Pendahuluan: Mengapa Prediksi Kualitas Udara Semakin Penting?

Kualitas udara merupakan isu krusial dalam kesehatan masyarakat dan lingkungan global. Laporan World Health Organization (WHO) tahun 2022 menyebutkan bahwa 9 dari 10 orang di dunia menghirup udara yang tidak sehat, menyebabkan lebih dari 7 juta kematian dini setiap tahunnya. Kota-kota besar seperti Chicago, New Delhi, dan Beijing menghadapi tantangan berat dalam mengelola polusi udara akibat urbanisasi dan industrialisasi.

Paper ini, yang diterbitkan dalam jurnal Big Data and Cognitive Computing (BDCC), mengulas bagaimana machine learning (ML)—khususnya teknik multi-task learning (MTL) dan regularisasi model—dapat digunakan untuk memprediksi kualitas udara secara akurat. Prediksi ini berfokus pada polutan utama seperti ozon (O3), partikulat halus (PM2.5), dan sulfur dioksida (SO2)

 

Latar Belakang: Tantangan dan Kebutuhan Prediksi Kualitas Udara

Kualitas udara dipengaruhi oleh berbagai faktor, seperti emisi industri, transportasi, dan kondisi meteorologi. Penelitian sebelumnya menggunakan model statistik konvensional, namun seringkali terbatas pada data historis dalam jangka waktu pendek dan gagal menangkap dinamika temporal serta spasial yang kompleks.

Mengapa Machine Learning?

Teknik ML modern memungkinkan pemrosesan big data yang mencakup ribuan variabel dalam waktu singkat. Dengan algoritma optimasi skala besar, ML bisa mempelajari pola yang sulit diidentifikasi oleh model tradisional. Dalam paper ini, penulis memanfaatkan pendekatan MTL, mengembangkan model prediksi multi-jam, sekaligus menerapkan regularisasi untuk meningkatkan generalisasi model.

Tujuan Penelitian

1. Meningkatkan akurasi prediksi polutan udara (O3, PM2.5, SO2) dalam rentang waktu 24 jam.
2. Mengurangi kompleksitas model dengan parameter efisien melalui teknik regularisasi.
3. Mengembangkan model multi-task learning (MTL) yang mempertimbangkan hubungan antar waktu (temporal dependencies).
4. Menyediakan solusi prediksi kualitas udara berbasis big data yang dapat diterapkan di berbagai wilayah urban.

Data dan Metodologi Penelitian

1. Sumber Data

• Lokasi Pengambilan Data: Kota Chicago, Amerika Serikat.
• Periode: 10 tahun (2006-2015).
• Sumber Data:
  • EPA Air Quality System (AQS) untuk data polusi udara.
  • MesoWest untuk data meteorologi (angin, suhu, kelembaban, dll.).

Data dikumpulkan dari dua stasiun kualitas udara dan dua stasiun meteorologi, masing-masing di lokasi Alsip Village dan Lemont Village.

2. Fitur Data

• 60 fitur mencakup:
  • 9 variabel meteorologi (angin, suhu, kelembaban, dll.).
  • 31 kondisi cuaca (cerah, hujan, kabut, dll.).
  • 16 arah angin.
  • 2 fitur boolean (weekend/weekday).
  • Data polutan untuk O3, PM2.5, SO2.

Semua data dinormalisasi agar nilai fitur berada di rentang [0,1].

3. Model dan Regularisasi

Peneliti mengembangkan tiga jenis model:

• Baseline Model: Parameter minimal, prediksi setiap jam sama.
• Heavy Model: Kompleks, mempertimbangkan semua variabel 24 jam.
• Light Model: Kompromi antara baseline dan heavy, lebih efisien.

4. Regularisasi yang Diterapkan

• Frobenius Norm: Regularisasi umum pada parameter.
• ℓ2,1-Norm: Memperkuat seleksi fitur antar tugas.
• Nuclear Norm: Menekan rank matriks untuk menangkap keterkaitan antar jam.
• Consecutive Close (CC) Regularization: Pendekatan baru untuk mendekatkan prediksi antar jam berurutan.

Temuan dan Hasil Penelitian

Kinerja Model

• Light Model dengan CC Regularization memberikan hasil terbaik.
• Model ini mengurangi Root Mean Squared Error (RMSE) lebih dari 15% dibanding baseline.
• RMSE untuk O3 di dataset LMA-AV turun dari 0,1324 menjadi 0,11535.

Efisiensi Optimasi

• Penggunaan algoritma LA-SADMM dan ASSG mempercepat konvergensi model 3 kali lipat dibanding metode klasik.

Studi Kasus: Chicago, Amerika Serikat

Chicago dipilih karena mewakili kota besar dengan masalah polusi udara kompleks. Ozon (O3) menjadi perhatian utama karena tidak sesuai standar EPA meskipun emisi NOx dan VOC telah menurun sejak 1970-an. Hasil prediksi menunjukkan bahwa:

• Kondisi meteorologi, seperti kelembaban tinggi dan kecepatan angin rendah, memicu lonjakan konsentrasi PM2.5 dan SO2.
• Prediksi berbasis ML membantu otoritas lingkungan menetapkan peringatan dini polusi hingga 24 jam sebelumnya.

 

Analisis Kritis

Kelebihan Penelitian

✅ Menggunakan dataset besar selama 10 tahun.
✅ Pendekatan multi-task learning (MTL) memperhitungkan korelasi antar jam.
✅ Pengembangan regularisasi baru (CC Regularization) yang intuitif dan efektif.
✅ Efisiensi komputasi ditingkatkan melalui algoritma optimasi canggih.

Keterbatasan

❌ Data hanya dari satu wilayah (Chicago), kurang representatif untuk global.
❌ Belum mengintegrasikan real-time IoT sensor secara langsung.
❌ Fokus pada model linear regression, belum eksplorasi metode deep learning yang mungkin lebih baik.

Perbandingan dengan Studi Sebelumnya

• Kurt dan Oktay (2010): Neural Network untuk prediksi 3 hari sebelumnya, tanpa regularisasi antar waktu.
• Corani (2005): Pruned Neural Network (PNN), hanya prediksi O3 dan PM10.
• Penelitian Zhu et al. (2018) mengungguli studi sebelumnya dengan multi-tasking, regularisasi inovatif, dan evaluasi big data.

