BAB V ANALISA HASIL 5.1 Analisa Histogram Histogram pada tahap ini digunakan untuk mengidentifikasi peluang cacat, membandingkan jumlah kecacatan produk proses produksi Lightening Day Cream 30gr dan Lightening Night Cream 30gr sehingga dapat dilihat pada proses produksi item manakah yang menghasilkan produk cacat tertinggi. Sesuai dengan fungsinya Histogram dalam (Muhammad, 2015) adalah grafik representasi data numerik yang digunakan untuk menunjukkan bagaimana sering setiap nilai yang berbeda dalam satu set data terjadi. Histogram digunakan untuk menentukan bentuk kumpulan data. Maka dapat dilihat plotting data produksi PT Paragon Technology and Innovation sebagai berikut:
53
http://digilib.mercubuana.ac.id/
56 Histogram Kecacatan Produk Lightening Day Cream dan Lightening Night Cream 40000
35250
35000 30000
26463
25000 17421
20000 13715
15000 10000 5000 0 LDC Step 1
LDC Step 2
LNC Step 1
LNC Step 2
Gambar 1 Histogram Kecacatan Produk
Histogram yang telah ditunjukkan pada gambar diatas, dapat dilihat jumlah produksi selama pengamatan sebesar 1.938.262 pieces dan kecacatan yang terjadi pada Lightening Day Cream Step 1 30gr sebesar 35.250 pieces, Lightening Day Cream Step 2 30gr sebesar 13.715 pieces, Lightening Night Cream Step 1 30gr sebanyak 26.463 pieces dan Lightening Night Cream Step 2 30gr sebanyak 17.421 pieces dan perusahaan mengalami kerugian terbanyak pada item Lightening Day Cream Step 1 30gr. 5.2 Analisa Check Sheet Setelah melihat apa yang sudah dijabarkan pada histogram, jumlah produk reject terbesar akibat kontaminasi terjadi pada item Lightening Day ream Step 1 30gr. Maka tahap selanjutnya yaitu mengembangkan solusi dengan check sheet. Check Sheet dalam (Muhammad, 2015) adalah alat penting yang digunakan untuk mengumpulkan data dan merekam proses yang terjadi membutuhkan waktu yang banyak. Karena laporan perusahaan masih belum fokus pada cacat produk, maka
http://digilib.mercubuana.ac.id/
57
dengan adanya check sheet mempermudah saya dalam meringkas data rework yang dibutuhkan. Data yang dikumpulkan melalui check sheet dapat digunakan dalam alatalat kualitas selanjutnya antara lain seperti diagram pareto dan histogram. Berikut hasil pengolahan data dengan menggunakan lembar check sheet, untuk menghitung persentase cacat adalah :
http://digilib.mercubuana.ac.id/
58 Tabel 1 Check Sheet Pengolahan Produk Cacat
Jumlah Cacat LDC Step LNC Step 2 1
Pengamatan
Jumlah Produksi
1
40652
718
269
100
34
2,76%
2
29573
564
40
2
158
2,58%
3
65626
821
389
2
8
1,86%
4
78702
236
609
128
355
1,69%
5
21482
86
12
132
40
1,26%
6
28807
1268
43
84
60
5,05%
7
42436
842
62
86
4
2,34%
8
41733
3003
4
158
180
8,02%
9
17378
2
485
5
47
3,10%
10
25517
8
855
233
45
4,47%
11
44811
398
30
796
126
3,01%
12
76870
387
380
1854
965
4,67%
13
88336
1620
1303
1665
527
5,79%
14
61656
1589
3
10549
7
19,70%
15
35470
729
80
240
635
4,75%
16
97701
104
55
40
571
0,79%
17
192626
836
1235
426
3976
3,36%
18
250942
1105
1608
8117
3101
5,55%
19
30714
2491
5
18
8
8,21%
20
167192
14714
524
33
