Asmaul Husna (1), Enny Aryanny (2)
General Background: In highly competitive manufacturing industries, systematic quality control is required to maintain product conformity and reduce defect rates. Specific Background: PT XYZ, a plastic packaging manufacturer, recorded woven bag production of 41,749,730 sheets in 2025 with a defect rate of 3.14%, exceeding the company target of below 2%, resulting in rework and recycled products. Knowledge Gap: Previous studies combining Statistical Quality Control (SQC) and Failure Mode and Effect Analysis (FMEA) applied SQC tools to aggregated defect data without differentiating defect types, limiting analytical precision. Aims: This study aims to analyze woven bag quality using an integrated SQC and FMEA framework and to determine prioritized corrective actions based on Risk Priority Number (RPN). Results: Four dominant defects were identified: knit-through (354,623 sheets; 27.1%), improper stitching (25.6%), uneven cutting (24.3%), and printing mismatch (23%). Scatter diagrams indicated a positive relationship between production volume and defect quantity, while p control charts revealed multiple points outside control limits. FMEA results showed the highest RPN (336) for knit-through caused by suboptimal yarn tension on the circular loom machine. Novelty: This research applies SQC tools separately to each defect category, generating more detailed diagnostic insights prior to FMEA prioritization. Implications: The findings provide data-driven recommendations, including sensor upgrades on circular loom machines, routine cleaning of cutting tools, scheduled cliché replacement, and standardized machine settings to reduce woven bag defects and strengthen manufacturing quality control.
Highlights:
Knit-through recorded the largest proportion of nonconformities at 27.1% of total rejected output.
Control chart evaluation showed several monthly proportions exceeding statistical limits.
The highest priority corrective action targeted yarn tension deviation on the circular loom with an RPN of 336.
Keywords: Statistical Quality Control, Failure Mode and Effect Analysis, Risk Priority Number, Woven Bag Defects, Manufacturing Quality Control
Perkembangan zaman dan teknologi yang pesat di era globalisasi menyebabkan persaingan antar perusahaan menjadi semakin ketat sehingga perusahaan dituntut untuk terus menjaga dan meningkatkan kualitas produk yang ditawarkan. Kualitas produk yang baik akan menarik minat konsumen dan juga menciptakan kepercayaan konsumen terhadap perusahaan [1] [2]. Sebaliknya, kualitas produk yang tidak memenuhi standar dapat berdampak negatif terhadap perusahaan seperti kerugian finansial, gangguan operasional, dan menurunnya kepercayaan konsumen [3]. Oleh karena, diperlukan pengendalian kualitas untuk menjaga dan meningkatkan kualitas produk yang ditawarkan sehingga perusahaan dapat bersaing dengan baik ditengah ketatnya persaingan industri saat ini [4] [5].
Salah satu perusahaan di Industri Manufaktur Indonesia ialah PT XYZ yang memproduksi karung plastik seperti woven bag, jumbo bag, dan AD Star. Berdasarkan data pada bulan Januari hingga Desember 2025 diketahui jumlah produksi terbesar pada PT XYZ merupakan produk woven bag yaitu 41.749.730 lembar, sedangkan jumbo bag diproduksi sebanyak 496.256 lembar dan AD Star sebanyak 22.581.648 lembar. Namun, perusahaan masih menghadapi tantangan terkait kualitas produk woven bag dikarenakan persentase cacat yang ada masih sebesar 3,14% dengan target cacat perusahaan di bawah 2%. Jenis cacat yang ditemukan pada produk woven bag antara lain yaitu lolos rajut, jahitan tidak sesuai, potongan tidak rapi, dan print tidak sesuai. Hal ini tentunya membuat perusahaan berisiko mengeluarkan biaya lebih untuk melakukan rework pada produk yang mengalami cacat dan juga mengalami penurunan kepercayaan konsumen. Oleh karena itu, perlu dilakukan perbaikan untuk meningkatkan kualitas produk woven bag agar perusahaan dapat menghindari pengeluaran biaya berlebih dan penurunan kepercayaan konsumen.
