Kualitas produk berpengaruh kuat dalam menentukan kesuksesan perusahaan. Kualitas produk turut dipengaruhi oleh variasi yang ada pada sistem, baik itu jenis common cause variation maupun special cause variation. Upaya peningkatan kualitas dapat dilakukan dengan mengeliminasi common cause variation. Hal ini sejalan dengan pendapat Deming (1982) bahwa common cause variation menyebabkan munculnya 85% masalah dalam sistem (Busyairi, 2009). Untuk itu diperlukan root cause analysis tool yang dapat menunjukkan hubungan antara penyebab masalah dengan masalah utama sehingga dapat mengidentifikasi common cause variation. Namun, saat ini belum ada root cause analysis tool yang memiliki kemampuan tersebut. Berdasarkan masalah tersebut, penelitian ini mengembangkan metode untuk mengidentifikasi common cause variation. Selain itu, metode yang telah dikembangkan diuji pada PT. Primissima. Metode yang dikembangkan adalam metode Markovian-Fishbone. Metode ini mengintegrasikan diagram fishbone dan markov logic network. Diagram fishbone digunakan untuk menganalisis masalah secara kualitatif dan mengeksplorasi penyebab masalah pada semua aspek (5M1E) dalam sistem. Sementara itu markov logic network digunakan untuk merepresentasikan teori tentang common cause variation dan hasil analisis diagram fishbone, sehingga dapat dilakukan proses machine learning yang menghasilkan analisis kuantitatif dalam bentuk probabilitas. Hasil dari proses machine learning ini kemudian dituangkan dalam diagram markovian-fishbone sebagai hasil akhir identifikasi common cause variation. Pengujian metode ini dilakukan dengan mengidentifikasi common cause variation dari 5 jenis cacat utama produk kain PS 430 pada PT. Primissima. Penelitian ini menghasilkan metode markovian-fishbone sebagai root cause analysis tool yang mampu menghasilkan analisa kualitatif dan kuantitatif, serta mampu menunjukkan hubungan antara penyebab masalah dengan masalah utama. Hasil pengujian pada PT. Primissma menunjukkan bahwa tidak ada perbedaan signifikan antara hasil identifikasi common cause variation dengan metode markovian-fishbone dan hasil identifikasi para pakar yang ada di PT. Primissma. Hal itu ditandai dengan p-value sebesar 0,216 dari uji kruskal-wallis. Selain itu berdasarkan evaluasi dengan confusion matrix, diketahui bahwa metode markovian-fishbone memiliki accuracy sebesar 70% dan sensitivity sebesar 77%. Kata kunci: kualitas, root cause analysis tool, common cause variation, diagram fishbone, markov logic network, metode markovian-fishbone

-

Kata Kunci : kualitas, root cause analysis tool, common cause variation, diagram fishbone, markov logic network, metode markovian-fishbone