Modul 4 Peta Kendali Atribut (1)

Modul 4

Peta Kendali Atribut

–

MODUL 4 PETA KENDALI ATRIBUT

Laboratorium OSI & K | FT.UNTIRTA | Praktikum PENGKUAL© 2014

Page 1

Modul 4


–

A. Tujuan

Berikut ini adalah tujuan praktikum modul peta kendali atribut : 1. Memahami konsep defective dan defective dan defects dalam defects dalam data atribut 2. Memahami dasar-dasar statistik peta kendali Shewhart untuk data atribut berdasarkan distribusi binomial dan poisson 3. Membuat peta kendali Shewhart untuk data atribut berdasar cacat (peta p dan np) 4. Membuat peta kendali Shewhart untuk data atribut berdasar kecacatan (peta c dan u) 5. Menggunakan peta kendali atribut dengan ukuran sampel bervariasi 6. Memahami kelebihan dan kekurangan peta kendali atribut dan peta kendali variabel

B. Teori Singkat

Peta kendali dikembangkan pertama kali oleh Dr. Walter A,Shewhart. Shewhart menunjukkan suatu fakta penting bahwa variasi dari suatu proses diakibatkan oleh dua sumber. Sumber variasi pertama disebut penyebab umum (common ( common cause) cause) yang melekat dalam sistem produksi dan tidak mungkin untuk menghilangkannya (misalnya : keadaan cuaca). Sumber variasi kedua ( special cause caus e) yang diakibatkan oleh beberapa kondisi khusus (misalnya : masalah bahan baku, kesalahan operator, kegagalan mesin, dll). Secara umum, teknik pengawasan proses statistikal membantu kita untuk memonitor proses produksi dan untuk mendeteksi perilaku proses abnormal yang disebabkan oleh penyebab yang khusus. Dalam pengendalian kualitas dikenal istilah defective (non confroming) dan defects (non conformities). Defective (non confroming) confroming) menjelaskan dua kemungkinan produk gagal (cacat) atau berhasil (tidak cacat) sedangkan defects (non confromities) confromities) menjelaskan banyaknya kecacatan dalam suatu produk. produk. Berikut ini adalah contoh defective dan defects:

Gambar 1 Defective dan dan Defects


Page 2

Modul 4


–

Shewhart membagi peta kendali dalam 2 kategori yaitu: peta kendali variabel dan peta kendali atribut. Bagaimana memilih peta kendali atribut? Gambar dibawah ini memberikan hirarki pemilihan peta kendali atribut : PETA KENDALI ATRIBUT

Jumlah Kecacatan (Defects) Dist. Poisson

Poporsi Cacat (Defective) Dist. Binomial

n Tetap

n Variansi

n Tetap

n Variansi

Peta Kendali np,p

Peta Kendali p

Peta Kendali c

Peta Kendali u

Gambar 2 Diargram Peta Kendali Atribuat

Peta kendali atribut memerlukan penentuan apakah sebuah part cacat atau tidak atau berapakah banyaknya cacat yang terdapat di dalam sampel. Beberapa peta kendali jenis ini adalah peta kendali p, peta kendali c, peta kendali u, peta kendali np, dan sebagainya. Berikut ini adalah penjelasan macam-macam peta kendali atribuat. a. Peta Kendali np

Hampir sama dengan peta kendali p, tetapi peta kendali np lebih mudah dalam perhitungan karena hasil-hasil inspeksi dapat langsung dipeta kendalikan tanpa dilakukan proses perhitungan sebelumnya. Peta kendali np menunjukkan jumlah defektif dalam suatu populasi. Peta kendali np digunakan untuk n tetap. Berikut adalah rumus peta kendali np : 

Rumus peta kendali np : CL = n =

atau,

BKA/BKB = n

CL = n = n.

