TUGAS

PENGENDALIAN MUTU

ldquoSEVEN TOOLSrdquo

Disusun oleh

1 Arif Martanto L2H 607 013 2 Eko Lisysantaka L2H 607 0253 Mulianto P L2H 607 046

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO

SEMARANG

2008

7 QC Tools dan 7 Management Tools (New 7 Tools)

The 7 QC Tools

The 7 QC tools banyak dikenal luas dalam lingkup masyarakat mutu hal ini tidak

dapat dipungkiri karena memang alat-alat bantu ini berkembang penggunaannya di dalam

proses kegiatan peningkatan mutu atau pemecahan masalah yang biasa dilakukan dalam

konteks QC Circle atau Quality Improvement Team dan lain sebagainya

Kegunaan dari 7 QC Tools

The 7 QC tools adalah alat-alat bantu yang bermanfaat untuk memetakan lingkup

persoalan menyusun data dalam diagram-diagram agar lebih mudah untuk dipahami

menelusuri berbagai kemungkinan penyebab persoalan dan memperjelas kenyataan atau

fenomena yang otentik dalam suatu persoalan Kemampuan 7 QC tools yang dahsyat

dalam mengemukakan faktafenomena inilah yang menyebabkan para pakar dalam setiap

proses kegiatan mutu sangat tergantung pada alat-alat bantu ini Meskipun demikian

keberhasilan dalam menggunakan 7 QC tools sangat dipengaruhi oleh seberapa massif

pengetahuan si pengguna akan alatbantu yang dipakainya Semakin baik pengetahuan

yang dimiliki akan semakin tepat dalam memilih alat bantu yang akan digunakan Itulah

sebabnya ada 2 hal pokok yang perlu menjadi pedoman sebelum menggunakan 7 QC

tools yaitu EFISIEN (tepat) dan EFEKTIF (benar) EFISIEN maksudnya adalah

ketepatan dalam memilih alat bantu yang sesuai dengan karakteristik persoalan yang akan

dibahas EFEKTIF artinya bahwa penggunaan alat bantu tersebut dilakukan dengan

ldquobenarrdquo sehingg persoalan menjadi lebih jelas mudah dimengerti dan memberikan

peluang untuk diperbaiki Kedua butir pokok inilah yang akan dibahas dalam artikel ini

Sebelum membahas lebih lanjut ada baiknya bila terlebih dulu melihat kembali jenis-

jenis alat bantu yang tergabung dalam rdquoThe 7 QC Toolsrdquo dan cara penggunaannya

sebagai berikut

1 Checksheet

Alat bantu ini sangat tepat digunakan sebagai alat PENGUMPUL DATA tetapi

tidak cukup memenuhi syarat bila digunakan untuk menganalisa data karenasemua data

yang dikumpulkan adalah data fenomenafakta yang sedang terjadi (berlangsung) Itulah

sebabnya dikatakan bahwa Checksheet adalah alat Bantu yang digunakan pada saat

suatu proseskegiatan berlangsung Macam-macam bentuk Checksheet tetapi yang

paling populer digunakan adalah bentuk rdquoTallyrdquo Contoh penggunaan Checksheet

Pengumpulan score pada pertandingan bulutangkis Mengingat bahwa Checksheet

digunakan pada saat proses berlangsung maka hal terpenting yang harus menjadi

perhatian adalah BAGAN (kerangka) formulir untuk pengisian data Hendaknya bagan

disiapkan sedemikian rupa agar pengisian data dapat dilakukan dengan mudah dan

cepat tetapi juga mampu memuat seluruh data yang diperlukan

Contoh Kasus

Dr Frans Melik Direktur Pengelola ldquoM C SEHATrsquoirdquo baru-baru ini

mengadakan survey melalui penyebaran kuesioner guna menganalisa faktor-faktor

penyebab pasien yang semakin menurun karena akibat penurunan ini pendapatan M

C SEHATrsquoi juga turun sampai 20 dibandingkan dengan bulan yang sama periode

tahun lalu Hasil kuesioner dari 1000 responden telah diringkas seperti dibawah ini

untuk memudahkan terlebih dahulu diberi kode pada masing-masing jawaban

responden

Penyebab KODE

Obat-obatan di apotek (Klinik) kurang lengkap A

Dokter ahli (spesialis) tidak lengkap B

Tidak punya kartu berobat C

Tidak tahu ada ldquoKlinik Sehat Krinardquo D

Pelayanan di Klinik kurang baik E

Lokasi Klinik jauh dari rumah F

Ruang tunggu Klinik kurang nyaman G

Belum tahu prosedur pendaftarannya H

Ringkasan Hasil Kuesioner

2 Pareto Diagram

Diagram Pareto pertama kali diperkenalkan oleh seorang ahli ekonomi dari Italia

bernama rdquoVilvredo Paretordquo pada tahun 1897 dan kemudian digunakan oleh Dr M Juran

dalam bidang pengendalian mutu Alat bantu ini biasa digunakan untuk menganalisa

suatu fenomena agar dapat diketahui hal-hal yang prioritas dari fenomena tersebut Maka

istilah PARETO biasanya identik dengan PRIORITY

Pada suatu diagram Pareto akan dapat diketahui suatu faktor merupakan faktor

yang paling prioritas dibandingkan faktor-faktor (minimal 4 faktor) lainnya karena faktor

tersebut berada pada urutan terdepan terbanyak atau pun tertinggi pada deretan sejumlah

faktor yang dianalisa Melalui dua diagram Pareto yang diperbandingkan akan dapat

dilihat perubahan seluruhsebagian faktor-faktor yang sedang diteliti pada kondisi yang

berbeda

Diagram Pareto juga biasa digunakan untuk dapat menentukanrdquopangkal

persoalanrdquo berdasarkan analisa yang massif dengan mempertimbangkan beberapa sudut

pandang Misalnya Ada 4 persoalan yang dihadapi yaitu A B C D Bila ditinjau dari

frekuensi kejadian ternyata persoalan C yang paling sering terjadi tetapi bila ditinjau

dari akibatnya secara finansial ternyata persoalan A yang paling merugikan bila tidak

segera diatasi tetapi bila dilihatdari segi enerji yang terbuang mungkin malah persoalan

B yang paling menonjol Berdasarkan tinjauan-tinjauan inilah kemudian dapat

disimpulkan manakah dari ke-empat faktor itu yang akan menjadi prioritas persoalan

untuk ditindaklanjuti

Contoh Kasus

Dr Frans Melik Direktur Pengelola ldquoM C SEHATrsquoirdquo baru-baru ini

mengadakan survey melalui penyebaran kuesioner guna menganalisa faktor-faktor

penyebab pasien yang semakin menurun karena akibat penurunan ini pendapatan M C

SEHATrsquoi juga turun sampai 20 dibandingkan dengan bulan yang sama periode tahun

lalu

Pengurutan

Dari diagram pareto ditunjukan secara jelas masalah tertinggi sebesar 25 dari seluruh masalah dikarenakan oleh lokasi klinik jauh dari rumah diagram pareto ditemukan oleh Vilfredo Pareto dan dipopulerkan oleh Joseph M Juran yang berpendapat bahwa 80 masalah disebabkan oleh 20 penyebab sehingga bila menyelesaikan 20 penyebab masalah dapat menyelesaikan 80 masalah

Dalam diagram pareto ini masalah dapat terlihat secara urut dari yang paling tinggi ke yang paling rendah frekuensinya hal ini memudahkan untuk pengambilan keputusan Pada kasus ini masalah yang tebanyak frekuensinya adalah karena lokasi klinik yang jauh dari rumah untuk itu direktur pengelola mungkin dapat mengambil suatu kebijakan atau tindakan perbaikan contohnya dengan cara mempelajari ulang lokasi para pasien dan membuka cabang di lokasi yang dekat dengan rumah pasien walaupun perlu dipertimbangkan juga cost and benefit-nya penurunan 20 pendapatan dibandingkan meraih 25 pengunjung dengan membuka cabang baru

Walaupun menurut asas pareto hanya 20 penyebab saja yang menyebabkan 80 masalah direktur pengelola juga akan bijaksana melihat faktor lainnya contohnya frekuensi terbanyak kedua adalah ketidaktahuan pengunjung akan prosedur klinik seharusnya direktur pengelola dapat meninjau metoda pemberitahuan prosedur direktur pengelola dapat saja sebagai contoh membuat suatu informasi mengenai prosedur klinik yang dipasang di tempat yang mudah dilihat pengunjung atau juga mewajibkan petugas keamanan secara proaktif melayani pengunjung misalnya saat membuka pintu pengunjung dapat disapa dengan ramah dan bertanya apakah membutuhkan bantuan atau informasi Ketidak-tahuan pelanggan dengan adanya klinik krina dapat diselesaikan dengan cara melakukan iklan atau pamflet atau sarana komunikasi massa lainnya supaya masyarakat mengetahui adanya klinik sehat krina Pelayanan klinik yang kurang baik juga dapat menyebabkan kehilangan pasien seharusnya pelayanan adalah suatu masalah yang paling murah direktur pengelola harus mempelajari masalah ini dan mengambil tindakan untuk memperbaiki ini

3 Histogram

Dikenal juga sebagai grafik distribusi frekuensi salah satu jenis grafik batang

yang digunakan untuk menganalisa mutu dari sekelompok data (hasil produksi) dengan

menampilkan nilai tengah sebagai standar mutu produk dan distribusi atau penyebaran

datanya Meski sekelompok data memiliki standar mutu yang sama tetapi bila

penyebaran data semakin melebar ke kiri atau ke kanan maka dapat dikatakan bahwa

mutu hasil produksi pada kelompok tersebut kurang bermutu sebaliknya semakin sempit

sebaran data pada kiri dan kanan nilai tengah maka hasil produksi dapat dikatakan lebih

bermutu karena mendekati spect yang telah ditetapkan Agar Histogram memberikan

gambaran yang akurat tentang kondisi hasil produksi perlu dilakukan pengolahan data

yang akurat terlebih dulu dimulai dari pengumpulan data tidak kurang dari 50 sampel

yaitu jumlah yang dianggap dapat memenuhi populasi yang akan diamati Pengolahan

data pada Histogram menjadi sangat penting terutama dalam menentu-kan besaran nilai

tengah (standar) dan seberapa banyak kelas-kelas data yang akan menggambarkan

penyebaran data yang tercipta Melalui gambar Histogram yang ditampilkan akan dapat

diprediksi hal-hal sebagai berikut

a Bila bentuk Histogram pada sisi kiri dan kanan dari kelas yang tertinggi

berbentuk simetri maka dapat diprediksi bahwa proses berjalan konsisten artinya seluruh

faktor-faktor dalam proses memenuhi syarat-syarat yang ditentukan

b Bila Histogram berbentuk sisir kemungkinan yang terjadi adalah

ketidaktepatan dalam pengukuran atau pembulatan nilai data sehingga berpengaruh pada

penetapan batas-batas kelas

c Bila sebaran data melampaui batas-batas spesifikasi maka dapat dikatakan

bahwa ada bagian dari hasil produk yang tidak memenuhi spesifikasi mutu Tetapi

sebaliknya bila sebaran data ternyata berada di dalam batas-batas spesifikasi maka hasil

produk sudah memenuhi spesifikasi mutu yang ditetapkan

Secara umum histogram biasa digunakan untuk memantau pengembangan

produk baru penggunaan alat atau teknologi produksi yang baru memprediksi kondisi

pengendalian proses hasil penjualan manajemen lingkungan dan lain sebagainya

Contoh Kasus

Untuk menggambarkan variasi dari suatu proses yang didalamnya terdapat

berbagai faktor (orang mesin bahan metoda dll)

4 Scatter DiagramAlat bantu ini sangat berguna untuk mendeteksi korelasi (hubungan) antara dua

variable (faktor) sekaligus juga memperlihatkan tingkat hubungan tersebut (kuat atau

lemah)

