(STUDI KASUS PADA PT. RAPICO BUSANA PERMATA INDAH)

Disusun Oleh:

Nama/NPM : 1. Hendi Herdian Saputra / 33410201

2. Sutrisno Adityo / 36410767

Kelas : 3ID03

Mata Kuliah : Pengendalian dan Penjaminan Mutu*/**

Dosen : Ratih Wulandari,. ST, MT.

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS GUNADARMA

BEKASI

2013

PENDAHULUAN

Pengendalian kualitas statistik adalah alat yang sangat berguna dalam membuat

produk sesuai dengan spesifikasi sejak dari awal proses hingga akhir proses. Semakin banyak

proses produksi, akan selalu ada gangguan yang dapat timbul secara tidak terduga. Apabila

gangguan tidak terduga dari proses ini relatif kecil biasanya dipandang sebagai gangguan

yang masih dapat diterima atau masih dalam batas toleransi. Apabila gangguan proses ini

relatif besar atau secara kumulatif cukup besar dikatakan tingkat gangguan yang tidak dapat

diterima.

SPC dicetuskan pertama kali oleh Walter Andrew Shewhart ketika bekerja di Bell

Telephone Laboratories, Inc. (divisi R&D untuk perusahaan AT&T dan Western Electric)

pada tahun 1920-an. Dalam dokumen sejarah Western Electric diceritakan pada tahun 1918,

tahun di mana Shewhart bergabung di Departemen Inspection Engineering, Western Electric

di Hawthorne, manajamen kualitas industri masih terbatas pada kegiatan inspeksi produk

jadi dan memperbaiki atau membuang barang-barang cacat (http://repository.usu.ac.id).

Ditahun yang sama, Shewhart menciptakan peta kendali statistik pertama untuk

proses manufaktur melalui prosedur-prosedur sampling statistik. Kemudian Shewhart

mempublikasikan penemuannya dalam buku Economic Control of Quality of Manufactured

Product pada tahun 1931.

Penggunaan SPC agak berkurang setelah perang, namun menjadi booming sampai

sekarang setelah revolusi perbaikan kualitas di Jepang pada tahun 1970-an, tahun di mana

orang-orang Jepang menyambut baik masukan dari W. Edwards Deming yang salah satunya

adalah penggunaan SPC.

SPC menentukan apakah suatu proses stabil dari waktu ke waktu, atau sebaliknya

bahwa proses terganggu karena telah dipengaruhi oleh special cause. Peta kendali statistik

(control chart) yang sering juga disebut Shewhart chart atau process-behaviour chart

digunakan untuk memberikan definisi operasional suatu special cause tersebut.

Suatu proses atau sistem umumnya terdapat interaksi variabel-variabel sistem, misal

manusia dan mesin, interaksi ini sering memunculkan penyimpangan berupa hasil-hasil yang

sifatnya uncontrollable atau diluar kendali. Shewhart melihat penyimpangan tersebut

disebabkan oleh dua faktor (http://thesis.binus.ac.id) :

1. Common cause of variation, variasi yang terjadi karena sistem itu sendiri, dan

2. Special cause of variation, variasi yang terjadi karena faktor dari luar sistem.

Aturan dasar SPC adalah common cause tidak perlu diidentifikasi dan special cause

perlu diidentifikasi dan dihilangkan. Namun bukan berarti common cause diabaikan,

sebaliknya menjadi fokus improvement proses untuk jangka panjang.

Secara umum, peta kendali dalam SPC selalu terdiri dari tiga garis horisontal. Tiga garis

horizontal yang dimaksud yaitu (http://lecture.eepis.its-edu.ac.id) :

1. Garis pusat (Center Line), garis yang menunjukkan nilai tengah (mean) atau nilai rata-

rata dari karakteristik kualitas yang di-plot pada peta kendali SPC.

2. Upper control limit (UCL), garis di atas garis pusat yang menunjukkan batas kendali

atas.

3. Lower control limit (LCL), garis di bawah garis pusat yang menunjukkan batas kendali

bawah.

