BAB III SOLUSI BISNIS 3.1
Alternatif Solusi Bisnis Alternatif solusi bisnis dari isu bisnis merupakan eksplorasi hasil isu bisnis dari berbagai informasi berupa evaluasi kinerja PT. XYZ Logistik yang diusulkan dengan melakukan pendekatan Six Sigma. Six Sigma merupakan metode peningkatan proses bisnis yang bertujuan untuk menemukan dan mengurangi faktor – faktor penyebab kecacatan atau kesalahan, mengurangi waktu siklus dan biaya operasi, meningkatkan produktivitas, memenuhi kebutuhan customer dengan lebih baik, mencapai tingkat pendayagunaan aset lebih tinggi, dan menambah investasi dari segi pelayanan (Evans and Lindsay, 2007).
Six Sigma bertumpu pada beberapa konsep penting yaitu (Evans and Lindsay, 2007: 4): 1. Selalu berpikir dalam kerangka proses bisnis utama serta kebutuhan customer
dengan berfokus pada tujuan strategi
perusahaan. 2. Memusatkan perhatian pada pendukung perusahaan yang bertanggung jawab menyukseskan proyek – proyek penting, mendukung kerja kelompok, membantu mengatasi keengganan untuk berubah, dan menggalang sumber daya. 3. Menekanakan sistem pengukuran yang dapat dikuantifikasi, seperti cacat per satu juta kemungkinan (dpmo – defects per
45
million opportunities) yang dapat diterapkan di setiap bagian perusahaan. 4. Memastikan
bahwa
sistem
pengukuran
yang
tepat
teridentifikasi di awal serta memastikan bahwa sistem tersebut berfokus pada pencapaian bisnis sehingga dapat memberikan intensif dan akuntanbilitas. 5. Menyediakan pelatihan menyeluruh yang diikuti dengan penugasan tim proyek untuk meningkatkan profitabilitas, mengurangi aktivitas yang tidak memberi nilai tambah, serta mengurangi waktu siklus. 6. Merencanakan tujuan jangka panjang untuk perbaikan.
Metode
Six
Sigma
disusun
berdasarkan suatu
metodologi
penyelesaian masalah yang sederhana dengan beberapa tahap yaitu:
3.1.1 Define Define merupakan proses perumuskan masalah dengan memilih permasalahan yang harus diatasi, menemukan kesempatan untuk melakukan perbaikan, serta pemahaman proses yang terlibat dan kebutuhan customer melalui perspektif tingkat tinggi (Evans and Lindsay, 2007: 62). Perumusan masalah merupakan penyimpangan antara apa yang terjadi dibandingkan dengan apa yang sebenarnya terjadi sehingga penyimpangan tersebut perlu diperbaiki. Aspek masalah yang terjadi harus secara spesifik terjadi, dapat diamati dari data internal, dapat diukur, dan dapat dikendalikan. (Hendradi, 2006: 12)
46
3.1.2 Measure Measure merupakan proses pengukuran yang berfokus pada kinerja yang dipilih untuk diperbaiki pada saat ini dan mengumpulkan data yang dibutuhkan untuk dianalisis (Evans and Lindsay, 2007: 112). Pengukuran ini melalui peta kendali, Kapabilitas Proses, mengidentifikasi karakteristik CTQ (Critical to Quality), dan menentukan tingkat Six Sigma (Nur’Arif, 2008). 1. Peta Kendali Peta kendali merupakan peta yang menggambarkan secara kronologis dengan batas – batas yang menggambarkan kejadian masa lalu. Peta kendali ini berguna untuk membantu mengidentifikasi sebab khusus variasi, menentukan apakah suatu proses berada dalam pengendalian statistik, memantau terus menerus proses sepanjang waktu supaya proses tetap stabil secara statistik, dan menentukan kemampuan proses dengan batas – batas yang ada UCL (Upper Control Limit) dan LCL (Lower Control Limit) (Evans and Lindsay, 2007: 248). Peta kendali dibagi menjadi dua yaitu: a. Peta Kendali Variabel Peta kendali variabel digunakan untuk mengukur suatu data variabel yang bersifat kontinu seperti kesalahan per minggu, persentase pengiriman yang tepat waktu, atau persentase penagihan yang akurat. Peta kendali variabel dibagi menjadi dua yaitu diagram X–bar untuk mengawasi pemusatan proses dan diagram R untuk mengawasi variasi di dalam proses (Evans and Lindsay, 2007: 249). Langkah – langkah pembuatan peta kendali variabel adalah:
47
Tabel 3.1 Perhitungan Peta Kendali Variabel Rumus
Langkah
Keterangan
Diagram R
Diagram x
k = jumlah sample
1. Mengumpulkan data sampel dengan menghitung rata – rata dan range sampel. 2.Menghitung batas pengendalian
k
k
x
x i 1
i
R
k
R i 1
i
xi = rata – rata notasi Ri = Jangkauan
k
UCL x = x + A2 R
UCL R = D4 R
LCL x = x - A2 R
LCL R = D3 R
UCL = batas kendali atas LCL = batas kendali bawah
3. Rata-rata, jangkauan, UCL, dan LCL diplotkan. Sumber: An introductions to Six Sigma & Process Improvement (Evans and Lindsay, 2007)
b. Peta Kendali Atribut Peta kendali atribut digunakan mengetahui batas toleransi apakah suatu karakteristik dapat memenuhi spesifikasi atau tidak.
Peta
kendali
atribut
yang
digunakan
sebagai
pengukuran dalam analisis ini adalah diagram p untuk memonitor suatu barang DO (Delivery Order) yang tidak sesuai dengan permintaan konsumen dan on time delivery. Langkah – langkah pembuatan peta kendali atribut adalah: Tabel 3.2 Perhitungan Peta Kendali Atribut Langkah 1. Mengumpulkan data sampel dengan menghitung rata – rata proposi ketidakpatuhan
Rumus Non-Variabel
p
p1 p 2 ... p k k
Variabel
p
p1 p 2 ... p n k1 k 2 ...k n
Keterangan k = jumlah sample p = proposi ketidakpatuhan
Sumber: An introductions to Six Sigma & Process Improvement (Evans and Lindsay, 2007)
48
Tabel 3.2 Perhitungan Peta Kendali Atribut (Lanjutan) Rumus
Langkah
Non-Variabel
2. Estimasi standar devisasi 3.Menghitung batas pengendalian
sp
UCL = p 3s p LCL = p 3s p
Keterangan
Variabel
p (1 p ) n UCL = p 3
p (1 p ) ni
LCL = p 3
p (1 p ) ni
UCL = batas kendali atas LCL = batas kendali bawah
4. Rata-rata proposi ketidakpatuhan, UCL, dan LCL diplotkan. Sumber: An introductions to Six Sigma & Process Improvement (Evans and Lindsay, 2007)
2. Kapabilitas Proses Kapabilitas proses merupakan kisaran di mana variasi alami suatu proses terjadi akibat penyebab umum suatu sistem di mana menggambarkan pencapaian suatu proses dalam kondisi stabil sehingga dapat memprediksikan secara kuantitatif berapa baik suatu proses dapat memenuhi suatu target kinerja dan pengendalian yang dibutuhkan (Evans and Lindsay, 2007: 145). Macam – macam indeks kapabilitas proses yaitu (Hendradi, 2006: 34):
Cp merupakan perbandingan rentang spesifikasi dengan rentang proses di mana salah satu berhubungan dengan kondisi proses dan interprestasi nilai yang telah dihitung. Rumus Cp adalah sebagai berikut : C p
USL LSL 6σ
Cpk merupakan perbandingan di mana rata – rata proses berlokasi relatif terhadap batas spesifikasi sehingga mencari jarak terdekat lokasi proses dengan USL dan LSL kemudian
49
dibagi dengan rentang proses. Rumus Cpk adalah sebagai USL μ μ LSL berikut : C pk min ; 3σ 3σ
Six Sigma memperbolehkan rata – rata untuk bergeser hingga 1,5 kali deviasi standar dari target, maka Cpk harus dijaga pada nilai 1,5 (Cpk ≥ 1,5) dan Cp ≥ 2 (Evans and Lindsay, 2007: 146-147).
3. CTQ (Critical to Quality) Critical
to
quality
merupakan
aspek
dasar
untuk
mengidentifikasi hal – hal yang bersifat penting untuk kualitas dalam menentukan kepuasan pelanggan (Evans and Lindsay, 2007).
Hal ini dapat dilakukan dengan mengumpulkan
informasi yang dibutuhkan oleh pelanggan untuk aktivitas yang berkaitan dengan pengendalian proses untuk menjada supaya produk dapat terpenuhi (Evans and Lindsay, 2007: 94).
4. Tingkat Six Sigma Tingkat Six Sigma menekanakan cara pengukuran kualitas yang berlaku akibat kekeliruan atau kesalahan yang diterima oleh pelanggan. Langkah – langkah perhitungan tingkat Six Sigma sebagai berikut (Evans and Lindsay, 2007: 42) : Tabel 3.3 Perhitungan Tingkat Six Sigma Langkah 1. Menghitung DPU (Defects per Unit) 2. Menghitung DPMO (Defects per Million Opportunities) 3. Menghitung tingkat Six Sigma
Rumus Jumlah Cacat Yang Ditemukan DPU (Jumlah Unit CTQ Potential )
DPMO DPU Χ 1.000.00 0 1 - DPMO Nilai Sigma NORMISINV 1.5 1.000.000
Sumber: An introductions to Six Sigma & Process Improvement (Evans and Lindsay, 2007)
50
3.1.3 Analyze Analisis merupakan pemeriksaan terhadap proses, fakta, dan data untuk mendapatkan pemahaman mengenai mengapa suatu permasalahan terjadi dan di mana terdapat kesempatan untuk melakukan perbaikan (Evans and Lindsay, 2007: 160). Pada bab ini, analisis yang akan dibahas yaitu (Nur’Arif, 2008).: a. Analisis tingkat Six Sigma Analisis Six Sigma merupakan analisis variasi proses sejumlah setengah dari yang ditoleransi oleh tahap desain dan dalam waktu yang sama memberi kesempatan agar rata – rata peningkatan kualitas bergeser sebanyak 1,5 deviasi standar dari target (Evans and Lindsay, 2007: 46). b. Analisis mencari akar masalah dan analisis dampak FMEA (Failure Mode and Effect Analysis) Analisis mencari akar masalah menggunakan current reality tree diagram. Analisis dampak FMEA menyerupai peta proses yang disusun pada tahap measurement, namun lebih berkonsentrasi pada input proses – proses tersebut (Evans and Lindsay, 2007: 311). Langkah – langkah analisis dampak adalah sebagai berikut (Pyzdek, 2003: 597): 1. Identifikasi input proses jasa. 2. Membuat peta proses yang menggambarkan penyebab masalah – masalah yang terjadi dengan brainstorming untuk mencari potensi penyebab kesalahan tersebut. 3. Masing – masing dari kesalahan dibuat diagram hingga potensi dampak satu masalah ditemukan. 4. Setelah sebab dan akibat dipetakan, masing – masing tahap proses kemudian diberi peringkat berdasarkan tiga kategori 51
yang dapat dilihat di Lampiran E. Tiga kategori tersebut adalah: -
Severity (SEV) mengevaluasi dampak masing – masing perkiraan suatu kegagalan dengan potensial terburuk yang terjadi kepada customer.
-
Occurance (OCC) menentukan kemungkinan dari setiap kejadian
dan
menetapkan
suatu
kejadian
dalam
mengambil suatu kategori resiko. -
Detection (DET) mengidentifikasi metode pengidentifikasi suatu kegagalan dan mentapkan kategori resiko yang ditemukan.
5. Membuat peringkat keseluruhan potensi kegagalan (RPN = Risk Priority Number). RPN = SEV x OCC x DET RPN terbesar menunjukkan prioritas utama permasalahan yang harus diatasi dibandingkan RPN yang lebih kecil. Beberapa
perusahaan
mempunyai
petunjuk
yang
memerlukan tindakan yang didasarkan pada nilai mutlak dari RPN. 6.
Analisa dan mengurangi identifikasi permasalahan untuk mengurangi resiko kegagalan.
