pengunci Body Iterasi 2

1.4 1.2 1 0.8 0.6 0.4 0.2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Data keGambar 4.104 Peta Kendali u Pengunci Body Iterasi 2
Cacat
u CL UCL LCL
142

1,3 1,2 UCL=1,2788
1,1 1,0 0,9 0,8 0,7 0,6 1 3 5 7 9 Sample 11 13 15 17 LCL=0,6791 _ U=0,9789
143
Pada grafik Peta Kendali Jumlah Ketidaksesuaian (c-chart) untuk part pengunci body, setelah dilakukan iterasi sebanyak dua kali, sudah tidak terdapat lagi nilai yang melewati batas. 14. Tuas On-Off Iterasi 0
Tabel 4.45 Tuas On-Off Iterasi 0
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah
Tuas On-Off N.of N.of Inspection Nonconformities 103 105 89 98 86 114 88 81 91 96 84 98 89 98 78 89 91 91 79 111 78 104 81 89 99 94 104 115 86 81 89 78 85 102 98 96 66 109 97 105 1761 1954
UCL 1.420972898 1.444569087 1.450361544 1.446466963 1.440867623 1.454394403 1.444569087 1.467410182 1.440867623 1.465138329 1.467410182 1.460721492 1.427201036 1.419472282 1.450361544 1.444569087 1.452360182 1.428817353 1.498580955 1.430458601
LCL 0.7982207 0.7746246 0.7688321 0.7727267 0.778326 0.7647992 0.7746246 0.7517835 0.778326 0.7540553 0.7517835 0.7584721 0.7919926 0.7997214 0.7688321 0.7746246 0.7668335 0.7903763 0.7206127 0.788735
CL 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682 1.10959682
u 1.01941748 1.1011236 1.3255814 0.92045455 1.05494505 1.16666667 1.1011236 1.14102564 1 1.40506329 1.33333333 1.09876543 0.94949495 1.10576923 0.94186047 0.87640449 1.2 0.97959184 1.65151515 1.08247423
144
PetaKendali u
1.1095968
Peta U Tuas On Off

1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Data Gambar 4.107 Peta Kendali U Tuas On Off
Cacat
UCL LCL CL ui
145
U Chart of tuas
1
1.6
1.4 1.2 1.0 0.8 0.6 1 3 5 7 9 11 Sample 13 15 17 19
UCL=1.430
_ U=1.110
LCL=0.789
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, terdapat nilai yang melewati batas. Yaitu pada data ke 19 yaitu sebesar 1,65151515.
146
Iterasi 1
Tabel 4.46 Tuas On-Off Iterasi 1
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 20
Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011 27/9/2011 28/9/2011 30/9/2011 Jumlah
Tuas On-Off N.of N.of Inspection Nonconformities 103 105 89 98 86 114 88 81 91 96 84 98 89 98 78 89 91 91 79 111 78 104 81 89 99 94 104 115 86 81 89 78 85 102 98 96 97 105 1695 1845
UCL 1.396896716 1.420267464 1.426004579 1.422147207 1.416601364 1.429998907 1.420267464 1.442890332 1.416601364 1.440640183 1.442890332 1.436265546 1.40306535 1.395410437 1.426004579 1.420267464 1.427984121 1.404666224 1.406291791
LCL 0.7800944 0.7567237 0.7509866 0.7548439 0.7603898 0.7469922 0.7567237 0.7341008 0.7603898 0.736351 0.7341008 0.7407256 0.7739258 0.7815807 0.7509866 0.7567237 0.749007 0.7723249 0.7706994
CL 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558 1.08849558
ui 1.01941748 1.1011236 1.3255814 0.92045455 1.05494505 1.16666667 1.1011236 1.14102564 1 1.40506329 1.33333333 1.09876543 0.94949495 1.10576923 0.94186047 0.87640449 1.2 0.97959184 1.08247423
PetaKendali u
1.0884956 1.0884956
147
Peta U Tuas On Off

1.6 1.4 1.2 Cacat 1 0.8 0.6 0.4 0.2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 20 Data Gambar 4.110 Peta Kendali U Tuas On Off Iterasi 1 UCL LCL CL ui
148
U Chart of tuas
1.5 1.4 UCL=1.4063
1.3 1.2 1.1 1.0 0.9 0.8 0.7 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0.7707 _ U=1.0885
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan,Setelah mengalami 1 kali iterasi maka tidak ada data yang keluar. 15. Gear Dinamo Iterasi 0
Tabel 4.47 Gear Dinamo Iterasi 0
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011
Gear Dinamo N. of N. of Inspection Nonconformities 102 95 88 78 90 98 91 113 90 93 103 83 82 72 103 115 94 103 76 94 92 104 95 96 73 84 83 103
UCL 1.38287 1.40646 1.40276 1.40095 1.40276 1.38137 1.41838 1.38137 1.39571 1.43168 1.39918 1.39401 1.43894 1.4163
LCL 0.76693 0.74334 0.74705 0.74885 0.74705 0.76843 0.73142 0.76843 0.7541 0.71812 0.75063 0.75579 0.71087 0.7335
CL 1.0749 1.0749 1.0749 1.0749 1.0749 1.0749 1.0749 1.0749 1.0749 1.0749 1.0749 1.0749 1.0749 1.0749
ui 0.9313 0.8863 1.0888 1.2417 1.0333 0.8058 0.8780 1.1165 1.0957 1.2368 1.1304 1.0105 1.1506 1.2409
149
15 16 17 18 19 20
23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah
77 88 82 102 90 88 1789
87 104 106 104 97 94 1923
1.42936 1.40646 1.41838 1.38287 1.40276 1.40646
0.72045 0.74334 0.73142 0.76693 0.74705 0.74334
1.0749 1.0749 1.0749 1.0749 1.0749 1.0749
1.1298 1.1818 1.2926 1.0196 1.0777 1.0681
PetaKendali u
1,074902
Peta U Gear Dinamo

2 1.5 Cacat 1 0.5 0 1 2 3 4 5 6 7 8 9 1011121314151617181920 Data Gambar 4.113 Peta Kendali U Gear Dinamo UCL LCL CL ui
150
U Chart of gear dinamo

1.5 1.4 UCL=1.4065
1.3 1.2 1.1 1.0 0.9 0.8 0.7 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0.7433 _ U=1.0749
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, tidak terdapat nilai yang melewati batas. Program Studi Teknik Industri Universitas Diponegoro 2012
151
16. Pengunci Dinamo

Tabel 4.48 Pengunci Dinamo Iterasi 0
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah PetaKendali u
Pengunci Dinamo N. of Inspection N. of Nonconformities 68 87 110 110 87 78 91 92 90 100 96 93 84 96 77 134 83 85 100 83 98 105 85 100 88 76 77 93 90 94 77 82 96 102 94 134 100 98 103 110 1794 1952
UCL 1.46756 1.38644 1.42357 1.41611 1.41793 1.40746 1.42951 1.44469 1.43156 1.401 1.40418 1.42749 1.42166 1.44469 1.41793 1.44469 1.40746 1.41084 1.401 1.39641
LCL 0.70859 0.7897 0.75257 0.76003 0.75821 0.76869 0.74663 0.73145 0.74458 0.77514 0.77196 0.74865 0.75448 0.73145 0.75821 0.73145 0.76869 0.76531 0.77514 0.77973
CL 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807 1.08807
ui 1.27941 1 0.89655 1.01099 1.11111 0.96875 1.14286 1.74026 1.0241 0.83 1.07143 1.17647 0.86364 1.20779 1.04444 1.06494 1.0625 1.42553 0.98 1.06796
1,27941 1.088071349
152
Peta U Pengunci Dinamo

2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Data Gambar 4.116 Peta Kendali U Pengunci Dinamo
Cacat
UCL LCL CL ui
153
U Chart of pengunci dinamo

1.8 1.6
1 1
1.4 1.2 1.0 0.8 0.6 1 3 5 7 9 11 Sample 13 15 17 19
UCL=1.396
_ U=1.088
LCL=0.780
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, terdapat nilai yang melewati batas. Yaitu pada data ke 8 dan ke 18 yaitu sebesar 1,74026 dan 1,42553.
Iterasi 1
Pengunci Dinamo No 1 2 3 4 5 6 7 9 10 11 12 13 14 15 16 Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 12/9/2011 13/9/2011 14/9/2011 16/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011 N. of Inspection 68 110 87 91 90 96 84 83 100 98 85 88 77 90 77 N. of Nonconformities 87 110 78 92 100 93 96 85 83 105 100 76 93 94 82 UCL 1.43317 1.35316 1.38978 1.38243 1.38422 1.37389 1.39564 1.39766 1.36752 1.37066 1.39365 1.3879 1.41062 1.38422 1.41062 LCL 0.68447 0.76449 0.72787 0.73522 0.73343 0.74376 0.72201 0.71998 0.75013 0.74699 0.72399 0.72975 0.70703 0.73343 0.70703 CL 1.05882 1.05882 1.05882 1.05882 1.05882 1.05882 1.05882 1.05882 1.05882 1.05882 1.05882 1.05882 1.05882 1.05882 1.05882 ui 1.27941 1 0.89655 1.01099 1.11111 0.96875 1.14286 1.0241 0.83 1.07143 1.17647 0.86364 1.20779 1.04444 1.06494
154
17 18 19 20
27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah PetaKendali u
96 94 100 103 1717
102 134 98 110 1818
1.37389 1.37722 1.36752 1.36299
0.74376 0.74043 0.75013 0.75465
1.05882 1.0625 1.05882 1.42553 1.05882 0.98 1.05882 1.06796
1,27941 1.058823529

1.6 1.4 1.2 cacat 1 0.8 0.6 0.4 0.2 0 1 2 3 4 5 6 7 9 10 11 12 13 14 15 16 17 18 19 20 Data Gambar 4.119 Peta Kendali U Pengunci Dinamo Iterasi 1 UCL LCL CL ui
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, setelah melakukan iterasi yang pertama maka nilai yang melebihi batas terdapat pada data ke 18 sebesar 1.42553 Program Studi Teknik Industri Universitas Diponegoro 2012
155
Iterasi 2
No 1 2 3 4 5 6 7 9 10 11 12 13 14 15 16 17 19 20
Date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 12/9/2011 13/9/2011 14/9/2011 16/9/2011 19/9/2011 21/9/2011 22/9/2011 23/9/2011 26/9/2011 27/9/2011 28/9/2011 29/9/2011 30/9/2011 Jumlah
Pengunci Dinamo N. of N. of Inspection Nonconformities 68 87 110 110 87 78 91 92 90 100 96 93 84 96 83 85 100 83 98 105 85 100 88 76 77 93 90 94 77 82 96 102 100 98 103 110 1623 1684
UCL 1.40816 1.32895 1.36521 1.35793 1.3597 1.34947 1.37101 1.37301 1.34317 1.34627 1.36904 1.36334 1.38583 1.3597 1.38583 1.34947 1.34317 1.33869
LCL 0.66701 0.74622 0.70996 0.71724 0.71547 0.7257 0.70416 0.70216 0.732 0.7289 0.70613 0.71183 0.68934 0.71547 0.68934 0.7257 0.732 0.73648
CL 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758 1.03758
ui 1.27941 1 0.89655 1.01099 1.11111 0.96875 1.14286 1.0241 0.83 1.07143 1.17647 0.86364 1.20779 1.04444 1.06494 1.0625 0.98 1.06796
PetaKendali u 1,27941 1.03758472
156

1.6 1.4 1.2 Cacat 1 0.8 0.6 0.4 0.2 0 1 2 3 4 5 6 7 9 10 11 12 13 14 15 16 17 19 20 data Gambar 4.120 Peta Kendali U Pengunci Dinamo Iterasi 2 UCL LCL CL ui
157
U Chart of pengunci dinamo

