IMPLEMENTASI STATISTICAL PROCESS CONTROL PADA OPERASI PENGISIAN PRODUK PANGAN BUBUK
ANDRO FRANDO SITUMORANG
DEPARTEMEN ILMU DAN TEKNOLOGI PANGAN FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2016
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Implementasi Statistical Process Control Pada Operasi Pengisian Produk Pangan Bubuk adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang dikutip dari karya penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Agustus 2016 Andro Frando Situmorang NIM F24120128
ABSTRAK ANDRO FRANDO SITUMORANG. Implementasi Statistical Process Control Pada Operasi Pengisian Produk Pangan Bubuk. Dibimbing oleh PROF. DR. WINIATI P. RAHAYU dan GALIH NUGROHO S.TP, M.SC Variabilitas berat produk pada operasi pengisian yang terjadi pada sebuah perusahaan manufaktur pangan bubuk merupakan masalah kualitas yang signifikan. Variabilitas berat produk menyebabkan pembeli mendapatkan jumlah produk yang bervariasi dalam tiap kemasan. Penelitian ini bertujuan untuk mengimplementasikan SPC (Statistical Process Control) untuk mereduksi variabilitas tersebut. Tiga sumber variabilitas yang dianalisis adalah metode penimbangan, kinerja operator, dan berat kemasan. Analisis terhadap metode penimbangan yang dilakukan dengan uji gage Repeatability and Reproducibility (R&R) menunjukkan bahwa metode penimbangan pada pengukuran sachet dan box berdampak terhadap 3.55 dan 1.30 % variasi produk akhir. Analisis terhadap kinerja operator yang dilakukan dengan uji ketepatan pengaturan berat menunjukkan bahwa underadjustment (terlewatnya pengaturan tombol pengisi mesin pengisian saat beratnya diluar batas kontrol) merupakan sumber variabilitas signifikan. Analisis terhadap berat kemasan yang dilakukan dengan uji konsistensi menggunakan bagan kendali ̅ X-R menunjukkan bahwa konsistensi berat kemasan pemasok B berada diluar batas kontrol. Pengetatan pemantauan berat produk oleh operator dengan interval 15 menit mampu mereduksi standar deviasi dari 0.0395 menjadi 0.0298 dan mengubah ratarata berat produk dari 2.028 menjadi 2.001 g, mendekati target berat produk 2.000 g. Studi kelayakan solusi dilakukan dengan memetakan aktivitas operator pada bagan Gantt dan menunjukkan bahwa pengetatan pemantauan berat produk oleh operator dengan interval 15 menit layak diterapkan. Kata kunci: variabilitas, Statistical Process Control, pengisian, gage R&R, control chart
ABSTRACT ANDRO FRANDO SITUMORANG. Implementation of Statistical Process Control in Filling Operation of Powder Food Product. Supervised by PROF. DR. WINIATI P. RAHAYU and GALIH NUGROHO S.TP, M.SC Weight variability at filling operation of a food manufacturing company is a significant quality problem. Weight variability causes consumers get varied amount of products in each package. This research aimed to implement SPC (Statistical Process Control) to reduce weight variability. Three sources of variability were analyzed: gage method, operator performance, and packaging weight. Analysis toward gage method using gage repeatability and reproducibility (R&R) analysis showed that gage method in sachet and box contributed to 3.55 and 1.30 % variance of end product respectively. Analysis toward operator performance using weight adjustment analysis showed that underadjustment (operator missed knob adjustment while average weight was out of control) was a significant variability source. Analysis toward packaging weight using consistency analysis in ̅ X-R chart showed that weight consistency of supplier B was out of control. Tightening of product weight monitoring by operator with 15 minutes interval reduced standard deviation from 0.0407 to 0.0298 and average product weight from 2.028 to 2.001 g, closer to target weight 2.000 g. Feasibility study for the solution was conducted by mapping operator’s activity in Gantt chart and showed that the solution to tighten product weight monitoring by operator was feasible. Keyword: variability, Statistical Process Control, filling, gage R&R, control chart
IMPLEMENTASI STATISTICAL PROCESS CONTROL PADA OPERASI PENGISIAN PRODUK PANGAN BUBUK
ANDRO FRANDO SITUMORANG
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknologi Pangan pada Departemen Ilmu dan Teknologi Pangan
DEPARTEMEN ILMU DAN TEKNOLOGI PANGAN FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2016
PRAKATA
Puji syukur penulis panjatkan kepada Tuhan Yesus Kristus atas segala berkat-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan pada 25 Januari – 25 Mei 2016 ini ialah peningkatan proses pengisian dengan judul: Implementasi Statistical Process Control Pada Operasi Pengisian Produk Pangan Bubuk. Penelitian dilakukan selama melaksanakan program magang pada salah satu perusahaan manufaktur pangan di kota Bogor. Terima kasih penulis ucapkan kepada Ibu Prof. Dr. Winiati P. Rahayu dan Bapak Galih Nugroho, S.Tp., M.Sc selaku pembimbing yang telah membantu pelaksanaan penelitian dan penulisan karya ilmiah. Bapak Dr. Ir. M. Arpah, M.Si selaku dosen penguji yang memberi masukan sehingga kualitas penulisan skripsi lebih baik. Rekan-rekan dari Departemen Quality Control dan Departemen Produksi pada perusahaan yang telah membantu pengumpulan data penelitian. Keluarga tercinta: Peris Situmorang (Ayah), Demsi Silalahi (Ibu), Alvika Situmorang (Adik), dan keluarga besar atas kasih sayang dan doa untuk penulis. Teman-teman ITP Angkatan 49, teman-teman kosan (Eric, Ken-ken, Rian, Ina, Kevin, Max, Domi, dan Widya), dan sahabat-sahabat (Vivi, Jeje, Rexi, Agung, Franky, Caesar, dan Nuel). Semoga karya ilmiah ini bermanfaat.
Bogor, Agustus 2016
Andro Frando Situmorang
DAFTAR ISI DAFTAR TABEL
xi
DAFTAR GAMBAR
xi
DAFTAR LAMPIRAN
xi
PENDAHULUAN
1
Latar Belakang Rumusan Masalah Tujuan Penelitian Manfaat Penelitian TINJAUAN PUSTAKA
1 2 2 2 3
Definisi Mutu dan Manajemen Mutu Alat Pengendali Mutu Pada Statistical Process Control Karakteristik Objek Penelitian METODOLOGI
3 3 5 7
Lokasi dan Waktu Penelitian Metode HASIL DAN PEMBAHASAN
7 7 13
Evaluasi Kinerja Proses Pengisian Akar Masalah Variabilitas Berat Produk Implementasi Peningkatan Kinerja Operator Pembuatan Conteraction Plan SIMPULAN DAN SARAN
13 13 21 22 24
Simpulan Saran DAFTAR PUSTAKA
24 24 25
LAMPIRAN
28
RIWAYAT HIDUP
30
DAFTAR TABEL Tabel 1. Uji gage R&R pada metode penimbangan Tabel 2. Hasil uji ANOVA metode penimbangan pada box Tabel 3. Analisis ketepatan pengaturan operator mesin pengisian
16 17 18
DAFTAR GAMBAR Gambar 1. Bentuk histogram Gambar 2. Penentuan bagan kendali Gambar 3. Bentuk diagram Ishikawa Gambar 4. Project charter Gambar 5. Histogram berat produk mesin pengisian Gambar 6a. Bagan 𝑋̅-R berat produk mesin pengisian 1 Gambar 6b. Bagan 𝑋̅-R berat produk mesin pengisian 2 Gambar 7. Diagram Ishikawa variasi berat pada proses pengisian Gambar 8a. Bagan I-Moving range box tipe 1 (pemasok A – dimensi kecil) Gambar 8b. Bagan I-Moving range box tipe 2 (pemasok A – dimensi sedang) Gambar 8c. Bagan I-Moving range box tipe 3 (pemasok A – dimensi besar) Gambar 8d. Bagan I-Moving range box tipe 4 (pemasok B – dimensi sedang) Gambar 9. Histogram berat produk mesin pengisian 1 Gambar 10. Bagan X-bar R berat produk mesin pengisian 1 Gambar 11. Counteraction plan
4 5 6 7 13 14 14 15 19 20 20 20 22 22 23
DAFTAR LAMPIRAN Lampiran 1. Bagan Gantt pengambilan sampel aktivitas operator Lampiran 2. Bagan Gantt rancangan implementasi solusi
28 29
1
PENDAHULUAN Latar Belakang Departemen manajemen mutu memegang peran sentral terhadap konsistensi kualitas produk seiring perubahan strategi perusahan dari niche products menjadi mass products. Manajemen mutu dilakukan pada seluruh lini operasi, mulai dari bahan baku, work-in-process, hingga produk akhir. Peningkatan jumlah produksi akibat perubahan strategi meningkatkan variabilitas mutu produk. Variabilitas mutu menandakan risiko tidak tercapainya ekspektasi konsumen pada produk yang akan menyebabkan kerugian perusahaan. Maka dari itu, diperlukan metode yang sistematis untuk mampu menjaga variabilitas produk. Perusahaan memilih statistical process control (SPC) untuk menjaga variabilitas produk. SPC merupakan alat reduksi variabilitas dengan teknik statistik menggunakan prinsip six sigma (Schroeder et al. 2008). Prinsip six sigma adalah reduksi variabilitas nilai rata-rata proses (Kanji 2008) yang efektif menjaga kualitas produk untuk memenuhi ekspektasi konsumen (Drohomeretski et al. 2013). Mengacu pada European Business Excellence Model, implementasi SPC pada industri pesawat terbang, elektronik, dan otomotif telah berkembang pesat (Lim 2014). Pada perusahan manufaktur pesawat terbang, SPC mereduksi variasi kualitas komponen produk sehingga meningkatkan penjualan dari US $30 juta menjadi US $205 juta per tahun setelah 12 tahun implementasi (Akbulut-Bailey 2012). Pada perusahaan manufaktur panel sentuh, SPC mereduksi jumlah produk cacat dari 32 menjadi 15 % sehingga mereduksi biaya produksi dan peningkatan kepuasan konsumen (Chen 2009). Pada perusahaan aksesoris elektronik otomotif, SPC mereduksi jumlah komponen cacat sebesar 18 % dalam waktu 16 minggu sehingga mereduksi biaya produksi (Yi 2012). Meskipun implementasi SPC pada industri lain telah berkembang pesat, implementasi SPC pada industri pangan masih butuh dikembangkan (Lim 2014). Hal ini disebabkan karena terbatasnya referensi tentang implementasi SPC pada industri pangan yang karakternya beragam dan kebanyakan penelitian SPC masih bersifat teoritis. Oleh karena itu, dilakukan penelitian implementasi SPC pada kasus varibilitas berat produk pangan bubuk untuk mengembangkan implementasi SPC pada industri pangan.
