First Seven Tools of Quality Improvement_imu rev 4 april 2014

1

First Sevent Tools of Quality Improvement

Seorang ahli pengendalian kualitas statistik dari Jepang, Kaoru Ishikawa, percaya bahwa

statistik mampu menyelesaikan 95% persoalan kualitas. Ishikawa menyarankan untuk

meningkatkan penggunaan statistik dengan jalan melatih semua orang dalam organisasi

agar dapat menggunakan dan menguasai alat-alat statistik yang diperlukan untuk

pengendalian kualitas, seperti: bagan Pareto, diagram tulang ikan (fishbone), histogram,

dan sebagainya. Alat-alat statistik ini kemudian dikenal dengan nama 7 Tools yang dirancang

sederhana agar dapat dipakai siapa saja, termasuk para pekerja yang berbekal pendidikan

menengah.

Para praktisi dan akademisi yang menekuni bidang kualitas menggunakan nama

“The Old Seven”,

“The First Seven”,

“The Basic Seven”,

dan banyak nama lain untuk menyebut 7 Tools yang terdiri dari: 1. Check Sheet, 2. Scatter

Diagram, 3. Fishbone Diagram, 4. Pareto Charts, 5. Flow Charts, 6. Histogram, dan 7. Control

Charts

Dr. Ishikawa

As much as 95% of quality related problems in the factory can be solved with seven

fundamental quantitative tools.

1. Check Sheet

Kapan check sheet digunakan?

Kapan kita menggunakan check sheet? Menurut Tague (2005) adalah sebagai berikut:

Ketika data dapat diamati dan dikumpulkan berulang kali oleh orang yang sama atau

di lokasi yang sama.

Ketika mengumpulkan data mengenai frekuensi atau pola kejadian, masalah, cacat,

lokasi cacat, penyebab cacat, dan sebagainya.

Ketika mengumpulkan data proses produksi.

Prosedur check sheet

Prosedur check sheet yang diuraikan oleh Tague (2005) adalah sebagai berikut:

Menentukan kejadian atau permasalahan apa yang akan diamati, kemudian

kembangkan definisi operasional.

Menentukan kapan data akan dikumpulkan dan berapa lama.

Merancang form isi sedemikian rupa sehingga data dapat direkam dengan hanya

memberikan tanda cek (V) atau tanda silang (X) atau simbol serupa sehingga data

tidak perlu diperbanyak ulang untuk analisis.

Memberikan etiket setiap daerah kosong pada form.

2

Menguji check sheet secara singkat untuk memastikan ketepatan check sheet dalam

mengumpulkan data yang diinginkan, juga memastikan apakah check sheet mudah

digunakan atau tidak?

Merekam data pada check sheet setiap kali ditemukan kejadian atau masalah yang

ditargetkan.

Fungsi check sheet dalam pengendalian kualitas

Menurut Ishikawa (1982), check sheet memiliki fungsi sebagai berikut:

Pemeriksaan distribusi proses produksi (production process distribution checks)

Pemeriksaan item cacat (defective item checks)

Pemeriksaan lokasi cacat (defective location checks)

Pemeriksaan penyebab cacat (defective cause checks)

Pemeriksaan konfirmasi pemeriksaan (check-up confirmation checks)

Dan lain-lain.

Berdasarkan fungsinya kemudian dikenal beberapa model check sheet, yaitu sebagai

berikut:

1. Process Distribution Check Sheet

Check sheet ini mengukur frekuensi satu item di berbagai pengukuran, secara visual

menunjukkan distribusi yang interpretasikan sebagai histogram-histogram, Gambar 1 di

bawah ini menunjukan contoh process distribution check sheet.

Gambar 1. Pemeriksaan Ketebalan Item dengan Process Distribution Check Sheet

Seperti terlihat pada Gambar 1, analisis check sheet ini akan menggunakan teori

kurva normal seperti yang ada dalam ilmu statistik. Ketika pengukuran selesai,

pemeriksaan check sheet harus bisa menjawab pertanyaan-pertanyaan sebagai berikut:

Apakah tanda cek membentuk kurva lonceng (kurva normal)? Apakah berbentuk

miring (skewness )? Apakah ada lebih dari satu puncak? Apakah ada outlier?

3

Apakah tanda cek jatuh seluruhnya diantara garis LSL (lower specification limit) dan

USL (upper specification limit)? Atau sebagian besar tanda cek jatuh di luar garis LSL

atau USL?

Jika terbukti data tidak normal atau jika data signifikan di dekat atau di luar garis

LSL/USL, maka usaha improvement harus dilakukan untuk menghilangkan special

cause of variation, yaitu: variasi yang terjadi karena faktor eksternal (dari luar

sistem).

2. Defective Item Check Sheet

Check sheet ini menghitung dan mengklasifikasikan cacat menurut jenisnya, seperti

terlihat pada Gambar 2 di bawah ini. Hasil check sheet ini dapat dijadikan analisis

Pareto, di mana data kemudian akan diurutkan dari yang terbesar sampai dengan yang

terkecil. Asumsi analisis Pareto adalah mengidentifikasi 20% penyebab masalah vital

(ranking tertinggi) untuk mewujudkan 80% improvement secara keseluruhan.

Gambar 2. Defective Item Check Sheet pada Final Inspection di Lini Sewing Pabrik

Sepatu

3. Defect Location Check Sheet (atau Location Plot atau Concentration Diagram)

Check sheet ini menggunakan gambar item untuk ditandai posisi cacatnya sehingga

dapat diketahui di mana cacat terbanyak terjadi dalam proses, seperti terlihat pada

Gambar 3 di bawah ini.

