Program Studi Bisnis Digital • FEB

Manajemen Operasi

Pertemuan 5 — Manajemen Kualitas: TQM, Seven Tools, dan Statistical Process Control

Bagaimana perusahaan mendefinisikan, mengukur, dan mengendalikan kualitas produk maupun jasa — dari filosofi manajemen hingga alat statistik praktis di lantai produksi.

RPS minggu 5 · 2x50 menit

Selamat datang di Pertemuan 5 Manajemen Operasi. Minggu lalu Anda sudah belajar bagaimana merancang produk dan jasa memakai QFD dan House of Quality; hari ini kita melangkah ke pertanyaan berikutnya, yaitu bagaimana memastikan apa yang dirancang itu benar-benar terwujud dengan mutu yang konsisten. Kita akan membahas tiga lapis pembahasan: filosofi manajemen kualitas total atau TQM, tujuh alat dasar pengendalian kualitas yang dipakai di lantai produksi maupun kantor pelayanan, dan statistical process control atau SPC untuk memantau proses secara statistik. Bayangkan Anda mengelola sebuah UMKM konveksi atau tim customer service e-commerce seperti Tokopedia; sepanjang dua jam ke depan Anda akan punya alat konkret untuk menjawab pertanyaan "seberapa baik kualitas kerja kita, dan bagaimana membuktikannya dengan data".

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu mendefinisikan kualitas secara operasional dan menerapkan alat pengendaliannya.

SUB-CPMK 1 — KONSEP KUALITAS

TQM & BIAYA KUALITAS

Menjelaskan dimensi kualitas, filosofi Total Quality Management, dan menghitung biaya kualitas (cost of quality).

SUB-CPMK 2 — SEVEN TOOLS

ALAT PENGENDALIAN

Mengidentifikasi dan menggunakan tujuh alat dasar QC, terutama diagram Pareto dan diagram sebab-akibat.

SUB-CPMK 3 — SPC

PETA KENDALI

Menghitung batas kendali atas dan bawah (UCL/LCL) untuk peta kendali variabel (x̄) dan atribut (p).

SUB-CPMK 4 — INTERPRETASI

MEMBACA POLA PROSES

Menginterpretasikan pola pada peta kendali untuk membedakan variasi wajar dan variasi bermasalah.

Mengapa Kualitas Menentukan Napas Bisnis

Kualitas bukan sekadar slogan — kegagalannya berdampak langsung pada biaya, reputasi, dan bahkan keselamatan pelanggan.

SAAT KUALITAS DIABAIKAN

BIAYA KEGAGALAN MELEDAK

Penarikan produk (recall) makanan/obat karena kontaminasi berujung pada biaya penarikan, denda BPOM, dan hilangnya kepercayaan konsumen yang butuh bertahun-tahun untuk pulih.

SAAT KUALITAS JADI BUDAYA

KEUNGGULAN BERSAING

Pabrik otomotif grup Astra di Indonesia dilaporkan menerapkan TQM secara konsisten hingga meraih pengakuan mutu internasional (~awal 2010-an) — kualitas menjadi identitas merek.

Riset klasik menunjukkan biaya memperbaiki cacat setelah sampai ke tangan pelanggan bisa berkali-kali lipat dibanding mencegahnya sejak awal proses.

Mari kita mulai dengan pertanyaan sederhana: pernahkah Anda kecewa membeli produk yang cacat, atau mendapati aplikasi belanja daring tiba-tiba error saat checkout? Itulah wajah nyata dari kegagalan kualitas. Di Indonesia kita cukup sering mendengar kasus penarikan produk makanan atau obat karena kontaminasi, dan setiap kejadian seperti itu menimbulkan biaya besar berupa penarikan barang, denda regulator, sampai hilangnya kepercayaan konsumen yang butuh waktu lama untuk pulih. Sebaliknya, perusahaan seperti pabrikan otomotif grup Astra dikenal menjadikan kualitas sebagai budaya kerja sehari-hari, bukan sekadar pengecekan akhir, dan hasilnya adalah reputasi merek yang kuat. Prinsip yang akan terus kita ulang hari ini adalah: mencegah cacat sejak awal jauh lebih murah daripada memperbaikinya setelah sampai ke pelanggan.

