ABSTRACT. Keywords: optimization, forecasting demand, preventive maintenance, linear programming, reliability ABSTRAK

USULAN TINDAKAN PREVENTIVE MAINTENANCE DAN PERAMALAN PERMINTAAN DALAM RANGKA MEMAKSIMALKAN LABA BERDASARKAN METODE LINEAR PROGRAMMING PADA DEPARTEMEN INJECTION PT OMNI KEMAS INDUSTRY Nunung Nurhasanah1; Felix2; Wilson3; Christina Eka4 1

Program StudiTeknikIndutstri, FakultasSainsdanTeknologi, Universitas Al Azhar Indonesia 2, 3, 4 TeknikIndustri, FakultasSainsdanTeknologi, UniversitasBina Nusantara 1 [email protected]; [email protected]

ABSTRACT The Injection Department of PT Omni Kemas Industry has several problems in machines’ breakdown and in forecasting the customers’ demand. Besides that, the company also wants to maximize their profit. Therefore, the aim of this final assignment is to minimize the machines’ breakdown, demand forecasting and profit maximizing. This final assignment counts the frequencies and intervals of preventive replacements and inspections based on preventive maintenance method and also forecasts customers’ demand based on the smallest error generated by the methods. Then, the outputs from the preventive maintenance and demand forecasting are used in production amount optimalizing process in order to gain profit maximizing. Keywords: optimization, forecasting demand, preventive maintenance, linear programming, reliability

ABSTRAK Departemen Injection PT Omni Kemas Industry memiliki masalah mengenai kerusakan mesin produksi yang sering terjadi dan juga dalam meramalkan tingkat permintaan konsumen. Selain itu, perusahaan juga mengharapkan laba yang maksimal. Oleh sebab itu, tujuan penulisan ini untuk meminimalisasi kerusakan mesin, meramalkan permintaan konsumen yang akurat dan memaksimumkan laba yang dapat diperoleh. Hal yang dilakukan penelitian ini adalah menghitung frekuensi, interval waktu penggantian pencegahan dan pemeriksaan berdasarkan preventive maintenance, serta meramalkan tingkat permintaan konsumen berdasarkan metode peramalan yang memiliki tingkat error terkecil. Kemudian hasil dari preventive maintenance dan peramalan tersebut akan digunakan dalam proses optimalisasi jumlah produksi dengan tujuan untuk memaksimalkan laba. Kata kunci: optimasi, peramalan permintaan, preventive maintenance, program linier, keandalan

Usulan Tindakan Preventive... (Nunung Nurhasanah; dkk)

47

PENDAHULUAN Berkembangnya ilmu pengetahuan dewasa ini telah memberikan dampak yang besar bagi perkembangan kehidupan manusia. Contoh yang paling nyata adalah bagaimana barang-barang yang dihasilkan atas dasar perkembangan ilmu pengetahuan menjadi umum digunakan oleh manusia untuk mempermudah mereka. Salah satu kemajuan terpesat di abad ke-20 adalah penemuan bahan plastik yang turut mendorong terciptanya barang-barang pemenuhan kebutuhan manusia yang menggunakan bahan dasar atau bahan pendukung plastik. Sifat dasar plastik yang kuat dan ringan menjadi keunggulan utama bahan ini untuk dijadikan bahan dasar atau bahan pendukung bagi sebagian besar produk-produk yang beredar di pasaran. Seperti yang dapat dilihat, produk-produk yang beredar di pasaran sekarang ini hampir sebagian besar mengandung unsur plastik baik sebagai bahan utama maupun sebagai kemasan. Contohnya adalah kemasan air mineral yang menggunakan botol plastik, bahan isolator dari kabel, tutup botol serta masih banyak produk-produk lainnya. Berkembangnya pemakaian plastik untuk produk-produk turut memicu berdirinya perusahaan-perusahaan yang memproduksi kemasan atau komponen plastik dan juga meningkatkan persaingan di antara perusahaan-perusahaan yang bergerak dalam bidang yang sama. Salah satu perusahaan yang turut bergerak dalam bidang produksi plastik adalah PT Omni Kemas Industry yang didirikan oleh Bapak Lamda Soekawan pada tahun 1971. Produk yang dihasilkan adalah PVC Shriklable Tubes, PE Shrink Film, Rotogravure Printing, pembuatan silinder, injection moulding, vacuum forming, dan extrussion blow dari botol plastik. Seiring dengan meningkatnya persaingan tersebut, produsen plastik seperti PT Omni Kemas Industry didorong untuk semakin memperbaiki dan meningkatkan kinerjanya dalam semua aspek produksinya. Salah satu aspek yang paling krusial adalah proses produksi. Proses produksi suatu perusahaan harus berjalan dengan lancar dan optimal sehingga kegiatan produksi tidak terganggu. Lancarnya kegiatan produksi bergantung dari beberapa hal seperti perencanaan dan pengendalian produksi, reliabilitas dari mesin-mesin produksi, kapasitas dari mesin dan lain-lain. Seringkali proses produksi yang telah direncanakan dengan baik terganggu karena reliabilitas mesin. Gangguan tersebut dapat berupa kerusakan mesin atau breakdown. Apabila frekuensi dari kerusakan mesin tersebut seringkali terjadi, maka tentunya jalannya proses produksi akan terganggu. Oleh karena itu beberapa perusahaan menerapkan tindakan perawatan pada mesin untuk mencegah terjadinya kerusakan pada mesin produksi atau lebih dikenal dengan preventive maintenance. Preventive maintenance dipandang sangat diperlukan untuk mencegah terjadinya kerusakan pada mesin produksi yang dapat mengganggu proses produksi perusahaan. Setelah mesin-mesin yang dibutuhkan pada proses produksi ditingkatkan reliabilitasnya, maka untuk semakin meningkatkan kinerja perusahaan, diperlukan suatu proses perencanaan produksi yang baik. Salah satu elemen penting yang terdapat di dalam suatu perencanaan produksi yang baik adalah dengan meramalkan jumlah permintaan dari konsumen akan suatu produk. Dengan begitu, perusahaan dapat memperkirakan jumlah produk yang harus diproduksi agar permintaan konsumen dapat terpenuhi dan mencegah terjadinya out stock dan lost sales. Selain itu, peramalan sangat berguna agar perusahaan tidak mengalami produksi yang berlebih agar biaya penyimpanan barang tidak menjadi besar. Setelah melakukan preventive maintenance dan juga peramalan, dipandang perlu bagi perusahaan agar mengoptimalkan segala sumber daya produksinya baik itu bahan baku, jam kerja mesin, kapasitas mesin, dan lain-lain dengan tujuan agar proses produksi yang dilakukan merupakan proses yang optimal. Untuk mencapai hal tersebut, perusahaan perlu melakukan

