17

BBAABB 22

LLAANNDDAASSAANN TTEEOORRII

2.1 Pengertian Kualitas

Secara garis besar kualitas adalah kepuasan pelanggan yang merupakan tujuan

perusahaan atau organisasi. Pelanggan yang dimaksud disini bukan pelanggan

atau konsumen yang hanya datang sekali untuk mencoba dan tidak pernah

kembali lagi, melainkan mereka yang datang berulang-ulang untuk membeli dan

membeli lagi.

Berdasarkan pendapat beberapa ahli, pengertian kualitas adalah sebagai

berikut:

◊ Juran (1962) ”Kualitas adalah kesesuaian dengan tujuan atau manfaatnya.”

◊ Crosby (1979) ”Kualitas adalah kesesuaian dengan kebutuhan yang meliputi

availability, delivery, reliability, maintainability, dan cost effectiveness.”

◊ Deming (1982) “Kualitas harus bertujuan memenuhi kebutuhan pelanggan

sekarang dan di masa mendatang.”

◊ Feigenbaum (1991) “Kualitas merupakan keseluruhan karakteristik produk

dan jasa yang meliputi marketing, engineering, manufacture, dan

maintenance, dalam mana produk dan jasa tersebut dalam pemakaiannya akan

sesuai dengan kebutuhan dan harapan pelanggan.”

18

◊ Scherkenbach (1991) “Kualitas ditentukan oleh pelanggan; pelanggan

menginginkan produk dan jasa yang sesuai dengan kebutuhan dan harapannya

pada suatu tingkat harga tertentu yang menunjukkan nilai produk tersebut.”

◊ Elliot (1993) “Kualitas adalah sesuatu yang berbeda untuk orang yang

berbeda dan tergantung pada waktu dan tempat, atau dikatakan sesuai dengan

tujuan.”

◊ Goetch dan Davis (1995) “Kualitas adalah suatu kondisi dinamis yang

berkaitan dengan produk, pelayanan, orang, proses, dan lingkungan yang

memenuhi atau melebihi apa yang diharapkan.”

◊ Perbendaharaan istilah ISO 8402 dan dari Standar Nasional Indonesia (SNI

19-8402-1991), kualitas adalah keseluruhan ciri dan karakteristik produk dan

jasa yang kemampuannya dapat memuaskan kebutuhan, baik yang dinyatakan

secara tegas maupun tersamar. Istilah kebutuhan diartikan sebagai spesifikasi

yang tercantum dalam kontrak maupun kriteria-kriteria yang harus

didefinisikan terlebih dahulu.”

Dari definisi tersebut dapat dikatakan secara garis besar bahwa kualitas adalah

keseluruhan ciri atau karakteristik produk dalam tujuannya untuk memenuhi

kebutuhan dan harapan pelanggan.

Sedangkan dalam konteks pembahasan tentang pengendalian proses

statistikal, terminologi kualitas didefinisikan sebagai konsistensi peningkatan atau

perbaikan dan penurunan variasi karakteristik dari suatu produk yang dihasilkan,

19

agar memenuhi kebutuhan yang telah dispesifikasikan, guna meningkatkan

kepuasan pelanggan internal maupun eksternal. Dengan demikian pengertian

kualitas dalam konteks pengendalian proses statistikal adalah bagaimana baiknya

suatu output itu memenuhi spesifikasi dan toleransi yang diterapkan oleh bagian

desain dari suatu perusahaan.

2.2 Pengertian Pengendalian Kualitas

Pengendalian kualitas merupakan aktivitas teknik ataupun manajemen,

dimana dilakukan pengukuran karakteristik kualitas dari output (barang atau

jasa), kemudian membandingkan hasil pengukuran itu dengan spesifikasi output

yang diinginkan pelanggan, serta mengambil tindakan perbaikan yang tepat

apabila ditemukan perbedaan antara performansi aktual dan standar.

Pengendalian kualitas ditujukan untuk mempertahankan standar kualitas

produk yang dijanjikan oleh perusahaan kepada konsumen. Tindakan

pengendalian dapat membantu mempertahankan kinerja proses produksi dalam

batas-batas toleransi yang diijinkan.

Untuk menjaga konsistensi kualitas produk dan jasa yang dihasilkan dan

sesuai dengan tuntutan kebutuhan pasar, perlu dilakukan pengendalian kualitas

(quality control) atas aktivitas proses yang dijalani. Dari pengendalian kualitas

yang berdasarkan inspeksi dengan penerimaan produk yang memenuhi syarat dan

penolakan yang tidak memenuhi syarat sehingga banyak bahan, tenaga, dan

waktu yang terbuang, muncul pemikiran untuk menciptakan sistem yang dapat

20

mencegah timbulnya masalah mengenai kualitas agar kesalahan yang terjadi tidak

terulang lagi.

Menurut Vincent Gaspersz (1998, halaman 1) pengendalian kualitas

merupakan aktivitas teknik dan manajemen, melalui mana kita mengukur

karakteristik kualitas dari output kemudian membandingkan hasil pengukuran itu

dengan spesifikasi output yang diinginkan pelanggan, serta mengambil tindakan

perbaikan yang tepat apabila ditemukan perbedaan antara performansi aktual dan

standar.

Pengendalian kualitas statistik merupakan teknik penyelesaian masalah yang

digunakan untuk memonitor, mengendalikan, menganalisis, mengelola, dan

memperbaiki produk atau proses dengan menggunakan metode statistik.

Pada dasarnya performansi kualitas dapat ditentukan dan diukur berdasarkan

karakteristik kualitas yang terdiri dari beberapa sifat atau dimensi berikut:

1. Fisik: panjang, berat, diameter, tegangan, kekentalan, dan lain-lain.

2. Sensory (berkaitan dengan panca indera): rasa, penampilan, warna, bentuk,

model, dan lain-lain.

3. Orientasi waktu: reliability, serviceability, maintainability, dan lain-lain.

4. Orientasi biaya: berkaitan dengan dimensi biaya yang menggambarkan harga

atau biaya dari suatu produk yang harus dibayarkan oleh konsumen.

