TUGAS PENGENDALIAN MUTU SEVEN TOOLS

Disusun oleh:

1. Arif Martanto 2. Eko Lisysantaka 3. Mulianto .P

L2H 607 013 L2H 607 025 L2H 607 046

PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO SEMARANG 2008

7 QC Tools dan 7 Management Tools (New 7 Tools)

The 7 QC Tools The 7 QC tools banyak dikenal luas dalam lingkup masyarakat mutu, hal ini tidak dapat dipungkiri karena memang alat-alat bantu ini berkembang penggunaannya di dalam proses kegiatan peningkatan mutu atau pemecahan masalah yang biasa dilakukan dalam konteks QC Circle atau Quality Improvement Team, dan lain sebagainya. Kegunaan dari 7 QC Tools The 7 QC tools adalah alat-alat bantu yang bermanfaat untuk memetakan lingkup persoalan, menyusun data dalam diagram-diagram agar lebih mudah untuk dipahami, menelusuri berbagai kemungkinan penyebab persoalan dan memperjelas kenyataan atau fenomena yang otentik dalam suatu persoalan. Kemampuan 7 QC tools yang dahsyat dalam mengemukakan fakta/fenomena inilah yang menyebabkan para pakar dalam setiap proses kegiatan mutu sangat tergantung pada alat-alat bantu ini. Meskipun demikian, keberhasilan dalam menggunakan 7 QC tools sangat dipengaruhi oleh seberapa massif pengetahuan si pengguna akan alatbantu yang dipakainya. Semakin baik pengetahuan yang dimiliki, akan semakin tepat dalam memilih alat bantu yang akan digunakan. Itulah sebabnya, ada 2 hal pokok yang perlu menjadi pedoman, sebelum menggunakan 7 QC tools, yaitu : EFISIEN (tepat) dan EFEKTIF (benar). EFISIEN, maksudnya adalah ketepatan dalam memilih alat bantu yang sesuai dengan karakteristik persoalan yang akan dibahas. EFEKTIF, artinya bahwa penggunaan alat bantu tersebut dilakukan dengan benar, sehingg persoalan menjadi lebih jelas, mudah dimengerti dan memberikan peluang untuk diperbaiki. Kedua butir pokok inilah yang akan dibahas dalam artikel ini. Sebelum membahas lebih lanjut, ada baiknya bila terlebih dulu melihat kembali, jenisjenis alat bantu yang tergabung dalam The 7 QC Tools dan cara penggunaannya, sebagai berikut :

1. Checksheet Alat bantu ini sangat tepat digunakan sebagai alat PENGUMPUL DATA, tetapi tidak cukup memenuhi syarat bila digunakan untuk menganalisa data, karenasemua data yang dikumpulkan adalah data fenomena/fakta yang sedang terjadi (berlangsung). Itulah sebabnya dikatakan bahwa Checksheet adalah alat Bantu yang digunakan pada saat suatu proses/kegiatan berlangsung. Macam-macam bentuk Checksheet, tetapi yang paling populer digunakan adalah bentuk Tally. Contoh penggunaan Checksheet : Pengumpulan score pada pertandingan bulutangkis. Mengingat bahwa Checksheet digunakan pada saat proses berlangsung, maka hal terpenting yang harus menjadi perhatian adalah BAGAN (kerangka) formulir untuk pengisian data. Hendaknya bagan disiapkan sedemikian rupa, agar pengisian data dapat dilakukan dengan mudah dan cepat, tetapi juga mampu memuat seluruh data yang diperlukan. Contoh Kasus: Dr. Frans Melik, Direktur Pengelola M. C. SEHATi, baru-baru ini mengadakan survey melalui penyebaran kuesioner, guna menganalisa faktor-faktor penyebab pasien yang semakin menurun karena akibat penurunan ini pendapatan M. C. SEHATi juga turun sampai 20% dibandingkan dengan bulan yang sama periode tahun lalu. Hasil kuesioner dari 1000 responden telah diringkas seperti dibawah ini, untuk memudahkan, terlebih dahulu diberi kode pada masing-masing jawaban responden.
Penyebab Dokter ahli (spesialis) tidak lengkap Tidak punya kartu berobat Tidak tahu ada Klinik Sehat Krina Pelayanan di Klinik kurang baik Lokasi Klinik jauh dari rumah Ruang tunggu Klinik kurang nyaman Belum tahu prosedur pendaftarannya KODE B C D E F G H Obat-obatan di apotek (Klinik) kurang lengkap A