48

INASEA, Vol. 13 No.1, April 2012: 47-59

optimalisasi produksi. Dengan optimalisasi produksi, maka perusahaan dapat mengetahui kuota produksi agar sumber daya yang digunakan optimal dan dapat memenuhi permintaan konsumen, selain itu proses ini pun memungkinkan perusahaan untuk mendapat keuntungan yang maksimal, di mana keuntungan maksimal merupakan salah satu tujuan utama dari setiap perusahaan. Oleh karena itu sangatlah diperlukan proses optimalisasi produksi agar kinerja perusahaan semakin meningkat. Hal inilah yang melatarbelakangi penulisan artikel ini guna membahas mengenai perawatan mesin-mesin produksi dan pencegahan terjadinya kerusakan pada mesin tersebut dan juga mengenai optimasi produk pada PT Omni Kemas Industry. Masalah yang coba disoroti pada artikel ini berkaitan dengan sering terjadinya kesalahan dalam memperkirakan jumlah produksi untuk periode mendatang di departemen Injection yang berakibat tidak maksimalnya laba yang diperoleh perusahaandan juga perusahaan seringkali tidak mampu memenuhi jumlah permintaan konsumen dikarenakan kesalahan perkiraan tadi dan frekuensi breakdown mesin produksi yang tinggi sehingga target produksi tidak tercapai. Untuk mengatasi hal-hal tersebut, perlu dilakukan pengoptimalan dalam jumlah produksi sehingga laba maksimal dapat diperoleh dengan didukung oleh teknik peramalan yang akurat serta perawatan mesin yang dapat meningkatkan tingkat kehandalan dari mesin-mesin produksi. Pengidentifikasian masalah dimulai dengan mendata mesin-mesin yang beroperasi. Alasan mengapa dipilih semua mesin yang beroperasi karena perawatan pencegahan terhadap semua mesin tersebut akan meminimalisir gangguan yang terjadi pada semua lini produksi. Setelah itu, diidentifikasi satu komponen yang paling sering mengalami kerusakan atau masalah pada setiap mesin dan kemudian dilakukan pengolahan data tersebut untuk mengetahui jangka waktu perawatan pencegahan berkala yang disarankan dilakukan oleh perusahaan. Sedangkan pada peramalan, terlebih dahulu dikumpulkan data-data historis permintaan konsumen untuk selanjutnya diolah dengan tujuan untuk mencari metode peramalan yang paling sesuai dan memiliki tingkat kesalahan terkecil. Untuk proses optimasi jumlah produksi, proses pengidentifikasian masalah dimulai dengan mengetahui terlebih dahulu data-data sumber daya yang diperlukan untuk menghasilkan suatu jenis produk. Kemudian dengan data-data tersebut, dilakukan pengolahan data dengan menggunakan metode simpleks dengan tujuan untuk memaksimasi laba yang diperoleh dengan mengetahui jumlah produksi yang optimal dengan sumber daya yang tersedia. Perumusan masalahnya adalah: (1) bagaimanakah perusahaan memperbaiki kinerjanya dalam hal: (a) perawatan mesin, bilamanakah perusahaan disarankan melakukan perawatan pencegahan berkala pada setiap mesin yang meliputi penggantian dan pemeriksaan komponen agar reliabilitas mesin meningkat, (b) peramalan, apakah metode peramalan yang tepat untuk setiap jenis produk agar dapat memperkirakan jumlah permintaan konsumen; (2) berapakah jumlah masing-masing jenis produk yang harus diproduksi perusahaan dengan sumber daya yang tersedia agar permintaan konsumen dapat terpenuhi dan mendapatkan keuntungan maksimum. Dan berapakah besarnya keuntungan maksimum yang dapat diperoleh perusahaan setelah menerapkan proses optimasi.

