One Sample T-Test

Sebelum masuk ke tahap Improve pada metodologi DMAIC, praktisi Six Sigma harus memastikan bahwa akar penyebab (root cause) yang ditemukan benar-benar didukung oleh data, bukan sekadar opini atau pengalaman. Salah satu alat statistik yang sederhana namun sangat kuat untuk tujuan tersebut adalah One Sample T-Test. Uji ini membantu tim menentukan apakah rata-rata suatu proses berbeda secara signifikan dibandingkan nilai target atau standar yang telah ditetapkan. Dengan demikian, keputusan perbaikan dapat dilakukan secara objektif dan berbasis bukti (data-driven decision making).

1. Pengertian One Sample T-Test dalam Six Sigma

One Sample T-Test adalah metode statistik yang digunakan untuk membandingkan rata-rata suatu sampel dengan satu nilai acuan (target, spesifikasi, atau standar perusahaan). Uji ini digunakan ketika simpangan baku populasi tidak diketahui dan jumlah data relatif kecil.

Dalam proyek Six Sigma, One Sample T-Test sering digunakan pada fase Analyze untuk menguji apakah dugaan penyebab utama benar-benar menyebabkan penyimpangan terhadap target proses.

Hipotesis yang digunakan adalah:

• H₀ (Null Hypothesis): rata-rata proses sama dengan target.
• H₁ (Alternative Hypothesis): rata-rata proses berbeda dari target.

Jika nilai P-Value < 0,05, maka H₀ ditolak sehingga dapat disimpulkan bahwa proses memang berbeda secara signifikan dari target.

Misalnya sebuah perusahaan menetapkan target waktu setup mesin selama 30 menit. Setelah dikumpulkan 25 data, rata-rata aktual mencapai 35,8 menit dengan P-Value sebesar 0,002. Karena P-Value lebih kecil dari 0,05, maka dapat disimpulkan bahwa waktu setup memang secara statistik lebih lama dari target sehingga diperlukan investigasi lebih lanjut terhadap penyebabnya.

Dengan demikian, One Sample T-Test menjadi alat sederhana namun efektif untuk membuktikan apakah suatu penyimpangan benar-benar nyata atau hanya disebabkan oleh variasi acak.

2. Fungsi One Sample T-Test untuk Memvalidasi Root Cause

Dalam Six Sigma, banyak tim langsung menyimpulkan akar penyebab hanya berdasarkan brainstorming, diagram sebab-akibat (Fishbone Diagram), atau metode 5 Why. Padahal, hasil tersebut masih berupa hipotesis yang harus divalidasi menggunakan data.

One Sample T-Test berfungsi sebagai alat validasi statistik terhadap dugaan root cause tersebut.

Sebagai contoh, sebuah pabrik menemukan tingkat cacat produk sebesar 4,8%, sedangkan target perusahaan hanya 2%. Tim menduga bahwa suhu oven yang tidak stabil menjadi penyebab utama.

Langkah validasinya adalah:

1. Mengambil sampel cacat dari proses yang menggunakan oven tersebut.
2. Membandingkan rata-rata tingkat cacat dengan target 2%.
3. Melakukan One Sample T-Test.

Hasil menunjukkan:

• Rata-rata cacat = 4,9%
• P-Value = 0,001

Karena P-Value < 0,05, maka dapat dibuktikan bahwa tingkat cacat memang secara signifikan lebih tinggi daripada target. Setelah dilakukan pengukuran suhu, ditemukan fluktuasi oven mencapai ±15°C akibat kerusakan sensor. Dengan demikian, kerusakan sensor oven terbukti sebagai root cause yang tervalidasi oleh data.

Tanpa uji statistik, perusahaan mungkin mengganti operator, mengubah SOP, atau melakukan pelatihan yang sebenarnya tidak menyelesaikan masalah utama.

3. Contoh Penerapan di Industri Manufaktur

Sebuah perusahaan otomotif memproduksi komponen rem dengan target diameter 20,00 mm.

Tim Quality Control mencurigai bahwa mesin bubut mengalami keausan sehingga menghasilkan ukuran yang lebih besar dari standar.

Sebanyak 30 sampel diambil dan diperoleh hasil:

• Target = 20,00 mm
• Rata-rata sampel = 20,08 mm
• P-Value = 0,004

Karena P-Value lebih kecil dari 0,05, maka rata-rata diameter memang berbeda secara signifikan dari spesifikasi.

Investigasi lanjutan menemukan bahwa mata pahat telah digunakan lebih dari umur pakainya sehingga menghasilkan dimensi yang lebih besar.

Perusahaan kemudian:

• mengganti cutting tool,
• mengatur ulang jadwal preventive maintenance,
• membuat standar penggantian tool berdasarkan jumlah produksi.

Setelah implementasi, dilakukan One Sample T-Test kembali.

Hasilnya:

• Rata-rata = 20,01 mm
• P-Value = 0,63

Karena P-Value lebih besar dari 0,05, maka rata-rata produk sudah tidak berbeda secara signifikan dengan target. Ini menunjukkan bahwa tindakan perbaikan berhasil menghilangkan penyebab utama variasi proses.

4. Contoh Penerapan di Industri Jasa

One Sample T-Test juga sangat bermanfaat pada sektor jasa untuk memvalidasi penyebab ketidaksesuaian terhadap target layanan.

Misalnya sebuah rumah sakit menetapkan target waktu tunggu pasien di instalasi rawat jalan maksimal 20 menit.

Hasil pengamatan terhadap 40 pasien menunjukkan:

• Rata-rata waktu tunggu = 29 menit
• P-Value = 0,000

Karena hasilnya signifikan, tim Lean Six Sigma melakukan analisis menggunakan Fishbone Diagram dan menemukan dugaan bahwa proses registrasi manual menjadi penyebab utama.

Perbaikan dilakukan dengan menerapkan registrasi digital, pemindaian kartu identitas otomatis, dan penjadwalan dokter secara elektronik.

Satu bulan setelah implementasi diperoleh:

• Rata-rata waktu tunggu = 20,8 menit
• P-Value = 0,41

Artinya, waktu tunggu sudah tidak berbeda secara signifikan dengan target sehingga root cause berhasil diatasi.

Contoh lain dapat ditemukan pada industri perbankan. Sebuah bank memiliki target waktu pembukaan rekening maksimal 15 menit, tetapi rata-rata aktual mencapai 19 menit. One Sample T-Test menunjukkan P-Value sebesar 0,003, sehingga keterlambatan terbukti signifikan. Setelah analisis, ditemukan bahwa proses verifikasi dokumen manual merupakan akar penyebab. Implementasi sistem verifikasi digital menurunkan rata-rata waktu menjadi 14,7 menit, dan hasil One Sample T-Test berikutnya menunjukkan P-Value > 0,05, menandakan target telah tercapai.

Dari berbagai contoh tersebut dapat disimpulkan bahwa One Sample T-Test bukan sekadar alat statistik, melainkan instrumen penting dalam Six Sigma untuk membedakan antara dugaan dan fakta. Dengan memvalidasi root cause menggunakan data, organisasi dapat menghindari keputusan yang keliru, memastikan solusi yang diterapkan benar-benar menyelesaikan masalah, serta meningkatkan kualitas, produktivitas, dan kepuasan pelanggan secara berkelanjutan.