Bagian 1 dari 4

Konsep Dasar Kualitas & TQM

Mendefinisikan kualitas dari berbagai sudut pandang, mengenal para pemikir kualitas, dan memahami filosofi Total Quality Management.

Dimensi Kualitas Guru Kualitas TQM

Delapan Dimensi Kualitas (Garvin)

Kualitas produk dapat dipecah menjadi delapan dimensi terukur — kerangka ini membantu tim operasi bicara "kualitas" secara spesifik, bukan sekadar kesan umum.

DIMENSI TERKAIT KINERJA

Kinerja (performance): fungsi utama bekerja sesuai janji — misal kecepatan unduh aplikasi.
Fitur (features): keistimewaan tambahan di luar fungsi dasar.
Keandalan (reliability): konsistensi bekerja tanpa gagal dalam jangka waktu tertentu.
Kesesuaian (conformance): memenuhi spesifikasi/standar yang dijanjikan.

DIMENSI TERKAIT PERSEPSI & DAYA TAHAN

Daya tahan (durability): umur pakai sebelum perlu diganti.
Kemudahan servis (serviceability): kecepatan & kemudahan perbaikan.
Estetika (aesthetics): tampilan, rasa, bunyi — aspek indrawi.
Kualitas yang dirasakan (perceived quality): reputasi & citra merek di benak konsumen.

Salah satu jebakan umum dalam diskusi kualitas adalah menganggapnya sebagai sesuatu yang abstrak dan sulit diukur. David Garvin menawarkan solusi dengan memecah kualitas menjadi delapan dimensi konkret. Ambil contoh sebuah ponsel pintar: kinerjanya dilihat dari kecepatan prosesor, fiturnya dari kamera atau sensor tambahan, keandalannya dari seberapa jarang ponsel itu hang, dan daya tahannya dari berapa tahun baterai masih layak pakai. Dimensi kualitas yang dirasakan sering kali paling berpengaruh secara komersial; sebuah produk buatan Indonesia bisa saja secara teknis setara produk impor, tetapi konsumen tetap ragu karena persepsi merek belum terbangun. Dengan kerangka delapan dimensi ini, tim operasi bisa berdiskusi kualitas secara spesifik, bukan sekadar mengatakan "produknya bagus" atau "kurang bagus".

Para Pemikir Kualitas: Deming, Juran, Crosby, Ishikawa

Manajemen kualitas modern dibangun dari gagasan beberapa tokoh yang saling melengkapi.

Tokoh	Kontribusi Utama	Fokus
W. Edwards Deming	14 poin manajemen & siklus Plan-Do-Check-Act (PDCA)	Sistem & variasi statistik
Joseph Juran	Trilogi kualitas: perencanaan, pengendalian, peningkatan	Manajemen & “fitness for use”
Philip Crosby	Konsep “zero defects” & “quality is free”	Pencegahan & budaya kerja
Kaoru Ishikawa	Diagram sebab-akibat & gugus kendali mutu (QCC)	Alat statistik sederhana untuk semua level

Benang merah keempatnya: kualitas adalah tanggung jawab manajemen puncak, dicapai lewat pencegahan, bukan inspeksi akhir semata.

Empat tokoh ini sering disebut sebagai "guru kualitas" karena pemikiran mereka membentuk fondasi manajemen kualitas modern. Deming menekankan pentingnya memahami variasi proses secara statistik dan mempopulerkan siklus PDCA yang nanti akan sering Anda temui di berbagai konteks manajemen. Juran melihat kualitas sebagai proses manajerial tiga tahap, mirip alur perencanaan anggaran perusahaan. Crosby paling terkenal dengan slogannya bahwa kualitas itu gratis, maksudnya biaya mencegah cacat jauh lebih kecil dibanding biaya menanggung akibat cacat. Ishikawa, yang akan kita temui lagi saat membahas diagram sebab-akibat, berjasa membuat alat statistik kualitas menjadi sederhana sehingga bisa dipakai oleh pekerja lini produksi, bukan hanya insinyur. Satu benang merah yang menyatukan mereka semua: kualitas adalah tanggung jawab seluruh organisasi, dan jauh lebih murah dicegah sejak awal daripada diperbaiki di akhir.