Pendekatan yang dapat dilakukan untuk mengatasi permasalahan kualitas pada perusahaan adalah dengan melakukan analisa menggunakan metode Statistical Quality Control (SQC) dan Failure Mode and Effect Analysis (FMEA). Metode SQC digunakan untuk memonitor dan menganalisa kualitas suatu produk menggunakan beberapa alat statistik [6] [7]. Sedangkan metode FMEA digunakan untuk evaluasi berdasarkan tingkat keparahan (severity), peluang frekuensi kejadian (occurrence), dan kemampuan deteksi (detection) yang dikalkulasi menjadi Risk Priority Number (RPN) untuk menentukan prioritas perbaikan yang harus dilakukan oleh perusahaan guna meningkatkan kualitas produk [8] [9].
Penelitian dengan kombinasi metode Statistical Quality Control (SQC) dan Failure Mode and Effect Analysis (FMEA) pernah dilakukan oleh Ali dan Widyaningrum (2024), namun penerapan alat SQC dilakukan terhadap data keseluruhan cacat tanpa dibedakan tiap-tiap jenis cacat sehingga analisis masih bersifat umum. Oleh karena itu, dalam penelitian ini terdapat beberapa alat SQC diterapkan berdasarkan masing-masing jenis cacat agar analisis kualitas yang dihasilkan dapat lebih rinci dan terarah.
Data yang dikumpulkan dalam penelitian ini adalah data primer yang diperoleh dari wawancara, observasi, dan wawancara serta data sekunder yang diperoleh dari arsip perusahaan. Penelitian dilakukan untuk menganalisis kualitas produk woven bag berdasarkan data produksi dan kecacatan yang telah dikumpulkan dan diolah menggunakan metode Statistical Quality Control (SQC) dan Failure Mode and Effect Analysis (FMEA) [10] [11].
Statistical Quality Control (SQC)
1. Checksheet, digunakan untuk mencatat frekuensi terjadinya produk cacat.
2. Histogram, digunakan untuk menunjukkan frekuensi data dalam bentuk diagram batang.
3. Diagram pareto, digunakan untuk menunjukkan frekuensi cacat dari jumlah tertinggi hingga terendah [12] [13]. (1)
Penggunaan rumus ini dapat membantu mengetahui persentase tiap jenis cacat dari total produksi.
4. Process diagram, digunakan untuk menggambarkan alur proses produksi.
5. Scatter diagram, digunakan untuk menunjukkan hubungan antara dua variabel (produksi dan cacat) [6].
6. Control chart, digunakan untuk mengevaluasi kondisi proses produksi [14].
a. Menghitung proporsi kecacatan
(2)
Nilai proporsi kecacatan menunjukkan perbandingan nilai jumlah cacat terhadap jumlah produksi.
b. Menghitung center line (CL)
(3)
Persamaan rumus ini akan menghasilkan nilai yang menunjukkan garis tengah atau rata-rata tingkat cacat yang terjadi.
c. Menghitung upper control line (UCL)
(4)
Persamaan ini digunakan untuk mmengetahui nilai batas kontrol atas dari nilai proporsi kecacatan.
d. Menghitung lower control line (LCL)
(5)
Persamaan ini digunakan untuk mmengetahui nilai batas kontrol bawah dari nilai proporsi kecacatan.
7.Cause and effect diagram, digunakan untuk mengidentifikasi faktor penyebab cacat produk [12].
Failure Mode and Effect Analysis
1. Perhitungan Risk Priority Number (RPN) dengan skor severity (S), occurrence (O), dan detection (D) [15] [16]
RPN = (6)
2. Penentuan priotitas perbaikan berdasarkan nilai Risk Priotity Number (RPN)
Figure 1. Flowchart
Pengumpulan data diperoleh berdasarkan data perusahaan, wawancara, dan observasi terkait produk woven bag di PT XYZ selama periode bulan Januari hingga Desember 2025. Adapun data tersebut terdiri dari data produksi, jumlah cacat, dan jenis cacat. Data produksi dapat dilihat pada Tabel 1.
