22.51 | Posted in
Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.
Singkatnya, statistika adalah ilmu yang berkenaan dengan data.

Istilah 'statistika' (bahasa Inggris: statistics) berbeda dengan 'statistik' (statistic).
Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik adalah data, informasi, atau hasil penerapan statistika pada suatu data.

Dari kumpulan data, statistika dapat digunakan untuk menyimpulkan atau mendeskripsikan data; ini dinamakan statistika deskriptif.

Sebagian besar konsep dasar statistika mengasumsikan teori probabilitas.
Beberapa istilah statistika antara lain: populasi, sampel, unit sampel, dan probabilitas.

Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu alam (misalnya astronomi dan biologi maupun ilmu-ilmu sosial (termasuk sosiologi dan psikologi), maupun di bidang bisnis, ekonomi, dan industri).

Statistika juga digunakan dalam pemerintahan untuk berbagai macam tujuan; sensus penduduk merupakan salah satu prosedur yang paling dikenal.

Aplikasi statistika lainnya yang sekarang popular adalah prosedur jajak pendapat atau polling (misalnya dilakukan sebelum pemilihan umum), serta jajak cepat (perhitungan cepat hasil pemilu) atau quick count.

Hasil Quick Count LP3ES :
SBY AKAN MENJADI PRESIDEN BARU
20 September 2004
Pemilihan Presiden Putaran Kedua hari ini menghasilkan perolehan suara yang memastikan pasangan calon Susilo Bambang Yudhoyono - M. Jusuf Kalla akan menjadi Presiden dan Wakil Presiden Republik Indonesia mendatang.

Pasangan ini memperoleh suara 61,2% sementara pasangan Megawati Soekarnoputri - Hasyim Muzadi memperoleh suara 38,8%
Perkiraan ini didasarkan pada Quick Count (penghitungan cepat) hasil pemungutan suara secara nasional yang dilakukan oleh LP3ES.

Dasar penghitungan ini adalah data yang diperoleh dari pemantauan dan pencatatan hasil penghitungan suara di 1.362 TPS, yang tersebar di seluruh Indonesia.

TPS-TPS tersebut dipilih secara acak menurut metodologi statistik yang sudah diterima secara internasional dan terbukti akurat di sejumlah negara dalam dua dekade terakhir ini, termasuk di Indonesia pada Pemilihan Umum bulan April dan Juli 2004 lalu.
Jumlah suara sah di TPS-TPS tersebut adalah 283.442

Margin of error perkiraan di atas adalah +/- 1,1 persen poin pada tingkat kepercayaan 95%.

Sumber : http://www.lp3es.or.id/program/pemilu2004/QCount_2Ind.htm

Sementara itu hasil resmi KPU :
Dari hasil rekapitulasi yang dilakukan sejak hari Sabtu (2 Oktober 2004) malam hingga Senin (4 Oktober 2004) siang itu… diperoleh hasil bahwa jumlah suara sah seluruhnya ada 114.257.054 dan suara tidak sah 2.405.651,..
Quick Count

….pasangan Susilo Bambang Yudhoyono (SBY) - M. Jusuf Kalla ….memperoleh 69.266.350 (60,62%), sedangkan pasangan Megawati Soekarnoputri - Hasyim Muzadi…memperoleh 44.990.704 (39,38%).

Sumber : http://www.kpu.go.id/index.php?option=com_content&task=view&id=5532&Itemid=76

Di bidang komputasi, statistika dapat pula diterapkan dalam pengenalan pola maupun kecerdasan buatan.

Sejarah Statistika
Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa latin modern statisticum collegium ("dewan negara") dan bahasa Italia statista ("negarawan" atau "politikus").

Gottfried Achenwall (1749) menggunakan Statistik dalam bahasa Jerman untuk pertama kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya sebagai "ilmu tentang negara (state)".

Pada awal abad ke-19 telah terjadi pergeseran arti menjadi "ilmu mengenai pengumpulan dan klasifikasi data".
Sir John Sinclair memperkenalkan nama (Statistics) dan pengertian ini ke dalam bahasa Inggris..

Jadi, statistika secara prinsip mula-mula hanya mengurus data yang dipakai lembaga-lembaga administratif dan pemerintahan.
Sejarah Statistika
Pengumpulan data terus berlanjut, khususnya melalui sensus yang dilakukan secara teratur untuk memberi informasi kependudukan yang berubah setiap saat.

Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-bidang dalam matematika, terutama probabilitas.

Cabang statistika yang pada saat ini sangat luas digunakan untuk mendukung metode ilmiah, statistika inferensi, dikembangkan pada paruh kedua abad ke-19 dan awal abad ke-20 oleh Ronald Fisher (peletak dasar statistika inferensi), Karl Pearson (metode regresi linear), dan William Sealey Gosset (meneliti problem sampel berukuran kecil).

Penggunaan statistika pada masa sekarang dapat dikatakan telah menyentuh semua bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika..

Bidang-bidang ekonomi, biologi dan cabang-cabang terapannya, serta psikologi banyak dipengaruhi oleh statistika dalam metodologinya.
Sejarah Statistika
Akibatnya lahirlah ilmu-ilmu gabungan seperti ekonometrika, biometrika (atau biostatistika), dan psikometrika

Meskipun ada kubu yang menganggap statistika sebagai cabang dari matematika, tetapi orang lebih banyak menganggap statistika sebagai bidang yang banyak terkait dengan matematika melihat dari sejarah dan aplikasinya.

Di Indonesia, kajian statistika sebagian besar masuk dalam fakultas matematika dan ilmu pengetahuan alam, baik di dalam departemen tersendiri maupun tergabung dengan matematika.

Konsep Dasar Statistika
Dalam mengaplikasikan statistika terhadap permasalahan sains, industri, atau sosial, pertama-tama dimulai dari mempelajari populasi.

Makna populasi dalam statistika dapat berarti populasi benda hidup, benda mati, ataupun benda abstrak.

Melakukan pendataan (pengumpulan data) seluruh populasi dinamakan sensus.
Sebuah sensus tentu memerlukan waktu dan biaya yang tinggi.

Untuk itu, dalam statistika seringkali dilakukan pengambilan sampel (sampling), yakni sebagian kecil dari populasi, yang dapat mewakili seluruh populasi.
Analisis data dari sampel nantinya digunakan untuk menggeneralisasikan seluruh populasi.

Jika sampel yang diambil cukup representatif, maka pengambilan keputusan yang dibuat dari sampel dapat digunakan untuk menggambarkan populasi secara keseluruhan.

Metode statistika tentang bagaimana cara mengambil sampel yang tepat dinamakan teknik sampling.

Apabila jumlah sampel yang diambil terlalu kecil :
Contoh: Seorang berusaha meneliti peluang munculnya angka 1 pada dadu bermata 6 dengan melempar dadu sebanyak 10 kali. Dari pelemparan tersebut, dia mendapatkan angka 1 muncul sebanyak 5 kali.
Lalu dia menarik kesimpulan peluang munculnya angka 1 pada dadu bermata 6 (yang seharusnya 1/6) adalah ½.

Konsep Dasar Statistika :
Analisis statistik banyak menggunakan probabilitas sebagai konsep dasarnya.
Sedangkan matematika statistika merupakan cabang dari matematika terapan yang menggunakan teori probabilitas dan analisis matematis untuk mendapatkan dasar-dasar teori statistika.