Garis-garis tersebut ditentukan dari data historis. Shewhart menggunakan kurva

distribusi normal (distribusi Gauss) dengan μ sebagai garis pusat yang menunjukkan nilai

rata-rata sebaran karakteristik proses, dan ±σ yang dirubah menjadi UCL dan LCL sebagai

landasannya.

Teknik-teknik SPC kemudian berkembang seiring inisiatif perbaikan kualitas seperti

six sigma di perusahaan-perusahaan Amerika. Selanjutnya, akan terlihat secara teknis tentang

bagaimana menggunakan berbagai teknik peta kendali dan kapan teknik itu harus digunakan.

Gambar 1.1 memperlihatkan alur pengambilan keputusan untuk memilih teknik SPC yang

dibutuhkan.

Gambar 1. Bagan Alur Pengambilan Keputusan Teknik SPC

Gambar 1. menunjukkan teknik-teknik SPC dipilih dengan memperhatikan dua jenis

karakteristik data yang diobservasi disamping tujuan penggunaannya, yaitu: data variabel

dan data atribut. Terdapat tiga jenis peta kendali yang dapat digunakan dalam data variabel,

yaitu:

1. Individuals & moving range control chart (X-MR).

Peta kontrol X dan MR diterapkan pada proses yang menghasilkan output yang relatif

homogen, pada proses produksi yang sangat lama dan menggunakan 100% inspeksi.

2. Average & range control chart (Xbar & R-chart).

Peta Kontrol X dan R digunakan untuk memantau proses yang mempunyai karakteristik

berdimensi kontinu, yang menjelaskan perubahan-perubahan yang terjadi dalam ukuran

titik pusat (central tendency) atau rata-rata dari suatu proses.

Pengambilan keputusan untuk memilih peta kendali di atas adalah berdasarkan jumlah

pengukuran yang telah dibuat dan berapa banyak pengukuran tersebut digabungkan ke dalam

satu subgrup.

Sedangkan peta kendali yang dapat digunakan untuk data atribut terdapat empat jenis,

yaitu:

1. Proportion defective control chart (P-chart).

Peta kontrol P digunakan untuk mengukur proporsi ketidaksesuaian (penyimpangan atau

sering disebut cacat) dari item-item dalam kelompok yang sedang diinspeksi.

2. Number defective control chart (NP-chart).

Peta kontrol NP merupakan peta kontrol yang hampir sama dengan peta kontrol P,

kecuali bahwa dalam peta kontrol NP tidak terjadi perubahan skala pengukuran

(n=tetap).

3. Defects per count/subgroup control chart (C-chart).

Peta kontrol C diterapkan pada titik spesifik yang tidak memenuhi syarat dalam produk

itu sehingga suatu produk dapat saja dianggap memenuhi syarat meskipun mengandung

satu atau beberapa titik spesifik yang cacat.

4. Defects per unit control chart (U-chart).

Peta kontrol U digunakan untuk mengukur banyaknya ketidaksesuaian dalam periode

pengamatan tertentu yang mungkin memiliki ukuran contoh atau banyaknya item yang

diperiksa.

STUDI KASUS

Suatu perusahaan tidak lepas dari konsumen serta produk yang dihasilkannya.

Konsumen tentunya berharap bahwa barang yang dibelinya akan dapat memenuhi kebutuhan

dan keinginannya sehingga konsumen berharap bahwa produk tersebut memiliki kondisi yang

baik serta terjamin. Oleh karena itu perusahaan harus melihat serta menjaga agar kualitas

produk yang dihasilkan terjamin serta diterima oleh konsumen serta dapat bersaing di pasar.

PT. Rapico Busana Permata Indah didirikan pada tahun 1983 yang bergerak di bidang

industri garment manufacturing oleh Bapak Syarifudin Mustafa yang mengoperasikan

pabriknya di Dharma wanita V / 1A Rawa Buaya, Cengkareng, Jakarta 1 1740, Indonesia.

PT. Rapico Busana Permata Indah didirikan dengan berdasar pada akta notaris No. 17 pada

tanggal 10 November 1987 dengan No. NPWP 1.367.208.4-034.000 yang mempunyai area

pabrik 12000 m2, gudang 5000 m2 dan ruang pengamasan 1000 m2. Seiring dengan

perkembangan usaha dari tahun ke tahun, maka PT. Rapico Busana Permata Indah pada

tahun 1992 mencoba untuk mendaftarkan diri sebagai eksportir Pada tahun 1992, PT. Rapico

Busana Permata Indah resmi menjadi eksportir dengan surat ijin eksportir No. F.TTPT :

263/M4/KP/V1/1992.

