LAPORAN PRAKTIKUM

PENGENDALIAN MUTU PANGAN DAN PENGUJIAN SENSORIS

BAGAN KENDALI MUTU ATRIBUT
(ATRIBUTE CONTROL CHART)

OLEH:
KELOMPOK A-9
HARTAHWAN S.

6103014026

HELENA TIFFANY

6103014068

IDA AYU P.

6103014095

Hari/Tanggal : Senin, 08 November 2016

Asisten :

JOVICA VANIA

PROGRAM STUDI TEKNOLOGI PANGAN

FAKULTAS TEKNOLOGI PERTANIAN
UNIVERSITAS KATOLIK WIDYA MANDALA SURABAYA
SURABAYA
2016

I. PENDAHULUAN
1.1 TUJUAN
Tujuan Instruksional Umum:

Mahasiswa memahami penggunaan bagan/peta/grafik kendali mutu atribut

sebagai salah satu cara pengendalian kualitas.

Tujuan Instruksional Khusus:
a. Setelah melakukan praktikum ini, mahasiswa mampu merancang pengendalian
kualitas menggunakan peta kendali mutu atribut.
b. Mengetahui pengertian dan perhitungan dari atribute control chart, p-chart, CLp,
UCLp, LCLp.
c. Dapat menerapkan konsep statistik pada kegiatan pengendaliann kualitas.

1.2 DASAR TEORI

Control chart dapat diklasifikasikan menjadi 2 jenis utama (Montgomery, 2002),
yaitu control chart untuk data variabel dan control chart untuk data atribut. Suatu data dapat
dikatakan sebagai data atribut jika karakteristik dari kualitas tidak dapat diukur dalam suatu
skala kontinius atau dalam skala kuantitatif, contoh jumlah cacat (defect) yang terjadi dalam
suatu produk.
Istilah defective yang dulu sering digunakan untuk karakteristik kualitas data atribut,
seiiring berjalannya waktu mulai digantikan dengan istilah conforming, sesuai dengan
spesifikasi yang diinginkan, dan nonconforming, tidak sesuai dengan spesifikasi yang
diinginkan. Penggantian istilah ini dilakukan berdasarkan rekomendasi dari American Society
for Quality (ASQ). Ada 3 pembagian utama control chart untuk data atribut yang sering
digunakan, yaitu control chart for fraction nonconforming, control chart for nonconformities
dan control chart for nonconformities per unit. (Montgomery, 2002)
Fraction nonconforming dapat didefinisikan sebagai perbandingan antara jumlah
nonconforming items yang terdapat pada sebuah populasi terhadap jumlah items dalam
populasi tersebut. Jika item tidak sesuai dengan karakteristik kualitas yang telah ditetapkan
maka item tersebut dapat dikategorikan sebagai nonconforming item. Control chart for
fraction nonconforming didasarkan pada suatu prinsip statistik, yakni distribusi binomial.
Misalkan parameter p ialah peluang dimana produk yang dihasilkan tidak sesuai dengan

sesuai dengan spesifikasi yang telah ditentukan, maka distribusi binomial untuk parameter
tersebut ialah :

Sample fraction nonconforming dapat didefinisikan sebagai perbandingan jumlah

nonconforming units pada sampel, D, terhadap ukuran sampel (sample size), n. Rata-rata
populasi serta varians populasi dari distribusi binomial dapat dinyatakan sebagai berikut :

, dapat dimodifikasi dan dinyatakan sebagai berikut (Asumsi : L yang digunakan ialah 3,
three-sigma, dan nilai p telah diketahui atau terdapat standar tertentu ( desired atau target
value.)

Jika p tidak diketahui maka persamaan di atas berubah menjadi persamaan di bawah ini :

Parameter m adalah sample number, n adalah sample Nilai m yang direkomendasikan

ialah 20 atau 25. Apabila LCL yang diperoleh menghasilkan suatu angka negatif, maka LCL
yang digunakan ialah 0. Terdapat formula tertentu yang dapat digunakan untuk menggunakan
sample size. Penentuan sample size menjadi penting terlebih jika nilai p sangatlah kecil.

