JURITEK JurnalIlmiah Teknik Mesin, Elektro dan Komputer
Vol.3, No.2Juli2023
E-ISSN: 2809-0799P-ISSN: 2809-0802, Hal 150-164
DOI: https://doi.org/10.51903/juritek.v3i2.1665
ANALISIS KUALITAS PRODUK PENYAMAKAN KULIT DENGAN METODE
SQC dan FMEA
Anang Dwi Saputra1, Andung Jati Nugroho, S.T., M.Sc.2
1,2
Universitas Teknologi Yogyakarta
Alamat: Jl. Glagahsari No.63, Warungboto, Kec. Umbulharjo, Kota Yogyakarta, Daerah
Istimewa Yogyakarta 55164
Andung Jati Nugroho, S.T., M.Sc: anangnew71@email.com
Abstract
PT Adi Satria Abadi is a company engaged in tanning. The problem faced by the
company is the presence of defective leather during the goat and sheep tanning
production process. From these problems, the purpose of this study was to identify the
level of product defects, analyze the factors that cause defects, and make
recommendations for improvements to improve the quality of goat and sheep tanning
products. Data processing in this study uses the SQC (Statistical Quality Control) and
FMEA (Failure Mode and Effect Analysis) methods. Based on the identification results,
it was found that there were 1,507 holes for holes, 1,066 for thick defects, 1,061 for
louse defects, and 1,086 for size defects. The results of the SQC analysis still have
uncontrolled data based on the control chart which is on size defects with a total of
1,086 defects, while for hollow defects, too thick defects, and tick defects are under
control. The results of the FMEA analysis show that the order of completion with the
first priority is spotting bugs with an RPN value of 36. The suggested improvements to
the company are by directly selecting raw materials and supervising employees.
Keywords: Quality, Product Defects, Seven Tools, SQC, FMEA.
Abstrak
PT Adi Satria Abadi merupakan perusahaan yang bergerak dalam bidang penyamakan.
Permasalahan yang dihadapi perusahaan adalah adanya kulit cacat pada saat proses
produksi penyamakan kulit kambing dan domba. Dari masalah tersebut maka tujuan
penelitian ini adalah untuk mengidentifikasi tingkat kecacatan produk, menganalisis
faktor penyebab kecacatan, serta membuat usulan perbaikan guna peningkatan kualitas
produk penyamakan kulit kambing dan domba. Pengolahan data dalam penelitian ini
menggunakan metode SQC (Statistical Quality Control) dan FMEA (Failure Mode and
Effect Analisys). Berdasarkan hasil identifikasi diperoleh cacat berlubang 1.507 lembar,
cacat terlalu tebal 1.066 lembar, cacat kutu 1.061 lembar, dan cacat ukuran 1.086
lembar. Hasil analisis SQC masih ada data yang belum terkendali berdasarkan peta
kendali yang berada pada cacat ukuran dengan jumlah cacat 1.086, sedangkan untuk
cacat berlubang, cacat terlalu tebal, dan cacat kutu sudah terkendali. Hasil analisis
FMEA menunjukan urutan penyelesaian dengan prioritas penyelesaian pertama adalah
bercak kutu dengan nilai RPN 36. Usulan perbaikan yang disarankan kepada perusahaan
Received November 30, 2022; Revised Maret 30, 2023; Accepted Juni 21, 2023
*Corresponding author, e-mail address
yaitu dengan melakukan penyeleksian bahan baku secara langsung dan melakukan
pengawasan terhadap karyawan.
Kata kunci : Kualitas, Cacat Produk, Seven Tools, SQC, FMEA.
1. LATAR BELAKANG
PT. Adi Satria Abadi merupakan perusahaan yang bergerak di bidang penyamakan
kulit (kulit domba dan kambing). Permasalahan yang dihadapi oleh perusahaan
adalah adanya kulit cacat pada saat proses penyamakan kulit. Jenis cacat pada
penyamakan kulit sendiri terdiri dari cacat berlubang, cacat terlalu tebal, cacat kutu,
dan cacat ukuran. Jumlah cacat pada kulit ini terjadi pada bulan januari 2022 sampai
dengan september 2022 dan jumlah cacat pada penelitian ini adalah 6.047 lembar
dengan jumlah produksi 511.870 lembar, namun perusahaan belum melakukan usaha
pengendalian atau perbaikan terhadap situasi ini. Padahal jika dibiarkan terus
menerus, hal ini dapat berdampak pada kualitas produksi dan kerugian materi bagi
perusahaan.
