SMM 67 84
SMM 67 84
BAB V.
PERANGKAT-PERANGKAT MUTU (THE SEVEN TOOLS)
Para ahli mutu memberi berbagai nama untuk tujuh perangkat dasar mutu
berikut, pertama kali dicetuskan oleh Kaoru Ishikawa, profesor teknik di Universitas Tokyo
dan penemu ‗lingkaran mutu. Perjalanan mutu dimulai dengan penguasaan perangkat-
perangkat ini, yang tidak bisa dihilangkan sepanjang pendekatan proses untuk kendali dan
perbaikan mutu. Ketujuh perangkat dasar mutu (The seven basic quality tools ) tersebut
adalah:
Diagram Pareto (Pareto charts): Menunjukkan faktor mana yang lebih signifikan
dalam bentuk grafik batang.
Diagram tersebar (Scatter diagram): Diagram yang terdiri dari sepasang data
numeris, satu variabel di tiap sumbu, untuk melihat hubungan.
Deskripsi
Diagram tulang ikan mengidentifikasi berbagai kemungkinan penyebab sebuah dampak atau
masalah. Diagram ini bisa digunakan untuk menyusun ide-ide dalam sesi curah gagasan.
Diagram ini memisah-misahkan berbagai ide secara langsung dan memasukkannya kedalam
kategoi-kategori yang berguna.
Bahan yang dibutuhkan: papan tulis (whiteboard), spidol. Sepakati masalah (dampak) yang
akan dibahas. Tuliskan di bagian tengah sebelah kanan papan tulis. Gambar sebuah kotak
mengelilinginya dan gambar sebuah
panah horizontal ke arah kotak tersebut.
Lakukan curah gagasan tentang kategori-kategori utama penyebab masalah tersebut. Jika
hal ini sulit dilakukan, gunakan penjudulan yang umum:
Metode
Mesin (perlengkapan)
Orang (kesalahan manusia)
Bahan
Pengukuran
Lingkungan
Tuliskan kategori-kategori penyebab ini sebagai cabang dari panah utama tadi.
sebagai cabang dari kategori yang sesuai. Sebab-sebab ini bisa dituliskan beberapa kali jika
terkait dengan berbagai kategori.
Tanyakan lagi ―Mengapa hal ini terjadi?‖ untuk tiap sebab. Tuliskan sub-sebab sebagai
cabang dari sebab-sebab tadi. Terus tanyakan ―Mengapa?‖ dan perdalam tiap level sebab
yang ada. Jumlah cabang menunjukkan hubungan sebab akibat.
Setelah semua anggota kelompok kehabisan ide, fokuskan perhatian pada tempat di gambar
yang jumlah idenya paling sedikit.
Diagram tulang ikan berikut dibuat oleh sebuah tim produksi yang mencoba
mengetahui sumber kontaminasi besi yang terjadi secara berkala. Tim tersebut
menggunakan keenam penjudulan umum untuk memunculkan ide. Banyaknya cabang
yang muncul menunjukkan pemikiran menyeluruh tentang penyebab masalahnya.
Misalnya, di bawah judul ‗Mesin,‘ ide ‗materi konstruksi‘ menunjukkan empat jenis
perlengkapan dan sejumlah nomor mesin yang spesifik.
Perhatikan bahwa sejumlah ide muncul di dua tempat yang berbeda. ‗Kalibrasi‘
muncul dibawah ‗Metode‘ sebagai faktor prosedur analisis, dan juga muncul di
bawah ‗Pengukuran‘ sebagai penyebab kesalahan laboratorium. ‗Peralatan besi‘
bisa dianggap sebagai masalah ‗Metode‘ saat mengambil sampel atau bisa juga
dianggap sebagai masalah di bidang ‗Manusia‘ jika terkait dengan personil
perawatan peralatan tersebut.
Berbagai jenis diagram kendali bisa digunakan, tergantung pada jenis datanya. Dua
kelompok paling utama adalah diagram kendali untuk data variabel dan data atribut. Data
variabel diukur dengan skala berkelanjutan. Misalnya: waktu, berat, jarak, atau suhu bisa
diukur dalam bentuk pecahan atau desimal. Bisa diukur dengan sangat tepat menjadi
syarat data variabel. Data atribut dihitung dan tidak mungkin memiliki bentuk pecahan
atau desimal. Data atribut muncul saat saudara menentukan hanya keberadaan atau
ketiadaan sesuatu: keberhasilan atau kegagalan, penerimaan atau penolakan, benar
atau tidak benar. Misalnya, sebuah laporan mungkin saja memiliki empat atau lima
kesalahan, tapi tidak mungkin memiliki empat setengah kesalahan.
