Bone Plate Product Defect Analysis Using Six Sigma and Fuzzy FMEA Methods [Analisis Cacat Produk Bone Plate dengan Metode Six Sigma dan Fuzzy FMEA]

Arya Bagus Rizkyllah*,1), Enny Aryanny 2)

1)Program Studi Teknik Industri, Universitas Pembangunan Nasional “Veteran” Jawa Timur, Indonesia

2) Program Studi Teknik Industri, Universitas Pembangunan Nasional “Veteran” Jawa Timur, Indonesia

*Email Penulis Korespondensi: aryab653@gmail.com

Abstract. Product quality is an important factor considered by consumers. PT XYZ, one of the manufacturers of orthopedic and traumatology implants. The purpose of this study was to determine the level of product defects, so that recommendations for improvement can be given. The methods used in this study were Six Sigma and Fuzzy FMEA to analyze the risk of causing defects. The results of the analysis showed that the largest defect was in the hole diameter with a total of 455 units of defects. The resulting DPMO value was 33,343, with an average sigma level of 3.33. The factor causing the defect was the initial dimensions of the plate were not precise, with an FRPN value of 3.82 indicating a fairly high level of risk and needing to be followed up. Based on these findings, the recommendation for improvement made was to identify raw materials before the production process was carried out to improve product quality and approach zero defect conditions.

Keywords – Defects; Fuzzy FMEA; Six Sigma; Quality

Abstrak Kualitas produk merupakan faktor penting yang dipertimbangkan oleh konsumen. PT XYZ, salah satu produsen implan ortopedi dan traumatologi. Tujuan penelitian ini adalah mengetahui tingkat kecacatan produk, sehingga dapat diberikan rekomendasi perbaikan. Metode yang digunakan dalam penelitian ini adalah Six Sigma dan Fuzzy FMEA untuk menganalisis risiko penyebab cacat. Hasil analisis menunjukkan bahwa cacat terbesar terdapat pada diameter lubang dengan jumlah cacat 455 unit. Nilai DPMO yang dihasilkan sebesar 33.343, dengan rata-rata level sigma sebesar 3,33. Faktor penyebab cacat tersebut adalah dimensi awal pada plat tidak presisi, dengan nilai FRPN 3,82 yang menandakan tingkat risiko yang cukup tinggi dan perlu ditindak lanjuti. Berdasarkan temuan tersebut, rekomendasi perbaikan yang dilakukan adalah melakukan identifikasi bahan baku sebelum dilakukan proses produksi untuk meningkatkan kualitas produk dan mendekati kondisi zero defect.

Kata Kunci – Cacat; Fuzzy FMEA; Kualitas; Six Sigma

I. Pendahuluan

Kualitas produk merupakan salah satu faktor penting yang dipertimbangkan oleh konsumen dalam melakukan pembelian barang[1]. Kualitas produk sendiri merupakan faktor-faktor pada suatu produk yang membuat tujuan pembuatan produk sesuai dengan apa yang dimaksudkan[2]. Meskipun dalam proses produksi berjalan lancar, tetapi seringkali ditemukan kurang sesuainya standar dari produk, yang menyebabkan produk menjadi cacat atau rusak[3]. Oleh karena itu, perusahaan harus terus meningkatkan strateginya dalam upaya peningkatan kualitas produk dengan meminimalisir cacat untuk memenangkan posisinya dalam pasar[4].

PT. XYZ merupakan salah satu produsen yang berfokus pada produksi Implant Orthopedic dan Traumatology. Produk yang dihasilkan oleh PT. XYZ yaitu, bone plate dan screw. Pada proses produksi bone plate mulai dari pemotongan bahan baku dengan alat wire cutting untuk mendapatkan ukuran bone plate, sesuai dengan spesifikasi yang sudah ditetapkan[5]. Pada proses ini merupakan letak terjadinya kesalahan dikarenakan tidak terjadwalnya kalibrasi mesin pada mesin wire cutting yang menyebabkan terjadinya ketidaksesuaian pemotongan plate[6]. Kemudian proses pembuatan hole plate dengan alat bor hole plate CNC Milling dan dilanjutkan dengan proses frais slope hole dengan alat frais manual. Pada proses ini terjadi pelubangan pada plate untuk tempat screw yang menyebabkan terjadnya ukuran hole tidak sesuai akibat kelalian operator[7]. Kemudian proses yang selanjutya merupakan scrapping, yang dilakukan untuk menipiskan atau menghaluskan plate dengan menggunakan mesin scrap dengan hal tersebut terjadi pengikisan yang kurang merata akibat kurangnya penjadwalan penggantian mata pisau yang digunakan pada mesin scrap[8].

Berdasarkan data pada perusahaan didapatkan jumlah produksi bone plate pada Februari 2024 - Maret 2025 sebesar 9920 produk dengan jumlah produk cacat sebesar 992 produk dan didapatkan presentase produk cacat sebesar 10% dengan cacat terbesar terjadi pada ketidak sesuaian ukuran hole plate. Perusahaan memiliki tujuan dalam proses produksinya agar mencapai nol kecacatan (zero defect)[9]. Jenis defect yang terjadi pada produk meliputi ketebalan bone plate yang tidak sesuai, ukuran panjang bone plate yang tidak sesuai, dan diameter hole plate yang tidak sesuai[10]. Dari permasalahan yang terjadi perusahaan belum melakukan pendekatan sistematis dan terintegrasi yang diterapkan secara konsisten untuk mengidentifikasi akar penyebab kecacatan dan menyusun strategi perbaikannya secara kuantitatif dan terprioritaskan.

