BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4.1 Sejarah Perusahaan PT. Indokarlo Perkasa berdiri sejak tanggal 14 Desember 1988, dengan produksi utama adalah spare part berbahan dasar karet untuk industri otomotif maupun industri lainnya termasuk juga karet-karet yang terikat dengan logam. Saat ini PT. Indokarlo Perkasa sudah memenuhi standar-standar kualitas secara profesional yang ditandai dengan memilikinya sertifikat-sertifikat standar kualitas, antara lain adalah ISO 9001 : 2008, ISO/TS 16949 : 2002. Untuk standar keselamatan dan kesehatan kerja, serta keramahan terhadap lingkungan, PT. Indokarlo Perkasa juga telah memiliki sertifikat ISO 14001 : 2004, OHSAS 18001 : 2007. Sedangkan misi dari PT. Indokarlo Perkasa sendiri adalah, “To Be A Reputable Rubber Parts Supplier In Asean Region”, serta mempunyai visi, “World Class Manufacturer Of Automotive Rubber Vibration Insulator And Other Automotive Functional Rubber Parts, Partner Of Choice In Indonesia”. Untuk omset PT. Indokarlo Perkasa sendiri dapat dilihat sebagai berikut :
103
Embed
BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATAthesis.binus.ac.id/doc/Bab4/2011-2-00679 TI Bab 4.pdf · kegagalan –kegagalan di dalam proses bisnis dengan berfokus pada keluaran
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
92
BAB 4
PENGUMPULAN, PENGOLAHAN
DAN ANALISIS DATA
4.1 Sejarah Perusahaan
PT. Indokarlo Perkasa berdiri sejak tanggal 14 Desember 1988, dengan
produksi utama adalah spare part berbahan dasar karet untuk industri otomotif
maupun industri lainnya termasuk juga karet-karet yang terikat dengan logam. Saat
ini PT. Indokarlo Perkasa sudah memenuhi standar-standar kualitas secara
profesional yang ditandai dengan memilikinya sertifikat-sertifikat standar kualitas,
antara lain adalah ISO 9001 : 2008, ISO/TS 16949 : 2002. Untuk standar keselamatan
dan kesehatan kerja, serta keramahan terhadap lingkungan, PT. Indokarlo Perkasa
juga telah memiliki sertifikat ISO 14001 : 2004, OHSAS 18001 : 2007.
Sedangkan misi dari PT. Indokarlo Perkasa sendiri adalah, “To Be A
Reputable Rubber Parts Supplier In Asean Region”, serta mempunyai visi, “World
Class Manufacturer Of Automotive Rubber Vibration Insulator And Other
Automotive Functional Rubber Parts, Partner Of Choice In Indonesia”.
Untuk omset PT. Indokarlo Perkasa sendiri dapat dilihat sebagai berikut :
93
Sumber PT. Indokarlo Perkasa
Grafik 4.1 Profit PT. Indokarlo Perkasa
PT. Indokarlo Perkasa memproduksi original equipment manufacture untuk
beberapa merk ternama, antara lain adalah :
0.4 0.9 1.5 2.2 3.5 5.3 7.5 8.3 11.2 7.4 11.624.7
44.753.9
66.8
103
144.2 146.9
198
282
323
363
0255075
100125150175200225250275300325350375400
Sales Amount (in Rp. Billion)
94
Sumber PT. Indokarlo Perkasa
Gambar 4.1 Customer PT. Indokarlo Perkasa
Selain itu PT. Indokarlo Perkasa juga menyuplai produk – produk yang
dihasilkan ke beberapa pelanggan lainnya, antara lain adalah :
1. Automotive and Component Maker
a. Wire harness & electrical parts
• Stanley Electric Indonesia
• Autocomp System Indonesia
• Nippon Seiki Indonesia
• Mitsuba
• Toyo Denso Indonesia
• Denso Indonesia
95
• EDS Manufacturing Indonesia
b. Shock absorbers
• Kayaba Indonesia
• Showa Mfg Indonesia
c. Seat
• Meiwa Indonesia
• Abadi Barindo Autotech
2. Non-Automotive Industry
• Sanyo Kompresor Indonesia
• Panasonic Manufacturing Indonesia
• Surya Toto Indonesia
• Yanmar
• Dulmison Indonesia
3. After Market
• Astra Komponen Indonesia
• Astra Otoparts
4. Export
− Japan - China
− Malaysia - Germany
− Thailand - Netherland
− Phillipine - New Zaeland
96
− Vietnam - Yemen
− Australia
Susunan kepemimpinan PT. Indokarlo Perkasa dapat dilihat di bawah ini :
Board of commisioners
1. President Commissioner : Siswanto Prawiroatmodjo
2. Commissioner : Darmawan Widjaja
3. President Director : Djangkep Budhi Santoso
4. Director : Rudy Chandra
5. Marketing Department Head : Pandit Indrawirawan
6. Engineering Department Head : Harjanto Purnama
7. Quality Control Department Head : Purwantoro
8. Production & Maintenance Dept. Head : E.S.R Ekowati
9. PPIC Department Head : Endang Purwanti
10. Finance & Accounting Department Head : Yeni Sunarsih
11. Human Resources & GA Dept. Head : Herry Joediono
12. Purchasing Department Head : Gunawan Karnady
Jumlah pekerja (per Agustus 2010) yang ada saat ini di PT. indokarlo Perkasa
adalah 1900 orang dengan expatriate 1 orang. Berikut adalah sejarah perjalanan PT.
Indokarlo Perkasa.
97
Tabel 4.1 Sejarah PT. Indokarlo Perkasa
Year Facts Date
1988 Berdiri dan mulai memproduksi
1996 Memulai export ke Japan Seal, Jepang 11-Sep-96
1997 Memulai export ke Yamato Rubber, Jepang 28-Feb-97
1998 Mendapatkan sertifikat ISO 9002 untuk Quality Management System 10-Feb-98
Memulai export ke Tokai Kogyo, Jepang 8-Jul-98
1999 Mendapatkan sertifikat QS-9000 untuk Quality Management System 19-Oct-99
Memulai export ke ORTEC GMBH, Jerman 5-Aug-99
2000 Mengikuti Automechanika 2000 Exhibition di Frankfurt, Jerman 6 -10 Sep 2000
Mengikuti konfrensi ketiga ASEAN Auto Supporting Industries Exhibition di Jakarta 19 - 20 Jul 2000
2001 Mendapatkan sertifikat ISO 14001 untuk Safety, Health and Environmental Management System 6-Jun-01
2002 Mengikuti Auto China 2002 Exhibition di Beijing, China 6 - 13 Jun 2002
Mengikuti Automechanika 2002 Exhibition di Frankfurt, Jerman 17 - 22 Sep 2002
Mengikuti konfrensi keempat ASEAN Auto Supporting Industries Exhibition di Manila 9 - 10 Jul 2002
2003 Mendapatkan sertifikat OHSAS 18001 untuk Occupational, Safety and Health, & Environmental System 1-Feb-03
Mengikuti Asia Automotive Engineering Exhibition di
7 - 11 Mei 2003
98
Thailand
Memulai export ke Malaysia 1-Apr-03
Mengikuti Australian Automotive Aftermarket Association Trade Show Australia Jun-03
2004 Pindah ke kantor dan pabrik baru di Bogor 2-Aug-04
Technical Assistant Agreement untuk produk keran karet : Teito Rubber LTD, Japan 3-Sep-04
2005 ISO 14001:2004, pembaharuan sertifikat untuk Safety, Health & Environmental Management System 12-Sep-05
Sertifikasi ISO/TS 16949:2002 12-Sep-05
Sumber PT. Indokarlo Perkasa
Beberapa penghargaan yang telah diraih oleh PT. Indokarlo Perkasa :
99
Tabel 4.2 Penghargaan PT. Indokarlo Perkasa
Year Award
1995 The Best 5S dari Honda Federal Inc.
1998 Award for Cost dari Toyota Astra Motor, Indonesia
1999 The Best 5 Subcontractor dari Showa Indonesia Manufacturing
2000 Award for Delivery Target Achievement dari Toyota Astra Motor, Indonesia
Excellence Quality Performance dari Toyota Astra Motor, Indonesia
The Best 5 Subcontractor dari Showa Indonesia Manufacturing
2001 Award for Delivery Target Achievement dari Toyota Astra Motor, Indonesia
The Best Supplier 2001 from Showa Indonesia Manufacturing
Excellence Quality Targer Achievement dari Kayaba Indonesia
2002 Award for Quality & Delivery Target Achievement dari Toyota Astra Motor
2003 Award for Excellence daru Pantja Motor
Award for Zero Defect Achievement dari Toyota Manufacturing Indonesia
2004 The Best Quality 2003 dari Showa Manufacturing Indonesia
Award for Zero Defect Achievement dari Abadi Barindo Autotech
2005 Quality and Delivery Excellence Award dari PT. Pantja Motor
2006 The Best Vendor dari Hicom Honda, Malaysia
Award for 2006 Cost Reduction Target dari Toyota Motor Manufacturing Indonesia
2007 The Best Performance Multisourcing Vendor dari Hicom Honda, Malaysia
Quality Target Appreciation dari Toyota Mfg Indonesia
100
Cost Performance Award dari Toyota Mfg Indonesia
Cost Target Achievement dari Toyota Mfg Indonesia
Delivery Performance dari Hino Motor Mfg Indonesia
Quality Target Achievement dari Akasi Wahana Indonesia
The Best Quality and Delivery Performance dari Astra Daihatsu Motor
2008 Great Support And Contribution To The Success of 2008 Mitsubitshi Vehicle Production in Indonesia dari Krama Yudha Tiga Berlian Motors
The Best Quality Performance 2008 dari Kawasaki
The Great Support and Contribution dari PT. Inti Ganda Perdana Group
Recognition of the Valuable and Continous Support in Quality and Delivery dari PT. Hino Motors Indonesia
Recognition of the Outstanding Contribution in year 2008 dari PT. Toyota Motor Mfg Indonesia
Recognition of the Outstanding Contribution in year 2008 dari PT. Akashi Wahana Indonesia
Supplier Zero Defect Achievement dari PT. Abadi Barindo Autotech
The Best Vendor Performance dari PT. Suzuki Indomobil Motor
2009 The Best Quality Performance 2009 dari Kawasaki
The Best Quality Performance in 2009 dari PT. Toyota Mfg Indonesia
Appreciation for Quality Target Achievement dari PT. Toyota Mfg Indonesia
Appreciation for Urget VA Contribution dari PT. Toyota Mfg Indonesia
Sumber PT. Indokarlo Perkasa
Untuk lokasi PT. Indokarlo Perkasa adalah di Jl. Raya Jakarta Bogor Km. 47
Cibinong 16912, Bogor, Jakarta Barat – Indonesia. Dengan nomor telp 021 875 4966.
