2.1 all (1)
TRANSCRIPT
-
8/19/2019 2.1 all (1)
1/95
0
ISSN : 2337-3636
SISTEMIKJurnal Ilmiah Nasional Bidang Ilmu Teknik
Volume 2 Nomor 1 Juni 2014
Penanggung Jawab :
Ketua Sekolah Tinggi Teknologi Bandung
Pemimpin Umum
Ragil Pardiyono, ST., MT.
Pemimpin Redaksi
Rina Indrayani, SE., MM.
Anggota Redaksi
Agus Rahmat Hermawanto, SH.
Herman Ruswan Suwarman, ST., MT.
Dani Leonidas, ST., MT.
Penyunting Ahli
Dr. Ir. Ika Sartika, MT.
Dr. Rusli
Pelaksana Teknis
Tim Pengelola Jurnal
Alamat Penerbit/ Redaksi
Jl. Soekarno Hatta No. 378 Bandung
Tlp. (022) 5224000
Fax. (022) 5209272
Email : [email protected]
mailto:[email protected]:[email protected]:[email protected]:[email protected]
-
8/19/2019 2.1 all (1)
2/95
1 | P a g e
DAFTAR ISI
Penerapan SIX SIGMA Untuk Menekan Jumlah REJECTION TAG ( RT ) Pada
Produksi Pesawat CN 235 (Studi Kasus) DI PT. DIRGANTARA INDONESIA
BANDUNG Abdul Aziz, Danileo Sumarna
2-14
Perencanaan Produksi Pada Kain Rayon, Polyster dan Cotton Menggunakan
Teknik PeramalanERENCANAAN PRODUKSI PADA KAIN RAYON,Agung Dwi Pambudi, Rina Indrayani
15-27
Studi Kelayakan Penambahan Alat Bantu Automatic Expander Roll Pada Mesin
Finishing Manual Expande RollAgung Jaya Setia, Ragil Pardiyono
28-40
Perencanaan Kapasistas Produksi Pembuatan Bed Sheet Ser di PT. Bandung
GemilangAep Saepudin, Cucun Kalsum
41-62
Perencanaan Proyek Pembabgunan Gudang Dinas Kesehatan Propinsi Jabar
dengan Menggunakan CPM
Sugih Maulana, Moro Sujatmiko
63-70
Perbaikan Sistem Kerja Guna Meningkatkan Keselamatan dan KesehatanRagil Pardiyono
71-81
Usulan Perbaikan Pengendalian Kualitas Untuk Mengurangi Cacat Penyelupan
Pada Kain Dengan Menggunakan Metode SIX SIGMA DMAIC
Rina Indrayani
82-94
-
8/19/2019 2.1 all (1)
3/95
2 | P a g e
PENERAPAN SIX SIGMA UNTUK MENEKAN JUMLAH REJECTION
TAG ( RT ) PADA PRODUKSI PESAWAT CN 235
(STUDI KASUS) DI PT. DIRGANTARA INDONESIA
BANDUNG
Abdul Aziz 1 ,Dani leonidas Sumarna2
Jurusan Logistik Bisnis Politeknik Pos Bandung
1 [email protected], [email protected]
Abstrak
Metode Six sigma sebagai alternatif dalam prinsip-prinsip pengendalian kualitas,memungkinkan perusahaan melakukan trobosan baru yang significan .Six sigma merupakan alat penting bagi manajemen produksi untuk menjaga,memperbaiki,
mempertahankan kualitas produk menuju zero defect.dengan menggunakan metode six sigma DMAIC diharapkan perusahaan mampu menekan
populasi jumlah RT ( Rejection Tag ) PT Dirgantara Indonesia yang memproduksi pesawat CN235 khususnya di final assembly populasi jumlah RT (rejection tag) masih cukup tinggi dan nilai DPMO nya juga masih cukuptinggi Maka untuk menekan populasi jumlah Rejection Tag ( RT ) dengan merekomendasikanrencana tindakan perbaikan padakesalahan Design Drawing dan Material komponen
Kata kunci : Six Sigma ( DMAI C ) adalah : def ine, measure, anal ize, improved, control .
I .PENDAHULUAN
Industri Manufacture yang bergerak di bidang usaha penerbangan adalah
PT.DIRGANTARA INDONESIA yang berlokasi di Jl.Pajajaran No 154 Kota Bandung
Jawa barat.. PT.DIRGANTARA INDONESIA yang memproduksi pesawat CN235
yang disebut sebagai primadona, yang saat ini sedang melaksanakan kontrak penjualan
4 pesawat dengan Negara Korea Selatan yang dinamakan KCG ( Korea Coast Guard
).Pesawat CN235 yang diproduksi di divisi Air Craft sebagai pemegang Production
certificate (PC) pada proses perakitannya dibagi menjadi tiga bagian.
1. Sub Assembly
2. Semy Assembly
3. Final Assembly.
Pada Proses produksi pesawat CN 235 memerlukan ketelitian yang tinggi,
diharapkan mampu menyelesaikan target produksi sesuai dengan Schedule Delevery.
mailto:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]
-
8/19/2019 2.1 all (1)
4/95
3 | P a g e
Pada perencanaan dan pelaksanaan proses produksi pesawat CN235 khususnya di
bagian Final Assembly yang masih banyak ditemukan masalah dan kendala yang harus
selalu di upayakan pemecahannya, terutama pada populasi jumlah RT ( Rejection Tag )
yang akan berpengaruh terhadap Pengendalian kualitas pada proses produksi pesawat
CN235 di bagian Final assembly. RT (Rejection Tag) adalah form sheet untuk
mendata kejadian kejadian ( Defective) non conforming material selama pada proses
produksi pesawat CN235.
Dengan demikian RT ( Rejection Tag ) sangat menentukan terhadap kondisi kualitas
produksi pesawat CN235 dan akan berpengaruh terhadap penurunan harga (charge
customer), keterlambatan kerja dan pekerjaan ulang (Rework).
Bila kondisi ini tidak di minimasi sedini mungkin, maka perusahaan akan menanggung
kerugian yang sangat besar dan terjadi kemunduran pada kualitas produk CN235 yang
berakibat ketidak percayaan customer.
Pada umumnya sistem pengendalian kualitas seperti TQM dan lain-lain hanya
menekankan pada upaya peningkatan mutu berdasarkan kesadaran individu dari
manajemen. Sistem tersebut tidak memberikan solusi yang tepat mengenai
terobosan-terobosan baru atau langkah-langkah yang seharusnya dilakukan untuk
menghasilkan peningkatan kualitas secara signifikan menuju tingkat kegagalan
pada 0 ( zero defect ).
Six sigma sebagai salah satu metode baru yang paling popular merupakan salah
satu alternatif dalam prinsip-prinsip pengendalian kualitas yang merupakan
terobosan dalam bidang manajemen kualitas (Gasperzs,2005: 303). Six sigma
dapat dijadikan ukuran kinerja sistem industri yang memungkinkan perusahaan
melakukan peningkatan yang luar biasa dengan terobosan strategi yang aktual.
Six sigma juga dapat dipandang sebagai pengendalian proses produksiyang berfokus pada customer dengan memperhatikan kemampuan proses. Pencapaian
six sigma hanya terdapat 3,4 cacat per sejuta kesempatan. Semakin tinggi target
sigma yang dicapai maka kinerja sistem industri semakin membaik.
PT Dirgantara Indonesia merupakan perusahaan manufaktur yang bergerak dalam
bidang kedirgantaraan. Produk yang dihasilkan adalah diantaranya pesawat CN 235
dengan berbagai macam Type yang dipasarkan di Negara Negara Asia Tenggara.
-
8/19/2019 2.1 all (1)
5/95
4 | P a g e
Pengendalian kualitas yang dilaksanakan pada bagian final assembly pada
proses perakitan akhir pesawat CN 235 pada basic Air Craft masih banyak ditemukan
RT(rejection tag) /defect diatas toleransi yang ditentukan.
Berdasarkan masalah diatas maka penulis megidentifikasi data – data yang
ditemukan yaitu total proses produksi dan beberapa RT( Rejection Tag ) yang
ditemukan dilapangan. (lihat tabel) Table I – 1. Rejection Tag
Periode
Position
Total
Proses produksi
Total Defect
RT(Rejection Tag) Prosentase
Pos I 92 18 RT 19 %
Pos II 81 17 RT 21 %
Pos III 77 14 RT 18 %
Pos IV 170 18 RT 19 %
Pos V 63 18 RT 19 %
Pos VI 41 10 RT 24.3 %
F L 26 - -
550 95 17.2727%
Dari data pada tabel tersebut diatas ,maka penulis perlu untuk meneliti penyebab
populasi jumlah RT ( rejection tag ) yang terjadi di bagian final assembly
Dengan diterapkannya metode six sigma di PT.DIRGANTARA
INDONESIA pada Final Assembly diharapkan perusahaan berada pada tingkat produk
cacat /defect terendah bahkan dapat memperkecil lagi sampai pada proses produksi
berjalan menuju kesempurnaan ( zero defect ).
Dengan demikian penerapan metode six sigma pada PT. Dirgantara Indonesia
akan meningkatkan keuntungan dan akan mengakibatkan menurunnya biaya yang
dikeluarkan, Selain itu perusahaan dapat tetap mempertahankan kelangsungan
hidupnya bahkan dapat meningkatkan posisi pasarnya dalam menghadapi
persaingan global secara kompetitif. Motivasi yang mendorong penulis untuk
melakukan penelitian ini adalah karena pada PT. Dirgantara Indonesia belum
dilakukan pengendalian kualitas dengan metode six sigma. Dengan penelitian ini
diharapkan sebagai bahan pertimbangan perusahaan untuk mengambil konsep
mengenai pengendalian kualitas dengan menggunkan metode six sigma. Untuk
-
8/19/2019 2.1 all (1)
6/95
5 | P a g e
memahami strategi pengendalian kualitas pada bagian Final Assembly yaitu
menurunkan jumlah defect /RT ( rejection tag ) yang terjadi, maka dicoba untuk
mengadopsi metode six sigma dalam menganalisis dan memperbaiki pengendalian
kualitas. Metode ini merupakan suatu metode atau cara untuk mencapai kinerja
operasi dengan hanya 3, 4 cacat (defect ) untuk setiap satu juta aktivitas atau peluang.
Untuk mencapai target operasi mencapai six sigma merupakan hal yang sulit, tetapi
dicoba untuk menelusuri permasalahan dan mengatasinya. Diharapkan dengan metode
ini dapat menurunkan defect/RT yang terjadi, sehingga bisa meningkatkan daya
saing produksi pesawat CN235 dengan jenis pasawat lain.
II. LANDASAN TEORI
Kegiatan pengendalian dilaksanakan dengan cara memonitor keluaran
(output),membandingkan dengan standart – standart menafsirkan, perbedaan -
perbedaan dan mengambil tindakan untuk menyesuaikan kembali proses - proses
itu sehingga sama / sesuai dengan standar (Buffa 1999 : 109).
Kualitas produk secara langsung dipengaruhi oleh 9 bidang dasar atau 9M. Pada
masa sekarang ini industri disetiap bidang bergantung pada sejumlah besasr
kondisi yang membebani produksi melalui suatu cara yang tidak pernah dialami
dalam periode sebelumnya. ( Feigenbaum,1992 ; 54-56), Market (Pasar), Money
(Uang), Management (manajemen)., Man (Manusia), Motivation (Motivasi), Material
(bahan), Machine and Mecanization (mesin dan mekanisasi), Modern Information
Metode (metode informasi moderen), Mounting Product Requirement (persyaratan
proses produksi).
pengendalian kualitas yang dilaksanakan dalam perusahaan tepat mengenai
sasarannya serta meminimalkan biaya pengendalian kualitas, perlu dipilih pendekatan
yang tepat bagi perusahaan. (Ahyari, 1990:225-325)
Six Sigma adalah bertujuan yang hampir sempurna dalam memenuhi
persyaratan pelanggan (Pande dan Cavanagh, 2003: 9). Menurut Gaspersz
(2005:310) six sigma adalah suatu visi peningkatan kualitas menuju target 3,4
kegagalan per sejuta kesempatan untuk setiap transaksi produk barang dan jasa.