Jika control chart yang dihasilkan ingin didasarkan pada jumlah nonconforming
dibandingkan dengan rasionya (fraction), maka np control chart dapat digunakan.

Apabila tidak ada standard value p, maka dapat digunakan untuk mengestimasi p.
Seringkali jumlah sample size dari setiap sample number tidak sama (variable sample size),
oleh sebab itu dikembangkanlah beberapa pendekatan sehingga control chart dapat
dihasilkan. Pendekatan pertama ialah dengan menggunakan sample size masing-masing,
Variable-Width Control Limits, sehingga UCL dan LCL untuk setiap sample number berbedabeda.

Kelebihan dan Kekurangan Control Chart untuk Data Atribut Dalam menentukan apakah
control chart untuk data atribut digunakan atau tidak, sebaiknya kekurangan dan kelebihan
dari control chart untuk data atribut diketahui terlebih dahulu. Berikut merupakan kelemahan
dari control chart untuk data atribut (Nelson, 1984 & Alwan, 2000):
1. Control chart untuk data atribut tidak mampu menyediakan informasi mengenai
penyebab dari suatu penyimpangan yang terjadi, sehingga seringkali harus
diintegrasikan dengan SPC lainnya, seperti Pareto Chart
2. Sulit untuk mengkonversi data atribut menjadi data variabel. Berbeda dengan data
variabel yang relatif mudah untuk dikonversi menjadi data atribut.

3. Sulit untuk mengkonversi data atribut menjadi data variabel. Berbeda dengan data
variabel yang relatif mudah untuk dikonversi menjadi data atribut.
4. Control chart untuk data atribut tidak mampu mengindikasikan pola (mean dan
variance) serta perubahan yang mungkin terjadi pada suatu sistem. Berbeda dengan
control chart untuk data variabel yang mampu mengindikasikan perubahan yang
mungkin terjadi pada suatu sistem .
Sedangkan kelebihan dari control chart untuk data atribut (Alwan 2000, & Montgomery,
2002) ialah :
1. mampu menghasilkan control chart untuk karakteristik dari kualitas yang tidak
dapat diukur dalam suatu skala kontinius atau dalam skala kuantitatif.
2. mampu melakukan penghematan waktu dan biaya serta alasan kenyamanan.
3. mampu mengurangi penggunaan multivariate chart pada kasus karakteristik
kualitas yang mampu diukur (variabel) lebih dari satu, dimana penggunaan
multivariate chart ini relatif kompleks dan memakan waktu serta biaya.

II. ALAT DAN BAHAN

Alat:
- Alat pengalengan
- Kontainer (diwakili wadah biru, hijau, kuning, dan mangkok)
Bahan:
- Kaleng ikan (diwakili kancing biru dan kancing hitam)

III. CARA KERJA

Kancing yang terdiri dari 2 warna

(10 warna terang 90 warna gelap)
Pengisian ke dalam keranjang
Pengambilan sampel sebanyak 8 kali, dengan cara:

Mengambil 10 sampel
Mengambil
kancing
sampel
dalam
kancing
keranjang
dengan jumlah 15 dan 10 (pengambilan tidak konsta

Menghitung sampel kancing yang memiliki warna terang dalam setiap pengambilan sampel

Pengumpulan dan pentabulasian data

Pengolahan data menggunakan program SPSS

*Kaleng ikan (diwakili kancing biru dan kancing hitam)

