There is Always Room for Improvement

Tidak jarang masih muncul kekhawatiran ketika perusahaan, terutama karyawan, mendengar istilah Artificial Intelligence (AI). Beberapa kekhawatiran yang paling umum muncul antara lain: Karyawan akan tergantikan oleh mesin. Sistem kerja akan berubah secara drastis. Implementasi dianggap mahal dan rumit. Kekhawatiran kehilangan kendali atas keputusan sistem. Kekhawatiran data bocor atau disalahgunakan. Kekhawatiran ini semakin besar karena proses kerja yang sudah berjalan selama bertahun-tahun melibatkan banyak personel berpengalaman yang telah memahami alur kerja secara mendalam. Padahal, pada praktiknya, AI paling efektif ketika diposisikan sebagai alat bantu kerja manusia bukan pengganti. AI tidak harus mengubah budaya kerja yang sudah berjalan baik, dan dapat diterapkan secara bertahap tanpa mengganggu operasional harian perusahaan. AI sebagai Alat Bantu, Bukan Pengganti Manusia. AI sebaiknya dipandang sebagai: Asisten analisis data yang bekerja cepat dan akurat. Sistem peringatan dini (early warning) sebelum masalah benar-benar terjadi. Lapisan pengecekan tambahan untuk mengurangi human error dalam proses kerja. Dengan pendekatan ini, AI berfungsi sebagai pendukung kerja manusia, bukan sebagai pengganti peran manusia dalam organisasi.   Lima Prinsip Implementasi AI Tanpa Mengubah Budaya Kerja Agar penerapan AI dapat diterima secara organik oleh seluruh elemen organisasi, terdapat lima prinsip utama yang perlu dipegang: AI membantu pekerjaan, bukan menggantikan orang. Mulai dari proses kecil yang memang memiliki masalah nyata di lapangan. Manusia tetap memegang keputusan akhir dalam setiap proses kritis. Implementasi dilakukan secara bertahap, bukan langsung dalam skala besar. Libatkan operator dan staf sejak tahap awal perencanaan implementasi.   Studi Kasus: Implementasi AI di Area Gudang Industri Manufaktur Untuk memahami penerapan prinsip-prinsip di atas secara konkret, berikut dua contoh nyata implementasi AI di area gudang pada industri manufaktur. Studi Kasus 1: Mengatasi Ketakutan "AI Akan Menggantikan Operator Gudang" Solusi: AI Tracking Lokasi Material Masalah nyata di lapangan: Produk atau material sulit ditemukan saat dibutuhkan. Terjadi kesalahan pengiriman material (salah kirim). Data stok yang tidak akurat dan sulit ditelusuri. Solusi yang diterapkan: Sistem tracking otomatis untuk lokasi coil atau material, menggunakan teknologi RFID, kamera, atau sistem lokasi digital lainnya. Hasil yang diperoleh: Operator tetap bekerja seperti biasa, tanpa perubahan signifikan pada alur kerja. Proses pencarian barang menjadi jauh lebih cepat. Tim admin tidak perlu lagi melakukan input data secara manual dan berulang. Kesimpulan studi kasus: AI di sini hanya menggantikan proses pencatatan manual, bukan menggantikan pekerja itu sendiri. Studi Kasus 2: Mengatasi Ketakutan "AI Akan Mengambil Keputusan Sendiri" Solusi: Sistem Deteksi Kesalahan Pengambilan Material Masalah nyata di lapangan: Kesalahan pengambilan material berisiko menyebabkan kesalahan pengiriman, retur produk, hingga kerugian biaya operasional. Solusi yang diterapkan: Kombinasi kamera dan sistem verifikasi order otomatis sebelum proses loading dilakukan. Hasil yang diperoleh: AI hanya berfungsi memberikan alarm peringatan apabila terdeteksi ketidaksesuaian. Supervisor tetap melakukan validasi akhir terhadap data material berdasarkan hasil pengecekan AI, sebelum memberikan persetujuan (approval) untuk pengiriman. Kesimpulan studi kasus: AI di sini hanya berfungsi memberikan peringatan lebih cepat, sementara keputusan akhir tetap berada di tangan manusia.   