METODE Penelitian pendahuluan pada perusahaan dilakukan untuk melihat kondisi perusahaan dengan tujuan untuk mengetahui proses produksi dan mengetahui masalah-masalah yang terjadi di perusahaan. Pada tahap ini juga dilakukan wawancara dengan pihak perusahaan mengenai topik-


49

topik yang akan dibahas untuk mendapatkan data-data yang diperlukan selain itu juga dilakukan pengamatan langsung pada proses produksi di departemen Injection. Penelitian pendahuluan bertujuan untuk mempermudah dalam tahap pengidentifikasian masalah. Setelah dilakukan penelitian pendahuluan dan penelusuran literatur dari penelitian yang pernah dilakukan oleh Goti (2009), maka tahap selanjutnya adalah melakukan pengidentifikasian masalah dengan berdasar kepada hasil dari penelitian pendahuluan. Masalah-masalah yang dapat diidentifikasi pada departemen Injection adalah mengenai kerusakan-kerusakan mesin yang kerap terjadi, peramalan tingkat permintaan produk yang sering meleset dan juga penentuan jumlah produksi yang optimal. Setelah dilakukan proses pengidentifikasian masalah, kemudian dilakukan pencarian referensi, baik dari buku, literatur, jurnal, informasi dari internet maupun sumber lainnya yang dapat membantu mengatasi masalah-masalah yang dihadapi perusahaan. Studi pustaka bertujuan untuk mendapatkan metode yang sesuai untuk memecahkan masalah yang dihadapi perusahaan. Hasil dari studi pustaka ini selanjutnya akan dimasukkan ke dalam landasan teori. Pengumpulan data dilakukan untuk proses pengolahan data dengan tujuan memecahkan permasalahan yang terjadi di perusahaan. Proses pengumpulan data ini dilakukan dengan observasi langsung maupun tidak langsung pada bagian produksi. Adapun data-data yang dikumpulkan adalah: (1) data umum produk dan mesin di departemen injection; (2) data historis kerusakan mesin pada tahun 2007; (3) data frekuensi kerusakan komponen mesin pada tahun 2007; (4) data persediaan bahan baku akhir Desember 2008; (5) data persediaan barang jadi akhir Desember 2008; (6) data keuntunganproduk; (7) data permintaan produk tahun 2007 dan 2008; dan (8) data produksi aktual Januari dan Februari 2009. Setelah dilakukan pengumpulan data, kemudian langkah selanjutnya adalah melakukan pengolahan data. Pengolahan data yang dilakukan adalah: (1) melakukan perhitungan preventive maintenance dengan tujuan untuk mengetahui umur penggantian pencegahan komponen yang paling sering mengalami kerusakan dan frekuensi pemeriksaan komponen per bulan yang mana hasilnya akan digunakan dalam proses perhitungan fungsi pembatas jam kerja mesin pada proses optimalisasi. Selain itu juga untuk meningkatkan reliability dari mesin-mesin produksi agar proses produksi tidak terganggu; (2) melakukan peramalan (Makridakis, 1999) untuk bulan Januari dan Februari 2009 dengan menggunakan 6 metode yaitu double exponential smoothing holt, double exponential smoothing brown, triple exponential smoothing brown, double moving average, regresi linier dan musiman. Kemudian metode yang menghasilkan nilai MAPE terkecil akan digunakan untuk meramalkan permintaan terhadap semua produk yang dihasilkan oleh departemen Injectiondimana hasil peramalan akan digunakan untuk menentukan jumlah target produksi pada proses optimalisasi; (3) menentukan formulasi model optimasi jumlah produksi dalam Linear Programming untuk memaksimalkan keuntungan yang diperoleh; (4) menghitung optimalisasi produksi untuk bulan Januari dan Februari 2009 dengan menggunakan Software Lindo; dan (5) melakukan validasi model dengan membandingkan hasil optimal yang didapat dari perhitungan menggunakan Software Lindo 6.1untuk bulan Januari dan Februari 2009 dengan data aktual bulan Januari dan Februari 2009 dan melakukan uji sensitivitas terhadap jumlah produksi optimal. Setelah dilakukan pengolahan data, kemudian tahap berikutnya adalah analisis dari hasil pengolahan data. Analisis yang dilakukan berupa analisis terhadap preventive maintenance, peramalan dan optimasi. Proses analisis ini dilakukan dengancara membandingkan hasil dari metode yang diusulkan dengan aktual perusahaan. Dari perbandingan tersebut dilihat apakah usulan baru yang ditawarkan sudah memenuhi kriteria yang diterapkan.

