Friday, May 22, 2026

You Can’t Manage What You Can’t Measure

“You Can’t Manage What You Can’t Measure” dari Kacamata Quality Control

“You can’t manage what you can’t measure.” Kutipan terkenal dari Peter Drucker ini mungkin terlihat sederhana, tetapi dalam dunia Quality Control (QC), kalimat tersebut merupakan fondasi utama dalam memahami hampir seluruh permasalahan kualitas yang terjadi di perusahaan. 

Banyak masalah di lapangan sebenarnya bukan muncul karena perusahaan tidak bekerja keras, melainkan karena perusahaan tidak memiliki ukuran yang jelas terhadap apa yang sedang mereka kerjakan. Akibatnya, masalah hanya dirasakan, diperdebatkan, atau disalahkan kepada manusia, tetapi tidak pernah benar-benar dipahami secara objektif melalui data.

Dalam praktik QC, hampir semua keputusan seharusnya lahir dari hasil pengukuran. Ketika perusahaan mengatakan bahwa kualitas menurun, maka pertanyaannya adalah: menurun berdasarkan ukuran apa? Ketika produksi dianggap tidak stabil, maka indikator ketidakstabilannya apa? 

Ketika pelanggan mengeluh produk cacat, maka berapa tingkat defect sebenarnya? Jika semua pertanyaan itu tidak memiliki angka yang jelas, maka perusahaan sebenarnya sedang berjalan berdasarkan asumsi, bukan berdasarkan fakta.

Banyak perusahaan mengalami masalah klasik di area Quality Control karena terlalu fokus pada opini dibandingkan data. Operator merasa mesin masih bagus, supervisor merasa proses masih aman, sementara pelanggan mulai komplain diam-diam. 

Di sinilah QC memiliki peran penting sebagai “mata objektif” perusahaan. QC bukan sekadar mencari kesalahan produk, tetapi menerjemahkan kondisi nyata di lapangan ke dalam angka yang dapat dianalisis dan dikendalikan.

Sebagai contoh sederhana, sebuah perusahaan makanan merasa produknya sudah konsisten karena secara visual terlihat sama. Namun setelah dilakukan pengukuran berat, ternyata terdapat variasi yang cukup besar antarproduk. 

Ada yang kurang 5 gram, ada yang lebih 8 gram. Secara kasat mata mungkin terlihat normal, tetapi secara statistik proses tersebut sebenarnya tidak stabil. Tanpa pengukuran, perusahaan akan terus merasa semuanya baik-baik saja, padahal potensi kerugian dan komplain pelanggan sedang tumbuh perlahan.

Hal yang sama juga terjadi dalam dunia manufaktur. Banyak masalah kualitas muncul bukan karena proses benar-benar rusak, tetapi karena perusahaan terlambat mendeteksi variasi kecil yang terus membesar. 

Mesin yang mulai aus, suhu produksi yang berubah sedikit, kelembapan ruangan yang meningkat, atau material supplier yang mulai tidak konsisten sering kali tidak langsung terasa dampaknya. Namun jika perusahaan memiliki sistem pengukuran yang baik, perubahan kecil tersebut sebenarnya bisa dideteksi sejak awal sebelum berubah menjadi defect massal.

Dalam QC, pengukuran bukan hanya tentang produk akhir, tetapi juga tentang proses. Inilah mengapa konsep seperti standar deviasi, Cp, Cpk, defect rate, reject ratio, hingga Relative Standard Deviation (RSD) menjadi sangat penting. 

Semua indikator tersebut membantu perusahaan melihat apakah proses benar-benar stabil atau hanya terlihat stabil. Karena pada kenyataannya, proses yang terlihat normal belum tentu berada dalam kondisi terkendali secara statistik.

Banyak konflik antar departemen juga sebenarnya terjadi karena tidak adanya standar pengukuran yang sama. Produksi merasa target tercapai karena output tinggi, sementara QC merasa kualitas menurun karena defect meningkat. Warehouse merasa pengiriman lancar, tetapi pelanggan merasa banyak produk rusak saat diterima. 

Ketika perusahaan tidak memiliki KPI kualitas yang terukur dan disepakati bersama, maka setiap departemen akan memiliki definisi sukses versinya masing-masing. Akibatnya, koordinasi berubah menjadi saling menyalahkan.

Dari sudut pandang QC, data bukan hanya alat laporan, tetapi alat untuk menemukan akar masalah. Misalnya, ketika defect meningkat pada shift malam, QC tidak cukup hanya mengatakan “operator kurang teliti.” 

QC harus mampu mengukur faktor-faktor yang memengaruhi kondisi tersebut, seperti suhu mesin, jam kerja operator, kelembapan material, kecepatan produksi, hingga pola maintenance. Dengan pengukuran yang tepat, perusahaan dapat menemukan sumber masalah secara objektif, bukan berdasarkan dugaan atau emosi.

Kutipan Peter Drucker juga mengajarkan bahwa perbaikan tanpa pengukuran hanyalah ilusi. Banyak perusahaan merasa sudah melakukan improvement karena mengadakan meeting, briefing, atau training rutin. 

Namun ketika angka defect, customer complaint, atau reject rate tidak berubah, maka sebenarnya belum ada perbaikan nyata yang terjadi. Improvement sejati harus terlihat dalam data. Jika sebelumnya defect 8% lalu turun menjadi 2%, barulah perusahaan bisa mengatakan bahwa proses improvement berhasil.

Dalam era industri modern yang semakin kompetitif, perusahaan tidak lagi cukup hanya menghasilkan produk. Perusahaan harus mampu menghasilkan produk yang konsisten. Dan konsistensi hanya bisa dicapai jika setiap proses dapat diukur, dipantau, dan dianalisis secara terus-menerus. Karena itu, Quality Control pada dasarnya bukan sekadar departemen inspeksi, melainkan sistem berpikir berbasis data untuk menjaga stabilitas bisnis.