Mengapa Pendekatan Ini Aman bagi Budaya Perusahaan? Pendekatan implementasi AI seperti di atas dinilai aman bagi budaya organisasi karena beberapa alasan berikut: Peran manusia dalam pengambilan keputusan tetap menjadi yang utama. AI hanya membantu menyelesaikan pekerjaan-pekerjaan yang bersifat repetitif. Keputusan strategis tetap sepenuhnya berada di tangan manusia. Keterampilan (skill) karyawan tetap relevan dan dibutuhkan dalam proses kerja. Prinsip Utama: "Tambah, Jangan Ganti" Dalam menerapkan AI di lingkungan kerja, prinsip yang perlu dipegang teguh adalah "Tambah, jangan ganti." Berikut lima langkah praktis untuk menjaga budaya perusahaan tetap utuh selama proses implementasi: Mulai dari skala kecil — uji coba pada satu proses atau satu tim terlebih dahulu. Libatkan pengguna secara menyeluruh — mulai dari level manajemen hingga staf admin harus dilibatkan sejak tahap awal. Bersikap transparan — jelaskan secara jelas apa yang dilakukan AI beserta batasan-batasannya kepada seluruh tim. Pertahankan kontrol manusia — AI memberikan rekomendasi, manusia yang melakukan validasi akhir. Lakukan secara iteratif — perbaiki secara bertahap, hindari penerapan langsung dalam skala besar (big bang implementation).   Kesimpulan Kekhawatiran terhadap AI merupakan respons yang wajar dan manusiawi. Namun, persoalan sesungguhnya bukan terletak pada teknologinya, melainkan pada cara penerapannya di dalam organisasi. Jika diterapkan dengan pendekatan yang tepat, AI akan berfungsi sebagai: Alat bantu kerja — bukan pengganti manusia. Pendukung proses — bukan pengubah budaya kerja. Mitra kerja — bukan ancaman bagi karyawan. Dengan pendekatan bertahap, transparan, dan tetap mengedepankan kontrol manusia, AI dapat langsung memberikan manfaat nyata bagi perusahaan tanpa mengubah cara kerja utama tim yang sudah berjalan baik selama ini. Ingin menerapkan AI secara bertahap dan aman bagi budaya perusahaan Anda? Tim Sentral Sistem Consulting siap membantu asesmen kesiapan, perencanaan implementasi, hingga pendampingan transformasi digital sesuai kebutuhan organisasi Anda. There is Always Room for Improvement Kami membantu organisasi bertransformasi menuju kinerja yang lebih efektif, efisien, dan terukur. Melalui implementasi ERP, perancangan ulang proses bisnis (Business Re-Engineering), Business Process Management, hingga program Continuous Improvement yang berkelanjutan. kami memastikan setiap langkah perubahan menghasilkan nilai nyata bagi bisnis Anda. Info lebih lanjut, silahkan langsung menghubungi: Marketing Sentral Sistem Consulting Hotline: 0821 2121 9252 Email: info@sentralsistem.com Intragram : @sentralsistem  Facebook: Sentral Sistem Consulting  Linkedln: Sentral Sistem Consulting  Youtube: @SentralSistem

Industri otomotif menuntut sistem manajemen mutu yang mampu menjamin konsistensi kualitas, keselamatan produk, dan kepuasan pelanggan secara menyeluruh. Standar IATF 16949 dikembangkan dengan penekanan pada pendekatan berbasis proses (process approach), pemikiran berbasis risiko (risk-based thinking), serta pencegahan cacat (defect prevention). Salah satu mekanisme kunci dalam memastikan efektivitas implementasi standar tersebut adalah Quality Audit Visit (QAV). Kegagalan kualitas dalam industri otomotif umumnya bersifat sistemik dan berakar pada lemahnya pengendalian proses. Kompleksitas produk, tingginya tuntutan keselamatan, serta ekspektasi pelanggan OEM mendorong organisasi untuk menerapkan sistem manajemen mutu yang tidak hanya patuh terhadap standar dan regulasi, tetapi juga efektif dalam mengelola risiko secara nyata di lapangan.   