50


Variabel merupakan sesuatu yang dapat berubah dan digunakan untuk pengukuran sesuatu. Variabel yang digunakan didalam penelitian meliputi: (1) data umum produk departemen injection dan mesin pemroduksinya; (2) data historis kerusakan mesin pada tahun 2007; (3) data frekuensi kerusakan komponen mesin pada tahun 2007; (4) data persediaan bahan baku akhir Desember 2008; (5) data persediaan barang jadi akhir Desember 2008; (6) data keuntunganproduk; (7) data permintaan produk tahun 2007 dan 2008; dan (8) data produksi aktual Januari dan Februari 2009. Parameter merupakan hasil pengukuran yang dilakukan didalam penelitian ini, yaitu sebagai hasil akhir dari perhitungan variabel diatas. Parameter penelitian adalah umur penggantian pencegahan komponen dan frekuensi pemeriksaan komponen yang paling sering mengalami kerusakan per bulan, hasil peramalan dan jumlah produksi optimal yang dapat dilakukan perusahaan dengan tujuan untuk memaksimalkan laba dengan sumber daya yang dimiliki (Jardine, 1993).

Gambar 1. Diagram Alir Metodologi Penelitian


51

HASIL DAN PEMBAHASAN Preventive Maintenance Setelah dilakukan observasi langsung dan juga pemilihan dari mesin-mesin yang memproduksi produk-produk dari perusahaan, maka kemudian ditentukan bahwa diambil data-data dari seluruh mesin yang sedang berproduksi di departemen Injection dengan pertimbangan bahwa seluruh data dari mesin tersebut akan digunakan untuk optimasi produk-produk yang dihasilkan oleh departemen Injection. Data-data yang diambil merupakan data-data dari 7 mesin yang sedang berproduksi di departemen Injection, di mana data-data tersebut meliputi downtime dan failure time dari mesinmesin tersebut.Data-data yang diambil merupakan data mesin pada tahun 2007, disebabkan karena data perawatan dan kerusakan mesin pada tahun 2008 belum rampung. Data-data berdasar pada buku catatan historis perawatan dan kerusakan yang dicatat oleh teknisi yang terkait. Berikut ini merupakan data produk yang sedang diproduksi oleh departemen Injection berikut nomor mesin yang memproduksinya dalam Tabel 1. Tabel 1 Produk departemen Injection dan mesin pemroduksinya Nomor

NamaProduk

NomorMesin

1

AAVW India New Design

MesinNomor 8 dan 42

2

AAVW India Reguler

MesinNomor 9

3

CVW

MesinNomor 14

4

PY UM 4

MesinNomor 43

5

TB Merah

MesinNomor 32

6

TB Joshua

MesinNomor 35

Dalam perhitungan Index of Fit, dicari nilai r dengan berdasarkan kepada data failure time dan repair time yang ada. Perhitungan tersebut dilakukan dengan menggunakan empat distribusi yaitu normal, lognormal, eksponensial dan weibull. Setelah dilakukan perhitungan, maka dilihat di distribusi manakah terdapat nilai r yang terbesar. Nilai r yang terbesar dapat mengindikasikan bahwa data berada pada distribusi tersebut. Namun untuk menjamin bahwa data benar mengikuti distribusi tertentu, tidak hanya berdasar kepada nilai r yang terbesar namun juga perlu dilakukan uji kesesuaian. Apabila parameter hasil uji berada dalam wilayah kritis, maka dapat dikatakan bahwa data benar mengikuti distribusi tersebut. Namun apabila tidak berada dalam wilayah kritis, maka diuji kembali dengan menggunakan distribusi yang memiliki nilai r terbesar berikutnya dan seterusnya. Untuk data failure time, diperoleh hasil bahwa pada mesin nomor 42, nilai r terbesar berada pada distribusi weibull setelah dilakukan uji Mann. Begitu pula dengan mesin nomor 8, nilai r terbesar juga berada pada distribusi weibull setelah dilakukan uji Mann. Sedangkan pada mesin nomor 9, data berdistribusi normal setelah dilakukan uji Kolmogorov-Smirnov. Untuk mesin nomor 14, nilai r terbesar berada pada distribusi eksponensial, namun setelah dilakukan uji Bartlett, diperoleh hasil Ho ditolak, kemudian diambil nilai r terbesar selanjutnya yang berada pada distribusi lognormal dan diperoleh hasil terima Ho setelah dilakukan uji kesesuaian. Pada mesin nomor 43, nilai r terbesar berada pada distribusi normal setelah dilakukan uji KolmogorovSmirnov. Pada mesin nomor 32, data berdistribusi eksponensial setelah dilakukan uji Bartlett.