2786
10,80%
21
51212
270
160
28
600
2,07%
22
64877
541
2011
105
201
4,41%
23
112619
244
1004
309
599
1,91%
24
45999
12
1235
159
370
3,86%
25
47798
252
143
832
366
3,33%
26
51150
899
581
41
340
3,64%
27
36694
359
111
9
58
1,46%
28
38904
935
16
267
763
5,09%
29
3425
29
446
15
29
15,15%
30
47360
188
17
30
462
1,47%
Total
1938262
35250
13715
26463
17421
142,15%
Rata-rata
64608,73333
1175
457,16667
882,1
580,7
4,74%
LDC Step 1
LNC Step 2
Persentase Cacat
Berdasarkan check sheet maka dapat diketahui bahwa penyebab kontaminasi terbanyak ada di pengamatan ke-14 (bulan April 2015 sebanyak 19,70%
http://digilib.mercubuana.ac.id/
59
produk cacat), ke-20 (bulan Oktober sebanyak 10,80% produk cacat), dan ke-29 (bulan Juli 2016 sebanyak 15,15% produk cacat). Sangat disayangkan jika produk yang seharusnya mendapatkan keuntungan, namun terbuang begitu saja dan tidak juga diperbaiki akar masalahnya. 5.3 Analisa Control Chart Setelah melihat apa yang sudah dijabarkan pada check sheet, maka tahap selanjutnya yaitu mengimplementasikan solusi dengan control chart. Control chart pada tahap ini digunakan untuk mengetahui apakah jumlah cacat produk pada proses produksi Lightening Day Cream dan Lightening Night Cream masih masuk standar reject atau tidak setiap bulannya. Fungsi Peta Kendali C dalam (Hafid & Harbintoro, 2013) melihat perubahan data dari waktu ke waktu, menunjukkan penyimpangan batas atas Vs batas bawah, dan menemukan persoalan. Peta kendali kegunaannya adalah untuk mendeteksi adanya ketidak wajaran dalam suatu proses. Berdasarkan peta kendali c Lightening Day Cream Step 1 dapat dihitung sebagai berikut: ∑
Hitung nilai rata-rata c:
Batas kendali atas UCL : c + 3√ = 1175 + 3√
Batas kendali bawah LCL : c - 3√ = 1175 - 3√
http://digilib.mercubuana.ac.id/
= 1277,83 = 1072,17
60
Peta Kendali C Lightening Day Cream Step 1
1277,83
1 1
3
5
7
9
11 13 15 17 19 21 23 25 27 29
Gambar 2 Peta Kendali C Lightening Day Cream Step 1
Peta Kendali C yang telah ditunjukkan pada gambar diatas, dapat dilihat ada beberapa bulan yang jumlah rejectnya selama pengamatan melebihi standar atas reject, yaitu pada pengamatan ke 8 dengan reject product 3003 pieces (Oktober 2014), 13 dengan reject product 1620 pieces (Maret 2015), 14 dengan reject productnya 1589 pieces (April 2015), 19 dengan reject productnya 2491 pieces (September 2015) dan 20 dengan reject productnya 14714 pieces (Oktober 2015). Setelah melihat apa yang sudah dijabarkan pada Peta Kendali C Lightening Day Cream Step 1, selanjutnya akan menjabarkan Peta Kendali C Lightening Day Cream Step 2. Berdasarkan peta kendali c, Lightening Day Cream Step 2 dapat dihitung sebagai berikut: ∑
Hitung nilai rata-rata c:
Batas kendali atas UCL : c + 3√ = 457,17 + 3√
Batas kendali bawah LCL : c - 3√ = 457,17 - 3√
http://digilib.mercubuana.ac.id/
= 521,31 = 393,03
61
Peta Kendali c Lightening Day Cream Step 2
521,31
1 1
3
5
7
9
11 13 15 17 19 21 23 25 27 29
Gambar 3 Peta Kendali C Lightening Day Cream Step 2