Total Quality Management (TQM): Filosofi & Prinsip

TQM adalah pendekatan manajemen yang menempatkan kualitas sebagai urusan seluruh organisasi, bukan hanya departemen QC.

ENAM PRINSIP INTI TQM

Fokus pada pelanggan: kualitas didefinisikan oleh kebutuhan & ekspektasi pelanggan, internal maupun eksternal.
Keterlibatan penuh karyawan: setiap orang, dari kurir hingga direktur, bertanggung jawab atas kualitas.
Perbaikan berkelanjutan (kaizen): peningkatan kecil terus-menerus, bukan perubahan besar sesekali.
Berorientasi proses: mengendalikan proses yang menghasilkan output, bukan sekadar memeriksa hasil akhir.
Keputusan berbasis fakta: menggunakan data & alat statistik, bukan asumsi atau intuisi semata.
Kemitraan pemasok: membangun hubungan jangka panjang untuk kualitas input yang konsisten.

Total Quality Management mengubah cara pandang kita tentang siapa yang bertanggung jawab atas kualitas. Dalam pendekatan lama, kualitas hanya urusan bagian pemeriksaan akhir; dalam TQM, seorang admin gudang di toko daring seperti Blibli atau seorang kurir pengantar paket sama-sama dianggap pemain kunci kualitas layanan. Prinsip perbaikan berkelanjutan atau kaizen mengajarkan bahwa perbaikan tidak harus besar dan dramatis, cukup konsisten sedikit demi sedikit setiap hari. Prinsip berorientasi proses mengingatkan kita bahwa memeriksa produk jadi hanya menangkap cacat setelah terjadi, sedangkan mengendalikan proses mencegah cacat itu muncul sejak awal. Terakhir, keputusan berbasis fakta adalah jembatan menuju materi berikutnya hari ini, karena seluruh alat yang akan kita pelajari, dari seven tools hingga peta kendali, adalah cara konkret mewujudkan prinsip ini.

Hitung dari Nol — HDN-1: Biaya Kualitas (Cost of Quality)

PT Konveksi Sejahtera mencatat penjualan bulanan Rp 500.000.000 dengan rincian biaya kualitas: pencegahan Rp 8.000.000, penilaian Rp 12.000.000, kegagalan internal Rp 15.000.000, kegagalan eksternal Rp 25.000.000.

Langkah	Perhitungan	Nilai
Jumlahkan total biaya kualitas	8.000.000 + 12.000.000 + 15.000.000 + 25.000.000	Rp 60.000.000
Persentase dari penjualan	60.000.000 / 500.000.000 × 100%	12%
Total biaya kegagalan (internal + eksternal)	15.000.000 + 25.000.000	Rp 40.000.000
Porsi kegagalan dari total biaya kualitas	40.000.000 / 60.000.000 × 100%	≈ 66,7%

Dua per tiga biaya kualitas justru habis untuk menanggung akibat cacat (kegagalan), bukan mencegahnya — sinyal klasik bahwa investasi pencegahan masih terlalu kecil.