Jadi Six Sigma merupakan suatu metode
-
8/19/2019 2.1 all (1)
7/95
6 | P a g e
Pada dasarnya pelanggan puas apabila mereka menerima nilai yang diharapkan
mereka, apabila produk (barang atau jasa) diproses pada tingkat kualias Six Sigma,
maka perusahaan boleh mengharapkan 3,4 kegagalan per sejuta kesempatan (DPMO)
atau mengharapkan bahwa 99,99966 persen dari apa yang diharapkan pelanggan akan
ada dalam produk itu. Six Sigma dapat dijadikan ukuran target kinerja system industri,
tentang bagaimana baiknya suatu proses transaksi produk antara pemasok (industri) dan
pelanggan (pasar).
Semakin tinggi target sigma dicapai, maka kinerja sistem industri akan semakin
baik. sehingga Six Sigma otomatis lebih baik daripada 4-Sigma, lebih baik dari 3-Sigma.
Six Sigma juga dapat dianggap sebagai strategi terobosan yang memungkinkan
perusahaan melakukan peningkatan luar biasa di tingkat bawah.
Six Sigma juga dapat dipandang sebagai pengendalian proses indusri berfokus pada
pelanggan, malalui memperhatikan kemampuan proses Gaspersz, 2002).Terdapat enam
aspek kunci yang perlu diperhatikan dalam aplikasi konsep Six Sigma (Gasperz: 2002),
Pendekatan pengendalian proses Six Sigma Motorola mengijinkan adanya
pergeseran nilai target rata-rata (mean) setiap CTQ individual dari proses industri
sebesar ± 1,5 sigma sehingga akan menghasilkan 3,4 DPMO (defects per million
opportunities / kegagalan per sejuta kesempatan). Proses Six Sigma dengan distribusi
normal bergeser 1,5 Sigma (Sumber Gasperz, 2002)
Menurut Gasperz (2002), Six Sigma Motorola merupakan suatu metode atau
teknik pengendalian dan peningkatan kualitas yang merupakan terobosan baru dalam
bidang manajemen kualitas. Konsep Six Sigma Motorola ini pada awalnya
dikembangkan oleh perusahaan Motorola di Amerika Serikat. Banyak ahli manajemen
kualitas menyatakan bahwa metode Six Sigma Motorola dikembangkan dan diterima
secara luas oleh dunia industri, karena manajemen industry frustasi terhadap sistem
manajemen kualitas yang ada, yang tidak mampu melakukan peningkatan kualitas
menuju tingkat kegagalan nol ( Zero Defect ).
dipaparkan jenis metodologi Six Sigma, DMAIC secara terperinci dan persamaan
metodologi Six Sigma tersebut. DMAIC merupakan salah satu metodologi Six Sigma
yang digunakan dengan tujuan melakukan perbaikan proses terhadap produk atau proses
yang sedang berlangsung di perusahaan
-
8/19/2019 2.1 all (1)
8/95
7 | P a g e
III.METODOLOGI PENELITIAN
IV.HASIL DAN PEMBAHASAN
1. Define ( pendifinisian )
Define merupakan tahap pendefinisian masalah kualitas pada produk
akhir jenis pesawat CN235,di Final Assembly pada tahap ini yang
menjadikan obyek penelitian adalah variable RT (RejectionTag)/Defective
Landasan Teori
Pengumpulan dan pengolahan Data* Data produksi
* data RT (Rejection Tag)* wawancara
Hasil penelitian dan pembahasan
* Analisis pengendalian kualitas metode SixSigma DMAIC
* Failur Mode and Failur Effect (FMEA).
Studi Kasus
Kesimpulan dan Saran
Tujuan Penelitian
-
8/19/2019 2.1 all (1)
9/95
8 | P a g e
ketidak sesuaian material (non conforming material) prosentasenya masih
cukup tinggi berdasarkan pada permasalahan yang ada, masalah RT
(RejectionTag) dapat mempengaruhi terhadap kualitas produk dan berakibat
terkena charge customer.
Pada tahap ini dilakukan penentuan critical to quality ( CTQ ) untuk
mengetehui apa yang menjadi kritikal kualitas fisik pada pembuatan pesawat
CN 235 di final assembly, juga penjelasan alur proses produksi dengan
diagram SIPOC ( supplier input proses output customer ).Penentuan ( CTQ )
pada Kondisi fisik pesawat Cn 235 yang terkena Rejection Tag ( RT )
adalah sebagai berikut :
1.
MRB ( Material review Board ) : mayor defect
2. Complete (dilengkapi/ diselesaikan ) : minor defect
3. R T S ( return to shop / retest) : minor /critical defect
2. Measure ( pengukuran )
Pada tahap ini dilakukan pengukuran terhadap kemampuan
proses pada proses produki pesawat CN 235 di final assembly.
Langkah pengukuran adalah:
1. Perhitungan Defects per unit (DPU), Perhitungan DPU
berdasarkan jumlah produk yang di inspeksi dan jumlah produk
cacat pada tabel 4.1, yaitu:
DPU ℎ
ℎ
POS. 1
DPU
= 0.1957
POS, 2
DPU
0.2099
-
8/19/2019 2.1 all (1)
10/95
9 | P a g e
POS. 3
DPU 4
0.1818
POS. 4
DPU
0.1059
POS. 5
DPU
= 0.2857
POS. 6
DPU
4 = 0.2439
2. Perhitungan DPO (defect per opportunity)
DPO DPU
M
POS 1 .
0.0652
POS 2 .
= 0.0699
POS 3 .
0.0606
POS 4 .
0.0353
POS 5 .
0.0952
POS 6 .4 = 0.0813
3. Perhitungan Defect Per Million Opportunity ( DPMO )
DPMO = DPO X 1000000
POS 1 = 0.0652 X 1000000 = 65200
POS 2 = 0.0699 X 1000000 = 69900
POS 3 = 0,0606 X 1000000 = 60600
-
8/19/2019 2.1 all (1)
11/95
10 | P a g e
POS 4 = 0.0353 X 1000000 = 35300
POS 5 = 0.0952 X 1000000 = 95200
POS 6 = 0.0813 X 1000000 = 81300
4. Pengkonversian DPMO ke level Sigma,berdasarkan tabel
kanversi DPMO ke nilai sigma.
Berdasarkan konsep motorola konversi nilai sigma bahwa proses industri memiliki
kapabilitas proses belum baik, nilai DPMO dari pos 1 hingga pos 6 terhadap nilai sigma
tak terhitung berdasarkan konsep Motorola nilai terkecil adalah 1,5 sigma pada DPMO
500.000. Diinterprestasikan bahwa dari sejuta kesempatan yang ada akan terdapat
kemungkinan bahwa proses produksi itu belum mampu memenuhi toleransi yang
ditetapkan Hal ini menunjukkan pola DPMO dan pencapaian sigma tidak tercapai
3. Analyze ( analisis )
Berdasarkan data yang diolah untuk mengetahui prosentase jenis produk ditolak
dihitung dengan rumus:
% Kerusakan =ℎ
ℎ ℎ
% Pos 1 total 18 RT :
100 % = 19 %
% pos II total 17 RT :
100 % 18 %
% pos III total 14 RT :4
x 100 % = 14 %
% pos IV total 18 RT :
100 % 19 %
% pos V total 18 RT :
100 % 19 %
% pos VI total 10 RT :
100 % 10 %
Pada pengelompokan proporsi RT tertinggi diketahui penyebab utama terjadinya RT
adalah berdasarkan hasil wawancara dengan CAU (corrective action unit ) dan dari
sebuah team MRB (Material Review Board) yang menentukan kategori
MRB,Complete, RTS dengan mencantumkan charge number yang telah ditentukan oleh
perusahaan, maka diketahui jumlah pengaruh RT tertingi adalah :
-
8/19/2019 2.1 all (1)
12/95
11 | P a g e
1. kesalahan pada Material komponen
2. kesalahan Design drawing. ( Lihat Diagram Sub group )
Berkaitan dengan pengendalian kualitas produk secara
statistik, diagram sebab-akibat digunakan untuk mengetahui unsur – unsur yang
menyebabkan terjadinya RT.
Penyebab utama yang mempengaruhi adanya RT (rejection tag) pada
perakitan akhir dari pos 1 ,pos 4 dan pos 5 .
4. Improve ( perbaikan )
Berdasarkan analisis FMEA dapat diketahui penyebab kesalahan yang
paling dominan untuk dilakukan tahap perbaikan, selanjutnya yaitu langkah usulan
perbaikan pada dua komponen adalah :
1. Design Drawing
Mengotrol tindakan yang harus dilakukan berdasarkan hasil observasi dan analisis
penelitian pada design Drawing adalah:
a. Koordinasikan dengan engeenering drawing untuk melakukan perbaikan Design
Drawing yang kurang optimal, merubah gambar maupun menambah dengan
membuat/ mengusulkan Change proposal 1 (CP1) untuk merubah gambar kerja.
b. Melakukan koordidasi degan engeenering drawing untuk mengkoordinasikan
antara basic dengan optional
c. Mengevaluasi drawing sesuai configuration yang digunakan sesuai dengan
program.
d. Percepat menurunkan dokumen, spec maupun design drawing.
2. Material Komponen
a. Mengontrol material komponen yang masuk sesuai yang di kebutuhankan, b. Melakukan perbaikan CLCO/Tool jig dan cek kalibrasi pada pembuatan
komponen tersebut.
c. Pemeriksaan storage pada penyimpanan material dan perawatan
d. Periksa part-part di storage cocokan dengan dokuman.
Menetapkan sasaran dan tujuan peningkatan kualitas six sigma
Berdasarkan permasalahan adanya RT (Rejection Tag) yang disebabkan
oleh Design Drawing dan Material komponen yang dapat menyebabkan
-
8/19/2019 2.1 all (1)
13/95
12 | P a g e
kerugian bagi perusahaan maka perlu melakukan sesuatu perencanaan
yang stategis dalam pengoperasionalnya dengan menekan terjadinya RT
(rejection tag)/defect produk menjadi 0% dengan tindakan yang
signifikan.
pada tahap ini peneliti tidak membuat SOP untuk melakukan perbaikan
di perusahaan dengan pertimbangan birokrasi dan persetujuan
manajemen.
5. Control (tahap pengendalian )
Pada tahap ini dilakukan pengamatan pada dua penyebab paling
potensial dalam menghasilkan produk akhir jenis pesawat CN 235 di
final assembly pada area pos 1,pos 4 dan pos 5 perlu dilakukan
pengontrolan atau pemeriksaan secara rutin sebagai berikut:
* Design drawing
Perlu dilakukan pengontrolan pemeriksan sumber variasi yang
berasal dari kesalahan gambar kerja.
a. Koordinasikan gambar kerja dengan kondisi actual dipesawat
yang tidak akurat,
b. Index gambar harus sesuai dengan configurasi yang berlaku,
sehingga akan mengurangi timbulnya RT (Rejection Tag).
* Material Komponen
Dilakukan pengontrolan pada sumber variasi kesalahan Material
komponen
a. Pemeriksaan kalibrasi secara periodik pada tool jig / clco
sesuai live time nya, b. Material komponen yang tidak sesuai dengan drawing perlu
dilakukan pemeriksaan pada gudang penyimpanan (Storage).
c. Periksa material sesuai configurasi yang berlaku.
-
8/19/2019 2.1 all (1)
14/95
13 | P a g e
V. KESIMPULAN
Berdasarkan hasil penelitian dan pembahasan penulis menarik
kesimpulan bahwa;
Pada tahap define diketahui populasi jumlah defect ( RT ) di final
assembly yang tertinggi terutama pada bagian pos 1 pos 4 dan pos 5
dengan prosentase 19 %, maka perlu dilakukan suatu tindakan perbaikan
,agar pada periode berikutnya jumlah populasi RT (Rejection Tag) dapat
ditekan oleh perusahaan seminimal mungkin dengan tingkat sigma
paling tinggi.