Tabel 1. Data Jumlah Produksi Woven Bag
Data jumlah cacat dan jenis cacat dapat dilihat pada Tabel 2.
Tabel 2. Data Jenis dan Jumlah Cacat Produk Woven Bag
Jenis cacat produk woven bag:
1. Lolos Rajut: rajutan atau anyaman benang karung pada woven bag tidak terajut atau teranyam dengan sempurna sehingga terdapat celah atau lubang pada rajutan benang karung tersebut.
2. Jahitan Tidak Sesuai: jahitan pada karung tidak memenuhi standar seperti jahitan tidak lurus, jahitan tidak rapi, dan kuncian benang terlepas.
3. Potongan Tidak Rapi: hasil potongan pada lembaran woven bag tidak presisi (miring dan tidak rata) dan tidak terpotong sempurna.
4.Print Tidak Sesuai: gambar hasil cetak pada woven bag tidak sempurna seperti gambar buram dan tulisan terpotong.
B. Statistical Quality Control
Alat pertama dalam metode StatisticalQualtyConroladalah checksheetyang menunjukkan jumlah produksi dan cacat seperti pada Gambar 2.
Figure 2. Checksheet
Kemudian total cacat produk woven bagdijadikan di dalam satu tabel yang dapat dilihat pada Tabel 3.
Tabel 3. Jumlah Cacat Woven Bag
Data total cacat produk woven bag dikonversi ke dalam bentuk histogram untuk memudahkan analisa seperti pada Gambar 3.
Figure 3. Histogram
Selanjutnya, dilakukan perhitungan persentase cacat dan kumulatif untuk cacat produk woven bag seperti pada Tabel 4.
Tabel 4. Persentase Cacat dan Kumulatif Produk Woven Bag
Data persentase cacat dan kumulatif produk woven bag dikonversi ke dalam bentuk diagram pareto untuk seperti pada Gambar 4.
Figure 4. Diagram Pareto
Berdasarkan diagram pareto dapat diketahui jumlah cacat dengan persentase terbesar pada periode bulan Januari hingga Desember 2025 ialah cacat lolos rajut sejumlah 27,1%, dilanjut oleh jahitan tidak sesuai sejumlah 25,6%, lalu potongan tidak rapi sejumlah 24,3%, dan print tidak sesuai sejumlah 23%. Selanjutnya dibuat process diagram untuk menunjukkan apa saja proses produksi woven bag seperti pada Gambar 5.
Figure 5. Process Diagram
Adapun proses produksi woven bag terdiri dari:
1. Persiapan Bijih Plastik: bijih plastik diambil dari gudang dan dibawa ke area produksi.
2. Peleburan Bijih Plastik: peleburan bijih plastik menjadi benang karung yang merupakan bahan baku dalam membuat karung, proses ini dilakukan menggunakan mesin extruder.
3. Perajutan Benang Karung: benang karung dirajut menjadi lembaran karung yang nantinya akan berupa gelondongan, proses ini dilakukan menggunakan mesin circular loom.
4. Laminasi Karung: lembaran karung yang telah melalui proses perajutan akan dilaminasi dengan lapisan tambahan menggunakan mesin stacotec agar hasil print dapat lebih maksimal.
5. Pencetakan Gambar: gambar dicetak pada lembaran karung menggunakan mesin print RTR, mesin ini mencetak gambar dengan konsep roll to roll.
6. Pemotongan dan Penjahitan Karung: lembaran karung melalui proses pemotongan dengan pisau panas dan dilanjut dengan penjahitan pada pinggir karung, proses ini dilakukan pada mesin MPJ.
7. Pengemasan: karung yang sudah selesai dijahit akan dikemas menggunakan mesin press.
8. Penyimpanan: karung yang telah dikemas disimpan di gudang sebelum nantinya dikirim kepada konsumen.
Selanjutnya dilakukan analisa antara jumlah produksi dan jumlah cacat menggunakan scatter diagram untuk mengetahui apakah keduanya berhubungan positif atau negatif.
a. Lolos Rajut
Scatter diagram lolos rajut dapat dilihat pada Gambar 6.
