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.
36
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
perkembangan dari studi kemampuan proses. Pertama kali diperkenalkan dan diterapkan oleh Motorola di akhir tahun 80an, 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 setengah jadi.
pengendalian
produk
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 Total Padatan Lemak Gula Protein Total Produk (Batch)
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.
A 0 0 0 1 47
Produk (Batch) B C 0 0 2 0 3 2 0 0 62 86
D 0 2 121 78 276
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 Reproducibility (Gage R&R)
and
Gage Repeatability adalah variasi pengukuran yang dihasilkan ketika seorang operator mengukur Part yang sama dengan karakteristik yang identik dengan
37
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 (incontrol) 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.
38
Diagram Sebab Diagram)
Akibat
(Fishbond
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.
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
SCM M ix in g
b. c. d. e. f. g.
Efek kegagalan potensial Penyebab potensial Pengendalian saat ini Occurrence (0) Severity (S) Detectability (D)
Proses Produksi Susu Proses produksi susu dibagi menjadi beberapa tahap, seperti terlihat pada gambar 2 yaitu:
Liquid Milk Mixing
B u ffe r in g
Standardization P a s te u r is a tio n
Sterillization S t a n d a r d iz a t io n
F illin g
P a c k in g
Filling
Packing
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
39
Polarimetri. Sugar yang merupakan sukrosa yaitu disakarida non pereduksi dan memiliki sifat optik aktif dengan arah putar rotasi ke kanan (Dextrorotary). (Dextrorotary d. Parameter Pengujian Fat.. Pengujian fat dilakukan dengan metode Mejoiner. Fat dalam sample dipisahkan dengan pereaksi amonia, etanol, dietileter dan petroleum eter.
Instrument FOSS Instrument FOSS OSS NIR dikembangkan untuk tujuan memberikan kemudahan, kecepatan dan akurasi yang baik pada kegiatan analisis parameter parameter-parameter di atas. Foss NIR merupakan instrument analisis yang menggunakan sinar infra merah pada panjang gelombang 1100 1100-2500 nm (Near-Infrared) untuk menganalisis sampel dengan metode scanning (pembacaan tiap 2 nm).
Gambar 7 Daerah Panjang Gelombang NIR
Analisis Gage R & R Pengumpulan data untuk analisis Gage R&R 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 Tabel 3 Analisis Gage R&R Sugar dan Protein Milkoscan A1 1 2 3 4 5 6 7 8 9 10
Protein
Sugar
No 9.44 9.03 9.10 9.59 9.40 10.07 8.41 8.52 8.39 8.53
A2
B1
9.40 8.96 9.00 9.60 9.35 10.10 8.40 8.50 8.40 8.50
9.50 9.00 9.11 9.60 9.30 10.14 8.50 8.46 8.46 8.55
B2 9.47 9.02 9.05 9.64 9.32 10.15 8.52 8.42 8.42 8.51
A1
A2 2.44 2.38 2.46 2.48 2.51 2.61 2.65 2.26 2.29 2.27
B1 2.45 2.35 2.45 2.47 2.50 2.62 2.66 2.27 2.30 2.28
B2 2.42 2.35 2.44 2.46 2.52 2.60 2.66 2.25 2.33 2.28
2.45 2.36 2.44 2.44 2.50 2.63 2.64 2.26 2.31 2.26
Data Analisis Gage R&R FOSS NIRS Tabel 4 Analisis Gage R&R Sugar dan Protein FOSS NIRS No 1 2 3 4 5 6 7 8 9 10
40
Protein
Sugar A1 47.03 47.10 46.85 47.20 47.31 47.65 47.36 47.40 47.91 47.37
A2 47.10 47.20 46.90 47.18 47.40 47.77 47.40 47.30 48.00 47.40
B1 47.00 47.00 46.84 47.25 47.35 47.70 47.49 47.37 47.89 47.50
