Usulan Penerapan Metode Statistical Process Control pada Pengendalian Kualitas Produk Cacat Benang Combed 30s
Deni Mahendra1*, Ade Momon S2, Dika Almahdi3
1,2,3Program Studi Teknik Industri, Universitas Singaperbangsa Karawang, Indonesia
*Koresponden email: mahendradeni347@gmail.com
Diterima: 1 Januari 2023 Disetujui: 31 Januari 2023
Abstract
The current condition of industrial competition is not only competing with local companies, but also with foreign companies. Therefore, companies must have the ability to maintain customer loyalty and satisfaction, one of which is by maintaining product quality. This study aims to analyze the rate of occurrence of defects in combed 30s yarns and to propose improvements to reduce the occurrence of defects. Data analysis was carried out to achieve the goal, namely by using the Statistical Process Control method with data in the form of the amount of production, defective products, to the work processes that occur. The data was obtained from the results of documentation, interviews, and also observations of the research object. From the analysis carried out, the results are that there are still data that are out of control limits and the dominant defect is tangled with 43.53%. The causes of these defects consist of human, machine, method, and material factors. The suggestions given in this study in an effort to suppress defective products are adjustments to product quality standards, thread sorting procedures, machine cleaning schedules, SOP adjustments and increased employee knowledge regarding work procedures.
Keywords: combed 30s, defect, product, quality, SPC
Abstrak
Kondisi persaingan industri saat ini tidak hanya bersaing dengan perusahaan lokal, namun juga dengan perusahaan asing. Oleh karena itu, perusahaan harus memiliki kemampuan dalam menjaga kesetiaan dan kepuasan konsumen salah satunya dengan menjaga kualitas produk. Penelitian ini ditujukan untuk menganalisis tingkat terjadinya produk cacat pada benang combed 30s serta memberikan usulan perbaikan untuk menekan terjadinya cacat. Analisis data yang dilakukan untuk mencapai tujuan yaitu dengan metode Statistical Process Control dengan data berupa jumlah produksi, produk cacat, hingga proses kerja yang terjadi. Data tersebut didapatkan dari hasil dokumentasi, wawancara, dan juga observasi pada objek penelitian. Dari analisis yang dilakukan didapatkan hasil yaitu masih terdapat data yang keluar batas kendali dan cacat dominan yaitu kusut dengan 43,53%. Penyebab cacat tersebut terdiri dari faktor manusia, mesin, metode, dan material. Usulan yang diberikan dalam penelitian ini dalam upaya menekan produk cacat yaitu adanya penyesuaian standar kualitas produk, adanya prosedur penyortiran benang, adanya jadwal pembersihan mesin, serta penyesuaian SOP dan peningkatan pengetahuan karyawan terkait prosedur pekerjaan.
Kata Kunci: combed 30s, cacat, produk, kualitas, SPC
1. Pendahuluan
Persaingan antar perusahaan pada saat ini memiliki kualitas yang begitu sengit, penyebab hal tersebut salah satunya adalah karena adanya perubahan pada dunia industri sebagai akibat berkembangnya ilmu dan teknologi saat ini. Persaingan satu dengan lainnya antar perusahaan akan terus meningkat sejalan dengan teknologi yang semakin berkembang pesat. Dampak tersebut membuat kondisi persaingan tidak hanya pada lingkup nasional melainkan juga internasional [1]. Dari hal tersebut, semua perusahaan harus memiliki
dalam menjaga produk yang dihasilkan agar terus berada pada standar juga untuk mencegah produk yang rusak dapat lolos dan kemudian diterima konsumen [6]. Melalui pelaksanaan pengendalian kualitas yang baik dan tepat, perusahaan akan merasakan dampak pada kualitas produk yang dihasilkan [7]. Salah satu tujuan perusahaan adalah menjaga kepuasan konsumen, dan salah satu yang dapat dilakukan untuk mencapai hal tersebut adalah dengan terus melakukan peningkatan kualitas produk yang dihasilkan [8].
