36
ANALISIS KEMAMPUAN PROSES PRODUKSI SUSU DENGAN PENDEKATAN METODE SIX SIGMA DI PT. X. RIDWAN UMAR HADI DAN KAREL L. MANDAGIE Program Studi Teknik Industri Universitas Suryadarma Jakarta
ABSTRACTS
A very tight competition in the business in area now a days in a local or international scale
made the industrialist improve their product quality. This situation is very understandable remind that quality is one of very important element to made an industrial can stay or win in the industrial market competition.
PT X is a company that concern in processing and producing milk. Object taken in this research are four of variants product which is produced in PT X, they are product A, B, C, and D. Before the product has been continued of step processing, the specification of that product should be approved. At the moment there are some out of spec product in PT X, therefore this research is taken to analyze the capability process of product A, B, C, and D in PT X and to identify cause factor that influence the out of spec product using the six sigma method. Research start by using six sigma tools, such as Gage R & R, control chart, capability process, and brain storming. Improvement is concerned for problem of sugar and protein in product D due to the lowest capability process of them.
Main cause factor of sugar problem is the gauge or the instrument which is used to measure it, and the main cause factor of protein problem are the type and the amount of raw material which is used in mixing. Improvement result that had was increasing CPK value from SCM (D) from 0,08 to 1,44 and decreasing PPM out of spec from 402196,61 to 8,23 ppm. Keywords : Six sigma, Gage R&R, Control Chart, Capability Process. PENDAHULUAN
Perkembangan dunia usaha dewasa
ini dan masa mendatang semakin pesat seiring dengan perkembangan teknologi dan pembangunan di Indonesia. Persaingan bukan hanya mengenai seberapa tinggi tingkat produktifitas perusahaan dan seberapa rendahnya tingkat harga produk maupun jasa, namun lebih pada kualitas produk atau jasa tersebut, kenyamanan, kemudahan, serta ketepatan dan kesempatan waktu dalam pencapaiannya.
Mutu merupakan suatu faktor yang sangat menentukan keberhasilan suatu produk menembus pasarnya, di samping faktor utama yang lain seperti harga dan pelayanan. Produk yang bermutu akan memliki daya saing yang besar dan tingkat keberterimaan yang tinggi. Mutu menjadi salah satu tolak ukur keberhasilan suatu perusahaan. Mutu tidak semata-mata menjadi tanggung jawab bagian produksi namun menjadi perhatian semua pihak dalam perusahaan.
Bersamaan dengan waktu pengembangan produk yang pesat, fleksibilitas dalam memenuhi permintaan konsumen (produk yang dibuat selalu sesuai dengan apa yang diminta konsumen) dan harga jual yang rendah, mutu merupakan pilihan kunci dan strategis.
Mutu memerlukan suatu proses perbaikan yang terus-menerus (Continous improvement process). Tujuan pengendalian mutu adalah agar produk dan jasa yang dihasilkan oleh perusahaan dapat sesuai dengan standar yang telah ditetapkan. Untuk dapat menghasilkan produk yang baik diperlukan suatu pengendalian mutu yang dimulai dari pemilihan bahan baku yang tepat (material), sumber daya manusia yang handal (man power), cara pengerjaan yang sesuai (method), kondisi dan keadaan peralatan yang baik (machine) serta pengendalian hasil produksi yang sesuai dengan selera konsumen.
Salah satu program peningkatan kualitas dan perbaikan berkesinambungan adalah program six sigma, yang merupakan
37
perkembangan dari studi kemampuan proses. Pertama kali diperkenalkan dan diterapkan oleh Motorola di akhir tahun 80-an, di mana pada waktu itu perusahaan tersebut mengalami kekalahan dari pesaing-pesaingnya yang dapat memproduksi barang sejenis dengan kualitas yang lebih tinggi tetapi harga yang lebih murah.
Untuk meningkatkan kualitas produk, variasi yang terjadi dalam proses produksi harus dikurangi. Variasi tersebut harus dapat dikendalikan dengan cara menganalisa penyebab-penyebabnya, yang kemudian melakukan tindakan perbaikan. Perbaikan juga tidak hanya dilakukan pada inspeksi akhir saja, tetapi juga dalam tiap prosesnya sehingga dapat meningkatkan kapabilitas proses.
Proses produksi pengolahan susu secara umum adalah poses pencampuran/mixing karena tahap-tahap yang dilakukan adalah mencampurkan bahan baku yang digunakan tanpa menimbulkan reaksi kimia di dalamnya. Pengendalian kualitas dilakukan oleh bagian Quality Control pada bahan baku, kemasan, produk setengah jadi, dan juga produk akhir. Dalam penelitian kali ini
difokuskan pada pengendalian produk setengah jadi. METODE
Ada empat jenis varian produk, yaitu
produk A, B, C, dan D. Secara umum parameter uji yang dilakukan pada produk tersebut adalah kadar total padatan, kadar lemak, kadar gula, dan kadar protein. Masing-masing jenis produk memiliki batas spesifikasi pada setiap parameter, di mana spesifikasi ini akan menjadi acuan untuk bagian Quality Control dalam mengendalikan kualitas setiap produk. Sehingga dapat ditentukan mengenai produk out of spec yang akan mengalami proses lebih lanjut, dan kualitas yang baik dari setiap produk dapat tetap terkendali.
Kerugian yang dapat terjadi pada produk out of spec adalah dari segi waktu dan tenaga, karena produk out of spec harus mengalami rework atau mengalami proses lebih lanjut agar kualitas produk tetap terkendali. Berdasarkan data yang didapat dari bagian Quality Control selama periode Januari 2008 sampai Mei 2008, maka telah terjadi sejumlah produk out of spec pada produk yang akan diteliti yang dapat dilihat pada tabel berikut :
Tabel 1 Data Produk Out of Spec
Parameter Produk (Batch)
A B C D
Total Padatan 0 0 0 0
Lemak 0 2 0 2
Gula 0 3 2 121
Protein 1 0 0 78
Total Produk (Batch) 47 62 86 276
Berangkat dari identifikasi masalah di atas, maka pokok permasalahan yang dibahas di dalam skripsi ini adalah menemukan cara untuk dapat menurunkan proporsi produk out of spec di PT X, terutama untuk parameter gula dan protein produk D dengan jumlah out of spec yang paling besar. Untuk mengatasi masalah dalam mengontrol kadar gula dan protein yang di luar standar (out of spec) sehingga berpengaruh pada kualitas atau NC (Non Conformity) dari produk, maka penulis berusaha untuk mencari pemecahannya yaitu dengan menggunakan pendekatan metode six sigma.
