Chapter III-VII PDF
Chapter III-VII PDF
LANDASAN TEORI
3.1.
proses
statistik
(Statistikal
Process
Control).
Selanjutnya
penyelesaian masalah dengan statistik mencakup dua hal, seperti melebihi batas
pengendalian bila proses dalam kondisi terkendali atau tidak melebihi batas
pengendalian bila proses dalam kondisi di luar kendali. Karena itu, peta
pengendalian (Control Chart) mengsumsikan bahwa proses berada dalam batas
pengendalian dan acceptanc sampling mengasumsikan bahwa produk dapat
diterima tanpa kontradiksi dengan tingkat kapasitas yang tinggi.2
Pengendalian kualitas proses dan produk juga dapat dibagi menjadi dua
golongan menurut jenis datanya, yaitu data variabel dan data atribut. Data variabel
b.
c.
d.
Penentuan titik paling awal dalam proses produksi yang dapat dilakukan
untuk mendapatkan informasi tentang penyebab khusus bahwa peta
pengendali digunakan sebagai peringatan awal untuk mencegah kesalahan.
proses sub kelompok yang dipilih, sehingga unit-unit yang ada dalam sub
kelompok memiliki kemungkinan besar menjadi berbeda.
5. Penyediaan sistem pengumpulan data. Jika peta pengendali untuk alat
pengendali diwajibkan, maka harus dibuat sederhana dan memenuhi
pemakaian.
6. Perhitungan batas pengendali dan penyediaan instruksi-instruksi khusus dalam
interpretasi terhadap hasil dan tindakan para karyawan produksi tersebut.
7. Penempatan data dan membuat interpretasi terhadap hasilnya.
3.2.
Critical-to-Quality (CTQ)
Critical-to-Quality (CTQ) merupakan atribut-atribut yang sangat penting
3.3.
Process Capability
Process Capabilty merupakan kemampuan proses untuk memproduksi
Vincent Gasverz, Total Quality Manajement, (Jakarta : PT Gramedia Pustaka Utama, , 2001),
pp. 308-309.
USL LSL
6 standard deviasi
3.4.
langkah-langkah proses yang tidak produktif, serta berfokus pada pengukuranpengukuran baru dan menerapkan teknologi untuk peningkatan kualitas menuju
target Six Sigma.
3.5.
3.6.
Vincent, Gaspers, Metode Analisis Untuk Peningkatan Kualitas (Jakarta : Penerbit PT. Gramedia
Pustaka Utama, 2001), pp. 1-10
3.7.
Corporation
mengembangkan
metode
kualitas
dengan
mereduksi berbagai variasi proses yang timbul di setiap fungsi proses. Dasar
pertimbangan awal program tersebut adalah menetapkan tingkat standar
penyimpangan () sebesar 6. Harga 6 adalah nilai tengah dari tebaran spesifikasi
proses. Motorola mengalokasikan sebesar 1,5 yang ditarik () dari nilai tengah
(6). Lalu sisanya 4,5 adalah batasan aman dan batasan respektif. Jika ratarata proses berada ditengah-tengah kurva (6), berarti Cp = 2,00 atau dapat
diartikan bahwa setiap 1.000.000 proses hanya akan terjadi 54 kali kegagalan
proses.
1,5
Sigma
4,5
Sigma
1,5
Sigma
4,5
Sigma
Mean
Proses
LSL
USL
Aktualisasi rata-rata kinerja proses harus sebanding dengan level kinerja ideal
atau harga/nilai target;
2.
Tebaran kinerja proses harus relatif lebih kecil dari batasan fungsional;
Berdasarkan pada filosofi Six Sigma do the right thing, and do thing
right all the time, kapabilitas proses menjadi permasalahan yang cukup serius.
Jika proses dapat terlaksana dengan kinerja yang tinggi, akan dapat timbul
masalah-masalah ketidakkonsistenan dari proses dan kualitas produk yang
disebabkan oleh upaya pemenuhan target terhadap waktu (asumsi; volume
produksi tinggi akan meningkatkan nilai profitabilitas = kinerja proses). Hal ini
sering dijumpai pada produk-produk jasa pelayanan. Six Sigma adalah kunci
strategis dalam menghadapi masalah tersebut. Hal ini karena dalam daur hidup
proses seperti kasus di atas, maka strategi yang paling tepat adalah menerapkan
berbagai metode pendekatan kualitas (produk/proses) dan manajemen proses
sesuai dengan dasar kepentingannya. Tujuan dari inisiatif six Sigma tersebut
adalah
untuk
memastikan
bahwa
aktivitas
proses
berjalan
dengan
Six sigma adalah sebuah konsep dan metodologi yang terfokus pada upaya
penciptaan nilai produk dan jasa yang bertaraf world-class, yang bergerak
seiring dengan upaya pengembangan dan peningkatan kinerja di dalam aktivitas
bisnis, pembangunan struktur organisasional kerja yang terlibat di dalamnya, serta
penyusunan peta proses kerja bisnis korporosi secara aktual dan nyata.
Six Sigma adalah konsep pengembangan dan peningkatan kinerja bisnis
yang memiliki dua maksud. Maksud yang pertama adalah world-class Standard
atau sebagai tolok ukur dalam penilaian karakteristik produk/jasa dan parameter
proses dalam aktivitas bisnis. Maksud kedua adalah sebagai metode dan aplikasi
pengembangan serta peningkatan struktur-struktur proses bersamaan dengan
struktur organisasional bisnis sebagai bagian dari standar operasional yang
mendekati nilai kesempurnaan. Perbedaan maksud tersebut hanya akan dapat
dilihat dan dibuktikan dengan metode serta aplikasi statistika modern.
tersebut
diterapkan
dalam
mendukung
aktivitas
pendefinisian
Adapun penjelasan dari masing-masing bagian pada diagram SIPOC di atas yaitu:
1. Supplier (Pemasok)
Supplier
adalah
orang,
proses,
perusahaan
yang
menyalurkan
dan
menyediakan bahan dan segala sesuatu yang dikerjakan di dalam proses. Pihak
supplier ini bisa berupa supplier eksternal dan supplier internal. Yang
dimaksud dengan supplier eksternal adalah adalah supplier yang berasal dari
luar perusahaan. Sedangkan yang dimaksud dengan supplier internal adalah
supplier yang berasal dari dalam perusahaan yang biasanya berasal dari proses
sebelumnya.
2. Input (Masukan)
Input adalah barang atau jasa yang dibutuhkan oleh suatu prosesuntuk
menghasilkan output. Input tidak hanya berupa material atau bahan mentah
yang diperlukan untuk proses produksi, akan tetapi juga dapat pula berupa
informasi yang kemudian input ini akan diolah lebih lanjut di dalam proses.
3. Process (Proses)
Proses adalah langkah-langkah yang diperlukan baik langkah-langkah yang
memberikan nilai tambah terhadap produk maupun yang tidak untuk membuat
produk mulai dari bahan mentah sampai menjadi produk jadi.
4. Output (Hasil)
Output adalah produk jadi, baik itu barang ataupun jasa atau informasi, yang
5. Customer (Pelanggan)
juga
bisa
bersifat
eksternal
maupun
internal
terhadap
3.8.1.2.Peta Kerja 6
Iftikar Z. Sutalaksana, Teknik Tata Cara Kerja, (Bandung : Penerbit ITB, 1979)
2.
3.
Kapasitas mesin.
4.
5.
6.
Dan sebagainya.
3.8.2. Measure
3.8.2.1.Critical To Quality(CTQ)7
Critical To Quality adalah kebutuhan yang sangat penting dari produk
SD
http://exponensial.wordpress.com/tag/uji-normalitas
1. Persyaratan
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
2. Siginifikansi
Signifikansi uji, nilai | FT FS | terbesar dibandingkan dengan nilai tabel
Kolmogorov Smirnov. Jika nilai | FT FS | terbesar kurang dari nilai tabel
Kolmogorov Smirnov, maka Ho diterima ; H1 ditolak. Jika nilai | FT FS |
terbesar lebih besar dari nilai tabel Kolmogorov Smirnov, maka Ho ditolak ;
H1 diterima. Tabel Nilai Quantil Statistik Kolmogorov Distribusi Normal
3. Keunggulan Kolmogorov Smirnov (KS)
a. Tidak memerlukan data yang berkelompok
b. Bisa digunakan untuk sampel yang kecil
c. Tidak bersifat kategorik
d. Lebih fleksibel, dapat mengestimasi variasi standar deviasi
3.8.2.2.Peta Kontrol9
disebabkan oleh penyebab khusus dan umum.Pada dasarnya setiap peta kontrol
memiliki:
1. Garis tengah (Central Line), yang dinotasikan sebagai CL.
2. Sepasang batas kontrol (Control Limits). Satu batas kontrol ditempatkan di
atas CL yang dikenal dengan batas kontrol atas (Upper Control Limit),
yang dinotasikan sebagai UCL. Sedangkan yang satu lagi batas kontrolnya
ditempatkan di bawah CL yang dikenal dengan batas kontrol bawah
(Lower Control Limit), yang dinotasikan sebagai LCL.
3. Tebaran nilai-nilai karakteristik kualitas yang menggambarkan keadaan
dari proses. Jika nilai yang diplot di peta kontrol masih berada dalam batas
kontrol, maka proses yang berlangsung dianggap terkontrol. Sedangkan
jika nilai diplot berada di luar batas kontrol, maka proses dianggap di luar
kontrol sehingga perlu diambil tindakan perbaikan.
Batas kontrol adalah suatu batas atas dan batas bawah dari suatu proses
yang selalu berfluktuasi, dimana dengan mudah dapat diidentifikasi apakah suatu
proses dapat dikatakan terkendali atau tidak. Adapun contoh dari peta kontrol
dapat dilihat pad Gambar 3.3.
0.80
0.70
Kesalahan(Unit)
0.60
0.50
Data
CL
UCL
0.40
LCL
0.30
0.20
0.10
0.00
1
9 10 11 12 13 14 15 16 17 18 19 20 21 22
SubgroupNumber
2.
