BAB 2

LANDASAN TEORI

2.1 Tinjauan Pustaka
2.1.1 Kualitas
Kata kualitas memiliki banyak definisi yang berbeda dan bervariasi,dari
yang konvensionalsampai yang lebih stategik.Definisi konvensional dari kualitas
biasanya menggambarkan karakteristik langsung dari suatu produk,seperti:
performansi,keandalam,mudah dalam penggunaan,estetika dan
sebagainya.sedangkan definisi strategik menyatakan bahwa kualitas adalah segala
sesuatu yang mampu memenuhi keinginan atau kebutuhan
pelanggan.(Gasperz,2002:4)

Salah satu definisi kualitas yang sering digunakan berasal dari Crosby
(1979) yang mendefinisikan Quality is conformance to requirements or
specificatioan yang artinya bahwa kualitass adalah suatu kesesuaian untuk
memenuhi persyaratan atau spesifikasi.

Definisi yang lebih umum dari kualitas adalah yang dikemukakan oleh
juran (1974) yaitu Quality is fitness for use dimana definisi ini menekankan
pada poin penting yaitu pengendali dibalik penentuan level kualitas yang harus
dipenuhioleh produk atau jasa yaitu konsumen


2.1.2 Pengendalian Kualitas
Dalam konteks pembahasan tentang pengendalian proses statistikal,
terminologi kualitas didefinisikan sebagai konsistensi peningkatan atau perbaikan


26







dan penurunan variasi karakteristik dari suatu produk (barang dan/ atau jasa yang
dihasilkan, agar memenuhi kebutuhan yang telah dispesifikasikan, guna
meningkatkan kepuasan pelanggan internal maupun eksternal. Dengan demikian
pengertian kualitas dalam konteks pengendalian proses statistikal adalah
bagaimana baiknya suatu output (barang dan/ atau jasa) itu memenuhi spesifikasi
dan toleransi yang ditetapkan oleh bagian desain dari suatu perusahaan.
Spesifikasi dan toleransi yang ditetapkan oleh bagian desain dari perusahaan.
Spesifikasi dan toleransi yang ditetapkan oleh bagian desain produk yang disebut
sebagai kualitas desain (quality of design) harus berorientasi kepada kebutuhan
atau keinginan konsumen (orientasi pasar). Hal ini dimaksudkan agar sesuai
dengan konsep Roda Deming dalam proses industri modern, yaitu : (1) riset pasar,
(2) desain produk dan proses, (3) proses produksi, (4) proses pemasaran.
Definisi kualitas sangatlah bervariasi (Pengendalian Kualitas Statistik, (Dorothea
Wahyu A, 3)) :
Menurut Vincent Gasperz
Kualitas adalah sebagai konsistensi peningkatan dan penurunan variasi
karakteristik produk, agar dapat memenuhi spesifikasi dan kebutuhan, guna
meningkatkan kepuasan pelanggan internal maupun external.
Menurut Juran
Kualitas adalah kesesuaian dengan tujuan dan manfaatnya

Menurut Deming
Kualitas harus bertujuan memenuhi kebutuhan pelanggan sekarang dan di
masa mendatang


27







Menurut Feigenbaum
Kualitas merupakan keseluruhan karakteristik produk dan jasa meliputi marketing,
engineering, manufacture, dan maintanance, dalam mana produk dan jasa tersebut
dalam pemakaiannya akan sesuai dengan kebutuhan dan harapan pelanggan.


2.1.3 Definisi Tentang Data Statistik
Data adalah catatan tentang sesuatu, baik yang bersifat kualitatif maupun
kuantitatif yang dipergunakan sebagai petunjuk untuk bertindak. Berdasarkan
data, kita mempelajari fakta-fakta yang ada dan kemudian mengambil tindakan
yang tepat berdasarkan pada fakta itu. Dalam konteks pengendalian proses
statistikal dikenal dua jenis data, yaitu :
Data Atribut (Attributes Data), yaitu data kualitatif yang dapat
dihitung untuk pencatatan dan analisis. Contoh dari data atribut
karakteristik kualitas adalah : ketiadaan label pada kemasan
produk, kesalahan proses administrasi buku tabungan nasabah,
banyaknya jenis cacat pada produk, banykanya produk kayu lapis
yang cacat karena corelap, dll. Data atribut biasanya diperoleh
dalam bentuk unit-unit nonkonformans atau ketidaksesuaian
dengan spesifikasi atribut yang ditetapkan.
Data Variabel (Variables Data) merupakan data kuantitatif yang
diukur untuk keperluan analisis. Contoh dari data variabel
karakteristik kualitas adalah : diameter pipa, ketebalan produk kayu
lapis, berat semen dalam kantong, banyaknya kertas setiap rim,


28







konsentrasi elektrolit dalam persen, dll. Ukuran-ukuran berat,
panjang, lebar, tinggi, diameter, volume biasanya merupakan data
variabel.
Dalam pengendalian proses statistikal untuk meningkatkan kualitas,
pengumpulan data bertujuan untuk :
1. Memantau dan mengendalikan proses
2. Menganalisis hal-hal yang tidak sesuai (non-conformance).
3. Inspeksi.
Dalam kegiatan pengumpulan data perlu diperhatikan beberapa hal
berikut :
1. Definisikan tujuan pengumpulan data secara jelas.
2. Identifikasi jenis data (variabel atau atribut) yang akan
dikumpulkan.
3. Gunakan akat ukur yang dapat diandalkan untuk menjamin
keandalan pengukuran.
4. Tentukan cara yang tepat untuk mencatat data. Data asli harus
dicatat secara jelas., misalnya : waktu pencatatan, asal data, nama
pencatat data, dll.
5. Buatlah formulir pencatatan data yang memudahkan untuk
penggunaan selanjutnya.




29







2.1.4 Jenis Peta Kendali
Peta kontrol data variabel adalah data yang diukur untuk
keperluan analisis. Adapun peta kontrol yang digunakan untuk
jenis data ini adalah sebagai berikut:
1. Peta kontrol X-Bar dan R( Statistical Process Control
(Gaspersz, 112))Kedua peta ini digunakan untuk memantau
proses yang mempunyai karakteristik dimensi kontinu, sehingga
peta kontrol X-Bar dan R sering disebut sebagai peta kontrol
untuk data variabel. Peta X-Bar menjelaskan apakah perubahan
perubahan telah terjadi dalam ukuran titik pusat (control
tendency) atau rata rata dari suatu proses. Peta R menjelaskan
perubahan perubahan telah terjadi dalam ukuran variasi,
dengan demikian berkaitan dengan perubahan homogenitas
produk yang dihasolkan melalui suatu proses.
2. Peta kontrol X dan MR (Moving Range)
Pembuatan peta ini diterapkan proses yang menghasilkan output
relative homogen, misalnya cairan kimia, kandungan mineral
dalam air, makanan, dan sebagainya. Demikian pula dengan
kasus kasus dimana inspeksi 100% digunakan untuk proses
produksi yang sangat lama.
3. Peta kendali P Statistical Process Control (Gaspersz, 147)