21

Suatu pengukuran performansi kualitas dapat dilakukan pada tiga tingkat,

yaitu:

1. Pengukuran pada tingkat proses, yang mengukur setiap langkah atau aktivitas

dalam proses dan karakteristik input yang diserahkan oleh pemasok (supplier)

yang mengendalikan karakteristik output yang diinginkan. Tujuan dari

pengukuran pada tingkat ini adalah mengidentifikasi perilaku yang mengatur

setiap langkah dalam proses dan menggunakan ukuran-ukuran ini untuk

mengendalikan operasi serta memperkirakan output yang akan dihasilkan

sebelum output itu diproduksi atau diserahkan ke pelanggan. Beberapa contoh

pengukuran pada tingkat proses adalah: lama waktu menjawab panggilan

telepon, banyaknya panggilan telepon yang tidak dikembalikan ke pelanggan,

konformasi terhadap waktu penyerahan yang dijanjikan, persentasi material

cacat yang diterima dari pemasok, siklus waktu produk (product cycle times),

banyaknya inventori setengah jadi (work in process inventory), dan lain-lain.

2. Pengukuran pada tingkat output, mengukur karakteristik output yang

dihasilkan dibandingkan terhadap spesifikasi karakteristik yang diinginkan

pelanggan. Beberapa contoh ukuran pada tingkat output adalah: banyaknya

unit produk yang tidak memenuhi spesifikasi tertentu yang diterapkan

(banyak produk cacat), tingkat efektivitas dan efisiensi produksi, karakteristik

kualitas dari produk yang dihasilkan, dan lain-lain.

22

3. Pengukuran pada tingkat outcome, yang mengukur bagaimana baiknya suatu

produk memenuhi kebutuhan dan ekspektasi pelanggan. Pengukuran pada

tingkat outcome merupakan tingkat tertinggi dalam pengukuran performansi

kualitas. Beberapa contoh pengukuran pada tingkat outcome adalah:

banyaknya keluhan pelanggan yang diterima, banyaknya produk yang

dikembalikan oleh pelanggan, tingkat ketepatan waktu penyerahan produk

sesuai dengan waktu yang dijanjikan, dan lain-lain.

2.3 Diagram Pareto

Diagram Pareto adalah grafik batang yang menunjukkan masalah berdasarkan

urutan banyaknya kejadian. Masalah yang paling banyak terjadi ditunjukkan oleh

grafik batang pertama yang tertinggi serta ditempatkan pada sisi paling kiri, dan

seterusnya sampai masalah yang paling sedikit terjadi ditunjukkan oleh grafik

batang terakhir yang terendah serta ditempatkan pada sisi paling kanan.

Diagram Pareto bagian dari Statistical Process Control (SPC) yang

merupakan suatu metodologi pengumpulan dan analisis data kualitas, serta

penentuan dan interpretasi pengukuran-pengukuran yang menjelaskan tentang

proses dalam suatu sistem industri untuk meningkatkan kualitas dari output guna

memenuhi kebutuhan dan ekspetasi pelanggan.

Pada dasarnya diagram Pareto dapat digunakan sebagai alat interpretasi

untuk:

23

Menentukan frekuensi relatif dan urutan pentingnya masalah-masalah atau

penyebab-penyebab dari masalah yang ada.

Memfokuskan perhatian pada isu-isu kritis dan penting melalui pembuatan

ranking terhadap masalah-masalah atau penyebab-penyebab dari masalah itu

dalam bentuk yang signifikan.

Diagram ini pertama kali ditemukan oleh Vilfredo Pareto, seorang ekonom

Itali, menemukan aturan 80/20 dengan melakukan studi akan distribusi kekayaan

dari berbagai negara. Ia menyimpulkan bahwa 20% minoritas menguasai 80%

kekayaan masyarakat. Aturan ini tetap relevan diterapkan pada berbagai bidang,

termasuk dalam inisiatif pengembangan kualitas: 20% dari kecacatan akan

menyebabkan 80% dari masalah. Penelitian lebih lanjut oleh Dr. Juran dalam

manajemen kualitas menyatakan aturan vital few and trivial many atau 20% dari

sesuatu bertanggung jawab akan 80% hasil-hasilnya. Aturan ini juga berarti

sesuatu yang sedikit (20%) adalah vital dan yang banyak (80%) adalah sepele.

Diagram Pareto dibuat untuk menemukan masalah atau penyebab yang

merupakan kunci dalam penyelesaian masalah dan perbandingan terhadap

keseluruhan. Dengan mengetahui penyebab-penyebab yang dominan maka dapat

ditentukan prioritas perbaikan yang akan dilakukan. Kegunaan diagram Pareto

adalah:

Menunjukkan persoalan utama yang dominan dan perlu segera diatasi.

24

Menyatakan perbandingan masing-masing persoalan yang ada dan komulatif

secara keseluruhan.

Menunjukkan tingkat perbaikan setelah tindakan koreksi dilakukan pada

daerah yang terbatas.

Menunjukkan perbandingan masing-masing persoalan sebelum dan sesudah

perbaikan.

Pareto diagram merupakan langkah awal (berdasarkan skala prioritas) untuk

melakukan perbaikan atau tindakan koreksi terhadap penyimpangan yang terjadi.

Pareto diagram dapat diaplikasikan untuk proses perbaikan dalam berbagai

macam aspek permasalahan.

Contoh, pada suatu bisnis makanan cepat saji, salah satu bauran produknya

adalah melayani pesanan rumah. Bisnis berkembang dengan cepat. Seiring

dengan itu banyak keluhan pelanggan yang muncul. Berikut daftar keluhan yang

muncul:

Tabel 2.1 Daftar Cacat (contoh)

No. Macam keluhan (kecacatan) Jumlah

1 Rasa tidak standar 10 2 Makanan sudah dingin 25 3 Tidak sesuai pesanan 5 4 Waktu pengiriman lama 30 5 A 1 6 B 2 7 C 1 8 D 3

25

Langkah-langkah dalam menggunakan minitab 14 untuk diagram Pareto:

1. Masukkan data ke dalam tabel

Gambar 2.1 Tampilan Pengisian Data pada Minitab 14

2. Klik Stat > Quality Tools > Pareto Chart sampai muncul kotak dialog

Pareto Chart

Gambar 2.2 Tampilan Kotak Dialog pada Minitab 14

26

3. Pilih Chart defect table kemudian klik pada kotak labels in sehingga

daftar variabel, yaitu variabel kecacatan dan jumlah muncul pada kotak

pojok kiri. Pindahkan variabel kecacatan ke kotak labels in dengan

memilih variabel tersebut dan tekan tombol Select. Pindahkan variabel

jumlah ke kotak Frequencies in.