Pada pemanfaatannya scatter diagram membutuhkan data berpasangan sebagai

bahan baku analisisnya yaitu sekumpulan nilai x sebagai faktor yang independent

berpasangan dengan sekumpulan nilai y sebagai faktor dependen Artinya bahwa setiap

nilai x yang didapatkan memberi dampak pada nilai y Contohnya

Diperoleh data bahwa ada hubungan antara banyaknya komplain (x) dengan

jumlah retur barang

(y) x = 5 1048774 y = 50 eks

x = 10 1048774 y = 120 eks

x = 12 1048774 y = 150 eks dst

Melalui penggambaran data tersebut dalam scatter diagram akan dapat dilakukan

analisa lebih lanjut sejauhmana antara faktor x dan y memiliki korelasi yang dalam hal

ini direpresentasikan sebagai nilai r (rho) yaitu nilai yang menunjukkan tingkat keeratan

hubungan antar faktor tersebut Dikatakan kedua faktor itu berhubungan sangat erat bila

nilai rho mendekati angka + 1 Di samping itu juga akan dapat disimpulkan

kecenderungan arah korelasi tersebut (positif aau negatif) Korelasi memiliki

kecenderungan positif bila setiap pertambahan faktor x menyebab-kan pertambahan

faktor y sebaliknya kecenderungan negatif bila setiap pertam- bahan menyebabkan

pengurangan faktor y

Contoh Kasus

Data Tekanan Udara Hembus dan Persentase Plastik Kerusakan Tangki

Pembuat tangki plastik yang membuat dengan metode cetak hembusan menghadapi masalah dengan tangki rusak yang mempunyai dinding tipis Diduga variasi tekanan udara yang berbeda dari hari ke hari yang menyebabkan ketidaksesuaian ketebalan dinding

5 Control ChartIni adalah sebuah alat bantu berupa grafik yang akan menggambarkan stabilitas

suatu proses kerja Melalui gambaran tersebut akan dapat dideteksi apakah proses

tersebut berjalan baik (stabil) atau tidak

Alat bantu ini pertama kali diperkenalkan oleh WA Shewhart di Laboratorium

Bell Telephone Karakteristik pokok pada alat bantu ini adalah adanya sepasang batas

kendali (Upper dan Lower Limit) sehingga dari data yang dikumpulkan akan dapat

terdeteksi kecenderungan kondisi proses yang sesungguhnya Pada dasarnya alat bantu

ini adalah berupa rekaman data suatu proses yang sudah berjalan Bila data yang

terkumpul sebagian besar berada dalam batas pengendalian maka dapat disimpulkan

bahwa proses berjalan dalam kondisi stabil Tetapi sebaliknya bila sebagian besar data

menunjukkan deviasi di luarbatas kendali maka bisa dikatakan proses berjalan tidak

normal yang bias berdampak pada penurunan Mutu produk Mutu produk yang

diciptakan melalui suatu proses panjang sesungguhnya tidak pernah bisa terlepas dari

variasi yang dalam hal ini bisa dibedakan menjadi 2 kategori yaitu (1) rdquoChance

Causerdquo yaitu variasi yang timbul secara tidak terduga dan sukar dikendalikan dan (2)

rdquoAssignable Causerdquo yaitu variasi yang bisa diperkirakan penyebabnya dan

memungkinkan untuk dilakukan pencegahan Control Chart sangat bermanfaat untuk

memonitor proses operasional atau produksi agar bila terjadi suatu penyimpangan dapat

segera ditindaklanjuti Menggunakan alat bantu ini secara kontinyu akan bisa mencegah

persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan

Contoh Kasus

Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak

untuk setiap sub grup dengan jumlah total sampel

Lembaran Data Untuk Peta pn

6 Ishikawa DiagramIni adalah satu-satunya alat bantu yang menggunakan data verbal

(nonnumerical )atau data kualitatif dalam penyajiannya Alat bantu ini menggambarkan tentang suatu kondisi rdquopenyimpangan muturdquo yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan Berbeda dengan alat-alat bantu lainnya karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok Di samping itu manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan)

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

7 QC Tools dan 7 Management Tools (New 7 Tools)

The 7 QC Tools

The 7 QC tools banyak dikenal luas dalam lingkup masyarakat mutu hal ini tidak

dapat dipungkiri karena memang alat-alat bantu ini berkembang penggunaannya di dalam

proses kegiatan peningkatan mutu atau pemecahan masalah yang biasa dilakukan dalam

konteks QC Circle atau Quality Improvement Team dan lain sebagainya

Kegunaan dari 7 QC Tools

The 7 QC tools adalah alat-alat bantu yang bermanfaat untuk memetakan lingkup

persoalan menyusun data dalam diagram-diagram agar lebih mudah untuk dipahami

menelusuri berbagai kemungkinan penyebab persoalan dan memperjelas kenyataan atau

fenomena yang otentik dalam suatu persoalan Kemampuan 7 QC tools yang dahsyat

dalam mengemukakan faktafenomena inilah yang menyebabkan para pakar dalam setiap

proses kegiatan mutu sangat tergantung pada alat-alat bantu ini Meskipun demikian

keberhasilan dalam menggunakan 7 QC tools sangat dipengaruhi oleh seberapa massif

pengetahuan si pengguna akan alatbantu yang dipakainya Semakin baik pengetahuan

yang dimiliki akan semakin tepat dalam memilih alat bantu yang akan digunakan Itulah

sebabnya ada 2 hal pokok yang perlu menjadi pedoman sebelum menggunakan 7 QC

tools yaitu EFISIEN (tepat) dan EFEKTIF (benar) EFISIEN maksudnya adalah

ketepatan dalam memilih alat bantu yang sesuai dengan karakteristik persoalan yang akan

dibahas EFEKTIF artinya bahwa penggunaan alat bantu tersebut dilakukan dengan

ldquobenarrdquo sehingg persoalan menjadi lebih jelas mudah dimengerti dan memberikan

peluang untuk diperbaiki Kedua butir pokok inilah yang akan dibahas dalam artikel ini

Sebelum membahas lebih lanjut ada baiknya bila terlebih dulu melihat kembali jenis-

jenis alat bantu yang tergabung dalam rdquoThe 7 QC Toolsrdquo dan cara penggunaannya

sebagai berikut

1 Checksheet

Alat bantu ini sangat tepat digunakan sebagai alat PENGUMPUL DATA tetapi

tidak cukup memenuhi syarat bila digunakan untuk menganalisa data karenasemua data

yang dikumpulkan adalah data fenomenafakta yang sedang terjadi (berlangsung) Itulah

sebabnya dikatakan bahwa Checksheet adalah alat Bantu yang digunakan pada saat

suatu proseskegiatan berlangsung Macam-macam bentuk Checksheet tetapi yang

paling populer digunakan adalah bentuk rdquoTallyrdquo Contoh penggunaan Checksheet

Pengumpulan score pada pertandingan bulutangkis Mengingat bahwa Checksheet

digunakan pada saat proses berlangsung maka hal terpenting yang harus menjadi

perhatian adalah BAGAN (kerangka) formulir untuk pengisian data Hendaknya bagan

disiapkan sedemikian rupa agar pengisian data dapat dilakukan dengan mudah dan

cepat tetapi juga mampu memuat seluruh data yang diperlukan

Contoh Kasus

Dr Frans Melik Direktur Pengelola ldquoM C SEHATrsquoirdquo baru-baru ini

mengadakan survey melalui penyebaran kuesioner guna menganalisa faktor-faktor

penyebab pasien yang semakin menurun karena akibat penurunan ini pendapatan M

C SEHATrsquoi juga turun sampai 20 dibandingkan dengan bulan yang sama periode

tahun lalu Hasil kuesioner dari 1000 responden telah diringkas seperti dibawah ini

untuk memudahkan terlebih dahulu diberi kode pada masing-masing jawaban

responden

Penyebab KODE

Obat-obatan di apotek (Klinik) kurang lengkap A

Dokter ahli (spesialis) tidak lengkap B

Tidak punya kartu berobat C

Tidak tahu ada ldquoKlinik Sehat Krinardquo D

Pelayanan di Klinik kurang baik E

Lokasi Klinik jauh dari rumah F

Ruang tunggu Klinik kurang nyaman G

Belum tahu prosedur pendaftarannya H

Ringkasan Hasil Kuesioner

2 Pareto Diagram

Diagram Pareto pertama kali diperkenalkan oleh seorang ahli ekonomi dari Italia

bernama rdquoVilvredo Paretordquo pada tahun 1897 dan kemudian digunakan oleh Dr M Juran

dalam bidang pengendalian mutu Alat bantu ini biasa digunakan untuk menganalisa

suatu fenomena agar dapat diketahui hal-hal yang prioritas dari fenomena tersebut Maka

istilah PARETO biasanya identik dengan PRIORITY

Pada suatu diagram Pareto akan dapat diketahui suatu faktor merupakan faktor

yang paling prioritas dibandingkan faktor-faktor (minimal 4 faktor) lainnya karena faktor

tersebut berada pada urutan terdepan terbanyak atau pun tertinggi pada deretan sejumlah

faktor yang dianalisa Melalui dua diagram Pareto yang diperbandingkan akan dapat

dilihat perubahan seluruhsebagian faktor-faktor yang sedang diteliti pada kondisi yang

berbeda

Diagram Pareto juga biasa digunakan untuk dapat menentukanrdquopangkal

persoalanrdquo berdasarkan analisa yang massif dengan mempertimbangkan beberapa sudut

pandang Misalnya Ada 4 persoalan yang dihadapi yaitu A B C D Bila ditinjau dari

frekuensi kejadian ternyata persoalan C yang paling sering terjadi tetapi bila ditinjau

dari akibatnya secara finansial ternyata persoalan A yang paling merugikan bila tidak

segera diatasi tetapi bila dilihatdari segi enerji yang terbuang mungkin malah persoalan

B yang paling menonjol Berdasarkan tinjauan-tinjauan inilah kemudian dapat

disimpulkan manakah dari ke-empat faktor itu yang akan menjadi prioritas persoalan

untuk ditindaklanjuti

Contoh Kasus

Dr Frans Melik Direktur Pengelola ldquoM C SEHATrsquoirdquo baru-baru ini

mengadakan survey melalui penyebaran kuesioner guna menganalisa faktor-faktor

penyebab pasien yang semakin menurun karena akibat penurunan ini pendapatan M C

SEHATrsquoi juga turun sampai 20 dibandingkan dengan bulan yang sama periode tahun

lalu

Pengurutan

Dari diagram pareto ditunjukan secara jelas masalah tertinggi sebesar 25 dari seluruh masalah dikarenakan oleh lokasi klinik jauh dari rumah diagram pareto ditemukan oleh Vilfredo Pareto dan dipopulerkan oleh Joseph M Juran yang berpendapat bahwa 80 masalah disebabkan oleh 20 penyebab sehingga bila menyelesaikan 20 penyebab masalah dapat menyelesaikan 80 masalah

Dalam diagram pareto ini masalah dapat terlihat secara urut dari yang paling tinggi ke yang paling rendah frekuensinya hal ini memudahkan untuk pengambilan keputusan Pada kasus ini masalah yang tebanyak frekuensinya adalah karena lokasi klinik yang jauh dari rumah untuk itu direktur pengelola mungkin dapat mengambil suatu kebijakan atau tindakan perbaikan contohnya dengan cara mempelajari ulang lokasi para pasien dan membuka cabang di lokasi yang dekat dengan rumah pasien walaupun perlu dipertimbangkan juga cost and benefit-nya penurunan 20 pendapatan dibandingkan meraih 25 pengunjung dengan membuka cabang baru

Walaupun menurut asas pareto hanya 20 penyebab saja yang menyebabkan 80 masalah direktur pengelola juga akan bijaksana melihat faktor lainnya contohnya frekuensi terbanyak kedua adalah ketidaktahuan pengunjung akan prosedur klinik seharusnya direktur pengelola dapat meninjau metoda pemberitahuan prosedur direktur pengelola dapat saja sebagai contoh membuat suatu informasi mengenai prosedur klinik yang dipasang di tempat yang mudah dilihat pengunjung atau juga mewajibkan petugas keamanan secara proaktif melayani pengunjung misalnya saat membuka pintu pengunjung dapat disapa dengan ramah dan bertanya apakah membutuhkan bantuan atau informasi Ketidak-tahuan pelanggan dengan adanya klinik krina dapat diselesaikan dengan cara melakukan iklan atau pamflet atau sarana komunikasi massa lainnya supaya masyarakat mengetahui adanya klinik sehat krina Pelayanan klinik yang kurang baik juga dapat menyebabkan kehilangan pasien seharusnya pelayanan adalah suatu masalah yang paling murah direktur pengelola harus mempelajari masalah ini dan mengambil tindakan untuk memperbaiki ini

