1

7 TOOLS
1. STRATIFIKASI & CHECKSHEET
2. GRAFIK
3. PARETO
4. FISHBONE
5. SCATTER
6.
6 HISTOGRAM
7. CONTROL CHART

2
MATERI PELATIHAN 7-TOOLS

3
Stratifikasi
fk
Menguraikan dan mengklasifikasikan data menjadi
f kt f kt yang lebih
faktor-faktor l bih spesifik
ifik
• Tanpa Stratifikasi • Dengan Stratifikasi

PRODUK - A
PRODUK - A 100 UNIT
100 UNIT 100 %
OK
MESIN I MESIN I
100 UNIT
CACAT
PRODUK - B
PRODUK - B 100 UNIT
100 UNIT 100 %
CACAT
MESIN II MESIN II

4
D t kketidakhadiran
Data tid kh di per seksi
k i Maret
M t 2001

Seksi Absen

Tanpa Seksi - A 3.0 %

Stratifikasi Seksi - B 2.0 %

Seksi - C 15%
1.5

Seksi - D 1.5 %

Dengan Stratifikasi
Seksi Absen Cuti Sakit Ijin Mangkir

Seksi - A 30%
3.0 30%
3.0 - - -

Seksi - B 2.0 % 1.5 % 0.5 % - -

Seksi - C 1.5 % 1.0 % - 0.5 % -

Seksi - D 1.5 % - - - 1.5 %

5
Contoh Stratifikasi
Berdasarkan material
Spek/ k supplier,
k/ merek, l tanggal,
l pembelian,
b l ukuran,
k d
dan
lain-lain

Berdasarkan mesin / peralatan

Tipe mesin, Jumlah, Model, Performance, Peralatan,
Ukuran Cetakan,
Ukuran, Cetakan dll
Berdasarkan operator
Group Team,
Group, Team Umur,
Umur Pengalaman,
Pengalaman Kelamin,
Kelamin dan lain
lain-lain
lain

Berdasarkan kondisi operasi

T
Temperatur,
t Tekanan,
T k R
Rpm, K
Kecepatan,
t L k i dll
Lokasi,

6
Berdasarkan pengukuran dan inspeksi
Prosedur, tempat, orang, peralatan, waktu dilaksanakan
pengukuran dan inspeksi, dll

Berdasarkan waktu
Tahun, Bulan, Minggu, Hari, Periode, dan lain-lain

Berdasarkan lingkungan
Temperatur, kelembapan, tekanan, cuaca, dll
Lain - lain
Produk baru vs lama, Produk baik vs cacat, dll

7
MATERI PELATIHAN 7-TOOLS

8
Check sheet ( Lembar Pemeriksaan )
Formulir dengan
g item-item yyang g sudah distratifikasi dan
disusun sedemikian rupa sehingga memudahkan
pengisian dan pekerjaan berikutnya
Tanggal : 1 ~ 5 Mei 1990
No. Part : 12345 - 007
Nama Part : Front Fender LH
Proses : Draw
Jumlah yang diperiksa : 500
Inspektor : Herman

Jenis Cacat 1/5 2/5 3/5 4/5 5/5 Total

Penyok 17
T
Tergores
7
Bintik
3
Gelombang 2
Lain-lain
3
Total 9 5 9 4 5 32

9
Yang
Y perlu
l diperhatikan
di h tik dalam
d l Check
Ch k Sheet
Sh t

1. Sasaran pengumpulan data harus jelas, apakah data

yang terkumpul sudah cukup lengkap sebagai dasar
untuk bertindak

2. Stratifikasi data sesuai kebutuhan sehingga mudah

dipahami memberikan perincian jelas, apa yang ingin
diketahui .

3. Sesederhana mungkin sehingga bisa diisi dengan

mudah, Bila perlu dilengkapi dengan gambar .

10
Ch k sheet
Check h t untuk
t k Ch k sheet
Check h t
Penyebaran Data Pemeriksaan jenis cacat

11
MATERI PELATIHAN 7-TOOLS 4500

4000

3500

3000

2500

2000

1500

1000

500

0
. 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

12
Grafik ( Graph )
Data yang dinyatakan dalam bentuk gambar

Dengan grafik :
1. Data lebih cepat , mudah , jelas dan enak dilihat .

2 Hubungan data yang satu dengan data yang lain

2.
dapat dipaparkan sekaligus .

3. Perbandingan dengan data lain yang berhubungan

dapat dilihat dengan jelas .