4. Klik OK, sehingga akan diperoleh diagram berikut:

Coun

t

Perc

ent

Kecacatan

Count39,0 32,5 13,0 6,5 3,9 2,6 2,6

Cum % 39,0 71,4

30

84,4 90,9 94,8 97,4 100,0

25 10 5 3 2 2Percent

Otherbd

Tidak

sesu

ai pe

sana

n

Rasa

tidak

stan

dar

Masak

an su

dah d

ingin

Wak

tu pe

ngirim

an la

ma

80

70

60

50

40

30

20

10

0

100

80

60

40

20

0

Pareto Chart of Kecacatan

Gambar 2.3 Tampilan Diagram Pareto pada Minitab 14

27

2.4 Pengukuran Kinerja Produk

2.4.1 Konsep Pengukuran Berbasis Kecacatan

Pada konsep ini ada dua ukuran yang digunakan, yaitu:

1. Ukuran Defective dan Yield, variabel pengukurannya ialah:

Proportion Defect, merupakan persentase jumlah unit/item yang

memiliki satu atau lebih cacat dibanding dengan total unit yang

diproduksi. Rumusnya ialah

% 100 diproduksi yangunit h

XJumla

DefectiveJumlahDPU =

Final Yield, atau ditulis Yfinal dihitung sebagai 1 dikurangi

Proportion Defective. Informasi ini memberitahu apakah pecahan dari

unit total yang diproduksi atau dikirim adalah bebas cacat (defect free).

Hasil ini biasanya dikalikan dengan 100 %. Ukuran Yield

mengindikasikan ke-efektifan dari sebuah proses untuk menghasilkan

probabilitas produk yang bebas cacat (defect free).

Ukuran ini seringkali dinyatakan dalam format Rolled Throughput

Yield atau RTY, mengindikasikan yield atau “hasil baik” pada tiap-tiap

proses yang ada. Rumus RTY adalah:

RTY = 1- (Jumlah cacat / Input awal) * 100 %.

28

2. Ukuran-ukuran Defect

Sering disebut Defect per Unit atau DPU. Ukuran ini merefleksikan

jumlah rata-rata dari defect, semua jenis, terhadap total unit yang

dihasilkan. Jika DPU sebesar 1 misalnya, ini mengindikasikan bahwa

setiap unit akan memiliki satu defect, sekalipun beberapa item mungkin

memiliki lebih dari satu defect dan yang lainnya tidak ada defect. DPU

0,25 menunjukan suatu probabilitas bahwa satu dari empat unit akan

memiliki satu defect. Rumusnya adalah:

unittotal terjadiyang

JumlahDefectJumlahDPU =

Tiga ukuran pertama diatas akan membantu mengetahui seberapa

baik atau buruk proses dikerjakan dan bagaimana defect didistribusikan

dalam proses berjalan. Ukuran-ukuran tersebut juga dapat menjadi

indikator dari performansi produk yang dihasilkan.

2.4.2 Konsep Pengukuran Berbasis Peluang

Pada konsep ini ada tiga variabel yang dapat digunakan untuk

menghitung dan mengekspresikan ukuran-ukuran berbasis peluang defect,

yaitu:

29

1. Defect per Opportunity, atau DPO

Variabel ini menunjukan proporsi defect atas jumlah total peluang

dalam sebuah kelompok yang diperiksa. Sebagai contoh jika DPO

sebesar 0,05 berarti peluang untuk memiliki defect dalam sebuah

kategori (CTQ) adalah 5%.

Rumusnya adalah:

Peluangunit x Totalunit DefectiveJumlahDPO =

2. Defect per Million Opportunities atau DPMO

Kebanyakan ukuran-ukuran peluang defect diterjemahkan ke dalam

format DPMO, yang mengindikasikan berapa banyak defect akan

muncul jika ada satu juta peluang. Dalam lingkungan pemanufakturan

secara khusus, DPMO sering disebut “PPM”, singkatan dari “parts per

million”. Rumus umum untuk menghitung DPMO ialah:

DPMO = DPO x 1.000.000.

Ukuran ini seringkali dipakai untuk menentukan peluang terjadinya

cacat pada produk yang diproduksi dalam satu juta peluang.

3. Sigma Level

Ukuran sigma atau level sigma adalah variabel paling penting dalam

metode Six Sigma, karena variabel ini mengindikasikan variabilitas

30

proses dan sampai pada level berapa sigma proses dikelola. Ukuran ini

juga mengindikasikan apakah proses saat ini sudah “efisien” dan

“berkualitas” atau belum.

Untuk mendapatkan skor sigma hal yang dilakukan adalah kita harus

mengetahui DPMO terlebih dahulu dari hasil tersebut dapat kita

konversikan menjadi skor sigma melalui tabel konversi sigma yang ada

pada lampiran.

4. Menghitung COPQ (Cost Of Poor Quality), konsekuensi dari suatu

produk jadi yang mempunyai kualitas rendah adalah perusahaan harus

rela kehilangan keuntungan. Untuk mereduksi kehilangan keuntungan

ini, maka perusahaan dapat menjalankan proyek Six Sigma. Semakin

tingginya tingkat sigma yang dicapai, maka tingkat defect dan tingkat

COPQ nya dapat menjadi rendah.

2.5 Cause Effect Diagram

Diagram sebab akibat adalah suatu diagram yang menunjukkan hubungan

antara sebab dan akibat. Berkaitan dengan pengendalian proses statistikal,

diagram sebab-akibat dipergunakan untuk menunjukkan faktor-faktor penyebab

(sebab) dan karakteristik kualitas (akibat) yang disebabkan oleh faktor-faktor

penyebab itu. Diagram sebab-akibat ini sering juga disebut sebagai diagram

tulang ikan (fishbone diagram) karena bentuknya seperti kerangka ikan, atau

31

diagram Ishikawa (Ishikawa’s diagram) karena pertama kali diperkenalkan oleh

Prof. Kaoru Ishikawa dari dari Universitas Tokyo pada tahun 1953.