Ada dua macam statistika, yaitu statistika deskriptif dan statistika inferensial:
1.Statistika deskriptif berkenaan dengan bagaimana data dapat digambarkan atau disimpulkan, baik secara numerik (rata-rata dan deviasi standar) atau secara grafik sehingga didapatkan gambaran sekilas yang mudah dibaca dan bermakna.

2.Statistika inferensial berkenaan dengan permodelan data dan melakukan pengambilan keputusan berdasarkan analisis data, misalnya melakukan pengujian hipotesis, melakukan estimasi pengamatan masa mendatang (estimasi atau prediksi), membuat permodelan hubungan (korelasi, regresi, ANOVA, deret waktu), dan sebagainya.

Dua jenis penelitian: eksperimen dan survai
Tujuan umum bagi suatu penelitian berbasis statistika adalah menyelidiki hubungan sebab-akibat, dan lebih khusus menarik suatu simpulan akan perubahan yang timbul pada variabel respon (dependen) akibat berubahnya variabel penjelas (independen).

Terdapat dua jenis utama penelitian : eksperimen dan survei. Keduanya sama-sama mendalami pengaruh perubahan pada variabel penjelas (independen) dan perilaku variabel respon (dependen) akibat perubahan itu.
Beda keduanya terletak pada bagaimana kajiannya dilakukan.

Suatu eksperimen melibatkan pengukuran terhadap sistem yang dikaji, memberi perlakuan terhadap sistem, dan kemudian melakukan pengukuran (lagi) dengan cara yang sama terhadap sistem yang telah diperlakukan untuk mengetahui apakah perlakuan mengubah nilai pengukuran.

Bisa juga perlakuan diberikan secara serentak dan pengaruhnya diukur dalam waktu yang bersamaan pula.

Metode statistika yang berkaitan dengan pelaksanaan suatu eksperimen dipelajari dalam rancangan percobaan (desain eksperimen).

Dalam survai, di sisi lain, tidak dilakukan manipulasi terhadap sistem yang dikaji.
Data dikumpulkan dan hubungan (korelasi) antara berbagai variabel diselidiki untuk memberi gambaran terhadap objek penelitian.
Teknik-teknik survai dipelajari dalam metode survei.

Penelitian tipe eksperimen banyak dilakukan pada ilmu-ilmu rekayasa, misalnya teknik, ilmu pangan, agronomi, farmasi, pemasaran (marketing), dan psikologi eksperimen.

Penelitian tipe observasi paling sering dilakukan di bidang ilmu-ilmu sosial atau berkaitan dengan perilaku sehari-hari, misalnya ekonomi, psikologi dan pedagogi (kajian mengenai pengajaran) , kedokteran masyarakat, dan industri.

Teknik-Teknik Statistika :
Beberapa pengujian dan prosedur yang banyak digunakan dalam penelitian antara lain:
1.Analisis regresi dan korelasi
2.Analisis varians (ANOVA)
dll

Statistika Terapan :
Bebebarapa ilmu pengetahuan menggunakan statistika terapan sehingga mereka memiliki terminologi yang khusus.
Disiplin ilmu tersebut antara lain:
1.Aktuaria (penerapan statistika dalam bidang asuransi)
2.Biostatistika atau biometrika (penerapan statistika dalam ilmu biologi)
3.Statistika Terapan
4.Statistika bisnis
5.Ekonometrika (applikasi statistik dalam ekonomi)
6.Psikometrika (applikasi statistik dalam psikologi)
7.Statistika sosial
8.Statistika teknik atau teknometrika
8.Fisika statistik
9.Demografi (kependudukan)
10.Statistika Terapan
11.Eksplorasi data (pengenalan pola)
12.Literasi statistik
13.Analisis proses dan kemometrika (untuk analisis data kimia analis dan teknik kimia)

Statistika memberikan alat analisis data bagi berbagai bidang ilmu.
Kegunaannya bermacam-macam : mempelajari keragaman akibat pengukuran, mengendalikan proses, merumuskan informasi dari data, dan membantu pengambilan keputusan berdasarkan data.

Statistika, karena sifatnya yang objektif, sering kali merupakan satu-satunya alat yang bisa diandalkan untuk keperluan-keperluan di atas.

Perhitungan statistika modern banyak dilakukan oleh komputer, dan bahkan beberapa perhitungan hanya dapat dilakukan oleh komputer berkecepatan tinggi, misalnya jaringan saraf tiruan.
Piranti Lunak Statistika
Revolusi komputer telah membawa implikasi perkembangan statistika di masa mendatang, dengan penekanan baru pada statistika eksperimental.
Piranti Lunak Statistika

Beberapa Piranti Lunak Statistika yang banyak digunakan antara lain:
1.MATLAB
2.Minitab
3.MS Excel
4.SPSS
5.Sumber Referensi
http://id.wikipedia.org/wiki/Statistika

Data Statistik :
Data statistik berdasarkan cara memperolehnya terbagi atas :
1. Data primer adalah data yang belum ada di obyek penelitian. Data primer biasa dikumpulkan melalui kuesioner.
2. Sedangkan data sekunder adalah data yang sudah ada, misalnya laporan keuangan atau dokumen.
Sumber Referensi
http://www.skripsizone.com

Data statistik merupakan suatu keterangan atau ilustrasi mengenai suatu hal yang dapat berbentuk kategori (data kualitatif), misalnya baik, buruk, rusak, puas, berhasil dan lain -lainnya, dan dapat berbentuk suatu bilangan (data kuantitatif).

Berdasarkan nilainya, data kuantitatif dapat dibagi menjadi dua, yaitu data diskrit & data kontinyu :
1.Data diskrit merupakan data hasil menghitung atau membilang (misalnya jumlah mobil 100 buah, jumlah anak 2 orang).
2.Data kontinyu merupakan data hasil pengukuran (misalnya tinggi badan 165 cm, jarak antar kota 25 km, luas tanah 450 m2).

Sedangkan menurut sumbernya dikenal dengan data internal dan data eksternal.
1.Data internal : Data yang didapat dari internal / sumber dalam.
Misalnya database keuangan internal suatu perusahaan.
2.Data eksternal : data yang didapat dari sumber luar.
Misalnya data yang didapat dari nara sumber langsung (primer) ataupun yang sudah tersedia di perpustakaan umum, universitas, biro pusat statistik dan asosiasi perdagangan dan sebagainya (sekunder).

Sumber Referensi
http://ssantoso.blogspot.com/2009/03/statistika-induktif-pengantar.html
http://js.unikom.ac.id/rb/bab14_1.html


POPULASI DAN SAMPEL :
Secara umum, jika terdapat kesimpulan mengenai sesuatu hal maka diharapkan akan berlaku pada hal tersebut secara keseluruhan dan bukan hanya untuk sebagian saja.

Misalnya jika disampaikan bahwa rata-rata pendapatan mingguan keluarga di kota “Y” sebesar Rp. 150.000,- maka pernyataan (kesimpulan) tersebut diharapkan berlaku secara keseluruhan di kota “Y” dan bukan hanya berlaku di bagian wilayah kota “Y” (misalnya kecamatan tertentu saja) atau sering disebut sebagai “generalisasi”.

Sehingga untuk memperoleh data (mentah/ belum diolah) pendapatan mingguan kota “Y” tersebut dapat diperoleh dengan :
1. Data populasi
2. Data sample

Data Populasi : Apabila semua rumah tangga di kota “Y” dijadikan obyek penelitian atau didata semua.
Data sample : Hanya mengumpulkan data pendapatan rumah tangga per minggu di beberapa kecamatan saja.

