Lean Six Sigma Yellow Belt: Proses Mapping untuk Peningkatan Berkelanjutan

Day II-Lean Six Sigma Yellow Belt

Maximize Continuous Improvement to

Optimum Result

Ekspektasi

Training Happy

Full Spirit

Implementation

Define Measure Analyze Improve Control

Process Definition

Process Mapping

Tipe data & Rencana Pengumpulan

Data

Tujuan Belajar:

• Untuk memahami bagaimana sebuah proses berjalan saat ini (as-is-current state).

• Untuk mencari Opportunity for Improvement (OFI).

Key Points:

1. Identifikasi & libatkan personel kunci yang terlibat di dalam proses.

2. Jangan menugaskan technical expert untuk menggambar process map, personel yang melakukan prosesnyalah (process owner) yang harus menggambarkan.

3. Terpenting adalah menggambarkan process map yang mampu dipahami oleh personel yang terlibat.

Proses Mapping

Flow Charts

Value Stream Maps

Swim Lane Map Spaghetti Maps

JENIS PROCESS MAP

Mengapa Proses Mapping

• Anda dapat mengerti benar bagaimana bisnis Anda dijalankan

• Karena Anda mengerti bagaimana aktifitas bisnis secara aktualnya seperti apa, maka Anda akan lebih mudah melihat di titik mana saja aktifitas yang memberikan value dan mana saja yang tidak

memberikan value terhadap pelanggan (mis: rework, waiting, transport, error, handoff, redundancy, bottleneck dll)

• Anda akan lebih mudah melihat sumber masalah (root cause) secara

faktual

Ada 3 Unsur Penting dalam Swim Lane Mapping

Swim Lane Mapping

Time

People (job functions)

Tasks/Process

Time

Contoh Swim Lane Mapping

Fungsi/Divisi

People (job

functions)

Proses

VALUE & WASTE

Value-Added Activity:

Segala aktivitas yang MERUBAH bentuk, fungsi, dan nilai produk maupun layanan, agar memenuhi permintaan pelanggan (dibayar pelanggan), dan dikerjakan benar dari awal.

Non-Value-Added Activity/ WASTE:

Segala aktivitas yang TIDAK merubah bentuk, fungsi, dan nilai, serta tidak dibutuhkan dan tidak dibayar oleh pelanggan.

Value Enabler Activity (Business Non- Value-Added Activity):

Segala aktivitas yang tidak merubah produk maupun layanan, tetapi masih diperlukan oleh proses lain.

Aktivitas X

Non-Value-Added Value Enabler

Value-Added

Value-Added Merubah bentuk/

Menambah nilai?

Dibayar Pelanggan?

Saat ini tidak mungkin dihilangkan?

TIDAK TIDAK TIDAK YA

YA

YA

8 WASTE: “DOWNTIME”

Defect Over Production Waiting

Kesalahan/ Error/ Tidak sesuai kriteria customer Contoh:

• Salah input data

• Salah cetak nama di kartu kredit

• Laporan yang tidak akurat

• Data yang hilang dan perlu direcover

• Transaksi gagal

• Produk tidak sesuai spesifikasi

Melakukan pekerjaan yang tidak/belum dibutuhkan customer

Contoh:

• Informasi dikirim otomatis meskipun tidak dibutuhkan

• Mencetak dokumen sebelum dibutuhkan oleh proses selanjutnya

• Membuat banyak report ketika yang dibutuhkan hanya satu

• Membuat produk tidak sesuai perintah kerja

Waktu tunggu yang tidak menambah nilai

Contoh:

• Customer antre/

menunggu untuk dilayani customer care

• Antre panjang di teller

• ATM downtime

• System downtime

• Menunggu dokumen lengkap

• Idle operator

Non-utilized Talent

Job & skill tidak fit, under- utilized

Contoh:

• Menempatkan orang dengan skill yang tidak fit pada pekerjaannya

• Tidak mengoptimalkan kemampuan seseorang, misal dalam hal ide

Inventory Transportation

Perpindahan yang tidak merubah nilai

Contoh:

• Perpindahan file dan dokumen dari satu lokasi ke lokasi yang lain

• Ping-pong dokumen fisik dari satu orang ke orang yang lain secara berlebih

• Aktivitas transfer barang dari satu tempat ke tempat lain yang berjauhan

Penyimpanan material tidak rapi dan berlebih

Contoh:

• Stok material terlalu berlebihan

• File dan dokumen yang menunggu untuk

diproses

• Menampung data yang inactive dalam jangka waktu yang panjang

• Lebih banyak server dari yang dibutuhkan

• Penamaan file &

foldering tidak teratur

8 WASTE: “DOWNTIME”

Motion Extra-processing

Gerakan yang tidak merubah nilai

Contoh:

• Mencari data dan informasi

• CS mencari arsip ketika melayani customer

• Pergerakan pointer mouse yang berlebih ketika memproses sebuah laporan

Proses yang melebihi kebutuhan customer Contoh:

• Terlalu banyak paperwork untuk aplikasi

• Data yang sama diperlukan berulang pada sebuah formulir

• Follow-up & revisi

• Terlalu banyak approval dari pihak yang tidak perlu

8 WASTE: “DOWNTIME”

VALUE & WASTE

Proses/ aktivitas apa saja yang terjadi?

Proses mana saja yang merubah bentuk/ nilai?

Adakah proses/ aktivitas yang tidak merubah bentuk/ nilai?

Workshop Kelompok

1. Buat swimlane mapping berdasarkan project kelompok yang sudah ditentukan sebelumnya, dengan kriteria :

- Cari proses yang sering terjadi kendala, cth.

Prosesnya lama, tidak efisien, tidak efetif, dll

2. Tentukan bagian bottleneck dari proses tersebut,

dan jelaskan kenapa bottleneck

Define Measure Analyze Improve Control

Aktifitas Utama:

• Klarifikasi dan Menetapkan Y

• Menetapkan target Y

• Menentukan VoC/VoB

• Menentukan ruang lingkup proyek

• Membentuk Tim

• Project Plan

• Hitung Value Creation

• Update Project Charter

Aktifitas Utama:

• Merencanakan pengambilan data

• Validasi sistem pengukuran

• Memetakan Value Stream

• Identifikasi Quick Wins

• Mengambil data untuk mengukur kondisi (baseline) Y, dan x’s

• Mengukur kestabilan dan kapabilitas proses

Aktifitas Utama:

• Mengidentifikasi dan memprioritaskan x (akar masalah)

• Mengidentifikasi Non Value Added Activities

• Mencari solusi potensial dan memprioritaskan solusi

• Melakukan uji hipotesa “y vs x”

Aktifitas Utama:

• Piloting solusi pada skala kecil

• Implementasi solusi secara menyeluruh

• Verifikasi hasil perbaikan (dampak dari solusi)

Aktifitas Utama:

• Mengendalikan KPOV dan KPIV

• Dokumentasikan Proyek

• Hitung ulang Value Creation

• Rencanakan duplikasi solusi

• Project Closing dan Handover ke Process Owners

Quick Win and Kaizen Blitz

Tools Utama:

• Pareto

• Project Charter

• Action Plan

• Process Map / Flow

• SIPOC

• FMEA

• Team Effectivement

Tools Utama:

• Data Collection Plan

• MSA – Gage R&R

• Value Stream Mapping

• Control Chart

• Capability Analysis

• Quick Win

• Value of Speed (WIP Control)

Tools Utama:

• Brainstorming

• Basic Improvement Tool

• FMEA

• C/E Matrix

• Hypothesis Testing

• Solution Matrix

Tools Utama:

• Design of Experiment

• Pilot Plan

• Hypothesis Testing

• Four Step Rapid Setup Method

• Productive Maintenance

• Reliability

Tools Utama:

• Control Plan

• FMEA

• Mistake Proofing

• Control Chart

• Project Handover

Define Measure Analyze Improve Control

Graphical Data Analysis Effective Brainstorming

Root Cause Analysis

5 Why analysis

• Mengetahui apa itu data analysis dan bagaimana menggunakannya dalam fase analyze.

• Memahami kepentingan dari graphichal data analysis.

Tujuan Belajar

Tujuan dari fase ini adalah

menetapkan akar masalah (x’s), memprioritaskan x yang memiliki pengaruh signifikan pada y.

D M

A

I C

ANOVA

Regression Process Constraint ID

FMEA C&E Matrix Brainstorming

C & E Diagram

Statistical Confirmation

Subjective Analysis

Langkah Utama Analysis

• Sebuah teknik penganalisaan data, dimana data dikelompokkan berdasarkan beberapa kategori.