B2 47.05 47.02 46.92 47.12 47.30 47.78 47.39 47.45 48.02 47.40
A1 2.66 2.28 2.58 2.73 3.12 2.77 2.75 2.80 2.69 2.57
A2 2.62 2.25 2.55 2.71 3.08 2.75 2.74 2.81 2.65 2.53
B1 2.62 2.24 2.59 2.70 3.11 2.78 2.72 2.77 2.64 2.55
B2 2.63 2.26 2.54 2.74 3.14 2.75 2.75 2.79 2.62 2.54
Hasil Analisis Gage R&R Milkoscan Pengukuran Sugar Gage R&R (ANOVA) for Sugar of Milkoscan C omponents of V ar iation
C 7 by C 2
Percent
100
% Contribution % Study Var
10.4 9.6
50 8.8 0 Gage R&R
Repeat
Reprod
1
Part-to-Part
2
3
4
5
6
7
8
9
10
C2
R C har t by C3 a
C 7 by C 3
b
Sample Range
UCL=0.1127
10.4
0.10 9.6 0.05
_ R=0.0345
0.00
LCL=0
8.8 a
b C3
Xbar C har t by C 3 10.4
a
b
C 3 * C 2 Inter action
UCL=9.111 _ _ X=9.046 8.8
Average
Sample Mean
10.4 9.6
C3 a b
9.6 8.8
LCL=8.981 1
2
3
4
5
6
7
8
9
10
C2
Gambar 8 Gage R&R Sugar of Milkoscan
Pengukuran Protein Ga g e R& R (A NOV A ) fo r Pr o t e in o f M ilko s ca n C o m p o n e n ts o f V a r ia t io n
C 1 0 by C 2
Percent
100
% C ontribution % Study V ar
50
2.6
2.4
2.2
0 Gage R &R
R epeat
R eprod
1
Par t -t o-Part
2
3
4
5
6
7
8
9
10
C2
R C har t by C 3 a
C 1 0 by C 3
b
Sample Range
UC L= 0.04901 2.6
0.04
0.02
_ R = 0.015
2.4
0.00
LC L = 0
2.2 a
b C3
X ba r C har t by C 3 b
C 3 * C 2 I n te r a c t io n
2.6
C3 a b
2.6 UC L = 2.4607 _ _ X = 2.4325
2.4
L C L = 2.4043
Average
Sample Mean
a
2.4
2.2
2.2
1
2
3
4
5
6
7
8
9
10
C2
Gambar 9 Gage R&R Protein of Milkoscan
Hasil Analisis Gage R&R FOSS NIRS Pengukuran Sugar Ga g e R & R ( A NOV A ) fo r S ug a r o f FOS S NIR S C o m p o n e n t s o f V a r ia ti o n
Percent
100
C 1 7 by C 2 % C ontribution % Study V ar
48.0
47.5
50
47.0 0 Gage R & R
R epeat
R eprod
1
Part - t o-Part
2
3
4
5
6
7
8
9
10
C2
R C ha r t by C 3 a
C 1 7 by C 3
b
Sample Range
UC L = 0.2499
48.0
0.2 47.5 0.1
_ R = 0.0765
0.0
LCL= 0
47.0 a
b C3
X bar C har t by C 3 48.0
a
b
C 3 * C 2 I n te r a c t i o n
UC L = 47.486 _ _ X = 47.342 L C L = 47.198
47.0
Average
Sample Mean
48.0
47.5
C3 a b
47.5
47.0 1
2
3
4
5
6
7
8
9
10
C2
Gambar 10 Gage R&R Sugar of FOSS NIRS
41
Pengukuran Protein Ga g e R & R ( A NOV A ) fo r Pr o t e in o f FOSS NIR S C o m p o n e n t s o f V a r ia t io n
Percent
100
C 1 9 by C 2 % C ontribution % Study V a r
3.2 2.8
50 2.4 0 G age R &R
R epeat
R epr od
1
Part -t o- Par t
2
3
4
5
6
7
8
9
10
C2
R C har t by C 3 Sample Range
0.10
a
C 1 9 by C 3
b UC L = 0.0882
3.2 2.8
0.05 _ R = 0.027 0.00
2.4
LCL= 0
a
b C3
X bar C har t by C 3 3.2
a
b
C 3 * C 2 I n t e r a c t io n
2.8
L C L = 2.627 2.4
Average
Sample Mean
3.2 UC L = 2.729 _ _ X = 2.678
C3 a b
2.8
2.4 1
2
3
4
5
6
7
8
9
10
C2
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 Sugar Protein Parameter Sugar Protein
Repeatability 4.97 9.18 Repeatability 18.40 915
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
42
Milkoscan Reproducibility 5.88 1.60 FOSS NIRS Reproducibility 0.00 1.60
Total Gage R&R 7.70 9.32 Total Gage R&R 18.40 9.29
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.
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:
kepercayaan yang digunakan adalah 95% dengan nilai = 0.05. Sehingga jika nilai output pada Minitab menunjukkan nilai PValue lebih besar dari 0.05 maka dapat disimpulkan bahwa data tersebut berdistribusi normal.