Keterbatasan Audit Administratif dan Urgensi QAV Audit mutu memegang peranan strategis dalam sistem manajemen mutu otomotif. Namun, audit yang bersifat administratif dan terlalu berfokus pada kelengkapan dokumen sering kali gagal menggambarkan kondisi aktual di lapangan. Kesenjangan antara dokumen dan praktik nyata inilah yang menjadi akar dari banyak kegagalan mutu yang lolos dari sistem pengendalian konvensional. Oleh karena itu, Quality Audit Visit (QAV) dikembangkan sebagai bentuk audit berbasis proses yang dilakukan melalui kunjungan langsung ke area operasional dan area pembuatan produk. Tujuannya adalah memverifikasi efektivitas pengendalian teknis serta implementasi sistem manajemen mutu secara aktual bukan sekadar kesesuaian dokumentasi.   Definisi dan Dasar Klausul QAV dalam IATF 16949 Quality Audit Visit merupakan bentuk audit yang mengintegrasikan tiga klausul utama dalam IATF 16949: Klausul Cakupan Klausul 9.2 Internal Audit Klausul 8.4 Control of Externally Provided Processes Klausul 10.2 Nonconformity and Corrective Action QAV dirancang untuk menilai kesesuaian dan efektivitas proses dengan menerapkan process approach dan risk-based thinking secara terintegrasi. Berbeda dengan audit berbasis elemen atau pasal, QAV menelusuri alur proses secara end-to-end dari input hingga output termasuk interaksi antarproses yang sering kali menjadi titik lemah yang tidak terdeteksi oleh audit konvensional. Fokus utama adalah verifikasi penerapan pengendalian proses, pengelolaan risiko, dan penggunaan data sebagai dasar pengambilan keputusan mutu. Dengan demikian, QAV berfungsi sebagai alat pengendalian teknis yang menjembatani perencanaan kualitas dan kinerja proses aktual.   Perencanaan QAV Berbasis Risiko Pelaksanaan QAV diawali dengan perencanaan audit berbasis risiko. Penentuan ruang lingkup audit dilakukan dengan mempertimbangkan beberapa faktor berikut: Tingkat kritikal proses dan karakteristik khusus (special characteristics). Hasil kinerja mutu dan tren indikator kegagalan. Keluhan pelanggan dan riwayat nonconformity. Hasil audit sebelumnya sebagai referensi peningkatan. Proses yang berdampak langsung terhadap keselamatan produk atau kepuasan pelanggan OEM diprioritaskan sebagai objek audit utama. Kriteria audit ditetapkan berdasarkan klausul IATF 16949 yang relevan, Customer Specific Requirements (CSR), serta standar dan prosedur internal organisasi.   Tahap Persiapan: Desk Review Dokumen Inti Kualitas Sebelum audit lapangan dilakukan, tahap persiapan QAV mencakup desk review terhadap tiga dokumen inti kualitas yang saling berkaitan: Process Flow Diagram Memberikan gambaran menyeluruh tentang alur proses produksi dan titik-titik pengendalian yang ditetapkan. FMEA (Failure Mode and Effects Analysis) Mengidentifikasi potensi mode kegagalan, dampaknya terhadap produk, serta tingkat risiko yang perlu dikendalikan. Control Plan Mendefinisikan metode pengendalian proses yang diterapkan untuk mengelola risiko yang telah diidentifikasi dalam FMEA. Keselarasan ketiga dokumen tersebut menjadi indikator awal efektivitas pengendalian proses. Ketidakkonsistenan seperti risiko tinggi pada FMEA yang tidak dikendalikan secara memadai dalam control plan merupakan sinyal awal adanya potensi kelemahan sistem yang wajib diverifikasi di lapangan.   