E. Cara Membuat P-chart

P dalam P-chart berarti “proportion“, yaitu proporsi unit-unit yang tidak sesuai (nonconforming units) dalam sebuah sampel. Proporsi sampel tidak sesuai didefinisikan sebagai rasio dari jumlah unit-unit yang tidak sesuai, D, dengan ukuran sampel, n (Prins, 2006, para 4).

Jika mengasumsikan bahwa D adalah sebuah variabel random binomial dengan parameter p tak diketahui, proporsi cacat dari masing-masing sampel yang di-plot-kan dalam peta kendali adalah:

\begin{aligned} \hat{p} &= \frac{D}{n} \end{aligned}

selanjutnya varians dari statistik \hat{p} adalah:

\begin{aligned} {\sigma^{2}}_{\hat{p}} &= \frac{p(1-p)}{n} \end{aligned}

Oleh karena  itu, P-chart dibuat dengan menggunakan p sebagai garis pusat dengan batas kendali adalah:

\begin{aligned} \displaystyle p\pm 3 \sqrt \frac {p(1-p)}{n} \end{aligned}

Model P-chart di atas menggunakan pengukuran sampel konstan, misal ukuran sampel (subgrup) selalu sama di setiap kali observasi.

P-chart dengan Sampel Variabel

P-chart ini juga  dapat digunakan jika pengukuran sampel tidak konstan, yang mana  di setiap subgrup jumlah datanya bervariasi. Dalam kasus perusahaaan melaksanakan 100% inspeksi (inspeksi total), variasi dalam tingkat produksi mungkin akan menghasilkan ukuran sampel yang berbeda untuk setiap kali observasi, hal ini mungkin bisa terjadi karena adanya perubahan maintenance, shift, dan sebagainya.

Perubahan ukuran subgrup tersebut menyebabkan perubahan dalam batas-batas kendali, meskipun garis pusatnya tetap. Jika ukuran subgrup di setiap kali observasi naik atau lebih banyak, maka batas-batas kendali menjadi lebih rendah. Tabel 3 dibawah ini menjelaskan  tiga teknik untuk menangani kasus P-chart dengan sampel variabel.

Tabel 3

Teknik-teknik P-chart dengan sampel variabel

Teknik Deskripsi
Menggunakan peta kendali model harian/ individu

Ini mungkin cara paling sederhana, yaitu menentukan batas kendali untuk setiap sampel individu yang didasarkan pada ukuran sampel tertentu.

\begin{aligned} \displaystyle \bar{p} \pm 3 \sqrt \frac {\bar{p}(1-\bar{p})}{n_i} \end{aligned}

yang mana n_i adalah ukuran sampel yang menghasilkan observasi ke-i pada P-chart.
Menggunakan peta kendali model rata-rata

Batas kendalinya adalah:

\begin{aligned} \displaystyle \bar{p} \pm 3 \sqrt \frac {\bar{p}(1-\bar{p})}{\bar{n}} \end{aligned}

yang mana \bar{n} adalah rata-rata semua sampel (subgrup) pada P-chart, \sum_{i=1,...,m} n_i / m.
Menggunakan peta kendali model yang distandarkan

Batas kendali adalah \pm 3 dan observasi, \hat{p}_i, distandarkan dengan menggunakan:

\begin{aligned} \displaystyle Z_{i}={\frac {{\hat {p}}_{i}-{\bar {p}}}{\sqrt {\frac {{\bar {p}}(1-{\bar {p}})}{n_{i}}}}} \end{aligned}

yang mana n_i adalah ukuran sampel yang menghasilkan observasi ke-i pada P-chart.

Sumber: Montgomery, 2005, pp. 280–284 (dimodifikasi)

Contoh yang akan disajikan di bawah ini adalah P-chart dengan sampel variabel menggunakan peta kendali model harian/individu, perhatikan data pada Tabel 4 di bawah ini.

Tabel 4

Data peta kendali untuk proporsi cacat dengan ukuran sampel variabel

[table-4: p-chart data]

Sumber: Montgomery, 2005, p. 281 (dimodifikasi)

Dari Tabel 4 berisi 25 sampel di atas kita menghitung:

\begin{aligned} \displaystyle \bar{p}&=\sum_{i=1}^{25}\frac{D_i}{n_i}\\ &=\frac{234}{2450}\\ &=0,0955 \end{aligned}

Sebagai akibatnya garis pusat berada pada 0,0955 dan batas kendalinya adalah

\begin{aligned} UCL &=\displaystyle \bar{p} + 3 \hat{\sigma}_{\hat{p}} \\&=  0,0955 + 3 \sqrt \frac {(0,0955)(0,9045)}{n_i} \end{aligned}

dan

\begin{aligned} LCL &=\displaystyle \bar{p} - 3 \hat{\sigma}_{\hat{p}} \\&=  0,0955 - 3 \sqrt \frac {(0,0955)(0,9045)}{n_i} \end{aligned}

yang mana \hat{\sigma}_{\hat{p}} adalah penghampir standar deviasi sampel proporsi cacat \hat{p}. Perhitungan untuk menentukan batas kendali P-chart ditunjukkan tiga kolom terakhir Tabel 4 di atas, dan Gambar 5 di bawah ini adalah P-chart tersebut.