Metode - Metode Six Sigma Metode - metode Six Sigma
merupakan alat - alat bantu yang digunakan untuk membantu pemecahan masalah. Alat– alat bantu tersebut adalah : Gage Repeatability and Reproducibility (Gage R&R)
Gage Repeatability adalah variasi
pengukuran yang dihasilkan ketika seorang operator mengukur Part yang sama dengan karakteristik yang identik dengan
38
menggunakan alat ukur yang sama. Gage Reproducibility adalah suatu variasi pengukuran dari suatu pengukuran yang dilakukan oleh operator yang berbeda
dengan mengunakan Gage (alat ukur) yang sama ketika mengukur Part yang sama atau yang mempunyai karakteristik yang identik.
Gambar 1 Diagram Variasi
Penilaian Gage R&R dengan menggunakan software Minitab dapat dilihat pada tabel berikut :
Tabel 2. Penilaian Gage R&R
Peta Kontrol
Peta kontrol adalah alat bantu yang
dapat digunakan untuk memonitor proses dan aktivitas yang sedang dilakukan. Peta kendali bertujuan untuk mengindikasikan kapan proses berfungsi dengan baik (in-control) dan kapan proses memerlukan tindakan perbaikan (out of control). Peta kendali sering disebut sebagai peta kendali Shewhart, karena teori ini pertama kali diperkenalkan oleh Walter A. Shewhart. Analisis Kemampuan Proses Analisis kemampuan proses bertujuan untuk menganalisa kemampuan proses dalam usaha memenuhi spesifikasi produk yang telah ditetapkan. Analisis kapabilitas proses dilakukan ketika proses sudah dalam kontrol statistik.
Diagram Sebab Akibat (Fishbond Diagram)
Diagram sebab akibat adalah alat
yang digunakan untuk mengatur dan menunjukkan secara grafik semua pengetahuan yang dimiliki sebuah kelompok sehubungan dengan masalah tertentu. Diagram ini dapat digunakan sebagai alat bantu dalam menentukan alasan dari masalah-masalah yang timbul dari suatu proses sehingga menyebabkan proses tersebut berada diluar kendali. Diagram ini pertama kali diperkenalkan oleh Kaoru Ishikawa, Ph.D pada tahun 1943 sehingga diagram sebab akibat ini sering disebut sebagai diagram Ishikawa. Diagram ini juga dikenal sebagai diagram fishbone (tulang ikan) karena bentuknya yang menyerupai tulang ikan.
39
Failure Mode and Effect Analysis (FMEA)
Failure Mode and Effect Analysis
(FMEA) adalah suatu penaksiran elemen per elemen secara sistematis untuk menyoroti akibat - akibat dari kegagalan komponen, produk, proses atau sistem dalam memenuhi keinginan konsumen, termasuk keamanan produk. Berikut ini adalah faktor - faktor yang mempengaruhi suatu failure mode and effect analysis : a. Modus kegagalan potensial
b. Efek kegagalan potensial c. Penyebab potensial d. Pengendalian saat ini e. Occurrence (0) f. Severity (S) g. Detectability (D) Proses Produksi Susu
Proses produksi susu dibagi menjadi
beberapa tahap, seperti terlihat pada gambar 2 yaitu:
M ix in g
B u f f e r in g
P a s t e u r is a t io n
S t a n d a r d iz a t io n
F i l l in g
P a c k in g
S C M
Mixing
Standardization
Sterillization
Filling
Packing
Liquid Milk
Gambar 2. Proses Singkat Produksi Susu
Proses pengawasan untuk mengendalikan kualitas dilakukan pada : a. Tahap Standardisasi b. Uji Bahan Kemasan c. Tahap Pengemasan dan Pengepakan
(label, kode, karton) Penelitian dan pengamatan pada
proses mixing yang menghasilkan produk setengah jadi, di fokuskan pada analisis kemampuan proses dan identifikasi penyebab terjadinya produk out of spec pada parameter uji total padatan, lemak, gula, dan protein. Analisis kemampuan proses dilakukan pada produk A, B, C, dan D. Sedangkan identifikasi penyebab terjadinya produk out of spec difokuskan untuk parameter gula dan protein pada produk D, karena memberikan jumlah yang paling besar pada data yang telah dijelaskan sebelumnya.
Parameter Pengujian Produk Susu Parameter pengujian produk susu
yang diamati adalah : a. Parameter Pengujian Total Solid.
Parameter pengujian Total Solid menggunakan metode Gravimetri. Banyaknya kandungan Total Solid dalam sampel diketahui dari selisih bobot penimbangan sebelum dan setelah proses pemanasan 105C selama 30 menit. Total Solid merupakan struktur yang tidak teruapkan pada pemanasan 105C.
b. Parameter Pengujian Protein. Protein
ditetapkan dengan Metode Kjeltec
berdasarkan kadar nitrogen, di mana
kandungan nitrogen dari sampel
didestruksi dengan menggunakan
larutan H2SO4 pekat sehingga
membentuk (NH4)2SO4.
c. Parameter Pengujian Sugar. Pengujian
sugar dilakukan dengan metode
40
Polarimetri. Sugar yang merupakan
sukrosa yaitu disakarida non pereduksi
dan memiliki sifat optik aktif dengan arah
putar rotasi ke kanan (Dextrorotary
d. Parameter Pengujian Fat. dilakukan dengan metodedalam sample dipisahkan dengan pereaksi amonia, etanol, dietileter dan petroleum eter.