52


Begitu pula halnya dengan mesin nomor 35, data juga berdistribusi eksponensial setelah dilakukan uji Bartlett. Untuk data repair time, setelah dilakukan uji kesesuaian, diperoleh hasil bahwa data perbaikan mesin yang mengikuti distribusi weibull adalah pada mesin nomor 8 dan 43. Sedangkan data perbaikan mesin yang mengikuti distribusi lognormal adalah pada mesin nomor 9, 14, 32, dan 42. Sedangkan mesin nomor 35 mengikuti distribusi normal. Nilai MTTF adalah nilai rata-rata waktu kerusakan komponen. Untuk menghitung nilai MTTF, terlebih dahulu harus ditentukan parameter berdasarkan distribusi dari waktu kerusakan. Oleh karena itu, dalam perhitungan MTTF, rumus dan perhitungan yang dilakukan akan berbeda tergantung pada distribusi dari waktu kerusakan yang ada. Berikut ini adalah rekapitulasi MTTF dari komponen IC EPROM pada 7 mesin. Tabel 2 Rekapitulasi MTTF NomorMesin 8 9 14 32 35 42 43

MTTF (Jam) 806,704 1.091,940 809,350 1.716,38 758,44 1.198,85 1.140,794

Jadi pada mesin nomor 8, kerusakan pada komponen IC EPROM rata-rata akan terjadi setelah mesin beroperasi selama 806,704 jam. Pada mesin nomor 9, kerusakan pada komponen IC EPROM rata-rata akan terjadi setelah mesin beroperasi selama 1.091,94 jam, dan untuk mesinmesin yang lain, dapat dilihat pada tabel di atas. Dari tabel di atas, mesin dengan rata-rata selang waktu antar kerusakan yang terkecil adalah mesin nomor 35. Nilai MTTR adalah nilai rata-rata waktu yang dibutuhkan untuk perbaikan komponen. Untuk menghitung nilai MTTR, terlebih dahulu harus ditentukan parameter berdasarkan distribusi dari waktu kerusakan. Oleh karena itu, dalam perhitungan MTTR, rumus dan perhitungan yang dilakukan akan berbeda tergantung pada distribusi dari waktu kerusakan yang ada. Berikut ini adalah rekapitulasi MTTR dari komponen IC EPROM pada 7 mesin. Tabel 3 Rekapitulasi MTTR NomorMesin 8 9 14 32 35 42 43

MTTR (Jam) 2,101 2,094 1,965 2,185 2,007 2,066 2,106


53

Jadi pada mesin nomor 8, waktu perbaikan rata-rata untuk komponen IC EPROM selama 2,101 jam. Pada mesin nomor 9, waktu perbaikan rata-rata untuk komponen IC EPROM selama 2,094 jam, dan untuk mesin-mesin yang lain, dapat dilihat pada tabel di atas. Dari tabel di atas, mesin dengan rata-rata waktu perbaikan yang terkecil adalah mesin nomor 14. Setelah dilakukan proses perhitungan MTTF dan MTTR, kemudian langkah selanjutnya adalah menghitung interval waktu penggantian pencegahan untuk mengetahui setelah selang waktu berapa lama komponen harus diganti dengan tujuan untuk meminimasi downtime yang terjadi. Metode untuk menghitung interval waktu penggantian pencegahan ini adalah dengan menggunakan Age Replacement untuk mengetahui interval penggantian komponen dengan berdasarkan kepada umur optimal komponen mesin. Proses perhitungan Age Replacement didasari dengan parameter-parameter yang didapat setelah lolos melalui uji kesesuaian. Dan untuk mengetahui komponen mana saja yang perlu untuk dilakukan penggantian pencegahan adalah dengan meninjau karakteristik kerusakan komponen tersebut dengan berdasar kepada distribusinya. Distribusi kerusakan dapat menunjukkan karakteristik kerusakan suatu komponen. Ada 3 karakteristik utama berdasarkan bathtub curve, yaitu IFR (Increasing Failure Rate), DFR (Decreasing Failure Rate) dan CFR (Constant Failure Rate). Setelah melalui proses pemgolahan data, diketahui bahwa untuk mesin nomor 32 dan 35, komponen IC EPROM memiliki data kerusakan yang berdistribusi eksponensial, yang berarti laju kerusakannya konstan, sehingga tidak perlu dilakukan penggantian pencegahan. Untuk mesinmesin yang lain yang berdistribusi weibull, normal dan lognormal memiliki karakteristik kerusakan dengan laju yang meningkat. Oleh sebab itu perlu dilakukan penggantian pencegahan. Berikut ini merupakan rekapitulasi interval waktu pengantian pencegahan. Tabel 4 Rekapitulasi interval waktu penggantian pencegahan NomorMesin 8 9 14 42 43