Pelaksanaan Audit Lapangan Audit lapangan dilakukan melalui tiga pendekatan utama: observasi langsung, wawancara personel, dan verifikasi rekaman mutu. Auditor menilai beberapa aspek kritis, antara lain: Kesesuaian penerapan control plan dengan kondisi aktual di lini produksi. Pengendalian karakteristik khusus (special characteristics) sesuai persyaratan CSR. Efektivitas poka-yoke (mekanisme pencegahan kesalahan) dalam mencegah cacat. Pemahaman dan kompetensi operator terhadap instruksi kerja yang berlaku. Pendekatan ini memungkinkan auditor mengevaluasi secara objektif apakah pengendalian proses yang diterapkan bersifat preventif atau masih bergantung pada inspeksi akhir yang reaktif.   Peran Data dan Statistical Process Control (SPC) Penggunaan data merupakan aspek fundamental dalam QAV. Auditor mengevaluasi penerapan Statistical Process Control (SPC), analisis tren, serta kapabilitas proses (process capability). Proses yang tidak menunjukkan pemantauan statistik yang efektif mengindikasikan rendahnya tingkat pengendalian proses dan berpotensi menghasilkan variasi yang tidak terkendali yang pada akhirnya meningkatkan risiko produk tidak sesuai (nonconforming product) sampai ke tangan pelanggan. Dokumentasi Temuan dan Tindak Lanjut Korektif Temuan QAV didokumentasikan berdasarkan bukti objektif dan diklasifikasikan ke dalam tiga kategori: Ketidaksesuaian (Nonconformity) — penyimpangan terhadap persyaratan yang ditetapkan. Observasi — kondisi yang berpotensi berkembang menjadi ketidaksesuaian. Peluang Perbaikan (Opportunity for Improvement) — rekomendasi peningkatan di luar kewajiban standar. Dalam konteks IATF 16949, temuan yang berdampak pada risiko kualitas dan keselamatan produk diklasifikasikan sebagai temuan kritikal/major yang menuntut tindak lanjut prioritas. Tindak lanjut audit mewajibkan organisasi untuk melakukan root cause analysis yang mendalam dan menetapkan tindakan korektif yang bersifat sistemik bukan sekadar perbaikan sementara. Efektivitas tindakan perbaikan diverifikasi melalui peningkatan kinerja proses, hasil audit lanjutan, atau penurunan indikator kegagalan kualitas secara terukur.   QAV dalam Pengendalian Rantai Pasok dan Supplier Development Dalam pengendalian rantai pasok, QAV berfungsi sebagai alat evaluasi teknis terhadap kapabilitas dan kematangan sistem mutu supplier. Audit terhadap supplier memastikan kesesuaian penerapan: APQP (Advanced Product Quality Planning) dalam perencanaan kualitas produk baru. PPAP (Production Part Approval Process) sebagai bukti kesiapan proses produksi. Pengendalian perubahan proses untuk mencegah dampak perubahan yang tidak dikelola. Konsistensi kualitas dalam pasokan komponen dan material. Hasil QAV menjadi dasar yang kuat dalam program supplier development untuk meningkatkan kematangan sistem mutu supplier dan mengurangi risiko gangguan pasokan yang berdampak pada lini produksi utama.   Kesimpulan Quality Audit Visit (QAV) merupakan instrumen strategis dalam implementasi IATF 16949 yang berfungsi sekaligus sebagai alat pengendalian teknis dan mekanisme pencegahan cacat yang proaktif. Melalui pendekatan yang mengintegrasikan process approach, risk-based thinking, dan pengambilan keputusan berbasis data, QAV memberikan gambaran yang akurat dan objektif mengenai efektivitas sistem manajemen mutu di lapangan. Implementasi QAV yang konsisten dan terstruktur tidak hanya mendukung kepatuhan terhadap standar IATF 16949, tetapi juga berkontribusi langsung pada peningkatan stabilitas proses, keandalan produk, dan daya saing organisasi di industri otomotif yang semakin kompetitif. There is Always Room For Improvement Divisi Quality Sentral