Gambar
Analisis Gage R & R Pengumpulan data untuk analisis
Gage R&R dilakukan oleh 2 orang operator pada 10 buah sampel, di mana setiap
Tabel 3 Analisis Gage R&R
No Sugar
A1 A2
1 9.44 9.40
2 9.03 8.96
3 9.10 9.00
4 9.59 9.60
5 9.40 9.35
6 10.07 10.10
7 8.41 8.40
8 8.52 8.50
9 8.39 8.40
10 8.53 8.50
Data Analisis Gage R&R FOSS NIRS
Tabel 4 Analisis Gage R&R
No Sugar
A1 A2
1 47.03 47.10
2 47.10 47.20
3 46.85 46.90
4 47.20 47.18
5 47.31 47.40
6 47.65 47.77
7 47.36 47.40
8 47.40 47.30
9 47.91 48.00
10 47.37 47.40
yang merupakan
sukrosa yaitu disakarida non pereduksi
dan memiliki sifat optik aktif dengan arah
(Dextrorotary).
. Pengujian fat dilakukan dengan metode Mejoiner. Fat dalam sample dipisahkan dengan pereaksi amonia, etanol, dietileter dan
Instrument FOSS Instrument FOSS
untuk tujuan memberikan kemudahan, kecepatan dan akurasi yang baik pada kegiatan analisis parameteratas. Foss NIR merupakan instrument analisis yang menggunakan sinar infra merah pada panjang gelombang 1100nm (Near-Infrared) sampel dengan metode (pembacaan tiap 2 nm).
Gambar 7 Daerah Panjang Gelombang NIR
Pengumpulan data untuk analisis R dilakukan oleh 2 orang operator
pada 10 buah sampel, di mana setiap
pengukuran dilakukan sebanyak 2 kali. Langkah yang dilakukan dalam analisis Gage R&R menggunakan Minitab 15
Data Analisis Gage R&R Milkoscan
Analisis Gage R&R Sugar dan Protein Milkoscan Protein
B1 B2 A1 A2
9.50 9.47 2.44 2.45
9.00 9.02 2.38 2.35
9.11 9.05 2.46 2.45
9.60 9.64 2.48 2.47
9.30 9.32 2.51 2.50
10.14 10.15 2.61 2.62
8.50 8.52 2.65 2.66
8.46 8.42 2.26 2.27
8.46 8.42 2.29 2.30
8.55 8.51 2.27 2.28
Data Analisis Gage R&R FOSS NIRS
Analisis Gage R&R Sugar dan Protein FOSS NIRSSugar Protein
B1 B2 A1 A2
47.00 47.05 2.66 2.62
47.00 47.02 2.28 2.25
46.84 46.92 2.58 2.55
47.25 47.12 2.73 2.71
47.35 47.30 3.12 3.08
47.70 47.78 2.77 2.75
47.49 47.39 2.75 2.74
47.37 47.45 2.80 2.81
47.89 48.02 2.69 2.65
47.50 47.40 2.57 2.53
OSS NIR dikembangkan untuk tujuan memberikan kemudahan, kecepatan dan akurasi yang baik pada kegiatan analisis parameter-parameter di
Foss NIR merupakan instrument analisis yang menggunakan sinar infra merah pada panjang gelombang 1100-2500
untuk menganalisis sampel dengan metode scanning (pembacaan tiap 2 nm).
pengukuran dilakukan sebanyak 2 kali. Langkah yang dilakukan dalam analisis Gage R&R menggunakan Minitab 15 .
Data Analisis Gage R&R Milkoscan
dan Protein Milkoscan Protein
B1 B2
2.42 2.45
2.35 2.36
2.44 2.44
2.46 2.44
2.52 2.50
2.60 2.63
2.66 2.64
2.25 2.26
2.33 2.31
2.28 2.26
FOSS NIRS Protein
B1 B2
2.62 2.63
2.24 2.26
2.59 2.54
2.70 2.74
3.11 3.14
2.78 2.75
2.72 2.75
2.77 2.79
2.64 2.62
2.55 2.54
41
Hasil Analisis Gage R&R Milkoscan Pengukuran Sugar
Part-to-PartReprodRepeatGage R&R
100
50
0
Pe
rce
nt
% Contribution
% Study Var
0.10
0.05
0.00
Sa
mp
le R
an
ge
_R=0.0345
UCL=0.1127
LCL=0
a b
10.4
9.6
8.8Sa
mp
le M
ea
n
__X=9.046
UCL=9.111
LCL=8.981
a b
10987654321
10.4
9.6
8.8
C2
ba
10.4
9.6
8.8
C3
10 9 8 7 6 5 4 3 2 1
10.4
9.6
8.8
C2
Av
era
ge
a
b
C3
Components of Var iation
R Chart by C3
Xbar Chart by C3
C7 by C2
C7 by C3
C3 * C2 Interaction
Gage R&R (ANOVA) for Sugar of Milkoscan
Gambar 8 Gage R&R Sugar of Milkoscan
Pengukuran Protein
Part-to-PartReprodRepeatGage R&R
100
50
0
Pe
rce
nt
% C ontribution
% Study V ar
0.04
0.02
0.00
Sa
mp
le R
an
ge
_R=0.015
UCL= 0.04901
LCL=0
a b
2.6
2.4
2.2
Sa
mp
le M
ea
n
__X =2.4325
UCL=2.4607
LCL=2.4043
a b
10987654321
2.6
2.4
2.2
C2
ba
2.6
2.4
2.2
C3
10 9 8 7 6 5 4 3 2 1
2.6
2.4
2.2
C2
Av
era
ge
a
b
C 3
C o m p o n e n ts o f V a r ia t io n
R C h a r t b y C 3
X b a r C ha r t b y C 3
C 1 0 b y C 2
C 1 0 b y C 3
C 3 * C 2 I n te r a ct io n
Gage R& R (A NOV A ) for Prote in of Milkosca n
Gambar 9 Gage R&R Protein of Milkoscan
Hasil Analisis Gage R&R FOSS NIRS Pengukuran Sugar
Part- to-PartR eprodRepeatGage R&R
100
50
0
Pe
rce
nt
% C ontribution
% Study V ar
0.2
0.1
0.0
Sa
mp
le R
an
ge
_R= 0.0765
UCL= 0.2499
LCL=0
a b
48.0
47.5
47.0
Sa
mp
le M
ea
n
__X = 47.342
UCL= 47.486
LCL= 47.198
a b
10987654321
48.0
47.5
47.0
C2
ba
48.0
47.5
47.0
C3
10 9 8 7 6 5 4 3 2 1