3.1.4 Improve Improve merupakan perbaikan proses untuk mencapai tingkat kinerja
dengan
fokus utama
yaitu
customer needs
dengan
mengidentifikasi akar masalah, mencari penyebab, dan melakukan perbaikan proses yang dapat dipertanggungjawabkan kepada pihak manajemen perusahaan.
52
3.1.5 Control Control merupakan langkah terakhir dari proses DMAIC Six Sigma dan merupakan aktivitas untuk memastikan agar perbaikan isu bisnis terjaga melalui pemantauan tolok ukur kinerja utama. Tolok ukur kinerja ini dapat menggunakan metodologi SPC (Statistical Process Control) dengan Peta Kontol untuk memonitor proses agar dapat
menemukan
sebab–sebab
khusus
untuk
melakukan
perbaikan, kapabilitas proses (Cp dan Cpk) untuk memprediksikan secara kuantitatif berapa baik suatu proses dapat memenuhi suatu target kinerja dan pengendalian yang dibutuhkan, dan tingkat six sigma untuk mengetahui kapabilitas proses dalam pengukuran kualitas yang diterima oleh pelanggan. Proses control ini harus terus diimplementasikan secara rutin di seluruh manajemen.
3.2
Alternatif Solusi DIFOT (Delivery In Full On Time)
3.2.1 Define Define dalam masalah DIFOT (Delivery In Full On Time) yaitu KPI DIFOT yang baru mencapai target 93.84% dengan target yang ingin dicapai adalah 98%. Masalah ini disebabkan karena masalah kepatuhan yang merupakan kinerja tidak memuaskan seperti tingkat kepuasan customer, masalah kinerja yang tidak terstruktur, dan masalah efisiensi seperti produktivitas. Hal ini dapat digambarkan
pada Gambar 3.1 dengan menggunakan diagram
IPO yaitu diagram untuk melihat faktor – faktor apa yang mempengaruhi proses, serta apa output / target yang diinginkan untuk memperbaiki proses yang ada. Diagram IPO ini dibuat dari hasil pengamatan di perusahaan dan wawancara dengan supervisor dan manajer Departemen Transportasi 53
Gambar 3.1 Diagram IPO DIFOT Dalam mengidentifikasi masalah DIFOT, dibuat diagram Pareto pada Gambar 3.2 untuk menganalisis kejadian dari data internal perusahaan selama satu tahun sehingga memudahkan prioritas permasalahan yang diselesaikan. Diagram pareto mempunyai aturan 80:20 yaitu 80% keadaan yang terjadi disebabkan oleh 20% permasalahan, dengan menyelesaikan 20% permasalahan utama telah dapat memperbaiki keadaan menjadi lebih baik (Chase, Jacobs, and Aquilano, 2006: 327, 610). Diagram Pareto DIFOT 100
100%
90
90%
80
80%
70
70%
60
60%
50
50%
40
40%
30
30%
20
20%
10
10%
0
0% Barang rusak Jumlah barang Barang tidak
Kurang
kurang/lebih
Komunikasi
sesuai spek
Salah
Gudang
Customer
menurunkan customer tutup sedang stock barang karena opname pengiriman console
Gambar 3.2 Diagram Pareto Permasalahan DIFOT
54
Jalan Macet
Dari Gambar 3.2, hal utama permasalahan dalam DIFOT, berdasarkan data perusahaan, belum mencapai target disebabkan karena barang rusak ada 37 kasus seperti barang bocor, susut, packing sobek, atau menggumpal. Masalah kedua disebabkan karena barang diterima oleh customer kurang atau lebih ada 30 kasus. Masalah lain disebabkan karena barang yang diterima oleh customer
tidak
sesuai spesifikasi
ada 20
kasus, kesalahan
komunikasi antar tim ada 12 kasus (marketing, CSS, transportasi, dan warehouse), salah menurunkan barang karena pengiriman console ada 11 kasus, gudang customer tutup ada 7 kasus, customer sedang melakukan stock opname ada 4 kasus dan jalan macet ada 2 kasus. Secara ringkas, permasalahan DIFOT dapat digambarkan pada cause effect diagram yang dapat dilihat pada Gambar 3.3 sampai dengan Gambar 3.6 untuk melihat akar permasalahan. Cause effect diagram tersebut mengambil 4 masalah utama, 80% keadaan yang terjadi, dari diagram Pareto yaitu barang rusak, jumlah barang kurang/lebih, barang tidak sesuai spesifikasi, dan kurang komunikasi.
Gambar 3.3 Cause Effect Diagram Barang Rusak
55
METHOD
Waktu unloading barang tidak dihitung di customer Pengiriman Console Reward & Punishment
Checker tidak memeriksa barang Human error MAN
Jumlah Barang Kurang / Lebih Human error Ketelitian loading/ undloading Reward & Punishment
Gambar 3.4 Cause Effect Diagram Jumlah Barang Kurang / Lebih
Gambar 3.5 Cause Effect Diagram Barang Tidak Sesuai Dengan Spesifikasi
Gambar 3.6 Cause Effect Diagram Kurang Komunikasi
56
38.57%
40.00%
30.48%
35.00% 30.00% 25.00% 20.00%
8.57%
15.00% 10.00%
10.95% 6.19%
5.00%
4.76% 0.48%
0.00% ll D
er m to
in dm A g t in ke ar M
s Cu
S CS r rte po an Tr se ou eh ar W
Gambar 3.7 Penyebab Defect Delivery Order Tahun 2008 Sumber: Data Perusahaan
Pada Gambar 3.7 menunjukkan bahwa data persentase defect pada DIFOT terbesar yang diperoleh dari Departemen Transportasi, pertama disebabkan oleh warehouse baik dari sifat fisik barang atau human error dan kedua disebabkan oleh transporter. Defect ini merupakan kegagalan eksternal yang tidak memuaskan ditemukan setelah pengiriman kepada pelanggan seperti:
Biaya
yang
pengembalian
disebabkan barang
oleh
sehingga
keluhan
pelanggan
mengakibatkan
dan
pesanan
dibatalkan dan biaya kirim yang lebih mahal.
Biaya penarikan barang dan klaim asuransi termasuk biaya perbaikan atau penggantian.
Biaya pertanggungjawaban produk akibat defect.
3.2.2 Measure Measure membantu proses pengukuran yang berfokus pada kinerja yang dipilih untuk diperbaiki pada saat ini dan mengumpulkan
57
data yang dibutuhkan untuk dianalisis. Proses measure ini dibagi menjadi empat langkah yaitu (Nur’Arif, 2008): 1. Peta Kendali Atribut Peta kendali atribut digunakan mengetahui batas toleransi apakah suatu karakteristik dapat memenuhi spesifikasi atu tidak seperti jumlah barang pada saat pengiriman sesuai atau tidak maupun barang yang defect. Peta kendali atribut yang digunakan sebagai pengukuran adalah diagram p untuk memonitor suatu barang DO (Delivery Order) yang tidak sesuai dengan permintaan konsumen dan kriteria DIFOT dengan pengukuran sampel yang diambil dari November – Desember 2008 . Tabel 3.4 Data Perhitungan Defect DIFOT No
Tgl. Pengiriman
Sample Size
Number of Defects in Sample
Proportion Defective
LCL
UCL
1
1-Nov-08
14
2
0.1429
0.000
0.146
2
3-Nov-08
123
15
0.1220
0.000
0.146
3
4-Nov-08
94
4
0.0426
0.000
0.146
4
5-Nov-08
110
2
0.0182
0.000
0.146
5
6-Nov-08
70
1
0.0143
0.000
0.146
6
7-Nov-08
221
46
0.2081
0.000
0.146
7
8-Nov-08
14
1
0.0714
0.000
0.146
8
10-Nov-08
93
11
0.1183
0.000
0.146
9
11-Nov-08
113
6
0.0531
0.000
0.146
10
12-Nov-08
96
3
0.0313
0.000
0.146
11
13-Nov-08
110
1
0.0091
0.000
0.146
12
14-Nov-08
128
2
0.0156
0.000
0.146
13
15-Nov-08
9
2
0.2222
0.000
0.146
14
17-Nov-08
85
4
0.0471
18-Nov-08
99
5
0.0505
0.000 0.000
0.146
15 16
19-Nov-08
108
2
0.0185
0.000
0.146
17
20-Nov-08
128
8
0.0625
0.000
0.146
18
21-Nov-08
88
2
0.0227
0.000
0.146
19
22-Nov-08
9
1
0.1111
0.000
0.146
9
0.1071
0.000
0.146
20
58
24-Nov-08
84
0.000
Tabel 3.4 Data Perhitungan Defect DIFOT (Lanjutan) No
Tgl. Pengiriman
Sample Size
Number of Defects in Sample
Proportion Defective
LCL
UCL
21
25-Nov-08
102
5
0.0490
0.000
0.146
22
26-Nov-08
83
1
0.0120
0.000
0.146
23
27-Nov-08
84
3
0.0357
0.000
0.146
24
28-Nov-08
6
1
0.1667
0.000
0.146
25
29-Nov-08
115
3
0.0261
0.000
0.146
26
30-Nov-08
15
1
0.0667
0.000
0.146
27
1-Dec-08
108
17
0.1574
0.000
0.146
28
2-Dec-08
116
6
0.0517
0.000
0.146
29
3-Dec-08
124
11
0.0887
0.000
0.146
30
4-Dec-08
88
3
0.0341
0.000
0.146
31
5-Dec-08
138
2
0.0145
0.000
0.146
32
6-Dec-08
9
1
0.1111
0.000
0.146
33
9-Dec-08
81
4
0.0494
0.000
0.146
34
10-Dec-08
84
8
0.0952
0.000
0.146
35
11-Dec-08
124
9
0.0726
0.000
0.146
36
12-Dec-08
106
7
0.0660
0.000
0.146
37
13-Dec-08
6
1
0.1667
0.000
0.146
38
15-Dec-08
124
19
0.1532
0.000
0.146
39
16-Dec-08
130
8
0.0615
0.000
0.146
40
17-Dec-08
84
3
0.0357
0.000
0.146
41
18-Dec-08
104
2
0.0192
0.000
0.146
42
19-Dec-08
101
3
0.0297
0.000
0.146
43
20-Dec-08
15
4
0.2667
0.000
0.146
44
22-Dec-08
126
15
0.1190
0.000
0.146
45
23-Dec-08
103
8
0.0777
0.000
0.146
46
24-Dec-08
131
4
0.0305
0.000
0.146
0.0161
0.000
0.146
47
26-Dec-08
62
1
Jumlah
4165
227
Contoh Perhitungan: 1. Perhitungan Proportion Defective number of defects in sample sample size 2 0.1429 14
Pr oportion Defective
59
2. Perhitungan p P
number of defects in sample sample size 277 0.06651 4165
3. Perhitungan N
N
sample size data 4165 89 47
4. Perhitungan LCL dan UCL
LCL p 3
p(1 p) N
0.06651(1 0.06651) 89 0.013 0.000 0.06651 3
UCL p 3
p(1 p) N
0.06651 3
0.06651(1 0.06651) 89
0.146
Diagram p ini untuk mengetahui performasi suatu kualitas dari defect DIFOT yang mengalami frekuensi terbesar. Pada Gambar 3.8
menunjukkan
ada
beberapa
rata–rata
proporsi
ketidakpatuhan melebihi batas kendali atas. Hal ini perlu diperhatikan untuk mencari apa penyebab dari penyimpangan tersebut dan segera membuat perbaikan yaitu barang rusak,
60
jumlah barang kurang/lebih, barang tidak sesuai spesifikasi, dan kurang komunikasi.
Diagram P DIFOT
Proportion Defective
0.30 0.25 0.20 0.15 0.10 0.05 0.00 1
3
5
7
9
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Sample Number
Proportion defective CenterLine LCL UCL
Gambar 3.8 Diagram P DIFOT 2. Kapabilitas Proses Kapabilitas proses merupakan gambaran pencapaian suatu proses sehingga dapat memprediksikan secara kuantitatif dari indeks kapabilitas proses (Cp dan Cpk) agar suatu proses dapat memenuhi suatu target kinerja dan pengendalian yang dibutuhkan. Pengukuran kapabilitas proses ini dibantu dengan menggunakan program Minitab 15.