101
Sumber PT. Indokarlo Perkasa
Gambar 4.2 Peta Lokasi PT. Indokarlo Perkasa
4.2 Ruang Lingkup Observasi
4.2.1 Six Sigma
Six Sigma merupakan strategi bisnis yang berupaya mengidentifikasi
dan menghilangkan penyebab - penyebab kesalahan atau produk cacat atau
kegagalan –kegagalan di dalam proses bisnis dengan berfokus pada keluaran
yang kritis bagi pelanggan. Six Sigma juga merupakan suatu ukuran kualitas
yang berupaya mengurangi cacat produk dengan menerapkan metode-metode
statistik, dimana cacat di sini dimaksudkan sebagai hal apapun yang
menyebabkan terjadinya ketidakpuasan pelanggan.
Proses six sigma dapat ditentukan dengan rumus Y = f (X1, X2, X3,
…, Xn). Rumus tersebut berarti bahwa nilai Y di pengaruhi oleh fungsi X, Y
102
dalam six sigma ada tujuan penelitian sedangkan X adalah faktor – faktor
yang mempengaruhi Y. Dengan kata lain, kontrol-lah X untuk mengontrol Y.
Dengan berlandasarkan rumus diatas, maka akan dilakukan penerapan six
sigma terhadap proses yang bermasalah terhadap pelanggan dengan metode
DMAIC. DMAIC sendiri terdiri dari 5 tahapan proses yang berlandaskan
rumus = f (X1, X2, X3, …, Xn), yaitu :
1. Define
Langkah ini untuk mendefinisikan rencana-rencana tindakan (action
plans) yang harus dilakukan untuk melaksanakan peningkatan dari setiap
tahap proses bisnis kunci itu, seperti membuat project chapter dan juga grafik
SIPOC. Termasuk dalam langkah definisi ini adalah menetapkan sasaran dari
aktivitas peningkatan kualitas Six Sigma dengan berdasarkan voice of
cutomer (VOC) kemudian critical to quality (CTQ) pun ditentukan dalah
tahap ini.
2. Measure
Terdapat 4 hal penting dalam langkah pengukuran ini, yaitu :
a. Menentukan tujuan penelitian atau yang disebut juga dengan “project
Y.”
b. Melakukan validasi terhadap alat ukur dan sistem pengukuran.
103
c. Melakukan perencanaan pengumpulan data dan kemudian
mengumpulkan data.
d. Menentukan kapabilitas proses yang ada pada saat ini.
3. Analyze
Pada tahap analyze ini akan dilakukan penyaringan dari beberapa
faktor X yang diperkirakan menjadi penyebab terjadinya Y, dari beberapa
faktor X tersebut nantinya akan terpilih salah satu faktor X yang paling
berpengaruh terhadap Y.
4. Improve
Langkah improve akan mencari solusi berlandaskan dari X yang
paling berpengaruh terhadap Y, solusi – solusi yang berkaitan dengan faktor
X tersebut akan di experiment-kan dan kemudian akan terpilih solusi apa yang
paling efektif untuk memperbaiki kinerja faktor X.
5. Control
Pada langkah control akan dilakukan pengontrolan terhadap solusi
yang akan diterapkan sehingga solusi yang telah didapatkan pada tahap
improve tersebut bisa berjalan dengan baik. Tahap control ini juga
menentukan seberapa besar keuntungan yang akan didapatkan dari proses six
sigma ini apabila di impelemtasikan secara terus menerus.
Berdasarkan dari penjelasan diatas berikut di bawah ini adalah hasil
dari penelitian six sigma yang telah dilakukan di PT. IndoKarlo Perkasa.
104
4.2.2 Tahap Define
Tahap pertama dari metode DMAIC adalah tahap define, pada tahap ini akan
dilakukan identifikasi masalah. Agar identifikasi masalah, cakupan penelitian,
anggota proyek, target pencapaian, serta targer waktu penyelesaian terlihat dengan
jelas dan ada hitam di atas putih, maka dibuatlah Project Charter.
Beberapa unsur penting dalam pembuatan project charter, antara lain adalah :
a. Masalah yang akan diselesaikan harus tercantum dengan jelas, agar
penelitian yang berjalan menuju ke arah yang pasti.
b. Target pencapaian yang dituliskan juga harus jelas agar hasil yang dicapai
dapat dipertanggung jawabkan.
c. Anggota tim yang tertera pada project charter harus bertanggung jawab
pada setiap langkah dari proyek ini.
d. Waktu setiap tahap harus tertera dengan jelas agar diselesaikan dengan
tepat waktu.
105
Gambar 4.3 Project Charter Penelitian
Setelah project charter dibuat maka langkah selanjutnya dari tahap define ini
adalah membuat SIPOC (supplier, input, process, output, customer) diagram. Agar
aliran barang dari tangan supplier sampai ke tangan customer dapat terlihat dengan
jelas.
b
A
d
y
I
P
d
u
p
d
Dapa
bahan jadi d
Argatama M
ditetapkan o
yang dimin
Indokarlo Pe
PT. Indokar
sebelumnya
Seda
dapat diliha
ukuran panj
produksi. K
dipotong se
at dilihat de
di tangan cus
Multy Agun
oleh PT. Ind
nta, PT. Ar
erkasa. Yan
lo Perkasa b
. Inilah yang
angkan untuk
at sendiri ba
jang sekitar
Kemudian pip
suai dengan
Diagram 4.
engan jelas
stomer. PT.
g untuk me
dokarlo Perk
rgatama Mu
g menjadi p
banyak yang
g menjadi ma
k proses pro
hwa proses
2.5 meter
pa dipasang
n ukuran yan
1 Diagram S
aliran bahan
Indokarlo P
emotong bes
kasa. Setelah
ulty Agung
permasalahan
tidak sesuai
asalah utama
oduksinya se
yang terjad
menyerupai
ke mesin, s
ng diperluk
SIPOC Prose
n baku dari
Perkasa mem
si sesuai de
h besi terpoto
mengantar
n adalah bes
i dengan uku
a dari diadak
endiri di PT
di tidaklah ru
i pipa, dibaw
setelah itu p
an. Tahap s
es Potong
supplier sa
mberikan ord
engan panjan
ong sesuai d
rkannya kem
si yang diant
uran yang te
kannya proy
. Argatama
umit. Pertam
wa dari gud
ipa dipotong
selanjutnya
1
ampai menja
der kepada P
ng yang tel
dengan ukur
mbali ke P
tar kembali
elah ditetapk
yek ini.
Multy Agun
ma besi dala
dang ke lan
g chamfer d
adalah poto
06
adi
PT.
lah
ran
PT.
ke
kan
ng,
am
ntai
dan
ong
107
chamfer bagian ujung lainnya dari besi tadi di mesin potong finish, setelah itu besi
yang sudah selesai dipotong chamfer dikedua ujungnya diperiksa panjangnya, apakah
sudah sesuai dengan yang diharapkan. Besi-besi yang sudah lulus proses pemeriksaan
siap diantar kembali ke PT. Indokarlo Perkasa. Apabila ada yang tidak lulus proses
pemeriksaan, jika terlalu panjang bisa diproses lagi d potong finishing.
PT. Indokarlo Perkasa adalah customer jika dilihat dari diagram SIPOC
diatas. Dalam penelitian ini diketahui bahwa keinginan dari PT. Indokarlo Perkasa
sekaligus customer adalah menurunkan angka reject yang ada saat ini.
Dari Voice of Customer (VOC) PT. Indokarlo Perkasa tersebut dapat
ditentukan beberapa Critical To Quality (CTQ) atau dengan kata lain aspek yang
paling berpengaruh terhadap kepuasan konsumen, yang dalam penelitian ini
menurunnya angka persentase reject yang mencapai angka 10,34 % pada bulan april.
CTQ yang berpengaruh terhadap penurunan angka reject adalah sbb:
1. ukuran produk yang harus akurat sesuai dengan spesifikasi yang ditentukan
PT. IKP.
2. Jenis produk yang dikirimkan kepada PT. IKP harus sesuai dengan yang
diminta.
3. Visual produk yang dikirimkan kepada PT. IKP harus dalam keadaan visual
yang baik.
108
4.3 Pengumpulan dan Pengolahan Data
4.3.1 Measure
Setelah mendefinisikan sasaran peningkatan dan memetakan informasi kunci
proses, langkah operasional kedua yang dilakukan dalam usaha peningkatan kualitas
proses adalah measure atau pengukuran kinerja proses saat sekarang.
Pada tahap Measure ini dilakukan perhitungan dengan beberapa metode untuk
mengetahui kondisi proses yang ada sehingga bisa menetapkan tujuan perbaikan.
Dari hasil perhitungan tersebut nantinya akan dijadikan acuan untuk melakukan
analisis terhadap permasalahan yang terjadi sehingga akan memberikan usulan
perbaikan bagi perusahaan dengan konsep Six Sigma.