Peta Kendali C yang telah ditunjukkan pada gambar diatas, dapat dilihat ada beberapa bulan yang jumlah rejectnya selama pengamatan melebihi standar atas reject, yaitu pada pengamatan ke 4 dengan reject product 609 pieces (Juni 2014), 10 dengan reject product 855 pieces (Desember 2014), 13 dengan reject productnya 1303 pieces (Maret 2015), 17 dengan reject productnya 1235 pieces (Juli 2015), 18 dengan reject productnya 1608 pieces (Agustus 2015), 20 dengan reject productnya 524 pieces (Oktober 2015), 22 dengan reject productnya 2011 pieces (Desember 2015), 23 dengan reject productnya 1004 pieces (Januari 2016), 24 dengan reject productnya 1235 pieces (Februari 2016), dan 26 dengan reject productnya 521 pieces (April 2016). Setelah melihat apa yang sudah dijabarkan pada Peta Kendali C Lightening Day Cream Step 2, selanjutnya akan menjabarkan Peta Kendali C Lightening Night Cream Step 1. Berdasarkan peta kendali c, Lightening Night Cream Step 1 dapat dihitung sebagai berikut:
http://digilib.mercubuana.ac.id/
62 ∑
Hitung nilai rata-rata c:
Batas kendali atas UCL : c + 3√ = 882,1 + 3√
= 971,2
Batas kendali bawah LCL : c - 3√ = 882,1 - 3√
= 793
Peta Kendali C Lightening Night Cream Step 1
971,2
1 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Gambar 4 Peta Kendali C Lightening Night Cream Step 1
Peta Kendali C yang telah ditunjukkan pada gambar diatas, dapat dilihat ada beberapa bulan yang jumlah rejectnya selama pengamatan melebihi standar atas reject, yaitu pada pengamatan ke 12 dengan reject product 1854 pieces (Februari 2015), 13 dengan reject product 1665 pieces (Maret 2015), 14 dengan reject productnya 10549 pieces (April 2015), dan 18 dengan reject productnya 8117 pieces (Agustus 2015). Setelah melihat apa yang sudah dijabarkan pada Peta Kendali C Lightening Night Cream Step 1, selanjutnya akan menjabarkan Peta Kendali C Lightening Night Cream Step 2. Berdasarkan peta kendali c, Lightening Night Cream Step 2 dapat dihitung sebagai berikut:
http://digilib.mercubuana.ac.id/
63 ∑
Hitung nilai rata-rata c:
Batas kendali atas UCL : c + 3√ = 580,7 + 3√
Batas kendali bawah LCL : c - 3√ = 580,7 - 3√
= 652,99 = 508,41
Peta Kendali c Lightening Night Cream Step 2
652,9
B
1 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
a
Gambar 5 Peta Kendali C Lightening Night Cream Step 2
Peta Kendali C yang telah ditunjukkan pada gambar diatas, dapat dilihat ada beberapa bulan yang jumlah rejectnya selama pengamatan melebihi standar atas reject, yaitu pada pengamatan ke 12 dengan reject product 965 pieces (Februari 2015), 17 dengan reject product 3976 pieces (Juli 2015), 18 dengan reject productnya 3101 pieces (Agustus 2015), 20 dengan reject productnya 2786 pieces (Oktober 2015) dan 28 dengan reject productnya 763 pieces (Juli 2016). Banyaknya data yang outlier pada peta kendali c disebabkan oleh beberapa penyebab, diantaranya adalah kelalaian operator saat menutup plug pada saat proses produksi berlangsung, dan tidak adanya pantauan khusus terkait masalah kontaminasi akibat udara dalam ruangan.