1.5 1.4
1.3 1.2 1.1 1.0 0.9 0.8 0.7 0.6 1 3 5 7 9 11 Sample 13 15 17
UCL=1.3387
_ U=1.0376
LCL=0.7365
Pada grafik Peta Kendali P (P-chart) untuk part Plat depan, setelah melalui 2 kali iterasi maka tidak terdapat nilai yang melebihi batas.
17. Body Iterasi 0

Tabel 4.51 Body Iterasi 0
N. OF NONCONFORMITIES SCRATCH STRING CAMBER 176 72 19 143 65 19 163 73 15 166 68 23 167 73 18 155 57 14 188 73 18 172 77 16 173 74 18 175 70 19 161 71 17 172 67 19 160 81 28 164 84 16 Program Studi Teknik Industri Universitas Diponegoro 2012
total demerit D 1846 1743 1643 1996 1797 1425 1818 1742 1813 1825 1721 1792 2370 1804
demerit per unit U 20,51111111 19,36666667 18,25555556 22,17777778 19,96666667 15,83333333 20,2 19,35555556 20,14444444 20,27777778 19,12222222 19,91111111 26,33333333 20,04444444
ucl 27,45912 27,45912 27,45912 27,45912 27,45912 27,45912 27,45912 27,45912 27,45912 27,45912 27,45912 27,45912 27,45912 27,45912
cl 19,84778 19,84778 19,84778 19,84778 19,84778 19,84778 19,84778 19,84778 19,84778 19,84778 19,84778 19,84778 19,84778 19,84778
lcl 12,23643 12,23643 12,23643 12,23643 12,23643 12,23643 12,23643 12,23643 12,23643 12,23643 12,23643 12,23643 12,23643 12,23643
158
194 172 174 170 177 164 3386
73 62 77 78 76 73 1444
14 13 15 21 18 18 358
1624 1442 1694 2000 1837 1794
18,04444444 16,02222222 18,82222222 22,22222222 20,41111111 19,93333333
27,45912 27,45912 27,45912 27,45912 27,45912 27,45912
19,84778 19,84778 19,84778 19,84778 19,84778 19,84778
12,23643 12,23643 12,23643 12,23643 12,23643 12,23643
Bobot camber=50 Bobot string=10 Bobot scartch=1 Total demerit D 1=19x50+72x10+176x1=1846 Demerit per unit U=1846/90=20,51 u1=jumlah scratch/(20x90)= 3386/1800=1,8811 u2= jumlah string/(20x90)= 1444/1800=0,8022 u3= jumlah camber/(20x90)= 358/1800=0,1988
UCL= LCL=
=19,84778+3x2,537115=27,45912 =19,84778-3x2,537115=12,23643
159
Peta kendali U Body

30 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 data ke Gambar 4.123 Peta Kendali U Body ucl cl lcl ui
Pada iterasi 0 tidak ada data yang melebihi batas atas dan batas bawah. Sehingga dapat dikatakan bahwa data terkontrol.
18. Chasis Iterasi 0

Tabel 4.52 Chasis Iterasi 0
N. OF NONCONFORMITIES SCRATCH STRING CAMBER 170 82 10 172 89 15 154 68 20 157 88 21 167 70 17 150 74 11 145 69 18 162 73 19 184 79 17 189 79 17 174 81 16 179 67 16 150 78 13 Program Studi Teknik Industri Universitas Diponegoro 2012
total demerit D 1490 1812 1834 2087 1717 1440 1735 1842 1824 1829 1784 1649 1580
demerit per unit U 16,55556 20,13333 20,37778 23,18889 19,07778 16 19,27778 20,46667 20,26667 20,32222 19,82222 18,32222 17,55556
ucl 27,05253 27,05253 27,05253 27,05253 27,05253 27,05253 27,05253 27,05253 27,05253 27,05253 27,05253 27,05253 27,05253
cl 19,64111 19,64111 19,64111 19,64111 19,64111 19,64111 19,64111 19,64111 19,64111 19,64111 19,64111 19,64111 19,64111
lcl 12,22969 12,22969 12,22969 12,22969 12,22969 12,22969 12,22969 12,22969 12,22969 12,22969 12,22969 12,22969 12,22969
160
176 176 178 179 175 187 200 3424
82 69 84 82 72 65 77 1528
12 24 13 16 22 20 16 333
1596 2066 1668 1799 1995 1837 1770
17,73333 22,95556 18,53333 19,98889 22,16667 20,41111 19,66667
27,05253 27,05253 27,05253 27,05253 27,05253 27,05253 27,05253
19,64111 19,64111 19,64111 19,64111 19,64111 19,64111 19,64111
12,22969 12,22969 12,22969 12,22969 12,22969 12,22969 12,22969
Bobot camber=50 Bobot string=10 Bobot scartch=1 Total demerit D 1=10x50+82x10+170x1=1490 Demerit per unit U=1490/90=16,56 u1=jumlah scratch/(20x90)= 3424/1800=1,9022 u2= jumlah string/(20x90)= 1528/1800=0,8489 u3= jumlah camber/(20x90)= 333/1800=0,185
UCL= LCL=
=19,641+3x2,47=27,05253 =19,641-3x2,47=12,22969
161
Peta Kendali U Chasis

30 25 20 15 10 5 0 1 3 5 7 9 11 13 15 17 19 ui demerit per unit U ucl cl lcl
data ke Gambar 4.124 Peta Kendali U Chasis
Pada iterasi 0 tidak ada data yang keluar dari batas atas dan batas bawah. Sehingga dapat dikatakan data terkontrol.
162
4.3
Finish Product 4.3.1 Data Kualitas Finished Product

Tabel 4.53 Data Kualitas Finished Product
dinamo tidak menyala no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 10/9/2011 11/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 17/9/2011 18/9/2011 19/9/2011 n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 n. of nonconformities 1 2 3 3 3 1 3 1 2 2 8 5 3 2 4
roda depan dan belakang tidak berputar n. of n. of inspection nonconformities 90 3 90 4 90 4 90 4 90 12 90 7 90 2 90 5 90 4 90 3 90 7 90 6 90 5 90 2 90 6
bumper tidak terpasang dengan baik n. of n. of inspection nonconformities 90 3 90 2 90 1 90 11 90 5 90 5 90 3 90 3 90 5 90 6 90 4 90 3 90 2 90 4 90 3
163
16 17 18 19 20
20/9/2011 21/9/2011 22/9/2011 23/9/2011 24/9/2011
90 90 90 90 90
3 5 3 3 1
90 90 90 90 90
6 12 1 6 5
90 90 90 90 90
10 2 1 4 4
no 1 2 3 4 5 6 7 8 9 10 11 12 13
date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 10/9/2011 11/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011 17/9/2011
roller tidak berputar n. of n. of inspection nonconformities 90 1 90 4 90 1 90 2 90 6 90 2 90 9 90 8 90 1 90 4 90 2 90 4 90 3
pengunci body longgar n. of n. of inspection nonconformities 90 3 90 1 90 5 90 10 90 2 90 4 90 7 90 2 90 6 90 1 90 3 90 4 90 4
plat depan macet n. of n. of inspection nonconformities 90 4 90 6 90 3 90 1 90 1 90 1 90 3 90 3 90 2 90 3 90 2 90 7 90 3
164
14 15 16 17 18 19 20
18/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 24/9/2011
90 90 90 90 90 90 90
5 12 3 5 4 4 2
90 90 90 90 90 90 90
2 4 2 11 2 2 4
90 90 90 90 90 90 90
2 1 5 9 1 2 2
no 1 2 3 4 5 6 7 8 9 10 11 12
date 5/9/2011 6/9/2011 7/9/2011 8/9/2011 9/9/2011 10/9/2011 11/9/2011 12/9/2011 13/9/2011 14/9/2011 15/9/2011 16/9/2011
tuas on-off longgar n. of inspection n. of nonconformities 90 3 90 4 90 3 90 3 90 3 90 4 90 5 90 2 90 2 90 3 90 2 90 3
165
13 14 15 16 17 18 19 20
17/9/2011 18/9/2011 19/9/2011 20/9/2011 21/9/2011 22/9/2011 23/9/2011 24/9/2011
90 90 90 90 90 90 90 90
5 8 2 2 2 5 5 9
166
4.3.2 Diagram Pareto (Manual-Excel, SPSS, Minitab)

Tabel 4.54 Data Diagram Pareto
nonconformity Roda depan dan beakang tidak berputar Roller tidak berputar Bumper tidak terpasang dengan baik Pengunci body longgar Tuas on-off longgar Plat depan macet Dinamo tidak menyala total
frequency 104 82 81 79 75 61 58 540
% frequency 19% 15% 15% 15% 14% 11% 11%
cumulative % frequency 19% 34% 49% 64% 78% 89% 100%
Pareto Chart of Finish Product

100 frequency 80 60 40 20 0 roller tidak berputar tuas on-off longgar roda depan dan belakang tidak berputar bumper tidak terpasang dengan baik pengunci body longgar plat depan macet dinamo tidak menyala 100% 80% 60% 40% 20% 0% cumulative frequency 120 120%
nonconformity Gambar 4.125 Diagram Pareto Finish Product
167
168
Pareto Chart of nonconformity

600 500 400 300 200 100 0
100 60 40 20 0
nonconformity
d ro
p de
an
n da
n ka la be
t id
ak
pe m u
y n ak od -o de de t id g ib on n o at nc as sa m pl gu tu ro pa na r n di te pe ak t id id rt le ak
u rp be
r ta
u rp be
r ta
n ga
ik ba
lo n
r ga ff
lo n
r ga n pa
ac m
et
en m
la ya
Count Percent Cum %
104 82 81 79 75 61 58 19.3 15.2 15.0 14.6 13.9 11.3 10.7 19.3 34.4 49.4 64.1 78.0 89.3 100.0
Percent
Count
80
169
4.3.3 Peta Kontrol np - dinamo tidak menyala Iterasi 0

Tabel 4.55 Peta Kendali np Dinamo Tidak Menyala
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1800
n. of nonconformities np p ucl cl lcl 1 2,900 0,032 7,926 2,900 -2,126 2 2,900 0,032 7,926 2,900 -2,126 3 2,900 0,032 7,926 2,900 -2,126 3 2,900 0,032 7,926 2,900 -2,126 3 2,900 0,032 7,926 2,900 -2,126 1 2,900 0,032 7,926 2,900 -2,126 3 2,900 0,032 7,926 2,900 -2,126 1 2,900 0,032 7,926 2,900 -2,126 2 2,900 0,032 7,926 2,900 -2,126 2 2,900 0,032 7,926 2,900 -2,126 8 2,900 0,032 7,926 2,900 -2,126 5 2,900 0,032 7,926 2,900 -2,126 3 2,900 0,032 7,926 2,900 -2,126 2 2,900 0,032 7,926 2,900 -2,126 4 2,900 0,032 7,926 2,900 -2,126 3 2,900 0,032 7,926 2,900 -2,126 5 2,900 0,032 7,926 2,900 -2,126 3 2,900 0,032 7,926 2,900 -2,126 3 2,900 0,032 7,926 2,900 -2,126 1 2,900 0,032 7,926 2,900 -2,126 58
170
Peta Kontrol np Dinamo Tidak Menyala