2
Rumusan Masalah Studi implementasi SPC pada industri pangan yang bersifat umum dan teoritis menghambat adopsi SPC oleh perusahaan pangan pada kasus-kasus spesifik seperti variabilitas berat. Namun demikian, kasus spesifik seperti variabilitas berat produk juga termasuk pada aspek kendali mutu yang menentukan keunggulan kompetitif perusahaan. Dua kemungkinan yang terjadi apabila variabilitas berat produk tidak terkendali adalah: (1) hasil nyata < hasil target; (2) hasil nyata > hasil target. Pada kemungkinan pertama, perusahaan tidak mencapai hasil target (yang diukur berdasarkan jumlah sachet diproduksi) sehingga menimbulkan risiko kerugian operasional. Selain itu, terdapat kemungkinan jumlah sachet dalam tiap box lebih sedikit dari target sehingga menimbulkan risiko komplain konsumen. Pada kemungkinan kedua, perusahaan akan mengalami peningkatan kebutuhan kemasan akibat produksi melebihi hasil target. Maka dari itu, perlu dilakukan penelitian implementasi SPC pada kasus variabilitas berat produk untuk menguji efektivitas SPC untuk mereduksi variabilitas proses pada kasus spesifik. Tujuan Penelitian Penelitian bertujuan untuk: 1. Mengidentifikasi dan menganalisis sumber variabilitas berat produk yang terdapat pada operasi pengisian produk pangan bubuk 2. Menemukan solusi untuk setiap sumber variabilitas berat produk yang terdapat pada operasi pengisian produk pangan bubuk 3. Menguji efektivitas satu solusi yang diduga menjadi penyebab utama variabilitas berat produk pada operasi pengisian produk pangan bubuk
Manfaat Penelitian Hasil penelitian diharapkan akan bermanfaat untuk: 1. Memberikan keunggulan kompetitif bagi perusahaan pada aspek kendali mutu produk 2. Menjadi pedoman bagi perusahaan di Indonesia, khususnya perusahaan industri pangan, untuk mereduksi variabilitas berat produk dengan SPC
3
TINJAUAN PUSTAKA Definisi Mutu dan Manajemen Mutu Menurut Juran, pencetus konsep manajemen mutu pada tahun 1957, mutu adalah kesesuaian penggunaan produk atau jasa pada dua aspek: (1) mutu rancangan yaitu mutu absolut yang direncanakan; dan (2) mutu kesesuaian yaitu tingkat kesesuaian produk atau jasa terhadap rancangan yang sudah dibuat. Produk dan jasa dapat mempunyai rancangan yang baik tetapi dalam aplikasinya memiliki kemungkinan terjadinya ketidaksesuaian atau kekurangan. Hal ini dapat mengakibatan limbah, pekerjaan ulang, penurunan mutu, bahkan citra negatif apabila lolos ke pasar (Muhandri 2008). Gaspersz (2001) mendefinisikan manajemen mutu sebagai sekumpulan prosedur yang terdokumentasi serta praktik-praktik standar untuk manajemen sistem yang bertujuan menjamin kesesuaian dari suatu proses dan produk terhadap kebutuhan dan persyaratan tertentu. Sistem manajemen mutu memberikan gambaran organisasi dalam menerapkan manajemen mutu secara konsisten untuk memenuhi kebutuhan konsumen. Gaspersz (2001) menjelaskan lebih lanjut bahwa terdapat tiga karakteristik dari manajemen mutu: (1) berfokus pada konsistensi proses kerja; (2) berlandaskan pada pencegahan kesalahan proses; (3) mencakup seluruh elemen operasi: tujuan, keluaran, hasil, proses, masukan, pemasok, dan umpan balik. Alat Pengendali Mutu Pada Statistical Process Control Menurut Montgomery (2013) statistical process control (SPC) adalah gabungan alat pemecahan masalah yang berguna untuk mencapai stabilitas proses dan meningkatkan kapabilitas proses melalui reduksi variabilitas menggunakan metode statistik. Menurut Bhuiyan et al. (2006), SPC merupakan alat yang efektif untuk mereduksi variabilitas dan biasanya digunakan bersamaan dengan alat statistika lain untuk analisis lanjut, seperti Analysis of Variance (ANOVA). Pada sebuah studi implementasi SPC, ANOVA menganalisis sumber variabilitas pin pada manufaktur papan arus listrik yang berhasil mereduksi tingkat kecacatan dari 72 menjadi 11.5 % dalam waktu 3 bulan (Lee 2009). SPC terdiri dari tujuh alat uji, yaitu histogram, bagan kendali, diagram Ishikawa, check sheet, diagram Pareto, scatter diagram, dan stratification (Tague 2005). Penelitian ini menggunakan tiga dari tujuh alat pada SPC yang paling relevan dengan kasus variabilitas berat. Histogram Histogram merupakan distribusi frekuensi yang menunjukkan seberapa sering nilai yang berbeda pada satu set data muncul seperti ditampilkan pada Gambar 1. Terdapat dua jenis satuan frekuensi yang digunakan, yaitu jumlah absolut dan persentase. Histogram digunakan jika data yang diteliti adalah data numerik dengan tujuan untuk melihat kurva yang terbentuk dari sebaran data. Hal ini berguna untuk memudahkan peneliti memahami pola sebaran data. Histogram menggambarkan kurva dua dimensi yaitu absis yang menunjukkan grup data dan ordinat yang menunjukkan frekuensi. Analisis terhadap histogram dilakukan
4
dengan melihat pola sebaran data, yang terdiri dari lima pola umum, yaitu distribusi normal, condong (ke kiri atau ke kanan), bimodal, plateau, dan truncated (Tague 2005).
Gambar 1. Bentuk histogram (Tague 2005)
Bagan Kendali Menurut Muhandri (2008), bagan kendali merupakan grafik garis untuk mengendalikan sebuah proses menggunakan batas maksimum dan batas minimum. Menurut Gaspersz (1998), setiap bagan kendali memiliki: 1) sumbu x yang melambangkan nomor contoh, 2) sumbu y yang melambangkan karakateristik output, 3) Central Line (CL), dan 4) Upper Control Limit (UCL) dan Lower Control Limit (LCL). Pada bagan kendali terdapat dua jenis data yang diolah, yaitu data variabel dan data atribut. Pemilihan bagan kendali untuk kedua jenis data tersebut berbeda seperti dijelaskan pada Gambar 2. Data variabel adalah data yang dapat dikuantifikasi dan diolah menggunakan bagan kendali 𝑋̅-R. Bagan kendali 𝑋̅-R terdiri dari dua, yaitu bagan kendali 𝑋̅ menjelaskan jika perubahan telah terjadi dalam ukuran rata-rata suatu proses dan bagan kendali R yang mengukur perubahan homogenitas produk yang dihasilkan suatu proses. Data atribut adalah data kualitatif yang akan dikelompokkan menjadi angka dan proporsi. Data angka menghitung defectives yaitu jumlah produk yang tidak dapat digunakan sedangkan data proporsi menghitung defects atau jumlah cacat pada produk (Arpah 2006). Bagan kendali juga menghitung kapabilitas proses suatu sistem produksi. Menurut Gaspersz (1998), kapabilitas proses adalah kemampuan proses dalam menghasilkan produk yang memenuhi spesifikasi. Jika proses memiliki kapabilitas yang buruk, proses tersebut akan menghasilkan produk dengan kualitas diluar batas spesifikasi sehingga menimbulkan kerugian akibat penolakan produk. Perhitungan kapabilitas proses dilakukan berdasarkan indeks kapabilitas proses (Cp). Tiga kategori kapabilitas berdasarkan indeks Cp adalah: (1) kapabilitas proses baik dan perbaikan tidak diperlukan jika Cp > 1.33; (2) kapabilitas proses baik namun perlu
5
dilakukan perbaikan jika 1.00 < Cp < 1.33; (3) kapabilitas proses tidak baik dan perlu dilakukan perbaikan jika Cp < 1.00 (Gasperz 1998). START
Menentukan bagan kendali
Ya
Ya
Apakah ukuran subgrup = 1?
