SEVEN (BASIC OLD ) TOOLS

Transkripsi

1 SEVEN (BASIC OLD ) TOOLS 3 4 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hdp://debrina.lecture.ub.ac.id/

2 2 Fishbone Diagram/Cause & Effect Diagram/Ishikawa Diagram Check Sheets Histogram Pareto Charts StraPfikasi ScaDer Diagram/Diagram Sebar Control Chart/Peta Kontrol Outline SEVEN (BASIC OLD ) TOOLS

3 3 FISHBONE DIAGRAM 1 SEVEN (BASIC OLD ) TOOLS

4 4 DEFINISI Dikembangkan tahun 1943 oleh Prof Kaoru Ishikawa à disebut juga diagram Ishikawa atau Diagram Tulang Ikan Merupakan diagram yang terstruktur untuk mengidenpfikasi penyebab dari masalah dan hubungan sebab- akibat berdasarkan pengalaman dan keahlian dari sekelompok orang dengan melakukan brainstrorming secara terstruktur. Dapat digunakan untuk brainstorming cara- cara yang perlu dilakukan untuk mencapai suatu tujuan. Manfaat: MengidenPfikasi sebab- sebab utama masalah MengidenPfikasi akar masalah MengidenPfikasi beberapa alternapf cara penyelesaian masalah

5 5 Penyebab Akibat (masalah) Sub Penyebab Sub Penyebab 1 Sub Penyebab 3 Penyebab Sub Penyebab 2 Sub Penyebab 4 FISHBONE DIAGRAM

6 6 MENGGALI FAKTOR PENYEBAB Gunakan prinsip 5 Why untuk: Menghindari jebakan mengobap gejala Menggali akar penyebab yang sebenarnya MensPmulasi Pm melakukan perbaikan oppmal CONTOH : BERTANYA 5- MENGAPA

7 7 LANGKAH PEMBUATAN (1) 1. Tuliskan secara singkat masalah atau akibat yang akan dianalisa pada kepala diagram tulang ikan. 2. Tetapkan kategori penyebab yang sesuai dengan permasalahan yang dianalisa Umumnya menggunakan kategori : 5M & 1 E yaitu Manpower (Manusia), Machine, Method, Materials, Money, Environment (Lingkungan) Jika permasalahannya cukup kompleks dapat dibuat tulang ikan untuk sepap sub proses baru kemudian di sepap sub proses dianalisa 5M +1E 3. Lakukan brainstorming sebab- sebab yang mungkin disepap kategori 4. IdenPfikasi hubungan sebab akibat diantara faktor didalam sepap kategori dan sub kategori

8 8 LANGKAH PEMBUATAN (2) 5. Buat diagram tulang ikan Kategori utama menjadi tulang terbesar dari diagram tulang ikan Susun sepap penyebab dan sub penyebab di tulang yang lebih rendah (penyebab paling spesifik dituliskan ditulang terkecil). Sebab ini merupakan salah satu akar masalah 6. Gunakan data atau lakukan konsensus untuk memilih beberapa akar penyebab masalah yang paling mungkin atau paling besar kontribusinya atas terjadinya masalah Pilih 3-5 penyebab dari tulang kecil Penyebab tersebut ditandai dengan tanda bintang atau lingkaran Akar permasalahan ini sebelum dipndaklanjup harus diverifikasi

9 CONTOH 9 Fishbone Diagram

10 10 CHECK SHEETS 2 SEVEN (BASIC OLD ) TOOLS

11 11 DEFINISI Merupakan lembar (form/sheet) yang digunakan dalam merekam data dengan cara yang mudah untuk digunakan maupun dianalisis. Manfaat: Membantu dan mempermudah proses pengumpulan data Menstandarisasi cara pengumpulan data Mencatat suatu kejadian Mengetahui adanya permasalahan

12 12 LANGKAH PEMBUATAN 1. SepakaP permasalahan yang akan dikumpulkan datanya 2. Buat lembar data dengan kolom dan baris sesuai kebutuhan, gunakan pedoman pengumpulan data (5 W+1 H) a. What : item yang akan dikumpulkan datanya (gunakan teknik strapfikasi) b. Where : tetapkan lokasi / scope pengumpulan data c. Who : PIC yang mengumpulkan data d. When : tetapkan periode pengumpulan data e. Why : tetapkan tujuan pengumpulan data (tulis dalam pernyataan sebagai Judul Lembar Data) f. How much & How Collect Data : a. Tetapkan berapa banyak dan bagaimana cara mengumpulkan data b. Banyaknya data dan frekuensi pengambilan data harus sesuai kondisi proses (misal cairan diambil 1 cc sepap jam dan diukur) c. Periode waktu pengambilan data yang akan dijadikan baseline hendaknya mewakili minimal satu siklus 3. Hasil pengumpulan data atau pengukuran dicatat pada lembar data à ada 2 yaitu : a. Lembar data untuk mengumpulkan data secara real Pme b. Lembar data untuk rekapitulasi