Visi dari PT. Rapico Busana Permata Indah adalah diakui oleh pasar sebagai produsen

garmen yang konsisten memenuhi kepuasan pelanggan. Misi dari PT. Rapico Busana

Permata Indah adalah mempertinggi reputasi perusahaan di kalangan industri garmen

Indonesia dalam pengertian mutu, kemampuan memperoleh keuntungan dan pertumbuhan

yang memadai.

PT. Rapico Busana Permata Indah mempunyai komitmen untuk menghasilkan produk

yang bermutu untuk kepuasan pelanggan. Untuk mencapai visi dan misi tersebut, perusahaan

sebagai satu tim bersepakat untuk memenuhi sasaran tujuan mutu sebagai berikut :

1. Menerapkan sistem manajemen mutu ISO 9001; 2000.

2. Meningkatkan reputasi dan daya saing di pasar lokal dan ekspor.

3. Menjalin kerja sama yang harmonis dengan pemasok dan pelanggan

yang bersifat jangka panjang.

Berikut adalah data hasil produksi PT. Rapico Busana Permata Indah pada bulan Mei 2008

berikut kecacatannya.

Tabel 1. Laporan Produksi PT. Rapico Busana Permata Indah Mei 2008

Nomer Tanggal Jumlah Produksi (Pcs)

Jumlah Cacat (Pcs)

1 1 185 4 2 2 242 8 3 3 207 5 4 5 187 4 5 6 205 3 6 7 256 6 7 8 230 3 8 9 248 5 9 10 205 4

10 12 187 7 11 13 192 8 12 14 158 3 13 15 167 6 14 16 188 7 15 17 163 5 16 19 187 3 17 20 190 4 18 21 205 5 19 22 255 4 20 23 195 6 21 24 184 6 22 26 195 7 23 27 204 3 24 28 178 5 25 29 200 3 26 30 183 4 27 31 172 6 Total 5368 134

Rata-rata 198,8148148 4,962962963

SEVEN OLD TOOLS

Pengendalian kualitas secara statistik dengan menggunakan SPC (Statistical

Processing Control). SPC mempunyai 7 (tujuh) alat statistik utama atau yang biasa disebut

Seven Old Tools yang dapat digunakan sebagai alat bantu untuk mengendalikan kualitas

sebagaimana disebutkan juga oleh Heizer dan Render dalam bukunya Manajemen Operasi

(2006), antara lain yaitu; check sheet, histogram, diagram pareto, diagam sebab akibat,

scatter diagram, dan diagram aliran, control chart,.

1. Check Sheet

Check sheet atau lembar periksa adalah suatu alat bantu untuk memudahkan proses

pengumpulan data. Biasanya berbentuk formulir dimana item-item yang akan diperiksa

telah dicetak dalam formulir tersebut. Lembar periksa dapat digunakan baik untuk data

variabel maupun data atribut walaupun umumnya banyak digunakan untuk data atribut

(http://thesis.binus.ac.id).

2. Histogram

Menurut Walpole (1995), histogram atau diagram pencar merupakan suatu alat

interpretasi data yang digunakan untuk menguji bagaimana kuatnya hubungan antara dua

variabel. Histogram ialah diagram batang yang menunjukkan frekuensi yang terjadi

dalam suatu pengukuran. Histogram dapat menunjukkan kapabilitas proses, dan hubungan

antara suatu spesifikasi dengan nominal. Selain itu juga dapat menunjukkan bentuk populasi

(sebaran normal).

Histogram dapat digunakan sebagai suatu alat untuk mengkomunikasikan informasi

tentang variasi dalam proses dan membantu manajemen dalam membuat keputusan-

keputusan yang berfokus pada usaha perbaikan terus-menerus.