Statistical Process Control (SPC) merupakan sebuah metode dari banyaknya model dalam mengendalikan kualitas melalui pengolahan data statistik yang bertujuan menjaga stabilitas proses agar mampu memenuhi standar kualitas perusahaan [9][10]. Tujuan-tujuan lain dalam analisis SPC adalah melaksanakan pengukuran, pengawasan pada standar, hingga mengidentifikasikan usulan yang dapat menjadi bahan pertimbangan perusahaan dalam upaya perbaikan saat produksi sebuah produk atau jasa sedang beroperasi [11].
PT. XYZ merupakan sebuah perusahaan yang berada di Karawang dan berfokus pada produksi benang pintal sebagai bahan baku pembuatan kain. Berbagai jenis benang telah diproduksi dan dipasarkan kepada banyak kustomer untuk kemudian dijadikan pakaian ataupun kebutuhan lain. Dalam proses produksi salah satu jenis benang yaitu combed 30s perusahaan masih sering terjadi ketidaksesuaian kualitas dengan standar perusahaan. Dari hal tersebut melakukan pengendalian kualitas dinilai perlu untuk dilakukan perusahaan agar dapat menjaga kualitas produknya serta menjaga kepuasan konsumen. Penelitian ini bertujuan untuk menganalisis tingkat cacat pada produksi benang Combed 30s dan memberikan usulan perbaikan untuk menekan tingkat cacat yang terjadi.
Dalam pelaksanaan penelitian ini terdapat beberapa acuan penelitian terdahulu seperti penelitian yang dilakukan [3], SPC digunakan untuk mengendalikan kualitas garam tradisional. Hasilnya masih ada sampel garam yang keluar dari batas control yang diketahui penyebabnya dari faktor manusia, mesin, material, metode, dan lingkungan. Penelitian yang dilakukan [12], SPC digunakan untuk mengendalikan kualitas pada produksi celana. Hasilnya diketahui terdapat beberapa data yang nilainya keluar dari batas kendali yang ditentukan. Lalu cacat kurang rapi dengan persentase 51,8% menjadi jenis cacat tertinggi dari cacat yang lain. Penelitian yang dilakukan [13], penggunaan SPC bertujuan untuk meminimalisir cacat produk dan meningkatkan produktivitas pada produksi Planetary Ball Milll.
Hasilnya diketahui terdapat beberapa data yang nilainya keluar dari batas kendali yang ditentukan.
Penelitian yang dilakukan [14], SPC digunakan untuk menganalisis tingkat cacat dan mengetahui penyebab cacat pada AMDK 220 ml. Hasilnya diketahui terdapat beberapa data yang nilainya keluar dari batas kendali yang ditentukan kemudian jenis cacat tertinggi yaitu kemasan penyok. Penelitian yang dilakukan [15], menyebutkan penerapan SPC digunakan pada produksi batik untuk melakukan perbaikan pada kualitas produk yang dihasilkan serta mengklasifikasikannya. Hasilnya didapatkan kecacatan produk masih dalam batas kendali, dan cacat paling dominan yaitu corak melebihi pola dengan 39%.
2. Metode Penelitian
Pelaksanaan pada penelitian ini dilakukan di PT. XYZ yang memiliki tempat di Karawang, Jawa Barat. Pelaksanaan penelitian dimulai dari Januari-Maret 2021. Penelitian dimulai dengan studi pendahuluan baik berupa studi literatur ataupun lapangan. Hal ini bertujuan untuk mempelajari objek penelitian serta korelasinya dengan informasi ataupun referensi yang berhubungan dengan penelitian. Data jumlah produksi dari rentang waktu tersebut dan juga jumlah produk cacat yang didapatkan dari laporan produksi bulanan perusahaan menjadi beberapa data pada penelitian ini yang digunakan untuk mencapai tujuan yang diharapkan.
