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 = ∑∑

InspeksiCacatUnit

3.Menghitung nilai simpangan baku

Rumus simpangan baku (Sp) :

S p = ( ){ }ni

barp1barp −−−

S p = ( )ni

0282,010282,0 −

Rumus simpangan baku dalam persentase (Sp, %)

S p = ( ){ }ni

barp100barp −−−

S p = ( )

ni0282,01000282,0 −

Dimana ni = jumlah unit yang diinspeksi = jumlah unit yang

diproduks

31

4.Menghitung batas kontrol 3-sigma

nipppLCL

nipppUCL

oduksiJumlahcacatCLp

)1(3

)1(3

Pr

−−=

−+=

ΣΣ

==

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 6σ.

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 :

σ6L-U

=Cp

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 :

}plpupk C,Cmin{=C

CPL : ( )SLSLX

3−

CPU : ( )S

XUSL3−

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 ±6σ 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 ±6σ 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 6σ

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 ±1,5σ dalam asumsi normalitas. Apabila rata-rata proses

menyimpang sejauh 1,5σ ke arah kanan (USL), maka level sigma dari proses akan

sebesar 4,5σ dan arah yang berlawanan akan menghasilkan 7,5σ. Secara umum

apabila proyek Six Sigma dijalankan dengan baik dan konsisten dalam jangka

panjang maka pergeseran 1,5σ adalah satu ketentuan yang dapat dimaklumi. Jadi

dalam implementasi jangka panjang yang dimaksud dengan “Six Sigma” itu

adalah 6σ dengan asumsi pergeseran 1,5σ 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 6σ 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

1,5σ 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 + (A2*R )

CL = X

LCL = X - (A2*R )

Batas kendali R

UCL = D4*R

CL = R

LCL = D3*R

Keterangan : A2 = konstanta dari tabel

D4 = konstanta dari tabel

D3 = 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 / d2)

Dimana : Cp = indeks kapabilitas proses

USL = batas spesifikasi atas

LSL = batas spesifikasi bawah

R = rata-rata range

d2 = 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

)/dR( 3)X-(USL

=Cpu

)/dR( 3LSL)-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 Xdiproduksi yangunit h Jumla

Defective JumlahDPU =

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:

unittotalDefect

JumlahJumlahDPU =

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:

Peluangunit x TotalDefectiveunit 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 ( Ishikawa’s 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

KARAKTERISTIKKUALITAS

TULANGBESAR

Tulang BerukuranSedang

Tulang kecil

TULANG BELAKANG

TULANGBESAR

TULANGBESARTULANG

BESAR Tulang kecil

Tulang kecil

Tulang kecil

Tulang BerukuranSedang

Tulang BerukuranSedang

Tulang BerukuranSedang

Tulang kecil

Tulang kecil

Tulang BerukuranSedang

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