2.1 all (1)

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.


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



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



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


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

2.1 all (1)

Documents