http://digilib.mercubuana.ac.id/
64
5.4 Analisa Diagram Pareto Setelah melihat apa yang sudah dijabarkan oleh peta kendali c, jumlah produk reject terbanyak yang melewati batas atas akibat kontaminasi terjadi pada item Lightening Day Cream Step 2. Tahap selanjutnya yaitu mengevaluasi hasil dengan diagram pareto. Diagram Pareto pada tahap ini digunakan untuk mengetahui apakah jumlah produksi pada proses produksi Lightening Day Cream dan Lightening Night Cream memiliki hubungan dengan persentase cacat produksi Lightening Day Cream dan Lightening Night Cream. Fungsi Diagram pareto dalam (Magar & Shinde, 2014) adalah alat yang mengatur item dalam urutan besarnya kontribusi mereka, sehingga mengidentifikasi beberapa item untuk mengerahkan pengaruh maksimal. Alat ini digunakan di Seven Tools dan peningkatan kualitas untuk memprioritaskan proyek-proyek untuk perbaikan, memprioritaskan pembentukan tim tindakan korektif untuk memecahkan masalah, mengidentifikasi produk yang paling keluhan yang diterima, mengidentifikasi sifat keluhan terjadi paling sering, mengidentifikasi paling sering penyebab penolakan atau untuk tujuan lain yang sejenis. Tabel dibawah ini menunjukkan jumlah kecacatan dan nilai persentase kumulatif yang akan digunakan untuk membuat diagram pareto Tabel 2 Perhitungan Persentase dan Persentase Kumulatif No 1 2 3 4
Item LDC Step 1 LDC Step 2 LNC Step 1 LNC Step 2 Total
Jumlah
Persentase
Persentase Kumulatif
35250
37,96%
37,96%
13715
14,77%
52,74%
26463
28,50%
81,24%
17421
18,76%
100,00%
92849
100,00%
http://digilib.mercubuana.ac.id/
65
Berdasarkan data diatas maka dapat dibuat sebuah diagram pareto sebagai berikut :
Diagram Pareto Kecacatan Produk 120%
40000 35000
100%
30000 80%
25000
60% 40%
20000
Jumlah
15000
Persentase Kumulatif
10000
20%
5000
0%
0 LDC Step LNC Step LNC Step LDC Step 1 1 2 2
Gambar 6 Diagram Pareto Kecacatan Produk
Berdasarkan diagram diatas, maka dapat diketahui jumlah produk reject akibat kontaminasi produk yang paling sering terjadi pada proses produksi kosmetik ini yaitu pada item Lightening Day Cream Step 1. Sedangkan jumlah produk reject akibat kontaminasi produk yang paling kecil terjadi pada proses produksi kosmetik ini yaitu pada item Lightening Day Cream Step 2. 5.5 Analisa Fishbone Diagram Setelah melihat apa yang sudah dijabarkan pada diagram pareto maka tahap selanjutnya yaitu merencanakan perbaikan berdasarkan diagram sebab akibat. Fungsi Diagram sebab dan akibat dalam (Muhammad, 2015) adalah alat yang penting digunakan untuk mencari tahu akar penyebab masalah. Dalam teknik ini semua kemungkinan penyebab masalah diperhitungkan dan untuk mencari tahu alasan setiap penyebab yang membuat masalah itu terjadi. Setelah melakukan observasi ke
http://digilib.mercubuana.ac.id/
66
lapangan, maka diketahui faktor-faktor yang mempengaruhi terjadinya kontaminasi produk sehingga menyebabkan produk cacat dan tidak bisa dijual. Dengan menggunakan diagram fishbone dapat diketahui penyebabnya sebagai berikut :
Gambar 7 Kontaminasi Bintik Hitam
http://digilib.mercubuana.ac.id/
67
Manusia
Tidak menggunakan APD
Metode
Adanya sanksi jika tidak menggunakan APD
Penyimpanan Packaging di Internal Standar area penyimpanan bersih
Produk cacat
Adanya celah udara Material
Komponen Packaging tidak bersih Kesepakatan dengan supplier
Pemberian saringan
Mesin Mesin tidak bersih Gambar 8 Diagram Sebab Akibat Produk Cacat
http://digilib.mercubuana.ac.id/
Pemeriksaan dengan QC
68