13
Grafik Garis ( Line Graph )
• Digunakan untuk menunjukkan trend
PRODUKSI ….
Unit 180.000

150.000

120.000

90.000

60.000

30.000

0
Tahun 90 91 92 93 94 95 96 97 98 99 '01 '02 '03 '04 '05

14
G f k Balok
Grafik l k ( Bar G
Graph
h)
• Digunakan untuk perbandingan data sejenis
PRODUKSI ……
X 1000 4000
UNIT

3500 3346
3180 3171
3055
2993
3000 2883 2769 2910
2797 2699
2670
2557
2500

2000

1500

921 905
1000 866
760
60 739
679 614 613 592 496 420 436
500

0
1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Product A Product B

15
Grafik Lingkaran ( Pie Chart )
• Digunakan untuk menunjukkan persentase masing-
masing terhadap keseluruhan

Produksi Mobil di Jepang Tahun 2000

Produksi Persen Total 10,144,847 unit
Merk
( Unit ) (%)
Toyota 3,429,209 33.8 Mitsubishi
Honda Suzuki
9.8%
Daihatsu 679,383
, 6.7 12.1% 8.9%
Mazda
d
Nissan 1,324,427 13.1 Nissan 7.7%
13.1% Others
Honda 1,223,924 12.1
Daihatsu 0.9 %
Mitsubishi 997,270 9.8 Toyota
6.7 %
S
Suzuki
ki 907 905
907,905 89
8.9 33 8%
33.8%

Mazda 778,140 7.7

Others 804,589 7.9
Total 10,144,847 100.0

16
G fik G
Grafik Gabungan
b
PRODUKSI MOBIL TOYOTA DI JEPANG

X 1000
UNIT TOTAL PRODUKSI
4500

4000

3500

3000

2500

2000

1500

1000

500

Tahun 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Passanger 3055 3346 3180 3171 2883 2769 2557 2797 2910 2670 2699 2993

Truk & Bus 921 866 905 760 679 739 614 613 592 496 420 436

Total 3976 4212 4085 3931 3562 3508 3171 3410 3502 3166 3119 3429

17
G fik Radar
Grafik R d
HASIL EVALUASI TOOL & STRATIFIKASI HASIL EVALUASI TOOL &
STRATIFIKASI
31 JAN 2000 , NAMA : MR
MR. BEAN TOOL & STRATIFKASI NILAI

STRATIFIKASI STRATIFIKASI 3
FISHBONE 4

HISTOGRAM PARETO 5
FISHBONE
GRAPH 5
CONTROL CHART 3
CHECK SHEET 5

SCATTER SCATTER DIAGRAM 3

PARETO
HISTOGRAM 3

CHECK SHEET GRAPH STANDARD POINT

NILAI QC 7 TOOL

CONTROL CHART 5 MAMPU MENGAJAR

4 MAMPU IMPLEMENTASI
3 BISA MEMBUAT
2 MENGERTI YANG DIMAKSUD
1 TIDAK TAHU

18
MATERI PELATIHAN 7-TOOLS

19
Pareto
Diagram,
g , mirip
p dengan
g kombinasi grafik
g balok dan grafik
g
garis
• Grafik balok PARETO
O CUSTOMER
CUS O COMPLAIN
CO
1. Menunjukkan item data Dept. A JULI 2000

2. Item disusun berurut PARETO DEFECT _________

Line B. JULI 2000
nilai paling besar nilai paling kecil.
KASUS/
3. Item Lain-lain UNIT
N=25
100 %

walaupun nilainya > nilai item terkecil 20 88 %

tetap ditaruh dibelakang . 80 %

56 % 50 %

• Grafik garis
10

Menunjukkan persen kumulatif

terhadap jumlah keseluruhan 0 0%
C B A LAIN-
LAIN
20
Kegunaan diagram Pareto

1. Menunjukkan prioritas SEBELUM PENANGGULANGAN SESUDAH PENANGGULANGAN

2 Menyatakan
2. M t k perbandingan
b di 50
100 %
N = 50

masing-masing terhadap 40
90 % 40 %
82 %

keseluruhan 70 % 100 %
30 30
N = 30
3. Menunjukkan tingkat perbaikan 50 % 50 % 83.33 %
20 73.33 %
setelah ada tindakan
20
50 %
56.57 %

10 33.33 %
4. Menujukkan
j perbandingan
p g
10

masing-masing sebelum dan 0

A B C D LAIN
0 0
B A C D LAIN
0

LAIN LAIN
sesudah perbaikan

21
Bagaimana membuat Pareto
Contoh :
Data
D t pada
d ttabel
b l dib
dibawah
h adalah
d l h data
d t jumlah
j l h komplain
k l i yang
diterima department QA