3 Histogram

Dikenal juga sebagai grafik distribusi frekuensi salah satu jenis grafik batang

yang digunakan untuk menganalisa mutu dari sekelompok data (hasil produksi) dengan

menampilkan nilai tengah sebagai standar mutu produk dan distribusi atau penyebaran

datanya Meski sekelompok data memiliki standar mutu yang sama tetapi bila

penyebaran data semakin melebar ke kiri atau ke kanan maka dapat dikatakan bahwa

mutu hasil produksi pada kelompok tersebut kurang bermutu sebaliknya semakin sempit

sebaran data pada kiri dan kanan nilai tengah maka hasil produksi dapat dikatakan lebih

bermutu karena mendekati spect yang telah ditetapkan Agar Histogram memberikan

gambaran yang akurat tentang kondisi hasil produksi perlu dilakukan pengolahan data

yang akurat terlebih dulu dimulai dari pengumpulan data tidak kurang dari 50 sampel

yaitu jumlah yang dianggap dapat memenuhi populasi yang akan diamati Pengolahan

data pada Histogram menjadi sangat penting terutama dalam menentu-kan besaran nilai

tengah (standar) dan seberapa banyak kelas-kelas data yang akan menggambarkan

penyebaran data yang tercipta Melalui gambar Histogram yang ditampilkan akan dapat

diprediksi hal-hal sebagai berikut

a Bila bentuk Histogram pada sisi kiri dan kanan dari kelas yang tertinggi

berbentuk simetri maka dapat diprediksi bahwa proses berjalan konsisten artinya seluruh

faktor-faktor dalam proses memenuhi syarat-syarat yang ditentukan

b Bila Histogram berbentuk sisir kemungkinan yang terjadi adalah

ketidaktepatan dalam pengukuran atau pembulatan nilai data sehingga berpengaruh pada

penetapan batas-batas kelas

c Bila sebaran data melampaui batas-batas spesifikasi maka dapat dikatakan

bahwa ada bagian dari hasil produk yang tidak memenuhi spesifikasi mutu Tetapi

sebaliknya bila sebaran data ternyata berada di dalam batas-batas spesifikasi maka hasil

produk sudah memenuhi spesifikasi mutu yang ditetapkan

Secara umum histogram biasa digunakan untuk memantau pengembangan

produk baru penggunaan alat atau teknologi produksi yang baru memprediksi kondisi

pengendalian proses hasil penjualan manajemen lingkungan dan lain sebagainya

Contoh Kasus

Untuk menggambarkan variasi dari suatu proses yang didalamnya terdapat

berbagai faktor (orang mesin bahan metoda dll)

4 Scatter DiagramAlat bantu ini sangat berguna untuk mendeteksi korelasi (hubungan) antara dua

variable (faktor) sekaligus juga memperlihatkan tingkat hubungan tersebut (kuat atau

lemah)

Pada pemanfaatannya scatter diagram membutuhkan data berpasangan sebagai

bahan baku analisisnya yaitu sekumpulan nilai x sebagai faktor yang independent

berpasangan dengan sekumpulan nilai y sebagai faktor dependen Artinya bahwa setiap

nilai x yang didapatkan memberi dampak pada nilai y Contohnya

Diperoleh data bahwa ada hubungan antara banyaknya komplain (x) dengan

jumlah retur barang

(y) x = 5 1048774 y = 50 eks

x = 10 1048774 y = 120 eks

x = 12 1048774 y = 150 eks dst

Melalui penggambaran data tersebut dalam scatter diagram akan dapat dilakukan

analisa lebih lanjut sejauhmana antara faktor x dan y memiliki korelasi yang dalam hal

ini direpresentasikan sebagai nilai r (rho) yaitu nilai yang menunjukkan tingkat keeratan

hubungan antar faktor tersebut Dikatakan kedua faktor itu berhubungan sangat erat bila

nilai rho mendekati angka + 1 Di samping itu juga akan dapat disimpulkan

kecenderungan arah korelasi tersebut (positif aau negatif) Korelasi memiliki

kecenderungan positif bila setiap pertambahan faktor x menyebab-kan pertambahan

faktor y sebaliknya kecenderungan negatif bila setiap pertam- bahan menyebabkan

pengurangan faktor y

Contoh Kasus

Data Tekanan Udara Hembus dan Persentase Plastik Kerusakan Tangki

Pembuat tangki plastik yang membuat dengan metode cetak hembusan menghadapi masalah dengan tangki rusak yang mempunyai dinding tipis Diduga variasi tekanan udara yang berbeda dari hari ke hari yang menyebabkan ketidaksesuaian ketebalan dinding

5 Control ChartIni adalah sebuah alat bantu berupa grafik yang akan menggambarkan stabilitas

suatu proses kerja Melalui gambaran tersebut akan dapat dideteksi apakah proses

tersebut berjalan baik (stabil) atau tidak

Alat bantu ini pertama kali diperkenalkan oleh WA Shewhart di Laboratorium

Bell Telephone Karakteristik pokok pada alat bantu ini adalah adanya sepasang batas

kendali (Upper dan Lower Limit) sehingga dari data yang dikumpulkan akan dapat

terdeteksi kecenderungan kondisi proses yang sesungguhnya Pada dasarnya alat bantu

ini adalah berupa rekaman data suatu proses yang sudah berjalan Bila data yang

terkumpul sebagian besar berada dalam batas pengendalian maka dapat disimpulkan

bahwa proses berjalan dalam kondisi stabil Tetapi sebaliknya bila sebagian besar data

menunjukkan deviasi di luarbatas kendali maka bisa dikatakan proses berjalan tidak

normal yang bias berdampak pada penurunan Mutu produk Mutu produk yang

diciptakan melalui suatu proses panjang sesungguhnya tidak pernah bisa terlepas dari

variasi yang dalam hal ini bisa dibedakan menjadi 2 kategori yaitu (1) rdquoChance

Causerdquo yaitu variasi yang timbul secara tidak terduga dan sukar dikendalikan dan (2)

rdquoAssignable Causerdquo yaitu variasi yang bisa diperkirakan penyebabnya dan

memungkinkan untuk dilakukan pencegahan Control Chart sangat bermanfaat untuk

memonitor proses operasional atau produksi agar bila terjadi suatu penyimpangan dapat

segera ditindaklanjuti Menggunakan alat bantu ini secara kontinyu akan bisa mencegah

persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan

Contoh Kasus

Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak

untuk setiap sub grup dengan jumlah total sampel

Lembaran Data Untuk Peta pn

6 Ishikawa DiagramIni adalah satu-satunya alat bantu yang menggunakan data verbal

(nonnumerical )atau data kualitatif dalam penyajiannya Alat bantu ini menggambarkan tentang suatu kondisi rdquopenyimpangan muturdquo yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan Berbeda dengan alat-alat bantu lainnya karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok Di samping itu manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan)

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

1 Checksheet

Alat bantu ini sangat tepat digunakan sebagai alat PENGUMPUL DATA tetapi

tidak cukup memenuhi syarat bila digunakan untuk menganalisa data karenasemua data

yang dikumpulkan adalah data fenomenafakta yang sedang terjadi (berlangsung) Itulah

sebabnya dikatakan bahwa Checksheet adalah alat Bantu yang digunakan pada saat

suatu proseskegiatan berlangsung Macam-macam bentuk Checksheet tetapi yang

paling populer digunakan adalah bentuk rdquoTallyrdquo Contoh penggunaan Checksheet

Pengumpulan score pada pertandingan bulutangkis Mengingat bahwa Checksheet

digunakan pada saat proses berlangsung maka hal terpenting yang harus menjadi

perhatian adalah BAGAN (kerangka) formulir untuk pengisian data Hendaknya bagan

disiapkan sedemikian rupa agar pengisian data dapat dilakukan dengan mudah dan

cepat tetapi juga mampu memuat seluruh data yang diperlukan

Contoh Kasus

Dr Frans Melik Direktur Pengelola ldquoM C SEHATrsquoirdquo baru-baru ini

mengadakan survey melalui penyebaran kuesioner guna menganalisa faktor-faktor

penyebab pasien yang semakin menurun karena akibat penurunan ini pendapatan M

C SEHATrsquoi juga turun sampai 20 dibandingkan dengan bulan yang sama periode

tahun lalu Hasil kuesioner dari 1000 responden telah diringkas seperti dibawah ini

untuk memudahkan terlebih dahulu diberi kode pada masing-masing jawaban

responden

Penyebab KODE

Obat-obatan di apotek (Klinik) kurang lengkap A

Dokter ahli (spesialis) tidak lengkap B

Tidak punya kartu berobat C

Tidak tahu ada ldquoKlinik Sehat Krinardquo D

Pelayanan di Klinik kurang baik E

Lokasi Klinik jauh dari rumah F

Ruang tunggu Klinik kurang nyaman G

Belum tahu prosedur pendaftarannya H

Ringkasan Hasil Kuesioner

2 Pareto Diagram

Diagram Pareto pertama kali diperkenalkan oleh seorang ahli ekonomi dari Italia

bernama rdquoVilvredo Paretordquo pada tahun 1897 dan kemudian digunakan oleh Dr M Juran

dalam bidang pengendalian mutu Alat bantu ini biasa digunakan untuk menganalisa

suatu fenomena agar dapat diketahui hal-hal yang prioritas dari fenomena tersebut Maka

istilah PARETO biasanya identik dengan PRIORITY

Pada suatu diagram Pareto akan dapat diketahui suatu faktor merupakan faktor

yang paling prioritas dibandingkan faktor-faktor (minimal 4 faktor) lainnya karena faktor

tersebut berada pada urutan terdepan terbanyak atau pun tertinggi pada deretan sejumlah

faktor yang dianalisa Melalui dua diagram Pareto yang diperbandingkan akan dapat

dilihat perubahan seluruhsebagian faktor-faktor yang sedang diteliti pada kondisi yang

berbeda

Diagram Pareto juga biasa digunakan untuk dapat menentukanrdquopangkal

persoalanrdquo berdasarkan analisa yang massif dengan mempertimbangkan beberapa sudut

pandang Misalnya Ada 4 persoalan yang dihadapi yaitu A B C D Bila ditinjau dari

frekuensi kejadian ternyata persoalan C yang paling sering terjadi tetapi bila ditinjau

dari akibatnya secara finansial ternyata persoalan A yang paling merugikan bila tidak

segera diatasi tetapi bila dilihatdari segi enerji yang terbuang mungkin malah persoalan

B yang paling menonjol Berdasarkan tinjauan-tinjauan inilah kemudian dapat

disimpulkan manakah dari ke-empat faktor itu yang akan menjadi prioritas persoalan

untuk ditindaklanjuti

Contoh Kasus

Dr Frans Melik Direktur Pengelola ldquoM C SEHATrsquoirdquo baru-baru ini

mengadakan survey melalui penyebaran kuesioner guna menganalisa faktor-faktor

penyebab pasien yang semakin menurun karena akibat penurunan ini pendapatan M C

SEHATrsquoi juga turun sampai 20 dibandingkan dengan bulan yang sama periode tahun

lalu

Pengurutan

Dari diagram pareto ditunjukan secara jelas masalah tertinggi sebesar 25 dari seluruh masalah dikarenakan oleh lokasi klinik jauh dari rumah diagram pareto ditemukan oleh Vilfredo Pareto dan dipopulerkan oleh Joseph M Juran yang berpendapat bahwa 80 masalah disebabkan oleh 20 penyebab sehingga bila menyelesaikan 20 penyebab masalah dapat menyelesaikan 80 masalah

Dalam diagram pareto ini masalah dapat terlihat secara urut dari yang paling tinggi ke yang paling rendah frekuensinya hal ini memudahkan untuk pengambilan keputusan Pada kasus ini masalah yang tebanyak frekuensinya adalah karena lokasi klinik yang jauh dari rumah untuk itu direktur pengelola mungkin dapat mengambil suatu kebijakan atau tindakan perbaikan contohnya dengan cara mempelajari ulang lokasi para pasien dan membuka cabang di lokasi yang dekat dengan rumah pasien walaupun perlu dipertimbangkan juga cost and benefit-nya penurunan 20 pendapatan dibandingkan meraih 25 pengunjung dengan membuka cabang baru

Walaupun menurut asas pareto hanya 20 penyebab saja yang menyebabkan 80 masalah direktur pengelola juga akan bijaksana melihat faktor lainnya contohnya frekuensi terbanyak kedua adalah ketidaktahuan pengunjung akan prosedur klinik seharusnya direktur pengelola dapat meninjau metoda pemberitahuan prosedur direktur pengelola dapat saja sebagai contoh membuat suatu informasi mengenai prosedur klinik yang dipasang di tempat yang mudah dilihat pengunjung atau juga mewajibkan petugas keamanan secara proaktif melayani pengunjung misalnya saat membuka pintu pengunjung dapat disapa dengan ramah dan bertanya apakah membutuhkan bantuan atau informasi Ketidak-tahuan pelanggan dengan adanya klinik krina dapat diselesaikan dengan cara melakukan iklan atau pamflet atau sarana komunikasi massa lainnya supaya masyarakat mengetahui adanya klinik sehat krina Pelayanan klinik yang kurang baik juga dapat menyebabkan kehilangan pasien seharusnya pelayanan adalah suatu masalah yang paling murah direktur pengelola harus mempelajari masalah ini dan mengambil tindakan untuk memperbaiki ini