Pada dasarnya diagram sebab-akibat dapat dipergunakan untuk kebutuhan-

kebutuhan berikut:

Membantu mengidentifikasi akar penyebab dari suatu masalah.

Membantu membangkitkan ide-ide untuk solusi suatu masalah.

Membantu dalam penyelidikan atau pencarian fakta lebih lanjut.

Gambar 2.4 Struktur Diagram Sebab-Akibat

Diagram 2.1 Fishbone Diagram

32

Langkah-langkah membuat diagram sebab-akibat dapat dikemukakan sebagai

berikut:

1. Mulai dengan pernyataan masalah-masalah utama yang penting dan mendesak

untuk diselesaikan.

2. Tuliskan pernyataan masalah itu pada ”kepala ikan”, yang merupakan akibat

(effect). Tuliskan pada sisi sebelah kanan dari kertas (kepala ikan), kemudian

gambarkan ”tulang belakang” dari kiri ke kanan dan tempatkan pernyataan

masalah itu dalam kotak.

3. Tuliskan faktor-faktor penyebab utama (sebab-sebab) yang mempengaruhi

masalah kualitas sebagai ”tulang besar”, juga ditempatkan dalam kotak.

Faktor-faktor penyebab atau kategori-kategori utama dapat dikembangkan

melalui stratifikasi ke dalam pengelompokan dari faktor-faktor: manusia,

mesin, peralatan, material, metode kerja, lingkungan kerja, pengukuran, dan

lain-lain, atau stratifikasi melalui langkah-langkah aktual dalam proses.

Faktor-faktor penyebab atau kategori-kategori dapat dikembangkan melalui

brainstorming.

4. Tuliskan penyebab-penyebab sekunder yang mempengaruhi penyebab-

penyebab utama (tulang-tulang besar), serta penyebab-penyebab sekunder itu

dinyatakan sebagai ”tulang-tulang berukuran sedang”.

5. Tuliskan penyebab-penyebab tersier yang mempengaruhi penyebab-penyebab

sekunder (tulang-tulang berukuran sedang), serta penyebab-penyebab tersier

itu dinyatakan sebagai ”tulang-tulang berukuran kecil”.

33

6. Tentukan item-item yang penting dari setiap faktor dan tandailah faktor-faktor

penting tertentu yang kelihatannya memiliki pengaruh nyata terhadap

karakteristik kualitas.

7. Catatlah informasi yang perlu didalam diagram sebab-akibat itu, seperti:

judul, nama produk, proses, kelompok, daftar partisipan, tanggal, dan lain-

lain.

2.6 Definisi Data

Data adalah catatan tentang sesuatu, baik yang bersifat kualitatif maupun

kuantitatif yang dipergunakan sebagai petunjuk untuk bertindak. Berdasarkan

data, kita mempelajari fakta-fakta yang ada dan kemudian mengambil tindakan

yang tepat berdasarkan pada fakta itu. Dalam konteks pengendalian proses

statistikal dikenal dua jenis data, yaitu:

• Data Atribut (Attributes Data), yaitu data kualitatif yang dapat dihitung untuk

pencatatan dan analisis. Contoh dari data atribut karakteristik kualitas adalah

ketiadaan label pada kemasan produk, kesalahan proses administrasi buku

tabungan nasabah, banyaknya jenis cacat pada produk, dan lain-lain. Data

atribut biasanya diperoleh dalam bentuk unit-unit nonkonformans atau

ketidaksesuaian dengan spesifikasi atribut yang telah ditetapkan.

• Data Variabel (Variables Data) merupakan data kuantitatif yang diukur untuk

keperluan analisis. Contoh dari data variabel karakteristik kualitas adalah:

diameter pipa, ketebalan produk kayu lapis, berat semen dalam kantong,

34

banyaknya kertas setiap rim, konsentrasi elektrolit dalam persen, dan lain-lain.

Ukuran-ukuran berat, panjang, lebar, tinggi, diameter, volume, biasanya

merupakan data variabel.

2.7 Peta Kontrol untuk Data Atribut

Peta kontrol untuk data atribut ada 4, diantaranya peta p, np, c, dan u. Pada

umumnya data atribut hanya memiliki dua nilai yang berkaitan dengan ya atau

tidak, seperti: sesuai atau tidak sesuai, berhasil atau gagal, lulus atau tidak lulus,

bagus atau jelek, dll. Data ini dapat dihitung untuk keperluan pencatatan dan

analisis. Peta-peta control untuk data atribut adalah penting untuk beberapa alasan

berikut:

Situasi-situasi yang berkaitan dengan data atribut ada dalam proses teknikal

atau administratif, sehingga teknik-teknik analisis atribut menjadi berguna

dalam banyak penerapan. Kesulitan paling nyata dalam pengendalian kualitas

adalah mengembangkan definisi operasional secara tepat tentang apa itu

ketidaksesuaian, sehingga suatu produk yang merupakan output dari proses

perlu diperhatikan.

Data atribut telah tersedia dalam banyak situasi termasuk dalam aktivitas

inspeksi material, proses perbaikan, atau inspeksi akhir. Dalam kaitan ini, data

yang telah tersedia itu hanya membutuhkan sedikit usaha untuk

mengkonversinya ke dalam bentuk peta kontrol untuk data atribut itu.

35

Apabila data baru harus dikumpulkan, informasi atribut pada umumnya

mudah diperoleh dan tidak mahal, serta tidak membutuhkan keterampilan

khusus untuk mengumpulkan data atribut itu.

Kebanyakan data yang dikumpulkan untuk pelaporan manajemen adalah

dalam bentuk atribut dan akan menjadi lebih bermanfaat apabila dilakukan

analisis peta kontrol untuk data atribut itu.

