Chapter III-VII PDF

BAB III
LANDASAN TEORI
3.1.
Pengendalian Kualitas Statistik
Kualitas merupakan suatu kondisi dinamis yang berhubungan dengan

produk, jasa, manusia, proses, dan lingkungan yang memenuhi dan melebihi
harapan.1
Pengendalian kualitas statistik merupakan teknik penyelesaian masalah
yang digunakan untuk memonitor, mengendalikan, menganalisis, mengelola dan
memperbaiki produk dan proses menggunakan metode-metode statistik.
Pengendalian kualitas statistik (Statistikal Quality Control) sering disebut sebagai
pengendalian
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
Iskandar indranata.2008.Pendekatan Kualitatif Untuk Pengendalian Kualitas.Jakarta : Penerbit

Universitas Indonesia.Hal. 33-38
2
Malayu Ariani, Dorothea, Pengendalian Kualitas Statistik,( Yogyakarta : Edisi Pertama, Andi
Offset,1999), pp. 54.
Universitas Sumatera Utara
memberikan lebih banyak informasi daripada atribut. Namun demikian, data

variabel tidak dapat digunakan untuk mengetahui karakteristik kualitas seperti
banyaknya kesalahan atau persentase kesalahan suatu proses. Data variabel dapat
menunjukkan seberapa jauh penyimpangan dari standar proses, sementara data
atribut tidak dapat menunjukkan informasi tersebut.
Sementara itu, menurut Gryna (2001) terdapat langkah dalam menyusun
peta pengendali proses atau control chart, yaitu :
1. Memilih karakteristik yang akan direncanakan, yang meliputi :
a.
Memberikan prioritas yang tinggi pada karakteristik yang dijalankan saat

ini dengan tingkat kesalahan yang paling tinggi. Untuk itu dapat digunakan
analisis pareto.
b.
Mengidentifikasi variabel-variabel proses dan kondisi-kondisi yang dapat

memberikan kontribusi dalam karakteristik produk akhir.
c.
Memeriksa dan memastikan proses pengukuran telah memenuhi syarat

ketepatan dan keakuratan pemberian data yang tidak mengaburkan variasi
dalam proses manufaktur maupun pelayanan. Variasi atau penyimpangan
dalam proses tersebut menunjukkan tidak hanya penyimpangan proses
manufaktur tetapi juga kombinasi penyimpangan dan pengukuran proses.
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.
2. Memilih jenis peta kendali / peta kontrol.

Alat untuk menyelidiki sebab-sebab variasi dalam kegiatan proses adalah peta
kendali (control chart). Peta kontrol adalah suatu alat statistik yang dapat
digunakan untuk mempertahankan variasi-variasi di dalam kualitas keluaran
yang disebabkan karena ketidaksesuaian spesifikasi yang diinginkan. Manfaat
dari peta kontrol adalah memberitahukan kapan harus membiarkan suatu
proses berjalan seadanya atau kapan harus mengambil tindakan untuk
mengatasi gangguan. Penghapusan sebab-sebab yang menimbulkan fluktuasi
yang menyimpang ini disebut sebagai pengaturan sebuah proses menjadi
terkendali, dan hal ini merupakan sebab utama bagi terjadinya penuruanan
biaya akibat pengendalian mutu statistik. Peta kontrol yang digunakan dalam
penelitian ini adalah : peta kontrol bagian yang ditolak (p). Peta kontrol bagian
yang ditolak (p) yaitu kontrol untuk bagian yang ditolak karena tidak sesuai
dengan spesifikasi (fraction defective or fraction non conforming). Bagian
yang ditolak (pi) adalah rasio dari banyak item yang tidak sempurna yang
ditemukan dalam pemeriksaan atau sederetan pemeriksaan terhadap total
jumlah item yang benar-benar diperiksa. Bagian yang ditolak atau tidak sesuai
selalu dinyatakan dalam bentuk pecahan.
3. Menentukan garis pusat (control line) yang merupakan rata-rata data masa lalu
atau rata-rata yang dikehendaki.
4. Pemilihan sub kelompok. Tiap titik pada peta pengendali menunjukkan sub
kelompok yang berasal dari beberapa unit produk. Untuk tujuan pengendalian
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
untuk diperhatikan karena berkaitan langsung dengan kebutuhan dan kepuasan

pelanggan. Merupakan elemen dari suatu produk, proses, atau praktek-praktek
yang berdampak langsung pada kepuasan pelanggan.3
3.3.
Process Capability
Process Capabilty merupakan kemampuan proses untuk memproduksi
atau menyerahkan output sesuai dengan ekspektasi dan kebutuhan pelanggan.

Process Capability sering dinotasikan sebagi Cp, merupakan suatu ukuran kinerja
kritis yang menunjukkan proses mampu menghasilkan sesuai dengan spesifikasi

produk yang ditetapkan oleh manajemen berdasarkan kebutuhan dan ekspektasi
produk.
3
Vincent Gasverz, Total Quality Manajement, (Jakarta : PT Gramedia Pustaka Utama, , 2001),
pp. 308-309.
Perlu dipahami bahwa indeks Cp mengacu kepada Critical-to-Quality

(CTQ) tunggal atau item karakteristik kualitas individual. Indeks Cp mengukur
kapabilitas potensial atau yang melekat dari suatu proses yang diasumsikan stabil,
dan biasanya didefinisikan sebagai :
Cp
USL LSL
6 standard deviasi
Kedua nilai USL (Upper Specification Limit) dan LSL (Lower

Specification Limit) ditentukan berdasarkan kebutuhan dan ekspektasi pelanggan.
Sedangkan standar deviasi merupakan ukuran variasi proses atau penyimpangan

dari nilai target yang ditetapkan. Process Capability hanya diukur untuk proses
yang stabil, sehingga apabila dianggap tidak stabil, maka proses itu harus
distabilkan terlebih dahulu. Dengan demikian nilai standar deviasi yang digunkan
dalam pengukuran process capability (Cp) harus berasal dari proses yang stabil,
sehingga merupakan variasai yang melekat pada proses yang stabil itu.
3.4.
DMAIC (Define, Measure, Analyze, Improve and Control)
DMAIC (Define, Measure, Analyze, Improve and Control) merupakan

proses untuk peningkatan terus menerus menuju target Six Sigma. DMAIC
dilakukan secara sistematik, berdasarkan ilmu pengetahuan dan fakta (systematic,
scientific and fact based). Proses closed-loop ini (DMAIC) menghilangkan
langkah-langkah proses yang tidak produktif, serta berfokus pada pengukuranpengukuran baru dan menerapkan teknologi untuk peningkatan kualitas menuju
target Six Sigma.
3.5.
Pengukuran, Analisis dan Peningkatan Kualitas
Peningkatan kualitas merupakan aktivitas teknik dan manajemen, melalui

karakteristik kualitas dari produk (barang dan/atau jasa) diukur, kemudian
membandingkan hasil pengukuran itu dengan spesifikasi produk yang diinginkan
pelanggan, serta mengambil tindakan peningkatan yang tepat apabila ditemukan
perbedaan di antara kinerja aktual dan standard.4
Berdasarkan uraian diatas, peningkatan kualitas didefinisikan sebagai
metodologi pengumpulan dan analisis data kualitas, serta menentukan dan
menginterpretasikan pengukuran - pengukuran yang menjelaskan tentang proses
dalam suatu sistem industri, untuk meningkatkan kualitas produk, guna memenuhi
kebutuhan dan ekspektasi pelanggan.
3.6.
Definisi Variasi dalam Konteks Peningkatan Proses
Variasi adalah ketidakseragaman dalam proses operasional sehingga

menimbulkan perbedaan dalam kualitas produk (barang dan/atau jasa) yang
dihasilkan. Pada dasarnya dikenal dua sumber atau penyebab timbulnya variasi,
yang diklasifikasikan sebagai berikut :
1.
Variasi Penyebab Khusus (special-causes variation) adalah kejadian-kejadian

di luar sistem manajemen kualitas yang mempengaruhi variasi dalam sistem
itu. Penyebab khusus dapat bersumber dari faktor-faktor : manusia, mesin dan
peralatan, material, lingkungan, metode kerja, dan lain-lain. Penyebab khusus
ini mengambil pola-pola non acak (nonrandom pattens) sehingga dapat
diidentifikasi/ditemukan, sebab mereka tidak selalu aktif dalam proses tetapi
Vincent, Gaspers, Metode Analisis Untuk Peningkatan Kualitas (Jakarta : Penerbit PT. Gramedia
Pustaka Utama, 2001), pp. 1-10
memiliki pengaruh yang lebih kuat pada proses, sehingga menimbulkan

variasi. Dalam konteks analisis data menggunakan peta-peta kendali atau
kontrol (control chart), jenis variasi sering ditandai dengan titik-titik
pengamatan yang melewati atau keluar dari batas-batas pengendalian yang
didefinisikan (defined control limits).
2.
Variasi Penyebab Umum (common - causes variation) adalah faktor - faktor

di dalam sistem manajemen kualitas atau yang melekat pada proses yang
menyebabkan timbulnya variasi dalam sistem itu beserta hasil-hasilnya.
Penyebab umum sering disebut juga disebut sebagai penyebab acak
(random causes) atau penyebab sistem (system causes). Karena penyebab
umum ini selalau melekat pada sistem manajemen kualitas, untuk
menghilangkannya harus menelusuri elemen-elemen dalam sistem itu dan
hanya pihak manajemen yang dapat memperbaikinya, karena pihak
manajemen yang mengendalikan sistem manajemen kualitas itu. Dalam
konteks analisis data dengan menggunakan peta - peta kendali atau kontrol
(control chart), jenis variasi ini sering ditandai dengan titik-titik pengamatan
yang berada dalam batas-batas pengendalian yang didefinisikan (defined
control limits).
Suatu proses hanya mempunyai variasi penyebab umum (common-causes

variation) yang mempengaruhi produk atau out-comes merupakan proses
yang stabil karena penyebab sistem yang mempengaruhi variasi biasanya

relatif stabil sepanjang waktu. Variasi penyebab umum dapat diperkirakan
dalam batas-batas pengendalian yang ditetapkan dengan menggunakan peta-
peta kontrol. Sedangkan apabila variasi penyebab khusus terjadi dalam

proses, proses itu akan menjadi tidak stabil. Upaya-upaya menghilangkan
variasi penyebab khusus akan membawa proses ke dalam pengendalian
proses menggunakan peta-peta kontrol statistikal (statistikal control charts).
3.7.
Six Sigma Motorola (Tahun 1988)

Motorola
Corporation
mengembangkan
metode
kualitas
dengan
menetapkan program/proyek Six Sigma ke segenap aktivitas prosesnya (dalam

Malcolm Baldridge National Quality Award). Tujuan program/proyek tersebut
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
Gambar 3.1. Interpretasi dari Program Six Sigma Motorola
3.7.1. Six Sigma dan Kapabilitas Proses
Konsep dasar dari kapabilitas proses adalah sebagai berikut :