Bagan X-MR
Apakah data variabel?
Tidak
Tidak (Data Atribut)
Bagan X-R Ya
Ya
Bagan c atau u
Apakah ukuran subgrup sama?
Apakah data lebih besar dari subgrup?
Tidak
Bagan u
Tidak
Ya
Apakah ukuran subgrup sama?
Bagan np atau p
Tidak
Bagan p
Gambar 2. Penentuan bagan kendali (Arpah 2006)
Diagram Ishikawa Diagram Ishikawa diperkenalkan oleh Kaoru Ishikawa, ahli manajemen berkebangsaan Jepang yang bekerja pada perusahaan Kawasaki pada awal tahun 1960 (Hubeis 2007). Diagram Ishikawa disebut pula diagram sebab akibat karena mampu mengungkapkan seluruh akibat dari masalah dan menganalisis setiap penyebabnya sehingga menghasilkan hubungan sebab akibat. Ishikawa mengklasifikasi setiap sumber variabilitas menjadi enam faktor utama yaitu: manusia, metode, material, mesin, lingkungan, dan manajemen (Tague 2005). Setelah diklasifikasi, perlu dilakukan analisis dari setiap faktor secara hirarkis dan detil untuk mengetahui hubungan sebab akibat antara sumber dan penyebabnya. Diagram Ishikawa berguna untuk menelusuri akar permasalahan, mengidentifikasi daerah yang potensial menimbulkan masalah serius, dan membandingkan urgensi berbagai peyebab masalah tersebut (Hubeis 2007). Diagram Ishikawa berbentuk tulang ikan disertai berbagai tulang-tulang cabang dan ranting seperti ditampilkan pada Gambar 3. Karakteristik Objek Penelitian Karakteristik Produk Pangan Bubuk Produk pangan yang diteliti merupakan pemanis rendah kalori berbentuk bubuk. Mengacu pada Keputusan Kepala BPOM Nomor HK.00.05.5.1.4547, bentuk bubuk yang dimaksud adalah granul dalam bentuk siap pakai dan disajikan
6
seperti halnya gula (BPOM 2004). Produk berbentuk granul yang dikemas dalam sachet kecil 2.00±0.05 g menyebabkan produksi sulit mengontrol variabilitas berat produk dalam setiap kemasan. Akibat
Sebab Metode
Material
Manajemen
Masalah
Lingkungan
Manusia
Mesin
Gambar 3. Bentuk diagram Ishikawa (Tague 2005) Karakteristik Kemasan Produk Pangan Bubuk Kemasan produk dibagi menjadi dua, yaitu sachet sebagai kemasan primer dan box sebagai kemasan sekunder. Bahan baku sachet adalah metalized plastic sedangkan bahan baku box adalah kertas dupleks. Metalized plastic adalah plastik yang terdiri atas dua lapisan, yaitu plastik dan logam (biasanya aluminium). Plastik adalah senyawa makromolekul organik yang diperoleh dengan cara polimerisasi, polikondensasi, poliadisi, atau proses serupa lainnya dari monomer atau oligomer atau dengan perubahan kimiawi makromolekul alami atau fermentasi mikroba. Sedangkan kertas adalah bahan yang dibuat dari serat selulosa, yang diperoleh dari kayu, kertas daur ulang dan serat tanaman tahunan seperti jerami (BPOM 2011). Kertas dupleks merupakan bahan yang sering dipakai sebagai bahan pengemas pangan dan terdiri atas dua lapisan lembaran atau lebih. Lapisan atas terbuat dari pulp kimia putih dengan gramasi minimum 225 - 500 g/m2 dengan toleransi ±4 %, rapat massa minimum 700 kg/m3, derajat putih minimum 700 % ISO, ketahanan cabut minimum 300 p.m/g, dan daya serap air (Cobb) 20-40 g/m2 (BSN 2008). Variasi kualitas kemasan setiap pasokan menimbulkan risiko variasi berat produk akhir.
7
METODOLOGI Lokasi dan Waktu Penelitian Penelitian dilaksanakan di sebuah pabrik manufaktur pangan yang berlokasi di Jalan Raya Ciawi, Bogor. Penelitian dilakukan pada departemen Produksi dan Quality Control selama empat bulan (25 Januari – 25 Mei 2016). Metode Implementasi SPC pada proses pengisian dilakukan untuk mensintesis solusi operasional yang mengacu pada prinsip Six Sigma, yaitu mereduksi variasi kualitas produk. Prinsip Six Sigma yang dipakai adalah define measure improve analyze control (DMAIC) yang merupakan prosedur pemecahan masalah terstruktur dalam peningkatan kualitas dan proses (Chakraborty dan Shah 2012). Metode DMAIC terdiri dari lima langkah berikut yang mengacu pada Montgomery (2013): Langkah Define Tujuan langkah define adalah mendeskripsikan lingkup penelitian yang terdiri dari: (1) business case yang menjelaskan latar belakang penelitian; (2) problem statement yang menjelaskan masalah yang diteliti; (3) scope yang menjelaskan cakupan penelitian; (4) success criteria yang menjelaskan tujuan penelitian secara terukur; (5) team members yang menjelaskan anggota penelitian; (6) project plan yang menjelaskan jadwal setiap tahap penelitian. Deskripsi lingkup penelitian dihasilkan dari diskusi dengan manajer produksi dan quality control dan dituliskan pada project charter seperti ditampilkan pada Gambar 4. 1 Business Case
Variabilitas berat produk pada proses pengisian Hasil real lebih kecil daripada hasil teoritis Feedback peningkatan kinerja dan hasil
3 Scope IN Pabrik A Produk bubuk tipe A Mesin pengisian ekspor Operator pengisian ekspor
2 Problem Statement Perbandingan hasil nyata vs teoritis Kapabilitas proses (Cp) mesin pengisian Sumber variabilitas dan kontribusinya
4 Success Criteria OUT Pabrik B Produk bubuk tipe B Mesin pengisian domestik Operator pengisian domestik
5 Team Members Manajer Produksi dan Quality Control QC Pengisian dan Packing QC Magang
Identifikasi sumber variabilitas paling signifikan Identifikasi solusi bagi akar permasalahan Uji coba dan evaluasi solusi Kuantifikasi reduksi variabilitas berat produk
6 Project Plan Define Measure Analyze Improve Control
Gambar 4. Project charter
Apr 6, 2016 Apr 15, 2016 Apr 29, 2016 May 20, 2016 May 27, 2016
8
Langkah Measure Tujuan langkah measure adalah mengevaluasi kinerja aktual proses pengisian terhadap spesifikasi berat produk, yaitu 2.00±0.05 g/sachet. Evaluasi kinerja proses dilakukan dengan melakukan pengambilan sampel berat produk dalam sachet hasil produksi dua mesin pengisian ekspor, yaitu mesin pengisian 1 dan 2. Pengambilan sampel dilakukan di 9 outlet masing-masing sebanyak 30 sampel. Pengambilan sampel diulang sebanyak lima ulangan. Interval pengambilan sampel dilakukan setiap 15 menit. Kemudian berat sampel ditimbang dengan timbangan yang terdapat pada area pengisian. Hasil penimbangan ditampilkan dalam histogram untuk mengetahui pola sebaran data. Selain itu, langkah measure juga mengevaluasi kinerja operator pada mesin pengisian. Evaluasi kinerja operator dilakukan dengan mencatat setiap pengaturan berat produk oleh dua orang operator yang kemudian akan dianalisis pada langkah analyze – analisis terhadap faktor manusia dan mesin. Langkah Analyze Tujuan langkah analyze adalah menemukan akar masalah dengan mengidentifikasi dan menganalisis sumber-sumber variabilitas. Hal ini dilakukan dengan dua tahapan, yaitu: (1) menghitung indeks kapabilitas proses (Cp) setiap mesin pengisian; (2) mengidentifikasi dan menganalisis setiap sumber variabilitas pada mesin pengisian. Indeks Cp dihitung dengan terlebih dahulu membuat bagan kendali 𝑋̅-R sesuai data pengambilan sampel dari langkah measure. Setelah membuat bagan kendali, diketahui nilai USL, LSL, dan σ untuk menghitung Cp seperti pada persamaan 1. USL yang digunakan adalah 2.05 g sedangkan LSL yang digunakan adalah 1.95 g. 𝑈𝑆𝐿 − 𝐿𝑆𝐿 (Persamaan 1) 𝐶𝑝 = 6σ Keterangan: Cp = Indeks kapabilitas proses; USL = Upper specification limit; LSL = Upper specification limit; σ = Standar deviasi
Identifikasi sumber variabilitas dilakukan dengan menggunakan diagram Ishikawa untuk mengidentifikasi empat faktor, yaitu metode, manusia, mesin, dan material. Faktor lingkungan dan manajemen tidak diidentifikasi karena faktor lingkungan sudah dicakup pada faktor metode sedangkan faktor manajemen tidak menjadi cakupan studi. Analisis setiap sumber variabilitas mengacu pada hasil identifikasi dengan diagram Ishikawa. Sumber variabilitas dianalisis sebagai berikut ini. Analisis terhadap faktor metode (Montgomery 1993) Analisis terhadap faktor metode dilakukan untuk mengetahui kinerja metode penimbangan pada pengukuran berat produk. Analisis metode penimbangan dilakukan terhadap produk dalam dua jenis kemasan, yaitu sachet dan box seperti berikut ini.