Gambar 3. Defect Location Check Sheet untuk Upper Sepatu

4

4. Defective Cause Check Sheet

Check sheet ini bertujuan untuk mengkorelasikan sebab dan akibat dengan

memasukkan faktor-faktor penyebab yang mungkin, seperti waktu, operator, mesin,

dan lokasi.

Sebagai contoh lihat Gambar 4, nama-nama operator, jam sebelum makan

siang, jam setelah makan siang, dan beberapa workstation dirangkum pada

selembar check sheet dalam rangka mengidentifikasi trend di lintas kelompok.

Contoh check sheet di bawah ini menunjukan bahwa jam setelah makan siang

di workstation 2 tampak paling rentan terhadap cacat. Tindak lanjutnya adalah pada

kebiasaan makan siang operator, ditambah pemeriksaan kondisi, perilaku operator, dan

kinerja operasi di workstation 2 setelah jam makan siang.

Gambar 4. Defective Cause Check Sheet pada 2 Workstation

5. Check-up Confirmation Check Sheet (atau Checklist)

Check sheet ini berisi daftar tindakan atau hasil tindakan yang akan dicentang ketika

telah selesai dilakukan (lihat Gambar 5). Setelah selesai dicentang seluruhnya, check

sheet ini menjadi semacam sertifikat penyelesaian. Di tempat kerja, saya sering

membuat checklist sederhana pada sticky note (lihat Gambar 6), bagi saya ini

membantu mengingat pekerjaan pokok saya yang kadang terlupakan akibat over-

load pekerjaan atau karena ada tambahanproject.

5

Gambar 5. Check-up Confirmation Check Sheet pada Form Inspeksi SHAPE (Safety,

Health, Attitude, People & Environment)

Gambar 6. Contoh Check List Sederhana

Selain kelima jenis check sheet di atas terdapat juga work sampling check

sheet, traveling check sheet, dan lain-lain. Namun, kelima jenis check sheet di atas lah

yang paling banyak digunakan dalam pengendalian kualitas.

Rujukan:

Ishikawa, K. (1982). Guide to quality control (Second Revised English Edition). Tokyo, Japan:

Asian Productivity Organization.

Straker, D. (n.d.). Check sheet: Practical variations. Retrieved

fromhttp://syque.com/quality_tools/toolbook/Check/vary.htm

Tague, N. R. (2005). The quality toolbox. (2th ed.). Milwaukee, Wisconsin: ASQ Quality Press.

Available from http://asq.org/quality-press/display-item/index.html?item=H1224

6

2. Scatter Diagram

Bagaimana memahaminya?

Ketika mencari penyebab suatu masalah, biasanya dapat muncul dugaan bahwa masalah

tersebut disebabkan oleh dua item yang saling terkait dalam beberapa cara. Sebagai

contoh, jumlah kecelakaan di tempat kerja dapat diduga berkaitan dengan jumlah orang

yang bekerja lembur.

Diagram Scatter membantu untuk mengidentifikasi adanya hubungan yang terukur antara

dua item tersebut dengan mengukur secara berpasangan dan menempatkan kedua item

tersebut pada grafik, seperti gambar di bawah ini. Diagram ini secara visual menunjukkan

korelasi antara dua set pengukuran.

Gambar. 1. Poin-poin pada Diagram Scatter

Jika titik-titik yang diplot pada Diagram Scatter tersebar secara acak tanpa pola yang jelas,

maka ini menunjukkan bahwa dua set pengukuran ini tidak memiliki korelasi dan tidak

dapat dikatakan berhubungan dengan cara apapun. Namun, jika titik-titik membentuk pola

dari beberapa jenis pola yang mungkin timbul, maka ini dapat menunjukkan adanya jenis

hubungan antara dua set pengukuran. Sebuah Diagram Scatter menunjukkan korelasi

antara dua item untuk tiga alasan:

a. Ada hubungan sebab akibat antara dua item diukur, di mana yang satu

menyebabkan yang lain (atau setidaknya sebagian).

b. Dua item terukur keduanya disebabkan oleh item ketiga. Sebagai contoh, Diagram

Scatter yang menunjukkan korelasi antara keretakan dan ketipisan peralatan kaca

karena perubahan di keduanya disebabkan oleh perubahan suhu tungku.

c. Kebetulan yang sempurna. Hal ini dimungkinkan untuk menemukan korelasi yang

tinggi dari barang-barang yang tidak terkait, seperti jumlah semut persimpangan

jalan dan penjualan surat kabar.

7

Diagram Scatter mungkin dapat digunakan untuk menunjukkan hubungan sebab dan

akibat, akan tetapi Diagram Scatter saja tidak dapat membuktikannya sendirian. Biasanya,

hal itu juga memerlukan pemahaman yang baik dari sistem yang diukur, dan mungkin

diperlukan penelitian tambahan.

Ketika mengevaluasi Diagram Scatter, tingkat dan jenis korelasi kedua item harus

dipertimbangkan. Perbedaan yang mungkin terlihat dalam Diagram Scatter ini ditunjukkan

pada Tabel 1 di bawah ini.

Tidak ada satu pun derajat korelasi yang dapat dikatakan menggambarkan hubungan

dengan sangat jelas. Melainkan hanya dapat mengindikasikan bahwa bila tingkat korelasi

meningkat,maka ada kemungkinan hubungan yang ada juga meningkat.

Jika ada korelasi yang cukup, maka bentuk Diagram Scatter akan menunjukkan jenis korelasi

seperti yang terlihat pada Tabel 1. Bentuk yang paling umum adalah garis lurus, baik miring

ke atas (korelasi positif) atau miring ke bawah (korelasi negatif).