Di bawah ini akan diberitahukan secara singkat langkah – langkah measure
yang akan dilakukan sehingga bisa menetapkan tujuan perbaikan :
a. Menentukan “Project Y”
Mengidentifikasi semua Y yang memungkinan, memprioritaskannya dan
kemudian memilih Y yang akan digunakan untuk menjadi tujuan dari penelitian
ini. Hal ini dilakukan juga untuk memastikan ruang lingkup dari penelitian ini.
b. Measurement System Analysis (MSA)
Metode ini digunakan untuk menvalidasi apakah alat ukur yang digunakan
saat ini bisa dipercaya untuk mengumpulkan data. Tidak hanya alat ukur,
109
inspector yang menggunakan alat ukur tersebut juga akan di ukur, serta sistem
pengukuran yang dilakukan juga ikut diukur, sehingga data yang dikumpulkan
dengan alat ukur oleh inspector dengan sistem pengukurannya tersebut bisa
dipercaya untuk digunakan pada perhitungan selanjutnya.
c. Data Collection Plan
Merencanakan data – data apa saja yang akan dikumpulkan dan berapa
banyak data yang harus dikumpulkan untuk nantinya dilakukan perhitungan pada
tahapan selanjutnya. Perencanaan ini dilakukan agar data yang dikumpulkan tidak
salah dan tidak perlu dilakukan pengumpulan data berulang kali.
d. Data Collection
Mengumpulkan data – data yang akan digunakan untuk perhitungan
selanjutnya berdasarkan dari perencanaan pengumpulan data yang telah
dilakukan. Data yang sudah dikumpulkan juga diproses seperti di cari rata –
ratanya agar bisa digunakan di langkah selanjutnya.
e. Menghitung Kapabilitas Proses
Dari data yang sudah dikumpulkan kemudian dilakukan perhitungan
kapabilitas proses. Pada tahap ini akan dilakukan perhitungan dengan beberapa
metode sehingga kapabiltas proses yang ada saat ini bisa terukur sehingga
110
nantinya pada tahap analyze bisa dianalisa faktor apa yang menyebabkan
terjadinya kapabilitas proses yang ada saat ini.
Dengan langkah - langkah yang akan dilakukan tersebut akan ditemukan
kondisi proses yang ada sekarang sebelum proses identifikasi perbaikan dilakukan.
Untuk melaksanakan langkah – langkah diatas taraf nyata yang akan digunakan
adalah sebesar 95 %. Berikut di bawah ini adalah pelaksaaan dari tahap measure yang
telah direncanakan.
4.3.1.1 Menentukan “Project Y”
Proses memulai metode six sigma dengan berlandaskan rumus Y = f (X1, X2,
X3, …, Xn), maka pada tahap measure ini “Y” harus ditentukan terlebih dahulu agar
tujuan dari penelitian ini jelas. Penentuan Y dalam penelitian ini disebut dengan
project Y, dengan kata lain project Y adalah tujuan dalam penelitian yang sedang
dilakukan saat ini. Project Y ditentukan dari CTQ yang ada yang kemudian di
prioritaskan salah satu CTQ yang akan dipilih menjadi project Y.
Pada tahap define telah ditentukan 3 CTQ, yaitu :
1. Ukuran produk yang sesuai dengan spesifikasi PT. IKP
2. Jenis produk yang dikirimkan sesuai dengan yang telah ditentukan PT.
IKP
111
3. Visual produk yang sesuai dengan spesifikasi PT. IKP
Berikut di bawah ini data yang diperoleh dari PT. IKP dan diagram pareto pada bulan
april 2011 mengenai banyaknya reject yang terjadi dari total populasi sebesar
1168461 unit bushing, beserta jenis rejectnya.
Tabel 4.3 Jumlah Reject pada Bulan April Berdasarkan Jenis Reject
No Jenis Reject Banyak Reject
1 Ukuran produk 73063
2 Visual produk 44798
3 Jenis Produk 2961
4 Lain ‐ lain 86
Total 120908
112
Coun
t
Perc
ent
Jenis RejectCount
0.1Cum % 60.4 97.5 99.9 100.0
73063 44798 2961 86Percent 60.4 37.1 2.4
OtherJenis ProdukVisual produkUkuran produk
120000
100000
80000
60000
40000
20000
0
100
80
60
40
20
0
Diagram Pareto Banyaknya Reject Berdasarkan Jenisnya
Sumber Minitab
Diagram 4.2 Diagram Pareto Banyaknya Reject Berdasarkan Jenis Reject
Pada diagram pareto diatas dapat dilihat bahwa reject yang paling sering
terjadi adalah pada jenis reject ukuran produk yang berjumlah 73063 unit (60.4%)
dari total 120908 unit yang reject pada bulan april, berdasarkan diagram tersebut
maka penelitian ini akan lebih difokuskan kepada jenis reject “ukuran produk” yang
bermasalah. Ukuran dari produk juga ditentukan dari banyak ketentuan, yaitu:
a. Panjang
b. Diameter
c. Chamfer (Kemiringan)
113
d. Ulir (Part tertentu / special cause)
e. Topi (Part tertentu / special cause)
Suatu produk dapat dikatakan mempunyai ukuran yang standard dan bisa
masuk dalam kategori finished good apabila semua ketentuan ukuran diatas berada di
dalam batas spesifikasi. Oleh karena itu dilakukan pengambilan data ketentuan
ukuran manakah yang paling sering menjadi penyumbang dari angka reject “ukuran
produk”. Berikut data yang diperoleh dari hasil penelitian lebih lanjut berserta
diagram pareto.
Tabel 4.4 Banyaknya Reject Berdasarkan Ukuran Produk
No Ukuran Produk Banyak Reject
1 Panjang 29020
2 Chamfer 21676
3 Diameter 15512
4 Ulir 6048
5 Topi 807
Total 73063
114
Coun
t
Perc
ent
Ukuran ProdukCount
21.2 8.3 1.1Cum % 39.7 69.4 90.6 98.9 100.0
29020 21676 15512 6048 807Percent 39.7 29.7
TopiUlirDiameterChamferPanjang
80000
70000
60000
50000
40000
30000
20000
10000
0
100
80
60
40
20
0
Diagram Pareto Banyaknya Reject Berdasarkan Jenis Ukuran Produk
Sumber Minitab
Diagram 4.3 Diagram Pareto Banyaknya Reject Berdasarkan Ukuran Produk
Panjang yang bermasalah atau disebut juga “defect panjang” adalah jenis
ukuran produk yang paling sering bermasalah,yaitu sebesar 29020 unit (39.7 %) dari
total 73063 unit reject yang disebabkan oleh ukuran part. Oleh karena itu penelitian
ini akan lebih difokuskan lagi terhadap defect panjang, sehingga Y dalam proyek ini
adalah mengurangi defect panjang, dengan kata lain Tujuan dari penelitian ini adalah
mengurangi defect panjang. Defect panjang di sini berarti panjang dari part yang
dihasilkan panjangnya melebihi batasan spesifikasi yang telah ditetapkan, baik
terlampau panjang ataupun terlampau pendek.
115
4.3.1.2 Measurement System Analysis (MSA)
Pada tahap measurement system analysis ini dilakukan pengukuran terhadap
kinerja dari alat ukur yang digunakan untuk melakukan pengukuran. Untuk
melakukan measurement system analysis digunakan tools yang disebut “The Gage
R&R study”. “The Gage R&R study” adalah metode yang digunakan untuk
menganalisis suatu sistem pengukuran untuk menentukan jumlah dan jenis variasi
(kesalahan) yang dialami ketika mengukur sesuatu. Untuk melakukan metode ini
dilakukan pengambilan data terhadap 3 orang inspector yang akan melakukan
pengukuran terhadap 5 part yang memiliki ukuran standar 32(3,2 cm), tiap part akan
dilakukan pengukuran dua kali tiap inspector-nya dengan menggunakan alat ukur
yang sama. Berikut di bawah ini adalah data yang telah diambil.
Dari 30 data yang telah diambil di atas, kemudian dilakukan perhitungan
dengan menggunakan “The Gage R&R study” dengan menggunakan software
minitab, berikut adalah hasilnya.
Gage R&R Study - ANOVA Method Gage R&R for Length Gage name: Length Measurement System Analysis Date of study: 03-04-2011 Reported by: Andry Tolerance: 0.2 Misc: 3 inspector with 5 part Two-Way ANOVA Table With Interaction Source DF SS MS F P Part 4 0.0140800 0.0035200 201.143 0.000 Inspector 2 0.0002600 0.0001300 7.429 0.015 Part * Inspector 8 0.0001400 0.0000175 0.477 0.854
117
Repeatability 15 0.0005500 0.0000367 Total 29 0.0150300 Two-Way ANOVA Table Without Interaction Source DF SS MS F P Part 4 0.0140800 0.00352 117.333 0.000 Inspector 2 0.0002600 0.00013 4.333 0.025 Repeatability 23 0.0006900 0.00003 Total 29 0.0150300 Gage R&R %Contribution Source VarComp (of VarComp) Total Gage R&R 0.0000400 6.43 Repeatability 0.0000300 4.83 Reproducibility 0.0000100 1.61 Inspector 0.0000100 1.61 Part-To-Part 0.0005817 93.57 Total Variation 0.0006217 100.00 Study Var %Study Var %Tolerance Source StdDev (SD) (5.15 * SD) (%SV) (SV/Toler) Total Gage R&R 0.0063246 0.032571 25.37 16.29 Repeatability 0.0054772 0.028208 21.97 14.10 Reproducibility 0.0031623 0.016286 12.68 8.14 Inspector 0.0031623 0.016286 12.68 8.14 Part-To-Part 0.0241178 0.124206 96.73 62.10 Total Variation 0.0249332 0.128406 100.00 64.20
Number of Distinct Categories = 5
Bagian yang dilingkari diatas adalah nilai p-value dari part dan inspector. P –
value part dan inspector tersebut bernilai lebih kecil dari 0.05 (α= 0.05) yang berarti
bahwa sumber memberikan kontribusi signifikan terhadap variasi total sebesar 95 %.
Dengan kata lain data yang dikumpulkan bisa dipercaya sampai 95 % untuk
digunakan di perhitungan selanjutnya sehingga hasil perhitungan tersebut pun bisa
dipercaya sampai 95 %.
118
Bagian yang diberikan kotak persegi panjang adalah % study variation total.