Ringkasan Hasil Kuesioner

2. Pareto Diagram Diagram Pareto pertama kali diperkenalkan oleh seorang ahli ekonomi dari Italia, bernama Vilvredo Pareto, pada tahun 1897 dan kemudian digunakan oleh Dr. M. Juran dalam bidang pengendalian mutu. Alat bantu ini biasa digunakan untuk menganalisa suatu fenomena, agar dapat diketahui hal-hal yang prioritas dari fenomena tersebut. Maka istilah PARETO biasanya identik dengan PRIORITY. Pada suatu diagram Pareto akan dapat diketahui, suatu faktor merupakan faktor yang paling prioritas dibandingkan faktor-faktor (minimal 4 faktor) lainnya, karena faktor tersebut berada pada urutan terdepan, terbanyak atau pun tertinggi pada deretan sejumlah faktor yang dianalisa. Melalui dua diagram Pareto yang diperbandingkan, akan dapat dilihat perubahan seluruh/sebagian faktor-faktor yang sedang diteliti, pada kondisi yang berbeda. Diagram Pareto juga biasa digunakan untuk dapat menentukanpangkal persoalan, berdasarkan analisa yang massif, dengan mempertimbangkan beberapa sudut pandang. Misalnya : Ada 4 persoalan yang dihadapi, yaitu A, B, C, D. Bila ditinjau dari frekuensi kejadian, ternyata persoalan C yang paling sering terjadi, tetapi bila ditinjau dari akibatnya secara finansial, ternyata persoalan A yang paling merugikan bila tidak segera diatasi, tetapi bila dilihatdari segi enerji yang terbuang, mungkin malah persoalan B yang paling menonjol. Berdasarkan tinjauan-tinjauan inilah, kemudian dapat disimpulkan, manakah dari ke-empat faktor itu, yang akan menjadi prioritas persoalan untuk ditindaklanjuti ? Contoh Kasus : Dr. Frans Melik, Direktur Pengelola M. C. SEHATi, baru-baru ini mengadakan survey melalui penyebaran kuesioner, guna menganalisa faktor-faktor penyebab pasien yang semakin menurun karena akibat penurunan ini pendapatan M. C. SEHATi juga turun sampai 20% dibandingkan dengan bulan yang sama periode tahun lalu

Pengurutan

Dari diagram pareto ditunjukan secara jelas masalah tertinggi sebesar 25% dari seluruh masalah dikarenakan oleh lokasi klinik jauh dari rumah, diagram pareto ditemukan oleh Vilfredo Pareto dan dipopulerkan oleh Joseph M. Juran yang berpendapat bahwa 80% masalah disebabkan oleh 20% penyebab, sehingga bila menyelesaikan 20% penyebab masalah dapat menyelesaikan 80% masalah. Dalam diagram pareto ini masalah dapat terlihat secara urut dari yang paling tinggi ke yang paling rendah frekuensinya, hal ini memudahkan untuk pengambilan keputusan. Pada kasus ini masalah yang tebanyak frekuensinya adalah karena lokasi klinik yang jauh dari rumah, untuk itu direktur pengelola mungkin dapat mengambil suatu kebijakan atau tindakan perbaikan contohnya dengan cara mempelajari ulang lokasi para pasien dan membuka cabang di lokasi yang dekat dengan rumah pasien, walaupun perlu dipertimbangkan juga cost and benefit-nya penurunan 20% pendapatan dibandingkan meraih 25% pengunjung dengan membuka cabang baru.