Jika metode yang digunakan dengan cara pertama (data populasi), penelitian yang dilakukan dinamakan “sensus”, sedangkan cara kedua (data sampel) dinamakan metode “sampling”.

Yang perlu mendapatkan perhatian dalam menggunakan sampel penelitian adalah cara penentuan dan pengambilan sampel harus benar dan dapat dipertanggungjawabkan, sehingga dapat mewakili atau menggambarkan data secara keseluruhan (data populasi).
Category:
��
22.12 | Posted in
Methode Sampling
Ada dua cara mengumpulkan data :
1. Sensus yaitu mengumpulkan data dengan cara mencatat semua elemen yang diselidiki, jadi menyelidiki semua obyek, gejala, kejadian atau peristiwa.
Misalnya seluruh motor yang dihasilkan Pt X, atau seluruh motor yang ada di dealer. Sehingga hasil sensus menggambarkan nilai karakteristik sesungguhnya. Kumpulan seluruh elemen itu dinamakan populasi.

2. Sampling : teknik mengumpulkan data dengan cara mengamati sebagian dari obyek, gejala atau peristiwa.
Sebagian individu yang diamati tersebut disebut sampel. Sehingga hasil pengamatan yang diperoleh berupa nilai karakteristik perkiraan, yaitu perkiraan tentang keadaan populasi.

Cara sensus meskipun memberikan data yang sebenarnya, dan hasil keputusan yang tepat tetapi memakan biaya, waktu, tenaga.
Cara sampling akan menghemat waktu, tenaga , biaya namun perlu diperhatikan teknik pengambilan samplingnya sehingga bisa menggambarkan keadaan sesungguhnya dari populasi (tidak bias).

Teknik Pengambilan Sampling :
A. Probability Sampling Random : pengambilan sampling yang mengikuti teori probabilitas, sehingga bisa lebih menggambarkan kondisi populasi.

Terbagi atas :
A.1. Simple Random Sampling :
Simple random sampling adalah teknik pengambilan sampel yang dilakukan secara acak sehingga setiap kasus atau elemen dalam populasi memiliki kesempatan yang sama besar untuk dipilih sebagai sampel penelitian.

Apabila jumlah populasi sedikit bisa dilakukan dengan cara mengundi tapi apabila jumlah populasi besar dengan menggunakan Tabel Random Number atau lebih praktis lagi lewat bantuan software online http://www.randomizer.org/form.htm

Teknik ini memiliki tingkat keacakan yang sangat tinggi, sehingga sangat efisien digunakan untuk mengukur karakter populasi yang memiliki sifat homogenitas tinggi.
Sedangkan untuk populasi yang bersifat heterogen, penggunaan teknik ini justru dapat menimbulkan bias.

Dengan software online, http://www.randomizer.org/form.htm
dengan cara mengisi sebagai berikut :

How many sets of numbers do you want to generate? Isi 1
How many numbers per set ? Isi 5
Number range (e.g., 1-50) : Isi from 1 to 50
Do you wish each number in a set to remain unique? Pilih Yes
Do you wish to sort the numbers that are generated? Pilih No
How do you wish to view your random numbers? Pilih Place Marker Off
Klik Randomize Now !


A.2. Sistematik Sampling
Yaitu dengan melakukan pengambilan sample secara sistematis berdasarkan interval yang telah ditetapkan.
Mis. untuk memilih 7 sampel dari populasi yang berisi 100, yaitu dengan menetapkan interval mis k = 15 lalu pilih secara random nilai pertama mis 10, maka nilai kedua adalah 10 + 15 = 25 dst sesuai interval sehingga sample yang didapat 10,15,40,55,70,80,95

Pada populasi dengan elemen yang terorganisir membentuk pola atau siklus, sistematik sampling justru menimbulkan bias.
Prosedur sistematik sampling adalah sebagai berikut :
1. Menyusun sampling frame yaitu daftar elemen yang akan diamati.
2. Menetapkan sampling interval (k) dengan menggunakan rumus N/n; dimana N adalah jumlah elemen dalam populasi dan n adalah jumlah sampel yang diperlukan.
3. Memilih sampel pertama (s1)secara random dari sampling frame.
4. Memilih sampel kedua (S2), yaitu S1 + k. selanjutnya, peneliti memilih sampel sampai diperoleh jumlah sampel yang dibutuhkan dengan menambah nilai interval (k) pada setiap sampel sebelumnya.

Sistematik Sampling & Control Chart :
Methode ini paling efektif digunakan untuk troubleshooting dan biasanya digunakan untuk membentuk subgroups dari sebuah control chart.
Sering disebut juga sebagai Consecutive Sampling

A.3. Stratifikasi Sampling :
Yaitu dengan melakukan stratifikasi populasi kedalam sub populasi atau strata yang mempunyai pembobotan (%) yang sama.
Misal survey untuk 100 orang pembaca tabloid “x”, maka apabila diketahui 100 orang pembaca tersebut terdiri atas 60 orang pria & 40 wanita maka apabila sample diambil untuk 10 orang maka sample terdiri atas 6 pria & 4 wanita.

A.4. Cluster Sampling (Sampel Random Berkelompok) yaitu dengan membagi populasi sebagai cluster-cluster kecil, lalu pengamatan dilakukan pada sampel cluster yang dipilih secara random.

Methode ini biasanya digunakan pada survey yang menggunaan peta area (geografi), misalnya survey perumahan di perkotaan. Area kota dibagi kedalam blok-blok, kemudian secara random dipilih blok-blok sebagai sampel pengamatan.

Quick Count biasanya menggunakan perpaduan Cluster & Stratifikasi Sampling dalam methodenya

Cluster sampling ini digunakan ketika elemen dari populasi secara geografis tersebar luas.

Keuntungan penggunaan teknik ini adalah menjadikan proses sampling lebih murah dan cepat daripada jika digunakan teknik simple random sampling. Akan tetapi, hasil dari cluster sampling ini pada umumnya kurang akurat dibandingkan simple random sampling

B. Non Probability Sampling
Perbedaan antara nonprobability dan probability sampling adalah bahwa nonprobability sampling memilih unit sampel secara tidak acak.

Hal ini berarti nonprobability sampling tidak bergantung pada teori probabilitas.
Dengan nonprobability sampling, kemungkinan besar tidak bisa mewakili sifat populasi secara baik.

Secara umum peneliti pada umumnya memakai methode probability dibanding non probability.

Namun demikian dalam riset sosial terdapat beberapa kondisi-kondisi yang tidak memungkinkan secara praktek atau secara teoritis untuk melakukan random sampling.
Oleh karena itu kemudian perlu digunakan alternatif metoda nonprobability seperti survey, jajak pendapat maupun opini.