Sekarang kita hitung dari nol memakai kasus konveksi yang mungkin mirip dengan bisnis UMKM di sekitar Anda. Empat kategori biaya kualitas ini adalah standar dalam manajemen operasi: biaya pencegahan untuk mencegah cacat terjadi, biaya penilaian untuk memeriksa dan menguji, biaya kegagalan internal untuk cacat yang ketahuan sebelum sampai pelanggan, dan biaya kegagalan eksternal untuk cacat yang lolos sampai ke tangan pembeli. Setelah dijumlahkan, totalnya enam puluh juta rupiah atau dua belas persen dari penjualan, angka yang cukup besar untuk sebuah usaha konveksi. Yang lebih menarik untuk didiskusikan adalah struktur biayanya: dua pertiga dari total biaya kualitas justru dihabiskan untuk menanggung kegagalan, bukan mencegahnya. Ini adalah pola klasik yang ditemukan Crosby dan kawan-kawan: perusahaan yang kurang berinvestasi di pencegahan akan membayar jauh lebih mahal di ujung proses.

Bagian 2 dari 4

Seven Basic Tools Pengendalian Kualitas

Tujuh alat sederhana namun ampuh yang dipakai tim kualitas di seluruh dunia untuk mengumpulkan, memvisualkan, dan menganalisis data masalah.

Diagram Pareto Fishbone Check Sheet

Tujuh Alat Dasar: Peta Ringkas

Setiap alat menjawab pertanyaan yang berbeda dalam siklus pengendalian kualitas.

TUJUH ALAT & KEGUNAANNYA

Alat	Menjawab Pertanyaan
Check sheet	Seberapa sering tiap jenis masalah terjadi? (formulir pencatatan data)
Histogram	Bagaimana sebaran/frekuensi suatu ukuran proses?
Diagram Pareto	Masalah mana yang paling dominan & layak diprioritaskan?
Diagram sebab-akibat	Apa akar penyebab suatu masalah? (fishbone/Ishikawa)
Diagram sebar (scatter)	Apakah dua variabel proses saling berhubungan?
Peta kendali (control chart)	Apakah proses stabil dari waktu ke waktu?
Diagram alir (flowchart)	Bagaimana urutan langkah dalam sebuah proses?

Hitung dari Nol — HDN-2: Diagram Pareto (Aturan 80/20)

Sebuah konveksi mencatat cacat produk sebulan: jahitan lepas 120, warna luntur 45, ukuran salah 30, kancing rusak 15, lainnya 10.

Langkah	Perhitungan	Nilai
Total seluruh cacat	120 + 45 + 30 + 15 + 10	220 unit
Persentase “jahitan lepas”	120 / 220 × 100%	54,5%
Kumulatif 2 kategori teratas	(120 + 45) / 220 × 100%	75,0%
Kumulatif 3 kategori teratas	(120 + 45 + 30) / 220 × 100%	88,6%

Hanya 3 dari 5 kategori cacat sudah mencakup 88,6% total masalah — itulah kategori yang wajib diprioritaskan lebih dulu (aturan 80/20).

Diagram Pareto memakai prinsip lama yang sangat berguna: sebagian kecil penyebab biasanya bertanggung jawab atas sebagian besar akibat. Kita jumlahkan dulu total seluruh cacat menjadi dua ratus dua puluh unit sebagai penyebut. Jahitan lepas sendiri sudah menyumbang lebih dari separuh masalah, yaitu lima puluh empat koma lima persen. Ketika kita jumlahkan dua kategori teratas, jahitan lepas dan warna luntur, angkanya melompat ke tujuh puluh lima persen, dan tiga kategori teratas mencapai delapan puluh delapan koma enam persen. Artinya, jika tim kualitas konveksi ini hanya fokus memperbaiki tiga dari lima jenis cacat, mereka sudah menyelesaikan hampir sembilan puluh persen masalah yang ada. Inilah kekuatan diagram Pareto: ia mengubah daftar masalah yang membingungkan menjadi urutan prioritas perbaikan yang jelas dan berbasis data.

Coba Sendiri: Susun Pareto Cacat Produk Anda

Masukkan jenis dan jumlah cacat, lalu lihat urutan prioritas dan persentase kumulatif tersusun otomatis.

Diagram Sebab-Akibat (Fishbone/Ishikawa)

Menelusuri akar penyebab masalah dengan mengelompokkan kemungkinan penyebab ke dalam kategori — contoh kasus: keterlambatan pengiriman pesanan toko daring.

