Tahap Measure Pengolahan Data
Tabel 5.12. Rekapitulasi Uji Kecukupan Data Waktu Siklus dari Setiap Proses Produksi Sumpit Bambu
Proses Produksi Ke- N
N Keterangan
1 5,37
10 Cukup
2 1,56
10 Cukup
3 7,65
10 Cukup
4 8,05
10 Cukup
5 4,75
10 Cukup
7 3,12
10 Cukup
8 9,43
10 Cukup
9 2,11
10 Cukup
10 1,56
10 Cukup
11 8,56
10 Cukup
13 3,83
10 Cukup
14 7,00
10 Cukup
16 7,86
10 Cukup
17 0,25
10 Cukup
18 8,79
10 Cukup
20 0,85
10 Cukup
21 1,18
10 Cukup
22 0,56
10 Cukup
23 0,12
10 Cukup
24 4,35
10 Cukup
26 2,01
10 Cukup
27 0,06
10 Cukup
28 3,57
10 Cukup
29 3,16
10 Cukup
Sumber: Hasil Perhitungan Berdasarkan Data Pengamatan
Berdasarkan hasil rekapitulasi pada Tabel 5.12, dapat disimpulkan bahwa jumlah data untuk semua waktu siklus produksi sumpit telah cukup diambil
selama pengamatan. Pengujian kecukupan data juga dilakukan terhadap waktu muat tiap proses dan dapat dilihat pada Tabel 5.13.
Tabel 5.13. Rekapitulasi Uji Kecukupan Data Waktu Muat Setiap Proses
Jenis Mesin N
N Keterangan
Mesin Raw Bamboo Sawing 2,47
10 Cukup
Mesin Bamboo Spiliting 2,55
10 Cukup
Mesin Fixed Width Slicer 4,77
10 Cukup
Mesin Bamboo Wool Slicer 6,25
10 Cukup
Mesin Precised Cutting 4,51
10 Cukup
Tungku pengasapan 0,85
10 Cukup
Mesin Stick Polishing 6,34
10 Cukup
Mesin Chopstick Sharpening 3,46
10 Cukup
Mesin Chopstick Packing 3,11
10 Cukup
Sumber: Hasil Perhitungan Berdasarkan Data Pengamatan
5.2.2.2.Perhitungan Waktu Normal dan Waktu Baku
Perhitungan waktu normal dilakukan dengan mengalikan waktu siklus proses dengan rating factor Rf yang bertujuan untuk menyesuaikan kecepatan
antara operator yang satu dengan operator lainnya, sehingga waktu yang diambil adalah waktu normal operator operator yang bekerja dengan wajar dan normal.
Untuk perhitungan waktu normal pada setiap proses yang menggunakan mesin adalah waktu mesin ditambah dengan waktu muat operator pada mesin tersebut
yang telah dikalikan dengan rating factor. Perhitungan waktu baku merupakan perhitungan waktu yang dibutuhkan
oleh seorang operator untuk menyelesaikan satuan pekerjaanya dengan penambahan faktor allowance pada waktu normal. Contoh perhitungan waktu
normal dan waktu baku pada proses kedua, yaitu proses pemotongan bambu pada mesin raw bamboo sewing adalah sebagai berikut:
Faktor penyesuaian Rating Factor : Rf = 1
Kelonggaran Allowance :All
= 17
Waktu mesin W
m
= Waktu mesin rata-rata Waktu mesin W
m
= 25,45 detik Waktu normal muat Wn
o
= Waktu muat rata-rata x Rf = 2,68 x 1
= 2,68 detik Maka waktu normal untuk proses pertama adalah :
Wn = Waktu mesin W
m
+ Waktu normal muat = 25,45 + 2,68
= 28,13 detik Waktu mesin Wm
= Waktu mesin = 25,45 detik
Waktu baku muat Wb
o
= ��� �
100 100
−���
=
2,68 �
100 100
−17
= 3,23 detik Maka waktu baku untuk proses kedua adalah:
Wb = Wm + Wbo
= 25,45 + 3,23 = 28,67 detik
Hasil rekapitulasi perhitungan waktu normal dan waktu baku untuk masing- masing proses produksi sumpit dapat dilihat pada Tabel 5.14.