Terdiri :
B.1. Accidental Sampling, apabila pengamatan sampel yang dilakukan tanpa sengaja, tanpa perencanaan terlebih dulu. Jumlah sample yang diambil seadanya saja, sehingga kesimpulan yang diambil bersifat kasar dan sementara.
Misalnya penelitian pemakaian merk kendaraan di Yogyakarta berdasarkan samel mobil yang diparkir di Malioboro, didapatkan kesimpulan 70 % memakai Toyota.
Purposive Sampling

B.2. Purposive Sampling yaitu pengambilan sampel yang dilakukan dengan sengaja untuk mencapai maksud tertentu. Informasi yang mendahului keadaan populasi sudah diketahui benar dan tidak perlu diragukan lagi (misal dari sensus ekonomi) dan pengamatan dilakukan hanya pada daerah tertentu “key area” misal daerah industri dengan tujuan mengetahui “key area” tersebut saja.
Purposive Sampling sering juga disebut Judgement Sampling, karena diasarkan pada pertimbangan pakar. Misalnya untuk masalah peningkatan ekonomi dengan mengambil pendapat pakar ekonomi dsb

B.3. Convenience Sampling : apabila pengambilan sample berdasarkan kesukaan / suka-suka / seenaknya menurut si peneliti. Misalnya dengan mengambil pengunjung yang baru keluar dari seminar, orang terdekat dsb

B.4. Snowball (bola salju) sampling ; apabila pengamatan sample didapat dari sejumlah responden yang kemudian mereka mengajak temannya untuk dijadikan sample dst sehingga jumlah sample semakin membesar seperti bola salju yang menggelinding. Misalnya sample pengamatan mengenai penolakan terhadap pasangan capres/cawapres tertentu “Say No To …” lewat media face book.

B.5. Kuota Sampling ; terjadi pada sampling stratifikasi bedanya disini sample pengamatan menetapkan kuota tertentu sejumlah yang diinginkan.Jika kuota telah telah ditentukan mulailah dilakukan penyelidikan, tentang siapa yang akan dijadikan responden, terserah tim pengumpul data.
Misalnya ; Untuk keperluan responden penghuni suatu apartemen ditetapkan kuota sebagai berikut :
15 orang warga negara asing
10 orang wni keturunan asing
30 orng wni asli
Apabila sudah memenuhi kuota, tak peduli apakah subyek yang diambil mewakili populasi atau tidak, bukan menjadi persoalan.


Sampling Penerimaan :
Sampling Penerimaan (Acceptance Sampling) adalah sampling yang digunakan untuk menentukan apakah suatu lot bisa diterima atau tidak, berdasarkan AQL (Acceptance Quality Level / Tingkat Penerimaan Kualitas).

Awalnya secara resmi dipakai di US Army melalui prosedur MIL-STD-105 D namun sudah pula dipakai secara luas didunia, dan bisa dipakai untuk data variabel maupun atribut.

Tiga pendekatan dalam memutuskan lot :
1.Menerima lot tanpa pemeriksaan ; digunakan apabila proses produksi supplier sangat baik, produk cacat hampir tidak ditemukan.
2.Pemeriksaan 100 % ; digunakan apabila proses produksi supplier tidak cukup memenuhi spesifikasi atau merupakan “kritikal part” dan apabila meloloskannya akan mengakibatkan biaya yang sangat besar.

3.Sampling penerimaan digunakan apabila :
a. Pengujian bersifat merusak.
b. Biaya dan waktu pemeriksaan 100 % sangat tinggi.
c. Adanya keperluan untuk pemantauan kualitas supplier.

Keunggulan Sampling Penerimaan :
a. Lebih murah dan cepat.
b. Resiko kerusakan part berkurang.
c. Manpower lebih sedikit.
d. Mengurangi kesalahan pemeriksaan.
e. Memberikan motivasi ke supplier untuk perbaikan proses secara menyeluruh.

Kerugian Sampling Penerimaan :
a. Beresiko menerima lot yang jelek dan menolak lot yang baik.
b. Informasi dari part / proses yang didapat lebih sedikit.
c. Memerlukan perencanaan dan dokumentasi tentang prosedur sampling penerimaan yang akan dijalankan.

Inspection Level / Tingkat Pengawasan ;
digunakan untuk menentukan berapa banyaknya contoh yang harus diambil dalam satu lot. Biasanya ditentukan oleh besar kecilnya biaya pengawasaan, kerusakan part karena pegujian, maupun lamanya waktu untuk pengawasan.

Terbagi atas 2 yaitu : spesial, umum.
1.Tingkat pengawasan spesial terbagi atas empat tingkat yaitu S-1, S-2, S-3, S-4 digunakan apabila biaya pengawasan cukup mahal karena adanya kerusakan part karena pengujian.
2.Tingkat pengawasan umum terbagi atas tiga tingkat yaitu I, II, III, dimana :
I : Untuk biaya pengawasan relatif tinggi.
II : Untuk kasus yang normal atau supplier baru.
III : Untuk biaya pengawasan murah & mudah.

Sifat Pengawasan :
Sifat Pengawasan ada tiga macam yaitu longgar, normal, ketat.
1.Sifat pengawasan longgar dipakai untuk supplier yang mempunyai sejarah kualitas yang baik yang tidak pernah atau sangat jarang melakukan kesalahan dan menjaga kualitas part yang dikirimkan.
2.Sifat pengawasan normal dipakai untuk awal kegiatan pemeriksaan, untuk supplier baru ataupun supplier yang mempunyai riwayat kualitas sedang.
3.Sifat pengawasan ketat dipakai untuk supplier yang mempunyai riwayat kualitas yang jelek.

Pemindahan sifat pengawasan bisa terjadi dari longgar ke normal dan sebaliknya, normal ke ketat dan sebaliknya mengikuti persyaratan yang telah ditentukan, terdiri atas 5 macam, yaitu :

1.Pengawasan normal menjadi longgar apabila :
a. Tidak terjadi penolakan selama 10 kali berturut-turut.
b. Keadaan penerimaan yang mantap (tidak ada masalah material, mesin dsb dari suppplier pada akhir-akhir ini).
c. Telah mendapat persetujuan pic dari bagian yang bertanggungjawab.
d. Total penolakan (10 lot terakhir) maksimal sesuai bilangan batas untuk pengurangan pemeriksaan. (Tabel)

2.Pengawasan longgar menjadi pengawasan normal apabila :
a. Terjadi 1 lot ditolak.
b. Produksi suplier tidak teratur, sering terjadi keterlambatan.
c. Hal khusus tertentu yang menuntut diadakannya pemeriksaan normal yang lebih dapat dipertanggungjawabkan.
d. Apabila cacat terletak antara angka ac (accepted) & re (rejected), maka lot diterima tetapi sifat pengawasan berubah dari longgar menjadi normal.

3.Pengawasan normal ke ketat apabila :
Apabila dalam pengawasan normal terjadi 2 sampai 5 kali berturut-turut mengalami penolakan karena kesalahan yang fatal.

4.Pengawasan ketat ke normal apabila :
Setelah 5 kali berturut-urut lot diterima tanpa penolakan.

5.Penghapusan / Penghentian Pengawasan :
Apabila pengawasan ketat sudah dilaksanakan selama 10 lot berurutan, sehingga part dari supplier tidak dapat diterima lagi dan supplier dianjurkan memperbaiki tingkat kualitas produksinya.

Perencanaan Sampling :
Jenis Perencanaan Sampling ada 3 yaitu :
1. Sampling Single / Tunggal :
Apabila banyaknya reject maksimal sesuai dengan angka penerimaan (Ac /Accepted) maka lot diterima, tetapi apabila banyaknya reject minimal sesuai dengan angka penolakan (Re/ Rejected) maka lot ditolak.
Perencanaan Sampling

2. Sampling Double / Ganda :
Apabila banyaknya reject yang terjadi pada pengambilan tahap pertama diatas angka penerimaan (Ac) tetapi dibawah angka penolakan (Re), maka sample kedua diperlukan sebelum lot dapat diputuskan.

