BAB III SOLUSI BISNIS

BAB III SOLUSI BISNIS 3.1 Alternatif Solusi Bisnis Alternatif solusi bisnis dari isu bisnis merupakan eksplorasi hasil isu bisnis dari berbagai informasi berupa evaluasi kinerja PT. XYZ Logistik yang diusulkan dengan melakukan pendekatan Six Sigma. Six Sigma merupakan metode peningkatan proses bisnis yang bertujuan untuk menemukan dan mengurangi faktor faktor penyebab kecacatan atau kesalahan, mengurangi waktu siklus dan biaya operasi, meningkatkan produktivitas, memenuhi kebutuhan customer dengan lebih baik, mencapai tingkat pendayagunaan aset lebih tinggi, dan menambah investasi dari segi pelayanan (Evans and Lindsay, 2007). Six Sigma bertumpu pada beberapa konsep penting yaitu (Evans and Lindsay, 2007: 4): 1. Selalu berpikir dalam kerangka proses bisnis utama serta kebutuhan customer dengan berfokus pada tujuan strategi perusahaan. 2. Memusatkan perhatian pada pendukung perusahaan yang bertanggung jawab menyukseskan proyek proyek penting, mendukung kerja kelompok, membantu mengatasi keengganan untuk berubah, dan menggalang sumber daya. 3. Menekanakan sistem pengukuran yang dapat dikuantifikasi, seperti cacat per satu juta kemungkinan (dpmo defects per 45

million opportunities) yang dapat diterapkan di setiap bagian perusahaan. 4. Memastikan bahwa sistem pengukuran yang tepat teridentifikasi di awal serta memastikan bahwa sistem tersebut berfokus pada pencapaian bisnis sehingga dapat memberikan intensif dan akuntanbilitas. 5. Menyediakan pelatihan menyeluruh yang diikuti dengan penugasan tim proyek untuk meningkatkan profitabilitas, mengurangi aktivitas yang tidak memberi nilai tambah, serta mengurangi waktu siklus. 6. Merencanakan tujuan jangka panjang untuk perbaikan. Metode Six Sigma disusun berdasarkan suatu metodologi penyelesaian masalah yang sederhana dengan beberapa tahap yaitu: 3.1.1 Define Define merupakan proses perumuskan masalah dengan memilih permasalahan yang harus diatasi, menemukan kesempatan untuk melakukan perbaikan, serta pemahaman proses yang terlibat dan kebutuhan customer melalui perspektif tingkat tinggi (Evans and Lindsay, 2007: 62). Perumusan masalah merupakan penyimpangan antara apa yang terjadi dibandingkan dengan apa yang sebenarnya terjadi sehingga penyimpangan tersebut perlu diperbaiki. Aspek masalah yang terjadi harus secara spesifik terjadi, dapat diamati dari data internal, dapat diukur, dan dapat dikendalikan. (Hendradi, 2006: 12) 46

3.1.2 Measure Measure merupakan proses pengukuran yang berfokus pada kinerja yang dipilih untuk diperbaiki pada saat ini dan mengumpulkan data yang dibutuhkan untuk dianalisis (Evans and Lindsay, 2007: 112). Pengukuran ini melalui peta kendali, Kapabilitas Proses, mengidentifikasi karakteristik CTQ (Critical to Quality), dan menentukan tingkat Six Sigma (Nur Arif, 2008). 1. Peta Kendali Peta kendali merupakan peta yang menggambarkan secara kronologis dengan batas batas yang menggambarkan kejadian masa lalu. Peta kendali ini berguna untuk membantu mengidentifikasi sebab khusus variasi, menentukan apakah suatu proses berada dalam pengendalian statistik, memantau terus menerus proses sepanjang waktu supaya proses tetap stabil secara statistik, dan menentukan kemampuan proses dengan batas batas yang ada UCL (Upper Control Limit) dan LCL (Lower Control Limit) (Evans and Lindsay, 2007: 248). Peta kendali dibagi menjadi dua yaitu: a. Peta Kendali Variabel Peta kendali variabel digunakan untuk mengukur suatu data variabel yang bersifat kontinu seperti kesalahan per minggu, persentase pengiriman yang tepat waktu, atau persentase penagihan yang akurat. Peta kendali variabel dibagi menjadi dua yaitu diagram X bar untuk mengawasi pemusatan proses dan diagram R untuk mengawasi variasi di dalam proses (Evans and Lindsay, 2007: 249). Langkah langkah pembuatan peta kendali variabel adalah: 47

Langkah 1. Mengumpulkan data sampel dengan menghitung rata rata dan range sampel. 2.Menghitung batas pengendalian Tabel 3.1 Perhitungan Peta Kendali Variabel UCL x LCL x Diagram x k Rumus Diagram R xi Ri i x 1 i R 1 k k = x + A2 R = x - A2 R 3. Rata-rata, jangkauan, UCL, dan LCL diplotkan. k UCL R = D4 R LCL R = D3 R Keterangan k = jumlah sample x i = rata rata notasi Ri = Jangkauan Sumber: An introductions to Six Sigma & Process Improvement (Evans and Lindsay, 2007) b. Peta Kendali Atribut UCL = batas kendali atas LCL = batas kendali bawah Peta kendali atribut digunakan mengetahui batas toleransi apakah suatu karakteristik dapat memenuhi spesifikasi atau tidak. Peta kendali atribut yang digunakan sebagai pengukuran dalam analisis ini adalah diagram p untuk memonitor suatu barang DO (Delivery Order) yang tidak sesuai dengan permintaan konsumen dan on time delivery. Langkah langkah pembuatan peta kendali atribut adalah: Langkah 1. Mengumpulkan data sampel dengan menghitung rata rata proposi ketidakpatuhan Tabel 3.2 Perhitungan Peta Kendali Atribut Non-Variabel p p1 p2... pk k Rumus p Variabel p p k 1 1 k 2 2... p... k Sumber: An introductions to Six Sigma & Process Improvement (Evans and Lindsay, 2007) n n Keterangan k = jumlah sample p = proposi ketidakpatuhan 48

Langkah 2. Estimasi standar devisasi 3.Menghitung batas pengendalian Tabel 3.2 Perhitungan Peta Kendali Atribut (Lanjutan) Non-Variabel UCL = LCL = p 3s p p 3s p Rumus p ( 1 p) s p n UCL = LCL = Variabel p 3 p 3 p(1 p) n i p(1 p) n i Keterangan UCL = batas kendali atas LCL = batas kendali bawah 4. Rata-rata proposi ketidakpatuhan, UCL, dan LCL diplotkan. Sumber: An introductions to Six Sigma & Process Improvement (Evans and Lindsay, 2007) 2. Kapabilitas Proses Kapabilitas proses merupakan kisaran di mana variasi alami suatu proses terjadi akibat penyebab umum suatu sistem di mana menggambarkan pencapaian suatu proses dalam kondisi stabil sehingga dapat memprediksikan secara kuantitatif berapa baik suatu proses dapat memenuhi suatu target kinerja dan pengendalian yang dibutuhkan (Evans and Lindsay, 2007: 145). Macam macam indeks kapabilitas proses yaitu (Hendradi, 2006: 34): Cp merupakan perbandingan rentang spesifikasi dengan rentang proses di mana salah satu berhubungan dengan kondisi proses dan interprestasi nilai yang telah dihitung. Rumus Cp adalah sebagai berikut : C p USL LSL 6σ Cpk merupakan perbandingan di mana rata rata proses berlokasi relatif terhadap batas spesifikasi sehingga mencari jarak terdekat lokasi proses dengan USL dan LSL kemudian 49

dibagi dengan rentang proses. Rumus Cpk adalah sebagai berikut : C pk USL μ μ LSL min ; 3σ 3σ Six Sigma memperbolehkan rata rata untuk bergeser hingga 1,5 kali deviasi standar dari target, maka Cpk harus dijaga pada nilai 1,5 (Cpk 1,5) dan Cp 2 (Evans and Lindsay, 2007: 146-147). 3. CTQ (Critical to Quality) Critical to quality merupakan aspek dasar untuk mengidentifikasi hal hal yang bersifat penting untuk kualitas dalam menentukan kepuasan pelanggan (Evans and Lindsay, 2007). Hal ini dapat dilakukan dengan mengumpulkan informasi yang dibutuhkan oleh pelanggan untuk aktivitas yang berkaitan dengan pengendalian proses untuk menjada supaya produk dapat terpenuhi (Evans and Lindsay, 2007: 94). 4. Tingkat Six Sigma Tingkat Six Sigma menekanakan cara pengukuran kualitas yang berlaku akibat kekeliruan atau kesalahan yang diterima oleh pelanggan. Langkah langkah perhitungan tingkat Six Sigma sebagai berikut (Evans and Lindsay, 2007: 42) : Tabel 3.3 Perhitungan Tingkat Six Sigma Langkah Rumus 1. Menghitung DPU (Defects Jumlah Cacat Yang Ditemukan DPU per Unit) (Jumlah Unit CTQ Potential) 2. Menghitung DPMO (Defects per Million Opportunities) 3. Menghitung tingkat Six Sigma DPMO DPU Χ 1.000.000 1- DPMO Nilai Sigma NORMISINV 1.5 1.000.000 Sumber: An introductions to Six Sigma & Process Improvement (Evans and Lindsay, 2007) 50

