<![CDATA[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.]]>
Copyrights © 2026