Keputusan untuk sample kedua adalah sebagai berikut :
Apabila reject akumulatif sample pertama dan kedua maksimal sesuai dengan angka peneriman (Ac), maka lot diterima, tetapi apabila minimal sesuai dengan angka penolakan (Re) maka lot ditolak.

3. Sampling Multiple / bertingkat :
Merupakan perluasan dari sampling ganda, yaitu sampai pengambilan sample ketujuh baru bisa diputuskan untuk penerimaan atau penolakan lot.

Hal ini tentunya memerlukan waktu, tenaga dan biaya pemeriksaan yang lebih disebabkan karena prosedur yang lebih rumit dibandingkan dengan sampling double apalagi dibandingkan dengan sampling tunggal.
Perencanaan Sampling

Hal yang ingin dicapai dengan sampling multiple ini adalah pertimbangan psikologis semata untuk memastikan bahwa lot tersebut memang layak diterima atau memang harus ditolak.

Langkah-Langkah Sampling Penerimaan
Langkah - Langkah Penggunaan Sampling Penerimaan dengan MIL STD 105D :
1. Menentukan tingkat AQL berdasarkan kesepakatan dengan supplier.
2. Pilih tingkat pengawasan yang akan dilakukan (Spesial S-1, S-2, S-3, S-4 atau Umum I,II,III)
3. Menentukan ukuran lot yang akan diperiksa.
4. Menentkan jenis perencanaan sampling (tunggal, ganda, bertingkat).
5. Menentukan sifat pengawasan awal (longgar, normal, ketat).
6. Masukkan ke tabel, untuk menentukan angka penerimaan atau penolakan lot.

Sumber :
1.Eugene L. Grant, Richard S. Leavenworth,”Pengendalian Mutu statistis Jilid 2”, Penerbit Erlangga 1991
2.,” Rencana Sampling Dengan Cara MIL-STD-105D”, Institut Pendidikan dan Pembinaan Manajemen PPM
3.http://www.randomizer.org/form.htm
4.Drs. Marzuki,” Metodologi Riset”,BPFE-UII Yogyakarta
http://stattrek.com/Tables/Random.aspx
Category:
��
22.02 | Posted in
Dalam sejarah QA, mutu pada permulaan ditentukan melalui pemeriksaan, setelah itu diikuti oleh pembentukan mutu dalam proses pembuatan dengan memperhatikan penentuan mutu dalam proses pembuatan produk.

Semua usaha ini telah dipusatkan kepada pencegahan berulangnya produk gagal, melalui produk yang memiliki keandalan.
Keandalan adalah kebebasan dari kesulitan dan berarti menghasilkan produk yang tidak menimbulkan kesulitan baik pada saat pembuatan maupun saat pemakaian di konsumen.

Pencegahan adanya kegagalan unit produk, memerlukan ramalan masalah-masalah yang akan terjadi.
Untuk dapat menghasilkan produk yg bisa diandalkan , maka langkah-langkah berikut harus diperiksa satu persatu :
1. Apakah kegagalan potensial yg bisa ditimbulkan oleh produk ?
2. Bagaimana membuat produk yang tidak menghasilkan kegagalan tersebut ?
3. Apakah produk yg dihasilkan sesuai dengan rencana ?
4. Adakah cara untuk membuat produk yg lebih handal dapat lebih efektif ?

Titik kunci dalam pencegahan adalah untuk meramalkan kemungkinan adanya masalah dan untuk tujuan ini telah dikembangkan teknik-teknik seperti FMEA dan FTA yang juga menjadi salah satu teknik keandalan.

FMEA : Failure Mode Effect Analysis (analisa kegagalan dalam cara dan dampak) : Teknik untuk meramal dan mengevaluasi kemungkinan gagal dan melakukan kegiatan improvementnya.

Apakah sebabnya FMEA begitu banyak perhatian pada saat ini ?
Pertama, analisa ini tidak memerlukan persamaan matematik atau statistik dan dapat diterapkan hanya kepada pengalaman & pengetahuan yang konvensional. Ini berarti setiap orang dapat dengan mudah meramal keandalan.
Kedua, walaupun pada awalnya dimaksudkan untuk peningkatan produk dalam fase rancangan / desain, namun diperluas untuk peningkatan proses saat fase pembuatan produk.

Contoh Kegagalan Produk :
1.Pesawat Ulang Alik Challenger meledak :
Pesawat ulang alik - tidak seperti pesawat luar angkasa lainnya - badan utama ... Pada tanggal 28 januari 1986 pesawat Challenger meledak 73 detik setelah lepas landas education.feedfury.com/content/16689381-pesawat_ulang_alik.html

Roket pendorong inilah yang membuat Challenger meledak pada 28 Januari 1986. Saat itu cincin sambungan tubuh roket pendorong sebelah kanan menjadi getas dan retak karena udara terlalu dingin.
Akibatnya, api roket menyemprot ke samping dan menyambar tangki bahan bakar Challenger di sebelahnya. Malapetaka tak terhindarkan, akhirnya pesawat itu meledak.
http://majalah.tempointeraktif.com/id/arsip/2003/02/10/ILT/mbm.20030210.ILT84969.id.html

2.Pesawat Ulang alik Columbia meledak :
Pesawat Luar Angkasa Columbia sedang memasuki orbit. Tetapi sesuatu menjadi salah dan Columbia meledak. Semua 7 astronot di dalamnya tewas. ... 1 Februari 2003
id.wikipedia.org/wiki/Seconds_From_Disaster

Analisa Kasus Columbia Meledak :
Dari film yang direkam saat peluncuran, diketahui bahwa pada saat-saat awal peluncuran bagian dari insulasi (gabus) tangki bahan bakar utama yang berisi oksigen cair terlepas dan menghantam keping-keping keramik tahan panas sayap bagian bawah sebelah kiri hingga terlepas dan baru berefek saat pendaratan. …
Saat pendaratan… bagian perut pesawat yang bergesekan langsung dengan udara mengalami pemanasan hebat (lebih dari 2000° C). Saat kejadian, kecepatan Columbia 18 kali kecepatan suara (kecepatan suara 330 m/det)……
http://majalah.tempointeraktif.com/id/arsip/2003/02/10/ILT/mbm.20030210.ILT84969.id.html

3. Titanic :
Pada tanggal 14 April 1912 dalam pelayaran perdananya , Titanic menabrak sebuah iceberg (gunung es) dan tenggelam 2 jam 40 menit kemudian. ... karodalnet.blogspot.com/2008_08_01_archive.html
Contoh Kegagalan Produk
news4joke: 7/6/08 - 7/13/08
Saat itu Titanic membawa lebih dari 2220 penumpang, 1513 di antaranya tenggelam termasuk jutawan asal Amerika John Jacob Astor, Benjamin Guggenheim, ... news4joke.blogspot.com/2008_07_06_archive.html

ANALISIS ahli metalurgi (logam) Amerika Serikat (AS) mengungkapkan, kapal Titanic tenggelam pada satu abad silam akibat dibangun menggunakan rivet (paku keling) berkualitas rendah.