1. Faktor Manusia Menurut peraturan Kepala Badan Pengawasan Obat dan Makanan Republik Indonesia nomor HK. 03.42.06.10.4556 dalam (Aspan & Wahyu, 2010) personil yang bekerja di area produksi hendaklah memakai pakaian kerja, badan yang bersih, penutup rambut, kacamata, penutup telinga, alas kaki yang sesuai dan memakai sarung tangan serta masker apabila diperlukan untuk melindungi produk dari pencemaran dan menjamin keamanan diri personil. Jenis kontaminasi yang terjadi jika tidak menggunakan APD dengan benar yaitu adanya bulu, mikroorganisme dan rambut. Dari penelitian (Ilankizhai et al, 2016) yang pernah dilakukan, produk kosmetik beresiko tinggi untuk kontaminasi mikroba dari berbagai sumber seperti sebagai lingkungan, tangan konsumen, keringat tubuh, cara penggunaan yang kurang baik dan penggunaan bahan kosmetik yang sudah terkontaminasi dalam jangka waktu yang lama. Akibat dari kontaminasi tersebut, dapat menyebabkan perubahan warna, kondisi, bahkan jangka waktu pakai kosmetik. Usulan untuk mencegah agar tidak terjadi kontaminasi kembali yaitu diperlukan sanksi untuk yang tidak memakai Alat Pelindung Diri (APD) dan penambahan job desc kepada superior untuk pengawasan ketat kepada operator agar lebih tertib lagi dalam mengenakan APD sehingga produk lebih bersih. 2. Faktor Metode Tempat penyimpanan packaging perusahaan kurang steril. Jenis kontaminasi yang terjadi jika tempat penyimpanan packaging kurang steril yaitu adanya serpihan karbox pada bulk. Dari penelitian (Ilankizhai et al, 2016) yang pernah dilakukan, produk kosmetik beresiko tinggi untuk kontaminasi
http://digilib.mercubuana.ac.id/
69
mikroba dari berbagai sumber seperti sebagai lingkungan, tangan konsumen, keringat tubuh, cara penggunaan yang kurang baik dan penggunaan bahan kosmetik yang sudah terkontaminasi dalam jangka waktu yang lama. Packaging yang sudah dibuka oleh departemen unboxing tidak memakai tutup, sehingga menambah kontaminasi pada packaging yang belum digunakan. Usulan untuk mencegah agar tidak terjadi kontaminasi kembali yaitu dibutuhkan kesepakatan dan standar area tempat penyimpanan bersih dan penambahan jadwal pembersihan ruangan yang awalnya 2x sehari menjadi 3x sehari. 3. Faktor Material Komponen packaging yang tidak bersih dari supplier. Jenis kontaminasi yang terjadi jika komponen packaging tidak bersih yaitu adanya noda pada plug dan pot sehingga penampilan produk tidak oke. Dari penelitian (Ilankizhai et al, 2016) yang pernah dilakukan, produk kosmetik beresiko tinggi untuk kontaminasi mikroba dari berbagai sumber seperti sebagai lingkungan, tangan konsumen, keringat tubuh, cara penggunaan yang kurang baik dan penggunaan bahan kosmetik yang sudah terkontaminasi dalam jangka waktu yang lama. Komponen packaging yang tidak bersih tersebut bisa saja terjadi pada saat proses pengemasan packaging di supplier, atau saat proses perjalanan dari supplier menuju perusahaan. Usulan untuk mencegah agar tidak terjadinya kontaminasi kembali yaitu mengulangi perjanjian dari awal dengan supplier bahwa kebersihan packaging wajib, bila ditemukan kembali, pihak supplier harus mengganti packaging kotor tersebut dengan yang baru.
http://digilib.mercubuana.ac.id/
70
Dan jika dalam 3x pemesanan selalu ditemukan packaging kotor, perusahaan berhak untuk tidak bekerja sama kembali dengan supplier tersebut. 4. Faktor Mesin
Adanya celah udara diarea pengisian bulk. Jenis kontaminasi yang terjadi jika adanya celah udara diarea pengisisan bulk yaitu bintik hitam atau debu pada bulk. Dari penelitian (Ilankizhai et al, 2016) yang pernah dilakukan, produk kosmetik beresiko tinggi untuk kontaminasi
mikroba
dari
berbagai
sumber
seperti
sebagai
lingkungan, tangan konsumen, keringat tubuh, cara penggunaan yang kurang
baik
dan
penggunaan
bahan
kosmetik
yang
sudah
terkontaminasi dalam jangka waktu yang lama. Celah udara diarea pengisian bulk tersebut untuk sirkulasi udara luar masuk ke area tersebut agar suhu diarea tersebut tetap sejuk dan tidak panas. Namun terkadang udara yang masuk disertai dengan debu yang ada yang ada diluar ruangan. Usulan untuk mencegah agar tidak terjadinya kontaminasi kembali yaitu ditambahkannya filter untuk pensterilan udara yang masuk kedalam area pengisian bulk. Selain penambahan filter pada celah udara, penambahan proses periksa filter rutin agar produk tetap terjaga kebersihannya dan tidak ditemukan kontaminasi kembali.