3

Jika nilai BKB < 0, Maka nilai BKB = 0


Page 3

Modul 4




–

Rumus perbaikan peta kendali np : n

=n

=

atau,

n

=n

=n

=n

BKA/BKB = n b. Peta kendali p :

Peta kendali p merupakan peta kendali kontrol fraksi / bagian yang tidak memenuhi syarat. Peta kendali p menunjukkan proporsi cacat (cacat keseluruhan).Peta kendali p digunakan untuk n variansi. Berikut ini adalah rumus peta kendali p : 

Rumus peta kendali p :

p =



=>

=

Standar deviasi peta kendali p :

Untuk 3σ CL =

BKA/BKB =

±3

Jika nilai BKB < 0, Maka nilai BKB = 0 Dimana :



p

= proporsi defective

n

= jumlah sampel per subgrup

p

= jumlah defektif dalam subgrup

Rumus perbaikan peta kendali p : =


Page 4

Modul 4


–

BKA/BKB = Dimana :

= jumlah defective yang keluar batas = jumlah subgrup yang keluar batas

Ada pun tujuan dibuatnya peta kendali p yaitu untuk menentukan rata-rata kualitas, menarik perhatian manajemen tentang peruahan rata-rata, memperbaiki kualitas, evaluasi prestasi dari manajemen oprasi dan personel, memperkirakan pemakaian peta kendali X dan R, dan menentukan kriteria penerimaan.

c. Peta kendali c

Menurut Grant (1991), peta kendali atribut c – chart adalah peta kendali untuk ketidaksesuain (kecacatan) barang dimana besarnya subgroup sama. Contoh penerapan c – chart adalah jumlah ketidaksesuaian permukaaan yang diamati dalam lembaran yang dilapisi seng atau yang dicat pada daerah tertentu, jumlah ketidaksempurnaan permukaan dalam selembar film foto, jumlah kerusakan pada titik-titik lemah dalam isolasi pada panjang tertentu kawat .Ukuran subgrup dari Peta kendali c n = 1 . Berikut adalah rumus peta kendali atribut c : 

Rumus peta kendali c : CL =

=

BKA/BKB = Dimana,

3

c = Jumlah cacat k = Jumlah subgrup



Rumus perbaikan peta kendali kendali c : = BKA/BKB =

= 3


Page 5

Modul 4


–

d. Peta kendali u

Peta kendali u merupakan peta kendali yang menunjukkan banyaknya cacat (jumlah defect ) per unit dalam subgrup. Peta kendali u merupakan modifikasi dari Peta kendali c ; dimana : u = 

. Berikut ini adalah rumus peta kendali u :

Rumus Peta kendali Kendali u : CL =

=

BKA/BKB = Dimana,

3

u = Jumlah cacar per unit dalam subgrup (defect per unit) = Rrata-rata banyaknya cacat per unit untuk beberapa subgrup (Ratarata defect per unit)



Rumus perbaikan peta kendali u : =

BKA/BKB =

=

±3

Dalam mengendalikan kualitas dari suatu produk ada beberapa alat bantu untuk mengetahui penyebab utama dari terjadinya kegagalan atau cacat produk sehingga perusahaan dapat memperbaiki dan meningkatkan mutu produk dengan efektif. Salah satu tools yang paling sering digunakan adalah Cause and effect diagram. Diagram Cause and effect diagram (sebab akibat) digunakan untuk menganalisis persoalan dan faktor-faktor yang menimbulkan persoalan tersebut. Dengan demikian diagram tersebut dapat digunakan untuk menjelaskan sebab-sebab suatu persoalan. Cause and effect diagram juga disebut Ishikawa diagram dan dikembangkan oleh Dr. Kaoru Ishikawa. Diagram tersebut juga disebut Fishbone diagram karena berbentuk seperti kerangka ikan. Dalam industri manufaktur pembuatan cause and effect diagram dapat menggunakan konsep “5M-1E”, yaitu: machines, methods, materials, measurement, men/women, dan environment. Sedangkan dalam bidang pelayanan dapat memakai pendekatan “3P -1E” yang Laboratorium OSI & K | FT.UNTIRTA | Praktikum PENGKUAL© 2014

Page 6

Modul 4


–

terdiri dari : procedures, polocies, people dan equipment . Berikut ini adalah contoh cause and effect diagram :

Gambar 3 Cause and eff ect diagr am

C. Studi Kasus Contoh peta Kendali P

Misalkan Anda bekerja di sebuah pabrik yang memproduksi tabung gambar untuk televisi. Untuk setiap lot, Anda menarik beberapa tabung dan melakukan inspeksi visual. Jika tabung memiliki goresan di bagian dalam, Anda menolaknya. Jika memiliki terlalu banyak menolak, Anda melakukan pemeriksaan 100% terhadap lot tersebut. P chart dapat menentukan kapan Anda harus memeriksa seluruh lot. Berikut adalah data yang dihasilkan :