10 8 6 4 2 0 -2 -4 Gambar 4.128 Peta Kendali np Dinamo Tidak Menyala 1 3 5 7 9 11 13 15 17 19 n. of nonconformities np p ucl cl lcl
171
NP Chart of dinamo
9 8 7
1
UCL=7.926
Sample Count
6 5 4 3 2 1 0 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 __ NP=2.9
Pada iterasi 0 ini, terdapat satu data yang keluar dari UCL, yaitu data ke-11 dengan jumlah cacat 8 dari jumlah lot sebesar 90.
172
Iterasi 1
Tabel 4.56 Peta Kendali np Dinamo Tidak Menyala Iterasi 1
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1710
n. of nonconformities np p ucl cl lcl 1 2,632 0,029 7,427 2,632 -2,163 2 2,632 0,029 7,427 2,632 -2,163 3 2,632 0,029 7,427 2,632 -2,163 3 2,632 0,029 7,427 2,632 -2,163 3 2,632 0,029 7,427 2,632 -2,163 1 2,632 0,029 7,427 2,632 -2,163 3 2,632 0,029 7,427 2,632 -2,163 1 2,632 0,029 7,427 2,632 -2,163 2 2,632 0,029 7,427 2,632 -2,163 2 2,632 0,029 7,427 2,632 -2,163 5 2,632 0,029 7,427 2,632 -2,163 3 2,632 0,029 7,427 2,632 -2,163 2 2,632 0,029 7,427 2,632 -2,163 4 2,632 0,029 7,427 2,632 -2,163 3 2,632 0,029 7,427 2,632 -2,163 5 2,632 0,029 7,427 2,632 -2,163 3 2,632 0,029 7,427 2,632 -2,163 3 2,632 0,029 7,427 2,632 -2,163 1 2,632 0,029 7,427 2,632 -2,163 50
173
Peta Kontrol np Dinamo Tidak Menyala

8 6 4 2 0 -2 -4 Gambar 4.131 Peta Kendali np Dinamo Tidak Menyala Iterasi 1 1 2 3 4 5 6 7 8 9 10111213141516171819 n. of nonconformities np p ucl cl lcl
174
NP Chart of dinamo2
8 7 6 UCL=7.427
Sample Count
5 4 3 2 1 0 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 __ NP=2.632
Dari iterasi terakhir di atas, tidak ada data yang keluar dari UCL maupun LCL, maka data sudah terkontrol.
175
- roda depan dan belakang tidak berputar Iterasi 0

Tabel 4.57 Peta Kendali np Roda Depan dan Belakang tidak Berputar
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1800
176
Peta Kontrol np Roda Depan dan Belakang Tidak Berputar

14 12 10 8 6 4 2 0 -2 -4 Gambar 4.134 Peta Kendali np Roda Depan dan Belakang Tidak Berputar 1 3 5 7 9 11 13 15 17 19 n. of nonconformities np p ucl cl lcl
177
NP Chart of roda
12 10 8 6 4 2 0 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 __ NP=5.2
1 1
UCL=11.84
Sample Count
Pada iterasi 0 ini, terdapat dua data yang keluar dari UCL, yaitu data ke-5 dan ke17 dengan jumlah cacat 12 dari jumlah lot sebesar 90 untuk keduanya.
178
Iterasi 1
Tabel 4.58 Peta Kendali np Roda Depan dan Belakang tidak Berputar Iterasi 1
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1620
n. of nonconformities np p ucl cl lcl 3 4,444 0,049 10,611 4,444 -1,722 4 4,444 0,049 10,611 4,444 -1,722 4 4,444 0,049 10,611 4,444 -1,722 4 4,444 0,049 10,611 4,444 -1,722 7 4,444 0,049 10,611 4,444 -1,722 2 4,444 0,049 10,611 4,444 -1,722 5 4,444 0,049 10,611 4,444 -1,722 4 4,444 0,049 10,611 4,444 -1,722 3 4,444 0,049 10,611 4,444 -1,722 7 4,444 0,049 10,611 4,444 -1,722 6 4,444 0,049 10,611 4,444 -1,722 5 4,444 0,049 10,611 4,444 -1,722 2 4,444 0,049 10,611 4,444 -1,722 6 4,444 0,049 10,611 4,444 -1,722 6 4,444 0,049 10,611 4,444 -1,722 1 4,444 0,049 10,611 4,444 -1,722 6 4,444 0,049 10,611 4,444 -1,722 5 4,444 0,049 10,611 4,444 -1,722 80
179
Peta Kontrol np Roda Depan dan Belakang Tidak Berputar

12 10 8 6 4 2 0 -2 -4 Gambar 4.137 Peta Kendali np Roda Depan dan Belakang Tidak Berputar Iterasi 1 1 2 3 4 5 6 7 8 9 101112131415161718 n. of nonconformities np p ucl cl lcl
180
NP Chart of roda2
12 10 8 6 4 2 0 1 3 5 7 9 11 Sample 13 15 17 LCL=0 __ NP=4.44 UCL=10.61
Sample Count
181
- bumper tidak terpasang dengan baik Iterasi 0

Tabel 4.59 Peta Kendali np Bumper tidak Terpasang dengan Baik
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1800
182
Peta Kontrol np Bumper Tidak Terpasang dengan Baik

12 10 8 6 4 2 0 -2 -4 Gambar 4.140 Peta Kendali np bumper tidak terpasang dengan baik 1 3 5 7 9 11 13 15 17 19 n. of nonconformities np p ucl cl lcl
183
NP Chart of bumper
12 10 8 6 4 2 0 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 __ NP=4.05
1 1
UCL=9.95
Sample Count
Pada iterasi 0 ini, terdapat dua data yang keluar dari UCL, yaitu data ke-4 dan ke16 dengan jumlah cacat 11dan 12, dari jumlah lot sebesar 90 untuk keduanya.
184
Iterasi 1
Tabel 4.60 Peta Kendali np Bumper tidak Terpasang dengan Baik Iterasi 1
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1620
185
Peta Kontrol np Bumper Tidak Terpasang dengan Baik

10 8 6 4 2 0 -2 -4 Gambar 4.143 Peta Kendali np bumper tidak terpasang dengan baik 1 2 3 4 5 6 7 8 9 101112131415161718 n. of nonconformities np p ucl cl lcl
186
NP Chart of bumper2
9 8 7 UCL=8.708
Sample Count
6 5 4 3 2 1 0 1 3 5 7 9 11 Sample 13 15 17 LCL=0 __ NP=3.333
187
- roller tidak berputar Iterasi 0

Tabel 4.61 Peta Kendali np Roller tidak Berputar
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1800
188
Peta Kontrol np Roller Tidak Berputar

14 12 10 8 6 4 2 0 -2 -4 Gambar 4.146 Peta Kendali roller tidak berputar 1 3 5 7 9 11 13 15 17 19 n. of nonconformities np p ucl cl lcl
189
NP Chart of roller
12 10 8 6 4 2 0 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 __ NP=4.1
1
UCL=10.03
Sample Count
190
Iterasi 1
Tabel 4.62 Peta Kendali np Roller tidak Berputar Iterasi 1
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1710
191
Peta Kontrol np Roller Tidak Berputar

10 8 n. of nonconformities 6 4 2 0 -2 -4 Gambar 4.149 Peta Kendali roller tidak berputar Iterasi 1 1 2 3 4 5 6 7 8 9 10111213141516171819 np p ucl cl lcl
192
NP Chart of roller2
9 8 7
Sample Count
UCL=9.32
6 5 4 3 2 1 0 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 __ NP=3.68
193
- pengunci body longgar Iterasi 0

Tabel 4.63 Peta Kendali np Pengunci Body Longgar
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1800
194
Peta Kontrol np Pengunci Body Longgar

12 10 8 6 4 2 0 -2 -4 Gambar 4.152 Peta Kendali pengunci body longgar 1 3 5 7 9 11 13 15 17 19 n. of nonconformities np p ucl cl lcl
195
NP Chart of pengunci
12 10 8 6 4 2 0 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 __ NP=3.95
1 1
UCL=9.78
Sample Count
Pada iterasi 0 ini, terdapat dua data yang keluar dari UCL, yaitu data ke-4 dan ke17 dengan jumlah cacat 10 dan 11, dari jumlah lot sebesar 90 untuk keduanya.
196
Iterasi 1
Tabel 4.64 Peta Kendali np Pengunci Body Longgar Iterasi 1
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1620
197
Peta Kontrol np Pengunci Body Longgar

10 8 6 4 2 0 -2 -4 Gambar 4.155 Peta Kendali pengunci body longgar Iterasi 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 n. of nonconformities np p ucl cl lcl
198
NP Chart of pengunci2
9 8 7 UCL=8.510
Sample Count
6 5 4 3 2 1 0 1 3 5 7 9 11 Sample 13 15 17 LCL=0 __ NP=3.222
199
- plat depan macet Iterasi 0

Tabel 4.65 Peta Kendali np Plat Depan Macet
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1800
200
Peta Kontrol np Plat Depan Macet

10 8 n. of nonconformities 6 4 2 0 -2 -4 Gambar 4.158 Peta Kendali plat depan macet 1 3 5 7 9 11 13 15 17 19 np p ucl cl lcl
201
NP Chart of plat depan

9 8 7
1
UCL=8.20
Sample Count
6 5 4 3 2 1 0 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 __ NP=3.05
202
Iterasi 1
Tabel 4.66 Peta Kendali np Plat Depan Macet Iterasi 1
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1710
203
Peta Kontrol np Plat Depan Macet

10 8 n. of nonconformities 6 4 2 0 -2 -4 Gambar 4.161 Peta Kendali plat depan macet Iterasi 1 1 2 3 4 5 6 7 8 9 10111213141516171819 np p ucl cl lcl
204
NP Chart of plat depan2

8 7 6
Sample Count
UCL=7.624
5 4 3 2 1 0 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 __ NP=2.737
205
- tuas on-off longgar

Tabel 4.67 Peta Kendali np Tuas On-Off Longgar
n. of inspection 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 1800
206
Peta Kontrol np Tuas On-off Longgar

12 10 8 6 4 2 0 -2 -4 Gambar 4.164 Peta Kontrol np Tuas On-off Longgar 1 3 5 7 9 11 13 15 17 19 n. of nonconformities np p ucl cl lcl
207
NP Chart of tuas
10 UCL=9.44
Sample Count
6 __ NP=3.75
0 1 3 5 7 9 11 Sample 13 15 17 19
LCL=0
208
4.3.4 Diagram Fishbone
Diagram Cause and Effect

