ANALISIS PRODUKTIVITAS TERHADAP PENYEIMBANGAN LINTASAN
LAPORAN TUGAS AKHIR Diajukan sebagai salah satu syarat untuk menyelesaikan Program gelar Stratum-1 dari Program Studi Teknik Industri Universitas Mercu Buana
oleh Eris Kusnadi NIM 01603-007
PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA 2009
LEMBAR PENGESAHAN Laporan Tugas Akhir
ANALISIS PRODUKTIVITAS TERHADAP PENYEIMBANGAN LINTASAN
Nama NIM Program Studi Fakultas Universitas
: : : : :
Eris Kusnadi 01603-007 Program Studi Teknik Industri Fakultas Teknologi Industri Universitas Mercu Buana
Mengetahui,
Pembimbing Tugas Akhir
Koordinator Tugas Akhir
Ir. Torik Husein, MT.
Muhammad Kholil, ST., MT.
Ketua Program Studi
Muhammad Kholil, ST., MT.
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH Saya yang bertanda tangan di bawah ini menyatakan dengan sesungguhnya bahwa naskah Laporan Tugas Akhir saya dengan judul: ANALISIS PRODUKTIVITAS TERHADAP PENYEIMBANGAN LINTASAN yang diajukan sebagai salah satu syarat untuk menyelesaikan program gelar Stratum-1 dari Program Studi Teknik Industri, Fakultas Teknologi Industri Universitas Mercu Buana, sejauh yang saya ketahui bukan merupakan tiruan atau duplikasi dari karya-karya ilmiah yang sudah dipublikasikan atau pernah dipakai untuk mendapatkan gelar akademis di lingkungan Universitas Mercu Buana maupun di Perguruan Tinggi atau instansi manapun, kecuali di bagian yang sumber informasinya dicantumkan sebagaimana mestinya.
Tanda Tangan
Tanggal
UNIVERSITAS MERCU BUANA FAKULTAS TEKNOLOGI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI Laporan Tugas Akhir, Agustus 2009 Eris Kusnadi
NIM 01603-007
Analisis Produktivitas terhadap Penyeimbangan Lintasan xxii + 241 halaman, 67 tabel, 52 gambar, 57 rumus, 7 lampiran ABSTRAKSI Latar belakang: Laporan ini mencoba menganalisis produktivitas lini perakitan pada Lini A/F 4WV PT Denso Indonesia yang memproduksi filter udara mobil. Permintaan komponen ini menunjukkan peningkatan selama beberapa tahun lalu, tapi operasi mereka mempunyai kemampuan reaksi yang lemah terhadap banyak penyelaan yang terjadi setiap hari. Banyak masalah yang terjadi pada lini perakitan mereka, misalnya: waktu siklus bottleneck lebih besar dibandingkan takt time, lembur untuk mencapai target harian, ketidak seimbangan beban kerja, pembebanan yang melebihi kemampuan (overburden) manusia atau peralatan, sejumlah sediaan dalam proses (WIP). Pada beberapa kejadian, penyebab utama adalah masalah keseimbangan. Salah satu langkah terobosan penting dalam meningkatkan produktivitas adalah menelaah secara serius seluruh sistem keseimbangan lintasan. Metode: Penelitian ini merupakan pendekatan membawa keseimbangan proses dengan teknik keseimbangan lintasan. Pengumpulan data dilakukan melalui pengamatan terhadap kegiatan pekerja di Lini A/F 4WV selama 14 hari (18 Februari–18 Maret 2008). Data dianalisis dengan menggunakan beberapa metode, yaitu: analisis ABC, peramalan, studi waktu, perencanaan takt time, keseimbangan lintasan, perencanaan produksi, manpower calculation, perhitungan biaya, dan pengukuran produktivitas. Hasil: Hasil analisis menunjukkan bahwa permintaan mengalami pertumbuhan sebesar 9% di tahun 2009. Berdasarkan perencanaan takt time, lini perakitan membutuhkan satu stasiun kerja lagi untuk penyeimbangan ulang pada waktu terkecil yang memungkinkan. Hasil perbaikan ini adalah sebagai berikut: • penurunan 34% waktu tunggu (dari 33,34 menjadi 22,1 detik), • penurunan 23% kosu (dari 200 menjadi 154,6 detik), • penurunan 100% sediaan WIP (dari 3 menjadi 0 unit per siklus), • penurunan 81% lembur (dari 1.197 menjadi 230 jam per tahun), • peningkatan 51% kapasitas lini per jam (dari 108 menjadi 163 unit per jam), • penurunan waktu gerakan tak bernilai tambah dari 37% menjadi 36%, • penurunan tundaan seimbang dari 24% menjadi 15%, • peningkatan efisiensi lini dari 76% menjadi 85%, dan • penurunan indeks kelancaran dari 20 menjadi 8.
viii
Universitas Mercu Buana
ix
Secara khusus juga dibuktikan bahwa ketika lini perakitan hasil perbaikan digunakan, indeks produktivitas total meningkat dari 1,23 menjadi 1,25. Laba tahunan setelah perbaikan adalah 19,75% dari pendapatan total atau meningkat dari 18,14%. Simpulan: Meskipun lini perakitan hasil perbaikan memiliki kelebihan jumlah karyawan, produktivitasnya dirasakan tinggi. Dapat disimpulkan bahwa lini perakitan hasil perbaikan dapat digunakan untuk meningkatkan kemampuan reaksi terhadap pertumbuhan permintaan sebesar 9% di tahun 2009. Kata Kunci: permintaan, produktivitas, keseimbangan lintasan Daftar Pustaka: 42 (1979—2009)
Universitas Mercu Buana
UNIVERSITAS MERCU BUANA FACULTY OF INDUSTRIAL TECHNOLOGY INDUSTRIAL ENGINEERING MAJOR Final Report, August 2009 Eris Kusnadi
Reg. Number: 01603-007
Productivity Analysis for Line-Balancing xxii + 241 pages, 67 tables, 52 pictures, 57 equations, 7 appendices ABSTRACT Backgrounds: This paper attempts to analyze the assembly line productivity in The A/F 4WV Line of PT Denso Indonesia which produce car air filter components. The demand for this components has shown increased during the past several years, but their operation has poor responsiveness to many interruptions occur daily. Many problems occurred in their assembly line, e.g., (1) long bottleneck cycle time than takt time, (2) overtime for achieved daily target, (3) unbalanced workload, (4) overburdened people or equipment, (5) the amount of work-in-process (WIP) inventories. In many instances, the root cause is balancing. One of important step for breakthrough in productivity improvement is to seriously review the entire line-balancing system. Methods: This was a process driven approach with line-balancing technique. The research study bases field research and library research. Data were collected through observation of worker activities in The A/F 4WV Line in 14 days (18 February-18 March 2008). The data were analyzed using several methods are (1) ABC analysis, (2) forecasting, (3) time study, (4) takt time planning, (5) line-balancing, (6) production plan, (7) manpower calculation, (8) cost study, and (9) productivity calculations. Results: The analysis showed that demand is 9% growth in the year of 2009. Based on the takt time planning, one more workstation needed in the assembly line for rebalance in the shortest time possible. The results of this improvement were: • • • • • • • • •
34% reduction in lead time to produce the product (from 33.34 to 22.1 seconds) 23% reduction in kosu (from 200 to 154.6 seconds) 100% reduction in WIP inventory (from 3 to 0 units/cycle) 81% reduction in overtime (from 1197 to 230 hours/year) 51% improvement in line capacity per hour (from 108 to 163 units/hour) non-value-added motion-time reduction from 37% to 36% balance delay reduction from 24% to 15% line efficiency improvement from 76% to 85% smoothes index reduction from 20 to 8
x
Universitas Mercu Buana
xi
Moreover, it is also proved that when the assembly line improved is used, total factor productivity index was increase from 1.23 to 1.25. The annual profit after improvement is 19.75% from total revenue–increase from 18.4%. Conclusions: Although the assembly line improved has excessive number of employees, their productivity was high. It was concluded that the assembly line improved could be applied for increase the responsiveness to 9% growth demand in the year of 2009. Keywords: demand, productivity, line-balancing References: 42 (1979—2009)
Universitas Mercu Buana
DAFTAR ISI
Ucapan Terima Kasih . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
v
Abstraksi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viii Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
x
Daftar Isi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
xii
Daftar Tabel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
xv
Daftar Gambar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xviii Daftar Rumus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
xx
Daftar Lambang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxii Bab I
Pendahuluan . . . . . . . . . 1.1 Latar Belakang Masalah 1.2 Rumusan Masalah . . . . 1.3 Tujuan Penelitian . . . . 1.4 Batasan Masalah . . . . 1.5 Metodologi Penelitian . . 1.6 Sistematika Penulisan . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
1 1 3 3 3 4 5
Bab II Landasan Teori . . . . . . . . . . . . . 2.1 Analisis ABC . . . . . . . . . . . 2.2 Peramalan . . . . . . . . . . . . . 2.2.1 Batasan Peramalan . . . . 2.2.2 Metode-Metode Peramalan 2.2.3 Model Deret Waktu . . . . 2.2.4 Metode Dekomposisi . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
6 8 10 10 11 13 15
xii
. . . . . . .
. . . . . . .
. . . . . . .
Universitas Mercu Buana
xiii
2.3
2.4 2.5 2.6 2.7 2.8 2.9
2.2.5 Statistika Uji untuk Peramalan . . . . . . . Studi Waktu . . . . . . . . . . . . . . . . . . . . . . 2.3.1 Tahapan dalam Studi Waktu . . . . . . . . . 2.3.2 Konsep Peringkat Kinerja . . . . . . . . . . 2.3.3 Konsep Kelonggaran Kerja . . . . . . . . . . 2.3.4 Statistika Uji untuk Studi Waktu . . . . . . Takt Time . . . . . . . . . . . . . . . . . . . . . . . Keseimbangan Lintasan dalam Lean Manufacturing Perencanaan Produksi . . . . . . . . . . . . . . . . Manpower Calculation . . . . . . . . . . . . . . . . Teori Biaya Produksi . . . . . . . . . . . . . . . . . Analisis Produktivitas . . . . . . . . . . . . . . . .
Bab III Metodologi Penelitian . . . . . . . . . . 3.1 Materi Penelitian . . . . . . . . . 3.2 Identifikasi Kebutuhan Data . . . 3.3 Metode Penelitian . . . . . . . . . 3.3.1 Studi Kepustakaan . . . . 3.3.2 Studi Lapangan . . . . . . 3.4 Teknik Penelitian . . . . . . . . . 3.4.1 Teknik Pengumpulan Data 3.4.2 Teknik Pengolahan Data . 3.5 Metode Analisis . . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
22 24 25 27 31 35 40 42 45 46 48 50
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
53 53 53 54 54 54 55 55 57 59
. . . . . . . . . . . . . . . . ABC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64 64 64 74 74 78 80 88 89 96 99 100 100 124 137
Bab IV Pengumpulan dan Pengolahan Data . . . . . . . . . . . . . 4.1 Pengumpulan Data . . . . . . . . . . . . . . . . . . . 4.1.1 Data Riwayat Operasi Perusahaan . . . . . . . 4.1.2 Data Produk . . . . . . . . . . . . . . . . . . 4.1.3 Data Produk Terprioritas berdasarkan Analisis 4.1.4 Data Permintaan . . . . . . . . . . . . . . . . 4.1.5 Data Proses Produksi . . . . . . . . . . . . . 4.1.6 Data Waktu Kerja . . . . . . . . . . . . . . . 4.1.7 Data Studi Waktu . . . . . . . . . . . . . . . 4.1.8 Data Biaya-Biaya . . . . . . . . . . . . . . . . 4.1.9 Data Istilah-Istilah . . . . . . . . . . . . . . . 4.2 Pengolahan Data . . . . . . . . . . . . . . . . . . . . 4.2.1 Peramalan . . . . . . . . . . . . . . . . . . . . 4.2.2 Studi Waktu . . . . . . . . . . . . . . . . . . . 4.2.3 Perencanaan Takt Time . . . . . . . . . . . .
Universitas Mercu Buana
xiv
4.2.4 4.2.5 4.2.6 4.2.7 4.2.8
Keseimbangan Lintasan . Perencanaan Produksi . . Manpower Calculation . . Perhitungan Biaya . . . . Pengukuran Produktivitas
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
139 155 160 166 173
Bab V Hasil dan Analisis . . . . . . . . . . . . . . . . . . . 5.1 Evaluasi Permintaan . . . . . . . . . . . . . . 5.1.1 Evaluasi Metode Peramalan . . . . . . 5.1.2 Evaluasi Permintaan dan Kondisi Pasar 5.2 Evaluasi Waktu Gerakan Tak Bernilai Tambah 5.3 Analisis Keseimbangan Lintasan . . . . . . . . 5.4 Analisis Produktivitas . . . . . . . . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
175 175 176 178 181 183 187
Bab VI Simpulan dan Saran . . . . . . . . . . . . . . . . . . . . . . . . . 189 6.1 Simpulan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189 6.2 Saran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191 Daftar Pustaka . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193 Daftar Istilah . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
Lampiran-Lampiran: Lampiran A: Pancaran Normal Baku . . . . . . . . . . . . . . . . . . . . . 207 Lampiran B: Peramalan dengan Minitab . . . . . . . . . . . . . . . . . . . 208 Lampiran C: Pengujian Statistik Data Studi Waktu
. . . . . . . . . . . . 211
Lampiran D: Pemberian Peringkat Kinerja . . . . . . . . . . . . . . . . . . 226 Lampiran E: Pemberian Kelonggaran Kerja . . . . . . . . . . . . . . . . . 234 Lampiran F: Sertifikat Keterangan Penelitian . . . . . . . . . . . . . . . . 236 Lampiran G: Kartu Asistensi . . . . . . . . . . . . . . . . . . . . . . . . . 237 Riwayat Penulis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238 Indeks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
Universitas Mercu Buana
DAFTAR TABEL Tabel
Halaman
2.1 2.2 2.3 2.4 2.5 2.6
The Westinghouse System’s Rating . . . . . . . . . . . . . . . . . Tingkat Kesulitan Pekerjaan untuk Objective Rating . . . . . . . Rekomendasi ILO untuk Constant Allowances dan Variable Fatigue Contoh Lembar Perencanaan Produksi di PT Denso Indonesia . . Contoh Lembar Manpower Calculation di PT Denso Indonesia . . Contoh Pengukuran Produktivitas . . . . . . . . . . . . . . . . . .
