Peta Kendali C Menggunakan Pendekatan Bayesian Pada Pengendalian Kualitas Produk (Studi Kasus: Data Jumlah Cacat Produk Plywood di PT. Sumber Graha Sejahtera)

Latar Belakang: Pertumbuhan pesat industri manufaktur di Indonesia memicu persaingan ketat yang menuntut perusahaan menjaga serta meningkatkan kualitas produk secara konsisten. Meskipun proses produksi telah dirancang optimal, ketidaksesuaian produk masih sering terjadi akibat faktor bahan baku, tenaga kerja, maupun kondisi mesin. Untuk mengatasi hal tersebut, diperlukan sistem Pengendalian Kualitas Statistik, khususnya Peta Kendali C, guna mendeteksi proses diluar kendali. Namun, Peta Kendali C klasik memiliki keterbatasan dalam estimasi parameter (λ) saat data terbatas, yang berdampak pada ketidakpastian batas kendali dan meningkatnya risiko sinyal palsu. Pendekatan Bayesian diusulkan sebagai solusi dengan mengintegrasikan data sampel dan informasi awal guna menghasilkan estimasi parameter yang lebih stabil dan batas kendali adaptif. Tujuan: Merumuskan batas kendali peta kendali C Bayesian dan membentuk Peta Kendali C Bayesian menggunakan data jumlah cacat produk plywood di PT Sumber Graha Sejahtera. Metode: Data yang digunakan berupa jumlah cacat harian selama 25 hari kerja pada Januari 2024. Peta kendali dikonstruksi dengan asumsi Distribusi Poisson dan prior konjugat Gamma. Kinerja dievaluasi menggunakan nilai ARL₁, yaitu rata-rata sampel yang dibutuhkan untuk mendeteksi pergeseran proses. Hasil: Dari total 622 unit produk cacat, delaminasi core merupakan cacat dominan. Peta Kendali C Bayesian menghasilkan BKA = 36,0081 dan BKB = 7,8962, serta mendeteksi empat titik di luar kendali. Nilai ARL₁ rendah (mendekati 1,0002) menunjukkan efektivitas tinggi pada pergeseran ekstrem, sedangkan pada λ=21 nilainya meningkat hingga 475,7442. Kesimpulan: Peta Kendali C Bayesian efektif mendeteksi kondisi tidak terkendali pada proses produksi plywood. Penelitian lanjutan disarankan menggunakan EWMA atau CUSUM untuk meningkatkan sensitivitas terhadap pergeseran moderat.