48.0
47.5
47.0
C2
Av
era
ge
a
b
C 3
C o m p o n e nts o f V a r ia tio n
R C ha r t b y C 3
X b a r C h a r t b y C 3
C 1 7 b y C 2
C 1 7 b y C 3
C 3 * C 2 I n te r a ct io n
Gage R& R (A NOV A ) for Suga r o f FOSS NIRS
Gambar 10 Gage R&R Sugar of FOSS NIRS
42
Pengukuran Protein
Part -to-PartReprodRepeatGage R&R
100
50
0
Pe
rce
nt
% C ontribution
% Study V ar
0.10
0.05
0.00
Sa
mp
le R
an
ge
_R= 0.027
UCL= 0.0882
LCL= 0
a b
3.2
2.8
2.4Sa
mp
le M
ea
n
__X = 2.678
UCL= 2.729
LCL= 2.627
a b
10987654321
3.2
2.8
2.4
C2
ba
3.2
2.8
2.4
C3
10 9 8 7 6 5 4 3 2 1
3.2
2.8
2.4
C2
Av
era
ge
a
b
C 3
C o m p o ne n ts o f V a r ia t io n
R C h a r t b y C 3
X b a r C h a r t b y C 3
C 1 9 b y C 2
C 1 9 b y C 3
C 3 * C 2 I n te r a ct io n
Ga ge R& R (A NOV A ) for Prot e in of FOSS NIRS
Gambar 11 Gage R&R Protein of FOSS NIRS
Hasil analisis Gage R&R pada instrument Milkoscan dan FOSS NIRS dapat dilihat pada tabel 5 :
Tabel 5 Hasil Analisis Gage R&R
Parameter Milkoscan
Repeatability Reproducibility Total Gage R&R
Sugar 4.97 5.88 7.70
Protein 9.18 1.60 9.32
Parameter FOSS NIRS
Repeatability Reproducibility Total Gage R&R
Sugar 18.40 0.00 18.40
Protein 915 1.60 9.29
Hasil analisis Gage R&R untuk semua
parameter pada Instrument Milkoscan yaitu <10%, dapat disimpulkan bahwa tidak ada masalah pada alat ukur, operator, dan metode yang digunakan. Sistem pengukuran dengan menggunakan Instrument Milkoscan dapat diterima secara statistik.
Instrument FOSS NIRS didapatkan hasil analisis Gage R&R untuk parameter Protein pada Instrument FOSS NIRS yaitu <10%, dapat disimpulkan bahwa tidak ada masalah pada alat ukur, operator, dan metode yang digunakan untuk pengukuran parameter Protein. Sistem pengukuran dengan menggunakan Instrument Milkoscan untuk pengukuran Protein dapat diterima secara statistik.
Pengukuran parameter Sugar didapatkan hasil analisis Gage R&R yaitu 18.40%, dapat disimpulkan bahwa tidak ada masalah pada alat ukur, operator, dan metode yang digunakan untuk pengukuran parameter Sugar, tetapi sistem pengukuran dengan menggunakan Instrument FOSS
NIRS untuk pengukuran Sugar masuk ke dalam kategori dipertimbangkan secara statistik. Pengumpulan Data
Pengumpulan data untuk parameter
uji total padatan, lemak, gula, dan protein adalah data pengujian selama bulan Januari – Mei 2011, data yang ditampilkan adalah nilai deviasi antara hasil pengujian dan target. Pengolahan Data
Pengolahan data yang dilakukan
berupa perhitungan Peta Kendali (Control Chart), Uji Kenormalan, dan Analisis Kemampuan Proses (Capability Analysis). Pengolahan data dilakukan menggunakan software Minitab 15.
Sebelum dilakukan Uji Kenormalan dan Analisis Kemampuan Proses, maka perlu diperiksa apakah semua data pengamatan berada dalam kontrol statistik.
43
Pemeriksaan dilakukan dengan menggunakan sebuah peta kontrol. Jika ada data yang berada di luar batas yang ada harus dilakukan revisi. Pada penelitian kali ini penyebab dilakukannya revisi data diasumsikan karena ada sebab khusus. Revisi dilakukan dengan cara menghilangkan data yang berada di luar kendali kemudian dilakukan perhitungan ulang seperti yang telah dilakukan sebelumnya. Revisi dilakukan sampai tidak ada data yang berada diluar kendali.
Peta kendali yang digunakan untuk pengolahan data pada bab ini adalah peta kendali X dan MR. Pemilihan peta kendali jenis ini dikarenakan jenis data yang diolah adalah data variabel dan merupakan individual measurement, sehingga peta kendali jenis ini dapat digunakan sesuai dengan data yang ada. Jumlah subgrup yang dilakukan adalah 2, sehingga:
Untuk menguji kenormalan data
dilakukan dengan ”Plotting Probabilitas Normal”. Sumbu ordinat dari plotting ini adalah ”persentil” teoritis, sedangkan sumbu absisnya adalah nilai data sampel yang sudah diurutkan. Pada prinsipnya skala vertikal dari kertas probabilitas normal dirancang sedemikian sehingga jika data diambil dari distribusi normal maka plotting yang dihasilkan akan membentuk suatu garis lurus. Deviasi dari titik plotting terhadap garis lurusnya menunjukkan kenormalan data distribusi dari mana data diambil.