28 29 33 45 47 52
4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12 4.13 4.14 4.15
Profil Denso Corporation Tahun 2007 . . . . . . . . . . . . . . . . Kelompok Perusahaan Denso di Indonesia . . . . . . . . . . . . . Sejarah PT Denso Indonesia . . . . . . . . . . . . . . . . . . . . . Daftar Pelanggan Utama PT Denso Indonesia . . . . . . . . . . . Kebijakan Departemen Filter Production . . . . . . . . . . . . . . Daftar Tipe Produk dari Keluarga Produk Air Filter 4WV . . . . Data Jumlah Produksi Aktual per Januari-Februari 2008 . . . . . Pemilihan Tipe Produk Prioritas dengan Analisis ABC . . . . . . Bill of Material untuk Tipe Produk A/F KF 7KE . . . . . . . . . Data Permintaan Air Filter 4WV per 2006-2008 . . . . . . . . . . Rincian Kebutuhan Prosesing . . . . . . . . . . . . . . . . . . . . Jumlah Hari Kerja Tahun 2009 . . . . . . . . . . . . . . . . . . . Tugas-Tugas Stasiun Kerja pada Subsekuen Assembly . . . . . . . Tugas-Tugas Stasiun Kerja pada Subsekuen Finishing . . . . . . . Rincian Elemen Kerja dari Tugas-Tugas Stasiun Kerja pada Subsekuen Assembly . . . . . . . . . . . . . . . . . . . . . . . . . . . Data Studi Waktu pada Operasi Forming Cutting . . . . . . . . . Data Studi Waktu pada Operasi Binder Caulking . . . . . . . . . Data Studi Waktu pada Operasi Assembling I . . . . . . . . . . . Data Studi Waktu pada Operasi Rolling . . . . . . . . . . . . . . Data Studi Waktu pada Operasi Spot Welding . . . . . . . . . . .
66 68 68 70 73 74 74 75 77 79 80 88 89 89
4.16 4.17 4.18 4.19 4.20
xv
90 91 91 92 93 93
Universitas Mercu Buana
xvi
4.21 4.22 4.23 4.24 4.25 4.26 4.27 4.28 4.29 4.30 4.31 4.32 4.33 4.34 4.35 4.36 4.37 4.38 4.39 4.40 4.41 4.42 4.43 4.44 4.45 4.46 4.47 4.48 4.49 4.50 4.51 4.52
Data Studi Waktu pada Operasi Assembling II . . . . . . . . . . . 94 Data Studi Waktu pada Operasi Adhesive Apply . . . . . . . . . 94 Data Studi Waktu pada Operasi-Operasi di Subsekuen Finishing . 95 Dekomposisi Multiplikatif untuk Indeks Musiman (S) . . . . . . . 104 Dekomposisi Multiplikatif untuk Komponen Trend (T) . . . . . . 106 Dekomposisi Multiplikatif untuk Komponen Cyclic (C) dan Irregular (I) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 Pengujian MAD, MSE, MAPE, Tracking Signal, dan U-Theil untuk Metode Dekomposisi Multiplikatif . . . . . . . . . . . . . . . . 109 Dekomposisi Aditif untuk Indeks Musiman (S) . . . . . . . . . . . 112 Dekomposisi Aditif untuk Komponen Trend (T) . . . . . . . . . . 114 Dekomposisi Aditif untuk Komponen Cyclic (C) dan Irregular (I) 115 Pengujian MAD, MSE, MAPE, Tracking Signal, dan U-Theil untuk Metode Dekomposisi Aditif . . . . . . . . . . . . . . . . . . . 116 Hasil Pengujian Metode-Metode Peramalan . . . . . . . . . . . . 119 Perhitungan untuk Peramalan Tahun 2009 . . . . . . . . . . . . . 120 Jumlah Unit yang Dibutuhkan pada Tingkat Disagregat untuk Ramalan Tahun 2009 . . . . . . . . . . . . . . . . . . . . . . . . . . 122 Contoh Hasil Pengamatan Studi Waktu . . . . . . . . . . . . . . . 125 Membuang Data Tidak Seragam . . . . . . . . . . . . . . . . . . . 129 Penentuan Peringkat Kinerja . . . . . . . . . . . . . . . . . . . . . 133 Penentuan Kelonggaran Kerja . . . . . . . . . . . . . . . . . . . . 135 Laporan Hasil Studi Waktu . . . . . . . . . . . . . . . . . . . . . 136 Rataan Takt Time Tahun 2009 . . . . . . . . . . . . . . . . . . . 138 Laporan Lini Perakitan . . . . . . . . . . . . . . . . . . . . . . . . 140 Keseimbangan Lintasan Alternatif I: Standardized Work Combination Sheet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142 Keseimbangan Lintasan Alternatif I: Persentase Beban Stasiun Kerja143 Keseimbangan Lintasan Alternatif II: Standardized Work Combination Sheet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 Keseimbangan Lintasan Alternatif II: Persentase Beban Stasiun Kerja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 Perencanaan Produksi Alternatif I . . . . . . . . . . . . . . . . . . 157 Perencanaan Produksi Alternatif II . . . . . . . . . . . . . . . . . 158 Manpower Calculation Alternatif I . . . . . . . . . . . . . . . . . 163 Manpower Calculation Alternatif II . . . . . . . . . . . . . . . . . 164 Kebutuhan Jumlah Jam Lembur . . . . . . . . . . . . . . . . . . 165 Jumlah Penerimaan per 2009 . . . . . . . . . . . . . . . . . . . . 167 Biaya Lembur per 2009 . . . . . . . . . . . . . . . . . . . . . . . . 168
Universitas Mercu Buana
xvii
4.53 4.54 4.55 4.56
Perhitungan Biaya Bahan per Satuan Produk Jadi . . . . . . . . . Biaya Bahan per 2009 . . . . . . . . . . . . . . . . . . . . . . . . Biaya Energi per 2009 . . . . . . . . . . . . . . . . . . . . . . . . Penghematan Biaya Sediaan WIP pada Keseimbangan Lintasan Alternatif II per 2009 . . . . . . . . . . . . . . . . . . . . . . . . . 4.57 Perhitungan Indeks Produktivitas Total . . . . . . . . . . . . . .
5.1 5.2 5.3 5.4
Permintaan Air Filter 4WV per 2006-2009 . . . . . . . . . . . . . Perbandingan Elemen Kerja pada Masing-Masing Alternatif Keseimbangan Lintasan . . . . . . . . . . . . . . . . . . . . . . . . . . Perbandingan Keseimbangan Lintasan . . . . . . . . . . . . . . . Persentase Biaya Masukan dari Penerimaan . . . . . . . . . . . .
170 170 171 172 174 175 184 185 187
Universitas Mercu Buana
DAFTAR GAMBAR Gambar
Halaman
2.1 2.2 2.3 2.4 2.5 2.6
Kurva Analisis ABC . . . . . . . . . . . . . Metode-Metode Peramalan . . . . . . . . . . Komponen-Komponen Data Deret Waktu . Kelonggaran berdasarkan Fungsinya . . . . . Contoh Penerapan Takt Time . . . . . . . . Kurva Peningkatan Produktivitas dan Kurva
. . . . . .
9 12 13 31 41 50
3.1
Bagan Arus untuk Metodologi Penelitian . . . . . . . . . . . . . .
62
4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12 4.13 4.14 4.15 4.16 4.17 4.18 4.19
Filosofi Denso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 Struktur Organisasi Denso Corporation . . . . . . . . . . . . . . . 67 Kepemilikan Modal dan Profil Pabrik PT Denso Indonesia . . . . 69 Tingkat Penjualan Air Filter 4WV per 2004-2007 . . . . . . . . . 71 Struktur Organisasi Departemen Filter Production . . . . . . . . 72 Kurva Analisis ABC Pemilihan Tipe Produk Prioritas . . . . . . . 75 Gambar Teknik untuk Tipe Produk A/F KF 7KE . . . . . . . . . 76 Struktur Produk untuk Tipe Produk A/F KF 7KE . . . . . . . . 78 Flow Process Chart untuk Proses Produksi A/F KF 7KE . . . . . 81 Process Control Chart untuk Proses Produksi A/F KF 7KE . . . 82 Diagram Alir untuk Lini Air Filter 4WV . . . . . . . . . . . . . . 85 Laporan Kaizen Inventory Activity . . . . . . . . . . . . . . . . . 96 Bagan Arus untuk Langkah-Langkah Peramalan . . . . . . . . . . 100 Plot Deret Waktu untuk Permintaan Air Filter 4WV per 2006-2008 101 Data Deseason dengan Model Multiplikatif . . . . . . . . . . . . . 104 Komponen Trend pada Model Multiplikatif . . . . . . . . . . . . . 105 Gelombang Cyclic . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 Keluaran Minitab untuk Metode Dekomposisi Multiplikatif . . . . 111 Data Deseason dengan Model Aditif . . . . . . . . . . . . . . . . . 113
xviii
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Penurunan Biaya
. . . . . .
Universitas Mercu Buana
xix
4.20 4.21 4.22 4.23 4.24 4.25 4.26 4.27 4.28 4.29 4.30 4.31 4.32 4.33 4.34 4.35 4.36 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9
Komponen Trend pada Model Aditif . . . . . . . . . . . . . . . . 114 Keluaran Minitab untuk Metode Dekomposisi Aditif . . . . . . . . 118 Plot Dekomposisi Deret Waktu untuk Peramalan per 2009 . . . . 120 Keluaran Minitab untuk Peramalan Tahun 2009 . . . . . . . . . . 121 Plot Deret Waktu untuk Ramalan Permintaan Air Filter 4WV per 2009 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 Bagan Arus untuk Langkah-Langkah Studi Waktu . . . . . . . . . 124 Uji Kenormalan Data . . . . . . . . . . . . . . . . . . . . . . . . . 127 Peta Kendali untuk Uji Keseragaman Data . . . . . . . . . . . . . 128 ¯ pada Uji Kecukupan Data . . . 131 Galat dalam Pendugaan µ oleh X Bagan Arus untuk Langkah-Langkah Keseimbangan Lintasan . . . 139 Keseimbangan Lintasan Alternatif I: Diagram Balok untuk Perkiraan Jumlah Sediaan WIP . . . . . . . . . . . . . . . . . . . . . . 145 Diagram Balok untuk Visualisasi Perbaikan Keseimbangan Lintasan148 Keseimbangan Lintasan Alternatif II: Diagram Balok untuk Perkiraan Jumlah Sediaan WIP . . . . . . . . . . . . . . . . . . . . . . 153 Bagan Arus untuk Langkah-Langkah Perencanaan Produksi . . . 155 Diagram Balok Perencanaan Produksi . . . . . . . . . . . . . . . 159 Bagan Arus untuk Langkah-Langkah Manpower Calculation . . . 161 Grafik Perbandingan Indeks Produktivitas Total . . . . . . . . . . 173 Diagram Balok untuk Galat Peramalan . . . . . . . . . . . . . . . Tracking Signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . Plot Permintaan Air Filter 4WV per 2006-2009 . . . . . . . . . . First Difference Test for Trend . . . . . . . . . . . . . . . . . . . . Evaluasi Waktu Gerakan Tak Bernilai Tambah . . . . . . . . . . . Evaluasi Waktu Gerakan Tak Bernilai Tambah pada Masing-Masing Alternatif Keseimbangan Lintasan . . . . . . . . . . . . . . . . . . Diagram Balok untuk Analisis Keseimbangan Lintasan . . . . . . Analisis Indeks Produktivitas Total . . . . . . . . . . . . . . . . . Persentase Biaya Masukan dari Penerimaan . . . . . . . . . . . .