1.
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
mempertimbangkan seluruh faktor yang mempengaruhi proses yang ada agar

berada pada derajat konsistensi yang tinggi.
3.7.2. Perspektif Six Sigma
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.
3.7.3. Prinsip Six Sigma
Dalam memahami perbedaan interpretasi dan sudut pandang berbagai

konsep manifestasi kualitas adalah dengan memperhatikan prinsip-prinsip
aktivitas proses kerja, esensi metodologi yang digunakan, atau dengan menilai
ekpresi dari pendekatan multi - fungsi yang ada di dalamnya. Sehubungan dengan
itu, perbedaan antara six sigma dengan model pendekatan statistika lainnya adalah
six sigma merupakan sebuah konsep strategi pengembangan dan peningkatan
proses/produk/jasa yang menggunakan pendekatan pada berbagai prinsip - prinsip
dan model - model statistika. Pendekatan prinsip-prinsip dan model - model
statistik
tersebut
diterapkan
dalam
mendukung
aktivitas
pendefinisian
subjek-objek, pemetaan matriks kerja atau proses, perhitungan level-level sigma,

dan pengukuran tingkat kinerja proses maupun produk/jasa. Dalam aktivitas
proses pengembangan dan peningkatan six sigma akan dipengaruhi oleh tiga
elemen dasar, yaitu :
1. Pendekatan proyek-proyek
2. Infrastruktur organisasional kerja
3. Peningkatan kompetensi dan kapabilitas dari personil atau sumber daya
manusia yang terlibat di dalamnya.
3.8.
Tahapan Tahapan Dalam Six Sigma
Penentuan kualitan Six Sigma dapat dilakukan dengan menggunakan

pendekatan Define, Measure, Analyze, Improve, Control (DMAIC). Adapun
tahapan-tahapan tersebut adalah sebagai berikut.
3.8.1. Define
3.8.1.1.Diagram SIPOC (Supplier-Input-Process-Output-Customer)5
Diagram SIPOC adalah peta tingkat tinggi yang digunakan untuk

menentukan batasan proyek Six Sigma dengancara mengidentifikasi proses yang
sedang dipelajari, input dan output proses tersebut serta pemasok dan
pelanggannya. Dengan informasi yang cukup mengenai fungsi-fungsi yang terkait
dalam perusahaan itu, dapat dipahami dan diketahui jalannya proses yang ada di
dalam perusahaan dari awal sampai akhir sehingga dapat melakukan perbaikan
terhadap masalah yang ada di dalam proses secara tepat. Pembuatan diagram ini
biasanya dilakukan pada awal dari penelitian, bila menggunakan metode DMAIC
maka pembuatan diagram SIPOC berada pada tahap define karena akan digunakan
sebagai dasar pedoman bagi perbaikan yang akan dilakukan. Bentuk dari diagram
SIPOC dapat dilihat pada Gambar 3.2.
Gambar 3.2 Bentuk Diagram SIPOC
Adapun penjelasan dari masing-masing bagian pada diagram SIPOC di atas yaitu:
James R. Evans dan William M. Lindsay, Op. cit, hlm. 93-94
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
dihasilkan oleh proses dimana hasil ini kemudian dikirimkan kepada

konsumen.
5. Customer (Pelanggan)
Pelanggan adalah orang, departemen atau perusahaan yang menerima output,

dan
juga
bisa
bersifat
eksternal
maupun
internal
terhadap
perusahaan.Pelanggan eksternal adalah pelanggan yang berasal dari luar

perusahaan yang biasanya membeli produk jadi, sedangkan pelanggan internal
adalah pelanggan yang berasal dari dalam perusahaan yang biasanya berupa
proses atau divisi yang selanjutnya yang akan menerima hasil dari proses
sebelumnya.
3.8.1.2.Peta Kerja 6
Peta-peta kerja merupakan alat sistematis untuk mengumpulkan semua

fakta-fakta, yang kemudian dengan mengemukakan peta-peta kerja pula faktafakta ini dikomunikasikan kepada orang lain dengan sistematis dan jelas. Untuk
bisa mengemukakan fakta-fakta dengan baik, perlu ditinjau secara makro dan
mikro. Peninjauan secara makro berarti bahwa fakta-fakta yang ada ditinjau secara
menyeluruh sedangkan secara makro fakta-fakta yang ada ditinjau secara
terperinci disetiap stasiun kerja. Kedua cara peninjauan ini dipenuhi dengan
menggunakan peta kerja artinya peta-peta kerja yang ada sekarang pada dasarnya
bisa dibagi dalam dua kelompok besar yaitu peta-peta kerja yang menganalisa
secara keseluruhan (makro), dan peta-peta kerja yang menganalisa kerja setempat
(mikro).
Iftikar Z. Sutalaksana, Teknik Tata Cara Kerja, (Bandung : Penerbit ITB, 1979)
Peta-peta kerja sangat berguna untuk mengumpulkan fakta-fakta dan
penyajiannya dalam langkah penganalisisan masalah. Peta-peta kerja merupakan

salah satu alat yang sistematis dan jelas untuk berkomunikasi secara luas dan
sekaligus melalui peta-peta kerja ini bisa didapatkan informasi-informasi yang
diperlukan untuk memperbaiki suatu metoda kerja. Contoh informasi-informasi
yang diperlukan untuk memperbaiki suatu metoda kerja, terutama dalam suatu
proses produksi ialah sebagai berikut:
1.
Jumlah benda kerja yang harus dibuat.
2.
Waktu operasi mesin.
3.
Kapasitas mesin.
4.
Bahan-bahan khusus yang harus disediakan.
5.
Alat-alat khusus yang harus disediakan.
6.
Dan sebagainya.
Peta Proses Operasi (Operation Process Chart)
Peta proses operasi merupakan suatu diagram yang menggambarkan

langkah-langkah proses yang akan dialami bahan baku mengenai urutan-urutan
operasi dan pemeriksaan, mulai dari awal sampai menjadi produk jadi utuh
maupun sebagai komponen, dan juga memuat informasi-informasi yang
diperlukan untuk analisa lebih lanjut, seperti waktu yang dihabiskan, material
yang digunakan, dan tempat atau alat atau mesin yang dipakai.
Kegunaan peta proses operasi antara lain:
1. Bisa mengetahui kebutuhan akan mesin dan penganggarannya.

2. Bisa memperkirakan kebutuhan akan bahan baku.
3. Sebagai alat untuk latihan kerja.

4. Sebagai alat untuk menentukan tata letak kerja.
Prinsip-prinsip pembuatan peta proses operasi adalah sebagai berikut:
1. Pertama-tama pada baris paling atas dinyatakan kepalanya Peta Proses
Operasi yang diikuti oleh identifikasi lain, seperti: nama objek, nama
pembuat peta, tanggal dipetakan, cara lama atau cara sekarang, nomor peta
dan nomor gambar.
2. Material yang akan diproses diletakkan di atas garis horizontal, yang
menunjukkan bahwa material tersebut masuk ke dalam proses.
3. Lambang-lambang ditempatkan dalam arah vertikal, yang menunjukkan
terjadinya perubahan proses.
4. Penomoran terhadap suatu kegiatan operasi diberikan secara berurutan sesuai
dengan urutan operasi yang dibutuhkan untuk pembuatan produk tersebut atau
sesuai dengan proses yang terjadi.
5. Penomoran terhadap suatu kegiatan pemeriksaan diberikan secara tersendiri
dan prinsipnya sama dengan penomoran untuk kegiatan operasi.
3.8.2. Measure
3.8.2.1.Critical To Quality(CTQ)7
Critical To Quality adalah kebutuhan yang sangat penting dari produk
yang diperlukan oleh pelanggan. Identifikasi CTQ membutuhkan pemahaman
Peter SPande, Neuman, Robert P., Cavanagh, Roland R, Op.cit, hlm. 31
akan suara pelanggan (voice of customer) yaitu kebutuhan pelanggan yang

diekspresikan dalam bahasa pelanggan itu sendiri.
Perusahaan yang bersangkutan harus dengan jelas mendefinisikan
bagaimana karakteristik CTQ ini dapat diukur dan dilaporkan. CTQ yang
merupakan karakteristik kualitas yang ditetapkan seharusnya berhubungan
langsung dengan kebutuhan spesifik pelanggan yang diturunkan secara langsung
dari persyaratan-persyaratan output dan pelayanan. Pada akhirnya, perusahaan
tersebut harus menghubungkan pengukuran CTQ pada kunci proses dan
pengendalian sehingga perusahaan dapat menentukan bagaimana meningkatkan
proses.
3.8.2.1.Uji Kenormalan Data Metode Kolmogorov-Smirnov 8
Metode Kolmogorov-Smirnov, yang merupakan uji kenormalan paling

populer, didasarkan pada nilai D. Langkah-langkah penyelesaian dan penggunaan
rumus namun pada signifikansi metode Kolmogorov-Smirnov menggunakan tabel
pembanding Kolmogorov-Smirnov. Adapun rumus perhitungannya yaitu:
SD
Rumus untuk menguji nilai signifikan = [FT FS]

Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
http://exponensial.wordpress.com/tag/uji-normalitas
FT = Probabilitas komulatif normal

FS = Probabilitas komulatif empiris
FT = komulatif proporsi luasan kurva normal berdasarkan notasi Zi, dihitung dari
luasan kurva mulai dari ujung kiri kurva sampai dengan titik Z.
FS
Banyaknya angka sampai angka ke n i

Banyaknya seluruh angka pada data
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
Peta kontrol pertama kali diperkenalkan oleh Dr. Walter Andrew

Shewhart, oleh karena itu peta kontrol ini juga sering disebut dengan peta kendali
Shewhart.Maksud dari peta kontrol ini adalah untuk menghilangkan variasi yang
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.
James R. Evans dan William M. Lindsay, Op.cit, hlm. 242-258
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
Gambar 3.3 Contoh Peta Kontrol
Peta kontrol dapat digunakan untuk tiga tujuan yaitu:

1.
Untuk membantu mengidentifikasi sebab khusus variasi dan menciptakan

status pengendalian statistik
2.
Untuk mengawasi proses dan menandakan kapan proses tersebut keluar dari
batasan pengedalian
3.
Untuk menentukan kapabilitas proses.

Dalam membuat peta kendali pertama-tama yang harus dilakukan adalah
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
analisis. Data atribut biasanya diperoleh dalam bentuk unit-unit ketidaksesuaian

dengan spesifikasi atribut yang ditetapkan.
Peta Kontrol p
Peta kontrol p adalah peta kontrol untuk mengamati proporsi atau

perbandingan antara produk yang cacat dengan total produksi. Dengan demikian,
peta kontrol p digunakan untuk mengendalikan proporsi dari item-item yang tidak
memenuhi syarat spesifikasi kualitas atau proporsi dari produk yang cacat yang
dihasilkan dalam suatu proses.Proporsi yang tidak memenuhi syarat didefinisikan
sebagai rasio banyaknya item yang tidak memenuhi syarat dalam suatu kelompok
terhadap total banyaknya item dalam kelompok itu. Item-item itu dapat
mempunyai beberapa karakteristik kualitas yang diperiksa atau diuji secara
simultan oleh pemeriksa. Jika item-item itu tidak memenuhi standar pada satu
atau lebih karakteristik kualitas yang diperiksa, item-item itu digolongkan sebagai
tidak memenuhi syarat spesifikasi atau cacat.
Pembuatan peta kontrol p, dapat dilakukan mengikuti langkah-langkah
berikut:
1.
Tentukan ukuran contoh yang cukup besar (n>30)
2.
Hitung nilai proporsi cacat dan simpangan baku
3.
Hitung batas-batas kontrol 3-Sigma

Jumlahdata
jumlahsampel
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.
Apabila data pengamatan menunjukkan bahwa proses berada pada

pengendalian statistikal, gunakan peta kontrol p untuk memantau proses
terus-menerus. Tetapi apabila data pengamatan menunjukkan bahwa proses
tidak berada pada pengendalian statistikal, proses itu harus diperbaiki
terlebih dahulu sebelum menggunakan peta kontrol itu untuk pengendalian
kualitas terus-menerus.
6.
Apabila data pengamatan menunjukkan bahwa proses berada pada

pengendalian statistikal, tentukan kapabilitas proses menghasilkan produk
yang sesuai (tidak cacat) sebesar: (100% x p ).
3.8.2.3.Perhitungan Tingkat Sigma10
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
OP (Opportunity) = karaketristik yang berpotensi untuk menjadi cacat.