Mesin tidak dalam keadaan bersih. Jenis kontaminasi yang terjadi jika mesin tidak dalam keadaan bersih yaitu adanya salur warna hitam pada bulk. Dari penelitian (Ilankizhai et al, 2016) yang pernah dilakukan, produk kosmetik beresiko tinggi untuk kontaminasi
http://digilib.mercubuana.ac.id/
71
mikroba dari berbagai sumber seperti sebagai lingkungan, tangan konsumen, keringat tubuh, cara penggunaan yang kurang baik dan penggunaan bahan kosmetik yang sudah terkontaminasi dalam jangka waktu yang lama. Kontaminasi yang terjadi akibat mesin tidak dalam keadaan bersih yaitu karena tidak adanya prosedur mengecek kondisi mesin sebelum kerja. Salur warna hitam tersebut berasal dari seal mesin yang kotor atau bahkan lepas dari tempatnya. Biasanya ini terjadi ketika mesin tidak dipakai beberapa hari. Oleh karena itu, usulan untuk mencegah agar tidak terjadinya kontaminasi kembali yaitu, penambahan prosedur pengecekan mesin kepada operator dan selalu mengecek keadaan mesin serta diawasi oleh quality control untuk cek sebelum produksi dimulai, agar kondisi mesin tetap bersih dan produk tidak terkontaminasi kembali. 5.6 Analisa Biaya Rework Setelah melihat apa yang sudah dijabarkan pada diagram sebab akibat, ditemukan empat faktor penyebab yang menyebabkan kontaminasi produk yang paling sering terjadi pada proses produksi kosmetik. Keempat faktor yang menyebabkan produk cacat antara lain faktor manusia, faktor mesin, faktor metode atau cara, dan faktor material/bahan baku. Setelah diagram sebab akibat maka tahap selanjutnya yaitu, menganalisa biaya rework mengikuti jurnal (Haryono et al, 2016) sebagai berikut :
http://digilib.mercubuana.ac.id/
72
Tabel 3 Analisa Biaya Rework
Cacat Rata-rata
4.79%
Biaya perbaikan rework rata-rata mencapai 60% dari biaya proses (Haryono et al, 2016) Harga Rp Terjual/Unit 42,000 Jumlah Total Penjualan
Rp 42.000 X 1.938.262
Biaya
Material + Work + OH Rp 25.200 + Rp 9.200 + Rp 4.600
Total Biaya
Biaya Rework Total Biaya Rework
Rework/bulan
Rp81,407,004,000
Rp39,000
Rp 39.000 X 1.938.282 60% X (Rp 9.200 + Rp 4.600)
Rp75,592,218,000
Rp8,280
Rp 8.280 X 92.849
Rp 768.789.720 / 30 bulan
Rp768,789,720
Rp25,626,324
Berdasarkan tabel diatas, kerugian untuk proses biaya rework disebabkan oleh kontaminasi sebanyak Rp 25.626.324/bulannya, dan kerugian yang dialami perusahaan selama 30 bulan sebanyak Rp 768.789.720. Oleh karena itu, jika tidak ditangani secara serius bisa saja kerugian bertambah karena persentase cacat yang terus meningkat dan masih banyak produk cacat yang tidak bisa dijual karena akibat yang lain selain kontaminasi.
http://digilib.mercubuana.ac.id/