Untuk mengawasi proses dan menandakan kapan proses tersebut keluar dari
batasan pengedalian
3.
menentukan jenis data yang akan diolah dalam peta kendali. Jenis data yang akan
diolah terdiri dari data variabel (variables data) dan data atribut (attributes data).
Data variabel merupakan data kuantitatif yang diukur untuk keperluan analisis dan
data atribut merupakan data kualitatif yang dapat dihitung untuk pencatatan dan
2.
3.
CL
= p
UCL
= p3
p(1 p)
n1
LCL
= p 3
p(1 p)
n1
Untuk peta kontrol atribut ini, ketika nilai LCL bernilai positif maka nilai
LCL diubah menjadi nol (LCL= 0). Hal ini dikarenakan jika nilai proporsi
dari suatu subgrup berada di bawah nilai LCL maka akan dianggap out of
control (diluar batas kendali), sedangkan dalam pengertian pengendalian
kualitas suatu proses produksi dikatakan memiliki kualitas baik apabila
proporsi kecacatannya mendekati nol. Untuk menghindari masalah seperti
itu, maka batas kendali LCL yang positif ini dibuat menjadi nol. Demikian
juga untuk nilai LCL yang bernilai negatif dibuat menjadi nol (LCL= 0),
karena dalam kenyataan tidak ada proporsi kecacatan yang bernilai negatif.
4.
Plot atau tebarkan data proporsi (atau persentase) yang cacat dan lakukan
pengamatan apakah data itu berada dalam pengendalian statistikal.
5.
6.
Dalam pendekatan Six Sigma, proses yang terjadi dalam suatu pabrik atau
perusahaan diukur kinerjanya dengan menghitung tingkat sigmanya. Semakin
nilai Sigma mendekati enam Sigma maka kinerja dari proses dapat dikatakan
sangat baik. Dasar perhitungan tingkat Sigma adalah menggunakan DPMO untuk
data atribut.
Perhitungan DPMO dan Tingkat Sigma untuk data atribut dapat dilakukan
sesuai langkah-langkah perhitungan berikut ini:
1. Defect Per Unit (DPU). Ukuran ini merefleksikan jumlah rata-rata dari cacat,
semua jenis, terhadap jumlah total unit dari unit yang dijadikan sampel.
Dimana:
D = jumlah defective atau jumlah kecacatan yang terjadi dalam proses
produksi
U = jumlah unit yang diperiksa
2. Defect Per Opportunity (DPO). Menunjukkan proporsi cacatatas jumlah total
peluang dalam sebuah kelompok.
Dimana:
10
Peter SPande, Neuman, Robert P., Cavanagh, Roland R, Op.cit, hlm. 237-246
tingkat
Sigma
dapat
dengan
mudah
dihitung
dengan
3.8.3. Analyze
3.8.3.1.Diagram Pareto11
Kata Pareto berasal dari nama seorang ahli ekonomi berkebangsaan Italia,
Wilfredo Pareto lengkapnya, lahir di Paris tahun 1848. Di usia senjanya, Pareto
gusar melihat kepincangan penyebaran tingkat kekayaan masyarakat di negerinya.
Maka pada tahun 1906, diciptakanlah sebuah formula matematis untuk
menggambarkan penyebaran kekayaan di negerinya yang tidak merata.
Dikemukakan bahwa ternyata 20% orang Italia telah menguasai 80% kekayaan di
negerinya.
Hasil penelitian Pareto ini sejak tahun 1897 akhirnya diresmikan menjadi
sebuah rumus atau formula dengan berbagai macam nama: Pareto Principle; The
11
Pareto Law; The 80/20 rule; The Principle of Least Effort; atau The principle of
Imbalance. Konon karena Pareto dinilai kurang artikulatif dalam menjajakan
antara sebab dan akibat. Diagram ini digunakan untuk menganalisis persoalan dan
faktor yang menimbulkan persoalan yang terjadi. Diagram ini dibuat oleh Dr.
Kaoru Ishikawa pada tahun 1943 dan kadang-kadang juga dikenal sebagai
diagram Ishikawa.
Cause-Effect Diagram adalah diagram yang menunjukkan kumpulan dari
sekelompok sebab-sebab (yang disebut sebagai faktor) serta akibat yang timbul
(yang disebut sebagai karakteristik mutu) yaitu masalah yang dihadapi.CauseEffect Diagram ini digunakan untuk menyelidiki akibat-akibat yang buruk dari
suatu masalah untuk dicari solusinya atau akibat-akibat yang baik untuk dipelajari
penyebab-penyebabnya. Untuk setiap akibat, bisa terdiri dari banyak penyebab.
12
Manusia
Masalah
Lingkungan
Mesin/peralatan
bahan
dalam peningkatan kualitas maupun dalam hal-hal lain. Beberapa kegunaan dari
Cause-Effect diagram adalah:
FMEA atau analisis mode kegagalan dan efek adalah suatu prosedur
terstruktur untuk mengidentifikasi dan mencegah sebanyak mungkin mode
kegagalan. Suatu metode kegagalan adalah apa saja yang termasuk dalam
kecacatan/kegagalan dalam desain, kondisi diluar batas spesifikasi yang
ditetapkan, atau perubahan-perubahan dalam produk yang menyebabkan
terganggunya fungsi dari produk itu. Dengan menghilangkan mode kegagalan,
maka FMEA akan meningkatkan keandalan dari produk sehingga meningkatkan
kepuasan pelanggan yang menggunakan produk tersebut. Langkah-langkah dalam
membuat FMEA adalah sebagai berikut:
1. Mengidentifikasi proses atau produk/jasa.
13
Dyadem Press, Guidelines for Failure Mode and Effects Analysis for Automotive, aerospace,
and General Manufacturing Industries, (New York : CRC Press, 2003), hlm. 41-46
14
Dyadem Press, Guidelines for Failure Mode and Effects Analysis for Automotive, aerospace,
and General Manufacturing Industries, (New York : CRC Press, 2003), hlm. 98
1. Fungsi proses
Merupakan gambaran dari proses produksi yang akan dianalisa beserta dengan
penjelasan secara singkat fungsi dari proses tersebut. Jika prosesnya ada
beberapa operasi dengan potensi kegagalan yang berbeda, daftarkan operasi
sebagai proses terpisah.
2. Jenis kegagalan yang terjadi
Potensi kegagalan proses yang diidentifikasi adalah proses yang terjadi gagal
dalam memenuhi persyaratan proses. Gunakan pengalaman proses yang sama
untuk mereview klaim pelanggan sehubungan dengan komponen yang sama.
Asumsikan bahwa part atau material yang masuk sudah baik.
3. Efek dari kegagalan yang terjadi
Akibat yang ditimbulkan dari kegagalan yang terjadi terhadap konsumen
maupun efek terhadap kelangsungan proses selanjutnya.
4. Severity
Nilai tingkat keparahan dari akibat yang ditimbulkan terhadap konsumen
maupun terhadap kelangsungan proses selanjutnya yang secara tidak langsung
juga merugikan. Terdiri dari rating dari 1 10. Tabel 3.1. memperlihatkan
kriteria dari setiap nilai rating severity. Makin parah efek yang ditimbulkan,
makin tinggi nilai rating yang diberikan.
5. Penyebab kegagalan
Penyebab kegagalan didefinisikan sebagai penjelasan mengapa kegagalankegagalan pada proses tersebut bisa terjadi. Setiap kemungkinan penyebab
kegagalan yang terjadi didaftarkan dengan lengkap.
6. Occurrence
Seberapa sering kemungkinan penyebab kegagalan terjadi. Nilai occurrence
ini diberikan untuk setiap penyebab kegagalan. Terdiri dari rating dari 1 10.
Tabel 3.2. memperlihatkan kriteria dari setiap nilai rating occurrence. Makin
sering penyebab kegagalan terjadi, makin tinggi nilai rating yang diberikan.
7. Kontrol yang dilakukan
Kontrol yang dilakukan untuk mendeteksi penyebab kegagalan yang terjadi.
8. Detection (detectability)
Seberapa jauh penyebab kegagalan dapat dideteksi. Terdiri dari rating dari 1
10. Tabel 3.3. memperlihatkan kriteria dari setiap nilai rating detectability.
Makin sulit mendeteksi penyebab kegagalan yang terjadi, makin tinggi nilai
rating yang diberikan.
9. Risk Priority Number (RPN)
RPN merupakan perkalian dari rating occurrence (O), severity (S) dan
detectability (D):
RPN = O x S x D
Angka ini digunakan sebagai panduan untuk mengetahui masalah yang paling
serius, dengan indikasi angka yang paling tinggi memerlukan prioritas
penanganan serius.
10
Probability of Occurrence
10
1 dalam 2
1 dalam 3
1 dalam 8
1 dalam 20
1 dalam 80
1 dalam 400
1 dalam 2.000
1 dalam 15.000
1 dalam 150.000
10
Pasti terdeteksi
3.8.4. Improve
Apabila tiap faktor terdiri atas beberapa taraf, maka kombinasi tertentu
dari taraf tiap faktor menentukan sebuah kombinasi perlakuan. Jika semua, atau
hampir semua kombinasi antar taraf setiap faktor kita perhatikan, maka
eksperimen yang terjadi karenanya disebut eksperimen faktorial . Dengan kata
lain dapat dikatakan bahwa Eksperimen Faktorial adalah eksperimen yang semua
(hampir semua) taraf sebuah faktor tertentu dikombinasikan atau disilangkan
dengan semua (hampir semua) taraf tiap faktor lainnya yang ada dalam
eksperimen itu.