Selain data tersebut digunakan juga data lain seperti kondisi kerja, penyebab cacat, dan lainnya yang didapatkan melalui wawancara dan juga observasi. Metode Statistical Process Control (SPC) menjadi alat yang digunakan pada proses pengolahan data yang telah didapatkan sebelumnya serta dengan tambahan Seven Tools seperti diagram Pareto, histogram, serta diagram fishbone. Dalam pelaksanaan penelitian ini melalui beberapa tahapan dan digambarkan melalui diagram alir yaitu seperti Gambar 1.
Gambar 1. Alur penelitian Sumber: [12]
3. Hasil dan Pembahasan 3.1. Data Penelitian
Banyaknya hasil produksi dan juga data produk cacat dari periode Januari sampai dengan April 2021 menjadi data pada penelitian ini yang digunakan untuk mencapai tujuan yang diharapkan. Data ini didapatkan melalui proses dokumentasi laporan produksi bulanan perusahaan. Adapun data tersebut seperti pada Tabel 1.
Tabel 1. Data produk cacat tahun 2021
No. Jumlah Sampel (Roll) Jumlah Produk Cacat (Roll)
1. 69 3
2. 80 9
3. 100 4
4. 68 5
5. 77 3
6. 68 2
7. 72 3
8. 69 2
9. 70 2
10. 86 6
11. 67 5
12. 80 3
13. 62 9
14. 68 4
15. 63 3
16. 87 4
17. 68 5
18. 88 8
19. 90 2
20. 68 3
Total 1500 85
Sumber: PT. XYZ, 2021
Dari hasil wawancara yang dilakukan diketahui bahwa batas toleransi cacat yang diperbolehkan perusahaan adalah 5% untuk cacat yang ditemukan di internal perusahaan, dan 1% di eksternal perusahaan.
Untuk memudahkan identifikasi persentase cacat yang terjadi serta mengklasifikasikan berdasarkan jenis cacat yang terjadi, maka dibuat dalam lembar kerja atau checkseet seperti pada Tabel 2.
Tabel 2. Hasil Checksheet
No. Jumlah Sampel (Lembar) Jenis Cacat
Total Cacat Persentase Kusut Over tolerance Putus
7. 72 2 1 0 3 4%
8. 69 1 1 0 2 3%
9. 70 0 2 0 2 3%
10. 86 4 1 1 6 7%
11. 67 1 2 2 5 7%
12. 80 0 2 1 3 4%
13. 62 2 2 5 9 15%
14. 68 1 2 1 4 6%
15. 63 3 0 0 3 5%
16. 87 1 1 2 4 5%
17. 68 3 1 1 5 7%
18. 88 2 4 2 8 9%
19. 90 1 0 1 2 2%
20. 68 3 0 0 3 4%
Total 1500 37 27 21 85
Sumber: Hasil pengolahan data, 2022 3.2. Identifikasi Jenis Cacat
Dari data yang ditunjukkan pada Tabel 2 dapat terlihat bahwa masih banyak data yang melampaui batas toleransi yang diperbolehkan. Hal tersebut dapat memberikan gambaran bahwa perusahaan belum optimal dalam mengendalikan kualitas produk yang dihasilkannya. Kemudian rangkuman jumlah cacat berdasarkan jenisnya digambarkan pada Tabel 3.
Tabel 3. Ringkasan produk cacat per jenis
Jenis Cacat Jumlah Jumlah Produksi
Kusut 37
1500
Over tolerance 27
Putus 21
Total 85
Sumber: Hasil pengolahan data, 2022
Pada Tabel 3 dapat diketahui hasil klasifikasi bahwa benang memiliki tiga jenis cacat dalam proses produksinya. Adapun penjelasan untuk setiap jenis cacatnya adalah sebagai berikut:
a. Kusut
Untuk jenis cacat kusut adalah kondisi dimana benang tidak dalam kondisi yang baik atau halus seperti yang diinginkan. Cacat ini biasanya terjadi karena penggulungan yang terganggu karena mesin yang macet ataupun rumah gulungan benang yang tidak terpasang sempurna.
b. Overtolerance
Jenis cacat ini adalah kondisi benang yang terlalu tebal ataupun tipis melebihi standar perusahaan +/- 10% dari ukuran yang seharusnya. Namun pada kondisi tertentu yang biasa disebabkan karena kesalahan input setting mesin oleh karyawan dapat menyebabkan terlewat toleransi
c. Putus
Jenis cacat ini sudah tidak lagi bisa diperbaiki karena tergolong cacat berat. Kondisi ini terjadi berupa benang yang digulung putus ketika proses produksi.