Dalam menyelesaikan permasalahan yang ada di perusahaan, maka dilakukan penelitian analisis tingkat kecacatan produk bone plate dengan metode Six Sigma yang merupakan suatu sistem komprehensif dan fleksibel untuk mencapai, mempertahankan dan memaksimalkan sukses bisnis[11]. Six sigma merupakan alat yang tepat untuk mencapai zero defect karena merupakan suatu visi peningkatan kualitas menuju target 3,4 kegagalan dalam sejuta kesempatan untuk setiap transaksi produk barang dan jasa[12]. Dalam penerapannya metode Six sigma memiliki 5 (lima) langkah yaitu define, measure, analyze, improve, dan control atau DMAIC untuk melakukan perbaikan kualitas berkelanjutan. Penerapan DMAIC berguna untuk memecahkan masalah dalam peningkatan kualitas dan perbaikan proses[13].

Sementara itu, penggunaan metode fuzzy FMEA yang merupakan salah satu metode analisis kuantitatif yang digunakan untuk memberikan penilaian resiko dalam penentuan perbaikan berdasarkan prioritas. Fuzzy FMEA digunakan untuk menganalisa risiko dengan pendekatan para ahli dalam menentukan kriteria risiko Severity (S), Occurance (O), DetectionI (D) dengan menggunakan bahasa lingusitik fuzzy [14]. Tahap sebelum penggunaan fuzzy, dilakukan analisis dengan metode FMEA untuk menentukan karakteristik kegagalan tertinggi yang dapat dinyatakan kritis, sehingga memerlukan upaya pemantauan dan inspeksi yang intensif. Input fuzzy yang dihasilkan menggunakan fuzzy rule base untuk menentukan tingkat kekritisan/risiko kegagalan. Kesimpulan fuzzy tersebut kemudian di-defuzzifikasi sehingga memperoleh fuzzy RPN (FRPN)[15]. Dengan adanya penelitian ini diharapkan dapat mendorong perusahaan menuju pencapaian zero defect dan peningkatan daya saing di pasar global.

II. Metode

Pada tahap awal analisis, dilakukan pengumpulan data primer dan sekunder sebagai dasar dalam proses pengolahan data. Data primer dalam penelitian ini diperoleh melalui observasi langsung di lapangan, wawancara mendalam, serta penyebaran kuesioner kepada para ahli yang berkompeten di bidang produksi bone plate. Informan yang terlibat antara lain Manajer Operasional, Penanggung Jawab Produksi, dan Staff Produksi. Sementara itu, data sekunder dikumpulkan dari dokumentasi internal perusahaan berupa data historis jenis cacat produksi, jumlah produksi, dan jumlah cacat produksi. Data primer dan sekunder ini digunakan untuk memperoleh gambaran yang komprehensif terhadap kondisi aktual lapangan serta sebagai dasar dalam merumuskan solusi pengendalian cacat produksi yang tepat. Setelah data dari kedua sumber tesebut telah tercukupi, maka dilanjutkan dengan proses analisis menggunakan metode Six Sigma untuk mengetahui tingkat kecacatan produk, serta Fuzzy Failure Mode and Effect Analysis (F-FMEA) untuk memberikan rekomendasi perbaikan dari penyebab risiko yang terjadi.

Gambar 1. Diagram Alir Penelitian

III. Hasil dan Pembahasan

Data Jumlah Produksi dan Kecacatan Produk

Data jumlah produksi dan data jenis dan jumlah cacat merupakan catatan pada proses produksi bone plate selama satu tahun pada periode April 2024 sampai dengan Maret 2025. Data yang diambil merupakan data dari satu lini produksi tampa ada variasi mesin dan shift .Terdapat 3 jenis cacat pada produk bone plate yaitu cacat lubang, tebal, dam panjang. Data ini digunakan untuk menentukan jumlah cacat yang terbesar selama proses produksi.

Tabel 1. Data Jumlah Produksi Dan Kecacatan Produk Bone Plate Pada Periode Bulan April 2024-Maret 2025

BulanJumlah ProduksiJumlah reject Pada Proses Produksi Plate (Pcs)

TebalPanjangLubang

April 2024683231432

Mei 20241.023381846

Juni 2024984361843

Juli 2024 42515721

Agustus 2024930341641

September 2024767261535

Oktober 2024637191332

November 2024930321546

Desember 2024791261835

Januari 20251.051381853

Februari 2025891341936

Maret 2025808281735

Total9.920349188455

Tahap Define

Tahap define merupakan tahap dilakukan identifikasi objek penelitian yang menjadi fokus permasalahan dan menentukan tujuan yang ingin dicapai. Permasalahan yang sering dihadapi oleh perusahaan ini adalah tingginya jumlah cacat yang terjadi pada proses produksi bone plate. Berikut ini terdapat grafik histogram bulan April 2024 hingga Maret 2025:

Gambar 2. Histogram Jenis Cacat Bulan April 2024-Maret 2025

Berdasarkan grafik histogram di atas, dapat diketahui bahwa jumlah cacat yang paling tinggi adalah diameter hole plate sejumlah 455 unit, kemudian diikuti dengan cacat ketebalan plate sejumlah 349 unit, dan cacat panjang plate sejumlah 188 unit. Maka penurunan persentase kecacatan agar dapat mendekati zero defect untuk produk bone plate harus dilakukan karena persentase kecacatan produk ini melebihi standar yang telah ditetapkan oleh perusahaan dan akan diberikan usulan perbaikan.