Sistem Consulting siap melayani Anda untuk memberikan konsultasi Quality Improvement System untuk industri otomotif (IATF 16949:2016) atau Quality Management System yang digunakan untuk berbagai organisasi dan membantu melayani Sertifikasi \& Pelatihan ISO, antara lain ISO 9001, ISO 14064, ISO 14001, ISO 45001, ISO 37001, ISO 27001, ISO 50001, ISO 37301. Info lebih lanjut, silahkan langsung menghubungi: Marketing Sentral Sistem Consulting Hotline: 0821 2121 9252 Email: info@sentralsistem.com Intragram : @sentralsistem  Facebook: Sentral Sistem Consulting  Linkedln: Sentral Sistem Consulting  Youtube: @SentralSistem

Selama beberapa tahun terakhir, banyak perusahaan memandang Artificial Intelligence (AI) dan Machine Learning (ML) sebagai fitur tambahan yang berfungsi mendukung efisiensi operasional semata. Namun paradigma tersebut kini telah bergeser secara fundamental. AI dan ML tidak lagi berada di pinggiran sistem bisnis  keduanya telah menjadi inti dari strategi perusahaan dalam menciptakan nilai, meningkatkan daya saing, dan mendorong pertumbuhan yang berkelanjutan. Perusahaan-perusahaan kelas dunia mulai merancang proses bisnis, produk, dan layanan mereka dengan pendekatan AI-First, yaitu menjadikan kecerdasan buatan sebagai fondasi utama dalam pengambilan keputusan strategis dan inovasi bisnis.   Dari Otomatisasi Menuju Pengambilan Keputusan Cerdas Pada fase awal penerapannya, AI digunakan untuk mengotomatisasi pekerjaan yang bersifat repetitif  mulai dari pengolahan data, chatbot layanan pelanggan, hingga pembuatan laporan sederhana. Saat ini, kemampuan AI telah berkembang jauh melampaui itu. Dengan teknologi Machine Learning dan AI generatif yang semakin matang, sistem bisnis kini mampu: Memprediksi tren pasar dan perilaku pelanggan secara real-time. Mengidentifikasi risiko bisnis sebelum terjadi (predictive risk management). Memberikan rekomendasi strategis berdasarkan analisis data historis dan kontekstual. Mengoptimalkan rantai pasok (supply chain) secara dinamis dan responsif. Mendukung proses audit internal melalui deteksi anomali yang lebih akurat. Dengan kemampuan tersebut, AI tidak hanya meringankan beban pekerjaan manusia, tetapi telah bertransformasi menjadi alat pendukung keputusan strategis yang lebih cepat, lebih objektif, dan lebih akurat.   Machine Learning sebagai Mesin Pembelajaran Bisnis Salah satu keunggulan utama Machine Learning dibandingkan teknologi konvensional adalah kemampuannya untuk belajar secara mandiri dari data  tanpa perlu pemrograman ulang secara terus-menerus. Seiring bertambahnya volume data yang diproses, akurasi sistem akan terus meningkat secara otomatis. Berikut adalah contoh penerapan ML berdasarkan fungsi bisnis: Dampak terhadap Sistem ERP dan Operasional Perusahaan Generasi terbaru sistem ERP berbasis AI telah mengintegrasikan kecerdasan buatan ke dalam proses bisnis inti perusahaan. Integrasi ini bukan sekadar peningkatan fitur, melainkan transformasi mendasar pada cara kerja sistem manajemen bisnis. Beberapa implementasi yang kini menjadi standar baru dalam industri: Smart Forecasting Sistem memprediksi volume penjualan dan kebutuhan inventori secara otomatis berdasarkan data historis, tren pasar, dan variabel eksternal  mengurangi risiko kelebihan atau kekurangan stok. Intelligent Audit AI membantu auditor mengidentifikasi anomali transaksi yang berpotensi menimbulkan fraud atau kesalahan pencatatan, sehingga proses audit menjadi lebih efektif dan efisien. Predictive Maintenance Sistem memberikan peringatan dini sebelum kerusakan mesin terjadi, memungkinkan tim pemeliharaan bertindak proaktif dan meminimalkan downtime produksi. Automated Reporting Laporan keuangan dan operasional dihasilkan secara otomatis disertai analisis mendalam, sehingga manajemen dapat fokus pada interpretasi dan pengambilan keputusan.   