Model Acak Desain Eksperimen Faktorial a x b x c
15
Sudjana, Prof, Dr. M.A, Msc, Desain Eksperimen, Penerbit Tarsito Bandung, 1985, hal 105-115
Yijkl
Ai
Bj
Ck
ABij
efek interaksi antara taraf ke-i faktor A dan taraf ke-j faktor B
ACik
efek interaksi antara taraf ke-i faktor A dan taraf ke-k faktor C
BCjk
efek interaksi antara taraf ke-j faktor B dan taraf ke-k faktor C
ABCijk =
l(ijk)
i 1
j1
k 1
l 1
Y 2 Yijkl2
a
R y
i 1
j1
k 1
Yijkl
l 1
, dengan dk abcn
abcn ,
dengan dk 1
J ijk2 n R y
a
i 1
j1
k 1
Yijkl
l1
Jab
J ij2
a
i 1
j1
cn R y
k 1
Jac
l 1
k 1
Yijkl J ijk
J ik2
a
i 1
k 1
bn R y
j1
Jbc
l 1
j1
Yijkl J ijk
J 2jk
b
j1
k 1
an R y
i 1
l 1
i 1
Yijkl J ijk
A i2
a
i 1
Ai
bcn R y , dengan dk a 1
j1
k 1
l 1
j1
k 1
Yijkl J ijk J ij J ik
j1 k 1
By
B 2j
b
j1
Bj
acn R y , dengan dk b 1
i 1
k 1
i 1
k 1
Yijkl J ijk J ij J jk
l 1
i 1 k 1
C 2k
c
abn R y , dengan dk c 1
Cy
Ck
k 1
a
i 1
j1
l 1
i 1
j1
Yijkl J ijk J ik J jk
i 1 j1
dengan dk = abc (n 1)
Sebagaimana halnya dalam desain faktorial a x b di mana pengujian yang
tepat ditentukan oleh sifat taraf faktor-faktor, maka dalam hal ini pun sifat taraf
faktor tetap dan acak akan menentukan statistik F untuk pengujian yang
diperlukan.
Asumsi lain yang berlaku dalam model acak ini adalah:
~
Ai
~
Bj
~
Ck
ABij ~
ACik ~
DNI (0, 2 A ) ;
DNI (0, 2 B ) ;
DNI (0, 2 C ) ;
DNI (0, 2 AB ) ;
DNI (0, 2 AC ) ;
DNI (0, 2 BC ) ;
BCjk ~
DNI (0, 2 ABC ) ;
ABCijk ~
Dan dari asumsi-asumsi di atas maka hipotesa nol yang dapat diuji adalah :
H01
H02
H03
H04
H05
H06
H07
:
:
:
:
:
:
:
2A
2B
2C
2 AB
2 AC
2 BC
2 ABC
=
=
=
=
=
=
=
0;
0;
0
0;
0;
0;
0;
F = AC/ABC
F = BC/ABC
F = ABC/E
Sedangkan untuk H01, H02, H03 tidak ada uji eksak yang dapat digunakan.
Daerah kritisnya ditentukan oleh:
F ((a 1)(b 1), (a 1)(b 1)(c 1)) untuk hipotesis H04,
F ((a 1)(c 1), (a 1)(b 1)(c 1)) untuk hipotesis H05,
F ((b 1)(c 1), (a 1)(b 1)(c 1)) untuk hipotesis H06, dan
F((a 1)(b 1)(c 1), abc(n 1)) untuk hipotesis H07
Kriterianya adalah tolak hipotesis nol jika F ini terlalu kecil.
Daftar ANAVA untuk desain eksperimen faktorial a x b x c dapat dilihat dalam
Tabel 3.4. berikut.
Dk
JK
KT
Rata-rata
Perlakuan:
A
B
C
Ry
a1
b1
c1
Ay
By
Cy
A
B
C
BAB IV
METODOLOGI PENELITIAN
4.1.
Jenis Penelitian
yang terjadi di perusahaan yang menjadi objek penelitian. Jika ditinjau dari
metode yang digunakan, maka penelitian ini merupakan penelitian deskriptif
dimana penelitian ini ditujukan untuk mendeskripsikan atau menggambarkan
setiap variabel yang mempengaruhi masalah yang ada sekarang secara sistematis
dan faktual. Hasil rancangan yang diberikan dalam penelitian ini akan diusulkan
dan dibandingkan terhadap keadaan aktual yang ada.
Penelitian ini bertujuan untuk memberikan usulan perbaikan dengan
mengurangi waste (pemborosan) yang terjadi selama proses produksi berlangsung
sehingga dapat meningkatkan kecepatan proses produksi dan kualitas produk
Ribeed Smoke Sheet yang dihasilkan oleh perusahaan. Selain itu, juga dilakukan
estimasi nilai peningkatan yang dapat dicapai oleh perusahaan melalui usulan
perbaikan tersebut.
4.2.
Utara. Penelitian ini dilaksanakan selama 4 bulan dimulai dari bulan bulan Maret
2011.
4.3.
Kerangka Berfikir
4.
5.
perbaikan) yang dapat digunakan untuk mengurangi jumlah produk cacat yang
Permasalahan
1. Besarnya rata-rata jumlah produk cacat per
bulannya
Six
4.4.
Pengumpulan Data
Data yang diperlukan untuk penelitian ini diperoleh dari data primer dan
data sekunder, yang masing-masing dijabarkan sebagai berikut:
1.
Data primer
Data primer adalah data yang diperoleh dari pengamatan dan penelitian
b.
c.
2.
Data Sekunder
Data sekunder adalah data yang tidak langsung diamati oleh peneliti. Data
ini termasuk dokumentasi perusahaan, hasil penelitian yang pernah dilakukan, dan
data lainnya, seperti :
a.
b.
c.
4.5.
Melihat
buku-buku
laporan
administrasi
serta
catatan-catatan
atau
d.
4.6.
Pengolahan Data
3. Analyze
a. Tahap ini dilakukan analisis penyebab terjadinya cacat pada produk
dengan terlebih dahulu mengidentifikasi faktor-faktor penyebab yang
potensial menggunakan Cause & Effect Diagram.
b. Menggunakan Failure Mode and Effect Analysis (FMEA) untuk
menganalisis resiko kegagalan pada proses maupun produk yang
berpengaruh/berdampak langsung terhadap tingkat kualitas produk ribbed
smoke sheet dengan menentukan nilai Risk Priority Number (RPN).
4. Improve
Tahap ini direncanakan tindakan perbaikan untuk mengatasi atau mencegah
terjadinya cacat pada produk. Rekomendasi tindakan perbaikann berdasarkan
hasil analisis yang diperoleh dari fase analyze berupa faktor-faktor potensial
penyebab terjadinya produk cacat.
5. Control
Ini merupakan tahap analisis terakhir yang menekankan pada penyebarluasan
dari tindakan perbaikan yang akan dilakukan. Control dilakukan setelah
rekomendasi tindakan perbaikan diimplementasikan dan memberikan
peningkatan yang signifikan terhadap proses dan produk..
4.7.
4.8.
Mulai
Studi Pendahuluan
Studi Lapangan
Besarnya jumlah produk cacat
Besarnya pemborosan biaya akibat
produk cacat
Perumusan Masalah :
Jumlah produk cacat di PTPN. II Kebun Batang
Serangan telah menjadi permasalahan yang serius
karena telah menyebabkan pemborosan biaya yang
cukup besar
Tujuan Penelitian:
1. Analisis dan identifikasi faktor-faktor kecacatan produk
2. Perumusan alternatif pemecahan masalah melalui pendekatan six sigma
dengan DMAIC
3. Rancangan pemecahan masalah dengan pemberian usulan perbaikan terhadap
kualitas produk.
Pengumpulan Data
Data Primer
Data Sekunder:
Data jumlah produksi (dari laporan input-ouput)
Data jenis kecacatan tiap stasiun kerja (dari laporan reject)
Data jumlah produk cacat tiap stasiun kerja (dari laporan reject)
Data jumlah produk cacat tiap jenis kecacatan (dari laporan reject)
Pengolahan Data
Rekapitulasi Jumlah Produk Cacat
Run Chart Jumlah Produk Cacat
Histogram
Pengukuran nilai DPMO dan nilai sigma
Uji kenormalan data
Membuat peta control
Menghitung kapabilitas proses
Define
Pemetaan Proses Produksi
Identifikasi Karakteristik Kualitas (CTQ)
Diagram SIPOC
Diagram Alir Proses Produksi
Diagram Pareto
Measure
Pengukuran Kapabilitas Sigma
Pemilihan Karakteristik Kualitas (CTQ) Kunci
Analyze
Failure Mode
Target Pencapaian Sigma
Improve
Usulan Perbaikan
Diagram Pareto
FMEA
FMEA
Selesai
BAB V
PENGUMPULAN DAN PENGOLAHAN DATA
5.1.
Pengumpulan Data
Pengumpulan data meliputi jumlah produk cacat mulai bulan Mei 2010
sampai bulan April 2011. Data berupa jumlah produksi dan jumlah produk cacat.
Data diperoleh dari dokumentasi perusahaan.
5.1.1. Data Produksi
Data jenis cacat yang diperoleh pada periode Mei 2010 April 2011, dapat
dilihat pada Tabel 5.2. dibawah ini :
Tabel 5.2. Jumlah Produk Cacat Ribbed Smoke Sheet (dalam satuan kg)
Kecacatan
KO HO GU GK
1
Mei 2010
1482 530 1621 262
2
Juni 2010
3525 789 1253 156
3
Juli 2010
3436 712 2712 2152
4
Agt 2010
3067 1146 2591 2183
5
Sept. 2010
2225 934 1212 1755
6
Okt. 2010
1863 112 1607 1373
7
Nov. 2010
2021 1176 1166 1713
8
Des. 2010
2239 1453 179 1161
9
Jan.2011
2348 1012 1423 1046
10
Feb.2011
2828 1715 1319 985
11
Maret 2010
2792 1914 2637 1091
12
April 2010
1291 957 2085 659
Sumber Data Produksi PTPN. II Batang Serangan
No.