 

Implikasi Praktis dan Tren Industri

Potensi di Kota-Kota Besar

Model ini relevan untuk kota seperti Jakarta atau Delhi, di mana prediksi kualitas udara penting untuk kesehatan publik. Implementasi real-time alert system berbasis prediksi ini dapat mengurangi paparan polusi bagi masyarakat.

Transformasi Smart City

• Integrasi dengan IoT dan Edge Computing: Data sensor dapat langsung diproses oleh model prediktif.
• Kebijakan Lingkungan Proaktif: Prediksi berbasis data memungkinkan pemerintah memberlakukan pembatasan lalu lintas atau penutupan industri sementara.

 

Rekomendasi Pengembangan Selanjutnya

1. Integrasi IoT & Edge AI: Prediksi lebih responsif dengan input sensor real-time.
2. Eksplorasi Deep Learning: CNN, RNN, dan Transformer untuk pola temporal yang lebih kompleks.
3. Transfer Learning Multikawasan: Memungkinkan model dilatih di satu lokasi dan diterapkan di wilayah lain.
4. Visualisasi Data Interaktif: Dashboard prediksi yang mudah digunakan masyarakat dan regulator.

 

Kesimpulan: Masa Depan Prediksi Kualitas Udara Berbasis Data

Penelitian ini menunjukkan bahwa multi-task learning dan regularisasi yang tepat dapat menghasilkan model prediksi kualitas udara yang lebih akurat dan efisien. Di masa depan, solusi berbasis machine learning seperti ini akan menjadi bagian integral dari Smart City dan Sustainability Agenda global.

Dengan prediksi akurat hingga 24 jam sebelumnya, masyarakat dapat lebih siap menghadapi polusi udara, sementara pemerintah memiliki data yang kuat untuk pengambilan keputusan berbasis sains.

📖 Sumber Asli:
Dixian Zhu et al. (2018). A Machine Learning Approach for Air Quality Prediction: Model Regularization and Optimization. BDCC, 2(1), 5.
DOI: 10.3390/bdcc2010005

Pendahuluan

Dalam dunia industri modern, peningkatan kualitas menjadi faktor utama dalam mempertahankan daya saing. Paper berjudul Continuous Quality Improvement by Statistical Process Control karya Pavol Gejdoš mengulas bagaimana penerapan alat kontrol proses statistik (SPC) dapat meningkatkan kualitas secara berkelanjutan. Dengan fokus pada model Define, Measure, Analyze, Improve, and Control (DMAIC), penelitian ini menyoroti berbagai metode yang dapat mengurangi variabilitas dan meningkatkan stabilitas proses produksi.

Konsep Dasar dalam Paper

1. Pentingnya Kontrol Proses Statistik

SPC merupakan metode berbasis data yang memungkinkan perusahaan untuk memonitor dan mengendalikan proses produksi. Tujuannya adalah mengidentifikasi variasi yang tidak wajar agar tindakan korektif dapat diambil sebelum produk yang cacat mencapai konsumen.

2. Model DMAIC sebagai Kerangka Peningkatan Kualitas

DMAIC adalah pendekatan berbasis data yang terdiri dari lima tahap utama:

• Define: Menentukan masalah kualitas utama dan tujuan perbaikan.
• Measure: Mengumpulkan data untuk mengevaluasi kinerja proses.
• Analyze: Mengidentifikasi akar penyebab permasalahan.
• Improve: Mengembangkan dan mengimplementasikan solusi perbaikan.
• Control: Memastikan perubahan yang diterapkan tetap bertahan dalam jangka panjang.

Studi Kasus dalam Paper

Paper ini membahas penerapan DMAIC pada sebuah perusahaan manufaktur yang memiliki 88 kemungkinan kesalahan produksi. Dari 12 parameter kualitas utama, tujuh di antaranya diklasifikasikan sebagai kritis dan harus dikontrol dengan ketat. Hasil analisis menggunakan histogram dan grafik kendali Shewhart menunjukkan bahwa sebagian besar parameter memenuhi persyaratan kapabilitas proses (process capability index, Ppk), tetapi beberapa parameter memerlukan perbaikan lebih lanjut.

Analisis Tambahan dan Nilai Tambah

1. Perbandingan dengan Studi Lain

Penelitian ini sejalan dengan temuan Oakland (2003) yang menyatakan bahwa SPC adalah strategi efektif untuk mengurangi variabilitas dalam proses manufaktur. Selain itu, Ishikawa (1985) juga menekankan bahwa penggunaan histogram dan diagram sebab-akibat sangat penting dalam mengidentifikasi masalah kualitas.

2. Implikasi Praktis dalam Industri

Dalam implementasi nyata, banyak perusahaan otomotif dan elektronik menggunakan SPC untuk meningkatkan efisiensi produksi. Contohnya, Toyota mengadopsi sistem Kaizen yang menekankan peningkatan kualitas secara berkelanjutan melalui analisis statistik dan keterlibatan karyawan di semua level organisasi.

3. Rekomendasi Tambahan

Selain metode yang dibahas dalam paper, perusahaan juga dapat mengadopsi teknik tambahan seperti:

• Design of Experiments (DOE) untuk mengoptimalkan parameter produksi.
• Poka-Yoke untuk mencegah kesalahan manusia dalam proses manufaktur.
• Six Sigma sebagai pendekatan komprehensif untuk mengurangi cacat produksi.
• Failure Mode and Effects Analysis (FMEA) untuk mengidentifikasi dan memitigasi risiko sebelum terjadi cacat produksi.
• Total Productive Maintenance (TPM) untuk meningkatkan efisiensi peralatan produksi guna mengurangi variabilitas proses.

4. Tren Masa Depan dalam Kontrol Kualitas

Dengan kemajuan teknologi, penerapan SPC dapat semakin dioptimalkan melalui integrasi dengan kecerdasan buatan dan Internet of Things (IoT). Sistem pemantauan real-time dengan sensor pintar memungkinkan deteksi anomali secara instan, sehingga tindakan korektif dapat diambil lebih cepat.

Beberapa perusahaan juga mulai mengadopsi analitik prediktif untuk memperkirakan kegagalan mesin sebelum terjadi, sehingga mengurangi downtime dan meningkatkan efisiensi produksi. Penggunaan teknologi ini di masa depan dapat mempercepat implementasi konsep zero defects dalam manufaktur.