Gambar 3.9 merupakan hasil kapabilitas proses DIFOT. Dari gambar dapat dilihat bahwa kurva within dan overall saling berhimpitan dan penyebaran histogram berada di sebelah kiri dari
nilai
target
sehingga
diperlukan
perbaikan
agar
penyebaran data berada di nilai target.
61
Process Capability of Measurement LSL
Target
USL Within O verall
P rocess D ata LS L -10 Target 5 USL 40 S ample M ean 5.894 S ample N 47 S tDev (Within) 7.504 S tDev (O v erall) 7.5043
P otential (Within) C apability Cp 1.11 C P L 0.71 C P U 1.52 C pk 0.71 O v erall C apability Pp PPL PPU P pk C pm
-10 O bserv ed P erformance P P M < LS L 0.00 P P M > U S L 21276.60 P P M Total 21276.60
0
10
E xp. Within P erformance P P M < LS L 17084.55 PPM > USL 2.75 P P M Total 17087.30
20
30
1.11 0.71 1.51 0.71 0.66
40
E xp. O v erall P erformance P P M < LS L 17088.14 PPM > USL 2.75 P P M Total 17090.89
Gambar 3.9 Kapabilitas Proses DIFOT Six Sigma memperbolehkan rata – rata untuk bergeser hingga 1,5 kali deviasi standar dari target, maka Cpk harus dijaga pada nilai 1,5 (Cpk ≥ 1,5) dan Cp ≥ 2 (Evans and Lindsay, 2007: 146-147). Dari hasil perhitungan, nilai Cp yang diperoleh sebesar 1.1 sehingga menunjukkan bahwa masalah DIFOT ini masih rendah dari kemampuan proses sehingga perlu perbaikan dan pengendalian untuk mencapai batas spesifikasi. Nilai Cpk yang diperoleh sebesar 0.71 yang menunjukkan bahwa kemampuan proses dalam mencapai target masih rendah.
3. Identifikasi karakteristik CTQ (Critical to Quality) Critical
to
quality
merupakan
aspek
dasar
untuk
mengidentifikasi hal – hal yang bersifat penting untuk kualitas dalam menentukan kepuasan pelanggan. Karakteristik CTQ
62
pada PT. XYZ Logistik dapat diklasifikasikan sebagai berikut (Evans and Lindsay, 2007: 95): Dimensi Kualitas Kepatuhan Seberapa banyak kinerja sesuai dengan standar yang telah ditentukan Reliability Kemampuan untuk menyediakan apa yang dijanjikan dengan tepat dan akurat Kinerja Kinerja merupakan karakter operasional dari perusahaan yaitu kemampuan untuk memenuhi keinginan customer. Tingkat pelayanan Kecepatan, keramahan, dan kompetensi perbaikan.
Tabel 3.5 Critical to Quality DIFOT Produk Jasa
Akar Masalah
Ketidakakuratan barang yang diterima oleh customer.
1. Barang rusak 2. Jumlah barang kurang / lebih. 3. Barang tidak sesuai spesifikasi DO
Kurang komunikasi antara customer, marketing, transportasi, dan customer service
4. Gudang customer sedang tutup. 5. Customer sedang melakukan stock opname.
Pengiriman console.
6. Pengiriman console yang menyebabkan waktu unloading di tiap customer berbeda dan kadang terlambat.
Dari data internal perusahaan dapat diketahui bahwa akibat dari dimensi kualitas akbiat barang yang sampai di customer rusak, jumlah barang yang diterima kurang/lebih, dan barang tidak sesuai spesifikasi pernah menimbulkan gagal produksi pada salah customer sehingga menimbulkan claim kepada PT. XYZ
Logistik. Biaya
claim baik yang ditanggung oleh
perusahaan atau kepada pihak transporter yang diperoleh dari data perusahaan mencapai ± Rp78.000.000,00.
63
4. Tingkat Six Sigma Tingkat Six Sigma ini untuk mengetahui kualitas pada kondisi perusahaan saat ini berada pada di tingkat mana dengan melalui perhitungan DPU, DPMO, dan tingkat Six Sigma. Tabel 3.6 Penentuan Tingkat Six Sigma DIFOT No
64
Tgl. Pengiriman
Sample Size
Number of Defects in Sample
CTQ Potential
Kualitas Proses DPU
DPMO
Tingkat Six Sigma
1
1-Nov-08
14
2
6
0.0238
23,809.52
3.4808
2
3-Nov-08
123
15
6
0.0203
20,325.20
3.5471
3
4-Nov-08
94
4
6
0.0071
7,092.20
3.9526
4
5-Nov-08
110
2
6
0.0030
3,030.30
4.2445
5
6-Nov-08
70
1
6
0.0024
2,380.95
4.3227
6
7-Nov-08
221
46
6
0.0347
34,690.80
3.3159
7
8-Nov-08
14
1
6
0.0119
11,904.76
3.7602
8
10-Nov-08
93
11
6
0.0197
19,713.26
3.5597
113
6
6
0.0088
8,849.56
3.8719
9
11-Nov-08
10
12-Nov-08
96
3
6
0.0052
5,208.33
4.0617
11
13-Nov-08
110
1
6
0.0015
1,515.15
4.4646
12
14-Nov-08
128
2
6
0.0026
2,604.17
4.2939
13
15-Nov-08
9
2
6
0.0370
37,037.04
3.2862
14
17-Nov-08
85
4
6
0.0078
7,843.14
3.9161
15
18-Nov-08
99
5
6
0.0084
8,417.51
3.8903
16
19-Nov-08
108
2
6
0.0031
3,086.42
4.2385
17
20-Nov-08
128
8
6
0.0104
10,416.67
3.8110
18
21-Nov-08
88
2
6
0.0038
3,787.88
4.1704
19
22-Nov-08
9
1
6
0.0185
18,518.52
3.5854
20
24-Nov-08
84
9
6
0.0179
17,857.14
3.6002
21
25-Nov-08
102
5
6
0.0082
8,169.93
3.9012
22
26-Nov-08
83
1
6
0.0020
2,008.03
4.3769
23
27-Nov-08
84
3
6
0.0060
5,952.38
4.0150
24
28-Nov-08
6
1
6
0.0278
27,777.78
3.4145
25
29-Nov-08
115
3
6
0.0043
4,347.83
4.1238
26
30-Nov-08
15
1
6
0.0111
11,111.11
3.7865
27
1-Dec-08
108
17
6
0.0262
26,234.57
3.4393
28
2-Dec-08
116
6
6
0.0086
8,620.69
3.8815
29
3-Dec-08
124
11
6
0.0148
14,784.95
3.6758
30
4-Dec-08
88
3
6
0.0057
5,681.82
4.0313
31
5-Dec-08
138
2
6
0.0024
2,415.46
4.3181
Tabel 3.6 Penentuan Tingkat Six Sigma DIFOT (Lanjutan) No
32
Tgl. Pengiriman
Sample Size
Number of Defects in Sample
CTQ Potential
Kualitas Proses DPO
DPMO
Tingkat Six Sigma
18,518.52
3.5854
6-Dec-08
9
1
6
0.0185
33
9-Dec-08
81
4
6
0.0082
8,230.45
3.8985
34
10-Dec-08
84
8
6
0.0159
15,873.02
3.6476
35
11-Dec-08
124
9
6
0.0121
12,096.77
3.7540
36
12-Dec-08
106
7
6
0.0110
11,006.29
3.7902
37
13-Dec-08
6
1
6
0.0278
27,777.78
3.4145
38
15-Dec-08
124
19
6
0.0255
25,537.63
3.4508
39
16-Dec-08
130
8
6
0.0103
10,256.41
3.8168
40
17-Dec-08
84
3
6
0.0060
5,952.38
4.0150
41
18-Dec-08
104
2
6
0.0032
3,205.13
4.2260
42
19-Dec-08
101
3
6
0.0050
4,950.50
4.0793
43
20-Dec-08
15
4
6
0.0444
44,444.44
3.2013
44
22-Dec-08
126
15
6
0.0198
19,841.27
3.5570
45
23-Dec-08
103
8
6
0.0129
12,944.98
3.7279
46
24-Dec-08
131
4
6
0.0051
5,089.06
4.0697
47
26-Dec-08
62
1
6
0.0027
2,688.17
4.2836
Contoh Perhitungan: 1. Menghitung DPU (Defects per Unit) Jumlah Cacat Yang Ditemukan (Jumlah Unit CTQ Potential ) 2 0.0238 14 x 6
DPU
CTQ Potential diketahui dari jumlah akar masalah pada Tabel 3.5. 2. Menghitung DPMO (Defects per Million Opportunities) DPMO DPU Χ 1.000.000 0.0238 1.000.000 23.809
3. Menghitung tingkat Six Sigma 1 - DPMO Nilai Sigma NORMISINV 1.5 1.000.000 1 - 23.809 NORMSINV 1.5 1.000.000 3.4808
65
Nilai 1,5 pada perhitungan tingkat Six Sigma menunjukkan kualitas Six Sigma dalam mengendalikan proses agar sesuai dengan target dengan pergeseran sigma dari target sebanyak ±1,5 (Evans and Lindsay, 2007: 46).
3.2.3 Analyze Analisis merupakan pemeriksaan terhadap proses, fakta, dan data untuk mendapatkan pemahaman mengenai mengapa suatu permasalahan terjadi dan di mana terdapat kesempatan untuk melakukan perbaikan (Evans and Lindsay, 2007: 160).
Dalam
analisis ini dibagi menjadi dua yaitu (Nur’Arif, 2008): 1. Analisis tingkat Six Sigma Tingkat Six Sigma adalah tingkat yang setara dengan variasi proses sejumlah setengah dari yang ditoleransi oleh tahap desain dan dalam waktu yang sama memberi kesempatan agar rata – rata peningkatan kualitas bergeser sebanyak 1,5 deviasi standar (tingkat Six Sigma) dari target (Evans and Lindsay, 2007: 44). Pada Gambar 3.10, tingkat Six Sigma DIFOT mempunyai pola yang tidak berpola, tetapi untuk 5 titik terakhir tingkat Six Sigma semakin meningkat dan ukuran Six Sigma sekitar 3 – 4 sigma.
Analisa tingkat
Six Sigma ini bertujuan untuk
meningkatkan kualitas dan kinerja perusahaan untuk mencapai target DIFOT 98%.
66
Ukuran Tingkat Six Sigma DIFOT 4.60
Tingkat Six Sigma
4.40 4.20 4.00 3.80 3.60 3.40 3.20 1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
33
35
37
39
41
43
45
47
Sampel
Gambar 3.10 Tingkat Six Sigma DIFOT 2. Analisis mencari akar masalah dan analisis dampak FMEA (Failure Mode and Effect Analysis) a. Akar Masalah DIFOT Akar masalah dianalisis dengan menggunakan CRT (Current Reality Tree) untuk menemukan akar permasalahan yang menjadi inti masalah yang dihadapi dari isu bisnis dan memberikan cara pandang yang sistematis terhadap sebab akibat
yang
timbul
dengan
mengidentifikasi
penyebab
utamanya dengan bidang yang terkait (Doggett, 2005: 39). Beberapa analisa yang menjadi dasar dalam Current Reality Tree ini didapatkan dari data-data perusahaan, hasil wawancara dan diskusi dengan beberapa pekerja, supervisor, dan manajer. Akar permasalahan DIFOT belum mencapai target aktualnya yaitu 98%, disebabkan oleh beberapa hal pada Tabel 3.7 dan Gambar 3.11.
67
Tabel 3.7 Permasalahan DIFOT Belum Mencapai Target Masalah Cause 1 Cause 2 Root Cause Delivery in Full 1. Supir tidak 1. Alamat customer 1. Kurang berbeda dan komunikasi mendapatka On Time tidak antara customer, (DIFOT) n alamat mengkonfirmasi mencapai baru marketing, customer kepada Dept. mencapai transportasi, dan customer service. Marketing target 93.84% (Internal) 1. SDM masih 2. Barang yang 1. Pengecekan terbatas. barang tidak diterima (Internal) teliti karena oleh customer rusak atau checker, loader, tidak sesuai operator tidak dengan berfungsi di spesifikasi. mana komunikasi antara tim kurang dan SDM yang tidak mendukung. 2. Salah dalam 1. SDM masih penempatan terbatas. barang. (Internal) 3. Penanganan barang kurang 2. Pengiriman baik. console di mana 1 4. Waktu unloading truk mengangkut lebih dari 1 drop di setiap customer point. (Internal). berbeda. 3. Barang yang 1. Salah 1.Pengiriman console sampai di menurunkan di mana 1 truk barang karena mengangkut lebih customer waktu unloading dari 1 drop point. tidak tepat di setiap customer waktu. (Internal) 2.Kurang berbeda yang komunikasi antara menyebabkan kesalahan dalam customer, marketi jumlah ng, transportasi, menurunkan dan customer barang. service. (Internal).