CONTOH PENYEBAB TIAP KATEGORI

Manusia: kurir kurang terlatih membaca rute.
Metode: rute pengantaran tidak dioptimalkan.
Mesin: aplikasi pelacakan sering error.

Material: stok gudang tidak sinkron dengan sistem.
Lingkungan: kemacetan & cuaca ekstrem.

Diagram fishbone dinamai demikian karena bentuknya menyerupai kerangka ikan: kepala ikan di sebelah kanan adalah masalah yang ingin kita selesaikan, dan tulang-tulangnya adalah kategori penyebab. Kita pakai kerangka klasik lima M: manusia, metode, mesin, material, dan lingkungan, meski tidak semua kategori wajib dipakai di setiap kasus. Ambil contoh keterlambatan pengiriman pesanan toko daring, sesuatu yang mungkin pernah Anda alami sendiri saat belanja di Shopee atau Tokopedia. Tim kualitas akan mencurahkan gagasan di setiap cabang: apakah kurirnya kurang terlatih, apakah rutenya tidak efisien, apakah aplikasi pelacakan sering bermasalah, apakah stok gudang tidak sinkron, atau apakah faktor cuaca dan kemacetan yang berperan. Kekuatan alat ini adalah memaksa tim berpikir sistematis dan tidak langsung menuduh satu pihak saja, sehingga solusi yang dihasilkan lebih menyeluruh.

Check Sheet, Histogram & Diagram Sebar: Sekilas

Tiga alat lain yang melengkapi Pareto dan fishbone dalam siklus pengumpulan dan analisis data kualitas.

PENGUMPUL DATA

CHECK SHEET

Formulir sederhana untuk mencatat frekuensi kejadian secara langsung saat masalah muncul di lapangan.

SEBARAN DATA

HISTOGRAM

Grafik batang yang menunjukkan pola distribusi suatu ukuran, misalnya berat kemasan produk.

HUBUNGAN VARIABEL

DIAGRAM SEBAR

Menampilkan pasangan titik data untuk melihat apakah dua variabel berkorelasi, misal jam kerja vs jumlah cacat.

Ketiganya biasanya dipakai berurutan: check sheet mengumpulkan data mentah → histogram meringkas polanya → diagram sebar menguji dugaan hubungan sebab-akibat.

Tiga alat ini sering dianggap "pendukung" tetapi sebenarnya sangat penting dalam alur kerja pengendalian kualitas sehari-hari. Check sheet adalah formulir centang sederhana yang bisa diisi langsung oleh operator di lini produksi tanpa perlu pelatihan statistik, misalnya mencatat setiap kali menemukan jenis cacat tertentu. Data dari check sheet itu kemudian bisa diringkas menjadi histogram untuk melihat pola sebarannya, misalnya apakah berat kemasan mi instan cenderung terkonsentrasi di sekitar berat target atau justru menyebar lebar. Diagram sebar dipakai ketika kita menduga dua faktor saling berkaitan, misalnya menguji apakah semakin lama jam kerja lembur berkorelasi dengan semakin banyak cacat produksi. Ketiga alat ini biasanya dipakai berurutan sebagai satu alur kerja: kumpulkan data, ringkas polanya, lalu uji hubungan sebab-akibatnya.

Bagian 3 dari 4

Statistical Process Control (SPC)

Memantau kestabilan proses dari waktu ke waktu memakai batas kendali statistik — membedakan variasi wajar dari variasi yang perlu tindakan.

Peta Kendali x̄ Peta Kendali p Interpretasi Pola

Variasi Proses: Penyebab Umum vs Penyebab Khusus

Tidak semua proses yang hasilnya berbeda-beda dari waktu ke waktu berarti bermasalah — SPC membantu membedakan dua jenis variasi ini.