Kesimpulan

Paper ini berhasil mengilustrasikan bagaimana SPC dan DMAIC dapat diterapkan untuk peningkatan kualitas secara berkelanjutan. Dengan analisis statistik yang mendalam, perusahaan dapat mengidentifikasi variasi yang tidak wajar dan melakukan tindakan korektif sebelum terjadi cacat produk. Meskipun hasil penelitian menunjukkan efektivitas metode ini, penulis juga menyarankan penggunaan pendekatan tambahan seperti Six Sigma dan perubahan struktur organisasi untuk mencapai peningkatan kualitas yang lebih optimal.

Paper ini dapat diakses di Procedia Economics and Finance melalui DOI: 10.1016/S2212-5671(15)01669-X.

Pendahuluan: Mengapa SPC Penting di Era Industri Modern?

Di tengah dinamika globalisasi dan tantangan ekonomi, khususnya di negara berkembang seperti Zimbabwe, industri manufaktur dihadapkan pada tekanan besar untuk meningkatkan daya saing. Tingginya biaya produksi, fluktuasi kualitas produk, hingga ketatnya persaingan regional dan global, mendorong perusahaan manufaktur mencari strategi yang efektif dan efisien dalam menjaga kualitas produksi mereka. Salah satu pendekatan yang semakin relevan adalah Statistical Process Control (SPC), sebuah metode berbasis data yang fokus pada pengendalian dan peningkatan kualitas proses produksi secara sistematis.

Artikel karya Ignatio Madanhire dan Charles Mbohwa yang dipublikasikan dalam Procedia CIRP (Vol. 40, 2016, pp. 580-583) mengupas tuntas penerapan SPC di industri manufaktur Zimbabwe. Penelitian mereka memberikan gambaran jelas mengenai tantangan, peluang, serta manfaat dari implementasi SPC di negara berkembang.

Apa Itu Statistical Process Control (SPC)?

Secara sederhana, SPC adalah teknik berbasis statistik yang bertujuan memonitor dan mengendalikan proses produksi agar tetap stabil dan menghasilkan produk berkualitas tinggi. Prinsip utama SPC adalah pencegahan ketimbang pengoreksian. Ini berbeda dengan metode inspeksi tradisional yang hanya memeriksa produk akhir.

Beberapa alat yang digunakan dalam SPC antara lain:

• Control Chart (Peta Kendali): Memantau stabilitas proses.
• Histogram: Melihat distribusi data.
• Pareto Chart: Mengidentifikasi masalah terbesar.
• Fishbone Diagram (Diagram Sebab-Akibat): Menyusun akar penyebab masalah.

👉 Fakta Menarik: Konsep Pareto 80/20 sering digunakan dalam SPC, yakni 80% masalah produksi biasanya disebabkan oleh 20% faktor dominan.

 

Ringkasan Penelitian: Studi Kasus Zimbabwe

Latar Belakang Penelitian

Penelitian Madanhire dan Mbohwa berangkat dari kenyataan bahwa industri manufaktur Zimbabwe menghadapi:

• Kualitas produk yang tidak konsisten.
• Ketidakefisienan proses produksi.
• Ketidakmampuan bersaing secara regional maupun global.

Untuk menjawab masalah tersebut, para peneliti menyelidiki implementasi SPC sebagai alat bantu peningkatan kualitas produksi.

Metodologi Penelitian

Penelitian dilakukan dengan metode:

• Survey kuesioner dan wawancara terhadap pelaku industri di Harare.
• Observasi langsung proses produksi.
• Analisis dokumen perusahaan dan eksperimen terstruktur.

Responden penelitian mencakup manajemen tingkat atas, supervisor produksi, hingga operator lini produksi. Hal ini memberi gambaran menyeluruh mengenai tingkat pemahaman dan penerapan SPC.

 

Hasil Penelitian: Bagaimana SPC Diterapkan di Zimbabwe?

Alasan Implementasi SPC

Mayoritas perusahaan mengadopsi SPC sebagai bagian dari:

• Upaya meningkatkan kualitas produk.
• Strategi menekan biaya produksi.
• Cara mengikuti standar industri internasional.

Namun, 20% responden masih ragu dengan hasil nyata dari penerapan SPC.

Penggunaan Alat SPC

• Check Sheet (Lembar Periksa) dan Flowchart menjadi alat yang paling banyak digunakan.
• Pareto Analysis menempati posisi ketiga.
• Penggunaan alat lain seperti Histogram, Scatter Diagram, dan Design of Experiment (DOE) masih rendah.

Manfaat SPC yang Dirasakan

• Meningkatkan pemahaman operator terhadap proses produksi.
• Mengurangi kesalahan dan kerugian produksi.
• Memperkuat hubungan dengan pelanggan lewat peningkatan kualitas produk.
• Efisiensi produksi meningkat, diikuti penurunan biaya per unit.

Tantangan Implementasi

Beberapa tantangan besar yang dihadapi antara lain:

• Resistensi terhadap perubahan di kalangan karyawan.
• Kurangnya pelatihan dan edukasi tentang SPC.
• Minimnya komitmen dari manajemen puncak

Analisis & Nilai Tambah: Apa yang Bisa Kita Pelajari dari Kasus Ini?

Kritik dan Perspektif Lain

Walaupun penelitian ini menunjukkan manfaat SPC, ada beberapa hal yang bisa dikritisi:

1. Kurangnya pendekatan berbasis data besar (Big Data). Padahal, tren industri manufaktur modern telah memanfaatkan Internet of Things (IoT) untuk pengumpulan data secara otomatis.
2. Fokus hanya di Harare. Penelitian akan lebih representatif jika mencakup wilayah industri lain di Zimbabwe.

Perbandingan dengan Negara Lain

Sebagai pembanding, penerapan SPC di negara berkembang lain seperti India dan Indonesia telah menunjukkan hasil yang lebih masif. Studi oleh Antony et al. (2000) mencatat bahwa implementasi SPC di India mampu meningkatkan produktivitas sebesar 25% dalam satu tahun dengan pengurangan limbah produksi sebesar 30%.

Di Indonesia, sektor otomotif telah lama menerapkan Total Quality Management (TQM) yang bersinergi dengan SPC, seperti di PT Toyota Manufacturing Indonesia yang berhasil menurunkan defect rate menjadi kurang dari 1% di lini perakitan utama.