Digunakan untuk mengendalikan proporsi dari item-item yang
tidak memenuhi syarat spesifikasi yang ditetapkan yang berarti


30







yang dikategorikan cacat.untuk itu definisi operasional secara
tepat tentang apa yang dimaksud ketidaksesuaianc/apa yang
dimaksud ketidaksesuaian /cacat sangatlah penting dan harus
dipahami oleh setiap pengguna pete pengendali P.adapun
langkah-langkah pembuatan peta kendali P ( Proporsi unit yang
cacat )adalah sebagai berikut :
1.Menentukan ukuran contoh yang cukup besar dan
mengumpulkannya.
2.Menghitung nilai proporsi cacat
p =

Inspeksi
Cacat Unit

3.Menghitung nilai simpangan baku
Rumus simpangan baku (Sp) :
S
p
=
( ) { }
ni
bar p 1 bar p

S
p
=
( )
ni
0282 , 0 1 0282 , 0

Rumus simpangan baku dalam persentase (Sp, %)
S
p
=
( ) { }
ni
bar p 100 bar p

S
p
=
( )
ni
0282 , 0 100 0282 , 0

Dimana ni = jumlah unit yang diinspeksi = jumlah unit yang
diproduks


31







4.Menghitung batas kontrol 3-sigma

ni
p p
p LCL
ni
p p
p UCL
oduksi Jumlah
cacat
CL p
) 1 (
3
) 1 (
3
Pr

+ =

= =


Tabel 2.3 Jenis Data dan Peta Kendalinya
Jenis Data Jenis Peta kendali
Data Atribut
Merupakan data kualitatif yang dapat
dihitung untuk pencatatan dan analisis.
Data atribut biasanya diperoleh dalam
bentuk unit-unit nonconforms atau
ketidaksesuaian dengan spesifikasi
atribut yang ditetapkan.
Peta p
Peta np
Peta u
Peta c
DataVariabel
Merupakan data kuantitatif yang diukur
untuk keperluan analisis. Ukuran-
ukuran berat, panjang, lebar, tinggi,
diameter, volume, biasanya merupakan
data variabel
Peta X-bar dan R
Peta X-bar dan MR
Peta X-bar dan S




32








2.1.5 Variasi
Peta kontrol pertama kali diperkenalkan oleh Dr. Walter
Andrew Shewhart dari Bell Telephone Laboratories, Amerika
Serikat, pada tahun 1924 dengan maksud untuk menghilangkan
variasi tidak normal melalui pemisahan variasi yang
disebabkan oleh penyebab khusus (special-causes variation)
dari variasi yang disebabkan oleh penyebab umum (common-
causes variation). Pada dasarnya semua proses menampilkan
variasi, namun manajemen harus mampu mengendalikan
proses dengan cara menghilangkan variasi penyebab khusus
dari proses itu, sehingga variasi yang melekat pada proses
hanya disebabkan oleh penyebab umum. Gaspersz (1998)
Statistical Process Control : Managemen Bisnis Total, (Gaspersz, 28-29)
menjelaskan lebih lanjut tentang kedua jenis variasi tersebut
sebagai berikut :

1. Variasi Penyebab Khusus (Special Causes of Variation)
adalah kejadian-kejadian di luar sistem yang mempengaruhi
variasi dalam sistem. Penyebab khusus dapat bersumber dari
manusia, peralatan, material, lingkungan, metode kerja, dll.
Penyebab khusus ini mengambil pola-pola non acak sehingga
dapat diidentifikasikan/ditemukan, sebab mereka tidak selalu


33







aktif dalam proses tetapi memiliki pengaruh yang lebih kuat pada
proses sehingga menimbulkan variasi. Dalam konteks
pengendalian prose statiskal menggunakan peta-peta kendali
(control charts), jenis variasi ini 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 of Variation)
adalah faktor-faktor di dalam sistem atau yang melekat pada
proses yang menyebabkan timbulnya variasi dalam sistem serta
hasil-hasilnya. Penyebab umum sering disebut juga penyebab
acak (random causes) atau penyebab sistem (system causes).
Karena penyebab umum ini selalu melekat pada sistem, untuk
menghilangkannya kita harus menelusuri elemen-elemen dalam
sistem itu dan hanya pihak manajemen yang dapat
memperbaikinya, karena pihak manajemenlah yang
mengendalikan sistem itu. Dalam konteks pengendalian proses
statistikal dengan menggunakan peta-peta kendali, jenis variasi
ini sering ditandai dengan titik-titik pengamatan yang berada
dalam batas-batas pengendalian yang didefinisikan.
Peta kontrol merupakan alat ampuh dalam mengendalikan proses,
asalkan penggunaannya dipahami secara benar. Pada dasarnya peta
kontrol dipergunakan untuk:


34







Menentukan apakah suatu proses berada dalam pengendalian
statistikal ? Dengan demikian peta kontrol digunakan untuk
mencapai suatu keadaan terkendali statistikal, dimana semua nilai
rata-rata dan range dari sub-sub kelompok (subgroups) contoh
berada dalam batas-batas pengendalian (control limits), oleh karena
itu variasi penyebab khusus menjadi tidak ada lagi dalam proses.
Memantau proses terus-menerus sepanjang waktu agar proses tetap
stabil secara statistikal dan hanya mengandung variasi penyebab
umum.
Menentukan kemampuan proses (process capability). Setelah
proses berada dalam pengendalian statistikal, batas-batas dari
variasi proses dapat ditentukan.

2.1.5 Pengendalian Proses dan Kapabilitas Proses
Pengendalian proses dalam hal ini artinya apabila proses telah berada
di bawah pengendalian statistical maka perlu menentukan kapabilitas
proses, yang ditentukan dengan menggunakan ukuran indeks kapabilitas
proses (Capability Process) dan indeks performansi Kane (Capability
Process Kane / Cpk) serta memiliki standar deviasi 6.
Berdasarkan Dorothea (1999,p153-155) cara menghitung kapabilitas
proses untuk data variable adalah :
1. Kemampuan proses (Capability Process)
Menentukan Nilai Cp


35







Apabila proses berada dalam batas pengendali statistik
dengan peta pengendali normal dan rata-rata proses terpusat
pada target, maka kemampuan proses dapat dihitung
dengan :


6
L - U
= C
p


Adapun criteria criteria penilaian, sebagai berikut :
Jika nilai Cp > 1.33 maka proses masih baik (capable).
Jika nilai Cp < 1 maka proses tidak baik (not capable).
Jika 1<Cp<1.33 maka proses memerlukan kendali.