Gambar 2. Histogram

3. Diagram Pareto

Diagram Pareto diperkenalkan seorang ahli ekonomi Italia, Vilfredo Pareto (1848-

1923). Vilfredo Pareto mengatakan bahwa prinsip dasar pareto dihubungkan kepada

aturan 80/20, yang artinya 80% dari masalah (cacat) ditimbulkan oleh 20% penyebab.

Diagram pareto adalah diagram batang yang disusun secara menurun atau dari besar

ke kecil dan digunakan untuk mengidentifikasikan masalah, tipe cacat, atau penyebab

yang paling dominan sehingga dapat memprioritaskan penyelesaian masalah.

Diagram pareto merupakan kombinasi dua grafik, yaitu grafik batang dan grafik garis.

Grafik batang menunjukkan item data yang disusun berurutan dari nilai paling besar hingga

nilai paling kecil. Grafik garis menunjukkan persen kumulatif terhadap jumlah keseluruhan.

28

67

39

01020304050607080

Ukuran Tidak Sesuai Penjahitan Pembordiran

Frek

uens

i

Jenis Cacat

Cacat Pada Produksi Baju

Keuntungan penggunaan diagram pareto dapat dijelaskan sebagai berikut

(http://repository.usu.ac.id) :

1. Diagram pareto dapat mengetahui urutan prioritas.

2. Diagram pareto dapat membandingkan nilai masing-masing terhadap keseluruhan.

3. Diagram pareto menunjukkan tingkat perbaikan setelah ada perbaikan atau

tindakan.

4. Diagram pareto dapat menunjukkan perbandingan masing-maisng sebelum dan sesudah

perbaikan. Tabel 2 Perhitungan Manual Diagram Pareto

Jenis Cacat Frekuensi Total Kumulatif

Frekuensi (%)

Frek. Kumulatif

(%) Penjahitan 67 67 50 50

Pembordiran 39 106 29,1 79,1 Ukuran

Tidak Sesuai 28 134 20,9 100

TOTAL 134

Gambar 3. Pareto Chart

4. Diagram Sebab-Akibat (Fishbone Diagram)

Diagram sebab akibat atau fishbone pertama kali diperkenalkan oleh seorang Profesor,

yaitu Prof. Kaoru Ishikawa dari Universitas Tokyo, oleh karena itu diagram sebab akibat

disebut juga dengan diagram ishikawa atau diagram tulang ikan (fish bone). Pembuatan

diagram sebab akibat ini bertujuan agar dapat memperlihatkan faktor- faktor penyebab (root

cause) dan karakteristik kualitas yang (effect) disebabkan oleh faktor-faktor penyebab itu

(http://thesis.binus.ac.id).

Umumnya diagram sebab akibat menunjukkan 5 faktor yang disebut sebagai sebab

(cause) dari suatu akibat (effect). Kelima faktor tersebut adalah man (manusia, tenaga kerja),

method (metode), material (bahan), machine (mesin), dan environment (lingkungan).

Diagram ini biasanya disusun berdasarkan informasi yang didapatkan dari sumbang saran.

Menurut Ariani (2003), diagram sebab akibat dipergunakan untuk kebutuhan-kebutuhan

sebagai berikut:

1. Membantu mengidentifikasi akar penyebab dari suatu masalah,

2. Membantu membangkitkan ide-ide untuk solusi suatu masalah, dan

3. Membantu dalam penyelidikan atau pencarian fakta-fakta lebih lanjut.

Gambar 4. Fishbone Diagram

5. Scatter Diagram

Scatter diagram (diagram pencar) adalah grafik yang menampilkan sepasang data

numerik pada sistem koordinat Cartesian, dengan satu variabel pada masing-masing sumbu,

untuk melihat hubungan dari kedua variabel tersebut. Diagram tebar merupakan suatu

alat interpretasi data yang digunakan untuk (http://thesis.binus.ac.id):

1. Menguji bagaimana kuatnya hubungan antara dua variabel, misalnya kecepatan dari

mesin dan dimensi dari bagian mesin, banyaknya kunjungan tenaga penjual (salesman)

dan hasil penjualan, temperatur dan hasil proses kimia dan lain-lain.

2. Menentukan jenis hubungan dari dua variabel, apakah positif, negative atau tidak ada

hubungan.