PENYEBAB UMUM (COMMON CAUSE)

VARIASI WAJAR & MELEKAT

Fluktuasi kecil bawaan sistem: getaran mesin, suhu ruang, variasi bahan baku. Selalu ada, dapat diprediksi rentangnya, dan hanya bisa dikurangi lewat perbaikan sistem/proses secara menyeluruh.

PENYEBAB KHUSUS (SPECIAL CAUSE)

VARIASI TAK WAJAR & MENDADAK

Muncul dari kejadian spesifik yang bisa ditelusuri: mesin rusak, operator baru belum terlatih, bahan baku cacat dari pemasok tertentu. Perlu tindakan korektif segera.

Peta kendali dirancang untuk mendeteksi penyebab khusus — mengejar-ngejar penyebab umum dengan tindakan drastis justru memboroskan biaya (disebut tampering).

Konsep ini adalah kunci untuk memahami mengapa peta kendali dirancang seperti yang akan kita lihat sebentar lagi. Penyebab umum adalah variasi kecil yang selalu ada di dalam sistem manapun, misalnya sedikit perbedaan berat pada tiap kemasan saus sambal akibat getaran mesin pengisi. Variasi ini normal dan bisa diprediksi rentangnya, sehingga tidak perlu direspons dengan panik setiap kali muncul. Penyebab khusus berbeda; ia muncul dari kejadian yang bisa ditelusuri asal-usulnya, misalnya operator baru yang belum terlatih menghasilkan cacat lebih tinggi dari biasanya, atau ada satu batch bahan baku cacat dari pemasok tertentu. Kesalahan umum yang sering dilakukan manajer pemula adalah mengejar-ngejar setiap fluktuasi kecil seolah semuanya penyebab khusus; Deming menyebut perilaku ini sebagai tampering, dan justru membuat proses semakin tidak stabil karena terlalu sering diutak-atik tanpa dasar yang jelas.

Anatomi Peta Kendali (Control Chart)

Peta kendali memplot data proses dari waktu ke waktu terhadap tiga garis acuan.

TIGA GARIS ACUAN

CL (center line): rata-rata proses saat terkendali.
UCL (upper control limit): batas atas — biasanya ±3σ dari CL.
LCL (lower control limit): batas bawah — biasanya −3σ dari CL.

Titik abu-abu tebal pada grafik menembus UCL → sinyal penyebab khusus, proses perlu diselidiki segera.

Perhatikan anatomi peta kendali pada diagram ini. Garis tengah, atau center line, mewakili rata-rata proses ketika semuanya berjalan normal. Dua garis putus-putus di atas dan di bawahnya adalah batas kendali atas dan batas kendali bawah, yang secara konvensi ditetapkan pada jarak tiga simpangan baku dari garis tengah. Selama titik-titik data proses jatuh di antara kedua batas ini dan tidak membentuk pola aneh, kita anggap proses dalam keadaan terkendali secara statistik. Perhatikan satu titik yang saya tandai lebih tebal, yang menembus batas kendali atas; itulah sinyal adanya penyebab khusus yang harus segera diselidiki, misalnya ada gangguan mesin atau kesalahan operator pada saat itu. Dua slide berikutnya akan menunjukkan kepada Anda persis bagaimana angka UCL dan LCL ini dihitung dari data nyata.

Hitung dari Nol — HDN-3: Peta Kendali x̄ (Variabel)

Pabrik saus sambal mengambil 20 subgrup berisi 5 botol (n=5). Rata-rata proses x̸̄ = 250 gram, rata-rata rentang R̄ = 6 gram, konstanta A₂ = 0,577 (untuk n=5).

Langkah	Perhitungan	Nilai
Identifikasi	x̸̄ = 250; R̄ = 6; A₂ = 0,577	—
Hitung A₂ × R̄	0,577 × 6	3,462
UCL = x̸̄ + (A₂ × R̄)	250 + 3,462	253,46 gram
LCL = x̸̄ − (A₂ × R̄)	250 − 3,462	246,54 gram

Selama rata-rata tiap subgrup berat isi jatuh antara 246,54–253,46 gram, proses pengisian dianggap terkendali secara statistik.