• Membagi data menjadi beberapa subgroup dengan tema tertentu.

• Memunculkan pola-pola mencuriga- kan ke permukaan.

• Menemukan proses yang berbeda.

• Memberikan fokus dan prioritas.

data data data

Subset 1

Subset 2

Subset 3

Stratifikasi - Apa dan Kegunaannya

Faktor Contoh

Kategori tipe • Tipe cacat

• Tipe masalah

• Tipe komplain

Kapan • Tahun

• Bulan

• Hari

Dimana • Region

• Kota

• Kantor

Siapa • Business unit

• Department

• Individu

Faktor Stratifikasi yang Umum

Karena Jumat berbeda dengan hari lain maka fokus

selanjutnya adalah melihat ada apa dengan hari Jumat.

Senin Selasa Rabu Kamis Jumat Sabtu Minggu

Contoh Stratifikasi

Contoh trend dari data komplain yang dibagi dalam beberapa tipe produk.

Total komplain

Produk A

Produk B

Produk C

Contoh Stratifikasi

Apa:

Diagram balok dan grafik garis yang menggambarkan efek (frekuensi atau biaya) yang diurutkan dari tertinggi ke terendah. Pareto menemukan gejala yang

menunjukkan distribusi 80-20. Artinya 80% dari akibat/effect dikarenakan oleh 20%

dari sebab/cause.

Tujuan:

• Menunjukkan sebab-sebab utama yang memberikan dampak terbesar dalam menyelesaikan masalah

• Menentukan fokus dalam suatu usaha penyelesaian masalah

• Menunjukkan perbandingan masing- masing persoalan sebelum dan setelah perbaikan dengan membandingkan dua pareto diagram

Pareto Chart

Satu atau Sedikit Faktor Dominan (Strong Pareto Effect)

Pengelompokkan sesuai dengan prinsip Pareto, dimana satu atau sedikit kategori merupakan factor yang

dominan. Respon: Fokus pada satu atau dua tertinggi.

Semua Kategori Hampir Sama (Weak Pareto Effect) Pengelompokkan menunjukkan bahwa semua kategori sama, tidak ada yang dominan. Respon: Cari cara

pengkategorian lain.

Kategori “Others” Terlihat Dominan

Pengelompokkan menunjukkan bahwa kategori

“Others” masih memiliki kontribusi besar. Respon:

Evaluasi apakah “Others” masih bisa

didistribusikan/dipecah menjadi beberapa factor.

Menterjemahkan Pareto Chart

Apa:

• Grafik untuk menunjukkan distribusi data yang kita miliki, paling sering digunakan untuk menunjukkan distribusi frekuensi.

Tujuan:

• Ketika kita mempunyai data yang banyak dan ingin melihat karakteristik sebaran data.

• Ketika data yang dimiliki adalah data numerik.

• Ketika ingin melihat bentuk distribusi data, khususnya ketika menentukan apakah output dari sebuah proses terdistribusi normal.

• Ketika ingin menganalisis apakah sebuah proses memenuhi customer’s requirements.

Histogram

Judul Histogram Sumbu Y

Sumbu X

Tiap balok disebut kelas

Lebar kelas

Tanggal Clock In Tanggal Clock In 1 Nov 2022 8:00 16 Nov 2022 8:00 2 Nov 2022 8:01 17 Nov 2022 8:02 3 Nov 2022 8:00 18 Nov 2022 8:02 4 Nov 2022 7:59 19 Nov 2022 7:56 5 Nov 2022 7:57 20 Nov 2022 7:57 6 Nov 2022 8:02 21 Nov 2022 7:57 7 Nov 2022 7:52 22 Nov 2022 7:59 8 Nov 2022 8:00 23 Nov 2022 7:59 9 Nov 2022 8:00 24 Nov 2022 7:59 10 Nov 2022 8:00 25 Nov 2022 8:00 11 Nov 2022 8:05 26 Nov 2022 7:59 12 Nov 2022 8:03 27 Nov 2022 7:59 13 Nov 2022 8:00 28 Nov 2022 8:00 14 Nov 2022 7:55 29 Nov 2022 7:59 15 Nov 2022 7:55 30 Nov 2022 8:03

Data Presensi (Clock In) Mr. X Nov 2022

Contoh Histogram

Kondisi histogram

terhadap nilai target.

