(STUDI KASUS PADA PT. RAPICO BUSANA PERMATA INDAH)

Disusun Oleh:

Nama/NPM : 1. Hendi Herdian Saputra / 33410201

2. Sutrisno Adityo / 36410767

Kelas : 3ID03

Mata Kuliah : Pengendalian dan Penjaminan Mutu*/**

Dosen : Ratih Wulandari,. ST, MT.

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS GUNADARMA

BEKASI

2013

PENDAHULUAN

Pengendalian kualitas statistik adalah alat yang sangat berguna dalam membuat

produk sesuai dengan spesifikasi sejak dari awal proses hingga akhir proses. Semakin

banyak proses produksi, akan selalu ada gangguan yang dapat timbul secara tidak terduga.

Apabila gangguan tidak terduga dari proses ini relatif kecil biasanya dipandang sebagai

gangguan yang masih dapat diterima atau masih dalam batas toleransi. Apabila gangguan

proses ini relatif besar atau secara kumulatif cukup besar dikatakan tingkat gangguan yang

tidak dapat diterima.

SPC dicetuskan pertama kali oleh Walter Andrew Shewhart ketika bekerja di Bell

Telephone Laboratories, Inc. (divisi R&D untuk perusahaan AT&T dan Western Electric)

pada tahun 1920-an. Dalam dokumen sejarah Western Electric diceritakan pada tahun 1918,

tahun di mana Shewhart bergabung di Departemen Inspection Engineering, Western Electric

di Hawthorne, manajamen kualitas industri masih terbatas pada kegiatan inspeksi

produk jadi dan memperbaiki atau membuang barang-barang cacat

(http://repository.usu.ac.id).

Ditahun yang sama, Shewhart menciptakan peta kendali statistik pertama untuk

proses manufaktur melalui prosedur-prosedur sampling statistik. Kemudian Shewhart

mempublikasikan penemuannya dalam buku Economic Control of Quality of Manufactured

Product pada tahun 1931.

Penggunaan SPC agak berkurang setelah perang, namun menjadi booming sampai

sekarang setelah revolusi perbaikan kualitas di Jepang pada tahun 1970-an, tahun di mana

orang-orang Jepang menyambut baik masukan dari W. Edwards Deming yang salah satunya

adalah penggunaan SPC.

SPC menentukan apakah suatu proses stabil dari waktu ke waktu, atau sebaliknya

bahwa proses terganggu karena telah dipengaruhi oleh special cause. Peta kendali statistik

(control chart) yang sering juga disebut Shewhart chart atau process-behaviour chart

digunakan untuk memberikan definisi operasional suatu special cause tersebut.

Suatu proses atau sistem umumnya terdapat interaksi variabel-variabel sistem, misal

manusia dan mesin, interaksi ini sering memunculkan penyimpangan berupa hasil-hasil yang

sifatnya uncontrollable atau diluar kendali. Shewhart melihat penyimpangan tersebut

disebabkan oleh dua faktor (http://thesis.binus.ac.id) :

1. Common cause of variation, variasi yang terjadi karena sistem itu sendiri, dan

2. Special cause of variation, variasi yang terjadi karena faktor dari luar sistem.

Aturan dasar SPC adalah common cause tidak perlu diidentifikasi dan special cause

perlu diidentifikasi dan dihilangkan. Namun bukan berarti common cause diabaikan,

sebaliknya menjadi fokus improvement proses untuk jangka panjang.

Secara umum, peta kendali dalam SPC selalu terdiri dari tiga garis horisontal. Tiga

garis horizontal yang dimaksud yaitu (http://lecture.eepis.its-edu.ac.id) :

1. Garis pusat (Center Line), garis yang menunjukkan nilai tengah (mean) atau nilai rata-

rata dari karakteristik kualitas yang di-plot pada peta kendali SPC.

2. Upper control limit (UCL), garis di atas garis pusat yang menunjukkan batas kendali

atas.

3. Lower control limit (LCL), garis di bawah garis pusat yang menunjukkan batas

kendali bawah.

Garis-garis tersebut ditentukan dari data historis. Shewhart menggunakan kurva

distribusi normal (distribusi Gauss) dengan μ sebagai garis pusat yang menunjukkan

nilai rata-rata sebaran karakteristik proses, dan ±σ yang dirubah menjadi UCL dan LCL

sebagai landasannya.

