Analysis of Product Defect Causes in Machine Fabrication Process Using Method Failure Mode and Impact Analysis (FMEA) Analisis Penyebab Defect Produk pada Proses Fabrikasi Mesin Menggunakan Metode Failure Mode and Effect Analysis (FMEA) Maulana Dwi boy@umsida.ac.id Putra Boy Isma boy@umsida.ac.id Program Studi Teknik Industri, Fakultas Sains dan Teknologi, Universitas Muhammadiyah Sidoarjo Indonesia Program Studi Teknik Industri, Fakultas Sains dan Teknologi, Universitas Muhammadiyah Sidoarjo Indonesia 11 10 2026 11102026 Pendahuluan

Dalam industri manufaktur, kualitas produk merupakan faktor kunci yang menentukan keberhasilan perusahaan. Setiap produk yang dihasilkan harus memenuhi standar kualitas produk yang konsisten dan minim cacat untuk mempertahankan kepuasan pelanggan dan daya saing pasar[1]. Pengendalian kualitas memiliki peran penting dalam menjaga stabilitas proses produksi dan meminimalkan terjadinya kecacatan produk melalui pengawasan proses secara sistematis[2]. Kualitas diartikan sebagai karakteristik suatu produk yang ditetapkan perusahaan, memuaskan kebutuhan yang sesuai spesifikasi atau ketetapan dan keinginan konsumen. Kualitas produk yang baik merupakan

produk yang bebas cacat[3]. Terjadinya kegagalan/cacat produk yang tidak dapat terhindarkan dimana mutu produk yang dihasilkan tidak sesuai dengan standarisasi kualitas yang diharapkan oleh perusahaan, yaitu zero defect dimana produk yang dihasilkan tidak ditemukan cacat sama sekali[4].

PT. XYZ merupakan perusahaan yang bergerak di bidang fabrikasi mesin yang memproduksi berbagai mesin dan peralatan industri berdasarkan spesifikasi pelanggan (job order) selama periode Januari–Juni 2026, perusahaan memproduksi sebanyak 478 unit mesin dan komponen fabrikasi. Dari jumlah tersebut ditemukan 42 unit produk defect dengan defect rate sebesar 8,83%, yang masih berada di atas target perusahaan sebesar 4%. Sebagian besar produk defectmasih dapat diperbaiki melalui proses rework, yaitu sebanyak 42 unit (8,81%), sedangkan 18 unit (3,83%) harus dikategorikan sebagai scrap karena tidak memenuhi standar kualitas. Tingginya defect rate tersebut mengakibatkan meningkatnya biaya produksi, bertambahnya waktu penyelesaian pesanan, serta menurunkan efisiensi proses produksi.

Kualitas produk merupakan karakteristik produk yang tergantung pada kemampuan untuk memuaskan konsumen yang dinyatakan atau diimplikasikan. Kualitas pelayanan adalah salah satu bentuk penilaian konsumen pada tingkat layanan yang telah diterima oleh konsumen, pelayanan yang baik tentu diharapkan konsumen agar memberikan rasa puas[5]. Pengendalian kualitas yang dapat melibatkan pengembangan sistem untuk bisa memastikan bahwa produk dan jasa dirancang dan diproduksi untuk dapat memenuhi atau melampaui persyaratan dari para pelanggan maupun produsen sendiri[6]. Oleh karena itu, pengendalian kualitas menjadi salah satu aspek penting yang harus diterapkan secara konsisten pada setiap tahapan proses produksi.