Ketika memperkenalkan peta-peta kontrol dalam suatu organisasi, adalah

penting untuk memprioritaskan area masalah dan menggunakan peta kontrol

itu di tempat yang paling membutuhkannnya. Signal masalah dapat dating

dari sistem pengendali biaya, keluhan-keluhan pengguna, hambatan-hambatan

internal, dan lain-lain. Penggunaan peta-peta kontrol untuk data atribut yang

berkaitan dengan ukuran-ukuran kunci kualitas secara keseluruhan seringkali

mampu memberikan petunjuk tentang area proses spesifik yang membutuhkan

pengujian-pengujian lanjutan, termasuk kemungkinan menggunakan peta-peta

kontrol untuk data variabel.

Bagaimanapun sebelum peta-peta kontrol untuk data atribut digunakan untuk

mengendalikan karakteristik kualitas dari item-item, beberapa langkah

pendahuluan harus dipersiapkan, sebagai berikut:

Menetapkan suatu lingkungan yang cocok untuk tindakan. Penggunaan

metode-metode statistical akan gagal, kecuali manajemen telah menyiapkan

suatu lingkungan yang responsive.

36

Mendefinisikan proses, dalam hal ini proses harus dipahami dalam bentuk

hubungannya dengan operasi yang lain, pengguna, dan dalam bentuki elemen-

elemen proses (orang, mesin dan peralatan, material, metode dan lingkungan

kerja) yang berpengaruh pada setiap tahap proses. Untuk membantu

memahami hubungan pengaruh dari elemen-elemen proses itu, kita dapat

menggunakan diagram sebab akibat (cause-and-effect-diagram).

Menentukan karakteristik kualitas yang akan dikelola. Manajemen seyogianya

mengkonsentrasikan pada karakteristik-karakteristik yang paling bermanfaat

untuk perbaikan proses. Untuk membantu memahami karakteristik-

karakteristik apa yang dominan berpengaruh pada perbaikan proses, kita dapat

menggunakan prinsip pareto. Karakteristik-karakteristik yang akan dikelola

seyogianya mempertimbangkan beberapa hal berikut :

Kebutuhan pelanggan. Hal ini mencakup juga setiap subsekuens proses

yang menggunakan produk sebagai suatu input (pelanggan internal) dan

pelanggan akhir (pelanggan eksternal) yang menggunakan produk itu.

Area masalah sekarang dan potensial. Mempertimbangkan bukti-bukti

yang ada dari pemborosan (waste) atau performansi yang buruk (misalnya

scrap, pekerjaan ulang, overtime berlebihan, target tidak terpenuhi, dan

lain-lain), serta area risiko (misalnya : perubahan-perubahan terhadap

desain produk, korelasi pada elemen-elemen dari proses, dan lain-lain).

37

Korelasi di antara karakteristik-karakteristik itu. Untuk keperluan studi

yang efektif dan efisien, kita perlu mengkaji hubungan (korelasi) di antara

karakteristik kualitas individual suatu item cenderung terjadi bersama-

sama, maka cukup dibuatkan peta kontrol terhadap satu karakteristik

kualitas saja yang juga telah mampu merepresentasikan karakteristik-

karakteristik kualitas individual yang lain. Untuk membantu kita

memahami hubungan (korelasi) di antara karakteristik-karakteristik

kualitas dapat menggunakan diagram tebar (scatter diagram) dan analisis

korelasi.

Mendefinisikan sistem pengukuran. Karakteristik kualitas harus didefinisikan

secara operasional, sehingga temuan-temuan dapat dikomunikasikan kepada

semua pihak yang terkait agar memperhatikannya. Hal ini mencakup

spesifikasi data apa yang dikumpulkan, di mana, bagaimana, oleh siapa,

bilamana, dan dalam kondisi apa. Penetapan definisi operasional kadang-

kadang menjadi sulit tetapi penting, apabila pertimbangan pribadi juga

dilibatkan. Definisi karakteristik kualitas akan mempengaruhi jenis peta

kontrol yang digunakan.

Meminimumkan variasi-variasi yang tidak perlu. Variasi-variasi penyebab

eksternal yang tidak perlu seyogianya dikurangi sebelum studi tentang

pengendalian kualitas dimulai.

38

2.8 Peta Kontrol p

Peta kontrol p digunakan untuk mengukur proporsi ketidaksesuaian

(penyimpangan atau sering disebut cacat) dari item-item dalam kelompok yang

sedang diinspeksi. Dengan demikian peta kontrol p digunakan untuk

mengendalikan proporsi dari item-item yang tidak memenuhi syarat spesifikasi

kualitas atau proporsi dari produk yang cacat yang dihasilkan dalam suatu proses.

Proporsi yang tidak memenuhi syarat didefinisikan sebagai rasio banyaknya

item yang tidak memenuhi syarat dalam suatu kelompok terhadap total banyaknya

item dalam kelompok itu. Item-item itu dapat mempunyai beberapa karakteristik

kualitas yang diperiksa atau diuji secara simultan oleh pemeriksa. Jika item-item

itu tidak memenuhi standar pada satu atau lebih karakteristik yang diperiksa,

item-item itu digolongkan sebagai tidak memenuhi syarat spesifikasi atau cacat.

Proporsi sering diungkapkan dalam bentuk desimal, misalnya : jika ada 30

unit produk yang cacat dari 100 unit produk yang diperiksa, dikatakan bahwa

proporsi dari produk cacat adalah sebesar 30 / 100 = 0,30. apabila nilai proporsi

ini dikalikan dengan 100%, dapat dinyatakan dalam persen, sehingga dikatakan

bahwa persentase dari produk cacat adalah sebesar (0,30).(100%) = 30%.

39

Pembuatan peta kontrol p, dapat dilakukan dengan cara mengikuti beberapa

langkah berikut :

1. Tentukan ukuran contoh yang cukup besar (n > 30).

2. Kumpulkan 20 – 25 set contoh.

3. Hitung nilai proporsi cacat, yaitu p-bar = total cacat / total inspeksi.

4. Hitung nilai simpangan baku, yaitu : Sp = n} / bar)-p -1 (bar -p {

Jika p-bar dinyatakan dalam persentase, maka Sp dihitung sebagai berikut :

Sp = n} / bar)-p - 100 (bar -p {

5. Hitung batas-batas kontrol 3-sigma dari :

CL = p-bar

UCL = p-bar + 3 Sp

LCL = p-bar - 3 Sp

6. Plot atau tebarkan data proporsi (atau persentase) cacat dan lakukan

pengamatan apakah data itu berada dalam pengendalian statistikal.