A. Mayoritas data terletak sesuai target dengan variasi data yang kecil.

B. Mayoritas data terletak sesuai target tetapi variasi datanya besar.

C. Meskipun variasi data terlihat kecil, tetapi mayoritas data terletak di luar nilai target.

D. Variasi data besar dengan lokasi mayoritas data terletak di luar nilai target.

Kondisi - Kondisi Histogram yang Memungkinkan

Distribusi Normal

Mengindikasikan kumpulan data terdistribusi normal pada nilai rata-ratanya. Bentuk yang paling sering dijumpai.

Dua Puncak (Bimodal/Double-Peaked)

Mungkin disebabkan kumpulan dua data yang nilai rata- ratanya berbeda jauh. Dapat pula disebabkan

pengumpulan data yang kurang tepat, misal data diperoleh dari dua proses yang berbeda (Stratifikasi dapat dilakukan untuk mengklarifikasi hal ini).

Condong Kanan/Kiri (Skewed Distribution)

Mungkin disebabkan adanya Batasan yang tidak boleh dilampaui di sisi bawah/atas. Dapat pula disebabkan penyimpangan pengukuran/metode.

Intepretasi Bentuk Histogram

Apa

visualisasi hubungan atau korelasi antara dua faktor atau variabel.

Kedua faktor itu harus dipilih berdasarkan pengetahuan tentang proses atau dugaan hubungan sebab akibat.

• Mengapa

Untuk melihat apakah hubungan kedua faktor berupa korelasi positif, negatif atau tidak ada sama sekali.

Fungsi:

– Melihat pola di dalam data.

– Mendukung atau membantah suatu hipotesa mengenai hubungan antara dua faktor.

– Memprediksi arah hubungan dua faktor.

Scatter Diagram

Scatter Diagram

10 14 18 22 26 30

20 22 24 26 28 30 32 34 36

Vehicle Weight (100 lbs)

Mileage (mpg)

Observation Weight (lbs) Mileage (mpg)

1 3000 18

2 2800 21

3 2100 32

4 2900 17

5 2400 31

6 3300 14

7 2700 21

8 3500 12

9 2500 23

10 3200 14

Observasi Berat Konsumsi

Kendaraan Bahan bakar (kg) (km/l)

Konsu msi baha n bak ar (Km/ l)

Berat kendaraan (100 Kg)

Contoh Scatter Diagram

Pembacaan Pola

1. KORELASI POSITIF (nilai sb X semakin besar dan nilai sb Y semakin besar) → ditunjukkan

dengan nilai korelasi r = 1 Y

X Y

X

2. KORELASI NEGATIF (nilai sb X semakin besar dan nilai sb Y semakin kecil) → ditunjukkan dengan nilai korelasi r = -1

Y

X

3. KORELASI TIDAK BERPOLA → ditunjukkan dengan nilai korelasi r = 0

Apabila nilai r > 0.65 atau r < -0.65 menunjukkan dua faktor

tersebut terdapat hubungan

• Boxplots, atau box-and-whisker sangat bermanfaat untuk menunjukkan karakteristik distribusi data.

• Boxplots menggunakan konsep meletakkan data di dalam kuartil (tiap kuartil adalah 25% dari data).

• Boxplots menyediakan potret langsung dari variasi dan informasi terkait dengan strategi dalam

menemukan apa yang menyebabkan variasi.

• Menampilkan outlier (nilai data yang secara statistik kemungkinan terjadinya kecil).

• Menunjukkan perbandingan yang mudah dari beberapa kumpulan data.

Boxplots

1 2 1.5

2.5 3.5 4.5

Garis kuartil ke tiga

Garis Median

Garis Kuartil Pertama Outlier

Whisker melebar ke nilai terendah di antara batas terendah.

Whisker (garis) melebar sampai nilai terbesar dalam batas

tertinggi.

Komponen Utama Boxplots

• Boxplot ini membandingkan lama waktu pembuatan tagihan antara 2 associate (kolega).

• Kolega pertama menunjukkan median yang lebih rendah sementara kolega yang kedua memiliki range yang lebih lebar.

1 2

1.5 2.5 3.5 4.5

Associate

Invoice processing time

Komponen Utama Boxplots

Define Measure Analyze Improve Control

Graphical Data Analysis Effective Brainstorming

Root Cause Analysis

5 Why analysis

• Memahami proses brainstorming.

