06 Chapter 06 Peta Kendali Variabel-Konsep dan Latihan

Ringkasan Peta Kendali Atribut - Konsep & Latihan

B. PETA KENDALI ATRIBUT

 Atribut : mengacu pada karakteristik kualitas yang memenuhi spesifikasi atau tidak.
Atribut  produk bagus / baik atau produk defective

 2 alasan pengamatan Atribut dilakukan :
1. Jika pengukuran tidak mungkin dilakukan
2. Jika pengukuran dapat dilakukan tetapi butuh waktu lama, mahal, sulit, dll.

 Keterbatasan Peta Variabel :
1. Tidak dapat digunakan untuk karakteristik kualitas atribut (cacat pada produk)
2. Dalam manufaktur sangat banyak variabel yang terlibat  mahal dan tidak praktis

 Tipe Peta Kendali Atribut :
1. Peta Kendali Atribut untuk Defective
Defective  mengacu pada seluruh unit
Dasar : Distribusi Binomial
Jenis Peta Kendali Atribut untuk Defective : Peta p dan Peta np

2. Peta Kendali Atribut untuk Defect
Defect  karakteristik kualitas (cacat produk)
Dasar : Distribusi Poisson
Jenis Peta Kendali Atribut untuk Defect : Peta c dan Peta u

 Peta Kendali Atribut untuk Defective

I. Peta p :
 Peta p merupakan peta kontrol fraksi / bagian yang tidak memenuhi syarat.
Peta p menunjukkan proporsi cacat (cacat keseluruhan).

 Rumus :   np
p 
p  np
n n

dimana : p = proporsi defective
n = jumlah sampel per subgrup
np = jumlah defektif dalam subgrup

 Tujuan Peta p :
a. Menentukan rata-rata kualitas.
b. Menarik perhatian manajemen tentang perubahan rata-rata
c. Memperbaiki kualitas

d. Evaluasi prestasi dari manajemen operasi dan personel
e. Memperkirakan pemakaian peta X dan R
f. Menentukan kriteria penerimaan
 Peta p dapat digunakan untuk n tetap atau bervariasi

 Langkah-langkah pembuatan Peta p :

1. Menentukan tujuan :
Peta p dibuat untuk mengendalikan fraksi defective :
a. Karakteristik kualitas tunggal
b. Kelompok karakteristik tunggal
c. Suatu bagian
d. Keseluruhan produk
e. Sejumlah produk

Peta p juga dapat digunakan untuk mengendalikan performance : operator,
stasiun kerja, departemen, shift, pabrik, perusahaan.

2. Tentukan subgrup :

 Penentuan ukuran subgrup (n) perlu diadakan penelitian pendahuluan

terlebih dahulu supaya peta lebih baik

 Pengelompokan data :

 Untuk proses kontinu : sesuai urutan produksi

 Untuk job order : sesuai jadwal produksi

3. Mengumpulkan dan mencatat data.
Ukuran subgrup / jumlah sampel (n) dapat tetap atau bervariasi.

4. Tentukan harga p dan batas-batas kendali :

 p  np   np
p 
n
n

 Standar deviasi untuk p : p = p (1- p )

n

 Untuk 3  :

GT  p

BKA / BKB  p  3 p (1- p )
n

Jika nilai BKB < 0  nilai BKB = 0
Untuk n tetap  BKA dan BKB sama untuk tiap subgrup data.
Untuk n variasi  BKA dan BKB berbeda-beda, disesuaikan dengan

nilai n tiap subgrup data pengamatan.

5. Plot titik-titik p dan batas kendali dalam grafik Scatter Plot

6. Jika ada data yang keluar dari Batas Kendali, perbaiki dan revisi.

pnew  po  np - npd
n - nd

BKA / BKB  p o  3 po (1- po )
n

dimana : npd = jumlah defective yang keluar batas

nd = jumlah subgrup yang keluar batas
 Contoh Soal :

1. Pada bulan Mei di pabrik garment HATEX dilakukan pemeriksaan dengan

n = 200 dan frekuensi pengambilan subgrup 15 kali.