Komponen dari supplier yang tidak sesuai standar Operator yang kurang teliti Traffic pada jalur distribusi Operator yang kurang hati-hati Operator yang kurang teliti Roda depan dan belakang tidak berputar
Inspeksi Raw Material
Penyimpanan
Material Handling
Assembly
Inspeksi Finished Product
Fisiologis (suhu, temperatur, cahaya) Peletakan komponen yang tidak sesuai Operator yang kurang hati-hati Perakitan yang tidak sesuai prosedur Operator yang lalai atau lelah
Gambar 4.167 FishBone Diagram
4.4
Penentuan Biaya Kualitas Penentuan biaya kualitas yang dilakukan PT Indonesia Tamiya Motor dalam
rangka meningkatkan kualitas produk atau mencapai standar yang telah ditetapkan. Biaya kualitas ini dikelola sedemikian rupa untuk mencapai suatu tingkat kualitas agar produk yang dibuat atau jasa yang diserahkan sesuai dengan spesifikasi rancangan dan bebas dari cacat atau masalah yang akan mempengaruhi penampilan atau kinerja yang diukur dengan kesesuaiannya terhadap keinginan pelanggan. Berikut biaya kualitas PT Indonesia Tamiya Motor per periodenya: 1. Biaya penilaian Biaya ini termasuk dalam biaya komponen, yaitu untuk: 1. Pengadaaan jangka sorong (2 jangka sorong 0.02 mm dan 2 jangka sorong 0.05 mm ) sebanyak 2 kali dalam 1 tahun ( Rp.250.000,00 x 2) + (Rp 400.000,00 x 2) 2. Pengadaan cheek sheet Rp. 65.000,00/bulan x 12 bulan 3. Pengadaan alat kantor Rp 100.000,00/bulan x 12 bulan Program Studi Teknik Industri Universitas Diponegoro 2012 = Rp 1.200.000,00 = Rp 780.000,00 = Rp 1.300.000,00
209
4. Pengadaan tinta print Rp. 75.000,00/bulan x 12 bulan 5. Pengadaan Baterai Rp. 56.000,00/bulan x 12 bulan Total Biaya Penilaian 2. Biaya Kegagalan Internal Yang termasuk dalam biaya ini adalah: 1. Biaya rework. Dalam PT. Indonesia Tamiya Motor, kebijakan biaya rework adalah 10% dari harga komponen keseluruhan 1 tamiya. Sehingga biaya rework 1 tamiya adalah : 10% x Rp. 6100,00 x 4 x (40372+17696+26880) 84948 = Rp 207.273.120,00 unit/tahun 2. Biaya Downgrading 10% x Rp. 6100,00 x 4 x (40372+17696+26880) = Rp 207.273.120,00 unit/tahun 3. Biaya Scrap adalah Material sisa dari bahan baku setelah di proses 5% x Rp. 6100,00 x 4 x (40372+17696+26880) = Rp 103.636.560,00 unit/tahun 4. Keterlambatan pengiriman produk ( jika terjadi keterlambatan pengiriman barang ke konsumen atau distributor di sebabkan faktor dalam dan luar) Rp 1.000.000,00/ bulan x 12 Total Biaya Kegagalan Internal 3. Biaya Kegagalan Eksternal Garansi yang di berikan kepada pelanggan yaitu 3% dari harga 1 tamiya 3% x Rp. 6100,00 x 12 x (40372+17696+26880) = Rp 62.181.936,00 unit/tahun 4. Biaya Pencegahan Biaya pelatihan/ peningkatan kualitas SDM = Rp. 3.000.000,00 = Rp 12.000.000 / tahun = Rp 530.182.800,00 = Rp 672.000,00 = Rp 4.852.000,00 = Rp 900.000,00
Total Biaya Kualitas Program Studi Teknik Industri Universitas Diponegoro 2012
Rp 600.216.736,00
210
BAB V ANALISIS
5.1
Analisis Acceptance Sampling Acceptance sampling dilakukan untuk menentukan suatu lot raw material diterima
atau ditolak dengan memeriksa kualitas sampel suatu lot tersebut, apakah dari sampel tersebut telah memenuhi tingkat kualitas menurut produsen. Acceptance sampling ini diawali dengan menentukan besar sampel yang harus diperiksa untuk satu lot dengan melihat output MRP nya dan menentukan tingkat inspeksi yang akan dilakukan terhadap sample dari lot tersebut, kemudian menentukan tingkat kualitas menurut produsen atau AQL. Selanjutnya setelah dilakukan pemeriksaan pada sampel dan diperolah data hasil pemeriksaan, dilakukan perhitungan dari data tersebut dengan mencari rataan, standar deviasi, standard normal deviate (ZU dan ZL) berdasarkan batas spesifikasi dari perusahaan, dan quality index (QU dan QL) juga berdasarkan batas spesifikasi dari perusahaan yang diberikan. Dari nilai ZU dan ZL masing-masing dibandingkan dengan nilai k yang mewakili AQL, jika nilai ZU atau ZL lebih besar atau sama dengan k, maka lot diterima. Namun jika salah satu ZU atau ZL ditolak maka lot tersebut ditolak. Kemudain dari jumlah nilai QU dan QL akan dibandingkan nilai M yang mewakili AQL, jika jumlah nilai QU dan QL lebih kecil atau sama dengan M maka lot diterima. 5.1.1 Kebijakan Sampel untuk As Roda Pada part as roda acceptance sampling dilakukan dua kali untuk dua dimensi yang diukur kualitasnya, yaitu panjang as roda dan diameter as roda. Berdasarkan lot size dari MRP dan tingkat inspeksi-nya diperoleh sample size sebesar 25 untuk part as roda ini. Pada dimensi panjang as roda, standar perusahaan adalah 58.5mm 1,5mm.
Untuk single acceptance sampling, dari data hasil pengukuran sample dan standar perusahaan kemudian diperoleh nilai ZU sebesar 0,577867 dan ZL sebesar 42,7622. Nilai tersebut kemudian dibandingkan dengan nilai k yang diperoleh sebesar 2,14. Karena ZU lebih kecil dari k maka lot ditolak. Selanjutnya untuk Program Studi Teknik Industri Universitas Diponegoro 2012
211
double acceptance sampling diperoleh nilai QU sebesar 28,30 dan QL sebesar 0 yang dari jumlah keduanya ternyata lebih besar dari nilai M yang sebesar 1,29, maka lot ditolak. Karena baik single atau pun double acceptance sampling ditolak maka dilihat dari dimensi panjangnya, lot untuk part as roda ini ditolak karena kurang memenuhi batas kualitas yang diinginkan. Dimensi as roda yang lain adalah diameternya, yang standar dari perusahaannya sebesar 1.8 mm 0.2 mm. Untuk single acceptance sampling, dari
data hasil pengukuran sample dan standar perusahaan kemudian diperoleh nilai ZU sebesar 9,193; ZL sebesar 1,49; dan nilai k sebesar 2,14. Karena ZL lebih kecil dari k maka lot ditolak. Untuk double acceptance sampling diperoleh nilai QU sebesar 0; QL sebesar 6,55; dan nilai M sebesar 1,29. Karena jumlah QU dan QL ternyata lebih besar dari nilai M, maka lot ditolak. Dari dimensi diameter as roda, lot untuk part as roda juga ditolak karena baik single atau pun double acceptance sampling ditolak, sama seperti jika dilihat dari dimensi panjangnya. Dengan demikian lot untuk as roda ini ditolak karena dari kedua dimensi yang diukur kualitasnya belum memenuhi kualitas yang diinginkan perusahaaan. Langkah yang dapat dilakukan untuk penolakan ini adalah dengan mengganti supplier yang memasok as roda. Hal ini dilakukan karena salah satu misi perusahaan adalah untuk memproduksi produk yang berkualitas. Dengan mengganti supplier diharapkan diperoleh part yang memiliki kualitas yang benarbenar sesuai dengan keinginan perusahaan, sehingga produknya pun diharapkan akan berkualitas. Meskipun langkah ini membutuhkan biaya yang mungkin lebih, dengan menjaga kualitas dari produk, perusahaan akan menerima kepercayaan lebih dari konsumen.
5.1.2 Kebijakan Sampel untuk Gardan Sama seperti pada part as roda, acceptance sampling untuk part gardan dilakukan dua kali untuk dua dimensi yang diukur kualitasnya, yaitu panjang dan Program Studi Teknik Industri Universitas Diponegoro 2012
212
diameter gardan. Berdasarkan lot size dari MRP dan tingkat inspeksi-nya diperoleh sample size sebesar 20 untuk pemeriksaan kualitas dari part gardan. Pada dimensi panjang gardan, standar perusahaan adalah 74 mm 0.75mm.
Untuk single acceptance sampling, dari data hasil pengukuran sample dan standar perusahaan kemudian diperoleh nilai ZU sebesar 3,2; ZL sebesar 6,8; dan nilai k sebesar 2,24. Karena ZU dan ZL lebih besar dari k maka lot diterima. Untuk double acceptance sampling diperoleh nilai QU sebesar 0,006; QL sebesar 0; dan nilai M sebesar 0,846. Karena jumlah QU dan QL lebih kecil dari nilai M, maka lot diterima. Karena baik single atau pun double acceptance sampling diterima maka dilihat dari dimensi panjangnya, lot untuk part gardan ini diterima karena telah memenuhi batas kualitas yang diinginkan. Dimensi untuk gardan yang lain adalah diameternya, yang standar dari perusahaannya sebesar 1,48 mm 0.13mm. Untuk single acceptance sampling,
dari data hasil pengukuran sample dan standar perusahaan kemudian diperoleh nilai ZU sebesar 13,379 dan ZL sebesar 4,369. Nilai tersebut kemudian dibandingkan dengan nilai k yang diperoleh sebesar 2,24. Karena ZU dan ZL lebih besar dari k maka lot diterima. Selanjutnya untuk double acceptance sampling diperoleh nilai QU dan QL sebesar 0 yang dari jumlah keduanya, yaitu 0, lebih kecil dari nilai M yang sebesar 0,846, maka lot diterima. Dari dimensi diameter gardan, lot untuk part gardan juga diterima karena baik single atau pun double acceptance sampling diterima, sama seperti jika dilihat dari dimensi panjangnya. Dengan demikian lot untuk as roda ini diterima karena dari kedua dimensi yang diukur kualitasnya sudah memenuhi kualitas yang diinginkan perusahaaan.
5.1.3 Kebijakan Sampel untuk Dinamo Berbeda dari kedua part sebelumnya, acceptance sampling untuk part dinamo hanya dilakukan satu kali untuk satu dimensi yang diukur kualitasnya, yaitu diameter besi dinamo. Berdasarkan lot size dari MRP dan tingkat inspeksiProgram Studi Teknik Industri Universitas Diponegoro 2012
213
nya diperoleh sample size sebesar 20 untuk pemeriksaan kualitas dari dimensi diameter besi dinamo. Dimensi diameter besi dinamo ini standar dari perusahaannya sebesar 1,95 mm 0,15mm. Untuk single acceptance sampling, dari data hasil pengukuran
sample dan standar perusahaan kemudian diperoleh nilai ZU sebesar 10,659 dan ZL sebesar 4,434. Nilai tersebut kemudian dibandingkan dengan nilai k yang diperoleh sebesar 2,24. Karena ZU dan ZL lebih besar dari k maka lot diterima. Selanjutnya untuk double acceptance sampling diperoleh nilai QU sebesar 0 dan QL sebesar 0 yang dari jumlah keduanya, yaitu sebesar 0, lebih kecil dari nilai M yang sebesar 0,846, maka lot diterima. Dari dimensi diameter besi dinamo, lot untuk part dinamo diterima karena baik single atau pun double acceptance sampling diterima. Dengan demikian lot untuk dinamo ini diterima karena dari dimensi yang diukur kualitasnya sudah memenuhi kualitas yang diinginkan perusahaaan.
5.2
Analisis Kualitas Raw Material a. Data Variabel 1. Panjang As Roda Pada peta kendali MR dan X bar untuk data panjang as roda, dapat dilihat bahwa untuk memperoleh peta kendali MR dan X bar dari data panjang as roda yang datanya tidak keluar UCL dan LCL, memerlukan iterasi sampai iterasi ke 1. Pada iterasi 0, tidak ada data yang keluar dari peta MR sedangkan pada peta X bar terdapat satu data yang keluar yaitu data ke 12 dengan ukuran 60,1 nomor komponen 45. Pada peta X bar batas atas dan batas bawahnya sudah ditentukan oleh perusahaan. Sehingga panjang as roda harus sesuai dengan spesifikasi yang sudah ditentukan oleh perusahaan. Standar perusahaan untuk panjang as roda adalah 58.5mm 1,5mm . Sehingga, nilai UCL untuk peta kendali X bar adalah
60 mm dan nilai LCL nya adalah 57 mm. Sedangkan untuk nilai UCL peta kendali MR adalah 0,15 dan nilai LCL nya adalah 0,000 pada iterasi 0 sedangkan pada iterasi 1 UCL nya adalah 0,016 dan LCL nya adalah 0. Hasil perhitungan peta Program Studi Teknik Industri Universitas Diponegoro 2012
214
kendali menggunakan software minitab dan SPSS dan juga perhitungan manual tidak memiliki perbedaan yang signifikan. Kecacatan as roda dapat disebabkan oleh tempat penyimpanannya yang kurang baik sehingga as roda kemungkinan menjadi sedikit bengkok dan tidak sesuai dengan standar yang telah ditentukan. Diketahui bahwa raw material memiliki kualitas yang cukup bagus. 2. Diameter As Roda Pada peta MR dan X bar untuk diameter as roda pada iterasi 0 tidak ada data yang keluar dari peta kendali MR dan X bar. Untuk standar diameter as roda adalah 1.8 mm 0.2 mm sehingga suplier harus memenuhi spesifikasi yang sudah
ditetapkan oleh perusahaan. Standar yang ditetapkan oleh perusahaan digunakan untuk menentukan batas atas dan bawah untuk peta X bar. Sehingga nilai UCL pada peta X bar adalah 2 mm dan LCL nya adalah 1,6mm. Sedangkan untuk peta MR nilai UCL nya adalah 0,13068 dan LCL nya adalah 0. Hasil output software minitab dan SPSS dan perhitungan manual menunjukkan hasil yang sama. Dari hasil yang diperoleh diketahui bahwa supplier mengirimkan barang cukup bagus karena sudah sesuai dengan spesifikasi 3. Panjang Gardan Pada peta MR dan X bar untuk panjang gardan pada iterasi 0 tidak ada data yang keluar dari peta kendali MR dan X bar. Untuk standar panjang gardan adalah 74 mm 0.75mm sehingga suplier harus memenuhi spesifikasi yang sudah