3 Histogram

Dikenal juga sebagai grafik distribusi frekuensi salah satu jenis grafik batang

yang digunakan untuk menganalisa mutu dari sekelompok data (hasil produksi) dengan

menampilkan nilai tengah sebagai standar mutu produk dan distribusi atau penyebaran

datanya Meski sekelompok data memiliki standar mutu yang sama tetapi bila

penyebaran data semakin melebar ke kiri atau ke kanan maka dapat dikatakan bahwa

mutu hasil produksi pada kelompok tersebut kurang bermutu sebaliknya semakin sempit

sebaran data pada kiri dan kanan nilai tengah maka hasil produksi dapat dikatakan lebih

bermutu karena mendekati spect yang telah ditetapkan Agar Histogram memberikan

gambaran yang akurat tentang kondisi hasil produksi perlu dilakukan pengolahan data

yang akurat terlebih dulu dimulai dari pengumpulan data tidak kurang dari 50 sampel

yaitu jumlah yang dianggap dapat memenuhi populasi yang akan diamati Pengolahan

data pada Histogram menjadi sangat penting terutama dalam menentu-kan besaran nilai

tengah (standar) dan seberapa banyak kelas-kelas data yang akan menggambarkan

penyebaran data yang tercipta Melalui gambar Histogram yang ditampilkan akan dapat

diprediksi hal-hal sebagai berikut

a Bila bentuk Histogram pada sisi kiri dan kanan dari kelas yang tertinggi

berbentuk simetri maka dapat diprediksi bahwa proses berjalan konsisten artinya seluruh

faktor-faktor dalam proses memenuhi syarat-syarat yang ditentukan

b Bila Histogram berbentuk sisir kemungkinan yang terjadi adalah

ketidaktepatan dalam pengukuran atau pembulatan nilai data sehingga berpengaruh pada

penetapan batas-batas kelas

c Bila sebaran data melampaui batas-batas spesifikasi maka dapat dikatakan

bahwa ada bagian dari hasil produk yang tidak memenuhi spesifikasi mutu Tetapi

sebaliknya bila sebaran data ternyata berada di dalam batas-batas spesifikasi maka hasil

produk sudah memenuhi spesifikasi mutu yang ditetapkan

Secara umum histogram biasa digunakan untuk memantau pengembangan

produk baru penggunaan alat atau teknologi produksi yang baru memprediksi kondisi

pengendalian proses hasil penjualan manajemen lingkungan dan lain sebagainya

Contoh Kasus

Untuk menggambarkan variasi dari suatu proses yang didalamnya terdapat

berbagai faktor (orang mesin bahan metoda dll)

4 Scatter DiagramAlat bantu ini sangat berguna untuk mendeteksi korelasi (hubungan) antara dua

variable (faktor) sekaligus juga memperlihatkan tingkat hubungan tersebut (kuat atau

lemah)

Pada pemanfaatannya scatter diagram membutuhkan data berpasangan sebagai

bahan baku analisisnya yaitu sekumpulan nilai x sebagai faktor yang independent

berpasangan dengan sekumpulan nilai y sebagai faktor dependen Artinya bahwa setiap

nilai x yang didapatkan memberi dampak pada nilai y Contohnya

Diperoleh data bahwa ada hubungan antara banyaknya komplain (x) dengan

jumlah retur barang

(y) x = 5 1048774 y = 50 eks

x = 10 1048774 y = 120 eks

x = 12 1048774 y = 150 eks dst

Melalui penggambaran data tersebut dalam scatter diagram akan dapat dilakukan

analisa lebih lanjut sejauhmana antara faktor x dan y memiliki korelasi yang dalam hal

ini direpresentasikan sebagai nilai r (rho) yaitu nilai yang menunjukkan tingkat keeratan

hubungan antar faktor tersebut Dikatakan kedua faktor itu berhubungan sangat erat bila

nilai rho mendekati angka + 1 Di samping itu juga akan dapat disimpulkan

kecenderungan arah korelasi tersebut (positif aau negatif) Korelasi memiliki

kecenderungan positif bila setiap pertambahan faktor x menyebab-kan pertambahan

faktor y sebaliknya kecenderungan negatif bila setiap pertam- bahan menyebabkan

pengurangan faktor y

Contoh Kasus

Data Tekanan Udara Hembus dan Persentase Plastik Kerusakan Tangki

Pembuat tangki plastik yang membuat dengan metode cetak hembusan menghadapi masalah dengan tangki rusak yang mempunyai dinding tipis Diduga variasi tekanan udara yang berbeda dari hari ke hari yang menyebabkan ketidaksesuaian ketebalan dinding

5 Control ChartIni adalah sebuah alat bantu berupa grafik yang akan menggambarkan stabilitas

suatu proses kerja Melalui gambaran tersebut akan dapat dideteksi apakah proses

tersebut berjalan baik (stabil) atau tidak

Alat bantu ini pertama kali diperkenalkan oleh WA Shewhart di Laboratorium

Bell Telephone Karakteristik pokok pada alat bantu ini adalah adanya sepasang batas

kendali (Upper dan Lower Limit) sehingga dari data yang dikumpulkan akan dapat

terdeteksi kecenderungan kondisi proses yang sesungguhnya Pada dasarnya alat bantu

ini adalah berupa rekaman data suatu proses yang sudah berjalan Bila data yang

terkumpul sebagian besar berada dalam batas pengendalian maka dapat disimpulkan

bahwa proses berjalan dalam kondisi stabil Tetapi sebaliknya bila sebagian besar data

menunjukkan deviasi di luarbatas kendali maka bisa dikatakan proses berjalan tidak

normal yang bias berdampak pada penurunan Mutu produk Mutu produk yang

diciptakan melalui suatu proses panjang sesungguhnya tidak pernah bisa terlepas dari

variasi yang dalam hal ini bisa dibedakan menjadi 2 kategori yaitu (1) rdquoChance

Causerdquo yaitu variasi yang timbul secara tidak terduga dan sukar dikendalikan dan (2)

rdquoAssignable Causerdquo yaitu variasi yang bisa diperkirakan penyebabnya dan

memungkinkan untuk dilakukan pencegahan Control Chart sangat bermanfaat untuk

memonitor proses operasional atau produksi agar bila terjadi suatu penyimpangan dapat

segera ditindaklanjuti Menggunakan alat bantu ini secara kontinyu akan bisa mencegah

persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan

Contoh Kasus

Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak

untuk setiap sub grup dengan jumlah total sampel

Lembaran Data Untuk Peta pn

6 Ishikawa DiagramIni adalah satu-satunya alat bantu yang menggunakan data verbal

(nonnumerical )atau data kualitatif dalam penyajiannya Alat bantu ini menggambarkan tentang suatu kondisi rdquopenyimpangan muturdquo yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan Berbeda dengan alat-alat bantu lainnya karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok Di samping itu manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan)

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

Ringkasan Hasil Kuesioner

2 Pareto Diagram

Diagram Pareto pertama kali diperkenalkan oleh seorang ahli ekonomi dari Italia

bernama rdquoVilvredo Paretordquo pada tahun 1897 dan kemudian digunakan oleh Dr M Juran

dalam bidang pengendalian mutu Alat bantu ini biasa digunakan untuk menganalisa

suatu fenomena agar dapat diketahui hal-hal yang prioritas dari fenomena tersebut Maka

istilah PARETO biasanya identik dengan PRIORITY

Pada suatu diagram Pareto akan dapat diketahui suatu faktor merupakan faktor

yang paling prioritas dibandingkan faktor-faktor (minimal 4 faktor) lainnya karena faktor

tersebut berada pada urutan terdepan terbanyak atau pun tertinggi pada deretan sejumlah

faktor yang dianalisa Melalui dua diagram Pareto yang diperbandingkan akan dapat

dilihat perubahan seluruhsebagian faktor-faktor yang sedang diteliti pada kondisi yang

berbeda

Diagram Pareto juga biasa digunakan untuk dapat menentukanrdquopangkal

persoalanrdquo berdasarkan analisa yang massif dengan mempertimbangkan beberapa sudut

pandang Misalnya Ada 4 persoalan yang dihadapi yaitu A B C D Bila ditinjau dari

frekuensi kejadian ternyata persoalan C yang paling sering terjadi tetapi bila ditinjau

dari akibatnya secara finansial ternyata persoalan A yang paling merugikan bila tidak

segera diatasi tetapi bila dilihatdari segi enerji yang terbuang mungkin malah persoalan

B yang paling menonjol Berdasarkan tinjauan-tinjauan inilah kemudian dapat

disimpulkan manakah dari ke-empat faktor itu yang akan menjadi prioritas persoalan

untuk ditindaklanjuti

Contoh Kasus

Dr Frans Melik Direktur Pengelola ldquoM C SEHATrsquoirdquo baru-baru ini

mengadakan survey melalui penyebaran kuesioner guna menganalisa faktor-faktor

penyebab pasien yang semakin menurun karena akibat penurunan ini pendapatan M C

SEHATrsquoi juga turun sampai 20 dibandingkan dengan bulan yang sama periode tahun

lalu

Pengurutan

Dari diagram pareto ditunjukan secara jelas masalah tertinggi sebesar 25 dari seluruh masalah dikarenakan oleh lokasi klinik jauh dari rumah diagram pareto ditemukan oleh Vilfredo Pareto dan dipopulerkan oleh Joseph M Juran yang berpendapat bahwa 80 masalah disebabkan oleh 20 penyebab sehingga bila menyelesaikan 20 penyebab masalah dapat menyelesaikan 80 masalah

Dalam diagram pareto ini masalah dapat terlihat secara urut dari yang paling tinggi ke yang paling rendah frekuensinya hal ini memudahkan untuk pengambilan keputusan Pada kasus ini masalah yang tebanyak frekuensinya adalah karena lokasi klinik yang jauh dari rumah untuk itu direktur pengelola mungkin dapat mengambil suatu kebijakan atau tindakan perbaikan contohnya dengan cara mempelajari ulang lokasi para pasien dan membuka cabang di lokasi yang dekat dengan rumah pasien walaupun perlu dipertimbangkan juga cost and benefit-nya penurunan 20 pendapatan dibandingkan meraih 25 pengunjung dengan membuka cabang baru

Walaupun menurut asas pareto hanya 20 penyebab saja yang menyebabkan 80 masalah direktur pengelola juga akan bijaksana melihat faktor lainnya contohnya frekuensi terbanyak kedua adalah ketidaktahuan pengunjung akan prosedur klinik seharusnya direktur pengelola dapat meninjau metoda pemberitahuan prosedur direktur pengelola dapat saja sebagai contoh membuat suatu informasi mengenai prosedur klinik yang dipasang di tempat yang mudah dilihat pengunjung atau juga mewajibkan petugas keamanan secara proaktif melayani pengunjung misalnya saat membuka pintu pengunjung dapat disapa dengan ramah dan bertanya apakah membutuhkan bantuan atau informasi Ketidak-tahuan pelanggan dengan adanya klinik krina dapat diselesaikan dengan cara melakukan iklan atau pamflet atau sarana komunikasi massa lainnya supaya masyarakat mengetahui adanya klinik sehat krina Pelayanan klinik yang kurang baik juga dapat menyebabkan kehilangan pasien seharusnya pelayanan adalah suatu masalah yang paling murah direktur pengelola harus mempelajari masalah ini dan mengambil tindakan untuk memperbaiki ini