% study variation digunakan untuk membandingkan variasi pengukuran terhadap
variasi proses. % study variation adalah ukuran seberapa baik sistem pengukuran
pada kontrol proses. % study variation di atas adalah 25,37 %, berada di 20 % <
25,37 % < 30 %, itu berarti bahwa sistem pengukuran yang dilakukan berada diantara
bisa diterima atau tidak diterima untuk digunakan pada perhitungan proses kontrol.
Dikarenakan beberapa indikator lain dalam metode “The Gage R&R study” ini
menyatakn bahwa sistem pengukuran yang dilakukan sudah baik maka diputuskan
sistem pengukuran yang dilakukan diterima untuk digunakan pada perhitungan proses
kontrol.
Angka yang dilingkari dengan titik – titik diatas adalah % tolerance (% Gage
R&R) total. % tolerance (% Gage R&R) digunakan untuk membandingkan variasi
pengukuran terhadap batas spesifikasi. % tolerance adalah ukuran seberapa baik
suatu sistem pengukuran dapat menentukan apakah suatu produk berada di dalam
atau keluar dari spesifikasi yang telah ditentukan. % tolerance dalam perhitungan kali
ini bernilai 16.29 %. 16.29% < 20 %, itu berarti bahwa sistem pengukuran yang
dilakukan dapat diterima untuk menentukan apakah produk diterima atau ditolak,
dengan kata lain sistem pengukuran yang dilakukan saat ini bisa digunakan untuk
mengukur part yang akan digunakan dalam penelitian ini.
Angka yang diberi tanda segitiga adalah Number of distinct categories.
Number of distinct categories mewakili kelompok angka yang tidak tumpang tindih
119
dalam data proses yang menyatakan bahwa sistem pengukuran yang dilakukan dapat
dipahami. Number of distinct categories yang ada diatas adalah 5, 5 ≥ 4, yang berarti
bahwa sistem pengukuran memiliki yang resolusi cukup, yang berarti juga bahwa
sistem pengukuran yang dilakukan bisa diterima untuk melakukan pengambilan
keputusan terhadap proses kontrol.
Per
cent
Part-to-PartReprodRepeatGage R&R
100
80
60
40
20
0
% Contribution% Study Var% Tolerance
Gage name: Length Measurement Sy stem A naly sisDate of study : 03-04-2011
Reported by : A ndryTolerance: 0.2Misc: 3 inspector w ith 5 part
Components of Variation
Gage R&R (ANOVA) for Length
Sumber Minitab
Diagram 4.4 Histogram MSA
Pada grafik diatas dapat dilihat % contribution, % study variance dan %
tolerance dari Gage R&R, repeatability, reproduceability berada dibawah 30 %, hal
ini menunjukkan bahwa sistem pengukuran yang ada sudah tidak perlu ditingkatkan
120
lagi, baik dari segi operator maupun dari peralatan yang digunakan sudah bagus dan
siap digunakan untuk mengukur part yang akan digunakan dalam penelitian. Sa
mpl
e R
ange 0.02
0.01
0.00
_R=0.00733
UCL=0.02396
LCL=0
adi priyogi asep suhari
Sam
ple
Mea
n
32.26
32.24
32.22
32.20
__X=32.207
UCL=32.22079
LCL=32.19321
adi priyogi asep suhari
Gage name: Length Measurement Sy stem A naly sisDate of study : 03-04-2011
Reported by : A ndryTolerance: 0.2Misc: 3 inspector w ith 5 part
R Chart by Inspector
Xbar Chart by Inspector
Gage R&R (ANOVA) for Length
Sumber Minitab
Grafik 4.2 Grafik X-bar dan R Perhitungan MSA
Pada grafik X bar semakin banyak titik yang melewati batas spesifikasi (UCL
dan LCL), maka semakin menunjukkan bahwa inspector dapat secara konsisten
membedakan antara part yang 1 dengan part lainnya yang akan di ukur. Pada grafik
di atas tiap inspector rata – rata ada 2 titik dari 5 titik yang berada di luar batas
spesifikasi, inspector cukup konsisten membedakan antara part yang 1 dengan part
lainnya.
121
Pada grafik R sebaiknya titik –titik berada dalam batas spesifikasi (UCL dan
LCL). Hal ini berarti bahwa tidak ada nilai yang luar biasa atau sangat berbeda antara
percobaan pengukuran. Dari grafik di atas menungjukkan semua titik berada dalam
batas spesifikasi, berarti tidak ada nilai yang luar biasa . Dan inspector asep
melakukan yang paling banyak pengulangan dari 2 inspector lainnya, jika dilihat dari
grafik di atas.
Part54321
32.26
32.24
32.22
32.20
Gage name: Length Measurement Sy stem A naly sisDate of study : 03-04-2011
Reported by : A ndryTolerance: 0.2Misc: 3 inspector w ith 5 part
Length by Part
Gage R&R (ANOVA) for Length
Sumber Minitab
Grafik 4.3 Grafik MSA Panjang Bushing Berdasarkan Part (Busing)
Grafik di atas adalah grafik panjang part berdasarkan dari tiap part yang
diukur. Garis – garis tersebut dihubungkan melalui nilai rata –rata dari tiap part.
122
Penyebaran tiap part hamper sama semua, dan penyebaran data yang paling luas
adalah pada part 4. Hal ini berarti pada part 4 variasi pengukuran cukup besar.
Inspectorsuhariasepadi priyogi
32.26
32.24
32.22
32.20
Gage name: Length Measurement Sy stem A naly sisDate of study : 03-04-2011
Reported by : A ndryTolerance: 0.2Misc: 3 inspector w ith 5 part
Length by Inspector
Gage R&R (ANOVA) for Length
Sumber Minitab
Grafik 4.4 Grafik MSA Panjang Bushing Berdasarkan Inspector
Grafik di atas adalah grafik panjang part berdasarkan dari tiap inspector yang
mengukur. Rata – rata dari hasil pengukuran adi priyogi dan suhari hamper sama, rata
– rata hasil pengukuran asep lah yang paling besar. Penyebaran data asep lah yang
paling besar, sementara adi priyogi dan suhari memiliki penyebaran data yang
relative sama, dengan kata lain varian data asep lah yang paling besar.
123
Part
Ave
rage
54321
32.26
32.24
32.22
32.20
Inspectoradi priyogiasepsuhari
Gage name: Length Measurement Sy stem A naly sisDate of study : 03-04-2011
Reported by : A ndryTolerance: 0.2Misc: 3 inspector w ith 5 part
Inspector * Part Interaction
Gage R&R (ANOVA) for Length
Sumber Minitab
Grafik 4.5 Grafik MSA Produk Bushing berdasarkan Interaksi Part dengan Inspector
Grafik interaction ini secara grafis menampilkan seberapa baik inspector
sesuai dengan setiap part yang di ukur. Terlihat bahwa interaksi mereka kurang baik
terhadap part yang mereka ukur, adi priyogi cenderung mengukur dengan hasil ukur
yang lebih pendek di banding yang lain, dan asep mengukur dengan hasil ukur yang
lebih tinggi disbanding dengan yang lain. Hal inilah yang mengakibatkan interaksi
mereka kurang baik. Interaksi antara inspector dengan part tidak berkontribusi secara
signifikan terhadap variasi pengukuran.
124
Dari seluruh hasil yang didapatkan dari minitab baik session maupun
grafiknya, dapat disimpulkan bahwa alat ukur, serta orang yang mengukur (inspector)
dan juga cara pengukuran yang dilakukan sudah baik dan bisa di terapkan dan
dilakukan untuk melakukan pengukuran terhadap part yang akan digunakan untuk
penelitian ini.
4.3.1.3 Data Collection Plan
Data yang akan diambil akan digunakan untuk perhitungan lebih lanjut
sampai ke bagian analyze yang akan mencari tahu penyebab dari terjadinya defect
panjang, sehingga perencanaan pengambilan data ini harus direncanakan agar
mengetahui data apa saja yang harus diambil dan seberapa banyak data yang
diperlukan untuk melakukan perhitungan – perhitungan. Perencanaan pengambilan
data juga perlu dilakukan agar data yang diambil tidak asal – asalan atau tidak
memenuhi spesifikasi yang diinginkan yang mengakibatkan data harus diambil ulang
dan menghabiskan banyak waktu. Perencanaan pengambilan data akan dilakukan
dengan 2 metode, yakni :
a. Uji Kecukupan Data
Uji ini dilakukan untuk mengeyahui banyaknya sampel yang
diperlukan untuk mewakili suatu karakteristik dari keseluruhan suatu
125
populasi. Dalam penelitian ini akan digunakan rumus Slovin karena ukuran
populasi yang akan diambil sampelnya diketahui jumlahnya.
n = .
; Di mana, N = Jumlah Populasi
N selama 4 hari = 4 hari x 13 mesin x 2 shift x 4000 unit/mesin/shift
N selama 4 hari = 416000 unit populasi yang dihasilkan selama 4 hari.
Ket :
− pengambilan sampel dilakukan selama 4 hari = 4 hari
− jumlah mesin yang digunakan untuk proses produksi = 13
mesin
− shift yang digunakan untuk proses produksi = 2 shift
− Kapasitas produksi = 4000 unit/mesin/shift.
n = . .
n = 399.62 = 400 sampel minimal yang harus di ambil dari bagian
produksi.
b. Fishbone Diagram
Diagram ini digunakan untuk mencari tahu penyebab - penyebab yang
diperkirakan menjadi penyebab dari terjadinya defect panjang. Dari penyebab
– penyebab defect panjang tersebutlah bisa diperkirakan data apa saja yang
126
akan diambil sehingga bisa digunakan untuk perhitungan selanjutnya yang
mencaritahu penyebab sebenarnya dari defect panjang.