Untuk memecahkan masalah yang timbul mengenai permasalahan kualitas, diperlukan
suatu alat bantu yang dapat dipergunakan secara tepat, untuk menganalisis masalah
dengan sebaik-baiknya.. Metode SQC adalah metode pengendalian kualitas yang
digunakan untuk memonitor, mengendalikan, menganalisis, mengelola dan
memperbaiki produk serta proses menggunakan metode statistic. Perbaikan yang
dilakukan salah satunya adalah dengan menggunakan metode Failure Mode Effect
Analysis (FMEA). Failure Mode and Effects Analysis (FMEA) adalah suatu prosedur
terstruktur untuk mengidentifikasi dan mencegah sebanyak mungkin mode kegagalan.
Dalam penghitungan risiko FMEA menggunakan indicator (RPN), yang didefinisikan
sebagai produk keparahan (S), insiden (O), dan deteksi (D) kegagalan. RPN dihitung
dengan cara melakukan pembobotan dengan 3 aspek yaitu Severity, Occurrence dan
Detection, dalam skala 1-10 sehingga akan didapatkan nilai RPN (Risk Priority
Number) masing-masing penyebab.
2. KAJIAN TEORITIS
2.1 Metode SQC (Statistical Quality Control)
Pengendalian Kualitas Statistik ((Statistical Quality Control) berarti metode yang
digunakan untuk mengontrol dan mengelola kualitas produksi dan jasa dengan
menggunakan metode statistik. Kontrol kualitas statistik adalah teknik pemecahan
masalah yang digunakan untuk memantau, mengontrol, menganalisis, mengelola, dan
meningkatkan produk dan kualitas menggunakan metode statistik.
Statistical Quality Control digunakan untuk menemukan kesalahan produksi yang
menyebabkan produk tidak baik, sehingga bisa diambil tindakan lebih lanjut dalam
mengatasinya. Tujuan pokok SQC ini yaitu menmukan dengan cepat terjadinya sebabakibat.
151
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
ANALISIS KUALITAS PRODUK PENYAMAKAN KULIT DENGAN METODE SQC dan FMEA
Menerapkan metode SQC membutuhkan proses yang menyeluruh dalam proses
produksi. Hal ini termasuk dalam lingkup pengendalian kualitas statistik baik berupa
data variabel maupun atribut.
Prosedur SQC terdapat alur pengolahan data dengan menggunakan seven tools yaitu:
lembar pemeriksaan, diagram pencar, diagram sebab-akibat, diagram pareto,
histogram, peta kendali, dan stratification.
2.2 Metode FMEA (Failure Mode and Effect Analisys)
FMEA pertama kali muncul tahun 1960an sebagai metodologi formal pada industri
Aerospace dan pertahanan. Sejak itu FMEA digunakan dan distandarisasi oleh berbagai
industri di seluruh dunia. Para ahli memiliki beberapa definisi mengenai FMEA, yang
memiliki arti cukup luas dan apabila dievaluasi lebih dalam memiliki arti yang serupa.
Elemen FMEA dibangun berdasarkan informasi yang mendukung analisa. Beberapa
elemen – elemen FMEA adalah sebagai berikut: Penyebab Potensial ( Potential
Cause(severity)), Keterjadian (Occurrence(O)), Deteksi (Detection(D)), Nomor
Prioritas Risiko (Risk Priority Number (RPN)), dan Tindakan yang direkomendasikan
(Recommended Action). Setelah bentuk kegagalan diatur sesuai peringkat RPN nya,
maka tindakan perbaikan harus segera dilakukan terhadap bentuk kegagalan dengan
nilai RPN tertinggi.
3. METODE PENELITIAN
Metode penelitian merupakan langkah yang dilakukan dalam penelitian untuk mencapai
tujuan yang diinginkan. Penelitian dilaksanakan dengan langkah - langkah sebagaimana
tersaji pada bagan di bawah ini:
152
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
Gambar 1. Diagram Alir Penelitian
3.1 Rumusan Masalah
Berdasarkan latar belakang diatas, maka rumusan masalah dari penelitian ini adalah
sebagai berikut:
1. Apa sajakah penyebab yang mempengaruhi tingkat kualitas produk pada PT. Adi
Satria Abadi?
2. Apa sajakah faktor-faktor yang mempengaruhi tingkat kualitas produk pada PT.
Adi Satria Abadi?
3. Bagaimana solusi yang harus dilakukan untuk mengurangi tingkat kecacatan
produk pada PT. Adi Satria Abadi?
3.2 Batasan Masalah
Batasan atau ruang lingkup pada penelitian ini yaitu:
1.