Pada penelitian ini menggunakan metode Failure Mode and Effect Analysis (FMEA). FMEA merupakan sebuah metodologi yang digunakan untuk mengevaluasi kegagalan terjadi dalam sebuah sistem, desain, proses, atau pelayanan[7]. Dalam pembuatan FMEA dilakukan perhitungan RPN (nilai risiko prioritas) yang bertujuan untuk mengetahui komponen kritis dari suatu mesin yang selanjutnya dilakukan pengkategorian konsekuensi kegagalan yang terjadi pada tiap komponen[8]. Analisis risiko yang dilakukan pada metode FMEA yaitu dengan menghitung severity (S), occurrences (O), dan detection (D)[9]. Adapun Diagram Pareto yang dapat digunakan untuk berbagai tujuan, seperti mengidentifikasi akar penyebab suatu permasalahan, memprioritaskan tindakan perbaikan dan mengukur efektivitas atas tindakan dalam perbaikan[10].

Berdasarkan permasalahan tersebut, diperlukan suatu analisis yang sistematis untuk mengidentifikasi penyebab utama terjadinya defect serta menentukan prioritas perbaikan yang harus dilakukan pada proses fabrikasi mesin. Penerapan metode FailureModeandEffectAnalysis(FMEA) diharapkan mampu mengidentifikasi potensi kegagalan pada setiap tahapan proses produksi, menilai tingkat risiko berdasarkan nilai Risk Priority Number (RPN), serta memberikan usulan tindakan perbaikan yang tepat.

Metode

Penelitian ini dilaksanakan di PT. XYZ pada tanggal 1 Juni sampai dengan 1 Juli 2026 dengan fokus pada proses fabrikasi mesin. Tujuan penelitian ini adalah mengidentifikasi penyebab defect produk dan menentukan prioritas perbaikan pada proses fabrikasi. Penelitian menggunakan pendekatan deskriptif dengan metode studi kasus pada proses produksi di perusahaan. Data yang digunakan merupakan data primer yang diperoleh melalui observasi langsung terhadap proses produksi serta wawancara dengan staf Quality Control (QC), operator produksi, dan supervisor. Selain itu, data sekunder diperoleh dari dokumen perusahaan, seperti data produksi, data defect, laporan inspeksi kualitas, serta Standar Operasional Prosedur (SOP) yang berkaitan dengan proses fabrikasi.

Seluruh data yang telah dikumpulkan kemudian dianalisis menggunakan metode Failure Mode and Effect Analysis (FMEA) untuk mengidentifikasi potensi kegagalan (failure mode), menganalisis penyebab dan dampak kegagalan, serta menentukan tingkat risiko berdasarkan nilai Risk Priority Number (RPN) serta metode Digram Pareto secara mendalam terhadap alur pada proses produksi dan hasil produksi yang ada di Perusahaan PT. XYZ. Hasil analisis digunakan untuk menentukan prioritas perbaikan sehingga dapat disusun usulan tindakan yang tepat dalam mengurangi defect dan meningkatkan kualitas produk pada proses fabrikasi mesin.

A. Failure Mode and Effect Analysis (FMEA)

FailureModeandEffectAnalysis(FMEA) merupakan metode sistematis yang digunakan untuk mengidentifikasi, menganalisis, dan memprioritaskan potensi kegagalan pada suatu produk, proses, atau sistem, serta menentukan tindakan pencegahan yang diperlukan[11]. Keunggulan FMEA dalam melakukan analisis risiko dibandingkan dengan metode lain adalah kemampuannya untuk mendeteksi kegagalan dan nilai risiko secara kuantitatif. Ini adalah pendekatan risiko multidisiplin dan terstruktur untuk mengukur dampak kegagalan[12]. Evaluasi dalam FMEA didasarkan pada tiga parameter utama, yaitu severity, occurrence, dan detection, yang digunakan untuk menilai tingkat risiko kegagalan dalam proses produksi. Perkalian ketiga parameter tersebut menghasilkan nilai RiskPriorityNumber (RPN) sebagai indikator tingkat risiko[13]. Analisis risiko dalam penelitian ini dilakukan dengan menggunakan metode Failure Mode and Effect Analysis (FMEA). Metode FMEA merupakan suatu metode yang dirancang untuk[14]:

Mengidentifikasi dan memahami mode kegagalan dan penyebab kegagalan tersebut, serta efek yang ditimbulkan oleh sistem untuk proses suatu produk tertentu.