13 13 CONTOH Masalah yang diangkat : Kompetensi karyawan dibagian maintenance kurang a. What : Jenis pekerjaan di bagian maintenance (A & B), Pngkat kompetensi masing- masing pekerjaan untuk sepap karyawan à misal strapfikasi berdasar jenis pekerjaan b. Who : Budi c. Where : Bagian Maintenance d. When : Data per 1 Juni 2011 e. Why : Untuk mengetahui apakah Pngkat kompetensi karyawan di bagian maintenance kurang à Judul lembar Data : Data kompetensi karyawan dibagian maintenance f. How : Seluruh karyawan tetap dibagian maintenance Tingkat Kompetensi karyawan Bag. Maintenance per 1 Juni 2011

14 14 HISTOGRAM 3 SEVEN (BASIC OLD ) TOOLS

15 15 DEFINISI Grafik balok yang menggambarkan penyebaran data sebagai hasil dari satu macam pengukuran atas suatu kejadian atau proses Contoh penerapan: Menurunkan variabilitas temperatur mesin Menurunkan variabilitas dimensi suatu produk ( panjang, lebar, tebal dll) Menurunkan variabilitas parameter suatu produk ( berat, kadar, dll) Manfaat: Melihat range dan distribusi dari data konpnu (misal : berat barang yang dikirim, rupiah yang dibelanjakan disepap PO dsb) Melihat variasi dan Pngkat pemenuhan spesifikasi pelanggan (size, cycle ;me, suhu dsb) * Hanya berlaku untuk data konpnu saja

16 16 LANGKAH- LANGKAH 1. Kumpulkan dan tabulasikan data konpnu(data hasil pengukuran) : n data 2. Urutkan data dari data yang terendah nilainya (min) sampai nilai terpnggi (max) 3. Kurangi nilai terpnggi dengan nilai terendah untuk menghitung range dari data yang diobservasi, range = max min 4. Hitung jumlah balok à akar pangkat dua dari jumlah nilai data,k = sqrt (n) 5. Hitung lebar Pap balok dengan membagi range dari data (max min) dengan jumlah balok, h = range / k 6. Beri label di sumbu X dengan nilai dari Pap balok (dari balok pertama s/d balok ke k) 7. Hitung jumlah data dari Pap balok 8. Sumbu Y = jumlah data pada Pap balok, sumbu X = nilai data dari sepap balok 9. Analisis histogram

17 17 CONTOH (1) Max = 409,4 Min = 400,1 Jumlah data n= 30 à k = sqrt (30) = mendekap 6 Range = max min = 409,4 400,1 = 9,3 H = Range / k = 9,3 / 6 = 1,55 Rata- rata : Mean : Excel formula = average (...) = 404,25 Standard deviasi : Excel formula = STDEV (...) = 2,26

18 CONTOH (2) 18

19 19 NORMAL DISTRIBUTION Data dikatakan berdistribusi normal bila sebaran datanya membentuk bell curve (luas sebelah kiri dan kanan dari PPk tengah adalah sama) Mean = Median = Modus Untuk data distribusi normal : a. 68,27 % data berada dalam area X s dan X + s b. 95,45 % data berada dalam area X 2s dan X + 2s c % data berada dalam area X 3s dan X + 3s

20 POLA DISTRIBUSI NORMAL HISTOGRAM 20 Membandingkan histogram dengan spesifikasi yang ditetapkan Bila ada spesifikasi, buat garis batas spesifikasi untuk membandingkan distribusi dari histogram dengan batas spesifikasi yang ditentukan, kemudian perhapkan apakan histogram berada dalam batas spesifikasi tersebut Membandingkan histogram dengan spesifikasi ini lebih lanjut dianalisa dengan pengukuran process capability index

21 POLA DISTRIBUSI NORMAL HISTOGRAM 21

22 22 Stratifikasi Histogram Untuk menganalisa lebih lanjut sebuat histogram (terutama bila terjadi penyimpangan) dengan data yang dikumpulkan dari berbagai sumber, strapfikasikanlah data yang ada (misal berdasar material, mesin, kondisi operasional, pekerja dll) buat masing- masing histogram untuk data yang sudah distrapfikasikan tsb à akan lebih jelas