Tabel 5.14. Rekapitulasi Hasil Perhitungan Waktu Normal dan Waktu Baku pada Setiap Proses Produksi Sumpit Bambu
Proses Ke-
Waktu Mesin
rata- rata
detik Waktu
Siklus Operator
Waktu Muat
detik Rf
Waktu Mesin
detik Waktu
Normal Muat
detik Waktu
Normal detik
All Waktu
Mesin detik
Waktu Baku
Muat
detik Waktu
baku detik
1 -
16,66 1
- 16,66
16,66 5,00
- 17,53
17,53 2
25,45 2,68
1 25,45
2,68 28,13
17,00 25,45
3,23 28,67
3 -
16,80 1
- 16,80
16,80 5,00
- 17,69
17,69 4
5,59 3,29
1 5,59
3,29 8,88
17,00 5,59
3,97 9,55
5 -
43,58 1
- 43,58
43,58 5,00
- 45,88
45,88 7
3,20 2,30
1 3,20
2,30 5,50
16,00 3,20
2,74 5,94
8 -
7,91 1
- 7,91
7,91 5,00
- 8,33
8,33 9
3,07 2,21
1 3,07
2,21 5,28
16,00 3,07
2,63 5,70
10 -
42,82 1
- 42,82
42,82 5,00
- 45,08
45,08 11
34,48 5,61
1 34,48
5,61 40,09
17,00 34,48
6,76 41,24
13 -
17,66 1
- 17,66
17,66 5,00
- 18,59
18,59 14
- 18,29
1 -
18,29 18,29
14,00 -
21,26 21,26
16 -
195,78 1
- 195,78
195,78 5,00
- 206,08
206,08 17
7.349,74 116,06
1 7.349,74
116,06 7.465,79
19,00 7.349,74
143,28 7.493,01
18 -
2,95 1
- 2,95
2,95 19,00
- 3,64
3,64 20
- 125,28
1 -
125,28 125,28
5,00 -
131,88 131,88
21 944,60
44,47 1
944,60 44,47
989,07 19,00
944,60 54,90
999,50 22
- 63,96
1 -
63,96 63,96
5,00 -
67,33 67,33
23 58,72
14,22 1
58,72 14,22
72,94 12,00
58,72 16,16
74,88 24
- 12,56
1 -
12,56 12,56
20,00 -
15,69 15,69
26 -
13,35 1
- 13,35
13,35 5,00
- 14,06
14,06 27
60,40 12,93
1 60,40
12,93 73,33
15,00 60,40
15,21 75,61
28 -
32,36 1
- 32,36
32,36 15,00
- 38,07
38,07 29
- 128,48
1 -
128,48 128,48
5,00 -
135,25 135,25
Sumber: Hasil Perhitungan Berdasarkan Data Pengamatan
5.2.2.3.Perhitungan Metrik Lean
Perhitungan metrik lean dilakukan untuk mengetahui keadaan suatu pabrik dari sudut pandang lean. Setelah mengetahui keadaan pabrik melalui metrik lean,
maka dapat diberikan usulan berdasarkan prinsip-prinsip lean untuk memperbaiki keadaan pabrik tersebut.
1. Perhitungan Manufacturing Lead Time Manufacturing lead time adalah waktu yang dibutuhkan untuk melakukan
proses produksi dari awal sampai dengan akhir berdasarkan waktu baku. Perhitungan manufacturing lead time ini dilakukan dengan cara
menjumlahkan seluruh waktu proses kerja yang terdiri dari 29 proses kerja. Uraian proses kerja dan waktu baku yang telah dihitung sebelumnya disajikan
dalam Tabel 5.15.