Diagram variabel
Diagram x dan R (averages and range chart / diagram rata-rata dan rentang) Diagram x
dan s Diagram tersendiri (juga disebut diagram X, diagram X–R, diagram IX-MR, diagram Xm
R, diagram rentang bergerak) moving average–moving range chart (disebut juga MA–MR
chart) target charts (disebut juga difference charts, deviation charts and nominal charts)
CUSUM (disebut juga cumulative sum chart) EWMA (disebut juga exponentially weighted
moving average chart)\ multivariate chart (also called Hotelling T2)
Diagram Atribut
Diagram p (juga disebut proportion chart / diagram proporsi) Diagram np
Diagram c (juga disebut count chart / diagram penghitungan)
Diagram u
Deskripsi
Diagram kendali adalah diagram yang digunakan untuk meneliti proses perubahan dalam
periode waktu tertentu. Data dimasukkan sesuai dengan urutan waktunya. Diagram kendali
selalu memiliki garis tengah untuk nilai rata-rata, garis atas untuk batas teratas kendali dan
garis bawah untuk batas terendah kendali. Garis-garis ini ditentukan dari data historis.
Dengan membandingkan data saat ini dengan garis- garis tersebut, saudara bisa menarik
kesimpulan tentang apakah variasi proses konsisten (dalam kendali) atau tidak bisa
diduga (diluar kendali, dipengaruhi oleh penyebab variasi tertentu). Diagram kendali untuk
data variabel digunakan secara berpasangan. Diagram atas memonitor nilai rata-rata, atau
memusatkan distribusi data dari proses yang diteliti. Diagram bawah memonitor rentang,
atau lebar distribusi. Jika data saudara dimasukkan dalam sasaran praktek, nilai rata-
ratanya adalah titik dimana sasaran tersebut berkelompok, dan rentangnya adalah
seberapa dekat mereka berkelompok. Diagram kendali untuk data atribut digunakan sendiri-
sendiri.
(berada dalam kendali statistik) atau tidak. Saat menganalisis pola-pola variasi proses dari
penyebab khusus (kejadian tidak biasa) atau penyebab umum (penyebab yang memang
ada dalam proses tersebut). Saat menentukan apakah proyek perbaikan mutu harus
diarahkan untuk mencegah masalah tertentu atau diarahkan untuk membuat perubahan
mendasar pada proses tersebut.
Teruskan memasukkan data saat data ersebut muncul. Tiap titik data baru dimasukkan,
periksa apakah ada tanda diluar kendali yang baru. Saat saudara memulai sebuah diagram
kendali yang baru, proses tersebut mungkin diluar kendali. Jika demikian, batas kendali
yang dihitung dari 20 titik pertama adalah batas-atas kondisional. Setelah saudara
memiliki lebih dari 20 titik berurutan dari satu periode waktu yang menunjukkan
bahwa proses tersebut bekerja dalam kendali, hitung ulang batas kendalinya.
5.4 HISTORGRAM
Deskripsi
Distribusi frekuensi menunjukkan seberapa sering tiap nilai berbeda muncul dalam
serangkaian data. Histogram adalah jenis grafik yang paling sering digunakan untuk
menunjukkan distribusi frekuensi. Bentuknya mirip grafik (diagram) batang, namun memiliki
beberapa perbedaan penting.
Penyusunan Histogram
Kumpulkan minimal 50 data berurutan dari sebuah proses. Gunakan lembar kerja histogram
untuk menyusun histogram. Lembar kerja ini akan membantu saudara menentukan jumlah
batang, rentang nilai yang ada dalam tiap batang dan label untuk sudut batang. Setelah
menghitung W dalam langkah kedua di lembar kerja tersebut, gunakan perkiraan saudara
untuk menyesuaikan- nya dengan angka yang tepat. Misalnya, saudara memutuskan
untuk menem- patkan 0,9 dari angka pas 1,0. Nilai W tidak boleh memiliki jumlah desimal
(angka di belakang koma) lebih banyak daripada angka yang akan saudara masukkan. Buat
sumbu x dan y di kertas gambar. Beri tanda dan label sumbu y untuk
Menghitung nilai data. Beri tandadan beri label sumbu x dengan nilai L dari lembar kerja.
Jarak antara kedua angka ini akan jadi tempat batangan-batangan histogram.
Jangan ada celah diantara dua batangan. Untuk tiap titik data, beri tanda satu hitungan
diatas batangan yang tepat dengan tanda silang atau dengan mengarsir bagian batangan
tersebut.
Analisis Histogram
Sebelum menarik kesimpulan dari histogram saudara, yakinkan diri saudara bahwa proses
tersebut bekerja dengan normal selama periode waktu yang diteliti. Jika ada kejadian yang
tidak wajar mempengaruhi proses tersebut selama periode waktu penyusunan histogram,
analisis saudara tentang bentuk histogram mungkin tidak bisa digeneralisasi untuk semua
periode waktu. Analisis makna bentuk histogram saudara .