68
Tabel 3.7 Permasalahan DIFOT Belum Mencapai Target (Lanjutan) Masalah Cause 1 Cause 2 Root Cause 3. Barang yang 2. Gudang customer 3.Jalan macet Delivery in Full tutup dan sampai di (Eksternal) On Time (DIFOT) customer customer sedang mencapai baru tidak tepat stock opname. mencapai waktu. target 93.84% 4. Order 1. Waktu unloading 1. Pengiriman di setiap customer console di pengiriman mana 1 truk berbeda yang tidak sesuai mengangkut menyebabkan dengan DO lebih dari 1 kesalahan dalam drop point. jumlah (Internal) menurunkan barang. b. Analisis Dampak FMEA (Failure Mode and Effect Analysis) Analisis dampak FMEA menyerupai peta proses yang disusun pada tahap measurement, namun lebih berkonsentrasi pada input proses – proses yang terjadi. Analisa dampak ini telah didikusikan terlebih dahulu dengan supervisor dan manajer. Pada Tabel 3.8, nilai RPN terbesar diperoleh sebesar 168 dengan potensi modus kegagalan disebabkan oleh penerimaan barang di customer rusak, tidak sesuai jumlah, dan tidak sesuai dengan spesifikasi DO yang harus diperbaiki terlebih dahulu untuk menguranginya kejadian tersebut.
69
Gambar 3.11 Current Reality Tree DIFOT
70
Tabel 3.8 Analisis Dampak FMEA DIFOT Fungsi Proses (tahap) Penerimaan barang di customer
Sumber Daya Manusia
Komunikasi antara customer, marketing, warehouse, transportasi, dan CSS.
Potensi Modus Kegagalan (kecacatan proses) - Barang rusak. - Jumlah barang kurang / lebih - Barang tidak sesuai dengan spesifikasi DO.
- Checker, loader, dan operator tidak berfungsi sebagaimana mestinya. - Gudang customer tutup. - Customer sedang stock opname - Supir tidak mendapatkan alamat customer
Dampak Potensi Kegagalan
SEV
- Biaya claim. - Salah produksi
8
- Barang yang diterima oleh customer tidak sesuai
- Keterlambatan barang yang diterima oleh customer. - Transportasi melakukan dua kali perjalanan
Potensi Penyebab Kegagalan - Pengecekan barang tidak teliti oleh checker. - Kesalahan dalam penempatan barang. - Kesalahan penurunan barang sewaktu pengiriman console. - Tidak mengikuti SOP yang ada.
8
6
- Kurang komunikasi antara customer, marketing, warehouse, transportasi, dan CSS.
OCC
Pengendalian Saat Ini
DET RPN
- Pengecekan barang oleh 2 checker.
7
- Pembatasan jumlah DO yang dikirim dalam 1 mobil dengan memenuhi quantity mobil.
3
168
6
- Brifing dan training dengan melakukan SOP yang benar . - Sistem reward dan punishment kepada checker, loader, dan operator.
3
144
5
- Komunikasi 2 arah untuk menghadari salah paham dan dalam memberi informasi yang akurat dan detail. - Komunikasi antara customer dan marketing agar dapat memberi informasi yang tepat dan benar.
3
90
71
3.2.4 Improve Improve merupakan perbaikan proses untuk mencapai tingkat kinerja
dengan
fokus utama
yaitu
customer needs
dengan
mengidentifikasi akar masalah, mencari penyebab, dan melakukan perbaikan proses yang dapat dipertanggungjawabkan kepada pihak manajemen perusahaan. Proses perbaikan dan pencegahan pada PT. XYZ Logistik harus memperhitungkan dengan baik aktivitas customer maupun perusahaan dan metode anti kegagalan harus diterapkan untuk interaksi antara perusahaan dengan customer. Dalam hal ini melakukan pendekatan FRT (Future Reality Tree) untuk melihat apakah usulan perbaikan dapat benar – benar mengurangi penyebab yang tidak diinginkan (Santosa, 1999). Pada Gambar 3.12 diharapkan dengan pendekatan FRT untuk mencapai target DIFOT yaitu 98% yang dapat memperbaiki kepuasan dan kepercayaan customer juga dapat berkompetisi dengan kompetitor. Dan Tabel 3.9 merupakan usulan perbaikan dari akar masalah yang terjadi di PT. XYZ Logistik. Delivery in Full On Time (DIFOT) mencapai target 98% Barang yang diterima oleh customer baik & sesuai spec
Supir mudah mendapatkan alamat customer
Barang yang sampai di customer tepat waktu
Customer Monitoring waktu memberi tahu unloading di setiap Pengaturan Penanganan gudang customer customer berbeba Pengecekan dalam tutup dan kapan melalui GPS unloading barang penempatan stock opname barang di dengan teliti internal barang di customer truk eksternal dengan baik Checker melakukan internal Pembatasan jumlah Final komunikasi DO yang dikirim pemeriksaan 2x Final komunikasi antara customer, dalam 1 mobil dalam antara customer, marketing, pengiriman console Komunikasi antara marketing, transportasi, dan tim menjadi transportasi, dan customer service lebih baik customer service
Customer mengkonfirmasi perubahan alamat kepada departemen marketing
internal
Reward & Punishment internal
Brifing dan training kepada checker, loader, dan operator
Gambar 3.12 Future Reality Tree DIFOT
72
Order pengiriman sesuai dengan DO
internal
Masalah Delivery In Full On Time baru mencapai target 93.84%
Akar Masalah
Tabel 3.9 Solusi Pencapaian Target DIFOT 98% Solusi
Metode 1.Barang yang diterima oleh customer rusak, kurang, lebih, tidak sesuai spesifikasi, dan tidak sesuai DO.
Manusia 1. Checker, loader, dan operator tidak berfungsi sebagaimana mestinya. 2. Kurang komunikasi antara tim (customer, marketing, customer service, transportasi, administrasi, dan warehouse) Customer 1.- Customer merubah-ubah alamat. - Gudang customer tutup - Customer sedang stock opname Transportasi 1. Pengiriman console yang menyebabkan waktu unloading di tiap customer berbeda dan kadang terlambat. Lingkungan 1. Jalan macet
1.- Checker melakukan pemeriksaan dan menandatangani form pengeluaran barang. - Reward dan punishment system kepada checker, loader, dan operator.
Tujuan Delivery In Full On Time mencapai target 98.00%
1.Brifing dan training dengan melakukan SOP yang benar juga sistem reward dan punishment kepada checker, loader, dan operator. 2.- Memberikan training dalam berkomunikasi antar tim supaya tidak salah dalam prespsi dan gaya bahasa. - Komunikasi 2 arah untuk menghadari salah paham dan dalam memberi informasi yang akurat dan detail. 1. Komunikasi antara customer dan marketing agar dapat memberi informasi yang tepat dan benar.
1.Melakukan jadwal pengiriman dengan membatasi jam cut off pk16.00 dan pembatasan jumlah DO yang dikirim dalam 1 mobil dengan memenuhi quantity mobil. 1. Final komunikasi/konfirmasi harus dilakukan kedua belah pihak. 2. Monitoring posisi kendaraan melalui GPS
73
3.2.5 Control Control merupakan langkah terakhir dari proses DMAIC Six Sigma dan merupakan aktivitas untuk memastikan agar perbaikan isu bisnis terjaga melalui pemantauan tolok ukur kinerja utama. Tolok ukur kinerja ini dapat menggunakan metodologi SPC (Statistical Process Control) untuk memonitor proses agar dapat menemukan sebab – sebab khusus untuk melakukan perbaikan dengan membuat peta kontrol dengan melibatkan pihak yang bertanggung jawab secara rutin setiap minggu. Template yang digunakan untuk SPC adalah sebagai berikut: Tabel 3.10 Template Diagram P DIFOT No
Tgl. Pengiriman
Sample Size
Number of Defects in Sample
Proportion Defective
LCL
UCL
1 1 3 …. n Tabel 3.11 Template Tingkat Six Sigma DIFOT No
1 1 3 …. n
74
Tgl. Pengiriman
Sample Size
Number of Defects in Sample
CTQ Potential
Kualitas Proses Tingkat DPO DPMO Six Sigma
3.3
Alternatif Solusi On Time Delivery
3.3.1 Define Define dalam masalah on time delivery yaitu KPI on time delivery yang baru mencapai target 93.40% dengan target yang ingin dicapai adalah 95%. Masalah ini disebabkan karena masalah kepatuhan yang merupakan kinerja tidak memuaskan seperti tingkat kepuasan customer dalam pengantaran barang yang tidak tepat waktu, masalah kinerja yang tidak terstruktur, dan masalah efisiensi. Hal ini dapat digambarkan pada Gambar 3.13 dengan menggunakan diagram IPO yaitu diagram untuk melihat faktor – faktor apa yang mempengaruhi proses, serta apa output / target yang diinginkan untuk memperbaiki proses yang ada. Diagram IPO ini dibuat dari hasil pengamatan di perusahaan dan wawancara dengan supervisor dan manajer.
Gambar 3.13 Diagram IPO On Time Delivery Dalam mengidentifikasi masalah on time delivery, dibuat diagram Pareto pada Gambar 3.14 untuk menganalisis kejadian dari data internal perusahaan selama satu tahun sehingga memudahkan
75
prioritas
permasalahan
yang
diselesaikan.
Diagram
pareto
mempunyai aturan 80:20 yaitu 80% keadaan yang terjadi disebabkan oleh 20% permasalahan, dengan menyelesaikan 20% permasalahan utama telah dapat memperbaiki keadaan menjadi lebih baik (Chase, Jacobs, and Aquilano, 2006: 327, 610). Diagram Pareto On Time Delivery 100
100%
90
90%
80
80%
70
70%
60
60%
50
50%
40
40%
30
30%
20
20%
10
10%
0
0% Barang masih DO yang diterima Sistem printer belum Permintaan customer Customer merubahTransportasi bermasalah karena di lebih dari jam cut off terintegrasi sehingga yang mendadak ubah alamat outsource terlambat sistem dengan fisik tidak sama
hasil TSR dan Pick List sangat lama
masuk ke PT. XYZ Logistik
Gambar 3.14 Diagram Pareto Permasalahan On Time Delivery Dari Gambar 3.14 hal utama permasalahan dalam on time delivery, berdasarkan data perusahaan, belum mencapai target disebabkan karena barang masih bermasalah karena di sistem dengan fisik tidak sama ada 35 kasus. Masalah kedua disebabkan karena DO yang diterima lebih dari jam cut off (pukul 17.00) ada 25 kasus. Masalah lain disebabkan karena sistem printer belum terintegrasi sehingga menyebabkan hasil TSR (Transport Summary Report) dan pick list sangat lama ada 20 kasus, permintaan customer yang mendadak ada 9 kasus, customer merubah-ubah alamat ada 6 kasus, dan transportasi outsource datang terlambat ada 4 kasus. Secara ringkas, permasalahan on time delivery dapat digambarkan pada
76
cause effect diagram yang dapat dilihat pada Gambar 3.15 sampai dengan Gambar 3.17 untuk melihat akar permasalahan. Cause effect diagram tersebut mengambil 3 masalah utama, 80% keadaan yang terjadi, dari diagram Pareto yaitu barang masih bermasalah karena di sistem dengan fisik tidak sama, DO yang diterima lebih dari jam cut off, dan hasil print TSR dan pick list masih lama.