Figure 6. Scatter DiagramLolos Rajut
b. Jahitan Tidak Sesuai
Scatter diagram lolos rajut dapat dilihat pada Gambar 7.
Figure 7. Scatter Diagram Jahitan Tidak Sesuai
c. Potongan Tidak Rapi
Scatter diagram lolos rajut dapat dilihat pada Gambar 8.
Figure 8. Scatter Diagram Potongan Tidak Rapi
d. Print Tidak Sesuai
Scatter diagram lolos rajut dapat dilihat pada Gambar 9.
Figure 9. Scatter Diagram Print Tidak Sesuai
Hasil dari scatter diagram menunjukkan bahwa jumlah cacat pada seluruh jenis cacat memiliki hubungan positif dengan jumlah produksi, yang menunjukkan bahwa peningkatan jumlah produksi diikuti dengan peningkatan jumlah cacat. Selanjutnya dilakukan penyusunan peta kontrol p seluruh jenis cacat pada periode bulan Januari hingga Desember 2025.
Adapun hasil perhitungan peta kontrol cacat lolos rajut dapat dilihat pada Tabel 5.
Tabel 5. Peta Kontrol Cacat Lolos Rajut
Data hasil perhitungan pada tabel dikonversi menjadi peta kontrol P seperti pada Gambar 10.
Figure 10. Peta Kontrol Cacat Lolos Rajut
Adapun hasil perhitungan peta kontrol cacat jahitan tidak sesuai dapat dilihat pada Tabel 6.
Tabel 6. Peta Kontrol Cacat Jahitan Tidak Sesuai
Data hasil perhitungan pada tabel dikonversi menjadi peta kontrol P seperti pada Gambar 11.
Figure 11. Peta Kontrol Cacat Jahitan Tidak Sesuai
Adapun hasil perhitungan peta kontrol cacat jahitan tidak sesuai dapat dilihat pada Tabel 7.
Tabel 7.Peta Kontrol Cacat Potongan Tidak Rapi
Data hasil perhitungan pada tabel dikonversi menjadi peta kontrol P seperti pada Gambar 12.
Figure 12. Peta Kontrol Cacat Potongan Tidak Rapi
Adapun hasil perhitungan peta kontrol cacat jahitan tidak sesuai dapat dilihat pada Tabel 8.
Tabel 8. Peta Kontrol Cacat Print Tidak Sesuai
Data hasil perhitungan pada tabel dikonversi menjadi peta kontrol P seperti pada Gambar 13.
Figure 13. Peta Kontrol Cacat Print Tidak Sesuai
Berdasarkan peta kontrol p semua jenis cacat dapat diketahui bahwa banyak titik proporsi yang berada di luar batas kontrol yang artinya perlu adanya perbaikan pada proses produksi woven bag. Selanjutnya dilakukan identifikasi penyebab cacat menggunakan cause and effect diagram berupa fishbone diagram.
Adapun fishbone diagram cacat lolos rajut dapat dilihat pada Gambar 14.
Figure 14. Fishbone Cacat Lolos Rajut
Adapun fishbone diagram cacat jahitan tidak sesuai dapat dilihat pada Gambar 15.
Figure 15. Fishbone Cacat Jahitan Tidak Sesuai
Adapun fishbone diagram cacat jahitan tidak sesuai dapat dilihat pada Gambar 16.
Figure 16. Fishbone Cacat Potongan Tidak Rapi
Adapun fishbone diagram cacat jahitan tidak sesuai dapat dilihat pada Gambar 17.
Figure 17. Fishbone Cacat Print Tidak Sesuai
Analisa FMEA digunakan untuk mengetahui prioritas perbaikan yang harus dilakukan terhadap cacat produk woven bag berdasarkan nilai Risk Priority Number (RPN) tertinggi agar dapat meminimalisir kegagalan. Adapun hasil FMEA pada penelitian ini dapat dilihat pada Tabel 9.