• Memahami bagaimana menggunakan affinity diagram untuk mengidentifikasi dan mengorganisasi potensi akar masalah.

Tujuan Belajar

Identifikasi Potensi Masalah – Dimana harus Mulai?

• Permulaan yang baik untuk melakukan analisa adalah kembali lagi melihat data yang sudah dikumpulkan dan digambarkan dalam fase Measure.

• Grafik yang ditampilkan dalam fase Measure menunjukkan variasi, distribusi, dan cacat yang membantu dalam

pembentukan teori.

Ada beberapa tools yang dapat dipakai oleh tim untuk mencari potensi akar masalah. Diantaranya termasuk:

– Brainstorming – Affinity diagram – Multivote

– Cause & Effect Diagram – Five Why’s

Tools tersebut bisa dipakai secara terpisah ataupun saling mendukung.

Kurang

Pelatihan Database Mesin

Identifikasi Potensi Masalah

Apa:

Mengumpulkan semua ide tentang potential causes yang mungkin berdampak pada masalah. Jawaban dari brainstorming bisa menjadi pertanyaan kunci “Kenapa Ini Terjadi”

Kapan:

• Ketika kita membutuhkan berbagai alternatif pilihan ide.

• Ketika kita membutuhkan ide orisinal dan kreatif.

• Ketika kita membutuhkan partisipasi seluruh kelompok.

Generation

Forum terbuka untuk semua partisipan mengeluarkan ide- idenya.

Clarification

Tim mereview semua ide dan memastikan semua anggota memahami apa yang dimaksud.

Evaluation

Tim mereview seluruh daftar ide, menghilangkan duplikasi dan mengombinasi yang sejenis.

Brainstorming

• Affinity diagram membantu tim untuk mengorganisasi ide-ide hasil brainstorming.

• Tool yang berguna sebagai awalan membuat Fishbone atau 5 Why.

Kurang Pelatihan Database Mesin

Kenapa klaim sangat lambat Masalah

Kategori Penyebab Ide yang mirip atau sama

Affinity

1. Brainstorm seluruh ide untuk mencari akar penyebab masalah. Catat seluruh feedback-nya dalam sticky note.

2. Tempelkan sticky note pada papan 3. Lakukan proses klarifikasi dan evaluasi

4. Kelompokkan/Kumpulkan menjadi 4-8 kategori.

Workshop Kelompok

Define Measure Analyze Improve Control

Graphical Data Analysis Effective Brainstorming

Root Cause Analysis

5 Why analysis

Analyze

Mencari sumber penyebab permasalahan

Validasi penyebab utama

Mencari potensi solusi

Merevisi problem statement (jika

diperlukan)

Improve

• Memahami proses pembuatan Cause & Effect Diagram.

• Memahami penggunaan Cause & Effect Matrix.

Tujuan Belajar

Apa:

• Diagram yang memperlihatkan sekilas tentang hubungan antara suatu hasil dengan banyak penyebab yang mempengaruhi hasil tersebut.

• Nama lain: Ishikawa Diagram, Diagram Tulang Ikan, Fishbone Diagram, Diagram Sebab-Akibat

Tujuan:

• Membantu memastikan bahwa daftar ide-ide yang seimbang telah dimunculkan selama brainstorming.

• Untuk menemukan faktor potensi penyebab dari problem (masalah).

• Untuk memperbaiki ide-ide brainstoming menjadi penyebab yang lebih detail.

• Untuk mengetahui tingkat pemahaman tim tentang hubungan antara sebab dan akibat dalam proses

Fishbone Diagram baik dikombinasikan dengan Five Whys Analysis untuk menemukan akar penyebab masalah yang dipilih.

Cause – Effect Diagram atau Tulang Ikan atau Ishikawa

Prosedur:

1. Definisikan masalah secara tepat, spesifik, dan tunggal. Catat pada fish head/

kepala ikan.

2. Brainstorming mengenai kategori besar dari potential causes, dapat menggunakan beberapa kategori generik, catat pada tulang ikan

• 4M1E : Man, Method, Material, Machine, Environment

• 4S : Surrounding, Suppliers, Systems, Skills

• 2M4P : People, Procedure, Policy, Place, Measurement, Mother Nature

• 8P : Product, Price, Promotion, Place, Process, People, Performance, Physical evidence

• Dll, sesuai dengan masalah yang disepakati pada kepala ikan.