Table 1. Derajat Korelasi

Scatter Diagram Derajat Korelasi Interpretasi

Tidak ada

Tidak ada hubungan yang dapat terlihat.

‘Efek’ tidak berhubungan dengan

‘Penyebab’ dalam cara apa pun

Rendah

Hubungan samar terlihat. 'Penyebab'

dapat mempengaruhi 'efek', tapi hanya

dari jauh. Ada beberapa penyebab yang

harus segera ditemukan atau ada variasi

yang signifikan dalam 'efek'.

Tinggi

Poin berkelompok menjadi bentuk linier

yang jelas. Menunjukkan adanya

kemungkinan 'sebab' secara langsung

terkait dengan 'efek'. Oleh karena itu,

setiap perubahan 'sebab' akan

mengakibatkan perubahan yang dapat

diprediksi pd 'efek'.

Sempurna

Semua poin terletak pada garis (yang

biasanya lurus). Untuk setiap nilai

'sebab', nilai 'efek' yang sesuai dapat

diprediksi dengan pasti.

8

Table 2. Tipe Korelasi

Scatter Diagram Tipe Korelasi Interpretasi

Positif

Garis lurus, miring naik dari

kiri ke kanan. Peningkatan

nilai 'penyebab'

menghasilkan peningkatan

proporsional dalam nilai

'efek'.

Negatif

Garis lurus, miring ke bawah

dari kiri ke kanan.

Peningkatan nilai dari hasil

'penyebab' menyebabkan

penurunan proporsional

dalam nilai 'efek'.

Kurva

Biasanya berbentuk U-atau

S. Perubahan nilai

'penyebab' menghasilkan

perubahan nilai 'efek' yang

berbeda, tergantung pada

posisi kurva.

Sebagian Linier

Sebagian dari diagram

adalah garis lurus (miring

atas atau bawah). Mungkin

karena kerusakan atau

kelebihan beban pada 'efek',

mengakibatkan sebagian lagi

tidak linier

Poin yang muncul baik di luar daerah tren yang terlihat mungkin karena penyebab khusus dari variasi, sehingga membutuhkan penyelidikan khusus.

Selain interpretasi visual, butuh beberapa perhitungan pendukung bagi Diagram Scatter.

Perhitungan yang dibahas disini adalah untuk korelasi linear, sedangkan kurva memerlukan

tingkat matematika yang berada di luar cakupan buku ini.

Koefisien korelasi memberikan nilai numerik untuk menggambarkan tingkat hubungan. Nilai ini bervariasi dari -1, yang menunjukkan korelasi negatif yang

sempurna, kemudian 0, yang menunjukkan tidak ada korelasi sama sekali, dan +1, yang menunjukkan korelasi positif yang sempurna. Jadi semakin dekat nilai kepada

9

plus atau minus 1, semakin baik korelasi. Dalam korelasi yang sempurna, semua titik terletak pada garis lurus.

Sebuah garis regresi membentuk 'cocok' atau 'rata-rata' dari diplot poin. Hal ini setara dengan rata-rata distribusi (lihat Bab Variasi).

Kesalahan standar setara dengan standar deviasi dari distribusi (lihat Bab Variasi)

dalam cara yang menunjukkan penyebaran nilai-nilai yang mungkin 'efek' untuk nilai

'sebab' salah satu.

Penggunaan angka berguna untuk menempatkan nilai numerik pada perbaikan, dengan

nilai-nilai 'sebelum' dan 'setelah'. Mereka juga dapat digunakan untuk memperkirakan

rentang nilai kemungkinan 'efek' dari nilai-nilai 'sebab' yang diberikan (dengan asumsi

hubungan kausal terbukti). Gambar di bawah menunjukkan bagaimana garis regresi dan

standard error dapat digunakan untuk memperkirakan nilai 'efek' yang mungkin timbul dari

setiap nilai satu yang diberikan pada 'penyebab'.

Fig. 3. Distribution dari poin-poin pada Scatter Diagram

Rujukan:

http://www.syque.com/quality_tools/toolbook/Scatter/how.htm

10

3. Cause-Effect Diagram (Fishbone/Ishikawa Diagram)

Fishbone diagram (diagram tulang ikan — karena bentuknya seperti tulang ikan) sering juga

disebut Cause-and-Effect Diagram atauIshikawa Diagram diperkenalkan oleh Dr. Kaoru

Ishikawa, seorang ahli pengendalian kualitas dari Jepang, sebagai satu dari tujuh alat

kualitas dasar (7 basic quality tools). Fishbone diagram digunakan ketika kita ingin

mengidentifikasi kemungkinan penyebab masalah dan terutama ketika sebuah

team cenderung jatuh berpikir pada rutinitas (Tague, 2005, p. 247).

When to use it

Use it when investigating a problem, to identify and select key problem causes to

investigate or address.

Use it when the primary symptom (or effect) of a problem is known, but possible

causes are not all clear.

Use it when working in a group, to gain a common understanding of problem causes

and their relationship.

Use it to find other causal relationships, such as potential risks or causes of desired

effects.

Use it in preference to a Relations Diagram where there is one problem and causes

are mostly hierarchical (this will be most cases).

Fig. 1. Using the Cause-Effect Diagram in problem solvin

Suatu tindakan dan langkah improvement akan lebih mudah dilakukan jika

masalah dan akar penyebab masalah sudah ditemukan. Manfaat fishbone diagram ini dapat

menolong kita untuk menemukan akar penyebab masalah secara user

friendly, tools yang user friendly disukai orang-orang di industri manufaktur di mana proses

di sana terkenal memiliki banyak ragam variabel yang berpotensi menyebabkan munculnya

permasalahan (Purba, 2008, para. 1–6).

