Ekliptika : Jurnal Inovasi Teknologi Berkelanjutan

Vol. 5 No. 1 Juli 2024 | Hal. 17–24

doi: https://doi.org/10.55757/ekliptika.v5i1/469

Analisis Pengendalian Kualitas DOC Menggunakan Metode FMEA

Iis Riyana¹, Nur Hamida¹, Enik Sulistyowati

¹ Universitas Nahdlatul Ulama Pasuruan, Pasuruan, Indonesia

Email penulis: iisriyana@itsnupasuruan.ac.id ; nurhamida@itsnupasuruan.ac.id

Received: Juni 2024; Revised: Juli 2024; Accepted: Juli 2024

Abstrak

Pengendalian kualitas day-old chick (DOC) diperlukan untuk mengidentifikasi risiko kegagalan pada proses penetasan dan penanganan anak ayam. Penelitian ini bertujuan mengidentifikasi potensi kegagalan dan menentukan prioritas perbaikan menggunakan Failure Mode and Effects Analysis (FMEA) di PT Super Unggas Jaya Hatchery Ngembal. Data diperoleh melalui observasi, dokumentasi, dan wawancara, dengan periode pengamatan 10 September–27 November 2023. Analisis menggunakan skor severity (S), occurrence (O), dan detection (D) serta perhitungan risk priority number (RPN). Empat kategori ketidaksesuaian produk dilaporkan, yaitu pusar hitam, kembung, cacat, dan lemah, dengan sebelas kondisi kegagalan potensial. Perhitungan ulang terhadap sepuluh kondisi dengan skor lengkap menunjukkan RPN tertinggi pada kontaminasi bakteri pada telur sebesar 175, diikuti telur grade out yang lolos seleksi sebesar 96 dan DOC terjepit keranjang sebesar 64. Tiga nilai RPN sumber tidak sesuai dengan perkalian skor yang tercantum. Risiko suhu mesin terlalu panas belum dapat dihitung karena skor occurrence tidak tersedia. Prioritas perbaikan meliputi verifikasi sanitasi, penguatan seleksi telur, pemeriksaan keranjang, serta pengendalian penanganan dan parameter mesin. Hasil merupakan penilaian deskriptif berdasarkan data ringkasan; efektivitas tindakan perbaikan belum diuji.

Abstract

Quality control of day-old chicks (DOC) is needed to identify potential failures in hatchery operations and chick handling. This study identified potential failures and improvement priorities using Failure Mode and Effects Analysis (FMEA) at PT Super Unggas Jaya Hatchery Ngembal. Data were obtained through observation, documentation, and interviews, with observations conducted from 10 September to 27 November 2023. Severity (S), occurrence (O), and detection (D) scores were used to calculate the risk priority number (RPN). Four reported product nonconformity categories were black navels, bloating, physical defects, and weak chicks, associated with eleven potential failure conditions. Recalculation for the ten conditions with complete scores yielded the highest RPN for bacterial contamination of eggs (175), followed by rejected-grade eggs passing selection (96) and chicks trapped in baskets (64). Three source RPN values did not match the products of the reported scores. Excessive machine temperature could not be evaluated because its occurrence score was unavailable. Proposed improvements include sanitation verification, stronger egg selection, basket inspection, and control of handling and machine parameters. The findings are descriptive and based on summary data; the effectiveness of the proposed actions has not been tested.

PENDAHULUAN

Kualitas day-old chick (DOC) merupakan salah satu aspek penting dalam kegiatan penetasan unggas. Produk yang mengalami ketidaksesuaian perlu ditelusuri melalui pemeriksaan bahan, kondisi inkubasi, dan penanganan setelah menetas. Pendekatan pengendalian kualitas membantu perusahaan mengenali tahapan proses yang memerlukan pengawasan serta menyusun tindakan perbaikan berdasarkan risiko yang dilaporkan.

Karakteristik mesin dan kondisi telur berhubungan dengan lingkungan inkubasi. French [1] membahas perpindahan panas dalam inkubator, sedangkan Lourens dkk. [2] menguji pengaruh suhu kerabang terhadap perkembangan embrio, daya tetas, dan perkembangan setelah menetas. Penelitian tersebut memberikan dasar untuk memeriksa parameter proses secara terukur, tetapi tidak menetapkan penyebab setiap ketidaksesuaian DOC pada lokasi penelitian ini.