Tantangan yang Harus Dihadapi Perusahaan Meskipun potensinya sangat besar, implementasi AI dan Machine Learning dalam skala perusahaan tetap dihadapkan pada sejumlah tantangan yang tidak bisa diabaikan: Kualitas dan konsistensi data yang belum terstandarisasi di seluruh unit bisnis. Kesiapan infrastruktur teknologi yang memadai untuk mendukung beban komputasi AI. Keterbatasan sumber daya manusia yang memahami dan mampu mengelola sistem AI. Risiko keamanan dan privasi data seiring meningkatnya volume data yang diproses. Tata kelola penggunaan AI (AI governance) yang belum memiliki kerangka yang matang. Oleh karena itu, sebelum mengimplementasikan AI secara luas, perusahaan perlu membangun fondasi data yang kuat, infrastruktur yang andal, serta kapabilitas SDM yang kompeten di bidang teknologi kecerdasan buatan.   Kesimpulan: AI Bukan Pilihan, Melainkan Keharusan Strategis Artificial Intelligence dan Machine Learning bukan lagi teknologi pelengkap yang dihadirkan sekadar untuk mempermodern tampilan sistem. Keduanya telah menjadi komponen strategis yang menentukan daya saing perusahaan di era transformasi digital. Perusahaan yang mampu mengintegrasikan AI sebagai inti dari proses bisnisnya akan memiliki keunggulan nyata  dalam kecepatan pengambilan keputusan, efisiensi operasional, serta kemampuan adaptasi terhadap dinamika pasar yang terus berubah. Sebaliknya, organisasi yang terlambat bertransformasi berisiko tertinggal dalam persaingan yang kini semakin berbasis data dan kecerdasan digital. Di masa depan, pertanyaannya bukan lagi apakah perusahaan akan menggunakan AI melainkan seberapa dalam AI telah menjadi bagian dari strategi bisnis mereka. There is Always Room for Improvement Kami membantu organisasi bertransformasi menuju kinerja yang lebih efektif, efisien, dan terukur. Melalui implementasi ERP, perancangan ulang proses bisnis (Business Re-Engineering), Business Process Management, hingga program Continuous Improvement yang berkelanjutan. kami memastikan setiap langkah perubahan menghasilkan nilai nyata bagi bisnis Anda. Info lebih lanjut, silahkan langsung menghubungi: Marketing Sentral Sistem Consulting Hotline: 0821 2121 9252 Email: info@sentralsistem.com Intragram : @sentralsistem  Facebook: Sentral Sistem Consulting  Linkedln: Sentral Sistem Consulting  Youtube: @SentralSistem 

ISO 37001 merupakan standar internasional Sistem Manajemen Anti Penyuapan (SMAP) yang pertama kali diterbitkan pada tahun 2016. Seiring dengan dinamika risiko penyuapan, perubahan lingkungan bisnis, regulasi, serta integrasi dengan standar sistem manajemen lainnya, ISO melakukan pembaruan standar ini menjadi ISO 37001 tahun 2025. Salah satu klausul yang mengalami penegasan dan penguatan adalah Klausul 6.3 – Perencanaan Perubahan (Planning of Changes). Klausul ini menekankan pentingnya pengelolaan perubahan secara terencana agar efektivitas SMAP tetap terjaga dan risiko penyuapan tidak meningkat akibat perubahan organisasi. Klausul 6.3 – Perencanaan Perubahan (Planning of Changes) mengatur bahwa organisasi harus: Merencanakan perubahan pada SMAP secara sistematis. Mempertimbangkan tujuan SMAP dan potensi konsekuensi dari perubahan. Memastikan integritas sistem manajemen tetap terpelihara. Memastikan