177 177 178 179 181 182 183 187 188
Universitas Mercu Buana
DAFTAR RUMUS Rumus Halaman 2.1 Model Dekomposisi Multiplikatif . . . . . . . . . . . . . . . . . . . 13 2.2 Model Dekomposisi Aditif . . . . . . . . . . . . . . . . . . . . . . 13 2.3 Metode Dekomposisi Multiplikatif: Pemisahan Komponen Seasonal dan Irregular . . . . . . . . . . . . . . . . . . . . . . . . 16 2.4 Metode Dekomposisi Multiplikatif: Penetapan Komponen Seasonal 17 2.5 Metode Dekomposisi Multiplikatif: Pembebasan Data dari Pengaruh Seasonal . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.6 Model Regresi Linier Sederhana . . . . . . . . . . . . . . . . . . . 18 2.7 Model Regresi Linier Sederhana: Bilangan Tetap b (Slope) . . . . 18 2.8 Model Regresi Linier Sederhana: Bilangan Tetap a (Intercept) . . 18 2.9 Metode Dekomposisi Multiplikatif: Pemisahan Cyclic dan Irregular 19 2.10 Metode Dekomposisi Multiplikatif: Penetapan Komponen Cyclic . 19 2.11 Metode Dekomposisi Multiplikatif: Penetapan Komponen Irregular 19 2.12 Metode Dekomposisi Multiplikatif: Peramalan dengan Komponen Trend, Seasonal, dan Cyclic . . . . . . . . . . . . . . . . . . . . . 19 2.13 Metode Dekomposisi Multiplikatif: Peramalan dengan Komponen Trend dan Seasonal . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.14 Metode Dekomposisi Aditif: Pemisahan Komponen Seasonal dan Irregular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.15 Metode Dekomposisi Aditif: Penetapan Komponen Seasonal . . . 20 2.16 Metode Dekomposisi Aditif: Pembebasan Data dari Pengaruh Seasonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.17 Metode Dekomposisi Aditif: Pemisahan Cyclic dan Irregular . . . 21 2.18 Metode Dekomposisi Aditif: Penetapan Komponen Irregular . . . 21 2.19 Metode Dekomposisi Aditif: Peramalan dengan Komponen Trend, Seasonal, dan Cyclic . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.20 Metode Dekomposisi Aditif: Peramalan dengan Komponen Trend dan Seasonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.21 MAD (Mean Absolute Deviation) . . . . . . . . . . . . . . . . . . 22
xx
Universitas Mercu Buana
xxi
2.22 2.23 2.24 2.25 2.26 2.27 2.28 2.29 2.30 2.31 2.32 2.33 2.34 2.35 2.36 2.37 2.38 2.39 2.40 2.41 2.42 2.43 2.44 2.45 2.46 2.47 3.1 3.2 3.3 3.4 4.1 4.2
MSE (Mean Square Error) . . . . . . . . . . . . . . . MAPE (Mean Absolute Percentage Error) . . . . . . Statistik U-Theil . . . . . . . . . . . . . . . . . . . . Tracking Signal . . . . . . . . . . . . . . . . . . . . . Waktu Siklus (CT) . . . . . . . . . . . . . . . . . . . Waktu Normal (NT) . . . . . . . . . . . . . . . . . . Waktu Baku (ST) . . . . . . . . . . . . . . . . . . . . Uji Kenormalan Data dengan Uji Geary: Nilai U . . Uji Kenormalan Data dengan Uji Geary: Nilai Z . . Uji Kenormalan Data dengan Uji Geary: Pengujian . ¯ Uji Keseragaman Data: Batas Kendali pada X-charts
. . . . . . . 22 . . . . . . . 22 . . . . . . . 23 . . . . . . . 23 . . . . . . . 26 . . . . . . . 26 . . . . . . . 26 . . . . . . . 36 . . . . . . . 36 . . . . . . . 36 . . . . . . . 37 Simpangan Baku Sampel (S) . . . . . . . . . . . . . . . . . . . . 38 Uji Kecukupan Data: Jumlah Penarikan Sampel Xi yang Diperlukan (n0 ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 Penghampiran Simpangan Baku Populasi (σ) dengan Simpangan Baku Sampel (S) tanpa Derajat Bebas . . . . . . . . . . . . . . . 39 Tak Time Pelanggan . . . . . . . . . . . . . . . . . . . . . . . . . 40 Tak Time Operasi . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 Tundaan Seimbang (BD) . . . . . . . . . . . . . . . . . . . . . . . 42 Efisiensi Lini (LE) . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Indeks Kelancaran (SI) . . . . . . . . . . . . . . . . . . . . . . . . 43 Kosu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 Manufacturing Hours . . . . . . . . . . . . . . . . . . . . . . . . 46 Working Hours . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 Manpower Calculation . . . . . . . . . . . . . . . . . . . . . . . . 46 Produktivitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 Produktivitas Total . . . . . . . . . . . . . . . . . . . . . . . . . 51 Produktivitas Parsial . . . . . . . . . . . . . . . . . . . . . . . . 52 First Difference Test . . . . . . . . . . . . . . . . . . . . . . . . . 59 Pengujian First Difference Test . . . . . . . . . . . . . . . . . . . 60 Peubah µ untuk Pengujian First Difference Test . . . . . . . . . . 60 Peubah σ untuk Pengujian First Difference Test . . . . . . . . . . 60 Perhitungan Gaji Lembur . . . . . . . . . . . . . . . . . . . . . . 97 Pengukuran Produktivitas Total untuk Penelitian . . . . . . . . . 173
Universitas Mercu Buana
DAFTAR LAMBANG Lambang Dasar untuk Peta Kerja Operasi
Tundaan
Transportasi
Pemeriksaan Kuantitas
Penyimpanan
Pemeriksaan Kualitas
Lambang untuk Bagan Arus Proses
Dokumen
Putusan
Terminator
Tanda dan Lambang Matematika √ Lebih-kurang ( 4 = ±2)
=
Sama dengan
±
≈
Kira-kira sama dengan
>
Lebih daripada
÷ Dibagi P Jumlah dari
<
Kurang daripada
x¯
Rataan x
≥
Lebih daripada atau sama dengan
∵
Karena
≤
Kurang daripada atau sama dengan
∴
Oleh karena itu
Alfabet Yunani α
Alpha; taraf nyata <statistika>
µ
Mu; nilaitengah populasi <statistika>
π
Pi; ' 3, 14 . . .
σ
Sigma; simpangan baku populasi<statistika>
xxii
Universitas Mercu Buana
BAB I
PENDAHULUAN 1.1
Latar Belakang Masalah
Lini Air Filter 4WV (A/F 4WV), PT Denso Indonesia (DNIA), Sunter, Jakarta, adalah lini perakitan yang memproduksi filter udara mobil (car air filter ) untuk dipasok ke beberapa pabrikan mobil (original equipment manufacturers, OEM) dan pasar suku cadang otomotif (automotive aftermarket, A/M). Secara historis, jumlah permintaan (demand ) terhadap komponen ini menunjukkan peningkatan. Peningkatan permintaan diyakini akan terus berlanjut di tahun 2009 meskipun pada tahun tersebut sedang terjadi krisis ekonomi. Keyakinan ini bercermin pada krisis ekonomi tahun 1997/1998 lalu, di mana tingkat permintaan suku cadang justru meningkat karena masyarakat tidak lagi membeli kendaraan baru, tapi memanfaatkan kendaraan lama dan itu membutuhkan suku cadang1 . Ketika penulis mengunjungi pabrik DNIA, penulis mengamati bahwa peningkatan permintaan tidak disertai dengan peningkatan kemampuan reaksi (responsiveness) di lantai produksi, di mana kapasitas produksi belum sesuai (match) dengan kebutuhan pelanggan. Hal ini terlihat dari banyaknya perintah lembur (overtime) dari hari ke hari demi memenuhi permintaan. Jika permintaan berkecenderungan (trend ) naik sementara tidak ada upaya peningkatan (improvement) maka lembur akan memunculkan masalah baru seperti tingginya biaya dan pembebanan yang melebihi kemampuan (overburden) manusia atau peralatan. 1
Krisis belum berpengaruh, permintaan masih stabil, Posmetro Padang News (http://www .posmetropadang.com/content/view/7611/124, 2008, October 14), para 4
1
Universitas Mercu Buana
2
Masalah di atas tentunya berawal dari perencanaan (planning). Perencanaan produksi dan kapasitas diduga kurang akurat dalam memperkirakan kebutuhan aktual karena memiliki masukan (input) berupa data permintaan hasil peramalan (forecast). Kita tahu bahwa tidak ada ramalan yang memberikan hasil yang tepat, namun sistem peramalan yang lebih baik harus terus-menerus kita coba agar dapat meminimalkan senjangan antara ”rencana” dengan ”aktual”. Perencanaan yang tidak akurat tampak terlihat di lantai produksi, di mana stasiun kerja bottleneck memiliki waktu siklus yang lebih besar/lambat dari rencana takt time ’pacu kerja’ sehingga menciptakan waktu tunggu (lead time) yang lama bagi pelanggan. Ketidakseimbangan beban kerja (unbalanced workload ) lini perakitan pun tampak ketika bottleneck dirangkai oleh stasiun kerja yang memiliki waktu siklus yang lebih kecil/cepat dari takt time sehingga menciptakan sediaan WIP (work in process ’barang setengah jadi’) sepanjang waktu. Pada beberapa kejadian, akar permasalahan di atas adalah ”keseimbangan”. Teknik keseimbangan lintasan (line balancing) lebih sejalan dibanding analisis CRP (capacity requirement planning) dalam merencanakan kapasitas di lini perakitan. Penelaahan secara serius seluruh sistem keseimbangan lintasan merupakan terobosan penting dalam upaya meningkatkan produktivitas. Produktivitas yang tinggi dimulai dari perencanaan yang baik (good planning) untuk keseimbangan lintasan. Pemahaman yang baik (good understanding) atas sifat kedinamisan (the dinamic nature) keseimbangan lintasan akan menambah kemampuan reaksi terhadap banyak penyelaan yang terjadi setiap hari. Karena itu penting untuk penyeimbangan ulang tiada henti sampai keseimbangan proses berada pada tingkat ideal yang diharapkan (waktu siklus seluruh stasiun kerja tepat dengan takt time) untuk memastikan produktivitas tidak dikorbankan. Penyeimbangan lintasan saat permintaan yang cenderung naik mungkin memaksa penambahan tenaga kerja, namun di sisi lain mengurangi berbagai pemborosan lainnya. Oleh karena itu, kita perlu melihat bagaimana keluaran (output) akan berubah jika bersama masukan (input) berubah dengan melakukan: ”Analisis Produktivitas terhadap Penyeimbangan Lintasan”.
Universitas Mercu Buana
3
1.2
Rumusan Masalah
Dari uraian di atas maka rumusan masalahnya adalah sebagai berikut: apakah penyeimbangan lintasan akan meningkatkan produktivitas? 1.3
Tujuan Penelitian
Tujuan yang ingin dicapai dalam penelitian ini adalah: a. Memperoleh perkiraan tingkat permintaan di tahun 2009 agar managemen lantai produksi dapat menyiapkan kapasitas yang diperlukan. b. Memperoleh format-format keseimbangan lintasan beserta dengan kelebihan dan kekurangannya sehingga ada alternatif untuk pengambilan putusan. c. Memperoleh satu format keseimbangan lintasan yang terbaik berdasarkan tingkat produktivitasnya untuk diusulkan ke DNIA agar dapat menghadapi tingkat permintaan di tahun 2009. 1.4
Batasan Masalah
Batasan masalah dalam penelitian ini adalah sebagai berikut: a. Penelitian hanya dilaksanakan dalam managemen Lini A/F 4WV dari tanggal 18 Februari sampai dengan 18 Maret 2008. Data terbarukan diperoleh tanggal 21 Desember 2008 melalui wawancara dengan managemen Filter Production. b. Penyeimbangan lintasan dibatasi pada subsekuen assembly (stasiun kerja ke-1, ke-2, dan ke-3) dari Lini A/F 4WV karena penyeimbangan tidak mungkin dilakukan pada subsekuen finishing (stasiun kerja ke-4, ke-5, dan ke-6). c. Penelitian ini mengukur indeks produktivitas keseimbangan lintasan secara total, yaitu berupa rasio agregat finansial keluaran dengan agregat finansial masukan, namun sebatas yang dapat diperkirakan. d. Nilai-nilai uang diasumsikan tidak ada perubahan terhadap waktu sehingga tidak ada proses analisis ekonomika teknik (engineering economic). e. Penelitian membatasi dasar perencanaan tahun 2009 pada hasil peramalan model deret waktu (time series) karena penulis hanya mendapatkan data deret waktu dari permintaan agregat (aggregate demand ).
Universitas Mercu Buana
4
f. Peramalan mengasumsikan bahwa (1) permintaan hanya bergantung (dependent) terhadap waktu, (2) strategi pesaing (competitor ) relatif tetap, (3) kondisi politik relatif stabil, dan (4) kondisi yang menunjang keberhasilan periode ditentukan pada tingkat inflasi yang tidak melebihi dua digit. g. Produksi untuk memenuhi permintaan mengasumsikan bahwa bahan baku selalu tersedia dan tidak ada sediaan produk jadi di tangan di awal periode. h. Untuk perincian produk dalam penelitian ini dilakukan terhadap tipe produk terprioritas berdasarkan analisis ABC. Masukan analisis ABC dibatasi hanya pada jumlah produksi dan harga tiap tipe pada periode Januari-Februari 2008. i. Masukan waktu baku (standard time) untuk keseimbangan lintasan hanya didasarkan pada hasil studi waktu (time study) yang dilangsungkan tanggal 21-26 Maret 2008 terhadap produksi tipe produk terprioritas.
1.5
Metodologi Penelitian
Berikut keterangan ringkas metodologi penelitian: • Lokasi : Lini A/F 4WV, Departemen Filter Production, PT Denso Indonesia c/o Jl. Gaya Motor I No. 6, Sunter II, Tanjung Priok, Jakarta Utara. • Waktu : 18 Februari – 18 Maret 2008 (14 hari). • Materi : Subyek pengamatan adalah kebijakan dan produktivitas keseimbangan lintasan Lini A/F 4WV. • Data
: Data sekunder dan data primer.
• Metode : Penelitian berdasarkan studi lapangan (field research) dan studi kepustakaan (library research). • Teknik : (1) Teknik pengumpulan data: Pengamatan langsung (observation) dan wawancara (interview ). (2) Teknik pengolahan data: Proses perhitungan dan pengujian data berdasarkan landasan teori. • Hasil
: Dianalisis dan disimpulkan.