Menilai risiko yang berkaitan dengan mode yang diidentifikasi kegagalannya, efek dan penyebabnya, serta memfokuskan tindakan pengendaliannya.

Mengidentifikasi dan melakukan tindakan pengendalian untuk mengatasi masalah yang cukup serius.

Risk Priority Number (RPN) adalah peringkat numerik risiko untuk semua mode kegagalan atau penyebab dari potensi dan terdiri dari produk yang dihitung berdasarkan tiga elemen : tingkat keparahan dampak, kemungkinan penyebab akan terjadi, dan kemungkinan deteksi penyebab[15]. Semakin tinggi nilai RPN, semakin besar urgensi risiko tersebut untuk segera dikendalikan[16]. Perhitungan RPN menggunakan rumus berikut[17]:

RPN = S × O × D(1)

Sumber: [17]

Keterangan :

S= Severity(Tingkat Keparahan)

O= Occurrence(Kemungkinan Penyebab Terjadi) D= Detection (Kemungkinan Deteksi Peyebab)

Penilaian Risk Priority Number (RPN) untuk mengetahui tingkat kritis suatu kecacatan dengan cara melakukan perkalian antara nilai severity, occurrence, dan detection. Semakin tinggi nilai RPN suatu kecacatan, maka cacat tersebut semakin menjadi prioritas untuk dilakukan perbaikan. Tabel skala nilai Risk Priority Number (RPN) dapat dilihat pada tabel dibawah ini[18].

Tabel 1. Skala Nilai RiskPriorityNumber(RPN)
Tingkat Resiko Skala Nilai RPN
Sangat Rendah X < 20
Rendah 20 ≤ X 80
Sedang 80 ≤ X < 120
Tinggi 120 ≤ X< 200
Sangat Tinggi X > 200

Severity menilai tingkat keparahan yang terkait dengan dampak potensial. Proses ini melibatkan penilaian setiap kegagalan yang teridentifikasi untuk menentukan tingkat keparahannya. Memiliki hubungan langsung antara dampak dan severity. Occurrence berkaitan dengan seberapa sering terjadi gangguan pada suatu elemen dan dapat menimbulkan kegagalan sebuah alat. Detection alat ukur untuk mengenali atau mengatasi kesalahan yang mungkin terjadi. Skala yang digunakan dari 1 pasti bisa terdeteksi, hingga 10 yang tidak dapat diketahui. Dalam penilaian tingkat deteksi ini sangat penting untuk mengidentifikasi kemungkinan penyebab kerusakan dan langkah dalam pengendalian[19].

Tabel 2. Indikator Severity(S)
Skala Kategori Keterangan
1 Tidak ada Tidak ada pengaruh
2 Sangat kecil Komponen terlihat buruk, tetapi komponen tetap berfungsi dengan baik, dan sistem mesin tetap berjalan dengan baik
3 Kecil Komponen mengalami penurunan kinerja, tetapi sistem masih tetap beroperasi
4 Sangat rendah Kegagalan komponen dapat mempengaruhi sedikit kinerja sistem, sementara mesin tetap berjalan tanpa masalah
5 Rendah Kegagalan komponen secara bertahap mengurangi kinerja sistem, sementara mesin tetap berjalan tanpa masalah
6 Menengah Kegagalan komponen mengurangi kinerja sistem, tetapi tetap dapat berfungsi
7 Tinggi Kegagalan komponen mengakibatkan sistem mati, tetapi mesin masih beroperasi
8 Sangat tinggi Kegagalan komponen menyebabkan mesin mati dan tidak dapat melakukan fungsi utamanya
9 Berbahaya Meskipun ada peringatan, kegagalan dapat menyebabkan kerusakan besar dan kecelakaan yang membahayakan
10 Sangat berbahaya Kegagalan menyebabkan kerusakan yang signifikan dan bahaya keselamatan operator

Severity(S) digunakan untuk menilai seberapa parah dampak kegagalan terhadap sistem atau proses, dengan skala 1-10, di mana 10 adalah dampak paling parah[20].