1. Kemampuan proses kane (Capability Process Kane / Cpk)
Indeks performansi kane merefleksikan kedekatan nilai rata
rata dari proses dekarang terhadap salah satu batas spesifikasi
atas (USL) atau batas spesifikasi bawah (LSL) rumus yang
digunakan pada Cpk adalah :
} pl pu pk
C , C min{ = C

CPL :
( )
S
LSL X
3

CPU :
( )
S
X USL
3

Dimana : CPL : indeks kapabilitas bawah
CPU : indeks kapabilitas atas



36







Jika nilai Cpk > 1 maka process performance masih baik
(capable).
Jika nilai Cpk < 1 maka process performance tidak baik (not
capable).
2.1.6 Six Sigma
2.1.6.1 Definisi Six Sigma ( The Six Sigma Way (Pande,xi))
Secara statistik, Six Sigma adalah suatu ketentuan yang
mensyaratkan suatu proses beroperasi pada batas toleransi
perekayasaan terdekat adalah paling sedikit 6 dari rata-rata
proses. Dalam persepsi teknis untuk pengendalian proses maka
Six Sigma dapat berarti kepada target kinerja operasi yang diukur
secara statistik dengan hanya 3,4 cacat (defect) untuk setiap satu
juta kejadian atau peluang. Seringkali dinamakan 3,4 DPMO
(Defect Per Million Opportunities) atau 3,4 PPM (Parts Per
Million). Cara lain untuk menentukan Six Sigma adalah sebagai
usaha perubahan budaya agar posisi perusahaan di pasar ada
pada kepuasan pelanggan, profitabilitas dan daya saing yang
lebih besar. Definisi yang terakhir ini lebih disukai oleh mereka
yang memiliki latar belakang manajemen dan ekonomi. Dari
sekian banyak definisi -ukuran, tujuan ataupun perubahan budaya
- yang ada mana yang paling sesuai untuk mendeskripsikan kata
Six Sigma dengan tepat?
Sebenarnya tidak ada satupun dari definisi diatas yang
kurang tepat, atau yang paling tepat sekalipun. Seperti yang telah
dijelaskan pada bagian sebelumnya dari bab ini bahwa Six Sigma
bukanlah suatu program teknis keseluruhan dan juga tidak selalu
menekankan pada statistik. Six Sigma lebih kepada suatu
pendekatan manajemen untuk mencapai tujuannya berupa
kepuasan pelanggan, peningkatan produktivitas, penurunan


37







tingkat produk yang cacat dan secara umum peningkatan kinerja
perusahaan yang dapat dibuktikan dengan laba, penghematan
tahunan, nilai harga saham, market share, employee turnover dan
lain-lain. Akan tetapi metode ini juga memiliki basis yang cukup
kuat pada statistik, terutama jika kita berbicara kepada ukuran
(atau tujuan) yang menjadi indikator awal bagi tercapainya target
kualitas seperti yang diharapkan atau seperti yang dijanjikan oleh
metode tersebut yaitu penurunan tingkat cacat hingga mencapai
3,4 DPMO dengan batas toleransi persyaratan (UCL dan LCL)
mencapai 6 terhadap rata-rata proses.
Dengan pemahaman menyeluruh tentang konsep Six
Sigma sebagai suatu pendekatan manajemen berbasis statistik
yang menekankan pada tujuannya berupa peningkatan kinerja
bisnis serta fokus pada hasil-hasil yang ditargetkan maka dalam
bukunya, The Six Sigma Way, (Peter S Pande82), mendefinisikan
Six Sigma secara luas:
Six Sigma adalah sebuah sistem berupa pendekatan
manajemen yang komprehensif dan fleksibel untuk mencapai,
mempertahankan dan memaksimalkan sukses bisnis, juga Six
Sigma secara unik dikendalikan oleh pemahaman yang kuat
terhadap kebutuhan pelanggan, pemakaian yang disiplin terhadap
fakta, data dan analisis statistik dan perhatian yang cermat untuk
mengelola, memperbaiki dan menanamkan kembali proses bisnis
demi tercapainya tingkat kualitas 6

2.1.6.2 Konsep Six Sigma Secara Statistik
Sigma adalah sebuah unit pengukuran statistik yang
mencerminkan kapabilitas proses. Sigma adalah sebuah cara
untuk menentukan atau bahkan memprediksikan kesalahan atau
cacat dalam proses, baik dalam proses manufaktur atau


38







pengiriman sebuah pelayanan. Jika perusahaan kita sudah
mencapai level 6 sigma berarti dalam proses kita tersebut
mempunyai peluang untuk defect atau melakukan kesalahan
sebanyak 3,4 kali dari 1000000 kemungkinan (ooportunity).
Dari hasil perhitungan yang dilakukan dengan
memperbandingkan nilai sigma, didapatkan perbandingan
sebagai berikut The Six Sigma Way (Pande, 13):
:
Tabel 2.1 Perbandingan Hasil 3.8 Sigma dengan 6 Sigma
Pencapaian Tujuan-Apa yang telah anda dapatkan
Sampel 3,8 Sigma 6 Sigma
Untuk setiap 300.000 surat
yang diantar
3000 salah kirim 1 salah kirim
Melakukan 500.000 kali
melakukan restar komputer
4.100 berbenturan < 2 berbenturan
Untuk 500 tahun dari tutup
buku akhir tahun
60 bulan tidak seimbang 0,018 bulan tidak seimbang
Untuk setiap minggu
penyiaran TV (per channel)
1,68 jam gagal mengudara 1,8 detik gagal mengudara

Proses Six Sigma Motorola berdasarkan pada distribusi
normal yang mengizinkan pergesaran 1.5 sigma dari nilai target.
Konsep Six Sigma menurut Motorola ini berbeda dengan konsep
distribusi normal yang tidak memberikan kelonggaran akan
pergeseran. Nilai pergeseran 1.5 sigma ini diperoleh dari hasil
penelitian Motorola atas proses dan sistem industri, dimana
menurut hasil penelitian bahwa sebagus-bagusnya suatu proses
industri (khususnya mass production) tidak akan 100 persen
berada pada suatu titik nilai target tapi akan ada pergeseran
sebesar rata-rata 1.5 sigma dari nilai tersebut :


39








Gambar 2.1 Pergeseran Tingkat Sigma dalam konsep Six Sigma Motorola

Seperti yang terlihat dalam gambar bahwa rata-rata proses dapat
menyimpang sebesar 1,5 dalam asumsi normalitas. Apabila rata-rata proses
menyimpang sejauh 1,5 ke arah kanan (USL), maka level sigma dari proses akan
sebesar 4,5 dan arah yang berlawanan akan menghasilkan 7,5. Secara umum
apabila proyek Six Sigma dijalankan dengan baik dan konsisten dalam jangka
panjang maka pergeseran 1,5 adalah satu ketentuan yang dapat dimaklumi. Jadi
dalam implementasi jangka panjang yang dimaksud dengan Six Sigma itu
adalah 6 dengan asumsi pergeseran 1,5 pada rata-rata proses dari target yang
telah ditetapkan. Adapun DPMO yang dihasilkan untuk tingkat pengelolaan Six
Sigma ini adalah sebesar 3,4 PPM dan 99,99966 % dari data akan berada dalam
batas toleransi 6 atau Yield sebesar 99,99966 %. Perbandingan antara proses
dengan konsep pure Six Sigma, dimana rata-rata proses adalah tetap, dengan
konsep Six Sigma Motorola, dimana rata-rata proses diasumsikan menyimpang
1,5 dalam jangka panjang adalah seperti dibawah ini:
Tabel 2.2 Level Sigma dan Tingkat DPMO