Kondisi bahan sebelum inkubasi juga perlu diperhatikan. Tona dkk. [3] meneliti hubungan lama penyimpanan telur dengan waktu menetas, kualitas anak ayam, dan pertumbuhan awal. Penelitian berikutnya mengkaji umur induk serta penyimpanan telur [4]. Reijrink dkk. [5] mengevaluasi kombinasi penyimpanan dan profil pemanasan sebelum inkubasi. Karena rincian umur induk dan penyimpanan tidak tersedia pada data penelitian ini, faktor tersebut digunakan sebagai konteks kajian, bukan sebagai hasil pengamatan baru.

PT Super Unggas Jaya Hatchery Ngembal melaporkan ketidaksesuaian berupa pusar hitam (omphalitis), kembung (bloat), cacat fisik (defect), dan kondisi lemah (weak). Keempat kategori tersebut memerlukan evaluasi proses yang dapat menghubungkan potensi kegagalan, dampak, dan kemampuan deteksi. Failure Mode and Effects Analysis (FMEA) menyusun penilaian tersebut melalui severity, occurrence, dan detection. Kajian Liu dkk. [6] menunjukkan bahwa evaluasi risiko dalam FMEA memiliki berbagai pendekatan dan keterbatasan, sehingga interpretasi hasil harus disertai pemeriksaan konsistensi skor.

Penerapan FMEA pada pengendalian kualitas telah dibahas dalam produksi sarden [7], pembuatan stan kontainer [8], dan produk paving block [9]. Penelitian pada tas kulit [10] serta pita cukai berperekat [11] juga menggunakan penelusuran kegagalan untuk menyusun usulan perbaikan. Kasus tersebut mendukung pemanfaatan kerangka analisis proses, sedangkan urutan risiko tetap bergantung pada data dan kriteria penilaian masing-masing objek.

Penelitian ini bertujuan mengidentifikasi kondisi kegagalan potensial dalam proses produksi DOC dan menyusun prioritas pengendalian berdasarkan skor FMEA yang dilaporkan. Pemeriksaan aritmetika RPN dilakukan agar hasil, pembahasan, dan kesimpulan menggunakan dasar perhitungan yang konsisten. Usulan perbaikan difokuskan pada pengawasan proses dan kelengkapan pencatatan, tanpa menyatakan bahwa tindakan telah diterapkan atau menghasilkan penurunan cacat.

METODE PENELITIAN

Lokasi dan Pengumpulan Data

Penelitian merupakan studi lapangan deskriptif di PT Super Unggas Jaya Hatchery Ngembal. Periode pengamatan yang dilaporkan adalah 10 September–27 November 2023. Pengumpulan data meliputi observasi langsung terhadap proses, dokumentasi catatan perusahaan, dan wawancara karyawan. Jumlah serta jabatan informan, pedoman wawancara, dan prosedur pemilihan informan tidak dijelaskan dalam naskah sumber.

Dokumentasi produksi memuat rekap bulan Juli, Agustus, dan September. Tahun pada rekap tersebut tidak dicantumkan secara eksplisit. Rekap produksi diperlakukan sebagai data dokumentasi yang terpisah dari periode observasi, sehingga tidak diasumsikan seluruhnya diperoleh selama kunjungan lapangan. Informasi ketidaksesuaian dan skor FMEA dianalisis mengikuti tabel yang tersedia. Tidak dilakukan penambahan data pengukuran lapangan atau estimasi jumlah cacat dari persentase yang dibulatkan.

Identifikasi Kegagalan dan Penilaian Risiko

Identifikasi mengelompokkan ketidaksesuaian DOC dan kondisi proses yang diduga berkaitan. Faktor manusia, material, metode, dan mesin digunakan sebagai kerangka penelusuran. Empat kategori produk dan sebelas kondisi kegagalan potensial ditemukan pada tabel sumber. Jumlah sebelas digunakan secara konsisten karena uraian sembilan kegagalan dalam abstrak sumber tidak sesuai dengan jumlah baris penilaian.