Teknik-teknik SPC kemudian berkembang seiring inisiatif perbaikan kualitas seperti

six sigma di perusahaan-perusahaan Amerika. Selanjutnya, akan terlihat secara teknis

tentang bagaimana menggunakan berbagai teknik peta kendali dan kapan teknik itu harus

digunakan. Gambar 1.1 memperlihatkan alur pengambilan keputusan untuk memilih

teknik SPC yang

dibutuhkan.

Gambar 1. Bagan Alur Pengambilan Keputusan Teknik SPC

Gambar 1. menunjukkan teknik-teknik SPC dipilih dengan memperhatikan dua jenis

karakteristik data yang diobservasi disamping tujuan penggunaannya, yaitu: data

variabel dan data atribut. Terdapat tiga jenis peta kendali yang dapat digunakan dalam data

variabel, yaitu:

1. Individuals & moving range control chart (X-MR).

Peta kontrol X dan MR diterapkan pada proses yang menghasilkan output yang relatif

homogen, pada proses produksi yang sangat lama dan menggunakan 100% inspeksi.

2. Average & range control chart (Xbar & R-chart).

Peta Kontrol X dan R digunakan untuk memantau proses yang mempunyai

karakteristik berdimensi kontinu, yang menjelaskan perubahan-perubahan yang terjadi

dalam ukuran titik pusat (central tendency) atau rata-rata dari suatu proses.

Pengambilan keputusan untuk memilih peta kendali di atas adalah berdasarkan jumlah

pengukuran yang telah dibuat dan berapa banyak pengukuran tersebut digabungkan ke

dalam satu subgrup.

Sedangkan peta kendali yang dapat digunakan untuk data atribut terdapat empat jenis,

yaitu:

1. Proportion defective control chart (P-chart).

Peta kontrol P digunakan untuk mengukur proporsi ketidaksesuaian (penyimpangan

atau sering disebut cacat) dari item-item dalam kelompok yang sedang diinspeksi.

2. Number defective control chart (NP-chart).

Peta kontrol NP merupakan peta kontrol yang hampir sama dengan peta kontrol P,

kecuali bahwa dalam peta kontrol NP tidak terjadi perubahan skala pengukuran

(n=tetap).

3. Defects per count/subgroup control chart (C-chart).

Peta kontrol C diterapkan pada titik spesifik yang tidak memenuhi syarat dalam

produk itu sehingga suatu produk dapat saja dianggap memenuhi syarat meskipun

mengandung satu atau beberapa titik spesifik yang cacat.

4. Defects per unit control chart (U-chart).

Peta kontrol U digunakan untuk mengukur banyaknya ketidaksesuaian dalam periode

pengamatan tertentu yang mungkin memiliki ukuran contoh atau banyaknya item yang

diperiksa.

STUDI KASUS

Suatu perusahaan tidak lepas dari konsumen serta produk yang dihasilkannya.

Konsumen tentunya berharap bahwa barang yang dibelinya akan dapat memenuhi

kebutuhan dan keinginannya sehingga konsumen berharap bahwa produk tersebut memiliki

kondisi yang baik serta terjamin. Oleh karena itu perusahaan harus melihat serta menjaga

agar kualitas produk yang dihasilkan terjamin serta diterima oleh konsumen serta dapat

bersaing di pasar.

PT. Rapico Busana Permata Indah didirikan pada tahun 1983 yang bergerak di

bidang industri garment manufacturing oleh Bapak Syarifudin Mustafa yang

mengoperasikan pabriknya di Dharma wanita V / 1A Rawa Buaya, Cengkareng, Jakarta 1

1740, Indonesia. PT. Rapico Busana Permata Indah didirikan dengan berdasar pada akta

notaris No. 17 pada tanggal 10 November 1987 dengan No. NPWP 1.367.208.4-034.000

yang mempunyai area pabrik 12000 m2, gudang 5000 m2 dan ruang pengamasan

1000 m2. Seiring dengan perkembangan usaha dari tahun ke tahun, maka PT. Rapico

Busana Permata Indah pada tahun 1992 mencoba untuk mendaftarkan diri sebagai eksportir

Pada tahun 1992, PT. Rapico Busana Permata Indah resmi menjadi eksportir dengan surat

ijin eksportir No. F.TTPT :

263/M4/KP/V1/1992.