Penjabaran lebih rinci tentang metodologi penelitian ini disampaikan pada Bab III (Metodologi Penelitian).
Universitas Mercu Buana
5
1.6
Sistematika Penulisan
Penelitian ini disusun dalam suatu Laporan Tugas Akhir (TA). Sebagai pengantar pembacaan (foreword ), kita perlu mengemukakan sistematika penulisan Laporan TA sehingga didapatkan informasi secara garis besar. Adapun sistematika penulisan Laporan TA ini disusun dalam enam bab, yaitu sebagai berikut: Bab I. Pendahuluan berisikan tentang pengantar atau hal-hal umum yang dijadikan landasan kerja dan arah kerja penyusunan Laporan TA. Bab II. Landasan Teori berisikan tentang teori-teori yang akan dijadikan landasan untuk penelitian. Sumber kepustakaan dicantumkan dalam catatan kaki dan daftar pustaka. Bab III. Metodologi Penelitian berisikan tentang langkah-langkah penelitian dan apa saja yang diharapkan pada setiap langkah sehingga jelas bagi pembaca untuk menelusuri langkah-langkah penelitian. Bab IV. Pengumpulan dan Pengolahan Data berisikan tentang informasi data-data yang diperlukan beserta pengolahan data untuk analisis. Bab V. Hasil dan Analisis berisikan tentang pembahasan Laporan TA. Analisis berupa evaluasi dan perbandingan (comparison) dari hasil-hasil pengumpulan dan pengolahan data. Bab VI. Simpulan dan Saran berisikan tentang simpulan Laporan TA. Pada bab ini, kita dapat memperoleh beberapa jawaban dari tujuan penelitian yang disampaikan pada Bab I. Penulis juga akan menyampaikan saran-saran yang mungkin dan diperlukan untuk penelitian selanjutnya maupun untuk para pengambil putusan di perusahaan.
Universitas Mercu Buana
BAB II
LANDASAN TEORI
Peningkatan produktivitas secara esensial adalah misi para manajer produksi dan operasi. — T. Hani Handoko, Dosen FE UGM
Sebagaimana paparan masalah dalam bab pendahuluan, misi penelitian ini adalah menganalisis produktivitas penyeimbangan lintasan. Tujuannya adalah memperoleh satu format keseimbangan lintasan yang terbaik berdasarkan tingkat produktivitasnya agar lini perakitan dapat menyesuaikan diri dengan tingkat permintaan, mengurangi jam lembur, mengurangi sediaan WIP, dan mengurangi segala pemborosan lainnya. Penelitian ini memerlukan teknik-teknik pengolahan data yang dapat dipertanggungjawabkan dan teruji secara teoritis maupun praktis. Bab ini mencoba mengemukakan teori-teori yang dibutuhkan untuk pengolahan data penelitian. Kebutuhan teori diidentifikasikan berdasarkan alasan sebagai berikut: • Analisis produktivitas karena penelitian ini akan melihat naik atau turunnya indeks produktivitas dari beberapa alternatif kondisi keseimbangan lintasan. • Keseimbangan lintasan karena ini teknik yang paling mungkin untuk meningkatkan produktivitas dari suatu lini perakitan. • Peramalan karena permintaan sebagai dasar perencanaan satu tahun ke depan adalah bersifat tidak pasti. • Studi waktu karena masukan utama keseimbangan lintasan adalah waktu baku operasi dan untuk mendapatkan waktu baku tersebut dibutuhkan studi waktu.
6
Universitas Mercu Buana
7
• Perencanaan produksi dan manpower calculation (MPC) karena perbaikan keseimbangan lintasan akan mempengaruhi rencana produksi yang selanjutnya mempengaruhi jumlah tenaga kerja dan jam lembur pada MPC. • Analisis ABC karena ada keterbatasan waktu penelitian maka rincian informasi/pengukuran/perhitungan tertentu hanya dapat dilakukan pada satu tipe produk. Analisis ABC ini menentukan tipe produk terpilih/prioritas yang diasumsikan dapat mewakili keluarga produk. • Teori biaya karena indeks produktivitas yang akan diukur adalah berupa rasio finansial yang dimunculkan dari perbaikan keseimbangan lintasan, dan untuk itu kita perlu mengetahui sifat-sifat biaya. Karena PT Denso Indonesia (DNIA) menerapkan sistem TPS (Toyota Production System—Toyota Seisan Houchiki ), penulis menggunakan prinsip lean manufacturing untuk keseimbangan lintasan yang dalam lingkungan ini membutuhkan nilai rujukan takt time. Sedangkan untuk strategi perencanaan produksi, TPS umumnya menggunakan strategi produksi stabil (level strategy). Jadi, landasan teori yang dibutuhkan dalam penelitian adalah secara berurutan sebagai berikut: 1. analisis ABC, 2. peramalan (forecasting), 3. studi waktu (time study), 4. takt time, 5. keseimbangan lintasan (line balancing) dalam lean manufacturing, 6. perencanaan produksi tingkat agregat (production plan/aggregate planning) dengan produksi stabil (level strategy), 7. manpower calculation, 8. teori biaya produksi, dan 9. analisis produktivitas. Selanjutnya adalah pembahasan mengenai teori-teori di atas.
Universitas Mercu Buana
8
2.1
Analisis ABC Pola distribusi pendapatan penduduk pada dasarnya sama di seluruh negara dan di sepanjang sejarah. ...hanya sebagian yang sangat kecil dari penduduk memiliki sebagian besar dari pendapatan seluruh penduduk, dan sebaliknya pula, sebagian besar penduduk hanya memiliki sebagian saja dari pendapatan seluruh penduduk. — Vilfredo Pareto, Ekonom dan Sosiolog Italia
Analisis ABC adalah metode dalam managemen sediaan untuk mengendalikan sejumlah kecil barang, tetapi mempunyai nilai investasi yang tinggi. Analisis ABC didasarkan pada sebuah konsep yang dikenal dengan nama Hukum Pareto (Ley de Pareto), dari nama ekonom dan sosiolog Italia, Vilfredo Pareto (1848-1923). Hukum Pareto menyatakan bahwa sebuah grup selalu memiliki persentase terkecil (20%) yang bernilai atau memiliki dampak terbesar (80%). Pada tahun 1940-an, Ford Dickie dari General Electric mengembangkan konsep Pareto ini untuk menciptakan konsep ABC dalam klasifikasi barang sediaan. Berdasarkan hukum Pareto, analisis ABC dapat menggolongkan barang berdasarkan peringkat nilai dari nilai tertinggi hingga terendah, dan kemudian dibagi menjadi kelas-kelas besar terprioritas; biasanya kelas dinamai A, B, C, dan seterusnya secara berurutan dari peringkat nilai tertinggi hingga terendah, oleh karena itu analisis ini dinamakan ”Analisis ABC”. Umumnya kelas A memiliki jumlah jenis barang yang sedikit, namun memiliki nilai yang sangat tinggi. Dalam hal ini, penulis akan menggunakan tiga kelas, yaitu: A, B, dan C, di mana besaran masing-masing kelas ditentukan sebagai berikut1 : a. Kelas A, merupakan barang-barang dalam jumlah unit berkisar 15-20% dari total seluruh barang, tetapi merepresentasikan 75-80% dari total nilai uang. b. Kelas B, merupakan barang-barang dalam jumlah unit berkisar 20-25% dari total seluruh barang, tetapi merepresentasikan 10-15% dari total nilai uang. c. Kelas C, merupakan barang-barang dalam jumlah unit berkisar 60-65% dari total seluruh barang, tetapi merepresentasikan 5-10% dari total nilai uang. Besaran masing-masing kelas di atas akan membentuk suatu kurva sebagaimana terlihat pada Gambar 2.1 di bawah ini. 1
Besaran masing-masing kelas, lihat: Sutarman, Perencanaan persediaan bahan baku dengan model backorder (Infomatek Vol. 5 No. 3, September 2003), pp. 144—145
Universitas Mercu Buana
9
Persentase nilai uang barang
100 90 80
Kelas C
70 60 50
Kelas B
40 30 20
Kelas A
10 0 0
10
20
30 40 50 60 70 Persentase barang
80
90
100
Gambar 2.1. Kurva Analisis ABC
Adapun langkah-langkah atau prosedur klasifikasi barang dalam analisis ABC adalah sebagai berikut: a. Menentukan jumlah unit untuk setiap tipe barang. b. Menentukan harga per unit untuk setiap tipe barang. c. Mengalikan harga per unit dengan jumlah unit untuk menentukan total nilai uang dari masing-masing tipe barang. d. Menyusun urutan tipe barang menurut besarnya total nilai uang, dengan urutan pertama tipe barang dengan total nilai uang paling besar. e. Menghitung persentase kumulatif barang dari banyaknya tipe barang. f. Menghitung persentase kumulatif nilai uang barang dari total nilai uang. g. Membentuk kelas-kelas berdasarkan persentase barang dan persentase nilai uang barang. h. Menggambarkan kurva analisis ABC (diagram Pareto) atau menunjuk tingkat kepentingan masalah. Dengan analisis ABC, kita dapat melihat tingkat kepentingan masalah dari suatu barang. Dengan begitu, kita dapat melihat barang mana saja yang perlu diberikan perhatian terlebih dahulu.
Universitas Mercu Buana
10
2.2
Peramalan Perencanaan dengan peramalan akan lebih baik ketimbang perencanaan tanpa peramalan (Anonim)
Peramalan (forecasting/predicting 2 ) merupakan basis data (data base) yang paling berguna dan penting untuk pengambilan putusan managemen. Sangat sedikit, bila ada, perencanaan managemen dapat dilakukan tanpa suatu peramalan3 . Dalam Laporan TA ini, kita juga membutuhkan peramalan permintaan sebagai dasar perencanaan. 2.2.1
Batasan Peramalan
Peramalan yang dimaksud di sini adalah peramalan permintaan atau peramalan penjualan. Batasan peramalan penjualan (sales forecast) menurut IIE (Institute of Industrial Engineers) adalah: An estimate of sales, in dollars and/or physical units for a specified future period under a proposed marketing plan or program and under an assumed set of economic and other forces outside the unit for which the forecast is made.4 Jadi, peramalan dalam dunia bisnis tidak saja mempertimbangkan lingkungan internal organisasi; yang cenderung lebih mudah dikendalikan, tetapi juga lingkungan eksternal (e.g., masyarakat, pemerintah, teknologi, budaya, ekonomi, politik) yang sulit dikendalikan. Walaupun demikian, menurut Assauri data masa lalu yang relevan dapat digunakan untuk membuat peramalan5 . Peramalan tersebut dapat didasarkan atas bermacam-macam cara yang kita kenal dengan metode peramalan. 2
3 4 5
Forecasting lebih sempit karena hanya menyangkut data deret waktu (time series) saja, sedang predicting lebih luas karena tidak saja berdasarkan data deret waktu, melainkan juga data lain. Lihat: Moris, Forecasting dictionary (http://morris.wharton.upenn.edu/ forecast/dictionary/defined%20terms.html#F, 2008) (Buffa, 1983/1994, p. 55) Sales forecast (IIE distribution & marketing terminology: http://www.iienet2.org/ Details.aspx?id=1832, 2009) Sopjan Assauri, Teknik & metoda peramalan: Penerapannya dalam ekonomi ekonomi & dunia usaha, 1st ed. (Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, 1984), p. 7
Universitas Mercu Buana
11
2.2.2
Metode-Metode Peramalan
Metode peramalan akan membantu dalam menganalisis tingkah laku atau pola dari data masa lalu sehingga dapat memberikan cara pemikiran, pengerjaan, dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang dibuat, atau yang disusun. Secara umum, metode peramalan terbagi atas dua pendekatan, yaitu6 : a. Pendekatan kuantitatif atau statistika, yang berupaya mengolah angka-angka historis dengan teknik-teknik statistika untuk mendapatkan gambaran masa depan. Terdapat dua model untuk pendekatan kuantitatif ini, yaitu: 1) Model deret waktu (time series model ), yang memiliki pola hubungan peubah (variable) yang akan diramalkan bergantung (dependent) dengan peubah bebas (independent) ’waktu’. Jadi, peubah yang akan diramalkan diasumsikan merupakan fungsi dari waktu. Hal ini sederhana dan relevan, sebagai contoh: puncak penjualan kambing akan selalu terjadi pada bulan Dzulhijjah penanggalan Hijriah. 2) Model kausal atau sebab-akibat (causal model ), yang memiliki pola hubungan peubah yang akan diramalkan bergantung dengan peubah bebas ’yang bukan waktu’. Jadi, peubah yang akan diramalkan diasumsikan bergantung terhadap peubah bebas lain, misal: penjualan terhadap tingkat inflasi. b. Pendekatan kualitatif atau subyektif, yang berupaya memasukkan beberapa taksiran dan pendapat dari berbagai sumber (e.g., para eksekutif, bagian penjualan, pelanggan) ke dalam peramalan. Metode ini akan sangat bermanfaat apabila data kuantitatif yang akurat sulit diperoleh. Dari kedua pendekatan peramalan di atas, terciptalah berbagai model dan metode yang sampai saat ini terus digunakan dan dikembangkan. Beberapa metode ada yang berdasarkan prinsip statistika dan nonstatistika; yang menyertakan data deret waktu dan gabungan data deret waktu dengan data lain. Gambar 2.2 memperlihatkan contoh metode-metode yang dimaksud. 6
Lihat juga: James B. Dilworth, Production and operations management: Manufacturing and nonmanufacturing, 4th ed. (New York: Random House, Inc., 1989), fig. 3.3; p. 99
Universitas Mercu Buana
7 Peubah bebas adalah waktu
KOMBINASI DERET WAKTU DAN KAUSAL ▪ Intervention Model ▪ Transfer Function (ARIMAX) ▪ VARIMA (VARIMAX) ▪ Jaringan Saraf Tiruan
Jaringan Saraf Tiruan (Neural Network)
ARIMA
Metode Dekomposisi
Regresi Sederhana
Jaringan Saraf Tiruan
Regresi Berganda
Regresi Sederhana
MODEL KAUSAL
Exponential Smoothing
Rataan Bergerak
Metode Naïve
MODEL DERET WAKTU
PENDEKATAN KUANTITATIF / STASTIKAL
Survei Pasar Pelanggan
Komposit Kekuatan
Opini Juri Eksekutif
Sumber: Box, G.E.P. & G.M. Jenkins. (1994). Time series analysis: Forecasting and control, (3rd ed.). New Jersey: Prentice Hall. Hanke, J.E & A.G. Reitsch. (1989). Business forecasting, (4th ed.). Boston: Allyn & Bacon. Makridakis, S.G., et all. (1992). Metode dan aplikasi peramalan, (2nd ed.), Vol. 1. Jakarta: Erlangga. Wei, W.W. (1989). Time series analysis: Univariate and multivariate methods. New York: Addison‐Wesley
Lebih dari satu peubah bebas
Satu peubah bebas
Metode Delphi
PENDEKATAN KUALITATIF / SUBYEKTIF
METODE‐METODE PERAMALAN
12
Gambar 2.2. Metode-Metode Peramalan
Walaupun demikian, tidak ada satu pun metode peramalan yang mem-
berikan hasil yang benar dan tepat, semuanya menghasilkan galat (error ). Peng-
gunaan data deret waktu dengan prinsip-prinsip statistika dapat menjadi ba-
han penolong yang cepat saat peramalan. Teknik statistika memiliki tingkat
ketepatan tinggi (meminimalkan galat), lebih sistematis dan lebih populer peng-
gunaannya7 . Selanjutnya adalah penjelasan tentang model deret waktu.