Data yang diperoleh adalah sbb :

Subgrup Jumlah diperiksa (n) Jumlah Defective (np) Bagian ditolak (p)

1 200 7 0,035

2 200 3 0,015

3 200 20 0,100

4 200 11 0,055

5 200 21 0,105

6 200 5 0,025

7 200 4 0,020

8 200 6 0,030

9 200 8 0,040

10 200 10 0,050

11 200 4 0,020

12 200 3 0,015

13 200 8 0,040

14 200 8 0,040

15 200 2 0,010

TOTAL 3000 120

a. Tentukan batas-batas kontrol peta p !
b. Apakah proses terkendali ? Bila tidak, buat revisinya !

Jawab :

p   np  120  0,04
n 3000

GT  p  0,04
BKA  p  3 p (1- p )  0,04  3 0,04 (1- 0,04 )  0,0816

n 200
BKB  p  3 p (1- p )  0,04  3 0,04 (1- 0,04 )  - 0,0016  0

n 200

Peta p

0,120

0,100 BKA
0,080

pp 0,060 GT
0,040

0,020

0,000 BKB

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Subgrup

Proses tidak terkendali, karena masih ada data yg keluar dari Batas
Kendali, yaitu data ke : 3 dan 5  revisi

Peta p - Revisi :

pnew  po  np - npd  120 - ( 20  21)  0,0304
n - nd 3000 - ( 200  200 )

BKA  p0  3 p0 (1- p0 )  0,0304  3 0,0304 (1- 0,0304 )  0,0668
n 200

BKB  p0  3 p0 (1- p0 )  0,0304  3 0,0304 (1- 0,0304 )  - 0,006  0
n 200

Peta p - Revisi

0,070 BKA
0,060

0,050

0,040

0,030 GT

0,020

0,010

0,000 BKB

0 1 2 3 4 5 6 7 8 9 10 11 12 13

S ubgrup

Peta kendali sudah di revisi.

2. Suatu pemeriksaan karakteristik mutu terhadap produk X dengan jumlah
inspeksi sebanyak 10 subgrup :

Subgrup Jumlah diperiksa (n) Jumlah Defective (np) Bagian ditolak (p)

1 200 7 0,035
2 300 3 0,010
3 200 20 0,100
4 250 11 0,044
5 220 21 0,095
6 200 5 0,025
7 250 4 0,016
8 300 6 0,020
9 200 8 0,040
10 220 10 0,045
TOTAL 2340 95

a. Tentukan batas-batas kontrol Peta p 3 !
b. Apakah proses terkendali ? Jika tidak, buat revisinya !

Jawab :

p   np  95  0,0406  GT  p  0,0406
n 2340

Karena soal diatas n bervariasi, maka nilai Batas Kendali Atas (BKA) dan
Batas Kendali Bawah (BKB) tiap subgrup berbeda.

Misalkan untuk n = 200, maka diperoleh nilai Batas Kendali sbb :

BKA  p  3 p (1- p )  0,0406  3 0,0406 (1- 0,0406 )  0,0825
n 200

BKB  p  3 p (1- p )  0,0406  3 0,0406 (1- 0,0406 )  - 0,0013  0
n 200

Subgrup Jumlah Jumlah Bagian BKA GT BKB
diperiksa (n) Defective (np) ditolak (p)
0,0825 0,0406 -0,0013  0
1 200 7 0,035 0,0748 0,0406 0,0064
3 0,010 0,0825 0,0406
2 300 20 0,100 0,0780 0,0406 -0,0013  0
11 0,044 0,0805 0,0406 0,0032
3 200 21 0,095 0,0825 0,0406 0,0007
5 0,025 0,0780 0,0406
4 250 4 0,016 0,0748 0,0406 -0,0013  0
6 0,020 0,0825 0,0406 0,0032
5 220 8 0,040 0,0805 0,0406 0,0064
10 0,045
6 200 95 -0,0013  0
0,0007
7 250

8 300

9 200

10 220

TOTAL 2340

Peta p

0,120

0,100 BKA
0,080

p 0,060
0,040
GT

0,020

0,000 BKB

0 1 2 3 4 5 6 7 8 9 10

Subgrup

Proses tidak terkendali, karena masih ada data yg keluar dari Batas
Kendali, yaitu data ke : 3 dan 5  revisi

Peta p - Revisi :

pnew  po  np - npd  95 - ( 20  21)  0,0281
n - nd 2340 - ( 200  220 )

Karena soal diatas n bervariasi, maka nilai Batas Kendali Atas (BKA) dan
Batas Kendali Bawah (BKB) tiap subgrup berbeda.