Sekarang kita hitung batas kendali untuk peta kendali variabel, yang cocok dipakai saat kita mengukur besaran kontinu seperti berat, panjang, atau volume. Konstanta A dua sudah ditabulasikan oleh ahli statistik untuk berbagai ukuran subgrup; untuk subgrup berisi lima unit, nilainya nol koma lima tujuh tujuh, dan Anda cukup mengambilnya dari tabel referensi tanpa perlu menurunkannya sendiri. Langkah pertama, kalikan konstanta ini dengan rata-rata rentang untuk mendapatkan tiga koma empat enam dua. Angka ini kemudian ditambahkan ke rata-rata proses untuk mendapatkan batas kendali atas, dan dikurangkan untuk mendapatkan batas kendali bawah. Hasilnya, selama rata-rata berat isi tiap subgrup lima botol berada antara dua ratus empat puluh enam koma lima empat dan dua ratus lima puluh tiga koma empat enam gram, proses pengisian saus sambal ini dianggap stabil dan tidak perlu campur tangan operator.

Coba Sendiri: Uji Batas Kendali x̄ Anda

Ubah rata-rata proses, rata-rata rentang, dan ukuran subgrup untuk melihat bagaimana UCL dan LCL bergeser.

Hitung dari Nol — HDN-4: Peta Kendali p (Atribut)

Sebuah bank digital memeriksa n = 500 transaksi/hari selama 20 hari; rata-rata proporsi transaksi bermasalah p̄ = 0,02 (2%).

Langkah	Perhitungan	Nilai
Identifikasi	p̄ = 0,02; n = 500	—
Hitung simpangan baku p	√(0,02 × 0,98 / 500) = √0,0000392	≈ 0,00626
UCL = p̄ + 3 × simpangan baku	0,02 + (3 × 0,00626)	≈ 3,88%
LCL = p̄ − 3 × simpangan baku	0,02 − (3 × 0,00626)	≈ 0,12%

Jika suatu hari proporsi transaksi bermasalah melebihi 3,88%, itu sinyal penyebab khusus — misalnya gangguan sistem, bukan sekadar variasi harian wajar.

Peta kendali p cocok dipakai saat data yang kita ukur bukan besaran kontinu, melainkan proporsi cacat atau proporsi kejadian bermasalah, seperti proporsi transaksi perbankan digital yang gagal diproses. Rumusnya sedikit berbeda dari peta x-bar karena memakai konsep simpangan baku proporsi, yaitu akar dari p-bar dikali satu minus p-bar, dibagi ukuran sampel harian. Setelah dihitung, simpangan baku proporsi ini sekitar nol koma nol nol enam dua enam, lalu kita kalikan tiga sesuai konvensi tiga-sigma dan tambahkan atau kurangkan dari p-bar. Hasilnya, batas kendali atas sekitar tiga koma delapan delapan persen dan batas kendali bawah sekitar nol koma satu dua persen. Artinya, tim operasional bank digital ini punya patokan jelas: selama proporsi transaksi bermasalah harian berada dalam rentang tersebut, sistem dianggap berjalan normal, tetapi begitu melewati tiga koma delapan delapan persen, tim harus segera menyelidiki apakah ada gangguan sistem atau serangan siber.

Coba Sendiri: Uji Batas Kendali Proporsi p Anda

Ubah proporsi rata-rata dan ukuran sampel harian untuk melihat bagaimana UCL dan LCL peta p berubah.

Coba Sendiri: Stabil Belum Tentu Mampu — Cp & Cpk

Peta kendali x̄ dan p tadi menjawab “apakah proses stabil dari waktu ke waktu?” Pertanyaan berikutnya: apakah proses itu cukup mampu memenuhi batas spesifikasi pelanggan (USL/LSL)? Geser rata-rata dan sebaran proses, amati Cp dan Cpk berubah.