keterbaruan risiko penyuapan (Risk-Based Change Planning). Melibatkan dan menekankan kolaborasi lintas fungsi, seperti: Manajemen risiko, Kepatuhan (compliance), Legal, Pengadaan, Operasi, Fungsi Anti Penyuapan (FAP) dan fungsi lainnya yang relevan. Mempertimbangkan perubahan konteks organisasi. Mempertimbangkan perubahan mitra bisnis dan proses utama. Perubahan juga tidak hanya terbatas pada sistem dokumentasi, tetapi juga mencakup perubahan strategis dan operasional. Perubahan yang dimaksud antara lain: Perubahan struktur organisasi dan kewenangan. Perubahan proses bisnis utama. Perubahan kebijakan dan prosedur. Perubahan mitra bisnis, pemasok, agen, dan perantara. Perubahan regulasi dan persyaratan kepatuhan. Perubahan teknologi, sistem informasi, dan digitalisasi proses. Pada dasarnya penerapan Klausul 6.3 Perencanaan Perubahan (Planning of Changes) di ISO 37001:2025 sama halnya dengan di Sistem Manajemen lainnya seperti di ISO 45001:2018 Klausul 8.1.3 Management of Change, dan ISO 9001:2015 Klausul 6.3. Planning Changes.  ISO 37001:2025 Klausul 6.3  Perencanaan Perubahan (Planning of Changes) menegaskan bahwa setiap organisasi yang menerapkan Sistem Manajemen Anti Penyuapan (SMAP) wajib mengelola perubahan secara terencana, sistematis, dan berbasis risiko. Perubahan yang tidak dikelola dengan baik dapat melemahkan integritas SMAP dan meningkatkan celah risiko penyuapan secara signifikan. Penerapan klausul ini mencakup seluruh dimensi perubahan organisasi  mulai dari perubahan struktur, proses bisnis, kebijakan, mitra bisnis, regulasi, hingga transformasi digital bukan sekadar pembaruan dokumen administratif. Keterlibatan lintas fungsi seperti manajemen risiko, kepatuhan (compliance), legal, pengadaan, dan Fungsi Anti Penyuapan (FAP) menjadi faktor kunci keberhasilan implementasinya. Pendekatan ini sejalan dengan prinsip perencanaan perubahan pada standar sistem manajemen internasional lainnya, seperti ISO 9001:2015 Klausul 6.3 dan ISO 45001:2018 Klausul 8.1.3, yang sama-sama menekankan pentingnya menjaga integritas sistem saat terjadi perubahan. Dengan mengimplementasikan Klausul 6.3 secara konsisten, organisasi tidak hanya memenuhi persyaratan sertifikasi, tetapi juga membangun budaya anti penyuapan yang tangguh dan adaptif terhadap dinamika bisnis yang terus berkembang. There is Always Room For Improvement Divisi Environmental Improvement yang siap melayani Anda untuk memberikan konsultasi lingkungan dan membantu Penyusunan Dokumen AMDAL, UKL-UPL, SPPLH, SIMPEL, Program Safe and Save (Program Improvement Lingkungan untuk Safe untuk lingkungan dan Save dari pengeluaran biaya lingkungan), membantu Anda untuk Audit Proper Lingkungan.  Info lebih lanjut, silahkan langsung menghubungi: Marketing Sentral Sustainability Consulting Hotline: 0821 2121 9252 Email: info@sentralsistem.com Intragram : @sentralsustainability  Facebook: Sentral Sistem Consulting  Linkedln: Sentral Sistem Consulting  Youtube: @SentralSistem

Kementerian Lingkungan Hidup/Badan Pengendalian Lingkungan Hidup menerbitkan Peraturan Menteri Nomor 11 Tahun 2025 tentang Baku Mutu Air Limbah dan Standar Teknologi Pengolahan Air Limbah Domestik, menggantikan Permen LH dan Kehutanan Nomor P.68/Menlhk-Setjen/2016. Air Limbah Domestik adalah air limbah dari aktivitas sehari-hari manusia yang berkaitan dengan pemakaian air, dan setiap usaha dan/atau kegiatan yang menghasilkannya wajib melakukan pengolahan sebelum dilepaskan ke lingkungan atau dimanfaatkan. Regulasi terbaru ini memuat beberapa penambahan, yaitu:  1. Pembagian