Uji kenormalan data yang dilakukan menggunakan software Minitab dengan metode Anderson-Darling. Tingkat
kepercayaan yang digunakan adalah 95% dengan nilai = 0.05. Sehingga jika nilai output pada Minitab menunjukkan nilai P-Value lebih besar dari 0.05 maka dapat disimpulkan bahwa data tersebut berdistribusi normal. Peta Kendali Produk D Peta Kendali X Sugar Produk D:
0745.01.128
0.049630574.0
d
MR3xLCL
0.0574xCL
0.18931.128
0.049630574.0
d
MR3xUCL
2
2
Peta Kendali MR :
0LCL
0.0496MRCL
0.16200496.03.267MRDUCL 4
2 5 32 2 51 9 71 6 91 4 11 1 38 55 72 91
2 .0
1 .5
1 .0
0 .5
0 .0
O b s e r v a t io n
In
div
idu
al
Va
lue
_X= 0 .9 4 4
U C L= 1 .6 6 2
LC L= 0 . 2 2 6
2 5 32 2 51 9 71 6 91 4 11 1 38 55 72 91
2 .0
1 .5
1 .0
0 .5
0 .0
O b s e r v a t io n
Mo
vin
g R
an
ge
_ _M R = 0 .2 7 0
U C L= 0 .8 8 2
LC L= 0
1
1
1
11
1
1
1
1
1
11
111
1
1
1
1
1
1
I-M R C h a r t o f S u g a r P r o d u k D
Gambar 12 Peta Kendali X-MR Sugar Produk D
n = 2
d2 = 1.128
D3 = 0
D4 = 3.267
44
Revisi Peta Kendali X Sugar Produk D:
0666.01.128
0.041830446.0
d
MR3xLCL
0.0574xCL
0.15561.128
0.041830446.0
d
MR3xUCL
2
2
Peta Kendali MR :
0LCL
0.0418MRCL
0.13660418.03.267MRDUCL 4
1 9 01 6 91 4 81 2 71 0 68 56 44 32 21
1 . 5 0
1 . 2 5
1 . 0 0
0 . 7 5
0 . 5 0
O b s e r v a t i o n
In
div
idu
al
Va
lue
_X = 0 . 9 3 5
U C L= 1 . 4 4 7
LC L= 0 . 4 2 3
1 9 01 6 91 4 81 2 71 0 68 56 44 32 21
0 . 6 0
0 . 4 5
0 . 3 0
0 . 1 5
0 . 0 0
O b s e r v a t i o n
Mo
vin
g R
an
ge
_ _M R = 0 . 1 9 2 4
U C L= 0 . 6 2 8 6
LC L= 0
I - M R C h a r t o f S u g a r i n P r o d u c t D
Gambar 13 Revisi Peta Kendali X-MR Sugar Produk D
2 5 32 2 51 9 71 6 91 4 11 1 38 55 72 91
0 . 0 0
-0 . 2 5
-0 . 5 0
-0 . 7 5
-1 . 0 0
O b s e r v a t i o n
In
div
idu
al
Va
lue
_X = -0 .5 9 4
U C L= -0 . 3 2 5
LC L= -0 .8 6 2
2 5 32 2 51 9 71 6 91 4 11 1 38 55 72 91
0 . 4
0 . 3
0 . 2
0 . 1
0 . 0
O b s e r v a t i o n
Mo
vin
g R
an
ge
_ _M R = 0 .1 0 1 0
U C L= 0 .3 3 0 1
LC L= 0
11
1
11111111
11111
1
1
111
1
1
111
1
1
111
1
11
1
1
1
11
111
1
11
111
I -M R C h a r t o f P r o te in P r o d u k D
Gambar 14 Peta Kendali X-MR Protein Produk D
1 8 11 6 31 4 51 2 71 0 99 17 35 53 71 91
-0 . 4
-0 . 5
-0 . 6
-0 . 7
-0 . 8
O b s e r v a t io n
In
div
idu
al
Va
lue
_X = -0 . 6 0 6 1
U C L= -0 .4 1 4 5
LC L= -0 . 7 9 7 6
1 8 11 6 31 4 51 2 71 0 99 17 35 53 71 91
0 .2 0
0 .1 5
0 .1 0
0 .0 5
0 .0 0
O b s e r v a t io n
Mo
vin
g R
an
ge
_ _M R = 0 .0 7 2 0
U C L= 0 .2 3 5 3
LC L= 0
I -M R C h a r t o f P r o te i n in P r o d u c t D
Gambar 15 Revisi Peta Kendali X-MR Protein Produk D
45
Dari hasil perhitungan yang diperoleh menunjukan adanya data yang berada di luar kendali untuk semua parameter di produk yang diamati, oleh karena itu perlu dilakukan revisi agar proses dapat dikatakan dalam batas kendali secara statistik. Dengan asumsi adanya “sebab khusus” maka sebagai tindakan perbaikan,
dilakukan dengan menghilangkan data-data yang berada di luar batas kendali agar hasil pengujian yang dilakukan berada dalam kendali, sehingga dapat dilanjutkan dengan uji kenormalan dan juga analisis kemampuan proses. Uji Kenormalan Produk D
1.61 .41 .21.00 .80 .60.40 .2
99.9
99
95
90
80
7060504030
20
10
5
1
0.1
S ug a r Pr od uk D
Pe
rce
nt
P-V a lue 0.055
U ji K e nor ma la n S uga r P r oduk DNorm a l
Gambar 16 Uji Kenormalan Sugar Produk D
-0.3-0.4-0.5-0.6-0.7-0.8-0.9
99.9
99
95
90
80
7060504030
20
10
5
1
0.1
Prote in Produk D
Pe
rce
nt
P-Va lue 0.199
Uji Kenormalan P rote in P roduk DNorm a l
Gambar 17 Uji Kenormalan Protein Produk D
Dari hasil perhitungan yang diperoleh menunjukan semua data berasal dari distribusi normal, ini dapat dilihat dari kedekatan dan deviasi sebaran titik-titik yang di plotting terhadap garis lurusnya. Selain itu hasil output Minitab menunjukan bahwa semua P-Value lebih besar dari 0.05 sehingga dapat disimpulkan bahwa data berdistribusi normal. Analisis Kemampuan Proses Produk D Analisis Kemampuan Proses Protein Produk D