Model deret waktu memiliki tingkat akurasi kedua setelah analisis pasar, lihat: Vincent Gaspersz, Production planning and inventory control berdasarkan pendekatan sistem terintegrasi MRP II dan JIT menuju manufakturing 21, 5th ed. (Jakarta: Gramedia Pustaka Utama, 2005)
Universitas Mercu Buana
13
2.2.3
Model Deret Waktu
Data deret waktu merupakan data yang dikumpulkan, dicatat, atau diamati sepanjang waktu secara berurutan. Periode waktu dapat tahun, kuartal, bulan, minggu, hari, atau bahkan jam. Dalam data deret waktu, kita akan melihat empat komponen yang mempengaruhi suatu pola data masa lalu dan sekarang, yang cenderung berulang di masa mendatang. Gambar 2.3 memperlihatkan contoh pola data tersebut.
Permintaan
Puncak Seasonal
Komponen Trend
Efek Cyclic
Grafik permintaan aktual Rataan permintaan Irregular atau variasi acak
Komponen Data Deret Waktu
inset:
Trend ‘kecenderungan’ (T): Komponen jangka panjang yang mendasari pertumbuhan (atau penurunan) suatu data deret waktu. Cyclic ‘siklis’ (C): Suatu pola gerak berulang atau siklus dari data deret waktu akibat perubahan kondisi ekonomi. Seasonal ‘musiman’ (S): Fluktuasi musiman yang sering dijumpai pada data kuartalan, bulanan atau mingguan. Irregular ‘takteratur’ (I): Pola acak yang disebabkan oleh peristiwa yang tidak dapat diprediksi atau tidak beraturan.
Waktu
Gambar 2.3. Komponen-Komponen Data Deret Waktu
Dengan memisalkan bahwa deret waktu itu ditunjukkan oleh peubah Permintaan (lihat sumbu vertikal pada Gambar 2.3), sedang peubah-peubah T , C, S, dan I menunjukkan trend, cyclic, seasonal, dan irregular itu, berturut-turut, maka secara simbolis dapatlah dituliskan: P ermintaan = T × C × S × I.
(2.1)
Persamaan (2.1) sering disebut sebagai model multiplikatif (multiplicative). Beberapa ahli statistika ada yang lebih menyukai model aditif (additive), yang dituliskan oleh Persamaan (2.2) berikut: P ermintaan = T + C + S + I.
(2.2)
Pada dasarnya, Persamaan (2.1) dan (2.2) tidak berbeda dalam menunjukkan hubungan antar komponen. Perbedaan akan terlihat pada pembentukkan variasi musiman, di mana (2.2) lebih cocok untuk variasi musiman konstan8 . 8
Contoh pola data model multiplikatif dan aditif, lihat: James B. Dilworth, Op cit., p. 118
Universitas Mercu Buana
14
Uraian di atas menyimpulkan bahwa peramalan dengan pendekatan model deret waktu adalah penyelidikan mengenai peubah-peubah T , C, S, dan I. Penyelidikan ini sering disebut dekomposisi, yaitu: penguraian deret waktu ke dalam gerak-gerak komponennya. Dari pilihan metode pada Gambar 2.2, metode dekomposisi adalah metode yang paling memungkinkan untuk penyelidikan suatu deret waktu. Langkahlangkah metode dekomposisi akan disampaikan pada Subanak Bab 2.2.4. Agar suatu metode peramalan dapat meminimalkan galat, prinsip umum yang penting untuk dipahami adalah9 : a. Peramalan lebih akurat untuk kelompok barang yang lebih besar10 . b. Peramalan lebih akurat untuk periode yang lebih pendek. c. Setiap peramalan harus disertai taksiran galat peramalan. d. Metode peramalan harus diuji sebelum menerapkan sistem peramalan. Beberapa langkah yang perlu dilakukan dalam peramalan deret waktu adalah: a. Mem-plot-kan data historis dengan grafik cacing (line chart), di mana sumbu tegak (sumbu y) adalah peubah permintaan dan sumbu mendatar (sumbu x) adalah peubah waktu. b. Menganalisis pola data yang terbentuk (pengujian komponen-komponen deret waktu) dan penetapan metode yang paling tepat untuk pola data tersebut. c. Mencoba metode peramalan pada periode-periode historis. d. Mengukur galat dari hasil percobaan peramalan tersebut terhadap data historis yang aktual. e. Mengambil putusan untuk memakai metode tertentu berdasarkan pertimbangan yang ada atau mencoba mendapatkan metode yang lebih baik lagi. f. Membuat peramalan untuk masa depan dengan metode yang terpilih. 9
Lihat: George W. Plossl & Oliver W. Wight, Production and inventory control : Principles and techniques (New Delhi: Prentice-Hall of India Private Limited, 1979), p. 18 10 Maksudnya pada tingkat keluarga produk. Lihat juga: Vincent Gaspersz, Op cit., pp. 76—77
Universitas Mercu Buana
15
2.2.4
Metode Dekomposisi
Dari pandangan statistika, ada beberapa kelemahan dari pendekatan dekomposisi. Orangorang lapangan walaupun banyak mengetahui kelemahan-kelemahan ini, namun telah dapat mempergunakannya secara berhasil di dalam praktek. — Sopjan Assauri, Dosen FE UI
Prinsip dasar metode dekomposisi adalah mendekomposisi (memecah) data deret waktu menjadi beberapa komponen dan mengidentifikasi masing-masing komponen tersebut secara terpisah. Tujuan pemisahan adalah untuk membantu meningkatkan ketepatan peramalan dan membantu pemahaman atas perilaku deret data secara lebih baik11 . Metode dekomposisi deret waktu (time series decomposition method ) digunakan dan dikembangkan oleh United States Bureau of Census (Biro Sensus Departemen Perdagangan Amerika Serikat) untuk meramalkan indikator-indikator perdagangan. Oleh karena itu, metode dekomposisi ini dikenal juga dengan nama Metode Census. Dalam segi kemutakhiran perhitungannya metode ini terdiri dari: Metode Census I (dekomposisi klasik), Metode Census II (contoh varian terkenalnya adalah X-11), dan Metode STL (a Seasonal-Trend decomposition procedure based on Loess) Decomposition12 . Di sini, kita membatasi pembahasan pada dekomposisi klasik (Metode Census I) dengan dua model, yaitu multiplikatif dan aditif. Karena prinsip dasar metode dekomposisi; yang memungkinkan penggunaan berbagai metode statistika, maka langkah-langkah metode dekomposisi ini sangat bervariasi. Dalam hal ini, penulis menggunakan langkah-langkah yang sama dengan langkah-langkah perhitungan perangkat-lunak (software) Minitab agar hasilnya dapat dibandingkan dengan keluaran Minitab. 11
Spyros G. Makridakis, Steve C. Wheelwright, & Victor E. McGee, Metode dan Aplikasi Peramalan, 2nd ed. (Jakarta: Erlangga, 1992) 12 Perangkat-lunak untuk mengerjakan Metode Census adalah: Minitab untuk Metode Census I dan STATISTICA untuk Metode Census II. Buku yang membahas ketiga Metode Census ini, lihat: Spyros G. Makridakis, Steve C. Wheelwright, & Rob J. Hyndman, Forecasting: Methods and Applications, 3rd ed. (New York: John Wiley & Sons, Inc., 1998)
Universitas Mercu Buana
16
a.
Langkah-Langkah Dekomposisi Multiplikatif
Model dekomposisi multiplikatif adalah sama dengan Persamaan (2.1), yaitu: P ermintaan = T × C × S × I. Berikut akan dijelaskan langkah-langkah metode dekomposisi multiplikatif. 1) Memisahkan Komponen Seasonal dan Irregular (SI ) Memisahkan komponen S dan I berarti membagi data aktual (yang merupakan gabungan multiplikatif/perkalian antara T , C, S, dan I) dengan komponen T (trend ) dan C (cyclic), atau dapat dituliskan: SI =
T CSI . TC
Nilai TC dapat dicari dengan: • rataan sederhana (simple averages), • rasio trend (ratio-to-trend ), atau • rasio rataan bergerak (ratio-to-moving averages). Di sini kita menggunakan rasio rataan bergerak karena lebih banyak dipakai (termasuk oleh Minitab). Rasio rataan bergerak dapat kita cari dengan metode moving average (MA) atau center moving average (CMA) dengan Panjang N = Panjang seasonal dan hasil perhitungannya berada ”periode tengah” panjang seasonal tersebut. Oleh karena itu, MA digunakan untuk panjang seasonal berjumlah ganjil, sedangkan untuk panjang seasonal berjumlah genap hasil perhitungan akan berada di ”setengah periode” sehingga perlu dilakukan MA lagi agar tepat berada di ”periode tengah” panjang seasonal (di Minitab, prosedur ini disebut CMA). Jadi, prosedur memisahkan komponen S dan I dapat dituliskan sebagai berikut: SI =
T CSI T CSI = . TC CM A
(2.3)
Universitas Mercu Buana
17
2) Menetapkan Komponen Seasonal (S ) Rataan medial ; yang merupakan bentuk rataan pada bulan yang sama, dapat menghilangkan unsur irregular I sehingga yang tersisa hanya indeks musiman ¯ dikali rataan irregular (I) ¯ sama dengan indeks S. Karena rataan seasonal (S) musiman S maka dapat dituliskan: ¯ S = S¯ × I.
Sifat khas yang dimiliki komponen seasonal adalah apabila nilai-nilai P dari indeks musiman pada periode t dijumlahkan ( St ) sebanyak panjang seasonal (L) maka hasilnya akan sama dengan panjang seasonal itu sendiri13 . Hal tersebut secara matematis dapat ditunjukkan sebagai berikut: L X
St = L.
t=1
¯ yaitu: Dengan begitu kita mendapatkan faktor koreksi untuk I, , L X L S¯t . t=1
Jadi, prosedur menetapkan komponen S atau indeks musiman dapat dituliskan sebagai berikut: , L ! X S = S¯t L S¯t .
(2.4)
t=1
3) Menetapkan Komponen Trend (T ) Di sini, langkah-langkah yang akan kita tempuh untuk menentukan trend adalah sama dengan langkah-langkah dalam analisis regresi, di mana terdapat peubah bergantung y dan peubah bebas x. Dalam analisis deret waktu, peubah y adalah ”permintaan yang diamati” dan peubah x adalah ”waktu”. Sebaiknya data yang dipergunakan sebagai dasar perhitungan trend adalah lebih dari 15 satuan waktu. 13
J. A. White, Production handbook, 4th ed. (Canada: John Wiley & Sons,1987)
Universitas Mercu Buana
18
Karena pada langkah sebelumnya kita telah mampu membuat indeks musiman, maka agar penafsiran trend lebih baik, peubah y perlu dibebaskan dari pengaruh musiman. Cara pembebasan pengaruh musiman atau deseason adalah dengan membagi data aktual pada periode t dengan indeks musiman hasil Persamaan (2.4), atau dapat dituliskan sebagai berikut: T CSI . S
y = Deseason = T CI =
(2.5)
Selanjutnya, apabila bentuk pola data deseason membentuk garis lurus, maka diasumsikan terdapat trend linear sehingga dapat dihitung dengan persamaan umum untuk garis lurus, yaitu sebagai berikut: yˆ = a + bx.