Fishbone diagram akan mengidentifikasi berbagai sebab potensial dari satu efek

atau masalah, dan menganalisis masalah tersebut melalui sesibrainstorming. Masalah akan

dipecah menjadi sejumlah kategori yang berkaitan, mencakup manusia, material, mesin,

prosedur, kebijakan, dan sebagainya. Setiap kategori mempunyai sebab-sebab yang perlu

diuraikan melalui sesi brainstorming.

Untuk lebih jelasnya, saya akan menguraikan prosedur atau langkah-langkah

pembuatan fishbone diagram di bawah ini.

11

Langkah-Langkah Pembuatan Fishbone Diagram

Pembuatan fishbone diagram kemungkinan akan menghabiskan waktu sekitar 30-60 menit

dengan peserta terdiri dari orang-orang yang kira-kira mengerti/paham tentang masalah

yang terjadi, dan tunjuklah satu orang pencatat untuk mengisi fishbone diagram. Alat-alat

yang perlu disiapkan adalah: flipchart atau whiteboard dan marking pens atau spidol.

Langkah 1: Menyepakati pernyataan masalah

Sepakati sebuah pernyataan masalah (problem statement). Pernyataan masalah ini

diinterpretasikan sebagai “effect”, atau secara visual dalamfishbone seperti “kepala

ikan”.

Tuliskan masalah tersebut di tengah whiteboard di sebelah paling kanan, misal:

“Bahaya Potensial Pembersihan Kabut Oli”.

Gambarkan sebuah kotak mengelilingi tulisan pernyataan masalah tersebut dan buat

panah horizontal panjang menuju ke arah kotak (lihat Gambar 1).

Gambar 1. Pembuatan Fishbone Diagram — Menyepakati Pernyataan Masalah

Langkah 2: Mengidentifikasi kategori-kategori

Dari garis horisontal utama, buat garis diagonal yang menjadi “cabang”. Setiap

cabang mewakili “sebab utama” dari masalah yang ditulis. Sebab ini

diinterpretasikan sebagai “cause”, atau secara visual dalam fishboneseperti “tulang

ikan”.

Kategori sebab utama mengorganisasikan sebab sedemikian rupa sehingga masuk

akal dengan situasi. Kategori-kategori ini antara lain:

o Kategori 6M yang biasa digunakan dalam industri manufaktur:

Machine (mesin atau teknologi),

Method (metode atau proses),

Material (termasuk raw material, consumption, dan informasi),

Man Power (tenaga kerja atau pekerjaan fisik) / Mind

Power (pekerjaan pikiran: kaizen, saran, dan sebagainya),

12

Measurement (pengukuran atau inspeksi), dan

Milieu / Mother Nature (lingkungan).

o Kategori 8P yang biasa digunakan dalam industri jasa:

Product (produk/jasa),

Price (harga),

Place (tempat),

Promotion (promosi atau hiburan),

People (orang),

Process (proses),

Physical Evidence (bukti fisik), dan

Productivity & Quality (produktivitas dan kualitas).

o Kategori 5S yang biasa digunakan dalam industri jasa:

Surroundings (lingkungan),

Suppliers (pemasok),

Systems (sistem),

Skills (keterampilan), dan

Safety (keselamatan).

Kategori di atas hanya sebagai saran, kita bisa menggunakan kategori lain yang dapat

membantu mengatur gagasan-gagasan. Jumlah kategori biasanya sekitar 4 sampai

dengan 6 kategori. Kategori pada contoh ini lihat Gambar 2.

Gambar 2. Pembuatan Fishbone Diagram — Mengidentifikasi Kategori-Kategori

Langkah 3: Menemukan sebab-sebab potensial dengan cara brainstorming

Setiap kategori mempunyai sebab-sebab yang perlu diuraikan melalui

sesi brainstorming.

Saat sebab-sebab dikemukakan, tentukan bersama-sama di mana sebab tersebut

harus ditempatkan dalam fishbone diagram, yaitu tentukan di bawah kategori yang

mana gagasan tersebut harus ditempatkan, misal: “Mengapa bahaya potensial?

13

Penyebab: Karyawan tidak mengikuti prosedur!” Karena penyebabnya karyawan

(manusia), maka diletakkan di bawah “Man”.

Sebab-sebab ditulis dengan garis horisontal sehingga banyak “tulang” kecil keluar

dari garis diagonal.

Pertanyakan kembali “Mengapa sebab itu muncul?” sehingga “tulang” lebih kecil

(sub-sebab) keluar dari garis horisontal tadi, misal: “Mengapa karyawan disebut

tidak mengikuti prosedur? Jawab: karena tidak memakai APD” (lihat Gambar 3).

Satu sebab bisa ditulis di beberapa tempat jika sebab tersebut berhubungan dengan

beberapa kategori.

Gambar 3. Pembuatan Fishbone Diagram — Menemukan Sebab-Sebab Potensial

Langkah 4: Mengkaji dan menyepakati sebab-sebab yang paling mungkin

Setelah setiap kategori diisi carilah sebab yang paling mungkin di antara semua

sebab-sebab dan sub-subnya.

Jika ada sebab-sebab yang muncul pada lebih dari satu kategori, kemungkinan

merupakan petunjuk sebab yang paling mungkin.

Kaji kembali sebab-sebab yang telah didaftarkan (sebab yang tampaknya paling

memungkinkan) dan tanyakan , “Mengapa ini sebabnya?”

Pertanyaan “Mengapa?” akan membantu kita sampai pada sebab pokok dari

permasalahan teridentifikasi.