Tahap Measure

Pada tahap ini dilakukan pengukuran terhadap objek penelitian dengan menggunakan diagram pareto serta menghitung nilai DPMO untuk menentukan level sigma.

Perhitungan Persentase Cacat Lubang

Berdasarkan Tabel 1. didapatkan perhitungan untuk persentase cacat lubang pada bone plate bulan April 2024-Maret 2025 sebagai berikut:

Tabel 2. Persentase Cacat Lubang Pada bulan April 2024-Maret 2025

BulanFrekuensi Cacat (Unit)Presentase Cacat (%)Persentase Cacat Kumulatif (%)

April 2024327,037,03

Mei 20244610,1117,14

Juni 2024439,4526,59

Juli 2024 214,6231,21

Agustus 2024419,0140,22

September 2024357,6947,91

Oktober 2024327,0354,95

November 20244610,1165,05

Desember 2024357,6972,75

Januari 20255311,6584,40

Februari 2025367,9192,31

Maret 2025357,69100,00

Total455

Berdasarkan Tabel 2. dapat dilihat bahwa jenis cacat diameter lubang yang tertinggi pada bulan Januari 2025 sebanyak 53 unit dengan persentase cacat sebesar 11,65%, dan cacat diameter lubang terendah pada bulan Juli 2024 sebanyak 21 unit dengan persentase cacat sebesar 4,62%. Berikut adalah diagram pareto yang menggambarkan cacat diameter lubang bone plate pada bulan April 2024 - Maret 2025:

Gambar 3. Diagram Pareto Kecacatan Lubang

Perhitungan Peta Kendali P

Berdasarkan Tabel 1. maka dapat dilakukan perhitungan nilai proporsi, CL, UCL, dan LCL. Adapun perhitungannya adalah sebagai berikut:

Menghitung proporsi kecacatan

p=np1/n1=32/683=0,046852

Menghitung garis pusat yang merupakan rata-rata kecacatan produk (p ̅) atau Center Line (CL)

CL=p ̅=(∑▒np)/(∑▒n)=455/9.920=0,045867

Menghitung batas kendali atas atau Upper Control Limit (UCL)

UCL=p ̅+3√((p ̅(1-p ̅))/n)

= 0,045867+3√((0,045867(1-0,045867))/683)

= 0,069881

Menghitung batas kendali atas atau Lower Control Limit (LCL)

LCL=p ̅-3√((p ̅(1-p ̅))/n)

= 0,045867-3√((0,045867(1-0,045867))/683)

= 0,021853

Jadi, dapat diketahui bahwa cacat diameter hole pada bulan April 2024 memiliki nilai proporsi kecacatan sebesar 0,046852; CL sebesar 0,045867; UCL sebesar 0,069881; dan LCL sebesar 0,021853. Rekapitulasi hasil perhitungan proporsi kecacatan, CL, UCL, dan LCL bulan April 2024-Maret 2025 dapat dilihat sebagai berikut:

Tabel 3. Hasil Perhitungan Peta Kendali Atribut pada Cacat Diameter Lubang

BulanJumlah Cacat Diameter HoleJumlah ProduksiPCLUCLLCL

April 2024326830,0468520,0458670,0698810,021853

Mei 2024461.0230,0449660,0458670,0654890,026245

Juni 2024439840,0436990,0458670,0658740,02586

Juli 2024214250,0494120,0458670,0763090,015424

Agustus 2024419300,0440860,0458670,0664460,025287

September 2024357670,0456320,0458670,0685280,023206

Oktober 2024326370,0502350,0458670,0707330,021001

November 2024469300,0494620,0458670,0664460,025287

Desember 2024357910,0442480,0458670,0681810,023552

Januari 2025531.0510,0504280,0458670,0652260,026508

Februari 2025368910,0404040,0458670,0668920,024842

Maret 2025358080,0433170,0458670,0679450,023788

Total4559.920

Berdasarkan hasil perhitungan Tabel 3., maka peta kendali P pada cacat diameter lubang dapat dilihat pada Gambar 4. di bawah ini.

Gambar 4. Peta Kontrol P Cacat Diameter Lubang

Berdasarkan gambar peta konrol p di atas, terlihat bahwa tidak ada data yang berada di luar batas kendali. Hal ini berarti proses produksi sudah terkendali.