Gambar 5. Scatterplot

Scatter diagram tersebut menunjukan hubungan positif antara variabel jumlah cacat

(X) dengan variabe jumlah produksi (Y). Hal ini ditunjukan oleh pola atau bentuk scatter

diagram yang bergerak dari kiri bawah menuju kanan atas. Hal ini dikarenakan gambar

scatterplot antara jumlah cacat dengan jumlah produksi bergerak dari kiri bawah menuju

kanan atas. Nilai-nilai yang terdapat pada jumlah cacat saling berhubungan dengan nilai-nilai

yang terdapat pada jumlah produksi.

6. Diagram Aliran (Flowchart) Flowchart (diagram aliran) adalah alat bantu untuk memvisualisasikan proses

suatu penyelesaian tugas secara tahap-demi-tahap untuk tujuan analisis, diskusi,

komunikasi, serta dapat membantu untuk menemukan wilayah-wilayah perbaikan

dalam proses (http://lecture.eepis.its-edu.ac.id).

Proses di lingkungan industri pada umumnya merupakan suatu rangkaian

kegiatan yang berulang. Setiap siklus kegiatan tersebut biasanya dapat dipecahkan

ke dalam beberapa langkah kecil. Langkah-langkah tersebut akan lebih mudah

dimengerti jika digambarkan dalam suatu bagan yang dikenal dengan istilah

flowchart atau bagan alir. Flowchart memiliki beberapa simbol-simbol yang umum

digunakan.

Hasil Produksi

Proses Produksi

Quality Control

Tidak Sesuai Standar

Bahan Baku

Pemasaran

Sesuai Standar

Gambar 6. Flowchart

7. Peta Kontrol (Control Chart)

Peta kontrol pertama kali diperkenalkan oleh Dr. Walter Andrew Schewart dari Bell

Telephone Laboratories, Amerika Serikat pada tahun 1924 dengan maksud untuk

menghilangkan variasi tidak normal melalui pemisah variasi yang disebabkan oleh penyebab

khusus (special cause variation) dari variasi yang disebabkan oleh penyebab umum

(common cause variation). Semua proses menampilkan variasi, namun manajemen harus

mampu mengendalikan proses dengan cara menghilangkan variasi penyebab khusus dari

proses tersebut, sehingga variasi yang melekat pada proses hanya disebabkan oleh variasi

penyebab umum . Pada dasarnya setiap peta kontrol memiliki:

1. Garis tengah (central line ), yang biasa dinotasikan sebagai CL.

2. Sepasang batas kontrol (control limits), dimana satu batas kontrol ditempatkan diatas

garis tengah yang dikenal sebagai batas kontrol atas (upper control limit), biasa

dinotasikan sebagai UCL, dan yang satu lagi ditempatkan dibawah garis tengah yang

dikenal sebagai batas kontrol bawah (lower control limit), biasa dinotasikan sebagai

LCL.

Peta pengendali kualitas proses statistik data variabel, meliputi:

3. Individuals & moving range control chart (I-MR).

4. Average & range control chart (Xbar & R-chart).

5. Average & standard deviation control chart (Xbar & S-chart).

Data Variabel (variables data) merupakan data kuantitatif yang diukur untuk keperluan

analisis. Contoh dari data variable karakteristik kualitas adalah diameter pipa, ketebalan

produk kayu lapis, berat semen dalam kantong, banyaknya kertas setiap rim, konsentrasi

elektrolit dalam persen, dll. Ukuran-ukuran berat, panjang, lebar, tinggi, diameter, volume

biasanya merupakan data variable. Peta-peta kendali yang umum dipergunakan untuk data

variable adalah Peta X-Bar, R dan Peta X-MR.

Peta pengendali kualitas proses statistik data atribut, meliputi:

5. Proportion defective control chart (P-chart).

6. Number defective control chart (NP-chart).

7. Defects per count/subgroup control chart (C-chart).

8. Defects per unit control chart (U-chart).

1. Peta Kendali P

Peta kontrol P digunakan untuk mengukur proporsi ketidaksesuaian (penyimpangan atau

sering disebut cacat) dari item-item dalam kelompok yang sedang diinspeksi.

