Pendahuluan

Dalam kondisi pasar yang sedang berlangsung, kualitas merupakan salah satu hal utama yang menjadi fokus perhatian konsumen dalam memilih antara produk dan jasa [1]. Oleh karena itu, penerapan pengendalian kualitas memegang peranan penting bagi industri, karena sistem pengendalian yang efektif mampu mendeteksi ketidaksesuaian produk secara lebih dini sehingga tindakan perbaikan serta langkah pencegahan dapat segera dilakukan [2]. Tujuan utama pengendalian kualitas adalah memastikan bahwa produk yang dihasilkan telah memenui kriteria kualitas yang sudah ditentukan terlebih dahulu [3]. Tingkat kualitas produk yang dihasilkan juga berpengaruh langsung terhadap kepercayaan konsumen terhadap perusahaan. Produk yang memiliki kualitas yang dijaga dengan baik akan memberikan pengaruh positif pada tingkat kepuasan pelanggan dan keberlangsungan hubungan antara kedua belah pihak [4].

PT XYZ berperan sebagai perusahaan percetakan berskala besar di Indonesia yang menghasilkan berbagai jenis produk cetakan, seperti buku dongeng, surat kabar, Al-Qur’an, majalah, serta jenis buku lainnya. Berdasarkan hasil observasi terhadap beberapa produk yang dihasilkan, buku dongeng tercatat sebagai produk dengan tingkat kecacatan paling tinggi. Data observasi dan data sekunder perusahaan menunjukkan adanya enam jenis kecacatan utama, yaitu warna tidak sesuai, floy, tampilan kertas kotor, lipatan tidak sesuai, retak varnish, dan staples reject. Kecacatan tersebut secara langsung menurunkan kualitas visual produk serta berpotensi menyebabkan penolakan oleh konsumen maupun distributor.

Berdasarkan data perusahaan, proses produksi buku dongeng dilakukan sebanyak lima kali dalam satu minggu. Selama periode penelitian dari Desember 2024 hingga November 2025, total produksi buku dongeng mencapai 8.177.430 eksemplar. Namun, jumlah tersebut disertai tingkat kecacatan yang cukup tinggi yaitu 722.780 eksemplar atau sebesar 8,84%. Persentase kecacatan ini telah melampaui batas toleransi perusahaan yang ditetapkan sebesar 2%. Oleh karena itu, perusahaan menargetkan penurunan tingkat kecacatan hingga sesuai dengan standar tersebut. Faktor penyebab kecacatan diidentifikasi berasal dari faktor manusia, mesin, metode kerja, material, dan lingkungan produksi. Meskipun pengendalian kualitas telah diterapkan, pelaksanaannya masih berfokus pada inspeksi akhir sehingga terdapat kesenjangan antara standar kualitas dan kondisi aktual di lapangan.

Dalam upaya mengatasi permasalahan yang ada, penelitian ini dilaksanakan dengan fokus pada analisis pengendalian kualitas produk buku dongeng menggunakan metode Statistical Quality Control (SQC) dan Fuzzy Failure Mode and Effect Analysis (F-FMEA). Metode SQC merupakan pendekatan pengendalian kualitas yang memanfaatkan teknik statistika dalam memantau dan mengevaluasi proses produksi [5]. Penggunaan SQC bertujuan memastikan produk yang dihasilkan telah memenuhi tolak ukur yang ditentukan dengan mengidentifikasi variasi yang berpotensi timbul selama proses manufaktur [6]. Dalam penerapannya menggunakan tujuh alat utama pengendalian kualitas yaitu check sheet, histogram, diagram pareto, diagram proses, scatter diagram, peta kontrol dan diagram tulang ikan [7]. Selain itu, metode F-FMEA digunakan sebagai pendekatan analisis kuantitatif untuk menilai tingkat risiko dan menentukan prioritas perbaikan. Dalam metode F-FMEA, evaluasi parameter severity (S), occurrence (O), dan detection (D) dilakukan dengan memanfaatkan istilah linguistik yang didasarkan pada logika Fuzzy [8]. Pendekatan ini memungkinkan evaluasi risiko yang lebih realistis karena mampu mengakomodasi ketidakpastian dalam penilaian [9]. Dengan melalui tahapan itu, nilai Fuzzy Risk Priority Number (FRPN) diperoleh sebagai fondasi dalam menentukan urutan prioritas perbaikan [9].