3. Defect Per Million Opportunities (DPMO). DPMO mengindikasikan berapa
banyak cacatakan muncul jika ada satu juta peluang.
4. Mengkonversikan nilai DPMO menggunakan tabel konversiuntuk mengetahui
proses berada pada tingkat Sigma berapa.
5. Perhitungan
tingkat
Sigma
dapat
dengan
mudah
dihitung
dengan
menggunakan Microsoft Excel yaitu dengan menggunakan formula berikut ini

(Evan&Lindsay, 2007, hal.46):
NORMSINV (1-DPMO/1.000.000)
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
Iskandar Indranata, Pendekatan Kualitatif untuk Pengendalian Kualitas (Jakarta : Penebit

Universitas Indonesia (UI-Press), 2008), h. 239-242
Pareto Law; The 80/20 rule; The Principle of Least Effort; atau The principle of
Imbalance. Konon karena Pareto dinilai kurang artikulatif dalam menjajakan
temuannya ini berdasarkan perkembangan metodologi dan konteks penelitian,

akhirnya mendorong para pakar untuk ikut terjun melengkapi rumus atau temuan
yang dinilai sangat berguna bagi pencerahan peradaban manusia ini. Tahun 1949,
George K Zipf, seorang professor dari Harvard University, mengembangkan
wilayah penelitian dengan menjadikan temuan Pareto sebagai acuan. Hasilnya
bahwa manusia, benda-benda, waktu, keahlian, atau semua alat produksi telah
memiliki aturan alamiah yang berkaitan antara hasil dan aktivitas dengan jumlah
perbandingan mulai dari 80/20 atau 70/30.
Contoh di bidang lain mengindikasikan bahwa 20% kesalahan atau
penyimpangan akan menyebabkan 80% masalah yang timbul. Para manajer
proyek akan mengatakan bahwa 20% pekerjaan akan menyita 80% waktu dan
sumber daya. Para pengusaha akan mengatakan bahwa 20% stok barang akan
memakan 80% tempat penyimpanan, atau 80% stok barang berasal dari 20%
pemasok. Para peritel mengatakan bahwa 20% pelanggan akan menghasilkan 80%
penjualan.
Pareto diagram adalah suatu diagram yang menggambarkan urutan
masalah menurut bobotnya yang dinyatakan dengan frekuensinya. Kegunaannya
adalah untuk:
1. Menentukan jenis persoalan utama.
2. Membandingkan masing-masing jenis persoalan terhadap keseluruhan.
3. Menunjukkan tingkat perbaikan yang berhasil dicapai.
4. Membandingkan hasil perbaikan masing-masing jenis persoalan sebelum dan

setelah perbaikan.
Langkah-langkah pembuatan Pareto diagram sebagai berikut:
1. Stratifikasi dari problem, dinyatakan dalam angka.
2. Tentukan jangka waktu pengumpulan data yang akan dibahas untuk
memudahkan melihat perbandingan sebelum dan sesudah penanggulangan
(jangka waktu harus sama).
3. Atur masing-masing penyebab (sesuai dengan stratifikasi) secara berurutan
sesuai besarnya nilai dan gambarkan dalam grafik kolom. Penyebab dengan
nilai lebih besar terletak di sisi kiri, kecuali dan lain-lain terletak di paling
kanan.
4. Gambarkan grafik garis yang menunjukkan jumlah persentase (total 100%)
pada bagian atas grafik kolom dimulai dengan nilai yang terbesar dan di
bagian bawah/keterangan kolom tersebut.
5. Pada bagian atas dan samping berikan keterangan/nama diagram dan jumlah
unit seluruhnya.
Adapun diagram pareto dapat dilihat pada Gambar 3.4.
Gambar 3.4. Diagram Pareto
Cara untuk membuat diagram Pareto dengan menggunakan Software

MINITAB 14 adalah sebagai berikut:
1. Masukkan data yang akan diproses.
2. Klik Stat>Quality Tools>Pareto Chart.
3. Masukkan data CTQ ke dalam Labels in dan jumlah unit cacat ke dalam
Frequencies in. Klik OK.
4. Tampilan data diagram Pareto.
3.8.3.2.Diagram Sebab Akibat (Cause-Effect Diagram)12
Cause-Effect Diagram adalah suatu diagram yang menunjukkan hubungan
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
Iskandar Indranata, Op.cit, hlm. 208-212
Prinsip yang dipakai untuk membuat diagram sebab-akibat ini adalah

sumbang saran (brainstorming). Untuk mempermudah menemukan faktor
penyebab, pada umumnya faktor-faktor tersebut dikelompokkan dalam 5 faktor
utama yaitu man, machine, material, method serta environment.
Langkah pertama dalam membuat Diagram Sebab-akibat adalah tim
proyek mengidentifikasi akibat atau masalah kualitas. Ini ditempatkan di sisi
kanan kertas yang besar oleh pemimpin team. Kemudian penyebab-penyebab
utama diidentifikasi dan ditempatkan di diagram. Adapun model diagram sebab
akibat dapat dilihat pada Gambar 3.5.
Metode
Manusia
Masalah
Lingkungan
Mesin/peralatan
bahan
Gambar 3.5. Model Diagram Sebab Akibat
Langkah selanjutnya adalah mencari faktor-faktor yang lebih terperinci

yang berpengaruh pada faktor utama tersebut. Tulis faktor tersebut di kiri dan
kanan panah penghubung tadi dan buatlah panah di bawah faktor tersebut menuju
garis penghubung.
Dari diagram yang sudah lengkap cari penyebab utama dengan
menganalisa data yang ada dan buatlah urutannya dengan memakai diagram
Pareto. Bila analisa data tidak dapat dilakukan, pilihlah faktor-faktor yang diduga
sangat berpengaruh dalam menentukan urutan menggambarkan pada diagram.
Cause-Effect diagram mempunyai kegunaan yang cukup banyak baik
dalam peningkatan kualitas maupun dalam hal-hal lain. Beberapa kegunaan dari
Cause-Effect diagram adalah:
1. Sebagai alat untuk training.

2. Sebagai alat untuk mengarahkan diskusi pada faktor-faktor yang dominan.
3. Dapat dijadikan petunjuk dalam pengumpulan dan pencatatan data.
4. Dapat menunjukkan tingkat kemampuan dari pekerja.
3.8.3.3.Failure Mode and Effect Analysis (FMEA)13
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
2. Mendaftarkan masalah-masalah potensial yang dapat muncul, efek dari

masalah-masalah potensial tersebut dan penyebabnya. Hindarilah masalahmasalah sepele.
3. Menilai masalah untuk keparahan (severity), probabilitas kejadian (occurance)
dan detektabilitas (detection).
4. Menghitung Risk Priority Number atau RPN yang rumusnya adalah dengan
mengalikan ketiga variabel dalam poin 3 diatas dan menentukan rencana
solusi-solusi prioritas yang harus dilakukan.
Dari contoh tabel FMEA14 dalam Gambar 3.6, berikut ini akan dijelaskan
langkah-langkah dalam pengisian tabel FMEA, yaitu:
Gambar 3.6. Contoh Tabel FMEA
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.
Tabel 3.1. Nilai Severity

Rating
Criteria of Severity Effect
10
Tidak berfungsi sama sekali
Kehilangan fungsi utama dan menimbulkan peringatan
Kehilangan fungsi utama
Pengurangan fungsi utama
Kehilangan kenyamanan fungsi penggunaan
Mengurangi kenyamanan fungsi penggunaan
Perubahan fungsi dan banyak pekerja menyadari adanya masalah
Tidak terdapat efek dan pekerja menyadari adanya masalah
Tidak terdapat efek dan pekerja tidak menyadari adanya masalah
Tidak ada efek

Tabel 3.2. Nilai Occurence
Rating
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
<1 dalam 1.500.000
Tabel 3.3. Nilai Detection

Rating
Detection Design Control
10
Tidak mampu terdeteksi
Kesempatan yang sangat rendah dan sangat sulit untuk terdeteksi
Kesempatan yang sangat rendah dan sulit untuk terdeteksi
Kesempatan yang sangat rendah untuk terdeteksi
Kesempatan yang rendah untuk terdeteksi
Kesempatan yang sedang untuk terdeteksi
Kesempatan yang cukup tinggi untuk terdeteksi
Kesempatan yang tinggi untuk terdeteksi
Kesempatan yang sangat tinggi untuk terdeteksi
Pasti terdeteksi
3.8.4. Improve
Perbaikan merupakan tahapan operasional keempat dalam six sigma.

Setelah sumber-sumber dan akar penyebab dari masalah-masalah kualitas
teridentifikasi maka langkah selanjutnya adalah mencari solusi atas permasalahan
tersebut. Berdasarkan hasil analisis dapat diketahui permasalahan mana yang
perlu mendapatkan prioritas perbaikan. Untuk mendapatkan langkah-langkah
perbaikan dapat diperoleh melalui pengumpulan ide-ide.
3.8.4.1. Eksperimental Faktorial15
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
Untuk eksperimen faktorial yang meliputi tiga buah faktor, misalnya

faktor-faktor A, B, dan C yang masing-masing terdiri dari a, b, dan c taraf, bila
eksperimennya dilakukan dengan menggunakan desain acak sempurna, dalam tiap
kombinasi perlakuan terdapat n buah unit eksperimen atau observasi, mak model
linier yang tepat untuk desain eksperimen faktorial a x b x c ini adalah:
Yijkl = + Ai + Bj + ABij + Ck + ACik + BCjk + ABCijk + l(ijk)
Dengan: i = 1, 2, , a
j = 1, 2, , b
k = 1, 2, , c
l = 1, 2, , n
15
Sudjana, Prof, Dr. M.A, Msc, Desain Eksperimen, Penerbit Tarsito Bandung, 1985, hal 105-115
Yijkl
variabel respon hasil observasi ke-l yang terjadi karena pengaruh

bersama taraf ke-i faktor A, taraf ke-j faktor B, dan taraf ke-k faktor
C.
rata-rata yang sebenarnya (berharga konstan)
Ai
efek taraf ke-i faktor A
Bj
efek taraf ke-j faktor B
Ck
efek taraf ke-k faktor C
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 =
efek terhadap variabel respon yang disebabkan oleh interaksi antar

taraf ke-i faktor A, taraf ke-j faktor B, dan taraf ke-k faktor C
l(ijk)
efek unit eksperimen ke l dikarenakan oleh kombinasi perlakuan

(ijk)
Seperti biasa diasumsikan l(ijk) DNI (0, 2).