40







Pengendalian Kualitas Statistik, (Dorothea Wahyu A, 192)

Sigma Quality Mean, fixed Mean, with 1,5 shift
Level Defect Rate (ppm) Defect Rate (ppm)
3 2.700 66.811
4 63,40 6.210
5 0,57 233
6 0,002 3,4

Untuk lebih jelasnya tentang tabel konversi level sigma dan
juga DPMO-nya dapat dilihat dibagian lampiran. Menurut penelitian
di Amerika Serikat, apabila perusahaan serius dalam penerapan
program Six Sigma maka hasil-hasil berikut dapat diperoleh:
1. Terjadi peningkatan 1-sigma dari 3-sigma menjadi 4-sigma
pada tahun pertama.
2. Pada tahun kedua, peningkatan akan terjadi dari 4-sigma
menjadi 4,7 sigma.
3. Pada tahun ketiga, peningkatan akan terjadi dari 4,7 menjadi
5-sigma.
4. Pada tahun keempat, peningkatan terjadi dari 5-sigma
menjadi 5,1-sigma.

5. Pada tahun-tahun selanjutnya, peningkatan rata-rata adalah
0,1-sigma sampai maksimum 0,15-sigma setiap tahun.



41







6. Sebelumnya dikatakan bahwa dibutuhkan waktu rata-rata 8
tahun untuk beralih dari tingkat operasional 4-sigma ke 6-
sigma, yang berarti harus terjadi peningkatan sebesar
6210/3,4 = 1826,471 kali peningkatan selama 8 tahun atau
secara rata-rata sekitar 228,3 kali peningkatan setiap
tahunnya. Suatu peningkatan yang dramatik untuk mencapai
level perusahaan kelas dunia. Peningkatan dari 3-sigma
sampai 4,7-sigma memberikan hasil yang mengikuti kurva
eksponensial (mengikuti deret ukur), sedangkan peningkatan
dari 4,7-sigma sampai 6-sigma mengikuti gerak kurva linear
(mengikuti deret hitung).
2.1.6.3 Enam Tema Penting Six Sigma
Untuk dapat menerapkan metode Six Sigma secara optimal
hal yang perlu diperhatikan adalah mengetahui enam tema kunci
dari (Pande) metode Six Sigma itu sendiri. Enam tema ini sering
juga ditafsirkan sebagai persyaratan utama dalam
mengembangkan metode Six Sigma, enam tema kunci tersebut
ialah :(The Six Sigma Way (Pande, 17-19))

1. Fokus sungguh-sungguh kepada pelanggan (Customer
Focus).
2. Manajemen yang digerakkan oleh data dan fakta
(Management by Fact).
3. Fokus pada Proses, Manajemen dan Perbaikan (Continous
Improvement).


42







4. Manajemen Proaktif (Proactive Management).
5. Kolaborasi tanpa Batas (dari Jack Welch).
6. Dorongan untuk Sempurna, tetapi Toleransi terhadap
Kegagalan.
Adapun keuntungan-keuntungan yang dapat diraih perusahaan
dari penerapan metode Six Sigma ini adalah:( The Six Sigma Way
(Pande, xi)) :
1. Pengurangan biaya produksi akibat inefisiensi produksi.
2. Peningkatan Produktivitas.
3. Pertumbuhan pangsa pasar (Market Share).
4. Retensi/Loyalitas Pelanggan (Customer Loyalty), akibat
kepuasan pelanggan.
5. Pengurangan Waktu Siklus (Reduce Cycle Time).
6. Pengurangan tingkat produk yang cacat (Reduce Defect
Rate).
7. Pengembangan Produk dan Jasa (Product and Service
Development).
8. Meningkatnya pengetahuan dan kesadaran karyawan akan
budaya kualitas.
9. Memberikan sebuah konteks yang baru terhadap alat-alat
yang familiar.
10. Memperkenalkan sebuah model yang baru merupakan dasar
pemikiran yang positif untuk memberikan peluang yang segar


43







bagi banyak orang untuk mempelajari dan mempraktikan
alat-alat tersebut.
11. Menciptakan sebuah pendekatan yang konsisten.
12. Memprioritaskan pelanggan dan pengukuran.
13. Membuat awal yang baik. DMAIC dapat membantu
perusahaan untuk meletakkan Six Sigma sebagai suatu
pendekatan yang sungguh-sungguh berbeda dan lebih baik.
2.1.7 Model Perbaikan DMAIC
Ada beberapa model struktur dalam peningkatan kualitas Six Sigma
Salah satu yang paling banyak dipakai adalah metode DMAIC.
DMAIC merupakan proses untuk peningkatan terus menerus menuju
target Six Sigma. DMAIC dilakukan secara sistematik, berdasarkan ilmu
pengetahuan dan fakta.
2.1.7.1 Define
Define merupakan langkah operasional pertama dalam
program peningkatan kualitas Six Sigma. Langkah-langkah yang
terdapat dalam fase Define antara lain, menentukan atau
mendefinisikan tujuan dari proyek Six Sigma ,membuat gambaran
secara keseluruhan dari perusahaan baik SIPOC Diagram dan Peta
Proses Operasi.
2.1.7.1.1 SIPOC Diagram:( The Six Sigma Way (Pande,179)) :



44







SIPOC adalah singkatan dari Supplier, Inputs, Process,
Output dan Customer. SIPOC adalah sebuah peta proses
yang di dalamnya teridentifikasi siapa pemasoknya, apa
inputnya, bagaimana prosesnya, apa hasilnya dan siapa saja
pemakainya. Langkah-langkah pada pembuatan SIPOC:
Menamakan proses.
Membuat batasan titik awal dan akhir proses
Membuat daftar output dan pelanggan.
Membuat daftar input dan pemasok.
Identifikasi, beri nama dan urutkan langkah-langkah
yang ada dalam proses.
2.1.7.1.2 Peta Proses Operasi

Peta proses operasi(Ergonomi : Studi Gerak dan Waktu
(Sritomo, 131-133)) adalah peta kerja yang mencoba
menggambarkan urutan kerja dengan jalan membagi pekerjaan
tersebut elemen-elemen operasi secara detail. Disini tahapan
proses operasi kerja harus diuraikan secara logis dan sistematik.
Dengan demikian keseluruhan operasi kerja dapat digambarkan
dari awal samapi produk akhir, sehingga analisa perbaikan dari

masing-masing operasi kerja secara individual maupun urutan
secara keseluruhan akan dapat dilakukan. Peta proses operasi ini
akan memberikan daftar elemen-elemen operasi suatu pekerjaan
secara berurutan. Untuk pembuatan peta operasi ini maka ASME
(American Society of Mechanical Engineers) yang dipakai
adalah symbol operasi, inspeksi, gabungan operasi dan inspeksi,


45







dan penyimpanan. Dengan adanya informasi-informasi yang bisa
dicatat melalui peta operasi ini, banyak manfaat yang bisa
diperoleh, yaitu :
Data kebutuhan jenis proses atau mesin yang
diperlukan.
Data kebutuhan bahan baku dengan memperhitungkan
efisiensi pada setiap elemen operasi kerja atau
pemeriksaan.
Pola tata letak fasilitas kerja dan aliran pemindahan
material.
Alternatif-alternatif perbaikan prosedur dan tata cara
kerja yang sering dipakai.
banyaknya peluang dari suatu produk untuk dapat/tidak dapat
memenuhi persyaratan pelanggan dan spesifikasi standar.

