Integrasi Metode Six Sigma DMAIC dan Machine Learning Untuk Prediksi Scrap Dan Peningkatan Output Finish Good Pada Proses Produksi Wafer Stick
DOI:
https://doi.org/10.31004/ijisk.v3i4.822Keywords:
Six Sigma, DMAIC, Machine Learning, Random Forest, ScrapAbstract
Tingkat scrap yang tinggi pada proses produksi wafer stick menurunkan yield dan meningkatkan pemborosan bahan baku. Penelitian ini bertujuan mengidentifikasi faktor penyebab scrap, mengukur kapabilitas proses, mengevaluasi perbaikan, dan mengembangkan model prediksi sebagai pendukung peringatan dini. Penelitian menggunakan integrasi Six Sigma DMAIC dan Random Forest. Data baseline berasal dari produksi harian tiga grup shift pada Januari–Maret 2026, sedangkan efektivitas perbaikan diuji melalui pilot testing pada April–Juni 2026. Analisis menggunakan project charter, SIPOC, fishbone, Pareto, DPMO, sigma level, process capability, ANOVA, dan Mann-Whitney. Hasil menunjukkan minor stoppage dan human error menyumbang 82,9% dari total downtime 2.046 menit. Setelah perbaikan, persentase scrap turun dari 21,46% menjadi 3,67%, DPMO dari 214.578 menjadi 36.718, sigma level dari 2,29 menjadi 3,29, yield dari 78,54% menjadi 96,33%, dan downtime turun 56,4%. Uji Mann-Whitney menunjukkan perbedaan yang signifikan dengan p-value 0,000. Namun, jumlah finish good secara absolut turun 25,1% karena volume produksi dan jumlah mesin beroperasi menurun. Model Random Forest pada data pilot menghasilkan AUC 0,770 dan MCC 0,362. Model dapat digunakan sebagai pendukung peringatan dini, tetapi belum sebagai dasar keputusan tunggal. Penelitian merekomendasikan penerapan fase Control, pencatatan parameter harian, dan retraining model secara berkala.
References
Dewi, B. E. S., Haikal, S., Sulistyowati, H. S., Fitriani, R., & Kuswandono, D. P. (2024). Penerapan machine learning menggunakan algoritma Random Forest untuk prediksi harga mobil bekas. Jurnal Teknologi Informasi dan Digital, 2(1), 20–31.
Fernández-Peláez, F., Etxegarai, M., & Moreno, V. (2024). Predictive maintenance in the food industry: A case study using vibration sensors and machine learning techniques. 36–43. https://doi.org/10.3233/FAIA24040784
Flores-Zuazo, L. E., Paredes-Molina, E. A., Adolfo, E., & Carrera-Salas, E. A. (2025). Deep learning-based quality control system for meat products. Cogent Engineering, 12(1). https://doi.org/10.1080/23311916.2025.2579705
Hafidhoh, N., Atmaja, A. P., Syaifuddiin, G. N., & Sumafta, I. B. (2024). Machine learning untuk prediksi kegagalan mesin dalam predictive maintenance system. 15. https://doi.org/10.14710/JMASIF.15.1.63641
Kumar, S., Dhingra, A. K., & Singh, B. (2021). Application of Lean-Kaizen concept for improving quality system of manufacturing firms. International Journal of Industrial Engineering: Theory, Applications and Practice, 28(5).
Liakos, K. G., Athanasiadis, V., Bozinou, E., & Lalas, S. I. (2025). Machine learning for quality control in the food industry: A review. Foods, 14(19), 3424. https://doi.org/10.3390/foods14193424
Lillford, P., & Hermansson, A.-M. (2021). Global missions and the critical needs of food science and technology. Trends in Food Science & Technology, 111, 800–811. https://doi.org/10.1016/j.tifs.2020.04.009
McDermott, O., Antony, J., Bhat, S., Jayaraman, R., Rosa, A., Marolla, G., & Parida, R. (2022). Lean Six Sigma in healthcare: A systematic literature review on challenges, organisational readiness and critical success factors. Processes, 10(10), 1945.
McDermott, O., Noonan, J., & Rosa, A. (2026). Green Lean Six Sigma in the food industry: A systematic literature review. 126(13), 455–469. https://doi.org/10.1108/BFJ-01-2024-0100
Mittal, A., Gupta, P., Kumar, V., Al Owad, A., Mahlawat, S., & Singh, S. (2023). The performance improvement analysis using Six Sigma DMAIC methodology: A case study on Indian manufacturing company. Heliyon, 9(3).
Scala, A., Trunfio, T. A., & Improta, G. (2024). Applying the DMAIC cycle and machine learning to examine COVID-19’s effects on emergency department-LOS. Proceedings of the 2024 8th International Conference on Medical and Health Informatics, 291–297.
Widiwati, I. T. B., Liman, S. D., & Nurprihatin, F. (2025). The implementation of Lean Six Sigma approach to minimize waste at a food manufacturing industry. Journal of Engineering Research, 13(2), 611–626. https://doi.org/10.1016/j.jer.2024.01.022
Widodo, A., & Soediantono, D. (2022). Benefits of the Six Sigma method (DMAIC) and implementation suggestion in the defense industry: A literature review. International Journal of Social and Management Studies, 3(3), 1–12.