Severity (S) menunjukkan tingkat keparahan dampak, occurrence (O) menunjukkan penilaian kemungkinan kejadian, dan detection (D) berkaitan dengan kesulitan mendeteksi kegagalan. Dalam penggunaan FMEA konvensional, skor detection yang lebih tinggi merepresentasikan kemampuan deteksi yang lebih lemah. Namun, naskah sumber tidak menyediakan rubrik, rentang skala lengkap, identitas penilai, atau mekanisme konsensus. Oleh karena itu, skor dipertahankan sebagai penilaian yang dilaporkan dan tidak dianggap sebagai probabilitas maupun ukuran dampak yang telah dikalibrasi.

RPN = S × O × D (1)

RPN dihitung ulang dari setiap triplet skor yang lengkap. Nilai sumber dan hasil perhitungan ulang disajikan berdampingan untuk menunjukkan perbedaan aritmetika. Pemeringkatan menggunakan hasil perkalian ulang, dengan nilai yang sama memperoleh peringkat yang sama. Kondisi tanpa skor occurrence tidak diimputasi dan tidak dimasukkan dalam pemeringkatan numerik. Pemeriksaan ini memperbaiki konsistensi perhitungan, tetapi tidak menggantikan validasi substantif terhadap penilaian lapangan.

Analisis dan Penyusunan Usulan Perbaikan

Analisis meliputi rekap produksi, pemetaan kondisi kegagalan, pemeriksaan RPN, dan penyusunan usulan pengendalian. Ambang RPN 100 dibahas mengikuti pilihan pada naskah sumber, bukan sebagai batas universal penerimaan risiko. Risiko dengan severity tinggi tetap dipertimbangkan meskipun RPN berada di bawah ambang. Tidak tersedia data rinci yang memungkinkan penghitungan daya tetas, tingkat cacat per jenis, kerugian ekonomi, atau uji statistik.

Usulan disusun menurut lokasi potensi kegagalan dan kebutuhan verifikasi. Studi pengendalian selisih persediaan [12], ketidakcocokan stok material [13], dan kesalahan penetapan nilai pabean [14] menunjukkan bahwa FMEA digunakan pula untuk mengevaluasi proses pencatatan serta pemeriksaan. Penelitian stagnasi mesin [15] dan risiko keselamatan kerja [16] memberikan konteks penerapan pada peralatan dan kegiatan operasional. Artikel ini menggunakan FMEA; analisis pohon kesalahan tidak dilakukan karena struktur maupun hasil FTA tidak tersedia dalam data sumber.

HASIL DAN PEMBAHASAN

Rekap Produksi dan Ketidaksesuaian Produk

Jumlah produksi yang didokumentasikan disajikan pada Tabel 1. Total tiga bulan adalah 5.800.244 unit. Agustus memiliki jumlah produksi tertinggi, sedangkan Juli terendah. Perbedaan volume menunjukkan variasi keluaran bulanan, tetapi tidak membuktikan perubahan kualitas karena jumlah ketidaksesuaian per kategori dan basis pemeriksaannya tidak disertakan.

Tabel 1. Rekap jumlah produksi pada dokumentasi perusahaan

Keterangan: satuan mengikuti rekap produksi sumber; tahun rekap tidak dicantumkan. Total merupakan hasil penjumlahan tiga nilai bulanan.

Narasi sumber menyebut persentase cacat 0,74% pada Juli dan 0,77% pada Agustus. Angka 0,83% dikaitkan dengan Maret, meskipun rekap produksi memuat September. Ketidaksesuaian nama bulan tersebut belum dapat diselesaikan dari data yang tersedia, sehingga 0,83% tidak dipindahkan ke September. Angka tersebut juga tidak digunakan untuk menentukan tren atau menghitung jumlah cacat absolut.

Istilah omphalitis, bloat, defect, dan weak dipertahankan sebagai kategori pemeriksaan perusahaan. Penamaan pusar hitam sebagai omphalitis tidak disertai hasil diagnosis laboratorium. Pemetaan pada Tabel 2 karena itu menunjukkan asosiasi yang dilaporkan dalam penelusuran proses, bukan pembuktian penyebab biologis masing-masing kondisi produk.

Tabel 2. Pemetaan kondisi kegagalan potensial dan kategori DOC

Keterangan: kode M1–M11 digunakan untuk penelusuran antar tabel. Istilah “gen telur” mengikuti sumber dan tidak menunjukkan hasil pengujian genetik. Grade out berarti telur yang tidak memenuhi kriteria seleksi. Atribusi setiap kondisi masih memerlukan verifikasi lapangan.

