Quality Function Deployment QFD

• Melakukan perbandingan berpasangan untuk setiap kriteria alternatif dengan menggunakan skala lingustik atau skala 1-9. Hasil perbandingan berpasangan tersebut kemudian difuzzykan dengan TFN. • Menentukan tingkat kepentingan setiap faktor kriteria dengan mengalikan tiap-tiap nilai dalam TFN batas bawah, nilai tengah, batas atas pada suatu baris, kemudian diambil akar ke-n dari hasil perkalian tersebut, di mana n adalah banyaknya kriteriaalternatif. • Melakukan normalisasi terhadap tingkat kepentingan weights dengan aturan :  Nilai bawah dibagi dengan jumlah dari nilai atas.  Nilai atas dibagi dengan jumlah dari nilai bawah  Nilai tengah dibagi dengan jumlah dari nilai tengah semua kriteriaalternatif. Bila semua hirarkhi menggunakan TFN fuzzy AHP, maka proses tersebut diterapkan pada semua hirarkhi.

2.11 Quality Function Deployment QFD

Stevenson 1996 menjelaskan bahwa quality function deployment QFD merupakan pendekatan terstruktur unuk mengintegrasikan “voice of customer” ke dalam proses pengembangan produk., QFD juga dapat diartikan sebagai suatu alat perencanaan yang digunakan untuk memenuhi harapan pelanggan Besterfiled, 1995. Visualisasi teknik ini digambarkan dalam suatu rumah kualitas seperti pada gambar di bawah ini. Gambar 11 Rumah Kualitas Stevenson 1996 Keterangan : Customer requirements : Berisi daftar kebutuhan dan keinginan konsumen yang diperoleh dari suara pelanggan melalui wawancara. Pada tahap ini dibutuhkan data mengenai tabel keinginan pelanggan. Dapat terbagi atas primer, sekunder maupun tersier. Design requirements : Berisi bahasa teknis dari perusahaan yang mendeskripsikan mengenai produk atau pelayanan yang direncanakan akan dikembangkan. Biasanya dikembangkan dari keinginan pelanggan. Competitive Assesment : Tingkat kepuasan atau penilaian pelanggan terhadap produk dari perusahaan dan dari pesaing yang sekarang sedang beredar. Relationship matrix : Berisi penilaian dari tim pengembang mengenai tingkat hubungan masing-masing antara keinginan konsumen dengan persyaratan disain Design requirements priorities, specifications or target values Berisi hasil perhitungan berdasarkan tingkat kepentingan konsumen dan matiks hubungan juga berisi mngenai target kemampuan dari persyaratan disain Correlation Matrix Berisi tingkat hubungan dari persyaratan disain Proses QFD memerlukan input data yang bervariasi. Input data ini mempunyai sifat yang kabur dan samar sehingga lebih baik diwakili oleh variabel yang linguistik. Untuk mengimplementasikan QFD yang berbasis data linguistik, proses pemodelan meliputi penggunaan kosep dari variabel linguistik, fuzzy number, fuzzy arithmetic dan defuzzifikasi. Langkah-langkahnya dijelaskan dalam Kwong 2002 sebagai berikut : 1. Inisialisasi Initialization Beberapa persoalan dijabarkan pada langkah ini, seperti : memutuskan kegunaan dari penelitian QFD untuk mendisain produk baru, memperbaiki produk lama ataupun untuk mememangkas biaya, mendefinisikan keuntungan yang diharapkan, menyeleksi produk ataupun jasa yang akan diteliti, membentuk tim QFD. 2. Identifikasi data linguistik Identification of linguistic data Anggota tim QFD mengumpulkan kebutuhan dan keinginan konsumen customer requirements melalui brainstorming, focus groups, survei dan teknik lainnya. Setelah kebutuhan dan keinginan konsumen berhasil diidentifikasikan dan dikembangkan maka konsumen diminta untuk membuat keputusan mengenai tingkat kepentingan dari tiap-tiap cutomer requirements tersebut. Selain itu, tim QFD juga perlu mengidentifikasi mengenai karakteristik teknik yang mendukung customer requirements tersebut. Setelah karakteristik teknik berhasil dibangun, maka