Karena rivet tersebut berkualitas sangat rendah, rivet-rivet itu pun rontok ketika lambung Titanic menghantam gunung es. Karena rivet-rivet itu jebol, lempengan-lempengan baja pada lambung Titanic pun menganga dan air laut masuk. Akibatnya, Titanic pun tenggelam dalam waktu kurang dari tiga jam setelah menabrak gunung es. Foecke memaparkan, teori penyebab tenggelamnya Titanic itu dalam buku berjudul What Really Sank the Titanic.

Contoh Produk Inovation :
Jaringan Komunikasi Antar Mobil Untuk Hindari Kecelakaan
Adalah Thomas Batz, seorang ilmuwan komputer asal Jerman yang berjasa dalam pengembangan ini, dibantu oleh beberapa koleganya dari Fraunhofer Institute for Information and Data Processing IITB di kota Karlsruhe, Jerman

Software inovatif ini disinyalir bisa dikerahkan untuk mengerem atau membelokkan arah mobil ketika berada dalam situasi darurat dan susah untuk mengelak karena himpitan macet.

Sejarah FMEA :
Pertama kali dikembangkan pada tahun 60’ an oleh NASA untuk proyek pendaratan manusia ke bulan.
Diadopsi & dikembangkan pada industri otomotif di tahun 70’ an oleh FORD sebagai suatu reaksi terhadap menurunnya mutu & kehandalan produk otomotif Amerika.
Pada tahun 80’ diadopsi oleh banyak industri yang menekankan pada keselamatan, kehandalan dan mutu seperti : otomotif, electronic, penerbangan, komputer.

Tujuan FMEA :
1.Mengurangi “lead time” dari perubahan engineering.
2.Mengurangi rework, aktivitas redesain.
3.Mengurangi methode “trial error”.
4.Mengurangi reject rate.
5.Mengurangi biaya.

Dari pengalaman :
Biaya saat fase desain = $
Biaya saat fase produksi = 10 $
Biaya saat sampai konsumen = 100 $

Klasifikasi FMEA :
1.DFMEA : Aktivitas untuk mendeteksi potensi kegagalan pada fase produk desain. Engineer desain yang bertanggung jawab.
2.PFMEA : Analisa untuk mendeteksi / mengevaluasi potensi kegagalan pada proses manufakturing. Engineer manufactur yang bertanggung jawab.

Implementasi FMEA :
1.Tentukan siapa pelanggannya.
2.Buat list yang diharapkan dari desain, dan apa yang tidak diharapkan untuk terjadi (MAKSUD DESAIN).
3.Buat analisa resiko. Prioritaskan FMEA pada resiko yang tinggi & tentukan “Q.karakteristiknya” nya misal point safety, Q point, Appearance,Government Regulation dsb.
4.Input : Drawing dengan “Q karakteristiknya”, pengalaman sebelumnya.
5.Tools : Process Control Plan, Capability Analisis.
6.Buat FMEA dan Evaluasi, Perbaiki & Revisi apabila ada masalah.

Formulir FMEA :
1. FMEA Number : Masukkan nomor dokumen FMEA untuk tracking.
2. Process Function / Requirement
Masukkan proses yang dianalisa. Contoh : drilling, tapping, welding, assembling dsb.
3. Potensial Failure Mode
Potensi kegagalan proses memenuhi persyaratan dan/atau tujuan desain. Mis Diameter luar spesifikasi,Roughness/kekasaran,dsb.
4. Potensial Effect of Failure
Akibat dari kegagalan sampai end user / pemakai akhir.
5. Severity atau dampak terhadap end user/pemakai akhir.
6. Potensial Causes / Mechanism(s) of Failure yaitu penyebab dari kegagalan.
7. Occurrence atau seberapa sering kegagalan mungkin terjadi.
8. Current Proses Control yaitu control yang dilakukan sekarang
9. Detection yaitu kemampuan Current Proses Control mendeteksi kegagalan.
10. RPN atau Risk Priority Number yaitu perkalian Severity x Occurrence x Detection.
11. Recommended Action yaitu tindakan untuk mengurangi hasil perkalian Severity x Occurrence x Detection. Harus diisi untuk Severity min 7 dan pilih beberapa RPN terbesar untuk prioritas penyelesaian masalah (bisa dengan Pareto).

Severity bisa diturunkan dengan perubahan Desain.

Occurrence bisa diurunkan dengan perbaikan proses. (CP)
Peningkatan Detection hanyalah temporary action atau alternatif terakhir.

Tindak Lanjut FMEA :
1.Apa yang harus dilakukan terhadap tabel FMEA
2.Periksa Severity terbesar, bukan RPN terbesar (rekomendasi FMEA 4th edition).
3.Pastikan tidak ada nilai severity diatas 7.
4.Pastikan nilai occurrence tidak melebihi angka 8.
5.Lakukan perubahan desain untuk menurunkan severity, dan perbaikan proses untuk menurunkan occurrence.
6.Setelah kondisi diatas terpenuhi baru diijinkan memeriksa RPN tertinggi.
Tindak Lanjut FMEA
7.Apa yang harus anda lakukan terhadap tabel FMEA ?
8.Jika nilai Severity & Occurrence masih diatas 8 maka terapkan sistem kontrol ketat dengan SPC atau check 100 % untuk meningkatkan detection (hanya apabila Severity & Occurrence tidak bisa diturunkan).
9.FMEA adalah “ living dokumen” yang senantiasa pelu dievaluasi.

DFMEA dilaksanakan pada fase “ Produk Desain & Development” : Sebelum atau saat finalisasi konsep desain dan diselesaikan dalam fase prototype. Tindakan koreksi harus diselesaikan sebelum pilot production.

PFMEA dilaksanakan pada fase “ Process Desain & Development” : sebelum atau saat fase feasibility, sebelum tooling untuk produksi & harus tercakup seluruh operasi manufacturing, dari komponen tunggal s/d assembling

FTA : Failure Tree analysis

FTA mula-mula dikembangkan untuk mencari sebab-sebab kejadian dan saat ini digunakan sebagai alat pembantu FMEA.
FTA singkatan dari Failure Tree Analysis (Analisa Pohon Kegagalan).
FTA adalah sebuah methode analitik untuk menentukan part mana yang bertanggung jawab atas suatu kegagalan unit produk.

Kebalikan dari FMEA yang meramal kegagalan unit produk dari kegagalan part, FTA digunakan untuk menentukan part yang menyebabkan kegagalan unit produk.
Jika FMEA merupakan sebuah teknik analitik secara kwalitatif, maka FTA mampu untuk mengadakan analisa kwantitatif.
Maka jika nilai kegagalan part diketahui, maka nilai kegagalan unit produk dapat dikalkulasi.

Sumber :
1.Statistic Process Control”, Premysis Consulting
2.Nunung Subiyanto, “ SPC Training 21~23 Okt 2008”.
3.Q. Subcommittee Quality Education ,” Course F Text”, Honda Motor Japan
4.http://majalah.tempointeraktif.com/id/arsip/2003/02/10/ILT/mbm.20030210.ILT84969.id.html
DLL
Category:
��
21.59 | Posted in
QC story merupakan prosedur untuk pemecahan masalah kualitas.
Masalah merupakan hasil yang tak sesuai dengan yang diharapkan dari suatu aktivitas pekerjaan.
Penyelesaian dari sebuah masalah yaitu dengan melakukan perbaikan ke tingkat yang disepakati.
Countermeasure dilakukan untuk mencegah masalah yang sama supaya tidak berulang lagi.
Prosedur ini adalah sejenis cerita dari kegiatan pengendalian kualitas (QC) sehingga disebut “QC Story”

Sebuah masalah dapat dipecahkan melalui tujuh langkah :
1. Masalah : Identifikasi masalah
2. Observasi Masalah: Mengenali jenis masalah.
3. Analisa Masalah : Menemukan penyebab utama.
4. Tindakan : Tindakan untuk menghilangkan penyebab.
QC Story
5. Memeriksa Hasil / Check : Mengkonfirmasi keefektifan tindakan.
6. Standarisasi : Menghilangkan penyebab masalah secara permanent.
7. Rencana Selanjutnya : Review improvement yg sudah dilakukan & merencanakan tindakan improvement berikutnya.