Tabel 3. Perhitungan Peta Kontrol

Nomer Tanggal Jumlah Produksi (Pcs)

Jumlah Cacat (Pcs)

Proporsi Cacat

1 1 185 4 0,021621622 2 2 242 8 0,033057851 3 3 207 5 0,024154589 4 5 187 4 0,021390374 5 6 205 3 0,014634146 6 7 256 6 0,0234375 7 8 230 3 0,013043478 8 9 248 5 0,02016129 9 10 205 4 0,019512195

10 12 187 7 0,037433155 11 13 192 8 0,041666667 12 14 158 3 0,018987342 13 15 167 6 0,035928144 14 16 188 7 0,037234043 15 17 163 5 0,030674847 16 19 187 3 0,016042781 17 20 190 4 0,021052632 18 21 205 5 0,024390244 19 22 255 4 0,015686275 20 23 195 6 0,030769231 21 24 184 6 0,032608696 22 26 195 7 0,035897436 23 27 204 3 0,014705882 24 28 178 5 0,028089888 25 29 200 3 0,015 26 30 183 4 0,021857923 27 31 172 6 0,034883721 Total 5368 134 0,683921951

Rata-rata 198,8148148 4,962962963 0,048851568

Menentukan Nilai Central Line Untuk Peta Kontrol P Garis pusat / Central Line adalah garis tengah yang berada diantar batas kendali atas

(UCL) dan batas kendali bawah (LCL). Garis Pusat ini merupakan garis yang mewakili rata-

rata tingkat kerusakan dalam suatu proses produksi. Untuk menghitung garis pusat digunakan

rumus :

CL = P = ∑∑

= = 0,02496

Menentukan Nilai Batas Kontrol Atas (UCL) Untuk Peta Kontrol P

Batas kendali atas merupakan indikator ukuransecara statistik sebuah proses bisa

dikatakan menyimpang atau tidak. Batas kendaliatas (UCL) dapat dihitung dengan

menggunakan rumus:

UCL = P + 3 p(1-P)

n = 0,02496 + 3

0,02496 (1-0,02496 )27

= 0,06065

Menentukan Nilai Batas Kontrol Bawah (LCL) Untuk Peta Kontrol P

Batas kendali bawah merupakan indikator ukuransecara statistik sebuah proses bisa

dikatakan menyimpang atau tidak. Batas kendali bawah (LCL) dapat dihitung dengan

menggunakan rumus :

LCL = P - 3 p(1-P)

n = 0,02496 - 3

0,02496 (1-0,02496 )31

= - 0,0595 ≈ 0

Karena minus nilai batas kontrol bawah menjadi nol.

Gambar 7. Peta Kontrol P

Data telah berada pada in control sehingga tidak diperlukan revisi.

2. Peta Kendali NP Peta kontrol NP merupakan peta kontrol yang hampir sama dengan peta kontrol P,

kecuali bahwa dalam peta kontrol NP tidak terjadi perubahan skala pengukuran (n=tetap).

Menentukan Nilai Central Line Untuk Peta Kontrol NP

Garis pusat / Central Line adalah garis tengah yang berada diantar batas kendali atas

(UCL) dan batas kendali bawah (LCL). Garis Pusat ini merupakan garis yang mewakili rata-

rata tingkat kerusakan dalam suatu proses produksi. Untuk menghitung garis pusat digunakan

rumus :

CL = NP = 4,9629

Menentukan Nilai Batas Kontrol Atas (UCL) Untuk Peta Kontrol NP

Batas kendali atas merupakan indikator ukuransecara statistik sebuah proses bisa

dikatakan menyimpang atau tidak. Batas kendaliatas (UCL) dapat dihitung dengan

menggunakan rumus:

UCL = NP + 3 ( ) = 4,9629 + 3

, ( , ) = 10,43

Menentukan Nilai Batas Kontrol Bawah (LCL) Untuk Peta Kontrol P

Batas kendali bawah merupakan indikator ukuransecara statistik sebuah proses bisa

dikatakan menyimpang atau tidak. Batas kendali bawah (LCL) dapat dihitung dengan

menggunakan rumus :

LCL = NP - 3 ( ) = 4,9629 - 3

, ( , ) = 0

Gambar 8. Peta Kontrol NP

Data telah berada pada in control sehingga tidak diperlukan revisi.