Visi dari PT. Rapico Busana Permata Indah adalah diakui oleh pasar sebagai

produsen garmen yang konsisten memenuhi kepuasan pelanggan. Misi dari PT. Rapico

Busana Permata Indah adalah mempertinggi reputasi perusahaan di kalangan industri

garmen Indonesia dalam pengertian mutu, kemampuan memperoleh keuntungan dan

pertumbuhan yang memadai.

PT. Rapico Busana Permata Indah mempunyai komitmen untuk menghasilkan

produk yang bermutu untuk kepuasan pelanggan. Untuk mencapai visi dan misi tersebut,

perusahaan sebagai satu tim bersepakat untuk memenuhi sasaran tujuan mutu sebagai berikut

:

1. Menerapkan sistem manajemen mutu ISO 9001; 2000.

2. Meningkatkan reputasi dan daya saing di pasar lokal dan ekspor.

3. Menjalin kerja sama yang harmonis dengan pemasok dan

pelanggan yang bersifat jangka panjang.

Berikut adalah data hasil produksi PT. Rapico Busana Permata Indah pada bulan Mei 2008

berikut kecacatannya.

Nomer TanggalJumlah

Produksi (Pcs)Jumlah

Cacat (Pcs)

1 1 185 42 2 242 83 3 207 54 5 187 45 6 205 36 7 256 67 8 230 38 9 248 59 10 205 4

10 12 187 711 13 192 812 14 158 313 15 167 614 16 188 715 17 163 516 19 187 317 20 190 418 21 205 519 22 255 420 23 195 621 24 184 622 26 195 723 27 204 324 28 178 525 29 200 326 30 183 427 31 172 6

Total 5368 134Rata-rata 198,8148148 4,962962963

Tabel 1. Laporan Produksi PT. Rapico Busana Permata Indah Mei 2008

SEVEN OLD TOOLS

Pengendalian kualitas secara statistik dengan menggunakan SPC (Statistical

Processing Control). SPC mempunyai 7 (tujuh) alat statistik utama atau yang biasa disebut

Seven Old Tools yang dapat digunakan sebagai alat bantu untuk mengendalikan kualitas

sebagaimana disebutkan juga oleh Heizer dan Render dalam bukunya Manajemen Operasi

(2006), antara lain yaitu; check sheet, histogram, diagram pareto, diagam sebab akibat,

scatter diagram, dan diagram aliran, control chart,.

1. Check Sheet

Check sheet atau lembar periksa adalah suatu alat bantu untuk memudahkan

proses pengumpulan data. Biasanya berbentuk formulir dimana item-item yang akan

diperiksa telah dicetak dalam formulir tersebut. Lembar periksa dapat digunakan baik

untuk data variabel maupun data atribut walaupun umumnya banyak digunakan untuk

data atribut (http://thesis.binus.ac.id).

F

2. Histogram

Menurut Walpole (1995), histogram atau diagram pencar merupakan suatu alat

interpretasi data yang digunakan untuk menguji bagaimana kuatnya hubungan antara dua

variabel. Histogram ialah diagram batang yang menunjukkan frekuensi yang

terjadi dalam suatu pengukuran. Histogram dapat menunjukkan kapabilitas proses, dan

hubungan antara suatu spesifikasi dengan nominal. Selain itu juga dapat menunjukkan

bentuk populasi (sebaran normal).

Histogram dapat digunakan sebagai suatu alat untuk mengkomunikasikan

informasi tentang variasi dalam proses dan membantu manajemen dalam membuat

keputusan-

keputusan yang berfokus pada usaha perbaikan terus-menerus.

Cacat Pada Produksi Baju8070

67

6050

3940

2830

2010

0

Ukuran Tidak Sesuai Penjahitan Pembordiran

Jenis Cacat

Gambar 2. Histogram

3. Diagram Pareto

Diagram Pareto diperkenalkan seorang ahli ekonomi Italia, Vilfredo Pareto (1848-

1923). Vilfredo Pareto mengatakan bahwa prinsip dasar pareto dihubungkan kepada

aturan 80/20, yang artinya 80% dari masalah (cacat) ditimbulkan oleh 20% penyebab.