Bulan
S
717
1828
1589
1755
1124
574
644
195
466
630
1261
713
Keterangan:
KO
: Adanya Kotoran
HO
: Warna Tidak Homogen
GU
: Adanya Gelembung Udara
GK
: Terdapat Gumpalan Karet
S
: Lembaran Sheet Lengket
5.1.3. Data Parameter Kotoran
kemudian dihitung jumlah produk yang cacat per lori. Data yang diperoleh dapat
dilihat pada Tabel 5.3 berikut:
Tabel 5.3. Hasil Pengukuran Parameter Kotoran
Subgroup
Number
Number
Number
Inspected
Nonconforming
1
547.8
18.4
2
549.4
26.7
3
546.2
19.2
4
546.8
22.3
5
547.6
24.1
6
546.9
21.6
Jumlah
Produk
Cacat
Berdasarkan
Kecepatan
Roll
Data ini dikumpulkan secara langsung selama bulan Maret 2011 pada saat
penelitian berlangsung. Data yang diperoleh dapat dilihat pada Tabel 5.6 berikut:
Tabel 5.6. Jumlah Produk Cacat (kg) untuk Tiap Taraf Faktor
Kecepatan
Lama Pembekuan
Roll
5.4
5.7
6
Penggilingan Lama Pengasapan
Lama
Lama Pengasapan
Pengasapan
120 122
125 120 122 125 120
122
125
573 695 762 538 689 723 582 634 675
300
541 674 758 521 672 701 567 612 653
530 643 723 506 651 689 425 593 612
350
528 621 704 489 638 661 408 560 598
510 593 686 467 613 634 332 533 551
375
498 578 651 431 599 612 316 512 524
6.5
Lama Pengasapan
120
772
753
738
721
704
694
122
801
784
762
740
721
705
125
838
819
782
765
730
721
5.2.
Pengolahan Data
sistematis dan mengacu pada fakta yang terjadi untuk melakukan perbaikan secara
terus-menerus. DMAIC digambarkan sebagai sebuah loop tertutup yang terus
berusaha mengeliminasi tahapan yang tidak produktif. Dalam setiap tahapan yang
dilakukan tersebut diaplikasikan tools Six Sigma.
Dalam tahap define yang mana merupakan tahap untuk menentukan tujuan
dan kriteria. Tujuan dari proyek six sigma yang akan dijalankan ini yaitu untuk
meningkatkan kualitas produk ribbed smoke sheet dengan meminimalisasi jumlah
produk cacat sampai pada tingkat terendah, dengan mengendalikan faktor-faktor
yang diindikasikan sebagai penyebab munculnya kecacatan produk. Sedangkan
kriteria pemilihan proyek Six Sigma yaitu mengendalikan jumlah cacat pada
produk yang memiliki persentase kecacatan terbesar dari total produk cacat.
Pada penelitian ini produk yang dihasilkan pada pabrik tempat penelitian
dilaksanakan hanyalah satu jenis produk yaitu Ribbed Smoke Sheet (RSS). Maka
yang menjadi fokus penelitian hanyalah produk tersebut.
Batang Serangan.
IPQC (In Process Quality Control) yang bertujuan untuk menjaga agar produk
cacat tidak diproses oleh departemen berikutnya bilamana kecacatan produk
tersebut dianggap tidak dapat ditolerir. Inspeksi oleh IPQC ini dilakukan secara
manual dengan melihat secara langsung kecacatan yang terdapat pada Ribbed
Smoke Sheet (RSS).
Gambar 5.2. Operation Process Chart (OPC) Produk Ribbed Smoke Sheet
1.
Adanya Kotoran
2.
3.
4.
5.
Keterangan
Produk yang telah dilakukan proses
pengasapan terdapat bercak noda pada
setiap sisi lembaran sheet
Proses pengasapan yang dilakukan tidak
merata
Dalam lembaran sheet terdapat udara
yang terperangkap
Pada proses penggilingan mesin,
lembaran tidak tergiling sempurna,
sehingga ada karet yang tergumpal
Pada hari kedua proses pengasapan,
lembaran hendaknya di balik agar karet
yang masih basah bisa kering sempurna
5.2.2. Measure
5.2.2.1.Pengukuran DPMO (Defect Per Million Opportunities) dan Nilai
Sigma ().
DPOM
10 6 DPMO
1.5
= Normsinv
6
10
6
10 10.011
1.5
= Normsinv
10 6
= 3,82
Tabel 5.8. Nilai DPMO dan Produk Ribbed Smoke Sheet (RSS)
Jumlah
Periode
Produksi
Cacat
DPMO
Nilai
CTQ
Mei 2010
92.135
4612
5
10.011
3.82
Juni 2010
126.445
7551
5
11.944
3.75
Juli 2010
112.525
10601
5
18.842
3.57
Tabel 5.8. Nilai DPMO dan Produk Ribbed Smoke Sheet (RSS) (Lanjutan)
Jumlah
Periode
Produksi
Cacat
DPMO
Nilai
CTQ
Agt.2010
129.155
10742
5
16.634
3.62
Sept. 2010
78.335
7250
5
18.510
3.58
Okt.2010
72.480
5529
5
15.257
3.66
Nov. 2010
49.015
6720
5
27.420
3.42
Des. 2010
42.660
5227
5
24.505
3.46
Jan. 2011
58.415
6295
5
21.553
3.52
Feb. 2011
72.445
7477
5
20.641
3.54
Mar. 2011
77.570
9695
5
24.997
3.46
Apr. 2011
77.845
5705
5
14.657
3.67
Proses
989.025
87404
5
17.675
3.60
5.2.2.2. Penentuan CTQ Potensial yang Dominan
Rekapitulasi persentase CTQ potensial untuk produk ribbed smoke sheet dapat
dilihat pada Tabel 5.9 berikut:
Tabel 5.9. Rekapitulasi CTQ Potensial Produk Ribbed Smoke Sheet (RSS)
No
CTQ
.
1 Kotoran
Warna Tidak
2
Homogen
3 Gelembung Udara
4 Gumpalan Karet
5 Sheet Lengket
Total
Mei1
0
1482
Jun1
0
3525
3436
Agt1
0
3067
Sept1
0
2225
Okt1
0
1863
Nov1
0
2021
Des1
0
2239
Jan1
1
2348
Feb1
1
2828
Mar1
1
2792
Apr1
1
1291
Jlh
Cacat
29.117
%
Cacat
33.31
530
789
712
1146
934
112
1176
1453
1012
1715
1914
957
12.450
14.24
1621
262
717
4612
1253
156
1828
7551
2712
2152
1589
10601
2591
2183
1755
10742
1212
1755
1124
7250
1607
1373
574
5529
1166
1713
644
6720
179
1161
195
5227
1423
1046
466
6295
1319
985
630
7477
2637
1091
1261
9695
2085
659
713
5705
19.805
14.536
11.496
87.404
22.66
16.63
13.15
100,00
Jul10
Setelah diperoleh nilai persentase untuk tiap jeniis CTQ, kemudian CTQ diurutkan mulai dari persentase yang terbesar dan
dhitung kumulatifnya seperti pada Tabel 5.10 berikut:
Tabel 5.10 Persentase Kumulatif CTQ Potensial Produk Ribbed Smoke Sheet (RSS)
No.
1
2
3
4
5
CTQ
Kotoran
Gelembung Udara
Gumpalan Karet
Warna Tidak Homogen
Sheet Lengket
Total
Jumlah Cacat
29.117
19.805
14.536
12.450
11.496
87.404
% Cacat
33.31
22.66
16.63
14.24
13.15
100.00
% Kumulatif
33.31
55.97
72.60
86.84
100.00
35
90
80
86.84
72.6
25
70
19.805
55.97
20
60
50
14.536
12.45
15
10
100
11.496
33.31
40
Kumulatif
Jumlah Cacat
30
29.117
30
20
10
0
Kotoran
Warna Tidak
Homogen
Sheet Lengket
Jenis Cacat
Gambar 5.3. Diagram Pareto Jenis Kecacatan Produk Ribbed Smoke Sheet
Dari diagram pareto diatas dapat dilihat jenis cacat dengan persentase
terbesar yaitu untuk jenis cacat kotoran, gelembung udara, dan gumpalan karet.
Persentase kumulatif untuk ketiga jenis cacat tersebut mencapai 72,6 %. Nilai
tersebut sesuai dengan prinsip Pareto 80-20, dimana 80 % produk cacat
disebabkan oleh 20 % jenis kecacatan. Sehingga untuk mengurangi jumlah produk
cacat sampai tingkat 80% cukup dengan mengendalikan ketiga jenis cacat
tersebut. Sebab jika mengendalikan semua jenis kecacatan yang terjadi akan tidak
efisien karena akan memakan waktu, biaya dan tenaga yang sangat besar.
nomor data
total data
1
0,04
25
3. Hitung nilai Z
n
xi
i 1
517,032
20,6813
25
( xi - x )
i 1
n 1
112.895
= 2,1688
25 1
Xi X
18,4 - 20,6813
-1,0518
2,1688
4. Dari nilai Z yang didapat, selanjutnya dicari Fe(X) dengan melihat tabel
distribusi normal atau menggunakan Microsoft Excel. Dalam hal ini untuk
mencari nilai Fe(X) menggunakan Microsoft Exel dengan formulasi:
= NORMDIST(-1,0518) = 0,1464
5. Hitung selisih nilai Fa(X) dengan Fe(X) dan diberi tanda mutlak, serta
notasikan dengan D.
Fa(X) = 0,0400; Fe(X) = 0,1348
D = Fa(X) Fe(X)
= 0,0400 0,1464
= 0.1064
Perhitungan dari pengujian kenormalan data untuk parameter kotoran
dapat dilihat pada Tabel 5.11.