7. Apabila data pengamatan menunjukkan bahwa proses berada dalam

pengendalian statistikal, tentukan kapabilitas proses menghasilkan produk

yang sesuai (tidak cacat) sebesar : (1- p-bar) atau (100% - p-bar), hal ini

serupa dengan proses menghasilkan produk cacat sebesar p-bar.

8. Apabila data pengamatan menunjukkan bahwa proses berada dalam

pengendalian statistikal, gunakan peta kontrol p untuk memantau proses terus-

menerus. Tetapi apabila data pengamatan menunjukkan bahwa proses tidak

40

berada dalam pengendalian statistikal, proses itu harus diperbaiki terlebih

dahulu sebelum menggunakan peta kontrol itu untuk pengendalian proses

terus-menerus.

Langkah-langkah membuat p chart dengan menggunakan Minitab 14: contoh,

suatu perusahaan minuman dalam kemasan melakukan kontrol statistik pada

produk minumannya. Perusahaan memonitor kemasan apakah terjadi kebocoran

atau penutup yang tidak sempurna. Perusahaan melakukan pengamatan setiap

setengah jam sebanyak 15 kali dengan setiap pengamatan mengambil 25 atau 50

sampel (sampel bervariasi).

Masukan data defect yang terjadi.

Gambar 2.5 Tampilan Data Defect yang Terjadi

41

Klik Stat > Control Charts > Attributes Charts > p chart sehingga muncul

kotak dialog p chart:

Gambar 2.6 Tampilan Kotak dialog p chart

Masukkan variabel cacat kemasan pada kotak Variables.

Masukkan variabel jml sampel pada kotak Subgroup sizes.

Klik OK, maka akan diperoleh hasil lembar session dan diagram kontrol

berikut

42

Sample

Prop

orti

on

151413121110987654321

0,30

0,25

0,20

0,15

0,10

0,05

0,00

_P=0,112

UCL=0,2458

LCL=0

1

P Chart of Cacat Kemasan

Tests performed with unequal sample sizes

Gambar 2.7 Tampilan P-chart

2.9 Analytical Hierarchy Process

Analytical Hierarchy Process (AHP) merupakan salah satu metode

pengambilan keputusan. Tujuan pengambilan keputusan dengan menggunakan

metode ini antara lain:

o Menentukan kriteria-kriteria yang penting untuk pengambilan keputusan.

o Menentukan peringkat peringkat untuk pengambilan keputusan.

o Memilih keputusan terbaik dari perhitungan matriks kriteria dan alternatif.

Terdapat 9 derajat kepentingan dalam mengisi tabel-tabel AHP. Derajat

kepentingan tersebut diringkas pada tabel berikut:

43

Tabel 2.2 Derajat Kepentingan AHP

Langkah-langkah dalam pengambilan keputusan adalah sebagai berikut:

1. Tentukan tujuan (level 1), kriteria (level 2), dan alternatif (level 3) dari

masalah.

Diagram 2.2 Contoh Permasalahan

44

2. Tentukan peringkat kriteria untuk matriks alternatif supplier yang dipilih

menurut tabel derajat kepentingan.

Tabel 2.3 Matriks Kriteria AHP

Catatan :

Jika mobil dibandingkan dengan dirinya sendiri, maka harus ”equally preferred”

dengan nilai 1, yang membuat seluruh nilai sepanjang diagonal matriks bernilai 1.

Contohnya:

Dari segi harga Mobil A ”Moderately Preferred” terhadap mobil B, tetapi

Mobil C ”Strongly Preferred” terhadap mobil B.

3. Sama dengan cara pada nomor 2, tentukan peringkat untuk masing-masing

matriks kriteria yang dipilih menurut derajat kepentingan.

Tabel 2.4 Peringkat untuk Matriks Kriteria

4. Kalikan matriks kriteria dan matriks alternatif dari hasil perhitungan nomor 2

(supplier) dan nomor 3 (kriteria yang dipilih) untuk mendapatkan priority

vector sehingga bisa mendapatkan keputusan yang terbaik.

45

Perhitungan Konsistensi

5. Menentukan weight sum vector:

Diselesaikan dengan hasil perkalian row averages dengan matriks awal.

6. Menentukan Consistency Vector:

Diselesaikan dengan membagi weight sum vector dengan row averages.

7. Menghitung Lambda dan Consistency Index:

1−−

=n

nCI λ dimana n adalah jumlah item dari sistem yang dibandingkan.

λ adalah rata-rata dari Consistency Vector.

8. Menghitung Consistency Ratio:

RICICR = dimana RI adalah random index yang didapatkan dari tabel.

Untuk mengetahui hasil yang konsisten, maka hasil dari CR ≤ 0,10

Tabel 2.5 Random Index

N RI

2 0,00 3 0,58 4 0,90 5 1,12 6 1,24 7 1,32 8 1,41 9 1,45 10 1,49

46

2.10 Metode FMEA

Failure Mode Effect Analysis (FMEA) merupakan suatu penaksiran elemen

per elemen secara sistematis untuk menyoroti akibat-akibat dari kegagalan

komponen, produk, proses atau sistem memenuhi keinginan dan spesifikasi

konsumen termasuk keamanan, melalui desain ulang, perbaikan secara terus-

menerus, pendukung keamanan, tinjauan perancangan, dan lain-lain.

FMEA adalah sekumpulan petunjuk, sebuah proses, dan form untuk

mengidentifikasikan dan mendahulukan masalah-masalah potensial (kegagalan).

FMEA merupakan teknik analisis semi kuantitatif yang melibatkan disiplin tinggi,

pendekatan sistematis dan struktur yang digunakan untuk teknik pemecahan

masalah.