Setelah diketahui karakteristik kritikal kualitas (CTQ) dengan analisis
Causes Effect diagram dapat diketahui penyebab populasi jumlah RT /
Defect pada Pos 1, Pos4 dan Pos 5 adalah: kesalahan Design Drawing
dan Material Komponen
Berdasarkan hasil analisis FMEA diketahui penyebab kesalahan Design
Drawing adalah: dimensi tidak jelas, Coonfiguration drawing tidak
sesuai, Drawing tidak sesuai dengan kondisi actual dipesawat, idex
drawing terlambat turun.
Hasil analisis (FMEA) pada kesalahanMaterial komponen adalah:
kesalaha clco / tool jig, kalibrasi tool, part tidak sesuai drawing, part
tidak sesuai dokumen/drawig.
DAFTAR PUSTAKA
A., Miranti, 2003, Penerapan Six Sigma untuk Memperbaiki Kualitas dengan
Meminimasi Jumlah Produk Cacat dan Mengurangi Biaya Akibat Kualitas yang
Buruk. Jurusan Teknik Industri,Universitas Katolik Parahyangan, Bandung.
Gaspersz, Vincent, 2001, Total Quality Manajement, Manajemen Bisnis Total .
Jakarta: GramediaPustaka Utama.
Go, Evelin, F., Gunadi, 2004, Penentuan Tinfakan Perbaikan Dalam Usaha
Mengurangi Cacat Kain Grey Dengan Menggunakan Metode Six Sigma.
Jurusan Teknik Industri, Universitas Katolik Parahyangan, Bandung.
-
8/19/2019 2.1 all (1)
15/95
14 | P a g e
Ingle, Sarah and Willo Roe, 2001, Six Sigma Black belt Implementation. The
TQM Magazine,vol.13-14, pg 273-280.
R. Phenter S.P., 2004, Identifikasi dan Simulasi Faktor Penyebab Cacat Produk
Botol KontainerDengan Metode Six Sigma Pada PT. Indovasi Plastik Lestari
Journal, April.
Urdhwareshe, Hemant, 2002, The Six Sigma Approach. Quality & Productivity
Journal, September
i Six Sigma http://www.isixsigma.com.
Konsep Six sigma sederhana. [email protected] atau www.beranda.net
-
8/19/2019 2.1 all (1)
16/95
15 | P a g e
PERENCANAAN PRODUKSI PADA KAIN RAYON,
POLYSTER DAN COTTON MENGGUNAKAN TEKNIK PERAMALAN
Agung Dwi Pambudi ,Rina Indrayani
Jurusan Teknik IndustriSekolah Tinggi Teknologi [email protected] . [email protected]
Abstract
Peluang industri tekstil nasional bergantung pada kemampuan bersaing dengan
produsen dari negara lain. Bukan hanya di pasar dunia tetapi juga di pasar domestik. Hal iniditandai dengan membanjirnya produk-produk tekstil impor, terutama dari China yang
memberikan tawaran harga rendah untuk produknya. Tetapi sekalipun demikian produk tekstillokal masih tetap mampu bersaing karena memiliki kualitas yang lebih baik.
Dalam melangsungkan produksinya, PT. Sinar Pangjaya Mulia masih belum dapatmelakukan peramalan yang optimal dan perencanaan produksi yang efisien sebagai dasaruntuk melangsungkan kegiatan produksi, sehingga semua perencanaan dalam perusahaandilakukan secara mendadak. Hal ini telah menimbulkan masalah dalam kegiatan produksi yangdilakukan oleh perusahaan dalam menentukan produksi, mesin dan waktu yang dibutuhkandalam pemenuhan permintaan.
Untuk mengatasi kondisi seperti ini, maka perusahaan harus mampu menyusun suatu peramalan permintaan dan perencanaan produksi sebagai suatu pernyataan mengenai berapa jumlah permintaan pada periode tertentu dan kapan permintaan produksi tersebut harusdilakukan.
Dari hasil pengolahan data dapat diketahui jumlah permintaan kain yang dihasilkanuntuk ketiga item produk tersebut dalam jangka waktu satu tahun mendatang. Permintaan pada
bulan Januari 2012 untuk kain rayon sebanyak 106.277 kg, kain polyster sebanyak 41.586 kgdan kain cotton sebanyak 78.552 kg, sedangkan perencanaan produksi untuk bulan Januari2012 sebanyak 226.415 kg dengan nilai inventorinya sebanyak 80.000 kg, maka pada periode Januari 2012 tidak ada penambahan jam/hari kerja.
Kata kunci : Perencanaan, Peramalan
I. PENDAHULUAN
pabrik tekstil yang bergerak dibidang processing selalu mempunyai beberapa
unit mesin, begitu juga dengan perusahaan PT. Sinar Pangjaya Mulia seperti ; Mesin
Acme, Beam, Then, Tongwu, Hisaka untuk proses pencelupan, mesin Corino dan
Calator untuk proses pembelahan/merapikan kain basah, sedangkan mesin stenter ,
seperti Bruckner , Ehwa, Santa Lucia, Santex dryer , dan Monforts untuk proses setting ,
dryer , dan pengeringan. Semua mesin tersebut memiliki kecepatan produksi yang
berbeda-beda sehingga menyulitkan bagian produksi untuk menyeimbangkan kapasitas
produksi. Apalagi dengan permintaan pasar yang berfluktuatif , maka tidak sedikit
persoalan yang harus dihadapi perusahaan dalam mengatur kegiatan operasionalnya.
mailto:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]
-
8/19/2019 2.1 all (1)
17/95
16 | P a g e
Sebagai contoh di departemen dyeing PT. Sinar Pangjaya Mulia memiliki
beberapa masalah diantaranya penumpukan kain sebelum di proses pada stasiun kerja
dyeing disebakan oleh antrian dalam proses pencelupan, dimana pada saat proses
memiliki waktu proses yang berbeda-beda tergantung pada jenis kainnya. Hal ini harus
menjadi catatan penting bagi bagian PPIC dalam perencanaan produksinya sehingga
dapat meminimalisirkan antrian order yang panjang dalam stasiun kerja.
Masih terdapat proses produksi per periode yang kurang direncanakan, masalah
ini dilihat pada periode tertentu memiliki permintaan kain yang sangat banyak, sehingga
harus dilakukan penambahan jam/hari kerja (over time), sedangkan pada periode
berikutnya, permintaan kain memiliki penurunan, sehingga pada periode tersebut
kegiatan produksi tidak berjalan dengan lancar. Penumpukan kain sebelum proses pada
stasiun kerja, padahal proses produksi masih memiliki waktu yang lama karena proses
setiap item (kain) memiliki waktu yang berbeda, serta masih sering terjadinya
penambahan waktu kerja (over time) pada suatu periode, sedangkan pada periode
tertentu masih memiliki kapasitas produksi yang tersedia. Masalah ini disebabkan
karena belum adanya peramalan dan perencanaan produksi yang optimal pada PT. Sinar
Pangjaya Mulia.
Sehingga perlu dilakukan peramalan permintaan kain di departemen Dyeing PT.
Sinar Pangjaya Mulia. Dengan menggunakan Metode Moving Average, Weighted
Moving Average dan Eksponential Smoothing dan membuat perencanaan produksi yang
aktual, dengan menggunakan Metode Level Method, Chase Stregy dan Compromise.
II. LANDASAN TEORI
Sistem Produksi Menurut Tujuan Operasinya
Dilihat dari tujuan perusahaan melakukan operasinya dalam hubunganya
denganpemenuhan kebutuhan konsumen, maka sistem produksi dibedakan menjadi 4
jenis, yaitu :
1.
Engineering-to-order (ETO), yaitu bila pemesanan meminta produsen untuk
membuat produk yang dimulai dari proses perancangannya (rekayasa).
-
8/19/2019 2.1 all (1)
18/95
17 | P a g e
2. Assembly-to-order (ATO), yaitu bila produsen membuat desain standar, modul-
modul operasional standar yang sebelumnya dan merakit suatu kombinasi
tertentu dari modul-modul tersebut sesuai dengan pesanan produsen.
3.
Make-to-order (MTO), yaitu bila produsen menyelesaikan item jika dan hanya
jika telah menerima pesanan konsumen untuk item tersebut.
4.
Make-to-stock (MTS), yaitu bila produsen membuat item-item yang diselesaikan
dan ditempatkan sebagai persediaan sebelum pesanan konsumen diterima.
Peramalan merupakan bagian awal dari suatu proses pengambilan suatu
keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa
sebenarnya persoalan pengambilan keputusan itu. Peramalan adalah pemikiran terhadap
suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode
yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan
(guess), tetapi dengan menggunakan teknik-teknik tertentu, maka peramalan menjadi
sekedar perkiraan. Peramalan dapat dikatakan perkiraan yang ilmiah (educated guess).
Setiap pengambilan keputusan yang menyangkut keadaan dimasa yang akan datang,
maka pasti ada peramalan yang melandasi pengambilan keputusan tersebut (Sofyan
Assuri, 1984).
Tujuan peramalan dilihat dengan waktu :
a. Jangka pendek (short term)
Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya bersifat
harian ataupun mingguan dan ditentukan oleh Low management.
b. Jangka menengah (medium term)
Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat
bulanan ataupun kuartal dan ditentukan oleh Middlu management.c. Jangka panjang (Long term)
Karakteristik Peramalan yang Baik
Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi,
biaya, dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah sebagai
berikut :
-
8/19/2019 2.1 all (1)
19/95
18 | P a g e
1. Akurasi
Akurasi dari suatu hasil peramalan diukur dengan hasil kebiasaan dan
kekonsistensian peramalan tersebut. Hasil peramalan dikatakan biasa apabila
peramalan tersebut terlalu tinggi atau rendah dibandingkan dengan kenyataan
yang benar terjadi.
2. Biaya
Biaya yang diperlukan dalam pembuatan peramalan adalah tergantung dari
jumlah item yang diramalkan, lamanya periode peramalan, dan metode
peramalan yang dipakai.
3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah
diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma
memakai metode yang canggih, tetapi tidak daoat diaplikasikan pada sistem
perusahaan karena keterbatasan dana, sumber daya manusia, maupun peralatan
teknologi.
Sifat Hasil Peramalan
Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa
hal yang harus dipertimbangkan yaitu :
1. Ramalan pasti mengandung kesalahan, artinya peramalan hanya bisa
mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan
ketidakpastian tersebut.
2. Peramalan seharusnya memberikan informasi tentang beberapa ukuran
kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka adalah
penting bagi peramal untuk menginformasikan seberapa besar kesalahan yangmungkin terjadi.
3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang.
Hal ini disebabkan pada peramalan jangka pendek, faktor-faktor yang
mempengaruhi permintaan relatif masih konstan sedangkan masih panjang
periode peramalan, maka semakin besar pula kemungkinan terjadinya perubahan
faktor-faktor yang mempengaruhi permintaan.
-
8/19/2019 2.1 all (1)
20/95
19 | P a g e
Teknik Peramalan
Faktor-faktor yang harus dipertimbangkan :
1.
Horizon Peramalan
2.
Tingkat Ketelitian
3. Ketersediaan Data
4.
Bentuk Pola Data
5. Biaya
6. Jenis dari Model
7.
Mudah tidaknya penggunaan dan aplikasinya
III.
METODOLOGI PENELITIAN
KERANGKA PENYELESAIAN MASALAH
Tujuan Penelitian
Menrencanakan
Produksi
Analisa dan
pembahasan
Kesimpulan dan
saran
Studi Pustaka
Pengumpulan Data
Pengolahan Data
Meramalkan
Permintaan
Perumusan Masalah
-
8/19/2019 2.1 all (1)
21/95
20 | P a g e
IV. HASIL DAN PEMBAHASAN
ANALISIS PEMBAHASAN PERAMALAN PERMINTAAN
Dari penghitungan 3 metode yang diolah, yaitu Metode Moving Average,Weighted Moving Average, dan Eksponential Smoothing .