Dampak Praktis bagi Industri

• Meningkatkan Daya Saing: Dengan SPC, produsen Zimbabwe bisa memperbaiki kualitas produk, menurunkan biaya produksi, dan meningkatkan kepercayaan pelanggan internasional.
• Mempercepat Sertifikasi Standar Global: Implementasi SPC yang kuat bisa mempercepat pencapaian standar internasional seperti ISO 9001.
• Meningkatkan Skill SDM: Pelatihan SPC melatih kemampuan analitis pekerja, penting untuk menghadapi Revolusi Industri 4.0.

Rekomendasi Strategis: Langkah Nyata Menerapkan SPC di Industri Negara Berkembang

Berdasarkan analisis penulis dan data penelitian, berikut adalah rekomendasi praktis bagi industri di negara berkembang:

1. Perkuat Komitmen Manajemen
   • Top management harus memimpin langsung inisiatif SPC.
   • Tunjukkan quick win dari penerapan SPC untuk membangun kepercayaan.
2. Fokus pada Pelatihan Berkelanjutan
   • Buat kurikulum internal tentang SPC.
   • Lakukan simulasi proses produksi berbasis SPC secara rutin.
3. Gunakan Teknologi Pendukung
   • Adopsi sensor IoT untuk pengumpulan data real-time.
   • Gunakan software SPC modern seperti Minitab atau JMP untuk analisis data yang lebih akurat.
4. Lakukan Evaluasi Berkala
   • Terapkan siklus Plan-Do-Check-Act (PDCA) untuk memastikan keberlanjutan program SPC.
   • Gunakan Pareto Analysis secara berkala untuk memprioritaskan perbaikan.

 

Kesimpulan: SPC Adalah Investasi Jangka Panjang untuk Industri yang Tangguh

Penelitian Madanhire dan Mbohwa memberikan gambaran realistis bahwa penerapan Statistical Process Control (SPC) bukan hanya soal teknis, melainkan juga perubahan budaya perusahaan. Bagi industri manufaktur di negara berkembang, SPC bukan sekadar alat kontrol kualitas, tetapi senjata strategis untuk bertahan dan tumbuh di era persaingan global.

Meski tantangan implementasi cukup besar, dengan komitmen, edukasi, dan pemanfaatan teknologi, SPC terbukti dapat:

• Meningkatkan efisiensi produksi.
• Memperbaiki kualitas produk.
• Meningkatkan kepuasan pelanggan dan daya saing industri.

Jadi, apakah perusahaan Anda sudah siap memanfaatkan SPC untuk bersaing di pasar global?

 

📖 Sumber Referensi Utama: Madanhire, I., & Mbohwa, C. (2016). Application of Statistical Process Control (SPC) in Manufacturing Industry in a Developing Country. Procedia CIRP, 40, 580–583. https://doi.org/10.1016/j.procir.2016.01.137

 

Pendahuluan: Pentingnya Pengendalian Proses Statistik (SPC) di Era Industri 4.0

Dalam dunia manufaktur dan jasa saat ini, pengendalian kualitas tidak lagi menjadi sekadar pelengkap, melainkan kebutuhan esensial. Konsumen menuntut produk yang bebas cacat dan layanan yang konsisten. Salah satu pendekatan yang telah terbukti efektif sejak dekade 1920-an adalah Statistical Process Control (SPC). Pendekatan ini diperkenalkan oleh Walter A. Shewhart, yang dikenal sebagai pelopor dalam penerapan metode statistik untuk kontrol kualitas produksi.

Paper karya Arun Kumar Sinha dan Richa Vatsa, berjudul "Control Charts and Capability Analysis for Statistical Process Control", memberikan panduan komprehensif mengenai penerapan control charts dan capability analysis dalam konteks SPC. Penelitian mereka tidak hanya relevan di sektor industri maju, tetapi juga sangat aplikatif bagi negara berkembang yang tengah berupaya meningkatkan daya saing industri mereka.

Memahami SPC: Apa Itu dan Mengapa Penting?

SPC adalah metode berbasis data untuk memantau dan mengontrol proses produksi. Fokus utama dari SPC adalah membedakan common cause variation (variasi alami yang selalu ada dalam proses) dari special cause variation (variasi yang diakibatkan oleh faktor-faktor tertentu di luar standar proses).

Tanpa kontrol yang baik, proses produksi rentan menghasilkan produk cacat atau tidak konsisten. Di sinilah SPC berperan sebagai sistem peringatan dini. Jika diterapkan dengan benar, SPC membantu perusahaan:

• Mengurangi jumlah produk cacat.
• Menghemat biaya produksi.
• Memenuhi standar kualitas internasional seperti ISO 9001.

 

Jenis Data dan Control Charts: Memilih yang Tepat untuk Proses Produksi

Dalam analisis SPC, data produksi biasanya dibagi menjadi dua kategori utama:

1. Data Variabel (Measurable Data): Misalnya berat, panjang, suhu. Untuk data ini digunakan X-bar & R charts atau X-bar & S charts.
2. Data Atribut (Attribute Data): Misalnya jumlah produk cacat. Di sini, p-charts dan c-charts menjadi alat utama.

Control Charts untuk Data Variabel

Paper ini menjelaskan bahwa untuk memantau rata-rata proses, digunakan X-bar charts, sedangkan untuk memantau variasi proses, digunakan R charts. Dalam penerapannya:

• X-bar chart menunjukkan apakah rata-rata produksi stabil.
• R chart mengindikasikan apakah variasi antar-sampel masih dalam batas normal.

Contoh yang diangkat dalam paper adalah pengiriman bagasi di sebuah hotel. Pengukuran dilakukan untuk memantau waktu pengiriman bagasi ke kamar tamu. Hasil analisis menunjukkan bahwa proses ini stabil karena semua data berada dalam batas kendali.

Control Charts untuk Data Atribut

Untuk data seperti proporsi produk cacat, digunakan p-chart, sementara jumlah cacat per unit dipantau dengan c-chart. Dalam studi kasus di paper, analisis p-chart digunakan untuk mengontrol kualitas kaleng film, dengan hasil bahwa proses produksi kaleng tersebut dalam kondisi stabil.