Diagram 4.5 Diagram Fishbone Defect Panjang
Dari diagram Fishbone di atas dapat dilihat penyebab – penyebab dari
Data – data tersebut kemudian dimasukkan ke dalam minitab dan berikut di
bawah ini adalah hasilnya:
potong1
Perc
ent
2.01.51.00.50.0
99.99
99
95
80
50
20
5
1
0.01
Mean
<0.005
0.4485StDev 0.2135N 2650AD 11.985P-Value
Probability Plot of potong1Normal
Sumber Minitab
Grafik 4.6 Sebaran Distribusi Normal Proses Potong 1
145
potong2
Perc
ent
1.51.00.50.0-0.5
99.99
99
95
80
50
20
5
1
0.01
Mean
<0.005
0.1657StDev 0.2220N 2240AD 280.302P-Value
Probability Plot of potong2Normal
Sumber Minitab
Grafik 4.7 Sebaran Distribusi Normal Proses Potong 2
Data – data yang dikumpulkan bisa dikatakan normal apabila p-value dari
data tersebut lebih kecil dari 0.05 (α = 0.05). Dari grafik minitab di atas dapat dilihat
nilai P value dari proses potong 1 dan proses potong 2 menunjukkan lebih kecil dari
0.05, ini berarti data yang dikumpulkan dari proses potong 1 dan proses potong 2
sudah berdistribusi normal sehingga bisa dilanjutkan untuk perhitungan nilai Zst
(short term) dan Zlt (long term).
Dari data yang sudah normal kemudian dilakukan perhitungan nilai Zst dan
Zlt dengan menggunakan software minitab untuk mengetahui nilai kapabilitas proses
146
yang ada saat ini, baik secara proses maupun teknologi. Zst adalah suatu ukuran dari
kapabilitas teknologi proses tersebut, sedangkan Zlt adalah ukuran dari teknologi dan
kontrol proses tersebut. Setelah Zst dan Zlt didapatkan, selanjutnya adalah mencari
nilai Zshift. Zshift berguna untuk menyatakan kemampuan untuk mengontrol
teknologi. Cara mencari Zshift adalah dengan rumus, Zshift = Zst – Zlt.
1.751.501.251.000.750.500.250.00
LSLTarget USLProcess Data
Sample N 2650StDev (Within) 0.144083StDev (O v erall) 0.213547
LSL 0Target 0USL 0.5Sample Mean 0.448472
Potential (Within) C apability
C C pk 0.00
O v erall C apability
Z.Bench 0.20Z.LSL 2.10Z.USL 0.24Ppk
Z.Bench
0.08C pm 0.00
0.36Z.LSL 3.11Z.USL 0.36C pk 0.12
O bserv ed PerformancePPM < LSL 0.00PPM > USL 379622.64PPM Total 379622.64
Exp. Within PerformancePPM < LSL 927.28PPM > USL 360310.65PPM Total 361237.93
Exp. O v erall PerformancePPM < LSL 17859.75PPM > USL 404662.44PPM Total 422522.18
WithinOverall
Process Capability of potong1
Sumber Minitab
Grafik 4.8 Kapabilitas Proses Potong 1
Dari grafik minitab kapabilitas proses potong 1 diatas didapatkan hasil :
• Zst = 0.36
• Zlt = 0.20
147
• Zshift = Zst – Zlt = 0.36 - 0.20 = 0.16
1.251.000.750.500.250.00-0.25
LSLTarget USLProcess Data
Sample N 2240StDev (Within) 0.0869226StDev (O v erall) 0.22202
LSL 0Target 0USL 0.2Sample Mean 0.165683
Potential (Within) C apability
C C pk 0.00
O v erall C apability
Z.Bench -0.43Z.LSL 0.75Z.USL 0.15Ppk
Z.Bench
0.05C pm 0.00
0.32Z.LSL 1.91Z.USL 0.39C pk 0.13
O bserv ed PerformancePPM < LSL 0.00PPM > USL 178125.00PPM Total 178125.00
Exp. Within PerformancePPM < LSL 28318.72PPM > USL 346495.59PPM Total 374814.31
Exp. O v erall PerformancePPM < LSL 227757.82PPM > USL 438581.47PPM Total 666339.29
WithinOverall
Process Capability of potong2
Sumber Minitab
Grafik 4.9 Kapabilitas Proses Potong 2
Dari grafik minitab kapabilitas proses potong 2 diatas didapatkan hasil :
• Zst = 0.32
• Zlt = -0.43
• Zshift = Zst – Zlt = 0.32 – (-0.43) = 0.75
Dari nilai Zst dan Zshift yang ada kemudian dimasukan ke dalam four block
diagram untuk mengetahui proses yang ada berada dalam “control” dan “technology”
148
yang baik atau buruk. Pada four block diagram terdapat 4 area,yakni area A, area B,
area C dan area D. Tiap area ini memiliki arti yang berbeda – beda, yaitu :
a. Area A menyatakan bahwa kontrol terhadap proses kurang dan juga
teknologi yang ada yang berguna untuk menyokong proses tidaklah
cukup.
b. Area B menyatakan bahwa proses yang ada harus lebih dikontrol dengan
baik dan teknologi yang ada saat ini sudah cukup baik.
c. Area C menyatakan bahwa kontrol terhadap proses yang ada saat ini
sudah baik akan tetapi teknologi yang ada masih tidak mencukupi.
d. Area D menyatakan proses dan teknologi yang ada masuk dalam kategori
“world class.”
149
A
D
B
C
1 2 3 4 5 6
1.5
1.0
0.5
2.0
2.5CO
NTRO
Lpoor
good
Zshif t
ZSTgoodpoor
TECHNOLOGY
Diagram 4.6 Four Block Diagram Potong 1
Titik yang menyatakan kapabilitas dari proses potong 1 berada di area C yang
berarti bahwa proses control yang ada saat ini sudah cukup baik, tetapi teknologi
yang digunakan saat ini masih kurang memadai.
150
A
D
B
C
1 2 3 4 5 6
1.5
1.0
0.5
2.0
2.5CO
NTRO
L
poor
good
Zshif t
ZSTgoodpoor
TECHNOLOGY Diagram 4.7 Four Block Diagram Potong 2
Titik yang menyatakan kapabilitas dari proses potong 2 berada di area C yang
berarti bahwa proses control yang ada saat ini sudah cukup baik, tetapi teknologi
yang digunakan saat ini masih kurang memadai.
Dari grafik di atas dapat disimpulkan bahwa kondisi yang ada saat ini
memiliki kekurangan di bagian teknologi. Setelah mengetahui kondisi yang ada saat
ini, maka pada tahap selanjutnya atau tahap analyze akan dilakukan perhitungan
untuk mencari tahu penyebab apa yang sebenarnya menyebabkan terjadinya defect
panjang. Sehingga nantinya bisa diperbaiki dan nilai Zst diharapkan bisa naik. Karena
nilai Zst juga menyatakan niali sigma yang ada saat ini.
151
4.4 Analisa Data
4.4.1 Analyze
Dengan berlandaskan rumus Y = f (X1, X2, X3, …, Xn), pada tahap analyze
ini akan dilakukan perhitungan dari data – data yang ada berdasarkan X (fakor –
faktor yang mempengaruhi Y) yang memungkinkan untuk mencari tahu faktor
apakah yang paling berpengaruh terhadap Y (mengurangi defect panjang), sehingga
pada tahap improve bisa di fokuskan terhadap X tersebut. Proses perhitungan diatas
disebut juga dengan proses screening atau proses penyaringan dari beberapa X
kemudian disaring sehingga tersaring X yang paling berpengaruh terhadap Y.
Perhitungan yang akan dilakukan adalah T distribution dengan 2 sample T–
test melalui software minitab, data yang ada akan dimasukan ke dalam minitab dan
kemudian dilihat apabila P value-nya lebih besar dari 0.05 (α = 0.05), jika lebih besar
maka dinyatakan X tersebut tidak menjadi faktor penyebab dari Y. Perhitungan
dilakukan dengan memisahkan dua proses yang ada antara proses potong 1 dengan
proses potong 2. Adapun X yang memungkinkan berpengaruh terhadap Y adalah :
• X1 = Shift
• X2 = Machine
• X3 = Man Power
• X4 = Tools
152
Untuk melakukan perhitungan 2 sampel T-test harus dilakukan pengambilan
data berdasarkan X yang telah ditentukan. Data yang diambil adalah data yang
mempunyai dua kondisi yang hampir sama dimana hanya X yang ditentukanlah yang
berbeda. Berikut adalah perhitungannya. Dari data tersebut kemudian diproses di
minitab dan menghasilkan nilai p-value yang bisa digunakan untuk mengambil
keputusan X mana yang paling berpengaruh terhadap Y dan juga boxplot diagram
yang bisa digunakan untuk membandingkan mean antar data yang pertama dengan
data kedua.
4.4.1.1 Proses Potong 1
a. X1 = Shift
Tabel 4.17 Data Proses Potong 1; X1= Shift
X 1 2
Machine T. 04 T. 04
Operator Ipit S. Ipit S.