Untuk keperluan ANAVA, maka jumlah kuadrat-kuadrat semua nilai
pengamatan Y2 dan jumlah kuadrat-kuadrat untuk rata-rata Ry dihitung seperti
halnya untuk eksperimen faktorial dua faktor.
a
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
Jumlah kuadrat-kuadrat lainnya yang diperlukan akan mudah dapat dihitung

apabila data hasil observasi dipecah dan disusun dalam beberapa buah daftar yaitu
daftar a x b x c, daftar a x b, daftar a x c, dan daftar b x c.
Dari daftar-daftar baru ini berturut-turut dapat dihitung
Jabc
= jumlah kuadrat-kuadrat antara sel untuk daftar a x b x c

=
J ijk2 n R y
a
i 1
j1
k 1
dengan Jijk = elemen dalam sel (ijk) dari daftar a x b x c =
Yijkl
l1
Jab
= jumlah kuadrat-kuadrat antara sel untuk daftar a x b

=
J ij2
a
i 1
j1
cn R y
dengan Jij = elemen dalam sel (ij) dari daftar a x b =
k 1
Jac
l 1
k 1
Yijkl J ijk
= jumlah kuadrat-kuadrat antara sel untuk daftar a x c

=
J ik2
a
i 1
k 1
bn R y
dengan Jik = elemen dalam sel (ik) dari daftar a x c =
j1
Jbc
l 1
j1
Yijkl J ijk
= jumlah kuadrat-kuadrat antara sel untuk daftar b x c

=
J 2jk
b
j1
k 1
an R y
dengan Jjk = elemen dalam sel (jk) dari daftar b x c =
i 1
l 1
i 1
Yijkl J ijk
Jumlah kuadrat-kuadrat untuk sumber variasi perlakuan A adalah:

Ay
A i2
a
i 1
Ai
bcn R y , dengan dk a 1
= jumlah semua nilai observasi untuk taraf ke-i faktor A

=
j1
k 1
l 1
j1
k 1
Yijkl J ijk J ij J ik
j1 k 1
Jumlah kuadrat-kuadrat untuk sumber variasi perlakuan B adalah:
By
B 2j
b
j1
Bj
acn R y , dengan dk b 1
= jumlah semua nilai observasi untuk taraf ke-j faktor B

a
i 1
k 1
i 1
k 1
Yijkl J ijk J ij J jk
l 1
i 1 k 1
Jumlah kuadrat-kuadrat untuk sumber variasi perlakuan C adalah:
C 2k
c
abn R y , dengan dk c 1
Cy
Ck
= jumlah semua nilai observasi untuk taraf ke-k faktor C
k 1
a
i 1
j1
l 1
i 1
j1
Yijkl J ijk J ik J jk
i 1 j1
Selanjutnya jumlah kuadrat-kuadrat interaksi adalah:

ABy = Jab Ay By , dengan dk = (a 1)(b 1)
ACy = Jac Ay Cy , dengan dk = (a 1)(c 1)
BCy = Jbc By Cy , dengan dk = (b 1)(c 1)
ABCy= Jabc Ay By Cy ABy ACy BCy ,
dengan dk = (a 1) (b 1)(c 1)
Ey
= Y2 Ry Ay By Cy ABy ACy BCy ABCy
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;
Maka semua hipotesis nol diatas dapat diuji dengan menggunakan:

F = AB/ABC
untuk hipotesis H04
F = AC/ABC
untuk hipotesis H05
F = BC/ABC
untuk hipotesis H06
F = ABC/E
untuk hipotesis H07
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.
Tabel 3.4. Daftar ANAVA Desain Eksperimen Faktorial a x b x c

Desain Acak Sempurna (n observasi tiap sel)
Sumber Variasi
Dk
JK
KT
Rata-rata
Perlakuan:
A
B
C
Ry
a1
b1
c1
Ay
By
Cy
A
B
C
Tidak ada uji eksak

yang
dapat
digunakan
3.8.5. Tahap Pengendalian (Control)
Pengendalian merupakan tahap operasional terkahir dalam six sigma. Pada

tahap ini ketika sebuah proses dapat ditingkatkan atau perlu diperbaikai, maka
langkah-langkah perbaikan yang telah didapat perlu didokumentasikan dan
disebarluaskan, praktik-praktik terbaik yang sukses dalam meningkatkan kualitas
perlu distandarisasikan dan disebarluaskan. Ukuran-ukuran baru yang telah
diperoleh dapat dijadikan dasar dalam peningkatan kualitas secara terus-menerus.
BAB IV
METODOLOGI PENELITIAN
4.1.
Jenis Penelitian
Ditinjau dari tujuannya, penelitian ini termasuk penelitian terapan (applied

research) dimana penelitian ini ditujukan untuk menyelesaikan permasalahan
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.
Tempat dan Waktu Penelitian
Penelitian dilakukan di pabrik Karet PT. Perkebunan Nusantara II Batang

Serangan yang beralamat di Jl. Batang Serangan Kabupaten Langkat Sumatera
Utara. Penelitian ini dilaksanakan selama 4 bulan dimulai dari bulan bulan Maret
2011.
4.3.
Kerangka Berfikir
Penelitian dapat dilaksanakan apabila tersedianya sebuah perancangan

kerangka berpikir sehingga langkah-langkah penelitian lebih sistematis. Penelitian
ini diawali dengan menganalisis dan mengidentifikasi faktor-faktor yang
menyebabkan rendahnya kapabilitas proses yang disebabkan karena besarnya
jumlah produk cacat di lantai produksi dan hal ini menyebabkan pemborosan
biaya yang cukup besar karena produk cacat sebagai parameter tujuan penelitian.
Untuk penyelesaian permasalahan tersebut digunakan metodologi six
sigma yaitu define, measure, analyze, improve dan control. Dengan metodologi ini
maka akan dicapai tujuan sebagai berikut :
1.
Menentukan prioritas produk cacat berdasarkan CTQ, kapabilitas proses dan

persentase frekuensi produk cacat departemen
3. Menganalisis penyebab kecacatan dengan menggunakan Failure Mode and

Effect Analysis (FMEA)
4.
Menentukan prioritas penyelesaian penyebab permasalahan berdasarkan Risk

Priority Number (RPN)
5.
Membuat usulan perbaikan untuk setiap penyebab permasalahan yang telah

dipilih
Hasil akhir dari penelitian ini adalah didapat recommended action (usulan
perbaikan) yang dapat digunakan untuk mengurangi jumlah produk cacat yang
pada akhirnya dapat meningkatkan kapabilitas proses dan juga mengurangi

pemborosan biaya akibat produk cacat. Adapun kerangka berpikir penelitian ini
ditunjukkan pada Gambar 4.1.
Tujuan Yang Dicapai
Permasalahan
1. Besarnya rata-rata jumlah produk cacat per
bulannya
1. Meningkatkan kualitas produk dengan

mengurangi jumlah kecacatan produksi melalui
analitis penyebab terjadinya kecacatan agar
kualitas produk yang dihasilkan sesuai dengan
permintaan pasar
2. Memberikan usulan perbaikan terhadap keadaan
sekarang dengan menggunakan six sigma DMAIC
(Define,Measure,Analyze,Improve,Control) untuk
menyelesaikan masalah di perusahaan
Langkah-Langkah Pemecahan Masalah

1. Analitis dan identifikasi faktor-faktor kecacatan
produk
2. Pengumpulan data berupa jumlah kecacatan yang
terjadi selama produksi berlangsung
3. Perumusan alternatif pemecahan masalah melalui
pendekatan six sigma dengan DMAIC
4. Rancangan pemecahan masalah dengan pemberian
usulan perbaikan terhadap kualitas produk
Six
5. estimasi nilai peningkatan yang dicapai oleh

perusahaan melalui usulan perbaikan tersebut
Gambar 4.1. Kerangka Berpikir Penelitian
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
secara langsung di lapangan. Adapun yang termasuk data primer meliputi :

a.
Uraian proses produksi pembuatan Ribbed Smoke Sheet.
b.
Pernyataan ahli yang diperoleh dengan wawancara langsung dengan

supervisor dan leader departemen.
c.
Nilai severity, occurance, detection yang diperoleh dengan wawancara

langsung dengan supervisor dan leader departemen.
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.
Data jumlah produksi.
b.
Data jenis kecacatan.
c.
Data jumlah produk cacat tiap stasiun kerja.
4.5.
Metode Pengumpulan Data
Metode pengumpulan data yang dilakukan dengan cara sebagai berikut :

a. Melakukan studi literatur lain yang dapat memberikan masukan dalam
pemecahan masalah.
b.
Melihat
buku-buku
laporan
administrasi
serta
catatan-catatan
atau
dokumentasi dari perusahaan yang berhubungan dengan kegiatan penelitian.

c.
Melakukan wawancara dan brainstorming mengenai permasalahan dan

pemecahan permasalahan yang ada.
d.
4.6.
Melakukan observasi langsung di lantai produksi.
Pengolahan Data
Pengolahan data dilakukan dengan menggunakan Six Sigma dengan

metode DMAIC (Define, Measure, Analyze, Improve, Control). Tahapan-tahapan
dari metode DMAIC yang digunakan dalam pengolahan data adalah tahap Define
dan tahap Measure yang dijelaskan sebagai berikut :
1. Tahap Define
Pada tahap ini dilakukan langkah-langkah sebagai berikut:
a. Pernyataan tujuan pemilihan proyek six sigma
b. Penentuan criteria pemilihan proyek six sigma
c. Penggambaran alur proses produksi dengan menggunakan Operation
Process Chart (OPC).
d. Pendefenisian karateristik kualitas Critical to Quality (CTQ)

2. Tahap Measure
Pada tahap ini dilakukan langkah-langkah sebagai berikut:
a. Mengidentifikasi standar performansi perusahaan melalui perhitungan
nilai sigma (sigma level) dan tingkat Defect Per Million Opportuunity
(DPMO).
b. Pemilihan karateristik CTQ yang dominant dengan menggunakan diagram
Pareto untuk dijadikan prioritas dalam penyelesaian masalah.
c. Mengidentifikasi kestabilan pada proses produksi menggunakan peta
control p.
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.
Metode Analisis Pemecahan Masalah
Analisis pemecahan masalah dilakukan terhadap setiap hasil pengolahan

data dari metode DMAIC yang berkaitan dengan masalah pemborosan (waste)
dan kualitas produk yang terjadi selama proses produksi berlangsung. Kemudian
membandingkan kondisi tersebut dengan standard-standard yang ada dan kondisi

ideal yang seharusnya dipenuhi.
4.8.
Kesimpulan dan Saran
Bagian ini memberikan kesimpulan apa yang diperoleh selama penelitian.

Dan saran-saran yang berkaitan dengan rencana perbaikan yang dapat diterapkan
oleh perusahaan.
Untuk lebih jelasnya dapat dilihat pada blok diagram langkah-langkah
penelitian dapat dilihat pada Gambar 4.2.
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)
Uraian proses produksi (metode pengamatan langsung)
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
Analisa Pemecahan Masalah
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
Kesimpulan dan Saran
Selesai
Gambar 4.2. Blok Diagram Langkah-langkah Penelitian
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
Jumlah produksi PTPN. II Kebun Batang Serangan dapat dilihat pada

Tabel 5.1 sebagai berikut :
Tabel 5.1. Jumlah Produksi Ribbed Smoke Sheet (RSS)
Periode April 2010 Mei 2011
No.
Periode
Jumlah Produksi (Kg)
1
Mei 2010
92135
2
Juni 2010
126445
3
Juli 2010
112525
4
Agt 2010
129155
5
Sept 2010
78335
6
Okt 2010
72480
7
Nov 2010
49015
8
Des 2010
42660
9
Jan 2011
58415
10
Feb 2011
72445
11
Mar 2011
77570
12
Apr 2011
77845
Sumber Data Produksi PTPN. II Batang Serangan
5.1.2. Data Cacat Per Bulan
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
Data parameter kotoran dikumpulkan secara langsung dengan pembagian

subgroup per lori. Jumlah berat keseluruhan sheet per lori adalah 547 kg,
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
Tabel 5.3. Hasil Pengukuran Parameter Kotoran (Lanjutan)