3 Histogram

Dikenal juga sebagai grafik distribusi frekuensi salah satu jenis grafik batang

yang digunakan untuk menganalisa mutu dari sekelompok data (hasil produksi) dengan

menampilkan nilai tengah sebagai standar mutu produk dan distribusi atau penyebaran

datanya Meski sekelompok data memiliki standar mutu yang sama tetapi bila

penyebaran data semakin melebar ke kiri atau ke kanan maka dapat dikatakan bahwa

mutu hasil produksi pada kelompok tersebut kurang bermutu sebaliknya semakin sempit

sebaran data pada kiri dan kanan nilai tengah maka hasil produksi dapat dikatakan lebih

bermutu karena mendekati spect yang telah ditetapkan Agar Histogram memberikan

gambaran yang akurat tentang kondisi hasil produksi perlu dilakukan pengolahan data

yang akurat terlebih dulu dimulai dari pengumpulan data tidak kurang dari 50 sampel

yaitu jumlah yang dianggap dapat memenuhi populasi yang akan diamati Pengolahan

data pada Histogram menjadi sangat penting terutama dalam menentu-kan besaran nilai

tengah (standar) dan seberapa banyak kelas-kelas data yang akan menggambarkan

penyebaran data yang tercipta Melalui gambar Histogram yang ditampilkan akan dapat

diprediksi hal-hal sebagai berikut

a Bila bentuk Histogram pada sisi kiri dan kanan dari kelas yang tertinggi

berbentuk simetri maka dapat diprediksi bahwa proses berjalan konsisten artinya seluruh

faktor-faktor dalam proses memenuhi syarat-syarat yang ditentukan

b Bila Histogram berbentuk sisir kemungkinan yang terjadi adalah

ketidaktepatan dalam pengukuran atau pembulatan nilai data sehingga berpengaruh pada

penetapan batas-batas kelas

c Bila sebaran data melampaui batas-batas spesifikasi maka dapat dikatakan

bahwa ada bagian dari hasil produk yang tidak memenuhi spesifikasi mutu Tetapi

sebaliknya bila sebaran data ternyata berada di dalam batas-batas spesifikasi maka hasil

produk sudah memenuhi spesifikasi mutu yang ditetapkan

Secara umum histogram biasa digunakan untuk memantau pengembangan

produk baru penggunaan alat atau teknologi produksi yang baru memprediksi kondisi

pengendalian proses hasil penjualan manajemen lingkungan dan lain sebagainya

Contoh Kasus

Untuk menggambarkan variasi dari suatu proses yang didalamnya terdapat

berbagai faktor (orang mesin bahan metoda dll)

4 Scatter DiagramAlat bantu ini sangat berguna untuk mendeteksi korelasi (hubungan) antara dua

variable (faktor) sekaligus juga memperlihatkan tingkat hubungan tersebut (kuat atau

lemah)

Pada pemanfaatannya scatter diagram membutuhkan data berpasangan sebagai

bahan baku analisisnya yaitu sekumpulan nilai x sebagai faktor yang independent

berpasangan dengan sekumpulan nilai y sebagai faktor dependen Artinya bahwa setiap

nilai x yang didapatkan memberi dampak pada nilai y Contohnya

Diperoleh data bahwa ada hubungan antara banyaknya komplain (x) dengan

jumlah retur barang

(y) x = 5 1048774 y = 50 eks

x = 10 1048774 y = 120 eks

x = 12 1048774 y = 150 eks dst

Melalui penggambaran data tersebut dalam scatter diagram akan dapat dilakukan

analisa lebih lanjut sejauhmana antara faktor x dan y memiliki korelasi yang dalam hal

ini direpresentasikan sebagai nilai r (rho) yaitu nilai yang menunjukkan tingkat keeratan

hubungan antar faktor tersebut Dikatakan kedua faktor itu berhubungan sangat erat bila

nilai rho mendekati angka + 1 Di samping itu juga akan dapat disimpulkan

kecenderungan arah korelasi tersebut (positif aau negatif) Korelasi memiliki

kecenderungan positif bila setiap pertambahan faktor x menyebab-kan pertambahan

faktor y sebaliknya kecenderungan negatif bila setiap pertam- bahan menyebabkan

pengurangan faktor y

Contoh Kasus

Data Tekanan Udara Hembus dan Persentase Plastik Kerusakan Tangki

Pembuat tangki plastik yang membuat dengan metode cetak hembusan menghadapi masalah dengan tangki rusak yang mempunyai dinding tipis Diduga variasi tekanan udara yang berbeda dari hari ke hari yang menyebabkan ketidaksesuaian ketebalan dinding

5 Control ChartIni adalah sebuah alat bantu berupa grafik yang akan menggambarkan stabilitas

suatu proses kerja Melalui gambaran tersebut akan dapat dideteksi apakah proses

tersebut berjalan baik (stabil) atau tidak

Alat bantu ini pertama kali diperkenalkan oleh WA Shewhart di Laboratorium

Bell Telephone Karakteristik pokok pada alat bantu ini adalah adanya sepasang batas

kendali (Upper dan Lower Limit) sehingga dari data yang dikumpulkan akan dapat

terdeteksi kecenderungan kondisi proses yang sesungguhnya Pada dasarnya alat bantu

ini adalah berupa rekaman data suatu proses yang sudah berjalan Bila data yang

terkumpul sebagian besar berada dalam batas pengendalian maka dapat disimpulkan

bahwa proses berjalan dalam kondisi stabil Tetapi sebaliknya bila sebagian besar data

menunjukkan deviasi di luarbatas kendali maka bisa dikatakan proses berjalan tidak

normal yang bias berdampak pada penurunan Mutu produk Mutu produk yang

diciptakan melalui suatu proses panjang sesungguhnya tidak pernah bisa terlepas dari

variasi yang dalam hal ini bisa dibedakan menjadi 2 kategori yaitu (1) rdquoChance

Causerdquo yaitu variasi yang timbul secara tidak terduga dan sukar dikendalikan dan (2)

rdquoAssignable Causerdquo yaitu variasi yang bisa diperkirakan penyebabnya dan

memungkinkan untuk dilakukan pencegahan Control Chart sangat bermanfaat untuk

memonitor proses operasional atau produksi agar bila terjadi suatu penyimpangan dapat

segera ditindaklanjuti Menggunakan alat bantu ini secara kontinyu akan bisa mencegah

persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan

Contoh Kasus

Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak

untuk setiap sub grup dengan jumlah total sampel

Lembaran Data Untuk Peta pn

6 Ishikawa DiagramIni adalah satu-satunya alat bantu yang menggunakan data verbal

(nonnumerical )atau data kualitatif dalam penyajiannya Alat bantu ini menggambarkan tentang suatu kondisi rdquopenyimpangan muturdquo yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan Berbeda dengan alat-alat bantu lainnya karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok Di samping itu manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan)

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

2 Pareto Diagram

Diagram Pareto pertama kali diperkenalkan oleh seorang ahli ekonomi dari Italia

bernama rdquoVilvredo Paretordquo pada tahun 1897 dan kemudian digunakan oleh Dr M Juran

dalam bidang pengendalian mutu Alat bantu ini biasa digunakan untuk menganalisa

suatu fenomena agar dapat diketahui hal-hal yang prioritas dari fenomena tersebut Maka

istilah PARETO biasanya identik dengan PRIORITY

Pada suatu diagram Pareto akan dapat diketahui suatu faktor merupakan faktor

yang paling prioritas dibandingkan faktor-faktor (minimal 4 faktor) lainnya karena faktor

tersebut berada pada urutan terdepan terbanyak atau pun tertinggi pada deretan sejumlah

faktor yang dianalisa Melalui dua diagram Pareto yang diperbandingkan akan dapat

dilihat perubahan seluruhsebagian faktor-faktor yang sedang diteliti pada kondisi yang

berbeda

Diagram Pareto juga biasa digunakan untuk dapat menentukanrdquopangkal

persoalanrdquo berdasarkan analisa yang massif dengan mempertimbangkan beberapa sudut

pandang Misalnya Ada 4 persoalan yang dihadapi yaitu A B C D Bila ditinjau dari

frekuensi kejadian ternyata persoalan C yang paling sering terjadi tetapi bila ditinjau

dari akibatnya secara finansial ternyata persoalan A yang paling merugikan bila tidak

segera diatasi tetapi bila dilihatdari segi enerji yang terbuang mungkin malah persoalan

B yang paling menonjol Berdasarkan tinjauan-tinjauan inilah kemudian dapat

disimpulkan manakah dari ke-empat faktor itu yang akan menjadi prioritas persoalan

untuk ditindaklanjuti

Contoh Kasus

Dr Frans Melik Direktur Pengelola ldquoM C SEHATrsquoirdquo baru-baru ini

mengadakan survey melalui penyebaran kuesioner guna menganalisa faktor-faktor

penyebab pasien yang semakin menurun karena akibat penurunan ini pendapatan M C

SEHATrsquoi juga turun sampai 20 dibandingkan dengan bulan yang sama periode tahun

lalu

Pengurutan

Dari diagram pareto ditunjukan secara jelas masalah tertinggi sebesar 25 dari seluruh masalah dikarenakan oleh lokasi klinik jauh dari rumah diagram pareto ditemukan oleh Vilfredo Pareto dan dipopulerkan oleh Joseph M Juran yang berpendapat bahwa 80 masalah disebabkan oleh 20 penyebab sehingga bila menyelesaikan 20 penyebab masalah dapat menyelesaikan 80 masalah

Dalam diagram pareto ini masalah dapat terlihat secara urut dari yang paling tinggi ke yang paling rendah frekuensinya hal ini memudahkan untuk pengambilan keputusan Pada kasus ini masalah yang tebanyak frekuensinya adalah karena lokasi klinik yang jauh dari rumah untuk itu direktur pengelola mungkin dapat mengambil suatu kebijakan atau tindakan perbaikan contohnya dengan cara mempelajari ulang lokasi para pasien dan membuka cabang di lokasi yang dekat dengan rumah pasien walaupun perlu dipertimbangkan juga cost and benefit-nya penurunan 20 pendapatan dibandingkan meraih 25 pengunjung dengan membuka cabang baru

Walaupun menurut asas pareto hanya 20 penyebab saja yang menyebabkan 80 masalah direktur pengelola juga akan bijaksana melihat faktor lainnya contohnya frekuensi terbanyak kedua adalah ketidaktahuan pengunjung akan prosedur klinik seharusnya direktur pengelola dapat meninjau metoda pemberitahuan prosedur direktur pengelola dapat saja sebagai contoh membuat suatu informasi mengenai prosedur klinik yang dipasang di tempat yang mudah dilihat pengunjung atau juga mewajibkan petugas keamanan secara proaktif melayani pengunjung misalnya saat membuka pintu pengunjung dapat disapa dengan ramah dan bertanya apakah membutuhkan bantuan atau informasi Ketidak-tahuan pelanggan dengan adanya klinik krina dapat diselesaikan dengan cara melakukan iklan atau pamflet atau sarana komunikasi massa lainnya supaya masyarakat mengetahui adanya klinik sehat krina Pelayanan klinik yang kurang baik juga dapat menyebabkan kehilangan pasien seharusnya pelayanan adalah suatu masalah yang paling murah direktur pengelola harus mempelajari masalah ini dan mengambil tindakan untuk memperbaiki ini

3 Histogram

Dikenal juga sebagai grafik distribusi frekuensi salah satu jenis grafik batang

yang digunakan untuk menganalisa mutu dari sekelompok data (hasil produksi) dengan

menampilkan nilai tengah sebagai standar mutu produk dan distribusi atau penyebaran

datanya Meski sekelompok data memiliki standar mutu yang sama tetapi bila

penyebaran data semakin melebar ke kiri atau ke kanan maka dapat dikatakan bahwa

mutu hasil produksi pada kelompok tersebut kurang bermutu sebaliknya semakin sempit

sebaran data pada kiri dan kanan nilai tengah maka hasil produksi dapat dikatakan lebih

bermutu karena mendekati spect yang telah ditetapkan Agar Histogram memberikan

gambaran yang akurat tentang kondisi hasil produksi perlu dilakukan pengolahan data

yang akurat terlebih dulu dimulai dari pengumpulan data tidak kurang dari 50 sampel

yaitu jumlah yang dianggap dapat memenuhi populasi yang akan diamati Pengolahan

data pada Histogram menjadi sangat penting terutama dalam menentu-kan besaran nilai

tengah (standar) dan seberapa banyak kelas-kelas data yang akan menggambarkan

penyebaran data yang tercipta Melalui gambar Histogram yang ditampilkan akan dapat

diprediksi hal-hal sebagai berikut

a Bila bentuk Histogram pada sisi kiri dan kanan dari kelas yang tertinggi

berbentuk simetri maka dapat diprediksi bahwa proses berjalan konsisten artinya seluruh

faktor-faktor dalam proses memenuhi syarat-syarat yang ditentukan

b Bila Histogram berbentuk sisir kemungkinan yang terjadi adalah

ketidaktepatan dalam pengukuran atau pembulatan nilai data sehingga berpengaruh pada

penetapan batas-batas kelas

c Bila sebaran data melampaui batas-batas spesifikasi maka dapat dikatakan

bahwa ada bagian dari hasil produk yang tidak memenuhi spesifikasi mutu Tetapi

sebaliknya bila sebaran data ternyata berada di dalam batas-batas spesifikasi maka hasil

produk sudah memenuhi spesifikasi mutu yang ditetapkan

Secara umum histogram biasa digunakan untuk memantau pengembangan

produk baru penggunaan alat atau teknologi produksi yang baru memprediksi kondisi

pengendalian proses hasil penjualan manajemen lingkungan dan lain sebagainya

Contoh Kasus

Untuk menggambarkan variasi dari suatu proses yang didalamnya terdapat

berbagai faktor (orang mesin bahan metoda dll)