Tabel 5.15. Perhitungan Manufacturing Lead Time Berdasarkan Waktu Baku
No Kegiatan-kegiatan
Waktu Baku detik
1 Pemindahan bambu ke mesin raw bamboo sawing
17,53 2
Pemotongan bambu pada mesin raw bamboo sawing 28,67
3 Pemindahan potongan bambu ke mesin bamboo spliting
17,69 4
Pembelahan potongan bambu pada mesin bamboo spliting 9,55
5 Pemindahan bilah bambu ke mesin fixed width slicer
45,88 6
Bilah bambu menunggu untuk diraut 321,06
7 Perautan bilah bambu pada mesin fixed width slicer
5,94 8
Pemindahan bilah bambu ke mesin bamboo wool slicer 8,33
9 Pembubutan bilah bambu pada mesin bamboo wool slicer
5,70 10
Pemindahan stik bambu ke mesin precised cutting 45,08
11 Pemotongan stik bambu pada mesin precised cutting
41,24 12
Sumpit bambu menunggu untuk dibawa ke tempat pengikatan 380,36
13 Pemindahan sumpit bambu ke tempat pengikatan
18,59 14
Pengikatan sumpit bambu menggunakan tali secara manual 21,26
15 Tumpukan sumpit menunggu dibawa ke tungku pengasapan
1011,62 16
Pemindahan tumpukan sumpit ke tungku pengasapan 206,08
17 Pengasapan tumpukan sumpit di tungku pengasapan
7.493,01 18
Pembukaan ikatan tumpukan sumpit dengan alat potong 3,64
19 Sumpit bambu menunggu dibawa ke mesin stick polishing
151,93 20
Pemindahan stik bambu ke mesin stick polishing 131,88
21 Proses polishing sumpit bambu pada mesin stick polishing
999,50
Tabel 5.15. Perhitungan Manufacturing Lead Time Berdasarkan Waktu
Baku Lanjutan
No Kegiatan-kegiatan
Waktu Baku detik
22 Pemindahan sumpit bambu ke mesin chopstick sharpening
67,33 23
Peruncingan sumpit bambu pada mesin chopstick sharpening 74,88
24 Pemeriksaan kualitas sumpit bambu secara visual
15,69 25
Sumpit bambu menunggu untuk dibawa ke mesin chopstick packing 170,31
26 Pemindahan sumpit bambu ke mesin chopstick packing
14,06 27
Proses packing sumpit bambu pada mesin chopstick packing 75,61
28 Proses packaging sumpit bambu secara manual
38,07 29
Pemindahan sumpit ke gudang produk jadi 135,25
Total Manufacturing Lead Time 11.555,74
Sumber: Hasil Perhitungan Berdasarkan Data Pengamatan
2. Perhitungan Process Cycle Efficiency Dalam melakukan perhitungan nilai process cycle efficiency, yang harus
dilakukan terlebih dahulu adalah memisahkan kegiatan atau proses kerja yang bernilai tambah dari kegiatan atau proses yang tidak bernilai tambah
berdasarkan sudut pandang konsumen. Suatu perusahaan dikatakan telah melaksanakan program Lean apabila mempunyai nilai process cycle
efficiency sebesar 30 yang artinya waktu proses untuk proses kerja atau kegiatan yang bernilai tambah mencapai 30 dari waktu proses atau kegiatan
secara keseluruhan. Pemisahan kegiatan value added dan non-value added disajikan pada Tabel 5.16.
Tabel 5.16. Value Added Time dan Non-Value Added Time
No Kegiatan-kegiatan
Value Added Time detik
Non Value Added Time
detik
1 Pemindahan bambu ke mesin raw bamboo sawing
17,53 2
Pemotongan bambu pada mesin raw bamboo sawing 28,67
3 Pemindahan potongan bambu ke mesin bamboo spliting
17,69 4
Pembelahan potongan bambu pada mesin bamboo spliting 9,55
5 Pemindahan bilah bambu ke mesin fixed width slicer
45,88 6
Bilah bambu menunggu untuk diraut 321,06
7 Perautan bilah bambu pada mesin fixed width slicer
5,94 8
Pemindahan bilah bambu ke mesin bamboo wool slicer 8,33