Penelitian ini dilakukan pada bagian produksi dimensi kualitas di PT. Adi Satria
Abadi.
2. Kerugian yang terjadi atas produk cacat.
3. Pengolahan data ini menggunakan metode SQC dan FMEA.
3.3 Tujuan Penelitian
Berdasarkan rumusan masalah yang telah diuraikan maka tujuan dari penelitian ini
adalah sebagai berikut:
1.
2.
Mengetahui faktor-faktor yang mempengaruhi tingkat kualitas produk pada PT.
Adi Satria Abadi.
Memberikan usulan perbaikan untuk mengurangi tingkat kecacatan produk.
3.4 Manfaat Penelitian
1.
153
Memberi solusi dengan adanya penerapan metode SQC dan FMEA diharapakan
pihak perusahaan dapat mengurangi jumlah defect (cacat) produk yang dialami
selama ini.
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
ANALISIS KUALITAS PRODUK PENYAMAKAN KULIT DENGAN METODE SQC dan FMEA
2.
Dapat mengaplikasikan teori yang diperoleh selama kuliah dan meningkatkan
wawasan dalam menganalisis serta memecahkan masalah khususnya dalam
permasalahan defect (cacat) yang ada di dalam proses produksi suatu perusahaan
dengan metode SQC dan FMEA.
3.
Dapat digunakan sebagai referensi bacaan untuk menambah ilmu bagi pembaca
dan digunakan sebagai acuan pada penelitian berikutnya.
4. HASIL DAN PEMBAHASAN
4.1 Statistical Quality Control (SQC)
a) Stratification
Stratification yaitu proses pembagian atau pengelompokkan data yang memiliki
karakteristik kecacatan sama yang terjadi di lantai produksi. Dimana stratifikasi ini
bertujuan untuk mengidentifikasi faktor – faktor penyebab dari kecacatan yang
terjadi pada produk.
Tabel 1. Identifikasi Jenis Kecacatan
No
1
Jenis Kecacatan
Berlubang
Identifikasi Jenis Kecacatan
Kondisi kulit yang berlubang tidak utuh
2
Terlalu tebal
3
Kutu
Ketebalan kulit yang lebih dari standar sehingga tidak
elastis
Bekas adanya kutu pada kulit
4
Ukuran
Ukuran yang terlalu besar, kecil, maupun sobekan yang
terjadi
Sumber : Olah Data 2023
Tabel 2. Stratifikasi Kecacatan Kulit Kambing dan Domba
No.
Jenis Kecacatan
Jumlah Kecacatan (Lembar)
1
Berlubang
1.507
2
Terlalu Tebal
1.066
3
Kutu
1.061
4
Ukuran
1.086
Sumber : Olah Data 2023
b) Lembar Periksa
Tabel 3. Data Cacat Produk Kulit Kambing dan Domba
Bulan
Januari
Februari
Maret
April
Mei
154
Jumlah
Produksi
46.160
49.250
28.883
41.079
41.431
Jenis Kulit Cacat (Lembar)
Berlubang
Terlalu
Kutu
Ukuran
Tebal
207
115
96
99
176
132
140
117
89
97
105
198
145
137
106
98
155
128
136
117
Jumlah
Cacat
517
565
489
486
536
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
42.986
42.325
45.548
46.653
384.315
42.701,66
Juni
Juli
Agustus
September
Total
Rata – rata
185
167
203
180
1.507
167,44
95
149
98
115
1.066
118,44
98
110
115
155
1.061
117,88
107
115
117
118
1.086
120,66
485
541
533
568
4.720
524,44
Sumber : Olah Data 2023
Dari Tabel 3. dapat dilihat bahwa terdapat empat macam cacat yang terjadi pada
produksi penyamakan kulit kambing dan kulit domba, yaitu kulit yang berlubang,
terlalu tebal, berkutu, dan ukuran yang tidak sesuai sehingga tidak bisa digunakan
sesuai standar.
c) Scatter Diagram
Diagram pencar atau scatter diagram dipakai untuk melihat korelasi dari suatu
faktor penyebab yang berkesinambungan terhadap faktor lain.
Scatterplot of Jumlah Cacat vs Jumlah Produksi
650
Jumlah Cacat
600
550
500
450
400
30000
35000
40000
Jumlah Produksi
45000
50000
Gambar 2. Scatter Diagram
Sumber : Olah Data 2023
Berdasarkan hasil dari diagram pencar pada Gambar 2, diagram pencar
terdapat korelasi positif antara jumlah produksi dengan jumlah cacat, hal tersebut
terlihat bergerak dari kiri bawah menuju kanan atas mendatar.
d) Histogram
Histogram merupakan grafik yang menampilkan berbagai periode waktu dalam
bentuk diagram batang untuk mengetahui penyebaran jumlah jenis cacat produk
secara menyeluruh.