(2.6)
Peubah waktu kita nyatakan dengan x dan nilai teramal atau nilai y dihitung kita nyatakan dengan yˆ untuk membedakan dengan nilai y diamati (hasil Persamaan 2.5), sedang a adalah bilangan tetap yang menyatakan perpotongan (intercept) dengan sumbu tegak dan b menyatakan kemiringan (gradient) garis. Bilangan-bilangan tetap ini harus kita cari, yaitu dengan memisalkan {(xi , yi ); i = 1, 2, . . . , n} maka: n b=
n X
xi y i −
i=1
n
n X
xi
i=1
n X
x2i −
i=1
n X
yi
i=1
n X
(2.7)
!2 xi
i=1
dan n X
a=
x2i
i=1
·
n X
yi −
i=1
n
n X i=1
x2i −
n X
xi ·
i=1 n X
n X i=1
!2
n X
xi y i =
yi − b
i=1
n X i=1
n
xi .
(2.8)
xi
i=1
Jika nilai a dan b sudah diketahui, maka Persamaan 2.6 dapatlah kita cari14 . 14
Untuk memahami bagaimana mencari a dan b dari garis yˆ = a + bx, lihat: Amudi Pasaribu, Pengantar statistik, 6th ed. (Jakarta: Ghalia Indonesia, 1983), pp. 302—305
Universitas Mercu Buana
19
4) Menetapkan Komponen Cyclic (C ) Penetapan nilai cyclic pada metode dekomposisi multiplikatif adalah dengan terlebih dahulu mengisolasi nilai cyclic C dan irregular I, yaitu sebagai berikut:
CI =
T CSI . TS
(2.9)
Hasil pembagian tersebut merupakan data yang hanya mengandung nilai C dan I. Untuk mendapatkan nilai C-nya saja, data kemudian di”mulus”-kan dengan menggunakan rataan bergerak tiga bulanan terpusat atau CMA(3), yaitu sebagai berikut: Ct =
CIt−1 + CIt + CIt+1 . 3
(2.10)
5) Menetapkan Komponen Irregular (I ) Dari pengisolasian C dan I serta ditemukannya komponen C, maka dapat dituliskan nilai I sebagai berikut: I=
CI . C
(2.11)
6) Membuat Peramalan Hal yang perlu diperhatikan dalam peramalan ini adalah: • Jika nilai irregular I sama dengan atau mendekati 1 maka pola data tidak mengandung komponen irregular. Model peramalan pada periode t atau Ft yang digunakan adalah: Ft = Tt × Ct × St .
(2.12)
• Jika nilai cyclic C dan nilai irregular I sama dengan atau mendekati 1 maka pola data tidak mengandung komponen cyclic maupun irregular. Model peramalan pada periode t atau Ft yang digunakan adalah: Ft = Tt × St .
(2.13)
Universitas Mercu Buana
20
b.
Langkah-Langkah Dekomposisi Aditif
Model dekomposisi aditif adalah sama dengan Persamaan (2.2), yaitu: P ermintaan = T + C + S + I. Berikut akan dijelaskan langkah-langkah metode dekomposisi aditif. 1) Memisahkan Komponen Seasonal dan Irregular (SI ) Memisahkan komponen S dan I dari gabungan aditif/pertambahan T , C, S, dan I dapat dituliskan sebagai berikut: S + I = (T + C + S + I) − (T + C).
Nilai T + C dapat kita cari dengan metode CMA, sehingga: S + I = (T + C + S + I) − CM A.
(2.14)
2) Menetapkan Komponen Seasonal (S ) Konsep rataan medial (bentuk rataan pada bulan yang sama) akan kembali digunakan untuk menghilangkan unsur irregular I. Pada metode dekomposisi ¯ dikurang aditif, indeks musiman S adalah sama dengan rataan seasonal (S) ¯ atau dapat dituliskan: rataan irregular (I) ¯ S = S¯ − I. ¯ adalah dengan meratakan Untuk menghilangkan rataan irregular (I) S¯ menjadi S¯ sehingga dapat dituliskan: ¯ S = S¯ − S.
(2.15)
3) Menetapkan Komponen Trend (T ) Penetapan trend adalah sama dengan metode dekomposisi multiplikatif, yaitu menggunakan Persamaan (2.6), (2.7), dan (2.8) terhadap nilai deseasson: y = Deseason = T + C + I = (T + C + S + I) − (S).
(2.16)
Universitas Mercu Buana
21
4) Menetapkan Komponen Cyclic (C ) Penetapan nilai cyclic pada metode dekomposisi aditif adalah dengan mengisolasi nilai cyclic C dan irregular I, yaitu sebagai berikut: CI = (T + C + S + I) − T − S.
(2.17)
Memisahkan nilai C dari CI dengan CMA(3); sama seperti Persamaan (2.10) pada langkah-langkah metode dekomposisi multiplikatif, yaitu sebagai berikut: Ct =
CIt−1 + CIt + CIt+1 . 3
5) Menetapkan Komponen Irregular (I ) Dari pengisolasian C dan I serta ditemukannya komponen C, maka dapat dituliskan nilai I sebagai berikut: I = CI − C.
(2.18)
6) Membuat Peramalan Apabila pola data tidak mengandung komponen irregular, maka model peramalan pada periode t atau Ft yang digunakan adalah: F t = Tt + C t + S t .
(2.19)
Selanjutnya, apabila pola data tidak mengandung komponen cyclic maupun irregular, maka modelnya adalah: F t = Tt + S t .
(2.20)
Universitas Mercu Buana
22
2.2.5
Statistika Uji untuk Peramalan
Uji-uji statistik yang akan digunakan dalam peramalan ini adalah pengukuran galat dengan MAD, MSE, dan MAPE; pemantauan (monitoring) dan pengendalian (controlling) peramalan dengan tracking signal ; dan pengukuran U-Theil sebagai dasar perbandingan relatif terhadap metode na¨ıve. a.
MAD, MSE, dan MAPE
Dalam banyak situasi peramalan, pengujian terhadap galat (error ); yaitu selisih yang terjadi antara nilai peramalan (Ft ) dengan nilai aktual/historis (At ), dipandang sebagai cara untuk melihat ketepatan suatu metode peramalan. Cara pengukuran galat diantaranya MAD, MSE, dan MAPE15 . 1) MAD (mean absolute deviation) adalah pengukuran galat dengan angka-angka mutlak galat untuk menghindari galat positif dan negatif yang akan saling menghilangkan. Jika n adalah jumlah periode yang diselidiki, maka MAD dapat dituliskan sebagai berikut: n
1X |At − Ft |. M AD = n t=1
(2.21)
2) MSE (mean square error ) adalah pengukuran galat yang memperhatikan galat secara lebih teliti dengan ”menghukum” nilai galat tersebut lebih tinggi. MSE dapat dituliskan sebagai berikut: n
1X M SE = (At − Ft )2 . n t=1
(2.22)
3) MAPE (mean absolute percentage error ) adalah rataan persentase galat mutlak dari data aktual. Persentase ideal yang diharapkan adalah 0%. MAPE dapat dituliskan sebagai berikut: n 100 X At − Ft M AP E = At . n t=1 15
(2.23)
Lihat juga: James B. Dilworth, Op cit., pp. 96—98
Universitas Mercu Buana
23
b.
Statistik U-Theil
Akan sangat bermanfaat jika terdapat ukuran yang dapat mempertimbangkan ketidakseimbangan biaya dari komponen galat yang besar dan memberikan dasar perbandingan relatif terhadap metode na¨ıve. Salah satu ukuran itu adalah statistik U dari Henri Theil (U-Theil)16 yang secara matematis dapat dituliskan: s n 1X (Ft − At )2 n t=1 s n . (2.24) U -T heil = s n 1X 2 1X 2 F + A n t=1 t n t=1 t Kisaran nilai statistik U-Theil dapat disimpulkan sebagai berikut: • Jika U = 1, maka metode na¨ıve sama baiknya dengan metode formal. • Jika U < 1, maka hasil metode formal lebih baik daripada metode na¨ıve. • Jika U > 1, maka hasil metode formal tidak lebih baik daripada metode na¨ıve.
c.
Tracking Signal
Tracking signal adalah ukuran sejauh mana nilai peramalan dapat memprediksi data aktual (lebih kecil atau lebih besar dari data aktual). Tracking signal merupakan suatu rasio dari running sum of forecast error ’galat peramalan kumulatif’ (RSFE) dan MAD, yang dapat dituliskan sebagai berikut17 : n X
RSF E T racking signal = = M AD
(At − Ft )
t=1
M AD
.
(2.25)
Tracking signal yang bagus adalah seimbang dan terkendali. Seimbang berarti memiliki galat positif dan negatif yang sama banyak sehingga pusatnya mendekati nol.
Terkendali berarti nilai-nilai tracking signal diantara nilai UCL (upper
control limit ’batas kendali atas’) dan LCL (lower control limit ’batas kendali bawah’). Nilai UCL dan LCL yang disarankan para pakar18 adalah sebesar ±4. 16
Lihat juga theil inequality coefficient dalam: EViews (Version 5.0) [Computer software] (Irvine-CA: Quantitative Micro Software, LLC, 2004), p. 538 17 Lihat juga: James B. Dilworth, Op cit., pp. 129—130 18 George W. Plossl dan Oliver W. Wight dalam Vincent Gaspersz, Op cit., p. 81
Universitas Mercu Buana
24
2.3
Studi Waktu
Studi waktu (time study) adalah salah satu sub kajian dalam bidang analisis perancangan kerja (job design). Dalam hal ini studi waktu adalah suatu langkahlangkah pendekatan terhadap waktu kerja, di mana waktu kerja adalah salah satu masukan paling berharga untuk analisis perancangan kerja. Batasan studi waktu menurut Niebel dan Freivalds adalah prosedur pengambilan waktu dengan jam-henti (stopwatch) untuk menetapkan standar-standar19 . Salah satu standar yang dimaksud adalah standard time atau waktu baku, yaitu waktu baku yang diperlukan untuk melakukan suatu pekerjaan atau bagian dari pekerjaan. Batasan studi waktu di atas menekankan pada kata ”jam-henti” karena terdapat lima teknik untuk menetapkan waktu baku, yaitu: a. Pendekatan historikal (historical experience), yang berdasarkan pengalaman historis, cara ini sering bersifat subyektif. b. Studi waktu, yang berdasarkan hasil pengukuran kerja dengan jam-henti. c. Data standar (standard data), yang berdasarkan data yang dikoleksi dari kinerja lantai produksi. d. Data waktu standar yang ditetapkan sebelumnya (predetermined time-standard data), yang berdasarkan waktu gerakan dasar. Waktu gerakan dasar ini biasanya mengacu pada tabel MTM (Methods Time Measurement) atau MOST (Maynard Operation Sequence Technique). e. Penarikan sampel kerja (work sampling), yang berdasarkan hasil pengukuran sampel pekerjaan dari jumlah observasi yang besar pada interval waktu yang acak (random). Kegiatan studi waktu meliputi pengukuran waktu, perbaikan metode kerja, pengukuran produktivitas, dan menetapkan waktu baku. Di sini, penulis membatasi pada pengukuran waktu dan menetapkan waktu baku. Selanjutnya, Subanak Bab 2.3.1 di bawah ini menjelaskan tahapan dalam studi waktu. 19
Time study: The procedure using stopwatch timing to establish standards. Lihat: Benjamin Niebel & Andris Freivalds, Methods, standard, and work design, 10th ed. (Singapore: McGraw-Hill, Inc., 1999), p. 680
Universitas Mercu Buana
25
2.3.1
Tahapan dalam Studi Waktu
Seseorang yang terlatih dan berpengalaman dapat menetapkan waktu baku dengan mengikuti beberapa tahapan berikut ini: a. Mendefinisikan tugas yang akan dijadikan objek studi waktu (setelah dilakukan analisis metode). b. Memilah tugas itu menjadi elemen-elemen kerja (bagian dari tugas yang sering memakan waktu hanya beberapa detik saja). Penguraian elemen-elemen kerja ini tidak bersifat mutlak, tetapi ada alasan-alasan penting sehingga diperlukan penguraian elemen-elemen kerja, diantaranya: 1) Untuk menjelaskan catatan tentang tata cara kerja yang dibakukan (standardized work ). 2) Untuk memungkinkan melakukan ”penyesuaian” (pemberian peringkat kinerja atau performance rating) bagi setiap elemen karena keterampilan bekerjanya operator belum tentu sama untuk semua bagian dari gerakangerakan kerjanya. 3) Untuk memudahkan mengamati terjadinya elemen yang tidak baku yang mungkin saja dilakukan pekerja. 4) Untuk mengamati berapa besar waktu elemen kerja tak bernilai tambah sehingga ada acuan untuk perbaikan (improvement). Contoh elemen kerja tak bernilai adalah mengambil, membawa, meletakkan, dan sebagainya20 . 5) Untuk memungkinkan dikembangkannya data waktu baku atau tempat kerja yang bersangkutan. c. Memastikan studi waktu yang akan dilaksanakan berlangsung dalam kondisi ”normal” dan ada jaminan bahwa operator menggunakan metode-metode terbaik dalam pekerjaannya. Jika operator adalah karyawan baru, kita dapat menggunakan ”kurva belajar” (learning curve) untuk menilai kemampuan karyawan tersebut. 20
Lihat juga: Masaaki Imai, Gemba kaizen: Pendekatan akal sehat, berbiaya rendah pada manajemen (Jakarta: Pustaka Binaman Pressindo, 1998), p. 75
Universitas Mercu Buana
26
d. Menentukan berapa kali tugas akan diukur (jumlah siklus atau sampel yang dibutuhkan). e. Menyiapkan alat-alat studi waktu, seperti jam-henti, lembar pengamatan, alat tulis, dan papan pengamatan. f. Melakukan studi waktu pendahuluan dan mencatat waktu pelaksanaan elemen kerja itu serta menetapkan peringkat kinerja (performance rating) pelaksanaan itu. g. Menguji kenormalan, keseragaman, dan kecukupan data waktu yang dicatat jam-henti. Cara uji kenormalan, keseragaman, dan kecukupan data disampaikan dalam Subanak Bab 2.3.4 pada halaman 35. h. Melakukan ”studi waktu lanjutan” apabila data dinyatakan tidak cukup pada uji kecukupan data. i. Menghitung waktu siklus (cycle time, CT) aktual rataan n X
CT =
xi
i=1
(2.26)
n
di mana xi adalah sampel yang dicatat jam-henti pada setiap pengamatan ke-i dan n adalah jumlah xi itu sendiri. j. Menghitung waktu normal (normal time, NT) untuk setiap elemen kerja N T = CT × P
(2.27)
di mana P adalah peringkat kinerja atau performance rating (lihat Subanak Bab 2.3.2). k. Menjumlahkan waktu normal untuk setiap elemen kerja agar dapat diperoleh waktu normal keseluruhan untuk suatu pelaksanaan tugas. l. Menghitung waktu baku (standard time, ST) ST = N T + (N T × %All.)