Tanyakan “Mengapa ?” sampai saat pertanyaan itu tidak bisa dijawab lagi. Kalau

sudah sampai ke situ sebab pokok telah terindentifikasi.

Lingkarilah sebab yang tampaknya paling memungkin pada fishbone diagram (lihat

Gambar 4).

14

Gambar 4. Pembuatan Fishbone Diagram — Melingkari Sebab yang Paling Mungkin

Jika masalah rumit dan waktunya memungkinkan, kita bisa meninggalkan fishbone

diagram di dinding selama beberapa hari untuk membiarkan ide menetas dan membiarkan

orang yang lalu lalang turut berkontribusi. Jika fishbone diagram terlihat timpang atau

sempit, kita bisa mengatur ulang fishbone diagram dengan kategori sebab utama yang

berbeda. Kunci sukses fishbone diagram adalah terus bertanya “Mengapa?”, lihatlah

diagram dan carilah pola tanpa banyak bicara, dan libatkan orang-orang di “grass root” yang

terkait dengan masalah karena biasanya mereka lebih mengerti permasalahan di lapangan.

Rujukan:

DitjenNak. (2000). Panduan pelatihan total quality management dan meningkatkan sistem-

sistem organisasi. Jakarta: Direktorat Jenderal Peternakan dan Kesehatan Hewan,

Kementerian Pertanian Republik Indonesia.

Purba, H.H. (2008, September 25). Diagram fishbone dari Ishikawa. Retrieved

from http://hardipurba.com/2008/09/25/diagram-fishbone-dari-ishikawa.html

Tague, N. R. (2005). The quality toolbox. (2th ed.). Milwaukee, Wisconsin: ASQ Quality Press.

Available from http://asq.org/quality-press/display-item/index.html?item=H1224

15

4. Pareto Chart Prinsip Pareto atau lebih dikenal juga sebagai aturan 20/80 menyatakan banyak kejadian atau akibat

sebesar 80% dari total efeknya hanya disebabkan 20% dari sebabnya. Prinsip ini dinamakan

berdasarkan seorang ekonom dari italia yang bernama Vilfredo Pareto yang pada tahun 1906

mengamati dan menemukan fakta bahwa 80% tanah di Italia, hanya dimiliki oleh 20% dari total

populasi. Contoh diagram Pareto adalah adalah sebagai berikut:

Dari diagram Pareto diatas, dapat diketahui bahwa hanya 4 Masalah yang menyebabkan kerugian

terbesar, yaitu hingga 80% dari total masalah. Sehingga, untuk mengurangi total kerugian, kita dapat

berfokus pada 4 masalah tersebut dari pada keseluruhan masalah yang ada namun tetap

memberikan implikasi yang besar terhadap pengurangan total kerugian yang ada.

Pareto diagram merupakan salah satu perangkat kendali mutu (QC 7 Tools) yang membantu kita

untuk menganalisa data berdasarkan kategorinya dan implikasi dari pola datanya (sebab terhadap

akibat) terhadap akibat atau masalah seluruhnya. Serta membantu kita untuk memfokuskan usaha

kepada kontribusi data terbesar (20/80).

16

Cara membuat diagram pareto secara sederhana melalui program MS Excel dalah sebagai berikut:

1. Definisikan apa masalah yang akan dianalisa (sebab) dan kumpulkan data kerugian dari masalah

tersebut (akibat), contoh sebagai berikut:

2. Lalu urutkan berdasarkan jumlah kerugian mulai dari yang terbesar, hingga yang terkecil.

17

3. Buatlah tabel sebagai berikut, lalu hitung rasio kerugian tersebut serta kalkulasi juga kumulatif

dari rasio tersebut.

4. Buatlah grafik batang dan secondary axis berupa grafik garis. Untuk grafik batang, gunakan data

kerugian, sedangkan grafik garis gunakan data kumulatif rasio. Berikut ini adalah cara lebih detil

untuk membuat grafik pareto menggunakan MS Excel 2007:

1. Buka program Microsoft Office Excel 2007.

2. Buatlah tabel,urutkan dari masalah terbesar paling atas lalu masalah yang lebih kecil di

bawahnya.

18

3. Setelah tabel jadi,maka klik ‘Insert’ lalu klik ‘Column chart’ dan pilih ‘2D Column’ lalu

klik‘Cluster Column’.

4. Arahkan cursor pada chart area lalu klik kanan pilih ‘Select data’ dan setelah muncul Select data

source lalu Klik ‘Chart data range’ kemudian tekan key ‘Ctrl’ dan blok value Masalah,Variance

dan % Komulatif pada tabel lalu klik ‘OK’.

19

5. Setelah chart muncul maka klik kanan kolom/batang Series 2 dan pilih ‘Change series chart

type’ pada Chart type pilih ‘Line with markers’ lalu klik ‘OK’.

6. Klik Line Series 2 kemudian klik ‘Layout ‘ kemudian klik ‘Format Selection’ setelah muncul

Select data series,pilih ‘Series option’ dan klik ‘Secondary axis’ lalu klik ‘Close’

20

7. Setelah diagram dengan 2 axis muncul maka tinggal kita edit vertical (value) axis dan

secondary vertical (value) axis dengan mengklik kanan vertical (value) axis lalu pilih

‘Format axis’ lalu edit valuenya pada ‘Axis Option’ kemudian klik ‘Close’,begitu juga pada

secondary vertical (value) axis.

21

22

Hasilnya adalah grafik sebagai berikut. Lalu interpretasikan berdasarkan hasil data dan tujuan kita

dalam membuat data tersebut, misal mengurangi kerugian.