Page 7

Modul 4


–

Tabel 1. Hasil Pemeriksaan Terhadap Lot No

Sampled

Rejects

1

98

20

2

104

18

3

97

14

4

99

16

5

97

13

6

102

29

7

104

21

8

101

14

9

55

6

10

48

6

11

50

7

12

53

7

13

56

9

14

49

5

15

56

8

16

53

9

17

52

9

18

51

10

19

52

9

20

47

10

Cara penyelesainya :. 1. Pilih Start > Charts kontrol > Atribut Charts > P. 2. Pada Variabel, masukkan Rejects. 3. Dalam ukuran Subkelompok, masukkan Sampel. 4. Klik OK. Sehingga didaptkan output sebagai berikut


Page 8

Modul 4


–

Dan grafik sebagai berikut :

P Chart of Rejects 0,35

UCL=0,3324

0,30

1

0,25 n o 0,20 i t r o p o 0,15 r P

_ P=0,1685

0,10 0,05 LCL=0,0047

0,00 1

3

5

7

9

11 Sample

13

15

17

19

Tests performed with unequal sample sizes

Gambar 4. Peta Kendali P

Dari grafik diatas dapat dilihat bahwa data no 6 melewati batas kendali atau out of control.

Contoh Peta Kendali NP

Anda bekerja di sebuah perusahaan manufaktur mainan dan pekerjaan Anda adalah untuk memeriksa jumlah ban sepeda rusak. Anda memeriksa 200 sampel di setiap lot dan kemudian memutuskan untuk membuat bagan NP untuk memantau jumlah barang cacat. Anda memutuskan untuk membagi grafik dengan setiap 10 banyak pemeriksaan. Berikut adalah data yang dihasilkan :


Page 9

Modul 4


–

Tabel 2. Data Hasil Pemeriksaan Mainan No

Inspected

Rejects

No

Inspected

Rejects

No

Inspected

Rejects

1

200

8

11

200

12

21

200

7

2

200

13

12

200

6

22

200

10

3

200

7

13

200

10

23

200

5

4

200

8

14

200

9

24

200

12

5

200

5

15

200

13

25

200

6

6

200

13

16

200

7

26

200

6

7

200

7

17

200

8

27

200

10

8

200

12

18

200

5

28

200

17

9

200

27

19

200

15

29

200

14

10

200

10

20

200

25

30

200

11

Cara penyelesaiiannya adalah : 1.

Pilih Stat> Charts kontrol> Atribut Charts> NP.

2.

Pada Variabel, masukkan Rejects.

3.

Dalam ukuran Subkelompok, masukkan Inspected .

4.

Klik NP Bagan Options, kemudian klik tab Display.

5.

Di bawah grafik Berpisah menjadi serangkaian segmen untuk tujuan tampilan, pilih Setiap segmen berisi __ subgrup dan enter10.

6.

Klik OK di setiap kotak dialog.

Berikut hasil dari minitab


Page 10

Modul 4


–

Peta kendali NP

NP Chart of Rejects 1

20 10

UCL=20,10 __ NP=10,6

0

LCL=1,10

t n u o 20 C e l p 10 m a S 0

1

2

3

4

5

6

7

8

9

10 1

UCL=20,10 __ NP=10,6 LCL=1,10 11

12

13

14

15

16

17

18

19

20

20 10

UCL=20,10 __ NP=10,6

0

LCL=1,10 21

22

23

24

25 26 Sample

27

28

29

30

Gambar 5. Peta Kendali NP

Inspeksi banyak 9 dan 20 jatuh di atas batas kendali atas, menunjukkan bahwa penyebab khusus dapat mempengaruhi jumlah barang cacat untuk banyak ini. Anda harus menyelidiki apa penyebab khusus mungkin telah mempengaruhi out-of-control jumlah sepeda barang cacat ban untuk pemeriksaan banyak 9 dan 20. Kemudian dari data peta kendali NP di atas dibuatpeta kendali P Langkah penyelesaian : 1. Pilih Start > Charts kontrol > Atribut Charts > P. 2. Pada Variabel, masukkan Rejects. 3. Dalam ukuran Subkelompok, masukkan Inspected . 4. Klik OK. Sehingga didaptkan output sebagai berikut