Diagram pareto adalah diagram batang yang disusun secara menurun atau dari

besar ke kecil dan digunakan untuk mengidentifikasikan masalah, tipe cacat, atau

penyebab yang paling dominan sehingga dapat memprioritaskan penyelesaian masalah.

Diagram pareto merupakan kombinasi dua grafik, yaitu grafik batang dan grafik garis.

Grafik batang menunjukkan item data yang disusun berurutan dari nilai paling besar hingga

nilai paling kecil. Grafik garis menunjukkan persen kumulatif terhadap jumlah

keseluruhan.

Keuntungan penggunaan diagram pareto dapat dijelaskan sebagai berikut

(http://repository.usu.ac.id) :

1. Diagram pareto dapat mengetahui urutan prioritas.

2. Diagram pareto dapat membandingkan nilai masing-masing terhadap keseluruhan.

3. Diagram pareto menunjukkan tingkat perbaikan setelah ada perbaikan

atau tindakan.

4. Diagram pareto dapat menunjukkan perbandingan masing-maisng sebelum dan sesudah

perbaikan.

Tabel 2 Perhitungan Manual Diagram Pareto

Jenis Cacat FrekuensiTotal

KumulatifFrekuensi

(%)

Frek.Kumulatif

(%)Penjahitan 67 67 50 50

Pembordiran 39 106 29,1 79,1Ukuran

Tidak Sesuai28 134 20,9 100

TOTAL 134

Gambar 3. Pareto Chart

4. Diagram Sebab-Akibat (Fishbone Diagram)

Diagram sebab akibat atau fishbone pertama kali diperkenalkan oleh seorang Profesor,

yaitu Prof. Kaoru Ishikawa dari Universitas Tokyo, oleh karena itu diagram sebab akibat

disebut juga dengan diagram ishikawa atau diagram tulang ikan (fish bone).

Pembuatan diagram sebab akibat ini bertujuan agar dapat memperlihatkan faktor- faktor

penyebab (root

cause) dan karakteristik kualitas yang (effect) disebabkan oleh faktor-faktor penyebab itu

(http://thesis.binus.ac.id).

Umumnya diagram sebab akibat menunjukkan 5 faktor yang disebut sebagai

sebab (cause) dari suatu akibat (effect). Kelima faktor tersebut adalah man (manusia, tenaga

kerja), method (metode), material (bahan), machine (mesin), dan environment

(lingkungan). Diagram ini biasanya disusun berdasarkan informasi yang didapatkan dari

sumbang saran. Menurut Ariani (2003), diagram sebab akibat dipergunakan untuk

kebutuhan-kebutuhan sebagai berikut:

1. Membantu mengidentifikasi akar penyebab dari suatu masalah,

2. Membantu membangkitkan ide-ide untuk solusi suatu masalah, dan

3. Membantu dalam penyelidikan atau pencarian fakta-fakta lebih lanjut.

Gambar 4. Fishbone Diagram

5. Scatter Diagram

Scatter diagram (diagram pencar) adalah grafik yang menampilkan sepasang

data numerik pada sistem koordinat Cartesian, dengan satu variabel pada masing-masing

sumbu, untuk melihat hubungan dari kedua variabel tersebut. Diagram tebar

merupakan suatu alat interpretasi data yang digunakan untuk (http://thesis.binus.ac.id):

1. Menguji bagaimana kuatnya hubungan antara dua variabel, misalnya kecepatan

dari mesin dan dimensi dari bagian mesin, banyaknya kunjungan tenaga penjual

(salesman) dan hasil penjualan, temperatur dan hasil proses kimia dan lain-lain.

2. Menentukan jenis hubungan dari dua variabel, apakah positif, negative atau tidak ada

hubungan.

Gambar 5. Scatterplot

Scatter diagram tersebut menunjukan hubungan positif antara variabel jumlah cacat

(X) dengan variabe jumlah produksi (Y). Hal ini ditunjukan oleh pola atau bentuk scatter

diagram yang bergerak dari kiri bawah menuju kanan atas. Hal ini dikarenakan gambar

scatterplot antara jumlah cacat dengan jumlah produksi bergerak dari kiri bawah menuju

kanan atas. Nilai-nilai yang terdapat pada jumlah cacat saling berhubungan dengan nilai-

nilai yang terdapat pada jumlah produksi.