Shift 1 2
Tools M42 M42
153
No Shift 1 Shift 2
1 0.28 0.44
2 0.40 0.45
3 0.40 0.45
4 0.18 0.09
5 0.47 0.18
6 0.48 0.41
7 0.39 0.39
8 0.38 0.31
9 0.42 0.32
10 0.36 0.04
11 0.31 0.44
12 0.26 0.46
13 0.27 0.46
14 0.30 0.45
15 0.33 0.02
16 0.43 0.37
17 0.44 0.38
18 0.33 0.31
19 0.43 0.36
20 0.48 0.31
21 0.46 0.27
22 0.38 0.41
23 0.29 0.23
24 0.45 0.41
25 0.40 0.31 Sumber PT. Indokarlo Perkasa
154
Two-Sample T-Test and CI: Shift 1, Shift 2
N Mean StDev SE Mean
Shift 1 25 0.3728 0.0793 0.016
Shift 2 25 0.331 0.130 0.026
Difference = mu (Shift 1) - mu (Shift 2)
Estimate for difference: 0.042000
95% CI for difference: (-0.019545, 0.103545)
T-Test of difference = 0 (vs not =): T-Value = 1.38 P-Value = 0.175 DF = 39
Boxplot of Shift 1, Shift 2
Dat
a
Shift 2Shift 1
0.5
0.4
0.3
0.2
0.1
0.0
Boxplot of Shift 1, Shift 2
Sumber Minitab Grafik 4.10 Boxplot T-test Potong 1 ; X1 = Shift
155
b. X2 = Machine
Tabel 4.18 Data Proses Potong 1; X2 = Machine
X 1 2
Machine T. 01 T. 02
Operator Puji Puji
Shift 2 2
Tools M42 M42
No
Mesin
1
Mesin
2
1 0.45 0.47
2 0.38 0.55
3 0.41 0.33
4 0.29 0.60
5 0.40 0.51
6 0.15 0.62
7 0.48 0.57
8 0.36 0.52
9 0.41 0.44
10 0.37 0.50
11 0.47 0.44
12 0.40 0.58
13 0.50 0.56
14 0.49 0.46
15 0.43 0.45
16 0.37 0.54
17 0.43 0.47
156
18 0.47 0.53
19 0.47 0.49
20 0.45 0.45
21 0.41 0.47
22 0.44 0.47
23 0.37 0.47
24 0.42 0.54
25 0.47 0.31 Sumber PT. Indokarlo Perkasa
Two-Sample T-Test and CI: Mesin 1, Mesin 2
N Mean StDev SE Mean
Mesin 1 25 0.4116 0.0734 0.015
Mesin 2 25 0.4936 0.0733 0.015
Difference = mu (Mesin 1) - mu (Mesin 2)
Estimate for difference: -0.082000
95% CI for difference: (-0.123709, -0.040291)
T-Test of difference = 0 (vs not =): T-Value = -3.96 P-Value = 0.000 DF = 47
Boxplot of Mesin 1, Mesin 2
157
Dat
a
Mesin 2Mesin 1
0.6
0.5
0.4
0.3
0.2
0.1
Boxplot of Mesin 1, Mesin 2
Sumber Minitab Grafik 4.11 Boxplot T-test Potong 1 ; X2 = Machine
c. X3 = Man Power
Tabel 4.19 Data Proses Potong 1; X3 = Man Power
X 1 2
Machine T. 04 T. 04
Operator Ipit S. Purwoto
Shift 1 1
Tools M35 M35
158
No Ipit S. Purwoto
1 0.52 0.42
2 0.33 0.42
3 0.47 0.43
4 0.40 0.42
5 0.17 0.43
6 0.46 0.36
7 0.27 0.46
8 0.31 0.37
9 0.30 0.39
10 0.41 0.28
11 0.56 0.59
12 0.38 0.59
13 0.38 0.26
14 0.53 0.28
15 0.32 0.31
16 0.51 0.33
17 0.37 0.25
18 0.39 0.46
19 0.40 0.37
20 0.38 0.45
21 0.47 0.56
22 0.42 0.54
23 0.47 0.45
24 0.57 0.46
25 0.41 0.46 Sumber PT. Indokarlo Perkasa
159
Two-Sample T-Test and CI: Ipit S., Purwoto
N Mean StDev SE Mean
Ipit S. 25 0.4080 0.0950 0.019
Purwoto 25 0.4136 0.0963 0.019
Difference = mu (Ipit S.) - mu (Purwoto)
Estimate for difference: -0.005600
95% CI for difference: (-0.060027, 0.048827)
T-Test of difference = 0 (vs not =): T-Value = -0.21 P-Value = 0.837 DF = 47
Boxplot of Ipit S., Purwoto
Dat
a
PurwotoIpit S.
0.6
0.5
0.4
0.3
0.2
Boxplot of Ipit S., Purwoto
Sumber Minitab Grafik 4.12 Boxplot T-test Potong 1 ; X3 = Man Power
160
d. X4 = Tools
Tabel 4.20 Data Proses Potong 1; X4 = Tools
X 1 2
Machine T. 03 T. 03
Operator Budiyana Budiyana
Shift 2 2
Tools M35 M42
No Tools M35 Tools M42
1 0.03 0.03
2 0.04 0.02
3 0.03 0.04
4 0.04 0.02
5 0.07 0.04
6 0.03 0.05
7 0.06 0.05
8 0.08 0.04
9 0.02 0.05
10 0.03 0.02
11 0.04 0.02
12 0.02 0.04
13 0.03 0.05
14 0.06 0.03
15 0.05 0.05
16 0.03 0.02
17 0.05 0.05
18 0.06 0.05
161
19 0.03 0.07
20 0.02 0.04
21 0.04 0.06
22 0.04 0.01
23 0.02 0.04
24 0.04 0.06
25 0.03 0.03 Sumber PT. Indokarlo Perkasa
Two-Sample T-Test and CI: Tools M35, Tools M42
N Mean StDev SE Mean
Tools M35 25 0.0396 0.0162 0.0032
Tools M42 25 0.0392 0.0153 0.0031
Difference = mu (Tools M35) - mu (Tools M42)
Estimate for difference: 0.000400
95% CI for difference: (-0.008552, 0.009352)
T-Test of difference = 0 (vs not =): T-Value = 0.09 P-Value = 0.929 DF = 47
Boxplot of Tools M35, Tools M42
162
Dat
a
Tools M42Tools M35
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
Boxplot of Tools M35, Tools M42
Sumber Minitab Grafik 4.13 Boxplot T-test Potong 1 ; X4 = Tools
4.4.1.2 Proses Potong 2
a. X1 = Shift
Tabel 4.21 Data Proses Potong 2; X1 = Shift
X 1 2
Machine T. 07 T. 07
Operator A.Rahman A.Rahman
Shift 1 2
Tools M35 M35
163
No Shift 1 Shift 2
1 0.13 0.67
2 0.57 0.74
3 0.45 0.51
4 0.57 0.41
5 0.50 0.28
6 0.47 0.68
7 0.54 0.75
8 0.99 0.02
9 0.41 0.57
10 0.11 0.18
11 0.73 0.45
12 0.46 0.42
13 0.69 0.60
14 0.71 0.48
15 0.70 0.65
16 0.42 0.82
17 1.00 0.73
18 0.67 0.70
19 0.58 0.49
20 0.62 0.51
21 0.78 0.38
22 0.43 0.79
23 1.03 0.79
24 0.50 0.58
25 0.51 0.52 Sumber PT. Indokarlo Perkasa
164
Two-Sample T-Test and CI: Shift 1, Shift 2
N Mean StDev SE Mean
Shift 1 25 0.583 0.226 0.045
Shift 2 25 0.549 0.198 0.040
Difference = mu (Shift 1) - mu (Shift 2)
Estimate for difference: 0.034000
95% CI for difference: (-0.086944, 0.154944)
T-Test of difference = 0 (vs not =): T-Value = 0.57 P-Value = 0.574 DF = 47
Boxplot of Shift 1, Shift 2
Dat
a
Shift 2Shift 1
1.0
0.8
0.6
0.4
0.2
0.0
Boxplot of Shift 1, Shift 2
Sumber Minitab Grafik 4.14 Boxplot T-test Potong 2 ; X1 = Shift
165
b. X2 = Machine
Tabel 4.22 Data Proses Potong 2; X2 = Machine
X 1 2
Machine T. 09 T.10
Operator U.hidayat U.hidayat
Shift 1 1
Tools M35 M35
No Mesin 9 Mesin 10
1 0.08 0.01
2 0.08 0.04
3 0.08 0.02
4 0.03 0.04
5 0.09 0.05
6 0.04 0.05
7 0.09 0.06
8 0.07 0.04
9 0.11 0.05
10 0.10 0.03
11 0.09 0.02
12 0.07 0.03
13 0.10 0.04
14 0.04 0.01
15 0.06 0.10
16 0.11 0.02
17 0.04 0.06
18 0.10 0.06
166
19 0.09 0.03
20 0.09 0.03
21 0.09 0.03
22 0.13 0.03
23 0.10 0.04
24 0.14 0.05
25 0.10 0.02 Sumber PT. Indokarlo Perkasa
Two-Sample T-Test and CI: Mesin 9, Mesin 10
N Mean StDev SE Mean
Mesin 9 25 0.0848 0.0273 0.0055
Mesin 10 25 0.0384 0.0195 0.0039
Difference = mu (Mesin 9) - mu (Mesin 10)
Estimate for difference: 0.046400
95% CI for difference: (0.032882, 0.059918)
T-Test of difference = 0 (vs not =): T-Value = 6.92 P-Value = 0.000 DF = 43
Boxplot of Mesin 9, Mesin 10
167
Dat
a
Mesin 10Mesin 9
0.14
0.12
0.10
0.08
0.06
0.04
0.02
0.00
Boxplot of Mesin 9, Mesin 10
Sumber Minitab Grafik 4.15 Boxplot T-test Potong 2 ; X2 = Machine
c. X3 = Man Power
Tabel 4.23 Data Proses Potong 2; X3 = Man Power
X 1 2
Machine T. 06 T. 06
Operator Sahid A.Camal
Shift 1 1
Tools M35 M35
No Sahid A.camal
1 0.17 0.27
2 0.20 0.12
168
3 0.18 0.09
4 0.17 0.08
5 0.14 0.07
6 0.20 0.25
7 0.21 0.06
8 0.19 0.27
9 0.21 0.29
10 0.12 0.06
11 0.14 0.09
12 0.27 0.06
13 0.21 0.28
14 0.17 0.25
15 0.19 0.08
16 0.13 0.31
17 0.16 0.07
18 0.17 0.11
19 0.23 0.11
20 0.24 0.10
21 0.12 0.08
22 0.16 0.25
23 0.12 0.20
24 0.15 0.10
25 0.21 0.02 Sumber PT. Indokarlo Perkasa
Two-Sample T-Test and CI: Sahid, A.camal
N Mean StDev SE Mean
169
Sahid 25 0.1784 0.0394 0.0079
A.camal 25 0.1468 0.0931 0.019
Difference = mu (Sahid) - mu (A.camal)
Estimate for difference: 0.031600
95% CI for difference: (-0.009601, 0.072801)
T-Test of difference = 0 (vs not =): T-Value = 1.56 P-Value = 0.128 DF = 32
Boxplot of Sahid, A.camal
Dat
a
A.camalSahid
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
Boxplot of Sahid, A.camal
Sumber Minitab Grafik 4.16 Boxplot T-test Potong 2 ; X3 = Man Power
170
d. X4 = Tools
Tabel 4.24 Data Proses Potong 2; X4 = Tools
X 1 2
Machine T. 08 T. 08
Operator Ribut Ribut
Shift 2 2
Tools M35 M42
No
Tools
A
Tools
B
1 0.04 0.06
2 0.06 0.05
3 0.05 0.00
4 0.07 0.06
5 0.02 0.03
6 0.04 0.02
7 0.04 0.06
8 0.05 0.04
9 0.01 0.06
10 0.04 0.07
11 0.08 0.04
12 0.01 0.01
13 0.07 0.06
14 0.02 0.14
15 0.06 0.05
16 0.05 0.04
17 0.03 0.06
171
18 0.02 0.04
19 0.04 0.03
20 0.04 0.03
21 0.04 0.04
22 0.04 0.04
23 0.04 0.05
24 0.05 0.03
25 0.05 0.06 Sumber PT. Indokarlo Perkasa
Two-Sample T-Test and CI: Tools M35, Tools M42 Two-sample T for Tools M35 vs Tools M42 N Mean StDev SE Mean Tools M35 25 0.0488 0.0224 0.0045 Tools M42 25 0.0500 0.0212 0.0042 Difference = mu (Tools M35) - mu (Tools M42) Estimate for difference: -0.001200 95% CI for difference: (-0.013619, 0.011219) T-Test of difference = 0 (vs not =): T-Value = -0.19 P-Value = 0.847 DF = 47 Boxplot of Tools M35, Tools M42
172
Dat
a
Tools M42Tools M35
0.14
0.12
0.10
0.08
0.06
0.04
0.02
Boxplot of Tools M35, Tools M42
Sumber Minitab Grafik 4.17 Boxplot T-test Potong 2 ; X4 = Tools
Dari Hasil perhitungan minitab 2 T-test di atas dapat dilihat nilai p-value yang
telah didapatkan untuk mengambil keputusan faktor X mana yang menjadi penyebab
dari defect panjang :
Tabel 4.25 P-value Proses Potong 1
No X P-value α = 0.05 1 Shift 0.175 P value > α 2 Machine 0.000 P value < α 3 Man Power 0.929 P value > α 4 Tools 0.837 P value > α
173
Tabel 4.26 P-value Proses Potong 2
No X P-value α = 0.05 1 Shift 0.574 P value > α 2 Machine 0.000 P value < α 3 Man Power 0.128 P value > α 4 Tools 0.847 P value > α
Dari hasil di atas dapat dilihat bahwa mesin adalah X yang paling
berpengaruh terhadap Y, dapat dilihat dari nilai p-value yang lebih kecil dari 0.05.