Hasil FMEA lolos rajut dapat dilihat pada Tabel 9.
Tabel 9. FMEA Cacat Lolos Rajut
Cacat lolos rajut akibat tegangan saat penarikan benang karung pada mesin circular loom belum optimal memiliki nilai RPN yang lebih tinggi dikarenakan dampak dan tingkat peluang terjadinya lebih besar serta kemampuan deteksi perusahaan masih kurang sehingga nilai S, O, dan D yang berikan juga cukup tinggi. Hal ini sesuai dengan teori pada penelitian Maulana dan Yuamita (2025) yang menyatakan bahwa semakin parah dampak yang dihasilkan, semakin sering terjadi, dan semakin rendah kemampuan deteksi perusahaan maka akan semakin besar nilai S, O, dan D.
Hasil FMEA jahitan tidak sesuai dapat dilihat pada Tabel 10.
Tabel 10. FMEA Cacat Jahitan Tidak Sesuai
Cacat jahitan tidak sesuai akibat tekanan penjepit pada ujung jahitan tidak sesuai memiliki nilai RPN yang lebih tinggi dikarenakan dampak dan tingkat peluang terjadinya lebih besar serta kemampuan deteksi perusahaan masih kurang sehingga nilai S, O, dan D yang berikan juga cukup tinggi. Hal ini sesuai dengan teori pada penelitian Maulana dan Yuamita (2025) yang menyatakan bahwa semakin parah dampak yang dihasilkan, semakin sering terjadi, dan semakin rendah kemampuan deteksi perusahaan maka akan semakin besar nilai S, O, dan D.
Hasil FMEA potongan tidak rapi dapat dilihat pada Tabel 11.
Tabel 11. FMEA Cacat Potongan Tidak Rapi
Cacat potongan tidak rapi akibat pisau potong kotor memiliki nilai RPN yang lebih tinggi dikarenakan dampak dan tingkat peluang terjadinya lebih besar serta kemampuan deteksi perusahaan masih kurang sehingga nilai S, O, dan D yang berikan juga cukup tinggi. Hal ini sesuai dengan teori pada penelitian Maulana dan Yuamita (2025) yang menyatakan bahwa semakin parah dampak yang dihasilkan, semakin sering terjadi, dan semakin rendah kemampuan deteksi perusahaan maka akan semakin besar nilai S, O, dan D.
Hasil FMEA print tidak sesuai dapat dilihat pada Tabel 9
Tabel 12. FMEA Cacat Print Tidak Sesuai
Cacat print tidak sesuai akibat klise gambar sudah aus memiliki nilai RPN yang lebih tinggi dikarenakan dampak dan tingkat peluang terjadinya lebih besar serta kemampuan deteksi perusahaan masih kurang sehingga nilai S, O, dan D yang berikan juga cukup tinggi. Hal ini sesuai dengan teori pada penelitian Maulana dan Yuamita (2025) yang menyatakan bahwa semakin parah dampak yang dihasilkan, semakin sering terjadi, dan semakin rendah kemampuan deteksi perusahaan maka akan semakin besar nilai S, O, dan D.
e. Rekapitulasi Urutan Nilai RPN dan Rekomendasi Perbaikan
Hasil rekapitulasi nilai RPN dan rekomendasi perbaikan dapat dilihat pada Tabel 13.