6. Diagram Aliran (Flowchart)Flowchart (diagram aliran) adalah alat bantu untuk

memvisualisasikan proses suatu penyelesaian tugas secara tahap-demi-

tahap untuk tujuan analisis, diskusi, komunikasi, serta dapat membantu

untuk menemukan wilayah-wilayah perbaikan dalam proses

(http://lecture.eepis.its-edu.ac.id).

Proses di lingkungan industri pada umumnya merupakan suatu rangkaian

kegiatan yang berulang. Setiap siklus kegiatan tersebut biasanya dapat

dipecahkan ke dalam beberapa langkah kecil. Langkah-langkah

tersebut akan lebih mudah dimengerti jika digambarkan dalam suatu

bagan yang dikenal dengan istilah flowchart atau bagan alir. Flowchart

memiliki beberapa simbol-simbol yang umum digunakan.

Bahan Baku

Proses Produksi

Hasil Produksi

Tidak Sesuai Standar

Quality Control

Sesuai Standar

Pemasaran

Gambar 6. Flowchart

7. Peta Kontrol (Control Chart)

Peta kontrol pertama kali diperkenalkan oleh Dr. Walter Andrew Schewart dari Bell

Telephone Laboratories, Amerika Serikat pada tahun 1924 dengan maksud untuk

menghilangkan variasi tidak normal melalui pemisah variasi yang disebabkan oleh penyebab

khusus (special cause variation) dari variasi yang disebabkan oleh penyebab umum

(common cause variation). Semua proses menampilkan variasi, namun manajemen harus

mampu mengendalikan proses dengan cara menghilangkan variasi penyebab khusus

dari proses tersebut, sehingga variasi yang melekat pada proses hanya disebabkan oleh

variasi penyebab umum . Pada dasarnya setiap peta kontrol memiliki:

1. Garis tengah (central line ), yang biasa dinotasikan sebagai CL.

2. Sepasang batas kontrol (control limits), dimana satu batas kontrol ditempatkan diatas

garis tengah yang dikenal sebagai batas kontrol atas (upper control limit), biasa

dinotasikan sebagai UCL, dan yang satu lagi ditempatkan dibawah garis tengah

yang

dikenal sebagai batas kontrol bawah (lower control limit), biasa dinotasikan sebagai

LCL.

Peta pengendali kualitas proses statistik data variabel, meliputi:

3. Individuals & moving range control chart (I-MR).

4. Average & range control chart (Xbar & R-chart).

5. Average & standard deviation control chart (Xbar & S-chart).

Data Variabel (variables data) merupakan data kuantitatif yang diukur untuk keperluan

analisis. Contoh dari data variable karakteristik kualitas adalah diameter pipa,

ketebalan produk kayu lapis, berat semen dalam kantong, banyaknya kertas setiap rim,

konsentrasi elektrolit dalam persen, dll. Ukuran-ukuran berat, panjang, lebar, tinggi,

diameter, volume biasanya merupakan data variable. Peta-peta kendali yang umum

dipergunakan untuk data variable adalah Peta X-Bar, R dan Peta X-MR.

Peta pengendali kualitas proses statistik data atribut, meliputi:

5. Proportion defective control chart (P-chart).

6. Number defective control chart (NP-chart).

7. Defects per count/subgroup control chart (C-chart).

8. Defects per unit control chart (U-chart).

1. Peta Kendali P

Peta kontrol P digunakan untuk mengukur proporsi ketidaksesuaian (penyimpangan

atau sering disebut cacat) dari item-item dalam kelompok yang sedang diinspeksi.