2.1.7.2 Measure
Measure merupakan langkah operasional kedua dalam
rangka peningkatan kualitas dalam metode DMAIC. Pada tahap ini
dilakukan pengukuran dan mengenali dan menginventarisasi
karakteristik kualitas kunci kualitas (CTQ).
Tahap pengukuran ini sangat penting peranannya dalam
meningkatkan kualitas, karena dapat diketahui keadaan perusahaan


46







dari data yang ada sehingga menjadi patokan atau dasar untuk
melakukan analisa dan perbaikan.


2.1.7.2.1 Critical to Quality (CTQ)
Critical to Quality The Six Sigma Way (Pande, 28) adalah
persyaratan persyaratan yang dikehendaki oleh
pelanggan. CTQ yang merupakan kualitas yang
ditetapkan harus berhubungan langsung dengan
kebutuhan sepesifik pelanggan, yang diturunkan secara
langsung dari persyaratan-persyaratan output. Kebutuhan
spesifikasi pelanggan harus dapat diterjemahkan secara
tepat kedalam karakteristik kualitas yang ditetapkan oleh
manajemen organisasi. Karakteristik kualitas kunci
adalah kelompok dari ukuran-ukuran persyaratan kualitas
utama yang sangat vital perananya bagi pelanggan.
Karena sangat vital maka informasi CTQ ini seringkali
dikumpulkan dengan menggunakan metode VOC atau
Voice of Customer, yang merupakan cara pengumpulan
data suara pelanggan secara langsung. Sistem
pengumpulan ini dapat









47








dilakukan dengan berbagai cara, termasuk dengan
metode survey atau wawancara langsung. Bentuk dari
CTQ ini biasanya dinyatakan dalam format CTQ Tree
yang merupakan penjabaran dari beberapa karakteristik
kualitas kunci bagi pelanggan yang akan dibahas dan
dipecahkan kasusnya. CTQ ini seringkali diterjemahkan
dalam
2.1.7.2.2 Pengukuran Kinerja Proses
1. Membuat Control Chart Statistical Process Control
(Gaspersz, 108), atau peta kontrol pertama kali diperkenalkan
oleh Dr. Walter Shewhart pada tahun 1924. Dengan maksud
untuk menghilangkan variasi tidak normal melalui pemisahan
variasi yang disebabkan oleh penyebab khusus dari variasi
yang disebabkan oleh penyebab umum. Pada dasarnya peta-
peta kontrol dipergunakan untuk :
a. Apakah suatu proses berada dalam pengendalian
statistical? Dengan demikian peta-peta control
digunakan untuk mencapai suatu keadaan terkendali
secara statistical.
b. Memantau proses terus menerus sepanjang waktu
agar proses tetap stabil secara statistical dan hanya
mengandung variasi penyebab umum.





48








c. Menentukan kemampuan proses. Setelah proses
berada dalam pengendalian statistikal, batas-batas dari
variasi proses dapat ditentukan.

Penggunaan Software Minitab 13
Masukkan data proses dalam tabel



Gambar 2. 2 Tampilan Pengisian Data

1.Clic Stat > Control Chart > P
2.Masukkan produksi dalam variable
3 Masukkan besar ukuran sampel dalam subgroup in


49








Gambar 2. 3 Tampilan Pengolahan Data

5.Klik OK

Gambar 2. 4 Tampilan Hasil Peta kendali p






50







Peta kendali X-bar dan R Statistical Process Control
(Gaspersz, 112)

Digunakan untuk memantau proses yang mempunyai
karakteristik berdimensi kontinu. Peta kontrol X-bar
menjelaskan tentang apakah perubahan-perubahan telah
terjadi adalam ukuran titik pusat atau rata-rata dari suatu
proses. Sedangkan peta kontrol R, yaitu peta yang
menjelaskan tentang apakah perubahan-perubahan telah
terjadi dalam ukuran variasi, dengan demikian berkaitan
dengan dengan perubahan homogenitas produk yang
dihasilkan melalui suatu proses. Berikut adalah rumus untuk
batas kendali X-bar dan R.


Batas kendali X-bar
UCL = X + (A
2
*R )
CL = X
LCL = X - (A
2
*R )
Batas kendali R
UCL = D
4
*R
CL = R
LCL = D
3
*R
Keterangan : A
2
= konstanta dari tabel
D
4
= konstanta dari tabel
D
3
= konstanta dari tabel





51








2. Pengukuran kapabilitas proses saat ini untuk mengetahui seberapa baik
proses dapat memproduksi produk yang bebas dari cacat.
Kapabilitas Proses Berdasarkan Data Variabel(Statistical
Process Control (Gaspersz, 79-81))
Kapabilitas adalah kemampuan dari proses dalam
menghasilkan produk yang memenuhi spesifikasi. Jika proses
memiliki kapabilitas yang baik,proses itu akan menghasilkan
produk yang berada dalam batas-batas spesifikasi ( di antara
batas bawah dan batas atas spesifikasi). Sebaliknya, apabila
proses memiliki kapabilitas yang jelek, proses itu akan
menghasikan banyak produk yang berada di luar batas-batas
spesifikasi, sehingga menimbulkan kerugian karena banyak
produk akan ditolak. Apabila ditemukan banyak produk yang
ditolak atau terdapat banyak scrap, hal itu akan
mengindikasikan bahwa proses produksi memiliki kapabilitas
yang rendah atau jelek. Rumus untuk kapabilitas proses
adalah :
Cp = (USL LSL)/6 ( R / d
2
)
Dimana : Cp = indeks kapabilitas proses
USL = batas spesifikasi atas
LSL = batas spesifikasi bawah
R = rata-rata range
d
2
= konstanta (tabel)
Jika indeks kapabilitas proses lebih besar atau sama dengan
satu (Cp 1), hal ini menunjukkan bahwa proses memiliki