4 Scatter DiagramAlat bantu ini sangat berguna untuk mendeteksi korelasi (hubungan) antara dua

variable (faktor) sekaligus juga memperlihatkan tingkat hubungan tersebut (kuat atau

lemah)

Pada pemanfaatannya scatter diagram membutuhkan data berpasangan sebagai

bahan baku analisisnya yaitu sekumpulan nilai x sebagai faktor yang independent

berpasangan dengan sekumpulan nilai y sebagai faktor dependen Artinya bahwa setiap

nilai x yang didapatkan memberi dampak pada nilai y Contohnya

Diperoleh data bahwa ada hubungan antara banyaknya komplain (x) dengan

jumlah retur barang

(y) x = 5 1048774 y = 50 eks

x = 10 1048774 y = 120 eks

x = 12 1048774 y = 150 eks dst

Melalui penggambaran data tersebut dalam scatter diagram akan dapat dilakukan

analisa lebih lanjut sejauhmana antara faktor x dan y memiliki korelasi yang dalam hal

ini direpresentasikan sebagai nilai r (rho) yaitu nilai yang menunjukkan tingkat keeratan

hubungan antar faktor tersebut Dikatakan kedua faktor itu berhubungan sangat erat bila

nilai rho mendekati angka + 1 Di samping itu juga akan dapat disimpulkan

kecenderungan arah korelasi tersebut (positif aau negatif) Korelasi memiliki

kecenderungan positif bila setiap pertambahan faktor x menyebab-kan pertambahan

faktor y sebaliknya kecenderungan negatif bila setiap pertam- bahan menyebabkan

pengurangan faktor y

Contoh Kasus

Data Tekanan Udara Hembus dan Persentase Plastik Kerusakan Tangki

Pembuat tangki plastik yang membuat dengan metode cetak hembusan menghadapi masalah dengan tangki rusak yang mempunyai dinding tipis Diduga variasi tekanan udara yang berbeda dari hari ke hari yang menyebabkan ketidaksesuaian ketebalan dinding

5 Control ChartIni adalah sebuah alat bantu berupa grafik yang akan menggambarkan stabilitas

suatu proses kerja Melalui gambaran tersebut akan dapat dideteksi apakah proses

tersebut berjalan baik (stabil) atau tidak

Alat bantu ini pertama kali diperkenalkan oleh WA Shewhart di Laboratorium

Bell Telephone Karakteristik pokok pada alat bantu ini adalah adanya sepasang batas

kendali (Upper dan Lower Limit) sehingga dari data yang dikumpulkan akan dapat

terdeteksi kecenderungan kondisi proses yang sesungguhnya Pada dasarnya alat bantu

ini adalah berupa rekaman data suatu proses yang sudah berjalan Bila data yang

terkumpul sebagian besar berada dalam batas pengendalian maka dapat disimpulkan

bahwa proses berjalan dalam kondisi stabil Tetapi sebaliknya bila sebagian besar data

menunjukkan deviasi di luarbatas kendali maka bisa dikatakan proses berjalan tidak

normal yang bias berdampak pada penurunan Mutu produk Mutu produk yang

diciptakan melalui suatu proses panjang sesungguhnya tidak pernah bisa terlepas dari

variasi yang dalam hal ini bisa dibedakan menjadi 2 kategori yaitu (1) rdquoChance

Causerdquo yaitu variasi yang timbul secara tidak terduga dan sukar dikendalikan dan (2)

rdquoAssignable Causerdquo yaitu variasi yang bisa diperkirakan penyebabnya dan

memungkinkan untuk dilakukan pencegahan Control Chart sangat bermanfaat untuk

memonitor proses operasional atau produksi agar bila terjadi suatu penyimpangan dapat

segera ditindaklanjuti Menggunakan alat bantu ini secara kontinyu akan bisa mencegah

persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan

Contoh Kasus

Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak

untuk setiap sub grup dengan jumlah total sampel

Lembaran Data Untuk Peta pn

6 Ishikawa DiagramIni adalah satu-satunya alat bantu yang menggunakan data verbal

(nonnumerical )atau data kualitatif dalam penyajiannya Alat bantu ini menggambarkan tentang suatu kondisi rdquopenyimpangan muturdquo yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan Berbeda dengan alat-alat bantu lainnya karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok Di samping itu manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan)

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

Pengurutan

Dari diagram pareto ditunjukan secara jelas masalah tertinggi sebesar 25 dari seluruh masalah dikarenakan oleh lokasi klinik jauh dari rumah diagram pareto ditemukan oleh Vilfredo Pareto dan dipopulerkan oleh Joseph M Juran yang berpendapat bahwa 80 masalah disebabkan oleh 20 penyebab sehingga bila menyelesaikan 20 penyebab masalah dapat menyelesaikan 80 masalah

Dalam diagram pareto ini masalah dapat terlihat secara urut dari yang paling tinggi ke yang paling rendah frekuensinya hal ini memudahkan untuk pengambilan keputusan Pada kasus ini masalah yang tebanyak frekuensinya adalah karena lokasi klinik yang jauh dari rumah untuk itu direktur pengelola mungkin dapat mengambil suatu kebijakan atau tindakan perbaikan contohnya dengan cara mempelajari ulang lokasi para pasien dan membuka cabang di lokasi yang dekat dengan rumah pasien walaupun perlu dipertimbangkan juga cost and benefit-nya penurunan 20 pendapatan dibandingkan meraih 25 pengunjung dengan membuka cabang baru

Walaupun menurut asas pareto hanya 20 penyebab saja yang menyebabkan 80 masalah direktur pengelola juga akan bijaksana melihat faktor lainnya contohnya frekuensi terbanyak kedua adalah ketidaktahuan pengunjung akan prosedur klinik seharusnya direktur pengelola dapat meninjau metoda pemberitahuan prosedur direktur pengelola dapat saja sebagai contoh membuat suatu informasi mengenai prosedur klinik yang dipasang di tempat yang mudah dilihat pengunjung atau juga mewajibkan petugas keamanan secara proaktif melayani pengunjung misalnya saat membuka pintu pengunjung dapat disapa dengan ramah dan bertanya apakah membutuhkan bantuan atau informasi Ketidak-tahuan pelanggan dengan adanya klinik krina dapat diselesaikan dengan cara melakukan iklan atau pamflet atau sarana komunikasi massa lainnya supaya masyarakat mengetahui adanya klinik sehat krina Pelayanan klinik yang kurang baik juga dapat menyebabkan kehilangan pasien seharusnya pelayanan adalah suatu masalah yang paling murah direktur pengelola harus mempelajari masalah ini dan mengambil tindakan untuk memperbaiki ini

3 Histogram

Dikenal juga sebagai grafik distribusi frekuensi salah satu jenis grafik batang

yang digunakan untuk menganalisa mutu dari sekelompok data (hasil produksi) dengan

menampilkan nilai tengah sebagai standar mutu produk dan distribusi atau penyebaran

datanya Meski sekelompok data memiliki standar mutu yang sama tetapi bila

penyebaran data semakin melebar ke kiri atau ke kanan maka dapat dikatakan bahwa

mutu hasil produksi pada kelompok tersebut kurang bermutu sebaliknya semakin sempit

sebaran data pada kiri dan kanan nilai tengah maka hasil produksi dapat dikatakan lebih

bermutu karena mendekati spect yang telah ditetapkan Agar Histogram memberikan

gambaran yang akurat tentang kondisi hasil produksi perlu dilakukan pengolahan data

yang akurat terlebih dulu dimulai dari pengumpulan data tidak kurang dari 50 sampel

yaitu jumlah yang dianggap dapat memenuhi populasi yang akan diamati Pengolahan

data pada Histogram menjadi sangat penting terutama dalam menentu-kan besaran nilai

tengah (standar) dan seberapa banyak kelas-kelas data yang akan menggambarkan

penyebaran data yang tercipta Melalui gambar Histogram yang ditampilkan akan dapat

diprediksi hal-hal sebagai berikut

a Bila bentuk Histogram pada sisi kiri dan kanan dari kelas yang tertinggi

berbentuk simetri maka dapat diprediksi bahwa proses berjalan konsisten artinya seluruh

faktor-faktor dalam proses memenuhi syarat-syarat yang ditentukan

b Bila Histogram berbentuk sisir kemungkinan yang terjadi adalah

ketidaktepatan dalam pengukuran atau pembulatan nilai data sehingga berpengaruh pada

penetapan batas-batas kelas

c Bila sebaran data melampaui batas-batas spesifikasi maka dapat dikatakan

bahwa ada bagian dari hasil produk yang tidak memenuhi spesifikasi mutu Tetapi

sebaliknya bila sebaran data ternyata berada di dalam batas-batas spesifikasi maka hasil

produk sudah memenuhi spesifikasi mutu yang ditetapkan

Secara umum histogram biasa digunakan untuk memantau pengembangan

produk baru penggunaan alat atau teknologi produksi yang baru memprediksi kondisi

pengendalian proses hasil penjualan manajemen lingkungan dan lain sebagainya

Contoh Kasus

Untuk menggambarkan variasi dari suatu proses yang didalamnya terdapat

berbagai faktor (orang mesin bahan metoda dll)

4 Scatter DiagramAlat bantu ini sangat berguna untuk mendeteksi korelasi (hubungan) antara dua

variable (faktor) sekaligus juga memperlihatkan tingkat hubungan tersebut (kuat atau

lemah)

Pada pemanfaatannya scatter diagram membutuhkan data berpasangan sebagai

bahan baku analisisnya yaitu sekumpulan nilai x sebagai faktor yang independent

berpasangan dengan sekumpulan nilai y sebagai faktor dependen Artinya bahwa setiap

nilai x yang didapatkan memberi dampak pada nilai y Contohnya

Diperoleh data bahwa ada hubungan antara banyaknya komplain (x) dengan

jumlah retur barang

(y) x = 5 1048774 y = 50 eks

x = 10 1048774 y = 120 eks

x = 12 1048774 y = 150 eks dst

Melalui penggambaran data tersebut dalam scatter diagram akan dapat dilakukan

analisa lebih lanjut sejauhmana antara faktor x dan y memiliki korelasi yang dalam hal

ini direpresentasikan sebagai nilai r (rho) yaitu nilai yang menunjukkan tingkat keeratan

hubungan antar faktor tersebut Dikatakan kedua faktor itu berhubungan sangat erat bila

nilai rho mendekati angka + 1 Di samping itu juga akan dapat disimpulkan

kecenderungan arah korelasi tersebut (positif aau negatif) Korelasi memiliki

kecenderungan positif bila setiap pertambahan faktor x menyebab-kan pertambahan

faktor y sebaliknya kecenderungan negatif bila setiap pertam- bahan menyebabkan

pengurangan faktor y

Contoh Kasus

Data Tekanan Udara Hembus dan Persentase Plastik Kerusakan Tangki

Pembuat tangki plastik yang membuat dengan metode cetak hembusan menghadapi masalah dengan tangki rusak yang mempunyai dinding tipis Diduga variasi tekanan udara yang berbeda dari hari ke hari yang menyebabkan ketidaksesuaian ketebalan dinding

5 Control ChartIni adalah sebuah alat bantu berupa grafik yang akan menggambarkan stabilitas

suatu proses kerja Melalui gambaran tersebut akan dapat dideteksi apakah proses

tersebut berjalan baik (stabil) atau tidak

Alat bantu ini pertama kali diperkenalkan oleh WA Shewhart di Laboratorium

Bell Telephone Karakteristik pokok pada alat bantu ini adalah adanya sepasang batas

kendali (Upper dan Lower Limit) sehingga dari data yang dikumpulkan akan dapat

terdeteksi kecenderungan kondisi proses yang sesungguhnya Pada dasarnya alat bantu

ini adalah berupa rekaman data suatu proses yang sudah berjalan Bila data yang

terkumpul sebagian besar berada dalam batas pengendalian maka dapat disimpulkan

bahwa proses berjalan dalam kondisi stabil Tetapi sebaliknya bila sebagian besar data

menunjukkan deviasi di luarbatas kendali maka bisa dikatakan proses berjalan tidak

normal yang bias berdampak pada penurunan Mutu produk Mutu produk yang

diciptakan melalui suatu proses panjang sesungguhnya tidak pernah bisa terlepas dari

variasi yang dalam hal ini bisa dibedakan menjadi 2 kategori yaitu (1) rdquoChance