Peta Kendali Produk D Peta Kendali X Sugar Produk D:
UCL x 3
MR 0.0496 0.0574 3 0.1893 d2 1.128
CL x 0.0574 LCL x 3
n
MR 0.0496 0.0574 3 0.0745 d2 1.128
=2
d2 = 1.128
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
D3 = 0 D4 = 3.267 Peta Kendali MR :
UCL D 4 MR 3.267 0.0496 0.1620 CL MR 0.0496 LCL 0
I-M R C h a r t o f S u g a r P r o d u k D 1
Individual V alue
2 .0
1
1
1 1
1
1
U C L= 1 . 6 6 2
1 .5
_ X= 0.9 44
1 .0 0 .5 1 1
0 .0
1
LC L = 0 . 2 2 6
1
1
1
1 1
1
29
57
85
113
141 O b s e r v a t io n
169
197
225
M oving Range
2 .0
253
1
1 .5 1
1 1
1
1 .0
1
U C L= 0 . 8 8 2
0 .5
__ M R = 0 .2 7 0
0 .0
LC L = 0 1
29
57
85
113
141 O b s e r v a t io n
169
197
225
253
Gambar 12 Peta Kendali X-MR Sugar Produk D
43
Revisi Peta Kendali X Sugar Produk D:
UCL x 3
Peta Kendali MR :
UCL D 4 MR 3.267 0.0418 0.1366
MR 0.0418 0.0446 3 0.1556 d2 1.128
CL MR 0.0418
CL x 0.0574 LCL x 3
LCL 0
MR 0.0418 0.0446 3 0.0666 d2 1.128
I-M R C h a r t o f S u g a r in P r o d u c t D
I ndividual V alue
1 .5 0
U C L= 1 .4 4 7
1 .2 5 _ X= 0 .93 5
1 .0 0 0 .7 5 0 .5 0
LC L= 0 .4 2 3 1
22
43
64
85
106 O b s e r v a t io n
127
148
169
190
U C L= 0 .6 2 8 6
Moving Range
0 .6 0 0 .4 5 0 .3 0
__ M R = 0 .19 24
0 .1 5 0 .0 0
LC L= 0 1
22
43
64
85
106 O b s e r v a t io n
127
148
169
190
Gambar 13 Revisi Peta Kendali X-MR Sugar Produk D I -M R C h a r t o f P r o t e i n P r o d u k D
Individual V alue
0.0 0
1 11 1 1 1 11
-0 . 2 5
1 11 1
1
1
1 1
1 1
1
11
U C L = -0 . 3 2 5
-0 . 5 0
_ X = -0 . 5 9 4
-0 . 7 5 11 1 1 1
-1 . 0 0 1
29
57
M oving Range
0 .4
1
85
1
1
113
141 O b s e r v a tio n
1
169
1 1 1
1 1
197
L C L = -0 . 8 6 2
1 111 111 1
225
1
253
1 1
1
1
U C L= 0 .3 3 0 1 0 .3 0 .2 __ M R = 0 .10 10
0 .1 0 .0
LC L= 0 1
29
57
85
113
141 O b s e r v a tio n
169
197
225
253
Gambar 14 Peta Kendali X-MR Protein Produk D I -M R C h a r t o f P r o t e i n i n P r o d u c t D
Individual V alue
-0 . 4
U C L = -0 . 4 1 4 5
-0 . 5 _ X = -0 . 6 0 6 1
-0 . 6 -0 . 7 -0 . 8
L C L= -0 . 7 9 7 6 1
19
37
55
73
91 109 O b s e r v a t io n
127
145
163
181
U C L= 0 . 2 3 5 3
M oving Range
0 .2 0 0 .1 5 0 .1 0
__ M R = 0.0 72 0
0 .0 5 0 .0 0
L C L= 0 1
19
37
55
73
91 109 O b s e r v a t io n
127
145
163
181
Gambar 15 Revisi Peta Kendali X-MR Protein Produk D
44
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
U ji K e no r m a l a n S u g a r P r o d u k D Norm a l 9 9.9
P - V a lu e
0 .0 5 5
99 95 90
Percent
80 70 60 50 40 30 20 10 5 1 0.1
0 .2
0.4
0 .6
0 .8 1 .0 Suga r Pr od uk D
1 .2
1 .4
1 .6
Gambar 16 Uji Kenormalan Sugar Produk D U ji K e no r ma la n P r o te in P r o duk D Nor m a l 99.9
P -V a lu e
0.1 99
99 95 90
Percent
80 70 60 50 40 30 20 10 5 1 0.1
-0 .9
-0 .8
- 0.7 -0 .6 - 0 .5 Pr o t e in Pr o d uk D
- 0.4
-0 .3
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 Produk D
x 0.0446
Proses
Protein
2
S