[picture-5: p-chart]
Gambar 5. P-chart untuk Proporsi Cacat dengan Ukuran Sampel Variabel
Pages: 1 2 3 4 5 6 7 8 9

Published by Eris Kusnadi

43 thoughts on “ Statistical Process Control ”

  1. mau minta penjelasan nih kenapa pake 3 sigma kenap ga pake 2 atau satu? please penjelasannya sama referensi bukunya ? mksih. dtunggu scpatny?

    Like

    Reply

  2. rumus ucl dalam c-chart, ucl= c+ 3…
    apakah angka 3 itu bisa diganti?
    bagaimana perhitungannya untuk menentukan angka pengganti tersebut?

    Like

    Reply

  4. mau nanya nih kalau data pada peta kendali keluar dari batas UCL dan LCL, pasti ada penormalan data.. caranya bagaimana yah?

    Like

    Reply

    1. Jika tujuan Pak Edo ingin menciptakan data terkontrol (in control) sebagai bahan acuan untuk memonitor suatu proses, maka Pak Edo dapat menghapus sampel yg berada diluar batas kendali UCL-LCL kemudian menghitung ulang kembali.
      Untuk uji normalitas, silahkan kunjungi
      – https://eriskusnadi.wordpress.com/2012/04/07/uji-normalitas-dengan-kolmogorov-smirnov-test-pada-pspp/
      – https://eriskusnadi.wordpress.com/2012/02/26/uji-normalitas-dengan-gearys-test/

      Like

      Reply

  8. Maaf pak mw tanya.. Saat mengelompokan data menjadi beberapa subgrup untuk diuji, apakah ada aturan ny? atau dipilih secara acak?

    Like

    Reply

  9. Pak, bila data saya rejectnya besar, salah satunya hingga 38% namun masih dalah batas control p-chart, bagaimana analisisnya ? Kapan bisa menggunakan peta p chart model rata-rata?

    Like

    Reply

    1. Pembuktian/penurunan cara mendapatkan formula batas kendali dari ucl/lcl untuk bagian U-chart, gmna pak? Kok bisa formula ucl/lcl nya langsung gtu.
      Bisa perlihatkan pembuktian rumus nya pak?😊

      Like

      Reply
  10. Pingback: Kepanjangan Stm | Caramanfaat.net

  11. 1. Misal terdapat Variabel data mengapa data-data tersebut harus dikelompokkan menjadi beberapa subgroup?

    2. Mengapa sampai terjadi pada sub grup anggotanya hanya 1?
    3. Jika anggotanya lebih dari satu apa alasan anda menentukan subgrupnya kurang dari sepuluh atau lebih dari 10?

    4. Apabila subgrupnya dibawah 10 berapa jumlah anggotanya ideal berapa?

    5. Mengapa subgroup 1, 2-9 dan diatas 10 rumusnya berbeda-beda?

    6. Bagaimana menentukan frekwensi tiap subgroup

    Like

    Reply

  12. apakah control chart bisa digunakan sebelum proses produksi dimulai (tanpa adanya produksi terlebih dahulu, hanya forecast)? Kalau bisa, berapa banyak sampel yang harus diambil dan dengan control chart apa? thanks.

    Like

    Reply

  23. Pak,saya mau tanya,untuk pengambilan sampel nya itu boleh acak atau tidak ya ?misal saya punya data bulanan untuk 4 kemasan,setiap kemasan parameter nya PH dan Turbidity,dalam satu bulan itu tidak setiap hari memproduksi kemasan yang sama,apakah bisa pak ?Terimakasih

    Like

    Reply

  24. maaf numpang nanya gan, kenapa pada peta X R dan X S, dibuat peta R dan S terlebih ahulu ya? terimakasih agan yang baik hatinya 😀

    Like

    Reply

  26. Pak maaf mau tanya untuk mencari nilai MR gimana ya? klo langkah 1 itu kan rata” nilai MR … maksut saya nilai MR yg ditabel,,,
    terima kasih…

    Like

    Reply

  27. What’s up, its pleasant paragraph concerning media print, we all know
    media is a enormous source of facts.

    Like

    Reply

  28. Dear, Pak Eris..

    Saya mau tanya Pak..
    Tahap measure pasa six sigma salah satu pengukurannya kan menggunakan peta kendali ya Pak, di dlm rumus peta kendali itu memakai rumus +/- 3 sigma.
    saya masih kurang paham kenapa pakainya 3 sigma? metode konsepnya saja six sigma?
    mohon bantu penjelasannya Pak..

    Terima kasih.

    Like

    Reply

  31. Pembuktian/penurunan cara mendapatkan formula batas kendali dari ucl/lcl untuk bagian U-chart, gmna pak? Kok bisa formula ucl/lcl nya langsung gtu.
    Bisa perlihatkan pembuktian rumus nya pak? Terima kasih😊

    Like

    Reply

  32. Mau nanya, tadi kan saya bimbingan laporan dan data saya itu ada standar nasional minyak cpo, lalu saya pakai peta kendali imr. Dan dosen saya minta ganti rumusnya pakai imr yg standarisasi. Tapi saya cari digoogle ngga ada rumusnya

    Like

    Reply

  33. Permisi, mau tanya min
    mengapa peta kendali Xbar-R ini harus berdistribusi normal ya? letak distribusi normal dalam rumusnya dibagian mananya ya min ?
    makasih

    Like

    Reply

Leave a comment

This site uses Akismet to reduce spam. Learn how your comment data is processed.