Perhitungan Nilai DPO,DPMO dan Level Sigma

Menghitung nilai DPO, DPMO, dan level sigma di setiap periode untuk mengetahui peluang munculnya defect pada satu juta kali kesempatan. Mencari nilai DPO (Defect Per Opportunities) dan DPMO (Defect Per Million Opportunities) dapat dilakukan dengan perhitungan berikut:

Perhitungan Nilai DPO (Defect Per Opportunities)

DPO=(Jumlah Cacat)/(Jumlah unit ×CTQ)

=69/(683×3)

=0,033675

Perhitungan Nilai DPMO (Defect Per Million Opportunities)

DPMO=(Jumlah Cacat)/(Jumlah unit ×CTQ)×1.000.000

=69/(683 ×3)×1.000.000

=33.675

Perhitungan Level Sigma

((X-X_1))/((X_2-X_1))= ((Y-Y_1))/((Y_2-Y_1))

((X-3,32))/((3,33-3,32))= ((33.675-34.379))/((33.625-34.379))= 3,32

Berdasarkan perhitungan tersebut untuk nilai DPMO 33.675 diperoleh nilai sigma sebesar 3,32. Berdasarkan uraian diatas maka dapat dilihat tabel nilai DPMO dan six sigma produk bone plate bulan April 2024 – Maret 2025 adalah sebagai berikut:

Tabel 4. Nilai DPO, DPMO, dan Level Sigma Bone Plate Bulan April 2024 - Maret 2025

BulanJumlah ProduksiJumlah Defect (unit)CTQDPODPMOLevel Sigma

April 20246836930,03367533.6753,32

Mei 20241.02310230,03323633.2363,33

Juni 20249849730,03285932.8593,34

Juli 20244254330,03372533.7253,32

Agustus 20249309130,03261632.6163,34

September 20247677630,03302933.0293,33

Oktober 20246376430,0334933.4903,33

November 20249309330,03333333.3333,33

Desember 20247917930,0332933.2913,33

Januari 20251.05110930,0345734.5703,31

Februari 20258918930,03329633.2963,33

Maret 20258088030,03300333.0033,33

Total9.920992 0,400125400.125,0439,94

Rata-Rata 0,03334433.343,753,33

Berdasarkan rata-rata PT XYZ berada pada level 3,33 atau bisa dikatakan berada pada level 3 sigma dengan nilai rata-rata DPMO 33.343,75 setiap 1.000.000 produksi yang dilakukan. Maka dapat dikatakan perusahaan masih belum memenuhi target menuju zero defect. Apabila hal ini tidak segera diperbaiki akan memberikan dampak yang sangat besar bagi keberlangsungan perusahaan. Oleh karena itu, perlu dilakukan perbaikan dengan menganalisis faktor-faktor penyebab kecacatan agar nilai sigma perusahaan bisa mendekati nilai six sigma.

Tahap Analyze

Tahap analyze merupakan langkah ketiga dalam metode six sigma dimana dilakukan analisis hasil dari pengukuran yang telah dilakukan pada tahap sebelumnya dan juga dilakukan penentuan akar penyebab dari CTQ dengan menggunakan diagram sebab akibat (fishbone diagram). Berdasarkan hasil diskusi dan wawancara peneliti dengan Quality Control (QC) serta uraian proses produksi, diketahui penyebab dari cacat diameter lubang adalah sebagai berikut:

Gambar 5. Diagram Sebab Akibat Cacat Diameter Lubang Bone Plate

Berdasarkan Gambar 5. penyebab terjadinya cacat diameter lubang plate tidak sesuai ditinjau dari lima jenis faktor yaitu manusia, material, mesin, metode, dan lingkungan. Berikut uraian masing-masing faktor penyebab cacat:

Manusia

Penyebab cacat diameter lubang plate tidak sesuai ditinjau dari faktor manusia adalah kesalahan melakukan setting mesin. Hal ini disebabkan karena pekerja tidak fokus atau kurang berpengalaman sehingga salah dalam melakukan setting mesin.

Material

Penyebab cacat diameter lubang plate tidak sesuai ditinjau dari faktor material adalah kualitas bahan baku yang kurang bagus sehingga dapat mempengaruhi hasil akhir ketebalan produk bone plate yang diproduksi.

Mesin

Penyebab cacat diameter lubang plate tidak sesuai ditinjau dari faktor mesin adalah mata bor aus. Hal ini disebabkan karena kurang terjadwalnya proses perawatan sehingga mata bor yang digunakan mengalami aus.

Metode

Penyebab cacat diameter lubang plate tidak sesuai ditinjau dari faktor metode adalah pengaturan kecepatan bor tidak sesuai SOP. Hal ini disebabkan tidak diterapkannya pengaturan kecepatan bor yang sesuai standar.

Lingkungan

Penyebab cacat diameter lubang plate tidak sesuai ditinjau dari faktor lingkungan adalah kurangnya pencahayaan. Hal ini disebabkan pengaturan area kerja yang gelap dan kurangnya pencahayaan sehingga menyebabkan kesalahan dalam pembuatan lubang pada plate.

Tahap Improve

Pada tahap improve akan dilakukan penentuan tindakan perbaikan yang diperlukan perusahaan untuk analisis risiko terlebih dahulu terhadap penyebab-penyebab kegagalan yang terjadi. Penilain risiko tersebut dilakukan dengan menggunakan metode Fuzzy Failure Mode and Effect Analysis (F-FMEA), dikarenakan dugaan ketidakpastian yang diakibatkan oleh kolaborasi antara 3 responden yang memiliki pengetahuan serta pengalaman yang berbeda. Oleh karena itu, penentuan perbaikan prioritas dilanjutkan dengan penialaian peringkat Fuzzy Number dengan beberapa tahapan yang dilakukan, yaitu:

Penentuan Bobot Kepentingan Pakar.