Nilai-nilai tracking signal untuk model pemulusan eksponential, ES (α = 0,9),
berada dalam batas-batas yang dapat diterima (maksimun ±4), dimana nilai-nilai
tracking signal itu bergerak dari -1,6 sampai 2,1. Hal ini menunjukkan bahwa akurasi
dari model peramalan ES (α = 0,9) dapat diandalkan karena berada didalam bata-batas
pengendalian tracking signal (maksimun ±4). Suatu tracking signal memiliki RSFE
yang rendah, dan mempunyai positive error yang sama banyak atau seimbang dengan
negative error , sehingga pusat dari tracking signal mendekati nol. Hal ini telah mampu
dipenuhi dengan model peramalan Eksponential Smoothing (α = 0,9).
Sedangkan metode Moving Average dan Weighted Moving average memiliki
nilai-nilai Tracking Signal diluar batas-batas yang telah ditentukan dari UCL maupun
LCL. sebelumnya dapat dilihat nilai-nilai Tracking Signal yang berada diluar batas yang
ditentukan.
Maka peneliti telah memilih metode yang tepat untuk masalah yang terjadi pada
PT. Sinar Pangjaya Mulia, metode yang dapat diterima yaitu metode Eksponential
Smoothing.
Dari penerapan metode Eksponential smoothing yang telah dilakukan peneliti,
mendapatkan hasil yaitu :
1.
Untuk kain Rayon, didapatkan 3.198.494 Kg dalam 2 tahun kedepan, jadi rata-
rata permintaan kain rayon per bulannya adalah 133.271 Kg.
2. Untuk kain Polyster , didapatkan 1.251.584 Kg dalam periode yang sama, dan
rata-rata permintaan kain polyster per bulannya adalah 52.149 Kg.
3. Untuk kain Cotton, didapatkan 2.364.104 Kg dalam periode yang sama juga, dan
rata-rata permintaan kain cotton per bulannya adalah 98.504 Kg.
Jadi hasil total peramalan permintaan kain pada 2 tahun kedepan yaitu 6.814.182
Kg. Grafik.
-
8/19/2019 2.1 all (1)
22/95
21 | P a g e
Tabel.1 Hasil Peramalan Permintaan Kain
ANALISIS PEMBAHASAN PERENCANAAN PRODUKSI
Berikut ini hipotesis dari ketiga strategi perencanaan kapasitas produksi, dimanahasil dari perencanaan kapasitas kapasitas produksi ini dapat ditampilkan dalam bentuk
tabel. Penghitungan dengan menggunakan metode Level Method, dapat dilihat di tabel
berikut.
-
8/19/2019 2.1 all (1)
23/95
22 | P a g e
Tabel 2 Permintaan – Produksi – Inventori Berdasarkan Metode Level Method
Dari tabel diatas didapatkan hasil perencanaan produksi menggunakan metode
Level Method dengan rata-rata 271.725 Kg per bulan, tetapi memiliki nilai inventori
yang sangat besar per bulannya, sehingga butuh dana tambahan untuk penyimpanan
persediaan dan kondisi gudang di PT. Sinar Pangjaya Mulia yang tidak memadai dalam
penyimpanan persediaan. Maka metode ini belum dapat diterima dalam situasi yangada.
Penghitungan dengan menggunakan metode Compromise, dapat dilihat pada
tabel dibawah ini
Tabel 3 Permintaan – Produksi – Inventori Berdasarkan Metode Compromise
Dari tersebut didapatkan hasil perencanaan produksi menggunakan metode
Compromise dengan rata-rata 326.069 Kg per bulan dan memiliki 2 periode tanpa ada
kegiatan produksi, tetapi memiliki nilai inventori yang sama besar dengan metode Level
-
8/19/2019 2.1 all (1)
24/95
23 | P a g e
Method per bulannya, sehingga butuh dana tambahan untuk penyimpanan persediaan
dan kondisi gudang di PT. Sinar Pangjaya Mulia yang tidak memadai dalam
penyimpanan persediaan. Maka metode ini belum dapat diterima dalam situasi yang
ada.
Penghitungan dengan menggunakan metode Chase Strategy, dapat dilihat di
tabel dibawah ini.
Tabel.4 Permintaan – Produksi – Inventori Berdasarkan Metode Chase Strategy
Dari tabel diatas didapatkan hasil perencanaan produksi menggunakan metode
Chase Strategy dengan rata-rata rencana produksi yang tidak sama antar periode nya,
tetapi memiliki nilai inventori yang sangat seimbang dan kecil per bulannya dan ada 2
periode yang memiliki kapasitas produksi lebih dari apa yang telah ditentukan. Dalam
metode ini tidak perlu butuh biaya tambahan untuk penyimpanan persediaan dankondisi gudang di PT. Sinar Pangjaya Mulia memadai dalam penyimpanan persediaan.
Dengan perbandingan perhitungan dengan mengunakan tiga metode yang telah
dilakukan, metode yang dapat digunakan dan cocok pada kriteria yang diinginkan PT.
Sinar Pangjaya Mulia adalah perencanaan produksi menggunakan metode Chase
Strategy. Dalam tabel berikut dapat dilihat hasil pengoptimalan dari perhitungan
perencanaan produksi dengan metode Chase Strategy sebelumnya dimana pada periode
ke-8 dan 9 yang memiliki produksi melebihi kapasitas yang ada, sehingga pada periode
sebelumnya harus lebih ditingkatkan perencanaan produksinya
-
8/19/2019 2.1 all (1)
25/95
24 | P a g e
Tabel 1 Rencana Permintaan – Produksi – Inventori Berdasarkan Metode Chase Strategy
Dari seluruh uraian dan pembahasan penghitungan peramalan permintaan kain
selama periode dua tahun kedepan tak bukan kegunaanya adalah untuk mendukung
proses perencanaan produksi yang terpadu.
V. KESIMPULAN
A. Peramalan Permintaan
1. Metode Moving Average
Berdasarkan perhitungan yang telah dilakukan pada bab sebelumnya, telah
didapatkan hasil tracking signal dari -1,0 sampai dengan 6,5. Maka metode
ini belum dapat dihandalkan pada PT. Sinar Pangjaya Mulia karena nilai
tracking signal nya masih melewati batas-batas yang telah ditentukan (UCL
dan LCL).
2. Metode Weighted Moving Average
Berdasarkan perhitungan yang telah dilakukan pada bab sebelumnya, telah
didapatkan hasil tracking signal dari -1,0 sampai dengan 5,6. Maka metode
ini belum juga dapat dihandalkan pada PT. Sinar Pangjaya Mulia karena nilai
tracking signal nya masih melewati batas-batas yang telah ditentukan.
3. Metode Eksponential Smoothing
Berdasarkan perhitungan yang telah dilakukan pada bab sebelumnya, telah
didapatkan hasil tracking signal dari -1,6 sampai dengan 2,1. Maka metode
-
8/19/2019 2.1 all (1)
26/95
25 | P a g e
ini dapat dihandalkan pada PT. Sinar Pangjaya Mulia karena nilai tracking
signal nya tidak melewati batas-batas yang telah ditentukan.
Untuk kain Rayon, didapatkan 3.198.494 Kg dalam 2 tahun kedepan, jadi
rata-rata permintaan kain rayon per bulannya adalah 133.271 Kg.
Untuk kain Polyster , didapatkan 1.251.584 Kg dalam periode yang sama,
dan rata-rata permintaan kain polyster per bulannya adalah 52.149 Kg.
Untuk kain Cotton, didapatkan 2.364.104 Kg dalam periode yang sama juga,
dan rata-rata permintaan kain cotton per bulannya adalah 98.504 Kg.
Jadi hasil total peramalan permintaan kain pada 2 tahun kedepan yaitu 6.814.182
Kg. Grafik dapat dilihat pada gambar 4.7 bab 4.B. Perencanaan Produksi
Hasil akhir dari perencanaan produksi ditentukan berdasarkan pada kriteria
yang diinginkan oleh perusahaan, yaitu :
Memiliki rencana produksi yang bervariasi sampai batas maksimal
kapasitas produksi per bulannya yang telah ditentukan.
Memiliki nilai inventori dan biaya penyimpanan yang rendah, sesuai
dengan kapasitas gudang yang dimiliki oleh PT. Sinar Pangjaya Mulia.
1. Metode Level Method
Merupakan metode perencanaan produksi yang mempunyai distribusi merata
dalam produksi. Dalam perencanaan produksinya akan mempertahankan
tingkat kestabilan produksi sementara menggunakan inventori yang
bervariasi untuk mengakumulasi output apabila terjadi kelebihan permintaan
total.
Kelebihan dari Metode Level Method , antara lain :
a.
Memiliki inventori yang bervariasi.
b. Memiliki hasil perencanaan yang merata setiap periodenya.
Kelemahan dari Metode Level Method , antara lain :
a.
Memiliki biaya tambahan dalam penyimpanan persediaan.
-
8/19/2019 2.1 all (1)
27/95
26 | P a g e
2. Metode Chase Strategy
Didefinisikan sebagai metode perencanaan produksi yang mempertahankan
tingkat kestabilan inventori, sementara produksi bervariasi mengikuti
permintaan total.
Kelebihan dari Metode Chase Strategy, antara lain :
a.
Memiliki tingkat kestabilan pada inventori per periodenya.
b. Memiliki biaya yang rendah dalam penyimpanan persediaan.
Kekurangan dari Metode Chase Strategy, antara lain :
a. Perencanaan produksi kurang bisa merata dalam setiap periodenya.
3. Metode compromise
Merupakan kompromi antara metode Level Method dan Chase Strategy.
Kelebihan dari Metode Compromise, antara lain :
a. Dapat memaksimalkan dan meminimalisasikan rencana produksi.
b. Memiliki inventori yang bervariasi.
Kelebihan dari Metode Compromise, antara lain :
a. Dapat menghasilkan rencana produksi yang kurang optimal, karena
rencana produksinya kurang merata antara periodenya.
b.
Memiliki nilai tambah penyimpanan persediaan apabila rencana produksi
di maksimalkan pada periode tertentu.
Maka dapat ditarik kesimpulan terhadap tiga metode perencanaan produksi ini,
metode yang cocok dan dapat diterima pada PT. Sinar Pangjaya Mulia adalah
metode chase Strategy.
Hal ini berdasarkan sudut pandang dari kriteria yang diinginkan pada
perusahaan, serta kelebihan dan kelemahan pada metode ini, kemudian telah
dihitung perencanaan produksi selama periode 1 tahun kedepan, maka dapat
dilihat bahwa untuk saat ini kapasitas produksi di PT. Sinar Pangjaya Mulia
dapat ditingkatkan tanpa harus melakukan jam lembur (over time), dengan cara
perencanaan produksi pada periode Mei (5), Juni (6), dan Juli (7) agar lebih
dimaksimalkan lagi untuk menutupi kelebihan kapasitas pada periode Agustus
(8) dan September (9).