Misalkan untuk n = 200, maka diperoleh nilai Batas Kendali sbb :

BKA  p0  3 p0 (1- p0 )  0,0281  3 0,0281 (1- 0,0281)  0,0632
n 200

BKB  p0  3 p0 (1- p0 )  0,0281  3 0,0281 (1- 0,0281)  - 0,0069  0
n 200

Jadi tabel data BKA dan BKB tiap subgrup hasil Revisi sbb :

Subgrup Jumlah Jumlah Bagian BKA GT BKB
diperiksa (n) Defective (np) ditolak (p)
1 0,0632 0,0281 -0,0069  0
2 200 7 0,035 0,0568 0,0281 -0,0005  0
3 300 3 0,010 0,0595 0,0281 -0,0032  0
4 250 11 0,044 0,0632 0,0281 -0,0069  0
5 200 5 0,025 0,0595 0,0281 -0,0032  0
6 250 4 0,016 0,0568 0,0281 -0,0005  0
7 300 6 0,020 0,0632 0,0281 -0,0069  0
8 200 8 0,040 0,0616 0,0281 -0,0053  0
TOTAL 220 10 0,045
1920 54

Peta p - Revisi

0,070 BKA
0,060

0,050

0,040

p

0,030 GT
0,020

0,010

0,000 BKB

0123 45678

Subgrup

Peta kendali sudah di revisi.

 Adaptasi Peta p :
Krn masalah praktis, maka ada 2 peta yang merupakan pengembangan Peta p :
a. Peta Persentase Defective ( 100p chart ) :
Nilai-nilai pada peta ini sama seperti perhitungan pada peta p, hanya ada
perubahan skala, yaitu dengan mengalikan 100.

Rumus Batas Kendali :

GT  100 * p

BKA / BKB  100 *  p  3 p (1- p ) 
 n 

Contoh Soal :

Dari contoh sebelumnya (n tetap), diketahui bahwa :
 np = 120
 n = 3000

n = 200

GT  100 * p  4

BKA  100 *  p  3 p (1- p )   100 *  0,04  3 0,04 (1- 0,04 )   8,16
 n  200

BKB  100 *  p  3 p (1- p )   100 *  0,04  3 0,04 (1- 0,04 )   - 0,16  0
 n  200

NB : Prosedur untuk mendapatkan dan menggunakan Peta 100 p sama
seperti Peta p.

b. Peta np
II. Peta np :

 Hampir sama dengan peta p, tetapi peta np lebih mudah dalam perhitungan
karena hasil-hasil inspeksi dapat langsung dipetakan tanpa dilakukan proses
perhitungan sebelumnya.

 Peta np  menunjukkan jumlah defektif dalam suatu populasi.

 Peta np  digunakan untuk n tetap.

 Rumus Peta np :

GT  np   np ; atau : GT  np  n  p

k

BKA / BKB  np  3 np (1- p )

Jika nilai BKB < 0  nilai BKB = 0

 Rumus Peta np – Revisi :

npnew  npo  np - npd
k - kd

atau : npnew  npo  n  pnew  n  po

BKA / BKB  npo  3 npo (1- po )

 Contoh Soal :

Pada bulan Mei di pabrik garment HATEX dilakukan pemeriksaan dengan n =
200 dan frekuensi pengambilan subgrup 15 kali. Data yg diperoleh adalah sbb
:

Subgrup Jumlah diperiksa (n) Jumlah Defective (np)

1 200 7
2 200 3
3 200 20
4 200 11
5 200 21
6 200 5
7 200 4
8 200 6
9 200 8
10 200 10
11 200 4
12 200 3
13 200 8
14 200 8
15 200 2
TOTAL 3000 120

Apakah proses terkendali ? Bila tidak, buat revisinya !
Jawab :

p   np  120  0,04
n 3000

GT = n p = 200 * 0,04 = 8

BKA  np  3 np (1- p )  8  3 8 (1- 0,04 )  16,3138
BKB  np  3 np (1- p )  8  3 8 (1- 0,04 )  - 0,3138

np Peta np

24
20

16 BKA

12

8 GT

4

0 BKB

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Subgrup

Proses tidak terkendali, karena masih ada data yang keluar dari Batas Kendali,
yaitu data ke : 3 dan 5  revisi

Peta np - Revisi :

pnew  po  np - npd  120 - ( 20  21)  0,0304
n - nd 3000 - ( 200  200 )