Masalah
Aktivitas :
1. Tunjukkan bahwa masalah yang ditangani merupakan yang terbesar dibanding masalah yang lain.
2. Tunjukkan apa yang menjadi latar belakang masalah.
3. Menyatakan kerugian-kerugian “ biaya” yang diakibatkan hasil yg buruk ini & menunjukkan berapa banyak yang harus diperbaiki.
4. Menetapkan topik dan target.
5. Menunjuk pic yang bertanggung jawab, apabila tim maka tunjuk anggota dan leadernya.
6. Memperkirakan budget untuk improvement.
7. Membuat schedule untuk improvement.

Observasi Masalah
Aktivitas :
1. Menyelidiki masalah (when, where, what / tipe dan symtoms / gejala)
2. Mengamati dari berbagai sudut pandang untuk melihat variasi hasil.
3. Meninjau lokasi masalah dan mengumpulkan informasi yang diperlukan yang tidak didapat dari data tertulis.

Analisa Masalah
Aktivitas :
1. Set up hipotesa (pilih calon penyebab utamanya).
a. Buatlah cause & effect diagram.
b. Gunakan informasi yang didapat dari pengamatan lapangan dan hilangkan beberapa element yang jelas-jelas tidak relevan. Revisi cause & effect diagram.
c. Tandai unsur-unsur yang mempunyai kemungkinan menjadi penyebab utama.

2. Uji hipotesa :
a. Dari unsur-unsur yang mempunyai kemungkinan besar menjadi penyebab utama, buatlah rencana untuk memastikannya dengan mendapatkan data-data baru maupun dengan melakukan percobaan.
b. Menggabungkan seluruh informasi yang sudah diperoleh dan memutuskan penyebab utamanya.
c. Jika memungkinkan, lakukan produksi ulang part yang bermasalah tersebut.

Tindakan
Aktivitas :
1. Bedakan antara tindakan pengatasan masalah sementara dan tindakan untuk menghilangkan akar permasalahan permanent (pencegahan masalah).
2. Pastikan bahwa tindakan yang diambil tidak menimbulkan efek samping. Apabila tidak memungkinkan, maka rencanakan tindakan untuk mengatasi efek samping tersebut.
3. Merencanakan beberapa proposal untuk alternatif tindakan, buat masing-masing keuntungan dan kerugiannya dan pilihlah yang semua pihak bisa menerimanya.

Memeriksa Hasil / Check
Aktivitas :
1. Dalam format yang sama (tabel, grafik, diagram) bandingkan data sebelum dan setelah improvement.
2. Konversikan hasilnya dalam bentuk “biaya” yang dihemat dan bandingkan terhadap target nilai.
3. Buatlah daftar efek samping yang ditimbulkan, yang baik maupun yang buruk.

Standarisasi
Aktivitas :
1. 5 W’s dan 1 H (who, when, where, what, why & how) untuk improvement harus jelas teridentifikasi dan dijadikan standar.
2. Persiapan-persiapan yg diperlukan & komunikasi dg bagian terkait dibutuhkan untuk memperkenalkan standar baru ini dengan benar.
Standarisasi
3. Pendidikan dan pelatihan ke pic yang terkait harus diimplementasikan.
4. Set-up pic yang bertanggungawab agar standarisasi dapat dilaksanakan seterusnya sehingga masalah tidak berulang lagi.

Rencana Selanjutnya
Aktivitas :
1. Lihat masalah-masalah yang masih tersisa.
2. Rencanakan tindakan yg harus dikerjakan untuk memecahkan masalah-masalah tersebut.
3. Review kelebihan dan kekurangan dari aktivitas improvement yang sudah dilakukan, untuk dijadikan pertimbangan kegiatan QC story berikutnya.

Sumber :
Kume, Hitoshi, “Statistical Methods for Quality Improvement”, Tokyo AOTS
TQM Promotion Office April 2004,”TQM basic Course”, Honda Motor Japan
Category:
��
21.53 | Posted in
Konsep :
Variasi bersifat alami & biasanya terdistribusi normal, sehingga data tersebar menyerupai bentuk lonceng.

Dalam distribusi normal, terdapat nilai rata-rata "MYU" dan simpangan baku "SIGMA".

Capability Proses :
Analisa Capability Proses
Dalam kegiatan produksi, ada anggapan bahwa variasi produk merupakan kewajaran. Tidak mungkin untuk memproduksi 1000 motor yang benar-benar identik, pelayanan yang tanpa keluhan sama sekali.

Pada Total Quality Management, variasi tetap dianggap bisa terjadi, namun harus diperhatikan variasi yang tidak normal (special cause).

Metode untuk mengukur variasi proses terhadap spesifikasi limit yang ditentukan adalah dengan melakukan analisa capability proses.

Analisa CP : Analisa untuk menilai kemampuan suatu proses untuk memenuhi spesifikasi yang sudah ditentukan
Spesifikasi merupakan batas nilai yang dapat diterima (Mis. ditentukan didrawing).

Capability Proses (CP) : Indek perbandingan nilai spesifikasi(USL-LSL) terhadap penyebaran nilai proses(6 SIGMA), atau dirumuskan :(USL-LSL)/6 SIGMA.

CPK : CP yang memperhatikan faktor bias "K", yaitu nilai yang lebih minim antara nilai CPKA (kanan) atau CPKI (kiri), atau dirumuskan : Min {(USL-MYU)/(3 SIGMA);(MYU-LSL) / (3 SIGMA)}

Sumber :
1.Statistic Process Control”, Premysis Consulting
2.Nunung Subiyanto, “ SPC Training 21~23 Okt 2008”.
Category:
��
21.33 | Posted in
Control Chart pertama kali diperkenalkan oleh Dr. A.W. Shewhart di Bell Telephone Laboratories pada tahun 1924.

Dr. A.W.Shewhart dan rekan-rekannya terus mengembangkan diagram-diagram pengendalian mutu selama th 1920-1930.
Dengan teknik-teknik ini, proses penyediaan barang-barang produksi dan jasa dapat lebih mudah diperkirakan dan lebih konsisten.

Apabila suatu barang atau jasa diproduksi, hasilnya akan tidak persis 100 % sama, hanya similar tetapi tidak identik, hal ini dikarenakan adanya variasi.
Variasi merupakan hal yang normal dan wajar, namun Shewhart menganggap variabilitas terdiri atas sesuatu yang dapat dikontrol (variasi terkontrol) dan sesuatu yang tak terkontrol (variasi tak terkontrol).

Variasi terkontrol :
Yaitu variasi karena sebab-sebab umum (common cause), yang terjadi secara alamiah merupakan hal yang bisa diprediksi dan bersifat stabil. Shewhart awalnya menyebut hal ini sebagai chance cause.

