Usaha Mikro, Kecil dan Menengah (UMKM) menghadapi tantangan signifikan dalam pengendalian kualitas, terutama keterbatasan dalam pengambilan keputusan berbasis data. CV Lumintu, sebuah UMKM produsen handuk, mencatat tingkat cacat produk yang berfluktuasi pada rentang 2,0% hingga 4,1% tanpa tren perbaikan yang berarti. Pengendalian kualitas yang berjalan selama ini hanya sebatas pemisahan produk cacat setelah produksi selesai, tanpa adanya tindakan perbaikan proses secara sistematis. Kondisi ini diperburuk oleh keterbatasan UMKM dalam mengelola dan menginterpretasikan hasil analisis kualitas sebagai dasar pengambilan keputusan operasional. Penelitian ini mengusulkan pendekatan terintegrasi melalui analisis Six Sigma DMAIC untuk mengidentifikasi akar penyebab cacat dan merancang sistem chatbot pendukung keputusan berbasis Large Language Model (LLM) dengan teknik Retrieval-Augmented Generation (RAG) yang disebut QChat. Hasil analisis Six Sigma DMAIC mengidentifikasi lima jenis cacat sebagai Critical to Quality (CTQ) dengan rata-rata DPMO sebesar 5.762,19 dan level sigma 4,03, serta menghasilkan temuan akar masalah dan rekomendasi perbaikan yang selanjutnya diintegrasikan secara menyeluruh sebagai knowledge base sistem QChat. Sistem dibangun menggunakan Python, LangChain, FAISS, dan GPT-4o, kemudian di-deploy melalui Streamlit Community Cloud. Pengujian fungsional black-box testing menunjukkan seluruh fungsi sistem berjalan sesuai kebutuhan. Pengujian kualitas RAG menggunakan Deepeval menghasilkan nilai faithfulness 0,88, answer relevancy 0,80, contextual precision 0,91, dan contextual recall 1,00, membuktikan bahwa QChat layak digunakan sebagai sistem pendukung pengambilan keputusan pengendalian kualitas berbasis data di CV Lumintu. Sebagai tindak lanjut, disusun pula rencana penerapan sistem QChat dalam bentuk Standar Operasional Prosedur sebagai panduan bagi CV Lumintu.