3.1.3 Analyze Analisis merupakan pemeriksaan terhadap proses, fakta, dan data untuk mendapatkan pemahaman mengenai mengapa suatu permasalahan terjadi dan di mana terdapat kesempatan untuk melakukan perbaikan (Evans and Lindsay, 2007: 160). Pada bab ini, analisis yang akan dibahas yaitu (Nur Arif, 2008).: a. Analisis tingkat Six Sigma Analisis Six Sigma merupakan analisis variasi proses sejumlah setengah dari yang ditoleransi oleh tahap desain dan dalam waktu yang sama memberi kesempatan agar rata rata peningkatan kualitas bergeser sebanyak 1,5 deviasi standar dari target (Evans and Lindsay, 2007: 46). b. Analisis mencari akar masalah dan analisis dampak FMEA (Failure Mode and Effect Analysis) Analisis mencari akar masalah menggunakan current reality tree diagram. Analisis dampak FMEA menyerupai peta proses yang disusun pada tahap measurement, namun lebih berkonsentrasi pada input proses proses tersebut (Evans and Lindsay, 2007: 311). Langkah langkah analisis dampak adalah sebagai berikut (Pyzdek, 2003: 597): 1. Identifikasi input proses jasa. 2. Membuat peta proses yang menggambarkan penyebab masalah masalah yang terjadi dengan brainstorming untuk mencari potensi penyebab kesalahan tersebut. 3. Masing masing dari kesalahan dibuat diagram hingga potensi dampak satu masalah ditemukan. 4. Setelah sebab dan akibat dipetakan, masing masing tahap proses kemudian diberi peringkat berdasarkan tiga kategori 51

yang dapat dilihat di Lampiran E. Tiga kategori tersebut adalah: - Severity (SEV) mengevaluasi dampak masing masing perkiraan suatu kegagalan dengan potensial terburuk yang terjadi kepada customer. - Occurance (OCC) menentukan kemungkinan dari setiap kejadian dan menetapkan suatu kejadian dalam mengambil suatu kategori resiko. - Detection (DET) mengidentifikasi metode pengidentifikasi suatu kegagalan dan mentapkan kategori resiko yang ditemukan. 5. Membuat peringkat keseluruhan potensi kegagalan (RPN = Risk Priority Number). RPN = SEV x OCC x DET RPN terbesar menunjukkan prioritas utama permasalahan yang harus diatasi dibandingkan RPN yang lebih kecil. Beberapa perusahaan mempunyai petunjuk yang memerlukan tindakan yang didasarkan pada nilai mutlak dari RPN. 6. Analisa dan mengurangi identifikasi permasalahan untuk mengurangi resiko kegagalan. 3.1.4 Improve Improve merupakan perbaikan proses untuk mencapai tingkat kinerja dengan fokus utama yaitu customer needs dengan mengidentifikasi akar masalah, mencari penyebab, dan melakukan perbaikan proses yang dapat dipertanggungjawabkan kepada pihak manajemen perusahaan. 52

3.1.5 Control Control merupakan langkah terakhir dari proses DMAIC Six Sigma dan merupakan aktivitas untuk memastikan agar perbaikan isu bisnis terjaga melalui pemantauan tolok ukur kinerja utama. Tolok ukur kinerja ini dapat menggunakan metodologi SPC (Statistical Process Control) dengan Peta Kontol untuk memonitor proses agar dapat menemukan sebab sebab khusus untuk melakukan perbaikan, kapabilitas proses (Cp dan Cpk) untuk memprediksikan secara kuantitatif berapa baik suatu proses dapat memenuhi suatu target kinerja dan pengendalian yang dibutuhkan, dan tingkat six sigma untuk mengetahui kapabilitas proses dalam pengukuran kualitas yang diterima oleh pelanggan. Proses control ini harus terus diimplementasikan secara rutin di seluruh manajemen. 3.2 Alternatif Solusi DIFOT (Delivery In Full On Time) 3.2.1 Define Define dalam masalah DIFOT (Delivery In Full On Time) yaitu KPI DIFOT yang baru mencapai target 93.84% dengan target yang ingin dicapai adalah 98%. Masalah ini disebabkan karena masalah kepatuhan yang merupakan kinerja tidak memuaskan seperti tingkat kepuasan customer, masalah kinerja yang tidak terstruktur, dan masalah efisiensi seperti produktivitas. Hal ini dapat digambarkan pada Gambar 3.1 dengan menggunakan diagram IPO yaitu diagram untuk melihat faktor faktor apa yang mempengaruhi proses, serta apa output / target yang diinginkan untuk memperbaiki proses yang ada. Diagram IPO ini dibuat dari hasil pengamatan di perusahaan dan wawancara dengan supervisor dan manajer Departemen Transportasi 53

Gambar 3.1 Diagram IPO DIFOT Dalam mengidentifikasi masalah DIFOT, dibuat diagram Pareto pada Gambar 3.2 untuk menganalisis kejadian dari data internal perusahaan selama satu tahun sehingga memudahkan prioritas permasalahan yang diselesaikan. Diagram pareto mempunyai aturan 80:20 yaitu 80% keadaan yang terjadi disebabkan oleh 20% permasalahan, dengan menyelesaikan 20% permasalahan utama telah dapat memperbaiki keadaan menjadi lebih baik (Chase, Jacobs, and Aquilano, 2006: 327, 610). Diagram Pareto DIFOT 100 100% 90 90% 80 80% 70 70% 60 60% 50 50% 40 40% 30 30% 20 20% 10 10% 0 0% Barang rusak Jumlah barang Barang tidak Kurang Salah Gudang Customer Jalan Macet kurang/lebih sesuai spek Komunikasi menurunkan customer tutup barang karena sedang stock opname pengiriman console Gambar 3.2 Diagram Pareto Permasalahan DIFOT 54

Dari Gambar 3.2, hal utama permasalahan dalam DIFOT, berdasarkan data perusahaan, belum mencapai target disebabkan karena barang rusak ada 37 kasus seperti barang bocor, susut, packing sobek, atau menggumpal. Masalah kedua disebabkan karena barang diterima oleh customer kurang atau lebih ada 30 kasus. Masalah lain disebabkan karena barang yang diterima oleh customer tidak sesuai spesifikasi ada 20 kasus, kesalahan komunikasi antar tim ada 12 kasus (marketing, CSS, transportasi, dan warehouse), salah menurunkan barang karena pengiriman console ada 11 kasus, gudang customer tutup ada 7 kasus, customer sedang melakukan stock opname ada 4 kasus dan jalan macet ada 2 kasus. Secara ringkas, permasalahan DIFOT dapat digambarkan pada cause effect diagram yang dapat dilihat pada Gambar 3.3 sampai dengan Gambar 3.6 untuk melihat akar permasalahan. Cause effect diagram tersebut mengambil 4 masalah utama, 80% keadaan yang terjadi, dari diagram Pareto yaitu barang rusak, jumlah barang kurang/lebih, barang tidak sesuai spesifikasi, dan kurang komunikasi. Gambar 3.3 Cause Effect Diagram Barang Rusak 55