Walaupun menurut asas pareto hanya 20% penyebab saja yang menyebabkan 80% masalah, direktur pengelola juga akan bijaksana melihat faktor lainnya, contohnya frekuensi terbanyak kedua adalah ketidaktahuan pengunjung akan prosedur klinik, seharusnya direktur pengelola dapat meninjau metoda pemberitahuan prosedur, direktur pengelola dapat saja sebagai contoh membuat suatu informasi mengenai prosedur klinik yang dipasang di tempat yang mudah dilihat pengunjung, atau juga mewajibkan petugas keamanan secara proaktif melayani pengunjung, misalnya saat membuka pintu pengunjung dapat disapa dengan ramah dan bertanya apakah membutuhkan bantuan atau informasi. Ketidak-tahuan pelanggan dengan adanya klinik krina dapat diselesaikan dengan cara melakukan iklan atau pamflet atau sarana komunikasi massa lainnya supaya masyarakat mengetahui adanya klinik sehat krina. Pelayanan klinik yang kurang baik juga dapat menyebabkan kehilangan pasien, seharusnya pelayanan adalah suatu masalah yang paling murah, direktur pengelola harus mempelajari masalah ini dan mengambil tindakan untuk memperbaiki ini. 3. Histogram Dikenal juga sebagai grafik distribusi frekuensi, salah satu jenis grafik batang yang digunakan untuk menganalisa mutu dari sekelompok data (hasil produksi), dengan menampilkan nilai tengah sebagai standar mutu produk dan distribusi atau penyebaran datanya. Meski sekelompok data memiliki standar mutu yang sama, tetapi bila penyebaran data semakin melebar ke kiri atau ke kanan, maka dapat dikatakan bahwa mutu hasil produksi pada kelompok tersebut kurang bermutu, sebaliknya, semakin sempit sebaran data pada kiri dan kanan nilai tengah, maka hasil produksi dapat dikatakan lebih bermutu, karena mendekati spect yang telah ditetapkan. Agar Histogram memberikan gambaran yang akurat tentang kondisi hasil produksi, perlu dilakukan pengolahan data yang akurat terlebih dulu, dimulai dari pengumpulan data, tidak kurang dari 50 sampel, yaitu jumlah yang dianggap dapat memenuhi populasi yang akan diamati. Pengolahan data pada Histogram menjadi sangat penting, terutama dalam menentu-kan besaran nilai tengah (standar) dan seberapa banyak kelas-kelas data yang akan menggambarkan penyebaran data yang tercipta. Melalui gambar Histogram yang ditampilkan, akan dapat diprediksi hal-hal sebagai berikut : a. Bila bentuk Histogram pada sisi kiri dan kanan dari kelas yang tertinggi berbentuk simetri, maka dapat diprediksi bahwa proses berjalan konsisten, artinya seluruh faktor-faktor dalam proses memenuhi syarat-syarat yang ditentukan.

b. Bila Histogram berbentuk sisir, kemungkinan yang terjadi adalah ketidaktepatan dalam pengukuran atau pembulatan nilai data, sehingga berpengaruh pada penetapan batas-batas kelas. c. Bila sebaran data melampaui batas-batas spesifikasi, maka dapat dikatakan bahwa ada bagian dari hasil produk yang tidak memenuhi spesifikasi mutu. Tetapi sebaliknya, bila sebaran data ternyata berada di dalam batas-batas spesifikasi, maka hasil produk sudah memenuhi spesifikasi mutu yang ditetapkan. Secara umum, histogram biasa digunakan untuk memantau pengembangan produk baru, penggunaan alat atau teknologi produksi yang baru, memprediksi kondisi pengendalian proses, hasil penjualan, manajemen lingkungan dan lain sebagainya. Contoh Kasus: Untuk menggambarkan variasi dari suatu proses, yang didalamnya terdapat berbagai faktor (orang, mesin, bahan, metoda, dll).

4. Scatter Diagram Alat bantu ini sangat berguna untuk mendeteksi korelasi (hubungan) antara dua variable (faktor), sekaligus juga memperlihatkan tingkat hubungan tersebut (kuat atau lemah). Pada pemanfaatannya, scatter diagram membutuhkan data berpasangan sebagai

bahan baku analisisnya, yaitu sekumpulan nilai x sebagai faktor yang independent berpasangan dengan sekumpulan nilai y sebagai faktor dependen. Artinya, bahwa setiap nilai x yang didapatkan memberi dampak pada nilai y. Contohnya : Diperoleh data bahwa ada hubungan antara banyaknya komplain (x) dengan jumlah retur barang (y) : x = 5 y = 50 eks. x = 10 y = 120 eks. x = 12 y = 150 eks. dst. Melalui penggambaran data tersebut dalam scatter diagram, akan dapat dilakukan analisa lebih lanjut, sejauhmana antara faktor x dan y memiliki korelasi, yang dalam hal ini direpresentasikan sebagai nilai r (rho), yaitu nilai yang menunjukkan tingkat keeratan hubungan antar faktor tersebut. Dikatakan kedua faktor itu berhubungan sangat erat bila nilai rho mendekati angka + 1. Di samping itu, juga akan dapat disimpulkan kecenderungan arah korelasi tersebut (positif aau negatif). Korelasi memiliki kecenderungan positif bila setiap pertambahan faktor x menyebab-kan pertambahan faktor y, sebaliknya kecenderungan negatif bila setiap pertam- bahan menyebabkan pengurangan faktor y. Contoh Kasus Data Tekanan Udara Hembus dan Persentase Plastik Kerusakan Tangki Pembuat tangki plastik yang membuat dengan metode cetak hembusan menghadapi masalah dengan tangki rusak yang mempunyai dinding tipis. Diduga variasi tekanan udara, yang berbeda dari hari ke hari, yang menyebabkan ketidaksesuaian ketebalan dinding.