Menentukan bobot kepentingan pakar dalam menilai tingkat Severity (S), Occurance (O), Detection (D) bobot ini didasarkan pada dua faktor utama: pengalaman dan jabatan. Berikut adalah deskripsi rinci bobot kepentingan.

Tabel 5. Bobot Kepentingan Pakar

Kode RespondenKeteranganBobot Kepentingan

R1Manager Operasional45%

R2Penajnggungjawab Produksi35%

R3Staff Produksi20%

Penyesuaian Nilai S, O, D terhadap Fuzzy Rating.

Dikarenakan pendapat yang diberikan oleh kolaborasi antara 3 responden yang memiliki pengetahuan serta pengalaman yang berbeda maka, penentuan perbaikan prioritas dilanjutkan dengan penilaian peringkat Fuzzy. Nilai S, O, D yang telah ditentukan oleh pakar melalui brainstorming diterjemahkan ke dalam bentuk Fuzzy Number.

Tabel 6. Penyesuaian ke Linguistik Numerik Fuzzy

Jenis CacatRPenyebabROD

RateFuzzy NumberRateFuzzy NumberRateFuzzy Number

Diameter lubang plate tidak sesuaiR1Kesalahan pekerja dalam setting titik nol atau koordinat lubang akibat kurang fokus saat bekerja.MR234L234VH123

R2VL345H678H234

R3MR234M456VH123

R1Dimensi awal pada plate yang tidak presisi atau melengkungMR234M456VH123

R2VL345H678H234

R3MR234M345H234

R1Mata bor atau pisau frais ausMR234M456VH123

R2VL345M567H234

R3MR234M456VH123

R1Tidak beraturannya kecepatan pengeboran hole pada plateMR234L234H234

R2VL345M456H234

R3MR234L234VH123

R1Pencahayaan pada lingkuangan kerja yang kurang baikMR234L234MH345

R2VL345M456H234

R3MR234L234MH345

Perhitungan Agregasi Penilaian Terhadap Faktor S, O, D.

Perhitungan agregasi penilaian dilakukan dengan mengalikan Bobot kepentingan tiap responden dengan Nilai Fuzzy Number (FN) dengan bobot kepentingan (W). Hasil perkalian kemudian dirata-rata sehingga didapatkan nilai agregat Severity (R_i^S), Occurance (R_i^O), Detection (R_i^D). Berikut merupakan perhitungan agregasi penilaian terhadap faktor severity.

Tabel 7. Agregasi Penilaian Peringkat Fuzzy Terhadap Faktor Severity

Jenis CacatPenyebabRRateFuzzy NumberWxFNTotal∑▒R^S R_i^S

Diameter lubang plate tidak sesuaiKesalahan pekerja dalam setting titik nol atau koordinat lubang akibat kurang fokus saat bekerja.R1MR2340,91,351,84,0510,053,35

R2VL3451,051,41,754,2

R3MR2340,40,60,81,8

Dimensi awal pada plate yang tidak presisi atau melengkungR1MR2340,91,351,84,0510,053,35

R2VL3451,051,41,754,2

R3MR2340,40,60,81,8

Mata bor atau pisau frais ausR1MR2340,91,351,84,0510,053,35

R2VL3451,051,41,754,2

R3MR2340,40,60,81,8

Tidak beraturannya kecepatan pengeboran hole pada plateR1MR2340,91,351,84,0510,053,35

R2VL3451,051,41,754,2

R3MR2340,40,60,81,8

Pencahayaan pada lingkuangan kerja yang kurang baikR1MR2340,91,351,84,0510,053,35

R2VL3451,051,41,754,2

R3MR2340,40,60,81,8

Berikut merupakan perhitungan agregasi penilaian terhadap faktor Occurance.

Tabel 8. Agregasi Penilaian Peringkat Fuzzy Terhadap Faktor Occurance

Jenis CacatPenyebabRRateFuzzy NumberWxFNTotal∑▒R^O R_i^O

Diameter lubang plate tidak sesuaiKesalahan pekerja dalam setting titik nol atau koordinat lubang akibat kurang fokus saat bekerja.R1L2340,91,351,84,0514,44,8

R2H6782,12,452,87,35

R3M4560,811,23

Dimensi awal pada plate yang tidak presisi atau melengkungR1M4561,82,252,76,7516,55,5

R2H6782,12,452,87,35

R3M3450,60,812,4

Mata bor atau pisau frais ausR1M4561,82,252,76,7516,055,35

R2M5671,752,12,456,3

R3M4560,811,23

Tidak beraturannya kecepatan pengeboran hole pada plateR1L2340,91,351,84,0511,13,7

R2M4561,41,752,15,25

R3L2340,40,60,81,8

Pencahayaan pada lingkuangan kerja yang kurang baikR1L2340,91,351,84,0511,13,7

R2M4561,41,752,15,25

R3L2340,40,60,81,8

Berikut merupakan perhitungan agregasi penilaian terhadap faktor Detection.