Interval WaktuPenggantian (Jam) 630 860 600 960 1.000

Sebagai contoh, setelah dilakukan perhitungan untuk mesin nomor 42, diperoleh waktu penggantian pencegahan adalah 960 jam. Hal tersebut menandakan bahwa komponen IC EPROM pada mesin nomor 42 sebaiknya diganti ketika telah beroperasi selama 960 jam untuk menghindari kerusakan yang terjadi secara tiba-tiba dan untuk meminimasi downtime. Pemeriksaan terhadap komponen diperlukan untuk melihat kondisi komponen sebelum mencapai waktu penggantian yang telah ditetapkan, karena mungkin saja kondisi komponen sudah tidak bagus sebelum mencapai waktu penggantiannya. Apabila kondisi komponen tidak bagus, maka dapat saja dilakukan penggantian, untuk mencegah hal-hal yang tidak diinginkan. Proses pemeriksaan ini merupakan bagian dari tindakan perawatan, karena melalui proses pemeriksaan ini, komponen dapat beroperasi secara optimal karena kondisinya diperiksa secara berkala. Berikut ini adalah rekapitulasi frekuensi dan interval waktu pemeriksaan (angka dibulatkan):

54


Tabel 5 Rekapitulasi Frekuensi dan Interval Waktu Pemeriksaan NomorMesin

Frekuensi/bulan

8 9 14 32 35 42 43

1 1 1 1 1 1 1

Interval WaktuPemeriksaan (Jam) 404 471 418 578 401 497 480

Setelah melalui proses perhitungan, pada mesin nomor 8, sebaiknya pemeriksaan terhadap komponen IC EPROM dilakukan 1 kali dalam 1 bulan dengan selang waktu di antara pemeriksaan sebesar 404 jam. Jadi pada tabel di atas dijelaskan frekuensi pemeriksaan yang sebaiknya dilakukan per bulan dan selang waktu yang dianjurkan di antara pemeriksaan tersebut agar kondisi dari komponen selalu terpantau. Tujuan penghitungan angka availability adalah untuk kemampuan komponen dalam beroperasi apabila dilakukan pemeriksaan dan perawatan pencegahan secara berkala. Angka availability total dari setiap mesin diperoleh dari hasil perkalian angka availabilityy apabila dilakukan penggantian pencegahan dengan angka availability apabila dilakukan pemeriksaan. Proses perkalian tersebut dikarenakan tindakan penggantian pencegahan dan pemeriksaan merupakan dua kejadian yang saling bebas (Ebeling, 1997). Berikut ini adalah rekapitulasi availability dari setiap mesin. Tabel 6 Rekapitulasi availability NomorMesin

AvailabilityPenggantianPencegahan

AvailabilityPemeriksaan

8 9 14 32 35 42 43

0,998367 0,998756 0,998258 0,998836 0,998791

0,996291 0,996818 0,996419 0,997407 0,996261 0,996983 0,996877

Total Availability 0,994664 0,995578 0,994683 0,997407 0,996261 0,995823 0,995672

Tujuan dilakukan kegiatan Preventive Maintenance adalah untuk meningkatkan keandalan dari komponen-konponen mesin setelah dilakukan perawatan pencegahan dan pemeriksaan. Setelah dilakukan Preventive Maintenance, diharapkan angka reliability dapat meningkat. Apabila angka reliability mendekati 1, maka dapat dikatakan tingkat keandalan komponen tersebut semakin tinggi dan komponen tersebut dapat beroperasi secara optimal. Proses perhitungan reliability ini berbedabeda dengan berdasar pada distribusi yang menyertai data failure time mesin tersebut. Berikut ini adalah rekapitulasi reliability sebelum dan sesudah Preventive Maintenance pada saat MTTF.


55

Tabel 7 Rekapitulasi reliability sebelum dan sesudah preventive maintenance pada saat MTTF

NomorMesin

Reliability Sebelum Preventive Mantenance (R(t))

Reliability Setelah Preventive Mantenance (Rm(t))

Peningkatan (%)