V. DATA PENGAMATAN
Tabel Data Pengambilan Kancing secara Konstan
CONTAINE
R
KUNING
5%

JUMLAH
SAMPEL
10

PENGAMBILAN
1
2
3
4
5
6

JUMLAH
CACAT
1
0
0
0
1
0

HIJAU 10%

10

BIRU 25%

10

7
8
1
2
3
4
5
6
7
8
1
2
3
4
5
6
7
8

0
0
3
0
0
2
0
1
1
1
4
1
2
5
2
2
2
2

Tabel Data Pengambilan Kancing secara Variasi

CONTAINER

KUNING 5%

HIJAU 10 %

BIRU 25%

JUMLAH SAMPEL
10
15
10
15
10
15
10
15
10
15
10
15
10
15
10
15
10
15
10
15
10
15
10

PENGAMBIL
AN
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
1
2
3

JUMLAH CACAT
0
0
0
1
0
1
1
1
0
1
0
1
0
3
1
1
0
0
0
4
3
2
3

15
10
15
10
15
10
15

4
5
6
7
8
9
10

3
3
4
2
4
2
4

Grafik pengambilan secara Konstan

p-chart kuning 5%

p-chart hijau 10%

p-chart biru 25%

np-chart kuning 5%

np-chart hijau 10%

np-chart biru 25 %

Grafik Pengambilan secara Variasi

JC = Jumlah cacat
JCV = Jumlah cacat variasi

PERHITUNGAN

1. P CHART SAMPEL TETAP

X
N
1,5

24
0.062

P=

0.062 (10.062 )
=0.2921
20
0.062 ( 10.062 )
LCLp=0.0623
=0.0665
20
Nilai LCLp tidak mungkin negatif sehingga diubah menjadi 0
UCLp=0.062+ 3

2. P CHART SAMPEL BERVARIASI

x
N
49
P=
375
P=0,1307
P=

0,1307(10,1307)
=0,4505
10
0,1307 (10,1307 )
LCL p 10=0,13073
=0,1891
10
0,1307 ( 10,1307 )
UCL p 15=0,1307+3
=0,3918
15
0,1307 ( 10,1307 )
LCL p 15=0 ,13073
=0,1304
15
Nilai LCL diubah menjadi 0 karena tidak mungkin negative
UCL p 10=0,1307+3

3. NP SAMPEL TETAP
45
xn
24 x 20
45
nP=
x 20
24 x 20
45
nP=
24
nP=

UCLp=nP+3 nP ( 1P )
UCLp=1.875+ 3 1.875 ( 10.062 )
UCLp=5.854
LCLp=n3 nP ( 1P )

LCLp=1.8753 1.875 ( 10.062 )

UCLp=2.104
Nilai LCL diubah menjadi 0 karena tidak mungkin negative
4. NP SAMPEL BERVARIASI
Pengambilan sampel: 15
30
nP=
xn
15 x 20
30
nP=
x 20
( 15 x 20 )
nP=2
UCLp=nP+3 nP ( 1P )
UCLp=2+ 3 2 ( 10.13 )
UCLp=5.957
LCLp=nP3 nP ( 1P )
LCLp=23 2 (10.13 )
LCLp= 1.957
Nilai LCL diubah menjadi 0 karena tidak mungkin negative

Pengambilan sampel: 10
15
x 20
(15 x 20)
nP=1
UCLp=nP+3 nP ( 1P )
UCLp=1+3 1(10,13)
UCLp=3,7892
LCLp=nP3 nP ( 1P )
nP=

LCLp=13 1(10,13)
LCLp=1,798
Nilai LCL diubah menjadi 0 karena tidak mungkin negatif

VI. PEMBAHASAN
Dalam proses produksi, pengawasan dan pengendalian kualitas suatu produk sangat
penting dilakukan. Pengawasan dan pengendalian tersebut dapat dilakukan dengan
melakukan sampling. Sampling merupakan pengambilan sampel secara acak. Sampel yang
diambil harus dapat mewakili keseluruhan populasi. Pengambilan sampel dilakukan secara
acak dan diusahakan agar populasi yang digunakan untuk sampling bersifat homogen.