52







kapabilitas yang baik, yang berarti bahwa proses mampu
menghasilkan produk yang berada dalam batas-batas
spesifikasi. Sebaliknya, jika nilai indeks kapabilitas proses
lebih kecil daripada satu (Cp < 1), hal ini menunjukkan
bahwa proses memiliki kapabilitas yang jelek, yang berati
bahwa proses tidak mampu menghasilkan produk yang sesuai
dengan batas-batas spesifikasi.
Cp > 1.33 , maka proses dianggap sangat mampu
(capable)
1 Cp 1.33, maka kapabilitas proses baik, namun
perlu pengendalian ketat apabila Cp mendekati 1
Cp < 1, maka kapabilitas proses rendah, sehingga perlu
ditingkatkan performasinya melalui perbaikan proses
itu.
Biasanya indeks kapabilitas proses (Cp) digunakan
bersamaan dengan indeks performasi. Indeks Performasi
Kane (Cpk), merefleksikan kedekatan nilai rata-rata dari
proses sekarang terhadap salah satu batas spesifikasi atas
(USL) atau batas spesifikasi bawah (LSL). Cpk diduga
berdasarkan formula sebagai berikut :
Cpk = min {Cpl ; Cpu}
Dimana :


53








) /d R ( 3
) X - (USL
= Cpu

) /d R ( 3
LSL) - X (
= Cpl
2
2

Kapabilitas Proses Berdasarkan Data atribut (Statistical
Process Control (Gaspersz, 156))
Untuk mengdapatkan nilai kapabilitas proses untuk data
atribut adalah dengan rumus sebagai berikut :
Cp = 1- p




















54








Dimana : Cp = indeks kapabilitas proses
p = rata-rata proporsi cacat.

Sebagai contoh kapabilitas proses dari perusahaan adalah 1-
0.202 = 0.798 atau sekitar 80 %, hal ini serupa dengan
kemampuan proses menghasilkan prosuk cacat sekitar 20 %.
Dengan demikian apabila pihak managemen ingin
meningkatkan kapabilitas proses menghasilkan prosuk yang
sesuai (tidak cacat) berdasarkan kondisi proses yang stabil
sekarang, maka variasi penyebab umum yang melekat pada
proses itu harus dikurangi.

2.1.7.2.3 Pengukuran Kinerja Produk
2.1.7.2.3.1 Konsep Pengukuran Berbasis Kecacatan (The Six Sigma
Way ( Pande, 235-239))

Pada konsep ini ada dua ukuran yang digunakan, yaitu:
1.Ukuran Defective dan Yield, variabel pengukurannya ialah:
Proportion Defect, merupakan persentase jumlah unit/item
yang memiliki satu atau lebih cacat dibanding dengan total
unit yang diproduksi. Rumusnya ialah
% 100 X
diproduksi yang unit h Jumla
Defective Jumlah
DPU =
Final Yield, atau ditulis Yfinal dihitung sebagai 1 dikurangi
Proportion Defective. Informasi ini memberitahu apakah
pecahan dari unit total yang diproduksi atau dikirim adalah


55








bebas cacat (defect free). Hasil ini biasanya dikalikan
dengan 100 %. Ukuran Yield mengindikasikan ke-efektifan
dari sebuah proses untuk menghasilkan probabilitas produk
yang bebas cacat (defect free).
Ukuran ini seringkali dinyatakan dalam format Rolled
Throughput Yield atau RTY, mengindikasikan yield atau
hasil baik pada tiap-tiap proses yang ada. Rumus RTY
adalah:
RTY = 1- (Jumlah cacat / Input awal) * 100 %.
2. Ukuran-ukuran Defect
Sering disebut Defect per Unit atau DPU. Ukuran ini
merefleksikan jumlah rata-rata dari defect, semua jenis, terhadap
total unit yang dihasilkan. Jika DPU sebesar 1 misalnya, ini
mengindikasikan bahwa setiap unit akan memiliki satu defect,
sekalipun beberapa item mungkin memiliki lebih dari satu defect
dan yang lainnya tidak ada defect. DPU 0,25 menunjukan suatu
probabilitas bahwa satu dari empat unit akan memiliki satu defect.
Rumusnya adalah:

unit total
Defect
Jumlah
Jumlah
DPU =

Tiga ukuran pertama diatas akan membantu mengetahui seberapa
baik atau buruk proses dikerjakan dan bagaimana defect
didistribusikan dalam proses berjalan. Ukuran-ukuran tersebut juga
dapat menjadi indicator dari performansi produk yang dihasilkan.




56









2.1.7.2.3.2 Konsep Pengukuran Berbasis Peluang (The Six Sigma Way
(Pande, 243-246))

Pada konsep ini ada tiga variabel yang dapat digunakan untuk
menghitung dan mengekspresikan ukuran-ukuran berbasis peluang
defect, yaitu:

1. Defect per Opportunity, atau DPO
Variabel ini menunjukan proporsi defect atas jumlah
total peluang dalam sebuah kelompok yang diperiksa.
Sebagai contoh jika DPO sebesar 0,05 berarti peluang
untuk memiliki defect dalam sebuah kategori (CTQ)
adalah 5%. Rumusnya adalah:

Peluang unit x Total
Defective unit Jumlah
= DPO

2. Defect per Million Opportunities atau DPMO
Kebanyakan ukuran-ukuran peluang defect
diterjemahkan ke dalam format DPMO, yang
mengindikasikan berapa banyak defect akan muncul
jika ada satu juta peluang. Dalam lingkungan
pemanufakturan secara khusus, DPMO sering disebut
PPM, singkatan dari parts per million. Rumus
umum untuk menghitung DPMO ialah:

DPMO = DPO x 1.000.000.



57







Ukuran ini seringkali dipakai untuk menentukan
peluang terjadinya cacat pada produk yang diproduksi
dalam satu juta peluang.

3. Sigma Level
Ukuran Sigma atau level sigma adalah variabel paling
penting dalam metode Six Sigma, karena variabel ini
mengindikasikan variabilitas proses dan sampai pada
level berapa sigma proses dikelola. Ukuran ini juga
mengindikasikan apakah proses saat ini sudah efisien
dan berkualitas atau belum.
Untuk mendapatkan skor sigma hal yang dilakukan
adalah kita harus mengetahui DPMO terlebih dahulu
dari hasil tersebut dapat kita konversikan menjadi skor
sigma melalui tabel konversi sigma yang ada pada
lampiran.

4. Menghitung COPQ, konsekuensi dari suatu produk jadi
yang mempunyai kualitas rendah adalah perusahaan
harus rela kehilangan keuntungan. Untuk mereduksi
kehilangan keuntungan ini, maka perusahaan dapat
menjalankan proyek Six Sigma. Semakin tingginya
tingkat sigma yang dicapai, maka tingkat defect dan
tingkat COPQnya dapat menjadi rendah.

2.1.7.3 Analyze
Tahap Analyze merupakan langkah operasional
ketiga dalam program peningkatan kualitas Six Sigma. Pada
tahap ini kita perlu melakukan beberapa hal berikut ini : (1)
Mengidentifikasi jenis-jenis cacat yang terjadi dan


58







membuat prioritas cacat mana yang memiliki kontribusi
dominan terhadap menurunnya kualitas produk secara
keseluruhan. Pada tahap ini alat yang kita gunakan adalah
diagram pareto. (2) Menginventarisasi dan menganalisa
berbagai akar penyebab masalah dari cacat-cacat yang
dominan tersebut, ditinjau dari segi man, machine,
environment, method dan material menggunakan
fishbone.(3) Mencari penyebab yang paling dominan
diantara seluruh daftar akar penyebab masalah diatas.