0446.0x
0.0501
1n
xxS
2
i
9960.10.05016
)30.0(0.30
6S
LSLUSLCP
6993.10501.03
0.0446-0.30
3S
x-USLCPU
2927.20501.03
)30.0(0.0446
3S
LSLxCPL
1.6993CPUCPL,minCpk
ppm0.177-1.70122EUSLp
ppm0.000.00LSLp
5.10zp-6.88zp
0.0501
0.0446-0.3zp
0.0501
0.0446-0.3-zp
0.3)(xp-0.3)(xpspec)of(outp
46
1 . 4 01 . 0 50 . 7 00 . 3 50 . 0 0-0 . 3 5-0 . 7 0-1 . 0 5
L S L T a r g e t U S L
LS L -1
T a rg e t 0
U S L 1
S a m p le M e a n 0 . 9 3 5 0 9 5
S a m p le N 2 1 0
S t D e v (W it h in ) 0 . 1 7 7 7 7
S t D e v (O v e r a l l) 0 . 2 6 2 0 6 6
P ro c e s s D a t a
C p 1 . 8 8
C P L 3 . 6 3
C P U 0 . 1 2
C p k 0 . 1 2
P p 1 . 2 7
P P L 2 . 4 6
P P U 0 . 0 8
P p k 0 . 0 8
C p m 0 . 3 4
O v e r a l l C a p a b i l i t y
P o t e n t ia l (W i th in ) C a p a b i l i t y
P P M < L S L 0 . 0 0
P P M > U S L 4 0 9 5 2 3 . 8 1
P P M T o t a l 4 0 9 5 2 3 . 8 1
O b s e r v e d P e r f o rm a n c e
P P M < L S L 0 . 0 0
P P M > U S L 3 5 7 5 1 6 . 1 1
P P M T o t a l 3 5 7 5 1 6 . 1 1
E x p . W it h in P e rf o rm a n c e
P P M < L S L 0 . 0 0
P P M > U S L 4 0 2 1 9 6 . 6 1
P P M T o t a l 4 0 2 1 9 6 . 6 1
E x p . O v e r a l l P e r f o rm a n c e
W ith in
O v e r a ll
P r o c e s s C a p a b i l i t y o f S u g a r i n P r o d u c t D
Gambar 18 Capability Analysis Sugar Produk D
0 . 60 . 40 . 20 . 0-0 . 2-0 . 4- 0 . 6-0 . 8
L S L T a r g e t U S L
L S L -0 . 7
T a rg e t 0
U S L 0 . 7
S a m p le M e a n -0 . 6 0 6 0 8 7
S a m p le N 1 8 4
S t D e v (W it h in ) 0 . 0 7 0 6 6 3 8
S t D e v (O v e r a l l) 0 . 1 0 3 1 7 9
P ro c e s s D a t a
C p 3 . 3 0
C P L 0 . 4 4
C P U 6 . 1 6
C p k 0 . 4 4
P p 2 . 2 6
P P L 0 . 3 0
P P U 4 . 2 2
P p k 0 . 3 0
C p m 0 . 3 8
O v e r a l l C a p a b i l i t y
P o t e n t ia l (W it h in ) C a p a b i l i t y
P P M < LS L 2 1 7 3 9 1 . 3 0
P P M > U S L 0 . 0 0
P P M T o t a l 2 1 7 3 9 1 . 3 0
O b s e r v e d P e rf o rm a n c e
P P M < L S L 9 1 9 2 1 . 8 9
P P M > U S L 0 . 0 0
P P M T o t a l 9 1 9 2 1 . 8 9
E x p . W i th in P e r f o rm a n c e
P P M < L S L 1 8 1 3 5 8 . 6 3
P P M > U S L 0 . 0 0
P P M T o t a l 1 8 1 3 5 8 . 6 3
E x p . O v e ra l l P e r f o rm a n c e
W ith in
O v e r a ll
P r o c e s s C a p a b i l i t y o f P r o t e i n i n P r o d u c t D
Gambar 19 Capability Analysis Protein Produk D
Hasil analisis Cpk untuk Sugar produk
D adalah 0.08, sehingga dapat disimpulkan bahwa proses tersebut belum dapat memenuhi batas spesifikasi yang telah ditentukan. Nilai variasi menunjukan hasil yang cukup baik tetapi nilai rataan proses menunjukan hasil yang kurang baik. Hal yang perlu ditingkatkan adalah nilai rataan dan kemampuan memenuhi batas spesifikasi atas.
Hasil analisis Cpk untuk Protein produk D adalah 0.30, sehingga dapat disimpulkan bahwa proses tersebut belum dapat memenuhi batas spesifikasi yang telah ditentukan. Nilai variasi menunjukan hasil yang cukup baik tetapi nilai rataan proses menunjukan hasil yang kurang baik. Hal yang perlu ditingkatkan adalah nilai rataan dan kemampuan memenuhi batas spesifikasi Analisis Gage R & R
Hasil analisis Gage R&R untuk
parameter uji yang diamati yaitu Sugar, dan Protein terhadap instrument yang digunakan sebagai alat ukurnya, yaitu Milkoscan dan FOSS NIRS. Untuk
instrument Milkoscan memberikan hasil bahwa sistem pengukuran yang digunakan untuk semua parameter yang diamati dapat diterima secara statistik. Sehingga sistem pengukuran tersebut dapat terus digunakan dan memberikan hasil yang valid.
Instrument FOSS NIRS memberikan hasil bahwa sistem pengukuran yang digunakan untuk parameter Protein dapat diterima secara statistik. Sehingga sistem pengukuran untuk parameter Protein menggunakan instrument FOSS NIRS dapat terus digunakan dan memberikan hasil yang valid. Untuk parameter Sugar memberikan hasil bahwa sistm pengukuran masuk ke dalam kategori dipertimbangkan secara statistik.