Tabel 5.11. Uji Kenormalan Data dengan Kolmogorov-Smirnov Test untuk
Parameter Kotoran
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Jumlah Produk
Cacat (X)
18.4
18.4
18.5
18.6
18.7
18.9
19.1
19.2
19.3
19.3
19.5
19.7
20.1
20.5
Fa(X)
Fe(X)
D = Fa(X) Fe(X)
0.0400
0.0800
0.1200
0.1600
0.2000
0.2400
0.2800
0.3200
0.3600
0.4000
0.4400
0.4800
0.5200
0.5600
-1.0518
-1.0472
-1.0057
-0.9367
-0.9135
-0.8213
-0.7511
-0.6830
-0.6369
-0.6221
-0.5589
-0.4524
-0.2614
-0.0836
0.1464
0.1475
0.1573
0.1745
0.1805
0.2057
0.2263
0.2473
0.2621
0.2669
0.2881
0.3255
0.3969
0.4667
0.1064
0.0675
0.0373
0.0145
0.0195
0.0343
0.0537
0.0727
0.0979
0.1331
0.1519
0.1545
0.1231
0.0933
15
16
17
18
19
20
21
22
23
24
25
Jumlah Produk
Cacat (X)
20.8
21.1
21.1
21.2
21.6
22.0
22.3
23.8
24.1
24.1
26.7
X = 517,032
Fa(X)
Fe(X)
D = Fa(X) Fe(X)
0.6000
0.6400
0.6800
0.7200
0.7600
0.8000
0.8400
0.8800
0.9200
0.9600
1.0000
0.0633
0.1795
0.1931
0.2392
0.4236
0.6152
0.7463
1.4379
1.5763
1.5763
2.7751
0.5252
0.5712
0.5765
0.5945
0.6641
0.7308
0.7723
0.9248
0.9425
0.9425
0.9972
0.0748
0.0688
0.1035
0.1255
0.0959
0.0692
0.0677
0.0448
0.0225
0.0175
0.0028
Dmax = 0.1545
B.
kendali (in control) sebagai syarat untuk perhitungan process capability. Adapun
contoh perhitungan Peta p pada subgroup 1 adalah sebagai berikut:
np
n
18,4
0,03364
547,8
np 517,032 0,03786
n 13656,4
UCL
= p3
UCL
= 0,03786 3
p (1 p)
n1
0,03786(1 0,03786)
547,8
= 0,03786 + 0,0244
= 0,06232
p(1 p)
n1
LCL
= p 3
LCL
= 0,03786 3
0,03786(1 0,03786)
547,8
= 0,03786 0,0244
= 0,01346 0
Dari perhitungan batas kendali di atas, terlihat bahwa nilai dari LCL
adalah positif yaitu 0,01346. Nilai LCL yang positif ini dibuat menjadi nol karena
jika nilai proporsi dari suatu subgrup berada di bawah nilai LCL maka akan
dianggap out of control (diluar batas kendali), sedangkan dalam pengertian
pengendalian kualitas adalah suatu proses produksi dikatakan memiliki kualitas
baik apabila proporsi kecacatannya mendekati nol. Untuk menghindari masalah
seperti itu, maka batas kendali LCL yang positif ini dibuat menjadi nol.
Berdasarkan perhitungan nilai UCL dan LCL, terlihat bahwa proporsi kecacatan
(p) pada subgrup 1 masih berada dalam batas kontrol. Perhitungan np dan p dapat
dilihat pada Tabel 5.12 berikut:
Subgroup
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Ket.
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
Ket.
In Control
In Control
In Control
In Control
In Control
In Control
Proporsi Kecacatan
0.0700
0.0600
0.0500
0.0400
0.0300
0.0200
0.0100
0.0000
1
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Subgroup
nomor data
total data
1
0,04
25
3. Hitung nilai Z
n
xi
i 1
n
n
484,40
19,376
25
( xi - x )
111,086
= 2,1514
n 1
25 1
maka nilai Z untuk data pertama X1 = 15,3 adalah:
i 1
Xi X
185,3 - 19,376
-1,8946
2,1514
4. Dari nilai Z yang didapat, selanjutnya dicari Fe(X) dengan melihat tabel
Z =
distribusi normal atau menggunakan Microsoft Excel. Dalam hal ini untuk
mencari nilai Fe(X) menggunakan Microsoft Exel dengan formulasi:
= NORMDIST(-1,8946) = 0,0291
5. Hitung selisih nilai Fa(X) dengan Fe(X) dan diberi tanda mutlak, serta
notasikan dengan D.
Fa(X) = 0,0400; Fe(X) = 0,0291
D = Fa(X) Fe(X)
= 0,0400 0,0291
= 0.0109
Perhitungan dari pengujian kenormalan data untuk parameter gelembung
udara dapat dilihat pada Tabel 5.13
Tabel 5.13. Uji Kenormalan Data dengan Kolmogorov-Smirnov Test untuk
Parameter Gelembung Udara
No.
1
2
3
4
5
6
7
8
9
10
11
Jumlah Produk
Cacat (X)
15.3
15.3
16.8
17.5
17.7
18.3
18.4
18.4
18.5
18.7
18.9
Fa(X)
Fe(X)
D = Fa(X) Fe(X)
0.0400
0.0800
0.1200
0.1600
0.2000
0.2400
0.2800
0.3200
0.3600
0.4000
0.4400
-1.8946
-1.8946
-1.1974
-0.8720
-0.7790
-0.5001
-0.4537
-0.4537
-0.4072
-0.3142
-0.2213
0.0291
0.0291
0.1156
0.1916
0.2180
0.3085
0.3250
0.3250
0.3419
0.3767
0.4124
0.0109
0.0509
0.0044
0.0316
0.0180
0.0685
0.0450
0.0050
0.0181
0.0233
0.0276
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Jumlah Produk
Cacat (X)
19.2
19.2
19.5
19.5
18.9
21.4
20.0
20.1
20.1
20.2
21.4
21.4
22.3
23.1
X = 484,40
Fa(X)
Fe(X)
D = Fa(X) Fe(X)
0.4800
0.5200
0.5600
0.6000
0.6400
0.6800
0.7200
0.7600
0.8000
0.8400
0.8800
0.9200
0.9600
1.0000
-0.0818
-0.0818
0.0576
0.1506
0.1971
0.2900
0.3365
0.3365
0.3830
0.9408
0.9408
1.3591
1.7310
2.4282
0.4674
0.4674
0.5230
0.5599
0.5781
0.6141
0.6318
0.6318
0.6491
0.8266
0.8266
0.9129
0.9583
0.9924
0.0126
0.0526
0.0370
0.0401
0.0619
0.0659
0.0882
0.1282
0.1509
0.0134
0.0534
0.0071
0.0017
0.0076
Dmax = 0.1509
B.
kendali (in control) sebagai syarat untuk perhitungan process capability. Adapun
contoh perhitungan Peta p pada subgroup 1 adalah sebagai berikut:
Total kecacatan ( np) = 484,40
Total inspeksi (n) = 13656,40
Total inspeksi subgrup 1 (np1) = 547,8
Total kecacatan subgrup 1 (np1) = 20,2
Maka proporsi kecacatan pada subgrup 1 adalah :
p
np
n
20,2
0,0369
547,8
np 484,40 0,03547
n 13656,4
UCL
= p3
UCL
= 0,03547 3
p(1 p)
n1
0,03547(1 0,03547)
547,8
= 0,03547 + 0,02370
= 0,0592
p(1 p)
n1
LCL
= p 3
LCL
= 0,03547 3
0,03547(1 0,03547)
547,8
= 0,03786 0,02370
= 0,0118 0
Dari perhitungan batas kendali di atas, terlihat bahwa nilai dari LCL
adalah positif yaitu 0,0118. Nilai LCL yang positif ini dibuat menjadi nol karena
jika nilai proporsi dari suatu subgrup berada di bawah nilai LCL maka akan
dianggap out of control (diluar batas kendali), sedangkan dalam pengertian
pengendalian kualitas adalah suatu proses produksi dikatakan memiliki kualitas
baik apabila proporsi kecacatannya mendekati nol. Untuk menghindari masalah
seperti itu, maka batas kendali LCL yang positif ini dibuat menjadi nol.
Berdasarkan perhitungan nilai UCL dan LCL, terlihat bahwa proporsi kecacatan
(p) pada subgrup 1 masih berada dalam batas kontrol. Perhitungan np dan p dapat
dilihat pada Tabel 5.14 berikut:
Subgroup
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Ket.
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
Ket.
In Control
In Control
In Control
In Control
In Control
In Control
Proporsi Kecacatan
0.0700
0.0600
0.0500
0.0400
0.0300
0.0200
0.0100
0.0000
1
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Subgroup
nomor data
total data
1
0,04
25
3. Hitung nilai Z
n
xi
i 1
n
n
458,3
18,3320
25
( xi - x )
33,9544
= 1,1894
n 1
25 1
maka nilai Z untuk data pertama X1 = 15,3 adalah:
i 1
Xi X
15,3 - 18,332
-2,5491
1,1894
4. Dari nilai Z yang didapat, selanjutnya dicari Fe(X) dengan melihat tabel
Z =
distribusi normal atau menggunakan Microsoft Excel. Dalam hal ini untuk
mencari nilai Fe(X) menggunakan Microsoft Exel dengan formulasi:
= NORMDIST(-2,5491) = 0,0054
5. Hitung selisih nilai Fa(X) dengan Fe(X) dan diberi tanda mutlak, serta
notasikan dengan D.
Fa(X) = 0,0400; Fe(X) = 0,0054
D = Fa(X) Fe(X)
= 0,0400 0,0054
= 0.0346
Perhitungan dari pengujian kenormalan data untuk parameter gumpalan
karet dapat dilihat pada Tabel 5.15 berikut:
Tabel 5.15. Uji Kenormalan Data dengan Kolmogorov-Smirnov Test untuk
Parameter Gumpalan Karet
Jumlah Produk
No.
Fa(X)
Z
Fe(X) D = Fa(X) Fe(X)
Cacat (X)
1
15.3
0.0400
-2.5491 0.0054
0.0346
2
16.7
0.0800
-1.3721 0.0850
0.0050
3
16.9
0.1200
-1.2039 0.1143
0.0057
4
17.0
0.1600
-1.1199 0.1314
0.0286
5
17.2
0.2000
-0.9517 0.1706
0.0294
6
17.3
0.2400
-0.8676 0.1928
0.0472
7
17.5
0.2800
-0.6995 0.2421
0.0379
8
17.6
0.3200
-0.6154 0.2691
0.0509
9
17.7
0.3600
-0.5313 0.2976
0.0624
10
18.0
0.4000
-0.2791 0.3901
0.0099
11
18.1
0.4400
-0.1950 0.4227
0.0173
12
18.3
0.4800
-0.0269 0.4893
0.0093
Tabel 5.15. Uji Kenormalan Data dengan Kolmogorov-Smirnov Test untuk
Parameter Gumpalan Karet (Lanjutan)
No.