9
1. Analisis kapabilitas metode penimbangan produk dalam sachet Analisis variabilitas berat produk akibat penimbangan dalam kemasan sachet didahului dengan pengambilan sampel penimbangan produk dalam sachet. Pengambilan sampel dilakukan dengan pengambilan 20 sampel secara acak dengan masing-masing dua ulangan untuk mencegah bias sistematis. Setiap pengambilan sampel meliputi dua operator pada dua mesin pengisian (operator A dan B). Kemudian berat sampel ditimbang dengan satu timbangan yang sama pada area pengisian. Setelah pengambilan sampel dan penimbangan, analisis kinerja penimbangan produk dalam sachet dilakukan dengan uji gage R&R classic yang terdiri dari tiga tahap: (1) menghitung variasi yang disebabkan penimbangan (σ2penimbangan); (2) menghitung variasi total (σ2total) dan variasi yang disebabkan produk (σ2produk); (3) menghitung persentase variasi penimbangan (%σ2penimbangan) dan persentase variasi produk (%σ2produk). Pertama, variasi penimbangan (σ2penimbangan) merupakan jumlah variasi repeatability (variasi akibat ulangan penimbangan) dan variasi reproducibility (variasi akibat perbedaan prosedur penimbangan). Variasi repeatability dihitung setelah standar deviasi repeatability (σrepeatability) diketahui dengan menggunakan persamaan 2. Variasi repeatability (σ2repeatability) dihitung dengan persamaan 3.
σrepeatability = R̿ /d2
(Persamaan 2)
σ2repeatability = (σrepeatability)2
(Persamaan 3)
̿ = Nilai rata-rata 𝑅̅ operator 1 dan 𝑅̅ operator 2; Keterangan: R d2 = Konstanta bagan kendali untuk mengkonversi range menjadi standar deviasi; d2 (n=2) = 1.128
Variasi reproducibility dihitung setelah standar deviasi reproducibility (σreproducibility) diketahui dengan menggunakan persamaan 4. Variasi reproducibility (σ2reproducibility) dihitung dengan persamaan 5.
σreproducibility = RX̿/d2 σ2reproducibility = (σreproducibility)2
(Persamaan 4) (Persamaan 5)
Keterangan: RX̿ = Range rata-rata 𝑋̿operator 1 dan 𝑋̿ operator 2; d2 = Konstanta bagan kendali untuk mengkonversi range menjadi standar deviasi; d2 (n=2) = 1.128
Setelah σ2repeatability dan σ2reproducibility diketahui, maka σ2penimbangan dapat dihitung dengan persamaan 6.
σ2penimbangan = σ2repeatability + σ2reproducibility
(Persamaan 6)
Kedua, variasi total (σ2total) adalah variasi keseluruhan pada sachet yang disebabkan oleh penimbangan dan produk. Variasi total diperoleh dengan menghitung varian dari data pengambilan sampel variabilitas berat
10
akibat penimbangan pada sachet. Kemudian, dihitung variasi yang disebabkan produk (σ2produk) dengan persamaan 7.
σ2produk = σ2total - σ2penimbangan
(Persamaan 7)
Ketiga, persentase variasi penimbangan (%σ2penimbangan) dan persentase variasi produk (%σ2produk) dibandingkan. Persentase variasi penimbangan (%σ2penimbangan) dapat dihitung dengan persamaan 8 sedangkan persentase variasi produk (%σ2produk) dapat dihitung dengan persamaan 9.
x 100%
x 100%
(Persamaan 8)
(Persamaan 9)
Perbandingan %σ2penimbangan dengan %σ2produk bertujuan untuk mengetahui kontributor terbesar pada variabilitas berat produk dalam kemasan sachet, yaitu metode penimbangan atau produk. 2. Analisis kapabilitas metode penimbangan produk dalam box Analisis variabilitas berat produk akibat penimbangan dalam kemasan box didahului dengan pengambilan sampel penimbangan produk dalam box. Pengambilan sampel dilakukan dengan pengambilan 20 sampel secara acak dengan masing-masing dua ulangan untuk mencegah bias sistematis. Setiap pengambilan sampel meliputi dua alas penimbangan (diatas meja dan diatas kursi) dan dua kondisi lingkungan (dengan dan tanpa ekspos angin) sesuai keadaan di lapangan. Kemudian berat sampel ditimbang dengan satu timbangan yang sama pada area pengepakan. Setelah pengambilan sampel dan penimbangan, analisis kinerja metode penimbangan produk dalam box juga dilakukan dengan uji gage R&R classic yang terdiri dari tiga tahap: (1) menghitung variasi yang disebabkan penimbangan (σ2penimbangan); (2) menghitung variasi total (σ2total) dan variasi yang disebabkan produk (σ2produk); (3) menghitung persentase variasi penimbangan (%σ2penimbangan) dan persentase variasi produk (%σ2produk). Perhitungan dilakukan dengan tahap dan persamaan yang sama seperti pada analisis kapabilitas metode penimbangan produk dalam sachet. Pada penimbangan produk dalam box, signifikansi variabel (lokasi penimbangan dan kondisi lingkungan) dan interaksinya dianalisis terhadap variasi berat produk akhir dengan uji extended gage R&R (Johnson 2014). Uji extended gage R&R dilakukan dengan melakukan uji ANOVA terhadap dua variabel dengan masing-masing dua level, yaitu alas penimbangan (diatas meja dan diatas kursi) dan kondisi lingkungan (dengan dan tanpa ekspos angin) menggunakan Minitab 17. Analisis terhadap faktor manusia dan mesin (Rai 2008) Analisis terhadap faktor manusia dan mesin dilakukan untuk mengetahui kinerja operator pada pengaturan berat produk dan kinerja
11
tombol pengisi pada mesin pengisian. Analisis variabilitas yang disebabkan manusia dan mesin dilakukan secara bersamaan dengan menggunakan data pengaturan berat produk oleh operator dari langkah measure. Setiap pengaturan berat produk yang dilakukan operator pada subgrup n dicatat dan dibandingkan dengan berat rata-rata produk pada subgrup n+1. Perbandingan tersebut menentukan kinerja pengaturan berat produk oleh operator. Kinerja pengaturan berat oleh operator diklasifikasikan menjadi dua, yaitu pengaturan tepat dan tidak tepat. Pengaturan tepat dibagi menjadi dua: (1) tepat efektif apabila berat rata-rata subgrup setelah pengaturan berada di dalam batas kontrol; (2) tepat tidak efektif apabila berat rata-rata subgrup setelah pengaturan berada di luar batas kontrol. Batas kontrol ditentukan dengan bagan kendali 𝑋̅-R yang dibuat pada langkah analyze – perhitungan Cp mesin pengisian. Apabila pengaturan tepat tidak efektif memiliki frekuensi terbanyak, maka penelitian dilanjutkan dengan analisis faktor mesin. Pengaturan tidak tepat dibagi menjadi tiga: (1) underadjustment apabila berat rata-rata subgrup berada di luar batas kontrol namun operator tidak melakukan pengaturan; (2) overadjustment, apabila berat rata-rata subgrup di dalam batas kontrol namun operator melakukan pengaturan; (3) misadjustment apabila berat rata-rata diatas batas kontrol atas namun operator justru meningkatkan berat dan sebaliknya. Analisis terhadap faktor material Analisis faktor material dilakukan dengan melakukan uji konsistensi berat lembaran box untuk mengetahui kinerja pemasok pada tahun 2015. Data berat lembaran box diperoleh dari Rekapitulasi Data Kemasan Tahun 2015 – Departemen Quality Control. Uji konsistensi berat dilakukan pada lembaran box seluas 100 cm2 dengan bagan kendali 𝑋̅-R untuk mengidentifikasi berat dari 4 tipe lembaran yang berasal dari 2 pemasok. Lembaran dari pemasok A memiliki dimensi kecil, sedang, dan besar sedangkan lembaran dari pemasok B hanya memiliki dimensi sedang. Berat rata-rata setiap tipe box juga dibandingkan terhadap spesifikasi perusahaan, yaitu 2.98, 3.84, 3.84, dan 3.36 g/100cm2 secara berturut-turut untuk box tipe satu, dua, tiga, dan empat. Langkah Improve Tujuan langkah improve adalah mengembangkan solusi bagi akar masalah dan menguji efektivitasnya. Uji coba solusi dilakukan untuk sumber variabilitas pada faktor manusia. Solusi yang diuji adalah meningkatkan kinerja pengaturan berat produk oleh operator dengan memperketat pengawasan terhadap pemantauan berat produk dalam sachet. Interval pemantauan berat adalah 15 menit yang mengacu pada dugaan perubahan kinerja mesin mengacu pada hasil langkah measure dan analyze. Hasil pemantauan berat diuji dengan pengambilan sampel pada 9 outlet masing-masing sebanyak 15 sampel. Setiap sampel diambil dengan lima ulangan. Interval pengambilan sampel dilakukan setiap 15 menit. Pengambilan sampel dilakukan setelah operator melakukan pemantauan berat produk. Kemudian
12
berat sampel ditimbang dengan satu timbangan yang terdapat pada area pengisian. Hasil uji coba solusi ditampilkan dengan histogram dan bagan kendali 𝑋̅-R kemudian dibandingkan terhadap hasil evaluasi kinerja mesin pengisian pada langkah measure. Studi kelayakan terhadap solusi pemantauan berat produk dalam sachet dengan interval 15 menit dilakukan dengan pengambilan sampel aktivitas operator. Pengambilan sampel aktivitas setiap menit operator dilakukan selama 45 menit terhadap dua operator (operator A dan B) yang bekerja pada dua jenis periode batch (periode awal dan akhir) untuk menganalisis pola aktivitas operator akibat perbedaan periode batch. Hasil pengambilan sampel pola aktivitas operator dipetakan dengan bagan Gantt. Langkah Control Tujuan langkah control adalah pembuatan counteraction plan yang mengintegrasi semua solusi bagi setiap masalah yang diidentifikasi pada langkah analyze (Hung 2011). Counteraction plan terhadap masalah variabilitas berat produk dalam operasi pengisian mengidentifikasi solusi terhadap empat faktor, yaitu faktor metode, manusia, mesin, dan material. Pada langkah ini juga diserahkan, solusi yang telah diuji coba dan diuji kelayakannya kepada manajer quality control dan produksi.