SUSUN NILAI HITUNG

PALING BESAR • JUMLAH KUMULATIVE
KUMPULKAN • PERSEN PARETO CUSTOMER COMPLAIN
DATA PALING KECIL • KUMULATIVE PERSEN Dept. A JULI 2000

PARETO DEFECT _________

Line B. JULI 2000
•Tabel Data Mentah •Tabel Perhitungan Pareto KASUS/
100 %
UNIT
KASUS / KUMULATIVE PERSEN KUMULATIVE
JUMLAH ITEM JUMLAH 20
ITEM TOTAL (%) PERSEN ( % )
A 2 C 14 14 56 56
50 %
B 6 D 6 20 24 80
10
C 14 A 2 22 8 88
LAIN-LAIN 3 LAIN-LAIN 3 25
5 12 100
00
TOTAL 25 TOTAL 25 100 0 0%
C D A LAIN-
LAIN
22
•Tabel Data Check Sheet
KASUS/
Kasus / UNIT 100 %
Jumlah
Item N=25
20
A 2 80 %
88 %

B 6
56 %
C 14 Item mempunyai nilai nol 50 %
10
D 0 dihilangkan pada
Lain-lain 3
Tabel Perhitungan Pareto
Total 25 0 0%
C B A LAIN-
LAIN
•Tabel Perhitungan Pareto

Kumulatif Persen Kumulatif

Item Jumlah
Total (%) Persen ( % )
C
Tidak ada item “ D “
14 14 56 56
B 6 20 24 80 pada Tabel dan
A 2 22 8 88 Diagram Pareto
Lain-lain 3 25 12 100
Total 25 100

23
MATERI PELATIHAN 7-TOOLS

24
Fishbone ( Diagram Sebab-Akibat )
Diagram yang menggambarkan hubungan
antara akibat dengan faktor penyebabnya

M-ETHODE M-ATERIAL M-AN

PROBLEM

E-NVIRONMENT M-ACHINE
Karakteristik Mutu
Faktor ( Penyebab ) ( Akibat)

F kt tid
Faktor tidakk h
harus 4M - 1E,
1E tergantung
t t masalahnya
l h

25
Penggunaan fishbone

Sekedar untuk menge Karakteristik mutu

tahui faktor-faktor yang masih
ih global
l b l
mempengaruhi karakte tidak apa-apa
ristik mutu

Karakteristik mutu
Untuk problem solving harus se-spesifik
mencari penyebab mungkin
utama

Prinsip dalam pembuatan fishbone

1. Jangan mengkritik pendapat orang lain
2. Jangan menghambat orang lain mengeluarkan pendapat
3. Makin banyak pendapat makin baik

26
Langkah dalam pembuatan fishbone
1. List up
p penyebab
p y yang
y g mungkin
g

2. Uji logika hubungan antara

penyebab dan akibat M-ETHODE
M ETHODE M-ATERIAL
M ATERIAL M-AN
M AN

3. Tandai penyebab yang ada 1

relevansinya dgn masalah

yang ada dikepala ikan
PROBLEM
4. Lakukan pengujian atau
2
experimen
p utk menentukan
penyebab utama (penyebab
E-NVIRONMENT M-ACHINE
dominan) beri no urut
sesuai prioritas

27
CONTOH
b Methode
d Pemotongan Lobang
g Ujung
j g
dengan
d Feeling
F li Nozzle
kebesaran
Pemotongan
c ujung
j nozle
l
bervariasi
Keluarnya
Sealer
berlebihan a Pemakaian
Sealer di ……
BOROS

Bila dilakukan uji hubungan / korelasi dan bila d ditang

gulangi maka c akan dapat diatasi, b akan terpengaruh,
a akan lebih terkendali dan akhirnya pemakaian sealer
akan terpengaruh
28
MATERI PELATIHAN 7-TOOLS

29
Control Chart ( Peta Kendali )

20.0

Sejenis grafik garis yang

18.0
dilengkapi dengan satu atau
Nilai

UCL
dua garis batas kendali
16.0
CL
LCL
Digunakan untuk mempelajari
14.0
suatu proses dalam keadaan

12.0
terkendali
te e da atau tidak
t da .
1 2 3 4 5 6 7 8 11 12 13 14 15

30
Macam-macam control chart dan spesifikasinya

X - R - chart
Jumlah sample > 1
Data Kontinyu
( Hasil Pengukuran )
Jumlah sample = 1 X - Rs - chart