Berdasarkan grafik Pareto, kita dapat mengolah berapa besarkah masalah yang kita hadapi, akibat

dari setiap masalah yang ada dan strategi apa yang diperlukan untuk menyelesaikan masalah

berdasarkan target yang ada. Jadi, misalnya kita dapat target untuk mengurangi kerugian sebesar

30% dari kerugian total Rp. 132.004 atau sebesar Rp. 39.601. Maka dari pada kita menurunkan

seluruh kerugian baik masalah A sampai J masing-masing sebesar 30%, lebih effisien jika kita

menurukan kerugian dimasalah yang paling besar yaitu G dan C dengan total kontribusi kerugian

sebesar 65% (kumulatif) menjadi separuhnya atau 50%.

Sehingga didapatkan hasil penurunan kerugian sebesar 32.5% sesuai atau melebihi target.

Diagram Pareto juga bisa kita gunakan sebagai analisa perbandingan sebelum dan sesudah

perbaikan. Fungsinya adalah untuk menganalisa hasil perbaikan dan implikasi dari tindakan

perbaikan yang dilakukan. Gambarannya sebagai berikut.

23

Memungkinkan juga, dari hasil perbandingan Pareto sebelum dan sesudah perbaikan, terdapat

distribusi data yang berubah, bisa jadi lebih baik atau lebih buruk, contohnya sebagai berikut.

Terdapat peningkatan kerugian di masalah F. Hal ini perlu dianalisa, apakah peningkatan kerugian ini

akibat implikasi “negatif” penerapan perbaikan ataukah ada akar masalah lain yang timbul.

5. Flowchart

“Draw a flowchart for whatever you do. Until you do, you do not know what you are doing,

you just have a job” — Dr. W. Edwards Deming.

Flow charts (bagan arus) adalah alat bantu untuk memvisualisasikan proses suatu

penyelesaian tugas secara tahap-demi-tahap untuk tujuan analisis, diskusi, komunikasi,

serta dapat membantu kita untuk menemukan wilayah-wilayah perbaikan dalam proses.

Flowchart dalah alat pemetaan sederhana yang menunjukkan urutan tindakan dalam proses

dalam bentuk yang mudah dibaca dan dikomunikasikan. Menurut Tague (2005), tujuan

digunakannya flowchart antara lain:

Untuk mengembangkan pemahaman tentang bagaimana proses dilakukan.

Untuk mempelajari perbaikan proses.

Untuk berkomunikasi dengan orang lain bagaimana proses dilakukan.

Untuk keperluan komunikasi yang lebih baik di antara orang-orang yang terlibat

dalam proses yang sama.

Untuk mendokumentasikan proses.

Untuk merencanakan sebuah proyek.

Flowchart yang baik dibuat secara kelompok/team. Anggota kelompok perlu

mendiskusikan dan menyepakati batasan-batasan proses atau kegiatan yang akan

dimasukkan ke dalam flowchart. Pecahkan proses tersebut ke dalam langkah-langkah yang

dapat dituliskan dalam bentuk kata kerja yang singkat dan jelas. Masing-masing langkah

tersebut di tulis di dalam sebuah kotak, kemudian lakukan pemetaan dengan

menghubungkan tiap kotak dengan tanda panah sesuai urutan langkah-langkah proses

24

(lihat Gambar 1). Gambar 1 juga menunjukkan bahwa flowchart selalu didahului dan diakhiri

simbol terminator, ini merupakan batasan: Dimana atau kapan proses mulai? Di mana atau

kapan proses berakhir?

Gambar 1. Unsur-Unsur Dasar Flowchart

Proses kian kompleks apabila terdapat keputusan yang harus dibuat/diambil,

dalam flowchart simbolkan dalam bentuk wajik yang berisi pertanyaan sederhana yang

jawabannya adalah ‘ya’ atau ‘tidak’ seperti dalam Gambar 2 di bawah ini.

Gambar 2. Pengambilan Keputusan dalam Flowchart

Idealnya sebuah flowchart ditempatkan dalam satu halaman karena dengan visual tunggal

akan memudahkan bagi kita untuk membuat maupun membacanya, tapi terkadang kita

menemui proses yang kompleks dan memiliki banyak langkah sehingga tidak cukup untuk

ditampilkan dalam satu halaman, dimana antar kotak tidak dapat langsung dihubungkan

dengan tanda panah.

25

Simbol off-page connector perlu digunakan sebagai referensi penghubung flowchart antar

halaman sebagaimana diilustrasikan pada Gambar 3 di bawah ini.

Gambar 3. Melanjutkan Flowchart antar Halaman

Pada proses yang kompleks dan besar mungkin terdapat satu langkah proses yang dapat

dipecahkan lagi menjadi langkah-langkah yang lebih kecil. Langkah proses tersebut perlu

diberi simbol sub-process yang menandakan secara hirarki terdapat flowchart lain yang

menjelaskan level proses yang lebih rinci, lihat contoh pada Gambar 4.

Gambar 4. Contoh Sub-process

Setelah kelompok selesai menggambarkan flowchart, hasilnya disampaikan dan ditinjau

kembali bersama orang-orang yang terlibat dalam proses untuk melihat apakah mereka

setuju bahwa proses telah dipetakan secara akurat.

26

Flowchart dimasukkan sebagai salah satu dari tujuh alat kualitas dasar karena

dengan flowchart kita dapat dengan mudah melakukan perbaikan (improvement). Hal-hal

yang perlu dianalisis dalam flowchart untuk program perbaikan antara lain:

Berapa lama waktu (cycle time) yang diperlukan untuk setiap langkah proses?

Apakah lamanya siklus proses dapat dikurangi?

Apakah terjadi pengulangan proses/rework?

Apakah terdapat langkah-langkah yang tidak perlu/tidak bernilai tambah?