13
14
15
16
17
18
19
20
21
22
23
24
25
Jumlah Produk
Cacat (X)
18.5
18.7
18.9
18.9
19.1
19.3
19.3
19.5
19.5
19.6
19.7
19.7
20.0
X = 458,30
Fa(X)
Fe(X)
D = Fa(X) Fe(X)
0.5200
0.5600
0.6000
0.6400
0.6800
0.7200
0.7600
0.8000
0.8400
0.8800
0.9200
0.9600
1.0000
0.1412
0.3094
0.4775
0.4775
0.6457
0.8138
0.8138
0.9820
0.9820
1.0660
1.1501
1.1501
1.4023
0.5562
0.6215
0.6835
0.6835
0.7408
0.7921
0.7921
0.8369
0.8369
0.8568
0.8750
0.8750
0.9196
0.0362
0.0615
0.0835
0.0435
0.0608
0.0721
0.0321
0.0369
0.0031
0.0232
0.0450
0.0850
0.0804
Dmax = 0.0850
B.
kendali (in control) sebagai syarat untuk perhitungan process capability. Adapun
contoh perhitungan Peta p pada subgroup 1 adalah sebagai berikut:
Total kecacatan ( np) = 458,30
np
n
19,5
0,0356
547,8
np 458,30 0,03356
n 13656,4
UCL
= p3
UCL
= 0,03356 3
p(1 p)
n1
0,03356(1 0,03356)
547,8
= 0,03356 + 0,02308
= 0,0566
p(1 p)
n1
LCL
= p 3
LCL
= 0,03356 3
0,03356(1 0,03356)
547,8
= 0,03356 - 0,02308
= 0,0105 0
Dari perhitungan batas kendali di atas, terlihat bahwa nilai dari LCL
adalah positif yaitu 0,0105. Nilai LCL yang positif ini dibuat menjadi nol karena
jika nilai proporsi dari suatu subgrup berada di bawah nilai LCL maka akan
dianggap out of control (diluar batas kendali), sedangkan dalam pengertian
pengendalian kualitas adalah suatu proses produksi dikatakan memiliki kualitas
Subgroup
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Jumlah
Ket.
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
In Control
Proporsi Kecacatan
0.0600
0.0500
0.0400
0.0300
0.0200
0.0100
0.0000
1
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Subgroup
Disamping itu juga berguna untuk mencari penyebab yang sesungguhnya dari
suatu masalah.
Manusia
Kurangnya
ketelitian
Mesin /
Peralatan Kotor
Kotoran
Banyaknya Debu
Bahan Baku
Lingkungan Kerja
Bahan Baku
Bahan baku yang diterima tidak sesuai standard, banyak terdapat kotoran.
2.
Lingkungan Kerja
Keadaan lingkungan kerja pada saat pencetakan banyak debu yang
berterbangan sehingga tercampur kedalam tangki pencetakan.
3.
Manusia
Pekerja kurang konsentrasi pada saat penyaringan sewaktu pencetakan,
sehingga kotoran yang ada tidak benar-benar tersaring.
4.
Mesin / Peralatan
Mesin / peralatan tidak terawat dengan baik, sehingga banyak terdapat karat
pada sisi-sisi mesin.
Manusia
Kurangnya
ketelitian
Putaran Mesin
tidak sesuai rpm
yang diharapkan
Gelembung
Udara
Bahan Baku
Cara penggilingan
yang kurang baik
Metode Kerja
1.
Bahan Baku
Bahan baku yang diterima tidak sesuai standard, tidak sesuai dengan DRC
yang telah ditetapkan.
2.
Metode Kerja
Penggilingan sheet kurang baik, disebabkan putaran mesin yang tidak
sesuai, sehingga banyak sheet yang tidak tergiling sempurna.
3.
Manusia
1. Pekerja
kurang
konsentrasi
pada
saat
penggiilingan,
tidak
4.
Mesin / Peralatan
Mesin / peralatan tidak terawat dengan baik, sehingga putaran mesin tidak
sesuai rpm.
Mesin /
Peralatan
Manusia
Pekerja Kurang
Konsentrasi
Putaran Mesin
tidak sesuai rpm
yang diharapkan
Gumpalan
Karet
Pengenceran lateks
cair kurang sesuai
Cara penggilingan
yang kurang baik
Bahan Baku
Metode Kerja
Bahan Baku
Bahan baku yang diterima tidak sesuai standard DRC.
2.
Metode Kerja
Penggilingan sheet kurang baik, disebabkan putaran mesin yang tidak
sesuai, sehingga banyak sheet yang tidak tergiling sempurna.
3.
Manusia
1. Pada saat pengenceran lateks cair, tidak sesuai dengan % DRC yaitu Dry
Rubber Content (DRC) 14-15 %.
2. Pekerja kurang konsentrasi pada saat penggiilingan.
4.
Mesin / Peralatan
Mesin / peralatan tidak terawat dengan baik, sehingga putaran mesin tidak
sesuai rpm.
Dari uraian Cause & Effect Diagram, Digram SIPOC (Suppliers-InputsProcess-Outputs-Customer dan Operation Process Chart (OPC). Dapat dilihat
sumber penyebab terjadinya jenis cacat dominan pada produk Ribbed Smoke Sheet
(RSS). Faktor metode, manusia, dan lingkungan merupakan penyebab yang umum
untuk semua jenis kecacatan yang ada. Sedangkan faktor mesin dan material
merupakan penyebab kecacatan bersifat khusus, dimana setiap jenis kecacatan
biasanya disebabkan oleh kesalahan mesin dan material yang berbeda. Namun ada
beberapa kesamaan sumber penyebab terjadinya cacat antara dua jenis cacat
dominan dengan jenis kecacatan lainnya, khususnya yang disebabkan faktor
mesin dan material / bahan yang dapat dilihat pada Tabel 5.17
Tabel 5.17. Kesamaan Faktor Penyebab Terjadinya Cacat Produk
Ribbed Smoke Sheet (RSS)
Jenis Cacat
Kotoran
Gelembung Udara
Warna Tidak
Homogen
Penyaringan tidak
maksimal
Lengket
Pengenceran Tidak
Sesuai DRC 14-15 %
Gumpalan
Karet
Pengasapan tidak
sempurna
Proses
Pengasapan
Tidak sempurna
yang selama ini dilakukan. Adapun proses analisis dengan FMEA adalah sebagai berikut :
Tabel 5.18. Analisis FMEA Produk Ribbed Smoke Sheet
Nama Proses
Bertanggungjawab
Fungsi Proses
Diselesaikan oleh
Ivan Herbeth H. S
Tanggal
28/06/2011
Ivan Herbeth H. S
Jenis
Kegagalan
Efek dari
Kegagalan
Penyebab
Kegagalan
Sheet
belum
membeku
Pembekuan
Penggilingan
Gelembung
Udara
Gumpalan
Karet
Sheet susah
untuk
digiling
Tebal sheet
tidak rata
Kontrol yang
dilakukan
Melakukan
pembekuan
kembali
RPN
Penanggulangan
84
Memberi pengarahan
kepada operator agar
mencampurkan secara
sempurna larutan asam
semut ke lateks cair
Kurangnya
konsentrasi
dari larutan
asam semut
Tidak ada
175
Menempelkan daftar
kadar asam semut yang
akan diberikan di
dinding
Operator
kurang
teliti
Tidak ada
105
Mengadakan pelatihan
kerja untuk operator
secara berkala
Roll
gilingan
tidak stabil
Tidak ada
175
Operator
kurang
teliti
Tidak ada
105
Mengadakan pelatihan
kerja untuk operator
secara berkala
Pengasapan
Diselesaikan oleh
Ivan Herbeth H. S
Tanggal
28/06/2011
Ivan Herbeth H. S
Jenis
Kegagalan
Kotoran
Efek dari
Kegagalan
Tampilan
Produk tidak
sesuai
dengan
spesifikasi
Penyebab
Kegagalan
Kontrol yang
dilakukan
RPN
Penanggulangan
Banyaknya
debu pada
ruang
asap
Tidak ada
120
Harus sering
membersihkan ruang
kamar asap
Proses
penyaringan
tidak
sempurna
Tidak ada
175
Menggantikan saringan
yang sudah berlubang
Operator
kurang
teliti
Tidak ada
105
Mengadakan pelatihan
kerja untuk operator
secara berkala
Keterangan :
(S) Severity
Keseriusan dari efek kegagalan potensial pada fungsional produk (Skala 110)
(O) Occurance
(D) Detection
Penyebab Kegagalan
Proses penyaringan tidak sempurna
Kurangnya konsentrasi dari larutan asam semut
Roll mesin giling tidak stabil
Banyaknya debu pada ruang kamar asap
Operator kurang teliti
Operator kurang teliti
Operator kurang teliti
Sheet belum membeku
RPN
175
175
175
120
105
105
105
84
5.2.4. Improve
Manusia (SDM)
-
Metode
-
Mesin
-
produksi berjalan selesai sesuai dengan kapasitas bahan baku. Bila proses
berhenti sebelum produksi tercapai maka akan terjadi kerusakan yang
besar/banyak pada Ribbed Smoke Sheet (RSS), begitu juga dengan
kerugian waktu karena penyetingan awal membutuhkan waktu yang lama
sehingga dapat menyebabkan waktu yang ditargetkan untuk produksi tidak
tercapai.
-
Bahan/Material
-
dan kecepatan roll penggilingan yang tidak optimal, seharusnya dilakukan dengan
eksperimen. Eksperimen bertujuan untuk mengetahui efek dari setiap faktor
terhadap jumlah produk ribbed smoke sheet yang diakibatkan oleh cacat jenis
kotoran, gelembung udara, gumpalan karet, serta menentukan taraf faktor yang
optimal. Namun karena eksperimen tidak dapat dilakukan maka permasalahan
diselesaikan dengan analisis varians (ANAVA) dengan menggunakan data historis
perusahaan. Adapun tahapan pengerjaannya dapat dilihat dibawah ini.