GT = npnew  npo  n  pnew  n  po  200 * 0,0304  6,08
BKA  npo  3 npo (1- po )  6,08  3 6,08 (1- 0,0304 )  13,364
BKB  npo  3 npo (1- po )  6,08  3 6,08 (1- 0,0304 )  -1,204

Peta np - Revisi

np 15

BKA

12

9

6 GT

3

0 BKB

0 1 2 3 4 5 6 7 8 9 10 11 12 13
Subgrup

Peta kendali telah di revisi.
 Peta Kendali Atribut untuk Defect :

I. Peta c :
 Peta c merupakan peta yang menunjukkan jumlah cacat (defect) yang diamati
dalam satu satuan inspeksi (spt : satu pesawat, satu radio, satu gulungan kain,
satu gulungan kabel, satu buku, dst).

Ukuran subgrup dari Peta c  n = 1

 Rumus Peta Kendali c :

c

GT  c 
k

BKA / BKB  c  3 c

dimana : c = jumlah cacat
k = jumlah subgrup

 Rumus Peta Kendali c – Revisi :

c new  co  c - cd
k - kd

BKA / BKB  co  3 co

 Dalam hal tertentu, lebih tepat bekerja dengan menggunakan jumlah defect
daripada fraction defective.

Contoh : dalam pemeriksaan :

Kain  jumlah benang yang timbu, dirty spot ( tiap m2 )

Gelas  jumlah gelembung / bubble ( tiap 10 m2 )

Radio  jumlah cacat ( per unit radio )

 Bentuk pengambilan keputusan dalam pemeriksaan dgn menggunakan peta :

Defective : Conform  terima
Nonconform  tolak

Defect : jumlah cacat tidak menyatakan terima atau tolak produk.

Non Conforming Non Conformities
Product (Defective) (Defect)
c
Ukuran Konstan np
Sampel u
Konstan atau Bervariasi p

 Contoh Soal :
1. Diketahui : jumlah cacat total = 141 ; k = 25.
Tentukan batas kendali peta c !

Jawab :

GT  c  c  141  5,64

k 25
BKA  c  3 c  5,64  3 5,64  12,76

BKB  c  3 c  5,64  3 5,64  -1,48  0

2. Dari hasil penelitian terhadap beberapa roll kain tekstil selama 15 hari,

diperoleh data jumlah cacat sbb :

Roll Jumlah Defect Roll Jumlah Defect

17 99

26 10 9

36 11 8

47 12 5

54 13 5

67 14 9

78 15 8

8 10

TOTAL 108

Apakah proses terkendali ?

Jawab :

GT  c   c  108  7,2

k 15

BKA  c  3 c  7,2  3 7,2  15,2

BKB  c  3 c  7,2  3 7,2  - 0,849  0

Peta c

16,00 BKA
12,00

c 8,00 GT

4,00

0,00 BKB

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Subgrup

II. Peta u :

 Peta u merupakan peta yang menunjukkan banyaknya cacat (jumlah defect)

per unit dalam subgrup.

Peta u merupakan modifikasi dari Peta c ; dimana : u c
n

 Rumus Peta Kendali u :

GT  u  c
n

BKA / BKB  u  3 u
n

dimana : u = jumlah cacat per unit dalam subgrup ( defect per unit )
u = rata2 banyaknya cacat per unit untuk beberapa subgrup
( rata-rata defect per unit )

 Rumus Peta Kendali u – Revisi :

u new  u o  c - cd
n - nd

BKA / BKB  u o  3 uo
n

 Contoh Soal :

Berikut ini adalah hasil penelitian terhadap cacat pada produk kain tekstil :

n c u BKA BKB

Jan 30 110 120 1,091 1,425 0,819

Jan 31 82 94 1,146 1,472 0,771

Feb 01 96 134 1,396 1,446 0,797

Feb 02 115 143 1,243 1,418 0,825

Feb 03 108 97 0,898 1,427 0,816

Feb 04 120 145 1,208 1,412 0,832

Feb 05 98 128 1,306 1,443 0,801

Feb 06 103 105 1,019 1,435 0,809

Feb 07 113 116 1,027 1,421 0,823

Feb 08 115 119 1,035 1,418 0,825

Feb 09 99 93 0,939 1,441 0,802

Feb 10 101 132 1,307 1,438 0,805

Feb 11 122 100 0,820 1,409 0,834

Feb 12 98 134 1,367 1,443 0,801

Apakah jumlah cacat tiap unit produk untuk data diatas terkendali ?
Dari data diatas, diketahui bahwa :

 n = 1480
 c = 1660
Karena n bervariasi, maka nilai BKA dan BKB untuk tiap subgrup
berbeda, disesuaikan dengan nilai n dari tiap subgrup.

