Tutorial Grafik C: Pengendalian Atribut

Halo, sobat Exsight! 👋 Apakah Anda pernah merasa kesulitan menjaga kualitas produk atau layanan agar tetap konsisten? Jangan khawatir! Dalam artikel “Tutorial Grafik P: Pengendalian Atribut“, kita telah membahas cara memantau proporsi unit cacat dalam suatu proses menggunakan Grafik P. Sekarang, saatnya melangkah lebih jauh dengan membahas alat lain yang tak kalah penting dalam Statistical Process Control (SPC), yaitu grafik C!

Sebagai salah satu jenis grafik pengendalian atribut, grafik C dirancang khusus untuk memonitor jumlah kejadian atau cacat dalam suatu proses. Alat ini sangat efektif untuk membantu Anda mengidentifikasi pola atau anomali yang dapat memengaruhi kualitas. Dengan demikian, Anda dapat segera mengambil langkah perbaikan yang tepat waktu, memastikan proses tetap berjalan secara efisien dan sesuai standar.

Menariknya, grafik C tidak hanya terbatas pada aplikasi di industri manufaktur, tetapi juga dapat digunakan di berbagai sektor lainnya, seperti layanan kesehatan, logistik, hingga pendidikan. Dengan grafik C, Anda dapat memantau kualitas secara menyeluruh dan menjaga stabilitas proses demi kepuasan pelanggan.

Jadi, siapkah Anda untuk mempelajari lebih lanjut tentang bagaimana grafik C dapat membantu menjaga kualitas proses Anda? Mari kita mulai pembahasannya dan temukan manfaat besar dari alat ini!

Konsep Dasar Grafik C

Grafik pengendalian atribut berfungsi untuk memantau kualitas produk sepanjang proses produksi, khususnya untuk karakteristik yang tidak dapat diukur secara langsung tetapi dapat dihitung. Metode ini memungkinkan kita untuk mengklasifikasikan kualitas produk ke dalam kategori baik atau buruk, serta berhasil atau gagal. Grafik C dirancang khusus untuk mengindikasikan jumlah kecacatan atau ketidaksesuaian dalam sampel dengan ukuran tetap. Dalam hal ini, setiap produk dianggap sebagai satu unit yang dapat memiliki lebih dari satu cacat, tergantung pada sifat masalah yang ada.

Grafik C juga menggambarkan variansi jumlah cacat dari suatu proses produksi dari waktu ke waktu secara keseluruhan. Untuk menetapkan batas kendali, prinsip distribusi Poisson digunakan, yang memungkinkan analisis yang lebih akurat terhadap jumlah kecacatan dalam proses produksi. Dengan pendekatan ini, kita dapat lebih efektif dalam mengidentifikasi dan mengatasi masalah kualitas yang muncul.

Batas kendali yang ditetapkan dalam grafik C berfungsi sebagai indikator untuk menilai apakah proses berada dalam kendali atau tidak. Jika titik data berada di luar batas kendali, hal ini menunjukkan adanya variasi yang tidak biasa dalam proses yang perlu ditindaklanjuti. Dengan demikian, grafik C bukan hanya berfungsi sebagai alat pemantauan, tetapi juga sebagai dasar untuk analisis yang lebih mendalam terkait kualitas produk.

Setelah menganalisis data dari grafik C, tim kualitas dapat menentukan langkah-langkah perbaikan yang diperlukan. Misalnya, jika terdapat pola atau tren yang menunjukkan peningkatan jumlah cacat, tim dapat melakukan investigasi untuk mencari penyebabnya dan mengambil langkah-langkah yang sesuai untuk perbaikan. Grafik C dapat diterapkan di berbagai industri, termasuk manufaktur, kesehatan, dan layanan, di mana pengendalian kualitas produk dan proses sangat penting. Dengan alat ini, organisasi dapat menjaga standar kualitas yang tinggi dan meningkatkan kepuasan pelanggan, sehingga menciptakan keunggulan kompetitif di pasar.