Telah dijelaskan sebelumnya bahwa akan dilakukan penelitian lebih lanjut terhadap instrument FOSS NIRS yang digunakan untuk pemeriksaan gula. Berdasarkan data history dan data maintenance instrument FOSS NIRS menunjukkan bahwa tidak ada catatan khusus yang dapat menyebabkan masalah.
Hasil analisis Gage R&R untuk sistem pengukuran gula masuk ke dalam kategori dipertimbangkan, maka dilakukan kalibrasi eksternal kembali walaupun tidak sesuai
47
jadwal selanjutnya. Hal ini dilakukan agar tidak ada keraguan dengan alat ukur yang digunakan, sebelum dilakukan penelitian lebih lanjut dari beberapa hal lain yang
harus diperhatikan dalam identifikasi penyebab terjadinya produk out of spec untuk parameter gula.
Tabel 6 Analisis Gage R&R Sugar FOSS NIRS (II)
No Sugar
A1 A2 B1 B2
1 45.70 45.72 45.71 45.70
2 45.64 45.60 45.59 45.63
3 45.91 45.95 45.90 45.88
4 45.52 45.50 45.50 45.51
5 45.65 45.64 45.66 45.68
6 45.57 45.55 45.54 45.58
7 45.78 45.80 45.77 45.79
8 45.32 45.35 45.36 45.30
9 46.00 46.05 46.06 46.04
10 45.47 45.45 45.42 45.45
Hasil analisis Gage R&R untuk
parameter sugar dengan menggunakan instrument FOSS NIRS setelah dilakukan kalibrasi dengan polarimeter yang baru
yaitu 9.73% (<10%). Sistem pengukuran parameter sugar dengan menggunakan instrument FOSS NIRS dapat diterima secara statistik.
Pa rt - t o- Par tR epr odR epea tGage R & R
100
50
0
Pe
rce
nt
% C ontribution
% Study V ar
0.10
0.05
0.00
Sa
mp
le R
an
ge
_R = 0.027
U C L = 0.0882
L C L = 0
a b
46.00
45.75
45.50
Sa
mp
le M
ea
n
__X = 45 .656U C L = 45 .7068
L C L = 45 .6052
a b
10987654321
46.00
45.75
45.50
C 1
ba
46.00
45.75
45.50
C 2
10 9 8 7 6 5 4 3 2 1
46 .00
45 .75
45 .50
C 1
Av
era
ge
a
b
C 2
C o m p o n e n t s o f V a r i a t i o n
R C h a r t b y C 2
X b a r C h a r t b y C 2
C 3 b y C 1
C 3 b y C 2
C 2 * C 1 I n t e r a c t io n
Ga g e R & R ( A NO V A ) fo r S u g a r o f FO S S NIR S ( II)
Gambar 20 Gage R&R Sugar of FOSS NIRS
Berikut 30 data pertama pada bulan Agustus 2011 setelah proses kalibrasi instrument
selesai dilakukan.
Tabel 7 Parameter Sugar (II) Produk D No Sugar No Sugar No Sugar
1 0.35 11 0.53 21 0.35
2 0.13 12 0.28 22 0.21
3 0.24 13 0.45 23 0.38
4 0.18 14 0.33 24 0.48
5 0.03 15 0.22 25 0.53
6 0.32 16 0.53 26 0.44
7 0.13 17 0.14 27 0.05
8 0.13 18 0.52 28 0.44
9 0.33 19 0.60 29 0.40
10 0.44 20 0.17 30 0.33
48
28252219161310741
0 .7 5
0 .5 0
0 .2 5
0 .0 0
O b s e r v a t io n
In
div
idu
al
Va
lue
_X= 0 .32 2
U C L= 0 .806
LC L= -0 .1 62
28252219161310741
0 .6 0
0 .4 5
0 .3 0
0 .1 5
0 .0 0
O b s e r v a t io n
Mo
vin
g R
an
ge
_ _M R = 0 .1821
U C L= 0 .5949
LC L= 0
I-M R C hart of S ugar (II) P r oduk D
Gambar 21 Peta Kendali X-MR Sugar (II) Produk D
0 .9 60 .6 40 .3 20 .0 0-0 .3 2-0 .6 4-0 .9 6
LS L Targ et U S L
LS L -1
T a rge t 0
U S L 1
S am p le M e a n 0.322
S am p le N 30
S tD ev (W ith in) 0.170668
S tD ev (O v e ra ll) 0 .157379
P ro cess D a ta
C p 1 .95
C P L 2 .58
C P U 1 .32
C pk 1 .32
P p 2 .12
P P L 2 .80
P P U 1 .44
P pk 1 .44
C pm 0 .92
O v e ra ll C a pa b ility
P o ten tia l (W ith in) C a pa b ility
P P M < LS L 0.00
P P M > U S L 0.00
P P M T o ta l 0 .00
O bse rv ed P e rfo rm ance
P P M < LS L 0.00
P P M > U S L 35.54
P P M T o ta l 35.54
E xp. W ith in P e rfo rm a nce
P P M < LS L 0 .00
P P M > U S L 8 .23
P P M T o ta l 8 .23
E xp. O v e ra ll P e rfo rm a nce
W ith in
O v erall
P rocess C apabil ity of S ugar (II) P roduk D
Gambar 22 Capability Analysis Sugar (II) Produk D
Semua data pada pembuatan peta
kendali tidak ada yang berada di luar batas kendali, sehingga dapat disimpulkan bahwa data berada dalam kondisi in control dan tidak perlu dilakukan revisi peta kendali.