Latihan: Interpretasi Pola Peta Kendali

Berdasarkan aturan Western Electric, satu titik di luar batas bukan satu-satunya sinyal proses tidak terkendali. Diskusikan tiga skenario berikut berkelompok (5 menit):

SKENARIO A

1 TITIK DI LUAR ±3σ

Satu pengukuran tunggal menembus UCL, sisanya normal.

SKENARIO B

9 TITIK BERTURUT-TURUT DI SATU SISI CL

Tidak ada titik melewati UCL/LCL, tetapi semuanya konsisten di atas garis tengah.

SKENARIO C

TREN NAIK 6 TITIK BERTURUT-TURUT

Data bergerak naik terus-menerus tanpa menembus batas mana pun.

Untuk tiap skenario, tentukan: apakah proses masih terkendali atau sudah menunjukkan penyebab khusus, dan sebutkan kemungkinan penyebabnya di konteks operasional pilihan kelompok Anda (produksi, logistik, atau layanan digital).

Sekarang giliran Anda berlatih membaca pola, bukan sekadar menghitung angka. Peta kendali tidak hanya dinyatakan tidak terkendali ketika ada titik yang menembus batas atas atau bawah; ada beberapa pola lain yang juga dianggap sinyal peringatan menurut aturan Western Electric yang banyak dipakai di industri. Silakan berdiskusi dalam kelompok kecil untuk ketiga skenario di layar: skenario pertama adalah kasus paling jelas dengan satu titik ekstrem, skenario kedua menunjukkan pergeseran rata-rata proses meski tidak ada titik yang melewati batas, dan skenario ketiga menunjukkan tren yang terus bergerak ke satu arah. Silakan pilih konteks operasional yang menurut kelompok Anda paling relevan, misalnya produksi UMKM, gudang logistik, atau layanan aplikasi digital, lalu diskusikan kemungkinan penyebabnya. Saya akan minta beberapa kelompok mempresentasikan jawabannya secara singkat setelah waktu diskusi selesai.

Kesimpulan & Takeaway

Manajemen kualitas bergerak dari filosofi (TQM) ke alat visual (seven tools) hingga alat statistik (SPC) — ketiganya saling melengkapi, bukan saling menggantikan.

DARI FILOSOFI KE PRAKTIK

TQM SEBAGAI BUDAYA

Kualitas adalah tanggung jawab seluruh organisasi; mencegah cacat sejak awal jauh lebih murah daripada menanggung biaya kegagalan di ujung proses.

DARI DATA KE KEPUTUSAN

PARETO & PETA KENDALI

Diagram Pareto memprioritaskan masalah mana yang dikerjakan lebih dulu; peta kendali x̄ dan p memberi bukti statistik apakah proses masih stabil.

Sampai jumpa di Pertemuan 6! Kita akan membahas Strategi Proses dan Perencanaan Kapasitas, termasuk analisis titik impas kapasitas — melanjutkan dari kualitas menuju keputusan desain proses.

Mari kita rangkum perjalanan kita hari ini. Kita mulai dari pertanyaan filosofis tentang apa itu kualitas dan bagaimana TQM menjadikannya tanggung jawab bersama, bukan hanya tugas satu departemen. Kemudian kita turun ke alat-alat praktis, terutama diagram Pareto yang membantu memprioritaskan masalah dan diagram sebab-akibat yang membantu menelusuri akarnya. Terakhir kita masuk ke ranah statistik dengan peta kendali, di mana Anda sudah berhasil menghitung sendiri batas kendali atas dan bawah untuk data variabel maupun atribut. Ingatlah bahwa ketiga lapis ini saling melengkapi: filosofi TQM memberi arah, seven tools memberi cara memprioritaskan dan mendiagnosis masalah, dan SPC memberi bukti kuantitatif apakah proses benar-benar stabil. Minggu depan kita akan melanjutkan ke strategi proses dan perencanaan kapasitas, termasuk bagaimana menghitung titik impas kapasitas produksi, sehingga bekal kualitas hari ini akan langsung relevan saat Anda merancang kapasitas proses yang andal.