Beberapa kajian yang telah dilakukan sebelumnya menunjukkan bahwa pendekatan Statistical Quality Control (SQC) dan Fuzzy Failure Mode and Effect Analysis (F-FMEA) efektif dalam meningkatkan pengawasan kualitas di berbagai sektor industri. Penelitian pertama, menyatakan bahwa mampu mengidentifikasi variasi proses serta menentukan prioritas risiko kegagalan secara lebih objektif [10]. Penelitian kedua, menunjukkan bahwa efektif dalam mengidentifikasi jenis cacat dominan serta akar penyebabnya pada proses pengemasan produk [11]. Penelitian ketiga, menemukan bahwa mampu menurunkan tingkat kecacatan produk melalui identifikasi penyebab utama yang berkaitan dengan pengaturan mesin produksi [12]. Penelitian keempat, menegaskan bahwa faktor manusia menjadi penyebab dominan kecacatan produk [13]. Sementara itu, enelitian kelima membuktikan bahwa penerapan SQC efektif dalam menjamin stabilitas proses dan mendukung pencapaian kualitas mendekati zero defect [14]. Namun, sebagian besar penelitian masih berfokus pada industri manufaktur dan pengolahan sehingga kajian penerapan SQC dan Fuzzy FMEA pada industri percetakan masih terbatas. Dengan alasan tersebut, penelitian ini memiliki urgensi untuk menerapkan metode SQC dan Fuzzy FMEA pada industri percetakan guna mengidentifikasi sumber kecacatan produk dan menyusun usulan perbaikan kualitas.

Metode

A. Pelaksanaan Penelitian

Penelitian ini berlangsung pada area produksi buku dongeng di PT XYZ pada bulan Agustus 2025 hingga data yang diperlukan telah terpenuhi.

B. Prosedur Analisis dan Penyelesaian Masalah

Figure 1. Alur Pemecah Masalah

Figure 2. Alur Pemecah Masalah

Tahapan dalam tinjauan ini yang dirinci sebagai berikut:

1. Pengumpulan Data

Proses pengumpulan data pada penelitian ini memanfaatkan data yang dijadikan fondasi analisis yaitu data primer dan data sekunder. Data primer mencakup wawancara, observasi, dan dokumentasi. Sementara itu, data sekunder dikumpulkan dari dokumen perusahaan yaitu data total produksi, data jumlah defect produk, dan data jenis defect selama 1 tahun yaitu bulan Desember 2024 hingga November 2025 seperti warna tidak sesuai, floy (lipatan permukaan pecah), tampilan kertas kotor, lipatan tidak sesuai, retak varnish, dan staples reject.

2. Pengelolahan Data

Setelah data primer dan sekunder sudah dinyatakan lengkap, langkah berikutnya adalah pengolahan data. Pengolahan data dilakukan menggunakan metode Statistical Quality Control (SQC) untuk mengukur tingkat kecacatan produk dan Fuzzy Failure Mode and Effect Analysis (F-FMEA) yang diterapkan guna merancang saran perbaikan berdasarkan faktor resiko yang ada.

Dalam penggunaan metode SQC memanfaatkan tujuh alat utama yaitu:

a.Check sheet berperan sebagai formulir pencatatan yang memudahkan pengumpulan data secara terorganisir. Tujuannya untuk mempermudah tahapan pencatatan dan evaluasi data [15]. Pada tahap ini dilakukan penilaian kualitas pada aspek khusus, seperti total produksi, jumlah kecacatan, atau ketidaksesuaian dalam proses produksi.

b. Histogram digunakan untuk menampilkan sebaran data pengukuran beserta frekuensinya, sehingga variasi yang terjadi pada setiap proses dapat terlihat secara jelas [16].

c. Diagram pareto berfungsi untuk mengelompokkan jenis kesalahan atau kecacatan dalam bentuk visual [17]. Diagram ini digunakan untuk menentukan urutan frekuensi defect dari yang paling tinggi hingga yang paling rendah, dan menghitung persentase serta nilai kumulatif kecacatan yang terjadi.

d.Process diagram merupakan skema visual yang menampilkan seluruh langkah dalam sebuah proses dan menunjukkan hubungan antar tahapan tersebut [16].

e.Scatter diagram membantu dalam visualisasi keterkaitan hubungan antara dua variabel, sehingga dapat diketahui apakah hubungan yang terbentuk bersifat kuat atau lemah [16].

f.Control chart berfungsi untuk mendukung pengidentifikasian penyimpangan melalui penerapan batas kendali yang tepat sasaran [16]. Peta kendali atribut P berfungsi untuk memantau jumlah cacat produk dalam suatu periode tertentu. Peta kontrol U berperan dalam mengamati jumlah kecacatan per unit produk, di mana jumlah unit inspeksi dapat berbeda-beda [18].