23 Weighted Cost Gap Dent Hole Crack Scratch Others Stain Weighted cost DIAGRAM PARETO 4 SEVEN (BASIC OLD ) TOOLS

24 24 DEFINISI Pertama kali ditemukan oleh Vilfredo Pareto (ahli ekonomi Italia). Pada umumnya digunakan untuk menunjukkan masalah yang disusun dari prioritas terpnggi ke yang terendah untuk menentukan masalah yang harus ditangani terlebih dahulu. Merupakan suatu grafik balok berbentuk verpkal yang mengurutkan hasil pengukuran dari yang terpnggi ke yang terendah. Merupakan salah satu bentuk Bar Chart dimana sepap balok dapat mencerminkan perhitungan suatu kategori, suatu fungsi dari kategori (misal rata- rata, jumlah atau standard deviasi) atau jumlahan nilai dari suatu tabel.

25 25 MANFAAT Merupakan pedoman memilih peluang perbaikan berdasar prinsip vital few dari trivial many Memfokuskan sumber daya pada area /defect/ penyebab yang menghasilkan keuntungan yang terbesar Membandingkan frekuensi dan/atau dampak dari berbagai penyebab masalah Aplikasi: Analisa komplain (jumlah kejadian) di perusahaan Analisa jenis defect (pcs) yang terjadi dari hasil QC Analisa losses (unit) sparepart di gudang Analisa pemborosan (Rp) atas hilangnya peralatan produksi Analisa produk rework (pcs) berdasar type produk Analisa breakdown mesin (frekuensi atau jam) berdasar jenis mesin

26 26 LANGKAH- LANGKAH Tetapkan kategori yang relevan dengan topik yang akan dianalisis untuk menjabarkan masalah menjadi komponen yang lebih kecil Pareto umumnya terdiri dari 5 kategori atau kurang Urutkan balok berdasar jumlahan atau biaya Tetapkan periode waktu Kumpulkan data. Jenis data : Berdasar jumlahan atau biaya Membutuhkan data tambahan (total / jumlah) Data Pdak dapat berupa : hal yang Pdak dapat dijumlahkan (misal Pngkat kecelakaan, Pngkat komplain dsb) Buat tabel frekuensi (item, jumlah, jumlah kumulapf, %, % kumulapf) Gambarkan grafik baloknya SePap balok verpkal menunjukkan besarnya kontribusi terhadap total masalah Balok disusun berdasarkan urutan nilai, yang paling Pnggi diletakkan disebelah kiri. Balok paling kiri memberikan kontribusi terpnggi dalam jumlah kejadian maupun biaya

27 27 CONTOH Kesimpulan : Defect paling besar di FT 1 adalah Chipping (40 pcs = 37,38%)

28 28 Next Week : Seven Basic Tools Part 2

29 29 STRATIFIKASI 5 SEVEN (BASIC OLD ) TOOLS

30 30 DEFINISI Mengelompokkan atau menggolongkan atau menstrapfikasi data berdasarkan faktor tertentu untuk analisa yang lebih rinci Contoh : Mengelompokkan data berdasar Siapa : Departemen, individu, jenis pelanggan Apa : Jenis komplain, kategori cacat, alasan menelepon Kapan : Bulanan, triwulan, hari, waktu Dimana : Bagian, Kota, lokasi spesifik dari produk Manfaat: Mengumpulkan informasi mengenai pola dan penyebab masalah

31 31 LANGKAH- LANGKAH 1. IdenPfikasi pertanyaan yang akan dikemukakan jika telah mendapatkan data 2. Menentukan faktor strapfikasi yang paling penpng menurut Pm (yang paling relevan dan dapat mengindikasikan jawaban dari masalah yang akan dipecahkan) 3. Memasukkan faktor strapfikasi ke dalam formulir pengumpulan data 4. Membandingkan data dari strata / kelompok satu dengan strata lainnya 5. IdenPfikasi data dari strata mana yang terlihat secara signifikan berbeda dibanding strata lain 6. Membuat kesimpulan

32 CONTOH 32 Kinerja Dept B lebih rendah daripada Dept A

33 33 SCATTER DIAGRAM 6 SEVEN (BASIC OLD ) TOOLS

34 34 DEFINISI Diagram yang menggambarkan hubungan (korelasi) antara dua variabel / faktor yang saling berhubungan / berkorelasi MANFAAT Menyajikan data untuk mengkonfirmasi hipotesa apakah dua variabel saling berhubungan /berkorelasi Mengetahui seberapa erat hubungan antara faktor tersebut Sebagai tools untuk memverifikasi akar penyebab yang diperoleh dari analisa sebab dan akibat

