1.

Beberapa Istilah Dalam Konsep Six Sigma

a. Critical To Quality (CTQ)
Critical to Quality (CTQ) adalah atribut yang sangant penting karena berkaitan langsung
adengan kebutuhan dan kepuasan pelanggan. CTQ merupakan element dari suatu produk,
proses atau praktek-praktek yang berdampak pada kepuasan pelanggan.
b. Defect
Defect adalah kegaglan untuk memberikan apa yang diinginkan oleh pelanggan.
c. Defect Per Unit (DPU)
Defect Per Unit (DPU) adalah ukuran mereflesikan jumlah rata-rata dari defect, semua
jenis, terhadap jumlah total unit dari unit yang dijadikan sampel.
d. Defect Per Opportunity (DPO)
Defect Per Opportunities (DPO) menunjukan defect atas jumlah total peluang dalam
sebuah kelompok, sebagai contoh, jika DPO sebesar 0.05 berarti peluang untuk memiliki
sebuah kategori adalah 5 persen.
e. Defect Per million Opportunities (DPMO)
Defect Per million Opportunities (DPMO) adalah ukuran kegagalan dalam program
peningkatn kualitas Six Sigma, yang menunjukan kegagalan per sejuta kesempatan.
Opportunities yang dimaksud dalam DPMO Six Sigma adalah jumlah kesempatan atau potensi
yang dapat mengakibatkan cacat (defect). Misalnya dalam suatu unit produk terdapat 10 daerah
potensi yang dapat mengakibatkan cacat ( 10 karakteristik CTQ), jika kita memproduksi 1000
unit produk, maka akan terdapat 10,000 kesempatan cacat.
f. Process Capability
Process Capability adalah kemampuan proses untuk memperproduksi atau mengerakan output
sesuai ekspetasi dan kebutuhan pelanggan Process Capability yang merupakan suatu ukuran
yang ditetapkan oleh manajemen berdasarkan kebutuhan dan ekspetasi pelanggan

2. Peralatan Six Sigma

2.1 Peta Kendali (Control Chart)
Peta pengendalian menggambarkan perbaikan kualitas. Perbaikan kualitas terjadi pada
dua situasi. Situasi pertama adalah peta kendali dibuat, proses dalam kondisi tidak stabil.
Kondisi yang diluar batas kendali terjadi karena sebab khusus (assingnabel cause), kemudian
dicari tindakan perbaikan sehingga proses stabil, hasilnya adalah adanya perbaikan proses.
situasi kedua berkaitan dengan pengujian. Peta pengendali tepat bagi penggambilan keputusan
karena model akan melihat yang baik dan yang buruk. Peta kendali memang tepat dalam
penyelesaian masalah melalui perbaikan kualitas, walaupun ada kelemahan apabila digunakan
untuk memonitor atau mempertahankan proses.

Grafik pengendali sifat atribut

Karakteristik kualitas yang tidak dapat dinyatakan secara numeric, sesuai klasifikasi dan
tidak sesuai klasifikasi atau cacat dan tidak cacat. Karakteristik kualitas seperti ini dinamakan
sifat atribut. Grafik pengendali sifat yang digunakan dan berhubungan dengan bagian produk
yang tidak sesuai atau cacat yang diproduksi , dinamakan grafik pengendali bagian yang tidak
sesuai atau grafik p . Grafik pengendalian bagian yang tak sesuai merupakan perbandingan
banyak benda tak sesuai dalam suatu populasi dengan banyak benda keseluruhan dalam
populasi itu. Biasanya dinyatakan dalam bentuk pecahan desimal, atau dapat dinyatakan dalam
persen tak sesuai
Pada kondisi jumlah sample konstan dalam setiap pengamatan, maka untuk mengetahui
proporsi kesalahan atau cacat pada sampel atau sub kelompok pada setiap kali melakukan
observasi.
X
P= …………………………………………(2.4)
n
Dimana :
P = bagian tak sesuai
X = banyaknya unit produk tak sesuai
N = total unit produk yang diambil
g g

 Pi
i 1
 Xi
i 1
CLP = P = ……………………………….….……(2.5)
g nx g

(1  )
UCLP =  + 3 …………………………..….…….…..(2.6)
n

(1  )
LCLP =  - 3 …………...…….…………………..…..(2.7)
n
Grafik pengendali p dengan jumlah sample yang berbeda
Jumlah produksi suatu industri tidak selamanya sama setiap hari atau periodenya, akan
tetapi disesuaikan dengan hasil forecast pada periode produksi mendatang atau order. Dalam
penerapan grafik pengendali bagian tak sesuai samplenya adalah 100% pemeriksaan hasil
proses selama periode waktu tertentu, hal ini menyebabkan adanya perbedaan sample pada
setiap periode produksi.
 Pendekatan yang paling sederhana untuk membuat grafik pengendali adalh dengan
menentukan batas pengendali untuk tiap-tiap sampel yang didasarkan pada ukuran sample
tertentu. Jika sample ke1 berukuran n , maka
g g