9 Pembubutan bilah bambu pada mesin bamboo wool slicer
5,70 10
Pemindahan stik bambu ke mesin precised cutting 45,08
11 Pemotongan stik bambu pada mesin precised cutting
41,24 12
Sumpit bambu menunggu untuk dibawa ke tempat pengikatan 380,36
13 Pemindahan sumpit bambu ke tempat pengikatan
18,59 14
Pengikatan sumpit bambu menggunakan tali secara manual 21,26
15 Tumpukan sumpit menunggu dibawa ke tungku pengasapan
1011,62 16
Pemindahan tumpukan sumpit ke tungku pengasapan 206,08
17 Pengasapan tumpukan sumpit di tungku pengasapan
7.493,01 18
Pembukaan ikatan tumpukan sumpit dengan alat potong 3,64
19 Sumpit bambu menunggu dibawa ke mesin stick polishing
151,93 20
Pemindahan stik bambu ke mesin stick polishing 131,88
21 Proses polishing sumpit bambu pada mesin stick polishing
999,50 22
Pemindahan sumpit bambu ke mesin chopstick sharpening 67,33
23 Peruncingan sumpit bambu pada mesin chopstick sharpening
74,88 24
Pemeriksaan kualitas sumpit bambu secara visual 15,69
25 Sumpit bambu menunggu untuk dibawa ke mesin chopstick packing
170,31 26
Pemindahan sumpit bambu ke mesin chopstick packing 14,06
27 Proses packing sumpit bambu pada mesin chopstick packing
75,61 28
Proses packaging sumpit bambu secara manual 38,07
29 Pemindahan sumpit ke gudang produk jadi
135,25
Total Waktu 8.797,08
2.758,66
Sumber: Hasil Perhitungan Berdasarkan Data Pengamatan
Dari Tabel 5.16. dapat diketahui bahwa besar waktu untuk kegiatan yang bernilai tambah berdasarkan pandangan pelanggan atau customer adalah
8.797,08 detik, sedangkan lama waktu untuk kegiatan yang tidak bernilai
tambah adalah 2.758,66 detik dan total waktu dari seluruh kegiatan yang mempunyai nilai sebesar 11.555,74 detik. Perhitungan process cycle
efficiency adalah sebagai berikut: Process Cycle Efficiency =
Time Total Lead
d Time Value-Adde
Process Cycle Efficiency =
100 11.555,74
8.797,08 ×
= 0,7613 x 100 =
76,13
Waktu baku, total lead time, value-added-time dan process cycle efficiency
yang diperoleh dari hasil perhitungan dicantumkan pada gambar value stream mapping sebagai informasi tambahan seperti pada Gambar 5.5.
3. Perhitungan Process Lead Time dan Process Velocity Process lead time adalah metrik Lean yang digunakan untuk mengetahui
berapa lama waktu yang diperlukan untuk memproses sejumlah barang dari awal hingga selesai. Perhitungan process lead time untuk memproduksi
jumlah permintaan produk sumpit bambu selama bulan Desember 2014 adalah sebagai berikut:
Rata-rata kecepatan penyelesaian kerja
hari Jumlah
bulan per
Produksi Total
=
Rata-rata kecepatan penyelesaian
hari 26
4.485.145 =
= 172.506 unithari
n a
i a
penyeles kecepatan
rata -
Rata proses
dalam di
produk Jumlah
Time Lead
Process =
Process Lead Time unithari
172.506 unit
4.443.250 =
75 ,
25 =
= 26 hari
Process velocity adalah kecepatan proses dalam memproduksi sejumlah barang dari awal hingga akhir. Perhitungan process velocity adalah sebagai
berikut: Process Velocity
Time Lead
Proses proses
dalam di
terdapat yang
aktivitas Jumlah
=
Process Velocity = =
hari 25,75
proses 29
1,126 proseshari = 0,047 prosesjam
Supplier
Gudang Bahan Baku Purchasing
Gudang PPC
Produksi Marketing
DAILY DAILY
DAILY DAILY
DAILY Customer
MONTHLY
2 x WEEKLY Pemotongan Bambu
Utuh Op
: 1 orang CT