x i x
0.0501 n 1 USL LSL 0.30 (0.30) CP 1.9960 6S 6 0.0501 USL - x 0.30 - 0.0446 CPU 1.6993 3S 3 0.0501 x LSL 0.0446 ( 0.30) CPL 2.2927 3S 3 0.0501
Cpk minCPL,CPU 1.6993 p (out of spec) p (x -0.3) p (x 0.3)
p z
- 0.3 - 0.0446 0.0501
0.3 - 0.0446 p z 0.0501
p z -6.88 p z 5.10 p LSL 0.00 0.00 ppm p USL 1.70122E - 7 0.17 ppm
45
P r o c e s s C a p a b ility o f S u g a r in P r o d u c t D LS L P ro ce s s D LS L T a rg e t U S L S a m p le M e a n S a m p le N S t D e v ( W it h in ) S t D e v ( O v e r a ll)
T arg et
USL
a ta -1 0 1 0 .9 3 5 0 9 5 210 0 .1 7 7 7 7 0 .2 6 2 0 6 6
W it h in O v e r a ll P o t e n t ia l C C C C
( W i t h i n ) C a p a b ili t y p 1 .8 8 P L 3 .6 3 P U 0 .1 2 pk 0 .1 2
O v e r a ll C a p a b ilit y P P P P C
-1 . 0 5 -0 . 7 0 O b s e rv e d P e rfo rm a n ce P P M < LS L 0 .0 0 P P M > U S L 4 0 9 5 2 3 .8 1 P P M T o ta l 4 0 9 5 2 3 .8 1
E xp . P P M P P M P P M
-0 . 3 5
0 .0 0
W it h in P e r f o r m a n c e < LS L 0 .0 0 > U S L 3 5 75 1 6 .1 1 T o ta l 3 5 75 1 6 .1 1
0 .3 5
0 .7 0
1 .0 5
p P L P U pk pm
1 .2 7 2 .4 6 0 .0 8 0 .0 8 0 .3 4
1 .4 0
E x p . O v e r a ll P e r f o r m a n c e P P M < LS L 0 .0 0 P P M > U S L 4 0 2 1 9 6 .6 1 P P M T o ta l 4 0 2 1 9 6 .6 1
Gambar 18 Capability Analysis Sugar Produk D P r o c e s s C a p a b ility o f P r o te in in P r o d u c t D LS L
T arg et
USL
P ro c e s s D a t a LS 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 184 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
W it h in O v e r a ll P o t e n t ia l C C C C
( W it h i n ) C a p a b il it y p 3 .3 0 P L 0 .4 4 P U 6 .1 6 pk 0 .4 4
O v e r a l l C a p a b i lit y P P P P C
-0 . 8 O P P P P P P
b s e r v e d P e rf o r m a n c e M < LS L 2 1 7 3 9 1 .3 0 M > U S L 0 .0 0 M T o ta l 2 1 7 3 9 1 .3 0
-0 . 6
-0 . 4
-0 . 2
E x p . W i t h in P e r f o r m a n c e P P M < LS L 9 1 9 2 1 .8 9 P P M > U S L 0 .0 0 P P M T o ta l 9 1 9 2 1 .8 9
0 .0
0 .2
E x p . O v e ra ll P e rf o r m P P M < LS L 18135 P P M > U S L P P M T o ta l 18135
0 .4
p P L P U pk pm
2 .2 6 0 .3 0 4 .2 2 0 .3 0 0 .3 8
0 .6
a nce 8 .6 3 0 .0 0 8 .6 3
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
46
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
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) Sugar
No
A1 45.70 45.64 45.91 45.52 45.65 45.57 45.78 45.32 46.00 45.47
1 2 3 4 5 6 7 8 9 10
A2 45.72 45.60 45.95 45.50 45.64 45.55 45.80 45.35 46.05 45.45
B1 45.71 45.59 45.90 45.50 45.66 45.54 45.77 45.36 46.06 45.42
Hasil analisis Gage R&R untuk parameter sugar dengan menggunakan instrument FOSS NIRS setelah dilakukan kalibrasi dengan polarimeter yang baru
B2 45.70 45.63 45.88 45.51 45.68 45.58 45.79 45.30 46.04 45.45
yaitu 9.73% (<10%). Sistem pengukuran parameter sugar dengan menggunakan instrument FOSS NIRS dapat diterima secara statistik.