ditetapkan oleh perusahaan. Standar yang ditetapkan oleh perusahaan digunakan untuk menentukan batas atas dan bawah untuk peta X bar. Sehingga nilai UCL pada peta X bar adalah 74,75 mm dan LCL nya adalah 73,25 mm. Sedangkan untuk peta MR nilai UCL nya adalah 0,63205 dan LCL nya adalah 0. Hasil output software minitab dan SPSS dan juga perhitungan manual memiliki hasil yang sama. Dari peta kendali yang telah dibuat diketahui bahwa panjang gardan yang dikirim oleh supplier sudah sesuai standar yang dibuat oleh perusahaan dapat dikatakan raw material yang dikirim adalah raw material yang bagus.
215
4. Diameter Gardan Pada iterasi 0 untuk peta MR dan X bar diameter gardan tidak ada data yang keluar dari peta kendali MR dan X bar. Perusahaan telah menetapkan standar untuk beberapa data variabel. Untuk standar diameter gardan adalah 1,48 mm 0,13 mm sehingga supplier harus memenuhi spesifikasi yang sudah ditetapkan oleh perusahaan. Standar yang ditetapkan oleh perusahaan digunakan untuk menentukan batas atas dan bawah untuk peta X bar. Sehingga nilai UCL pada peta X bar adalah 1,61 mm dan LCL nya adalah 1,35 mm. Sedangkan untuk peta MR nilai UCL nya adalah 0,051584 dan LCL nya adalah 0. Hasil output software minitab dan SPSS dan juga perhitungan manual memiliki hasil yang sama. Dari peta kendali yang telah dibuat diketahui bahwa diameter gardan yang dikirim oleh supplier sudah sesuai standar yang dibuat oleh perusahaan dapat dikatakan raw material yang dikirim adalah raw material yang bagus. 5. Diameter Besi Dinamo Pada iterasi 0 untuk peta MR dan X bar diameter besi dinamo tidak ada data yang keluar dari peta kendali MR dan X bar. Perusahaan telah menetapkan standar untuk beberapa data variabel. Untuk standar diameter besi dinamo adalah 1,95 mm 0,15 mm sehingga supplier harus memenuhi spesifikasi yang sudah ditetapkan oleh perusahaan. Standar yang ditetapkan oleh perusahaan digunakan untuk menentukan batas atas dan bawah untuk peta X bar. Sehingga nilai UCL pada peta X bar adalah 2,1 mm dan LCL nya adalah 1,8 mm. Sedangkan untuk peta MR nilai UCL nya adalah 0,06534 dan LCL nya adalah 0. Hasil output software minitab dan SPSS dan juga perhitungan manual memiliki hasil yang sama. Dari peta kendali yang telah dibuat diketahui bahwa diameter besi dinamo yang dikirim oleh supplier sudah sesuai standar yang dibuat oleh perusahaan dan dapat dikatakan raw material yang dikirim adalah raw material yang bagus.
216
b. Data Atribut 1. Plat Belakang Besar Pada plat belakang besar digunakan peta kendali P. Peta kendali P digunakan ketika jumlah sampel (number of inspection) tidak selalu sama pada setiap pengambilan. Peta P digunakan untuk menghitung banyaknya produk yang cacat pada setiap pengambilan sampel. Peta kendali p memiliki batas atas dan batas bawah yang berbeda-beda tergantung jumlah sampelnya. Untuk plat belakang besar dilakukan iterasi sampai iterasi 1. Karena pada iterasi 0 terdapat dua data yang keluar dari batas atas dan batas bawah. Data yang keluar adalah data ke- 3 dengan jumlah sampel 92 dan produk cacat 18 dan juga data ke-16 dengan jumlah sampel 97 dan produk cacat 19. Pada iterasi 0, salah satu nilai UCL nya adalah 0,19487 dan LCL nya adalah 0,0066 sedangkan pada iterasi 1 salah satu nilai UCL nya adalah 0,23345 dan LCL nya adalah 0,02397. Dari hasil perhitungan menggunakan software dan manual tidak memiliki perbedaan yang cukup signifikan. Dengan melihat dari peta kendali yang telah dibuat diketahui bahwa raw material yang dikirim oleh supplier cukup baik walaupun ada yang keluar dari batas atas dan batas bawah. Kecacatan atau ketidaksesuaian yang terjadi dapat disebabkan ketika pengiriman raw material mengalami guncangan atau benturan kecil antar raw materialnya sehingga tidak sesuai dengan spesifikasi awal. 2. Plat Belakang Kecil Peta kendali P juga digunakan untuk plat belakang kecil. Peta kendali P digunakan ketika jumlah sampel (number of inspection) tidak selalu sama pada setiap pengambilan. Peta P digunakan untuk menghitung banyaknya produk yang cacat pada setiap pengambilan sampel. Peta kendali p memiliki batas atas dan batas bawah yang berbeda-beda tergantung jumlah sampelnya. Untuk plat belakang kecil dilakukan iterasi sampai iterasi 1. Karena pada iterasi 0 terdapat satu data yang keluar dari batas atas. Data yang keluar adalah data ke-6 dengan jumlah sampel 97 dan produk cacat 20. Pada iterasi 0, salah satu nilai UCL nya adalah 0,20507 dan LCL nya adalah 0,01016 sedangkan pada iterasi salah satu nilai 1 UCL nya adalah 0,19724 dan LCL nya adalah 0,00685. Kecacatan atau
217
ketidaksesuaian yang terjadi dapat disebabkan ketika pengiriman raw material mengalami guncangan atau benturan kecil antar raw materialnya sehingga tidak sesuai dengan spesifikasi awal. Dan bisa juga kekuranghatian pekerja pada saat pengepakan raw material ataupun pada saat mengeluarkan raw material dari tempatnya sehingga raw material menjadi rusak atau tidak sesuai lagi. Dari hasil perhitungan menggunakan software dan manual tidak memiliki perbedaan yang cukup signifikan. Dengan melihat dari peta kendali yang telah dibuat diketahui bahwa raw material yang dikirim oleh supplier cukup baik. 3. Plat Depan Peta kendali P juga digunakan untuk plat depan. Peta kendali P digunakan ketika jumlah sampel (number of inspection) tidak selalu sama pada setiap pengambilan. Peta P digunakan untuk menghitung banyaknya produk yang cacat pada setiap pengambilan sampel. Peta kendali p memiliki batas atas dan batas bawah yang berbeda-beda tergantung jumlah sampelnya. Pada plat depan perusahaan menetapkan standar untuk nilai tengah atau CL nya adalah 0,1. Hal ini dikarenakan plat depan merupakan salah satu raw material yang cukup penting sehingga memerlukan tingkat kesesuaian yang tepat dan juga jika penutup plat depan cacat tamiya jadi tidak bisa menyala dengan baik. Untuk salah satunya nilai UCL nya 0,2068 dan LCL nya adalah 0,0075. Dari hasil perhitungan menggunakan software maupun manual memiliki hasil yang tidak begitu jauh. Dari peta kendali yang dibuat tidak ada data yang keluar dari batas atas dan batas bawah sehingga dapat dikatakan kualitas plat depan yang dikirim oleh supplier bagus. 4. Penutup Plat Depan Pada penutup plat depan digunakan peta kendali P. Untuk plat depan hanya dilakukan iterasi sampai iterasi 0. Pada iterasi 0 tidak terdapat data yang keluar dari batas atas dan batas bawah. Pada iterasi 0, salah satu nilai UCL nya adalah 0,19511 dan LCL nya adalah 0. Dari hasil perhitungan menggunakan software dan manual tidak memiliki perbedaan yang cukup signifikan. Dengan melihat dari peta
218
kendali yang telah dibuat diketahui bahwa raw material yang dikirim oleh supplier cukup baik walaupun ada yang keluar dari batas atas dan batas bawah. 5. Pengunci Baterai Pada pengunci baterai digunakan peta kendali NP. Peta kendali NP digunakan untuk jumlah sampel (number of inspection) yang sama. Peta NP juga memiliki fungsi yang sama dengan peta P yaitu menghitung berapa banyak produk yang cacat dalam setiap pengambilan, perbedaanya hanya terletak pada jumlah sampelnya. Untuk pengunci baterai iterasi dilakukan sampai iterasi ke-1. Karena pada iterasi 0 terdapat 1 data yang keluar dari batas atas. Data yang keluar adalah data ke-17 dengan jumlah cacat 20. Pada iterasi 0, nilai UCL nya adalah 19,98 dan nilai LCL nya adalah 1,519 sedangkan pada iterasi 1, nilai UCL nya adalah 19,3 dan LCL nya adalah 1,217. Ketidaksesuaian raw material dapat terjadi akibat dari kekuranghatian pekerja pada saat pengepakan raw material ataupun pada saat mengeluarkan raw material dari tempatnya sehingga raw material menjadi rusak atau tidak sesuai lagi. Hasil perhitungan dengan software tidak berbeda jauh dengan hasil perhitungan manual. Dari hasil diperoleh diketahui bahwa raw material yang dikirim oleh supplier memiliki kualitas yang cukup baik. 6. Dinamo Pada dinamo digunakan peta kendali NP. Peta kendali NP digunakan untuk jumlah sampel (number of inspection) yang sama. Peta NP juga memiliki fungsi yang sama dengan peta P yaitu menghitung berapa banyak produk yang cacat dalam setiap pengambilan, perbedaannya hanya terletak pada jumlah sampelnya. Untuk dinamo iterasi dilakukan sampai iterasi ke-1. Karena pada iterasi 0 terdapat 1 data yang keluar dari batas atas. Data yang keluar adalah data ke-2 dengan jumlah cacat 18. Pada iterasi 0, nilai UCL nya adalah 17,893 dan nilai LCL nya adalah 0,607 sedangkan pada iterasi 1, nilai UCL nya adalah 18,629 dan LCL nya adalah 0,845. Ketidaksesuaian raw material dapat terjadi akibat dari
kekuranghatian pekerja pada saat pengepakan raw material ataupun pada saat mengeluarkan raw material dari tempatnya sehingga raw material menjadi rusak atau tidak sesuai lagi Hasil perhitungan dengan software tidak berbeda jauh
219
dengan hasil perhitungan manual. Dari hasil diperoleh diketahui bahwa raw material yang dikirim oleh supplier memiliki kualitas yang cukup baik. 7. Gear Besar Pada gear besar digunakan peta kendali C. Peta kendali C digunakan untuk jumlah sampel (number of inspection) yang sama. Peta C digunakan untuk menghitung banyaknya jumlah cacat dalam suatu produk. Untuk gear besar dilakukan iterasi sampai iterasi ke-1. Pada iterasi 0 terdapat dua data yang keluar dari batas atas. Data yang keluar adalah data ke-6 dan data ke-20. Data ke-6 jumlah cacatnya adalah 147 dan data ke-20 jumlah cacatnya adalah 150. Untuk gear besar perusahaan menetapkan standar 110 untuk nilai tengahnya (CL). Hal ini dikarenakan gear besar merupakan salah satu part yang memegang peranan penting agar tamiya dapat berjalan, gear besar digunakan untuk menggerakan roda agar tamiya dapat berjalan. Pada perhitungan ini, nilai UCL nya adalah 141,4643 dan nilai LCL nya adalah 78,535. Ketidaksesuaian yang terjadi pada gear besar diakibatkan oleh pengepakan raw material yang kurang tepat sehingga gampang rusak dan juga akibat dari benturan sesama gear besar. Dengan menggunakan software hasil yang diperoleh memiliki hasil yang tidak begitu berbeda jauh. Dengan menggunakan peta kendali C diketahui bahwa gear besar yang dikirimkan oleh supplier memiliki kualitas yang cukup baik. 8. Gear Kecil Peta kendali C digunakan pada komponen gear kecil. Peta kendali C digunakan ketika jumlah sampel yang diambil (number of inspection) memiliki jumlah yang sama. Peta kendali C digunakan untuk data yang menghitung banyaknya jumlah cacat dalam suatu produk. Pada gear kecil iterasi dilakukan hanya sekali yaitu iterasi 0, karena tidak ada data yang keluar dari batas atas dan batas bawah yang telah ditentukan. Perusahaan menetapkan nilai tengah (CL) untuk gear kecil adalah 110. Hal ini dikarenakan gear kecil merupakan komponen yang cukup penting agar tamiya dapat berjalan ketika dinyalakan. Nilai UCL nya adalah 141,4643 dan nilai LCL nya adalah 78,535. Perhitungan menggunakan
220
software memiliki hasil yang sama dengan perhitungan manual. Dan dapat dikatakan kualitas gear kecil dikirim oleh supplier memiliki kualitas yang baik. 9. Roller Pada komponen roller digunakan peta kendali C. Peta kendali C digunakan ketika jumlah sampel yang diambil (number of inspection) memiliki jumlah yang sama. Peta kendali C digunakan untuk data yang menghitung banyaknya jumlah cacat dalam suatu produk. Pada roller diperlukan iterasi sampai iterasi ke 1. Pada iterasi ke 0, nilai UCL nya adalah 129,655 dan LCL nya adalah 69,74503. Data yang keluar pada iterasi 0 adalah data yang ke 16 dengan jumlah cacat 132, sehingga pada iterasi selanjutnya data tersebut dihilangkan. Pada iterasi ke 1 jumlah data menjadi 19 karena data ke 16 sudah dihilangkan. Nilai UCL pada iterasi 1 adalah 127,6985 dan nilai LCL nya adalah 68,30152. Ketidaksesuaian yang terjadi pada roller diakibatkan oleh pengepakan raw material yang kurang tepat sehingga gampang rusak dan juga akibat dari benturan sesama roller. Selain itu, juga bisa diakibatkan oleh kekurang hatian operator pada saat memasang roller sehingga roller menjadi rusak. Output software yang dihasilkan dengan menggunakan SPSS dan minitab menunjukkan hasil yang sama dengan perhitungan manual. Dari peta kendali yang telah dibuat dapat disimpulkan bahwa komponen gear kecil memiliki kualitas yang cukup baik. 10. Rumah Dinamo Pada komponen rumah dinamo digunakan peta kendali C. Peta kendali C digunakan ketika jumlah sampel yang diambil (number of inspection) memiliki jumlah yang sama. Peta kendali C digunakan untuk data yang menghitung banyaknya jumlah cacat dalam suatu produk. Pada komponen rumah dinamo dilakukan iterasi sampai iterasi ke 1. Karena pada iterasi 0 terdapat dua data yang keluar dari batas atas. Data yang keluar dari batas atas adalah data ke-9 dengan jumlah cacat 146 dan data ke-13 dengan jumlah cacat 147. Nilai UCL pada iterasi 0 adalah 145,2898 dan nilai LCL nya adalah 81,41021. Pada iterasi 1 nilai UCL nya adalah 141,0832 dan nilai LCL nya adalah 78,25011. Pada iterasi 1 data yang digunakan hanya 18 data karena data ke-9 dan ke-13 telah dihilangkan. Pada