Studi Kasus: Meningkatkan Layanan Pengiriman Bagasi Hotel dengan SPC

Latar Belakang Kasus

Sebuah hotel mewah ingin memastikan bahwa 99% pengiriman bagasi ke kamar tamu selesai dalam waktu 14 menit setelah check-in. Data diambil selama 28 hari, dengan pengambilan 5 sampel per hari pada shift malam.

Analisis Data

• Rata-rata waktu pengiriman adalah 9,48 menit.
• R chart menunjukkan bahwa variasi proses terkendali.
• X-bar chart menunjukkan bahwa rata-rata proses juga dalam batas kendali.

 

Capability Analysis

Proses pengiriman dievaluasi apakah mampu memenuhi target 99% pengiriman tepat waktu. Hasilnya:

• 99,874% pengiriman diselesaikan dalam batas waktu.
• Indeks kapabilitas proses (CPU) sebesar 1,01, artinya proses tersebut sangat dekat dengan batas yang diharapkan manajemen.

Interpretasi

Proses pengiriman bagasi hotel tersebut tidak hanya stabil, tetapi juga mampu memenuhi standar kualitas yang ditetapkan. Ini contoh konkret bagaimana SPC membantu sektor jasa, bukan hanya manufaktur.

 

Capability Analysis: Mengukur Seberapa Baik Proses Memenuhi Spesifikasi

Salah satu kontribusi besar paper ini adalah pembahasan tentang Capability Analysis, yaitu metode untuk mengukur kemampuan proses dalam memenuhi spesifikasi pelanggan.

Key Metrics dalam Capability Analysis

• Cp: Mengukur kapabilitas proses tanpa mempertimbangkan posisi rata-rata proses.
• Cpk: Mengukur kapabilitas dengan mempertimbangkan apakah rata-rata proses berada di tengah spesifikasi.
• CPU dan CPL: Mengukur kapabilitas untuk batas atas (Upper Specification Limit) dan batas bawah (Lower Specification Limit).

Dalam contoh hotel tadi, nilai CPU = 1,01 menunjukkan bahwa proses lebih dari 3 sigma di atas rata-rata. Dengan kata lain, sangat jarang ada pengiriman bagasi yang terlambat.

 

Manfaat Penerapan SPC di Negara Berkembang: Potensi dan Realita

Mengapa Negara Berkembang Butuh SPC?

Penulis menyoroti bahwa negara-negara berkembang seperti India, Ethiopia, dan Zimbabwe punya sumber daya alam melimpah dan tenaga kerja murah. Namun, kualitas produk mereka sering diragukan karena kurangnya kontrol kualitas yang sistematis.

 

SPC menjadi solusi karena:

• Biaya implementasi relatif murah.
• Tidak selalu memerlukan teknologi canggih.
• Mudah diadaptasi dengan pelatihan dasar statistik kepada operator produksi.

Contoh Nyata Penerapan SPC di Negara Berkembang

• Zimbabwe: Madanhire dan Mbohwa (2016) mengungkap penerapan SPC di industri manufaktur yang berhasil menekan tingkat cacat meskipun dengan keterbatasan data.
• India: Silver Spark Apparel Limited, bagian dari Raymond Group, sukses menerapkan SPC di lini produksi celana formal mereka. Hasilnya, tingkat cacat turun dari 9,14% menjadi 6,4%.

Apa yang Bisa Dipelajari dari Jepang?

Penulis juga mengingatkan bahwa Jepang bangkit dari kehancuran Perang Dunia II lewat pendekatan kualitas berbasis SPC, berkat tokoh seperti W. Edwards Deming. Negara-negara berkembang bisa mengikuti jejak Jepang dengan komitmen kuat pada kualitas dan pelatihan SDM.

 

Kritik dan Analisis Tambahan: Apa yang Kurang dari Studi Ini?

Kurangnya Pendekatan Digital

Sebagian besar ilustrasi dalam paper masih berbasis metode manual atau semi-manual. Padahal, tren industri global saat ini sudah mengarah pada SPC berbasis digital yang terintegrasi dengan Internet of Things (IoT) dan Artificial Intelligence (AI).

Keterbatasan Data Studi Kasus

Beberapa studi kasus, seperti dari Zimbabwe dan India, tidak dilengkapi data rinci dalam paper ini. Hal ini menyulitkan pembaca untuk melakukan validasi atau perbandingan langsung.

Perbandingan dengan Six Sigma

SPC memang fokus pada kontrol proses, tetapi integrasi dengan metodologi Six Sigma akan memberikan perbaikan proses berbasis data yang lebih mendalam. Misalnya, analisis akar penyebab (root cause analysis) dan penghapusan variabilitas proses secara berkelanjutan.

📄 Sumber Paper: Proceedings 63rd ISI World Statistics Congress (2021).
📌 DOI atau Tautan Resmi: [Belum tersedia di paper]
📚 Penelitian ini dapat diakses di forum ilmiah ISI World Statistics Congress.

Kendaraan listrik (EV) adalah kendaraan yang menggunakan tenaga listrik. Ada tiga jenis utama mobil, yang biasa disebut sebagai “listrik”. Ketika kita berbicara tentang “kendaraan listrik (EV),” kita berbicara tentang kendaraan listrik baterai (BEV) dan kendaraan listrik hibrida plug-in (PHEV). Rencana mengemudi ramah lingkungan tidak mencakup mobil hibrida.

Latar belakang dan pentingnya pasar mobil listrik di Indonesia

Dalam proses industrialisasi selama 200 tahun, energi fosil telah digunakan dalam jumlah besar dan luas. Selain menciptakan peradaban industri, hal ini juga membawa produk sampingan yang semakin serius: pencemaran lingkungan, pemanasan iklim, dan kerusakan ekologi, yang secara serius mempengaruhi kelangsungan hidup dan perkembangan manusia. Kita perlu mencari produksi dan gaya hidup yang lebih ekonomis, berkelanjutan, dan lebih sejalan dengan alam dan etika sosial. Gagasan yang diakui adalah menggunakan babak baru revolusi teknologi sebagai titik tumpu dan pengembangan EV-Car sebagai titik terobosan untuk mempromosikan dan mewujudkan revolusi industri otomotif.