Tabel 13. Rekapitulasi RPN dan Rekomendasi Perbaikan
Hasil penelitian menunjukkan bahwa terdapat empat jenis cacat produk woven bag dengan jumlah terbanyak yaitu lolos rajut sejumlah 354.623 lembar dengan persentase 27,1%, tingginya persentase ini disebabkan karena proses perajutan benang merupakan proses yang paling sensitif terhadap variasi proses yaitu kualitas benang dan tegangan pada mesin. Pada urutan kedua ialah cacat jahitan tidak sesuai sejumlah 335.541 lembar dengan persentase 25,6%, lalu potongan tidak rapi sejumlah 318.412 lembar dengan persentase 24,3%, dan terakhir adalah print tidak sesuai sejumlah 301.772 lembar dengan persentase sebesar 23% dengan penyebab cacat dari beberapa faktor seperti mesin, material, dan lingkungan. Evaluasi dengan metode FMEA menunjukkan bahwa cacat dengan nilai RPN tertinggi yaitu sebesar 336 adalah lolos rajut akibat tegangan saat penarikan benang karung pada mesin circular loom belum optimal, sehingga rekomendasi perbaikan yang diberikan ialah perusahaan sebaiknya meningkatkan kemampuan sensor pada mesin circular loom agar dapat memberi sinyal apabila tegangan terindikasi melewati batas. Selain itu sebaiknya perusahaan selalu melakukan pemeriksaan dan pembersihan lingkungan maupun mesin produksi sebelum produksi dilakukan, serta membuat aturan terkait perubahan spesifikasi produk yang diproduksi di satu mesin yang sama.
Penelitian dengan metode Statistical Quality Control (SQC) dan Failure Mode and Effect Analysis (FMEA) ini dapat membantu PT XYZ mengetahui kualitas produk woven bag beserta kondisi proses produksi saat ini sehingga dapat disusun rekomendasi perbaikan guna mengatasi masalah yang ada. Hasil penelitian menunjukkan bahwa cacat terbesar adalah lolos rajut dengan persentase 27,1% dengan peta kontrol yang menunjukkan banyak titik proporsi berada di luar batas kontrol dan nilai RPN tertinggi ada pada cacat lolos rajut akibat tegangan saat penarikan benang karung pada mesin circular loom belum optimal sebesar 336. Rekomendasi berupa peningkatan sensor pada mesin circular loom dapat dilakukan dalam mendukung pengendalian kualitas produk woven bag. Penelitian selanjutnya sebaiknya melakukan analisa kualitas dengan metode yang lebih kompleks dan juga evaluasi efektivitas dari rekomendasi yang diberikan sehingga diketahui seberapa efektif perbaikan tersebut terhadap kualitas produk.
Penulis mengucapkan terimakasih kepada PT XYZ atas izin, dukungan, dan kerjasamanya selama pelaksanaan penelitian. Terimakasih juga kepada dosen pembimbing dan penguji atas bimbingan, saran, dan juga arahan selama proses penyusunan penelitian ini. Penulis juga berterimakasih kepada keluarga dan juga rekan atas doa dan dukungan yang senantiasa diberikan selama proses penelitian.
A. D. Lestari and E. Widajanti, “Product Quality Control Using Statistical Quality Control Method to Reduce Defective Products at UMKM Gethuk Anyar in Ngawi,” Riset Ilmu Manajemen Bisnis dan Akuntansi, vol. 2, no. 3, pp. 328–355, 2024, doi: https://doi.org/10.61132/rimba.v2i3.1164
E. L. F. Vianna, V. V. de Figueiredo, C. M. F. da Silva, L. C. Bertolino, and L. Spinelli, “Impact of Implementing Quality Control Systems in Laboratories Associated With Teaching and Research Institutions: The Case Study of the Laboratory for Macromolecules and Colloids in the Petroleum Industry,” International Journal of Metrology and Quality Engineering, vol. 13, no. 4, pp. 1–9, 2022, doi: https://doi.org/10.1051/ijmqe/2022004