Gambar 3.15 Cause Effect Diagram Barang Masih Bermasalah
Gambar 3.16 Cause Effect Diagram DO Lebih Dari Jam Cut Off
Gambar 3.17 Cause Effect Diagram Hasil TSR dan Pick List Lama
77
3.3.2 Measure Measure membantu proses pengukuran yang berfokus pada kinerja yang dipilih untuk diperbaiki pada saat ini dan mengumpulkan data yang dibutuhkan untuk dianalisis. Proses measure ini dibagi menjadi empat langkah yaitu (Nur’Arif, 2008): 1. Peta Kendali Atribut Peta kendali atribut digunakan mengetahui batas toleransi apakah suatu karakteristik dapat memenuhi spesifikasi atu tidak seperti jumlah barang pada saat pengiriman sesuai atau tidak maupun barang yang defect. Peta kendali atribut yang digunakan sebagai pengukuran adalah diagram p untuk memonitor pengiriman DO (Delivery Order) yang tidak sesuai dengan tanggal pengiriman dari permintaan konsumen dengan pengukuran sampel yang diambil dari November – Desember 2008 . Tabel 3.12 Data Perhitungan Defect On Time Deliery No
Tgl. Pengiriman
Sample Size
Number of Defects in Sample
Proportion Defective
Standard Deviation
LCL
UCL
1
1-Nov-08
14
1
0.0714
0.0614
0.000
0.129
2
3-Nov-08
123
15
0.1220
0.0207
0.000
0.129
3
4-Nov-08
94
2
0.0213
0.0237
0.000
0.129
4
5-Nov-08
110
2
0.0182
0.0219
0.000
0.129
5
6-Nov-08
70
1
0.0143
0.0275
0.000
0.129
6
7-Nov-08
221
42
0.1900
0.0155
0.000
0.129
7
8-Nov-08
14
1
0.0714
0.0614
0.000
0.129
8
10-Nov-08
93
8
0.0860
0.0238
0.000
0.129
9
11-Nov-08
113
5
0.0442
0.0216
0.000
0.129
10
12-Nov-08
96
2
0.0208
0.0235
0.000
0.129
11
13-Nov-08
110
1
0.0091
0.0219
0.000
0.129
12
14-Nov-08
128
1
0.0078
0.0203
0.000
0.129
13
15-Nov-08
9
1
0.1111
0.0766
0.000
0.129
14
17-Nov-08
85
4
0.0471
0.0249
0.000
0.129
78
Tabel 3.12 Data Perhitungan Defect On Time Deliery (Lanjutan) No
Tgl. Pengiriman
Sample Size
Number of Defects in Sample
15
18-Nov-08
99
4
0.0404
16
19-Nov-08
108
1
17
20-Nov-08
128
18
21-Nov-08
19
Proportion Standard Defective Deviation
LCL
UCL
0.0231
0.000
0.129
0.0093
0.0221
0.000
0.129
6
0.0469
0.0203
0.000
0.129
88
1
0.0114
0.0245
0.000
0.129
22-Nov-08
9
1
0.1111
0.0766
0.000
0.129
20
24-Nov-08
84
7
0.0833
0.0251
0.000
0.129
21
25-Nov-08
102
4
0.0392
0.0228
0.000
0.129
22
26-Nov-08
83
1
0.0120
0.0252
0.000
0.129
23
27-Nov-08
84
2
0.0238
0.0251
0.000
0.129
24
28-Nov-08
6
1
0.1667
0.0938
0.000
0.129
25
29-Nov-08
115
2
0.0174
0.0214
0.000
0.129
26
30-Nov-08
15
1
0.0667
0.0593
0.000
0.129
27
1-Dec-08
108
11
0.1019
0.0221
0.000
0.129
28
2-Dec-08
116
6
0.0517
0.0213
0.000
0.129
29
3-Dec-08
124
10
0.0806
0.0206
0.000
0.129
30
4-Dec-08
88
3
0.0341
0.0245
0.000
0.129
31
5-Dec-08
138
1
0.0072
0.0196
0.000
0.129
32
6-Dec-08
9
1
0.1111
0.0766
0.000
0.129
33
9-Dec-08
81
3
0.0370
0.0255
0.000
0.129
34
10-Dec-08
84
6
0.0714
0.0251
0.000
0.129
35
11-Dec-08
124
9
0.0726
0.0206
0.000
0.129
36
12-Dec-08
106
4
0.0377
0.0223
0.000
0.129
37
13-Dec-08
6
1
0.1667
0.0938
0.000
0.129
18
0.1452
0.0206
0.000
0.129
8
0.0615
0.0202
0.000
0.129
3
0.0357
0.0251
0.000
0.129
2
0.0192
0.0225
0.000
0.129
2
0.0198
0.0229
0.000
0.129
3
0.2000
0.0593
0.000
0.129
15
0.1190
0.0205
0.000
0.129
6
0.0583
0.0226
0.000
0.129
3
0.0229
0.0201
0.000
0.129
0.0161
0.0292
0.000
0.129
38 39 40 41 42 43 44 45 46 47
15-Dec-08 16-Dec-08 17-Dec-08 18-Dec-08 19-Dec-08 20-Dec-08 22-Dec-08 23-Dec-08 24-Dec-08
124 130 84 104 101 15 126 103 131
26-Dec-08
62
1
Jumlah
4165
233
79
Contoh Perhitungan: 1. Perhitungan Proportion Defective number of defects in sample sample size 1 0.0714 14
Pr oportion Defective
2. Perhitungan p
P
number of defects in sample sample size 233 0.05594 4165
3. Perhitungan N N
sample size data 4165 89 47
5. Perhitungan LCL dan UCL
LCL p 3
p(1 p) N
0.05594 (1 0.05594) 89 0.017 0.000 0.05596 3
UCL p 3
p(1 p) N
0.05596 3 0.0129
80
0.05594 (1 0.05594) 89
Diagram p ini untuk mengetahui performasi suatu kualitas dari defect on time delivery yang mengalami frekuensi terbesar. Pada Gambar 3.18 menunjukkan ada beberapa rata – rata proposi ketidakpatuhan melebihi batas kendali atas. Hal ini perlu diperhatikan untuk mencari apa penyebab dari penyimpangan tersebut dan segera membuat perbaikan.
Diagram P On Time Delivery Proportion Defective
0.200
0.150
0.100
0.050
0.000 1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Sample Number
Proportion defective CenterLine LCL UCL
Gambar 3.18 Diagram P On Time Delivery 2. Kapabilitas Proses Kapabilitas proses merupakan gambaran pencapaian suatu proses sehingga dapat memprediksikan secara kuantitatif dari indeks kapabilitas proses (Cp dan Cpk) agar suatu proses dapat memenuhi suatu target kinerja dan pengendalian yang dibutuhkan. Pengukuran kapabilitas proses ini dibantu dengan menggunakan program Minitab 15.
81
Process Capability of Measurement LSL
Target
USL W ithin O verall
P rocess D ata LS L -10 Target 5 USL 40 S ample M ean 4.957 S ample N 47 S tD ev (Within) 6.89 S tD ev (O v erall) 6.89031
P otential (Within) C apability Cp 1.21 C P L 0.72 C P U 1.70 C pk 0.72 O v erall C apability Pp PPL PPU P pk C pm
-10 O bserv ed P erformance P P M < LS L 0.00 P P M > U S L 21276.60 P P M Total 21276.60
0
10
E xp. Within P erformance P P M < LS L 14972.12 PPM > USL 0.18 P P M Total 14972.30
20
30
1.21 0.72 1.70 0.72 0.73
40
E xp. O v erall P erformance P P M < LS L 14975.84 PPM > USL 0.18 P P M Total 14976.03
Gambar 3.19 Kapabilitas Proses On Time Delivery
Gambar 3.19 merupakan hasil kapabilitas proses on time delivery. Dari gambar dapat dilihat bahwa kurva within dan overall saling berhimpitan dan penyebaran histogram berada di sebelah kiri dari
nilai
target
sehingga
diperlukan
perbaikan
agar
penyebaran data berada di nilai target.
Six Sigma memperbolehkan rata – rata untuk bergeser hingga 1,5 kali deviasi standar dari target, maka Cpk harus dijaga pada nilai 1,5 (Cpk ≥ 1,5) dan Cp ≥ 2 (Evans and Lindsay, 2007: 146-147). Dari hasil perhitungan, nilai Cp yang diperoleh sebesar 1.21 sehingga menunjukkan bahwa masalah on time delivery ini masih
rendah
dari
kemampuan
proses
sehingga
perlu
perbaikan dan pengendalian untuk mencapai batas spesifikasi. Nilai Cpk yang diperoleh sebesar 0.72 yang menunjukkan bahwa kemampuan proses dalam mencapai target masih rendah.
82
3. Identifikasi karakteristik CTQ (Critical to Quality) Critical
to
quality
merupakan
aspek
dasar
untuk
mengidentifikasi hal – hal yang bersifat penting untuk kualitas dalam menentukan kepuasan pelanggan. Karakteristik CTQ pada PT. XYZ Logistik dapat diklasifikasikan sebagai berikut (Evans and Lindsay, 2007: 95): Tabel 3.13 Critical to Quality On Time Deliery Dimensi Kualitas Produk Jasa Akar Masalah Kepatuhan Seberapa banyak kinerja Customer tidak disiplin 1. DO yang diterima sesuai dengan standar lebih dari jam cut off yang telah ditentukan 2. Permintaan Reliability Kemampuan untuk customer yang menyediakan apa yang mendadak. dijanjikan dengan tepat 3. Customer mengubah – ubah dan akurat alamat Kinerja Kinerja merupakan Modal kerja yang tidak 4. Barang masih karakter operasional dari mengikuti SOP yang ada. bermasalah karena perusahaan yaitu di sistem dengan kemampuan untuk fisik tidak sama memenuhi keinginan karena pemindahan yang customer. tidak terupdate. Tingkat pelayanan Kecepatan, keramahan, Sistem printer yang belum 5. Hasil cetak TSR – dan kompetensi terintergrasi. pick list perbaikan. memerlukan waktu yang cukup lama.