A. Kekurangan minyak

Seiring dengan kepemilikan mobil yang terus meningkat, begitu pula dengan permintaan minyak di seluruh dunia. Mobil dan bidang industri lainnya mengkonsumsi minyak dalam jumlah besar setiap tahun, menyebabkan minyak, sumber energi yang tidak dapat diperbarui, menurun tajam dengan laju yang sangat tinggi. Krisis minyak global menjadi semakin serius, dan hubungan antara pasokan dan permintaan energi telah berubah secara mendalam. Keterbatasan sumber daya dan sumber daya semakin meningkat, masalah ekologi dan lingkungan menjadi menonjol, dan tekanan untuk menyesuaikan struktur, meningkatkan efisiensi energi, dan memastikan keamanan energi semakin meningkat. Pengembangan energi menghadapi serangkaian masalah dan tantangan baru.

B. Pencemaran lingkungan

Memburuknya masalah lingkungan perkotaan tidak terlepas dari polusi lalu lintas perkotaan. Polusi lalu lintas tidak hanya mempengaruhi lingkungan ekologi di wilayah tersebut, tetapi juga berdampak serius pada lingkungan global. Gas buang, kebisingan, dan debu yang dihasilkan oleh lalu lintas perkotaan telah menjadi sumber utama pencemaran lingkungan perkotaan. Di kota-kota besar di seluruh dunia, gas buang yang dikeluarkan oleh kendaraan bermotor merupakan sumber polusi udara terbesar. Kendaraan berbahan bakar tradisional menghasilkan sejumlah besar gas berbahaya selama berkendara, yang tidak hanya mencemari lingkungan tetapi juga mempengaruhi kesehatan manusia. Polutan utama yang dipancarkan oleh knalpot mobil adalah karbon monoksida (CO), hidrokarbon (HC), amonia oksida (NOx), timbal (Pb), partikulat halus (PM), dan sulfida. Polutan primer ini juga dapat menghasilkan polutan sekunder seperti kabut asap fotokimia dan pengendapan asam melalui reaksi kimia di atmosfer.

Menurut data terbaru yang dirilis oleh Gabungan Industri Kendaraan Bermotor Indonesia, produksi mobil Indonesia mencapai 1.470.146 unit pada tahun 2022, meningkat hampir 350.000 unit dibandingkan dengan tahun 2021, dan tingkat pertumbuhan tahun ke tahun lebih dari 31%, yang mencerminkan potensi pertumbuhan yang sangat besar dari industri otomotif Indonesia.

Sebagai negara dengan populasi terpadat keempat di dunia, Indonesia memiliki populasi yang terus bertambah dari tahun ke tahun dan memiliki keuntungan demografis yang unik. Saat ini, kepemilikan mobil di Indonesia per 1.000 orang hanya 99 unit, sementara di China kepemilikan mobil per 1.000 orang telah mencapai 200 unit. Dengan peningkatan pendapatan per kapita Indonesia yang terus meningkat, Indonesia akan memasuki tahap pemasyarakatan mobil secara massal. Indonesia memiliki kondisi dasar untuk menjadi pasar yang besar untuk produksi dan penjualan mobil.

Sejak tahun 2012, Indonesia telah mencapai angka produksi tahunan sebesar satu juta mobil. Namun, epidemi COVID-19 mempengaruhi pasar mobil Indonesia pada tahun 2020. Produksi mobil domestik Indonesia turun 46,37% dari tahun ke tahun, dengan hanya 690.000 kendaraan yang diproduksi. Dengan berlalunya epidemi, produksi mobil Indonesia pada tahun 2021 segera kembali ke level jutaan, mencapai 1,12 juta unit, meningkat 62,56% dari tahun ke tahun.

Dengan pulihnya perekonomian nasional Indonesia, peningkatan pendapatan per kapita, dan dukungan kuat pemerintah Indonesia terhadap industri otomotif, terutama kendaraan energi baru, industri otomotif Indonesia diharapkan dapat semakin berkembang pesat. Dengan prospek pengembangan yang sangat besar, mempelajari perkembangan pasar kendaraan listrik di Indonesia sangat penting untuk mengetahui dampaknya terhadap lingkungan dan akan memberikan data langsung kepada para peneliti yang relevan.

Status pasar mobil di Indonesia saat ini

Karena latar belakang sosial dan budaya yang unik, keluarga Indonesia sebagian besar adalah keluarga dengan banyak orang. Jumlah penumpang dan kenyamanan penggunaan merupakan faktor penimbang yang penting saat membeli mobil. Kebijakan preferensial pemerintah Indonesia dalam hal perpajakan dan aspek lainnya juga membuat harga mobil MPV menjadi lebih terjangkau. Oleh karena itu, model MPV 7-kursi telah lama mendominasi pasar mobil penumpang di Indonesia, menguasai sekitar 30% pangsa pasar. Dalam beberapa tahun terakhir, dengan mengandalkan keunggulan seperti gaya, konfigurasi, dan kenyamanan, model SUV secara bertahap mendapatkan pangsa pasar dan saat ini merupakan segmen yang paling berkembang. Pada saat yang sama, dengan perkembangan ekonomi dan kemajuan ilmu pengetahuan dan teknologi, pasar mobil Indonesia juga telah menunjukkan tingkat kecerdasan dan tren elektrifikasi tertentu, dan kendaraan listrik murni juga telah berkembang pesat di Indonesia.

Seperti halnya negara-negara Asia Tenggara lainnya, pasar mobil di Indonesia didominasi oleh merek-merek Jepang yang menguasai lebih dari 90% pasar. Sisanya 10% adalah merek mobil Korea, Amerika, Eropa, dan Cina, seperti merek mobil Cina Chery dan Wuling. Dongfeng Xiaokang (Penjualan).

Dari sepuluh model terlaris yang dihitung oleh Gabungan Industri Kendaraan Bermotor Indonesia pada tahun 2022, kita dapat melihat preferensi masyarakat Indonesia terhadap merek dan model mobil. Peringkat pertama adalah Honda Brio yang terjangkau. Kecuali minivan Suzuki, model lainnya adalah model MPV, dan semuanya adalah merek Jepang.

Sebagian besar mobil yang diproduksi di Indonesia adalah merek asing, terutama merek Jepang, dan mobil-mobil tersebut diproduksi di Indonesia melalui pabrik-pabrik patungan dengan mitra lokal atau pabrik yang dimiliki sepenuhnya.