-
8/19/2019 2.1 all (1)
28/95
27 | P a g e
DAFTAR PUSTAKA
Arfianto, Arief 2006. Perencanaan Kebutuhan Material Produksi Chain Stopper Dengan
Menggunakan Metode Material Requirement Planning , Sekolah Tinggi
Teknologi Bandung, Bandung
Bedworth, D.D. dan Bailey,J.E., 1987. Integrated Production Control System, edisi 2,
John Wiley & Sons, New York
Dwikorantho, Koentho, 1995, Analisis Terhadap Perencanaan Dan Pengendalian
Produksi Serta Usulan Perbaikannya di CV SURITEX 1, Sekolah Tinggi
Teknologi Bandung, Bandung
Gasperst, Vincent, 1998. Production Planning and Inventory Control, Berdasarkan
Pendekatan Sistem Terintegrasi MRP II dan JIT Menuju Manufakturing 21,
Gramedia Pustaka Utama, Jakarta
Kusuma, Hendra, 2001. Perencanaan dan Pengendalian Produksi, Andi Yogyakarta,
Yogyakarta
Rosnani, Ginting, MT, 2008. Sistem Produksi, Graha Ilmu, Yogyakarta
Winarno, Wing Wahyu, 2008. Analisis Manajemen Kuantitatif dengan WinQSB Versi
2.0, UPP STIM YKPN Yogyakarta, Yogyakarta
-
8/19/2019 2.1 all (1)
29/95
28 | P a g e
STUDI KELAYAKAN PENAMBAHAN ALAT BANTU
AUTOMATIC EXPANDER ROLL PADA MESIN FINISHING
MANUAL EXPANDER ROLL
Agung Jaya Setia ,Ragil Pardiyono Jurusan Teknik Industri
Sekolah Tinggi Teknologi Bandung [email protected] , [email protected]
Abstrak
PT. Alenatex-Bandung adalah sebuah perusahaan swasta yang bergerak di bidang industri
pembuatan dan penjualan kain tekstil setengah jadi yang berstandar internasional.Persaingandibidang tekstil setiap tahun semangkin tinggi, keadaan ini mempunyai sebuah konsekwensi yaitu peningkatan produktivitas jumlah produk harus disediakan, seiring dengan itu maka PT. Alenatex-bandung dipandang perlu untuk melakukan perubahan pada mesin-mesin produksinya yang selama ini digunakan. Di PT. Alenatex-Bandung pada saat ini menggunakan mesin finishing stenter manual expanderroll yang mana hasil produktivitasnya tidak bisa memenuhi permintaan pelanggan atau seringkali adanya keterlambatan pengiriman barang ke pelanggan, oleh karena itu PT. Alenatex- Bandung sedang menganalisis alat bantu mesin finishing stenter automatic expander rolldengan tujuan dapat meningkatkan jumlah produktivitas, yang akan ditinjau dengan caramengidentifikasi variable-variabel evaluasi kelayakan yaitu ditinjau dari aspek teknis danaspek biaya pada mesin finishing manual expander roll dan mesin finishing automatic expander
roll kemudian hasilnya dibandingkan dengan analisis statistik, setelah dilakukan pengolahandata dari hasil pengumpulan data. Kesimpulan yang didapat adalah mesin finishing stenter automatic expander roll dengankecepatan 60 m/mnt dapat meningkatkan jumlah produksi sebesar 20,06 % dibandingkan mesin finishing stenter manual expander roll.
Kata Kunci : Kelayakan, Alat Bantu
I. PENDAHULUAN
Sebagai bantuan untuk bagian produksi menggunakan alat bantu yakni mesin
finishing stenter manual expander roll diganti dengan mesin finishing stenter
automatic expander roll, yang diharapkan bagian produksi finishing dapat
meningkatkan produktivitas produksi. Perubahan konstruksinya yaitu mesin
finishing stenter manual expander roll masih menggunakan tangan manusia untuk
membuka kain kearah lebar, sedangkan mesin finishing stenter automatic expander
roll untuk membuka kain kearah lebar dilakukan dengan mesin secara automatic,
sehingga kecepatan mesin dapat dipercepat dari mesin sebelumnya.
mailto:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]
-
8/19/2019 2.1 all (1)
30/95
29 | P a g e
Kecepatan produksi merupakan hal yang penting, karena pelanggan
membutuhkan ketepatan waktu dalam pemenuhan ordernya, supaya tidak terjadi
keterlambatan barang jadi sampai ke pelanggan. Pada saat ini PT. Alenatex –
Bandung dalam pengerjaan finishing di mesin finishing stenter manual expander
roll hanya mampu mengoperasikan mesin finishing stenter manual expander roll
dengan kecepatan 50 m/mnt. Oleh karena itu diperlukan alat bantu khusus untuk
menambah kecepatan mesin finishing, sehingga diharapkan produktivitas produksi
finishing dapat bertambah. Untuk mempercepat proses finishing diperlukan suatu
alat bantu yang dinamakan mesin finishing stenter automatic expander roll .
Pada proses finishing di PT. Alenatex – Bandung selama ini menggunakan mesin
finishing stenter manual expander roll sehingga kecepatan produktivitasnya sangat
kecil, hanya dengan kecepatan 50 m/mnt. Hal ini menyebabkan jumlah barang yang
akan dikirim ke pelanggan terjadi keterlambatan (delay). Penulis ingin mengukur
jumlah produktivitas mesin finishing stenter dan bagaimana cara mengukur biaya
pengadaan mesin finishing stenter automatic expander roll .
I. LANDASAN TEORI
Pengertian Produktivitas menyangkut hubungan antara keluaran (output) dengan
masukan (input) yang digunakan untuk menghasilkan output tersebut. Produktivitas
ialah rasio dari beberapa output dengan beberapa input, diketahui bahwa sistem proses
produksi pada industri adalah suatu proses tranformasi yang mengubah variabel input
menjadi output sehingga menghasilkan nilai tambah (added value) yang tinggi dan
bermanfaat bagi konsumen.
Komponen input adalah bahan, modal, informasi, energi, dll. Dengan melakukan proses
tranformasi melalui perangkat teknologi yaitu mesin, peralatan dan keahlian tenagakerja maka dihasilkan produk (barang/ jasa). Sedangkan komponen lainnya yang
berperan penting menunjang kelancaran operasi tersebut adalah lingkungan eksternal
perusahaan.
Produktivitas =Keluaran (Output)
Masukan (Input)
-
8/19/2019 2.1 all (1)
31/95
30 | P a g e
Produktivitas bukanlah merupakan ukuran dari produksi atau output yang dihasilkan,
melainkan ukuran tentang tingkat penggunaan sumber-sumber untuk mencapai hasil
yang diharapkan
Produktivitas =Hasil yang didapatkan
Sumber yang digunakan
Produktivitas =Efektivitas
Efesiensi
Siklus konsep produktivitas yang diusulkan David J. Sumath menegaskan bahwa
dalam melakukan perbaikan produktivitas harus didahului dengan pengukuran, evaluasi
dan perencanaan.
Pengukuran produktivitas sendiri, merupakan salah satu cara untuk
meningkatkan produktivitas. Hasil pengukuran produktivitas pada suatu waktu
merupakan patokan bagi peningkatan produktivitas diwaktu yang lain, dengan analisa
pengukuran produktivitas kita akan mengetahui kekurangan – kekurangan yang ada
untuk perbaikan dimasa yang akan datang.
Manfaat pengukuran produktivitas yang dapat diambil dari tingkat industri adalah :
1.
Dapat menilai efisiensi penggunaan sumber daya dalam menghasilkan barang
atau jasa.
2. Untuk perencanaan sumber daya, baik untuk jangka pendek maupun jangka
panjang.
3.
Untuk menyusun kembali tujuan ekonomi dan non ekonomi perusahaan.
4. Hasil pengukuran tingkat produktivitas saat inii dapat digunakan sebagai
pengukuran produktivitas dimasa yang akan datang.
5.
Strategi untuk meningkatkan produktivitas dapat ditentukan berdasarkan
perbedaan antara tingkat produktivitas yang direncanakan dengan tingkat
produktivitas yang diukur.
6. Nilai-nilai produktivitas yang dihasilkan dari pengukuran produktivitas dapat
digunakan dalam perencanaan tingkat keuntungan perusahaan.
7. Menciptakan tindakan persaingan.
8.
Penawaran kolektif dapat dicapai lebih rasional saat diperoleh perkiraan
produktifitas.
-
8/19/2019 2.1 all (1)
32/95
31 | P a g e
Rasio menggambarkan suatu hubungan perimbangan antara suatu jumlah tertentu
dengan jumlah yang lain, dengan menggunakan alat analisis yang berupa rasio ini akan
dapat menjelaskan tentang baik dan buruknya keadaan suatu mesin terutama apabila
angka rasio tersebut dibandingkan dengan angka rasio pembanding yang digunakan
sebagai standar. Cara yang paling sederhana untuk menghitung efisiensi adalah dengan
mengukur output kerja dan kemudian efisiensi adalah dengan mengukur output kerja
dan kemudian efisiensi dihitung dengan rumus sebagai berikut
Efisiensi =Output yang dihasilkan (Actual Output)
Output baku (Standart Output)
Efisiensi adalah faktor yang mengukur ferformansi aktual dari pusat kerja relatif
terhadap standart yang ditetapkan. Faktor efisiensi dapat lebih dari 1.
-
8/19/2019 2.1 all (1)
33/95
32 | P a g e
II. METODOLOGI PENELITIAN
STUDI
PENDAHULUAN
IDENTIFIKASI MASALAH
IDENTIFIKASI VARIABEL
PENELITIAN
PERUMUSAN MASALAH
STUDI LAPANGAN
LANDASAN
TEORI
OBSERVASI
DATA MESIN LAMA
( Manual Expander Roll )
DATA MESIN BARU
( Automatic Expander Roll )
KESIMPULAN DAN SARAN
SARAN
PEMILIHAN MESIN
PENGOLAHAN DAN
ANALISIS DATA
KRITERIA PEMILIHAN
- TEKNIS
- BIAYA
-
8/19/2019 2.1 all (1)
34/95
33 | P a g e
III. HASIL DAN PEMBAHASAN
Dalam evaluasi kelayakan alat bantu mesin untuk melakukan pemilihan kriteria
mana yang akan diambil yang terpenting adalah aspek ekonomis dari mesin – mesin yang
dipilih dan aspek teknis untuk penelitian ini meliputi :
1. Teknis yaitu apakah jumlah kecepatan produksi dengan mesin baru lebih besar
dibandingkan dengan mesin lama dan apakah konstruksi yang dipakai mesin
baru lebih kuat, kokoh dan tahan lama dari mesin lama.
2. Biaya pengadaan yaitu apakah biaya mesin baru lebih besar atau lebih kecil dari
biaya pengadaan mesin lama.
Analisis Teknis
Dari observasi langsung pada kontruksi yang digunakan, mesin baru dan lama
sama-sama menggunakan plat baja berulir hanya terdapat letak perbedaan mesin lama
tidak menggunakan sistem operasi (motor) secara automatic, sehingga kain dibuka
kearah lebar harus secara manual, sebaliknya mesin baru membuka kain kearah lebar
sudah dilakukan secara automatic dengan demikian kecepatan mesin baru lebih tinggi
dibandingkan dengan mesin lama. Dengan demikian pada sisi teknis dipilih mesin baru
karena kecepatannya lebih tinggi walaupun kekuatan dan kekokohannya berimbang.
Dalam jumlah produksi untuk menguji hipotesis ada tidaknya perbedaan jumlah
produksi antara mesin lama dengan mesin baru dari data – data jumlah produksi yang
dikumpulkan dengan menggunakan analisis varians klasifikasi tunggal.
Berdasarkan tabel 4.9 dari pengumpulan dan pengolahan data tersebut selanjutnya
dihitung harga – harga yang diperlukan untuk analisis varians adalah sebagai berikut :
JK T = ∑X TOT – (∑ TOT)
N
= 328.835,083 – (.,)
= 348.835,083 - 346.285,023
= 2.550,06
-
8/19/2019 2.1 all (1)
35/95
34 | P a g e
JK P =(∑)
+
(∑2)2
2
+(∑ )
-
(∑ TOt )
N
=
(., )
+
(.,4 )
+
(., )
– 346.285,023
= 348.004,423 – 346.285,023 = 1.719,400
JK E = JK T - JK E
= 2.550,06 - 1.719,400
= 830,66
MK P =
− =
.,4
− = 859,7
MK E = −
830,6672 = 11,537
F Hitung
=,
, = 74,517
Berdasarkan hasil perhitungan tersebut, selanjutnya dimasukkan dalam tabel ringkasan
anova berikut
Tabel 1 Tabel ringkasan anova hasil perhitungan
k – 1 JK P JK P/ (k – 1) F Hitung F Tabel
n - k JK E JK E/ (n – k)
2 1.719,400 859,7 74,517 3,13
72 830,66 11,537
Kesimpulan yang diambil :
1. F Hitung = 74,517 ˃ F Tabel = F 0,95 ( 2, 72 ) = 3,13 ( lihat dari tabel distribusi F
).