2.1.7.3.1 Diagram Pareto
Diagram pareto(Statistical Process Control (Gaspersz,
53))adalah grafik batang yang menunjukan masalah
berdasarkan urutan banyaknya kejadian.Masalah yang
paling banyak terjadi ditunjukan oleh grafik batang
pertama yang tertinggi serta ditempatkan pada sisi
paling kiri ,dan seterusnya sampai masalah yang paling
sedikit terjadi ditunjukan oleh grafik batang terakhir
yang terendah serta ditempatkan pada sisi paling kanan
. Pareto diagram membantu manajemen secara cepat
mengidentifikasikan area paling kritis yang
membutuhkan perhatian khusus dan cepat. Dasarnya
Pareto dapat digunakan sebagai alat interpretasi untuk :
Menentukan frekuensi relatif dan urutan
pentingnya penyebab-penyebab dari masalah yang ada.


59







Memfokuskan perhatian pada isu-isu kritis dan
penting melalui pembuatan rangking terhadap
penyebab-penyebab dari masalah itu dalam bentuk yang
signifikan.

Penggunaan Sofware Minitab 13
1) Masukkan data ke dalam tabel


Gambar 2. 8 Tampilan Pengisian Data.
2) Klik Stat > Quality Tools > Pareto Chart
3) Masukkan data yang telah dimasukkan ke dalam dialog box, untuk
jenis cacat kedalam kolom labels in dan angka cacat kedalam
frequencies in.


60









Gambar 2. 9 Tampilan Pengolahan Data


1. Klik OK



Gambar2.10 TampilanPengolahanData

2.1.7.3.2 Diagram Sebab Akibat


61







Diagram Sebab Akibat ( Cause And Effect Diagram )(Statistical
Process Control (Gaspersz, 61))
Diagram sebab akibat adalah suatu diagram yang menunjukkan
hubungan antara sebab dan akibat. Berkaitan dengan pengendalian
proses statistikal, diagram sebab-akibat dipergunakan untuk
menunjukkan faktor-faktor penyebab ( sebab ) dan karakteristik kualitas
( akibat ) yang disebabkan oleh faktor-faktor penyebab itu. Diagram
sebab-akibat ini sering disebut juga sebagai Diagram tulang ikan (
fishbone diagram ) karena bentuknya seperti kerangka ikan, atau
diagram Ishikawa ( Ishikawas diagram ) karena pertama kali
diperkenalkan oleh Prof. Kaoru Ishikawa dari Universitas Tokyo pada
tahun 1953. Pada dasarnya diagram sebab akibat dapat dipergunakan
untuk kebuthan-kebutuhan berikut :
Membantu mengidentifikasi akar penyebab dari suatu masalah.
Membantu membangkitkan ide-ide untuk solusi suatu masalah.
Membantu dalam penyelidikan atau pencarian fakta lebih lanjut.


62







Gambar 3.1. Skema Diagram Tulang Ikan
2.1.7.4 Improve
Fase atau tahap yang keempat dalam Metodologi Six Sigma adalah
tahap Improve. Pada tahap ini usaha-usaha peningkatan kinerja kualitas
produk dan juga proses dimulai dengan cara membuat FMEA (Failure
Mode and Effect Analysis) dan memberikan usulan perbaikan untuk
mengurangi cacat dalam proses.


2.1.7.4.1 Metode FMEA (Failure Mode and Effect Analysis)
FMEA (The Six Sigma Way (Pande, 243-246))atau Analisis
mode kegagalan dan efek adalah Sekumpulan petunjuk,sebuah
proses,dan form untuk mengidentifikasi dan mendahulukan
masalah-masalah potensial (kegagalan).Dengan mendasarkan
aktifitas mereka pada FMEA,seorang manajer,tim
perbaikan,atau pemilik proses,dapat memfokuskan enerji dan
KARAKTERISTIK
KUALITAS
TULANG
BESAR
Tulang Berukuran
Sedang
Tulang kecil
TULANG BELAKANG
TULANG
BESAR
TULANG
BESAR
TULANG
BESAR Tulang kecil
Tulang kecil
Tulang kecil
Tulang Berukuran
Sedang
Tulang Berukuran
Sedang
Tulang Berukuran
Sedang
Tulang kecil
Tulang kecil
Tulang Berukuran
Sedang


63







sumber daya pada pencegahan,monitoring,dan rencana-rencana
tanggapan yang paling mungkin untuk memberikan
hasil.Berasal dari industri-industri berisikotinggi seperti
pesawat terbang dan pertahanan ,FMEA merupakan sebuah
aplikasi yang lebih kuat dati konsep analisis masalah
potensial,. Langkah-langkah dalam membuat FMEA:
1. Mengidentifikasi proses atau produk/jasa.
2. Mendafatarkan masalah-masalah potensial yang dapat muncul,
efek dari masalah-masalah potensial tersebut dan penyebabnya.
Hindarilah masalah-masalah sepele.
3. Menilai masalah untuk keparahan (severity), probabilitas
kejadian (occurrence) 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.
Untuk keterangan lebih lanjut tentang rating occurance, severity and
detectability dapat dilihat pada tabel dibawah ini :








64







Tabel 2.4 Definisi FMEA untuk rating Occurance
Occurance (O)
Keterangan Rating
Adalah tidak mungkin bahwa penyebab ini
yang mengakibatkan mode kegagalan
1
Kemungkinan kecil terjadinya kegagalan 2,3
Kemungkinan terjadinya kegagalan 4,5,6
Kegagalan adalah sangat mungkin terjadi 7,8
Hampir dapat dipastikan bahwa kegagalan akan terjadi 9,10

Tabel 2.5 Definisi FMEA untuk rating Detectability
Detectability (D)
Keterangan Rating
Metode pencegahan atau deteksi sangat efektif. Tidak ada
kesempatan bahwa penyebab mungkin masih muncul atau
terjadi
1
Kemungkinan bahwa penyebab itu adalah rendah 2,3
Kemungkinan penyebab terjadi bersifat moderat. Metode
pencegahan atau deteksi masih memungkinkan kadang-kadang
penyebab itu terjadi
4,5,6
Kemungkinan bahwa penyebab itu terjadi masih tinggi.
Metode pencegahan atau deteksi kurang efektif, karena
penyebab masih berulang kembali
7,8
Kemungkinan bahwa penyebab itu terjadi sangat tinggi.
Metode pencegahan deteksi tidak efektif. Penyebab akan
selalu terjadi kembali
9,10