Faktor manusia dapat ditelusuri pada seleksi, penempatan telur, dan penanganan DOC. Faktor material berkaitan dengan mutu telur yang masuk, sedangkan metode mencakup prosedur sanitasi serta pemeriksaan. Faktor mesin mencakup kelembapan, kemiringan, sprayer, dan suhu. Pengelompokan ini membantu menentukan titik pemeriksaan; suatu kegagalan dapat melibatkan lebih dari satu faktor sehingga kategori tersebut tidak diperlakukan sebagai kelompok yang saling terpisah.

Pemeriksaan Konsistensi Nilai RPN

Tabel 3 menyandingkan skor sumber dengan hasil perkalian ulang. Tujuh baris memiliki tiga skor yang lengkap dan nilai RPN sumber yang sesuai. M8, M9, dan M10 menunjukkan perbedaan aritmetika, sedangkan M11 tidak memiliki skor occurrence. Dengan demikian, tujuh dari sepuluh baris berskor lengkap memiliki RPN sumber yang konsisten.

Tabel 3. Skor FMEA dan verifikasi perkalian RPN

Keterangan: S = severity; O = occurrence; D = detection. Tanda — menunjukkan skor tidak dilaporkan atau RPN tidak dapat dihitung. RPN sumber mengikuti tabel penilaian; hasil hitung ulang menggunakan persamaan (1).

Untuk telur grade out yang lolos seleksi (M8), perkalian 8 × 3 × 4 menghasilkan RPN 96, bukan 192. Pada DOC menumpuk (M9), perkalian 5 × 3 × 1 menghasilkan 15, bukan 10. Pada DOC terjepit keranjang (M10), perkalian 4 × 4 × 4 menghasilkan 64, bukan 16. Perbedaan tersebut mengubah urutan prioritas dan perlu diperhatikan sebelum tindakan ditetapkan.

Untuk suhu mesin terlalu panas (M11), sumber mencantumkan severity 5, detection 5, dan RPN 45 tanpa skor occurrence. Nilai 45 tidak dapat diverifikasi menggunakan triplet skor lengkap. Mengisi occurrence melalui pembagian balik akan menghasilkan angka 1,8, tetapi cara tersebut tidak membuktikan skor yang sebenarnya digunakan. Karena itu, occurrence dan RPN kondisi ini tetap ditandai belum tersedia.

Narasi sumber juga menyebut angka 176 untuk kontaminasi dan 196 untuk telur grade out. Angka tersebut berbeda dari tabel sumber maupun hasil perkalian. Pembahasan menggunakan triplet skor pada Tabel 3 sebagai dasar perhitungan, dengan tetap menampilkan RPN sumber untuk keterlacakan. Verifikasi terhadap lembar penilaian asli diperlukan apabila terdapat salah ketik pada salah satu komponen S, O, atau D.

Prioritas Risiko Berdasarkan Skor yang Lengkap

Kontaminasi bakteri pada telur memperoleh RPN tertinggi sebesar 175 pada pemeringkatan sepuluh kondisi yang dapat dihitung (Tabel 4). Urutan berikutnya adalah telur grade out lolos seleksi (96), DOC terjepit keranjang (64), posisi telur tidak tepat (56), dan kelembapan terlalu rendah (45). Kemiringan telur, sanitasi tidak merata, dan kebocoran sprayer sama-sama memperoleh RPN 36.

Tabel 4. Urutan prioritas dari RPN hasil perhitungan ulang

Keterangan: peringkat yang sama menunjukkan RPN yang sama. M11 tidak diperingkatkan karena skor O belum tersedia. Peringkat berlaku secara bersyarat terhadap skor pada Tabel 3.

Dengan ambang 100 yang digunakan dalam sumber, hanya kontaminasi bakteri memiliki RPN di atas ambang pada data lengkap. Kesimpulan sumber bahwa dua kondisi memiliki RPN di atas 100 tidak didukung oleh perkalian ulang. Meskipun RPN M8 menjadi 96, severity 8 merupakan skor keparahan tertinggi dalam tabel. Pemeriksaan mutu telur yang masuk tetap perlu diprioritaskan karena produk perkalian tidak boleh menjadi satu-satunya pertimbangan pengendalian.