Pengambilan sampel dapat dilakukan secara konstan maupun bervariasi. Pengambilan sampel
secara bervariasi lebih mewakili populasi sehingga produk dapat dikendalikan lebih baik.
Praktikum ini diumpamakan sebagai industri pengalengan sarden. Pengambilan
kancing baju diasumsikan sebagai proses sampling kaleng sarden. Selama proses
pengalengan sarden, pasti ada beberapa produk yang cacat sehingga perlu dipisahkan atau
dicegah. Untuk itu perlu dilakukan pengambilan kaleng (sampling) secara acak sebanyak n
(jumlah). Kaleng sarden diwakilkan sebagai kancing, dimana kancing biru merupakan kaleng
yang baik dan kancing hitam merupakan kancing yang cacat. Pengambilan sampel dilakukan
secara konstan dan bervariasi. Sampel yang diambil harus benar-benar mewakili populasi,
untuk itu proses pengambilan sampel dilakukan secara acak tanpa melihat sampel.
Setelah melakukan sampling, data yang didapat dianalisa dengan SPSS mengunakan
p-chart pada sampel tetap dan sampel bervariasi sedangkan np-chart pada sampel tetap. Pchart digunakan untuk mengetahui proporsi cacat dari pulasi sedangkan np-chart digunakan
untuk mengetahui jumlah cacat dari suatu populasi. Dilakukan juga perhitungan secara
manual untuk menentukan UCL dan LCL.
Batas bawah dari grafik adalah 0, karena jumlah kancing cacat (kaleng yang rusak)
tidak mungkin kurang dari 0. Nilai center line ditentukan dari rata-rata jumlah data yang
didapatkan, sementara batas atas (UCL) dan batas bawah (LCL) ditentukan menggunakan
rumus secara manual ataupun diperoleh secara langsung melalui grafik SPSS. Untuk
pengambilan sampel secara bervariasi, nilai batas atas (UCL) tidak berbentuk garis lurus
melainkan berbentuk garis naik-turun dikarenakan jumlah pengambilan sampel dilakukan
secara bervariasi atau tidak sama (10 dan 15)
Berdasarkan grafik p-chart dan np-chart tidak ditemukan data yang out of control.
Kriteria dari data yang out of control antara lain:
1. Pada grafik terdapat titik yang melewati batas atas (UCL) atau bawah (LCL).
2. Terdapat lebih dari 2 titik yang saling berdekatan/berada pada satu wilayah.
Jika ditemukan data yang out of control maka data tersebut harus dihilangkan dan
dibuat grafik baru. Produk sarden yang out of control harus dipisahkan dari produk yang
sesuai standar mutu untuk selanjutnya diolah kembali agar tidak merugikan konsumen.
Walaupun ada beberapa titik yang berada tepat pada LCL, tetapi hal tersebut tidak
termasuk dalam teori out of control sehingga dapat disimpulkan proses berjalan under
control.
Pengambilan sampel bervariasi dilakukan sepuluh kali dengan mengambil kancing
sebanyak 10 buah, 15 buah, 10 buah dan seterusnya hingga didapat 10 kali pengulangan.

Pengambilan sampel bervariasi diharapkan lebih mewakili produk dan lebih flexible sehingga
kualitas produk dapat dikendalikan dengan lebih baik. Dalam pengambilan kancing (sebagai
sampel kecap) dilakukan secara acak dan mata tertutup.
Pada pengolahan dan analisa data dengan SPSS, p-chart digunakan untuk mengetahui
proporsi cacat dari populasi sedangkan np-chart digunakan untuk mengetahui jumlah cacat
dari suatu populasi. Batas bawah grafik adalah 0 karena kemungkinan cacat paling sedikit
yang terambil adalah 0, sehingga fraksi cacat tidak mungkin bernilai negatif. Nilai UCLp dan
LCLp pada grafik pengambilan sampel jumlah bervariasi tidak berbentuk garis lurus tetapi
naik turun karena jumlah pengambilan sampelnya tidak konstan (10 dan 15). Dari ketiga
grafik untuk p-chart maupun np-chart semua proses produksi kecap berjalan under control
karena tidak ada penyimpangan selama proses produksi yang mengakibatkan cacat pada
produk kecap. Sehingga dapat disimpulkan bahwa populasi sampel kecap tidak mengalami
cacat yang tidak dapat ditolerir karena sampel masih dalam control. Karena tidak ada
penyimpangan maka tidak perlu ada tindakan koreksi untuk memperbaiki operasi produksi
karena sudah berjalan sesuai standar yang diberikan.

VII. DAFTAR PUSTAKA

Ch13.2013. http://www.wiley.com/college/stat/wild329363/student/Ch13.pdf (05 November
2016)
Montgomery, Douglas C. 2009. Introduction to Statistical Quality Control 6th Edition. United
States of America
Vries, A.De and J.K. Reneaut. 2010. Application of statistical process control charts to
monitor changes in animal production systems1. United States of America