: 28,67 detik CO
: - 1 shift
Pembelahan Potongan Bambu
Op : 1 orang
CT : 9,55 detik
CO :-
1 shift Perautan Bilah Bambu
Op : 4 orang
CT : 5,94 detik
CO :-
1 shift Pembubutan Bilah
Bambu Op
: 4 orang CT
: 5,70 detik CO
:- 1 shift
DAILY
Pemotongan Stik Bambu
Op : 2 orang
CT :41,24 detik
CO :-
1 shift Pengikatan Sumpit
Bambu Op
: 2 orang CT
:21,26 detik CO
:- 1 shift
Pemanggangan Pembukaan Ikatan
Op :3 orang
CT :7.496,65
detik
CO :-
1 Shift Polishing Sumpit
Op : 2 orang
CT : 999,50 detik
CO :-
1 shift Peruncingan Sumpit
Bambu Op
: 2 orang CT
:74,88 detik CO
:- 1 Shift
Pemeriksaan Kualitas Op
: 4 orang CT
: 15,69 detik CO
:- 1 shift
Packing Sumpit Bambu Op
: 2 orang CT
: 75,61 detik CO
:- 1 Shift
Packaging Sumpit Bambu
Op : 2 orang
CT : 38,07 detik
CO :-
1 shift Gudang Produk
Jadi 18000 kg
I WIP
WIP
1 unit DAILY
DAILY ORDER
28,67 detik 17,69 detik
9,55 detik 45,88 detik
321,06 detik 5,94 detik
8,33 detik 5,70 detik
45,08 detik
41,24 detik 21,26 detik
380,36 detik
206,08 detik 7.496,65 detik
131,88 detik 999,5 detik
67,33 detik 74,88 detik
15,69 detik 75,61 detik
38,07 detik Total Lead Time
: 11.555,74 detik Value-added Time
: 8.797,08 detik Process Cycle Efficiency
: 76,13 I
17,53 detik
18,59 detik
WIP 170,31 detik
14,06 detik 135,25 detik
WIP 1011,62
detik WIP
151,93 detik
Gambar 5.5. Value Stream Mapping Produk Sumpit Bambu
5.2.2.4.Pengolahan Data Kualitas Produk
Pengolahan data kualitas dilakukan terhadap data kualitas yang dikumpulkan dari proses pemeriksaan kualitas produksi sumpit. Dalam
pengolahan data ini, akan dilakukan penentuan Critical to Quality CTQ, pengolahan data atribut dan perhitungan tingkat sigma dan DPMO Defects per
Million Opportunities. 1. Penentuan Critical to Quality CTQ
Critical To Quality CTQ merupakan karakteristik kualitas yang mempengaruhi produk sumpit bambu baik pada saat dalam proses produksi
maupun pada saat digunakan oleh pelanggan. Karakteristik kualitas dari masing-masing inspeksi yaitu ujung miring, retak, berserabut dan sompel.
2. Perhitungan Data Atribut Kualitas Perhitungan data atribut kualitas dilakukan dengan membuat peta kendali
untuk kecacatan produk. Peta kendali yang digunakan adalah peta kendali p, yaitu peta kendali atribut yang digunakan untuk mengamati proporsi atau
perbandingan antara produk yang cacat dengan total produksi. Pada tahap ini terdapat 4 jenis cacat yang diinspeksi yaitu retak, sompel, ujung miring dan
berserabut. Adapun contoh perhitungan peta p pada subgroup 1 adalah sebagai berikut:
Total kecacatan Σnp
= 232.308 Total inspeksi
Σn = 4.485.145
Total inspeksi subgrup 1 n1 = 157.885
Total kecacatan subgrup np1 = 8.194
Maka proporsi kecacatan pada subgrup 1 adalah � =
∑ ��
1
∑ �
1
= 8.194
157.885 = 0,0519
Proporsi rata-rata kecacatan adalah: �̅ =
∑ �� ∑ �
= 232.308
4.485.145 = 0,0518
Perhitungan batas kontrol bawah LCL dan batas kontrol atas UCL adalah sebagai berikut:
��� = �̅ − 3� �̅1 − �̅
�
1
= 0,0518 − 3�
0,05181 − 0,0518
157.885 = 0,0501
��� = �̅ + 3�
�̅1−�̅ �
1
= 0,0506 + 3 �
0,0518 1 −0,0518
157.885
= 0,0535
Berdasarkan perhitungan nilai LCL dan UCL di atas, terlihat bahwa proporsi kecacatan p pada subgrup 1 masih berada dalam batas kontrol. Adapun
perhitungan batas kontrol pada subgrup lainnya dapat dilihat pada Tabel 5.17.