13
HASIL DAN PEMBAHASAN Evaluasi Kinerja Proses Pengisian Hasil pengambilan sampel terhadap dua buah mesin pengisian merupakan kinerja dasar yang menjadi acuan kinerja proses (Gambar 5). Rata-rata berat produk dari mesin pengisian 2 (2.028 g) lebih mendekati spesifikasi perusahaan (2.000±0.050 g) dibandingkan rata-rata berat produk dari mesin pengisian 1 (2.012 g) dengan standar deviasinya (0.0395) juga lebih kecil dibandingkan dengan standar deviasi mesin pengisian 1 (0.0351). Histogram mesin pengisian 1 menunjukkan bentuk distribusi normal dengan berat rata-rata sampel 2.028 g yang lebih besar dari spesifikasi perusahaan sehingga produk kelebihan isi. Histogram mesin pengisian 2 menunjukkan bentuk condong ke kanan dengan frekuensi berat rata-rata sampel 2.012 g yang juga lebih besar dari spesifikasi perusahaan, namun lebih kecil dibandingkan berat rata-rata mesin pengisian 1. Mean 2.028 StDev 0.03948 N 1350
10
8
6
4
2
0
Mean 2.012 StDev 0.03509 N 1350
12
Persentase setiap grup (%)
Persentase setiap grup (%)
12
10
8
6
4
2
1.92
1.96
2.00
2.04
2.08
2.12
Berat sampel (g)
a. Mesin pengisian 1
2.16
0
1.92
1.96
2.00
2.04
2.08
2.12
2.16
Berat sampel (g)
b. Mesin pengisian 2
Gambar 5. Histogram berat produk mesin pengisian Akar Masalah Variabilitas Berat Produk Kapabilitas Proses Mesin Pengisian Hasil uji kapabilitas proses ditampilkan pada Gambar 6a dan 6b. Mesin pengisian 1 memiliki Cp 1.04 dan mesin pengisian 2 memiliki Cp 1.35. Mesin pengisian 1 memiliki kapabilitas proses yang baik namun membutuhkan pengendalian karena Cp mendekati 1.00 sedangkan mesin pengisian 2 tidak membutuhkan pengendalian karena Cp > 1.33. Kedua hasil uji menunjukkan Cp > 1.00 yang berarti bahwa proses pengisian masih mampu untuk mengisi produk dengan presisi yang baik. Kapabilitas proses mesin pengisian 2 (1.35) yang lebih besar daripada mesin pengisian 1 (1.04) menunjukkan bahwa kinerja mesin pengisian 2 lebih baik daripada kinerja mesin pengisian 1. Hal ini juga ditunjukkan oleh jumlah subgrup diluar batas kendali pada mesin pengisian 2 (lima subgrup) lebih sedikit daripada mesin pengisian 1 (enam subgrup) yang berarti terdapat lebih sedikit sampel pada mesin pengisian 2 yang berat rata-ratanya diluar batas kendali. Selain itu, range rata-rata mesin pengisian 2 (0.0242) yang lebih kecil daripada mesin pengisian 1 (0.0287) juga menunjukkan variasi berat sampel pada mesin
14
pengisian 2 lebih kecil daripada mesin pengisian 1. Maka dari itu, kesimpulan dari evaluasi kinerja operasi pengisian adalah kinerja operasi mesin pengisian 2 lebih baik daripada kinerja operasi mesin pengisian 1. X-bar R Chart 9Line2 1
Sample Mean
2.06
1 1
Cp = 1.04 UCL=2.04243 __ X=2.02848
2.04 2.02 1
LCL=2.01453
1
2.00 1
1
4
7
10
13
16
19
22
25
28
Sample
: subgrup pengaturan yang akan dianalisis 0.060
1
Sample Range
UCL=0.05114 0.045 0.030
_ R=0.02419
0.015 0.000
LCL=0 1
4
7
10
13
16
19
22
25
28
Sample
Gambar 6a. Bagan 𝑋̅-R berat produk mesin pengisian 1 X-bar R Chart 9Line3 1
1
Sample Mean
2.028
Cp = 1.35
1
2.016
UCL=2.02456 __ X=2.00800
2.004 1.992
LCL=1.99145
1
1.980
1
1
4
7
10
13
16
19
22
25
28
Sample
: subgrup pengaturan yang akan dianalisis 1
UCL=0.06069
Sample Range
0.060 0.045
_ R=0.02870
0.030 0.015 0.000
LCL=0 1
4
7
10
13
16
19
22
25
28
Sample
Gambar 6b. Bagan 𝑋̅-R berat produk mesin pengisian 2 Identifikasi dan Analisis Sumber Variabilitas Hasil identifikasi sumber variabilitas dengan diagram Ishikawa ditampilkan pada Gambar 7. Sumber variabilitas mencakup empat faktor, yaitu faktor metode, manusia, mesin, dan material. Faktor metode mencakup variabel pada metode penimbangan, yaitu permukaan timbang dan kondisi lingkungan. Faktor manusia
sachet
Feeder kendor
MANUSIA
Underadjustment
Pengaturan operator tidak tepat
Overadjustment Misadjustment
Sistem pengisian tidak stabil
Alat pengaturan tidak optimal
Knob tidak akurat
MESIN
Gambar 7. Diagram Ishikawa variasi berat pada proses pengisian
METODE
Variasi alas timbangan
Pengaruh keberadaan angin
Variasi berat bahan kemas
box
Metode penimbangan tidak akurat
Variasi kualitas material
Variasi berat bahan baku
MATERIAL
Variasi berat produk pada proses pengisian produk bubuk dalam sachet
15
16
mencakup kinerja pengaturan operator terhadap tombol pengisi mesin pengisian. Faktor mesin mencakup efektivitas tombol pengisi dan stabilitas pengisi. Faktor material mencakup variasi berat kemasan dan bahan baku. Hasil analisis terhadap sumber variabilitas berat adalah sebagai berikut. 1. Kinerja Metode Penimbangan Produk Hasil uji gage R&R classic pada metode penimbangan produk dalam sachet dan box dengan ditampilkan pada Tabel 1. Metode penimbangan bukan merupakan sumber variabilitas signifikan karena hanya menyebabkan 3.55 dan 1.30 % variasi pada sachet dan box. Variasi disebabkan pengulangan penimbangan ditunjukkan oleh σ2repeatability sedangkan variasi disebabkan perbedaan prosedur penimbangan disebabkan oleh σ2reproducibility. Penyebab variasi penimbangan terbesar pada sachet adalah pengulangan penimbangan sedangkan pada box adalah perbedaan prosedur penimbangan. Variasi akibat pengulangan penimbangan dapat diatasi dengan peningkatan kalibrasi timbangan sedangkan variasi akibat perbedaan prosedur penimbangan dapat diatasi dengan mengeliminasi faktor pengganggu, yaitu angin dan permukaan kursi. Tabel 1. Uji gage R&R pada metode penimbangan Deskripsi Sachet Standar deviasi (σ) Variasi (σ2) Repeatability Reproducibility Persen variasi (%σ2) Box Standar deviasi (σ) Variasi (σ2) Repeatability Reproducibility Persen variasi (%σ2)
Penimbangan
Produk
Total
0.005319 0.000029 0.000028 0.000001 3.55
0.028098 0.000789 96.45
0.028600 0.000818 100.00
0.076463 0.014594 0.005847 0.008748 1.30
1.051841 1.106371 98.70
1.058800 1.120965 100.00
Hasil uji extended gage R&R pada box ditunjukkan pada Tabel 2. Sumber variabilitas yang memiliki nilai p < 0.05 merupakan sumber signifikan sehingga sampel, sampel*angin, sampel*permukaan, dan angin*permukaan merupakan sumber variabilitas signifikan. Namun, karena uji hanya mengamati penimbangan, maka setiap elemen sampel diabaikan sehingga hanya angin*permukaan yang merupakan sumber variabilitas signifikan pada faktor metode penimbangan. Faktor yang diduga menyebabkan variasi pada variabel angin dan permukaan adalah ekspos angin akibat blower dan permukaan kursi yang tidak stabil. Oleh karena itu, metode penimbangan harus mengeliminasi ekspos angin dan hanya menggunakan meja pada operasi penimbangan untuk mereduksi σ2penimbangan. Pada penelitian di perusahaan manufaktur kromatografi gas, uji gage R&R classic berhasil mereduksi tingkat kecacatan sebesar 60 %. Perusahaan menguji tiga sumber, yaitu kolom kromatografi, operator, dan sampel. Hasil uji menunjukkan
17
Tabel 2. Hasil uji ANOVA metode penimbangan pada box DFa Seq SSb Adj SSc Adj MSd Source F P Sampel 19 132.7846 132.7846 6.9887 8.59 0.000 Angin 1 0.5772 0.5772 0.5772 0.61 0.508 Permukaan 1 0.0446 0.0446 0.0446 0.05 0.848 Sampel*Angin 19 8.4500 8.4500 0.4447 4.10 0.000 Sampel*Permukaan 19 9.0645 9.0645 0.4771 4.40 0.000 Angin*Permukaan 1 0.6163 0.6163 0.6163 5.69 0.019 Repeatability 99 162.2674 10.7302 0.1084 Total 159 a Degree of Freedom; bSequential Sum of Squares; cAdjusted Sum of Squares; d Adjusted Mean Squares; *interaksi