Subgroup
Number
Number
Number
Inspected
Nonconforming
7
543.1
20.5
8
540.9
23.8
9
546.5
18.7
10
543.7
24.1
11
542.8
18.9
12
549.3
21.1
13
548.9
19.3
14
545.6
19.7
15
548.3
18.5
16
547.9
21.2
17
544.7
20.1
18
546.1
21.1
19
545.8
19.1
20
545.3
22.0
21
544.1
18.4
22
547.8
20.8
23
545.9
18.6
24
546.4
19.5
25
548.6
19.3
5.1.4. Data Parameter Gelembung Udara
Data parameter gelembung udara dikumpulkan secara langsung dengan

pembagian subgroup per lori. Jumlah berat keseluruhan sheet per lori adalah 547
kg, kemudian dihitung jumlah produk yang cacat per lori. Data yang diperoleh
dapat dilihat pada Tabel 5.4 berikut:
Tabel 5.4. Hasil Pengukuran Parameter Gelembung Udara
Subgroup
Number
Number
Number
Inspected Nonconforming
1
547.8
20.2
2
549.4
24.6
3
546.2
18.3
4
546.8
17.7
5
547.6
21.4
6
546.9
19.8
7
543.1
18.5
8
540.9
19.2
Tabel 5.4. Hasil Pengukuran Parameter Gelembung Udara (Lanjutan)

Subgroup
Number
Number
Number
9
546.5
20.1
10
543.7
15.3
11
542.8
23.1
12
549.3
19.2
13
548.9
18.4
14
545.6
18.4
15
548.3
19.5
16
547.9
18.9
17
544.7
21.4
18
546.1
20.0
19
545.8
19.7
20
545.3
22.3
21
544.1
15.3
22
547.8
16.8
23
545.9
17.5
24
546.4
18.7
25
548.6
20.1
5.1.5. Data Parameter Gumpalan Karet
Data parameter gumpalan karet dikumpulkan secara langsung dengan

pembagian subgroup per lori. Jumlah berat keseluruhan sheet per lori adalah 547
kg, kemudian dihitung jumlah produk yang cacat per lori. Data yang diperoleh
Tabel 5.5. Hasil Pengukuran Parameter Gumpalan Karet
Subgroup
Number
Number
Number
1
547.8
19.5
2
549.4
15.3
3
546.2
16.7
4
546.8
18.3
5
547.6
18.0
6
546.9
17.2
7
543.1
16.9
8
540.9
17.0
Tabel 5.5. Hasil Pengukuran Parameter Gumpalan Karet (Lanjutan)

Subgroup
Number
Number
Number
9
546.5
18.7
10
543.7
19.1
11
542.8
17.3
12
549.3
17.6
13
548.9
18.5
14
545.6
18.9
15
548.3
17.5
16
547.9
18.9
17
544.7
19.6
18
546.1
19.3
19
545.8
18.1
20
545.3
19.7
21
544.1
20.0
22
547.8
19.7
23
545.9
19.5
24
546.4
17.7
25
548.6
19.3
5.1.6. Data
Jumlah
Produk
Cacat
Berdasarkan
Kecepatan
Roll
Penggilingan, Faktor Lama Pembekuan dan Lama Pengasapan.
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
Pendekatan Six Sigma yang digunakan dalam sebuah proyek peningkatan

kualitas terdiri dari 5 fase yang disebut DMAIC (Define, Measure, Analize,
Improve, dan Control) yang merupakan sebuah tahapan proses yang sangat
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.
5.2.1. Define (Tahap Pendefenisian)

5.2.1.1.Penentuan Tujuan dan Kriteria Pelaksanaan 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.
5.2.1.2.Pemetaan Diagram Alir Proses Produksi
Pemetaan bertujuan untuk mengetahui dan mengidentifikasi proses

produksi Ribbed Smoke Sheet (RSS) secara umum. Salah satu alat pemetaan
yang efektif adalah diagram SIPOC. Diagram ini menunjukkan gambaran
umum perusahaan yang terdiri dari suppliers, inputs, processes, outputs dan
customers. Gambar 5.1 menampilkan diagram SIPOC PTP. Nusantara II Kebun
Batang Serangan.
Gambar 5.1. Diagram SIPOC (Supplier-Inputs-Process-Outputs-Customer)
Pemetaan ini juga menggunakan Operation Process Chart (OPC) untuk

memperlihatkan alur proses produksi. Pada gambar 5.2 menampilkan dengan
jelas alur proses produksi yang ada pada PTP. Nusantara II Kebun Batang
Serangan. Gambar 5.2 juga menunjukkan bahwa terdapat beberapa inspeksi
kualitas yang ada
di antara departemen. Inspeksi kualitas dilakukan oleh
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
5.2.1.3.Penentuan CTQ (Critical to Quality)
Penentuan Critical to Quality (CTQ) dilakukan dengan cara mengolah

suara pelanggan (voice of customer) menjadi bahasa kualitas yang dapat
merepresentasikan karakter produk utama yang diinginkan oleh pelanggan.
Dalam penelitian ini data jenis cacat yang dikelompokkan dapat dilihat
pada Tabel 5.7 sebagai berikut :
Tabel 5.7. CTQ Potensial Ribbed Smoke Sheet
No.
Critical to Quality (CTQ)
1.
Adanya Kotoran
2.
Warna Tidak Homogen
3.
Adanya Gelembung Udara
4.
Terdapat Gumpalan Karet
5.
Lembaran Sheet Lengket
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 ().
Perhitungan besarnya nilai sigma produk dilakukan dengan menggunakan

rumus-rumus perhitungan sigma yang sudah baku, dan juga dengan menggunakan
tabel nilai sigma yang tersedia. Metode perhitungan sigma ini dipakai khususnya
untuk data yang bersifat diskrit. Sebelum dilakukan perhitungan nilai sigma, perlu
diketahui dahulu opportunity yang mempengaruhi nilai sigma tersebut.
Opportunity adalah kesempatan yang memungkinkan terjadinya cacat (defect).
Semakin banyak opportunity yang dipergunakan, maka nilai sigmanya makin

besar. Hal ini memiliki pengaruh yang kurang baik terhadap upaya peningkatan
kualitas, sebab besarnya nilai sigma yang diperoleh tersebut bukanlah nilai sigma
yang sebenernya terjadi pada proses. Untuk itu, banyaknya opportunity yang
digunakan harus benar-benar dapat mewakili kondisi cacat yang terjadi. Nilai
DPMO untuk periode Mei 2010 diperoleh dengan menggunakan persamaan
berikut:
Defect
10 6
Unit Opportunities
4.612
=
10 6
92.135 5
= 10.011,4 10.011
DPOM
Nilai sigma () merupakan ukuran dari kinerja perusahaan yang

menggambarkan kemampuan dalam menghasilkan produk bebas cacat. Nilai
untuk periode Mei 2010 diperoleh dengan menggunakan persamaan berikut:
Nilai ()
10 6 DPMO
1.5
= Normsinv
6
10
6
10 10.011
1.5
= Normsinv
10 6
= 3,82
Rekapitulasi hasil perhitungan dapat dilihat pada Tabel 5.8 berikut :
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
Terdapat 5 CTQ potensial yang dapat menimbulkan kecacatan pada

produk. Dari kelima CTQ potensial tersebut terdapat beberapa jenis CTQ yang
bersifat dominant. Criteria CTQ dominant yaitu CTQ yang paling sering muncul
pada produk dengan persentase kecacatan terhadap seluruh jumlah CTQ paling
besar dan terjadi berulang. Persentase cacat untuk jenis cacat kotoran adalah:
% cacat
Jumlah cacat per CTQ

100 %
Jumlah cacat total
29.117
=
100 %
87.404
= 33.31 %
=
Rekapitulasi persentase CTQ potensial untuk produk ribbed smoke sheet dapat
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
Untuk mengetahui jenis kecacatan yang dominan digunakan diagram

Pareto seperti pada Gambar 5.3 berikut:
Diagram Pareto
100
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
Gelembung Udara Gumpalan Karet
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.
5.2.2.3. Perhitungan Kemampuan Proses (Process Capability)

5.2.2.3.1. Perhitungan Kemampuan Proses terhadap Parameter Kotoran
Sebelum kita menghitung kemampuan dari suatu proses, terlebih dahulu

kita memenuhi syarat kenormalan data dan kestabilan data (harus in control).
Maka dilakukan pengujian kenormalan terhadap hasil pengamatan dan

menentukan batas kendali data.
A.
Uji Kenormalan data untuk Parameter Kotoran

Langkah-langkah pengujian kenormalan data untuk parameter kotoran
dengan Kolmogorov-Smirnov Test adalah:

1. Data pengamatan diurutkan mulai dari nilai pengamatan terkecil sampai
pengamatan terbesar dan beri penomoran.
2. Setelah data pengamatan diurutkan maka selanjutnya menghitung nilai Fa(X)nya dengan:
Fa(X)
nomor data
total data
Contoh, data nomor 1 dan jumlah data 25, maka:

Fa(X)
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
maka nilai Z untuk data pertama X1 = 18,4 adalah:

Z =
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

Parameter Kotoran (Lanjutan)
No.
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
Langkah pengujian hipotesanya:

1. H0 : Data tersebut berdistribusi Normal
H1 : Data tersebut tidak berdistribusi Normal
2. Level of Significant () = 0,05
3. Wilayah kritis, D > D, dimana D (n : 25) = 0,624
4. Nilai D (Dmax) = 0,1545
5. Kesimpulan : H0 diterima, karena D (0,1545) < D (0,624). Hal ini berarti
data parameter kotoran berdistribusi normal.
B.
Penentuan Batas Kontrol (Batas Kendali)

Ini bertujuan untuk mengetahui apakah data telah berada di dalam batas
kendali (in control) sebagai syarat untuk perhitungan process capability. Adapun
contoh perhitungan Peta p pada subgroup 1 adalah sebagai berikut:
Total kecacatan ( np) = 517,032

Total inspeksi (n) = 13675
Total inspeksi subgrup 1 (np1) = 547
Total kecacatan subgrup 1 (np1) = 18,4
Maka proporsi kecacatan pada subgrup 1 adalah :
p
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
Subgroup
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Tabel 5.12. Perhitungan Batas Kontrol Peta p

Total
Total
Proporsi
Inspeksi Kecacatan Kecacatan
LCL
UCL
(n)
(np)
(p)
547.8
18.4
0.0336
0
0.0623
549.4
26.7
0.0486
0
0.0623
546.2
19.2
0.0352
0
0.0624
546.8
22.3
0.0408
0
0.0623
547.6
24.1
0.0440
0
0.0623
546.9
21.6
0.0395
0
0.0623
543.1
20.5
0.0377
0
0.0624
540.9
23.8
0.0440
0
0.0625
546.5
18.7
0.0342
0
0.0624
543.7
24.1
0.0443
0
0.0624
542.8
18.9
0.0348
0
0.0624
549.3
21.1
0.0384
0
0.0623
548.9
19.3
0.0352
0
0.0623
545.6
19.7
0.0361
0
0.0624
548.3
18.5
0.0337
0
0.0623
547.9
21.2
0.0387
0
0.0623
544.7
20.1
0.0369
0
0.0624
546.1
21.1
0.0386
0
0.0624
545.8
19.1
0.0349
0
0.0624
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
Tabel 5.12. Perhitungan Batas Kontrol Peta p (Lanjutan)

Total
Total
Proporsi
Subgroup Inspeksi Kecacatan Kecacatan
LCL
UCL
(n)
(np)
(p)
20
545.3
22.0
0.0404
0
0.0624
21
544.1
18.4
0.0338
0
0.0624
22
547.8
20.8
0.0380
0
0.0623
23
545.9
18.6
0.0342
0
0.0624
24
546.4
19.5
0.0356
0
0.0624
25
548.6
19.3
0.0352
0
0.0623
Jumlah
13656.4
517,032
Ket.
In Control
In Control
In Control
In Control
In Control
In Control
Dari perhitungan batas kontrol di atas, dapat disimpulkan bahwa

keseluruhan proporsi kecacatan pada subgrup berada dalam batas kontrol (in
control). sehingga perhitungan kapabilitas proses Quality Control ditunjukkan

oleh nilai tengah dari peta control. Jadi kapabilitas proses terhadap parameter
kotoran sebesar 100% x p = 100% x 0,03786 = 3,786 %. Adapun Peta p untuk
kecacatan kotoran dapat dilihat pada Gambar 5.4.
Peta p Jenis Cacat Kotoran
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
Gambar 5.4. Peta p untuk Kecacatan Kotoran
5.2.2.3.2.Perhitungan Kemampuan Proses terhadap Parameter Gelembung

Udara.