(2.28)
di mana %All. adalah kelonggaran kerja (lihat Subanak Bab 2.3.3).
Universitas Mercu Buana
27
2.3.2
Konsep Peringkat Kinerja
Agar waktu siklus dapat diterapkan untuk semua operator, suatu ukuran kecepatan atau disebut peringkat kinerja (performance rating) harus dimasukkan. Aplikasi peringkat kinerja tertentu pada waktu siklus disebut waktu normal. Peringkat kinerja menurut Niebel dan Freivalds adalah: The assignment of a percentage to the operator’s average observed time, based on the actual performance of the operator as compared to the observer’s conception of normal. Persentase itu dinyatakan dengan P , besarnya harga P tentunya sedemikian rupa sehingga hasil perkalian dengan waktu siklus dapat mencerminkan waktu yang sewajarnya (normal). Bila pengukur berpendapat bahwa operator bekerja di atas normal (terlalu cepat) maka harga P akan lebih besar dari satu (P > 1), sebaliknya jika operator dipandang bekerja di bawah normal maka harga P akan lebih kecil dari satu (P < 1). Dan seandainya pengukur berpendapat bahwa operator bekerja dengan wajar maka harga P sama dengan satu (P = 1). Dalam literatur tentang pengukuran kerja (work measurement), kita dapat menemukan beberapa metode penentuan peringkat kinerja, seperti: • the Westinghouse system’s rating, • synthetic rating, • speed rating, dan • objective rating 21 . Di sini, penulis akan membatasi pada metode the Westinghouse system’s dan objective rating. The Westinghouse system’s cukup mudah dan layak dalam menjelaskan kondisi umum suatu pekerjaan, sedangkan objective rating dapat menjelaskan kondisi pekerjaan yang memiliki tingkat kesulitan tinggi. Tingkat kesulitan ini ditandai oleh adanya pekerjaan yang tidak saja membutuhkan tangan dan mata, tapi juga kaki. Penjelasan tentang The Westinghouse system’s dan objective rating akan disampaikan di bawah ini. 21
Benjamin Niebel & Andris Freivalds, Op cit., pp. 361—369
Universitas Mercu Buana
28
a.
The Westinghouse System’s Rating
Metode peringkat kinerja ini didasarkan pada empat faktor yang dianggap menentukan kewajaran atau ketidakwajaran dalam bekerja. Keempat faktor ini adalah: 1) Keterampilan (skills), yaitu kemampuan mengikuti cara kerja yang dibakukan. 2) Usaha (effort), yaitu kesungguhan operator dalam bekerja. 3) Kondisi kerja (conditions), yaitu kondisi fisik lingkungan, dan lain-lain. 4) Konsistensi (consistency), yaitu keseragaman hasil pengukuran. Masing-masing faktor di atas dibagi ke dalam beberapa kelas dan setiap kelas memiliki harga tertentu sebagaimana diperlihatkan Tabel 2.1 di bawah ini. Tabel 2.1. The Westinghouse System’s Rating
Sumber: Ralph Mosser Barnes, Motion and time study design and measurement of work, 7th ed. (New York: John Wiley & Sons, Inc., 1980), p. 289; fig. 195
Peringkat kinerja diperoleh dengan menjumlahkan harga empat faktor lalu ditambah satu. Sebagai contoh suatu pekerjaan diselesaikan dalam keadaan sebagai berikut: Keterampilan Usaha Kondisi Konsistensi
: : : :
Good Good Average Fair
(C2 ) (C1 ) (D) (E)
= = = =
+0, 03 +0, 05 +0, 00 −0, 02 +0, 06
Jadi peringkat kinerja P adalah: P = (1 + 0, 06), atau P = 106%
Universitas Mercu Buana
29
b.
Objective Rating
Metode peringkat kinerja ini memperhatikan dua faktor yang dipandang secara bersama-sama menentukan berapa besarnya harga P . Kedua faktor ini adalah: 1) Kecepatan kerja (pace rating factor, p), adalah kecepatan dalam melakukan pekerjaan dalam pengertian biasa. Pengukur harus menilai kewajaran kecepatan kerja operator. Jika operator bekerja dengan kecepatan wajar kepadanya diberi nilai satu, atau p = 1. Jika kecepatan dianggap terlalu tinggi maka p > 1 dan sebaliknya p < 1 jika terlalu lambat. 2) Tingkat kesulitan pekerjaan (job difficulty adjustment factor, d), adalah faktor yang disebabkan berbagai keadaan kesulitan kerja. Pengukur dalam menilai dibantu Tabel 2.2 di bawah ini yang menunjukkan berbagai keadaan kesulitan kerja dan seperti apa pekerjaan tersebut. Tabel 2.2. Tingkat Kesulitan Pekerjaan untuk Objective Rating Category 1
2
Description Amount of body used
Foot pedals
Reference Letter A
Fingers used loosely
0
B
Wrist and fingers
1
C
Elbow, wrist, and fingers
2
D
Arms, etc.
5
E
Trunk, etc.
8
E2
Lift with legs from floor
F
No pedals or one pedal with fulcrum under foot Pedal or pedals with fulcrum outside of foot Hands help each other or alternate Hands work simultaneously doing the same work on duplicate parts
G 3
Bimanualness
H H2
4
5
Eye-hand coordination*
Handling requirement
Per Cent Adjustment
Condition
10 0 5 0 18
Rough work, mainly feel
0
J
Moderate vision
2
K
Constant but not close
4
L
Watchful, fairly close
M
Within
N
Can be handled roughly
0
O
Only gross control
1
P
Must be controlled, but may be squeezed
2
I
1 64
7 10
inch
Universitas Mercu Buana
30
Tabel 2.2. (lanjutan) Category 5
6
Description
Reference Letter
Handl...
Condition
Per Cent Adjustment
Q
Handle carefully
3
R
Fragile
5
Weight
Weight handled (lb.)
Hand Foot
B-1
1
2
1
B-2
2
5
1
B-3
3
6
1
B-4
4
10
1
B-5
5
13
3
B-6
6
15
3
B-7
7
17
4
B-8
8
19
5
B-9
9
20
6
B-10
10
22
7
B-11
11
24
8
B-12
12
25
9
B-13
13
27
10
B-14
14
28
10
Sumber: Marvin E. Mundel, Motion and time study: Improving productivity, 5th ed. (New Delhi: Prentice-Hall of India Private Limited, 1981), pp. 368–371 (dimodifikasi)
Peringkat kinerja (P ) diperoleh dengan mengalikan kecepatan kerja (p) dengan tingkat kesulitan pekerjaan (d), di mana d adalah satu ditambah jumlah persentase tingkat kesulitan pekerjaan pada Tabel 2.2. Sebagai contoh suatu pekerjaan memerlukan gerakan lengan bawah, pergelangan, dan jari (C); tidak ada pedal kaki (F); kedua tangan bekerja bergantian (H); koordinasi mata dengan tangan sangat dekat (L); peralatan hanya memerlukan sedikit kendali (O); dan berat benda kerja ±2 kg (4,40924 lb.), maka: Amount of body used Foot pedals Bimanualness Eye-hand coordination Handling requirement Weight
(C) (F ) (H) (L) (O) (B − 4)
= 2% = 0% = 0% = 7% = 1% = 10%
Jumlah persentase tingkat kesulitan pekerjaan = 2% + 0% + 0% + 7% + 1% + 10% = 20% atau 0,20. Sehingga: d = (1 + 0, 20) = 1, 20. Jika kecepatan kerja (p) dinilai sebesar 90%; maka: P = p × d = 0, 9 × 1, 20 = 1, 08.
Universitas Mercu Buana
31
2.3.3
Konsep Kelonggaran Kerja
Di dalam prakteknya di lapangan (industri) banyak terjadi penentuan waktu baku dilakukan hanya dengan menjalankan beberapa kali pengukuran dan menghitung rataannya. Selain data normal dan seragam, jumlah pengukuran yang cukup, dan pemberian peringkat kinerja, satu hal lain yang kerap kali terlupakan adalah menambahkan kelonggaran (allowances). Kelonggaran diberikan untuk pekerjaan yang dilakukan manusia karena manusia tidak dapat bekerja terus-menerus tanpa adanya penyelaan, ada hal-hal yang dibutuhkan yang bersifat manusiawi dan wajar, seperti: kebutuhan pribadi, menghilangkan rasa lelah, dan lain-lain. Dengan pemberian kelonggaran nantinya waktu baku merupakan gambaran nilai nominal waktu yang disepakati oleh pihak managemen/perusahaan dan karyawan/serikat buruh. Kelonggaran berdasarkan fungsinya ditunjukkan Gambar 2.4 di bawah ini.
Sumber: Benjamin Niebel & Andris Freivalds, p. 383
Gambar 2.4. Kelonggaran berdasarkan Fungsinya
Penjelasan Gambar 2.4 adalah sebagai berikut: a. Constant allowances ’kelonggaran konstan’ terdiri dari: 1) Personal needs adalah kelonggaran yang menyangkut kebutuhan-kebutuhan pribadi, seperti: minum, ke toilet, dan sebagainya, termasuk berjalan. Tidak ada dasar perhitungan ilmiah untuk mendapatkan kelonggaran ini.
Universitas Mercu Buana
32
Lazarus22 tahun 1968 pernah melaporkan; dari 235 pabrik di 23 industri, bahwa kebutuhan pribadi berkisar 4,6% sampai dengan 6,5%. Dengan demikian, kelonggaran 5% untuk kebutuhan pribadi cukup memadai untuk mayoritas pekerja serta cukup adil dalam dunia bisnis23 . 2) Basic fatigue adalah faktor kelelahan dasar konstan yang diperhitungkan untuk pengeluaran energi dalam menyelesaikan pekerjaan dan untuk kebutuhan menghilangkan kemonotonan (monotony). Menurut ILO, kelonggaran sebesar 4% merupakan kelonggaran yang memadai untuk satu orang operator, dengan pekerjaan ringan, dalam posisi duduk, di bawah kondisi kerja yang baik, dan dengan tingkat permintaan yang wajar. Kelonggaran 5% untuk personal needs ditambah 4% untuk basic fatigue membentuk kelonggaran dasar untuk semua operator. Namun jika diperlukan, kita dapat menambahkan jenis kelonggaran lain24 . b. Variable fatigue adalah kelonggaran yang ditambahkan ke constant allowances dikarenakan adanya berbagai kondisi kerja tertentu yang mempengaruhi ketidakkonsistenan sifat fisik dan psikologis seseorang. ILO (International Labor Organization ’serikat perburuhan dunia’) telah merekomendasikan besaran variable fatigue untuk berbagai kondisi kerja, yang merupakan hasil konsensus antara managemen dan para buruh/serikat buruh di beberapa industri. Elemen serta besaran variable fatigue tersebut dapat dilihat pada Tabel 2.3 pada halaman 33. Untuk menggunakan Tabel 2.3, kita tentukan faktor-faktor kelonggaran masing-masing elemen dan kemudian menjumlahkan semuanya menjadi total kelonggaran variable fatigue. Total kelonggaran variable fatigue ini akan digabung dengan constant allowances 25
26
.
22
I. Lazarus, Inaccurate allowances are crippling work measurements (Factory, April 1968), pp. 77—79. Lihat: Ibid, p. 384 23 Ibid 24 Ibid 25 Ibid, p. 385 26 Pada dasarnya Tabel 2.3 adalah rekomendasi umum untuk variable fatigue, di dalam hal variable fatigue yang membutuhkan perincian, kita dapat melakukan suatu studi khusus yang terkait dengan hal ini serta menggunakan berbagai perhitungan yang direkomendasikan. Dasar perhitungan ilmiah untuk mencari variable fatigue, lihat: Ibid, pp. 384—405
Universitas Mercu Buana
33
Tabel 2.3. Rekomendasi ILO untuk Constant Allowances dan Variable Fatigue
|||||||||||||||||||||
A. Constant allowance 1.
Personal allowance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
2.
Basic fatigue allowance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
B. Variable allowances: 1.
Standing allowance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
2.
Abnormal position: a. Slightly awkward . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . b. Awkward (bending) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c. Very awkward (lying, stretching) . . . . . . . . . . . . . . . . . . . . . . . . .