bahwa kolom kromatografi merupakan sumber signifikan yang ditunjukkan oleh percent tolerance ratio sebesar 47 %. Kemudian diterapkan prosedur kalibrasi kolom kromatografi yang baru sehingga berhasil mereduksi tingkat kecacatan (Johnson 2013). Selain itu, penelitian pada sebuah perusahaan manufaktur turbin energi terbarukan membuktikan bahwa uji extended gage R&R berhasil menemukan interaksi variabel yang menyebabkan variasi signifikan pada produk. Perusahaan menguji hasil pengukuran sebuah parameter turbin dengan rancangan percobaan mencakup 2 operator, 10 sensor, 6 gage, dan 2 ulangan. Hasil uji menunjukkan bahwa interaksi operator dengan gage merupakan sumber variabilitas signifikan. Kemudian diterapkan prosedur kalibrasi tunggal dengan lingkungan yang dijaga sama sehingga berhasil meningkatkan presisi pengukuran turbin (Johnson 2014). Maka dari itu, dapat disimpulkan bahwa uji gage R&R metode classic dan extended adalah efektif untuk menganalisis akar masalah pada faktor metode penimbangan. Uji gage R&R pada penelitan Johnson dan penelitian ini menghasilkan solusi yang sama terhadap masalah variabilitas akibat metode penimbangan, yaitu memperbaiki prosedur penimbangan. Perbaikan prosedur penimbangan pada penelitian Johnson adalah peningkatan kalibrasi alat timbang sedangkan pada penelitian ini adalah eliminasi faktor pengganggu pada area penimbangan, yaitu angin dan permukaan timbang yang tidak stabil. 2. Kinerja Operator Pada Pengaturan Berat Produk Seperti ditampilkan pada Gambar 6a dan 6b, mesin pengisian 1 dan 2 memiliki masing-masing 10 dan 7 panah biru. Hal ini berarti uji ketepatan pengaturan berat dilakukan terhadap 10 subgrup pada mesin pengisian 1 dan 7 subgrup pada mesin pengisian 2. Hasil uji ketepatan pengaturan berat oleh operator ditampilkan pada Tabel 3. Pengaturan berat produk oleh operator cenderung tidak tepat sehingga diduga operator merupakan sumber variabilitas signifikan. Hal ini ditunjukkan oleh persentase pengaturan tidak tepat pada operator mesin pengisian 1 dan 2 yaitu 90 dan 57 % yang lebih besar daripada persentase pengaturan tepat yaitu 10 dan 43 %. Pada mesin pengisian 1, underadjustment merupakan penyebab terbesar kesalahan pengaturan sedangkan pada mesin pengisian 2, underadjustment dan overadjustment memiliki kontribusi yang sama terhadap kesalahan pengaturan. Oleh karena itu, kesimpulan uji ketepatan pengaturan berat produk oleh operator adalah underadjustment (terlewatnya pengaturan tombol pengisi mesin pengisian
18
saat berat rata-ratanya diluar batas kontrol) merupakan penyebab terbesar variabilitas yang disebabkan oleh operator. Tabel 3. Ketepatan pengaturan operator mesin pengisian Hasil pengaturan Tidak tepat Underadjustment Overadjustment Misadjustment Tepat Tidak efektif Efektif Total
Mesin Pengisian Mesin Pengisian (%) 1
2 9 5 4 0 1 0 1 10
1 4 2 2 0 3 0 3 7
2 90 50 40 0 10 0 10 100
57 28.5 28.5 0 43 0 43 100
Underadjustment disebabkan oleh dua masalah, yaitu operator memiliki aktivitas lain saat pengaturan dan operator tidak mengetahui jika berat rata-rata produk diluar kontrol. Solusi terhadap masalah pertama diidentifikasi dan diuji coba pada tahap implementasi. Solusi terhadap masalah kedua adalah penerapan otomatisasi pemantauan berat produk sehingga operator dapat mengetahui rata-rata berat produk dengan cepat. Studi oleh Singh dan Gilbreath (2002) menyimpulkan bahwa operator mengalami kesulitan untuk menginterpretasi hasil pemantauan berat produk yang dilakukan secara manual sehingga dibutuhkan sistem otomatis yang dapat menampilkan SPC secara langsung dengan Graphical User Interface (GUI) yang sederhana. Aplikasi SPC secara langsung tersebut telah terbukti efektif menjaga variasi kualitas pada dua studi, yaitu Young et al. (2007) pada perusahaan pemotongan kayu yang efektif menjaga konsistensi variabilitas ketebalan kayu dan Chiang dan Colegrove (2007) pada perusahaan produk kimia yang efektif menjaga kualitas epoxy resin. Namun, otomatisasi pemantauan dengan SPC secara langsung membutuhkan analisis biaya dan keuntungan yang harus dikoordinasikan dengan direktur operasional pabrik terlebih dahulu sehingga solusi bagi masalah kedua menjadi saran untuk penelitian lebih lanjut. Seluruh pengaturan tepat pada mesin pengisian 1 dan 2 merupakan tepat efektif. Hal ini berarti tombol pengisi pengaturan berat pada mesin pengisian bukan merupakan sumber variabilitas sehingga tidak dilakukan analisis terhadap faktor mesin. Analisis faktor mesin dapat dilakukan dengan uji sensitivitas dua tombol pengisi pada setiap mesin pengisian, yaitu tombol pengisi mayor dan tombol pengisi minor. Analisis dilakukan dengan penimbangan masing-masing 30 sachet hasil pengisian pada tiga skala pengaturan setiap tombol pengisi. Kemudian berat rata-rata hasil pengisian dari tiga skala pengaturan dibandingkan dengan berat pada skala tombol pengisi untuk mengetahui ketepatan tombol pengisi (Rai 2008). Pada penelitian di perusahaan pengepakan teh di India, uji ketepatan pengaturan berat oleh operator berhasil mereduksi persentase subgrup diluar batas kontrol dari 66 menjadi 4 %. Perusahaan menguji sebuah proses pengepakan
19
dengan menimbang 38 sampel teh yang masing-masing mencakup 5 kemasan setiap 10 menit dan mencatat setiap pengaturan berat yang dilakukan operator. Hasil uji menunjukkan persentase pengaturan tidak tepat dan tepat sebesar 75 dan 25 %. Penyebab terbesar pengaturan tidak tepat adalah underadjustment sebanyak 62 %. Pada pengaturan tepat, terdapat 71 % pengaturan tepat tidak efektif sehingga dilakukan uji sensitivitas tombol pengisi yang menunjukkan terdapat masalah sensitivitas pada tombol pengisi mesin. Kemudian dilakukan dua langkah perbaikan, yaitu peningkatan kinerja pengaturan operator dengan penerapan pemantauan berat menggunakan bagan kendali X-sum dan peningkatan pemeliharaan tombol pengisi sehingga berhasil mereduksi persentase subgrup diluar batas kontrol (Rai 2008). Maka dari itu, dapat disimpulkan bahwa uji ketepatan pengaturan berat oleh operator adalah efektif untuk menganalisis akar masalah pada faktor manusia dan mesin. Uji ketepatan pengaturan berat oleh operator pada penelitian Rai dan penelitian ini menghasilkan dua solusi yang sama terhadap masalah underadjustment, yaitu peningkatan kinerja operator. Peningkatan kinerja operator penelitian Rai menggunakan bagan kendali X-sum sedangkan penelitian ini menggunakan prosedur pemantauan aktivitas operator. 3. Kinerja Pemasok Pada Konsistensi Berat Box Hasil uji konsistensi berat lembaran box pada tahun 2015 ditampilkan pada Gambar 8. Berat lembaran box tipe satu, dua, dan tiga yang berasal dari pemasok A berada didalam batas kontrol sedangkan berat lembaran box tipe empat yang berasal dari pemasok B berada diluar batas kontrol. Berat lembaran box pemasok B berada diluar batas kontrol berarti terdapat berat box pemasok B yang melebihi batas kontrol sebesar 3σ. Maka dari itu, perusahaan dapat mempercayai pemasok A sedangkan perusahaan perlu mempertimbangkan inspeksi mutu yang lebih ketat terhadap pemasok B. Namun, berat rata-rata sampel box tipe satu, dua, tiga, dan empat secara berturut-turut adalah 3.16, 4.07, 4.07, dan 4.05 g/100cm2 lebih besar dari spesifikasinya 2.98, 3.84, 3.84, dan 3.36 g/100cm2. Meskipun berat box tipe empat berada diluar batas kontrol, tetapi berat rata-rata semua tipe box melebihi spesifikasi perusahaan sehingga dapat disimpulkan bahwa kemasan box bukan sumber signifikan terhadap variabilitas berat produk. (g/100 cm2)
Individual Value