Tabel 5.17. Perhitungan Batas Kontrol Peta p
Subgrup Total
Inspeksi n
Total Kecacatan
np Proporsi
Kecacatan p
LCL UCL
Keterangan
1 157885
8194 0,05190
0,05012 0,05347
In Control 2
181510 9130
0,05030 0,05023
0,05336 In Control
3 170835
8678 0,05080
0,05019 0,05340
In Control 4
158935 8026
0,05050 0,05013
0,05346 In Control
5 189385
10094 0,05330
0,05027 0,05332
In Control 6
189315 9750
0,05150 0,05027
0,05332 In Control
7 163590
8605 0,05260
0,05015 0,05344
In Control 8
160265 8558
0,05340 0,05013
0,05346 In Control
9 189770
9754 0,05140
0,05027 0,05332
In Control 10
187670 9459
0,05040 0,05026
0,05333 In Control
Tabel 5.18. Perhitungan Batas Kontrol Peta p Lanjutan
Subgrup Total
Inspeksi n
Total Kecacatan
np Proporsi
Kecacatan p
LCL UCL
Keterangan
11 172305
9012 0,05230
0,05019 0,05340
In Control 12
179620 9574
0,05330 0,05023
0,05336 In Control
13 161105
8249 0,05120
0,05014 0,05345
In Control 14
161735 8410
0,05200 0,05014
0,05345 In Control
15 171465
8899 0,05190
0,05019 0,05340
In Control 16
183120 9211
0,05030 0,05024
0,05335 In Control
17 170520
9089 0,05330
0,05018 0,05340
In Control 18
180635 9519
0,05270 0,05023
0,05336 In Control
19 187565
9472 0,05050
0,05026 0,05333
In Control 20
170625 9060
0,05310 0,05019
0,05340 In Control
21 176995
8938 0,05050
0,05021 0,05338
In Control 22
155960 7985
0,05120 0,05011
0,05348 In Control
23 168315
8736 0,05190
0,05017 0,05342
In Control 24
167265 8464
0,05060 0,05017
0,05342 In Control
25 161070
8488 0,05270
0,05014 0,05345
In Control 26
167685 8954
0,05340 0,05017
0,05342 In Control
Total 4485145
232308
Sumber: Hasil Perhitungan Berdasarkan Data Pengamatan
Setelah melakukan perhitungan terhadap nilai LCL dan UCL untuk masing- masing subgrup, maka dapat digambarkan peta p untuk pemeriksaan kualitas
seperti pada Gambar 5.6.
Gambar 5.6 Peta P pada Pemeriksaan Kualitas Sumpit
Berdasarkan hasil perhitungan pada Tabel 5.17., dapat disimpulkan bahwa keseluruhan proporsi kecacatan pada subgrup berada dalam batas kontrol In
Control sehingga perhitungan kapabilitas proses CP quality control dalam menghasilkan produk yang tidak cacat yaitu sebesar:
Cp = 1
− �̅ = 1-0,0518 = 0,9482 = 94,82 3. Perhitungan Tingkat Sigma
Perhitungan tingkat sigma dilakukan untuk menyatukan ukuran kualitas yang terjadi pada tahap pemeriksaan sehingga dapat dibandingkan tahap
pemeriksaan mana yang berada dalam kondisi paling buruk. Selain itu, juga akan dilakukan perbaikan pada proses yang hasil tahap pemeriksaan paling
buruk. Perhitungan tingkat sigma dilakukan dengan melalui langkah-langkah berikut:
a. Jumlah total unit produksi yang dihasilkan = 4.485.145 b. Total produk yang cacat
= 232.308 c. Tingkat kecacatan defect per unitDPU
0,05009 0,05109
0,05209 0,05309
1 3
5 7
9 11 13 15 17 19 21 23 25 P
ro p
o rs
i K ec
a ca
ta n
Sub Grup
Peta P pada Pemeriksaan Kualitas Sumpit
Proporsi Kecacatan LCL
UCL
��� = ����� �����
����� ���� �������� =
232.308 4.485.145
= 0,0518 d. Defect opportunities CTQ = 4
e. Defect per Million Opportunities DPMO ���� =
��� ��� �
1.000.000 = 0,0518
4 �1.000.000 = 12.949
f. Perhitungan tingkat sigma Perhitungan tingkat sigma dilakukan dengan menggunakan Ms. Excel,
yaitu dengan rumus: =NORMSINV 1-DPMO1.000.000 + 1,5
=NORMSINV 1-12.9491.000.000 + 1,5 = 3,73
Dari perhitungan tingkat sigma diperoleh nilai sigma sebesar 3,73 dengan DPMO 12.949, hal ini menunjukkan bahwa untuk setiap 1.000.000 kali produksi
kemungkinan terjadinya kecacatan adalah 12.949. Untuk meningkatkan nilai sigma ini, perlu dilakukan identifikasi dan analisis penyebab proses yang
menghasilkan produk cacat sehingga dapat memberikan solusi perbaikan yang diharapkan untuk meningkatkan level sigma sekarang.