A.
Uji Kenormalan data untuk Parameter Gelembung Udara

Langkah-langkah pengujian kenormalan data untuk parameter gelembung
udara dengan Kolmogorov-Smirnov Test adalah:

Fa(X)
nomor data
total data

Fa(X)
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
i 1
Xi X
185,3 - 19,376
-1,8946
2,1514
Z =
= NORMDIST(-1,8946) = 0,0291
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
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

Parameter Gelembung Udara (Lanjutan)
No.
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

4. Nilai D (Dmax) = 0,1509
B.

Total inspeksi (n) = 13656,40
Total inspeksi subgrup 1 (np1) = 547,8
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
Subgroup
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

Total
Total
Proporsi
LCL
UCL
(n)
(np)
(p)
547.8
20.2
0.0369
0
0.0592
549.4
24.6
0.0448
0
0.0591
546.2
18.3
0.0335
0
0.0592
546.8
17.7
0.0324
0
0.0592
547.6
21.4
0.0391
0
0.0592
546.9
19.8
0.0362
0
0.0592
543.1
18.5
0.0341
0
0.0593
540.9
19.2
0.0355
0
0.0593
546.5
20.1
0.0368
0
0.0592
543.7
15.3
0.0281
0
0.0593
542.8
23.1
0.0426
0
0.0593
549.3
19.2
0.0350
0
0.0591
548.9
18.4
0.0335
0
0.0592
545.6
18.4
0.0337
0
0.0592
548.3
19.5
0.0356
0
0.0592
547.9
18.9
0.0345
0
0.0592
544.7
21.4
0.0393
0
0.0592
546.1
20
0.0366
0
0.0592
545.8
19.7
0.0361
0
0.0592
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
Tabel 5.14. Perhitungan Batas Kontrol Peta p (Lanjutan)

Total
Total
Proporsi
Subgroup Inspeksi Kecacatan Kecacatan
LCL
UCL
(n)
(np)
(p)
20
545.3
22.3
0.0409
0
0.0592
21
544.1
15.3
0.0281
0
0.0593
22
547.8
16.8
0.0307
0
0.0592
23
545.9
17.5
0.0321
0
0.0592
24
546.4
18.7
0.0342
0
0.0592
25
548.6
20.1
0.0366
0
0.0592
Jumlah
13656.4
484,40
Ket.
In Control
In Control
In Control
In Control
In Control
In Control

Peta p Jenis Cacat Gelembung Udara
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
Gambar 5.5. Peta p untuk Kecacatan Gelembung Udara
5.2.2.3.3. Perhitungan Kemampuan Proses terhadap Parameter Gumpalan

Karet.

A.
Uji Kenormalan data untuk Parameter Gumpalan Karet

Langkah-langkah pengujian kenormalan data untuk parameter gumpalan
karet dengan Kolmogorov-Smirnov Test adalah:

Fa(X)
nomor data
total data

Fa(X)
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
i 1
Xi X
15,3 - 18,332
-2,5491
1,1894
Z =
= NORMDIST(-2,5491) = 0,0054
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:
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
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

4. Nilai D (Dmax) = 0,0850
B.

Total inspeksi (n) = 13656,40

Total inspeksi subgrup 1 (np1) = 547,8
p
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

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

Total
Total
Proporsi
LCL
UCL
(n)
(np)
(p)
547.8
19.5
0.0356
0
0.0566
549.4
15.3
0.0278
0
0.0566
546.2
16.7
0.0306
0
0.0567
546.8
18.3
0.0335
0
0.0567
547.6
18
0.0329
0
0.0566
546.9
17.2
0.0314
0
0.0567
543.1
16.9
0.0311
0
0.0567
540.9
17
0.0314
0
0.0568
546.5
18.7
0.0342
0
0.0567
543.7
19.1
0.0351
0
0.0567
542.8
17.3
0.0319
0
0.0567
549.3
17.6
0.0320
0
0.0566
548.9
18.5
0.0337
0
0.0566
545.6
18.9
0.0346
0
0.0567
548.3
17.5
0.0319
0
0.0566
547.9
18.9
0.0345
0
0.0566
544.7
19.6
0.0360
0
0.0567
546.1
19.3
0.0353
0
0.0567
545.8
18.1
0.0332
0
0.0567
545.3
19.7
0.0361
0
0.0567
544.1
20
0.0368
0
0.0567
547.8
19.7
0.0360
0
0.0566
545.9
19.5
0.0357
0
0.0567
546.4
17.7
0.0324
0
0.0567
548.6
19.3
0.0352
0
0.0566
13656.4
458,30
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


Peta p Jenis Cacat Gumpalan Karet
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
Gambar 5.6. Peta p untuk Kecacatan Gumpalan Karet
5.2.3. Analisis (analyze)
Pada tahap ini dilakukan analisis terhadap faktor-faktor penyebab

terjadinya cacat dominan pada produk ribbed smoke sheet. Analisis menggunakan
Cause and Effect Diagram dan Failure Mode & Effect Analysis (FMEA).
5.2.3.1.Analisis Cause & Effect Diagram
Diagram sebab-akibat (Cause-Effect Diagram) dikenal dengan istilah

diagram tulang ikan (fishbone diagram). Diagram ini berguna untuk menganalisis
dan menentukan faktor-faktor yang berpengaruh secara signifikan di dalam
menentukan karakteristik kualitas produk berdasarkan kategori rasional.
Disamping itu juga berguna untuk mencari penyebab yang sesungguhnya dari
suatu masalah.
5.2.3.1.1. Cause and Effect Diagram Adanya Kotoran
Dari Pareto Diagram terlihat bahwa jumlah kecacatan terbesar terjadi

pada KO yaitu dengan 29,117 kg. Dengan demikian dilakukan analisis penyebab
kesalahan pada jenis kesalahan tersebut dengan menggunakan Cause and Effect
Diagram, seperti terlihat pada Gambar 5.7.
Mesin /
Peralatan
Manusia
Kurangnya
ketelitian
Mesin /
Peralatan Kotor
Kotoran
Banyaknya Debu
Mutu Kurang Baik
Bahan Baku
Lingkungan Kerja
Gambar 5.7. Cause and Effect Diagram Kotoran
Penyebab terjadinya cacat kotoran adalah :

1.
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.
5.2.3.1.2. Cause and Effect Diagram Adanya Gelembung Udara

pada GU yaitu dengan 214.16 kecacatan. Dengan demikian dilakukan analisis
penyebab kesalahan pada jenis kesalahan tersebut dengan menggunakan Cause
and Effect Diagram, seperti terlihat pada Gambar 5.8.
Mesin /
Peralatan
Manusia
Kurangnya
ketelitian
Putaran Mesin
tidak sesuai rpm
yang diharapkan
Gelembung
Udara
Mutu Kurang Baik
Bahan Baku
Cara penggilingan
yang kurang baik
Metode Kerja
Gambar 5.8. Cause and Effect Diagram Gelembung Udara
Penyebab terjadinya cacat gelembung udara adalah :
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
memperhatikan hasil dari gilingan.

2. Pada saat pengenceran lateks cair, tidak sesuai dengan % DRC yaitu Dry
Rubber Content (DRC) 14-15 %.
4.
Mesin / Peralatan
Mesin / peralatan tidak terawat dengan baik, sehingga putaran mesin tidak
sesuai rpm.
5.2.3.1.3. Cause and Effect Diagram Adanya Gumpalan Karet

pada GK yaitu dengan 148.35 kecacatan. Dengan demikian dilakukan analisis
penyebab kesalahan pada jenis kesalahan tersebut dengan menggunakan Cause
and Effect Diagram, seperti terlihat pada Gambar 5.9.
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
Mutu Kurang Baik
Bahan Baku
Metode Kerja
Gambar 5.9. Cause and Effect Diagram Gumpalan Karet
Penyebab terjadinya cacat gumpalan karet adalah :

1.
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.
5.2.3.2.Analisis Kesamaan Penyebab Terjadinya Cacat Produk
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
Dengan mengendalikan semua faktor penyebab terjadinya ketiga jenis

cacat dominan, secara tidak langsung terdapat kemungkinan mengurangi
terjadinya jenis cacat yang lain karena kesamaan faktor penyebabnya.
5.2.3.3.Failure Mode and Effect Analysis (FMEA)
Failure Mode and Effect Analysis(FMEA) merupakan alat yang digunakan

dalam mengidentifikasi dan menilai resiko yang berhubungan dengan potensial
kegagalan. Sebelum membuat Failure Mode and Effect Analysis, terlebih dahulu
ditentukan efek yang diakibatkan dari kegagalan pada proses, penyebab dari
kegagalannya dan kontrol yang dilakukan untuk mencegah terjadinya efek dari
kegagalan proses tersebut. Penyelesaikan masalah yang ada ditentukan dengan
menghitung nilai RPN (Risk Priority Number) yang merupakan hasil perkalian
antara nilai Severity (S), Occurance(O) dan Detectability (D). Penilaian yang
dilakukan terhadap Severity (S), Occurance (O) dan Detectability (D) adalah
berdasarkan pengamatan yang dilakukan pada lantai produksi dan pencocokkan
dengan data-data perusahaan seperti jumlah kecacatan yang terjadi dan kontrol
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
Proses Produksi Ribbed

Smoke Sheet
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
Merawat secara rutin

mesin gilingan
Operator
kurang
teliti
Tidak ada
105
secara berkala
Tabel 5.18. Analisis FMEA Produk Ribbed Smoke Sheet (Lanjutan)

Nama Proses
Bertanggungjawab
Fungsi Proses
Pengasapan
Proses Produksi Ribbed

Smoke Sheet
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
secara berkala
Keterangan :
(S) Severity
Keseriusan dari efek kegagalan potensial pada fungsional produk (Skala 110)
(O) Occurance
Frekuensi terjadinya kegagalan potensial akibat penyebab tertentu (Skala 110)
(D) Detection
Kemungkinan kegagalan potensial dan penyebabnya dapat dideteksi (Skala 110)
(RPN) Risk Priority Number : S x O x D
Dari tabel FMEA di atas diperoleh faktor-faktor penyebab kegagalan

proses yang mengakibatkan terjadinya produk cacat. Faktor-faktor tersebut
kemudian diurutkan berdasarkan nilai RPN yang tertinggi. Daftar faktor-faktor
tersebut dapat dilihat pada Tabel 5.19 berikut:
Tabel 5.19. Urutan Penyebab Kegagalan Proses Berdasarkan RPN
No.
1
2
3
4
5
6
7
8
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
Sheet belum membeku
RPN
175
175
175
120
105
105
105
84
5.2.4. Improve
Pada langkah ini diterapkan suatu rencana tindakan peningkatan kualitas

six sigma, melalui perbaikan terhadap sumber-sumber penyebab terjadinya produk
cacat. Perbaikan dilakukan terhadap semua sumber yang berpotensi untuk
menciptakan produk cacat berdasarkan hasil analisis cause and effect diagram,
dan prioritas tindakan perbaikan didasarkan pada nilai RPN hasil dari analisi
FMEA.
Tawaran-tawaran perbaikan yang diusulkan terhadap jenis cacat yang
paling mempengaruhi (frekwensi tertinggi) yaitu jenis cacat adanya kotoran,
gelembung udara dan gumpalan karet adalah sebagai berikut :
Manusia (SDM)
-
Memberikan training kepada operator pada unit Pengenceran
Pelatihan/training yang diberikan kepada operator adalah mengenai sistem

kerja serta tindakan-tindakan yang harus dilakukan bila terjadi gangguan
yang tidak bisa diatasi secara manual. Pelatihan/training mengenai caracara penanggulangan dan perbaikan jenis-jenis cacat yang terjadi pada
Ribbed Smoke Sheet (RSS) juga perlu diberikan. Pelatihan ini bertujuan
agar operator tidak terlambat dalam mengantisipasi kerusakan/cacat yang
terjadi.
-
Menciptakan kekompakan team