Sehingga, dapat disusun Batas Kendali sbb : (contoh, untuk bulan Jan 30 )

GT  u  c  1660  1,122
n 1480

BKA  u  3 u  1,122  3 1,122  1,425
n 110

BKB  u  3 u  1,122  3 1,122  0,819
n 110

Peta u

u BKA

1,30

GT

1,00

BKB

0,70
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Subgrup

 PETA KENDALI DEMERIT
 Peta Kendali Demerit : peta yang menggambarkan keseriusan cacat.

Bila ada data yang berada diluar batas kendali, maka Peta Demerit tidak perlu
untuk direvisi karena peta ini hanya bertujuan untuk mengetahui keseriusan cacat.

 Klasifikasi Defect (Non Conformities) :
1. Critical Non Conformities : cacat yang akan mempengaruhi penggunaan dari
produk.
 bila terjadi defect, dapat menyebabkan bahaya dan ketidakamanan dalam
penggunaan, perawatan produk.

2. Major Non Conformities : cacat yang mungkin mempengaruhi penggunaan
dari produk.

 bila terjadi defect, dapat menyebabkan kegagalan penggunaan atau
mengurangi kegunaan dari produk.

3. Minor Non Conformities : cacat yg tidak akan mempengaruhi penggunaan dari
produk.

 bila terjadi defect, dapat mempengaruhi penampilan dari produk.

Bobot = Critical : Major : Minor = 9 : 3 : 1  Peta Demerit

 Rumus Peta Kendali Demerit :

D O = WC . U C + WMA . U MA + W MI . U MI

Dimana : W = bobot cacat ( kritis, mayor, minor )
U = jumlah defect per unit
D O = demerit per unit

OU = W C2 .UC  W MA 2 . U MA  W 2 . U MI
MI

n

GT = D O

BKA = D O + 3 OU
BKB = D O – 3 OU

 SOAL – SOAL :

1. Diketahui data-data hasil pengukuran 100 buah sampel sebagai berikut :

Subgrup 123456789 10
100
Ukr. sampel (n) 100 100 100 100 100 100 100 100 100 7

 defektif (np) 14 10 4 6 13 4 8 5 10

Tentukan apakah produk-produk tsb sudah terkendali ? (gunakan peta p dan np)

2. Suatu perusahaan memproduksi lampu senter. Karakteristik cacat yang akan
diperiksa dari produk yg dihasilkan terdiri dari : cacat warna, lampu pecah, lampu
putus & cacat goresan. Dari hasil pemeriksaan thd 10 subgrup, diperoleh data sbb
:

Subgrup 1234 5 6 7 8 9 10
Ukr. sampel (n) 50 50 50 50 50 50 50 50 50 50
 produk cacat 5 4 7 3 4 5 2 10 53
 cacat warna 2242 1 1 1 3 31
4121 2 5 1 3 12
 cacat pecah 0121 3 1 2 6 32
 cacat putus

 cacat goresan 1 0 1 2 1 0 1 2 1 2

a. Buatlah peta kendali defektifnya, apakah produk msh dlm batas pengendalian
?

b. Apabila konsumen mau menerima max. 15% defektif, apakah produk ini
masih dapat diterima oleh konsumen ?

c. Apakah proses terkendali, dilihat dari segi jumlah cacat pd lampu senter tsb ?
d. Apakah jumlah cacat untuk tiap unit produk masih dalam batas pengendalian ?

3. Berdasarkan hasil pemeriksaan terhadap 15 subgrup produk, diperoleh data sbb :

Subgrup 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
n 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40

 defektif 0 0 1 1 0 1 5 1 2 0 6 0 1 1 2

a. Apakah proses ini terkendali ?
b. Jika pelanggan hanya mau menerima lot dengan max 2,5% defektif, apakah

proses ini masih dapat diterima ?
c. Jika tidak, susunlah batas kendali yang baru, dan cek lagi syarat spt. no b !