Page 11

Modul 4


–

Peta Kendali P

P Chart of Reject 0.14

1 1

0.12 UCL=0.1005

0.10 n o 0.08 i t r o p o 0.06 r P

_ P=0.053

0.04 0.02 LCL=0.0055

0.00 1

4

7

10

13

16 Sample

19

22

25

28

Gambar 6. Peta Kendali P

Contoh Peta Kendali C

Misalkan Anda bekerja untuk sebuah produsen linen. Setiap 100 meter persegi kain dapat berisi sejumlah noda sebelum ditolak. Untuk keperluan kualitas, Anda ingin mengamati jumlah cacat per 100 meter persegi selama beberapa hari, untuk melihat apakah proses Anda berperilaku diduga. Anda ingin peta kendali untuk menunjukkan batas kontrol pada 1, 2, dan 3 standar deviasi di atas dan di bawah garis tengah. Berikut tabel hasil pengamatannya : Tabel 3. Hasil Pengamatan per 100 meter persegi No

Defects

No

1

2

11

4

21

3

31

4

2

4

12

3

22

2

32

2

3

1

13

5

23

4

33

3

4

1

14

2

24

3

34

6

5

4

15

1

25

2

35

4

6

5

16

1

26

3

36

0

7

2

17

2

27

5

37

1

8

1

18

3

28

1

38

2

9

2

19

2

29

4

39

3

10

4

20

4

30

3

40

1

Defects

No

Defects

No


Defects

Page 12

Modul 4


–

Cara Penyelesaian : 1. Pilih Stat> Charts kontrol> Atribut Charts> C. 2. Pada Variabel, masukkan Difective. 3. Klik C Bagan Options, kemudian klik tab S Batas. 4. Di bawah batas kontrol Display di, masukkan 1 2 3 dalam kelipatan ini dari standar deviasi. 5. Di bawah tempat batas pada batas kontrol, periksa batas standar deviasi rendah terikat dan enter0. 6. Klik OK di setiap kotak dialog. Peta kendali C C Chart of Defects 8

+3SL=7,677

7 +2SL=6,027

6 t 5 n u o C 4 e l p m3 a S

+1SL=4,376 _ C=2,725

2 1

-1SL=1,074

0

LB=0 1

5

9

13

17

21 Sample

25

29

33

37

Gambar 6. Peta Kendali C

Karena poin jatuh dalam pola acak, dalam batas-batas batas kontrol 3s, Anda menyimpulkan proses tersebut berfungsi diduga dan memegang kendali.

Contoh Peta Kendali U

Sebagai manajer produksi dari perusahaan manufaktur mainan, Anda ingin memantau jumlah cacat per unit mainan mobil bermotor. Anda memeriksa 20 unit mainan dan membuat grafik U untuk memeriksa jumlah cacat di setiap unit mainan. a. Buat peta Kendali U b. Buat peta kendali U dengan asumsi subgrupnya 102 Laboratorium OSI & K | FT.UNTIRTA | Praktikum PENGKUAL© 2014

Page 13

Modul 4


–

Berikut adalah data yang digunakan : Tabel 4. Hasil Pengamatan mainan mobil bermotor No

Day

Sample

Defects

1

1

110

9

2

1

101

11

3

1

98

2

4

1

105

5

5

2

110

15

6

2

100

13

7

2

98

8

8

2

99

7

9

3

100

5

10

3

100

2

11

3

102

4

12

3

98

4

13

4

99

2

14

4

105

5

15

4

104

5

16

4

100

2

17

5

103

3

18

5

100

2

19

5

98

1

20

5

102

6

a. Peta Kendali U Cara penyelesaian : 1. Pilih Stat> Charts kontrol> Atribut Charts> U. 2. Pada Variabel, masukkan Defects. 3. Dalam ukuran Subkelompok, masukkan Sample. 4. Klik OK di kotak dialog. Berikut hasil dari perhitungan :


Page 14

Modul 4


–

Peta Kendali U

U Chart of Defects 1

0.14

1

UCL=0.1241

0.12 t i n U 0.10 r e P 0.08 t n u o C 0.06 e l p m0.04 a S

_ U=0.0546

0.02 0.00

LCL=0 1

3

5

7

9

11 Sample

13

15

17

19

Tests performed with unequal sample sizes

Gambar 7. Peta Kendali U

b. Peta kendali U dengan Asumsi Subgrup 102

Cara Penyeliesaian : a. Pilih Stat> Charts kontrol> Atribut Charts> U. b. Pada Variabel, masukkan Defects. c. Dalam ukuran Subkelompok, masukkan 102. d. Klik U Bagan Options, kemudian klik tab S Batas. e. Di bawah Ketika ukuran subkelompok tidak sama, menghitung batas kontrol, pilih asumsi semua subkelompok telah ukuran kemudian masukkan 102. f. Klik OK di kotak dialog. Berikut hasil dari perhitungan :