 Pi
i 1
 Xi
i 1
CLP = P = ………………………………………………………(2.8)…
g nx g

(1  )
batas atas dan bawahnya adalah p ± 3 .....………………………(2.9)
n
dimana :
p = bagian tak sesuai rata-rata
n = jumlah sample untuk masing masing pengamatan

Tabel 2.6. Contoh perhitungan peta p dengan n tidak konstan

Gambar 2.1 peta kendali (Control Chart

Membuat peta kendali p dengan minitab 16
1. Langkah pertama dalam membuat peta control p dalam minitab 16 adalah dengan
memasukan data waktu, jumlah produk serta julmlah produk cacat seperti gambar 2.2 dibawah
ini

Gambar 2.2 Inputan Data2. Selanjutnya klik stat, Control chart, Atribut Chart, lalu pilih peta
kendali P
seperti pada gambar 2.3 dibawah ini

Gambar 2.3 Atribut Chart

3. Masukan jumlah defect sebagai variabel dan jumlah produk sebagai subgroup size seperti
gambar 2.4 dibawah ini
 Gambar 2.4 Menentukan Jumlah Defect

Kemudian klik OK. Dan akan dihasilkan grafik seperti gambar 2.5 dibawah ini

Gambar 2.5 Hasil Control Chart

2.2 Diagram Pareto

Pareto merupakan diagram batang khusus yang membagi satu kelompok berdasarkan
katagori, dan membandingkannya dari yang terbesar hingga terkecil. Diagram ini digunakan
untuk mencari bagian terbesar dari masalah, atau kontributor terbesar dari penyebab
 masalah. Diagram Pareto (gambar 2.6) dapat membantu untuk mengetahui hal atau masalah
yang mana memiliki pengaruh paling besar, sehingga dapat memfokuskan
Proyek atau solusi kepada hal-hal yang paling berpengaruh. Diagram pareto mengacu
kepada hukum 80-20, artinya kebanyakan masalah (80%) dari sedikit penyebab (20%).
Distribusi Pareto adalah salah satu jenis distribusi dimana sifat-sifat yang diobservasi
diurutkan dari yang frekuensinya paling besar hingga terkecil. Pareto diagram adalah
Histogram data yang mengurutkan data dari frekuensinya terbesar hingga terkecil. Bentuk
diagram Pareto tidak berbeda jauh dengan histrogram. Pada sumbu horisontal adalah variable
yang bersifat kualitatif yang menunjukkan

Gambar 2.6 : Diagram Pareto

jenis cacat, sedangkan pada sumbu vertikal adalah jumlah cacat dan persentasecacat. Dalam
diagram pareto jumlah atau persentase cacat diurutkan dari yang terbesar hingga terkecil,
seperti yang diperlihatkan dalam gambar 2.6

2.3 Diagram sebab akibat (fishbone diagram)

Diagram ini merupakan teknik populer, yang disebut juga diagram Ishikawa. Ada banyak
nama lain untuk diagram ini, yaitu diagram fishbone (tulang ikan) yang ditunjukkan pada
gambar 2.7 digunakan untuk menyajikan penyebab suatu masalah secara grafis. Dengan
melakukan Brainstorming terhadap penyebab-penyebab yang mungkin terhadap suatu masalah
(atau afek). Diagram sebab akibat berguna untuk membantu mengumpulkan ide-ide dari tim
mengenai dimana masalah dapat muncul, dan membantu anggota tim untuk memikirkan semua
penyebab yang mungkin. Dengan kata lain, diagram sebab akibat adalah suatu digaram yang
menunjukkan hubungan antara sebab akibat. Diagram sebab akibat dipergunakan untuk
menunjukkan faktor-faktor penyebab dan karakteristik. Kualitas (akibat) yang disebabkan oleh
faktor penyebab itu, pada dasarnya diagram sebab akibat dapat dipergunakan untuk
kebutuhan-kebutuhan berikut :
1. Membantu mengidentifikasi penyebab dari suatu masalah
2. Mencari sebab-sebabnya dan mengambil tindakan korektif
3. Membantu dalam penyelidikan atau pencarian faktor lebih lanjut
4. Menyeleksi metode analisis untuk penyelesaian masalah

