Tugas Mutu 7 Tools
Transcript of Tugas Mutu 7 Tools
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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