Dari data yang ditampilkan pada Tabel 3 lalu dibuat dalam bentuk histogram yang bertujuan mempermudah dalam mengidentifikasikan data yaitu seperti pada Gambar 2.
Gambar 2. Hasil histogram Sumber: Hasil pengolahan data, 2022 3.3. Analisis Peta Kendali
Kemudian pada tahapan selanjutnya yaitu data dibuat dalam bentuk peta kendali, dimana peta kendali P yang akan digunakan pada pelaksanaan penelitian. Dalam variabel peta kendali terdapat tiga bagian utama yaitu batas atas, batas bawah, dan garis tengah. Untuk mendapatkan ketiga variabel tersebut dihitung menggunakan persamaan berikut:
𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝑐𝑎𝑐𝑎𝑡 = 1
67= 0,014 𝐶𝐿 =∑𝑛𝑝
𝑛 = 85
1500= 0,056667
𝑈𝐶𝐿 = 0,056667 + 3√0,056667 (1 − 0,056667)
81 = 0,1319
𝐿𝐶𝐿 = 0,056667 − 3√0,056667 (1 − 0,056667)
81 = −0.0241 ≈ 0
Adapun hasil perhitungan secara keseluruhan data dalam mengidentifikasi batas kendalinya yaitu seperti pada Tabel 4.
Tabel 4. Hasil perhitungan peta kendali No. Jumlah Sampel (Lembar) Jumlah Produk
Cacat (Lembar) Persentase UCL CL LCL
1. 69 3 4.35% 0.1319 0.056667 0
2. 80 9 11.25% 0.1319 0.056667 0
3. 100 4 4.00% 0.1319 0.056667 0
4. 68 5 7.35% 0.1319 0.056667 0
5. 77 3 3.90% 0.1319 0.056667 0
6. 68 2 2.94% 0.1319 0.056667 0
7. 72 3 4.17% 0.1319 0.056667 0
8. 69 2 2.90% 0.1319 0.056667 0
9. 70 2 2.86% 0.1319 0.056667 0
0 5 10 15 20 25 30 35 40
Kusut Overtolerance Putus
No. Jumlah Sampel (Lembar) Jumlah Produk
Cacat (Lembar) Persentase UCL CL LCL
18. 88 8 9.09% 0.1319 0.056667 0
19. 90 2 2.22% 0.1319 0.056667 0
20. 68 3 4.41% 0.1319 0.056667 0
Total 1500 85 5.67%
Sumber: Hasil pengolahan data, 2022
Dari hasil yang didapatkan pada Tabel 4 kemudian dibuat bentuk peta kendali untuk mengetahui stabilitas data didalam batas kendali. Adapun hasil peta kendali tersebut yaitu seperti pada Gambar 3.
Gambar 3. Hasil peta kendali Sumber: Hasil pengolahan data, 2022
Hasil yang diperoleh pada Gambar 3 dapat terlihat bahwa masih ada data yang tidak berada di dalam batas kendali atau diluar batas kendali. Data tersebut yaitu pada data nomor 13. Oleh karena itu, tahapan selanjutnya kembali dilakukan perhitungan dengan tidak menyertakan atau mengeliminasi data yang keluar batas kendali yaitu nomor 13. Adapun hasil perhitungan untuk batas kendali tersebut yaitu seperti Tabel 5.