Produsen mobil Cina juga telah melihat potensi pengembangan pasar mobil Indonesia sejak dini. Sejak tahun 2015, Wuling Motors telah mendirikan anak perusahaan yang sepenuhnya dimiliki di Indonesia, dan mulai meletakkan fondasi untuk proyek tersebut pada bulan Agustus tahun itu. Proyek ini telah menghabiskan total dana sebesar US$700 juta dan telah selesai dan mulai berproduksi pada tahun 2017. Selain Wuling Motors, perusahaan domestik Dongfeng Xiaokang (sekarang berganti nama menjadi Thalys) juga telah berinvestasi di Indonesia dan mulai memproduksi mobil. Chery juga telah menerapkan produksi di Indonesia melalui perakitan. Diharapkan lebih banyak lagi merek mobil domestik yang akan memasuki pasar Indonesia di masa depan.

Saat ini, sepuluh besar produsen mobil di Indonesia sebagian besar adalah merek-merek Jepang. Lima besar semuanya adalah merek Jepang, yaitu Toyota, Daihatsu, Mitsubishi, Suzuki, dan Honda. Hyundai Motor dari Korea berada di urutan keenam dan ketujuh. Hingga peringkat kesembilan, semuanya adalah merek Jepang. Perlu dicatat bahwa Wuling Motors dari China juga masuk ke dalam sepuluh besar produsen mobil di Indonesia, yang saat ini berada di peringkat kesepuluh, dengan total 30.441 kendaraan yang diproduksi pada tahun 2022, menyumbang 2,07% dari produksi mobil Indonesia pada tahun tersebut.

Status pasar mobil listrik di Indonesia saat ini

Pada tanggal 20 Juli 2023, data statistik terkait industri otomotif Indonesia menunjukkan bahwa industri kendaraan listrik di Indonesia telah memasuki periode pertumbuhan. Pada tahun 2022, penjualan kendaraan listrik akan mencapai lebih dari 20.000 unit, meningkat lebih dari tiga kali lipat, dan penjualan diperkirakan akan melebihi 50.000 unit pada tahun 2023. Kementerian Perindustrian Indonesia sebelumnya telah mengeluarkan dokumen yang menjelaskan tujuan pengembangan produksi kendaraan listrik nasional yang mencapai 1 juta unit pada tahun 2035.

Indonesia memiliki fondasi industri otomotif yang relatif lengkap dan sumber daya mineral yang kaya. Cadangan nikel, bahan baku penting untuk baterai kendaraan listrik, mencapai 52% dari total cadangan dunia, menjadikannya salah satu produsen nikel terbesar. Indonesia menggunakan keunggulan sumber dayanya untuk mengembangkan industri manufaktur mobil dengan penuh semangat dan menganggap industri kendaraan listrik sebagai industri prioritas nasional. Presiden Indonesia Joko Widodo menunjukkan bahwa perlu untuk memanfaatkan peluang pengembangan global kendaraan listrik dan membangun ekosistem untuk seluruh rantai industri kendaraan listrik.

Untuk mendorong pengembangan industri kendaraan listrik, pemerintah Indonesia telah meluncurkan serangkaian kebijakan khusus. Pada bulan April 2024, kebijakan pengurangan pajak kendaraan listrik yang dikeluarkan oleh Kementerian Keuangan Indonesia akan secara resmi berlaku. Tarif pajak preferensial dibagi menjadi dua tingkat. Pajak penjualan kendaraan listrik dengan tingkat lokalisasi 40% akan dikurangi dari 11% menjadi 1%, dan tingkat lokalisasi menjadi 20%. -Pajak penjualan kendaraan listrik sebesar 40% akan dikurangi menjadi 6%. Indonesia juga menetapkan bahwa kendaraan dinas yang digunakan oleh semua lembaga nasional dan kantor regional mereka akan secara bertahap dikonversi menjadi kendaraan listrik, dan jaringan pengisian kendaraan listrik nasional akan terus diperluas. Perusahaan listrik nasional Indonesia menyatakan bahwa mereka akan berusaha untuk membangun 25.000 stasiun pengisian kendaraan listrik pada tahun 2030.

Dalam hal produksi bahan baku baterai kendaraan listrik, Kawasan Industri Delong dan Kawasan Industri Qingshan yang diinvestasikan oleh perusahaan-perusahaan China telah memperkuat kerja sama dengan Indonesia dalam produksi feronikel. Perusahaan mobil Cina, Wuling, telah berkinerja baik di pasar kendaraan listrik Indonesia. Penelitian oleh lembaga pemeringkat internasional Fitch menunjukkan bahwa peningkatan penjualan kendaraan listrik di Indonesia pada tahun 2022 akan disebabkan oleh masuknya model-model yang lebih hemat biaya ke pasar, seperti Wuling “Aviation” yang dibanderol dengan harga 250 juta rupiah (1 dolar AS setara dengan 15.000 rupiah). kendaraan listrik merek Wuling digemari oleh banyak konsumen Indonesia, dengan penjualan mencapai 8.000 unit dalam waktu kurang dari setengah tahun setelah peluncurannya.

Arif Pramadana, wakil manajer umum SAIC-GM-Wuling Indonesia Automobile Co, Ltd, mengatakan: “Wuling akan memperkenalkan kendaraan energi baru ke Indonesia dan membantu Indonesia membangun sistem pendukung untuk rantai industri otomotif, dengan mempertimbangkan manfaat ekonomi dan perlindungan lingkungan yang ramah lingkungan. Investasi dari China dan Teknologi akan membantu Indonesia mengembangkan industri kendaraan listrik dengan lebih cepat dan lebih baik.”

Masa depan pasar mobil listrik Indonesia

Dilihat dari situasi aktual di Indonesia, industri otomotif selalu menjadi pilar penting bagi perekonomian Indonesia, dan kendaraan listrik, sebagai arah penting bagi pengembangan industri otomotif di masa depan, juga mendapat perhatian besar dari pemerintah Indonesia. Faktor-faktor yang mendorong pengembangan industri kendaraan listrik Indonesia yang berkelanjutan terutama mencakup aspek-aspek berikut: Pertama, Indonesia adalah ekonomi terbesar di Asia Tenggara, dengan populasi lebih dari 260 juta, sumber daya tenaga kerja yang melimpah dan biaya rendah; kedua, kepemilikan mobil per kapita Indonesia masih pada tingkat yang rendah, dan ada potensi pengembangan yang sangat besar di bidang kendaraan listrik; Selain itu, Indonesia kaya akan sumber daya bijih nikel, yang menyediakan daya yang cukup untuk pasokan bahan baku untuk sel bahan bakar; Selain itu, pemerintah Indonesia telah memperkenalkan serangkaian kebijakan yang menguntungkan untuk secara komprehensif mempromosikan Pengembangan kendaraan listrik dalam negeri. Secara keseluruhan, tren perkembangan masa depan industri kendaraan listrik Indonesia masih bagus.