Tabel 3. Indikator Occurrence(O)
Skala Kategori Keterangan
1 Hampir tidak pernah terjadi Proses berada dalam kendali tanpa melakukan
2 Kegagalan jarang terjadi Pengendalian membutuhkan sedikit perubahan dan penyesuaian
3 Kegagalan terjadi sangat sedikit Proses berada diluar kendali dan memerlukan beberapa penyesuaian
4 Kegagalan yang terjadi sedikit Terjadi downtime kurang dari 30 menit
5 Kegagalan terjadi pada tingkat rendah Terjadi downtime 1 jam
6 Kegagalan terjadi pada tingkat sedang Terjadi downtime 1-2 jam
7 Kegagalan terjadi pada tingkat yang cukup tinggi Terjadi downtime 2-4 jam
8 Kegagalan terjadi tinggi Terjadi downtime 4-8 jam
9 Sangat tinggi Terjadi downtime lebih dari 8 jam
10 Sering Terjadi lebih dari 100 kali

Occurrence (O) digunakan untuk menilai seberapa sering kegagalan mungkin terjadi dalam kondisi normal, dengan skala 1-10, di mana 10 menunjukkan kemungkinan kegagalan yang paling tinggi[20].

Tabel 4. Indikator Detection(D)
Skala Kategori Keterangan
1 Deteksi dapat dilakukan dengan mudah Dapat diperkirakan akan sering terjadi, menghasilkan identifikasi potensi penyebab dan kejadian
2 Sangat mudah untuk terdeteksi Sangat mudah untuk mengidentifikasi penyebab potensial dan jenis kegagalan lanjutan
3 Mudah untuk mendeteksi Mudah untuk menemukan penyebab potensial dan jenis kegagalan berikutnya
4 Untuk terdeteksi menengah ke atas Penyebab potensial dan jenis kegagalan berikutnya hampir tidak mungkin ditemukan
5 Untuk terdeteksi sedang Penyebab potensi dan jenis kegagalan berikutnya hampir tidak dapat ditemukan
6 Untuk terdeteksi rendah Rendah untuk mendeteksi penyebab potensial dan jenis kegagalan yang akan datang
7 Untuk terdeteksi sangat rendah Sangat rendah untuk mendeteksi penyebab potensial dan jenis kegagalan yang akan datang
8 Sulit untuk terdeteksi Sulit untuk mengendalikan perubahan dan mengidentifikasi penyebab potensial dan jenis kegagalan terkait
9 Sangat sulit untuk terdeteksi Sangat sulit untuk mengendalikan dan menemukan penyebab potensi dan jenis kegagalan berikutnya
10 Tidak dapat diidentifikasi Tidak akan mungkin untuk mengontrol dan menemukan sumber kegagalan berikutnya

Detection (D) digunakan untuk menilai seberapa baik kita dapat mendeteksi kegagalan sebelum menyebabkan kerusakan, dengan skala 1-10, di mana 10 menunjukkan kemampuan deteksi yang paling baik[20].

B. Diagram Pareto

Diagram Pareto adalah alat yang dapat membantu mengidentifikasi dan memprioritaskan permasalahan dengan mengurutkannya berdasarkan tingkat kepentingannya. Dengan menggunakan diagram Pareto, kita dapat menemukan permasalahan yang memiliki tingkat kepentingan tertinggi dan harus segera diselesaikan (peringkat tertinggi), serta permasalahan yang tidak harus segera diselesaikan[8]. Prinsip pareto yang menyatakan dengan sebuah aturan 80/20 yang dapat diartikan bahwa 80% masalah kualitas dalam sebuah produk disebabkan oleh 20% penyebab kegagalan dari suatu produksi, sehingga dipilih jenis-jenis kegagalan/cacat dengan kumulatif mencapai 80% dengan asumsi bahwa dengan 80% tersebut dapat mewakili seluruh jenis cacat yang terjadi[4].