83
4. Tingkat Six Sigma Tingkat Six Sigma ini untuk mengetahui kualitas pada kondisi perusahaan saat ini berada pada di tingkat mana dengan melalui perhitungan DPU, DPMO, dan tingkat Six Sigma. Tabel 3.14 Penentuan Tingkat Six Sigma On Time Delivery Tgl. Pengiriman
Sample Size
Number of Defects in Sample
CTQ Potential
1
1-Nov-08
14
1
2
3-Nov-08
123
3
4-Nov-08
4
No
Kualitas Proses DPO
DPMO
Tingkat Six Sigma
5
0.0143
14,285.71
3.6893
15
5
0.0244
24,390.24
3.4705
94
2
5
0.0043
4,255.32
4.1311
5-Nov-08
110
2
5
0.0036
3,636.36
4.1841
5
6-Nov-08
70
1
5
0.0029
2,857.14
4.2637
6
7-Nov-08
221
42
5
0.0380
38,009.05
3.2743
7
8-Nov-08
14
1
5
0.0143
14,285.71
3.6893
8
10-Nov-08
93
8
5
0.0172
17,204.30
3.6153
9
11-Nov-08
113
5
5
0.0088
8,849.56
3.8719
10
12-Nov-08
96
2
5
0.0042
4,166.67
4.1383
11
13-Nov-08
110
1
5
0.0018
1,818.18
4.4081
12
14-Nov-08
128
1
5
0.0016
1,562.50
4.4552
13
15-Nov-08
9
1
5
0.0222
22,222.22
3.5099
14
17-Nov-08
85
4
5
0.0094
9,411.76
3.8490
15
18-Nov-08
99
4
5
0.0081
8,080.81
3.9052
16
19-Nov-08
108
1
5
0.0019
1,851.85
4.4024
17
20-Nov-08
128
6
5
0.0094
9,375.00
3.8505
18
21-Nov-08
88
1
5
0.0023
2,272.73
4.3376
19
22-Nov-08
9
1
5
0.0222
22,222.22
3.5099
20
24-Nov-08
84
7
5
0.0167
16,666.67
3.6280
21
25-Nov-08
102
4
5
0.0078
7,843.14
3.9161
22
26-Nov-08
83
1
5
0.0024
2,409.64
4.3189
23
27-Nov-08
84
2
5
0.0048
4,761.90
4.0927
24
28-Nov-08
6
1
5
0.0333
33,333.33
3.3339
25
29-Nov-08
115
2
5
0.0035
3,478.26
4.1989
26
30-Nov-08
15
1
5
0.0133
13,333.33
3.7164
27
1-Dec-08
108
11
5
0.0204
20,370.37
3.5462
28
2-Dec-08
116
6
5
0.0103
10,344.83
3.8136
29
3-Dec-08
124
10
5
0.0161
16,129.03
3.6412
84
Tabel 3.14 Penentuan Tingkat Six Sigma On Time Delivery (Lanjutan) Tgl. Pengiriman
Sample Size
Number of Defects in Sample
CTQ Potential
30
4-Dec-08
88
3
31
5-Dec-08
138
32
6-Dec-08
33
No
Kualitas Proses DPO
DPMO
Tingkat Six Sigma
5
0.0068
6,818.18
3.9667
1
5
0.0014
1,449.28
4.4783
9
1
5
0.0222
22,222.22
3.5099
9-Dec-08
81
3
5
0.0074
7,407.41
3.9369
34
10-Dec-08
84
6
5
0.0143
14,285.71
3.6893
35
11-Dec-08
124
9
5
0.0145
14,516.13
3.6830
36
12-Dec-08
106
4
5
0.0075
7,547.17
3.9301
37
13-Dec-08
6
1
5
0.0333
33,333.33
3.3339
38
15-Dec-08
124
18
5
0.0290
29,032.26
3.3952
39
16-Dec-08
130
8
5
0.0123
12,307.69
3.7474
40
17-Dec-08
84
3
5
0.0071
7,142.86
3.9500
41
18-Dec-08
104
2
5
0.0038
3,846.15
4.1653
42
19-Dec-08
101
2
5
0.0040
3,960.40
4.1554
43
20-Dec-08
15
3
5
0.0400
40,000.00
3.2507
44
22-Dec-08
126
15
5
0.0238
23,809.52
3.4808
45
23-Dec-08
103
6
5
0.0117
11,650.49
3.7685
46
24-Dec-08
131
3
5
0.0046
4,580.15
4.1060
47
26-Dec-08
62
1
5
0.0032
3,225.81
4.2239
Contoh Perhitungan: 1. Menghitung DPU (Defects per Unit) DPU
Jumlah Cacat Yang Ditemukan (Jumlah Unit CTQ Potential )
1 0.0143 14 x 5
CTQ Potential diketahui dari jumlah akar masalah pada Tabel 3.13. 2. Menghitung DPMO (Defects per Million Opportunities) DPMO DPU 1.000.000 0.0143 1.000.000 14.285
85
3. Menghitung tingkat Six Sigma 1 - DPMO Nilai Sigma NORMISINV 1.5 1.000.000 1 - 14.285 NORMSINV 1.5 1.000.000 3..6893
Nilai 1,5 pada perhitungan tingkat Six Sigma menunjukkan kualitas Six Sigma dalam mengendalikan proses agar sesuai dengan target dengan pergeseran sigma dari target sebanyak ±1,5 (Evans and Lindsay, 2007: 46).
3.3.3 Analyze Analisis merupakan pemeriksaan terhadap proses, fakta, dan data untuk mendapatkan pemahaman mengenai mengapa suatu permasalahan terjadi dan di mana terdapat kesempatan untuk melakukan perbaikan
(Evans and Lindsay, 2007: 160).
Dalam
analisis ini dibagi menjadi dua yaitu (Nur’Arif, 2008): 1. Analisis tingkat Six Sigma Tingkat Six Sigma adalah tingkat yang setara dengan variasi proses sejumlah setengah dari yang ditoleransi oleh tahap desain dan dalam waktu yang sama memberi kesempatan agar rata – rata peningkatan kualitas bergeser sebanyak 1,5 deviasi standar (tingkat Six Sigma) dari target (Evans and Lindsay, 2007: 44).
Pada gambar 3.20, tingkat Six Sigma on time delivery
mempunyai pola yang tidak berpola, tetapi untuk 5 titik terakhir tingkat Six Sigma semakin meningkat dan ukuran Six Sigma sekitar 3 – 4 sigma. Analisa tingkat Six Sigma ini bertujuan untuk meningkatkan kualitas dan kinerja perusahaan untuk mencapai target on time delivery 95%. 86
Ukuran Tingkat Six Sigma On Time Delivery 4.60
Tingkat Siz Sigma
4.40 4.20 4.00 3.80 3.60 3.40 3.20 1
3
5
7
9
11
13
15
17
19
21
23
25
27
29
31
33
35
37
39
41
43
45
47
Sampel
Gambar 3.20 Tingkat Six Sigma On Time Delivery 2. Analisis mencari akar masalah dan analisis dampak FMEA (Failure Mode and Effect Analysis) a. Akar Masalah On Time Delivery Akar masalah dianalisis dengan menggunakan CRT (Current Reality Tree) untuk menemukan akar permasalahan yang menjadi inti masalah yang dihadapi dari isu bisnis dan memberikan cara pandang yang sistematis terhadap sebab akibat
yang
timbul
dengan
mengidentifikasi
penyebab
utamanya dengan bidang yang terkait (Doggett, 2005: 39). Beberapa analisa yang menjadi dasar dalam Current Reality Tree ini didapatkan dari data-data perusahaan, hasil wawancara dan diskusi dengan beberapa pekerja, supervisor, dan manajer. Akar permasalahan on time delivery belum mencapai target aktualnya yaitu 95%, disebabkan oleh beberapa hal pada Tabel 3.15 dan Gambar 3.21.
87
Tabel 3.15 Permasalahan On Time Delivery Belum Mencapai Target Masalah Cause 1 Cause 2 Root Cause 1.Transportasi masih 1. Proses muat 1.Transportasi On Time barang terlambat terlambat outsource. (Internal) Delivery dari PT XYZ Logistik masuk ke PT. baru mencapai XYZ Logistik target 93.4% 2.Barang masih 1.SDM masih bermasalah terbatas karena karena barang SDM memiliki skill di sistem yang kurang dengan fisik dengan tidak tidak sama. Hal mengikuti SOP ini disebabkan yang ada. (Internal) pemindahan lokasi barang tidak diupdate. 2.Customer tidak disiplin sehingga DO yang diterima lewat dari jam cut off (pukul 17.00). (Eksternal) 2. Pengiriman 1. Customer tidak barang kurang disiplin dalam terencana pengiriman DO. (Eksternal) 2. Customer merubah-ubah alamat pengiriman. (Eksternal) 3. Permintaan customer yang mendadak. (Eksternal) 3. Hasil print untuk 1.Sistem printer TSR dan pick list belum terintegrasi. pada departemen (Internal) transportasi sangat lama (± 20 menit)
88
On time Delivery dari PT. XYZ Logistik ke customer baru mencapai target 93.4% Proses muat barang terlambat Trasportasi terlambat masuk ke PT. XYZ Logistik internal
Transportasi masih outsource
Pengiriman barang kurang terencana eksternal
Barang masih bermasalah
Hasil print untuk TSR dan pick list pada departemen transportasi sangat lama ( 20 menit
Customer Permintaan DO yang internal customer diterima lewat merubahSistem printer ubah alamat yang Barang di sistem dari jam cut pengiriman mendadak belum terintegrasi off (pk17.00) dengan fisik eksternal
tidak sama
Pemindahan barang tidak sesuai lokasi dan tidak diupdate (beda deskripsi, packing sama)
Customer tidak disiplin
Tidak mengikuti SOP yang ada Skill kurang SDM tidak mendukung (human error : kurang disiplin, behavior, attitude, integritas, motivasi) internal
SDM Masih Terbatas
Gambar 3.21 Current Reality Tree On Time Delivery b. Analisis Dampak FMEA (Failure Mode and Effect Analysis) Analisis dampak FMEA menyerupai peta proses yang disusun pada tahap measurement, namun lebih berkonsentrasi pada input proses – proses yang terjadi. Analisa dampak ini telah didikusikan terlebih dahulu dengan supervisor dan manajer. Pada Tabel 3.16, nilai RPN terbesar diperoleh sebesar 192 dengan potensi modus kegagalan disebabkan oleh pengambilan barang terhambat karena barang yang diminta oleh customer masih bermasalah karena berbeda antara sistem dan fisik akibat pemindahan yang tidak ter-update yang harus diperbaiki terlebih dahulu untuk menguranginya kejadian tersebut.
89
Tabel 3.16 Analisis Dampak FMEA On Time Delivery Fungsi Proses (tahap) Pengambilan barang di warehouse Sistem printer
Pengiriman barang
Potensi Modus Kegagalan (kecacatan proses) Kesalahan operator
Sistem printer belum terintegrasi
Customer tidak disiplin
Dampak Potensi Kegagalan Pengambilan barang terlambat
Hasil cetak TSR – pick list memerlukan waktu yang cukup lama.
SEV
8
7
Pengiriman barang kurang terencana
6
90
Potensi Penyebab Kegagalan Pemindahan lokasi barang yang tidak terupdate Hasil cetak TSR – pick list memerlukan waktu yang cukup lama.
- DO yang diterima lebih dari jam cut off - Permintaan customer yang mendadak. - Customer mengubah – ubah alamat
OCC
8
6
5
Pengendalian Saat Ini Operator mengisi form pemindahan barang dan komunikasi dengan administrasi warehouse. IT melakukan setting dengan menambah server dan membangun network baru yang langsung berhubungan dengan sistem TMS - Mempertegas kontrak antara customer dengan pihak PT. XYZ Logistik dalam pengiriman DO yang tepat waktu dan tidak mendadak. - Final komunikasi / konfirmasi antara customer dan marketing agar dapat memberi informasi yang tepat dan benar.
DET RPN
3
192
3
126
3
90
3.3.4 Improve Improve merupakan perbaikan proses untuk mencapai tingkat kinerja
dengan
fokus utama
yaitu
customer needs
dengan
mengidentifikasi akar masalah, mencari penyebab, dan melakukan perbaikan proses yang dapat dipertanggungjawabkan kepada pihak manajemen perusahaan. Proses perbaikan dan pencegahan pada PT. XYZ Logistik harus memperhitungkan dengan baik aktivitas customer maupun perusahaan dan metode anti kegagalan harus diterapkan untuk interaksi antara perusahaan dengan customer. Dalam hal ini melakukan pendekatan FRT (Future Reality Tree) untuk melihat apakah usulan perbaikan dapat benar – benar mengurangi penyebab yang tidak diinginkan (Santosa, 1999). Pada Gambar 3.22 diharapkan dengan pendekatan FRT untuk mencapai target
on time delivery yaitu 95% yang dapat memperbaiki
kepuasan dan kepercayaan customer juga dapat berkompetisi dengan kompetitor. Dan Tabel 3.17 merupakan usulan perbaikan dari akar masalah yang terjadi di PT. XYZ Logistik.
Gambar 3.22 Future Reality Tree On Time Delivery
91
Masalah On Time Delivery dari PT. XYZ Logistik ke
customer baru mencapai target 93.4%
Tabel 3.17 Solusi Pencapaian Target On Time Delivery 95% Akar Masalah Solusi Metode 1.Barang masih bermasalah karena di sistem dengan fisik tidak sama.
Customer 1. - DO yang diterima lebih dari jam cut off (pk 17.00) - Permintaan customer yang mendadak. 2. Customer merubah-ubah alamat.
Transportasi 1. Transportasi outsoure terlambat masuk ke PT. XYZ Logistik Alat 1.Sistem printer belum terintegrasi sehingga hasil TSR dan Pick List sangat lama sehingga dapat menyebabkan pengiriman barang terlambat.