Gilchrist [17] membahas keterbatasan pemodelan RPN dalam FMEA. Bowles dan Peláez [18] mengembangkan pemeringkatan menggunakan logika fuzzy, sedangkan Pillay dan Wang [19] menggunakan penalaran pendekatan untuk memodifikasi penilaian. Sharma dkk. [20] juga membahas pemodelan linguistik fuzzy. Literatur tersebut menunjukkan perlunya mengkaji cara penggabungan skor dan ketidakpastian penilaian. Penelitian ini tetap menggunakan perkalian konvensional karena data untuk pendekatan alternatif tidak tersedia.

Nilai yang sama tidak selalu menunjukkan profil risiko yang sama. M2 memiliki triplet 3–4–3, M5 memiliki 4–3–3, dan M6 memiliki 6–3–2, tetapi seluruhnya menghasilkan 36. M6 memiliki severity lebih tinggi daripada dua kondisi lainnya. Ketika sumber daya pengawasan terbatas, pembacaan setiap komponen skor dan lokasi kegagalan diperlukan untuk membedakan kebutuhan tindakan pada kondisi yang memiliki RPN identik.

Usulan Pengendalian dan Verifikasi

Usulan pengendalian disusun sebagai tindakan prospektif (Tabel 5). Kontaminasi dan seleksi telur menjadi perhatian awal sesuai urutan RPN serta tingkat severity. Usulan sanitasi tidak mengasumsikan bahwa pemeriksaan mikrobiologi telah dilakukan. Efektivitasnya perlu dinilai melalui prosedur verifikasi yang ditetapkan perusahaan dan pencatatan ketidaksesuaian yang konsisten.

Tabel 5. Usulan pengendalian dan indikator verifikasi

Keterangan: indikator merupakan usulan pencatatan untuk evaluasi lanjutan, bukan hasil pengujian atau target kuantitatif yang telah ditetapkan.

Setiap catatan pemeriksaan perlu dihubungkan dengan kelompok telur atau kelompok produksi agar sumber ketidaksesuaian dapat ditelusuri. Pemisahan data menurut jenis cacat, tahapan proses, waktu kejadian, dan tindakan koreksi akan membantu menentukan apakah perubahan risiko berasal dari bahan, mesin, metode, atau penanganan. Pemeriksaan berulang dapat digunakan untuk menilai konsistensi keputusan seleksi tanpa menambahkan klaim mengenai hasil yang belum diukur.

Pengaturan suhu, kelembapan, kemiringan, dan penggunaan bahan sanitasi harus mengikuti persyaratan peralatan serta prosedur perusahaan yang tervalidasi. Data penelitian ini belum memuat nilai setelan, toleransi, hasil kalibrasi, maupun dosis bahan sanitasi. Oleh karena itu, artikel tidak menetapkan angka operasional baru. Kelengkapan parameter tersebut diperlukan untuk menghubungkan temuan FMEA dengan tindakan teknis yang dapat direplikasi.

Evaluasi setelah penerapan tindakan perlu membandingkan data dengan definisi cacat dan basis pemeriksaan yang sama. Perubahan jumlah produksi saja tidak cukup untuk menilai efektivitas. Perusahaan dapat mencatat frekuensi per jenis cacat dan memperbarui skor FMEA setelah verifikasi. Penurunan RPN baru dapat dilaporkan apabila perubahan pada occurrence atau detection didukung catatan evaluasi, sementara perubahan severity harus memiliki alasan yang jelas.

Keterbatasan Penelitian

Keterbatasan utama adalah ketiadaan rubrik penilaian, informasi penilai, data kejadian per jenis cacat, dan lembar wawancara individual. Ketidaksesuaian antara bulan pada narasi dan tabel produksi membatasi analisis persentase cacat. Skor occurrence yang hilang pada M11 membatasi cakupan pemeringkatan. Tidak tersedia uji mikrobiologi, diagnosis klinis, atau pemeriksaan genetik untuk membuktikan atribusi biologis pada kategori DOC.