221
iterasi 1 tidak ada lagi data yang keluar dari batas atas maupun batas bawah. Ketidaksesuaian yang terjadi pada rumah dinamo diakibatkan oleh pengepakan raw material yang kurang tepat sehingga gampang rusak dan juga akibat dari benturan sesama rumah dinamo pada saat distribusi barang ke perusahaan. Dapat dikatakan kualitas komponen rumah dinamo memiliki kualitas yang cukup baik. Hasil output software memiliki hasil yang sama dengan perhitungan manual. 11. Roda Assy Peta kendali C digunakan untuk komponen roda assy. Peta kendali C digunakan ketika jumlah sampel yang diambil (number of inspection) memiliki jumlah yang sama. Peta kendali C digunakan untuk data yang menghitung banyaknya jumlah cacat dalam suatu produk. Pada iterasi 0 tidak ada data yang keluar dari batas atas dan batas bawah peta kendali C. Pada iterasi 0 nilai UCL nya adalah 127,353 dan nilai LCL nya adalah 68,04701. Dapat dikatakan komponen roda assy memiliki kualitas yang baik. Hasil output software yang didapatkan diketahui bahwa pehitungan manual dan output software memiliki hasil yang sama. 12. Bumper Belakang Pada komponen bumper belakang digunakan peta kendali u. Peta kendali u digunakan untuk jumlah sampel yang diambil (number of inspection) memiliki jumlah yang tidak sama. Peta kendali u memiliki fungsi yang sama dengan peta kendali c, yaitu sama-sama digunakan untuk menghitung banyaknya jumlah cacat dalam suatu produk. Pada komponen bumper belakang iterasi yang dilakukan hanya sampai iterasi 0, karena pada iterasi 0 tidak ada data yang keluar dari batas atas dan batas bawah peta kendali u. Nilai UCL nya adalah 2,111884 dan nilai LCL nya adalah 1,295402. Hasil yang diperoleh dengan menggunakan SPSS dan minitab memiliki hasil yang sama dengan perhitungan manual. Dapat dikatakan komponen bumper belakang yang dikirim supplier memiliki kualitas yang baik. 13. Pengunci Body Peta kendali u digunakan pada komponen pengunci body. Peta kendali u digunakan untuk jumlah sampel yang diambil (number of inspection) memiliki
222
jumlah yang tidak sama. Peta kendali u memiliki fungsi yang sama dengan peta kendali c, yaitu sama-sama digunakan untuk menghitung banyaknya jumlah cacat dalam suatu produk. Pada komponen pengunci body iterasi dilakukan sampai iterasi 2, karena pada iterasi 0 terdapat dua data yang keluar dari batas atas peta kendali u dan pada iterasi 1 data yang keluar adalah data yang ke-16 dengan jumlah sampel 83 dan jumlah ketidaksesuaian 112. Data yang keluar pada iterasi 0 adalah data ke-6 dengan jumlah sampel 72 dan jumlah ketidaksesuaian 133; dan data ke-18 dengan jumlah sampel 78 dan jumlah ketidaksesuaian 121. Pada peta kendali u memiliki batas atas dan batas bawah yang berbeda-beda sama seperti peta kendali p. Salah satu batas atas pada iterasi 0 adalah 1,351326 dan batas bawahnya adalah 0,755933. Pada iterasi 1 salah satu nilai UCL nya adalah 1,286645 dan nilai LCLnya adalah 0,707459 pada iterasi 1 data yang digunakan tinggal 18 data. Pada iterasi 2 data yang digunakan hanya 17 data. Salah satu nilai UCL nya adalah 1,265869 dan nilai LCL nya adalah 0,691973. Pada iterasi 2 tidak ada data yang keluar dari batas. Ketidaksesuaian yang terjadi pada pengunci body diakibatkan oleh pengepakan raw material yang kurang tepat sehingga gampang rusak dan juga akibat dari benturan sesama pengunci body. Selain itu, juga pada saat memindahkan barang terjatuh sehingga dapat merusak komponen yang terdapat didalamnya. Dapat disimpulkan bahwa komponen pengunci body memiliki kualitas yang cukup jelek. Output software yang diperoleh memiliki hasil yang sama dengan perhitungan manual. 14. Tuas On-Off Peta kendali u digunakan pada komponen tuas on-off. Peta kendali u digunakan untuk jumlah sampel yang diambil (number of inspection) memiliki jumlah yang tidak sama. Peta kendali u memiliki fungsi yang sama dengan peta kendali c, yaitu sama-sama digunakan untuk menghitung banyaknya jumlah cacat dalam suatu produk. Pada komponen tuas on-off iterasi dilakukan sampai iterasi 1, karena pada iterasi 0 terdapat satu data yang keluar dari batas peta kendali u. Data yang keluar pada iterasi 0 adalah data ke-19 dengan jumlah sampel 66 dan jumlah ketidaksesuaian 109. Pada peta kendali u memiliki batas atas dan batas bawah
223
yang berbeda-beda sama seperti peta kendali p. Salah satu batas atas pada iterasi 0 adalah 1,42 dan batas bawahnya adalah 0,798. Pada iterasi 1 salah satu nilai UCL nya adalah 1,39 dan nilai LCLnya adalah 0,78 pada iterasi 1 data yang digunakan tinggal 19 data. Ketidaksesuaian atau kecacatan yang terjadi pada tuas on off diakibatkan oleh pengepakan raw material yang kurang tepat sehingga gampang rusak dan juga akibat dari benturan sesama gear besar pada saat dipindahkan. Selain itu, dapat disebabkan pada saat pemindahan terjadi barang terjatuh sehingga merusak barang-barang yang ada didalamnya. Dapat disimpulkan bahwa komponen pengunci body memiliki kualitas yang cukup baik. Output software yang diperoleh memiliki hasil yang sama dengan perhitungan manual. 15. Gear Dinamo Peta kendali u digunakan pada komponen gear dinamo. Peta kendali u digunakan untuk jumlah sampel yang diambil (number of inspection) memiliki jumlah yang tidak sama. Peta kendali u memiliki fungsi yang sama dengan peta kendali c, yaitu sama-sama digunakan untuk menghitung banyaknya jumlah cacat dalam suatu produk. Pada komponen gear dinamo iterasi dilakukan sampai iterasi 0, karena pada iterasi 0 tidak terdapat data yang keluar dari batas peta kendali u. Pada peta kendali u memiliki batas atas dan batas bawah yang berbeda-beda sama seperti peta kendali p. Salah satu batas atas pada iterasi 0 adalah 1,38 dan batas bawahnya adalah 0,76693. Dapat disimpulkan bahwa komponen gear dinamo memiliki kualitas yang baik. Output software yang diperoleh memiliki hasil yang sama dengan perhitungan manual. 16. Pengunci Dinamo Peta kendali u digunakan pada komponen pengunci dinamo. Peta kendali u digunakan untuk jumlah sampel yang diambil (number of inspection) memiliki jumlah yang tidak sama. Peta kendali u memiliki fungsi yang sama dengan peta kendali c, yaitu sama-sama digunakan untuk menghitung banyaknya jumlah cacat dalam suatu produk. Pada komponen pengunci dinamo iterasi dilakukan sampai iterasi 2, karena pada iterasi 0 terdapat dua data yang keluar dari batas atas peta kendali u dan pada iterasi 1 data yang keluar adalah data yang ke-18 dengan
224
jumlah sampel 94 dan jumlah ketidaksesuaian 134. Data yang keluar pada iterasi 0 adalah data ke-8 dengan jumlah sampel 77 dan jumlah ketidaksesuaian 134; dan data ke-18 dengan jumlah sampel 94 dan jumlah ketidaksesuaian 134. Pada peta kendali u memiliki batas atas dan batas bawah yang berbeda-beda sama seperti peta kendali p. Salah satu batas atas pada iterasi 0 adalah 1,46 dan batas bawahnya adalah 0,708. Pada iterasi 1 salah satu nilai UCL nya adalah 1,43 dan nilai LCLnya adalah 0,68 pada iterasi 1 data yang digunakan tinggal 18 data. Pada iterasi 2 data yang digunakan hanya 17 data. Salah satu nilai UCL nya adalah 1,46 dan nilai LCL nya adalah 0,7. Pada iterasi 2 tidak ada data yang keluar dari batas. Ketidaksesuaian yang terjadi pada pengunci dinamo diakibatkan oleh pengepakan raw material yang kurang tepat sehingga gampang rusak (tidak ada pelindungnya) dan juga akibat dari benturan sesama pengunci dinamo. Selain itu juga, pada saat pemindahan barang, barang terjatuh. Dapat disimpulkan bahwa komponen pengunci body memiliki kualitas yang cukup jelek. Output software yang diperoleh memiliki hasil yang sama dengan perhitungan manual. 17. Body Pada komponen body digunakan peta kendali U. Peta kendali U merupakan penyempurnaan dari peta kendali C dan u. Pada peta kendali U mengelompokkan cacat dalam 4 kategori yaitu cacat sangat serius bobot 100, cacat serius bobot 50, cacat agak serius bobot 10, dan cacat tidak serius bobot 1. Pada body terdapat 3 jenis cacat yaitu camber (bengkok) bobotnya adalah 50 karena bengkok tergolong cacat yang serius sehingga tidak dapat digunakan lagi. Cacat yang kedua adalah string (serabut) dengan bobot 10 tergolong cacat agak serius karena masih dapat dipakai. Cacat yang ketiga adalah scratch (goresan) dengan bobot 1 karena hanya melukai body tidak merusak dari kegunaannya. Pada komponen body, iterasi dilakukan sampai iterasi 0 tidak ada data yang keluar dari peta kendali U. Nilai UCL nya adalah 27,459 dan nilai LCLnya adalah 12,23. Dapat dikatakan bahwa komponen body yang dikirim oleh supplier memiliki kualitas yang baik
225
18. Chasis Pada komponen chasis digunakan peta kendali U. Peta kendali U merupakan penyempurnaan dari peta kendali C dan u. Pada peta kendali U mengelompokkan cacat dalam 4 kategori yaitu cacat sangat serius bobot 100, cacat serius bobot 50, cacat agak serius bobot 10, dan cacat tidak serius bobot 1. Pada chasis terdapat 3 jenis cacat yaitu camber (bengkok) bobotnya adalah 50 karena bengkok tergolong cacat yang serius sehingga tidak dapat digunakan lagi. Cacat yang kedua adalah string (serabut) dengan bobot 10 tergolong cacat agak serius karena masih dapat dipakai. Cacat yang ketiga adalah scratch (goresan) dengan bobot 1 karena hanya melukai chasis tidak merusak dari kegunaannya. Pada komponen chasis, iterasi dilakukan sampai iterasi 0 tidak ada data yang keluar dari peta kendali U. Nilai UCL nya adalah 27,052 dan nilai LCLnya adalah 12,229. Dapat dikatakan bahwa komponen chasis yang dikirim oleh supplier memiliki kualitas yang baik.
5.3
Analisis Kualitas Finish Product 5.3.1 Analisis Diagram Pareto Gambar 4.125 merupakan Diagram Pareto yang merepresentasikan kecacatan-kecacatan atau masalah-masalah produk jadi atau finished product dari produksi Mini 4 WD. Masalah yang terjadi antara lain: dinamo tidak menyala, roda depan dan belakang tidak berputar, bumper tidak terpasang dengan baik, roller tidak berputar, pengunci body longgar, plat depan tidak terpasang dengan baik, dan tuas on-off longgar. Diagram pareto tersebut menggambarkan frekuensi ditemukannya masalahmasalah tadi pada saat inspeksi produk jadi. Dilihat dari diagram, masalah yang memiliki frekuensi terbesar adalah roda depan dan belakang tidak berputar. Dengan persentasi frekuensi sebesar 19%, maka 19% kecacatan dari kecacatankecacatan yang ditemukan saat inspeksi produk jadi adalah roda depan dan belakang yang tidak berputar. Sedangkan masalah lainnya adalah roller tidak berputar (15%), bumper tidak terpasang dengan baik (15%), pengunci body
226
longgar (15%), tuas on-off longgar (14%), plat depan tidak terpasang dengan baik (11%), dan dinamo tidak menyala (11%). Menurut teori 20/80 pareto, 80% keseluruhan masalah yang terjadi disebabkan oleh kurang lebih 20% masalah yang ada. Pada kasus ini, diagram pareto untuk inspeksi finished product menunjukkan bahwa 80% keseluruhan masalah disebabkan oleh 20% penyebab masalah yang ada, yaitu roda tidak berputar. Dengan kata lain penyebab utama kegagalan produk tamiya dikarenakan roda tidak berputar.