Untuk menciptakan kekompakan team perlu ditanamkan rasa saling
memiliki dan tanggung jawab terhadap tugas yang diberikan serta
ditumbuhkan rasa kekeluargaan antar sesama pekerja dan atasan. Salah
satu caranya pimpinan/kepala pabrik membaur kepada bawahan dalam hal
memecahkan permasalahan seperti mengantisipasi kerusakan/kecacatan
yang terjadi. Dengan menciptakan kekompakan team diharapkan
operator/karyawan yang sedang bekerja tidak meninggalkan daerah
kerjanya dan keterlambatan dalam menghadapi kerusakan/cacat pada
Ribbed Smoke Sheet (RSS) dapat diatasi.
Metode
-
Memberikan Pengarahan tentang Teknik Penyaringan dan Pembekuan

Penyaringan disesuaikan dengan ukuran mess yang telah ditetapkan.
Penyaringan dilakukan operator secara manual dan harus benar-benar
dilakukan secara teliti. Karena dilakukan secara manual maka perlu
diberikan pelatihan khusus sehingga kerusakan/cacat yang terjadi pada

Ribbed Smoke Sheet (RSS) dapat ditanggulangi.
-
Memberikan Pengarahan tentang Teknik Penggilingan Sheet

Pelatihan mengenai teknik penggilingan sheet perlu juga diberikan,
sehingga bila terjadi sheet yang rusak/cacat maka dengan cepat dapat
diatasi.
Memberikan Pengarahan tentang Teknik Pengasapan Sheet

Sebelum proses pengasapan dilaksanakan sebaiknya petugas kebersihan
membersihkan ruang tersebut agat debu dan kotoran yang ditimbulkan
akibat asap tidak menempel pada sheet yang akan dilakukan pengasapan
selanjutnya.
Mesin
-
Pengecekan dan pergantian elemen-elemen pada mesin motor listrik dan

mesin giling.
Pengecekan terhadap elemen-elemen mesin khususnya pada mesin motor
listrik dan mesin giling perlu dilakukan seteliti mungkin. Adapun elemenelemen yang perlu diamati/dicek dan diganti bila terjadi kerusakan pada
elemen-elemen mesin tersebut adalah :
1. Putaran pada dinamo motor listrik
2. Roll pada mesin giling
Pengecekan terutama dilakukan sebelum proses berjalan. Ini disebabkan
karena selama proses produksi berjalan mesin diharapkan tidak mengalami
gangguan-gangguan yang dapat menyebabkan mesin berhenti sampai
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.
-
Membersihkan elemen-elemen pada mesin giling.

Pengecekan terhadap kebersihan elemen-elemen mesin dari debu atau
karat yang menempel perlu diperhatikan. Kotoran yang melekat pada
elemen mesin dapat menggangu kinerja mesin dan juga dapat
menimbulkan produk cacat, karena itu pengecekan terhadap kerbersihan
elemen-elemen mesin harus dilakukan sesering mungkin.
Bahan/Material
-
Mengawasi kotoran yang ada pada bahan baku

Selama proses produksi berlangsung juga harus selalu diamati/diawasi.
Kotoran yang ada pada bahan baku sebelum proses pembekuan harus
disaring. Operator senantiasa menginspeksi kotoran yang ada pada bahan
baku lateks cair, karena itu operator/karyawan siap sedia di tempatnya
masing-masing sampai tugasnya selesai dan sebelum digantikan oleh
operator/karyawan lainnya.
Untuk kegagalan dikarenakan faktor lama pembekuan, lama pengasapan
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
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
Data Jumlah Produk Cacat (kg)

593
621
661
593
634
672
598
634
674
599
638
675
612
643
686
612
651
689
612
651
689
613
653
694
695
701
704
704
705
721
721
721
723
723
730
738
740
753
758
762
762
765
772
782
784
801
819
838
Dari tabel 5.21 dapat ditentukan :

Ymin
= 316
Ymax
= 838
Sehingga :
= Ymax - Ymin
= 838 316
= 522
= 1 + 3,3 Log N
dimana N = Jumlah data
= 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
Sehingga diperoleh rata-rata:

X
fi.xi 45.360 630

72
fi
Besar standard deviasi ditentukan dengan persamaan:

=
fi( Xi X )
2(352,5 630)
n 1
2
4(426,5 630) 2 ... 1(870,5 630) 2

71
= 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
= P(-0,14 < Z < 0,44)

= P(Z < 0,44) P (Z < -0,14)
= 0,0257
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
ekspetasi untuk masing-masing batas kontiniu (ei),
yang ditentukan dengan persamaan:

ei = Pi x N
dimana :
Pi = Luas kurva
N = Jumlah data pengamatan
Contoh perhitungan batas kontiniu 315,5 389,5 adalah:

ei
= 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
untuk Jumlah Produk Cacat

Luas
(oi)
ei
Kurva
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
= Data berdistriibusi normal
H1
= Data tidak berdistribusi normal
2. Jumlah Kelas (k) = 6

Derajat kebebasan (v) = k 3, angka 3 menunjukkan bahwa ada 3 besaran
yang dibutuhkan dalam perhitungan nilai ekspektasi yaitu rata-rata, standard
deviasi dan jumlah data.
Sehingga V = 6 3 = 3
4. Wilayah kritik: X2 > X20,05;3
5. Nilai Chi Kuadrat hitung
X2 =
(oi ei) 2
4,5148
ei
i 1
5
6. Nilai Chi Kuadrat tabel X 02,05;3 = 7,815

7. Chi Kuadrat hitung (4,5148) < Chi Kuadrat tabel (7,815)
Kesimpulan H0 diterima
Sehingga diperoleh hasil berdistribusi normal.
Setelah asumsi kenormalan data dipenuhi, barulah dilakukan perhitungan

varians dengan menggunakan analisis varians (ANAVA) yang dapat dilihat pada
Tabel 5.25, Tabel 5.26, Tabel 5.27, Tabel 5.28 dan Tabel 5.29.
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
Lama Pembekuan (a)

5.7
Lama Pengasapan (b)
120
122
125
538
689
723
521
672
701
1059
1361
1424
506
651
689
489
638
661
995
1289
1350
467
613
634
431
599
612
898
1212
1246
2952
3862
4020
Tabel 5.26. Daftar a x b x c

a2
b3
b1
b2
b3
1520
1059
1361
1424
1427
995
1289
1350
1337
898
1212
1246
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
Tabel 5.27. Daftar a x b

a1
a2
a3
1008
898
648
1171
1212
1045
1337
1246
1075
3516
3356
2768
c1
c2
c3
Tabel 5.28. Daftar b x c

b1
b2
b3
3322
3976
4272
2886
3706
3987
2554
3428
3658
Jumlah
2554
3428
3658
Jumlah
11570
10579
9640
Tabel 5.29. Daftar a x c

a1
a2
a3
4003
3844
3723
c1
3749
3634
3196
c2
3516
3356
2768
c3
Untuk membuat daftar ANAVA maka sebelumnya perlu dihitung

parameter-parameter yang digunakan dalam daftar ANAVA tersebut.
A
Y 2 Yijkl2
i 1 j1 k 1 l 1
= 5732 + 5412 + 5302 + 5282 + ........ + 5982 + 5512 + 5242 = 19.230.479

2
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
(1.114) 2 (1.058) 2 (1.008) 2 .... (1.210) 2 (1.057) 2

- 18.713.713,4
2
= 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
(3.180) 2 (3.804) 2 .... (3.444) 2 (3.613) 2

- 18.713.713,4
3x2
= 379.124,15
Jbc
J 2jk
- Ry
j 1 k 1 An
(3.322) 2 (3.976) 2 .... (3.428) 2 (3.658) 2

- 18.713.713,4
3x 2
= 404.438,1
Jac
J ik2
- Ry
i 1 k 1 Bn
(4.003) 2 (3.844) 2 .... (3.356) 2 (2.768) 2

- 18.713.713,4
3x 2
= 190.163,8
Selanjutnya dapatkan harga-harga:
Ay
Ai2
=
i 1 BC n
A
By
- Ry, dengan dk = (a-1)
11.268 2 10.834 2 9.687 2

- 18.737.713,4 = 74.139,37
3x3x 2
B 2j
=
j 1 AC n
B
- Ry, dengan dk = (b-1)
Cy
8.762 2 11.1110 2 11.917 2

- 18.737.713,4 = 298.488,5
3x3x 2
C k2
k 1 AB n
C
- Ry, dengan dk = (c-1)
8.762 2 11.1110 2 11.917 2

=
- 18.737.713,4 = 103.494,48
3x3x 2
ABy
= Jab Ay By, dengan dk = (a-1)(b-1)

= 379.124,15 - 74.139,37 - 298.488,5 = 6.496,27
BCy
= Jbc By Cy, dengan dk = (b-1)(c-1)

= 404.438,1 - 298.488,5 - 103.494,48 = 2.455,12
ACy
= Jac Ay Cy, dengan dk = (a-1)(c-1)

= 190.163,8 - 74.139,37- 103.494,48 = 12.529,95
ABCy = Jabc Ay By Cy - ABy - BCy - ACy, dengan dk = (a-1)(b-1)(c-1)

= 510.567,1481 - 74.139,37 - 298.488,5 - 103.494,48 - 6.496,27
2.455,12 - 12.529,95
= 12.963,458
Jika nilai-nilai di atas disusun dalam daftar ANAVA, maka diperoleh hasil
yang dapat dilihat pada Tabel 5.30. berikut:
Tabel 5.30 Daftar ANAVA dengan F tabel