Tabel 5. Hasil perhitungan peta kendali revisi No. Jumlah Sampel
(Lembar)
Jumlah Produk
Cacat (Lembar) Persentase UCL CL LCL
1. 69 3 4.35% 0.129844 0.052851 0
2. 80 9 11.25% 0.129844 0.052851 0
3. 100 4 4.00% 0.129844 0.052851 0
4. 68 5 7.35% 0.129844 0.052851 0
5. 77 3 3.90% 0.129844 0.052851 0
6. 68 2 2.94% 0.129844 0.052851 0
7. 72 3 4.17% 0.129844 0.052851 0
8. 69 2 2.90% 0.129844 0.052851 0
9. 70 2 2.86% 0.129844 0.052851 0
10. 86 6 6.98% 0.129844 0.052851 0
11. 67 5 7.46% 0.129844 0.052851 0
12. 80 3 3.75% 0.129844 0.052851 0
14. 68 4 5.88% 0.129844 0.052851 0
15. 63 3 4.76% 0.129844 0.052851 0
16. 87 4 4.60% 0.129844 0.052851 0
17. 68 5 7.35% 0.129844 0.052851 0
18. 88 8 9.09% 0.129844 0.052851 0
19. 90 2 2.22% 0.129844 0.052851 0
20. 68 3 4.41% 0.129844 0.052851 0
Total 1438 76 5.29%
Sumber: Hasil pengolahan data, 2022 0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
14,00%
16,00%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Presentase UCL CL LCL
Sama seperti pada tahapan selanjutnya, data pada Tabel 5 kemudian dibuat kembali dalam bentuk peta kendali untuk mengetahui apakah masih ada data yang diluar batas kendali atau tidak. Hasil peta kendali tersebut seperti pada Gambar 5.
Gambar 4. Hasil peta kendali revisi Sumber: Hasil pengolahan data, 2022
Dari Gambar 4 dapat terlihat sudah tidak ada data yang keluar dalam batas kendali. Hal ini berarti secara keseluruhan data berada dalam kondisi terkendali secara statistik. Tahapan selanjutnya yaitu mengidentifikasi frekuensi tertinggi dari ketiga jenis cacat yang ada dengan menggunakan diagram Pareto.
Sebelum konversi dalam bentuk diagram Pareto terlebih dahulu dihitung persentase kumulatifnya seperti pada Tabel 6.
Tabel 6. Hasil perhitungan kumulatif
Jenis Cacat Jumlah Kumulatif Persentase
Kusut 37 37 43.53%
Overtolerance 27 64 75.29%
Putus 21 85 100.00%
Total 85 218.82%
Sumber: Hasil pengolahan data, 2022
Pada hasil Tabel 6 tersebut kemudian dibuatkan dalam bentuk diagram Pareto untuk mendapatkan hasil identifikasi cacat dominan yaitu seperti pada Gambar 5.
Gambar 5. Hasil diagam Pareto 0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
14,00%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Presentase UCL CL LCL
0,00%
20,00%
40,00%
60,00%
80,00%
100,00%
0 10 20 30 40 50 60 70 80
Kusut Overtolerance Putus
Jumlah Presentase
3.4. Analisis Penyebab dan Usulan Perbaikan
Pada hasil diagram Pareto seperti di Gambar 5 menunjukkan bahwa cacat kusut menjadi jenis cacat yang paling sering terjadi atau paling tinggi. Hal ini akan menjadi acuan dalam mengidentifikasikan penyebab dan usulan perbaikan. Hal ini karena cacat yang paling dominan menjadi fokus ataupun prioritas perbaikan yang akan dilakukan. Tahapan selanjutnya yaitu mengidentifikasikan hal yang menyebabkan cacat kusut dapat terjadi melalui penggunaan alat diagram sebab-akibat. Kemudian hasil analisis penyebab tersebut seperti pada Gambar 6.