5.3.2 Analisis Peta Kontrol np Masalah-masalah yang ditemukan pada inspeksi produk jadi antara lain: dinamo tidak menyala, roda depan dan belakang tidak berputar, bumper tidak terpasang dengan baik, roller tidak berputar, pengunci body longgar, plat depan tidak terpasang dengan baik, dan tuas on-off longgar. Dalam inspeksi produk jadi tersebut jumlah produk yang diinspeksi pada tiap pengambilan sampel adalah konstan sebesar 90 produk. Inspeksi produk jadi ini memeriksa banyaknya produk tidak sesuai atau cacat terhadap jumlah produk tiap sample, dimana hal ini ditunjukkan dengan number of nonconformities yang lebih kecil dari number of inspection. Berdasarkan karakteristik dari inseksi produk jadi tersebut, maka untuk menguji kualitas produk jadi digunakan peta kendali np pada data hasil inspeksi. Dalam pemetaan dengan peta kendali np untuk masalah-masalah di atas, rata-rata dari masalah tersebut mengalami 1 iterasi. Hanya masalah tuas on-off longgar yang tidak mengalami iterasi dalam pemetaan, karena dalam sekali pemetaan tidak terdapat data yang keluar dari batas kontrol atas (UCL) dan batas kontrol bawah (LCL). Sedangkan masalah lain mengalami iterasi karena dalam pemetaan pertama masih ada beberapa data yang keluar dari batas kontrol atas (UCL) dan batas kontrol bawah (LCL). Iterasi ini dilakukan dengan membuang data yang keluar UCL dan LCL, sehingga data yang ada dapat terkendali. Contohnya pada masalah denga frekuensi terbesar yaitu roda depan dan belakang tidak berputar, dari 20 kali pengambilan sampel untuk inspeksi pada
227
tanggal 5 sampai 24 September 2011, pemetaan pertama menghasilkan nilai np sebesar 4,050 sebagai CL, nilai UCL sebesar 9,950, dan nilai LCL sebesar -1,850 yang dianggap 0. Namun pada pemetaan pertama ini terdapat data yang keluar dari UCL, yaitu pada tanggal 8 dan 20 September 2011 terdapat masing-masing 11 dan 10 produk yang diidentifikasi rodanya tidak berputar. Keluarnya dua data ini menunjukkan kualitas dari produk ini belum terkendali. Untuk itu data yang keuar tersebut perlu dibuang dan diakukan iterasi pemetaan dari 18 data tersisa. Dari 18 data tersisa diperoleh nilai np sebesar 3,333 sebagai CL, nilai UCL sebesar 8,708, dan nilai LCL sebesar -2,042 yang dianggap 0. Setelah iterasi ini, nampak pada peta kendali tidak ada data yang keluar dari UCL dan LCL. Karena tidak ada data yang keluar dari UCL dan LCL lagi, maka bisa disebut bahwa kualitas produk masih terkendali terhadap masalah dinamo yang tidak menyala.
5.3.3 Analisis Diagram Fishbone Gambar 4.167 adalah diagram fishbone atau diagram sebab akibat dari masalah yang memiliki frekuensi terbesar pada inspeksi finished product yaitu roda depan dan belakang tidak berputar. Diagram ini adalah diagram fishbone dengan tipe proses. Tipe proses ini tetap memiliki dasar yang sama dengan diagram fishbone umumnya, yaitu menjelaskan penyebab terjadinya suatu akibat, namun pada tipe proses, penyebab dianalisis berdasarkan proses-proses yang dilalui sebelum ditemukannya masalah yang ada. Pada gambar 4.167 tersebut digambarkan penyebab dari masalah roda depan dan belakang tidak berputar berdasrkan proses yang telah dilalui. Prosesproses tersebut dimulai dari proses inspeksi raw material, kemudian proses penyimpanan, proses material handling, proses assembly, dan terakhir proses inspeksi finished product. Kemudian dari tiap proses-proses tersebut dijabarkan penyebab-penyebab yang mengakibatkan masalah roda depan dan belakang tidak berputar. Pada proses inspeksi raw material masalah tersebut dapat disebabkan karena memang komponen dari supplier yang tidak baik dan karena operator yang kurang teliti ketika menginspeksi raw material. Pada proses penyimpanan
228
penyabab masalah yang mungkin adalah peletakkan komponen yang tidak sesuai dan operator yang kurang hati-hati dalam menyimpan. Pada proses material handling, operator yang kurang hati-hati dan keadaan traffic atau lalu lintas jalur distribusi dapat menjadi penyebab masalah. Sedang pada proses assembli, masalah dapat diakibatkan oleh fisiologi pada tempat assembly, operator yang lelah atau lalai, dan operator melakukan perakitan yang tidak sesuai prosedur. Pada proses inspeksi finished product masalah dapat disebabkan oleh operator yang kurang teiti.
5.4
Analisis Proses Dalam melakukan statistical quality control and quality cost planning yang
dilakukan
pertama kali adalah mengukur semua komponen pada tamiya dengan
menggunakan jangka sorong dengan ketelitian 0,05 dan 0,02. Dengan menggunakan acceptance sampling, pemeriksaan sampel secara acak dari pengukuran yang telah dilakukan dapat diketahui apakah lot/batch barang harus diterima atau ditolak. Pada lot untuk panjang dan diameter as roda, kebijakan di tolak karena kurang memenuhi kualitas yang diinginkan. Sedangkan lot pada panjang dan diameter gardan serta diameter besi dinamo, kebijakan diterima karena telah memenuhi kualitas yang diinginkan. Keputusan dalam penolakan atas spesifikasi part panjang dan diameter as roda yaitu dengan mengganti supplier, dengan ini diharapkan akan mendapatkan kualitas yang sesuai spesifikasi yang diinginkan. Setelah dilakukan acceptance sampling, penggunaan seven tools mulai digunakan, diantaranya peta kendali variabel dan atribut. Pada peta kendali variabel untuk panjang dan diameter as roda, panjang dan diameter gardan, diameter besi dinamo dengan perhitungan manual, spss, dan minitab menghasilkan hasil yang sama. Begitu juga dengan peta kendali atribut, peta yang digunakan seperti p, np, u, c, dan U. Peta kendali p digunakan untuk menghitung banyaknya produk yang cacat pada setiap pengambilan sampel, part yang menggunakan peta kendali ini yaitu plat belakang besar dan kecil, plat depan, penutup plat depan. Sedangkan peta kendali np part yang termasuk didalamnya pengunci batere dan dinamo. Peta kendali c yang terdapat didalamnya
229
adalah part gear besar, gear kecil, roller, rumah dinamo dan roda assy. Pada peta kendali u, penggunaan dilakukan pada part pengunci body, tuas on-off, gear dinamo dan pengunci dinamo. Terakhir, peta kendali U dipakai pada body dan chassis. Seven tools lain yang digunakan yaitu diagram pareto, yang digunakan untuk menyeleksi malasah utama untuk peningkatan kualitas, diagram ini juga mennunjukkan seberapa besar frekuensi berbagai macam tipe permasalahan yang terjadi. Masalah yang terjadi antara lain: dinamo tidak menyala, roda depan dan belakang tidak berputar, bumper tidak terpasang dengan baik, roller tidak berputar, pengunci body longgar, plat depan tidak terpasang dengan baik, dan tuas on-off longgar. Yang lain digunakan adalah diagram sebab akibat atau yang disebut juga sebagai fishbone, diagram ini menggambarkan penyebab masalah dari roda depan dan belakang yang tidak berputar. Terakhir, biaya kualitas digunakan sebagai biaya-biaya yang berkaitan dengan pencegahan, pengidentifikasian, perbaikan produk yang berkualitas rendah dan dengan opportunity cost dari hilangnya waktu produksi dan penjualan sebagai akibat dari rendahya kualitas. Biaya yang termasuk didalamnya ada biaya pencegahan yang mencegah terjadinya kualitas buruk pada tamiya, biaya penilaian yang muncul setelah produksi selesai tapi sebelum penjualan tamiya dilakukan, biaya kegagalan internal yang timbul karena tamiya tidak sesuai spesifikasi kebutuhan pelanggan dan terakhir biaya kegagalan eksternal yang muncul karena tamiya gagal memenuhi persyaratan ketika sampai di tangan pelanggan. Total biaya kualitas yang dikeluarkan PT Indonesia Tamiya Motor per tahunnya itu Rp 600.216.736,00.
5.5
Analisis Biaya Kualitas Biaya kualitas terdiri dari 4 faktor: biaya penilaian, biaya kegagalan internal, biaya
kegagalan external, dan biaya pencegahan. Berikut merupakan analisis perhitungan biaya kuliatas per periodenya. Pada biaya kegagalan internal yang meliputi biaya rework dengan kebijakan yang telah ditentukan sebesar 10% dari harga komponen keseluruhan tamiya, sehingga untuk biaya rework tamiya yaitu Rp 207.273.120,00/tahun. Untuk biaya downgrading ditetapkan pula kebijakan sebesar 10%, jadi totalnya sebesar Rp Program Studi Teknik Industri Universitas Diponegoro 2012
230
207.273.120,00/tahun. Dan biaya scrap yaitu material sisa dari bahan baku setelah di proses dengan kebijakan 5% untuk per unit periodenya yaitu Rp 103.636.560,00/tahun. Terakhir untuk biaya keterlambatan pengiriman produk ditetapkan harga Rp 1.000.000,00 per bulannya, jadi akumulasi per tahunnya sebesar Rp 12.000.000,00. Sehingga total biaya yang telah ditetapkan biaya kegagalan internal seesar Rp 530.182.800,00. Untuk biaya kegagalan external untuk after-sale services seperti warranty/ garansi sebesar 3% dari biaya material sebesar Rp 6.100,00. Sehingga biaya yang harus di keluarkan untuk 1 unit per tahun sebesar Rp 62.181.936,00/unit/periode. Biaya yang terakhir adalah biaya pencegahan meliputi biaya pelatihan atau peningkatan kualitas SDM sebesar Rp 3.000.000,00. Total biaya kualitas yang dikeluarkan PT Indonesia Tamiya Motor per tahunnya yaitu Rp 600.216.736,00 Penentuan biaya kualitas yang dilakukan PT Indonesia Tamiya Motor dalam rangka meningkatkan kualitas produk atau mencapai standar yang telah ditetapkan. Biaya kualitas ini dikelola sedemikian rupa untuk mencapai suatu tingkat kualitas agar produk yang dibuat atau jasa yang diserahkan sesuai dengan spesifikasi rancangan dan bebas dari cacat atau masalah yang akan mempengaruhi penampilan atau kinerja yang diukur dengan kesesuaiannya terhadap keinginan pelanggan.
231
BAB VI PENUTUP
6.1
Kesimpulan Kesimpulan yang dapat diambil dari praktikum modul Statistical Quality Control
and Quality Cost Planning untuk PT Indonesia Tamiya Motor adalah sebagai berikut: Acceptance sampling merupakan proses evaluasi bagian produk dan seluruh produk yang dihasilkan. Dalam acceptance sampling dikenal karakterisasi produk atau hasil proses (bagian yang sesuai spesifikasi), disini kita tidak dapat mengatakan bahwa tingkah gerak langkah proses terkendali secara statistik atau tidak. Seven tools merupakan alternatif yang digunakan untuk memecahkan masalah. Tujuh alat yang digunakan anatara lain lembar pengamatan, stratifikasi, histogram, grafik kendali, diagram pareto, diagram sebab akibat, dan diagram sebar. Pada modul ini digunakan peta kendali, diagram pareto dan diagram sebab akibat untuk dapat memecahkan masalah. Pengendalian kualitas salah satunya dilakukan dengan metode statistika yaitu dengan menggunakan peta kendali. Peta kendali dibedakan menjadi 2 yaitu peta kendali atribut yang berfungsi untuk melakukan pengukuran kualitas untuk produk yang dapat diukur dimensinya, misal panjang gardan, diameter gardan, dan lainlain. Untuk peta kendali yang digunakan untuk data variabel ini adalah peta individu MR dan Xbar. Sedangkan peta kendali atribut digunakan untuk mengetahui karakteristik kualitas dilihat dari spesifikasinya cacat atau tidak cacat. Peta kendali yang digunakan adalah peta p dan np untuk jumlah produk cacat, serta peta u, c, dan U untuk jumlah cacat yang terjadi dalam produk. Tujuan dari pengendalian kualitas adalah menjamin produk kita memiliki kualitas yang sesuai dengan spesifikasi. Namun, kualitas yang baik pasti berhubungan dengan biaya kualitas. Biaya kualitas yang dihitung meliputi biaya pencegahan, biaya penilaian, biaya kegagalan internal, dan biaya kegagalan external. Total biaya kualitas yang harus dikeluarkan PT. Indonesia tamiya motor per tahunnya Program Studi Teknik Industri Universitas Diponegoro 2012
232
adalah sebesar Rp 600.216.736,00. Adanya biaya untuk pengendalian kualitas ini diharapkan dapat menghasilkan zero defect perusahaan.
6.2
Saran Saran yang dapat diambil dari praktikum modul Statistical Quality Control and
Quality Cost Planning untuk PT Indonesia Tamiya Motor adalah sebagai berikut: Praktikan harus lebih teliti saat melakukan pengamatan terhadap part yang diukur dengan menggunakan vernier calliper. Praktikan harus lebih teliti saat melakukan pengolahan data. Praktikan harus lebih cermat saat menganalisa masalah.
233
DAFTAR PUSTAKA
Gasperz , Vincent, Total Quality Management, PT. Gramedia Pustaka Utama, Jakarta, 2002. Ishikawa, Kaoru, Teknik Penuntun Pengendalian Mutu, Perkasa, Jakarta, 1986. John S. Oakland. Total Quality Management, Butterwort Heinemann, 1993 Richard Barret Clements, Quality Guide to ISO 9000, Prentice Hall, 1993 Tjiptono, Fandy, Total Quality Management, Penerbit Andi Yogyakarta, 2000. Amitava Mitra, Fundamentals of Quality Qontrol and Improvement, Macmilan Publishing Company, 1993 Douglas C. Mongometry., Introduction to Statistical Quality Control, John Willey ang Sons Inc, 1985 Eugine L. Grant, Richard S. Leavenworth, Statistical Quality Control, McGraw Hill, Inc, 1988 Ishikawa, Kaoru, Teknik Penuntun Pengendalian Mutu, Perkasa, Jakarta, 1986. PT. Mediyatama Sarana PT. Mediyatama Sarana
234