35 35 LANGKAH- LANGKAH (1) 1. Tetapkan 2 variabel yang akan ditelip korelasinya yaitu variabel X dan Y. Variabel X merupakan variabel independen (sebab, dipengaruhià misal jumlah kunjungan) dan variabel Y merupakan variabel dependen (akibat, diharapkan berubah, terpengaruh à misal hasil penjualan 2. Tentukan sumber data / dari mana data itu diperoleh untuk sepap pasangan X dan Y (misal X = 10 kunjungan, Y= 2 penjualan, sumberdata : Dari salesman 3. Menentukan periode pengumpulan data (misal tgl 1 31 Juli )

36 36 LANGKAH- LANGKAH (2) 4. Buat scader diagram yng terdiri dari 4 kolom (no urut data, sumber data, variabel X, variabel Y) 5. Kumpulkan data dengan melakukan pengukuran aktual (umumnya data yang dibuat scader diagram > 50 pasang data) 6. Menggambarkan scader diagram : Plot data pada diagram à diperoleh PPk- PPk scader 7. Intepretasikan data Analisa scader diagram, apakah ada kecenderungan posipf, negapf atau Pdak ada pola tertentu Untuk memaspkan ada Pdaknya korelasi, buat garis regresi dengan type regresi sesuai data (linier, kurve, dll) Menghitung koefisien korelasinya (r)

37 37 HUBUNGAN ANTARA DUA VARIABEL Terdapat 3 hubungan antara dua variabel 1. Hubungan sebab akibat Bila dilakukan terhadap var 1 maka akan ada dampak yang pasp terhadap var 2 Misal : Apel jatuh pasp kebawah (Var 1: apel jatuh, var 2: arah jatuhnya- selalu kebawah) 2. Hubungan yang bersifat kebetulan Bila dilakukan suatu Pndakan terhadap var 1, maka belum tentu akan ada dampak yang pasp terhadap variabel 2 (bisa terjadi, bisa Pdak) 3. Hubungan korelasi Bila dilakukan suatu Pndakan terhadap var 1, maka ada kemungkinan terjadi dampak terhadap var 2. Contoh : a. Antara jumlah kunjungan ke pelanggan dengan hasil penjualan b. Antara lama kerja dengan prestasi kerja c. Antara umur mesin dengan jumlah breakdown

38 38 JENIS KORELASI ANTARA DUA VARIABEL (1) 1. Variabel Independent (X) Variabel yang diketahui Variabel yang diposisikan sebagai penyebab 2. Variabel Dependent (Y) Variabel yang akan diprediksi Variabel yang diposisikan sebagai akibat

39 39 JENIS KORELASI ANTARA DUA VARIABEL (2)

40 40 ANALISA KORELASI Melihat, meramalkan dan menyimpulkan hubungan antara dua variabel atau lebih Dengan diketahui korelasi antara dua variabel atau lebih maka perubahan variabel yang satu dapat diketahui dari variabel yang lain 2 JENIS KORELASI Simple correla;on à hanya ada 2 variabel yang terlibat yaitu X dan Y Mul;ple correla;on à hubungan antara lebih dari 2 variabel UKURAN KORELASI Dapat digambarkan berupa angka kuanptapf r dimana - 1 r 1

41 41 KOEFISIEN KORELASI (r) Koefisien yang menunjukkan korelasi antara dua faktor atau variabel r à - 1 r 1 r = 0, Pdak ada korelasi r > 0, korelasi posipf à bila X meningkat maka Y juga meningkat r < 0, korelasi negapf à bila X meningkat maka Y menurun Dua variabel memiliki korelasi kuat bila r 0,75 SIMPLE CORRELATION & REGRESSION

42 CONTOH (1) 42 Apakah ada korelasi antara jumlah kunjungan salesman dengan hasil penjualan?

43 CONTOH (2) 43 Karena nilai r = 0,735 mendekap 1 maka bisa disimpulkan ada korelasi yang cukup kuat antara variabel x dan Y à peningkatan kunjungan mempengaruhi peningkatan sales

44 SCATTER DIAGRAM ANALISIS (1) 44 Dengan dan Tanpa StraPfikasi

45 SCATTER DIAGRAM ANALISIS (2) 45 Mana yang paling tepat menggambarkan korelasi dua variabel?

46 SCATTER DIAGRAM ANALISIS (3) 46 Mana yang paling tepat garis regresinya?

47 47 Dibahas Pada Bab Berikutnya! CONTROL CHART 7 SEVEN (BASIC OLD ) TOOLS

48 48 Seven Management New Tools Tugas Terstruktur 1