Tabel 9. Agregasi Penilaian Peringkat Fuzzy Terhadap Faktor Detection

Jenis CacatPenyebabRRateFuzzy NumberWxFNTotal∑▒R^D R_i^D

Diameter lubang plate tidak sesuaiKesalahan pekerja dalam setting titik nol atau koordinat lubang akibat kurang fokus saat bekerja.R1VH1230,450,91,352,77,052,35

R2H2340,71,051,43,15

R3VH1230,20,40,61,2

Dimensi awal pada plate yang tidak presisi atau melengkungR1VH1230,450,91,352,77,652,55

R2H2340,71,051,43,15

R3H2340,40,60,81,8

Mata bor atau pisau frais ausR1VH1230,450,91,352,77,052,35

R2H2340,71,051,43,15

R3VH1230,20,40,61,2

Tidak beraturannya kecepatan pengeboran hole pada plateR1H2340,91,351,84,058,42,8

R2H2340,71,051,43,15

R3VH1230,20,40,61,2

Pencahayaan pada lingkuangan kerja yang kurang baikR1MH3451,351,82,255,410,953,65

R2VH1230,350,71,052,1

R3H2340,40,60,81,8

Perhitungan Bobot Kepentingan Faktor S, O, D.

Nilai Fuzzy yang telah dikalikan dengan bobot responden pakar, kemudian dirata rata sehingga didapatkan nilai bobot Severity (W ̂_i^S), Occurance (W ̂_i^O), dan Detection (W ̂_i^D) yang dapat dilihat pada Tabel 10. dibawah ini.

Tabel 10. Bobot Kepentingan Faktor S, O, D

RFaktor

SOD

R1HMH

R2MHM

R3MML

Perhitungan faktor S, O, D dilakukan dengan mengalikan nilai weight dan fuzzy weight, kemudian dijumlahkan dan dicari rata ratanya pada setiap faktor severity, occurrence dan detection. Berikut adalah perhitungan kepentingan faktor Severity, Occurance, dan Detection yang ditunjukkan pada Tabel 11.

Tabel 11. Perhitungan Bobot Kepentingan Faktor S, O, D

Severity (S)

RRatingFuzzy WeightWxFWTotal∑▒W ̂_i^S W ̂_i^S

R1H0,500,751,000,230,340,451,011,840,61

R2M0,250,500,750,090,180,260,53

R3M0,250,500,750,050,100,150,30

Occurance (O)

RRatingFuzzy WeightWxFWTotal∑▒W ̂_i^O W ̂_i^O

R1M0,250,500,750,110,230,340,681,760,59

R2H0,500,751,000,180,260,350,79

R3M0,250,500,750,050,100,150,30

Detection (D)

RRatingFuzzy WeightWxFWTotal ∑▒W ̂_i^D W ̂_i^D

R1H0,500,751,000,230,340,451,011,690,56

R2M0,250,500,750,090,180,260,53

R3L0,000,250,500,000,050,100,15

Berdasarkan Tabel 11. didapatkan nilai agregasi bobot kepentingan faktor S, O, D. Pada bobot kepentingan faktor Severity didapatkan nilai agregasi sebesar 0,61. Pada bobot kepentingan faktor Occurance didapatkan nilai agregasi sebesar 0,59. Pada bobot kepentingan faktor Detection didapatkan nilai agregasi sebesar 0,56.

Penentuan Nilai Fuzzy Risk Priority Number (FRPN).

Penentuan nilai fuzzy risk priority number (FRPN). Nilai FRPN diperoleh mengalikan nilai (R_i^S), (R_i^O), dan (R_i^D) lalu dibagi dengan nilai (W ̂_i^S), (W ̂_i^O) dan (W ̂_i^D). FRPN dirumuskan sebagai berikut:

〖FRPN〗_i=(R_i^S)(W ̂_i^S)/(W ̂_i^S+W ̂_i^O+W ̂_i^D )×(R_i^o) (W ̂_i^o)/(W ̂_i^S+W ̂_i^O+W ̂_i^D )×〖(R〗_i^D)(W ̂_i^o)/(W ̂_i^S+W ̂_i^O+W ̂_i^D )

= (3,35)0,61/(0,61+0,59+0,56)×(4,8) 0,59/(0,61+0,59+0,56)×(2,35)0,56/(0,61+0,59+0,56)

= 3,52

Berikut adalah perhitungan nilai FPRN dari cacat daiameter lubang yang disebabkan oleh beberapa hal beserta hasil rankingnya.

Tabel 12. Penentuan Nilai Fuzzy Risk Priority Number (FRPN)

Jenis CacatPenyebabR_i^SR_i^OR_i^DW ̂_i^SW ̂_i^OW ̂_i^DFRPNRank

Diameter lubang plate tidak sesuaiKesalahan pekerja dalam setting titik nol atau koordinat lubang akibat kurang fokus saat bekerja.3,354,82,350,610,590,563,524

Dimensi awal pada plate yang tidak presisi atau melengkung5,52,553,821

Mata bor atau pisau frais aus5,352,353,702

Tidak beraturannya kecepatan pengeboran hole pada plate3,72,83,295

Pencahayaan pada lingkuangan kerja yang kurang baik3,73,653,563

Berdasarkan hasil perhitungan Fuzzy Risk Priority Number (FRPN) didapatkan Mode kegagalan untuk diprioritaskan dalam melakukan perbaikan, dengan nilai FRPN tertinggi adalah sebesar 3,82 dimensi awal pada plate yang tidak presisi atau melengkung. Maka diperlukan tindakan perbaikan yang tepat dalam mengatasi hal tersebut.