Metode ini dapat dikatakan sebagai sebuah kumpulan aktivitas sistematis

yang ditujukan untuk:

1. Mengidentifikasi dan mengevaluasi kemungkinan terjadi kegagalan potensial

dan efek yang ditimbulkannya dalam sebuah proses atau desain.

2. Mengidentifikasi aksi yang dapat mengeliminasi atau mengurangi kesempatan

dan frekuensi timbulnya kegagalan potensial yang sama.

3. Dokumentasikan proses tersebut dan dapat dilengkapi dengan cara

mendefinisikan bagaimana sebuah desain dapat memuaskan konsumen.

47

Metode FMEA ini dapat diterapkan pada saat menerapkan tahap desain

produk atau pada saat proses sudah berjalan. Apabila dilakukan pada saat desain

disebut sebagai ”Design FMEA”. Pada pembahasan ini akan dijabarkan mengenai

FMEA proses, karena akan diterapkan pada produk yang sudah memasuki tahap

produksi.

Suatu FMEA proses akan mengidentifikasi penyimpangan-penyimpangan

potensial yang mungkin dari setiap spesifikasi dan menghilangkan atau

meminimumkan penyimpangan-penyimpangan itu melalui deteksi atau

pencegahan perubahan-perubahan dalam variabel-variabel proses. Manfaat

penggunaan FMEA proses dalam peningkatan kualitas Six Sigma adalah

mengidentifikasi masalah-masalah yang potensial sebelum produk itu diproduksi,

membantu menghindari scrap dan pekerjaan ulang (rework), mengurangi

banyaknya kegagalan produk yang ada sehingga akan meningkatkan kepuasan

pelanggan dan menjamin suatu start up produksi yang lebih mulus.

Fungsi dari Process Potential FMEA:

1. Mengidentifikasikan produk yang mungkin terjadi kegagalan dalam

prosesnya.

2. Menentukan efek yang mungkin terjadi bagi konsumen bila terjadi kegagalan.

3. Mengidentifikasi penyebab kegagalan utama dalam manufaktur dan

mengurangi tingkat kejadian dari penyebab itu dengan memfokuskan kontrol

akan variabel tersebut.

48

4. Membuat daftar yang terurut untuk potensial kegagalan dan menentukan

tingkat prioritas untuk penanganan dan tindakan penyelesaian.

5. Mendokumentasikan hasil dari proses manufaktur atau perakitan.

Konsumen yang dijelaskan disini bukan selalu merupakan end user, namun

konsumen disini adalah proses yang ada setelah proses yang dibahas dalam

metode FMEA ini, yaitu proses yang menggunakan produk dari proses yang

dibahas. Pada saat pembuatan dan pelaksanaan FMEA proses ini, setiap anggota

team yang bertanggung jawab akan berpartisipasi secara aktif, baik dari beberapa

bagian dari manufaktur yang bertanggung jawab akan desain, kualitas, maupun

proses produksinya sendiri.

Gambar 2.8 Dokumen FMEA

49

FMEA proses ini adalah sebuah dokumen yang terus dikembangkan dimulai

dari persiapan produksi, persiapan peralatan produksi, dan juga pada seluruh

proses manufaktur itu sendiri sehingga setiap kegagalan yang mungkin terjadi

akan dapat diidentifikasikan sedini mungkin. Contoh dokumen FMEA dapat

dilihat pada gambar 2.8

Keterangan :

1. Severity

Merupakan tingkat parahnya kerusakan yang disetujui oleh team yang

menyusun FMEA ini, dapat diklasifikasikan antara 1-10 dengan kriteria

dalam tabel 2.6

Tabel 2.6 Rangking Severity

Ranking Kriteria (Severity of Effect)

1

Neglible severity (pengaruh buruk yang dapat diabaikan). Kita tidak perlu memikirkan bahwa akibat ini akan berdampak pada kinerja produk. Pengguna akhir mungkin tidak akan memperhatikan kecacatan atau kegagalan ini.

2 3

Mild severity (pengaruh buruk yang ringan / sedikit). Akibat yang ditimbulkan hanya bersifat ringan. Pengguna akhir tidak akan merasakan perubahan kinerja. Perbaikan dapat dikerjakan pada saat pemeliharaan reguler.

4 5 6

Moderate severity (pengaruh buruk yang moderate). Pengguna akhir akan merasakan penurunan kinerja atau penampilan, namun masih berada dalam batasan toleransi. Perbaikan yang dilakukan tidak akan mahal, jika terjadi downtime hanya dalam waktu singkat.

7 8

High severity (pengaruh buruk yang tinggi). Pengguna akhir akan merasakan akibat buruk yang tidak dapat diterima, berada diluar batas toleransi. Akibat akan terjadi tanpa pemberitahuan atau peringatan terlebih dahulu. Downtime akan berakibat biaya yang sangat mahal. Penurunan kinerja dalam area yang berkaitan dengan peraturan pemerintah, namun tidak berkaitan dengan keamanan dan keselamatan.

9 10

Potential safety problems (masalah keselamatan / keamanan potensial). Akibat yang ditimbulkan sangat berbahaya yang dapat terjadi tanpa pemberitahuan atau peringatan terlebih dahulu. Bertentangan dengan hukum.

50

2. Occurence

Merupakan bagaimana seringnya penyebab kegagalan tersebut timbul,

rangking 1-10 ini memiliki arti, bukan sekadar angka penggolongan saja.