3.3
UCL=3.2748
3.2
_ X=3.16
3.1 LCL=3.0452 1
5
9
13
17
21
25
29
33
37
Observation
Moving Range
0.15
UCL=0.1410
0.10 __ MR=0.0432
0.05
0.00
LCL=0 1
5
9
13
17
21
25
29
33
37
Observation
Gambar 8a. Bagan I-Moving range box tipe 1 (pemasok A – dimensi kecil)
20
Individual Value
(g/100 cm2) 4.2
UCL=4.2011
4.1
_ X=4.0666
4.0 LCL=3.9322 3.9 1
7
13
19
25
31
37
43
49
55
Observation
UCL=0.1652
Moving Range
0.15 0.10
__ MR=0.0506
0.05
0.00
LCL=0 1
7
13
19
25
31
37
43
49
55
Observation
Gambar 8b. Bagan I-Moving range box tipe 2 (pemasok A – dimensi sedang) (g/100 cm2)
Individual Value
4.3
UCL=4.2838
4.2 _ X=4.0682
4.1 4.0 3.9
LCL=3.8525 1
5
9
13
17
21
25
29
33
37
Observation 0.3
Moving Range
UCL=0.2649 0.2
__ MR=0.0811
0.1
0.0
LCL=0 1
5
9
13
17
21
25
29
33
37
Observation
Gambar 8c. Bagan I-Moving range box tipe 3 (pemasok A – dimensi besar) (g/100 cm2) 4.2
Individual Value
UCL=4.1669 4.1 _ X=4.0454 4.0
3.9
LCL=3.9239
1
1
6
11
16
21
26
31
36
41
46
51
Observation 0.2
1
Moving Range
1
UCL=0.1493 0.1 __ MR=0.0457 0.0
LCL=0 1
6
11
16
21
26
31
36
41
46
51
Observation
Gambar 8d. Bagan I-Moving range box tipe 4 (pemasok B – dimensi sedang)
21
Pada penelitian di perusahaan extruded snack di Irlandia, uji konsistensi berat kemasan berhasil mereduksi jumlah produk kelebihan berat sebesar 6.5 %. Perusahan meneliti dampak variasi panjang, lebar, dan massa jenis kemasan terhadap variasi berat produk akhir. Hasil penelitian menunjukkan bahwa lebar kemasan merupakan variabel paling kritis dengan koefisien korelasi rata-rata 0.78 dibandingkan dengan panjang dan massa jenis kemasan yaitu 0.05 dan 0.12. Kemudian perusahaan menguji coba solusi, yaitu memperketat inspeksi lebar kemasan dan berhasil mereduksi jumlah produk kelebihan berat (Cronin 2003). Maka dari itu, dapat disimpulkan bahwa uji konsistensi berat kemasan adalah efektif untuk menganalisis akar masalah pada faktor material. Uji konsistensi berat kemasan pada penelitan Cronin dan penelitian ini menghasilkan solusi yang sama terhadap masalah inkonsistensi kualitas kemasan, yaitu pengetatan inspeksi mutu terhadap parameter fisik kemasan. Pengetatan inspeksi mutu yang diidentifikasi pada penelitian Cronin adalah lebar kemasan sedangkan pada penelitian ini adalah berat sampel kemasan dalam satuan g/100cm2. Implementasi Peningkatan Kinerja Operator Hasil analisis terhadap faktor metode, manusia, mesin dan material menunjukkan bahwa faktor manusia berkontribusi signifikan terhadap variabilitas berat produk. Sumber variabilitas pada faktor manusia adalah kinerja pengaturan berat oleh operator pada mesin pengisian. Maka dari itu, solusi yang diuji coba adalah memperketat pemantauan berat produk untuk meningkatkan kinerja operator pada pengaturan berat. Penelitian menguji coba solusi pada mesin pengisian 1 karena mesin tersebut memiliki 1.00 < Cp < 1.33 yang berarti diperlukan perbaikan. Hasil pengambilan sampel terhadap uji coba solusi ditampilkan dengan histogram pada Gambar 9. Solusi berhasil mereduksi rata-rata berat produk dari 2.028 menjadi 2.001 g yang mendekati target berat produk spesifikasi perusahaan yaitu 2.000 g. Solusi juga berhasil mereduksi standar deviasi sampel dari 0.0395 menjadi 0.0298. Uji coba juga menganalisis dampak solusi terhadap konsistensi berat produk seperti ditampilkan pada Gambar 10. Solusi berhasil mengeliminasi seluruh berat produk yang berada diluar kontrol, baik pada bagan kendali 𝑋̅ maupun R. Maka dari itu, dapat disimpulkan bahwa solusi peningkatan kinerja operator sudah tepat untuk mereduksi variabilitas berat produk pada operasi pengisian. Hasil studi kelayakan terhadap aktivitas operator ditunjukkan oleh bagan Gantt pada Lampiran 1. Rancangan implementasi solusi dibuat berdasarkan pola aktivitas yang telah diteliti seperti ditampilkan pada Lampiran 2. Penelitian memilih pola aktivitas operator ke-2 dengan tujuan menangkap pola paling sibuk, yaitu saat operasi pengisian baru berjalan. Penelitian menggeser satu buah cek sachet – printing, sealer pada menit ke-16 dan menggabungnya dengan menit ke-21. Setelah itu penelitian menyisipkan pemantauan berat sachet yang ditampilkan dengan kotak oranye pada menit ke-15 hingga menit ke-17. Oleh karena itu, maka solusi memperketat pemantauan berat produk dengan interval 15 menit dapat dilakukan oleh operator.
22
(%) 16
Mean 2.001 StDev 0.02981 N 675
14 12 10 8 6 4 2 0
1.95
1.98
2.01
2.04
2.07
(gram)
Gambar 9. Histogram berat produk mesin pengisian 1
Gambar 10. Bagan 𝑋̅-R berat produk mesin pengisian 1 Pembuatan Conteraction Plan Counteraction plan mengidentifikasi solusi pada seluruh faktor (operator, mesin, metode, dan material) seperti ditampilkan pada Gambar 11. Solusi peningkatan kinerja operator dalam pemantauan berat produk merupakan solusi yang efektif untuk mereduksi variabilitas berat produk. Solusi lain yang tercantum juga berpotensi mereduksi variabilitas berat produk, namun dibutuhkan studi lanjut untuk membandingkan efektifitasnya. Hung (2011) membandingkan efektifitas beberapa solusi yang dihasilkan pada counteraction plan dalam sebuah penelitian implementasi SPC. Penelitian dilakukan pada perusahaan pembuatan bakpau beku yang berhasil mereduksi laju penyusutan bakpau dari 0.405 menjadi 0.141 %. Penelitian membandingkan lima buah solusi yang ditemukan, yaitu suhu pengisian, waktu penggulungan adonan, waktu fermentasi, volume air es, dan waktu
23
penguapan dalam sebuah rancangan percobaan dengan lima faktor, dua level, dan dua ulangan. Hasil percobaan dibandingkan dengan nilai efek faktor pada diagram Pareto yang membuktikan bahwa volume air es memiliki nilai efek faktor terbesar yang berarti merupakan faktor paling kritis terhadap laju penyusutan bakpau. Operator
Meningkatkan pemantauan berat sachet Meningkatkan pemeliharaan mesin
Variasi berat produk pada proses pengisian produk bubuk
Mesin
Memperbaiki pengisi dan tombol pengisi Mengotomatisasi pemantauan berat produk
Metode
Mengeliminasi gangguan angin pada area timbang
Material
Memperketat kendali mutu kemasan dari pemasok B
Gambar 11. Counteraction plan
24
SIMPULAN DAN SARAN Simpulan Implementasi SPC berhasil mengidentifikasi dan menganalisis tiga sumber variabilitas yang menyebabkan variasi berat produk bubuk pada operasi pengisian, yaitu metode penimbangan, kinerja operator, dan konsistensi berat bahan pengemas. Analisis terhadap metode penimbangan dengan uji gage R&R menunjukkan bahwa titik penimbangan sachet dan titik penimbangan box secara berturut-turut berkontribusi terhadap 3.55 dan 1.30 % variasi produk akhir. Analisis terhadap kinerja operator menunjukkan bahwa underadjustment (terlewatnya pengaturan tombol pengisi mesin pengisian saat berat rata-rata melewati batas kontrol) merupakan kesalahan paling signifikan. Analisis terhadap konsistensi berat kemasan menunjukkan bahwa hanya pemasok B yang memasok satu dari empat tipe box yang memiliki berat kemasan diluar batas kontrol. Hasil uji coba solusi terhadap faktor manusia yaitu pengetatan pemantauan berat produk oleh operator dengan interval 15 menit menunjukkan reduksi standar deviasi dari 0.0395 menjadi 0.0298 dan perubahan rata-rata berat produk sampel dari 2.028 menjadi 2.001 g, mendekati target berat produk 2.000 g. Studi kelayakan solusi yang dilakukan menggunakan bagan Gantt dan menunjukkan bahwa solusi pengetatan pemantauan berat produk oleh operator dengan interval 15 menit layak dilakukan.