8

0,503977

0,757231

50,25

9

0,5

0,657562

31,51

14

0,36317

0,495925

36,55

32

0,367879

0,367879

0

35

0,367879

0,367879

0

42

0,178288

0,242872

36,22

43

0,5

0,574726

14,94

R(t) menunjukkan keandalan komponen sebelum dilakukan perawatan pencegahan, sedangkan Rm(t) menunjukkan keandalan komponen setelah dilakukan perawatan pencegahan. Dari data Tabel 7, dapat dilihat bahwa setelah dilakukan perawatan pencegahan, pada waktu komponen memasuki MTTF, tingkat keandalan cenderung meningkat untuk mesin nomor 8, 9, 14, 42, dan 43. Hal ini dikarenakan mesin-mesin tersebut memiliki karakteristik kerusakan dengan laju meningkat (IFR). Sedangkan untuk mesin nomor 32 dan 35 yang memiliki karakteristik dengan laju konstan (CFR) dan berdistribusi eksponensial, tidak terjadi peningkatan tingkat keandalan meskipun telah diterapkan tindakan perawatan pencegahan. Hal ini berarti perawatan pencegahan tidak berpengaruh kepada data failure time yang berdistribusi eksponensial. Peramalan Berdasarkan hasil perhitungan peramalan yang dilakukan, maka didapatkan bahwa produk AAVW India New Design, produk AAVW India Reguler, produk CVW, produk PY UM-4, dan produk TB Merah menggunakan metode musiman, sedangkan produk TB Joshua lebih cocok menggunakan metode DESH (α = 0,62, γ = 0,01). Penentuan metode yang cocok tersebut didasarkan pada hasil perhitungan peramalan dengan membandingkan MAPE terkecil. Hasil daripada perhitungan tersebut diperlihatkan pada Tabel 8. Tabel 8 Rekapitulasi hasil peramalan

Produk AAVW India New Design AAVW India Reguler

MAPE % Musiman

DMA

11,354

46,397

11,603

32,991

CVW

7,591

23,046

PY UM-4

9,474

40,968

TB Joshua

14,803

10,829

TB Merah

10,511

85,682

56

DESB 26,179 (α = 0,01) 24,194 (α = 0,01) 23,046 (α = 0,5) 25,003 (α = 0,12) 9,131 (α = 0,45) 43,653 (α = 0,01)

Linier 29,063 22,083 16,410 21,787 9,912 45,759

DESH 24,921 (α = 0,14, γ = 0,15) 23,292 (α = 0,18, γ = 0,73) 15,459 (α = 0,93, γ = 0,12) 24,107 (α = 0,22, γ = 0,21) 8,705 (α= 0,62, γ = 0,01) 52,413 (α = 0,8, γ = 0,99)

TESB 26,679 (α = 0,01) 25,088 (α = 0,01) 18,335 (α = 0,34) 25,012 (α = 0,09) 10,338 (α = 0,3) 51,834 (α = 0,13)


Optimasi Untuk melakukan optimasi yang bertujuan untuk memaksimalkan laba, maka dalam prosesnya digunakan software LINDO. Alasan penggunaannya karena software ini telah teruji keakuratannya jika dibandingkan dengan hasil perhitungan manual yang mungkin saja masih terdapat kesalahan di dalamnya. Oleh karena itu, proses perhitungan optimasi dilakukan dengan menggunakan software dan tidak perlu dilakukan perhitungan manual dikarenakan hasil yang diperoleh dari perhitungan dengan menggunakan software dapat diandalkan keakuratannya. Dalam proses optimasi, ada 4 batasan bahan baku yaitu batasan jam kerja mesin, batasan bahan baku, batasan target produksi dan batasan non-negative. Dari fungsi tujuan dan pembatas-pembatas tersebut, maka dibuat suatu model formulasi (Hamdy, 2003). Setelah memasukkan fungsi tujuan dan fungsi pembatas. Fungsi tujuan: Max Z = 1.250.000X1 + 1.050.000X2 + 900.000X3 + 125.000X4 + 230.400X5 + 375.000X6 Fungsi pembatas : 31,7X1 + 26,309X2 + 17,83721X3 + 21,15 X4 + 10,375X6 ≤ 50.000 8,056X5 ≤ 20.000 0,00024X1 + 0,00024X2 + 0,00024X3 + 0,00024X4 + 0,00024X5 + 0,00024X6 ≤ 200 2,06X1 ≤ 2264,833 1,58X2 ≤ 1132,406 0,82X3 ≤ 1132,535 2,36X4 ≤ 1132,394 0,48X5 ≤ 1134.5 1,27X6 ≤ 1134.5 X1 ≤ 415 X2 ≤ 449 X3 ≤ 1.288 X4 ≤2 X5 ≤ 2.406 ≤ 178 X6 X1, X2, X3, X4, X5, X6 ≥ 0 Maka diperoleh hasil yaitu jumlah produk yang harus diproduksi agar mendapatkan keuntungan maksimal seperti pada Tabel 9. Tabel 9 Data produksi optimal untuk Januari dan Februari 2009 Produk AAVW India New Design AAVW India Reguler CVW