Untuk menentukan angka occurence dapat dilihat dalam tabel 2.7 berikut:

Tabel 2.7 Rangking Occurence

Rangking Possible Failure Rate Cpk

1 Adalah tidak mungkin bahwa penyebab ini

yang mengakibatkan kegagalan 1 dalam 1.000.000

2 1 dalam 20.000

3 Kegagalan akan jarang terjadi

1 dalam 4.000

4 1 dalam 400

5

6

Kegagalan agak mungkin terjadi 1 dalam 80

7 1 dalam 40

8 Kegagalan adalah sangat mungkin terjadi

1 dalam 20

9 1 dalam 8

10

Hampir dapat dipastikan bahwa kegagalan

akan terjadi 1 dalam 2

3. Detection

Detection merupakan perkiraan kemungkinan dari kontrol yang diterapkan

pada proses tersebut dapat mendeteksi kegagalan yang ada sebelum produk

tersebut keluar dari proses produksi. Untuk dapat menentukan angka

detection dapat dilihat pada tabel 2.8

51

Tabel 2.8 Rangking Detection

Rangking Kriteria Verbal Rank

1 Metode pencegahan atau deteksi sangan efektif. Tidak ada kesempatan bahwa penyebab mungkin masih muncul terjadi.

1 dalam 1.000.000

2

3 Kemungkinan bahwa penyebab itu terjadi adalah rendah 1 dalam 40.000 1 dalam 20.000

4 1 dalam 1.000

5 1 dalam 400

6

Kemungkinan penyebab terjadinya bersifat moderat. Metode pencegahan atau deteksi masih memungkinkan kadang-kadang penyebab itu terjadi

1 dalam 80

7 1 dalam 40

8

Kemungkinan bahwa penyebab itu terjadi masih tinggi. Metode pencegahan atau deteksi kurang efektif, karena penyebab masih berulang kembali. 1 dalam 20

9 1 dalam 8

10

Kemungkinan bahwa penyebab itu terjadi sangat tinggi. Metode pencegahan atau deteksi tidak efektif. Penyebab akan selalu terjadi kembali 1 dalam 2

4. RPN

RPN (Risk Priority Number) adalah gabungan dari ranking severity (S),

Occurence (O), dan Detection (D) dengan rumus:

RPN = (S) x (O) x (D)

Nilai ini harus digunakan untuk mengurutkan perhatian yang harus

diberikan pada proses tersebut, misal untuk diagram pareto. RPN ini akan

bernilai antara 1 dan 1000. Untuk RPN yang besar, team harus mampu

menurunkan nilai resiko, umumnya perhatian tertinggi harus diberikan pada

Severity (S) tertinggi.

52

2.11 Logika Fuzzy

Orang yang belum pernah mengenal logika fuzzy pasti akan mengira bahwa

logika fuzzy adalah sesuatu yang amat rumit dan tidak menyenangkan. Namun

sekali orang mulai mengenalnya, ia pasti akan sangat tertarik dan akan menjadi

pendatang baru untuk ikut serta mempelajari logika fuzzy. Logika fuzzy

dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika fuzzy

modern dan metodis baru ditemukan beberapa tahun yang lalu, padahal

sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada sejak lama.

Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang

input ke dalam suatu ruang output. Sebagai contoh:

1. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak

persediaan barang pada akhir minggu ini, kemudian manajer produksi akan

menetapkan jumlah barang yang harus diproduksi esok hari.

2. Pelayan restoran memberikan pelayanan terhadap tamu, kemudian tamu

akan memberikan tip yang sesuai atas baik tidaknya pelayan yang diberikan.

3. Anda mengatakan pada saya seberapa sejuk ruangan yang anda inginkan,

saya akan mengatur putaran kipas yang ada pada ruangan ini.

Salah satu contoh pemetaan suatu input-output dalam bentuk grafis seperti

terlihat pada Gambar 2.9

53

Gambar 2.9 Contoh Pemetaan Input-Output

Alasan menggunakan logika fuzzy, antara lain:

1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari

penalaran fuzzy sangat sederhana dan mudah dimengerti.

2. Logika fuzzy sangat fleksibel

3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.

4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat

kompleks.

5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-

pengalaman para pakar secara langsung tanpa harus melalui proses

pelatihan.

6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara

konvensional.

7. Logika fuzzy didasarkan pada bahasa alami.

54

Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu

himpunan A, yang sering ditulis dengan μA[x], memiliki dua kemungkinan,

yaitu:

• Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu

himpunan, atau

• Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu

himpunan

Kalau pada himpunan crisp, nilai keanggotaan hanya ada 2 kemungkinan,

yaitu 0 atau 1, pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0

sampai 1. Apabila x memiliki nilai keanggotaan fuzzy μA[x]=0 berarti x tidak

menjadi anggota himpunan A, demikian pula apabila x memiliki nilai

keanggotaan fuzzy μA[x]=1 berarti x menjadi anggota penuh pada himpunan A.

Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas

menimbulkan kerancuan. Keduanya memiliki nilai pada interval [0,1], namun

interpretasi nilainya sangat berbeda antara kedua kasus tersebut. Keanggotaan

fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan

probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil bernilai

benar dalam jangka panjang. Misalnya, jika nilai keanggotaan suatu himpunan

fuzzy MUDA adalah 0,9; maka tidak perlu dipermasalahkan berapa seringnya

nilai itu diulang secara individual untuk mengharapkan suatu hasil yang hampir

55

pasti muda. Di lain pihak, nilai probabilitas 0,9 muda berarti 10% dari

himpunan tersebut diharapkan tidak muda.

Himpunan fuzzy memiliki 2 atribut, yaitu:

a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau

kondisi tertntu dengan menggunakan bahasa alami, seperti: Muda,

Parobaya, Tua.

b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu

variabel seperti: 40, 25, 50, dsb.

Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:

a) Variabel fuzzy

Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem

fuzzy. Contoh: umur, temperatur, permintaan, dsb.

b) Himpunan fuzzy

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau

keadaan tertentu dalam suatu variabel fuzzy.

Contoh: Variabel temperatur, terbagi menjadi 5 himpunan fuzzy, yaitu:

DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS (Gambar 2.10)

56

Gambar 2.10 Himpunan Fuzzy pada Variabel Temperatur

c) Semesta pembicaraan

Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk

dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan

himpunan bilangan real yang senantiasa naik (bertambah) secara monoton

dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif

maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi

batas atasnya.

Contoh:

• Semesta pembicaraan untuk variabel umur: [0 +∞]

• Semesta pembicaraan untuk variabel temperatur: [0 40]

d) Domain

Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam

semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.

Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan

57

real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan.

Nilai domain dapat berupa bilangan positif maupun negatif.

Contoh domain himpunan fuzzy:

MUDA = [0, 45]

PAROBAYA = [35, 55]

TUA = [45, +∞]

DINGIN = [0, 20]

SEJUK = [15, 25]

NORMAL = [20, 30]

HANGAT = [25, 35]

PANAS = [30, 40]