Ga g e R & R ( A NO V A ) f o r S u g a r o f FO S S NIR S ( II) C o m p o n e n ts o f V a r ia tio n
C 3 by C 1
Percent
100
% C o n trib u tio n % Study V ar
4 6.0 0 4 5.7 5
50 4 5.5 0 0 Gage R & R
R e pe a t
R e pr o d
1
Pa rt - t o- Par t
2
3
4
5
6
7
8
9
10
C1
R C ha rt by C 2 Sample Range
0.1 0
a
C 3 by C 2
b U C L = 0 .0 88 2
4 6.0 0 4 5.7 5
0.0 5 _ R = 0 .02 7 0.0 0
4 5.5 0
LCL= 0
a
b C2
Xbar C hart by C 2 a
b
C 2 * C 1 I n t e r a c t io n C2 a b
4 6 .0 0 _ _ C L = 4 5 .70 6 8 U X = 4 5 .6 5 6 L C L = 45 .60 5 2
4 5.7 5 4 5.5 0
Average
Sample Mean
4 6.0 0
4 5 .7 5 4 5 .5 0 1
2
3
4
5
6
7
8
9
10
C1
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 1 2 3 4 5 6 7 8 9 10
Sugar 0.35 0.13 0.24 0.18 0.03 0.32 0.13 0.13 0.33 0.44
No 11 12 13 14 15 16 17 18 19 20
Sugar 0.53 0.28 0.45 0.33 0.22 0.53 0.14 0.52 0.60 0.17
No 21 22 23 24 25 26 27 28 29 30
Sugar 0.35 0.21 0.38 0.48 0.53 0.44 0.05 0.44 0.40 0.33
47
I-M R C h a r t o f S u g a r ( I I) P r o d u k D U C L= 0 .8 0 6
Individual V alue
0 .7 5 0 .5 0
_ X= 0 .32 2 0 .2 5 0 .0 0 LC L= -0 .1 6 2 1
4
7
10
13
16 O b s e r v a t io n
19
22
25
28
M oving Range
0 .6 0
U C L= 0 .5 9 4 9
0 .4 5 0 .3 0 __ M R = 0 .18 21
0 .1 5 0 .0 0
LC L= 0 1
4
7
10
13
16 O b s e r v a t io n
19
22
25
28
Gambar 21 Peta Kendali X-MR Sugar (II) Produk D P r o c e s s C a p a bi l ity o f S ug a r ( II) P r o duk D LS L
T ar g et
USL W ith in O v er all
P ro ce ss D a ta LS L -1 T a rg e t 0 USL 1 S a m p le M e a n 0.322 S a m p le N 30 S tD e v (W ith in ) 0.170668 S tD e v (O v e ra ll) 0 . 1 5 7 3 7 9
P o te n tia l (W ith in ) C a p a b ility Cp 1 .9 5 CPL 2 .5 8 CPU 1 .3 2 C pk 1 .3 2 O v e ra ll C a p a b ility Pp PPL PPU P pk C pm
-0 . 9 6 O b se rv PPM PPM PPM
e d P e rfo rm a n ce < LS L 0.00 > U S L 0.00 T o ta l 0.00
-0 . 6 4
-0 . 3 2
E xp . W ith in P e rf o rm a n ce P P M < LS L 0.00 P P M > U S L 35.54 P P M T o ta l 35.54
0 .0 0 E xp . O v PPM PPM PPM
0 .3 2
0 .6 4
2 .1 2 2 .8 0 1 .4 4 1 .4 4 0 .9 2
0 .9 6
e ra ll P e rf o rm a n ce < LS L 0 .0 0 > U S L 8 .2 3 T o ta l 8 .2 3
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
48
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.
Hasil dari brain storming dapat dilihat pada tabel 8. Tabel 8 Hasil Brain Storming No 1 2 3 4 5
Pendapat Kesalahan analisis Input data pada formulasi Jenis dan jumlah bahan baku Kalibrasi instrument pengukuran 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.
49
Tabel 9 Hasil Analisis Kemampuan Proses Parameter Fat TS Sugar Protein
CPK Produk A 1.70 1.26 1.89 0.62
Produk B 0.61 1.25 0.66 1.64
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
50
Produk C 3.30 1.88 1.20 3.14
Produk D 1.32 1.02 0.08 0.30
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.