Kutipan “You can’t manage what you can’t measure” bukan hanya teori manajemen, tetapi realitas sehari-hari di dunia QC. Segala masalah kualitas yang tidak diukur akan sulit dipahami, sulit dikendalikan, dan pada akhirnya sulit diperbaiki. 

Sebaliknya, ketika perusahaan mulai disiplin mengukur setiap proses dan setiap variasi, maka perusahaan sedang membuka jalan menuju kualitas yang lebih stabil, efisiensi yang lebih tinggi, dan kepercayaan pelanggan yang lebih kuat.

Monday, May 18, 2026

Relative Standard Deviation (RSD)

Berapa Persen Standar Deviasi yang Baik Berdasarkan Relatif Standar Deviasi?

Dalam dunia statistik, quality control, laboratorium, maupun industri manufaktur, salah satu cara untuk menilai kestabilan data adalah dengan menggunakan Relatif Standar Deviasi atau Relative Standard Deviation (RSD). RSD digunakan untuk melihat seberapa besar variasi data dibandingkan dengan nilai rata-ratanya. Nilai ini sangat penting karena dapat menunjukkan apakah suatu proses berjalan secara konsisten atau justru memiliki penyimpangan yang terlalu besar. Semakin kecil nilai RSD, maka semakin baik tingkat konsistensi data tersebut.

Secara umum, tidak ada satu angka mutlak yang berlaku untuk semua bidang industri, karena setiap sektor memiliki standar toleransi yang berbeda. Namun dalam praktik umum, terdapat kisaran nilai yang sering dijadikan acuan untuk menentukan apakah standar deviasi masih tergolong baik atau tidak. Penilaian ini biasanya dinyatakan dalam bentuk persentase RSD.

Rumus dasar Relatif Standar Deviasi adalah:

RSD=sxˉ×100%RSD = \frac{s}{\bar{x}} \times 100\%

Di mana:

  • ss = standar deviasi
  • xˉ\bar{x} = rata-rata data

Dari hasil perhitungan tersebut, kemudian dilakukan interpretasi terhadap tingkat kualitas atau kestabilan data. Dalam banyak kasus industri dan laboratorium, berikut gambaran umum penilaiannya:

  • RSD < 1% → Sangat baik, menunjukkan data sangat stabil dan konsisten
  • RSD 1% – 5% → Baik, variasi masih dapat diterima
  • RSD 5% – 10% → Cukup, tetapi perlu perhatian lebih
  • RSD > 10% → Kurang baik, menunjukkan variasi terlalu besar dan proses cenderung tidak stabil

Nilai-nilai tersebut tentu bukan aturan mutlak, melainkan pedoman umum yang sering digunakan dalam berbagai praktik quality control. Pada industri dengan tingkat presisi tinggi seperti farmasi, laboratorium kimia, atau manufaktur elektronik, bahkan nilai RSD di atas 2% saja bisa dianggap terlalu tinggi. Sebaliknya, pada bidang yang memiliki variasi alami lebih besar, seperti pertanian atau produk berbasis bahan alam, toleransi RSD bisa lebih longgar.

Dalam konteks produksi, nilai RSD yang rendah menunjukkan bahwa hasil yang dihasilkan relatif seragam. Sebagai contoh, sebuah perusahaan kopi specialty yang memproduksi bubuk kopi kemasan 200 gram tentu menginginkan setiap produk memiliki berat yang hampir sama. Jika hasil penimbangan menunjukkan RSD hanya 1%, maka proses pengisian dianggap stabil dan presisi. Namun apabila RSD mencapai 12%, berarti terdapat perbedaan berat yang cukup besar antar kemasan, sehingga berpotensi menurunkan kepercayaan pelanggan dan menimbulkan kerugian perusahaan.

Selain digunakan untuk mengukur kestabilan produksi, RSD juga sering dipakai dalam evaluasi performa alat ukur dan metode pengujian. Dalam laboratorium, nilai RSD kecil menunjukkan bahwa alat dan metode mampu memberikan hasil yang konsisten meskipun pengujian dilakukan berulang kali. Oleh sebab itu, RSD sering dijadikan indikator presisi dalam validasi metode analisis.

Hal penting yang perlu dipahami adalah bahwa standar deviasi yang “baik” bukan hanya soal angka kecil, tetapi juga harus disesuaikan dengan konteks proses, kebutuhan pelanggan, dan tingkat risiko yang dihadapi perusahaan. Suatu proses dengan RSD 4% mungkin sudah sangat baik untuk industri tertentu, tetapi dianggap buruk pada industri lain yang membutuhkan akurasi sangat tinggi. Karena itu, perusahaan perlu menetapkan standar internal yang sesuai dengan karakteristik bisnis dan target kualitasnya masing-masing.

Pada akhirnya, Relatif Standar Deviasi menjadi alat yang sangat penting dalam budaya continuous improvement. Dengan memahami seberapa besar variasi yang terjadi, perusahaan dapat mengidentifikasi potensi masalah lebih cepat, memperbaiki proses secara berkelanjutan, serta menjaga konsistensi kualitas produk maupun layanan. Dalam dunia yang semakin kompetitif, kemampuan menjaga nilai RSD tetap rendah bukan hanya soal statistik, tetapi juga soal menjaga reputasi, efisiensi, dan kepuasan pelanggan.

Rework Technician dan Quality Inspector

Dua Peran yang Berbeda tetapi Saling Melengkapi Dalam dunia manufaktur dan Quality Management, tidak semua produk yang dihasilkan langsung m...