2. Ho = Tidak terdapat pengaruh perlakuan terhadap jumlah produktifitas.
3. Jika F Hitung ˃ F Tabel , maka kita menolak Ho
4.
Dengan kata lain berarti mesin lama dan baru mempunyai rata-rata produksi
yang berbeda.
-
8/19/2019 2.1 all (1)
36/95
35 | P a g e
Analisis Biaya
Dari perhitungan biaya pada pengumpulan dan pengolahan data biaya yang akan
dikeluarkan untuk memiliki mesin baru lebih besar dari biaya mesin lama, mesin baru
biaya yang dikeluarkan sebesar Rp. 50.000.000,- sedangkan untuk membuat besin lama
Rp. 20.000.000,-. Harga pembuatan mesin baru lebih tinggi daripada mesin lama, yang
menyebabkan biaya pembuatan mesin baru lebih tinggi karena memakai alat sensor
automatic.
Dengan harga jual barang jadi sebesar Rp. 8.500,- /yard maka pendapatan
perbulan untuk mesin lama 1, mesin lama 2 dan mesin baru adalah sebagai berikut :
1. Pendapatan/ Agustus 2011 untuk mesin lama 1 adalah :
= Total produksi mesin lama 1 x Rp. 8.500.,-
= 1.592.292 yard x Rp. 8.500,-
= Rp. 13.534.480.000,-
2. Pendapatan/ Agustus 2011 untuk mesin lama 2 adalah :
= Total produksi mesin lama 2 x Rp. 8.500.,-
= 1.592.254 yard x Rp. 8.500,-
= Rp. 13.534.159.000,-
3.
Pendapatan/ Agustus 2011 untuk mesin baru adalah :
= Total produksi mesin baru x Rp. 8.500.,-
= 1.911.666 yard x Rp. 8.500,-
= Rp. 16.249.161.000,-
Tabel 2 Perbandingan biaya untuk mesin lama 1, lama 2 dan mesin baru
Alternatif Mesin lama 1 Mesin lama 2 Mesin baru
Pendapatan /
bulan
Rp.
13.534.480.000,-
Rp.
13.534.159.000,-
Rp.
16.249.161.000,-
Produktivitas perusahaan sebelum menggunakan mesin baru dan setelah
menggunakan mesin baru mengalami peningkatan karena nilai hasil produksi yang
didapatkan pada mesin baru ternyata lebih besar dibandingkan mesin lama.
-
8/19/2019 2.1 all (1)
37/95
36 | P a g e
Pemilihan Alternatif Ekonomis
Salah satu proses pengambilan keputusan yang harus dilakukan dalam ekonomi
teknik adalah memilih alternatif dari berbagai alternatif yang ditawarkan, alternatif
terpilih adalah alternatif yang memenuhi kriteria ekonomis.
Dalam penelitian ini pemilihan alternatif dilakukan melalui 3 (tiga) indikator,
yaitu:
1. Nilai sekarang (present value)
2. Nilai tahunan (annual equvalent)
3.
Nilai kemudian (future worth)
Uraian perhitungan dari hasil pengumpulan dan pengolahan data dari Bab IV adalah
sebagai berikut:
Tabel 3 Data untuk mesin lama dan mesin baru
ALTERNATIF MESIN LAMA MESIN BARU
Harga 20 Juta 50 Juta
Pendapatan / tahun 162 Milyar 194 Milyar
Umur Mesin 10 Tahun 10 Tahun
Mesin Lama
-20
0
-20
1 32 65 874 9
16200 1620016200 1620016200 16200 1620016200 1620016200
10
A. Cash Flow mesin lama dengan periode 10 tahun
Mesin Baru
-50
-50
1 32 65 874 9
19400 1940019400 1940019400
10
19400 1940019400 1940019400
-
8/19/2019 2.1 all (1)
38/95
37 | P a g e
B. Cash Flow mesin baru dengan periode 10 ta
1. Analisis nilai sekarang.
PV j (i) = ∑ = jt ( 1 + i )
-1
PV Mesin Lama
PV = 16.200 (P/A,8%,10) – {20+20 (P/F,8%,10)}
= 16.200 (6,71008) - 40 (0,46319)
= 108.703,296 – 18,5276
= 108.684,77
PV Mesin baru
PV = 19.400 (P/A,8%,10) – {50+50(P/F,8%,10)}
= 19.400 (6,71008) – 100 (0,46319)
= 130.175,552 – 46,319
= 130.129,23
PV Mesin Baru > PV Mesin Lama, maka dipilih mesin baru.
2. Analisis nilai tahunan
AE j (i) = PV j (i) ( A / P, i%, n)
AE Mesin Lama
AE = 16.200 (A/F,8%,10) – (20+20(P/F,8%,10) (A/P,8%,10)
= 16.200 (0,06903) – {40 (0,46319)} (0,14903)
= 1.118,286 – 18,5276(0,14903)
= 1.118,286 – 2,7612
= 1.115,52
AE Mesin Baru
AE = 19.400 (A/F,8%,10) – (50+50(P/F,8%,10) (A/P,8%,10)
= 19.400 (0,06903) – {100 (0,46319)} (0,14903)
= 1.339,182 – (46,319) (0,14903)
= 1.339,182 – 6,9029
= 1.332,28
AE Mesin Baru > AE Mesin Lama, maka dipilih mesin baru.
-
8/19/2019 2.1 all (1)
39/95
38 | P a g e
3. Analisis nilai kemudian
PW (i) = ∑ = JT ( I + 1 )n-1 = ∑ = jt ( F / P, 1%, n - t)
FW Mesin Lama
FW = (16.200 – 20) (F/P,8%,10) – 20(F/A,8%,10)
= (16.180) (2,15892) – 20(14,48656)
= 34.931,33 – 289,7312
= 34.641,60
FW Mesin Baru
FW = (19.400 – 50) (F/P,8%,10) – 50(F/A,8%,10)
= (19.350) (2,15892) – 50 (14,48656)
= 41.775,102 – 724,328
= 41.050,77
FW Mesin Baru > FW Mesin Lama, maka dipilih mesin baru.
Dari harga jual produksi pengadaan mesin alat bantu Rp. 50.000.000,- dapat
kembali modal dalam jangka waktu :
Pendapatan total/hari =
Jumlah produksi mesin baru−Jumlah produksi mesin lama
hari
=.. yard−.. yard
hari
= 12.774,96 yard/ hari
Keuntungan mesin stenter finishing Rp 300,00/ yard
= 12.774,96 yard/ hari x Rp 300,00/ yard
= Rp 3.832.488,00/ hari
Break even point (BEP) alat bantu baru =Rp ..,
Rp ..4,/hari
= 13 Hari
Maka dengan pengadaan adanya alat bantu mesin baru terjadi Break Even Point dalam
waktu 13 hari.
Perbandingan % jumlah produksi mesin baru dengan mesin lama adalah sebagai
berikut :
-
8/19/2019 2.1 all (1)
40/95
39 | P a g e
% Produksi mesin baru
=Jumlah produksi mesin baru−Jumlah produksi mesin lama
Jumlah produksi mesin lama X 100 %
= .. yard−.. yard.. yard
X 100 %
=.4 yard
.. yard X 100 %
= 20,06 %
Jadi % produksi mesin alat bantu baru lebih besar 20,06 % dibandingkan dengan mesin
lama.
V.KESIMPULAN.
Kesimpulan penelitian ini adalah sebagai berikut :
1.
Dari aspek teknis yaitu dari sisi konstruksi dan sistem motor manual dan
automatic yang mempengaruhi kecepatan mesin, jumlah produktifitas produksi.
a. Konstruksi mesin sama – sama menggunakan plat baja berulir yang kuat dan
kokoh yang membedakan hanya terletak pada motor manual untuk mesin
lama dan motor automatic untuk mesin baru sehingga akan mempengaruhi jumlah kecepatan mesin lama yaitu 50 m/mnt sedangkan mesin baru 60
m/mnt.
b. Jumlah produksi mesin baru rata – rata jumlah produksi berada diatas rata – rata
mesin lama dengan sampel data – data yang diuji dengan uji keseragaman data
kemudian data – data jumlah produksi itu dianalisis dengan perhitungan variansi
untuk membuktikan ada tidaknya perbedaan antara mesin lama dan mesin baru
dalam jumlah produksinya.
2.
Dari aspek biaya, dari aspek biaya mesin baru memerlukan biaya yang lebih
tinggi dibandingkan dengan mesin lama tetapi hasil jumlah produksi mesin baru
lebih besar 20,06 % dibandingkan mesin lama. Kesimpulan yang didapat dari
aspek biaya mesin baru dapat meningkatkan jumlah produksi serta dapat
memperoleh keuntungan lebih besar dibandingkan mesin lama.
3.
Dengan pengadaan adanya alat bantu mesin baru terjadi Break Even Point dalam
waktu 13 hari
-
8/19/2019 2.1 all (1)
41/95
40 | P a g e
Dari kedua alternatif yang dipilih mesin baru merupakan solusi yang paling tepat untuk
dipilih karena jumlah produksi yang dihasilkan lebih besar 20,06 % dibandingkan
mesin lama.
Daftar Pustaka
1. Ade, MT. Diktat Statistik Industri 2, Jurusan Teknik Industri, STTB Bandung,
2009.
2.
Leonidas Dani, MT. Diktat Perencanaan Eksperimen, Jurusan Teknik Industri
STTB Bandung, 2010.
3.
Sartika Ika, Ir. Ekonomi Teknik, Penerbit Theta Iota Bandung, 1992.
4. Sunyoto Danang Drs, SE, SH, MM. Statistik Ekonomi dan Bisnis, Penerbit
CAPS, Yogyakarta 2011.
5. Supranto J, M.A. Teori dan Aplikasi Statistik, Penerbit Erlangga edisi kelima,
1994.
-
8/19/2019 2.1 all (1)
42/95
41 | P a g e
PERENCANAAN KAPASITAS PRODUKSI
PEMBUATAN BED SHEET SET
DI PT BANDUNG INDAH GEMILANG
Aep Saepudin, Cucun [email protected] , 2 [email protected]
Jurusan Teknik IndustriSekolah Tinggi Teknologi Bandung
ABSTRAK
PT Bandung Indah Gemilang (BIG) merupakan sebuah perusahaan yang bergerak dalambidang textile dan produk textile dengan fokus pada garmen, khususnya Bed Sheet set (Sprei
dan Bed Cover). Proses produksi di perusahaan ini hampir seluruhnya dilakukan oleh mesin
dan memiliki ketergantungan yang sangat tinggi terhadap manusia (operator) sebagai salah satu faktor produksi.
Dalam melangsungkan produksinya PT BIG seringkalimengalami kekurangan beberapa
komponen dalam merencanakan kapasitas produksi, untuk mengatasi kondisi ini perusahaanharus meramalkan permintaan produk, sehingga dalam melangsungkan produksinya dapat
berjalan dengan lancar
Dari hasil perhitungan pada Bab IV dapat diketahui bahwa pada Agustus 2012 merupakan
periode dengan jumlah kapasitas yang dibutuhkan paling rendah, yaitu sebesar 121,180. set, Pebruari 2012 merupakan periode dengan jumlah kapasitas yang dibutuhkan sedang, yaitu
sebesar 210,904.set, sedangkan November 2012 merupakan periode dengan jumlah kapasitas
yang dibutuhkan paling tinggi, yaitu sebesar 320,204. set.