METHOD Reward & Punishment Checker tidak memeriksa barang Human error MAN Waktu unloading barang tidak dihitung di customer Pengiriman Console Human error Ketelitian loading/ undloading Reward & Punishment Jumlah Barang Kurang / Lebih Gambar 3.4 Cause Effect Diagram Jumlah Barang Kurang / Lebih Gambar 3.5 Cause Effect Diagram Barang Tidak Sesuai Dengan Spesifikasi Gambar 3.6 Cause Effect Diagram Kurang Komunikasi 56

38.57% 40.00% 35.00% 30.00% 25.00% 20.00% 15.00% 10.00% 5.00% 0.00% CSS Tranporter Warehouse 30.48% 10.95% 8.57% 6.19% 4.76% 0.48% Marketing Customer Dll Admin Gambar 3.7 Penyebab Defect Delivery Order Tahun 2008 Sumber: Data Perusahaan Pada Gambar 3.7 menunjukkan bahwa data persentase defect pada DIFOT terbesar yang diperoleh dari Departemen Transportasi, pertama disebabkan oleh warehouse baik dari sifat fisik barang atau human error dan kedua disebabkan oleh transporter. Defect ini merupakan kegagalan eksternal yang tidak memuaskan ditemukan setelah pengiriman kepada pelanggan seperti: Biaya yang disebabkan oleh keluhan pelanggan dan pengembalian barang sehingga mengakibatkan pesanan dibatalkan dan biaya kirim yang lebih mahal. Biaya penarikan barang dan klaim asuransi termasuk biaya perbaikan atau penggantian. Biaya pertanggungjawaban produk akibat defect. 3.2.2 Measure Measure membantu proses pengukuran yang berfokus pada kinerja yang dipilih untuk diperbaiki pada saat ini dan mengumpulkan 57

data yang dibutuhkan untuk dianalisis. Proses measure ini dibagi menjadi empat langkah yaitu (Nur Arif, 2008): 1. Peta Kendali Atribut Peta kendali atribut digunakan mengetahui batas toleransi apakah suatu karakteristik dapat memenuhi spesifikasi atu tidak seperti jumlah barang pada saat pengiriman sesuai atau tidak maupun barang yang defect. Peta kendali atribut yang digunakan sebagai pengukuran adalah diagram p untuk memonitor suatu barang DO (Delivery Order) yang tidak sesuai dengan permintaan konsumen dan kriteria DIFOT dengan pengukuran sampel yang diambil dari November Desember 2008. Tabel 3.4 Data Perhitungan Defect DIFOT No Tgl. Pengiriman Sample Size Number of Defects in Sample Proportion Defective LCL UCL 1 1-Nov-08 14 2 0.1429 0.000 0.146 2 3-Nov-08 123 15 0.1220 0.000 0.146 3 4-Nov-08 94 4 0.0426 0.000 0.146 4 5-Nov-08 110 2 0.0182 0.000 0.146 5 6-Nov-08 70 1 0.0143 0.000 0.146 6 7-Nov-08 221 46 0.2081 0.000 0.146 7 8-Nov-08 14 1 0.0714 0.000 0.146 8 10-Nov-08 93 11 0.1183 0.000 0.146 9 11-Nov-08 113 6 0.0531 0.000 0.146 10 12-Nov-08 96 3 0.0313 0.000 0.146 11 13-Nov-08 110 1 0.0091 0.000 0.146 12 14-Nov-08 128 2 0.0156 0.000 0.146 13 15-Nov-08 9 2 0.2222 0.000 0.146 14 17-Nov-08 85 4 0.0471 0.000 0.146 15 18-Nov-08 99 5 0.0505 0.000 0.000 16 19-Nov-08 108 2 0.0185 0.000 0.146 17 20-Nov-08 128 8 0.0625 0.000 0.146 18 21-Nov-08 88 2 0.0227 0.000 0.146 19 22-Nov-08 9 1 0.1111 0.000 0.146 20 24-Nov-08 84 9 0.1071 0.000 0.146 58

Tabel 3.4 Data Perhitungan Defect DIFOT (Lanjutan) No Tgl. Pengiriman Sample Size Number of Defects in Sample Proportion Defective LCL UCL 21 25-Nov-08 102 5 0.0490 0.000 0.146 22 26-Nov-08 83 1 0.0120 0.000 0.146 23 27-Nov-08 84 3 0.0357 0.000 0.146 24 28-Nov-08 6 1 0.1667 0.000 0.146 25 29-Nov-08 115 3 0.0261 0.000 0.146 26 30-Nov-08 15 1 0.0667 0.000 0.146 27 1-Dec-08 108 17 0.1574 0.000 0.146 28 2-Dec-08 116 6 0.0517 0.000 0.146 29 3-Dec-08 124 11 0.0887 0.000 0.146 30 4-Dec-08 88 3 0.0341 0.000 0.146 31 5-Dec-08 138 2 0.0145 0.000 0.146 32 6-Dec-08 9 1 0.1111 0.000 0.146 33 9-Dec-08 81 4 0.0494 0.000 0.146 34 10-Dec-08 84 8 0.0952 0.000 0.146 35 11-Dec-08 124 9 0.0726 0.000 0.146 36 12-Dec-08 106 7 0.0660 0.000 0.146 37 13-Dec-08 6 1 0.1667 0.000 0.146 38 15-Dec-08 124 19 0.1532 0.000 0.146 39 16-Dec-08 130 8 0.0615 0.000 0.146 40 17-Dec-08 84 3 0.0357 0.000 0.146 41 18-Dec-08 104 2 0.0192 0.000 0.146 42 19-Dec-08 101 3 0.0297 0.000 0.146 43 20-Dec-08 15 4 0.2667 0.000 0.146 44 22-Dec-08 126 15 0.1190 0.000 0.146 45 23-Dec-08 103 8 0.0777 0.000 0.146 46 24-Dec-08 131 4 0.0305 0.000 0.146 47 26-Dec-08 62 1 0.0161 0.000 0.146 Jumlah 4165 227 Contoh Perhitungan: 1. Perhitungan Proportion Defective number of defects in sample Pr oportion Defective sample size 2 14 0.1429 59

2. Perhitungan p P 277 4165 number of defects in sample 0.06651 sample size 3. Perhitungan N N sample size data 4165 89 47 4. Perhitungan LCL dan UCL p(1 p) LCL p 3 N 0.06651(1 0.06651) 0.06651 3 89 0.013 0.000 p(1 p) UCL p 3 N 0.06651(1 0.06651) 0.06651 3 89 0.146 Diagram p ini untuk mengetahui performasi suatu kualitas dari defect DIFOT yang mengalami frekuensi terbesar. Pada Gambar 3.8 menunjukkan ada beberapa rata rata proporsi ketidakpatuhan melebihi batas kendali atas. Hal ini perlu diperhatikan untuk mencari apa penyebab dari penyimpangan tersebut dan segera membuat perbaikan yaitu barang rusak, 60

jumlah barang kurang/lebih, barang tidak sesuai spesifikasi, dan kurang komunikasi. 0.30 Diagram P DIFOT Proportion Defective 0.25 0.20 0.15 0.10 0.05 0.00 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Sample Number Gambar 3.8 Diagram P DIFOT Proportion defective CenterLine LCL UCL 2. Kapabilitas Proses Kapabilitas proses merupakan gambaran pencapaian suatu proses sehingga dapat memprediksikan secara kuantitatif dari indeks kapabilitas proses (Cp dan Cpk) agar suatu proses dapat memenuhi suatu target kinerja dan pengendalian yang dibutuhkan. Pengukuran kapabilitas proses ini dibantu dengan menggunakan program Minitab 15. Gambar 3.9 merupakan hasil kapabilitas proses DIFOT. Dari gambar dapat dilihat bahwa kurva within dan overall saling berhimpitan dan penyebaran histogram berada di sebelah kiri dari nilai target sehingga diperlukan perbaikan agar penyebaran data berada di nilai target. 61