Rekomendasi Perbaikan

Setelah dilakukannya perhitungan FRPN untuk menentukan prioritas dalam melakukan perbaikan didapatkan Tabel 13. yang mejelaskan rekomendasi perbaikan pada setiap kegagalan.

Tabel 13. Rekomendasi Perbaikan

PriorityModes of FailureCause of FailureFRPNRekomendasi

1Diameter lubang plate tidak sesuai standarDimensi awal pada plate yang tidak presisi atau melengkung3,82Melakukan indetifikasi bahan baku sebelum proses produksi

Mata bor atau pisau frais aus3,70Melakukan penjadwalan inspeksi dan penggantian alat potong secara berkala, serta menyediakan cadangan alat potong yang telah melalui kontrol kualitas.

Pencahayaan pada lingkuangan kerja yang kurang baik3,56Menambahkan pencahayaan yang cukup pada area kerja, dengan cara menambahkan lampu pada area kerja

Kesalahan pekerja dalam setting titik nol atau koordinat lubang akibat kurang fokus saat bekerja.3,52Memberikan pelatihan ulang mengenai prosedur setup mesin dan mendorong penerapan sistem kerja berbasis checklist atau SOP yang jelas, serta memastikan beban kerja tidak berlebihan agar pekerja tetap fokus.

Tidak beraturannya kecepatan pengeboran hole pada plate3,29Melakukan standarisasi parameter pemotongan berdasarkan material dan ukuran lubang, serta memastikan semua operator mengikuti parameter yang telah diuji dan disetujui melalui proses trial machining.

Berdasarkan Tabel 13. dapat diketahui bahwa prioritas tindakan perbaikan yang dapat dilakukan oleh perusahaan untuk meminimalisir terjadinya kecacatan diameter lubang plate tidak sesuai didasarkan pada penyebab kecacatan (cause of failure) yang mendapatkan skor FRPN tertinggi. Kecacatan diameter lubang plate tidak sesuai yang disebabkan karena Dimensi awal pada bone plate yang tidak presisi atau melengkung mendapatkan skor FRPN paling tinggi yaitu sebesar 3,82. Rekomendasi perbaikan yang diusulkan yaitu melakukan indetifikasi bahan baku sebelum proses produksi.

IV. KESIMPULAN

Berdasarkan penelitian yang telah dilakukan di PT XYZ maka diperoleh kesimpulan sebagai berikut:

Tingkat kecacatan yang dialami bone plate mulai dari yang tertinggi hingga terendah secara berurutan adalah cacat diameter hole plate tidak sesuai (455 unit), cacat tebal plate tidak sesuai (349 unit), dan cacat panjang plate (188 unit). Berdasarkan hasil pengolahan data menggunakan metode six sigma pada periode bulan April 2024 – Maret 2025 di PT XYZ dapat diketahui nilai rata-rata DPMO adalah sebesar 33.343,75 dengan rata-rata nilai sigma sebesar 3,33 yang menunjukkan bahwa kualitas dan proses produksi sudah cukup baik tetapi masih ada ruang untuk perbaikan menuju level yang lebih tinggi.

Rekomendasi perbaikan yang diberikan untuk meminimasi adanya kecacatan berdasarkan lima faktor penyebab (cause of failure) dengan skor FRPN tertinggi yaitu sebesar 3,82 adalah melakukan indetifikasi bahan baku sebelum proses produksi. Kedua dengan nilai FRPN 3,70 diberikan rekomendasi perbaikan yaitu melakukan penjadwalan inspeksi dan penggantian alat potong secara berkala, serta menyediakan cadangan alat potong yang telah melalui kontrol kualitas, yang ketiga dengan nilai FRPN 3,56 diberikan rekomendasi perbaikan yaitu menambahkan pencahayaan yang cukup pada area kerja, dengan cara menambahkan lampu pada area kerja, yang keempat dengan nilai FRPN 3,52 diberikan rekomendasi perbaikan yaitu Memberikan pelatihan ulang mengenai prosedur setup mesin dan mendorong penerapan sistem kerja berbasis checklist atau SOP yang jelas, serta memastikan beban kerja tidak berlebihan agar pekerja tetap fokus, dan yang kelima dengan nilai FRPN 3,29 diberikan rekomendasi perbaikan yaitu Melakukan standarisasi parameter pemotongan berdasarkan material dan ukuran lubang, serta memastikan semua operator mengikuti parameter yang telah diuji dan disetujui melalui proses trial machining.

Dari hasil penelitian ini dapat menjadi model evaluasi risiko dan perbaikan kualitas yang aplikatif bagi perusahaan manufaktur, khususnya di industri alat kesehatan yang menuntut presisi tinggi. Untuk pengembangan lebih lanjut perlu dilakukan studi lanjutan terhadap efisiensi implementasi rekomendasi perbaikan dalam jangka panjang untuk memastikan keberlanjutan peningkatan kualitas.

Referensi

[1]Chairunisah and H. Melyana, “ANALISIS PENGENDALIAN KUALITAS PRODUK KAYU MENGGUNAKAN METODE Statistical Quality Controldi UD. RIZKY,” vol. 13, no. 2, pp. 96–107, 2024.