Tabel 3. Perhitungan Peta Kontrol

Nomer TanggalJumlah

Produksi (Pcs)Jumlah

Cacat (Pcs)Proporsi

Cacat

1 1 185 4 0,0216216222 2 242 8 0,0330578513 3 207 5 0,0241545894 5 187 4 0,0213903745 6 205 3 0,0146341466 7 256 6 0,02343757 8 230 3 0,0130434788 9 248 5 0,020161299 10 205 4 0,019512195

10 12 187 7 0,03743315511 13 192 8 0,04166666712 14 158 3 0,01898734213 15 167 6 0,03592814414 16 188 7 0,03723404315 17 163 5 0,03067484716 19 187 3 0,01604278117 20 190 4 0,02105263218 21 205 5 0,02439024419 22 255 4 0,01568627520 23 195 6 0,03076923121 24 184 6 0,03260869622 26 195 7 0,03589743623 27 204 3 0,01470588224 28 178 5 0,02808988825 29 200 3 0,01526 30 183 4 0,02185792327 31 172 6 0,034883721

Total 5368 134 0,683921951Rata-rata 198,8148148 4,962962963 0,048851568

Menentukan Nilai Central Line Untuk Peta Kontrol PGaris pusat / Central Line adalah garis tengah yang berada diantar batas kendali atas

(UCL) dan batas kendali bawah (LCL). Garis Pusat ini merupakan garis yang mewakili

rata- rata tingkat kerusakan dalam suatu proses produksi. Untuk menghitung garis pusat

digunakan

rumus :

CL = Pത = ∑

= ଵଷସ

= 0,02496

∑ ହଷ �଼

Menentukan Nilai Batas Kontrol Atas (UCL) Untuk Peta Kontrol P

Batas kendali atas merupakan indikator ukuransecara statistik sebuah proses bisa

dikatakan menyimpang atau tidak. Batas kendaliatas (UCL) dapat dihitung dengan

menggunakan rumus:

UCL = Pത + 3 ටpത (1-Pത )

= 0,02496 + 3ට0, 02496 (1-0,02496 )

= 0,06065n 27

Menentukan Nilai Batas Kontrol Bawah (LCL) Untuk Peta Kontrol P

Batas kendali bawah merupakan indikator ukuransecara statistik sebuah proses bisa

dikatakan menyimpang atau tidak. Batas kendali bawah (LCL) dapat dihitung dengan

menggunakan rumus :

LCL = Pത - 3 ටpത (1-Pത )

= 0,02496 - 3ට0, 02496 (1-0,02496 )

= - 0,0595 ≈ 0n 31

Karena minus nilai batas kontrol bawah menjadi nol.

Gambar 7. Peta Kontrol P

Data telah berada pada in control sehingga tidak diperlukan revisi.

2. Peta Kendali NPPeta kontrol NP merupakan peta kontrol yang hampir sama dengan peta kontrol P,

kecuali bahwa dalam peta kontrol NP tidak terjadi perubahan skala pengukuran (n=tetap).

Menentukan Nilai Central Line Untuk Peta Kontrol NPGaris pusat / Central Line adalah garis tengah yang berada diantar batas kendali atas

(UCL) dan batas kendali bawah (LCL). Garis Pusat ini merupakan garis yang mewakili rata-

rata tingkat kerusakan dalam suatu proses produksi. Untuk menghitung garis pusat

digunakan rumus :

CL = NതതതPത = 4,9629

Menentukan Nilai Batas Kontrol Atas (UCL) Untuk Peta Kontrol NP

Batas kendali atas merupakan indikator ukuransecara statistik sebuah proses bisa

dikatakan menyimpang atau tidak. Batas kendaliatas (UCL) dapat dihitung dengan

menggunakan rumus:

തതതത ഥUCL = NതതതPത + 3 ට

(ଵ଼� ) = 4,9629 + 3ට

ସ, ଽଶଽ (ଵ଼� ସ, ଽଶଽ ) = 10,43 ଶ

Menentukan Nilai Batas Kontrol Bawah (LCL) Untuk Peta Kontrol P

Batas kendali bawah merupakan indikator ukuransecara statistik sebuah proses bisa

dikatakan menyimpang atau tidak. Batas kendali bawah (LCL) dapat dihitung dengan

menggunakan rumus :

തതതത ഥLCL = NതതതPത - 3 ට

(ଵ଼� ) = 4,9629 - 3ට

ସ, ଽଶଽ (ଵ଼� ସ, ଽଶଽ ) = 0 ଶ

Gambar 8. Peta Kontrol NP

Data telah berada pada in control sehingga tidak diperlukan revisi.