Modul 6 Acc Amiin

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modul 6 Acc Amiin

Uploaded by

Copyright:

Available Formats

Laporan Praktikum Perancangan Teknik Industri Modul 6 Statistical Quality Control and Quality Cost Planning Kelompok 18

Program Studi Teknik Industri Universitas Diponegoro 2012

Menentukan kebijakan kualitas produk perusahaan dengan mengggunakan Acceptence Sampling.

Program Studi Teknik Industri Universitas Diponegoro 2012

adalah sampel yang

Program Studi Teknik Industri Universitas Diponegoro 2012

BAB II TINJAUAN PUSTAKA

Program Studi Teknik Industri Universitas Diponegoro 2012

Program Studi Teknik Industri Universitas Diponegoro 2012

jenis dari karakteristik kualitas ini bisa dibentuk yaitu misalnya

Program Studi Teknik Industri Universitas Diponegoro 2012

Tabel 2.1 Pandangan Tradisional dan Modern Tentang Kualitas

Program Studi Teknik Industri Universitas Diponegoro 2012

Kualitas diukur melalui derajat konformasi, menggunakan ukuranukuran internal

Sumber : Gasperzs, 2002

Program Studi Teknik Industri Universitas Diponegoro 2012

PANDANGAN TRADISIONAL (MANAJEMEN PRODUK)

PROSES KERJA (WORK PROCESS)

Gambar 2. 1 Konsep Kualitas Berdasarkan Pandangan tradisional (Vincent Gaspesrz, 2002)

PANDANGAN MODERN (MANAJEMEN PROSES)

PROSES KERJA (WORK PROCESS)

PROSES ORANG (PEOPLE PROCESS)

Gambar 2. 2 Konsep Kualitas Berdasarkan Pandangan Modern

Program Studi Teknik Industri Universitas Diponegoro 2012

Program Studi Teknik Industri Universitas Diponegoro 2012

Program Studi Teknik Industri Universitas Diponegoro 2012

Program Studi Teknik Industri Universitas Diponegoro 2012

Kotak Masuk Aktivitas Pemeriksaan Bagian Cacat Po

Lot Keluar Bagian Cacat P1 > Po

Gambar 2.3 Program Pembetulan Pemeriksaan

Program Studi Teknik Industri Universitas Diponegoro 2012

Gambar 2.4 Contoh Check Sheet

Program Studi Teknik Industri Universitas Diponegoro 2012

Gambar 2.5 Contoh Histogram

Tentukan karakteristik yang digunakan

Dalam jml unit cacat ? % reject

Ukuran sampe konstan Apakah rata-rata mudah dihitung

Ukuran sampel > 9

Mudah menghitung Std. Dev.

Gambar 2.6 Prosedur Pemilihan Grafik Kendali

Program Studi Teknik Industri Universitas Diponegoro 2012

Gambar 2.7 Contoh Grafik Kendali

Program Studi Teknik Industri Universitas Diponegoro 2012

Gambar 2.8 Contoh Diagram Pareto

Program Studi Teknik Industri Universitas Diponegoro 2012

Gambar 2.9 Contoh Diagram Sebab Akibat

Program Studi Teknik Industri Universitas Diponegoro 2012

Gambar 2.10 Contoh Diagram Pencar

Program Studi Teknik Industri Universitas Diponegoro 2012

jumlah cacat jumlah diperiksa

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

Jumlah kesalahan atau cacat total Jumlah pemeriksaan

= rata-rata cacat persatuan

Jumlah ketidaksesuaian yang diperoleh ci = Jumlah unit pengukuran yang diperiksa n

Program Studi Teknik Industri Universitas Diponegoro 2012

komputer. Data banyak ketidaksesuaian dalam 20 sampel masing-masing 5 komputer.

Program Studi Teknik Industri Universitas Diponegoro 2012

Program Studi Teknik Industri Universitas Diponegoro 2012

keduanya diketahui, dan jika x1, x2 ... xn sampel berukursn n,

maka rata-rata sampel ini adalah

Dalam praktek biasanya kita tidakmengetahui

dan . Oleh karena itu nilai-

adalah mean keseluruhan yakni