Histogram of Cacat Berlubang
Normal
Mean
StDev
N
50000
171,3
30,31
384315
Frequency
40000
30000
20000
10000
0
100
120
140
160
180
Cacat Berlubang
200
220
240
Gambar 3. Histogram Cacat Berlubang
Sumber : Olah Data 2023
155
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
ANALISIS KUALITAS PRODUK PENYAMAKAN KULIT DENGAN METODE SQC dan FMEA
Pada histogram jenis cacat berlubang Gambar 3, menunjukkan jumlah cacat yang
terbanyak dalam satu bulan adalah 207 lembar dengan jumlah produksi 46.160
lembar, dan jumlah cacat yang paling sedikit adalah 89 lembar dengan jumlah
produksi 28.883 lembar, dengan total cacat 1.507 lembar, sedangkan rata – rata
(mean) 171,3, standar deviasi 30,31, dan total produksi (N) 384.315.
Histogram of Cacat Terlalu Tebal
Normal
Mean
StDev
N
90000
119,1
17,92
384315
80000
Frequency
70000
60000
50000
40000
30000
20000
10000
0
77
88
99
110
121
132
Cacat Terlalu Tebal
143
154
Gambar 4. Histogram Cacat Terlalu Tebal
Sumber : Olah Data 2023
Pada histogram jenis cacat terlalu tebal Gambar 4, menunjukkan jumlah cacat yang
terbanyak dalam satu bulan adalah 149 lembar dengan jumlah produksi 42.325
lembar, dan jumlah cacat yang paling sedikit adalah 95 lembar dengan jumlah
produksi 42.986 lembar, dengan total cacat 1.066 lembar, sedangkan rata – rata
(mean) 119,1, standar deviasi 17,92, dan total produksi (N) 384.315.
Histogram of Cacat Kutu
Normal
Mean
StDev
N
50000
118,9
20,04
384315
Frequency
40000
30000
20000
10000
0
78
91
104
117
130
Cacat Kutu
143
156
Gambar 5. Cacat Kutu
Sumber : Olah Data 2023
Pada histogram jenis cacat terlalu tebal Gambar 5, menunjukkan jumlah cacat yang
terbanyak dalam satu bulan adalah 155 lembar dengan jumlah produksi 46.653
lembar, dan jumlah cacat yang paling sedikit adalah 96 lembar dengan jumlah
produksi 46.160 lembar, dengan total cacat 1.061 lembar, sedangkan rata – rata
(mean) 118,9, standar deviasi 20,04, dan total produksi (N) 384.315.
Histogram of Cacat Ukuran
Normal
140000
Mean
StDev
N
120000
117,7
24,12
384315
Frequency
100000
80000
60000
40000
20000
0
72
90
108
126
144
Cacat Ukuran
162
180
198
Gambar 6. Cacat Ukuran
Sumber : Olah Data 2023
156
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
Pada histogram jenis cacat terlalu tebal Gambar 6, menunjukkan jumlah cacat yang
terbanyak dalam satu bulan adalah 198 lembar dengan jumlah produksi 28.883
lembar, dan jumlah cacat yang paling sedikit adalah 98 lembar dengan jumlah
produksi 41.079 lembar, dengan total cacat 1.086 lembar, sedangkan rata – rata
(mean) 117,7, standar deviasi 24,12, dan total produksi (N) 384.315.
e) Diagram Pareto
Tabel 4. Presentase kecacatan Produk
Jenis Cacat
Frekuensi
Berlubang
Terlalu Tebal
Ukuran
Kutu
Total
1.507
1.066
1.086
1.061
4.720
Frekuensi
Kumulatif
1.507
2.573
3.659
4.720
Presentase %
Kumulatif %
31,9%
22,6%
23,0%
22,5%
100%
31,9%
54,5%
77,5%
100%
Sumber : Olah Data 2023
Dari Tabel 4, maka diketahui masing masing jumlah cacat, cacat berlubang dengan
jumlah 1.507 lembar dengan presentase cacat 31,9%, cacat ukuran dengan jumlah
1.086 lembar dengan presentase cacat 23,0%, cacat terlalu tebal dengan jumlah
1.066 dengan presentase cacat 22,6%, dan cacat kutu dengan jumlah 1061 dengan
presentase 22,5%. Dapat diketahui jumlah produk cacat terbanyak adalah cacat
berlubang.