4. Diketahui data hasil pemeriksaan terhadap 7 subgrup produk sepatu sbb :

Subgrup 1 2 3 4 5 6 7
n 32 37 35 33 36 40 40

 defektif 8 6 7 5 18 8 9

a. Apakah proses ini terkendali ?
b. Jika tidak, susunlah batas kendali revisinya !

 GRAFIK BERJALAN ( RUN CHART )
 Grafik Berjalan : tempat data yang diatur dalam urutan waktu.
Analisis grafik berjalan dilakukan untuk menentukan jika pola dapat dihubungkan
pada sebab biasa dari Variasi, atau apakah terjadi sebab Variasi khusus.

 Grafik Berjalan harus digunakan sebagai bahan analisis pendahuluan dari data
yang diukur pada skala berkelanjutan yang dapat diorganisasi dalam urutan waktu
(Pyzdek, Thomas, “The Six Sigma Handbook”, Edisi Pertama, 2002, h. 270).

 Grafik Berjalan dibuat dengan cara :
1. Buat garis grafik dari data dalam urutan waktu.
2. Tentukan nilai median dari data tersebut (GT)
3. Tentukan panjang perjalanan terbesar dari banyaknya panjang perjalanan yang
ada pada grafik.
Panjang perjalanan ditentukan dengan cara menghitung jumlah titik berurutan
pada sisi yang sama dari median.

u Peta u

Panjang Perjalanan

1.30

GT

1.00

0.70
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Subgrup

4. Cek apakah ada penyebab Variasi khusus :
Jika jumlah titik panjang perjalanan diluar batas maksimum normal sesuai data
yang diplot, maka ada penyebab Variasi khusus (  = 0,05 )

Tabel Data : Batas Maksimum Panjang Perjalanan

Jumlah nilai yang digambar Maksimum Panjang Perjalanan

10 5

15 6

20 7

30 8

40 9

50 10

Sumber : Pyzdek, Thomas, “The Six Sigma Handbook”, Edisi Pertama, 2002, hlm. 272

5. Hitung jumlah perjalanan yang terjadi pada grafik

Jumlah perjalanan yang diharapkan dari suatu proses yang dikontrol dapat

juga ditetapkan secara matematis.

Suatu proses yang tidak sedang dipengaruhi oleh penyebab khusus tidak akan

memiliki baik terlalu banyak perjalanan atau terlalu sedikit perjalanan.

6. Cek apakah ada penyebab Variasi khusus :
Jika ada lebih sedikit atau lebih banyak perjalanan daripada yang diizinkan
terkecil atau terbesar, maka ada probabilitas yang tinggi (  = 0,05 ) bahwa
penyebab khusus ada.

Tabel Data : Batas Maksimum Panjang Perjalanan

Jumlah nilai yg digambar Jumlah Perjalanan Terkecil Jumlah Perjalanan Terbesar

10 3 8

12 3 10

14 4 11

16 5 12

18 6 13

20 6 15

22 7 16

24 8 17

26 9 18

28 10 19

30 11 20

32 11 22

34 12 23

36 13 24

38 14 25

40 15 26

42 16 27

44 17 28

46 17 30

48 18 31

50 19 32

Sumber : Pyzdek, Thomas, “The Six Sigma Handbook”, Edisi Pertama, 2002, hlm. 274

7. Cek penyebab khusus berdasarkan Trend yang mungkin terjadi :

Trend dalam grafik berjalan ditunjukkan melalui perhitungan nilai

peningkatan atau penurunan berurutan yang terjadi.

Jika perhitungan terpanjang dr peningkatan atau penurunan berurutan melebihi

nilai batas yang diizinkan maka dapat diindikasikan bahwa mungkin penyebab

khusus variasi yang menyebabkan proses menyimpang.

Tabel Data : Batas Maksimum Panjang Perjalanan

Jumlah nilai yg digambar Maksimum Peningkatan / Penurunan Berurutan

5 sampai 8 4

9 sampai 20 5

21 sampai 100 6

101 atau lebih 7

Sumber : Pyzdek, Thomas, “The Six Sigma Handbook”, Edisi Pertama, 2002, hlm. 275

Contoh gambaran mengenai analisis Trend yang terjadi :

10 Trend dari 7 penurunan
8
6 GT
4
Trend dari 5 penurunan
2
5 10 15 20

Ketekunan merupakan kunci dari kekuatan pengulangan yang berakhir sukses
(Yogi Yogaswara, 2017)