5. Control Chart Ini adalah sebuah alat bantu berupa grafik yang akan menggambarkan stabilitas suatu proses kerja. Melalui gambaran tersebut akan dapat dideteksi apakah proses tersebut berjalan baik (stabil) atau tidak ? Alat bantu ini pertama kali diperkenalkan oleh W.A. Shewhart di Laboratorium Bell Telephone. Karakteristik pokok pada alat bantu ini adalah adanya sepasang batas kendali (Upper dan Lower Limit), sehingga dari data yang dikumpulkan akan dapat terdeteksi kecenderungan kondisi proses yang sesungguhnya. Pada dasarnya alat bantu ini adalah berupa rekaman data suatu proses yang sudah berjalan. Bila data yang terkumpul sebagian besar berada dalam batas pengendalian, maka dapat disimpulkan bahwa proses berjalan dalam kondisi stabil. Tetapi sebaliknya, bila sebagian besar data menunjukkan deviasi di luarbatas kendali, maka bisa dikatakan proses berjalan tidak normal, yang bias berdampak pada penurunan Mutu produk. Mutu produk yang diciptakan melalui suatu proses panjang, sesungguhnya tidak pernah bisa terlepas dari variasi, yang dalam hal ini bisa dibedakan menjadi 2 kategori, yaitu : (1) Chance Cause, yaitu variasi yang timbul secara tidak terduga dan sukar dikendalikan, dan (2) Assignable Cause, yaitu variasi yang bisa diperkirakan penyebabnya dan memungkinkan untuk dilakukan pencegahan. Control Chart sangat bermanfaat untuk memonitor proses operasional atau produksi agar bila terjadi suatu penyimpangan dapat

segera ditindaklanjuti. Menggunakan alat bantu ini secara kontinyu, akan bisa mencegah persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan. Contoh Kasus Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak untuk setiap sub grup dengan jumlah total sampel. Lembaran Data Untuk Peta pn

6. Ishikawa Diagram Ini adalah satu-satunya alat bantu yang menggunakan data verbal (nonnumerical ) atau data kualitatif dalam penyajiannya. Alat bantu ini menggambarkan tentang suatu kondisi penyimpangan mutu yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan. Berbeda dengan alat-alat bantu lainnya, karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok. Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok. Di samping itu, manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan).

Contoh Kasus : OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU. Masalah Penyebab Timbulnya Masalah Evidence Base Pemeriksaan Man Berdasarkan wawancara, Jentik BerkalaKurangnya petugas pelaksana Kesling P2Ppetugas Kesling dan (PJB) tidakuntuk pelaksanaan pemeriksaan jentik berkalapetugas P2P dilapangan dilakukan (PJB) khususnya. masing-masing hanya 1 orangDari wawancara diketahui tidak ada Penanggung jawab kegiatan tidak ada. penanggung jawab kegiatan Method Tidak ada protap mengenai pelaksanaan kegiatan Berdasarkan wawancara, mengenai pemeriksaan jentik berkala di Puskesmasprotap pemeriksaan jentik Harapan Raya. berkala tidak ada. Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerjaBerdasarkan wawancara, Puskesmas Harapan Raya untuk melakukanbelum adanya koordinasi dengan pihak terkait kegiatan secara bersama. Berdasarkan wawancara, tidak adanya dana pelaksanaan Kurangnya dana yang di alokasikan khususkhusus kegiatan PJB terhadap kegiatan pemeriksaan jentik berkala Money Wawancara, diketahui bahwa petugas Kesling Kurangnya waktu yang dimilki petugas Keslingdan P2P juga memegang dan P2P untuk pelaksaanaan kegiatan PJB,kegiatan lain di luar karena petugas tersebut juga diberdayakan untukbidangnya. pelaksanaan kegiatan lain di Puskesmas. Time Di bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa.-

Diagram tulang ikan (diagram Ishikawa) 7. Stratifikasi Contoh Kasus Kota Kupang merupakan salah satu dari 16 Kabupaten/Kota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria. Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi. Penyakit ini disebabkan oleh nyamuk Anopheles betina. Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria. Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 101,5 penderita malaria dan tahun 2007 menurun sebesar 33,3 penderita malaria per 1000 penduduk. Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut :
-

Berdasarkan stratifikasi endemisitas malaria klinis, penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini : Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 2005. Keterangan: HIA (High Incidence Area )=AMI >170 per 1000 penduduk MIA (Medium Incidence Area) = AMI 50 170 per 1000 penduduk

LIA (Low Incidence Area)= < 50 per 1000 penduduk. Dari tabel tersebut diatas, menunjukkan bahwa daerah dengan ancaman tinggi malaria semakin menurun. Daerah terancam tertinggi adalah wilayah Kecamatan Oebobo dan terendah kecamatan Kelapa Lima