Pareto Chart of Jenis Cacat
5000
100
80
3000
60
2000
40
1000
20
0
0
Jenis Cacat
Jumlah Cacat
Percent
Cum %
Percent
Jumlah Cacat
4000
Cacat Berlubang
1507
31,9
31,9
Cacat Ukuran
1086
23,0
54,9
Terlalu Tebal
1066
22,6
77,5
Cacat Kutu
1061
22,5
100,0
Gambar 6. Diagram Pareto
Sumber : Olah Data 2023
Dari Gambar 4.6 dapat diketahui bahwa presentase kumulatif dari masingmasing jenis cacat produk adalah 31,9%, 23,0%, 22,6%, 22,5% dan 100%.
f) Peta Kendali
Tabel 5. Hasil Perhitungan Berdasarkan Rumus Peta Kendali
Bulan
1
2
3
4
5
157
Jumlah
Produksi
46.160
49.250
28.883
41.079
41.431
Cacat
Berlubang
207
176
89
145
155
Cacat Terlalu
tebal
115
132
97
137
128
Cacat Kutu
96
140
105
106
136
Cacat
Ukuran
99
117
198
98
117
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
ANALISIS KUALITAS PRODUK PENYAMAKAN KULIT DENGAN METODE SQC dan FMEA
6
7
8
9
Total
P
P-bar
UCL
LCL
42.986
42.325
45.548
46.653
384.315
185
167
203
180
1.507
0,00448440
0,00392126
0,00392531
0,00391720
95
149
98
115
1.066
0,002491334
0,002773766
0,002777179
0,002770352
98
110
115
155
1.061
0,00207972
0,00276075
0,00276415
0,00275734
107
115
117
118
1.086
0,002144714
0,002825806
0,002829250
0,002822361
Sumber : Olah Data 2023
Tabel 4.7 Diatas merupakan hasil dari perhitungan berdasarkan rumus peta
kendali.
Contoh Perhitungan
1.507
𝜌
= 0,00392126........................................................................................2
384.315
𝜌 − 𝑏𝑎𝑟(𝐶𝐿) =
207
46.160
= 0,00448440...................................................................1
0,00392126(1−0,00392126)
𝑈𝐶𝐿 = 0,00392126 + 3√
46.160
= 0,0039253137.....................3
0,00392126(1 − 0,00392126)
𝑈𝐶𝐿 = 0,00392126 − 3√
= 0,00391720. . .4
46.160
P Chart of Cacat Berlubang
0,0050
UCL=0,004789
Proportion
0,0045
_
P=0,003921
0,0040
0,0035
LCL=0,003053
0,0030
1
2
3
4
5
Sample
6
7
8
9
Tests performed with unequal sample sizes
Gambar 7. Peta Kendali Cacat Berlubang
Sumber : Olah Data 2023
Berdasarkan Gambar 4.7 dapat dilihat bahwa grafik berfluktuasi dan masih dalam
batas kendali, baik batas kendali atas maupun batas kendali bawah. Pada bulan ke
1 sampai bulan ke 3 turun, mulai bulan ke 4 mulai naik secara konstan. Data yang
terdapat dalam gambar tersebut masih dalam tahap terkendali.
P Chart of Cacat Terlalu Tebal
0,0036
UCL=0,003504
Proportion
0,0032
_
P=0,002774
0,0028
0,0024
LCL=0,002043
0,0020
1
2
3
4
5
Sample
6
7
8
9
Tests performed with unequal sample sizes
Gambar 8. Peta Kendali Terlalu Tebal
Sumber : Olah Data 2023
158
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
Berdasarkan Gambar 4.8 dapat dilihat bahwa grafik berfluktuasi dan masih dalam
batas kendali, baik batas kendali atas maupun batas kendali bawah. Pada bulan ke
1 sampai bulan ke 3 naik, mulai bulan ke 4 mulai turun secara konstan tapi pada
bulan ke 7 teradi kenaikan yang signifikan. Data yang terdapat dalam gambar
tersebut masih dalam tahap terkendali.
P Chart of Cacat Kutu
0,0036
UCL=0,003490
Proportion
0,0032
_
P=0,002761
0,0028
0,0024
LCL=0,002032
0,0020
1
2
3
4
5
Sample
6
7
8
9
Tests performed with unequal sample sizes
Gambar 9. Peta Kendali Cacat Kutu
Sumber : Olah Data 2023
Berdasarkan Gambar 9, dapat dilihat bahwa grafik berfluktuasi dan masih dalam
batas kendali, baik batas kendali atas maupun batas kendali bawah. Pada bulan ke
1 sampai bulan ke 3 naik sangat signifikan, mulai bulan ke 4 mulai turun dan naik
secara konstan. Data yang terdapat dalam gambar tersebut masih dalam tahap
terkendali.