SEVEN NEW TOOLS

New seven tools atau sering disebut juga sebagai Manajemen Planning, merupakan

alat bantu statistik menengah untuk mengolah data verbal atau kualitatif yang penerapannya

dititik beratkan pada proses perencanaan untuk :

Pendekatan pemecahan masalah dengan data kualitatif melalui wawancara, diskusi,

brainstroming, dll.

Pendekatan pemecahan masalah melalui pengalaman dan logika.

Menampung kebutuhan metode pemecahan masalah dalam rangka menunjang TQC

1. Diagram Affinity

Diagram ini merupakan tool yang sangat berguna untuk digunakan ketika brainstorming

(sumbang saran) adalah tujuan utamanya. Affinity ini digunakan untuk mengorganisir tim

perencanan dan untuk komunikasi yang menyeluruh dalam kebijakan manajemen. Ada 3

instansi penting ketika affinity diagram digunakan. Pertama, ketika permasalahan itu

kompleks atau susah dimengerti. Kedua, ketika permasalahan itu sangat luas dan dapat

muncul menjadi overwhelming (tidak diharapkan). Terakhir, Ketika dukungan dan

keterlibatan dari tim lain dibutuhkan. Enam langkah dasar membuat diagram affinity, yaitu:

a. Identifikasi permasalahan.

b. Setiap orang menulis hal-hal yang berkaitan dengan permasalahan pada sebuah note card

atau sticky notes.

c. Susun atau atur setiap note card atau sticky notes kedalam logical piles.

d. Namakan setiap pile dengan header.

e. Gambar diagram affinity.

f. Diskusikan pile yang telah dibuat.

Berikut adalah diagram affinity penjualan baju pada PT. Rapico Busana Permata Indah.

Gambar 8. Diagram Affinity Penjualan Baju Pada PT. Rapico Busana Permata Indah

Pada kategori produk, PT. Rapico Busana Permata Indah dapat menjual produk baju

yang trendy agar lebih menarik minat konsumen. Selain trendy model baju juga harus

bervariasi mulai dari kalangan anak-anak, dewasa, hingga orang tua.

Untuk kategori harga PT. Rapico Busana Permata Indah dapat memberikan harga

terjangkau dan discount agar produknya laku terjual, tentunya masalah harga harus juga

diperhitungkan masalah biaya-biaya yang terkait dalam proses pembuatan baju tersebut.

Selanjutnya untuk kategori pemasaran PT. Rapico Busana Permata Indah dapat

memasarkannya pada pasar tradisional, hal ini bertujuan untuk mendekatkan dengan

konsumen kalangan menengah bawah sehingga dapat membeli produk baju tersebut, selain

itu pemasaran juga dapat dilakukan di mall hal ini bertujuan untuk mendekatkan dengan

konsumen kalangan menengah atas sehingga semua kalangan dapat membeli produk baju

yang dipasarkan.

Untuk kategori pemesanan PT. Rapico Busana Permata Indah dapat melakukannya

dengan cara online, saat ini situs jual-beli online sedang meningkat pesat dikalangan

masyarakat dan diharapkan PT. Rapico Busana Permata Indah dapat memanfaatkan strategi

tersebut, selain pemesanan online pemesanan juga tentunya dapat dilakukan dengan cara

langsung untuk lebih meyakinkan konsumen.

2. Diagram Pohon (Tree Diagram)

Diagram ini digunakan untuk menganalisa dan menggambarkan sistematik atau

permasalahan dalam rangka mencapai tujuan tertentu. Lima langkah utama dalam membuat

tree diagram :

a. Tentukan tujuan utama.

b. Ringkas atau singkat.

c. Brainstorm masalah utama yang terlibat pada pemecahan masalah dan masukan mereka

kedalam pohon.

d. Brainstorm sub tugas yang dapat juga dimasukan ke dalam pohon.

e. Lakukan ke 4 langkah diatas sampai semua kemungkinan habis.

Berikut adalah diagram pohon berdasarkan kategori pada diagram affinity pada PT. Rapico

Busana Permata Indah.

Gambar 9. Diagram Pohon 1

Gambar 10. Diagram Pohon 2