Gambar 6. Hasil diagram fishbone Sumber: Hasil pengolahan data, 2022
Dari hasil yang ditunjukkan pada Gambar 6 dapat diketahui bahwa penyebab terjadinya cacat kusut tidak hanya satu variabel penyebab melainkan beberapa penyebab sebagai berikut:
1. Mesin, pada aspek mesin dapat menyebabkan terjadinya kusut dikarenakan mesin yang tersumbat karena kotor
2. Manusia, pada aspek manusia penyebab terjadinya cacat yaitu seperti kurang terlatih, pekerja salah penyetelan, hingga pekerja kurang teliti
3. Material, pada aspek material, kusut dapat terjadi ketika benang tidak menyatu, hal ini dikarenakan kapas yang digunakan kurang berkualitas atau berkualitas rendah.
4. Metode, pada aspek metode terdapat beberapa penyebab seperti adanya kesalahan pada pengerjaan dikarenakan pekerja yang kurang pengetahuan.
Adapun usulan yang diberikan dalam penelitian ini dalam upaya menekan produk cacat dan mencegah terjadinya kembali yaitu sebagai berikut:
1. Adanya penyesuaian standar kualitas yang semakin ketat agar pegawai semakin berhati-hati dalam bekerja
2. Adanya standar dan prosedur dalam penyortiran benang atau bahan baku agar lebih terjamin kualitas bahan yang digunakan
3. Adanya jadwal pembersihan mesin agar menjaga kebersihan dan kinerja mesin
4. Adanya penyesuaian SOP dan peningkatan pengetahuan pegawai terkait dengan prosedur pekerjaan 4. Kesimpulan
Dari hasil yang telah didapatkan menggunakan metode SPC dapat diketahui bahwa masih terdapat data yang berada diluar batas kendali, sehingga data harus dihitung kembali dengan tidak menyertakan data yang keluar batas tersebut. Dari hasil diagram Pareto dapat diketahui cacat kusut menjadi jenis cacat paling dominan dengan 43,53%. Melalui diagram fishbone dapat diketahui penyebab terjadinya kusut yaitu mesin macet, kualitas kapas yang rendah, pegawai yang kurang teliti hingga kesalahan dalam bekerja sesuai prosedur. Usulan yang diberikan dalam penelitian ini dalam upaya menekan produk cacat yaitu adanya penyesuaian standar kualitas produk, adanya prosedur penyortiran benang, adanya jadwal pembersihan
Man
Method Machines
Salah prosedur kerja
Kurangnya pengetahuan
Mesin macet karena tersumbat Terdapat kotoran
Kusut Kurang teliti
Salah penyetelan awal
Kurangnya pelatihan
Material Benang tidak menyatu Kualitas kapas rendah
mesin, serta penyesuaian SOP dan peningkatan pengetahuan karyawan terkait prosedur pekerjaan. Hasil usulan ini didapatkan berdasarkan wawancara dan brainstorming dengan pihak-pihak terkait, serta hasil pengamatan secara langsung.
. 5. Referensi
[1] M. S. Mahaputra, “Analisis Pengendalian Kualitas Produk Plastik Injeksi Dengan Menggunakan Metode Statistical Process Control (SPC) Dan Kaizen Di CV. Gradient Kota Bandung,” Media Nusant., Vol. 18, No. 1, Pp. 1–16, 2021.
[2] M. Huda, W. Safitri, And N. Hartati, “Pengendalian Kualitas Produk Dengan Menggunakan Metode Statistical Process Control,” J. Adm. Kant., Vol. 9, No. 2, Pp. 173–182, 2021.
[3] M. A. Pambudi And Iskandar, “Analisa Pengendalian Kualitas Tungku Kompor Dengan Metode Statistical Process Control (Spc) Di Pt. Elang Jagad,” J. Tek. Mesin, Vol. 7, No. 2, Pp. 17–24, 2019.
[4] J. Susetyo, M. Yusuf, And J. Geriot, “Pengendalian Kualitas Produk Gula Dengan Metode Statistical Processing Control (Spc) Dan Failure Mode And Efect Analysis (Fmea),” J. Teknol., Vol. 13, No. 2, Pp. 127–135, 2020.