Menurut “Laporan Penelitian Status Pasar Industri Kendaraan Listrik Indonesia dan Kelayakan Masuknya Perusahaan Luar Negeri pada Tahun 2021” yang dirilis oleh New Thinking Industry Research Center, di pasar global, dalam beberapa tahun terakhir, dengan kemajuan teknologi terkait dan peningkatan penerimaan masyarakat, penjualan pasar kendaraan listrik global telah mempertahankan tren pertumbuhan yang stabil, mencapai 2,21 juta unit pada tahun 2019, meningkat 10% dari tahun sebelumnya, dan proporsinya di seluruh penjualan mobil juga meningkat menjadi 2,5%. Industri ini berada dalam tahap perkembangan yang pesat. Diperkirakan penjualan kendaraan listrik global akan melebihi 11,8 juta unit pada tahun 2025. Dengan latar belakang ini, pemerintah Indonesia juga mulai aktif mendorong proses pengembangan industri kendaraan listrik dalam negeri. Meskipun pengembangan industri dalam negeri masih dalam tahap awal, namun memiliki potensi yang sangat besar untuk pengembangan di masa depan.

Dalam rangka mendorong perkembangan yang berkelanjutan dan sehat dari seluruh industri otomotif, sekaligus mengurangi ketergantungan pada minyak impor dan mengurangi masalah pencemaran lingkungan yang disebabkan oleh knalpot mobil, pihak berwenang Indonesia telah menetapkan kendaraan listrik sebagai area pengembangan prioritas dan memperkenalkan serangkaian kebijakan dan insentif yang menguntungkan. Berbagai upaya telah dilakukan untuk menarik produsen mobil asing untuk berinvestasi dan membangun pabrik di Indonesia, dan untuk terus merangsang permintaan konsumen domestik akan kendaraan listrik. Menurut rencana Kementerian Perindustrian Indonesia, Indonesia akan memproduksi 400.000 kendaraan listrik pada tahun 2025, yang merupakan 20% dari total jumlah mobil yang diproduksi di Indonesia. Selain itu, pemerintah Indonesia juga berharap Indonesia dapat menjadi pengekspor kendaraan listrik dan akan memproduksi sebagian besar kendaraan listriknya diekspor ke pasar luar negeri, dan akan menyalip Singapura dan Thailand pada tahun 2030 untuk menjadi basis produksi dan ekspor kendaraan listrik terbesar di Asia Tenggara.

Disadur dari: www.jurnalindustry.com

REPUBLIKA.CO.ID, Sebagai wakil rakyat yang sekaligus putra daerah Sulawesi Tengah, saya jelas bersyukur atas keberhasilan operasi TNI dalam memburu Ali Kalora. Pada tataran lebih mendasar lagi, saya ingin mengapresiasi ketangguhan masyarakat di sekian banyak kabupaten di Sulteng.

Selama bertahun-tahun mereka berada dalam situasi teror oleh Ali Kalora dan komplotannya. Namun selama itu pula mereka mampu bertahan dengan tetap bekerja dan beribadah. Dan kini, kedahsyatan TNI semoga semakin melipatgandakan semangat masyarakat Sulawesi Tengah untuk terus memajukan tanah persadanya.

Pada satu sisi, kita berbangga hati menyaksikan keberhasilan operasi TNI/POLRI di Poso. Pada sisi lain, kita berduka karena sekian banyak personel TNI dan warga sipil gugur di tangan KKB Papua. Dua gambaran kontras itu patut disikapi secara konkret dengan menaikkan anggaran operasi TNI hingga ke besaran yang menjamin efektivitas kerja mereka. Baik operasi TNI di wilayah damai maupun di wilayah tempur semisal Poso dan Papua.

Seiring dengan situasi Sulteng yang diharapkan kini sudah jauh lebih kondusif, saya menyemangati Pemerintah Daerah baik provinsi maupun kabupaten kota untuk memacu pembangunan Sulteng lebih kencang lagi. Kerja-kerja daerah dan pusat perlu disinergikan, dan saya yang diamanahi untuk berkantor di DPD RI insya Allah akan menjembatani semua pihak dengan sebaik-baiknya.

Pembangunan Sulteng harus digiatkan demi kesejahteraan utamanya masyarakat Sulteng sendiri. Seluruh pemangku kepentingan, antara lain pemerintah daerah serta anggota DPD dan pemerintah pusat, perlu serius duduk bersama menciptakan ketentuan-ketentuan tentang bagaimana, pertama, kekayaan bumi Sulteng digali dan diolah oleh SDM Sulteng dengan tata kelola yang baik. Kedua hasil bumi Sulteng dikelola secara lebih proporsional dengan--sekali lagi--memaksimalkannya terutama bagi kesejahteraan segenap masyarakat Sulteng sendiri.

Toh dunia tahu betapa Sulteng merupakan penghasil nikel terbesar di dunia. Untuk itu, gagasan dibentuknya "koalisi" antarsesama daerah berpenghasilan tambang besar  perlu selekasnya direalisasikan. Ini merupakan media perjuangan yang baik guna menekan pusat dana bagi hasil (DBH) pertambangan lebih besar diperoleh daerah ketimbang pusat.

Di samping pertambangan, Sulteng memiliki potensi kuat untuk mengembangkan sektor pariwisatanya. Ke depan, halal tourism yang bertumpu pada kekuatan layanan dan teknologi merupakan wajah pariwisata yang tidak hanya profitable tapi juga bisa mempertahankan kepribadian dan kearifan masyarakat Sulteng.

Situasi keamanan dan ketertiban Sulteng yang kian hari kian kokoh, disertai gairah membangun yang menyala-nyala menumbuhkan optimisme bahwa Sulteng akan menjadi salah satu provinsi paling kaya se-Indonesia dengan kontribusi terbesar bagi pusat.

Sumber: www.republika.co.id