 Hasil dan Pembahasan

PT XYZ merupakan perusahaan yang bergerak di bidang fabrikasi mesin yang memproduksi berbagai mesin industri berdasarkan pesanan pelanggan (job order). Tahapan proses produksi meliputi Cutting, Machining, Welding Assembly, Finishing, dan Final Inspection. Selama proses produksi masih ditemukan berbagai jenis defect yang menyebabkan rework maupun scrap sehingga diperlukan analisis penyebab menggunakan metode FMEA.

Tabel 1. Data Produksi Per iode Januari – Juni 2026
Bulan Jumlah Produksi (Unit) Produk Defect (Unit) Defect Rate
Januari 89 7 7,87%
Februari 76 6 7,89%
Maret 62 6 9,68%
April 90 8 8,89%
Mei 73 7 9,59%
Juni 88 8 9,09%
Total 478 42 8,83%

Berdasarkan Tabel 1 secara keseluruhan, nilai defect rate perusahaan masih berada pada kisaran 7,87%–9,68% setiap bulan. Fluktuasi tersebut menunjukkan bahwa proses produksi belum sepenuhnya stabil dan masih terdapat variasi penyebab kecacatan pada setiap periode produksi. Oleh karena itu, diperlukan analisis lebih lanjut menggunakan metode Failure Mode and Effect Analysis (FMEA) untuk mengidentifikasi penyebab utama defect, menentukan tingkat risiko berdasarkan nilai Severity (S), Occurrence (O), dan Detection (D), serta menetapkan prioritas perbaikan berdasarkan nilai Risk Priority Number (RPN) sehingga tingkat kecacatan produk dapat diminimalkan.

Tabel 2. Analisis FailureModeandEffectAnalysis(FMEA)

No Proses Pengerjaan Jenis Cacat (Failure Mode) Potensi Kegagalan (Effect) Penyebab Kegagalan S O D RPN
1 Cutting Dimensi hasil potong tidak sesuai Komponen tidak dapat dirakit Setting mesin tidak tepat 8 4 4 128
2 Cutting Permukaan hasil potong kasar Memerlukan proses finishing tambahan Mata pisau/plasma aus 6 5 5 150
3 Welding Porosity pada sambungan las Kekuatan sambungan menurun Permukaan material kotor atau gaspelindung tidak optimal 9 6 5 270
4 Welding Undercut Sambungan las mudahretak Arus las terlalu tinggi 8 5 5 200
5 Welding Distorsi akibat pengelasan Dimensi produk berubah Urutan pengelasan tidak sesuai 8 6 4 192
6 Machining Dimensi hasil machining tidak sesuai Produk tidak memenuhi toleransi Tool aus dan setting kurang tepat 9 5 4 180
7 Machining Permukaan kasar Kualitas produk menurun Kecepatan potong tidak sesuai 6 5 4 120
8 Drilling Posisi lubang meleset Kesalahan saat proses assembly Jig tidak presisi 8 4 4 128
9 Assembly Komponen tidak sejajar (Misalignment) Mesin tidak bekerja optimal Kesalahan pemasangan 8 4 5 160
10 Painting Cat mengelupas Korosi dan tampilan produk buruk Permukaan tidak dibersihkan 6 6 4 144
11 Painting Ketebalan cat tidak merata Penampilan tidak sesuai standar Teknik pengecatan kurang baik 5 5 5 125
12 Final Inspection Defect lolos inspeksi Produk cacat terkirim ke pelanggan Pemeriksaan kurang teliti 10 3 7 210

Berdasarkan Tabel 2, ditemukan 12 potensi kegagalan pada proses cutting, welding, machining, drilling, assembly, painting, dan final inspection. Setiap kegagalan dinilai berdasarkan Severity (S), Occurrence (O), dan Detection (D) untuk memperoleh nilai Risk Priority Number (RPN) sebagai dasar menentukan prioritas perbaikan.