Rumus peta kendali P

Garis Pusat (Central Line)

(1)

Upper Control Limit (UCL)

(2)

Lower Control Limit (LCL)

(3)

Rumus peta kendali U

Central Line (CL)

(4)

Upper Control Limit (UCL)

(5)

Lower Control Limit (LCL)

(6)

Keterangan Rumus:

= menunjukkan nilai rata-rata kerusakan produk

= merupakan nilai rata-rata jumlah kecacatan per unit produk

= merupakan total unit yang mengalami kerusakan

= Total jumlah kecacatan produk selama periode pengamatan

= Jumlah unit produk yang diperiksa selama periode pengamatan

= Jumlah produksi

3. Diagram sebab-akibat dirancang dengan cara terstruktur guna membantu dalam mengidentifikasi serta mengklasifikasikan faktor-faktor penyebab dari suatu masalah dan perbedaan yang muncul selama proses produksi [16].

4. Tahap Usulan Perbaikan

Tahap berikutnya adalah penyusunan saran perbaikan dengan menggunakan Fuzzy Failure Mode and Effect Analysis (F-FMEA). Metode ini diterapkan untuk menggambarkan semua risiko kegagalan yang mungkin terjadi dalam suatu sistem, termasuk akibatnya terhadap performa sistem (saverity), kemungkinan terjadi kerusakan (occurence), dan seberapa besar kerusakan tersebut dapat dideteksi (detection) [19]. Selanjutnya, analisis Fuzzy FMEA mencakup tiga langkah utama yaitu fuzzification, penyusunan aturan Fuzzy (Fuzzy rule), dan defuzzification. Setelah seluruh tahapan tersebut dilalui, diperoleh nilai Fuzzy Risk Priority Number (FRPN) yang dijadikan landasan dalam menentukan urutan prioritas perbaikan [20].

Hasil dan Pembahasan

A. Pengumpulan Data

Data yang diambil adalah data jumlah produksi, data jumlah kecacatan dan data jenis kecacatan produk Buku Dongeng bulan Desember 2024 hingga November 2025. Data-data yang digunakan pada penelitian ini pada Tabel 1, Tabel 2, Tabel 3 adalah sebagai berikut:

Tabel 1. Data Jumlah Produksi

Tabel 2. Data Jumlah Kecacatan

Tabel 3. Data Jenis Kecacatan Produk Buku Dongeng

B. Pengelolahan Data

Pada penelitian ini pengolahan data yang digunakan adalah metode Statistical Quality Control (SQC) kemudian dilanjutkan dengan analisis menggunakan Fuzzy Failure Mode and Effect Analysis (F-FMEA). Penentuan karakteristik kritis untuk kualitas (CTQ) dilakukan pada atribut.

1. Statistical Quality Control (SQC)

Metode Statistical Quality Control (SQC) dengan tujuh alat inti yaitu:

a. Check Sheet

Sebuah formulir yang digunakan untuk mencatat pemeriksaan kualitas terhadap atribut tertentu, seperti total produksi dan jumlah kecacatan. Berikut merupakan rekaptulasi data pemeriksaan pada Tabel 4:

Tabel 4. Rekaptulasi Data Pemeriksaan Check Sheet

b. Histogram

Pada penelitian ini, grafik histogram menampilkan jumlah cacat produk buku dongeng selama periode produksi dari bulan Desember 2024 hingga November 2025.

Figure 3. Histogram Produk Buku Dongeng

Berdasarkan Gambar 1 diatas dapat diketahui urutan jenis kecacatan pada produk buku dongeng dari jumlah tertinggi hingga terendah. Jenis kecacatan dengan jumlah terbesar adalah tampilan kertas kotor 154.204, warna tidak sesuai sebanyak 129.582, lipatan tidak sesuai 128.528, retak varnish 111.131, floy 110.434, dan staples reject 88.901.

c. Diagram Pareto

Sebagai grafik batang, diagram pareto berperan sebagai alat untuk menginterpretasi dan mengurutkan berbagai jenis kecacatan berdasarkan jumlah terbanyak hingga paling sedikit. Berikut ini terdapat grafik diagram pareto bulan Desember 2024 hingga November 2025:

Figure 4. Diagram Pareto Produk Buku Dongeng

Berdasarkan Gambar 2. dari temuan analisis yang disajikan pada Gambar 2 menunjukkan bahwa jenis kecacatan yang paling tinggi adalah tampilan kertas kotor dengan presentase sebesar 21,3 %, diikuti warna tidak sesuai dengan 17,9 %, kemudian lipatan tidak sesuai dengan 17,8 %, kemudian retak varnish dengan 15,4 %, kemudian floy dengan 15,3 %, dan staples reject dengan 12,3 %. Melalui penerapan diagram pareto ini, dapat ditentukan jenis kecacatan yang memiliki kontribusi terbesar sehingga perlu diprioritaskan dalam penanganan dan perbaikan terlebih dahulu.

d. Process Diagram

Berikut merupakan process diagram produk buku dongeng disajikan pada Gambar 3:

Figure 5. Process Diagram Produk Buku Dongeng

e. Scatter Diagram

Diagram scatter dibawah ini keseluruhan menunjukkan bahwa garis regresi memiliki arah dari kiri ke kanan, yang artinya adanya hubungan positif antara jumlah produksi dengan jumlah kecacatan. Kondisi ini memperlihatkan bahwa peningkatan jumlah produksi cenderung diikuti oleh peningkatan jumlah kecacatan produk.

Figure 6. Diagram Sebaran Produksi dengan Warna Tidak Sesuai

Figure 7. Diagram Sebaran Produksi dengan Floy

Figure 8. Diagram Sebaran Produksi dengan Tampilan kertas kotor

Figure 9. Diagram Sebaran Produksi dengan Lipatan Tidak Sesuai

Figure 10. Diagram Sebaran Produksi dengan dengan Staples Reject

Figure 11. Diagram Sebaran Produksi dengan Staples Reject

f. Control Chart

Dari data pada Tabel 3, dilakukan perhitungan nilai proporsi kecacatan dan penetapan garis pusat, batas kendali atas serta batas kendali bawah. Adapun tahapan perhitungan:

Perhitungan proporsi kecacatan tampilan kertas kotor.

Selanjutnya, ditentukan nilai rata-rata proporsi kecacatan tampilan kertas kotor.

Hitung batas kendali atas (UCL) kecacatan tampilan kertas kotor.

Perhitungan batas kendali bawah (LCL) kecacatan tampilan kertas kotor.

Ringkasan data proporsi kecactan, CL, UCL, serta LCL untuk rentang waktu Desember 2024 hingga November 2025 selanjutnya disajikan dalam Tabel 5.

Tabel 5. Peta Kendali Atribut Hasil Perhitungan untuk Tampilan Kertas Kotor

Figure 12. Peta Kontrol P Tampilan Kertas Kotor

Berdasarkan Gambar 10 dari analisis peta kendali yang dilakukan, nilai proporsi kecacatan yang melebihi batas kendali atas (UCL) terjadi di bulan Januari 2025 dan April 2025. Sementara itu, pada bulan Oktober 2025, nilai proporsi kecacatan berada di bawah batas kendali bawah (LCL). Kondisi tersebut menunjukkan adanya variasi proses yang belum terkendali akibat faktor tertentu sehingga proses produksi belum sepenuhnya stabil.

g. Fishbone Diagram

Berdasarkan hasil analisis tersebut, diperoleh beberapa faktor penyebab terjadinya kecacatan tampilan kertas kotor sebagaimana ditunjukkan pada diagram sebab–akibat:

Figure 13. Fishbone Diagram Tampilan kertas kotor

Dari Gambar 11 menunjukkan bahwa penyebab kecacatan diperiksa dari lima sudut pandang:

1 ) Man (Manusia)

Operator tidak menjaga kebersihan dan tidak melakukan pengecekan secara rutin sehingga menyebabkan sisa tinta dan kotoran pada rol atau blanket tidak segera dibersihkan..

2 ) Machine (Mesin)

Rol dan blanket dalam kondisi kotor saat proses cetak berlangsung sehingga menyebabkan sisa tinta produksi sebelumnya menjadi sumber utama noda tinta pada area cetak dan non-cetak.

3 ) Method (Metode)

Prosedur pembersihan mesin tidak diterapkan secara konsisten sehingga menyebabkan sisa kotoran tersebut ikut terbawa selama proses cetak.

4 ) Material (Bahan Baku)

Tinta terkontaminasi kotoran akibat pencampuran dan penyimpanan yang tidak tertutup sehingga menyebabkan hasil cetakan memiliki noda tinta yang tidak sesuai dengan standar kualitas.