Normal. Sebuah pola yang umum adalah kurva berbentuk lonceng yang disebut
‗distribusi normal‘. Dalam distribusi normal, titik-titiknya muncul di kedua sisi nilai rata-rata.
Namun, perhatikan apakah distribusi lain terlihat sama dengan distribusi normal atau tidak.
Perhitungan statistik harus digunakan untuk membuktikan sebuah distribusi normal.
Jangan sampai nama ‗normal‘ membuat saudara bingung. Output dari banyak
proses—bahkan mungkin sebagian besar proses—tidak membentuk distribusi normal,
namun hal ini tidak berarti ada yang salah dengan proses-proses tersebut. Misalnya,
banyak proses memiliki batas asal di satu sisi dan akan membentuk distribusi acak.
Hal ini normal—dalam artian biasa—bagi proses tersebut, bahkan meskipun nama
distribusinya bukan ‗normal‘!
Acak. Distribusi acak tidak simetris karena batas asalnya menahan hasil hanya pada
satu sisi saja. Puncak distribusi ini mendekati batas tersebut dan ekornya menjauh dari
pusat tersebut. Misalnya, distribusi analisis sebuah produk yang sangat murni akan
bersifat acak, sebab produk tersebut tidak mungkin 100 persen murni. Contoh lain batas
asal ini adalah lubang yang tidak mungkin lebih kecil dari diameter mata bor atau saat
menjawab telepon yang tidak mungkin kurang dari nol. Distribusi ini disebut distribusi
acak-kanan atau acak-kiri tergantung pada arah ekornya
Dua Puncak atau Bimodal. Distribusi bimodal berbentuk seperti dua punuk unta. Hasil
dari dua proses dengan distribusi berbeda digabungkan dalam satu data. Misalnya,
distribusi data produksi dari dua shift kerja mungkin bersifat bimodal, jika tiap shift
menghasilkan distribusi hasil yang berbeda. Stratifikasi seringkali bisa
mengungkapkan masalah ini.
Plateau. Distribusi plateu mungkin bisa disebut ―distribusi multimodal‖. Sejumlah proses
dengan distribusi normal digabungkan. Karena ada banyak puncak yang saling
berdekatan, bagian atas distribusi tersebut menyerupai plateu (berbukitan).
Terpotong atau Bentuk Jantung. Distribusi terpotong tampak seperti distribusi normal
dengan ujung yang dipotong. Pemasok mungkin menghasilkan distribusi normal berbagai
barang dan kemudian mengandalkan pemeriksaan untuk memisahka barang yang mana
yang sesuai spesifikasi, dan mana yang tidak. Hasil pengiriman kepada konsumen dari
bagian yang sesuai spesifikasi berbentuk seperti jantung.
Makanan Anjing. Ada data yang hilang dari distribusi Makanan Anjing—hasilnya terlalu
dekat dengan nilai rata-rata. Jika konsumen menerima distribusi seperti ini, orang lain
menerima bentuk jantung, dan konsumen tersebut dibiarkan dengan ‗makanan anjing‘,
bagian yang tidak enak dan sisa ditinggalkan setelah majikan selesai makan. Meski yang
diterima oleh konsumen ini masih sesuai spesifikasi, produk tersebut masuk ke dalam dua
kelompok: yang satu dekat dengan batas atas spesifikasi dan yang satu lagi dekat dengan
batas bawah spesifikasi. Variasi ini seringkali menyebabkan masalah dalam proses
konsumen tersebut.
Membuat Histogram
Analisis umlah kekurangan atau kesalahan tiap hari selama seminggu. Mulailah dengan
meneliti kekurangan menggunakan lembar periksa. Lembar periksa menciptakan
histogram dari data yang saudara masukkan.
Diagram Pareto adalah diagram batang. Panjang tiap batangan menggambarkan frekuensi
atau beban (waktu atau uang), dan disusun dengan batang tertinggi di sebelah kiri dan
batang terendah ditempatkan paling kanan. Dengan cara ini, diagram tersebut secara
visual menunjukkan situasi mana yang lebih signifikan.
dan kedua, dan gambar titik diatas batangan kedua yang menunjukkan
jumlah tersebut. Lalu, tambahkan jumlah itu dengan subtotal kategori ketiga, dan
gambar titik diatas batangan ketiga untuk menunjukkan angka tersebut. Lanjutkan
proses ini untuk semua batangan yang ada. Hubungkan semua titik tersebut,
dimulai dari atas batangan pertama. Titik terakhir harus mencapai nilai 100% di skala
sebelah kanan.