[2]E. Hulu, Y. Mendrofa, and S. M. Kakisina, “Pengaruh Kualitas Produk Terhadap Kepuasan Pelanggan Pada PT. Indomarco Adi Prima Cabang Medan Stok Point Nias Kota Gunungsitoli,” J. Ilm. Simantek, vol. 6, no. 4, pp. 106–115, 2022.

[3]M. Kurniawan Hidayat, S. Parningotan, N. Pangastuti, D. Irawati, Y. S. Nuraeni, and A. Fajri, “Analisis Pengendalian Kualitas Produksi Dengan Metode Six Sigma Pada Industri Retail Meat N Fresh,” IMTechno J. Ind. Manag. Technol., vol. 5, no. 1, pp. 70–76, 2024, [Online]. Available: http://jurnal.bsi.ac.id/index.php/imtechno

[4]M. R. Ramadhan and R. Arifiansyah, “Pengaruh Kualitas Produk, Kualitas Pelayanan Dan Promosi Terhadap Kepuasan Pelanggan Di Sofia Restaurant Jakarta,” Humantech J. Ilm. Multi Disiplin Indones., vol. 1, no. 11, pp. 1667–1682, 2022.

[5]A. F. Fikri, “Pemodelan Tegangan dan Regangan pada Bone Plate dengan Menggunakan Material Stainless Steel 316 L,” Indones. J. Multidiscip. Soc. Technol., vol. 1, no. 3, pp. 265–269, 2023, doi: 10.31004/ijmst.v1i3.211.

[6]H. Wiranegara, M. N. Fauzi, and S. Virdhian, “Titanium Orthopedic Implant Using Metal Injection,” Rekayasa Mesin, vol. 11, no. March, pp. 487–495, 2020.

[7]L. P. S. Hartanti, J. Mulyono, and V. Mayang, “Penerapan Fmea Dan Fuzzy Fmea Dalam Penilaian Risiko Lean Waste Di Industri Manufaktur,” JST (Jurnal Sains dan Teknol., vol. 11, no. 2, pp. 293–304, 2022, doi: 10.23887/jstundiksha.v11i2.50552.

[8]T. T. Chung, D. Y. Hueng, and S. C. Lin, “Biomechanical comparison of static and dynamic cervical plates in terms of the bone fusion, tissue degeneration, and implant behavior,” J. Orthop. Surg. Res., vol. 19, no. 1, pp. 1–12, 2024, doi: 10.1186/s13018-024-04629-8.

[9]D. Z. Wati and P. W. Laksono, “Metode Six Sigma sebagai Solusi Peningkatan dan Pengendalian Kualitas Proses Produksi KKBW 480 di PT INKA Persero,” Semin. dan Konf. Nas. IDEC 2022, vol. 5, no. 2018, pp. 1–11, 2022.

[10]Abdul Azis Fitriaji and Aswin Domodite, “Analisis Upaya Meningkatkan Kualitas Produksi Panel Listrik Guna Mengurangi Defect Menggunakan Metode DMAIC,” TEKNOSAINS J. Sains, Teknol. dan Inform., vol. 9, no. 2, pp. 90–100, 2022, doi: 10.37373/tekno.v9i1.226.

[11]Nadia Illiyastia, I. Prakoso, and Ari Andriyas Puji, “Implementasi Pengendalian Kualitas pada Proses Pengeringan Teh Hitam (Orthodox) Menggunakan Metode Six Sigma (DMAIC) (Studi Kasus : PT. XY),” J. Surya Tek., vol. 10, no. 1, pp. 564–573, 2023, doi: 10.37859/jst.v10i1.4469.

[12]Apriliana Nur Choirun Nisa, Rayhan Gunaningrat, and Indra Hastuti, “Analisis Pengendalian Kualitas Menggunakan Metode Six Sigma,” J. Rimba Ris. Ilmu Manaj. Bisnis dan Akuntansi, vol. 1, no. 3, pp. 70–83, 2023, doi: 10.61132/rimba.v1i3.89.

[13]A. Waruwu, V. R. Tampubolon, M. A. Pratama, and D. Putri, “Pengendalian Kualitas Metode Six Sigma Untuk Mengurangi Tingkat Kerusakan Produk Kalender Di PT. KLM,” IMTechno J. Ind. Manag. Technol., vol. 3, no. 2, pp. 82–90, 2022, doi: 10.31294/imtechno.v3i2.1186.

[14]N. Febriyana and S. Hartini, “Penerapan Metode Six Sigma DMAIC dan FUZZY FMEA untuk Perbaikan Kualitas Rokok di PT XYZ (Studi Kasus: SKT PT XYZ),” Ind. Eng. Online J., pp. 1–10, 2023, [Online]. Available: https://ejournal3.undip.ac.id/index.php/ieoj/article/view/40271

[15]Made Ayu Chyntia Dewi Puspitaloka and Yurida Ekawati, “Analisis Perbaikan Kualitas Proses Produksi di PT. XYZ Dengan Menggunakan Metode Fuzzy FMEA,” J. Tek. Ind. UMC, vol. 2, no. 1, pp. 14–26, 2022, doi: 10.33479/jtiumc.v2i1.19.