5 ) Environment (Lingkungan)

Debu dari area produksi masuk ke mesin cetak selama proses produksi sehingga menyebabkan partikel debu menempel pada mesin dan tinta.

2. Fuzzy Failure Mode and Effect Analysis (F-FMEA)

Tahapan ini merupakan tahap pengusulan perbaikan berdasarkan hasil identifikasi yang diperoleh dari diagram fishbone. Usulan perbaikan tersebut memerlukan analisis risiko awal perusahaan terhadap berbagai penyebab kegagalan yang terjadi.

a. Pengukuran Bobot Relevansi Pendapat Pakar

Pengukuran bobot relevansi pendapat pakar dilakukan untuk memberikan penilaian terhadap tingkat Severity (S), Occurrence (O), dan Detection (D) dalam analisis risiko. Penetapan bobot ini didasarkan pada dua pertimbangan utama, yaitu tingkat pengalaman dan posisi jabatan masing-masing pakar. Rincian bobot relevansi pakar disajikan pada Tabel 6:

Tabel 6.Tingkat Bobot Relevansi Pakar

b. Penyesuaian Parameter S, O, D Berdasarkan Kriteria Rating Fuzzy

Penilaian terhadap parameter Severity (S), Occurrence (O), dan Detection (D) diperoleh dari hasil kesepakatan para ahli, yang selanjutnya dinyatakan dalam bentuk bilangan Fuzzy. Oleh sebab itu, proses penentuan prioritas perbaikan dilakukan menggunakan pendekatan Fuzzy Number melalui penilaian peringkat. Sebagai contoh, berikut pengukuran untuk jenis defect lipatan yang tidak sesuai. Berikut penyesuaian ke linguistik numerik fuzzy disajikan tabel 7:

Tabel 7.Penyesuaian ke Linguistik Numerik Fuzzy

c. Perhitungan Agregasi Untuk Menilai Aspek S, O, D

Tahapan ini adalah mengalikan FN dengan bobot kepentingan responden (W), kemudian merata-ratakan hasilnya untuk mendapatkan nilai agregat bagi faktor Severity (), Occurance (), Detection (). Nilai ini digunakan untuk menggambarkan tingkat risiko setiap faktor berdasarkan penailaian bersama dari semua responden. Hasil perhitungan agregasi untuk faktor saverity dapat ditampilkan pada Tabel 8.

Tabel 8. Pengumpulan Penilaian Peringkat Fuzzy Terhadap Faktor Severity

Hasil pengumpulan penilaian terhadap faktor Occurrence disajikan pada Tabel 9.

Tabel 9. Pengumpulan Penilaian Peringkat Fuzzy Terhadap Faktor Occurance

Hasil perhitungan pengumpulan penilaian terhadap faktor Detection disajikan pada Tabel 10.

Tabel 10. Pengumpulan Penilaian Peringkat Fuzzy Terhadap Faktor Detection

d. Pengkalkulasian Bobot Kepentingan Aspek S, O, D

Proses ini menghasilkan nilai bobot Severity (), Occurance (), dan Detection (), disajikan pada Tabel 11.

Tabel 11. Tingkat Kepentingan Aspek S, O, D

Penentuan bobot kepentingan untuk faktor Severity, Occurrence, dan Detection dilakukan dengan mengombinasikan nilai weight dan Fuzzy weight. Nilai agregasi bobot kepentingan yang diperoleh digunakan untuk merepresentasikan tingkat kontribusi setiap faktor risiko dalam analisis Fuzzy FMEA.

Tabel 12. Perhitungan Gabungan Bobot Kepentingan untuk Aspek S, O, D

Dari Tabel 12. nilai agregasi bobot kepentingan aspek S, O, D telah ditentukan. Untuk faktor saverity, nilai agregasi bobot kepentingannya adalah 0,61. Untuk faktor occurence, nilai agregasi bobot kepentingannya adalah 0,59. Untuk faktor detection, nilai agregasi bobot kepentingannya adalah 0,56.

e. Penetapan Angka Prioritas Risiko Fuzzy (FRPN)

Perhitungan FRPN dilakukan dengan cara mengalikan nilai risiko pada setiap faktor dengan bobot kepentingannya, kemudian membaginya dengan total bobot kepentingan dari ketiga faktor tersebut. Rumus perhitungan cacat lipatan tidak sesuai nilai FRPN dinyatakan sebagai berikut:

Rincian perhitungan nilai FRPN serta hasil pemeringkatan untuk masing-masing penyebab kecacatan disajikan pada Tabel 13.