Hasil perhitungan menunjukkan bahwa porosity pada sambungan las memiliki nilai RPN tertinggi sebesar 270. Kegagalan ini disebabkan oleh permukaan material yang kotor atau gas pelindung yang tidak optimal sehingga dapat

menurunkan kekuatan sambungan las. Oleh karena itu, proses welding menjadi prioritas utama untuk dilakukan perbaikan melalui pengendalian parameter pengelasan, pembersihan material, dan pemeriksaan gas pelindung.

Nilai RPN berikutnya adalah defect lolos inspeksi pada proses finalinspectionsebesar 210, undercutsebesar 200, distorsi akibat pengelasan sebesar 192, dan dimensi hasil machining tidak sesuai sebesar 180. Nilai tersebut menunjukkan bahwa proses inspeksi, pengelasan, dan machining masih memiliki risiko yang cukup tinggi sehingga memerlukan pengawasan yang lebih baik, perawatan mesin secara berkala, serta peningkatan keterampilan operator. Sementara itu, kegagalan lain seperti misalignment sebesar 160, permukaan hasil potong kasar sebesar 150, cat mengelupas sebesar 144, dimensi hasil potong tidak sesuai dan posisi lubang meleset sebesar 128, ketebalan cat tidak merata sebesar 125, serta permukaan kasar pada machining sebesar 120 memiliki tingkat risiko yang lebih rendah.

Meskipun demikian, perbaikan tetap perlu dilakukan agar kualitas produk tetap terjaga.

Secara keseluruhan, hasil FMEA menunjukkan bahwa proses welding merupakan proses dengan tingkat risiko tertinggi karena memiliki beberapa jenis kegagalan dengan nilai RPN paling besar. Oleh sebab itu, perusahaan perlu memfokuskan tindakan perbaikan pada proses tersebut agar dapat mengurangi jumlah cacat produk, meningkatkan kualitas hasil fabrikasi, dan menekan terjadinya rework maupun produk cacat yang dikirim kepada pelanggan.

Tabel 3 Analisis RiskPriorityNumber(RPN)

No Proses Jenis Cacat RPN Level Resiko
1 Cutting Dimensi tidak sesuai 128 Sedang
2 Cutting Permukaan kasar 150 Sedang
3 Welding Porosity 270 Sangat Tinggi
4 Welding Undercut 200 Tinggi
5 Welding Distorsi 192 Tinggi
6 Machining Dimensi tidak sesuai 180 Tinggi
7 Machining Permukaan kasar 120 Rendah
8 Drilling Posisi lubang meleset 128 Sedang
9 Assembly Misalignment 160 Sedang
10 Painting Cat mengelupas 144 Sedang
11 Painting Ketebalan cat tidak merata 125 Rendah
12 Final Inspection Defect lolos inspeksi 210 Sangat Tinggi

Berdasarkan Tabel 3, tingkat risiko cacat dalam proses fabrikasi dikelompokkan menjadi empat kategori prioritas perbaikan. Sangat tinggi (Prioritas Utama) yaitu Porositypada pengelasan (RPN 270) dan defectlolos finalinspection (RPN 210). Kedua area ini paling kritis dan membutuhkan penanganan segera. Tinggi: Undercut(RPN 200), distorsi pengelasan (RPN 192), dan ketidaksesuaian dimensi machining (RPN 180). Diperlukan pengendalian proses dan perawatan mesin yang lebih ketat. Sedang: Misalignment (RPN 160), permukaan potong kasar (RPN 150), cat mengelupas (RPN 144), serta dimensi potong tidak sesuai dan posisi lubang meleset (masing-masing RPN 128). Rendah: Ketebalan cat tidak merata (RPN 125) dan permukaan kasar machining(RPN 120). Risiko kecil namun tetap perlu dipantau.