3. Brainstorming mengenai ide-ide potential causes pada setiap kategori.

4. Validasi, berikan tanda C (controllable) dan N (noise/ uncontrollable) pada potential causes.

5. Cari akar penyebab dengan melakukan five why analysis untuk potential cause yang bertanda C.

Cause – Effect Diagram

Problem/ Effect Machine (Category 3)

Method (Category 2) Man (Category 1)

Environment (Category 5) Material (Category 4)

Potential Cause 1

Potential Cause 2

Potential Cause 3

Potential Cause 12 Potential Cause 13 Potential Cause 14 Potential Cause 15

Potential Cause 4 Potential Cause 5

Potential Cause 6 Potential Cause 7

Potential Cause 16 Potential Cause 17 Potential Cause 18 Potential Cause 19

Potential Cause 8 Potential Cause 9

Potential Cause 10 Potential Cause 11

Cause – Effect Diagram

Sales productivity is decreasing by

avg. 5,5%

/month Fares/ Price

Bookings Sales Process

Customer Requirement Agents Productivity

External Factors

Process complexity

FCR

Booking time

Ticket size Promotions Customer experience

Destination

Package for air/hotel/cars Travel insurance

Repeat clients Seasonality

Agent tenure Agent satisfaction Communication Agent knowledge

Increasing no of booking count

No of seats

Tickets availability as per pax Price of ticket

Refund policy How much is refunds amount When the amount will be refunded

Cause – Effect Diagram

Akibat: Terlalu banyak penyesuaian harga

saat check-out

Mesin Metode

Pengukuran Manusia

Up date

Kurangnya staf selama waktu sibuk

Perbedaan tarip diskon ditemukan terlambat dalam proses

Layar Komputer

Billing tidak akurat Terlalu banyak

“jumps”

Daftar diskon konsumen belum di up date

Training yang kurang untuk komplain umum

Tidak paham dengan prosedur Ukuran (metrics)

Marketing tidak produktif

Pengumuman absen Pengumuman

libur Kebijakan Management

Material

Pengaruh alam

Listrik mati Kekurangan produk

Harus diingat: dari fishbone diagram sebelum ke five why analysis, wajib dilakukan validasi potential causes terlebih dahulu.

Ciri-ciri Five Why Analysis:

1. Terkadang kita perlu bertanya “why” lebih atau kurang dari lima kali.

2. Rantai kejadian (Chain of events), urutan kejadian menggambarkan hubungan sebab akibat, tidak lompat, dan logis.

3. Ada supporting fact pada setiap penggalian.

4. Penggalian semakin ke bawah seharusnya semakin mengerucut (pola segitiga terbalik ) dan berada dalam scope yang bisa dikendalikan.

5 Why Analysis

The 5 Whys

Benefit penggunaan pertanyaan 5 Why :

• Mudah di pelajari

• Mudah di gunakan

• Memperkenalkan Metodologi Problem Solving ke pengguna / karyawan

• Mencegah solusi spontan ( ‘Band-aid’ )

The 5 Whys

Karakteristik keberhasilan 5 Why :

• Digunakan untuk analisa yang tidak terlalu berat

• Adanya unsur Chronological ( urutan peristiwa ), dan dapat dilakukan pembuktian terbalik.

• Semakin di gali, maka akan semakin mengerucut

• Kekuatan jawaban tiap ‘Why’ ada pada kemampuan

menyertakan informasi/data dan aktual di lapangan

(gemba).

Contoh:

Potential cause: Lantai licin 1. Why? Ada genangan air

2. Why? Ada tetesan air dari atap 3. Why? Atap bocor

4. Why? Genteng bocor

5. Why? Ada buah mangga menimpa

6. Why? Ada dahan pohon di atas genteng RC

Menyempurnakan Ide di Brainstorming menjadi Akar Masalah

Bertanyalah "Why?" 5 kali

________________

1. Why?

2. Why?

3. Why?

4. Why?

5. Why?

Bertanyalah "Why?" 5 kali

Tingkat aliran berbeda-beda 1. Why? Jatuhnya tekanan Tangki

2. Why? Tangki kosong

3. Why? Tangki tidak diganti pada waktunya

4. Why? Tidak ada mekanisme yg membuat operator mengganti tangki

5. Why? ”Karena kita tidak implementasi Poka-Yoke"

Menyempurnakan Ide di Brainstorming

menjadi Akar Masalah

Validated Potential Cause

Subcause 1

Sub-subcause1

Further subcause 1

Subcause 2 Subcause 3 Subcause 4

Sub-subcause2

Further subcause 2

Root Cause (RC) Root Cause (RC)