Untuk melihat apakah data berdistribusi normal maka akan di uji dengan
menggunakan uji Chi Square. Dalam uji kenormalan ini, data pengamatan jumlah
produk cacat (dalam satuan kg) terlebih dahulu diurutkan dari data minimum ke
data maksimum untuk pengklasifikasian data menjadi distribusi frekuensi yang
dapat dilihat pada Tabel 5.20 berikut:
Tabel 5.20. Data Urutan Jumlah Produk Cacat
316
332
408
425
431
467
489
498
506
510
512
521
524
528
530
533
538
541
551
560
567
573
578
582
695
701
704
704
705
721
721
721
723
723
730
738
740
753
758
762
762
765
772
782
784
801
819
838
= 316
Ymax
= 838
Sehingga :
= Ymax - Ymin
= 838 316
= 522
= 1 + 3,3 Log N
= 1 + 3,3 Log 72
= 7,1291 7
I
R
K
522
= 73,2200 73
7
I = interval kelas
Dari hasil perhitungan tersebut maka data pada tabel 5.20. dapat diubah
menjadi data distribusi frekuensi seperti pada tabel 5.21 berikut:
Tabel 5.21 Data Distribusi frekuensi untuk Jumlah Produk Cacat
Interval
BKB
316 389
390 463
464 537
538 611
612 685
686 759
760 833
834 907
315.5
389.5
463.5
537.5
611.5
685.5
759.5
833.5
BKA
389.5
463.5
537.5
611.5
685.5
759.5
833.5
907.5
Titik tengah
(xi)
352.5
426.5
500.5
574.5
648.5
722.5
796.5
870.5
Jumlah
fi
fi.xi
2
4
10
16
12
19
8
1
72
705
1706
5005
9192
7782
13727.5
6372
870.5
45360
fi( Xi X )
2(352,5 630)
n 1
2
= 123,42
sedangkan nilai bakunya ditentukan dengan persamaan:
X -X
Z=
Sebagai contoh batas kontiniu 611,5 574,5 perhitungan nilai bakunya sebagai
berikut:
Z611,5 =
611,5 - 630
= - 0,14
117,66
Z574,5 =
574,5 - 630
= 0,44
117,66
Dari data diatas dapat dihitung luas wilayah kurva normal sebagai berikut:
Luas
Rekapitulasi perhitungan luas daerah keseluruhan data dapat dilihat pada Tabel
5.22 berikut:
Tabel 5.22. Perhitungan Luas Kurva
Interval
Fi(oi)
315,5-389,5
389,5-463,5
463,5-537,5
537,5-611,5
611,5-685,5
685,5-759,5
759,5-833,5
833,5-907,5
2
4
10
16
12
19
8
1
72
Dari hasil tersebut, diperoleh
ZBKB
ZBKA
Luas BKB
Luas BKA
-
-1.9486
-1.3490
-0.7494
-0.1498
0.4496
1.0492
1.6488
-1.9486
-1.3490
-0.7494
-0.1498
0.4496
1.0492
1.6488
+
0
0.0257
0.0887
0.2268
0.4404
0.6735
0.8530
0.9504
0.0257
0.0887
0.2268
0.4404
0.6735
0.8530
0.9504
1
Pi = Luas kurva
N = Jumlah data pengamatan
= Pi x N
Luas
Kurva
0.0257
0.0630
0.1381
0.2136
0.2331
0.1794
0.0974
0.0496
1
= 0,0257 x 72
= 1,8482
Rekapitulasi dari perhitungan ditunjukkan dalam Tabel 5.23 berikut:
Tabel 5.23. Data Frekuensi Observasi dan Frekuensi Ekspetasi
untuk Jumlah Produk Cacat
(0i ei) 2
Luas
Interval
(oi)
ei
Kurva
ei
315,5-389,5
0.0257
2
1.8482
0.0125
389,5-463,5
0.0630
4
4.5353
0.0632
463,5-537,5
0.1381
10
9.9451
0.0003
537,5-611,5
0.2136
16
15.3819
0.0248
611,5-685,5
0.2331
12
16.7837
1.3634
685,5-759,5
0.1794
19
12.9197
2.8615
759,5-833,5
0.0974
8
7.0156
0.1381
833,5-907,5
0.0496
1
3.5705
1.8506
72
72
6.3144
Berdasarkan data di atas dapat kita lihat bahwa ada nilai oi dan ei yang
lebih kecil dari 5 maka dilakukan revisi atau penggabungan data sehingga
terbentuk kelas baru seperti pada Tabel 5.24 berikut:
Tabel 5.24. Data Revisi Frekuensi Observasi dan Frekuensi Ekspetasi
Interval
315,5-463,5
463,5-537,5
537,5-611,5
611,5-685,5
685,5-759,5
759,5-907,5
0.0887
0.1381
0.2136
0.2331
0.1794
0.1470
6
10
16
12
19
9
72
6.3835
9.9451
15.3819
16.7837
12.9197
10.5861
72
(0i ei) 2
ei
0.0230
0.0003
0.0248
1.3634
2.8615
0.2376
4.5108
Tahap Pengujian:
1. Rumusan Hipotesa
H0
H1
(oi ei) 2
4,5148
ei
i 1
5
Tabel 5.25. Jumlah Produk Cacat Akibat Perbedaan Ketiga Taraf Faktor
Kecepatan
Roll
Penggilingan
(c)
300
Jumlah
350
Jumlah
375
Jumlah
Total Jumlah
c1
c2
c3
5.4
Lama Pengasapan (b)
120
122
125
573
695
762
541
674
758
1114
1369
1520
530
643
723
528
621
704
1058
1264
1427
510
593
686
498
578
651
1008
1171
1337
3180
3804
4284
b1
1114
1058
1008
a1
b2
1369
1264
1171
6
Lama Pengasapan (b)
120
122
125
582
634
675
567
612
653
1149
1246
1328
425
593
612
408
560
598
833
1153
1210
332
533
551
316
512
524
648
1045
1075
2630
3444
3613
b1
1149
833
648
a3
b2
1246
1153
1045
Jumlah
11570
10579
9640
31789
b3
1328
1210
1075
b1
b2
b3
Jumlah
c1
c2
c3
Jumlah
2554
3428
3658
Jumlah
11570
10579
9640
Y 2 Yijkl2
i 1 j1 k 1 l 1
Ry
A B C n
= Yijkl / abcn
i 1 j 1 k 1 l 1
Jabc
(31.789) 2
= 18.713.713,4
3 x3 x3 x 2
J ijk2
=
i 1 j 1 k 1 n
A
Ry
= 510.567,14
Dari tabel 5.27, tabel 5.28, tabel 5.29, dan tabel 5.30 dapat diperoleh:
Jab
J ij2
Ry
=
Cn
i 1 j 1
= 379.124,15
Jbc
J 2jk
- Ry
j 1 k 1 An
= 404.438,1
Jac
J ik2
- Ry
i 1 k 1 Bn
= 190.163,8
Selanjutnya dapatkan harga-harga:
Ay
Ai2
=
i 1 BC n
A
By
B 2j
=
j 1 AC n
B
Cy
C k2
k 1 AB n
C
BCy
ACy
Dk
Jk
18.713.713,4
74.139,37
298.488,5
AB
BC
AC
ABC
Kekeliruan
Jumlah
4
4
4
8
23
54
103.494,48
6.496,27
2.455,12
12.529,95
12.963,458
6198,452
19.230.479
KT
F uji
F tabel
(5%)
18.713.713,4
37069,69
149244,3
51747,24
1.624,068
613,78
3.132,488
1.620,432
269,4979
3,84
3,84
3,84
2,32
Keterangan:
A
AB
AC
BC
AC
ABC = Interaksi faktor lama pembekuan, lama pengasapan dan kecepatan roll
penggilingan
JK
= Jumlah kuadrat
DK
= Derajat kebebasan
Jika nilai F hitung lebih besar dari nilai F tabel 5 %, maka terdapat
perbedaan yang sangat nyata antar faktor terhadap respon. Kesimpulan yang
diperoleh dengan membandingkan F hitung dengan F tabel adalah sebagai berikut:
- AB
- AC
- BC
- ABC
Kemudian dicari rata-rata respon (jumlah produk cacat) dari tiap kombinasi taraf
faktor untuk mengetahui jumlah respon terkecil yang dapat dilihat pada Tabel
5.31 berikut:
c1
c2
c3
b1
557
529
504
a1
b2
684.5
632
585.5
b1
762.5
729.5
699
a1
b2
792.5
751
713
b3
828.5
773.5
725.5
Dari tabel 5.32 dapat diketahui bahwa respon terkecil terdapat pada kombinasi taraf faktor a1, b1, c3. jadi dapat disimpulkan
bahwa operasional produksi yang optimal yang pernal dilakukan di lantai produksi selama bulan Juni 2011 yaitu:
- Lama pembekuan
: 6 jam
- Lama pengasapan
: 120 jam
: 375 rpm
Tahapan analisa terakhir dari Six Sigma adalah tahapan Control (tahap
pengendalian). Pada tahapan ini akan dilakukan tindakan pengawasan terhadap
hasil yang telah diperoleh pada tahapan-tahapan sebelumnya. Dan ini merupakan
sebuah langkah awal dari perbaikan terus menerus dan integrasi system Six sigma.
Oleh karena itu dibutuhkan suatu pembakuan, pendokumentasian dan
penyebarluasan dari tindakan perbaikan supaya kegagalan yang pernah terjadi
tidak terulang kembali. Tindakan yang perlu dilakukan adalah:
1. Membuat standar terhadap semua tindakan-tindakan perbaikan pada proses
dalam bentuk Standard Opertaion Procedure (SOP) yang ditempelkan pada
departemen atau stasiun kerja terkait.