Unit defect bila jumlah pn - chart

populasi konstant

Ratio defect bila jumlah p - chart

populasi tidak konstant
Data Attribut
( Hasil Perhitungan ) J l h defect
Jumlah d f t dalam
d l c - chart
satuan ukuran konstant

Jumlah defect dalam u - chart

satuan ukuran tidak konstant

31
A yang diperlihatkan
Apa di lih tk control
t l chart
h t
POLA ABNORMAL-1
UCL
Variasi dasar

CL Performance

Tingkat rata-rata
LCL

UCL Titik keluar dari

batas kendali atas

CL

Titik keluar dari

batas kendali bawah
LCL

32
POLA ABNORMAL-2
ABNORMAL 2
Cenderung naik Cenderung turun
Mempunyai kecenderungan naik atau turun
UCL • Keausan peralatan secara bertahap
• Kenaikan / penurunan temperatur secara bertahap
• Pergeseran stopper yang bertahap
CL
• Keletihan bekerja
• Akumulasi produk yang terbuang
• Perubahan kondisi lingkungan secara bertahap
LCL • Perubahan komposisi material secara bertahap

POLA ABNORMAL - 3
2 dari 3 titik mendekati garis 3 sigma atas
+ 3 sigma ( UCL )

+ 2 sigma ( WCL )
Penyimpangan
y p g sangat
g besar dari :
• material
• peralatan, ( rusak atau geser )
CL
• metode
• alat ukur
k
- 2 sigma ( WCL )
• Pencampuran data
- 3 sigma ( LCL )
• WCL = Warning Control Limit 33
POLA ABNORMAL - 4
Mempunyai pola periodik
• Perubahan temperatur ,
UCL perubahan lainnya
• Keletihan pekerja
CL • Perbedaan pada alat ukur atau
alat tes yang digunakan
LCL
secara berurut
• Pergiliran mesin atau operator
yyang
g teratur
• Penggabungan data atau proses

34
MATERI PELATIHAN 7-TOOLS

35
Histogram
Diagram , mirip grafik balok digunakan untuk menggambarkan
penyebaran
p y data
Data tidak Data Histogram
dikelompokkan dikelompokkan
Sangat mudah
Susah dipahami Mudah dipahami dipahami
p

LOT SAMPLE No. KELAS NILAI 28

FREK.
No. 1 2 3 4 5 6 7 8 9 10 KELOMPOK TENGAH 24
1. 30 29 32 30 20 31 29 25 27 28 19.5 - 21.5 20.5 2 20
2 29 30 36 24 28 28 27 30 30 27

Frekwenssi
2. 21 5 -
21.5 23 5
23.5 22 5
22.5 3 16
3. 36 32 22 29 30 33 25 28 28 21 8
23.5 - 25.5 24.5 12
4. 29 23 27 29 29 28 31 27 33 28 25.5 - 27.5 26.5 18 8
5. 37 26 32 30 27 31 24 31 32 27 26
27.5 - 29.5 28.5 4
6. 22 24 25 29 28 38 32 29 30 31 25
29.5 - 31.5 30.5 0
7 30 30 29 31 34 26 32 28 30 31

18.5
5
20.5
5
22.5
5
24.5
5
26.5
5
28.5
5
30.5
5
32.5
5
34.5
5
36.5
5
38.5
5
40.5
5
7.
31.5 - 33.5 32.5 12
8. 33 29 28 32 33 26 31 30 26 26
33.5 - 35.5 34.5 2
9. 29 25 26 31 34 26 28 30 32 26 Batas Atas
35.5 - 37.5 36.5 3 Kelas-1
10. 31 29 27 31 24 27 30 29 28 27
37.5 - 39.5 38.5 1
Interval

Nilai Tengah

36
 a ) Type umum b ) Type sarang tawon c ) Type miring positif / negatif
• Bentuk yang sering terjadi • Jumlah unit data dalam • Batas kelas dikendalikan
kelas variasi secara teoritis
• Ada kecenderungan pem • Nilai lebih rendah / tinggi tidak
bulatan data terjadi

d ) type tanjakan kiri / e ) Type bukit f ) Type dua puncak g ) Type puncak terisolasi
kanan • Pencampuran • Pencampuran data • Pencampuran data
• Terjadi penyaringan data • Dua distribisi data dalam jumlah elatif
100 % • Beberapa yang dengan nilai kecil dari distribusi
distribusi rata-rata jauh ber lain
beda
37
Proces Capability , ( Kapabilitas proses )
Kemampuan suatu proses untuk memproduksi produk sesuai
spesifikasi yang ditentukan
Proces Capability Index dinyatakan dengan nilai Cp
X STD