P Chart of Cacat Ukuran
1
0,007
Proportion
0,006
0,005
0,004
UCL=0,003563
_
P=0,002826
0,003
LCL=0,002089
0,002
1
2
3
4
5
Sample
6
7
8
9
Tests performed with unequal sample sizes
Gambar 10. Peta Kendali Cacat Ukuran
Sumber : Olah Data 2023
Berdasarkan Gambar 10, dapat dilihat bahwa grafik berfluktuasi dan pada bulan
ke 3 masih melewati batas kendali atas. Sehingga perlu dilakukan analisis lebih
lanjut untuk mengetahui penyebab dari terjadinya produk cacat yang terjadi.
g) Diagram Sebab-Akibat
Gambar 11, Diagram Sebab-Akibat Cacat Berlubang
Sumber : Olah Data 2023
159
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
ANALISIS KUALITAS PRODUK PENYAMAKAN KULIT DENGAN METODE SQC dan FMEA
Dari gambar 11, dapat dilihat bahwa terdapat diagram sebab akibat cacat
berlubang dimana terdapat 4 faktor yang mempengaruhi cacat kulit berlubang.
Faktor yang mempengaruhi adalah yang pertama faktor manusia dimana
dikarenakan kejenuhan, terburu – buru, pengawasan kurang, kedisiplinan kurang,
dan konsentrasi kurang. Faktor yang kedua adalah mesin yang dimana dikarenkan
sudah layak diganti, mesin kotor, dan trobel. Faktor yang ketiga adalah faktor
metode dimana dikarenakan tidak disiplin dan tidak sesuai prosedur. Faktor yang
keempat adalah faktor material dimana dikarenakan kualitas tidak sesuai dan tidak
sesuai pesanan.
Gambar 12. Diagram Sebab-Akibat Cacat Terlalu Tebal
Sumber : Olah Data 2023
Dari gambar 12, dapat dilihat bahwa terdapat diagram sebab akibat cacat
berlubang dimana terdapat 4 faktor yang mempengaruhi cacat terlalu tebal. Faktor
yang mempengaruhi adalah yang pertama faktor manusia karena terburu – buru,
pengawasan kurang, dan kedisiplinan kurang. Faktor yang kedua adalah mesin
yang dimana dikarenkan sudah layak diganti dan trobel. Faktor yang ketiga adalah
faktor metode dimana dikarenakan tidak disiplin dan tidak sesuai prosedur. Faktor
yang keempat adalah faktor material dimana dikarenakan kualitas tidak sesuai dan
tidak sesuai pesanan.
Gambar 13. Diagram Sebab-Akibat Cacat Kutu
Sumber : Olah Data 2023
160
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
Dari gambar 13, dapat dilihat bahwa terdapat diagram sebab akibat cacat
berlubang dimana terdapat 4 faktor yang mempengaruhi cacat kulit berlubang.
Faktor yang mempengaruhi adalah yang pertama faktor manusia karena terburu –
buru, pengawasan kurang, kedisiplinan kurang, dan kejenuhan. Faktor yang kedua
adalah mesin yang dimana dikarenkan sudah layak diganti dan trobel. Faktor yang
ketiga adalah faktor metode dimana dikarenakan tidak disiplin dan tidak sesuai
prosedur. Faktor yang keempat adalah faktor material dimana dikarenakan
kualitas tidak sesuai dan tidak sesuai pesanan.
Gambar 14, Diagram Sebab-Akibat Cacat Ukuran
Sumber : Olah Data 2023
Dari gambar 14, dapat dilihat bahwa terdapat diagram sebab akibat cacat berlubang
dimana terdapat 4 faktor yang mempengaruhi cacat kulit berlubang. Faktor yang
mempengaruhi adalah yang pertama faktor manusia dimana dikarenakan
kejenuhan, terburu – buru, pengawasan kurang, kedisiplinan kurang, dan
konsentrasi kurang. Faktor yang kedua adalah mesin yang dimana dikarenkan
sudah layak diganti, mesin kotor, dan trobel. Faktor yang ketiga adalah faktor
metode dimana dikarenakan tidak disiplin dan tidak sesuai prosedur. Faktor yang
keempat adalah faktor material dimana dikarenakan kualitas tidak sesuai dan tidak
sesuai pesanan.