Flowchart merupakan alat yang berlaku untuk umum, yang dapat disesuaikan untuk

berbagai tujuan. Istilah ‘flowchart’ bisa saja menggambarkan lebih banyak jenis diagram

selain yang ditampilkan dalam tulisan ini, beberapa di antaranya menunjukkan hubungan

dan aliran input/output ketimbang langkah-langkah proses yang berurutan. Flow

diagrams, cross functional flowchart, process flowcharts, interrelationship diagram, dan

sebagainya dapat juga dikategorikan sebagai flowchart.

Pembuatan flowchart bukanlah akhir dari proses. Alat ini perlu dimanfaatkan sepenuhnya

untuk lebih memahami proses dan mengungkap peluang-peluang untuk perbaikan.

Rujukan:

Deutsches Institut für Normung. (September 1966). Sinnbilder für datenfluß- und

programmablaufpläne. Deutsche Industrienorm DIN 66001. Tiergarten, Berlin: DIN.

Retrieved from http://www.fh-jena.de/~kleine/history/software/DIN66001-1966.pdf

Flowchart. (2011). In ISO/IEC/IEEE 24765:2010(E), Systems and software engineering:

Vocabulary (p. 144, 1st ed.). Switzerland: International Organization for

Standardization.

IBM. (1969). Flowcharting techniques. (C20-8152-1 ed.). New York: IBM, Technical

Publications Department. Retrieved from http://www.fh-

jena.de/~kleine/history/software/IBM-FlowchartingTechniques-GC20-8152-1.pdf

Straker, D. (n.d.). The quality toolbook. Retrieved

fromhttp://www.syque.com/quality_tools/toolbook/toolbook.htm

Tague, N. R. (2005). The quality toolbox. (2th ed.). Milwaukee, Wisconsin: ASQ Quality Press.

Available from http://asq.org/quality-press/display-item/index.html?item=H1224

The Ben Graham Corporation. (1998). Graham process charting symbols. Retrieved

from http://www.worksimp.com/articles/symbols.htm

http://gkmaskus.blogspot.com/2011/03/panduan-membuat-diagram-pareto-di.html

http://ibrahimmiran-kaes.blogspot.com/2012/06/diagram-pareto.html

27

6. Histogram

How to understand it

Ketika mengukur suatu proses, sering terjadi bahwa pengukuran bervariasi dalam suatu

rentang nilai. Dengan memahami bagaimana pengukuran dapat bervariasi, efek dari proses

dan perubahan yang dibuat untuk itu dapat dipahami dengan lebih baik.

Histogram menunjukkan distribusi frekuensi di satu set pengukuran sebagai satu set grafik

batang. Lebar setiap batang adalah konstan dan mewakili range pengukuran yang tetap

(disebut sel, bin atau kelas). Ketinggian dari setiap batang sebanding dengan jumlah

pengukuran dalam sel itu. Setiap bar memberikan kesan visual yang solid dari jumlah

pengukuran di dalamnya dan bersama-sama bar menunjukkan distribusi di seluruh rentang

pengukuran. Gambar. 1 menunjukkan bagaimana distribusi pengukuran dapat dilihat jauh

lebih jelas dalam Histogram daripada di tabel angka.

Gambar. 1. Grouping sebuah set pengukuran menjadi sebuah Histogram

Dalam menggambar Histogram, harus ada jumlah pengukuran yang memadai untuk dapat

memberikan bentuk yang dapat digunakan untuk menunjukkan distribusi. Jumlah dan lebar

dari bar juga penting, jika bar terlalu sempit, maka pengukuran akan jatuh ke dalam setiap

batang untuk memberikan ketinggian signifikan. Demikian pula, jika bar yang terlalu lebar,

akan ada bar terlalu sedikit untuk memberikan bentuk yang berguna untuk distribusi.

Bentuk umum Histogram ditunjukkan pada Tabel 1. Masalah dapat diindikasikan oleh

distribusi yang alami yang tidak berbentuk lonceng. Ketika distribusi berbeda dari bentuk

yang diharapkan, proses yang mendasari harus diperiksa untuk menemukan penyebab

sebenarnya dari fenomena ini.

28

Table 1. Pola Histogram

Histogram pattern Symptom Possible problems

Rendah dengan

jarak di antara

batang

Range pengukuran terlalu

sempit (cek skala

horisontal) atau terlalu

sedikit (cek skala vertikal)

Tinggi dengan

beberapa

batang

Range pengukuran terlalu

lebar (cek skala horisontal)

atau terlalu sedikit (cek

skala vertikal). Bisa jadi

versi ekstrim distribusi

terpotong.

Miring (ini

adalah positif,

miring negative

berada di

kanan)

Distribusi alami (lebih

banyak variasi dalam satu

arah - sering ditemukan

pada jumlah item dan

distribusi waktu) atau data

yang digunakan tidak

lengkap

Exponential

Distribusi tidak berbentuk

lonceng (versi ekstrim dari

miring) atau data

terpotong

Dua puncak

(bimodal)

Pengukuran dilakukan

pada dua proses. Hal ini

sangat umum, misalnya

Data dari dua

periode/siklus

Puncak

Terisolasi

Dua proses yang diukur

terpisah

Bergigi

Kesalahan Pengukuran,

atau kesalahan

pembulatan

29

Dataran Tinggi

Kombinasi dari beberapa

lonceng berbentuk kurva,

versi ekstrim distribusi

bimodal (beberapa

proses) atau pengukuran

yang salah.

Ujung

Memuncak

Modifikasi Data - sering

disebabkan oleh

pergeseran data yang

keluar dari dalam batas

spesifikasi.

