PERBAIKAN PADA FISHBONE DIAGRAM SEBAGAI ROOT CAUSE ANALYSIS TOOL

Abstract

Diagram Fishbone (tulang ikan), atau biasa pula disebut ishikawa diagram ataupun cause effectdiagram, adalah salah satu dari root cause analysis tools yang paling populer di kalangan praktisi industriuntuk melakukan quality improvement mendasarkan pada usaha mengenali akar penyebab terjadinya variasipada quality characteristics tertentu yang ingin dicapai. Meski telah banyak dipakai di dunia industri,disayangkan tool ini menderita kelemahan karena tidak memfasilitasi analisa korelasi antar potential rootcauses dari masing-masing kategori yang ada (5M1E - man machine method measurement materialenvironment), selain tentu saja penyajian datanya yang hanya kualitatif. Kelemahan ini diyakini menjadikontributor utama penyebab kegagalan fishbone diagram dalam mengenali root causes yang berupa sumbervariasi common cause dan hanya mampu mengenali yang berasal dari sumber variasi special cause. Bertolakbelakang dengan karakteristik special cause variations, common cause variations adalah variasi yang terjadipada quality characteristics tertentu yang ingin dicapai di mana kemunculannya tidak mudah teridentifikasidan jikapun berhasil dikenali akan sulit dihilangkan karena sifatnya yang seolah adalah merupakan bagiandari sistem (embedded in a system), cenderung berakar penyebab berupa soft factors serta kemunculannya yangtidak random namun tersamar dalam pola tertentu.Penelitian ini bertujuan melakukan improvement pada kelemahan yang terdapat di fishbone diagramdengan mengadopsi kelebihan yang dimiliki oleh bayesian network agar mampu mengenali root causes yangmerupakan common cause variations. Kelebihan bayesian network mengatasi kekurangan fishbone diagram,demikian pula sebaliknya. Oleh karena itu, analisa dilakukan terhadap fishbone diagram dan bayesian networkuntuk mengenali characteristics dan kelebihan/kekurangannya. Hasil dari analisa tersebut mengarahkan padasifat-sifat komplementer dari keduanya yang diyakini mampu mengisi gap pada fishbone diagram.Mendasarkan padanya, dikembangkan sebuah model untuk mengintegrasikan konsep serta sifat komplementeryang dimiliki bayesian network dan fishbone diagram. Model ini merepresentasikan metodologi baru dalamroot cause analysis, bayes-fishbone. Metodologi yang dikembangkan ini kemudian diujikan ke sebuah casestudy company untuk melihat applicability-nya.Hasil dari penelitian ini menunjukkan bahwa metodologi bayes-fishbone yang dikembangkan terbuktitelah valid mampu merepresentasikan kondisi probabilitas produk cacat sebenarnya pada case study companydengan prosentase perbedaan nilai yang ditunjukkan antara model yang dikembangkan dengan kondisi aktualyang besarnya tidak signifikan yaitu kurang dari 1 % (0,9597%). Dengan menerapkan metode contructiveresearch approach, terbukti pula bahwa metodologi bayes-fishbone berhasil lolos weak-market test yangmenunjukkan bahwa metodologi yang dikembangkan applicable pada case study company atau perusahaan lainyang sejenis characteristics dan production process-nya.