Process Capability of Measurement Process Data LSL -10 Target 5 USL 40 Sample Mean 5.894 Sample N 47 StDev (Within) 7.504 StDev (O verall) 7.5043 LSL Target USL Within Overall Potential (Within) C apability C p 1.11 C PL 0.71 C PU 1.52 C pk 0.71 O verall C apability Pp 1.11 PP L 0.71 PP U 1.51 Ppk 0.71 C pm 0.66-10 0 10 20 30 40 O bserved Performance PPM < LSL 0.00 PPM > USL 21276.60 PPM Total 21276.60 Exp. Within Performance PPM < LSL 17084.55 PPM > USL 2.75 PPM Total 17087.30 Exp. O verall Performance PPM < LSL 17088.14 PPM > USL 2.75 PPM Total 17090.89 Gambar 3.9 Kapabilitas Proses DIFOT Six Sigma memperbolehkan rata rata untuk bergeser hingga 1,5 kali deviasi standar dari target, maka Cpk harus dijaga pada nilai 1,5 (Cpk 1,5) dan Cp 2 (Evans and Lindsay, 2007: 146-147). Dari hasil perhitungan, nilai Cp yang diperoleh sebesar 1.1 sehingga menunjukkan bahwa masalah DIFOT ini masih rendah dari kemampuan proses sehingga perlu perbaikan dan pengendalian untuk mencapai batas spesifikasi. Nilai Cpk yang diperoleh sebesar 0.71 yang menunjukkan bahwa kemampuan proses dalam mencapai target masih rendah. 3. Identifikasi karakteristik CTQ (Critical to Quality) Critical to quality merupakan aspek dasar untuk mengidentifikasi hal hal yang bersifat penting untuk kualitas dalam menentukan kepuasan pelanggan. Karakteristik CTQ 62

pada PT. XYZ Logistik dapat diklasifikasikan sebagai berikut (Evans and Lindsay, 2007: 95): Tabel 3.5 Critical to Quality DIFOT Dimensi Kualitas Produk Jasa Akar Masalah Kepatuhan Seberapa banyak kinerja sesuai dengan standar yang telah ditentukan Reliability Kemampuan untuk menyediakan apa yang dijanjikan dengan tepat dan akurat Kinerja Kinerja merupakan karakter operasional dari perusahaan yaitu kemampuan untuk memenuhi keinginan customer. Tingkat pelayanan Kecepatan, keramahan, dan kompetensi perbaikan. Ketidakakuratan barang yang diterima oleh customer. Kurang komunikasi antara customer, marketing, transportasi, dan customer service Pengiriman console. 1. Barang rusak 2. Jumlah barang kurang / lebih. 3. Barang tidak sesuai spesifikasi DO 4. Gudang customer sedang tutup. 5. Customer sedang melakukan stock opname. 6. Pengiriman console yang menyebabkan waktu unloading di tiap customer berbeda dan kadang terlambat. Dari data internal perusahaan dapat diketahui bahwa akibat dari dimensi kualitas akbiat barang yang sampai di customer rusak, jumlah barang yang diterima kurang/lebih, dan barang tidak sesuai spesifikasi pernah menimbulkan gagal produksi pada salah customer sehingga menimbulkan claim kepada PT. XYZ Logistik. Biaya claim baik yang ditanggung oleh perusahaan atau kepada pihak transporter yang diperoleh dari data perusahaan mencapai ± Rp78.000.000,00. 63

No 4. Tingkat Six Sigma Tingkat Six Sigma ini untuk mengetahui kualitas pada kondisi perusahaan saat ini berada pada di tingkat mana dengan melalui perhitungan DPU, DPMO, dan tingkat Six Sigma. Tgl. Pengiriman Tabel 3.6 Penentuan Tingkat Six Sigma DIFOT Sample Size Number of Defects in Sample CTQ Potential DPU Kualitas Proses DPMO Tingkat Six Sigma 1 1-Nov-08 14 2 6 0.0238 23,809.52 3.4808 2 3-Nov-08 123 15 6 0.0203 20,325.20 3.5471 3 4-Nov-08 94 4 6 0.0071 7,092.20 3.9526 4 5-Nov-08 110 2 6 0.0030 3,030.30 4.2445 5 6-Nov-08 70 1 6 0.0024 2,380.95 4.3227 6 7-Nov-08 221 46 6 0.0347 34,690.80 3.3159 7 8-Nov-08 14 1 6 0.0119 11,904.76 3.7602 8 10-Nov-08 93 11 6 0.0197 19,713.26 3.5597 9 11-Nov-08 113 6 6 0.0088 8,849.56 3.8719 10 12-Nov-08 96 3 6 0.0052 5,208.33 4.0617 11 13-Nov-08 110 1 6 0.0015 1,515.15 4.4646 12 14-Nov-08 128 2 6 0.0026 2,604.17 4.2939 13 15-Nov-08 9 2 6 0.0370 37,037.04 3.2862 14 17-Nov-08 85 4 6 0.0078 7,843.14 3.9161 15 18-Nov-08 99 5 6 0.0084 8,417.51 3.8903 16 19-Nov-08 108 2 6 0.0031 3,086.42 4.2385 17 20-Nov-08 128 8 6 0.0104 10,416.67 3.8110 18 21-Nov-08 88 2 6 0.0038 3,787.88 4.1704 19 22-Nov-08 9 1 6 0.0185 18,518.52 3.5854 20 24-Nov-08 84 9 6 0.0179 17,857.14 3.6002 21 25-Nov-08 102 5 6 0.0082 8,169.93 3.9012 22 26-Nov-08 83 1 6 0.0020 2,008.03 4.3769 23 27-Nov-08 84 3 6 0.0060 5,952.38 4.0150 24 28-Nov-08 6 1 6 0.0278 27,777.78 3.4145 25 29-Nov-08 115 3 6 0.0043 4,347.83 4.1238 26 30-Nov-08 15 1 6 0.0111 11,111.11 3.7865 27 1-Dec-08 108 17 6 0.0262 26,234.57 3.4393 28 2-Dec-08 116 6 6 0.0086 8,620.69 3.8815 29 3-Dec-08 124 11 6 0.0148 14,784.95 3.6758 30 4-Dec-08 88 3 6 0.0057 5,681.82 4.0313 31 5-Dec-08 138 2 6 0.0024 2,415.46 4.3181 64

No Tabel 3.6 Penentuan Tingkat Six Sigma DIFOT (Lanjutan) Tgl. Pengiriman Sample Size Number of Defects in Sample CTQ Potential DPO Kualitas Proses DPMO Tingkat Six Sigma 32 6-Dec-08 9 1 6 0.0185 18,518.52 3.5854 33 9-Dec-08 81 4 6 0.0082 8,230.45 3.8985 34 10-Dec-08 84 8 6 0.0159 15,873.02 3.6476 35 11-Dec-08 124 9 6 0.0121 12,096.77 3.7540 36 12-Dec-08 106 7 6 0.0110 11,006.29 3.7902 37 13-Dec-08 6 1 6 0.0278 27,777.78 3.4145 38 15-Dec-08 124 19 6 0.0255 25,537.63 3.4508 39 16-Dec-08 130 8 6 0.0103 10,256.41 3.8168 40 17-Dec-08 84 3 6 0.0060 5,952.38 4.0150 41 18-Dec-08 104 2 6 0.0032 3,205.13 4.2260 42 19-Dec-08 101 3 6 0.0050 4,950.50 4.0793 43 20-Dec-08 15 4 6 0.0444 44,444.44 3.2013 44 22-Dec-08 126 15 6 0.0198 19,841.27 3.5570 45 23-Dec-08 103 8 6 0.0129 12,944.98 3.7279 46 24-Dec-08 131 4 6 0.0051 5,089.06 4.0697 47 26-Dec-08 62 1 6 0.0027 2,688.17 4.2836 Contoh Perhitungan: 1. Menghitung DPU (Defects per Unit) Jumlah Cacat Yang Ditemukan DPU (Jumlah Unit CTQ Potential) 2 0.0238 14 x 6 CTQ Potential diketahui dari jumlah akar masalah pada Tabel 3.5. 2. Menghitung DPMO (Defects per Million Opportunities) DPMO DPU Χ 1.000.000 0.0238 1.000.000 23.809 3. Menghitung tingkat Six Sigma 1- DPMO Nilai Sigma NORMISINV 1.5 1.000.000 1-23.809 NORMSINV 1.5 1.000.000 3.4808 65