Terpotong

Tidak lengkap melaporkan

data atau diukur setelah

membuang item yang

berada diluar batas

spesifikasi

Jika variasi dalam proses ini acak, maka Histogram akan mengikuti kurva (berbentuk

lonceng) Normal, jika tidak berarti menunjukkan adanya masalah. Jika itu adalah berbentuk

lonceng, maka nilai-nilai selanjutnya mungkin dapat diprediksi dengan menggunakan

standar deviasi. Bentuk distribusi lainnya adalah mungkin, tapi kurang umum. Bentuk

Histogram yang berbeda dapat diteliti apa penyebabnya.

Jika proses memiliki batas spesifikasi yang ditentukan, maka Histogram harus berpusat di

tengah antara batas ini. Distribusi off-center, seperti pada Gambar. 2, dapat menghasilkan

banyak item yang berada di luar spesifikasi.

Gambar. 2. Histogram menunjukkan distribusi jatuh di luar specification limits

7. Control Chart

Bagaimana memahaminya?

Ketika sebuah proses dijalankan berulang kali, bahkan di bawah kondisi yang tampaknya

stabil sekalipun, jarang menghasilkan pengukuran yang sama. Sebuah Histogram dapat

digunakan untuk menunjukkan distribusi statis dari serangkaian pengukuran ini, tapi ini

30

tidak menunjukkan tren yang dinamis, misalnya di mana pengukuran berturut dapat

menunjukkan perubahan yang signifikan dalam proses (Gambar 1).

Gambar. 1. Dinamika yang tersembunyi dalam histogram

Sebuah Control Chart biasanya memiliki tiga garis horizontal di samping garis utama,

seperti yang ditunjukkan di bawah (Gambar 2). Garis tengah adalah rata-rata (atau rerata).

Dua garis terluar berada pada tiga standar deviasi kedua sisi dari mean. Dengan demikian

99,7% dari semua pengukuran akan berada di antara dua baris ini.

Gambar. 2. Rata-rata dan Batas Kontrol

Baris atas disebut batas kontrol atas dan garis bawah disebut batas kontrol bawah, titik

yang jatuh di luar batas-batas ini dianggap berada di luar kendali. Batasan ini sering

disingkat menjadi UCL dan LCL. Meskipun batas kontrol berupa garis lurus untuk sebagian

besar jenis Charts Control, ada beberapa jenis grafik di mana mereka berbeda untuk setiap

titik yang diplot.

Perhatikan bahwa batas spesifikasi (USL dan LSL) tidak berhubungan dengan batas kontrol. Batas spesifikasi merupakan batas dimana proses harus berjalan, sementara batas kontrol menunjukkan apa yang sebenarnya terjadi dalam proses.

Perhitungan yang sebenarnya dari batas kontrol bervariasi dengan jenis pengukuran yang

digambarkan (ini adalah untuk alasan matematika). Pengukuran yang menjawab

31

pertanyaan, "Berapa banyak?" disebut variabel (misalnya berat badan, waktu, tegangan). Sebuah identifikasi lebih lanjut adalah bahwa mereka diukur dalam satuan kuantitatif, seperti gram dan detik. Pengukuran non-variabel disebut Atribut. Yaitu yang bisa dijawab

dengan pertanyaan, 'Berapa banyak?', Mengukur item dihitung, seperti jumlah barang cacat atau jumlah cacat aktual dalam batch (perhatikan perbedaan: satu item yang rusak

mungkin berisi beberapa cacat).

Setiap titik pada Bagan Pengendalian variabel biasanya terdiri dari rata-rata dari satu set pengukuran. Hal ini karena dua alasan.

Pertama, itu menghasilkan distribusi normal diprediksi (berbentuk lonceng) untuk bagan keseluruhan, karena Teorema Limit Tengah.

Kedua, ini akan menghasilkan batas kontrol yang lebih ketat. Hal ini karena efek rata-rata

dalam setiap kelompok menghaluskan keluar pengukuran tinggi dan rendah masing-

masing, sehingga dalam Bagan Kontrol yang dapat mendeteksi perubahan kecil dalam

proses dari satu plot yang satu titik untuk setiap pengukuran. Hal ini diilustrasikan pada

Gambar. 3, yang menunjukkan bagaimana pergeseran yang sama dalam hasil rata-rata

dalam kemungkinan yang lebih besar bahwa distribusi sempit akan mendeteksi perubahan

ini. Dalam Bagan Kontrol di mana setiap titik mewakili rata-rata satu set pengukuran, hal ini

akan mengakibatkan titik di luar batas kendali yang tidak akan berada di luar batas dari

Bagan Pengendalian mana setiap titik mewakili pengukuran tunggal.

Gambar. 3. Bagaimana batas kontrol menangkap pergeseran

32

Table 1. Significance in Control Charts

Control Chart Name Description Possible

interpretation

Penyebab

khusus

dari

variasi

Poin di luar

kontrol limit

Sesuatu yang

tidak biasa

terjadi

e.g. seseorang

menginterupsi

Berpindah Tujuh poin atau

lebih berturut-

turut, semua

pada satu sisi

dari garis rata-

rata pusat.

Rata-rata

keseluruhan

telah berubah.

misalnya

Menampilkan

hasil perbaikan

proses.

Trend Tujuh poin atau

lebih berturut-

turut, semua

peningkatan

atau

penurunan

nilai.

Perubahan

bertahap dalam

proses.

misalnya Sebuah

alat mulai aus

Cycle Tujuh atau

lebih berulang

pola (mungkin

lebih dari

beberapa

poin).

Waktu yang

berhubungan

dengan efek.

misalnya terjadi

pergeseran shift