Tabel 13.Penetapan Angka Prioritas Risiko FuzzyRisk Priority Number

Dari hasil kalkulasi Fuzzy Risk Priority Number (FRPN), mode kegagalan dengan nilai FRPN paling tinggi yaitu 3,42 perubahan suhu dan kelembaban ruang produksi memengaruhi kondisi kertas sebagai yang harus diutamakan dalam proses perbaikan. Sehingga, dibutuhkan tindakan koreksi yang tepat untuk menangani situasi itu.

f. Usulan Perbaikan

Sesudah dilakukan kalkulasi nilai Fuzzy Risk Priority Number (FRPN), langakah selanjutnya adalah menyusun rekomendasi perbaikan berdasarkan urutan prioritas risiko yang telah diperoleh. Hasil perhitungan FRPN digunakan sebagai dasar dalam menentukan kegagalan yang perlu ditangani terlebih dahulu.

Tabel 14. Rekomendasi Perbaikan Cacat Lipatan Tidak Sesuai

Berdasarkan informasi yang disajikan pada Tabel 14, terlihat bahwa urutan langkah perbaikan yang diterapkan perusahaan untuk meminimalisisr kecacatan lipatan tidak sesuai dengan faktor penyebab kegagalan (cause of failure) dengan nilai FRPN terbesar. Hasil analisis menunjukkan. bahwa kecacatan lipatan tidak sesuai yang dipengaruhi oleh perubahan suhu dan kelembaban ruang produksi memengaruhi kondisi kertas, mencatat skor FRPN tertinggi sebesar 3,42. Oleh karena itu, rekomendasi perbaikan yang diajukan difokuskan pada pengendalian kondisi lingkungan produksi. Tindakan perbaikan yang disarankan meliputi penetapan rentang suhu dan kelembaban ruang produksi yang sesuai serta melakukan pemantauan kondisi lingkungan secara rutin selama proses pelipatan berlangsung.

Simpulan

Berdasarkan penelitian di PT XYZ, kualitas produk buku dongeng dinilai masih rendah karena tingkat kecacatan yang cukup tinggi sehingga diperlukan perbaikan pada proses produksi agar sesuai standar kualitas, dengan cacat dominan menurut diagram pareto meliputi tampilan kertas kotor pada proses percetakan isi (21,3%), warna tidak sesuai pada percetakan cover (17,9%), lipatan tidak sesuai pada percetakan isi (17,8%), retak varnish pada laminasi UV cover (15,4%), floy pada percetakan isi (15,3%), dan staples reject (12,3%). Rekomendasi perbaikan berdasarkan faktor penyebab dengan skor FRPN tertinggi antara lain menetapkan standar suhu dan kelembaban serta pemantauan lingkungan dan sistem pengendalian lingkungan untuk menekan cacat lipatan tidak sesuai (FRPN 3,42), menerapkan pengecekan hasil lipatan berkala menggunakan lembar kontrol serta meningkatkan pengawasan operator selama produksi (FRPN 3,11), melakukan kalibrasi unit lipat, menetapkan parameter kecepatan standar, dan pengecekan berkala selama produksi (FRPN 2,86), meningkatkan pemeriksaan bahan baku kertas terutama gramasi dan konsistensi kualitas untuk menekan cacat lipatan tidak sesuai (FRPN 2,62) serta menerapkan inspeksi hasil jahitan berkala dan meningkatkan pengawasan proses stitching untuk cacat staples reject (FRPN 2,62), dan melakukan pengecekan warna berkala selama proses produksi dengan acuan proof untuk cacat warna tidak sesuai (FRPN 2,56). Adapun saran yang diberikan yaitu perusahaan perlu memperkuat pengawasan dan peninjauan faktor manusia, mesin, material, metode, dan lingkungan selama produksi, mempertimbangkan penerapan usulan perbaikan menggunakan metode SQC dan Fuzzy FMEA untuk pengendalian kualitas, memberikan pelatihan penggunaan mesin bagi seluruh tenaga kerja agar kualitas SDM meningkat, melakukan perawatan mesin secara berkala untuk menjaga performa proses produksi. Serta untuk penelitian selanjutnya disarankan menggunakan metode selain SQC agar dapat dibandingkan kelebihan dan kekurangannya.

Ucapan Terima Kasih

Dengan banyak dukungan yang diberikan, penulis bisa menyelesaikan penelitian ini dengan baik dan tepat waktu.