langkah selanjutnya adalah mengidentifikasi hubungan antara karakterisitk teknik dengan keinginan konsumen. Perbedaan antara QFD tradisional dengan model ini adalah data diungkapkan dan diwakili dalam bentuk variabel lingistik, bukan angka crisp. Contohnya untuk tingkat kepentingan konsumen yang biasanya menggunakan skala likert dari 1 sampai 5 dimana 1 menunjukkan atribut tersebut sangat tidak penting dan 5 menunjukkan bahwa atribut tersebut sangat penting dan juga untuk hubungan antara karakterisitk teknik dan atribut yang biasanya diidentifasikan dengan tidak ada hubungan, hubungan lemah, sedang dan kuat. Kedua data yang berupa angka crisp ini akan diubah menjadi angka fuzzy. 3. Fuzzifikasi data Fuzzification of input data Pada langkah ini input data akan diubah menjadi angka fuzzy. Seperti yang sudah dijelaskan, input data yang diubah menjadi angka fuzzy adalah tingkat kepentingan konsumen dan hubungan antara karakteristik teknik dengan keinginan konsumen. Triangular Fuzzy Number TFN digunakan dan semua fungsi keanggotaan untuk input data distandarisasi dalam interval [0,1]. 4. Penerapan fuzzy aritmatik Applying fuzzy arithmetic Pada langkah ini, fuzzy aritmatik diterapkan untuk menghitung prioritas dari karakteristik teknik. Prioritas ini adalah hasil dari QFD. Prioritas karakteristik teknik ini akan membimbing proses pengambilan keputusan para pengguna QFD, pengalokasian sumber daya dan fase QFD selanjutnya. Penjumlahan dan perkalian fuzzy number akan digunakan untuk menghitung prioritas karakteristik teknik. Untuk mendapatkan prioritas dari tiap karakterisitk teknik, maka langkah yang perlu dilakukan adalah mengalikan kekuatan hubungan relationship strength dengan tingkat kepentingan atribut importance customer kemudian menjumlahkan semua hubungan hasil perkalian tersebut. Kedua variabel linguistik tersebut dapat kita definisikan sebagai : I = “IMPORTANCE” untuk tingkat kepentingan konsumen C = “CORRELATION” untuk hubungan antara kebutuhan konsumen dengan karakterisitk teknik Sehingga proses aritmatik dapat dirumuskan sebagai berikut : W j = C 1j ⊗ I 1 ⊕ C 2j ⊗ I 2 ⊕ ….. ⊕ C nj ⊗ I n ; ∀ j ε {1, 2, 3, …,m} 5. Defuzzifikasi data defuzzification of output data Jika prioritas teknik fuzzy diperlukan maka step 4 ini akan dilewati dan proses dilanjutkan ke langkah 5. Tapi bila angka crisp yang diperlukan maka prioritas karakteristik teknik yang berhasil didapat berupa angka fuzzy perlu mengalami proses defuzzifikasi terlebih dahulu untuk merubahnya menjadi angka crisp. Proses defuzzifikasi ini ada beberapa macam. Diantaranya adalah Centroid Methods. Metode centroid ini menghitung center of gravity COG dari area dibawah fungsi keanggotaan µ A x dimana x berarti nilai defuzzifikasi dari fuzzy set A. 6. Downstream QFD activities Dua situasi yang akan terjadi pada tahap ini. Situasi pertama adalah HOQ sebagai satu-satunya fase yang digunakan dalam proses QFD. Dalam situasi ini dihasilkan interpretasi dari informasi yang diberikan oleh HOQ. Situasi lainnya adalah HOQ merupakan fase pertama dimana pengembangan part, perencanaan proses dan produksi dimasukkan ke dalam kegiatan yang berurutan. Model ini didasarkan pada HOQ sebagai fase pertama dari QFD. Fase kedua QFD memetakan karakteristik teknis produk ke dalam karakteristik proses. Gambar 12 Model SECI dan Konversi QFD dari Pengetahuan Tacit ke Eksplisit Akao, 2003 Dalam konteks keterkaitan QFD dengan manajemen pengetahuan dan model SECI dijelaskan oleh Yoji A 2002. FMEA disebutkan merupakan bagian dari proses eksternalisasi atau pengubahan pengetahuan tacit menjadi explicit seperti dapat dilihat pada Gambar 12.

2.12 Failure Mode and Effect Analysis FMEA