Kata Kunci : Perencanaan Produksi, Kapasitas
I. PENDAHULUAN
PT Bandung Indah Gemilang (BIG) merupakan sebuah perusahaan yang bergerak
dalam bidang textile dan produk textile dengan fokus pada garmen, khususnya Bed
Sheet set (Sprei dan Bed Cover ). Proses produksi di perusahaan ini hampir
seluruhnya dilakukan oleh mesin dan memiliki ketergantungan yang sangat tinggi
terhadap manusia (operator) sebagai salah satu faktor produksi. Dalam
melangsungkan kegiatan produksinya PT BIG masih belum mendapatkan
keuntungan yang maksimal yang diakibatkan oleh sering terjadinya kekurangan
komponen dalam proses produksi. Sehingga perusahaan seringkali melemburkan
operatornya dan men-subkontrakan kepada perusahaan lain, serta menambah
karyawan harian lepas yang tidak memiliki skill yang beresiko terhadap hasil
mailto:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]
-
8/19/2019 2.1 all (1)
43/95
42 | P a g e
pekerjaannya. Jika keadaan seperti ini terus terjadi, maka bukan tidak mungkin PT
BIG akan mendapat kerugian yang mengakibatkan perusahaan tidak mampu lagi
untuk beroperasi. Untuk itu perusahaan harus dapat menyusun sebuah perencanaan
kebutuhan kapasitas untuk periode yang akan datang agar tidak terjadi lagi
ketidakseimbangan dalam proses produksi.
Masalah yang akan di bahas yaitu mengenai belum adanya perhitungan peramalan
karena karakteristik permintaan bersifat job order,belum adanya jadwal induk
produksi dan belum optimalnya perencanaan kapasitas produksi.
II. LANDASAN TEORI
Bagaian sistem dari sistem produksi tersebut antara lain adalah perencanaan dan
pengendalian produksi, pengendalian kualitas, penentuan standar-standar operasi,
penentuan fasilitas produksi, perawatan fasilitas produksi, dan penentuan harga pokok
industri.
Suatu proses dalam sistem produksi dapat didefinisikan sebagai integrasi sekuensial dari
tenaga kerja, material, informasi, metode kerja dan mesin atau peralatan dalam suatu
lingkungan guna menghasilkan nilai tambah bagi produk agar dijual dengan harga
kompetitif di pasar.
Adapun sistem produksi manufaktur terdiri dari :
1. Model input-output
Produksi adalah segala proses yang dirancang untuk mengubah suatu
susunan elemen masukan (input ) menjadi suatu susunan elemen keluaran
(output ) yang spesifik.
2. Parameter sistem produksi
Adapun parameter-parameter tersebut adalah :a. Produksi, adalah kegiatan menghasilkan barang atau jasa
b.
Produkvitas, adalah pemanfaatan sumberdaya yang efisien untuk
menghasilkan barang atau jasa.
c. Efesiensi, adalah rasio keluaran yang dihasilakan terhadap keluaran yang
diharapkan.
d. Efektivitas, adalah tingkat pencapaian tujuan.
-
8/19/2019 2.1 all (1)
44/95
43 | P a g e
e. Utilitas, adalah kemampuan sebuah barang atau jasa dalam memenuhi
kebutuhan manusia.
f.
Kualitas, adalah suatu ciri, sifat, derajat, jenis, pangkat, standar, atau
peneliaian membedakan suatu hal dengan hal yang lain.
g. Kapasitas, adalah keseluruhan yang mungkin dicapai oleh pabrik dan
perlengkapan yang ada.
Sistem produksi menurut proses menghasilkan output secara ekstrim dapat
dibedakan menjadi dua jenis, yaitu :
Proses produksi kontinu (continuous process).
Proses produksi terputus (intermittent process / Discrete system).
Peramalan ( forecasting ) adalah pemikiran terhadap suatu besaran,misalnya
permintaan terhadap satu atau beberapa produk pada periode yang akan datang.
Pada hakikatnya peramalan hanya merupakan suatu perkiraan ( guess), tetapi
dengan menggunakan teknik-teknik tertentu, maka peramalan menjadi lebih
sekedar perkiraan. Peramalan dapat dikatakan perkiraan yang ilmiah (educated
guess). Setiap pengambilan keputusan yang menyangkut keadaan di masa yang
akan datang, maka pasti ada peramalan yang melandasi pengambilan keputusan
tersebut (Sofyan Assauri,1984).
Perencanaan produksi atau dikenal dengan istilah perencanaan agregat (aggregate
planning ) merupakan sebuah penyesuaian permintaan (demand ) yang berasal dari
peramalan dengan seluruh kemampuan yang ada pada perusahaan. Ini disebabkan
kemampuan perusahaan terbatas, sehingga perusahaan tidak dapat begitu saja mengikuti
hasil peramalan permintaan. Hal ini disebabkan oleh (Herjanto, 1999) :
1. Ketidakpastian hasil peramalan itu sendiri.
2. Adanya ongkos yang timbul setiap kali mengubah level produksi atau jika membuat
persediaan.
3. Tipe dari perusahaan manufaktur.
Penjadwalan didefinisikan sebagai rencana pengaturan urutan kerja serta
pengalokasian sumber baik waktu maupun fasilitas untuk setiap operasi yang harus
diselesaikan. Penjadwalan juga didefinisikan sebagai proses pengalokasian sumber-
-
8/19/2019 2.1 all (1)
45/95
44 | P a g e
Pengolahan Data
sumber atau mesin-mesin yang ada untuk menjalankan sekumpulan tugas dalam jangka
waktu tertentu (Baker, 1974). Penjadwalan menyangkut hal yang lebih detail dan
keputusan jangka pendek untuk secara persis menentukan kapan dan bagaimana
melakukan sesuatu (when and how to do what) (Emmons, 1983).
III. METODOLOGI PENELITIAN
Penelitian ini dilakukan melalui langkah-langkah yang sistematis dan digambarkan
sebagai suatu kerangka pemecahan masalah pada gambar
IV.
V.
VI.
VII.
VIII.
IX.
X.
XI.
Pengumpulan Data
Data
Umum
Perusahaan
Data
Permintaa
n produk
Jumlah
Mesin dan
tenaga kerja
Jumlah
hari dan
jam kerja
Data
Waktu
Baku
Tujuan PenelitianMerencanakan kebutuhan kapasitas produksi satu tahun ke depan.
Perumusan Masalah
Data
Pembuat
an & OPC
Perhitungan Peramalan
Perencanaan Produksi
Jadwal Induk Produksi
Analisis & Pembahasan
Kesimpulan & Saran
Penjadwalan
-
8/19/2019 2.1 all (1)
46/95
45 | P a g e
IV. HASIL DAN PEMBAHASAN
1. Melakukan analisis data berdasarkan metode peramalan yang dipilih.
Hasil data yang menggunakan model rata-rata bergerak 4 periode (n = 4 bulan) dan (5 =
5 bulan) terhadap data aktual permintaan dalam tabel 1
Tabel 1. Perhitungan Berdasarkan Model Rata-rata Bergerak 4 dan 5 Periode
2. Memilih model peramalan yang tepat berdasarkan MAD (mean absolute
deviation ) terkecil.
Nilai MAD (mean absolute deviation) dari model rata-rata bergerak 4-periode,
MA (4), dan rata-rata bergerak 5-periode, MA (5), ditunjukkan dalam tabel dibawah ini.
DES 09 1 41,141 - -
JANUARI 2010 2 42,851 - -
PEBRUARI 2010 3 54,324 - -
MARET 2010 4
50,072 - -
Apr-10 5 54,812 47,097 -
MEI 2010 6 62,186 50,515 48,640
JUNI 2010 7 57,011 55,349 52,849
JULI 2010 8 55,689 56,020 55,681
AGUSTUS 2010 9 25,613 57,425 55,954
Sep-10 10 53,256 50,125 51,062
OKTOBER 2010 11 29,895 47,892 50,751
Nov-10 12 66,975 41,113 44,293
DES 10 13 85,942 43,935 46,286
JANUARI 2011 14 80,164 59,017 52,336
PEBRUARI 2011 15 87,350 65,744 63,246
MARET 2011 16 87,350 80,108 70,065
Apr-11 17 83,568 20,892 81,556
MEI 2011 18 66,566 84,608 84,875
JUNI 2011 19 66,566 81,208 80,999
JULI 2011 20 68,339 76,013 78,280
AGUSTUS 2011 21 53,644 71,260 74,478
Sep-11 22 49,531 63,779 67,737
OKTOBER 2011 23 49,531 59,520 60,929
Nov-11 24 42,529 55,261 57,522
PeriodeIndeks
waktu (t)
Permintaan
(A)
Ramalan
Berdasarkan
MA (4) (F, MA
4)
Ramalan
Berdasarkan
MA (5) (F, MA
5)
-
8/19/2019 2.1 all (1)
47/95
46 | P a g e
Tabel 2 Nilai MAD untuk MA (4) dan MA (5)
Berdasarkan nilai MAD untuk MA (4) dan MA (5), ramalan berdasarkan model
rata-rata bergerak 4-bulan, MA (4), tidak cocok , karena memiliki nilai MAD yang lebih
besar (MAD untuk MA (4) = 2,982 dan ramalan berdasarkan model rata-rata bergerak
5-bulan, MA (5) = 1,484, lebih disukai, karena memiliki nilai MAD yang lebih kecil
dari pada MAD untuk MA (4).
Untuk mengetahui sejauh mana keandalan dari model peramalan yang dipilih,
sebaiknya kita membangun peta control tracking signal . Nilai-nilai tracking signal
untuk model rata-rata bergerak 5-bulan, MA (5), ditunjukkan table 3.berikut ini:
MEI 2010 5 54,812 47,097 7,715 - -
JUNI 2010 6 62,186 50,515 11,671 48,640 13,546
JULI 2010 7 57,011 55,349 1,662 52,849 4,162
AGUSTUS 2010 8 55,689 56,020 -331 21,651 34,038
DEPTEMBER 201 9 25,613 57,425 -31,812 55,954 -30,341
OKTOBER 2010 10 53,256 50,125 3,131 51,062 2,194
Nov-10 11 29,895 47,892 -17,997 50,751 -20,856
DES 10 12 66,975 41,113 25,862 44,293 22,682
JANUARI 2011 13 85,942 43,935 42,007 46,286 39,656PEBRUARI 20111 14 80,164 59,017 21,147 52,336 27,828
MARET 2011 15 87,350 65,744 21,606 63,246 24,104
1-Apr 16 87,350 80,108 7,242 70,065 17,285
MEI 2010 17 83,568 20,892 62,676 81,556 2,012
JUNI 2010 18 66,566 84,608 -18,042 84,875 -18,309
JULI 2010 19 66,566 81,208 -14,642 80,999 -14,433
AGUSTUS 2010 20 68,339 76,013 -7,674 78,280 -9,941
10-Sep 21 53,644 71,260 -17,616 74,478 -20,834
OKTOBER 2010 22 49,531 63,779 -14,248 67,737 -18,206
10-Nov 23 49,531 59,520 -9,989 60,929 -11,398
DES 10 24 42,529 55,261 -12,732 57,522 -14,993
MAD 2,982 MAD 1,484
Absolute
Deviation
untuk
MA (5)
Periode
Indeks
waktu (t)
Permintaan
(A)
Ramalan
Berdasarkan
MA (4) (F,
MA 4)
Absolute
Deviation
untuk
MA (4)
Ramalan
Berdasarkan
MA (5) (F,
MA 5)
-
8/19/2019 2.1 all (1)
48/95
47 | P a g e
Tabel 3. Peta control tracking signal MA(5)
MAD = = 162,694/ 12 = 13,558
Tracking Signal = = 23,267/ 13,558= 1,7
Tampak bahwa nilai-nilai tracking signal untuk model peramalan MA (5)
berada di luar batas-batas yang dapat diterima (maksimun ± 5), di mana nilai-nilai
tracking signal itu bergerak dari 1 sampai 5,3 Hal ini menunjukan bahwa akurasi dari
model peramalan MA (5) tidak dapat diandalkan karena berada diluar batas-batas
pengendalian tracking signal (maksimun ± 5).