4.2 Failure Mode and Effect Analisys (FMEA)
Tabel 6. Risk Priority Number (RPN)
Severity
Occurence
Detection
RPN
Prioritas
Bercak kutu
4
3
3
36
1
Kulit berlubang
5
2
3
30
2
Kulit terlalu tebal
5
2
3
30
3
Ukuran tidak sesuai
3
3
2
18
4
Failure mode
standar
Sumber: Olah data, 2023
161
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
ANALISIS KUALITAS PRODUK PENYAMAKAN KULIT DENGAN METODE SQC dan FMEA
Dari tabel 6, di atas maka, nilai tingkat kepentingan yang tinggi menunjukkan
bahwa suatu failure mode semakin penting untuk segera diatasi, sedangkan
tingkat kepentingan yang kecil menunjukan bahwa suatu failure mode tidak
menjadi prioritas penyelesaian masalah. Dalam penelitian ini terdapat nilai RPN
yang sama untuk kulit berlubang dan kulit terlalu tebal. Karena memiliki nilai
yang sama akan dipertimbangkan dampak kecacatan produk yang terjadi apabila
komponen itu mengalami kegagalan. Sehinngga dapat diurutkan sebagai berikut:
pertama kulit berlubang (grade produk menjadi turun dan harga rendah), dan
kedua kulit terlalu tebal (permukaan kulit menjadi rusak dan kasar sehingga
menyulitkan proses produksi selanjutnya). Berdasarkan RPN failure mode yang
diharapkan untuk segera diatasi adalah bercak kutu.
5. KESIMPULAN DAN SARAN
a) SQC (statistical quality control) pada produk penyamakan kulit kambing dan
domba untuk jenis cacat berlubang didapat total cacat 1.507 lembar, nilai
Proporsi (p) 0,0044, nilai p-bar 0,0039, nilai Upper Control Limit (UCL)
0,0039, dan nilai Lower Control Limit (LCL) 0,0039. Cacat terlalu tebal
didapat total cacat 1.066 lembar, nilai Proporsi (p) 0,0024, nilai p-bar 0,0027,
nilai Upper Control Limit (UCL) 0,0027, dan nilai Lower Control Limit (LCL)
0,0027. Cacat kutu didapat total cacat 1.061 lembar, nilai Proporsi (p) 0,0020,
nilai p-bar 0,0027, nilai Upper Control Limit (UCL) 0,0027, dan nilai Lower
Control Limit (LCL) 0,0027. Cacat ukuran didapat total cacat 1.086 lembar
dengan nilai Proporsi (p) 0,0021, nilai p-bar 0,0028, nilai Upper Control Limit
(UCL) 0,0028, dan nilai Lower Control Limit (LCL) 0,0028.
b) FMEA (failure mode and effect analisys) memberikan nilai RPN untuk setiap
failure mode yang terjadi dalam sistem berdasarkan severity, occurence, dan
detection. Hasil dengan metode FMEA sebagai berikut; prioritas pertama,
bercak kutu yang memiliki nilai RPN paling tinggi sebesar 36; prioritas kedua,
kulit berlubang dengan nilai RPN sebesar 30; prioritas ketiga, kulit terlalu tebal
dengan nilai RPN sebesar 30; prioritas keempat, ukuran tidak sesuai standar
dengan nilai RPN 18.
c) Usulan perbaikan kecacatan produk penyamakan kulit kambing dan domba PT.
Adi Satria Abadi. Pertama bercak kutu, yaitu dengan; Melakukan perlakuan
khusus pada kulit yang memiliki bercak kutu, dimana bisa dilakukan
pemeraman dengan obat kimia dengan maksimal sehingga mampu
menghilangkan bercak kutu yang ada atau diberlakukan bahan baku rijek
sebelum berlangsunya produksi. Kedua kulit berlubang, yaitu dengan;
Menyeleksi bahan baku secara langsung sebelum diterima perusahaan atau
sebelum dilakukan pengiriman ke perusahaan. Penyeleksian tersebut bertujuan
untuk meminimalisir bahan baku yang berlubang. Ketiga kulit terlalu tebal,
yaitu dengan; Penanganan khusus pada bahan baku kulit yang tebal sehingga
mendapatkan ukuran ketebalan yang maksimal. Keempat ukuran tidak sesuai
standar, yaitu dengan; Pengawasan pekerja supaya lebih teliti dan hati – hati
dalam proses produksi.
d) Upaya meningkatkan mutu produk kulit kambing dan domba, diharapkan dapat
mengurangi banyaknya cacat produk yang terjadi dengan melakukan tindakan
perbaikan terhadap penyebab kecacatan produk kulit kambing dan domba.