Sumber
Variasi
Rata-Rata
Perlakuan
A
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
Tidak ada uji

eksak
Tidak ada uji
eksak
Tidak ada uji
eksak
6,03
2,28
11,62
6,01
3,84
3,84
3,84
2,32
Keterangan:
A
= Faktor lama pembekuan
= Faktor lama pengasapan
= Faktor kecepatan roll penggilingan
AB
= Interaksi faktor lama pembekuan dengan lama pengasapan
AC
= Interaksi faktor lama pembekuan dengan kecepatan roll penggilingan
BC
= Interaksi faktor lama pengasapan dengan kecepatan roll penggilingan
AC
= Interaksi faktor lama pembekuan dengan kecepatan roll penggilingan
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
= terdapat pengaruh interaksi faktor lama pembekuan dengan

lama pengasapan terhadap jumlah produk ribbed smoke sheet
yang cacat.
- AC
= terdapat pengaruh interaksi faktor lama pembekuan dengan

kecepatan roll penggilingan terhadap jumlah produk ribbed
smoke sheet yang cacat.
- BC
= tidak terdapat pengaruh interaksi faktor lama pengasapan

dengan kecepatan roll penggilingan terhadap jumlah produk
ribbed smoke sheet yang cacat.
- ABC
= terdapat pengaruh interaksi faktor lama pembekuan, lama

pengasapan dan dengan kecepatan roll penggilingan terhadap
jumlah produk ribbed smoke sheet yang cacat.
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
Tabel 5.31. Rata-rata Hasil Respon Terhadap Tiap Taraf Faktor

a1
a1
b3
b1
b2
b3
b1
b2
b3
760
529.5
680.5
712
574.5
623
664
713.5
497.5
644.5
675
416.5
576.5
605
668.5
449
606
623
522.5
537.5
324
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
- Kecepatan roll penggilingan
: 375 rpm
5.2.5. Control (Tahap Pengendalian)
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
meminimumkan variance pada produk maupun proses yang menuju tingkat

kesempurnaan (zero defect). Berikut akan diulas kembali apa yang telah diperoleh
dari hasil pengolahan data dengan menggunakan metode DMAIC.
6.1.
Analisis Fase Define
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.
Analisis Fase Measure
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:
Tabel 6.1. Nilai DPMO dan Nilai Proses

Kondisi Aktual
Kondisi Ideal
Periode
DPMO
Nilai
DPMO
Nilai
Mei 2010
10.011
3.82
3.4
6
Juni 2010
11.944
3.75
3.4
6
Juli 2010
18.842
3.57
3.4
6
Agt.2010
16.634
3.62
3.4
6
Sept. 2010
18.510
3.58
3.4
6
Okt.2010
15.257
3.66
3.4
6
Nov. 2010
27.420
3.42
3.4
6
Des. 2010
24.505
3.46
3.4
6
Jan. 2011
21.553
3.52
3.4
6
Feb. 2011
20.641
3.54
3.4
6
Mar. 2011
24.997
3.46
3.4
6
Apr. 2011
14.657
3.67
3.4
6
Proses
17.675
3.60
3.4
6
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
Gambar 6.1. Grafik Nilai DPMO
7
6
Sigma
5
4
Sigma Periode
Sigma Proses
2
1
0
1
10
11
12
13
Periode
Gambar 6.2. Grafik Nilai Sigma
Semakin rendah nilai DPMO mengakibatkan nilai akan semakin tinggi.

Dan semakin tinggi nilai sebuah proses akan memperlihatkan bahwa proses
tersebut semakin membaik karena mampu menghasilkan produk yang tidak cacat
semakin tinggi. Perbedaan nilai DPMO dan setiap periode disebabkan karena
perbedaan jumlah produksi dan produk cacat tiap bulannya.
Dari diagram pareto diketahui 3 (tiga) jenis cacat yang paling dominant
terjadi, yaitu dapat dilihat pada Tabel 6.2. berikut:
Tabel 6.2. Jenis Cacat Dominan berdasarkan Diagram Pareto
No.
1
2
3
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.
Analisis Fase Analyze
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.
Analisis Fase Improve
Fase improve
merupakan tahap dimana dilakukan perbaikan terhadap
sumber-sumber permasalahan yang ada. Pemilihan sasaran perbaikan didasarkan

pada hasil analisis cause and effect diagram dan RPN FMEA. Perbaikan
dilakukan pada semua aspek yang dinilai perlu. Namun perbaikan hanya
dilakukan sebatas rekomendasi, tidak diterapkan langsung pada perusahaan karena
keterbatasan waktu dan biaya.
Untuk perbaikan kuantitatif seharusnya dilakukan eksperimen langsung
yang dilakukan dilantai pabrik yang bertujuan untuk menentukan derajat
signifikansi atas faktor-faktor yang dianggap berpengaruh terhadap hasil produksi,
dan taraf faktornya yang paling optimal. Namun karena keterbatasan kesempatan
yang diberikan pihak perusahaan, sehingga tidak memungkinkan untuk
dilakukannya eksperimen. Oleh karena itu penelitian ini hanya melakukan analisis
variansi (ANAVA) terhadap faktor-faktor yang dianggap berpengaruh secara
signifikan terhadap produk ribbed smoke sheet dengan menggunakan data-data
historis perusahaan. Untuk analisa hasil dari perhitungan ANAVA yang didapat
agar hasil produksi optimal dengan produk cacat yang minimal dilakukan:
- Lama pembekuan
: 6 jam
- Lama pengasapan
: 120 jam
- Kecepatan roll penggilingan
: 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.
Mesin / Peralatan 1. Mesin / peralatan tidak terawat

secara teratur
1. Membuat jadwal pemeriksaan

mesin / peralatan secara
berkala
Tabel 6.4
Usulan Tindakan Untuk Kegagalan Karena Gelembung Udara
Faktor Penyebab
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
Mesin / Peralatan 1. Mesin / peralatan tidak
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
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
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.
Analisis Fase Control
Control (tahap pengendalian) merupakan tahapan akhir dari perbaikan
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
Dari keseluruhan penelitian yang dilakukan, maka diperoleh kesimpulan

yang dapat mencapai tujuan penelitian yang telah ditetapkan. Kesimpulan tersebut
adalah sebagai berikut :
1.
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.
Faktor-faktor yang menjadi penyebab terjadinya kerusakan/cacat dominan

yang berhasil dibangkitkan melalui diagram sebab akibat adalah metode
kerja yang kurang dikuasai, kurangnya pengawasan terhadap proses
produksi
yang
berlangsung
dan
perawatan
mesin
yang
kurang
diperhatikan.
3.
Tawaran-tawaran perbaikan untuk mengurangi tingkat kecacatan yang

terjadi khususnya cacat yang paling mempengaruhi (frekwensi tinggi)
yaitu jenis cacat adanya kotoran, gelembung udara dan gumpalan karet
dapat mendekati target six sigma adalah menerapkan lama pembekuan
selama 6 jam, lama pengasapan selama 120 jam, dan kecepatan roll
penggilingan adalah 375 rpm pada proses produksi.
7.2.
Saran
Dari hasil kesimpulan yang diambil maka dapat diberikan saran-saran

perbaikan yang diberikan untuk perusahaan, yaitu :
1.
Diharapkan kepada pihak perusahaan untuk dapat menerapkan usulanusulan perbaikan yang diberikan untuk meminimisasi cacat seperti; cacat
adanya kotoran dan jenis cacat yang lainnya.
2.
Perlunya diciptakan kekompakan team sehingga setiap operator memiliki

rasa saling memiliki dan tanggung jawab terhadap tugas yang diberikan
serta ditumbuhkan rasa kekeluargaan antar sesama pekerja dan atasan.
Disamping itu perusahaan perlu juga mengawasi dan mengecek posisi
operator/karyawan yang sedang bekerja agar tidak meninggalkan daerah
kerjanya
masing-masing,
dimana
hal
ini
dapat
mengakibatkan
kerusakan/cacat yang besar karena ketelambatan dalam mengantisipasi

kerusakan/cacat yang terjadi.
3.
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.
Semua anggota perusahaan juga perlu diberikan pendidikan mengenai six

sigma dan dilibatkan juga dalam implementasi, walaupun tidak full time,
tapi mereka diperlukan sebab mereka yang menjalankan proses bisnis,

sehingga mereka mempunyai pemahaman yang lebih baik mengenai
proses bisnis.

Chapter III-VII PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Chapter III-VII PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB III

Pengendalian Kualitas Statistik

Kualitas merupakan suatu kondisi dinamis yang berhubungan dengan

Iskandar indranata.2008.Pendekatan Kualitatif Untuk Pengendalian Kualitas.Jakarta : Penerbit

Universitas Sumatera Utara

memberikan lebih banyak informasi daripada atribut. Namun demikian, data

Memberikan prioritas yang tinggi pada karakteristik yang dijalankan saat

Mengidentifikasi variabel-variabel proses dan kondisi-kondisi yang dapat

Memeriksa dan memastikan proses pengukuran telah memenuhi syarat

Universitas Sumatera Utara

2. Memilih jenis peta kendali / peta kontrol.

Universitas Sumatera Utara

untuk diperhatikan karena berkaitan langsung dengan kebutuhan dan kepuasan

atau menyerahkan output sesuai dengan ekspektasi dan kebutuhan pelanggan.

kritis yang menunjukkan proses mampu menghasilkan sesuai dengan spesifikasi

Universitas Sumatera Utara

Perlu dipahami bahwa indeks Cp mengacu kepada Critical-to-Quality

Kedua nilai USL (Upper Specification Limit) dan LSL (Lower

Sedangkan standar deviasi merupakan ukuran variasi proses atau penyimpangan

DMAIC (Define, Measure, Analyze, Improve and Control)

DMAIC (Define, Measure, Analyze, Improve and Control) merupakan

Pengukuran, Analisis dan Peningkatan Kualitas

Universitas Sumatera Utara

Peningkatan kualitas merupakan aktivitas teknik dan manajemen, melalui

Definisi Variasi dalam Konteks Peningkatan Proses

Variasi adalah ketidakseragaman dalam proses operasional sehingga

Variasi Penyebab Khusus (special-causes variation) adalah kejadian-kejadian

Universitas Sumatera Utara

memiliki pengaruh yang lebih kuat pada proses, sehingga menimbulkan

Variasi Penyebab Umum (common - causes variation) adalah faktor - faktor

Suatu proses hanya mempunyai variasi penyebab umum (common-causes

yang stabil karena penyebab sistem yang mempengaruhi variasi biasanya

Universitas Sumatera Utara

peta kontrol. Sedangkan apabila variasi penyebab khusus terjadi dalam

Six Sigma Motorola (Tahun 1988)

menetapkan program/proyek Six Sigma ke segenap aktivitas prosesnya (dalam

Universitas Sumatera Utara

Gambar 3.1. Interpretasi dari Program Six Sigma Motorola

3.7.1. Six Sigma dan Kapabilitas Proses

Konsep dasar dari kapabilitas proses adalah sebagai berikut :

Universitas Sumatera Utara

mempertimbangkan seluruh faktor yang mempengaruhi proses yang ada agar

3.7.2. Perspektif Six Sigma

Universitas Sumatera Utara

3.7.3. Prinsip Six Sigma

Dalam memahami perbedaan interpretasi dan sudut pandang berbagai

subjek-objek, pemetaan matriks kerja atau proses, perhitungan level-level sigma,

Tahapan Tahapan Dalam Six Sigma

Penentuan kualitan Six Sigma dapat dilakukan dengan menggunakan

Universitas Sumatera Utara

3.8.1.1.Diagram SIPOC (Supplier-Input-Process-Output-Customer)5

Diagram SIPOC adalah peta tingkat tinggi yang digunakan untuk

Gambar 3.2 Bentuk Diagram SIPOC

James R. Evans dan William M. Lindsay, Op. cit, hlm. 93-94

Universitas Sumatera Utara

dihasilkan oleh proses dimana hasil ini kemudian dikirimkan kepada

Universitas Sumatera Utara

Pelanggan adalah orang, departemen atau perusahaan yang menerima output,

perusahaan.Pelanggan eksternal adalah pelanggan yang berasal dari luar

Peta-peta kerja merupakan alat sistematis untuk mengumpulkan semua

Universitas Sumatera Utara

Peta-peta kerja sangat berguna untuk mengumpulkan fakta-fakta dan

penyajiannya dalam langkah penganalisisan masalah. Peta-peta kerja merupakan