SL X SU
SL = Lower Specification ( Batas
25 50.0 55.0 60.0
Spesifikasi Bawah yang
20
ditetapkan Bag. Quality atau
Engineering )
15

10 SU = Upper Specification ( Batas

Spesifikasi Atas yang ditetapkan
Bag. Quality atau Engineering )
5

0
51.0

58.0

59.0

60.0

60.0
47.0

48.0

49.0

50.0

55.0

56.0

57.0
52.0

53.0

54.0

Keterangan : Standard : 55 + 5

38
Rumus untuk menghitung Process Capability Index
S L M SPEC S U

1. Bila batas atas ( SU ) dan S

batas bawah ( SL ) ditentukan

SU - SL
-3S -2S -1S 0 1S 2S 3S
Cp =
6S
6S

2. Bila batas atas ( SU ) saja M SPEC SU

ditentukan
SU - MSPEC
C =
Cp
3S
-3S -2S -1S 0 1S 2S 3S

3S

3 Bila batas bawah ( SL ) saja

3.
S L M SPEC
ditentukan
MSPEC - SL
Cp =
3S
-3S -2S -1S 0 1S 2S 3S
3S

39
P f
Performance Index
I d ( CPK )
Proces Capability Index dengan memperhitungkan
pergeseran nilai rata-rata dinyatakan dengan nilai Cpk
X STD
SL X SU
25 50.0 55.0 60.0

20

15

10

0
4.0

6.0

8.0

0.0

2.0

4.0

6.0

8.0

0.0
44

46

48

50

52

54

56

58

K - untuk menghormati Kane ( Victor E. Kane ) 60

40
P f
Performance IIndex
d
Indeks performansi adalah indeks kapabilitas proses
dengan memperhitungkan pergeseran nilai rata
rata-rata
rata
X STD
SL SU
X
ACT Kurva pada gambar A identik
dengan kurva
k r a pada gambar B
B.

Pada gambar A Pada gambar B

-4S -3S -2S -1S 0 1S 2S 3S 4S x aktual berimpit
p x aktual bergeser
g
6S
dengan x standard dari x standard
STD
X
SL X ACT SU

Nilai rata-rata
bergeser Pergeseran
e gese a Nilaia Rata-rata
ata ata
Tidak memenuhi Aktual terhadap Nilai Rata-
spesifikasi rata Spesifikasi harus
diperhitungkan
-4S -3S 2S -1S 0 1S 2S 3S 4S 5S 6S

6S
( Gambar B )

41
Perhitungan Performance Index ( CPK )
S
S X M U
L
SPEC

Nilai rata-rata
bergeser
CPK = min ( CPL , CPU )
Tidak memenuhi

( x ACT - SL ) spesifikasi
CPL=
3S

( SU - x ACT )
CPU=
- 4S - 3S - 2S - 1S 0 1S 2S 3S 4S 5S 6S
3S

6S

42
Histogram memenuhi batas spesifikasi
(b)
(a)

SL SU SL SU

Histogram
g tidak memenuhi batas spesifikasi
p
(d) (e)
(c)

SL SU SL SU SL SU

43
MATERI PELATIHAN 7
7-TOOLS
TOOLS y

44
S tt Di
Scatter Diagram
Diagram yang digunakan untuk menggambarkan korelasi
dua kelompok data yang
g berpasangan
g
X Y Scatter Diagram
Bensin yang dibeli vs Uang yang dibayarkan
Bensin Uang Y Juli 2001
yang dibeli
dib li yang dibayarkan
dib k (x Rp
Rp. 1000 )
30
( Liter ) ( Rp )
10.0 14,500
25
6.8 10,000

an
Uang yyang dibayarka
15.0 22,000 20
20.0 29,000
15
13.7 20,000 Garis Regresi
8.0 12,000
10
10.3 15,000
20.0 30,000 5
5 10 15 20 25
12.0 17,500
Bensin yang dibeli ( Liter ) X
17.0 25,000
45
• KESIMPULAN DARI KORELASI
y

nilai x makin besar

korelasi positif
nilai y makin besar

x
y

nilai x makin besar

korelasi negatif
nilai y makin kecil

46
y y y

x x x
Gbr 1. Korelasi positif Gbr 3. Korelasi positif Gbr 5. Tidak ada korelasi
tapi ada pengaruh lain

y y y

x x x
Gbr. 2. Korelasi negatif. Gbr 4. Korelasi
Gb l i negatif
if Gbr 6. Tidak ada korelasi
tapi ada pengaruh lain

47