Nilai 1,5 pada perhitungan tingkat Six Sigma menunjukkan kualitas Six Sigma dalam mengendalikan proses agar sesuai dengan target dengan pergeseran sigma dari target sebanyak ±1,5 (Evans and Lindsay, 2007: 46). 3.2.3 Analyze Analisis merupakan pemeriksaan terhadap proses, fakta, dan data untuk mendapatkan pemahaman mengenai mengapa suatu permasalahan terjadi dan di mana terdapat kesempatan untuk melakukan perbaikan (Evans and Lindsay, 2007: 160). Dalam analisis ini dibagi menjadi dua yaitu (Nur Arif, 2008): 1. Analisis tingkat Six Sigma Tingkat Six Sigma adalah tingkat yang setara dengan variasi proses sejumlah setengah dari yang ditoleransi oleh tahap desain dan dalam waktu yang sama memberi kesempatan agar rata rata peningkatan kualitas bergeser sebanyak 1,5 deviasi standar (tingkat Six Sigma) dari target (Evans and Lindsay, 2007: 44). Pada Gambar 3.10, tingkat Six Sigma DIFOT mempunyai pola yang tidak berpola, tetapi untuk 5 titik terakhir tingkat Six Sigma semakin meningkat dan ukuran Six Sigma sekitar 3 4 sigma. Analisa tingkat Six Sigma ini bertujuan untuk meningkatkan kualitas dan kinerja perusahaan untuk mencapai target DIFOT 98%. 66

Ukuran Tingkat Six Sigma DIFOT Tingkat Six Sigma 4.60 4.40 4.20 4.00 3.80 3.60 3.40 3.20 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Sampel Gambar 3.10 Tingkat Six Sigma DIFOT 2. Analisis mencari akar masalah dan analisis dampak FMEA (Failure Mode and Effect Analysis) a. Akar Masalah DIFOT Akar masalah dianalisis dengan menggunakan CRT (Current Reality Tree) untuk menemukan akar permasalahan yang menjadi inti masalah yang dihadapi dari isu bisnis dan memberikan cara pandang yang sistematis terhadap sebab akibat yang timbul dengan mengidentifikasi penyebab utamanya dengan bidang yang terkait (Doggett, 2005: 39). Beberapa analisa yang menjadi dasar dalam Current Reality Tree ini didapatkan dari data-data perusahaan, hasil wawancara dan diskusi dengan beberapa pekerja, supervisor, dan manajer. Akar permasalahan DIFOT belum mencapai target aktualnya yaitu 98%, disebabkan oleh beberapa hal pada Tabel 3.7 dan Gambar 3.11. 67

Tabel 3.7 Permasalahan DIFOT Belum Mencapai Target Masalah Cause 1 Cause 2 Root Cause Delivery in Full On Time (DIFOT) mencapai baru mencapai target 93.84% 1. Supir tidak mendapatka n alamat customer 2. Barang yang diterima oleh customer rusak atau tidak sesuai dengan spesifikasi. 3. Barang yang sampai di customer tidak tepat waktu. 1. Alamat customer berbeda dan tidak mengkonfirmasi kepada Dept. Marketing 1. Pengecekan barang tidak teliti karena checker, loader, operator tidak berfungsi di mana komunikasi antara tim kurang dan SDM yang tidak mendukung. 2. Salah dalam penempatan barang. 3. Penanganan barang kurang baik. 4. Waktu unloading di setiap customer berbeda. 1. Salah menurunkan barang karena waktu unloading di setiap customer berbeda yang menyebabkan kesalahan dalam jumlah menurunkan barang. 1. Kurang komunikasi antara customer, marketing, transportasi, dan customer service. (Internal) 1. SDM masih terbatas. (Internal) 1. SDM masih terbatas. (Internal) 2. Pengiriman console di mana 1 truk mengangkut lebih dari 1 drop point. (Internal). 1.Pengiriman console di mana 1 truk mengangkut lebih dari 1 drop point. (Internal) 2.Kurang komunikasi antara customer, marketi ng, transportasi, dan customer service. (Internal). 68

Tabel 3.7 Permasalahan DIFOT Belum Mencapai Target (Lanjutan) Masalah Cause 1 Cause 2 Root Cause Delivery in Full On Time (DIFOT) mencapai baru mencapai target 93.84% 3. Barang yang sampai di customer tidak tepat waktu. 4. Order pengiriman tidak sesuai dengan DO 2. Gudang customer tutup dan customer sedang stock opname. 1. Waktu unloading di setiap customer berbeda yang menyebabkan kesalahan dalam jumlah menurunkan barang. 3.Jalan macet (Eksternal) 1. Pengiriman console di mana 1 truk mengangkut lebih dari 1 drop point. (Internal) b. Analisis Dampak FMEA (Failure Mode and Effect Analysis) Analisis dampak FMEA menyerupai peta proses yang disusun pada tahap measurement, namun lebih berkonsentrasi pada input proses proses yang terjadi. Analisa dampak ini telah didikusikan terlebih dahulu dengan supervisor dan manajer. Pada Tabel 3.8, nilai RPN terbesar diperoleh sebesar 168 dengan potensi modus kegagalan disebabkan oleh penerimaan barang di customer rusak, tidak sesuai jumlah, dan tidak sesuai dengan spesifikasi DO yang harus diperbaiki terlebih dahulu untuk menguranginya kejadian tersebut. 69

70 Gambar 3.11 Current Reality Tree DIFOT

Fungsi Proses (tahap) Penerimaan barang di customer Sumber Daya Manusia Komunikasi antara customer, marketing, warehouse, transportasi, dan CSS. Potensi Modus Kegagalan (kecacatan proses) - Barang rusak. - Jumlah barang kurang / lebih - Barang tidak sesuai dengan spesifikasi DO. - Checker, loader, dan operator tidak berfungsi sebagaimana mestinya. - Gudang customer tutup. - Customer sedang stock opname - Supir tidak mendapatkan alamat customer Tabel 3.8 Analisis Dampak FMEA DIFOT Dampak Potensi Kegagalan - Biaya claim. - Salah produksi SEV - Barang yang diterima oleh customer tidak sesuai 8 - Keterlambatan barang yang diterima oleh customer. - Transportasi melakukan dua kali perjalanan 8 6 Potensi Penyebab Kegagalan - Pengecekan barang tidak teliti oleh checker. - Kesalahan dalam penempatan barang. - Kesalahan penurunan barang sewaktu pengiriman console. - Tidak mengikuti SOP yang ada. - Kurang komunikasi antara customer, marketing, warehouse, transportasi, dan CSS. OCC Pengendalian Saat Ini DET RPN 7 6 5 - Pengecekan barang oleh 2 checker. - Pembatasan jumlah DO yang dikirim dalam 1 mobil dengan memenuhi quantity mobil. - Brifing dan training dengan melakukan SOP yang benar. - Sistem reward dan punishment kepada checker, loader, dan operator. - Komunikasi 2 arah untuk menghadari salah paham dan dalam memberi informasi yang akurat dan detail. - Komunikasi antara customer dan marketing agar dapat memberi informasi yang tepat dan benar. 3 168 3 144 3 90 71

3.2.4 Improve Improve merupakan perbaikan proses untuk mencapai tingkat kinerja dengan fokus utama yaitu customer needs dengan mengidentifikasi akar masalah, mencari penyebab, dan melakukan perbaikan proses yang dapat dipertanggungjawabkan kepada pihak manajemen perusahaan. Proses perbaikan dan pencegahan pada PT. XYZ Logistik harus memperhitungkan dengan baik aktivitas customer maupun perusahaan dan metode anti kegagalan harus diterapkan untuk interaksi antara perusahaan dengan customer. Dalam hal ini melakukan pendekatan FRT (Future Reality Tree) untuk melihat apakah usulan perbaikan dapat benar benar mengurangi penyebab yang tidak diinginkan (Santosa, 1999). Pada Gambar 3.12 diharapkan dengan pendekatan FRT untuk mencapai target DIFOT yaitu 98% yang dapat memperbaiki kepuasan dan kepercayaan customer juga dapat berkompetisi dengan kompetitor. Dan Tabel 3.9 merupakan usulan perbaikan dari akar masalah yang terjadi di PT. XYZ Logistik. Delivery in Full On Time (DIFOT) mencapai target 98% Supir mudah mendapatkan alamat customer Customer mengkonfirmasi perubahan alamat kepada departemen marketing internal Final komunikasi antara customer, marketing, transportasi, dan customer service Pengecekan barang dengan teliti Checker melakukan pemeriksaan 2x Komunikasi antara tim menjadi lebih baik Barang yang diterima oleh customer baik & sesuai spec Pengaturan dalam penempatan barang di truk internal Penanganan unloading barang di customer dengan baik Barang yang sampai di customer tepat waktu Customer memberi tahu gudang customer tutup dan kapan stock opname eksternal Final komunikasi antara customer, marketing, transportasi, dan customer service Monitoring waktu unloading di setiap customer berbeba melalui GPS internal Pembatasan jumlah DO yang dikirim dalam 1 mobil dalam pengiriman console Order pengiriman sesuai dengan DO internal Reward & Punishment internal Brifing dan training kepada checker, loader, dan operator Gambar 3.12 Future Reality Tree DIFOT 72