Causerdquo yaitu variasi yang timbul secara tidak terduga dan sukar dikendalikan dan (2)

rdquoAssignable Causerdquo yaitu variasi yang bisa diperkirakan penyebabnya dan

memungkinkan untuk dilakukan pencegahan Control Chart sangat bermanfaat untuk

memonitor proses operasional atau produksi agar bila terjadi suatu penyimpangan dapat

segera ditindaklanjuti Menggunakan alat bantu ini secara kontinyu akan bisa mencegah

persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan

Contoh Kasus

Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak

untuk setiap sub grup dengan jumlah total sampel

Lembaran Data Untuk Peta pn

6 Ishikawa DiagramIni adalah satu-satunya alat bantu yang menggunakan data verbal

(nonnumerical )atau data kualitatif dalam penyajiannya Alat bantu ini menggambarkan tentang suatu kondisi rdquopenyimpangan muturdquo yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan Berbeda dengan alat-alat bantu lainnya karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok Di samping itu manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan)

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

Walaupun menurut asas pareto hanya 20 penyebab saja yang menyebabkan 80 masalah direktur pengelola juga akan bijaksana melihat faktor lainnya contohnya frekuensi terbanyak kedua adalah ketidaktahuan pengunjung akan prosedur klinik seharusnya direktur pengelola dapat meninjau metoda pemberitahuan prosedur direktur pengelola dapat saja sebagai contoh membuat suatu informasi mengenai prosedur klinik yang dipasang di tempat yang mudah dilihat pengunjung atau juga mewajibkan petugas keamanan secara proaktif melayani pengunjung misalnya saat membuka pintu pengunjung dapat disapa dengan ramah dan bertanya apakah membutuhkan bantuan atau informasi Ketidak-tahuan pelanggan dengan adanya klinik krina dapat diselesaikan dengan cara melakukan iklan atau pamflet atau sarana komunikasi massa lainnya supaya masyarakat mengetahui adanya klinik sehat krina Pelayanan klinik yang kurang baik juga dapat menyebabkan kehilangan pasien seharusnya pelayanan adalah suatu masalah yang paling murah direktur pengelola harus mempelajari masalah ini dan mengambil tindakan untuk memperbaiki ini

3 Histogram

Dikenal juga sebagai grafik distribusi frekuensi salah satu jenis grafik batang

yang digunakan untuk menganalisa mutu dari sekelompok data (hasil produksi) dengan

menampilkan nilai tengah sebagai standar mutu produk dan distribusi atau penyebaran

datanya Meski sekelompok data memiliki standar mutu yang sama tetapi bila

penyebaran data semakin melebar ke kiri atau ke kanan maka dapat dikatakan bahwa

mutu hasil produksi pada kelompok tersebut kurang bermutu sebaliknya semakin sempit

sebaran data pada kiri dan kanan nilai tengah maka hasil produksi dapat dikatakan lebih

bermutu karena mendekati spect yang telah ditetapkan Agar Histogram memberikan

gambaran yang akurat tentang kondisi hasil produksi perlu dilakukan pengolahan data

yang akurat terlebih dulu dimulai dari pengumpulan data tidak kurang dari 50 sampel

yaitu jumlah yang dianggap dapat memenuhi populasi yang akan diamati Pengolahan

data pada Histogram menjadi sangat penting terutama dalam menentu-kan besaran nilai

tengah (standar) dan seberapa banyak kelas-kelas data yang akan menggambarkan

penyebaran data yang tercipta Melalui gambar Histogram yang ditampilkan akan dapat

diprediksi hal-hal sebagai berikut

a Bila bentuk Histogram pada sisi kiri dan kanan dari kelas yang tertinggi

berbentuk simetri maka dapat diprediksi bahwa proses berjalan konsisten artinya seluruh

faktor-faktor dalam proses memenuhi syarat-syarat yang ditentukan

b Bila Histogram berbentuk sisir kemungkinan yang terjadi adalah

ketidaktepatan dalam pengukuran atau pembulatan nilai data sehingga berpengaruh pada

penetapan batas-batas kelas

c Bila sebaran data melampaui batas-batas spesifikasi maka dapat dikatakan

bahwa ada bagian dari hasil produk yang tidak memenuhi spesifikasi mutu Tetapi

sebaliknya bila sebaran data ternyata berada di dalam batas-batas spesifikasi maka hasil

produk sudah memenuhi spesifikasi mutu yang ditetapkan

Secara umum histogram biasa digunakan untuk memantau pengembangan

produk baru penggunaan alat atau teknologi produksi yang baru memprediksi kondisi

pengendalian proses hasil penjualan manajemen lingkungan dan lain sebagainya

Contoh Kasus

Untuk menggambarkan variasi dari suatu proses yang didalamnya terdapat

berbagai faktor (orang mesin bahan metoda dll)

4 Scatter DiagramAlat bantu ini sangat berguna untuk mendeteksi korelasi (hubungan) antara dua

variable (faktor) sekaligus juga memperlihatkan tingkat hubungan tersebut (kuat atau

lemah)

Pada pemanfaatannya scatter diagram membutuhkan data berpasangan sebagai

bahan baku analisisnya yaitu sekumpulan nilai x sebagai faktor yang independent

berpasangan dengan sekumpulan nilai y sebagai faktor dependen Artinya bahwa setiap

nilai x yang didapatkan memberi dampak pada nilai y Contohnya

Diperoleh data bahwa ada hubungan antara banyaknya komplain (x) dengan

jumlah retur barang

(y) x = 5 1048774 y = 50 eks

x = 10 1048774 y = 120 eks

x = 12 1048774 y = 150 eks dst

Melalui penggambaran data tersebut dalam scatter diagram akan dapat dilakukan

analisa lebih lanjut sejauhmana antara faktor x dan y memiliki korelasi yang dalam hal

ini direpresentasikan sebagai nilai r (rho) yaitu nilai yang menunjukkan tingkat keeratan

hubungan antar faktor tersebut Dikatakan kedua faktor itu berhubungan sangat erat bila

nilai rho mendekati angka + 1 Di samping itu juga akan dapat disimpulkan

kecenderungan arah korelasi tersebut (positif aau negatif) Korelasi memiliki

kecenderungan positif bila setiap pertambahan faktor x menyebab-kan pertambahan

faktor y sebaliknya kecenderungan negatif bila setiap pertam- bahan menyebabkan

pengurangan faktor y

Contoh Kasus

Data Tekanan Udara Hembus dan Persentase Plastik Kerusakan Tangki

Pembuat tangki plastik yang membuat dengan metode cetak hembusan menghadapi masalah dengan tangki rusak yang mempunyai dinding tipis Diduga variasi tekanan udara yang berbeda dari hari ke hari yang menyebabkan ketidaksesuaian ketebalan dinding

5 Control ChartIni adalah sebuah alat bantu berupa grafik yang akan menggambarkan stabilitas

suatu proses kerja Melalui gambaran tersebut akan dapat dideteksi apakah proses

tersebut berjalan baik (stabil) atau tidak

Alat bantu ini pertama kali diperkenalkan oleh WA Shewhart di Laboratorium

Bell Telephone Karakteristik pokok pada alat bantu ini adalah adanya sepasang batas

kendali (Upper dan Lower Limit) sehingga dari data yang dikumpulkan akan dapat

terdeteksi kecenderungan kondisi proses yang sesungguhnya Pada dasarnya alat bantu

ini adalah berupa rekaman data suatu proses yang sudah berjalan Bila data yang

terkumpul sebagian besar berada dalam batas pengendalian maka dapat disimpulkan

bahwa proses berjalan dalam kondisi stabil Tetapi sebaliknya bila sebagian besar data

menunjukkan deviasi di luarbatas kendali maka bisa dikatakan proses berjalan tidak

normal yang bias berdampak pada penurunan Mutu produk Mutu produk yang

diciptakan melalui suatu proses panjang sesungguhnya tidak pernah bisa terlepas dari

variasi yang dalam hal ini bisa dibedakan menjadi 2 kategori yaitu (1) rdquoChance

Causerdquo yaitu variasi yang timbul secara tidak terduga dan sukar dikendalikan dan (2)

rdquoAssignable Causerdquo yaitu variasi yang bisa diperkirakan penyebabnya dan

memungkinkan untuk dilakukan pencegahan Control Chart sangat bermanfaat untuk

memonitor proses operasional atau produksi agar bila terjadi suatu penyimpangan dapat

segera ditindaklanjuti Menggunakan alat bantu ini secara kontinyu akan bisa mencegah

persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan

Contoh Kasus

Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak

untuk setiap sub grup dengan jumlah total sampel

Lembaran Data Untuk Peta pn

6 Ishikawa DiagramIni adalah satu-satunya alat bantu yang menggunakan data verbal

(nonnumerical )atau data kualitatif dalam penyajiannya Alat bantu ini menggambarkan tentang suatu kondisi rdquopenyimpangan muturdquo yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan Berbeda dengan alat-alat bantu lainnya karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok Di samping itu manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan)

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

b Bila Histogram berbentuk sisir kemungkinan yang terjadi adalah

ketidaktepatan dalam pengukuran atau pembulatan nilai data sehingga berpengaruh pada

penetapan batas-batas kelas

c Bila sebaran data melampaui batas-batas spesifikasi maka dapat dikatakan

bahwa ada bagian dari hasil produk yang tidak memenuhi spesifikasi mutu Tetapi

sebaliknya bila sebaran data ternyata berada di dalam batas-batas spesifikasi maka hasil

produk sudah memenuhi spesifikasi mutu yang ditetapkan

Secara umum histogram biasa digunakan untuk memantau pengembangan

produk baru penggunaan alat atau teknologi produksi yang baru memprediksi kondisi

pengendalian proses hasil penjualan manajemen lingkungan dan lain sebagainya

Contoh Kasus

Untuk menggambarkan variasi dari suatu proses yang didalamnya terdapat

berbagai faktor (orang mesin bahan metoda dll)

4 Scatter DiagramAlat bantu ini sangat berguna untuk mendeteksi korelasi (hubungan) antara dua

variable (faktor) sekaligus juga memperlihatkan tingkat hubungan tersebut (kuat atau

lemah)

Pada pemanfaatannya scatter diagram membutuhkan data berpasangan sebagai

bahan baku analisisnya yaitu sekumpulan nilai x sebagai faktor yang independent

berpasangan dengan sekumpulan nilai y sebagai faktor dependen Artinya bahwa setiap

nilai x yang didapatkan memberi dampak pada nilai y Contohnya

Diperoleh data bahwa ada hubungan antara banyaknya komplain (x) dengan

jumlah retur barang

(y) x = 5 1048774 y = 50 eks

x = 10 1048774 y = 120 eks

x = 12 1048774 y = 150 eks dst

Melalui penggambaran data tersebut dalam scatter diagram akan dapat dilakukan

analisa lebih lanjut sejauhmana antara faktor x dan y memiliki korelasi yang dalam hal

ini direpresentasikan sebagai nilai r (rho) yaitu nilai yang menunjukkan tingkat keeratan

hubungan antar faktor tersebut Dikatakan kedua faktor itu berhubungan sangat erat bila

nilai rho mendekati angka + 1 Di samping itu juga akan dapat disimpulkan

kecenderungan arah korelasi tersebut (positif aau negatif) Korelasi memiliki

kecenderungan positif bila setiap pertambahan faktor x menyebab-kan pertambahan

faktor y sebaliknya kecenderungan negatif bila setiap pertam- bahan menyebabkan

pengurangan faktor y

Contoh Kasus

Data Tekanan Udara Hembus dan Persentase Plastik Kerusakan Tangki

Pembuat tangki plastik yang membuat dengan metode cetak hembusan menghadapi masalah dengan tangki rusak yang mempunyai dinding tipis Diduga variasi tekanan udara yang berbeda dari hari ke hari yang menyebabkan ketidaksesuaian ketebalan dinding