SEVEN NEW TOOLS

New seven tools atau sering disebut juga sebagai Manajemen Planning, merupakan

alat bantu statistik menengah untuk mengolah data verbal atau kualitatif yang penerapannya

dititik beratkan pada proses perencanaan untuk :

Pendekatan pemecahan masalah dengan data kualitatif melalui wawancara,

diskusi, brainstroming, dll.

Pendekatan pemecahan masalah melalui pengalaman dan logika.

Menampung kebutuhan metode pemecahan masalah dalam rangka menunjang TQC

1. Diagram Affinity

Diagram ini merupakan tool yang sangat berguna untuk digunakan ketika

brainstorming (sumbang saran) adalah tujuan utamanya. Affinity ini digunakan untuk

mengorganisir tim perencanan dan untuk komunikasi yang menyeluruh dalam kebijakan

manajemen. Ada 3 instansi penting ketika affinity diagram digunakan. Pertama, ketika

permasalahan itu kompleks atau susah dimengerti. Kedua, ketika permasalahan itu

sangat luas dan dapat muncul menjadi overwhelming (tidak diharapkan). Terakhir,

Ketika dukungan dan keterlibatan dari tim lain dibutuhkan. Enam langkah dasar membuat

diagram affinity, yaitu:

a. Identifikasi permasalahan.

b. Setiap orang menulis hal-hal yang berkaitan dengan permasalahan pada sebuah note card

atau sticky notes.

c. Susun atau atur setiap note card atau sticky notes kedalam logical piles.

d. Namakan setiap pile dengan header.

e. Gambar diagram affinity.

f. Diskusikan pile yang telah dibuat.

Berikut adalah diagram affinity penjualan baju pada PT. Rapico Busana Permata Indah.

Gambar 8. Diagram Affinity Penjualan Baju Pada PT. Rapico Busana Permata Indah

Pada kategori produk, PT. Rapico Busana Permata Indah dapat menjual produk baju

yang trendy agar lebih menarik minat konsumen. Selain trendy model baju juga

harus bervariasi mulai dari kalangan anak-anak, dewasa, hingga orang tua.

Untuk kategori harga PT. Rapico Busana Permata Indah dapat memberikan harga

terjangkau dan discount agar produknya laku terjual, tentunya masalah harga harus juga

diperhitungkan masalah biaya-biaya yang terkait dalam proses pembuatan baju tersebut.

Selanjutnya untuk kategori pemasaran PT. Rapico Busana Permata Indah dapat

memasarkannya pada pasar tradisional, hal ini bertujuan untuk mendekatkan dengan

konsumen kalangan menengah bawah sehingga dapat membeli produk baju tersebut,

selain itu pemasaran juga dapat dilakukan di mall hal ini bertujuan untuk mendekatkan

dengan konsumen kalangan menengah atas sehingga semua kalangan dapat membeli produk

baju yang dipasarkan.

Untuk kategori pemesanan PT. Rapico Busana Permata Indah dapat melakukannya

dengan cara online, saat ini situs jual-beli online sedang meningkat pesat dikalangan

masyarakat dan diharapkan PT. Rapico Busana Permata Indah dapat memanfaatkan strategi

tersebut, selain pemesanan online pemesanan juga tentunya dapat dilakukan dengan cara

langsung untuk lebih meyakinkan konsumen.

2. Diagram Pohon (Tree Diagram)

Diagram ini digunakan untuk menganalisa dan menggambarkan sistematik atau

permasalahan dalam rangka mencapai tujuan tertentu. Lima langkah utama dalam membuat

tree diagram :

a. Tentukan tujuan utama.

b. Ringkas atau singkat.

c. Brainstorm masalah utama yang terlibat pada pemecahan masalah dan masukan

mereka kedalam pohon.

d. Brainstorm sub tugas yang dapat juga dimasukan ke dalam

pohon. e. Lakukan ke 4 langkah diatas sampai semua kemungkinan

habis.

Berikut adalah diagram pohon berdasarkan kategori pada diagram affinity pada PT. Rapico

Busana Permata Indah.

Gambar 9. Diagram Pohon 1

Gambar 10. Diagram Pohon 2