Langkah-Langkah Dasar Membuat Grafik C

Berikut ini langkah-langkah dasar dalam membuat grafik C

1. Menentukan rata-rata kerusakan

Rata-rata jumlah kerusakan dalam grafik C dihitung untuk menentukan garis pusat (Center Line/CL) yang merepresentasikan nilai rata-rata dari jumlah kerusakan dalam proses produksi yang diamati. Rata-rata jumlah kerusakan untuk grafik C dihitung dengan rumus berikut:

\bar{c} = \frac{\Sigma c}{m}

Keterangan :

\begin{align*}
\bar{c} & = \text{rata-rata jumlah kerusakan} \\
\Sigma c & = \text{jumlah kerusakan} \\
m & = \text{jumlah sampel}
\end{align*}

2. Menentukan standar deviasi

Standar deviasi dalam grafik C digunakan untuk mengukur tingkat penyebaran jumlah kerusakan dari rata-rata. Standar deviasi dalam grafik C dihitung dengan rumus:

\sigma_c = \sqrt{\bar{c}}

Keterangan

\begin{align*}
\sigma_e & = \text{Standar deviasi} \\
\sqrt{\bar{c}} & = \text{Rata-rata jumlah produk rusak}
\end{align*}

3. Menentukan batas pengendalian

Upper Control Limit (UCL) untuk grafik C dihitung dengan rumus:

UCL = \bar{c} + 3 \sqrt{\bar{c}} 

Lower Control Limit (LCL) untuk grafik C dihitung dengan rumus:

LCL = \bar{c} - 3 \sqrt{\bar{c}} 

Jika jumlah kerusakan produksi mendekati batas LCL, ini menunjukkan bahwa kualitas produk yang dihasilkan sangat baik, karena tingkat kerusakan mendekati angka nol (0). Sebaliknya, jika jumlah kerusakan mendekati batas UCL, ini menandakan bahwa kualitas produk tersebut buruk, karena ada penyimpangan kerusakan yang signifikan. Oleh karena itu, hal ini perlu diperhatikan dengan serius, dan tindakan perbaikan harus segera dilakukan untuk meningkatkan kualitas produk dalam proses produksi.

4. Membuat Grafik C

• Mengumpulkan Data: Kumpulkan data jumlah kerusakan untuk setiap periode waktu yang telah ditentukan. Pengamatan dalam grafik C dapat ditabelkan seperti berikut:

• Membuat Tabel Data: Buat tabel yang mencakup kolom untuk waktu, jumlah kerusakan, rata-rata C, UCL, dan LCL.
• Menggunakan Perangkat Lunak: Gunakan perangkat lunak
• Analisis Grafik: Setelah grafik dibuat, analisis pola kerusakan. Perhatikan jika ada titik data yang melebihi UCL atau di bawah LCL, dan identifikasi penyebab penyimpangan tersebut.

Tutorial Membuat Grafik C dengan R

Sebuah perusahaan percetakan sedang melakukan analisis kualitas untuk memantau stabilitas proses produksi mereka. Salah satu indikator yang diamati adalah jumlah kesalahan cetak (defect) yang terjadi dalam setiap sesi produksi, di mana setiap sesi melibatkan pencetakan 100 halaman. Dalam periode observasi ini, perusahaan mencatat jumlah kesalahan sebagai berikut: pada Sesi 1 terdapat 4 kesalahan, pada Sesi 2 tercatat 2 kesalahan, pada Sesi 3 terjadi peningkatan menjadi 7 kesalahan, dan pada Sesi 4 kembali menurun menjadi 6 kesalahan. Perusahaan ingin memastikan bahwa jumlah kesalahan berada dalam batas kendali statistik dan menganalisis apakah proses produksi tetap stabil.

Untuk menjawab permasalahan ini, grafik C dipilih sebagai alat analisis karena grafik ini dirancang khusus untuk memantau jumlah kejadian diskret, seperti jumlah kesalahan atau cacat dalam proses produksi, terutama ketika ukuran sampel atau unit produksi dalam setiap sesi relatif sama. Dengan menggunakan grafik C, perusahaan dapat menentukan apakah jumlah kesalahan masih berada dalam batas kendali statistik serta mengidentifikasi pola atau variasi yang mungkin mengindikasikan adanya masalah pada proses produksi. Hal ini memungkinkan perusahaan untuk menjaga stabilitas dan konsistensi kualitas produk mereka. Berikut ini adalah langkah-langkah pembuatan grafik C dengan menggunakan R:

1. Siapkan Dataset

Dataset untuk membuat grafik C harus mencakup informasi berikut:

• Group: Nama sesi atau batch yang diamati.
• Defects: Jumlah kesalahan cetak dalam setiap sesi.

Berikut ini adalah dataset dalam format tabel:

2. Buat Dataset di R

Gunakan fungsi data.frame() untuk membuat dataset di R.