5 Control ChartIni adalah sebuah alat bantu berupa grafik yang akan menggambarkan stabilitas

suatu proses kerja Melalui gambaran tersebut akan dapat dideteksi apakah proses

tersebut berjalan baik (stabil) atau tidak

Alat bantu ini pertama kali diperkenalkan oleh WA Shewhart di Laboratorium

Bell Telephone Karakteristik pokok pada alat bantu ini adalah adanya sepasang batas

kendali (Upper dan Lower Limit) sehingga dari data yang dikumpulkan akan dapat

terdeteksi kecenderungan kondisi proses yang sesungguhnya Pada dasarnya alat bantu

ini adalah berupa rekaman data suatu proses yang sudah berjalan Bila data yang

terkumpul sebagian besar berada dalam batas pengendalian maka dapat disimpulkan

bahwa proses berjalan dalam kondisi stabil Tetapi sebaliknya bila sebagian besar data

menunjukkan deviasi di luarbatas kendali maka bisa dikatakan proses berjalan tidak

normal yang bias berdampak pada penurunan Mutu produk Mutu produk yang

diciptakan melalui suatu proses panjang sesungguhnya tidak pernah bisa terlepas dari

variasi yang dalam hal ini bisa dibedakan menjadi 2 kategori yaitu (1) rdquoChance

Causerdquo yaitu variasi yang timbul secara tidak terduga dan sukar dikendalikan dan (2)

rdquoAssignable Causerdquo yaitu variasi yang bisa diperkirakan penyebabnya dan

memungkinkan untuk dilakukan pencegahan Control Chart sangat bermanfaat untuk

memonitor proses operasional atau produksi agar bila terjadi suatu penyimpangan dapat

segera ditindaklanjuti Menggunakan alat bantu ini secara kontinyu akan bisa mencegah

persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan

Contoh Kasus

Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak

untuk setiap sub grup dengan jumlah total sampel

Lembaran Data Untuk Peta pn

6 Ishikawa DiagramIni adalah satu-satunya alat bantu yang menggunakan data verbal

(nonnumerical )atau data kualitatif dalam penyajiannya Alat bantu ini menggambarkan tentang suatu kondisi rdquopenyimpangan muturdquo yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan Berbeda dengan alat-alat bantu lainnya karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok Di samping itu manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan)

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

bahan baku analisisnya yaitu sekumpulan nilai x sebagai faktor yang independent

berpasangan dengan sekumpulan nilai y sebagai faktor dependen Artinya bahwa setiap

nilai x yang didapatkan memberi dampak pada nilai y Contohnya

Diperoleh data bahwa ada hubungan antara banyaknya komplain (x) dengan

jumlah retur barang

(y) x = 5 1048774 y = 50 eks

x = 10 1048774 y = 120 eks

x = 12 1048774 y = 150 eks dst

Melalui penggambaran data tersebut dalam scatter diagram akan dapat dilakukan

analisa lebih lanjut sejauhmana antara faktor x dan y memiliki korelasi yang dalam hal

ini direpresentasikan sebagai nilai r (rho) yaitu nilai yang menunjukkan tingkat keeratan

hubungan antar faktor tersebut Dikatakan kedua faktor itu berhubungan sangat erat bila

nilai rho mendekati angka + 1 Di samping itu juga akan dapat disimpulkan

kecenderungan arah korelasi tersebut (positif aau negatif) Korelasi memiliki

kecenderungan positif bila setiap pertambahan faktor x menyebab-kan pertambahan

faktor y sebaliknya kecenderungan negatif bila setiap pertam- bahan menyebabkan

pengurangan faktor y

Contoh Kasus

Data Tekanan Udara Hembus dan Persentase Plastik Kerusakan Tangki

Pembuat tangki plastik yang membuat dengan metode cetak hembusan menghadapi masalah dengan tangki rusak yang mempunyai dinding tipis Diduga variasi tekanan udara yang berbeda dari hari ke hari yang menyebabkan ketidaksesuaian ketebalan dinding

5 Control ChartIni adalah sebuah alat bantu berupa grafik yang akan menggambarkan stabilitas

suatu proses kerja Melalui gambaran tersebut akan dapat dideteksi apakah proses

tersebut berjalan baik (stabil) atau tidak

Alat bantu ini pertama kali diperkenalkan oleh WA Shewhart di Laboratorium

Bell Telephone Karakteristik pokok pada alat bantu ini adalah adanya sepasang batas

kendali (Upper dan Lower Limit) sehingga dari data yang dikumpulkan akan dapat

terdeteksi kecenderungan kondisi proses yang sesungguhnya Pada dasarnya alat bantu

ini adalah berupa rekaman data suatu proses yang sudah berjalan Bila data yang

terkumpul sebagian besar berada dalam batas pengendalian maka dapat disimpulkan

bahwa proses berjalan dalam kondisi stabil Tetapi sebaliknya bila sebagian besar data

menunjukkan deviasi di luarbatas kendali maka bisa dikatakan proses berjalan tidak

normal yang bias berdampak pada penurunan Mutu produk Mutu produk yang

diciptakan melalui suatu proses panjang sesungguhnya tidak pernah bisa terlepas dari

variasi yang dalam hal ini bisa dibedakan menjadi 2 kategori yaitu (1) rdquoChance

Causerdquo yaitu variasi yang timbul secara tidak terduga dan sukar dikendalikan dan (2)

rdquoAssignable Causerdquo yaitu variasi yang bisa diperkirakan penyebabnya dan

memungkinkan untuk dilakukan pencegahan Control Chart sangat bermanfaat untuk

memonitor proses operasional atau produksi agar bila terjadi suatu penyimpangan dapat

segera ditindaklanjuti Menggunakan alat bantu ini secara kontinyu akan bisa mencegah

persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan

Contoh Kasus

Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak

untuk setiap sub grup dengan jumlah total sampel

Lembaran Data Untuk Peta pn

6 Ishikawa DiagramIni adalah satu-satunya alat bantu yang menggunakan data verbal

(nonnumerical )atau data kualitatif dalam penyajiannya Alat bantu ini menggambarkan tentang suatu kondisi rdquopenyimpangan muturdquo yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan Berbeda dengan alat-alat bantu lainnya karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok Di samping itu manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan)

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

5 Control ChartIni adalah sebuah alat bantu berupa grafik yang akan menggambarkan stabilitas

suatu proses kerja Melalui gambaran tersebut akan dapat dideteksi apakah proses

tersebut berjalan baik (stabil) atau tidak

Alat bantu ini pertama kali diperkenalkan oleh WA Shewhart di Laboratorium

Bell Telephone Karakteristik pokok pada alat bantu ini adalah adanya sepasang batas

kendali (Upper dan Lower Limit) sehingga dari data yang dikumpulkan akan dapat

terdeteksi kecenderungan kondisi proses yang sesungguhnya Pada dasarnya alat bantu

ini adalah berupa rekaman data suatu proses yang sudah berjalan Bila data yang

terkumpul sebagian besar berada dalam batas pengendalian maka dapat disimpulkan

bahwa proses berjalan dalam kondisi stabil Tetapi sebaliknya bila sebagian besar data

menunjukkan deviasi di luarbatas kendali maka bisa dikatakan proses berjalan tidak

normal yang bias berdampak pada penurunan Mutu produk Mutu produk yang

diciptakan melalui suatu proses panjang sesungguhnya tidak pernah bisa terlepas dari

variasi yang dalam hal ini bisa dibedakan menjadi 2 kategori yaitu (1) rdquoChance

Causerdquo yaitu variasi yang timbul secara tidak terduga dan sukar dikendalikan dan (2)

rdquoAssignable Causerdquo yaitu variasi yang bisa diperkirakan penyebabnya dan

memungkinkan untuk dilakukan pencegahan Control Chart sangat bermanfaat untuk

memonitor proses operasional atau produksi agar bila terjadi suatu penyimpangan dapat

segera ditindaklanjuti Menggunakan alat bantu ini secara kontinyu akan bisa mencegah

persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan

Contoh Kasus

Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak

untuk setiap sub grup dengan jumlah total sampel

Lembaran Data Untuk Peta pn

6 Ishikawa DiagramIni adalah satu-satunya alat bantu yang menggunakan data verbal

(nonnumerical )atau data kualitatif dalam penyajiannya Alat bantu ini menggambarkan tentang suatu kondisi rdquopenyimpangan muturdquo yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan Berbeda dengan alat-alat bantu lainnya karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok Di samping itu manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan)

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

segera ditindaklanjuti Menggunakan alat bantu ini secara kontinyu akan bisa mencegah

persoalan mutu yang berlarut-larut dan cacat produk yang berlebihan

Contoh Kasus

Hitung rata-rata bagian rusak p dengan membagi jumlah keseluruhan unit rusak

untuk setiap sub grup dengan jumlah total sampel

Lembaran Data Untuk Peta pn

6 Ishikawa DiagramIni adalah satu-satunya alat bantu yang menggunakan data verbal

(nonnumerical )atau data kualitatif dalam penyajiannya Alat bantu ini menggambarkan tentang suatu kondisi rdquopenyimpangan muturdquo yang dipengaruhi oleh bermacam-macam penyebab yang saling berhubungan Berbeda dengan alat-alat bantu lainnya karena penggunaannya akan lebih efektifbila dilakukan dalam kelompok Sehingga alat bantu ini seringkali identik dengann kegiatan kelompok Di samping itu manfaat optimum diperoleh bila Ishikawa Diagram mampu menampilkan akar-akar penyebab yang sesungguhnya dari suatu penyimpangan (ketidakbermutuan)

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

Contoh Kasus OPTIMALISASI PELAKSANAAN KEGIATAN PEMERIKSAAN JENTIK

BERKALA VEKTOR DEMAM BERDARAH DENGUE DI PUSKESMAS HARAPAN RAYA PEKANBARU

Masalah Penyebab Timbulnya Masalah Evidence Base

Pemeriksaan Jentik Berkala (PJB) tidak dilakukan

sect ManKurangnya petugas pelaksana Kesling ndash P2P untuk pelaksanaan pemeriksaan jentik berkala (PJB) khususnya

Penanggung jawab kegiatan tidak ada

sect Method

Tidak ada protap mengenai pelaksanaan kegiatan pemeriksaan jentik berkala di Puskesmas Harapan Raya

Kurangnya kerjasama lintas sektoral dan pemberdayaan masyarakat di wilayah kerja Puskesmas Harapan Raya untuk melakukan kegiatan secara bersama

sect Money

Kurangnya dana yang di alokasikan khusus terhadap kegiatan pemeriksaan jentik berkala

sect Time

Kurangnya waktu yang dimilki petugas Kesling dan P2P untuk pelaksaanaan kegiatan PJB karena petugas tersebut juga diberdayakan untuk pelaksanaan kegiatan lain di Puskesmas

Berdasarkan wawancara petugas Kesling dan petugas P2P dilapangan masing-masing hanya 1 orangDari wawancara diketahui tidak ada penanggung jawab kegiatan

Berdasarkan wawancara protap mengenai pemeriksaan jentik berkala tidak ada

Berdasarkan wawancara belum adanya koordinasi dengan pihak terkait

Berdasarkan wawancara tidak adanya dana khusus pelaksanaan kegiatan PJB

Wawancara diketahui bahwa petugas Kesling dan P2P juga memegang kegiatan lain di luar bidangnya

mdashDi bawah ini dapat dilihat hubungan antara keempat faktor tersebut dengan menggunakan fishbone Analysis Ishikawa-

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

Diagram tulang ikan (diagram Ishikawa)

-

7 Stratifikasi

Contoh Kasus

- Kota Kupang merupakan salah satu dari 16 KabupatenKota yang ada di Propinsi Nusa Tenggara Timur dan termasuk dalam kriteria endemis malaria Kasus malaria klinis di Kota Kupang dari tahun ke tahun cenderung berfluktuasi Penyakit ini disebabkan oleh nyamuk Anopheles betina Data dari Dinas Kesehatan Kota Kupang selama 7 tahun terakhir menunjukkan bahwa telah terjadi penurunan kasus malaria Tahun 2000 ditemukan bahwa setiap 1000 penduduk terdapat 1015 penderita malaria dan tahun 2007 menurun sebesar 333 penderita malaria per 1000 penduduk Kecenderungan penurunan kasus malaria dapat dilihat pada grafik berikut

Berdasarkan stratifikasi endemisitas malaria klinis penyakit malaria di Kota Kupang tersebar di seluruh kelurahan dengan tingkat endemis (keparahan) seperti pada tabel berikut ini

Tabel Stratifikasi endemisitas penyakit malaria di Kota Kupang Tahun 2002 ndash 2005

Keterangan HIA (High Incidence Area )=AMI gt170 per 1000 penduduk MIA (Medium Incidence Area) = AMI 50 ndash 170 per 1000 penduduk LIA (Low Incidence Area)= lt 50 per 1000 pendudukDari tabel tersebut diatas menunjukkan bahwa daerah dengan ancaman tinggi malaria semakin menurun Daerah terancam tertinggi adalah wilayah Kecamatan Oebobo dan terendah kecamatan Kelapa Lima