A. Candra, R. B. S. Nugroho, and A. Taufik, “Product Quality Control Analysis of Cover 012 to Reduce Defects Using Seven Tools Method at PT Sinergi Pari Jaya Abadi,” Jurnal Optimalisasi, vol. 11, no. 1, pp. 51–60, 2025, doi: https://doi.org/10.35308/jopt.v11i1.11643
S. Y. Kudo, D. R. Isa, and M. R. F. Payu, “The Application of Statistical Quality Control and Failure Mode and Effect Analysis to Improve Panada Tore Quality at PT Cita Rasa Pagimana,” Journal of Mathematics, Computations, and Statistics, vol. 8, no. 1, pp. 38–48, 2025, doi: https://doi.org/10.35580/jmathcos.v8i1.6708
S. Puttero, E. Verna, G. Genta, and M. Galetto, “Collaborative Robots for Quality Control: An Overview of Recent Studies and Emerging Trends,” Journal of Intelligent Manufacturing, pp. 1–37, 2025, doi: https://doi.org/10.1007/s10845-025-02600-w
S. Nazia, M. Fuad, and Safrizal, “The Role of Statistical Quality Control (SQC) in Quality Control: A Literature Study,” Jurnal Mahasiswa Akuntansi Samudra, vol. 4, no. 3, pp. 125–138, 2023, doi: https://doi.org/10.33059/jmas.v4i3.8079
S. H. Ali and D. Widyaningrum, “Quality Control Analysis Using Statistical Quality Control (SQC) and Failure Mode and Effect Analysis (FMEA) in the Production Process of ZA Plus Fertilizer,” Advance Sustainable Science, Engineering and Technology, vol. 6, no. 1, pp. 0240104-01–0240104-12, 2024, doi: https://doi.org/10.26877/asset.v6i1.17358
M. Ramadan, Sukanta, and R. Fitriani, “Occupational Health and Safety Analysis Using Failure Mode and Effect Analysis at PT XYZ,” Jurnal Sistem Teknik Industri, vol. 23, no. 1, pp. 46–58, 2021, doi: https://doi.org/10.32734/jsti.v23i1.4959
M. K. Gonzalez, M. J. Coll-Araoz, and A. Archenti, “Enhancing Reliability in Advanced Manufacturing Systems: A Methodology for the Assessment of Detection and Monitoring Techniques,” Journal of Manufacturing Systems, vol. 79, pp. 318–333, 2025, doi: https://doi.org/10.1016/j.jmsy.2025.01.015
J. Heizer, B. Render, and C. Munson, Operations Management, 12th ed. New York, NY, USA: Pearson, 2017.
Y. Hiprastin and I. Musfiroh, “Ishikawa Diagram and Failure Mode and Effect Analysis (FMEA) as Commonly Used Methods in Industrial Quality Risk Management,” Majalah Farmasetika, vol. 6, no. 1, pp. 1–9, 2021, doi: https://doi.org/10.24198/mfarmasetika.v6i1.27106
S. A. Pratama, M. Fahreza, and M. K. Hidayat, “Product Quality Control Analysis Using SQC and Kaizen Methods at PT Laksana Tekhnik Makmur,” Jurnal Imtechno, vol. 6, no. 1, pp. 1–8, 2025, doi: https://doi.org/10.31294/imtechno.v6i1.5388
P. P. N. Ardhaneswari, I. G. N. Priambadi, and N. L. P. L. S. Setiawati, “Tea Product Quality Control at PT XYZ Using Six Sigma Approach,” Metode Jurnal Teknik Industri, vol. 10, no. 2, pp. 249–259, 2024, doi: https://doi.org/10.33506/mt.v10i2.3635
G. A. A. Alashaari, “Enhancing Manufacturing Product Quality Using Statistical Control Charts,” Journal of Governance and Regulation, vol. 14, no. 3, pp. 173–181, 2025, doi: https://doi.org/10.22495/jgrv14i3art16
M. I. Maulana and F. Yuamita, “Maintenance and Repair Analysis of Carding Machines Using Failure Mode and Effect Analysis (FMEA),” Jurnal Ilmiah Teknik Industri dan Inovasi, vol. 3, no. 1, pp. 13–24, 2025, doi: https://doi.org/10.59024/jisi.v3i1.990
W. Handayani and M. A. Yusuf, “Supply Chain Risk Analysis and Mitigation Using AHP and FMEA Methods,” Jurnal Ilmu Manajemen, vol. 11, no. 1, pp. 43–53, 2022, doi: https://doi.org/10.32503/revitalisasi.v11i1.2501