92
1. Setiap operator mengisi form list pemindahan barang dari rack satu ke rack yang lain dan komunikasi dengan administrasi warehouse. 2. Brifing dan training dengan melakukan SOP yang benar juga sistem reward dan punishment kepada checker, loader, dan operator. 1. Mempertegas kontrak antara customer dengan pihak PT. XYZ Logistik dalam pengiriman DO yang tepat waktu dan tidak mendadak. 2. Final komunikasi / konfirmasi antara customer dan marketing agar dapat memberi informasi yang tepat dan benar. 1. Kontrak antar transporter outsource apabila terlambat datang akan diberi peringatan dan pinalti 1. IT melakukan setting dengan menambah server dan membangun network baru yang langsung berhubungan dengan sistem TMS (Transportation Management Systems)
Tujuan On Time Delivery dari PT. XYZ Logistik ke customer mencapai target 95%
3.3.5 Control Control merupakan langkah terakhir dari proses DMAIC Six Sigma dan merupakan aktivitas untuk memastikan agar perbaikan isu bisnis terjaga melalui pemantauan tolok ukur kinerja utama. Tolok ukur kinerja ini dapat menggunakan metodologi SPC (Statistical Process Control) untuk memonitor proses agar dapat menemukan sebab – sebab khusus untuk melakukan perbaikan dengan membuat peta kontrol dengan melibatkan pihak yang bertanggung jawab secara rutin setiap minggu. Template yang digunakan untuk SPC adalah sebagai berikut: Tabel 3.18 Template Diagram P On Time Delivery No
Tgl. Pengiriman
Sample Size
Number of Defects in Sample
Proportion Defective
LCL
UCL
1 1 3 …. n Tabel 3.19 Template Tingkat Six Sigma On Time Delivery No
Tgl. Pengiriman
Sample Size
Number of Defects in Sample
CTQ Potential
Kualitas Proses DPO
DPMO
Tingkat Six Sigma
1 1 3 …. n
93
3.4
Analisa
Solusi
Bisnis
Untuk
Peningkatan
Produktivitas
Warehouse
Produktivitas menjadi suatu kriteria penting dalam lingkungan bisnis yang sangat kompetitif pada saat ini. Sumber daya insani warehouse mengukur produktivitas yang menunjukkan adanya kaitan antara hasil kerja (output) dengan satuan waktu yang dibutuhkan untuk menyelesaikan suatu pekerjaan dari seorang pekerja (input). Isu bisnis dari PT. XYZ Logistik yaitu berusaha untuk
meningkatkan
produktivitas
warehouse
dengan
meningkatkan target yang ingin dicapai. Seorang pekerja dinilai produktif apabila mampu menghasilkan output yang lebih banyak dari tenaga kerja lain untuk satuan waktu yang sama atau menghasilkan output yang sama dengan waktu yang lebih singkat. (Ravianto, 1985: 128). Persamaan produktivitas sebagai berikut: Produktivitas
Output Input
Jumlah inbound inbound (Jumlah Pekerja x jam hari kerja) over time absen/ijin
Sumber: Perusahaan (2009)
Dari persamaan produktivitas di atas, bahwa untuk meningkatkan produktivitas perlu dilakukan tindakan dengan beberapa lima alternatif sebagai berikut (Anis, 2007; Sirait, 2007): a. Output >, Input = b. Output =, Input < c. Output >, Input < d. Output >>, Input > e. Output <, Input <<
94
Pengukuran produktivitas ini dapat dijadikan sebagai bahan pertimbangan dan penambahan fasilitas produksi dan tenaga kerja yang akan mendukung aktivitas perusahaan. Sebelumnya dilihat terlebih dahulu faktor – faktor yang mempengaruhi variabel tersebut. David J. Sumanth (1984) mengelompokkan produktivitas menjadi tiga jenis dasar produktivitas yaitu (Muharman, 2001): 1. Produktivitas Total Produktivitas total adalah perbandingan antara total output dengan jumlah total input. Produktivitas total merupakan produktivitas sistem total perusahaan. 2. Produktivitas Total Faktor Produktivitas total faktor adalah rasio dari output bersih terhadap jumlah input
tenaga kerja dan modal yang
bersangkutan. Perbedaan dengan produktivitas total adalah pembagi dari rasio ini hanya terdiri atas input faktor tenaga kerja dan modal. 3. Produktivitas Parsial Produktivitas parsial adalah rasio dari output terhadap salah satu input, seperti tenaga kerja, modal, manajemen, dan sebagainya. Sebagai contoh produktivitas tenaga kerja warehouse PT. XYZ Logistik adalah ukuran produktivitas parsial bagi input tenaga kerja yang diukur berdasarkan rasio output terhadap input tenaga kerja.
D. J. Sumanth dalam Muharman (2001) memperkenalkan suatu siklus produktivitas yang harus dijalankan supaya tercapai peningkatan produktivitas Siklus ini dibagi menjadi empat tahap,
95
yang dikenal sebagai siklus MEPI (Measurement, Evaluation, Planning, Improvement) yang digambarkan pada Gambar 3.23.
Gambar 3.23 Siklus Produktivitas Sumber: Muharman (2001) 3.4.1 Pengukuran Produktivitas (Productivity Measurement) Pengukuran produktivitas warehouse PT. XYZ Logistik dilakukan secara periodik setiap minggu dalam laporan mingguan yang dibuat oleh supervisor dan diberikan kepada manajer warehouse. Setiap bulan, laporan tersebut diberikan oleh manajer warehouse kepada operation leader. Format laporan mingguan yang diberikan dapat dilihat pada Tabel 3.20 Tabel 3.20 Format Laporan Mingguan Warehouse Minggu
Absen/Ijin (hari)
Produktivitas
Over Time Bongkar (jam)
CML (jam)
Muat (jam)
Bongkar (menit)
Muat (ton/mh)
Defect PO
DO
Handling
Space Utilization Total Item %
1 2 …. dst
Dari data mingguan tersebut dapat menghitung produktivitas seperti berikut: Produktivitas
96
Jumlah inbound inbound (Jumlah Pekerja x jam hari kerja) over time absen/ijin
Dengan demikian faktor yang mempengaruhi produktivitas yaitu (Data Perusahaan, 2009): a. Output : jumlah barang inbound dan outbound dalam satuan ton. b. Input : 1. Jumlah pekerja: Warehouse A = 15 orang Warehouse B = 12 orang Warehouse C = 22 orang 2. Over time (jam) dan absen / ijin (hari) Dengan jam kerja dalam seminggu yaitu: - Shift I
: pk 08.00 – 16.00 (Senin – Jumat) pk 08.00 – 13.00 (Sabtu)
- Shift II : pk 15.30 – 23.30 (Senin – Jumat) pk 10.00 – 15.00 (Sabtu) 3.4.2
Evaluasi Produktivitas (Productivity Evaluation) Evaluasi produktivitas dilakukan dengan menganalisi dan membandingkan produktivitas aktual dengan target yang ingin dicapai. Peningkatan target produktivitas warehouse diusulkan dalam tugas akhir ini karena dirasa target KPI pada tahun 2008 telah melebihi target 6% yaitu dari target KPI 0.70 ton/man.h dan dicapai 0.76 ton/man.h tetapi masih dirasa masih kurang. Penyebab target KPI dapat melebihi target karena pada tahun tahun 2008, banyak customer mempercayakan kepada PT. XYZ Logistik untuk mengelola penyimpanan barang mereka dan pengiriman barang mereka ke customer. Tetapi seperti yang dibahas pada bagian 3.2 bahwa penyebab defect DIFOT cukup besar disebabkan oleh warehouse sehingga dilakukan pencarian akar masalah dari penyebab mengapa produktivitas warehouse
97
masih kurang. Secara ringkas, permasalahan produktivitas warehouse dapat digambarkan kembali pada cause effect diagram yang dapat dilihat pada Gambar 3.24.
Gambar 3.24 Cause Effect Diagram Produktivitas Warehouse Dari Gambar 3.24 dapat dilihat bahwa penyebab dari produktivitas warehouse adalah dari manpower, method, machine, dan warehouse overload pada saat seasonal. Gambaran kecenderungan warehouse mengalami overload dapat dilihat pada Gambar 3.25.
98
Handling in, Handling Out , Storage (in Pallet) 60,000 50,000
Jumlah
40,000 30,000 20,000 10,000
Handling In
Des 08
Okt 08
Nov 08
Sept 08
Jul 08
Agst 08
Jun 08
Mei 08
Apr 08
Mar 08
Jan 08
Bulan
Feb 08
Des 07
Okt 07
Nov 07
Sept 07
Jul 07
Agst 07
Jun 07
Mei 07
Apr 07
Mar 07
Jan 07
Feb 07
0
Handling Out
Storage
Gambar 3.25 Handling In, Handling Out, dan Storage 2007 – 2008 Sumber: Data Perusahaan (2009)
Pada Gambar 3.25 dapat dilihat bahwa pada bulan Februari, April, dan September handling in lebih besar dibandingkan dengan handling out storage yang mempengaruhi keadaan warehouse dan produktivitas warehouse. Di mana ada dua kemungkinan terjadi dengan melihat Tabel 3.21 yaitu: 1. Input dan output banyak dengan jumah tenaga kerja yang ada, maka untuk menyelesaikan semua pekerjaan diperlukan overtime sesuai kebutuhan. Di mana pada bulan Juli, jumlah input – output besar dan overtime yang dibutuhkan besar sehingga produktivitas yang dicapai adalah 0.90 yang telah melebihi target perusahaan. 2. Input dan output sedikit dengan jumah tenaga kerja yang ada, maka untuk menyelesaikan semua pekerjaan membutuhkan overtime yang dibutuhkan besar. Seperti pada bulan April, di mana jumlah input – output besar dan overtime yang dibutuhkan sangat besar sehingga produktivitas yang dicapai adalah 0.60 yang kurang dari target perusahaan.
99
Tabel 3.21 Perbandingan Produktivitas Warehouse 2008 Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
Absen / Ijin (hari) 72 46 81 67 48 70 56 59 44 55 38 47
Overtime (Hours) 1453 880 1584 1390 1185 1198 1414 1263 1094 1108 1291 1005
DO & PO (ton) 3506 3039 5190 7571 7003 10744 10203 11253 7301 6145 5933 4363
Produktivitas (Ton/Mh) 0.64 0.80 0.70 0.60 0.70 0.63 0.90 0.84 0.91 0.98 0.72 0.70
Sumber: Data Perusahaan (2009)
Ukuran produktivitas tidak hanya dikaitkan dengan satuan waktu tetapi bergantung juga dengan keahlian dan keterampilan pekerja secara fisik juga teknologi yang digunakan. Teknologi yang digunakan sudah tinggi sehingga yang perlu ditingkatkan adalah keahlian dan keterampilan tenaga kerja.
3.4.3. Perencanaan Produktivitas (Productivity Planning) Dari hasil evaluasi produktivitas, perencanaan produktivitas dilakukan untuk mencapai peningkatan produktivitas yang ditargetkan oleh perusahaan. Perencanaan produktivitas ini menggunakan pendekatan model PET (Productivity Evaluation Tree), di mana merupakan metode dalam membuat perencanaan produktivitas jangka pendek dengan menggunakan pohon evaluasi produktivitas.
Metode
mengandalkan
pada
ini
merupakan
keputusan
suatu
manajerial
metode
terutama
yang dalam
mengidentifikasi dan menguji alternatif yang mungkin serta
100
memutuskan alternatif mana yang sebaiknya dilakukan dalam penetapan target produktivitas total dimasa datang. Jadi penetapan tingkat produktivitas di masa yang akan datang tidak semata-mata hanya berdasarkan hasil peramalan dengan menggunakan data masa lalu (Anis, 2007).
Alternatif pembuatan pohon evaluasi dapat dilakukan dengan menggunakan alternatif dalam peningkatan produktivitas seperti pada Gambar 3.26 dengan lima alternatif yang dijelaskan sebelumnya.
Gambar 3.26 Kombinasi Alternatif Cara Peningkatan Produktivitas Sumber: Lianto (2000), Anis (2007)
Aspek penting dalam model PET (Productivity Evaluation Tree) selain dengan kombinasi alternatif diatas, masih terdapat beberapa syarat yang harus diperhatikan dalam mengaplikasikan model ini
101
pada perusahaan. Beberapa persamaan yang berkaitan dengan model ini adalah (Anis, 2007): n
TPFt
O i 1 n
I i 1
TP it
it
it
O it I ijt J
ˆ O ˆ O O it 1 it 1 it ˆI it 1 ˆI it 1 I it TˆPit 1 TˆPit 1 TPit TˆPI it 1 TˆPit 1 / TPit
Keterangan: TPFt
= produktivitas total perusahaan pada periode t
O it
= nilai output pada periode t
I it
= nilai input i pada periode t
n
= jumlah variasi
j
= input yang digunakan
TP it
= produktivitas total pada periode t
ˆ O it 1
= estimasi nilai output pada periode t + 1
ˆI it 1
= estimasi nilai input pada periode t + 1
ˆ O it 1
= estimasi besar perubahan output pada periode t + 1
ˆI it 1
= estimasi besar perubahan input pada periode t + 1
TˆPit 1
= estimasi produktivitas total pada periode t + 1
TˆPit 1 = estimasi perubahan produktivitas total pada periode t + 1
102
TˆPIit 1
= estimasi indeks produktivitas total pada periode t + 1
Peningkatan produktivitas dengan pendekatan model productivity evaluation tree (PET) diasumsikan dengan tiga alternatif yaitu: a. Alternatif 1 : Output tetap (asumsi: output rata – rata 1 tahun) Input turun (asumsi: input minimum 1 tahun) b. Alternatif 2 : Output naik (asumsi: output maksimum 1 tahun) Input tetap (asumsi: input rata – rata 1 tahun) c. Alternatif 3 : Output naik (asumsi: output maksimum 1 tahun) Input naik (asumsi: input maksimum 1 tahun)
Dari hasil perhitungan dapat diketahui tingkat produktivitas tiap alternatif dapat dilihat pada Tabel 3.22.