2. Melakukan perhitungan DPMO dan level sigma secara rutin tiap periode
untuk mengetahui kemampuan proses dalam menghasilkan produk tanpa
cacat per satu juta kesempatan.
3. Melakukan perhitungan performasi proses secara berkala (Cp dan Cpk) untuk
mengetahui kemampuan proses dalam memenuhi spesifikasi dan pergeseran
nilai tengah proses terhadap target nilai. dalam memenuhi spesifikasi
perusahaan.
BAB VI
ANALISA DAN PEMBAHASAN HASIL
Six Sigma adalah suatu metode peningkatan kualitas yang bertujuan untuk
6.1.
Pada fase ini adalah pemilihan produk dari persentase cacat yang paling
besar untuk dijadikan fokus penelitian. Sementara produk yang diproduksi pada
tempat penelitian dilangsungkan hanyalah ribbed smoke sheet, maka fokus pada
penelitian ini adalah ribbed smoke sheet.
Dari dokumentasi catatan bagian quality control dan wawancara, dapat
diketahui terdapat 5 (lima) jenis CTQ dominant untuk produk ribbed smoke sheet
yaitu; adanya kotoran, warna tidak homogen, adanya gelembung udara, terdapat
gumpalan karet dan lembaran sheet lengket.
6.2.
Pada fase ini akan dibandingkan tingkat pengukuran DPMO dan nilai
sigma pada kondisi aktual dan kondisi ideal. Perbandingan ini dapat dilihat pada
Tabel 6.1. berikut:
Hasil tersebut masih jauh dari standard yang diterapkan oleh six sigma
yaitu nilai DPMO sebesar 3,4 dengan nilai sigma sebesar 6 dan persentase
produk yang tidak cacat sebesar 99,9996%. Namun nilai proses sebesar 3,60
sudah cukup baik jika dibandingkan dengan rata-rata industri di Indonesia yang
berkisar antara 3 4 . Berikut akan ditampilkan pada Gambar 6.1. dan 6.2
peningkatan nilai DPMO dan nilai namun jumlahnya tidak terlalu signifikan.
30
25
DPMO
20
DPMO Periode
15
DPMO Proses
10
5
0
1
10
11
12
13
Periode
7
6
Sigma
5
4
Sigma Periode
Sigma Proses
2
1
0
1
10
11
12
13
Periode
Jenis Cacat
Kotoran
Gelembung Udara
Gumpalan Karet
Jumlah
%
33,31
19,80
14,53
72,6
Dari 5 (lima) jenis cacat yang ada terdapat 3 (tiga) jenis cacat yang
dominant yang menghasilkan jumlah produk cacat mencapai 72,6 %. Nilai ini
sudah memenuhi prinsip 80-20 Pareto, dimana 80% jumlah produk cacat
disebabkan oleh 20% dari jenis kecacatan yang ada, sehingga hanya perlu
dilakukan perioritas perbaikan untuk ketiga jenis cacat tersebut.
Dari peta control untuk ketiga parameter produk diperoleh informasi
bahwa tidak ada data yang out of control. Process Capability untuk setiap
parameter adalah bersifat atribut (tidak dapat diukur). Process Capability untuk
setiap parameter ditunjukkan oleh nilai tengah peta kontrol p dikali 100
(100% x p ), yaitu untuk kotoran sebesar 3,78%. Ini berarti bahwa proses
menghasilkan produk diluar spesifikasi untuk parameter kotoran rata-rata sebesar
3,78%, begitu juga untuk parameter gelembung udara sebesar 5,54%, dan untuk
gumpalan karet sebesar 3,35%.
6.3.
Pada fase ini dilakukan analisis terhadap semua sumber potensial yang
memungkinkan terjadi variasi pada proses maupun pada produk yang
mengakibatkan terjadinya produk cacat. Alat yang digunakan untuk fase ini
adalah Cause and Effect Diagram dan FMEA.
Pada Cause and Effect Diagram sumber-sumber masalah potensial dibagi
menjadi beberapa kategori yaitu; mesin, material, metode, manusia/operator dan
lingkungan. Dari tiap kategori diidentifikasi semua faktor yang mungkin dapat
mempengaruhi terjadinya produk cacat.
Penggunaan FMEA bertujuan untuk menganalisis resiko kegagalan pada
proses maupun produk yang berpengaruh pada tingkat kualitas produk akhir.
Resiko terjadinya kegagalan dibuat berdasarkan rating Severity, Occurance, dan
Detection. Kemudian dihitung nilai RPN dari hasil kali ketiganya. Dari hasil
analisis FMEA diperoleh nilai RPN tertinggi yaitu 175 untuk penyebab kegagalan
proses penyaringan tidak sempurna, dan nilai RPN terendah sebesar 84 untuk
penyebab kegagalan sheet belum membeku.
6.4.
Fase improve
: 6 jam
- Lama pengasapan
: 120 jam
: 375 rpm
Berdasarkan dari gambar Cause & Effect Diagram pada gambar 5.7, 5.8,
5.9 maka dapat diusulkan tindakan untuk masing-masing kecacatan dapat dilihat
pada Tabel 6.3 berikut:
Tabel 6.3
Usulan Tindakan Untuk Kegagalan Karena Kotoran
Faktor Penyebab
Usulan tindakan perbaikan
Bahan Baku
1. Bahan baku kotor dan tidak
1. Menyampaikan Keluhan
sesuai standard
kepada pemasok
2. Melakukan evaluasi terhadap
kinerja pemasok
Manusia
1. Kelalaian pekerja penerimaan
1. Melakukan pengawasan yang
bahan.
lebih ketat kepada para
2. Kelalaian pekerja penyaringan.
pekerja.
2. Memberikan peringatan
kepada pekerja apabila
melakukan kesalahan
3. Memberikan pengarahan
kepada pekerja bagian
penerimaan bahan dan
penyaringan tentang
pentingnya kualitas
Lingkungan
1. Kebersihan lingkungan produksi
1. Menjaga kebersihan
lingkungan produksi.
Sebaiknya memperkerjakan
pekerja khusus bagian
kebersihan untuk menjada
kebersihan pabrik dan sekitar
pabrik.
Tabel 6.4
Usulan Tindakan Untuk Kegagalan Karena Gelembung Udara
Faktor Penyebab
Usulan tindakan perbaikan
1. Melakukan pengawasan yang lebih
Manusia
1. Kelalaian pekerja
penerimaan bahan.
ketat kepada para pekerja.
2. Kelalaian pekerja
2. Memberikan pengarahan kepada
pengenceran.
pekerja bagian penerimaan bahan
dan pengenceran tentang
pentingnya kualitas
3. Memberikan peringatan kepada
pekerja apabila melakukan
kesalahan
Tabel 6.4
Usulan Tindakan Untuk Kegagalan Karena Gelembung Udara (Lanjutan)
Faktor Penyebab
Usulan tindakan perbaikan
Mesin / Peralatan 1. Mesin / peralatan tidak
1. Membuat jadwal pemeriksaan
terawat secara teratur
mesin / peralatan secara berkala
Bahan Baku
1. Bahan baku kotor dan tidak 1. Menyampaikan Keluhan kepada
sesuai standard
pemasok
2. Melakukan evaluasi terhadap
kinerja pemasok
Tabel 6.5
Usulan Tindakan Untuk Kegagalan Karena Gumpalan Karet
Faktor Penyebab
Usulan tindakan perbaikan
Manusia
1. Kelalaian pekerja bagian
1. Melakukan pengawasan yang
pengilingan.
lebih ketat kepada para
pekerja.
2. Memberikan peringatan
kepada pekerja apabila
melakukan kesalahan
Mesin / Peralatan 1. Mesin / peralatan tidak terawat
1. Membuat jadwal pemeriksaan
secara teratur
mesin / peralatan secara
berkala
Metode
1. Instruksi kurang jelas
1. Membuat instruksi kerja yang
jelas dengan memberikan
langkah-langkah pengerjaan
yang mudah dipahami dan
dilaksanakan secara tertulis
namun disertai juga secara
lisan
6.5.
kualitas dengan metode Six sigma, tetapi juga merupakan sebuah langkah awal
dari perbaikan terus menerus dan integrasi system Six sigma. Oleh karena itu
dibutuhkan suatu pembakuan, pendokumentasian dan penyebarluasan dari
tindakan perbaikan supaya kegagalan yang pernah terjadi tidak terulang kembali.
Adapaun Control (tahapan pengendalian) sebagai proyek six sigma yang
menekankan terhadap pembakuan, pendokumentasian dan penyebarluasan
tindakan yang telah dilakukan meliputi:
4. Melakukan perhitungan DPMO dan level sigma secara rutin tiap periode
untuk mengetahui kemampuan proses dalam menghasilkan produk tanpa
cacat per satu juta kesempatan.
5. Melakukan perhitungan pengendalian kualitas produk untuk mengetahui
kestabilan dari proses melalui peta kontrol (control chart) secara rutin untuk
setiap periode.
BAB VII
KESIMPULAN DAN SARAN
7.1.
Kesimpulan
Terdapat 5 jenis kriteria cacat (CTQ) untuk produk ribbed smoke sheet
yaitu ; adanya kotoran, warna tidak homogen, adanya gelembung udara,
terdapat gumpalan karet, dan lembaran sheet lengket. Dan jenis cacat yang
dominan adalah adanya kotoran, adanya gelembung udara dan gumpalan
karet.
2.
yang
berlangsung
dan
perawatan
mesin
yang
kurang
diperhatikan.
3.
7.2.
Saran
Diharapkan kepada pihak perusahaan untuk dapat menerapkan usulanusulan perbaikan yang diberikan untuk meminimisasi cacat seperti; cacat
adanya kotoran dan jenis cacat yang lainnya.
2.
masing-masing,
dimana
hal
ini
dapat
mengakibatkan
Pembentukan team leader. Hal ini didorong oleh kondisi dimana six sigma
merupakan metodologi yang harus didukung oleh fakta, bukan hanya data.
Team leader diperlukan sebagai motor penggerak, dimana team ini full
time dalam mengimplementasikan six sigma di lingkungan organisasi.