Oleh karena itu pada tahap improve akan dilakukan beberapa rencana perbaikan pada
bagian mesin, yang kemudian akan dipilih perbaikan apa yang paling efektif.
4.4.2 Improve
Pada tahap improve ini akan dilakukan penelitian dengan metode design of
experiment (DOE) yang berguna untuk mencari solusi dari mesin yang digunakan
untuk produksi yang paling berpengaruh terhadap defect panjang. DOE akan
memberikan solusi terbaik dari beberapa solusi yang akan dilakukan sehingga
keefektifan dan efesiensi mesin akan mencapai nilai optimum dari beberapa solusi
tersebut.
Observasi lapangan kembali dilakukan dan setelah diperhatikan lebih lanjut
putaran yang ditimbulkan mesin terhadap material pipa besi yang akan dipotong tidak
stabil sehingga menjadi penyebab utama dari terjadinya defect panjang oleh mesin.
174
Putaran material pipa besi yang tidak stabil muncul karena material yang tidak lurus
atau terlalu panjang sehingga putaran menjadi tidak stabil.
Solusi yang akan diberikan adalah solusi yang bisa meredam material
sehingga bisa berputar dengan stabil. Berikut beberapa solusi yang dianggap
berpengaruh besar terhadap mesin sehingga menimbulkan defect panjang :
1. Front Holder
Sumber PT. Argatama
Gambar 4.4 Front Holder
175
Front holder akan dipasang didepan mesin dan didepan material yang
akan dipotong yang berguna untuk menahan guncangan material yang
diakibatkan putaran tidak stabil dari belakang material yang menjulur hingga
kedepan material. Dengan diimplementasikannya front holder ini diharapkan
putaran material bisa lebih stabil.
2. Standarisasi Bandul
Sumber PT. Argatama
Gambar 4.5 Standarisasi Bandul
176
Bandul atau pemberat digunakan untuk mendorong material masuk ke
mesin potong dan juga menstabilkan putaran material. Saat penelitian ini
dimulai bandul yang digunakan beratnya bervariasi sehingga pada produk
atau part yang materialnya lebih berat akan menyebabkan dorongan material
menjadi lebih kecil dan putaran material pun menjadi tidak stabil dan
menyebabkan defect panjang terjadi. Oleh karena itu, bandul akan dilakukan
standarisasi sehingga berat semua bandul sama dan cukup berat untuk
mendorong dan menstabilkan material ke mesin potong.
3. Back Holder
Sumber PT. Argatama
Gambar 4.6 Back Holder
177
Back holder berupa lahar yang dipasang dibelakang material untuk
menahan putaran tidak stabil dari material yang terlalu panjang atau kurang
lurus, dengan begitu putaran material lebih bisa terkontrol dan hasil potong
pun menjadi lebih baik.
Dengan menggunakan metode DOE akan dilakukan analisa mengenai ketiga
solusi diatas, sehingga akan diketahui solusi manakah yang paling efektif untuk
mengurangi defect panjang, salah satu solusi saja sudah cukup, atau diperlukan dua
solusi atau bahkan ketiga solusi harus diterapkan untuk mencapai hasil yang optimal.
Dikarenakan ada tiga solusi yang disarankan maka akan ada 8 kondisi seperti
Dari data- data yang diperoleh dari tabel diatas akan dilakukan perhitungan
melalui software minitab untuk menggambarkan tiga plot atau grafik yang berguna
untuk menggambarkan hubungan antar solusi dan untuk membandingkan ketiga
solusi yang disarankan, berikut plot atau grafik-nya dibawah ini:
181
Mea
n of
Ave
rage
1-1
0.450
0.425
0.400
0.375
0.3501-1
1-1
0.450
0.425
0.400
0.375
0.350
Front Holder Standarisasi Bandul
Back Holder
Average Main Effect Plot
Sumber Minitab
Grafik 4.18 DOE Average Main Effect Plot
Dilihat dari main effect plot di atas, semua solusi yang diberikan cukup
berpengaruh terhadap panjang yang dihasilkan, panjang yang dihasilkan sebelum
dilakukan implementasi solusi masih cukup besar rata – ratanya, kemudian setelah
dilakukan implementasi solusi baik front holder, standarisasi bandul, maupun back
holder, semuanya menunjukkan hasil rata – rata panjang yang lebih kecil. Jadi
kesimpulannya, semua solusi yang disarankan cukup berpengaruh terhadap panjang
yang dihasilkan.
182
Front Holder
Standar isasi Bandul
Back Holder
1-1 1-1
0.5
0.4
0.30.5
0.4
0.3
FrontHolder
-11
StandarisasiBandul
-11
Average Interaction Plot
Sumber Minitab
Grafik 4.19 DOE Average Interaction Plot
Interaction plot digunakan untuk menggambarkan hubungan atau pengaruh
antara satu solusi terhadap solusi yang lain, dari interaction plot diatas dapat dilihat
hubungan:
• Front holder terhadap standarisasi bandul
Tidak ada hubungan antara front holder dengan standarisasi
bandul,dapat dilihat dari dua garis di plot yang sejajar, itu berarti ketika front
holder dan standarisasi bandul diterapkan secara bersamaan, kedua solusi
183
tersebut tidak saling mempengaruhi, jadi ketika kedua solusi tersebut
diterapkan hasil yang didapat menjadi lebih optimal.
• Front holder terhadap back holder
Hasil dari plot meggambarkan kedua garis sejajar dengan miring
kebawah, yang berarti kedua solusi tidak saling berpengaruh dan kedua solusi
akan lebih baik apabila diterapkan secara bersamaan.
• Standarisasi bandul terhadap back holder
Gambar pada plot juga menujukkan gambar yang sama, yaitu sejajar
dengan miring ke kanan bawah. Yang berarti ketika solusi standarisasi bandul
dan back holder diterapkan, kedua solusi tersebut tidak saling
memepengaruhi, malah lebih baik apabila kedua solusi tersebut diterapkan
langsung berdua.
184
1
-1
1
-11-1
Back Holder
Standarisasi Bandul
Front Holder
0.299
0.3510.489
0.377
0.337
0.4360.514
0.466
Cube Plot (data means) for Average
Sumber Minitab
Grafik 4.20 DOE Cube Plot for Average
Gambar plot diatas adalah cube plot yang berfungsi untuk memudahkan
dalam melihat level variable yang menghasilkan nilai respon yang paling tinggi dan
rendah. Dari cube plot diatas, dapat dilihat sisi yang memiliki nilai paling kecil
adalah sisi kanan, dengan nilai 0.436, 0.337, 0.351 dan 0.299. Sisi dengan nilai
terkecil tersebut adalah sisi standarisasi bandul dan back holder, yang berarti kedua
solusi tersebut yang lebih berpengaruh terhadap defect panjang.