Tabel 3.9 Solusi Pencapaian Target DIFOT 98% Masalah Akar Masalah Solusi Tujuan Delivery In Full On Time baru mencapai target Metode 1.Barang yang diterima oleh customer rusak, kurang, lebih, tidak sesuai spesifikasi, dan tidak sesuai DO. 93.84% Manusia 1. Checker, loader, dan operator tidak berfungsi sebagaimana mestinya. 2. Kurang komunikasi antara tim (customer, marketing, customer service, transportasi, administrasi, dan warehouse) Customer 1.- Customer merubah-ubah alamat. - Gudang customer tutup - Customer sedang stock opname Transportasi 1. Pengiriman console yang menyebabkan waktu unloading di tiap customer berbeda dan kadang terlambat. 1.- Checker melakukan pemeriksaan dan menandatangani form pengeluaran barang. - Reward dan punishment system kepada checker, loader, dan operator. 1.Brifing dan training dengan melakukan SOP yang benar juga sistem reward dan punishment kepada checker, loader, dan operator. 2.- Memberikan training dalam berkomunikasi antar tim supaya tidak salah dalam prespsi dan gaya bahasa. - Komunikasi 2 arah untuk menghadari salah paham dan dalam memberi informasi yang akurat dan detail. 1. Komunikasi antara customer dan marketing agar dapat memberi informasi yang tepat dan benar. 1.Melakukan jadwal pengiriman dengan membatasi jam cut off pk16.00 dan pembatasan jumlah DO yang dikirim dalam 1 mobil dengan memenuhi quantity mobil. Lingkungan 1. Jalan macet 1. Final komunikasi/konfirmasi harus dilakukan kedua belah pihak. 2. Monitoring posisi kendaraan melalui GPS Delivery In Full On Time mencapai target 98.00% 73

3.2.5 Control Control merupakan langkah terakhir dari proses DMAIC Six Sigma dan merupakan aktivitas untuk memastikan agar perbaikan isu bisnis terjaga melalui pemantauan tolok ukur kinerja utama. Tolok ukur kinerja ini dapat menggunakan metodologi SPC (Statistical Process Control) untuk memonitor proses agar dapat menemukan sebab sebab khusus untuk melakukan perbaikan dengan membuat peta kontrol dengan melibatkan pihak yang bertanggung jawab secara rutin setiap minggu. Template yang digunakan untuk SPC adalah sebagai berikut: Tabel 3.10 Template Diagram P DIFOT No Tgl. Pengiriman Sample Size Number of Defects in Sample Proportion Defective LCL UCL 1 1 3. n No 1 1 3. n Tgl. Pengiriman Tabel 3.11 Template Tingkat Six Sigma DIFOT Sample Size Number of Defects in Sample CTQ Potential DPO Kualitas Proses DPMO Tingkat Six Sigma 74

3.3 Alternatif Solusi On Time Delivery 3.3.1 Define Define dalam masalah on time delivery yaitu KPI on time delivery yang baru mencapai target 93.40% dengan target yang ingin dicapai adalah 95%. Masalah ini disebabkan karena masalah kepatuhan yang merupakan kinerja tidak memuaskan seperti tingkat kepuasan customer dalam pengantaran barang yang tidak tepat waktu, masalah kinerja yang tidak terstruktur, dan masalah efisiensi. Hal ini dapat digambarkan pada Gambar 3.13 dengan menggunakan diagram IPO yaitu diagram untuk melihat faktor faktor apa yang mempengaruhi proses, serta apa output / target yang diinginkan untuk memperbaiki proses yang ada. Diagram IPO ini dibuat dari hasil pengamatan di perusahaan dan wawancara dengan supervisor dan manajer. Gambar 3.13 Diagram IPO On Time Delivery Dalam mengidentifikasi masalah on time delivery, dibuat diagram Pareto pada Gambar 3.14 untuk menganalisis kejadian dari data internal perusahaan selama satu tahun sehingga memudahkan 75

prioritas permasalahan yang diselesaikan. Diagram pareto mempunyai aturan 80:20 yaitu 80% keadaan yang terjadi disebabkan oleh 20% permasalahan, dengan menyelesaikan 20% permasalahan utama telah dapat memperbaiki keadaan menjadi lebih baik (Chase, Jacobs, and Aquilano, 2006: 327, 610). Diagram Pareto On Time Delivery 100 90 80 70 60 50 40 30 20 10 0 Barang masih DO yang diterima Sistem printer belumpermintaan customer Customer merubahubah bermasalah karena di lebih dari jam cut off terintegrasi sehingga yang mendadak alamat sistem dengan fisik hasil TSR dan Pick tidak sama List sangat lama Transportasi outsource terlambat masuk ke PT. XYZ Logistik 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Gambar 3.14 Diagram Pareto Permasalahan On Time Delivery Dari Gambar 3.14 hal utama permasalahan dalam on time delivery, berdasarkan data perusahaan, belum mencapai target disebabkan karena barang masih bermasalah karena di sistem dengan fisik tidak sama ada 35 kasus. Masalah kedua disebabkan karena DO yang diterima lebih dari jam cut off (pukul 17.00) ada 25 kasus. Masalah lain disebabkan karena sistem printer belum terintegrasi sehingga menyebabkan hasil TSR (Transport Summary Report) dan pick list sangat lama ada 20 kasus, permintaan customer yang mendadak ada 9 kasus, customer merubah-ubah alamat ada 6 kasus, dan transportasi outsource datang terlambat ada 4 kasus. Secara ringkas, permasalahan on time delivery dapat digambarkan pada 76

cause effect diagram yang dapat dilihat pada Gambar 3.15 sampai dengan Gambar 3.17 untuk melihat akar permasalahan. Cause effect diagram tersebut mengambil 3 masalah utama, 80% keadaan yang terjadi, dari diagram Pareto yaitu barang masih bermasalah karena di sistem dengan fisik tidak sama, DO yang diterima lebih dari jam cut off, dan hasil print TSR dan pick list masih lama. Gambar 3.15 Cause Effect Diagram Barang Masih Bermasalah Gambar 3.16 Cause Effect Diagram DO Lebih Dari Jam Cut Off Gambar 3.17 Cause Effect Diagram Hasil TSR dan Pick List Lama 77