65











Tabel 2.6 Definisi FMEA untuk rating Severity
Severity (S)
Keterangan Rating
Neglible severity (pengaruh buruk yang dapat diabaikan). Kita tidak
perlu memikirkan bahwa akibat ini akan berdampak pada kinerja
produk. Pengguna akhir mungkin tidak akan memperhatikan kecacatan
atau kegagalan ini.
1
Mild Severity (pengaruh buruk yang ringan/sedikit). Akibat yang
ditimbulkan hanya bersifat ringan. Pengguna akhir tidak akan
merasakan perubahan kinerja. Perbaikan dapat dikerjakan pada saat
pemeliharaan reguler (reguler maintanace)
2,3
Moderate Severity (pengaruh buruk yang moderat). Pengguna akhir
akan merasakan penurunan kinerja atau penampilan, namun masih
berada dalam batas toleransi. Perbaikan yang dilakukan tidak akan
mahal, jika terjadi downtime hanya dalam waktu singkat
4,5,6
High Severity (pengaruh buruk yang tinggi). Pengguna akhir akan
merasakan akibat buruk yang tidak dapat diterima, berada diluar batas
toleransi.
7,8
Potensial Safety Problem (masalah keselamatan / keamanan potensial).
Akibat yang ditimbulkan sangat berbahaya yang dapat terjadi tanpa
pemberitahuan atau peringatan terlebih dahulu.
9,10


66







2.1.7.5 Control
Fase sesudah Improve adalah fase Control. Fase ini merupakan fase
terakhir dalam pemecahan masalah menggunakan metodologi Six Sigma.
Dalam fase ini seluruh usaha-usaha peningkatan yang ada di kendalikan
(simulasi) atau dicapai secara teknis dan seluruh usaha tersebut kemudian
di dokumentasikan dan di sebarluaskan atau di sosialisasikan ke segenap
karyawan perusahaan. Hal yang akan dilakukan dalam fase ini mencakup:
1. Dokumentasi dan Sosialisasi usaha-usaha peningkatan yang
telah dibuat kepada seluruh karyawan dalam berbagai lapisan
manajemen yang ada di perusahaan.
2. Penutupan proyek Six Sigma sebagai suatu metode untuk
memecahkan masalah yang di hadapi perusahaan.
2.1.8 Keuntungan Potensial DMAIC
Disisi lain, terdapat alasan organisasional dan alasan yang masuk akal
mengapa perusahaan dapat mempertimbangkan untuk mengadopsi sebuah
model perbaikan baru sebagai bagian dari usaha Six Sigma, jika perusahaan
tidak memiliki proses pemecahan masalah. Maka DMAIC menawarkan
keuntungan ketimbang lainnya. Keuntungan dari DMAIC yaitu The Six
Sigma Way (Pande, 161) :
1. Membuat awal yang baik. DMAIC dapat membantu perusahaan
untuk meletakkan Six Sigma sebagai suatu pendekatan yang
sungguh-sungguh berbeda dan lebih baik.
2. Memberikan sebuah konteks yang baru terhadap alat-alat yang
familiar. Memperkenalkan sebuah model yang baru merupakan dasar


67







pemikiran yang positif untuk memberikan peluang yang segar bagi
banyak orang untuk mempelajari dan mempraktikan alat-alat
tersebut.
3. Menciptakan sebuah pendekatan yang konsisten.
4. Memprioritaskan pelanggan dan pengukuran.
5. Menawarkan jalur Perbaikan Proses dan juga Perancangan Ulang
Proses untuk perbaikan. DMAIC dapat membantu perusahaan
dalam memperbaiki dan merancang ulang sebuah permasalahan.

2.2 Kerangka Pemikiran

Ada beberapa model perbaikan yang diterapkan pada proses selama bertahun-
tahun, sejak gerakan kualitas dimulai. Sebagian besar dari model tersebut di
dasarkan pada langkah-langkah yang diperkenalkan oleh W.Edwards Deming-
Plan-Do-Check-Act, atau PDCA The Six Sigma Way (Pande, 161) :
Untuk kerangka pemikiran dalam penelitian ini peneliti menggunakan
metodologi perbaikan dalam Six Sigma yaitu DMAIC-Define-Measure-
Analyze-Improve-Control.
Fase-fase tersebut ialah:
1. Fase Define
Define merupakan langkah operasional pertama dalam program
peningkatan kualitas Six Sigma. Langkah-langkah yang terdapat dalam
fase Define antara lain, menentukan atau mendefinisikan tujuan dari
proyek Six Sigma ,membuat gambaran secara keseluruhan dari perusahaan
baik SIPOC Diagram dan Peta Proses Operasi.



68








2. Fase Measure
Measure merupakan langkah operasional kedua dalam rangka
peningkatan kualitas dalam metode DMAIC. Pada tahap ini dilakukan
pengukuran dan mengenali dan menginventarisasi karakteristik kualitas
kunci kualitas (CTQ).
Tahap pengukuran ini sangat penting peranannya dalam
meningkatkan kualitas, karena dapat diketahui keadaan perusahaan dari
data yang ada sehingga menjadi patokan atau dasar untuk melakukan
analisa dan perbaikan. dalam Six Sigma ada dua basis pengukuran yaitu
konsep pengukuran kinerja produk dan konsep pengukuran kinerja proses.

3. Fase Analyze
Tahap Analyze merupakan langkah operasional ketiga dalam program
peningkatan kualitas Six Sigma. Pada tahap ini kita perlu melakukan
beberapa hal berikut ini : (1) Mengidentifikasi jenis-jenis cacat yang
terjadi dan membuat prioritas cacat mana yang memiliki kontribusi
dominan terhadap menurunnya kualitas produk secara keseluruhan. Pada
tahap ini alat yang kita gunakan adalah diagram pareto. (2)
Menginventarisasi dan menganalisa berbagai akar penyebab masalah dari
cacat-cacat yang dominan tersebut, ditinjau dari segi man, machine,
environment, method dan material menggunakan fishbone.(3) Mencari
penyebab yang paling dominan diantara seluruh daftar akar penyebab
masalah diatas



69








4. Fase Improve
Fase atau tahap yang keempat dalam Metodologi Six Sigma adalah
tahap Improve. Pada tahap ini usaha-usaha peningkatan kinerja kualitas
produk dan juga proses dimulai dengan cara membuat FMEA (Failure
Mode and Effect Analysis) dan memberikan usulan perbaikan untuk
mengurangi cacat dalam proses.

5. Fase Control
Fase sesudah Improve adalah fase Control. Fase ini
merupakan fase terakhir dalam pemecahan masalah menggunakan
metodologi Six Sigma. Dalam fase ini seluruh usaha-usaha
peningkatan yang ada di kendalikan (simulasi) atau dicapai secara
teknis dan seluruh usaha tersebut kemudian di dokumentasikan dan
di sebarluaskan atau di sosialisasikan ke segenap karyawan
perusahaan. Hal yang akan dilakukan dalam fase ini mencakup:
Dokumentasi dan Sosialisasi usaha-usaha peningkatan yang
telah dibuat kepada seluruh karyawan dalam berbagai lapisan
manajemen yang ada di perusahaan.
Penutupan proyek Six Sigma sebagai suatu metode untuk
memecahkan masalah yang di hadapi perusahaan.


70