Hasil perhitungan ulang merupakan koreksi aritmetika atas skor yang dilaporkan, bukan penilaian ulang kondisi perusahaan. Jika skor sumber ternyata keliru, urutan risiko juga dapat berubah. Dengan demikian, rekomendasi perlu dikonfirmasi melalui lembar penilaian asli dan pemeriksaan proses. Penelitian lanjutan dapat memperjelas kriteria penilaian, melengkapi data per kelompok produksi, serta mengevaluasi dampak tindakan berdasarkan pengamatan sebelum dan sesudah penerapan.

KESIMPULAN

Pengendalian kualitas DOC di PT Super Unggas Jaya Hatchery Ngembal mengidentifikasi empat kategori ketidaksesuaian dan sebelas kondisi kegagalan potensial. Berdasarkan perkalian ulang sepuluh triplet skor yang lengkap, kontaminasi bakteri pada telur memiliki RPN tertinggi sebesar 175, diikuti telur grade out lolos seleksi sebesar 96 dan DOC terjepit keranjang sebesar 64. Nilai RPN sumber pada tiga kondisi tidak sesuai dengan perkalian skor yang tercantum. Risiko suhu mesin terlalu panas belum dapat diperingkatkan karena skor occurrence tidak dilaporkan. Prioritas pengendalian mencakup verifikasi sanitasi, seleksi telur, pemeriksaan keranjang dan tray, serta pemantauan parameter mesin. Kelengkapan skor dan konfirmasi terhadap catatan asli diperlukan untuk memperkuat keputusan. Efektivitas usulan perbaikan belum dapat disimpulkan karena belum tersedia hasil penerapan dan evaluasi.

UCAPAN TERIMA KASIH

Penulis menyampaikan terima kasih kepada PT Super Unggas Jaya Hatchery Ngembal atas kesempatan pengamatan proses dan informasi operasional yang digunakan dalam kajian ini. Penelitian ini diharapkan mendukung pengembangan pengendalian kualitas pada kegiatan penetasan dan penanganan DOC.

DAFTAR PUSTAKA

[1] N. A. French, “Modeling incubation temperature: the effects of incubator design, embryonic development, and egg size,” Poultry Science, vol. 76, no. 1, hlm. 124–133, 1997, doi: 10.1093/ps/76.1.124.

[2] A. Lourens, H. van den Brand, R. Meijerhof, dan B. Kemp, “Effect of eggshell temperature during incubation on embryo development, hatchability, and posthatch development,” Poultry Science, vol. 84, no. 6, hlm. 914–920, 2005, doi: 10.1093/ps/84.6.914.

[3] K. Tona dkk., “Effects of egg storage time on spread of hatch, chick quality, and chick juvenile growth,” Poultry Science, vol. 82, no. 5, hlm. 736–741, 2003, doi: 10.1093/ps/82.5.736.

[4] K. Tona dkk., “Effects of age of broiler breeders and egg storage on egg quality, hatchability, chick quality, chick weight, and chick posthatch growth to forty-two days,” Journal of Applied Poultry Research, vol. 13, no. 1, hlm. 10–18, 2004, doi: 10.1093/japr/13.1.10.

[5] I. A. M. Reijrink, D. Berghmans, R. Meijerhof, B. Kemp, dan H. van den Brand, “Influence of egg storage time and preincubation warming profile on embryonic development, hatchability, and chick quality,” Poultry Science, vol. 89, no. 6, hlm. 1225–1238, 2010, doi: 10.3382/ps.2009-00182.

[6] H.-C. Liu, L. Liu, dan N. Liu, “Risk evaluation approaches in failure mode and effects analysis: A literature review,” Expert Systems with Applications, vol. 40, no. 2, hlm. 828–838, 2013, doi: 10.1016/j.eswa.2012.08.010.

[7] A. Wicaksono dan F. Yuamita, “Pengendalian kualitas produksi sarden mengunakan metode Failure Mode And Effect Analysis (FMEA) dan Fault Tree Analysis (FTA) untuk meminimalkan cacat kaleng di PT XYZ,” Jurnal Teknologi dan Manajemen Industri Terapan, vol. 1, no. 3, hlm. 145–154, 2022.

[8] Y. Syarifudin dan A. Pusakaningwati, “Analisis pengendalian kualitas produk stan kontainer dengan metode FMEA (Failure Mode And Effect Analysis) di Bengkel Las Mulia Utama Perkasa,” Jurnal Cakrawala Ilmiah, vol. 2, no. 11, hlm. 4177–4188, 2023, doi: 10.53625/jcijurnalcakrawalailmiah.v2i11.6129.