Variasi tak terkontrol :
Variasi karena sebab-sebab khusus (special causes), adalah variasi yang terjadi bila suatu kejadian abnormal masuk kedalam suatu proses dan menghasilkan perubahan yang tidak diharapkan dan tidak dapat diprediksi sebelumnya. Shewhart awalnya menyebut hal ini sebagai assignable cause.

Control Chart / Bagan Kendali : Merupakan bagan yang terdiri atas garis UCL (Upper Control Limit) dan LCL (Lower Control Limit) sebagai batas pengendalian proses produksi dan memberikan sinyal apabila ada ketidaknormalan proses.


Pemilihan Control Limit : ± 3SIGMA
“99.7% of the Data”
Sekitar 99.7% data dalam rentang ± 3SIGMA dari centre line. ( 99.7% dari data berada dalam rentang control limit),
Sehingga 1 - 0.997 = 0.003 or 0.3% 3SIGMA (or 0.3% dari data pada area luar the control limit).

Kegunaan Control Charts :
1.Untuk identifikasi variasi penyebab khusus / special cause / assignable cause.
2.Untuk memberikan sistem peringatan dini (sinyal) pada suatu proses produksi sehingga tidak sampai terjadi cacat produk. Untuk analisa lebih lanjut mengenai penyebab khusus, methode SPC lain (pareto, fishbone dsb) dapat digunakan.
3.Alat untuk memahami variasi proses, dan membantu proses menjadi stabil, setelah proses stabil dapat dilakukan improvement sehingga mencapai centering.
Memberikan komunikasi teknik antara shift 1, 2,3… , m/c 1,2,3… , line 1,2,3 …, operator 1,2,3… , s/c 1,2,3 ….dan sebagainya.


Besar Subgroup :
Memperhatikan faktor : Biaya, tingkat produksi, sensitifitas pendeteksian

Jumlah Subgroup :
Minimal 25 sub group yang berisi sekitar 100 data adalah cukup untuk mengukur kestabilan proses dan supaya special causes mempunyai kesempatan untuk muncul.

Batas Pengendali :
Batas pengendali 3 sigma --> 0.0027 peluang salah signal.

Kondisi Ideal:
‘ukuran subgroup besar sesering mungkin

Jenis Control Chart :
1.Ind.X and mR Chart : Adalah diagram yang memonitor setiap nilai individu yang diamati dalam proses digunakan :
a.Untuk data variabel.
b.Jumlah sampel per subgrup 1.
c.Untuk produk homogen.
d.Untuk dangerous or destructive test

2.XBar-R Chart :
Digunakan :
a.Untuk data variabel
b.Jumlah sampel (n) per subgrup 2 – 9
c.Jika rata – rata mudah dihitung


3.P & NP Chart
3.1.p-chart (defective/cacat):
Apabila jumlah sample (n) tidak konstan,& jumlah maksimal cacat = jumlah sample (n).
3.2.np-chart (defective/cacat)
Apabila jumlah sample (n) konstan, dan jumlah maksimal cacat = jumlah sample (n).
Digunakan :
a.Untuk data attribut
b.Menggunakan prinsip Binomial
c.Untuk sample n = c (konstan) pakai np-chart.
d.Untuk sample n tidak konstan memakai p-chart

4.C & U Chart
4.1.c-chart (defect/kecacatan)
Apabila jumlah sample (n) konstan, dan jumlah maksimal kecacatan bisa <,> atau = jumlah sample (n).
4.2.u-chart (defect/kecacatan)
Apabila jumlah sample (n) tidak konstan, dan jumlah maksimal kecacatan bisa <,> atau = jumlah sample (n).

Defect / kecacatan menunjukkan jenis cacat yang terjadi misal buram, kotor, meler, tipis, gores untuk painting, sehingga untuk sample 1 part bisa terdiri atas lebih dari 1 defect/kecacatan.

Digunakan :
a.Untuk data attribut
b.Menggunakan prinsip Poisson
c.C chart untuk sample (n) = c (konstan).
d.U chart utk sample (n) tidak kontan.

Sumber : Kume, Hitoshi, “Statistical Methods for Quality Improvement”, Tokyo AOTS
Category:
��
21.29 | Posted in
Pada tahun 1953, Kaoru Ishikawa, Profesor dari Universitas Tokyo, meng summary kan diskusi para Insinyur tentang permasalahan kualitas pada suatu pabrik dalam bentuk cause & effect diagram.
Dan inilah pertama kalinya cause & effect diagram diperkenalkan yang akhirnya dipakai secara luas di seluruh perusahaan di Jepang.
Cause & Effect Diagrams
Dilahirkan di Tokyo, anak tertua dari 8 bersaudara dari Ichiro Ishikawa. Tahun 1939 lulus dari Universitas Tokyo dengan gelar sarjana pada bidang applied chemistry.
Cause & Effect Diagrams
Sebagaimana tertera di JIS (Japanese Industrial Control), cause & effect diagram adalah : diagram yang menunjukkan hubungan antara karakteristik kualitas dan faktor-faktor yang mempengaruhinya.

Cause & effect diagram juga dinamakan “fishbone diagram”, karena terlihat seperti tulang ikan.
Kadangkala juga dinamakan “tree” atau “ river” diagram.

Faktor -faktor penyusun karakteristik produk
dapat dikategorikan :
1.The 8 P's : Price, Promotion, People, Processes, Place / Plant, Policies, Procedures & Product (or Service) yang direkomendasikan untuk administrasi dan industri jasa.
2.The 4 S's : Surroundings, Suppliers, Systems, Skills yang direkomendasikan untuk industri jasa.
3.The 6 M's : Machine, Method, Materials, Measurement, Man and Mother Nature (Environment) direkomendasikan untuk industri manufaktur.
Note: pengkategorian terbaru untuk industri manufaktur : Machine, Methode, Man, Material, Management & Environment 5 M & 1E.


Faktor - faktor yang berpengaruh serta krakteristik kualitas seharusnya spesifik, terukur dan dapat terkontrol.
Effect / akibat : Karakteristik kualitas
Causes / sebab - sebab : Faktor - faktor yang berpengaruh

Cause & Effect Diagrams
Langkah pembuatan causes & effect
diagram :
1. Tentukan karakteristik kualitas yang akan diamati, usahakan adanya ukuran untuk masalah tersebut, sehingga perbandingan sebelum dan setelah perbaikan dapat dilakukan.
2. Cari sebab-sebab utama (primary causes) yang berpengaruh pada akibat (effect) dan isi pada kotak - kotak Causes yang ada dipangkal bigbone.
3. Cari sebab-sebab kedua (secondary causes) yang berpengaruh pada sebab-sebab utama (primary causes) sebagai medium bone.
4. Cari sebab-sebab ketiga (tertiary causes) yang berpengaruh pada seba-sebab kedua (secondary causes) sebagai small bone.
5. Setelah tertulis lengkap semua penyebab-penyebabnya, amati penyebab yang paling dominan berdasarkan diagram Pareto.

Apabila analisa tidak dapat dilakukan, pilihlah faktor-faktor penyebab yang diduga paling berpengaruh berdasarkan prinsip brainstorming*. Kemudian lakukan pengamatan lapangan untuk memastikan faktor -faktor yang diduga paling berpengaruh tersebut. Dan susunlah ulang cause & effect diagram tersebut.
*Teknik brainstorming diperkenalkan oleh A.F Osborn dalam bukunya Your Creative Power pada tahun 1948.
Category:
��