162
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023
6. DAFTAR REFERENSI
Abdurrahman, M. A., & Al-Faritsy, A. Z. (2021). Usulan Perbaikan Kualitas Produk
Roti Bolu Dengan Metode Six Sigma Dan FMEA. Jurnal Rekayasa Industri (Jri),
3(2), 73–80. https://doi.org/10.37631/jri.v3i2.481
Asnan, M. H. I. N. (2019). Penerapan Six Sigma Untuk Minimalisasi Material Scrap
Pada Warehouse Packaging Marsho PT. SMART Tbk. Surabaya. Performa: Media
Ilmiah Teknik Industri, 18(1), 1–8. https://doi.org/10.20961/performa.18.1.21764
Berlyan, R., Kurniawan, W., & Sari, I. P. (2021). Usulan Perbaikan Kualitas Produk
Topside Menggunakan Metode Fmea Di Pt. Xyz. Journal of Management : Small
and
Medium
Enterprises
(SMEs),
14(2),
189–203.
https://doi.org/10.35508/jom.v14i2.4752
Case, F., On, S., & Xyz, C. V. (2022). Quality Analysis Of Bakery Products Using The
Six Sigma Method And Failure Mode And Effect Analysis. 1(2), 59–72.
Ratnadi and E. Suprianto, “Pengendalian Kualitas Produksi Menggunakan Alat Bantu
Statistik (Seven Tools) Dalam Upaya Menekan Tingkat Kerusakan Produk,” J.
Indept, vol. 6, no. 2, p. 11, 2016.
R. Lesmana and S. D. Ayu, “Pengaruh Kualitas Produk Dan Citra Merek Terhadap
Keputusan Pembelian Kosmetik Wardah Pt Paragon Tehnology And Innovation,”
J. Pemasar. Kompetitif, vol. 2, no. 3, p. 59, Jul. 2019, doi:
10.32493/jpkpk.v2i3.2830.
Prastyo, Y., & Rimawan, E. (2018). Reduce Reject Painting Process Using Six Sigma
Method with Dmaic Approach and Experiments on Brake Disc Products ( 1 Rc
Hub ) ( Case Study in Pt . Xyz ). International Journal of Innovative Science and
Research Technology, 3(10), 327–337.
Rahman, A., & Perdana, S. (2021). Analisis Perbaikan Kualitas Produk Carton Box di
PT XYZ Dengan Metode DMAIC dan FMEA. Jurnal Optimasi Teknik Industri
(JOTI), 3(1), 33–37. https://doi.org/10.30998/joti.v3i1.9287
F. D. Mayangsari, H. Adianto, and Y. Yuniati, “Usulan Pengendalian Kualitas Produk
Isolator Dengan Metode Failure Mode and Effect Analysis (Fmea) Dan Fault Tree
Analysis (Fta),” J. Online Inst. Teknol. Nas., vol. 03, no. 2, pp. 81–91, 2015.
Sepriandini, F., & Ngatilah, Y. (2021). Analisis Kualitas Produk Koran Menggunakan
Metode Six Sigma Dan Failure Mode and Effect Analysis (Fmea) Di Pt. Xyz
Balikpapan. Tekmapro : Journal of Industrial Engineering and Management,
16(2), 48–59. https://doi.org/10.33005/tekmapro.v16i2.203
R. Kaban, “Pengendalian Kualitas Kemasan Plastik Pouch Menggunakan Statistical
Procces Control (SPC) di PT Incasi Raya Padang,” J. Optimasi Sist. Ind., vol. 13,
no. 1, p. 518, Apr. 2016, doi: 10.25077/josi.v13.n1.p518-547.2014.
A. Hardiyanti, A. Mawadati, & A. H. Wibowo, “Analisis Pengendalian Kualitas Proses
Penyamakan Kulit Menggunakan Metode Statistical Process Control (SPC),”
IEJST Vol. 5 No. 1 (2021) Hal. 41-47, 2021.
Nugroho, A. J. (2007) “Usulan Perbaikan Gangguan Fixed Telephone Dan Telkom
Flexi Dengan Kombinasi Metode Fault Tree Analysis Dan Failure Mode And Effect
Analysis Di Wilayah Divre Iv Kandatel Solo (Pt. Telekomunikasi
Indonesia.Tbk)”.122-134.
163
JURITEK Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer-Vol.3, No.2 Juli 2023