[9] R. D. Hardianto dan Nuriyanto, “Analisis penyebab reject produk paving block dengan pendekatan metode FMEA dan FTA,” Jurnal Cakrawala Ilmiah, vol. 2, no. 12, hlm. 4635–4648, 2023, doi: 10.53625/jcijurnalcakrawalailmiah.v2i12.6394.

[10] Suseno dan S. I. Kalid, “Pengendalian kualitas cacat produk tas kulit dengan metode Failure Mode And Effect Analysis (FMEA) dan Fault Tree Analysis (FTA) di PT Mandiri Jogja Internasional,” Jurnal Cakrawala Ilmiah, vol. 1, no. 6, hlm. 1307–1320, 2022, doi: 10.53625/jcijurnalcakrawalailmiah.v1i6.1131.

[11] S. Anwar, R. B. Ulum, dan A. Widarman, “Analisis pengendalian kualitas dengan menggunakan metode FTA (Fault Tree Analysis) dan FMEA (Failure Mode And Effect Analysis) pada proses produksi pita cukai berperekat di perusahaan percetakan dokumen sekuriti Karawang,” Jurnal Ilmiah Multidisiplin, vol. 2, no. 04, hlm. 114–128, 2023, doi: 10.56127/jukim.v2i04.813.

[12] R. Angely, “Model usulan perbaikan selisih persediaan barang menggunakan metode Failure Mode And Effect Analysis (FMEA) di PT XYZ-Warehouse Mitra Adi Aktif Perkasa,” Innovative: Journal of Social Science Research, vol. 3, no. 4, hlm. 2291–2305, 2023.

[13] R. D. Fitri, D. L. Sumarna, dan F. Sulistiyaningsih, “Analisis penyebab ketidakcocokan stock on hand dan actual stock material di gudang material PT UTC Aerospace System Bandung menggunakan metode Fault Tree Analysis (FTA) dan Failure Mode And Effect Analysis (FMEA),” Journal Scientific of Mandalika, vol. 4, no. 8, hlm. 141–150, 2023.

[14] S. Amanda, “Usulan perbaikan kesalahan penetapan nilai pabean pada PT SKA menggunakan metode Failure Mode Effects Analysis (FMEA),” Jurnal Cahaya Mandalika, vol. 4, no. 3, hlm. 1173–1187, 2023, doi: 10.36312/jcm.v4i3.2090.

[15] E. I. Putra, M. Fitri, dan M. I. Adelino, “Analisis stagnasi mesin menggunakan FMEA dan FTA di PT Perkebunan Nusantara VI Unit Usaha Solok Selatan,” Journal of Industrial and Systems Engineering, vol. 4, no. 1, hlm. 21–32, 2023.

[16] P. Fithri dkk., “Risk analysis for occupational safety and health in manufacturing company using FMEA and FTA methods: A case study,” IOP Conference Series: Materials Science and Engineering, vol. 1003, no. 1, art. 012073, 2020, doi: 10.1088/1757-899X/1003/1/012073.

[17] W. Gilchrist, “Modelling failure modes and effects analysis,” International Journal of Quality & Reliability Management, vol. 10, no. 5, 1993, doi: 10.1108/02656719310040105.

[18] J. B. Bowles dan C. E. Peláez, “Fuzzy logic prioritization of failures in a system failure mode, effects and criticality analysis,” Reliability Engineering & System Safety, vol. 50, no. 2, hlm. 203–213, 1995, doi: 10.1016/0951-8320(95)00068-D.

[19] A. Pillay dan J. Wang, “Modified failure mode and effects analysis using approximate reasoning,” Reliability Engineering & System Safety, vol. 79, no. 1, hlm. 69–85, 2003, doi: 10.1016/S0951-8320(02)00179-5.

[20] R. K. Sharma, D. Kumar, dan P. Kumar, “Systematic failure mode effect analysis (FMEA) using fuzzy linguistic modelling,” International Journal of Quality & Reliability Management, vol. 22, no. 9, hlm. 986–1004, 2005, doi: 10.1108/02656710510625248.