Contoh #1
Contoh #2
Deskripsi
Diagram tersebar menggambarkan sepasang data numeris, dengan satu variabel di tiap
sumbu, untuk mengamati hubungan yang ada. Jika variabel- variabel tersebut
berhubungan, titik-titiknya akan ada di sepanjang garis atau kurva. Semakin tinggi korelasi,
semakin dekat pula titik-titik tersebut dengan garis.
terkait disebabkan oleh satu sebab atau tidak. Saat menguji korelasi sebelum menyusun
diagram kendali.
Tim produksi ZZ-400 menduga ada hubungan antara kemurnian produk (persen kemurnian)
dengan jumlah besi (dihitung dalam bagian per juta atau ppm). Kemurnian dan besi
dimasukkan ke dalam diagram tersebar, seperti yang ditunjukkan dalam gambar berikut. Ada
24 titik data. Garis tengahnya digambar sedemikian rupa hingga 12 titik berada di tiap sisi
persen kemurnian dan ppm besi. Untuk menguji hubungan, mereka menghitung:
A = Titik-titik di kiri atas + titik-titik di kanan bawah = 9 + 9 = 18
B = titik-titik di kanan atas + titik-titik di kiri bawah = 3 + 3 = 6
Q = jumlah terkecil dari A dan B = jumlah terkecil dari 18 dan 6 = 6
N = A + B = 18 + 6 = 24
Lalu mereka mencari batas untuk N pada tabel tes tren. Untuk N = 24, batasnya
adalah 6.
Q sama dengan batas. Maka, pola itu mungkin terjadi secara kebetuan dan tidak terbukti
ada hubungan.
Stratifikasi
Deskripsi
Stratifikasi adalah teknik yang digunakan bersama-sama dengan perangkat analisis lain.
Jika data dari berbagai sumber atau kategori dikumpulkan bersama-sama, makna data
tersebut tidak mungkin dilihat. Teknik stratifikasi ini memisahkan data tersebut hingga
polanya bisa dilihat.
Kapan Saat untuk Menggunakan Stratifikasi
Sebelum mengumpulkan data. Jika data berasal dari sejumlah sumber atau kondisi, seperti
berbagai shift, hari -hari dalam seminggu, kelompok pemasok atau masyarakat. Jika analisis
data membutuhkan pemisahan berbagai sumber atau kondisi tersebut.
Prosedur Pelaksanaan Stratifikasi
Sebelum mengumpulkan data, pertimbangkan informasi mana tentang sumber data tersebut
yang mungkin mempengaruhi hasil. Atur pengumpulan data sedemikian rupa hingga
saudara juga bisa sekaligus mengumpulkan informasi. Saat menyusun atau memasukkan
data yang dikumpulkan ke dalam diagram tersebar, diagram kendali, histogram atau
perangkat analisis lain, gunakan berbagai tanda atau warna berbeda untuk membedakan
data yang berasal dari berbagai sumber. Data yang dibedakan dengan cara ini
disebut ‗terstratifikasi‘.Analisis sub rangkaian data-data terstratifikasi secara terpisah.
Misalnya, pada diagram tersebar dimana data distratifikasi menjadi data dari sumber 1 dan
data dari sumber 2, gambar kuadran, hitung titik dan tentukan nilai kritis untuk data dari
sumber 1 dulu, baru lakukan hal yang sama untuk data dari sumber 2.
Contoh Stratifikasi
Tim produksi ZZ-400 membuat diagram tersebar untuk menguji apakah kemurnian produk
dan kontaminasi besi saling terkait atau tidak, namun ternyata diagram ini tidak
menunjukkan adanya hubungan. Kemudian, seorang anggota tim tersebut menyadari bahwa
data yang digunakan tersebut berasal dari tiga reaktor berbeda. Tim itu menggambar
ulang diagram tersebar, menggunakan tiga simbol berbeda untuk membedakan data
dari ketiga reaktor tersebut:
Sekarang pola bisa terlihat. Data dari reaktor 2 dan reaktor 3 memiliki pola melingkar.
Bahkan tanpa melakukan penghitungan apapun, sudah jelas bahwa untuk dua reaktor itu,
tingkat kemurnian turun saat tingkat kontaminasi besi naik. Sementara, untuk reaktor 1 ada
yang berbeda.
Pertimbangan untuk Stratifikasi
Berikut ini adalah contoh berbagai sumber yang mungkin mengharuskan data
distratifikasi:Perlengkapan Shift Departemen Bahan Pemasok Hari dalam seminggu Waktu
dalam sehari ProdukData survei biasanya bisa memanfaatkan stratifikasi. Selalu
pertimbangkan sebelum mengumpulkan data apakah stratifikasi akan dibutuhkan atau tidak
dalam analisisnya nanti. Rencanakan untuk mendapatkan informasi stratifikasi. Setelah data
dikumpulkan, sudah terlambat untuk mulai mencari informasi tersebut. Di diagram yang
saudara buat, masukkan legenda yang menjelaskan tanda atau warna yang digunakan.