Rekomendasi Utama yaitu pada proses welding(pengelasan) yang merupakan tahapan paling kritis dengan risiko tertinggi. Untuk menekan jumlah produk cacat dan meningkatkan kualitas secara keseluruhan, perusahaan wajib memprioritaskan perbaikan pada proses pengelasan serta meningkatkan ketelitian pada tahap final inspection

Tabel 4 Penentuan Jenis Cacat

Peringkat Proses Jenis Cacat Jumlah Kejadian % % Kumulatif
1 Welding Porosity 35 14,89% 14,89%
2 Final Inspection Defectlolos inspeksi 28 11,91% 26,81%
3 Welding Undercut 25 10,64% 37,45%
4 Welding Distorsi 22 9,36% 46,81%
5 Machining Dimensi tidak sesuai 20 8,51% 55,32%
6 Assembly Misalignment 18 7,66% 62,98%
7 Cutting Permukaan kasar 17 7,23% 70,21%
8 Painting Cat mengelupas 16 6,81% 77,02%
9 Drilling Posisi lubang meleset 15 6,38% 83,40%
10 Cutting Dimensi tidak sesuai 14 5,96% 89,36%
11 Painting Ketebalan cat tidak merata 13 5,53% 94,89%
12 Machining Permukaan kasar 12 5,11% 100,00%
Total 235 100,00%

Berdasarkan Tabel 4,, diperoleh total 235 kejadian cacat yang terjadi selama proses fabrikasi mesin. Data diurutkan berdasarkan jumlah kejadian terbesar sehingga dapat diketahui jenis cacat yang paling dominan dan perlu diprioritaskan dalam upaya perbaikan kualitas. Hasil analisis menunjukkan bahwa porosity pada proses welding merupakan jenis cacat dengan jumlah kejadian tertinggi, yaitu 35 kejadian (14,89%). Selanjutnya diikuti oleh defect lolos inspeksi pada proses finalinspectionsebanyak 28 kejadian (11,91%), undercutsebanyak 25 kejadian (10,64%), dan distorsi akibat pengelasan sebanyak 22 kejadian (9,36%). Keempat jenis cacat tersebut memberikan kontribusi kumulatif sebesar 46,81% dari total seluruh cacat yang terjadi, sehingga menjadi fokus utama dalam pelaksanaan tindakan perbaikan.

Selain itu, cacat dimensi hasil machining tidak sesuai menyumbang 20 kejadian (8,51%), diikuti misalignment sebanyak 18 kejadian (7,66%), permukaan hasil potong kasar sebanyak 17 kejadian (7,23%), dan cat mengelupas sebanyak 16 kejadian (6,81%). Jika diakumulasikan, delapan jenis cacat tersebut telah mencapai 77,02% dari total kejadian cacat, yang menunjukkan bahwa sebagian besar permasalahan kualitas berasal dari beberapa jenis cacat utama. Sementara itu, posisi lubang meleset, dimensi hasil potong tidak sesuai, ketebalan cat tidak merata, dan permukaan kasar pada machining memiliki jumlah kejadian yang lebih rendah, dengan kontribusi masing-masing di bawah 7%. Meskipun demikian, jenis cacat tersebut tetap memerlukan pengendalian agar tidak mengalami peningkatan pada proses produksi berikutnya.

Gambar 1 Diagram Pareto Jenis Cacat Hasil Produksi di PT. XYZ

Secara keseluruhan, hasil analisis Diagram Pareto menunjukkan bahwa proses welding merupakan penyumbang cacat terbesar, terutama pada jenis cacat porosity, undercut, dan distorsi. Berdasarkan prinsip Pareto, perusahaan dapat memprioritaskan tindakan perbaikan (maintenance) pada proses yang memberikan kontribusi terbesar terhadap terjadinya defect, khususnya proses welding, sehingga upaya perbaikan yang dilakukan lebih efektif dalam menurunkan tingkat kecacatan, meningkatkan kualitas produk, serta meningkatkan efisiensi proses produksi di PT. XYZ.