Alternatif
1 2 3
Tabel 3.22 Hasil Perhitungan Alternatif Peningkatan Produktivitas Warehouse ˆI ˆI it 1 it 1 ˆ ˆ O O ˆI it 1 TˆPit 1 TˆPit 1 it 1 it 1
overtime
absent/ijin
800 40 7000 0 -156 0.84 1200 60 11500 4500 104 1.33 1400 80 12000 500 164 1.38 Ket: TPit = produktivitas pada Desember 2008 sebesar 0.70
TˆPIit 1
0.14 0.63 0.68
6.10 2.10 2.03
Jumlah pekerja = 49 orang Jumlah jam kerja = 160 jam / bulan
Contoh Perhitungan Alternatif 2:
ˆI overtime it 1
= 1200
ˆI absent/ijin = 60 it 1 ˆ O it 1
=11500
ˆ O it 1
= 11500 – 7000 = 4500
ˆI it 1
= [(49 x160) + 1200 – (40 x 7)] – [(49 x 160) + 1005 – (47 x 7)]
103
= 104 TˆPit 1
11500 1.33 (49 160) 1200 (40 7)
TˆPit 1 = 1.33 – 0.70 = 0.63 TˆPit 1 1.33 TˆPI it 1 2.10 TˆPit 1 0.63
Dari Tabel 3.22, dapat diketahui indeks produktivitas yang paling kecil sampai paling besar. Di mana indeks produktivitas terbesar adalah alternatif ke 3 yaitu 1.38 dengan besar peningkatan produktivitas 0.68 sehingga alternatif yang disarankan adalah dengan meningkatkan output yang lebih besar seiring dengan peningkatan input. Usulan – usulan peningkatan produktivitas dibahas pada langkah ke empat siklus produktivitas yaitu productivity improvement.
3.4.4 Peningkatan Produktivitas (Productivity Improvement) Peningkatan
produktivitas
produktivitas
yang
dilakukan
diinginkan
dapat
supaya
peningkatan
tercapai.
Tabel
3.23
merupakan usulan perbaikan produktivitas warehouse dari cause effect diagram. Berikut analisa mengenai masing – masing akar masalah yang telah didiskusikan dengan manajer warehouse.
104
Masalah Peningkatan produktivitas warehouse
Tabel 3.23 Solusi Peningkatan Produktivitas Warehouse Akar Masalah Solusi Tujuan Manusia dan Metode Meningkatkan target 1. Brifing dan training 1.Salah pengambilan barang karena tidak dengan melakukan SOP produktivitas sesuai dengan lokasi yang benar juga sistem wareshouse dan tidak diupdate. reward dan punishment antar tim. 2.Komunikasi antar tim dan skill masih kurang 3. Checker, loader, dan operator tidak berfungsi sebagaimana mestinya. 4. Sumber daya yang belum cukup untuk 2. Menambah sumber menangani masalah daya sesuai dengan maintenance yang kapasitas maintenance yang ada. ada. Customer 1. Demand planning dan 1. Customer dan pihak perusahaan PT. XYZ inventory control dari Logistik meminta customer kurang terencana dengan demand planning dan baik. inventory control antara kedua pihak. Alat 1.Pengalokasian dana dan 1.Peralatan dan charger untuk pengisian dan peremajaan alat baterai tidak layak untuk mendukung dan sesuai umur dan meningkatkan pemakaian alat yang produktivitas warehouse. tidak baik dan benar. Lingkungan . 1. Perubahan market 1. Mengamati yang mempengaruhi perkembangan market penyimpanan barang setiap hari, minggu, di gudang. dan bulan.
105
Peningkatan produktivitas pada input dapat diusulkan sebagai berikut: 1. Manusia Dalam hal ini dua aset penting yang dimiliki oleh perusahaan yaitu tangible asset dan intangible asset. Pada saat ini, hampir seluruh
perusahaan
berusaha
membangun
nilai
yang
berkelanjutan dengan cara meningkatkan intangible saset yaitu manusia dan teknologi yang mendukung sumber daya organisasi. Hal ini disadari pemahaman bahwa intangible asset ternyata mampu menghasilkan nilai tambah bagi perusahaan sebesar 75%, sedangkan rata-rata tangible asset perusahaan hanya mampu merepresentasikan kurang dari 25% nilai pasar. Intangible aset dapat memberikan keuntungan dan nilai jangka panjang.(Wibisono, 2002: 130).
Manusia merupakan hal yang paling penting dari seluruh kegiatan operasional perusahaan dengan ditunjanng oleh prosedur yang ditetapkan oleh perusahaan yaitu SOP teknologi yang digunakan yaitu WMS.
dan
Dari masalah yang
dihadapi oleh PT. XYZ Logistik, maka alternatif solusi bisnis yang diusulkan adalah: a.
Komunikasi
yang
terbuka
mendukung
keberhasilan
kegiatan operasional dan meningkatkan proses kinerja individu maupun tim. Antar tim bekerja dengan berbagi pengetahuan supaya tercipta proses pembelajaran organisasi satu sama lain untuk melakukan perbaikan dan peningkatan secara berkelanjulan.
106
b. Sistem leadership yang merupakan bagaimana suatu tim dapat memotivasi dan menerapkan suatu strategi yang dapat dijalankan untuk mencapai kinerja perusahaan secara menyeluruh.
Keahlian, keterampilan, pendidikan dan pengalaman sumber daya didukung dengan adanya people and reward (Carpenter, 2009: 45). People merupakan bagian dari kemampuan, motivasi, dan ketekunan yang perlu dikembangkan supaya dapat mencapai target peningkatan produktivitas. Hal ini dilakukan dengan memberikan training dan brifing agar dapat melakukan segala usulan dengan sebaik-baiknya dengan cepat dan cermat, tepat waktu, dan tidak menunda suatu pekerjaan yang dapat dikerjakan dengan segera. Training yang diberikan adalah melakukan SOP yang ada dengan benar dan penggunaan alat – alat pendukung wareshouse sesuai dengan prosedur penggunaan alat. Brifing yang diusulkan adalaah brifing pagi sebelum memulai kegiatan yang belum dilakasanakan sebelumnya dan brifing pada saat penggantian shift (± 30 menit) yang telah dilakukan sebelumnya. Selain itu reward dan punishment yang tidak berupa material dapat meningkatkan motivasi pekerja secara maksimal untuk kesuksesan perusahaan.
2. Metode Perbaikan yang diusulkan untuk metode adalah setiap operator mengisi form list pemindahan barang dari rack ke satu rack yang lain
dan
juga
mengkomunikasikan
dengan
administasi
warehouse. Hal ini dapat meminimalkan barang yang masih
107
bermasalah akibat barang di sistem dan fisik tidak sama. Selain itu,
checker
melakukan
pemeriksaan
dua
kali
dan
menandatangani form pengeluran barang sehingga dapat meminimalkan kesalahan penerimaan barang yang diterima oleh customer (jumlah kurang / lebih, rusak, tidak sesuai spesifikasi, dan tidak sesuai DO). Hal ini dapat diilustrasikan pada Gambar 3.27.
Gambar 3.27 Perbaikan Metode Inbound dan Outbound untuk Checker dan Operator Supervisor membuat laporan harian mengenai form yang diisi oleh operator dan checker kepada manajer sehingga diperlukan format baru untuk mencatat pencatatan tersebut. Berikut usulan mengenai perbaikan laporan harian lama warehouse pada Tabel 3.24 menjadi laporan harian lama rarehouse pada Tabel 3.25.
108
Dokumen Lama
Tabel 3.24 Format Laporan Harian Lama Warehouse Jenis Barang - Container - Cargo - Lain-lain
Shift
Jumlah Personil & Alat
Shift
Jumlah Barang Yang Telah Terbongkar Mulai Selesai Lama
Dokumen Baru
No. DO/PO
Jumlah Barang Terbongkar
Jumlah Barang Yang Telah Termuat Mulai Selesai Lama
Jumlah Barang Termuat
Satuan
Keterangan
Tabel 3.25 Format Laporan Harian Baru Warehouse
Shift
Jumlah Org & Alat
Jenis Barang
Shift
Waktu Loading/Unloading
Checker
Storer
No. DO/PO
Waktu Put Away/Pick
Jumlah Barang
Operator
Satuan
Keterangan
3. Alat Alat merupakan merupakan salah satu sumber kemampuan perusahaan untuk menciptakan kepuasan kepada pelanggan. PT.
XYZ
Logistik
telah
menggunakan
teknologi
yang
mendukung kegiatan operasional yaitu WMS (Warehouse Managemenet Systems), RF (Radio Frequency), dan 5 macam forklift untuk warehouse. Investasi dalam teknologi memperbaiki kinerja, tingkat kompetensi perusahaan, dan mencapai keberhasilan jangka panjang. Dari hasil analisis isu bisnis, hambatan yang dihadapi dari sumber teknologi yaitu forklift yang digunakan
109
telah melampaui umur pemakaian alat sehingga diperlukan pengalokasian dana untuk pengremajaan alat yang mendukung peningkatan produktvitas warehoue. Di samping itu, pengecekan forklift oleh pihak manajemen untuk mengontrol alat yang digunakan karena sumber daya yang dibutuhkan masih kurang. Maka dengan menambah sumber daya sesuai dengan kapasitas maintenance yang ada, dapat melakukan pengecekan forklift setidaknya dua minggu sekali dengan mengisi form pengecekan pada Tabel 3.26. Tabel 3.26 Format Pengecekan Alat Warehouse Pengecekan (tgl/bln/thn)
Alat Reach Truck
Kondisi
Battery
Charger
Keterangan
R–16 (1.5 ton) Double Deep R–20 (2 ton) Single Deep
Counter Balance (8 level)
E–15 E–25 T–20
Pallet Mover
T–24 Hand Jack PE 4000
Crown
R 5200 S
Peningkatan produktivitas pada output dapat diusulkan sebagai berikut: 1. Customer Pehamanan customer needs yang sulit dipahami oleh PT. XYZ Logistik dibutuhkan dukungan eksternal yaitu customer sendiri. Usulan yang diberikan kepada customer adalah demand planning dan inventory control antara customer dan pihak perusahaan PT.
110
XYZ Logistik supaya kedua belah pihak dapat mengkontrol keadaan warehouse secara maksimal. Hal ini diperlukan final komunikasi dan konfirmasi antara customer dan marketing supaya dapat memberikan informasi yang tepat dan benar.
2. Lingkungan Penyebab lingkungan yang terjadi adalah perubahan market yang mempengaruhi penyimpanan barang di gudang. Usulan yang diberiikan adalah mengamati perkembangan market setiap hari,
minggu, dan bulan. Kadang untuk pola – pola
market yang dapat ditebak seperti pada saat liburan panjang atau event tertentu seperti lebaran, natal, atau tahun baru yang menyebabkan kondisi warehouse kosong atau overload. Salah satu penanganan gudang overload yang telah dilakukan adalah dengan menyewa salah satu gudang dengan lokasi yang tidak terlalu jauh dengan warehouse PT. XYZ Logistik. Tetapi untuk pola inbound dan outbound yang sulit ditebak harus lebih terjun ke market dengan melakukan penelitian lebih lanjut untuk mengetahui segmen dan customer needs apa yang dibutuhkan dari sebuah perusahaan logistik.
111