Page 15

Modul 4


–

Peta Kendali U

U Chart of Defects 1

0,14

1

UCL=0,1241

0,12 t i n 0,10 U r e P 0,08 t n u o C 0,06 e l p m0,04 a S

_ U=0,0546

0,02 0,00

LCL=0 1

3

5

7

9

11 Sample

13

15

17

19

Gambar 8. Peta Kendali U

Unit 5 dan 6 di atas garis batas kontrol atas, menunjukkan bahwa penyebab khusus dapat mempengaruhi jumlah cacat pada unit-unit ini. Anda harus menyelidiki apa penyebab khusus mungkin telah mempengaruhi out-of-control jumlah bermotor cacat mobil mainan untuk unit-unit ini.

D. Tugas Pendahuluan

1.

Jelaskan perbedaan defective (nonconforming ) dengan defects (nonconformities) dan berikan contohnya !

2.

Sebutkan dan jelaskan peta apa saja yang terdapat dala m peta kendali atribut !

3.

Sebutkan dan jelaskan kelebihan dan kekurangan menggunakan peta kendali atr ibut !

4.

Buatlah contoh Cause and effect diagram!

5.

PT. Juggy Corporation, bermaksud untuk memantau banyaknya produk yang defective ketika melakukan proses pembubutan pada tiang juggy punk . Dicatat


Page 16

Modul 4


–

banyaknya tiang juggy punk yang tidak memenuhi persyaratan yang diinginkan adalah seperti pada tabel. Pengamatan dilakukan selama 20 hari. Tabel 5. Data Pengamatan Banyaknya Defective

6.

Hari

Ukuran Sampel

1

48

2

Jumlah

Hari

Ukuran Sampel

Defective

5

11

56

2

37

5

12

45

4

3

50

0

13

57

1

4

47

5

14

61

0

5

48

0

15

62

3

6

54

3

16

55

0

7

51

0

17

55

5

8

42

1

18

51

2

9

32

5

19

46

2

10

40

2

20

42

4

Defective

Jumlah

Berikut ini Merupakan data pemeriksaan defective dari produk komputer selam 25 hari trakhir. Apakah data terkendali? Jelaskan dengan perhitungan dan grafik peta kendali! Tabel 6. Data Pemeriksaan Defective dari produk komputer dalam 25 Hari

No

Banyaknya sempel

Jumlah Defective

No

Banyaknya sempel

Jumlah Defective

1

101

5

14

91

7

2

100

5

15

98

2

3

106

4

16

96

9

4

104

4

17

105

0

5

108

4

18

95

6

6

118

7

19

103

8

7

95

4

20

123

6

8

91

7

21

84

3

9

103

4

22

109

11

10

101

10

23

94

2

11

103

3

24

113

7

12

96

6

25

90

9

13

113

14


Page 17

Modul 4

7.


–

Sebuah penelitian dilakukan oleh divisi QC pada PT. Juggy Corporation, untuk memantau banyaknya produk yang defective ketika melakukan proses pembubutan pada tiang penyangga jug hanger . Ukuran contoh ditetapkan sebesar 49 (n=49) dengan jalan memeriksa 49 tiang penyangga jug hanger yang dikerjakan setiap hari, kemudian dicatat banyaknya tiang penyangga jug hanger yang tidak memenuhi persyaratan yang diinginkan adalah seperti pada tabel. Pengamatan dilakukan selama 20 hari.

Tabel 7. Data Pengamatan Banyaknya Defective pada tiang penyangga jug han ger

8.