3.3.2 Measure Measure membantu proses pengukuran yang berfokus pada kinerja yang dipilih untuk diperbaiki pada saat ini dan mengumpulkan data yang dibutuhkan untuk dianalisis. Proses measure ini dibagi menjadi empat langkah yaitu (Nur Arif, 2008): 1. Peta Kendali Atribut Peta kendali atribut digunakan mengetahui batas toleransi apakah suatu karakteristik dapat memenuhi spesifikasi atu tidak seperti jumlah barang pada saat pengiriman sesuai atau tidak maupun barang yang defect. Peta kendali atribut yang digunakan sebagai pengukuran adalah diagram p untuk memonitor pengiriman DO (Delivery Order) yang tidak sesuai dengan tanggal pengiriman dari permintaan konsumen dengan pengukuran sampel yang diambil dari November Desember 2008. Tabel 3.12 Data Perhitungan Defect On Time Deliery No Tgl. Pengiriman Sample Size Number of Defects in Sample Proportion Defective Standard Deviation LCL UCL 1 1-Nov-08 14 1 0.0714 0.0614 0.000 0.129 2 3-Nov-08 123 15 0.1220 0.0207 0.000 0.129 3 4-Nov-08 94 2 0.0213 0.0237 0.000 0.129 4 5-Nov-08 110 2 0.0182 0.0219 0.000 0.129 5 6-Nov-08 70 1 0.0143 0.0275 0.000 0.129 6 7-Nov-08 221 42 0.1900 0.0155 0.000 0.129 7 8-Nov-08 14 1 0.0714 0.0614 0.000 0.129 8 10-Nov-08 93 8 0.0860 0.0238 0.000 0.129 9 11-Nov-08 113 5 0.0442 0.0216 0.000 0.129 10 12-Nov-08 96 2 0.0208 0.0235 0.000 0.129 11 13-Nov-08 110 1 0.0091 0.0219 0.000 0.129 12 14-Nov-08 128 1 0.0078 0.0203 0.000 0.129 13 15-Nov-08 9 1 0.1111 0.0766 0.000 0.129 14 17-Nov-08 85 4 0.0471 0.0249 0.000 0.129 78

Tabel 3.12 Data Perhitungan Defect On Time Deliery (Lanjutan) No Tgl. Pengiriman Sample Size Number of Defects in Sample Proportion Defective Standard Deviation LCL UCL 15 18-Nov-08 99 4 0.0404 0.0231 0.000 0.129 16 19-Nov-08 108 1 0.0093 0.0221 0.000 0.129 17 20-Nov-08 128 6 0.0469 0.0203 0.000 0.129 18 21-Nov-08 88 1 0.0114 0.0245 0.000 0.129 19 22-Nov-08 9 1 0.1111 0.0766 0.000 0.129 20 24-Nov-08 84 7 0.0833 0.0251 0.000 0.129 21 25-Nov-08 102 4 0.0392 0.0228 0.000 0.129 22 26-Nov-08 83 1 0.0120 0.0252 0.000 0.129 23 27-Nov-08 84 2 0.0238 0.0251 0.000 0.129 24 28-Nov-08 6 1 0.1667 0.0938 0.000 0.129 25 29-Nov-08 115 2 0.0174 0.0214 0.000 0.129 26 30-Nov-08 15 1 0.0667 0.0593 0.000 0.129 27 1-Dec-08 108 11 0.1019 0.0221 0.000 0.129 28 2-Dec-08 116 6 0.0517 0.0213 0.000 0.129 29 3-Dec-08 124 10 0.0806 0.0206 0.000 0.129 30 4-Dec-08 88 3 0.0341 0.0245 0.000 0.129 31 5-Dec-08 138 1 0.0072 0.0196 0.000 0.129 32 6-Dec-08 9 1 0.1111 0.0766 0.000 0.129 33 9-Dec-08 81 3 0.0370 0.0255 0.000 0.129 34 10-Dec-08 84 6 0.0714 0.0251 0.000 0.129 35 11-Dec-08 124 9 0.0726 0.0206 0.000 0.129 36 12-Dec-08 106 4 0.0377 0.0223 0.000 0.129 37 13-Dec-08 6 1 0.1667 0.0938 0.000 0.129 38 15-Dec-08 124 18 0.1452 0.0206 0.000 0.129 39 16-Dec-08 130 8 0.0615 0.0202 0.000 0.129 40 17-Dec-08 84 3 0.0357 0.0251 0.000 0.129 41 18-Dec-08 104 2 0.0192 0.0225 0.000 0.129 42 19-Dec-08 101 2 0.0198 0.0229 0.000 0.129 43 20-Dec-08 15 3 0.2000 0.0593 0.000 0.129 44 22-Dec-08 126 15 0.1190 0.0205 0.000 0.129 45 23-Dec-08 103 6 0.0583 0.0226 0.000 0.129 46 24-Dec-08 131 3 0.0229 0.0201 0.000 0.129 47 26-Dec-08 62 1 0.0161 0.0292 0.000 0.129 Jumlah 4165 233 79

Contoh Perhitungan: 1. Perhitungan Proportion Defective number of defects in sample Pr oportion Defective sample size 2. Perhitungan p P 233 4165 0.05594 1 14 sample size 0.0714 number of defects in sample 3. Perhitungan N N sample size data 4165 89 47 5. Perhitungan LCL dan UCL p(1 p) LCL p 3 N 0.05594(1 0.05594) 0.05596 3 89 0.017 0.000 p(1 p) UCL p 3 N 0.05594(1 0.05594) 0.05596 3 89 0.0129 80

Diagram p ini untuk mengetahui performasi suatu kualitas dari defect on time delivery yang mengalami frekuensi terbesar. Pada Gambar 3.18 menunjukkan ada beberapa rata rata proposi ketidakpatuhan melebihi batas kendali atas. Hal ini perlu diperhatikan untuk mencari apa penyebab dari penyimpangan tersebut dan segera membuat perbaikan. 0.200 Diagram P On Time Delivery Proportion Defective 0.150 0.100 0.050 0.000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Sample Number Gambar 3.18 Diagram P On Time Delivery Proportion defective CenterLine LCL UCL 2. Kapabilitas Proses Kapabilitas proses merupakan gambaran pencapaian suatu proses sehingga dapat memprediksikan secara kuantitatif dari indeks kapabilitas proses (Cp dan Cpk) agar suatu proses dapat memenuhi suatu target kinerja dan pengendalian yang dibutuhkan. Pengukuran kapabilitas proses ini dibantu dengan menggunakan program Minitab 15. 81

Process Capability of Measurement Process Data LSL -10 Target 5 U SL 40 Sample Mean 4.957 Sample N 47 StDev (Within) 6.89 StDev (O verall) 6.89031 LSL Target USL Within Overall Potential (Within) C apability C p 1.21 C PL 0.72 C PU 1.70 C pk 0.72 O verall C apability Pp 1.21 PP L 0.72 PP U 1.70 Ppk 0.72 C pm 0.73-10 0 10 20 30 40 O bserv ed Performance PPM < LSL 0.00 PPM > USL 21276.60 PPM Total 21276.60 Exp. Within Performance PPM < LSL 14972.12 PPM > USL 0.18 PPM Total 14972.30 Exp. O verall Performance PPM < LSL 14975.84 PPM > USL 0.18 PPM Total 14976.03 Gambar 3.19 Kapabilitas Proses On Time Delivery Gambar 3.19 merupakan hasil kapabilitas proses on time delivery. Dari gambar dapat dilihat bahwa kurva within dan overall saling berhimpitan dan penyebaran histogram berada di sebelah kiri dari nilai target sehingga diperlukan perbaikan agar penyebaran data berada di nilai target. Six Sigma memperbolehkan rata rata untuk bergeser hingga 1,5 kali deviasi standar dari target, maka Cpk harus dijaga pada nilai 1,5 (Cpk 1,5) dan Cp 2 (Evans and Lindsay, 2007: 146-147). Dari hasil perhitungan, nilai Cp yang diperoleh sebesar 1.21 sehingga menunjukkan bahwa masalah on time delivery ini masih rendah dari kemampuan proses sehingga perlu perbaikan dan pengendalian untuk mencapai batas spesifikasi. Nilai Cpk yang diperoleh sebesar 0.72 yang menunjukkan bahwa kemampuan proses dalam mencapai target masih rendah. 82

3. Identifikasi karakteristik CTQ (Critical to Quality) Critical to quality merupakan aspek dasar untuk mengidentifikasi hal hal yang bersifat penting untuk kualitas dalam menentukan kepuasan pelanggan. Karakteristik CTQ pada PT. XYZ Logistik dapat diklasifikasikan sebagai berikut (Evans and Lindsay, 2007: 95): Tabel 3.13 Critical to Quality On Time Deliery Dimensi Kualitas Produk Jasa Akar Masalah Kepatuhan Seberapa banyak kinerja sesuai dengan standar yang telah ditentukan Reliability Kemampuan untuk menyediakan apa yang dijanjikan dengan tepat dan akurat Kinerja Kinerja merupakan karakter operasional dari perusahaan yaitu kemampuan untuk memenuhi keinginan customer. Tingkat pelayanan Kecepatan, keramahan, dan kompetensi perbaikan. Customer tidak disiplin Modal kerja yang tidak mengikuti SOP yang ada. Sistem printer yang belum terintergrasi. 1. DO yang diterima lebih dari jam cut off 2. Permintaan customer yang mendadak. 3. Customer mengubah ubah alamat 4. Barang masih bermasalah karena di sistem dengan fisik tidak sama karena pemindahan yang tidak terupdate. 5. Hasil cetak TSR pick list memerlukan waktu yang cukup lama. 83