Simpulan

Berdasarkan hasil penelitian mengenai Analisis Penyebab Defect Produk pada Proses Fabrikasi Mesin Menggunakan Metode Failure Mode and Effect Analysis (FMEA) dan Diagram Pareto, dapat disimpulkan bahwa proses fabrikasi masih mengalami berbagai jenis cacat yang berpotensi menurunkan kualitas produk. Hasil identifikasi menggunakan metode FMEA menunjukkan terdapat 12 jenis cacat yang tersebar pada proses cutting, welding, machining, drilling, assembly, painting, dan final inspection.

Berdasarkan nilai Risk Priority Number (RPN), jenis cacat yang memiliki tingkat risiko tertinggi adalah porosity pada proses welding dengan nilai RPN sebesar 270, diikuti oleh defect lolos inspeksi pada proses final inspection dengan nilai RPN sebesar 210, undercutdengan nilai RPN sebesar 200, distorsi akibat pengelasan dengan nilai RPN

sebesar 192, serta dimensi hasil machining tidak sesuai dengan nilai RPN sebesar 180. Hasil tersebut menunjukkan bahwa proses welding merupakan tahapan yang paling kritis dan memerlukan prioritas utama dalam pelaksanaan tindakan perbaikan.

Hasil analisis menggunakan Diagram Pareto menunjukkan bahwa dari total 235 kejadian cacat, jenis cacat yang paling dominan adalah porosity sebanyak 35 kejadian (14,89%), diikuti defect lolos inspeksi sebanyak 28 kejadian (11,91%), undercutsebanyak 25 kejadian (10,64%), dan distorsi sebanyak 22 kejadian (9,36%). Keempat jenis cacat tersebut memberikan kontribusi kumulatif sebesar 46,81% terhadap total cacat, sehingga menjadi fokus utama dalam upaya peningkatan kualitas.

Secara keseluruhan, penerapan metode FMEA mampu mengidentifikasi dan memprioritaskan potensi kegagalan berdasarkan tingkat risikonya, sedangkan Diagram Pareto membantu menentukan jenis cacat yang paling sering terjadi. Berdasarkan kedua metode tersebut, perusahaan disarankan untuk memprioritaskan perbaikan pada proses welding dan final inspection melalui pengendalian parameter proses, pemeliharaan mesin secara berkala, peningkatan kompetensi operator, penerapan standar kerja yang konsisten, serta peningkatan ketelitian pada proses inspeksi akhir. Penerapan rekomendasi tersebut diharapkan dapat menurunkan jumlah cacat produk, mengurangi rework, meningkatkan efisiensi proses produksi, dan menghasilkan produk fabrikasi yang lebih berkualitas.

Ucapan Terima Kasih

Puja dan puji syukur saya panjatkan kepada Allah SWT, atas berkat dan rahmat yang telah saya dapatkan untuk menyelesaikan penelitian ini. Penelitian saya tidak bisa berjalan dengan baik tanpa dibantu oleh pihak yang bersangkutan. Penulis mengucapkan banyak terima kasih kepada Universitas Muhammadiyah Sidoarjo dan PT. XYZ sebagai tempat penelitian berlangsung yang telah menjembatani penelitian ini, serta dosen yang telah memberikan bimbingan kepada saya. Penulis berharap artikel ini bisa bermanfaat bagi yang membaca.

Penulis menyadari bahwa penelitian ini masih memiliki keterbatasan. Oleh karena itu, kritik dan saran yang membangun sangat diharapkan untuk penyempurnaan penelitian di masa mendatang. Semoga penelitian ini dapat memberikan manfaat bagi perusahaan, dunia akademik, serta menjadi referensi bagi penelitian selanjutnya dalam bidang pengendalian kualitas dan manajemen risiko pada proses fabrikasi mesin.