Further subcause 1 Further subcause 2

Root Cause (RC) Root Cause (RC) Deeper-level

cause First-level

cause

Symptom Visible problem

RC

5 Whys Analysis

1. Dari hasil brainstorming dan affinity potensi akar masalah pekerjaan kelompok, diskusikan akar

masalah-nya menggunakan metode 5 ways analysis.

2. Kerjakan hasil diskusinya di kertas kerja problem solving DMAIC

Workshop Kelompok

Uji Hipotesa adalah teori utama yang berhubungan dengan perbedaan antar variabel-variabel.

Uji Statistik atau Uji Hipotesa dilakukan untuk membuktikan atau menyangkal sebuah pernyataan/asumsi.

Tujuan dari Uji Hipotesa adalah untuk mengambil keputusan tepat berdasarkan data yang dapat memecahkan masalah.

Uji Hipotesa Sederhana

Sebuah Hipotesa adalah teori yang sudah ditentukan mengenai sifat dari variable atau hubungan antar variable-variable. Uji statistik dapat

membuktikan (dengan tingkat kepercayaan tertentu), bahwa hubungan tersebut nyata.

Kita memiliki dua alternatif untuk Hipotesis.

–“Hipotesis null” H

_o

mengasumsikan tidak adanya perbedaan atau hubungan. Ini merupakan assumsi dasar dari seluruh uji statistik.

– “Hipotesis Alternatif“ H

_a

menyatakan bahwa terdapat perbedaan atau hubungan.

Hipotesa Statistik

Uji-t dengan 1 Sample

1. Permasalahan Praktis:

• Kita sedang mempertimbangkan untuk mengganti supplier suatu part untuk proses pengerasan, yang saat ini kita beli dengan harga cukup mahal dari sebuah supplier.

• Calon supplier baru sudah menyiapkan sampel produk mereka pada kita. Adapun supplier baru tersebut mengklaim bahwa mereka dapat menjaga produk mereka pada nilai 5 atas

karakteristik yang ada (kekerasan).

• Kita ingin menguji sampel dari supplier baru tersebut dan menentukan apakah klaim dari supplier tersebut memang benar.

2. Permasalahan Statistika:

H_o: nilai kekerasan_. = 5 H_a: nilai kekerasan_. ≠ 5

3. Uji-t dengan 1 sampel

• Jika nilai signifikansi (p) uji t > 0,05 maka H₀ diterima dan Ha ditolak. Artinya tidak ada pengaruh antara variabel independen terhadap variaben dependen.

• Jika nilai signifikansi (p) uji t < 0,05 maka H₀ ditolak dan Ha diterima. Artinya terdapat pengaruh antara variabel independen terhadap variabel dependen.

Uji-t dengan 1 sampel digunakan untuk membandingkan nilai rataan populasi yang diharapkan, terhadap suatu target.

1. Permasalahan Praktis:

• Kita telah melakukan penelitian dalam upaya untuk menentukan efektivitas suatu sistem pemanas baru. Kita telah memasang 2 tipe pemanas yang berbeda (Pemanas 1 dan Pemanas 2).

• Kita ingin membandingkan nilai BTU dari data kedua tipe pemanas tersebut untuk menentukan apakah ada perbedaan antara kedua produk.

2. Permasalahan Statistika:

H_o:μ₁ = μ₂ H_a:μ₁ ≠ μ₂

3. Uji-t dengan 2 sampel:

• Jika nilai signifikansi (p) uji t > 0,05 maka H₀ diterima dan Ha ditolak. Artinya tidak ada pengaruh antara variabel independen terhadap variaben dependen.

• Jika nilai signifikansi (p) uji t < 0,05 maka H₀ ditolak dan Ha diterima. Artinya terdapat pengaruh antara variabel independen terhadap variabel dependen.

Uji-t dengan 2 Sampel

Uji-t dengan 2 sampel digunakan untuk membandingkan nilai rataan dari sumber sampel yang ada, apakah rata-rata kedua sample significant sama atau berbeda