Gambar 2.7 : Diagram Fishbone

2.4 Analisa capabilitas proses (Cp)

Capability process (Cp) menurut Vincent Gaspertz, 2001 bahwa kemampuan dari
proses dalam menghasilkan produk yang memenuhi spesifikasi jika proses memiliki capabilty
yang baik, maka proses itu akan menghasilkan produk yang berada dalam batas-batas
spesifikasi (diantara batas bawah dan batas atas spesifikasi). Sebaliknya, apabila proses
memiliki kapabilitas yang jelek, proses itu menghasilkan produk yang diluar batas, sehingga
akan ditolak atau terdapat banyak scrap. Hal ini mengindikasikan proses produksi memiliki
capability yang rendah atau jelek. Pengukuran kapabilitas saat ini untuk mengetahui seberapa
baik proses dapat memproduksi produk tidak cacat.
Untuk mengukur nilai kapabilitas proses data atribut adalah dengan menggunakan
rumus sebagai berikut :
Cp = 1 – p ……………………………………….…………..………….(2.10)
Dimana,
Cp = indeks kapabilitas proses
P = rata-rata proporsi cacat
Sebagai contoh,
bila rata-rata proporsi cacat p = 0,1287:
maka kapabilitas proses, Cp = 1 – 0,1287
= 0,8713
Atau setara dengan 87 % , hal ini berarti kemampuan untuk menghasilkan produk baik sebesar
87%, Atau dengan kata lain produk cacat yang dihasilkan sekitar 13%> Bila ingin menghasilkan
produk naik tanpa cacat, maka harus dilakukan perbaikan diberbagai aspek, , agar variasi
penyebab umum pada prose dilapangn dapat dikurangi.

2.6 Pengujian Statistik (t-test)

Uji-t (t-test) merupakan statistik uji yang sering kali ditemui dalam masalah-masalah
praktis statistika. Uji-t termasuk dalam golongan statistika parametrik. Statistik uji ini digunakan
dalam pengujian hipotesis. Seperti yang telah dibahas dalam tulisan (post) lain di weblog ini, uji-
t digunakan ketika informasi mengenai nilai variance (ragam) populasi tidak diketahui.
Uji-t dapat dibagi menjadi 2, yaitu uji-t yang digunakan untuk pengujian hipotesis 1-
sampel dan uji-t yang digunakan untuk pengujian hipotesis 2-sampel. Bila dihubungkan dengan
kebebasan (independency) sampel yang digunakan (khusus bagi uji-t dengan 2-sampel), maka
uji-t dibagi lagi menjadi 2, yaitu uji-t untuk sampel bebas (independent) dan uji-t untuk sampel
berpasangan (paired).
Dalam lingkup uji-t untuk pengujian hipotesis 2-sampel bebas, maka ada 1 hal yang perlu
mendapat perhatian, yaitu apakah ragam populasi (ingat: ragam populasi, bukan ragam
sampel) diasumsikan homogen (sama) atau tidak. Bila ragam populasi diasumsikan sama,
maka uji-t yang digunakan adalah uji-t dengan asumsi ragam homogen, sedangkan bila ragam
populasi dari 2-sampel tersebut tidak diasumsikan homogen, maka yang lebih tepat adalah
menggunakan uji-t dengan asumsi ragam tidak homogen. Uji-t dengan ragam homogen dan
tidak homogen memiliki rumus hitung yang berbeda. Oleh karena itulah, apabila uji-t hendak
digunakan untuk melakukan pengujian hipotesis terhadap 2-sampel, maka harus dilakukan
pengujian mengenai asumsi kehomogenan ragam populasi terlebih dahulu dengan
menggunakan uji-F.
Untuk pengujian t-tes dipergunakan alat bantu SPSS versi 12.0 dengan rumus statistik
dasar, sebagai berikut :
 …………………………….……(2.11)

Keterangan:
X1 = Rata-rata sampel 1
X2 = Rata-rata sampel 2
S1 = Simpangan baku sampel 1
S2 = Simpangan baku sampel 2
S12 = Varians sampel 1
S22 = Varians sampel 2
r = Korelasi antara 2 sampel
n = jumlah sampel
Pengujian hipotesis dilakukan dengan aturan-aturan atau kaidah sebagai berikut :
Ha : Ada perbedaan
Jika (thitung > ttabel) atau nilai ( Sig. < 0,05)
Ho : Tidak Ada perbedaan
Jika (thitung < ttabel) atau nilai ( Sig. > 0,05)