No 4. Tingkat Six Sigma Tingkat Six Sigma ini untuk mengetahui kualitas pada kondisi perusahaan saat ini berada pada di tingkat mana dengan melalui perhitungan DPU, DPMO, dan tingkat Six Sigma. Tgl. Pengiriman Tabel 3.14 Penentuan Tingkat Six Sigma On Time Delivery Sample Size Number of Defects in Sample CTQ Potential DPO Kualitas Proses DPMO Tingkat Six Sigma 1 1-Nov-08 14 1 5 0.0143 14,285.71 3.6893 2 3-Nov-08 123 15 5 0.0244 24,390.24 3.4705 3 4-Nov-08 94 2 5 0.0043 4,255.32 4.1311 4 5-Nov-08 110 2 5 0.0036 3,636.36 4.1841 5 6-Nov-08 70 1 5 0.0029 2,857.14 4.2637 6 7-Nov-08 221 42 5 0.0380 38,009.05 3.2743 7 8-Nov-08 14 1 5 0.0143 14,285.71 3.6893 8 10-Nov-08 93 8 5 0.0172 17,204.30 3.6153 9 11-Nov-08 113 5 5 0.0088 8,849.56 3.8719 10 12-Nov-08 96 2 5 0.0042 4,166.67 4.1383 11 13-Nov-08 110 1 5 0.0018 1,818.18 4.4081 12 14-Nov-08 128 1 5 0.0016 1,562.50 4.4552 13 15-Nov-08 9 1 5 0.0222 22,222.22 3.5099 14 17-Nov-08 85 4 5 0.0094 9,411.76 3.8490 15 18-Nov-08 99 4 5 0.0081 8,080.81 3.9052 16 19-Nov-08 108 1 5 0.0019 1,851.85 4.4024 17 20-Nov-08 128 6 5 0.0094 9,375.00 3.8505 18 21-Nov-08 88 1 5 0.0023 2,272.73 4.3376 19 22-Nov-08 9 1 5 0.0222 22,222.22 3.5099 20 24-Nov-08 84 7 5 0.0167 16,666.67 3.6280 21 25-Nov-08 102 4 5 0.0078 7,843.14 3.9161 22 26-Nov-08 83 1 5 0.0024 2,409.64 4.3189 23 27-Nov-08 84 2 5 0.0048 4,761.90 4.0927 24 28-Nov-08 6 1 5 0.0333 33,333.33 3.3339 25 29-Nov-08 115 2 5 0.0035 3,478.26 4.1989 26 30-Nov-08 15 1 5 0.0133 13,333.33 3.7164 27 1-Dec-08 108 11 5 0.0204 20,370.37 3.5462 28 2-Dec-08 116 6 5 0.0103 10,344.83 3.8136 29 3-Dec-08 124 10 5 0.0161 16,129.03 3.6412 84

Tabel 3.14 Penentuan Tingkat Six Sigma On Time Delivery (Lanjutan) No Tgl. Pengiriman Sample Size Number of Defects in Sample CTQ Potential DPO Kualitas Proses DPMO Tingkat Six Sigma 30 4-Dec-08 88 3 5 0.0068 6,818.18 3.9667 31 5-Dec-08 138 1 5 0.0014 1,449.28 4.4783 32 6-Dec-08 9 1 5 0.0222 22,222.22 3.5099 33 9-Dec-08 81 3 5 0.0074 7,407.41 3.9369 34 10-Dec-08 84 6 5 0.0143 14,285.71 3.6893 35 11-Dec-08 124 9 5 0.0145 14,516.13 3.6830 36 12-Dec-08 106 4 5 0.0075 7,547.17 3.9301 37 13-Dec-08 6 1 5 0.0333 33,333.33 3.3339 38 15-Dec-08 124 18 5 0.0290 29,032.26 3.3952 39 16-Dec-08 130 8 5 0.0123 12,307.69 3.7474 40 17-Dec-08 84 3 5 0.0071 7,142.86 3.9500 41 18-Dec-08 104 2 5 0.0038 3,846.15 4.1653 42 19-Dec-08 101 2 5 0.0040 3,960.40 4.1554 43 20-Dec-08 15 3 5 0.0400 40,000.00 3.2507 44 22-Dec-08 126 15 5 0.0238 23,809.52 3.4808 45 23-Dec-08 103 6 5 0.0117 11,650.49 3.7685 46 24-Dec-08 131 3 5 0.0046 4,580.15 4.1060 47 26-Dec-08 62 1 5 0.0032 3,225.81 4.2239 Contoh Perhitungan: 1. Menghitung DPU (Defects per Unit) Jumlah Cacat Yang Ditemukan DPU (Jumlah Unit CTQ Potential) 1 14 x 5 0.0143 CTQ Potential diketahui dari jumlah akar masalah pada Tabel 3.13. 2. Menghitung DPMO (Defects per Million Opportunities) DPMO DPU 1.000.000 0.0143 1.000.000 14.285 85

3. Menghitung tingkat Six Sigma Nilai 1- DPMO Sigma NORMISINV 1.5 1.000.000 1-14.285 NORMSINV 1.5 1.000.000 3..6893 Nilai 1,5 pada perhitungan tingkat Six Sigma menunjukkan kualitas Six Sigma dalam mengendalikan proses agar sesuai dengan target dengan pergeseran sigma dari target sebanyak ±1,5 (Evans and Lindsay, 2007: 46). 3.3.3 Analyze Analisis merupakan pemeriksaan terhadap proses, fakta, dan data untuk mendapatkan pemahaman mengenai mengapa suatu permasalahan terjadi dan di mana terdapat kesempatan untuk melakukan perbaikan (Evans and Lindsay, 2007: 160). Dalam analisis ini dibagi menjadi dua yaitu (Nur Arif, 2008): 1. Analisis tingkat Six Sigma Tingkat Six Sigma adalah tingkat yang setara dengan variasi proses sejumlah setengah dari yang ditoleransi oleh tahap desain dan dalam waktu yang sama memberi kesempatan agar rata rata peningkatan kualitas bergeser sebanyak 1,5 deviasi standar (tingkat Six Sigma) dari target (Evans and Lindsay, 2007: 44). Pada gambar 3.20, tingkat Six Sigma on time delivery mempunyai pola yang tidak berpola, tetapi untuk 5 titik terakhir tingkat Six Sigma semakin meningkat dan ukuran Six Sigma sekitar 3 4 sigma. Analisa tingkat Six Sigma ini bertujuan untuk meningkatkan kualitas dan kinerja perusahaan untuk mencapai target on time delivery 95%. 86

Ukuran Tingkat Six Sigma On Time Delivery 4.60 4.40 Tingkat Siz Sigma 4.20 4.00 3.80 3.60 3.40 3.20 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Sampel Gambar 3.20 Tingkat Six Sigma On Time Delivery 2. Analisis mencari akar masalah dan analisis dampak FMEA (Failure Mode and Effect Analysis) a. Akar Masalah On Time Delivery Akar masalah dianalisis dengan menggunakan CRT (Current Reality Tree) untuk menemukan akar permasalahan yang menjadi inti masalah yang dihadapi dari isu bisnis dan memberikan cara pandang yang sistematis terhadap sebab akibat yang timbul dengan mengidentifikasi penyebab utamanya dengan bidang yang terkait (Doggett, 2005: 39). Beberapa analisa yang menjadi dasar dalam Current Reality Tree ini didapatkan dari data-data perusahaan, hasil wawancara dan diskusi dengan beberapa pekerja, supervisor, dan manajer. Akar permasalahan on time delivery belum mencapai target aktualnya yaitu 95%, disebabkan oleh beberapa hal pada Tabel 3.15 dan Gambar 3.21. 87