Saran Saran yang perlu dilakukan untuk mereduksi variabilitas berat pada proses pengisian produk pangan bubuk agar perusahaan dapat menjaga konsistensi kualitas produk pangan bubuk: (1) Perlu dilakukan studi lebih lanjut terkait solusi memperketat pemantauan berat produk pada proses pengisian, seperti studi produktivitas dan pemetaan aktivitas seluruh operator pada setiap shift; (2) Perlu dilakukan studi terkait proses lain yang mendahului proses pengisian, seperti manajemen mutu bahan baku dan kinerja proses mixing; (3) Perlu dipertimbangkan usaha untuk melakukan otomatisasi mesin dalam membaca berat produk sehingga operator mampu memantau berat produk dengan lebih mudah.
25
DAFTAR PUSTAKA Akbulut-Bailey AY, Motwani J, Smedley EM. 2012. When lean and six sigma converge: a case study of a successful implementation of lean six sigma at an aerospace company. International Journal of Technology Management. 75(1): 18-32. DOI: 10.1504/IJTM.2012.043949 Arpah M. 2006. Alat Bantu Manajemen Mutu Pangan. Bogor (ID): Departemen Ilmu dan Teknologi Pangan Bhuiyan N, Baghel A, Wilson J. 2006. A sustainable continuous improvement methodology at an aerospace company. International Journal of Productivity and Performance Management. 55 (8): 671-687. DOI: 10.1108/17410400610710206 BPOM. 2011. Peraturan Kepala BPOM Nomor HK.03.1.23.07.11.6664 Tahun 2011 Tentang Pengawasan Kemasan Pangan. Jakarta (ID): Badan Pengawas Obat dan Makanan BPOM. 2004. Peraturan Kepala BPOM Nomor HK.00.05.5.1.4547 Tahun 2014 Tentang Persyaratan Penggunaan Bahan Tambahan Pangan Pemanis Buatan Dalam Produk Pangan. Jakarta (ID): Badan Pengawas Obat dan Makanan BSN. 2008. Standar Nasional Indonesia 0123:2008 Tentang Kertas Dupleks. Jakarta (ID): Badan Standardisasi Nasional Chiang LH, Colegrove LF. 2007. Industrial implementation of on-line multivariate quality control. Chemometrics and Intelligent Laboratory Systems. 88: 143– 153. DOI: 10.1016/j.chemolab.2007.02.005 Chen M, Lyu J. 2009. A lean six sigma approach to touch panel quality improvement. Production Planning and Control. 20(5): 445-454. DOI: 10.1080/09537280902946343 Chakraborty SS, Shah AD. 2012. Lean six sigma (LSS): an implementation experience. European Journal of Industrial Engineering. 6(1): 118-137. DOI: 10.1504/EJIE.2012.044813 Cronin K, Fitzpatrick J, McCarthy D. 2003. Packaging strategies to counteract weight variability in extruded food products. Journal of Food Engineering. 56: 353-360. DOI: 10.1016/S0260-8774(02)00161-9 Drohomeretski E, da Costa GS, de Lima EP, da Rosa PA. 2013. Lean, six sigma and lean six sigma: an analysis based on operations strategy. International Journal of Production Research. 52(3): 804-824. DOI: 10.1080/00207543.2013.842015
26
Gaspersz V. 2001. Metode Analisis Untuk Peningkatan Kualitas. Jakarta (ID): PT. Gramedia Pustaka Utama. ISBN: 979-686-602-1 Gaspersz V. 1998. Statistical Process Control, Penerapan Teknik-teknik Statistikal dalam Manajemen Bisnis Total. Jakarta (ID): PT. Gramedia Pustaka Utama. ISBN: 979-605-821-9 Hubeis M, Kadarisman D. 2007. Pengendalian Mutu Pada Industri Pangan. Jakarta (ID): Universitas Terbuka Hung SC, Sung MH. 2011. Applying six sigma to manufacturing processes in the food industry to reduce quality cost. Scientific Research and Essays. 6(3): 580-591. DOI: 10.5897/SRE10.823 Kanji GK. 2008. Reality check of six sigma for business excellence. Total Quality Management. 19(6): 575-582. DOI: 10.1080/14783360802024333 Johnson LA, Bailey SP. 2013. Implementing an expanded gage R&R study, in Proceedings ASQ World Conference on Quality and Improvement 2013, Anaheim, CA. Johnson LA, Deaner M. 2014. Necessary measures: expanded gage R&R to detect and control measurement system variation. Quality Progress. 47(7): 34-38. Lee L, Wei C. 2009. Reducing mold changing time by implementing lean six sigma. Quality and Reliability Engineering International. 26(4): 387-395. DOI: 10.1002/qre.1069 Lim SAH, Antony J, Albliwi S. 2014. Statistical process control (SPC) - a systematic review and future research agenda. Trends in Food Science and Technology. 37(2): 137-151. DOI: 10.1016/j.tifs.2014.03.010 Montgomery DC, Runger GC. 1993. Gauge capability and designed experiments part 1: basic methods. Quality Engineering 6(1): 115-135. DOI: 10.1080/08982119308918710 Montgomery DC. 2013. Introduction to Statistical Quality Control Seventh Edition. New York (US): John Wiley and Sons, Inc. ISBN: 978-1-118-14681-1 Muhandri T, Kadarisman D. 2008. Sistem Jaminan Mutu Industri Pangan. Bogor (ID): Ghalia Indonesia. ISBN: 9789794933688 Rai BK. 2008. Implementation of statistical process control in an Indian tea packaging company. International Journal of Business Excellence. 1(2): 160174. DOI: 10.1504/IJBEX.2008.017572
27
Schroeder RG, Linderman K, Liedtke C, Choo AS. 2008. Six Sigma: definition and underlying theory. Journal of Operations Management. 26(4): 536-554. DOI: 10.1016/j.jom.2007.06.007 Singh R, Gilbreath G. 2002. A real-time information system for multivariate statistical process control. International Journal of Production Economics. 75: 161–172. DOI: 12 Tague NR. 2005. The Quality Toolbox. Milwaukee (US): ASQ Quality Press. ISBN: 978-0873896399 Yi TP, Feng CJ, Prakash J, Ping LW. 2012. Reducing electronic component losses in lean electronics assembly with six sigma approach. International Journal of Lean Six Sigma. 3(3): 206-230. DOI: 10.1108/20401461211282718 Young TM, Bond BH, Wiedenbeck J. 2007. Implementation of a real-time statistical process control system in hardwood sawmills. Forest Products Journal. 57: 54–62.
Keterangan: Cek mesin Cek sachet Cek roll sachet Monitor gramasi
2. Operator 2
1. Operator 1
Lampiran 1. Bagan Gantt pengambilan sampel aktivitas operator 28
LAMPIRAN
Keterangan: Cek mesin Cek sachet Cek roll sachet Monitor gramasi
Lampiran 2. Bagan Gantt rancangan implementasi solusi
29
30
RIWAYAT HIDUP Penulis dilahirkan di Tangerang pada tanggal 15 September 1994. Penulis merupakan anak pertama dari dua bersaudara pasangan Peris Situmorang dan Demsi Silalahi. Pendidikan formal yang ditempuh penulis adalah TK Binong Permai tahun 1999 hingga 2000, kemudian melanjutkan ke SD Binong Permai dari tahun 2000 hingga tahun 2006, kemudian melanjutkan ke SMP Strada Slamet Riyadi tahun 2006 hingga 2009, kemudian melanjutkan ke SMAN 8 Tangerang tahun 2009 hingga 2012. Penulis diterima sebagai Mahasiswa Ilmu dan Teknologi Pangan Angkatan 49 Institut Pertanian Bogor pada tahun 2012 melalui jalur Ujian Talenta Mandiri (UTM). Selaman menjadi mahasiswa, penulis aktif dalam dua organisasi, yaitu International Association of Students in Agricultural and Related Sciences (IAAS) sebagai Anggota Departement Exchange Program tahun 2013 dan Persekutuan Mahasiswa Kristen (PMK) sebagai Anggota Komisi Pembinaan Pemuridan tahun 2013. Penulis juga mendapatkan beasiswa GE Foundation tahun 2014.