# Membuat dataset langsung di R
data_c <- data.frame(
  group = c("Sesi 1", "Sesi 2", "Sesi 3", "Sesi 4"),
  defects = c(4, 2, 7, 6)
)
data_c

3. Instal dan Muat Paket yang Dibutuhkan

Pada langkah ini, kita menggunakan paket qqc dalam R, yang merupakan alat untuk membuat berbagai jenis grafik pengendalian statistik, termasuk grafik C. Paket ini dirancang untuk membantu analisis Pengendalian Proses Statistik (Statistical Process Control/SPC) dengan mudah. Melalui qqc, kita dapat menghitung batas kendali, memvisualisasikan grafik pengendalian, dan menganalisis stabilitas proses produksi.

install.packages("qcc") # Instal jika belum ada
library(qcc)

4. Buat Grafik C

Berikut adalah sintaks untuk membuat Grafik C:

# Membuat Grafik C
c_chart <- qcc(
  data_c$defects,      # Kolom jumlah kesalahan
  type = "c",          # Jenis grafik C
  labels = data_c$group, # Label untuk sumbu X
  title = "Grafik C: Jumlah Kesalahan Cetak", # Judul grafik
  xlab = "Sesi Produksi", # Label sumbu X
  ylab = "Jumlah Kesalahan" # Label sumbu Y
)

5. Interpretasi Hasil

Grafik C pada gambar menunjukkan analisis jumlah kesalahan cetak dalam empat sesi produksi, dengan tujuan memantau kestabilan proses. Pada sumbu horizontal (X), terdapat nama sesi produksi, yaitu “Sesi 1,” “Sesi 2,” “Sesi 3,” dan “Sesi 4,” sementara sumbu vertikal (Y) menunjukkan jumlah kesalahan yang tercatat pada setiap sesi. Grafik ini dilengkapi dengan garis pusat (CL) yang merepresentasikan rata-rata jumlah kesalahan, yaitu 4,75. Selain itu, terdapat batas kendali atas (UCL) sebesar 11,29 dan batas kendali bawah (LCL) sebesar 0 (karena jumlah kesalahan tidak dapat bernilai negatif).

Dari data, terlihat bahwa jumlah kesalahan untuk semua sesi berada di dalam batas kendali (UCL dan LCL), yang menunjukkan bahwa proses produksi berada dalam kondisi stabil secara statistik. Jumlah kesalahan bervariasi, dengan nilai terendah pada Sesi 2 (2 kesalahan) dan nilai tertinggi pada Sesi 3 (7 kesalahan). Meskipun terdapat fluktuasi antar sesi, tidak ada titik yang melampaui batas kendali atau menunjukkan pola pelanggaran aturan statistik (number violating runs = 0). Hal ini mengindikasikan bahwa proses tidak menunjukkan anomali signifikan atau variasi yang tidak wajar.

Secara keseluruhan, grafik ini menunjukkan bahwa proses produksi berjalan terkendali dan konsisten. Namun, jika perusahaan ingin mengurangi jumlah kesalahan lebih lanjut, analisis mendalam terhadap faktor-faktor yang memengaruhi kesalahan di setiap sesi dapat dilakukan, terutama pada sesi dengan jumlah kesalahan yang lebih tinggi, seperti Sesi 3.

Anhoej, J. (2021). Control Charts with qicharts for R. Diakses pada 28 November 2024, dari https://cran.r-project.org/web/packages/qicharts/vignettes/controlcharts.html

Khikmawati, E., Anggraini, M., & Irawan, I. (2018). Analisis Peta Kendali Atribut Dalam Mengidentifikasi Kerusakan Pada Produk Tepung Tapioka Pt. Umas Jaya Agrotama Lampung. Jurnal Rekayasa, Teknologi, dan Sains, 2(1).

Prasetyo, Y. E. (2012). Peran Pengendalian Kualitas Produk Gula pada PG. Tasikmadu Karanganyar dengan Menggunakan Metode P-Chart.

R Core Team. (2023). qcc: Quality Control Charts. Diakses pada 28 November 2024, dari https://cran.r-project.org/web/packages/qcc/index.html

Rusgiyono, A. (2009). Penerapan Grafik Pengendalian Demerit Terhadap Data Kualitatatif. Media Statistika, 2(1), 49-56.

Demikian penjelasan mengenai Tutorial Grafik C: Pengendalian Atribut. Jika masih ada hal-hal yang membingungkan, jangan ragu untuk menuliskannya di kolom komentar atau menghubungi admin melalui tombol bantuan di kanan bawah. Jangan lupa untuk terus mengikuti website kami di exsight.id/blog agar tidak ketinggalan artikel-artikel menarik lainnya!

Please leave this field empty

Sstt...
Mau Kiriman Artikel Terbaru Exsight
Tanpa Biaya Langganan?

Nama Kamu

Email Kamu

Dapatkan Akses Informasi Terupdate Seputar Dunia Data dan Statistika 🙂

You’ve been successfully subscribed to our newsletter!