Uji kenormalan menunjukkan bahwa P-Value sebesar 0.386 (>0.05) sehingga dapat disimpulkan bahwa data berasal dari distribusi normal. Nilai Cpk yang didapatkan mengalami perbaikan, yaitu dari 0.08 menjadi 1.44 dan proporsi out of spec juga mengalami perbaikan, yaitu dari 402196.61 PPM menjadi 8.23 PPM. Hasil tersebut menunjukkan bahwa proses telah dapat memenuhi batas spesifikasi yang telah ditentukan, nilai variasi dan rataan juga menunjukkan hasil yang baik. Hal yang perlu ditingkatkan adalah nilai rataan dan kemampuan memenuhi batas spesifikasi atas. Analisis Parameter Protein
Produk D
Pengumpulan faktor penyebab protein out of spec dilakukan dengan cara Brain Storming dari beberapa orang. Peserta brain storming terdiri dari orang-orang yang memiliki pengalaman dan pengetahuan khusus, yaitu Dairy Technology, Good Laboratory Practice, Incoming Material, dan Research and Development.
Brain storming dilakukan dengan menggunakan metode kartu yang dibagikan kepada 5 orang peserta. Kepada peserta diminta menuliskan pendapat mereka mengenai faktor penyebab protein out of spec. Semua pendapat ini harus diterima dan dicatat, dan sebaiknya pendapat masing-masing perserta tidak diketahui oleh peserta lain.
49
Hasil dari brain storming dapat dilihat pada tabel 8. Tabel 8 Hasil Brain Storming
No Pendapat
1 Kesalahan analisis
2 Input data pada formulasi
3 Jenis dan jumlah bahan baku
4 Kalibrasi instrument pengukuran
5 Kualitas susu murni
Data tersebut kemudian
ditransformasikan ke dalam logic tree agar mudah untuk diklasifikasikan dan ditelusuri pokok permasalahannya. Dari logic tree tersebut kemudian didiskusikan kembali oleh forum, dan dibahas kembali faktor manakah yang paling berpengaruh terhadap protein out of spec.
Faktor lainnya yaitu input data pada formulasi. Data-data yang diinput pada formula pembuatan susu haruslah tepat dan selalu update, karena output kalkulasi yang dihasilkan akan menjadi tidak tepat. Setelah
diteliti lebih lanjut faktor ini juga bukan merupakan potensial faktor karena bagian Processing telah memastikan prosedur dan update formulasi dijalankan dengan baik.
Jenis dan jumlah bahan baku merupakan salah satu yang diinput pada formula. Telah dijelaskan sebelumnya bahwa input data pada formulasi telah dijalankan dengan baik, sehingga dapat disimpulkan bahwa perlu dilakukan improvement pada faktor ini, dan faktor ini merupakan potensial faktor.
Gambar 23. Logic Tree dari Brain Storming
Hal yang dapat dilakukan adalah
menambahkan jenis bahan baku tertentu pada saat proses pencampuran, karena kadar protein yang cenderung rendah menunjukkan bahwa sumber protein yang sudah ada tidak mencukupi untuk memenuhi batas spesifikasi yang telah ditentukan.
Hasil analisis kemampuan proses yang diperoleh, tidak semua parameter pengujian telah dapat memenuhi batas spesifikasi yang telah ditentukan. Berikut hasil analisis kemampuan proses secara keseluruhan.
50
Tabel 9 Hasil Analisis Kemampuan Proses
Parameter CPK
Produk A Produk B Produk C Produk D
Fat 1.70 0.61 3.30 1.32
TS 1.26 1.25 1.88 1.02
Sugar 1.89 0.66 1.20 0.08
Protein 0.62 1.64 3.14 0.30
KESIMPULAN
Kemampuan proses yang paling baik
adalah pada produk C dengan parameter fat 3,30, TS 1,88, Sugar 1,20, dan Protein 3,14.
Berdasarkan nilai kemampuan proses di atas maka fokus utama tahap improvement yang dilakukan adalah parameter sugar dan protein pada produk D.
Penyebab utama sugar out of spec adalah instrument polarimeter yang digunakan sudah tidak valid, sedangkan untuk protein out of spec penyebab utamanya adalah jenis dan jumlah bahan baku yang digunakan.
Tindakan corrective action yang dilakukan untuk masalah sugar adalah mengganti instrument polarimeter yang digunakan dengan yang baru, sedangkan untuk masalah protein adalah dapat dilakukan penambahan bahan baku BMP (Butter Milk Powder) pada proses pencampuran pada waktu yang akan datang.
Hasil perbaikan yang diperoleh adalah Cpk untuk parameter sugar meningkat dari 0,08 menjadi 1,14, sedangkan PPM out of spec turun dari 402196.61 menjadi 8.23. DAFTAR PUSTAKA Adriani, Miranti, 2003, Penerapan Six
Sigma Untuk Memperbaiki Kualitas Dengan Meminimasi Jumlah Produk Cacat Dan Mengurangi Biaya Akibat
Kualitas Yang Buruk (Studi Kasus di PT Berdikari Metal & Engineering), Fakultas Teknik Industri Universitas Katolik Parahyangan.
Bruce, Greg, 2002, Six Sigma For Managers, McGraw-Hill, United States of America.
Eugene L Grant, Richard SL, 1994, Pengendalian Mutu Statistis, Erlangga, Jakarta.
Gaspersz, Vincent, 2002, Pedoman Implementasi Six Sigma terintegrasi dengan ISO 9001:2000, MBNQa dan HCCP, PT Gramedia Pustaka Utama, Jakarta.
Gaspersz, Vincent, 2011, Total Quality Management Untuk Praktisi Bisnis dan Industri, Vinchristo Publication, Bogor.
Gygi, Craig, Neil DeCarlo, dan Bruce William, 2005, Six Sigma for Dummies, John Wiley Publishing Inc, Indiana.
Minitab Inc. , 2004 , Meet Minitab, Release 14, USA.
Mitra, Amitava, 1993, Fundamental of Quality Control And Improvement, Macmillian Publishing Company, New York.
Purnomo, Hari, 2004, Pengantar Teknik Industri, Graha Ilmu, Yogyakarta.
Shina, Sammy G, 2002, Six Sigma for Electronics Design and Manufacturing, McGraw-Hill, United States of America.
Walpole, Ronald E.,1995, Pengantar Statistika, PT Gramedia Pustaka Utama Jakarta.