[5] N. R. S. U, N. R. Ratih, And M. A. Niam, “Penerapan Metode Statistical Proses Control (Spc) Dan Failure Mode And Effect Analysis (Fmea) Terhadap Pengendalian Kualitas Produk,” J. Ilm.
Cendekia Akunt., Vol. 1, No. 1, Pp. 84–95, 2021.
[6] A. Rasyid, I. Wunarlan, And S. Dewiyana, “Pengendalian Kualitas Proses Pembotolan Soman 1 Menggunakan Metode Statistical Proses Control Pada Pt Harvest Gorontalo Indonesia,” In Seminar Nasional Hasil Penelitian Dan Pengabdian Kepada Masyarakat 2022, 2022, Pp. 481–492.
[7] R. Elyas And W. Handayani, “Statistical Process Control ( Spc ) Untuk Pengendalian Kualitas Produk Mebel Di Ud . Ihtiar Jaya,” Bisma J. Manaj., Vol. 6, No. 1, Pp. 50–58, 2020.
[8] D. A. Nuryanto And W. Setiafindar, “Analisis Pengendalian Kualitas Pada Pengolahan Produk Kulit Dengan Metode Statistical Process Control Pada UMKM Paris Leather,” Performa Media Ilm. Tek.
Ind., Vol. 20, No. 2, Pp. 167–176, 2021.
[9] S. P. S. Hutahaean, S. Uslianti, And T. Wahyudi, “Pengendalian Kualitas Cpo Dan Kernel Di Pks Pt. Xyz Dengan Menggunakan Metode Statistical Process Control (Spc),” Integr. Ind. Eng. Manag.
Syst., Vol. 6, No. 2, Pp. 30–39, 2022.
[10] S. R. Adnan, J. J. D. A, N. Erni, And T. Rachman, “Pengendalian Kualitas Produk Komponen Foxing Pada Departemen Moulding Di Pt. Agung Pelita Menggunakan Metode Statistical Process Control (Spc),” J. Optim., Vol. 7, No. 2, Pp. 153–163, 2021.
[11] S. H. Chandrasari And Y. Syahrullah, “Penerapan Statistical Process Control (Spc) Dan Fault Tree Analysis (Fta) Dalam Pengendalian Kualitas Plywood Untuk Mengurangi Defect Pada Pabrik Kayu Di Purbalingga Implementation Of Statistical Process Control (Spc) And Fault Tree Analysis (Fta) In Qual,” J. Media Tek. Sist. Ind., Vol. 6, No. 2, Pp. 107–115, 2022, Doi: 10.35194/Jmtsi.V6i2.1884.
[12] M. A. Faiz, W. Winarno, And A. Suseno, “Analisis Pengendalian Kualitas Produk Celana Pada Umkm Kmstoreid Menggunakan Metode Statistical Process Control,” J. Serambi Eng., Vol. 7, No.
4, Pp. 4015–4023, 2022, Doi: 10.32672/Jse.V7i4.4915.
[13] F. Pradana, R. Sidartawan, And S. Junus, “Analisis Pengendalian Produksi Serbuk Sic Menggunakan Metode Statistical Process Control (Spc),” J. Stator, Vol. 4, No. 1, Pp. 15–18, 2021.
[14] M. A. Refangga, E. B. Gusminto, And D. P. Musmedi, “Analisis Pengendalian Kualitas Produk Air Minum Dalam Kemasan Dengan Menggunakan Statistical Process Control (Spc) Dan Kaizen Pada PT. Tujuh Impian Bersama Kabupaten Jember,” E-Journal Ekon. Bisnis Dan Akunt., Vol. 5, No. 2, Pp. 164–171, 2018, Doi: 10.19184/Ejeba.V5i2.8678.
[15] N. Aldita, “Dalam Upaya Meminimalisir Kecacatan Produk Dengan Menggunakan Metode Statistical Process Control (SPC) ( Studi Kasus Pada IKM Deden Batik Di Kota Tasikmalaya),” J.
Mhs. Ind. Galuh, Vol. 1, No. 1, Pp. 98–107, 2020.