Dari tiga jenis plot diatas didapatkan beberapa kesimpulan, yaitu: semua
solusi yang diberikan cukup berpengaruh baik terhadap pengurangan defect panjang
185
dan akan lebih baik apabila kesemua solusi tersebut diterapkan, walaupun solusi front
holder dan back holder merupakan solusi yang paling berpengaruh. Untuk
pengambilan keputusan solusi mana yang akan diterapkan, dari tiga plot diatas masih
kurang sehingga akan dilakukan analisis factorial design yang berguna untuk
menganalisis secara angka dari hasil rata –rata panjang hasil experiment dari 8
kondisi yang berbeda. Berikut perhitungan yang dilakukan dengan software minitab
berdasarkan data dari tabel kesimpulan data DOE:
Factorial Fit: Average versus Front Holder, Standarisasi, Back Holder Estimated Effects and Coefficients for Average (coded units) Term Effect Coef Constant 0.40863 Front Holder -0.10575 -0.05287 Standarisasi Bandul -0.07775 -0.03887 Back Holder -0.05925 -0.02963 Front Holder*Standarisasi Bandul 0.00225 0.00112 Front Holder*Back Holder -0.00225 -0.00113 Standarisasi Bandul*Back Holder -0.00425 -0.00213 Front Holder*Standarisasi Bandul* 0.02775 0.01387 Back Holder S = * Analysis of Variance for Average (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects 3 0.0414774 0.0414774 0.0138258 * * 2-Way Interactions 3 0.0000564 0.0000564 0.0000188 * * 3-Way Interactions 1 0.0015401 0.0015401 0.0015401 * * Residual Error 0 * * * Total 7 0.0430739 Alias Structure I Front Holder Standarisasi Bandul Back Holder Front Holder*Standarisasi Bandul Front Holder*Back Holder Standarisasi Bandul*Back Holder
186
Front Holder*Standarisasi Bandul*Back Holder *) Sumber Minitab
Dari hasil minitab diatas, nilai p-value tidak muncul, oleh karena itu kondisi
yang mempunyai pengaruh paling kecil harus disingkirkan dalam perhitungan
analisis factorial kedua, dan kondisi yang berpengaruh paling kuat adalah Front
Holder*Standarisasi Bandul*Back Holder. Berikut hasil perhitungan analisis factorial
design kedua yang menggunakan ketiga solusi sekaligus:
Factorial Fit: Average versus Front Holder, Standarisasi, Back Holder Estimated Effects and Coefficients for Average (coded units) Term Effect Coef SE Coef T P Constant 0.40863 0.001533 266.62 0.000 Front Holder -0.10575 -0.05287 0.001533 -34.50 0.000 Standarisasi Bandul -0.07775 -0.03887 0.001533 -25.36 0.000 Back Holder -0.05925 -0.02963 0.001533 -19.33 0.000 Front Holder*Standarisasi Bandul* 0.02775 0.01387 0.001533 9.05 0.003 Back Holder S = 0.00433494 R-Sq = 99.87% R-Sq(adj) = 99.69% Analysis of Variance for Average (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects 3 0.0414774 0.0414774 0.0138258 735.74 0.000 3-Way Interactions 1 0.0015401 0.0015401 0.0015401 81.96 0.003 Residual Error 3 0.0000564 0.0000564 0.0000188 Total 7 0.0430739 Alias Structure I Front Holder Standarisasi Bandul Back Holder Front Holder*Standarisasi Bandul*Back Holder *)Sumber Minitab
187
Nilai P-value yang terdapat pada analisis factorial kedua menunjukkan di
bawah 0.05 (α=5%), yang berarti juga bahwa ketiga solusi tersebut memang sangat
berpengaruh terhadap berkurangnya defect panjang. Dilihat lagi dari nilai SS Error
yang dihasilkan adalah 99.99%, yang berarti bahwa 99.99% penelitian ini telah
menjelaskan variasi yang terdapat di dalam proses yang ada.
Dikarenakan kondisi kedelapan yang dipilih maka digunakan data panjang
kondisi kedelapan untuk menghitung nilai Z (Kapabilitas proses) dari experiment
yang dilakukan, berikut nilai Z yang dihitung menggunakan software minitab.
0.480.400.320.240.160.08-0.00
LSLTarget USLProcess Data
Sample N 30StDev (Within) 0.0480915StDev (O v erall) 0.0470822
LSL 0Target 0USL 0.5Sample Mean 0.299333
Potential (Within) C apability
C C pk 0.00
O v erall C apability
Z.Bench 4.26Z.LSL 6.36Z.USL 4.26Ppk
Z.Bench
1.42C pm 0.00
4.17Z.LSL 6.22Z.USL 4.17C pk 1.39
O bserv ed PerformancePPM < LSL 0.00PPM > USL 0.00PPM Total 0.00
Exp. Within PerformancePPM < LSL 0.00PPM > USL 15.06PPM Total 15.06
Exp. O v erall PerformancePPM < LSL 0.00PPM > USL 10.13PPM Total 10.13
WithinOverall
Nilai Z DOE
Sumber Minitab
Grafik 4.21 Kapabilitas Proses setelah DOE
188
Dari grafik minitab kapabilitas proses kondisi kedelapan diatas didapatkan
hasil :
• Zst = 4.17
• Zlt = 4.26
• Zshift = Zst – Zlt = 4.26 – 4.16 = 0.10
Nilai Zst atau nilai sigma dari hasil experiment menunjukkan kenaikan, yang
berarti defect yang terjadi lebih sedikit. Walaupun hasil dari nilai Zst diatas masih
kurang valid karena sampel yang diambil sedikit, tetapi dari hasil tersebut
menujukkan adanya perubahan yang lebih baik jadi seharusnya defect yang terjadi
akibat panjang akan berkurang. Pada tahap selanjutnya akan dilakukan beberapa cara
untuk menerapkan kondisi kedelapan pada proses produksi untuk mengurangi defect
panjang.
4.4.3 Control
Setelah fase improve selesai, fase selanjutnya adalah fase Control. Setelah
perbaikan yang dilakukan pada fase improve terbukti dapat mengurangi tingkat
kecacatan panjang pada bushing yang diteliti. Maka langkah selanjutnya adalah
bagaimana kemajuan yang telah dicapai dapat di pertahankan agar tidak kembali
kepada kondisi semula yang lebih buruk sebelum dilakukan langkah improve.
Sebagai langkah untuk mempertahankan kemajuan yang sudah dicapai, perlu
adanya tindakan-tindakan pengecekan secara rutin agar performa baik yang sudah
189
dicapai tidak mengendur kembali. Adapun langkah-langkah yang diambil dapat
dengan beberapa cara, antara lain adalah dengan cara membuat Standard Operating
Procedure (SOP), dan juga melakukan audit 5R secara berkala.
• Standard Operating Procedure (SOP)
Langkah-langkah kerja yang sama antara 1 operator dengan operator
lain sangat menentukan bagaimana produk yang dihasilkan juga memiliki
keseragaman kualitas yang sama. Maka dari itu diperlukan Standard
Operating Procedure yang harus diikuti semua operator. Diharapkan dengan
langkah-langkah proses produksi yang sama antara 1 operator dengan
operator lain dapat menghasilkan keseragaman produk yang dihasilkan baik
dalam segi kualitas maupun kapasitas produksi. Agar SOP dapat dibaca oleh
semua operator, maka sebaiknya SOP yang telah dibuat ditempatkan di sekitar
area produksi.
Untuk usulan Standard Operating System yang ditempatkan adalah
berupa instruksi kerja, adapun bentuk instruksi kerja yang kami usulkan
adalah sebagai berikut :
190
Gambar 4.7 SOP untuk Argatama
• Audit 5R
Selain memasang Standard Operating Procedure di tempat yang
strategis, ada baiknya juga kita melakukan audit 5R secara berkala.
Diharapkan dengan melakukan audit 5R ini kondisi tempat kerja yang ada
tetap bahkan semakin baik untuk melakukan proses produksi. Dengan tempat
yang baik untuk melakukan proses produksi semoga dapat mendukung para
pekerja untuk meningkatkan produktifitasnya. Adapun form untuk melakukan
audit 5R tersebut adalah sebagai berikut :
191
Gambar 4.8 Formulir Audit 5R untuk Argatama
192
Form 5R ini akan sangat berguna untuk memastikan sistem produksi yang baru
tersebut benar - benar di implementasikan dengan baik, sehingga defect akibat panjang
bisa berkurang.
Apabila semua solusi yang telah direncanakan diterapkan dengan baik, maka
penurunan defect panjang akan berhasil. Di bawah ini adalah beberapa harga – harga
barang yang digunakan untuk improvement.
Tabel 4.30 Biaya Investment
No Jenis
improvement Biaya per
mesin Harga untuk 5
mesin
1 Front Holder Rp5,800,000.00 Rp29,000,000.00
2 Bandul Rp200,000.00 Rp1,000,000.00
3 Back Holder Rp35,000.00 Rp175,000.00
Total biaya Rp30,175,000.00
Dari harga – harga yang di investasikan diatas, maka di harapkan bahwa defect
panjang akan berkurang sebesar dengan angka perhitungan di tabel dibawah ini.
193
Tabel 4.31 Persentase Penurunan Defect Panjang
No Value Before
improve After improve
1 Sigma 0.36 4.26
2 DPMO 872857 2890
3 Persentase 87.29% 0.29%
Selisih Persentase 87.00%
Dari perhitungan perkiraan penurunan defect panjang diatas, yaitu 87%
kemudian di masukan ke data bulan ke -4 yang bertotal 1,168,461 unit bushing dengan
harga Rp 350,- per unit bushing nya, maka dihasilkan Perhitungan dibawah ini.
Tabel 4.32 Value yang di Dapatkan
Faktor Before improve After improve
Defect panjang
29020 unit 3774 unit
Jumlah defect berkurang 25246
Harga Rp8,836,100.00
Harga 1 tahun Rp106,033,200.00
194
Jumlah defect panjang pada bushing yang diperkirakan akan berkurang sebesar
25246 unit (87 %) selama sebulan apabila solusi yang diajukan diterapkan dengan baik.
Value yang didapatkan dari pengurangan defect panjang tersebut adalah sebesar
Rp8,836,100.00 setiap bulannya dan apabila diterapkan terus selama setahun maka
akan didapatkan value sebesar Rp106,033,200.00. Bila dibandingkan dengan biaya
yang diinvestasikan untuk perbaikan kualitas sebesar Rp30,175,000.00, maka perkiraan
benefit yang didapatkan sebesar Rp75,858,200,00 pada tahun pertama solusi perbaikan