Produksi Optimal (Kantong) 415 449 1.288

PY UM-4

2

TB Joshua

2.363

TB Merah

178


57

Jumlah produksi optimal yang harus dilakukan perusahaan untuk mendapatkan keuntungan maksimum dapat dilihat pada tabel di atas untuk setiap jenis produknya. Dan jika perusahaan memproduksi produk dalam jumlah optimal seperti yang tertera di dalam tabel, maka menurut hasil perhitungan, keuntungan maksimum yang mungkin didapat perusahaan yaitu sebesar Rp.220.620.000. Model optimasi yang telah dibuat dan dihitung perlu diuji validasinya dengan tujuan untuk mengetahui apakah model yang telah dibuat dapat memenuhi tujuan yang diharapkan atau tidak. Suatu model optimasi dikatakan valid apabila telah memenuhi harapan yang diinginkan ataupun hasil yang diperoleh lebih baik dari keadaan nyata. Validasi dari model yang telah dibuat dapat diketahui dengan cara membandingkan keuntungan aktual yang diperoleh perusahaan dengan keuntungan yang didapat dari hasil optimasi yang telah dihitung. Perbandingannya ditampilkan pada Tabel 10. Tabel 10 Data produksi aktual Januari dan Februari 2009 Produk AAVW India New Design

ProduksiAktual (Kantong) 400

Keuntungan/Kantong (Rp.) 1.250.000

Total Keuntungan (Rp.) 500.000.000

400

1.050.000

420.000.000

1.200

900.000

1.080.000.000

PY UM-4

2

125.000

250.000

TB Joshua

2.100

230.400

483.840.000

TB Merah

150

375.000

56.250.000 2.540.340.000

AAVW India Reguler CVW

Dari data keuntungan di atas, diperoleh keuntungan aktual perusahaan sebesar Rp.2.540.340.000 pada bulan Januari dan Februari 2009, sedangkan dari hasil optimasi, diperoleh keuntungan sebesar Rp.2.760.960.000. Dari perhitungan ini, dapat diambil kesimpulan bahwa model optimasi telah valid, karena laba yang diperoleh berdasar hasil perhitungan lebih besar dari laba aktual yang diperoleh perusahaan, selisih labanya sebesar Rp.220.620.000.

PENUTUP Untuk tindakan perawatan pencegahan (preventive maintenance) terhadap mesin-mesin Injection, didapatkan hasil pada mesin nomor 8, penggantian komponen IC EPROM dilakukan setelah interval waktu 630 jam kerja mesin. Penggantian komponen IC EPROM juga dilakukan setelah interval waktu 860 jam kerja mesin pada mesin nomor 9, 600 jam kerja mesin pada mesin nomor 14, 960 jam kerja mesin pada mesin nomor 42 dan 1.000 jam kerja mesin pada mesin nomor 43. Khusus untuk mesin nomor 32 dan 35, tidak perlu dilakukan penggantian komponen hingga komponen rusak, namun dilakukan pemeriksaan terhadap komponen sebanyak 1 kali dalam 1 bulan. Pemeriksaan dengan frekuensi serupa juga berlaku untuk mesin-mesin yang lain. Sementara itu, metode peramalan yang tepat untuk produk AAVW India New Design, AAVW India Reguler, CVW, PY UM 4, dan TB Merah adalah dengan menggunakan metode musiman karena menghasilkan nilai MAPE yang terkecil jika dibandingkan dengan metode DMA, DESB, Linier, DESH dan TESB. Sedangkan untuk produk TB Joshua, metode peramalan yang digunakan adalah metode DESH karena metode ini memiliki nilai MAPE yang terkecil di antara metode-metode yang lain.

58


Jumlah produk yang harus diproduksi perusahaan pada bulan Januari dan Februari 2009 untuk memaksimalkan laba adalah sebesar 415 kantong untuk AAVW IND, 449 kantong untuk AAVW IR, 1.288 kantong untuk CVW, 2 kantong untuk PY UM 4, 2.363 kantong untuk TB Joshua, dan 178 kantong untuk TB Merah. Dan setelah menerapkan proses optimasi, keuntungan maksimal yang dapat diperoleh perusahaan pada Januari dan Februari 2009 yaitu sebesar Rp.2.727.085.000. Jika dibandingkan dengan keuntungan aktual perusahaan yang sebesar Rp.2.760.960.000, maka terjadi peningkatan keuntungan sebesar Rp.220.620.000.

DAFTAR PUSTAKA Ebeling, C. E. (1997). An introduction to reliability and maintainability engineering. Singapore: McGraw-Hills. Goti, A., Oyarbide-Zubillaga, A., & Sanchez, A. (2007). Optimizing preventive maintenance by combining discrete event simulation and genetic algorithms: Cost and benefit criteria are applied to a multi-equipment system. Hydrocarbon Processing, 86(10), 115-122. Hamdy, A. T. (2003). Operation research. New York: McGraw Hill. Jardine, A. K. S. (1993). Maintenance, replacement, and reliability. Canada: Pitman. Makridakis, S. C. (1999). Metode dan aplikasi peramalan. Jakarta: Binarupa Aksara.


59

ABSTRACT. Keywords: optimization, forecasting demand, preventive maintenance, linear programming, reliability ABSTRAK

Recommend Documents