2 . Model Rata-rata Bergerak Terbobot (Weighted Moving Average Model )
Suatu model rata-rata bergerak n-periode terbobot, weighted MA (n), dinyatakan
sebagai berikut :
Weighted MA (n) =
Pemberian bobot untuk model rata-rata bergerak 5-bulan terbobot, weighted MA (5),
dilakukan sebagai berikut :
1 DES 11 48,640 62,186 13,546 13,546 13,546 13,546 13,546.00 1.0
2 JANUARI 2012 52,849 77,011 24,162 37,708 24,162 37,708 18,854 2.0
3 PEBRUARI 2012 21,651 25,689 4,038 41,746 1,158 38,866 12,955 3.2
4 MARET 2012 55,954 25,613 -30,341 11,405 30,342 69,208 17,302 0.7
5 Apr-12 51,062 53,256 2,194 13,599 2,194 71,402 14,280 1.0
6 MEI 2012 50,751 29,895 -20,856 -7,257 20,856 92,257 15,376 -0.5
7 JUNI 2012 44,293 66,975 22,682 15,425 22,682 114,939 16,420 0.9
8 JULI 2012 46,286 85,942 39,656 55,081 39,656 154,595 19,324 2.9
9 AGUSTUS 2012 52,336 80,164 27,828 82,909 27,828 182,423 20,269 4.1
10 Sep-12 63,246 65,154 1,908 84,817 1,908 184,331 16,102 5.3
11 OKTOBER 2012 70,065 47,630 -22,435 62,382 -22,435 161,896 14,718 4.2
12 Nov-12 81,556 83,568 2,012 23,267 798 162,694 13,558 1.7
BulanPeriode
(1)
MAD (8) =
(7) / (1)
Tracking
Signal (9)
= (5) / (8)
Forecast, F
(2)
Aktual, A
(3)
Errors, E= A-
F (4)=(3)-(2)
RSFE (5) =
Kumulatif
dari (4)
Absolut
Error (6) =
absolut dari
(4)
Komulatif
Absolut
Error (7) =
kumulatifdari (6)
-
8/19/2019 2.1 all (1)
49/95
48 | P a g e
Tabel 4. terbobot Weighted MA (5)
Dengan cara yang sama, pemberian bobot untuk model rata-rata bergerak 4-bulan
terbobot, weighted MA (4), akan dilakukan sebagai berikut :
Tabel 5. terbobot Weighted MA (4)
Secara umum pemberian bobot untuk model rata-rata bergerak n-periode terbobot,
weighted MA (n), akan dilakukan sebagai berikut
Tabel 6. Weighted MA (n)
-
8/19/2019 2.1 all (1)
50/95
49 | P a g e
Selanjutnya menggunakan formula untuk Weighted MA (n), peramalan berdasarkan
model rata-rata bergerak 5-bulan terbobot, Weighted MA (5), dilakukan sebagai berikut:
Weighted MA (5) =
Table 7 . peramalan berdasarkan model rata-rata bergerak 5-bulan terbobot,
Weighted MA (5)
DES 09 1 41,141 -
JANUARI 2010 2 42,851 -
PEBRUARI 2010 3 54,324 -
MARET 2010 4 50,072 -
Apr-10 5 54,812 -
MEI 2010 6 62,186 48,640
JUNI 2010 7 57,011 52,849
JULI 2010 8 55,689 55,681
AGUSTUS 2010 9 25,613 55,954
Sep-10 10 53,256 51,062
OKTOBER 2010 11 29,895 50,751
Nov-10 12 66,975 44,293
DES 10 13 85,942 46,286
JANUARI 2011 14 80,164 52,336
PEBRUARI 2011 15 87,350 63,246
MARET 2011 16 87,350 70,065
Apr-11 17 83,568 81,556
MEI 2011 18 66,566 84,875
JUNI 2011 19 66,566 80,999
JULI 2011 20 68,339 78,280
AGUSTUS 2011 21 53,644 74,478
Sep-11 22 49,531 67,737
OKTOBER 2011 23 49,531 60,929
Nov-11 24 42,529 57,522
PeriodeIndeks
waktu (t)
Permintaan
(A)
Ramalan
Berdasarkan MA (5)
(F, MA 5)
-
8/19/2019 2.1 all (1)
51/95
50 | P a g e
Tabel 8. Nilai tracking signal untuk model rata-rata bergerak 5-bulan terbobot
Weighted MA(5)
Dari tabel 7 kita dapat menghitung :
MAD = = 270,808/ 19 = 14,253
Tracking Signal = = 6,738/ 14,253 = 0,5
Dari tabel 7 tampak bahwa nilai-nilai tracking signal untuk model peramalan
MA (5) berada di dalam batas-batas yang dapat diterima (maksimun ± 5), di mana nilai-
nilai tracking signal itu bergerak dari 1 sampai 3,2. Hal ini menunjukan bahwa akurasi
dari model peramalan MA (5) dapat diandalkan karena berada didalam batas-batas
pengendalian tracking signal (maksimun ± 5).
berikut adalah tabel permintaan Bed Sheet Set dari Desember 2011 sampai
November 2012 yang akan di tujnjukan dalam table 9
1 DES 11 48,640 MEI 2010 62,186 13,546 13,546 13,546 13,546 13,546 1.0
2 JANUARI 2012 52,849 JUNI 2010 77,011 24,162 37,708 24,162 37,708 18,854 2.0
3 PEBRUARI 2012 21,651 JULI 2010 25,689 4,038 41,746 1,158 38,866 12,955 3.2
4 MARET 2012 55,954 AGUSTUS 2010 25,613 -30,341 11,405 30,342 69,208 17,302 0.7
5 Apr-12 51,062 Sep-10 53,256 2,194 13,599 2,194 71,402 14,280 1.0
6 MEI 2012 50,751 OKTOBER 2010 29,895 -20,856 -7,257 20,856 92,257 15,376 -0.5
7 JUNI 2012 44,293 Nov-10 66,975 22,682 15,425 22,682 114,939 16,420 0.9
8 JULI 2012 46,286 DES 10 85,942 39,656 55,081 39,656 154,595 19,324 2.9
9 AGUSTUS 2012 52,336 JANUARI 2011 80,164 27,828 82,909 27,828 182,423 20,269 4.1
10 Sep-12 63,246 PEBRUARI 2011 65,154 1,908 84,817 1,908 184,331 18,433 4.6
11 OKTOBER 2012 70,065 MARET 2011 47,630 -22,435 62,382 -22,435 161,896 14,718 4.212 Nov-12 81,556 Apr-11 83,568 2,012 23,267 798 162,694 13,558 1.7
13 DES 12 84,875 MEI 2011 66,566 -18,309 4,958 18,308 181,003 13,923 0.4
14 JANUARI 2013 80,999 JUNI 2011 66,566 -14,433 -9,475 14,433 195,436 13,960 -0.7
15 PEBRUARI 2013 78,280 JULI 2011 68,339 -9,941 -19,416 9,941 205,376 13,692 -1.4
16 MARET 2013 74,478 AGUSTUS 2011 53,644 -20,834 -40,250 20,834 226,211 14,138 -2.8
17 Apr-13 67,737 Sep-11 79,531 11,794 -28,456 18,206 244,417 14,377 -2.0
18 MEI 2013 43,929 OKTOBER 2011 79,531 35,602 7,146 11,398 255,815 14,212 0.5
19 JUNI 2013 59,522 Nov-11 59,114 -408 6,738 14,993 270,808 14,253 0.5
Periode
(1)Bulan
Forecast,
F (2)
Aktual, A
(3)
Errors, E=
A-F
(4)=(3)-(2)
Bulan
RSFE (5)
=
Kumulatif
dari (4)
Absolut
Error (6)
= absolut
dari (4)
KomulatifAbsolut
Error (7)
=
kumulatif
MAD (8) =
(7) / (1)
Tracking
Signal (9)
= (5) / (8)
-
8/19/2019 2.1 all (1)
52/95
51 | P a g e
Tabel 9. Data hasil ramalan dengan metode peramalan WMA (5)
4.2.3 Perencanaan produksi
Perencanaan produksi merupakan suatu bagian untuk mendapatkan jumlah
produksi,Sehingga dengan adanya penentuan ini akan membantu jumlah produki yang
akan dibuat berdasarkan komponen pada Bed Sheet Set pada table109
Tabel 10. Kebutuhan produksi
-.
1 DES 11 48,640
2 JANUARI 2012 52,849
3 PEBRUARI 2012 21,651
4 MARET 2012 55,954
5 Apr-12 51,062
6 MEI 2012 50,751
7 JUNI 2012 44,293
8 JULI 2012 46,2869 AGUSTUS 2012 52,336
10 Sep-12 63,246
11 OKTOBER 2012 70,065
12 Nov-12 81,556
Periode
(1) Bulan
Forecast,
F (2)
no Nama Komponen King Queen Single
1 Bed Cover 180 1 1 0
2 Bed Cover 120 0 0 1
3 sprei rumbai 180 1 0 0
4 sprei rumbai 160 0 1 05 sprei 120 0 0 1
6 bantal rumbai 2 2 0
7 bantal basic 0 0 1
8 guling basic 2 2 1
9 bantal hati 1 1 0
-
8/19/2019 2.1 all (1)
53/95
52 | P a g e
Tabel 11 Perhitungan kebutuhan King
Tabel 12. Perhitungan kebutuhan Queen
DES 09 24,000 24,000 0 24,000 0 0 48,000 0 48,000 24,000
JANUARI 2010 29,020 29,020 0 29,020 0 0 58,040 0 58,040 29,020
PEBRUARI 2010 38,926 38,926 0 38,926 0 0 77,852 0 77,852 38,926
MARET 2010 35,526 35,526 0 35,526 0 0 71,052 0 71,052 35,526
Apr-10 40,206 40,206 0 40,206 0 0 80,412 0 80,412 40,206
MEI 2010 50,698 50,698 0 50,698 0 0 101,396 0 101,396 50,698
JUNI 2010 47,596 47,596 0 47,596 0 0 95,192 0 95,192 47,596
JULI 2010 44,556 44,556 0 44,556 0 0 89,112 0 89,112 44,556
AGUSTUS 2010 21,240 21,240 0 21,240 0 0 42,480 0 42,480 21,240
Sep-10 44,102 44,102 0 44,102 0 0 88,204 0 88,204 44,102
OKTOBER 2010 17,894 17,894 0 17,894 0 0 35,788 0 35,788 17,894
Nov-10 54,864 54,864 0 54,864 0 0 109,728 0 109,728 54,864
DES 10 70,000 70,000 0 70,000 0 0 140,000 0 140,000 70,000
JANUARI 2011 66,464 66,464 0 66,464 0 0 132,928 0 132,928 66,464
PEBRUARI 2011 71,207 71,207 0 71,207 0 0 142,414 0 142,414 71,207
MARET 2011 71,207 71,207 0 71,207 0 0 142,414 0 142,414 71,207Apr-11 70,000 70,000 0 70,000 0 0 140,000 0 140,000 70,000
MEI 2011 55,300 55,300 0 55,300 0 0 110,600 0 110,600 55,300
JUNI 2011 55,300 55,300 0 55,300 0 0 110,600 0 110,600 55,300
JULI 2011 59,143 59,143 0 59,143 0 0 118,286 0 118,286 59,143
AGUSTUS 2011 47,130 47,130 0 47,130 0 0 94,260 0 94,260 47,130
Sep-11 39,202 39,202 0 39,202 0 0 78,404 0 78,404 39,202
OKTOBER 2011 39,202 39,202 0 39,202 0 0 78,404 0 78,404 39,202
Nov-11 35,905 35,905 0 35,905 0 0 71,810 0 71,810 35,905
Total 1,128,688 1,128,688 0 1,128,688 0 0 2,257,376 0 2,257,376 1,128,688
bantal
rumbai
bantal
basic
guling
basicbantal hati
King
Bed Cover
180
Bed
Cover
sprei
rumbai 180
sprei
rumbai
sprei
120
Data
PermintaanBULAN
DES 09 13,695 13695 0 0 13695 0 27390 0 27390 13695
JANUARI 2010 10,579 10579 0 0 10579 0 21158 0 21158 10579
PEBRUARI 2010 12,279 12279 0 0 1