jenis air limbah domestik Dalam regulasi terbaru air limbah domestik dibagi menjadi 2 (Dua) Jenis yaitu Air Limbah Kakus dan Air Limbah Non Kakus. Air limbah kakus adalah air limbah yang berasal dari buangan biologis, berbentuk tinja manusia beserta buangan lainnya berupa cairan. Air Limbah Non Kakus adalah air limbah yang berasal dari buangan aktivitas manusia seperti mandi dan cuci.  2. Pelepasan Air Limbah Domestik dan Baku Mutunya Peraturan sebelumnya tidak menjelaskan secara spesifik tujuan pelepasan air limbah domestik. Dalam regulasi terbaru kegiatan pelepasan air limbah domestik dibagi berdasarkan tujuannya apakah dilakukan pembuangan atau dilakukan pemanfaatan seperti pada bagan berikut:    Tujuan pelepasan air limbah domestik tersebut berpengaruh terhadap Baku Mutu Air Limbah yang ditetapkan. Dalam regulasi terdahulu Baku Mutu Air Limbah Domestik ditetapkan untuk pengolahan tersendiri. Pengolahan limbah tersendiri maksudnya tidak digabungkan dengan air limbah non-domestik seperti air limbah proses. Namun dalam regulasi terbaru dalam lampiran 1 Permen LH Nomor 11 Tahun 2025, baku mutu air limbah domestik untuk pengolahan tersendiri dikategorikan menjadi: Baku Mutu Air Limbah Untuk Kegiatan Pembuangan, mencakup:  Air limbah kakus yang diolah di Instalasi Pengolahan Lumpur Tinja (IPLT) terpadu dan dibuang ke media air. Air limbah non kakus atau gabungannya dengan air limbah kakus yang dibuang ke media air. Air limbah non kakus atau gabungannya dengan air limbah kakus yang dibuang ke drainase atau irigasi. Baku Mutu Air Limbah Untuk Pemanfaatan, mencakup: Penyiraman dan/atau pencucian dari kegiatan non-fasilitas kesehatan. Penyiraman dan/atau pencucian dari kegiatan fasilitas kesehatan. Pemanfaatan ke formasi tertentu untuk resapan permukaan, resapan dalam formasi, dan imbuhan air tanah. 3. Standar Teknologi Pengolahan Air Limbah Domestik dengan Ketentuan Volume Air Limbah Domestik yang Dihasilkan Dalam regulasi terbaru ditetapkan standar teknologi pengolahan Air Limbah Domestik, yang dapat menjadi acuan dalam mendapatkan persetujuan teknis pemenuhan baku mutu air limbah sebagaimana ditetapkan dalam Lampiran III Permen LH Nomor 11 Tahun 2025. Standar teknologi pengolahan Air Limbah Domestik ditentukan berdasarkan dua hal, yaitu: Kegiatan pelepasan air limbah domestik; dan Volume Air Limbah Domestik yang dihasilkan. Standar Teknologi Pengolahan Air Limbah untuk Air Limbah Domestik pada kegiatan pembuangan Air Limbah diterapkan bagi usaha dan/atau kegiatan yang menghasilkan total volume Air Limbah:  Lebih kecil atau sama dengan 3m3 (tiga meter kubik) per hari; dan Lebih besar dari 3m3 (tiga meter kubik) per hari dan lebih kecil dari atau sama dengan 50m3 (lima puluh meter kubik) per hari. Kegiatan dan/atau usaha yang menghasilkan air limbah domestik lebih dari 50m3 (lima puluh meter kubik) per hari maka harus Menyusun Kajian Teknis.  There is Always Room For Improvement Divisi Environmental Improvement yang siap melayani Anda untuk memberikan konsultasi lingkungan dan membantu Penyusunan Dokumen AMDAL, UKL-UPL, SPPLH, SIMPEL, Program Safe and Save (Program Improvement Lingkungan untuk Safe untuk lingkungan dan Save dari pengeluaran biaya lingkungan), membantu Anda untuk Audit Proper Lingkungan.  Info lebih lanjut, silahkan langsung menghubungi: Marketing Sentral Sustainability Consulting Hotline: 0821 2121 9252 Email: info@sentralsistem.com Intragram : @sentralsustainability  Facebook: Sentral Sistem Consulting  Linkedln: Sentral Sistem Consulting  Youtube: @SentralSistem