Hari

Cacat Tiang

Hari

Cacat Tiang

1

5

11

2

2

5

12

4

3

0

13

1

4

5

14

0

5

0

15

3

6

3

16

0

7

0

17

5

8

1

18

2

9

5

19

2

10

2

20

4

Suatu perusahaan pembuat mainan anak-anak ingin membuat peta pengendali untuk periode mendatang dengan mengadakan inspeksi terhadap proses produksi bulan ini. Perusahaan melakukan 25 observasi dengan mengambil sampel 50 buah untuk setiap observasi. Data hasil pengambilan sampel dapat dilihat pada tabel berikut Tabel 8. Data hasil pengambilan sampel Observasi

banyaknya produk cacat

1

4

2

5

3

5

4

4

5

6

6

2

7

3


Page 18

Modul 4


–

Tabel 8. Data hasil pengambilan sampel (Lanjutan)

9.

Observasi

banyaknya produk cacat

8

6

9

4

10

3

11

3

12

2

13

3

14

2

15

4

16

1

17

4

18

10

19

3

20

2

21

1

22

4

23

7

24

5

25

4

PT. Juggy Corporation, sedang mengadakan penelitian mengenai jumlah jenis kecacatan (defects) produk juggy yang terjadi selama 1 bulan terakhir. Penelitian ini digunakan untuk mendata jenis-jenis kecacatan (kerusakan, lubang,kotor dll) agar lain kali bisa dicegah terjadi cacat lebih banyak lagi,data sebagai berikut : Tabel 9.Tabel data jumlah jenis kecacatan (defects ) produk juggy Hari

Reject (R)

Hari

Reject (R)

Hari

Reject (R)

1

4

11

0

21

2

2

2

12

5

22

2

3

0

13

4

23

3

4

3

14

2

24

3

5

1

15

2

25

4

6

5

16

1

26

2

7

2

17

3

27

1

8

2

18

3

28

1

9

3

19

0

29

2

10

4

20

5

30

2


Page 19

Modul 4


–

10. Bram adalah bagian dari tim QC di PT. Kaset Indonesia yang ingin melakukan inspeksi terhadap kualitas kaset yang di produksi. Berikut ini didapatkan banyaknya defects dalam inspeksi akhir produk kaset: Tabel 10.Tabel data jumlah defects pada produk kaset No

Banyaknya Defects

No

Banyaknya Defects

1 12 1 1 13 2 3 14 3 7 15 4 8 16 5 10 17 6 5 18 7 13 19 8 0 20 9 19 21 10 24 22 11 a. Buatlah analisa dari data tersebut (grafik)!

6 9 11 15 8 3 6 7 4 9 20

b. Brapa nilai CL dan BKA/BKB?

11. Suatu unit QC dari PT. Juggy Corporation, ingin mengadakan inspeksi pada bahan kayu juggy hook yang diinspeksinya. Karena bahannya panjang, maka ditetapkan memeriksaan tiap 50 cm bahan kayu juggy hook . Pemeriksaan dilakukan untuk 10 hari pengamatan : Tabel 11.Tabel Hasil inspeksi pada bahan kayu juggy hook Hari

Panjang (cm)

Difects

1

475

5

2

525

14

3

625

9

4

575

8

5

725

12

6

675

11

7

425

15

8

375

12

9

225

11

10

175

8


Page 20

Modul 4


–

12. Direktur departemen farmasa melakukan pengamatan tingkat oprasi di rumah sakit Harapan Kami. Jenis kesalahan yang terjadi yaitu pemberian obat yang salah, dosis yang salah, diberikan kepada pasien yang salah dan diberikan pada waktu yang salah. Sehingga direktur melakukan pengamatan banyaknya kesalahan (defects) selama 25 hari. Didapatkan jumlah pasien perharinya (order) dan banyaknya kesalahan (defects) dalam 25 hari. Analisa apakah data dibawah ini terkendali atau tidak dan tentukan nilai CL dan BKA/BKB! Tabel 12.Tabel Jumlah pasian perharinya (order) dan banyaknya kesalahan ( defecs )

No

Banyaknya Order

Banyaknya kesalahan (defects)

1

1200

11

2

1160

10

3

1210

12

4

1300

9

5

1120

10

6

1150

12

7

1100

14

8

1320

12

9

1240

10

10

1180

15

11

1140

4

12

1120

13

13

1220

7

14

1200

16

15

1150

14

16

1100

23

17

1160

14

18

1300

16

19

1100

10

20

1180

12

21

1220

14

22

1240

13

23

1120

16

24

1150

13

25

1180

12


Page 21

Modul 4 Peta Kendali Atribut (1)

Recommend Documents