0 2 7
Use of force, or muscular energy (lifting, pulling, pushing): Weight lifted, pounds: 5 ........................................................ 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0 1 3 5 9 13 17
3.
4.
Bad a. b. c.
light: Slightly below recommended . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Well below . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Quite inadequate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0 2 5
5.
Atmospheric conditions (heat and humidity)¾variable . . . . . . . . .
0-100
6.
Close attention: a. Fairly fine work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . b. Fine or exacting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c. Very fine or very exacting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0 2 5
7.
Noise level: a. Continuous . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . b. Intermittent—loud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c. Intermittent—very loud or high-pitched . . . . . . . . . . . . . . . . . .
0 2 5
8.
Mental strain: a. Fairly complex process . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . b. Complex or wide span of attention . . . . . . . . . . . . . . . . . . . . . . . c. Very complex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1 4 8
9.
Monotony: a. Low . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . b. Medium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c. High . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0 1 4
Tediousness: a. Rather tedious . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . b. Tedious . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c. Very tedious . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0 2 5
10.
||||||||||||||||||||| Sumber: ILO. (1979). Introduction to work study (3rd ed.). Geneva, Switzerland: International Labour Office. Dikutip dari: Benjamin Niebel & Andris Freivalds, Op cit., p. 386
Universitas Mercu Buana
34
c. Special allowances ’kelonggaran khusus’ terdiri dari: 1) Unavoidable delays, yaitu keterlambatan yang tidak dapat dihindarkan, seperti: penyelaan dari penyelia, dispatcher, analis studi waktu, dan lainlain; ketidakteraturan bahan; kesulitan dalam pemeliharaan toleransi dan spesifikasi; dan dan lain-lain yang diluar kendali. Kelonggaran ini harus ditambahkan, tetapi keterlambatan yang terlalu besar atau lama tidak boleh dipertimbangkan. 2) Extra allowances, yaitu kelonggaran tambahan untuk kondisi khusus. Sebagai contoh, untuk suatu tumpukan bahan mentah, kita mungkin membutuhkan kelonggaran tambahan untuk menghitung terlalu tingginya jumlah apkiran (reject). Atau, situasi di mana operator harus membawa dan menempatkan 20 kg cetakan ke dalam mesin, di sini kelonggaran tambahan dibutuhkan untuk kelelahan tambahan dalam kerja penanganan manual. 3) Avoidable delays, yaitu keterlambatan yang dapat dihindarkan, misal: menerima telepon pribadi, operator yang bekerja berlebihan. Dalam hal ini, kita tidak boleh memberikan kelonggaran. 4) Policy allowances, yaitu kelonggaran untuk keadaan yang membutuhkan pengecualian, misal: untuk karyawan baru, untuk karyawan yang terluka sementara, sifat yang membedakan (pandangan, pendengaran, dan fisik yang lemah, dan lain-lain). Hal yang perlu diperhatikan dalam penentuan kelonggaran adalah jika kelonggaran terlalu tinggi akan menyebabkan peningkatan biaya tak bernilai tambah begitu juga bila terlalu rendah akan menyebabkan pekerja menderita, sakit, dan mangkir (juga peningkatan biaya). Tindak lanjut dari penentuan kelonggaran dan penetapan waktu baku diperlukan pengawasan waktu baku dalam bentuk pedoman dan tata cara pengawasan. Waktu baku yang ditetapkan ini harus ditentukan masa berlakunya sebab kondisi kerja akan selalu berubah mengikuti perubahan waktu. Selain waktu baku juga perlu pendataan atau perhitungan yang terus menerus terhadap kenyataan waktu siklus sebagai pembanding waktu baku.
Universitas Mercu Buana
35
2.3.4
Statistika Uji untuk Studi Waktu
Tanpa memandang bentuk pancaran data populasi, jika sampel cukup besar maka dapat diasumsikan bahwa pancaran sampel dari harga rataan sampel akan membentuk suatu pancaran normal (normal distribution). (Central limit theorem)
Pada dasarnya dalam studi waktu; maupun dalam praktek penarikan sampel lainnya, kita sedang berusaha menyimpulkan suatu populasi berdasarkan analisis terhadap sebagian kecil sampel. Dalam pandangan statistika, populasi memiliki sifat dan karakteristik yang terpancar secara normal. Suatu uji kenormalan data dapat membantu kita dalam menyimpulkan apakah sampel dapat kita generalisasikan pada populasi atau tidak. Dalam menganalisis suatu data, kita perlu memahami proses dan juga mengerti kinerja proses di balik data tersebut. Suatu peta kendali (control chart) untuk uji keseragaman data dapat membantu kita dalam melihat apakah proses tersebut di bawah kendali (under control ) atau tidak, sambil melihat variasi yang terjadi karena proses/sistem itu sendiri (common cause of variation) maupun karena faktor dari luar sistem (special causes of variation). Selain itu, kita juga perlu uji kecukupan data sebagai pedoman/ukuran untuk mengetahui besarnya sampel yang harus ditarik. Pengujian ini tentunya jauh lebih baik dibandingkan dengan penentuan besar sampel secara sembarang. a.
Uji Kenormalan Data
Uji kenormalan data adalah mengukur perbandingan data empirik dengan data berpancaran normal teoritik yang memiliki nilaitengah (mean) dan simpangan baku (standard deviation) yang sama dengan data empirik. Data terpancar normal adalah salah satu syarat data parametrik sehingga data memiliki karakteristik empirik yang mewakili populasi. Ada banyak cara untuk uji kenormalan data (e.g., uji kurtosis ’keruncingan’ dan skewness ’kemiringan’, uji khi-kuadrat χ2 , uji Geary, uji AndersonDarling, uji Kolmogorov-Smirnov, etc.), namun tidak ada metode yang paling baik atau paling tepat. Dalam tulisan ini, kita akan menggunakan uji Geary (Geary’s test) dengan pertimbangan kemudahan dalam perhitungan manual.
Universitas Mercu Buana
36
Uji Geary didasarkan pada perhitungan statistika sederhana, yaitu rasio dari dua buah penduga simpangan baku populasi σ. Seandainya suatu sampel acak X1 , X2 , . . ., Xn itu diambil dari suatu pancaran normal, N (µ, σ). Rasio tersebut adalah27 : n X p ¯ π/2 |Xi − X|/n i=1
u= s
n X
¯ Xi − X
. 2
(2.29)
/n
i=1
Persamaan (2.29) memperlihatkan penyebut (denominator ) adalah penduga layak dari σ dan pembilang (numerator ) adalah penduga terbaik dari σ untuk pancaran normal. Jika sampel diambil dari suatu pancaran yang tidak normal, maka rasio akan tidak sama dengan 1,0. Untuk sampel besar, suatu pengujian yang layak adalah didasarkan pada perkiraan kenormalan dari U . Cara normalisasi U adalah: Z=
U −1 √ . 0, 2661/ n
(2.30)
Tentunya, prosedur pengujian terdiri dari dua ujung wilayah kritis (the two-sided critical region), di mana data dinyatakan normal apabila: −zα/2 < z < zα/2
(2.31)
di mana zα/2 adalah titik kritis untuk wilayah kritis α/2 dengan selang kepercayaan (confidence interval ) sebesar (1 − α)100% (lihat butir Uji Keseragaman Data dan Lampiran A). Jika data tidak normal, cara yang biasa dilakukan adalah: mentransformasikan data dalam bentuk yang lain (remedies for non normal ), misal transformasi dalam bentuk akar kuadrat, arcsin, log 10; menambahkan jumlah sampel; dan membuang subjek yang teridentifikasi sebagai outliers. Jika data tetap tidak normal, maka harus menggunakan analisis statistika nonparametrik. 27
Uji Geary, lihat: Ronald E. Walpole, Raymond H. Myers, & Sharon L. Myers, Probability and statistics for engineers and scientists, 6th (Upper Saddle River-New Jersey: Prentice-Hall International, Inc., 1998), p. 343
Universitas Mercu Buana
37
Namun dalam tulisan ini, jika data dinyatakan tidak normal, maka data akan diuji keseragamannya untuk membuang data yang di luar kendali kemudian dilakukan tahap uji kenormalan data kembali. Jika memang data tetap tidak normal, maka diasumsikan normal. b.
Uji Keseragaman Data
Uji keseragaman data dapat diartikan sebagai pengujian data menggunakan alat atau cara peta kendali untuk mengetahui dan ”membuang” data yang tidak seragam atau tidak biasa atau tidak berulang. Data yang tidak seragam tersebut berada di luar batas kendali atas UCL (upper control limit) dan/atau batas kendali bawah LCL (lower control limit) dari peta kendali. ¯ Jenis peta kendali yang akan digunakan adalah X-charts yang dibuat berdasarkan pada konsep selang kepercayaan pancaran normal. Suatu proses dapat dikatakan terkendali apabila 100(1−α)% dari nilai-nilai yang digambarkan ¯ pada X-charts jatuh dalam batas28 σ LCL = µ − zα/2 √ n
dan
σ U CL = µ + zα/2 √ n
(2.32)
di mana zα/2 adalah titik kritis (nilai-z) untuk menentukan wilayah kritis α/2 di kiri dan kanan pancaran normal baku. Misal, kita memilih taraf nyata α = 0, 05; maka selang kepercayaan adalah 95% yang dimulai dari z0,025 sampai dengan z0,975 . Dari Lampiran A diketahui bahwa z0,975 = 1, 96. ¯ Karena dinamakan X-charts, maka tentunya data-data yang digambarkan bukan data individu X1 , X2 , . . ., Xn , melainkan sekelompok data yang dipilih dan ¯1, X ¯ 2 , . . ., X ¯ k , di mana diberi nama subgrup atau sampel k. Sampel k berbentuk X ¯ i adalah rataan nilai-nilai dalam sampel ke-i. peubah acak X Jadi, garis pusat (center line) peta kendali; atau nilaitengah populasi µ, dapat kita hampiri dengan k X ¯ X ¯ µ=X= . k i=1 √ Dalam data subgrup, n pada σ/ n adalah ukuran subgrup ke-i (ki ). 28
Ibid, pp. 640—641
Universitas Mercu Buana
38
Pada umumnya simpangan baku populasi σ tidak diketahui, namun kita dapat menghampirinya dengan menggunakan data individu X1 , X2 , . . ., Xn untuk mencari simpangan baku sampel S, yaitu29 : v u n u 1 X ¯ 2. (Xi − X) S=t n − 1 i=1
(2.33)
Nilai n − 1 biasa digunakan untuk sampel berukuran kecil (n < 100)30
31
.
Pengambilan sampel sebaiknya berukuran n ≥ 30 karena secara teoritis; dengan tanpa memandang bentuk data populasi, dijamin mendapatkan hasil yang baik32 . Manfaat lain daripada penggunaan selang kepercayaan; selain untuk uji keseragaman data, adalah untuk uji kecukupan data. c.
Uji Kecukupan Data
Meskipun pada butir Uji Keseragaman Data kita telah menunjukkan bahwa ni¯ (di sini laitengah populasi µ dapat kita hampiri dengan nilaitengah sampel X kita gunakan nilaitengah sampel berdasarkan data individu), namun sampel tetaplah sampel; tidak dapat dikatakan sebagai populasi. Nilaitengah µ ini tidaklah pernah diketahui, kecuali jika dilakukan tak terhingga (infinite) kali penarikan sampel. Hal ini berarti terdapat penyimpangan maksimum sampel dari populasi. Oleh karena itu, kita harus membolehkan penyimpangan maksimum sampel dari populasi sejauh ”tingkat ketelitian” yang diinginkan, di mana tingkat ketelitian biasanya dinyatakan dalam persen (dari populasi, yang seharusnya dicari). Jika suatu selang kepercayaan (1 − α)100% dipilih dan suatu tingkat ketelitian kita nyatakan sebagai h%, maka hal ini berarti: ¯ menyimpang sejauh h% dari Kita membolehkan nilaitengah sampel X nilaitengah populasi µ, dan kemungkinan berhasil mendapatkan hal ini adalah sebesar (1 − α)100%. 29
Lihat batasan varian σ 2 dalam: Ibid, p. 205 Amudi Pasaribu, Op cit., p. 110 31 n − 1 memiliki pengertian sebagai besarnya derajat bebas (degrees of freedom) tersisa setelah menghitung rataan sampel 32 Ronald E. Walpole, Raymond H. Myers, & Sharon L. Myers, Op cit., p. 244 30
Universitas Mercu Buana
39
Walaupun nilaitengah µ tidak diketahui, jika jumlah penarikan sampel yang dilakukan memenuhi ketelitian h% dan kepercayaan (1 − α)100%, maka ¯ itu terletak penarikan sampel mempunyai kepercayaan (1 − α)100% bahwa X pada selang ¯ µ − hX
¯ µ + hX.
dan
Hal ini sama seperti Persamaan (2.32), yaitu: σ σ µ − zα/2 √ dan µ + zα/2 √ . n n Jadi, ¯ = zα/2 √σ . hX n Di sini, kita mengharapkan bahwa jumlah sampel yang akan ditarik (n) adalah sama dengan jumlah sampel yang diperlukan (n0 ). Sehingga jumlah penarikan sampel Xi yang diperlukan (n0 ) untuk memenuhi ketelitian h% dan kepercayaan (1 − α)100% dapat dituliskan sebagai berikut33 : ¯ = zα/2 √σ hX n0 z σ 2 α/2 n0 = . ¯ hX
(2.34)
Nilai σ dapat kita hampiri dengan menggunakan Persamaan (2.33), tetapi karena kita mengharapkan n0 mendekati populasi maka batasan penarikan sampel atau derajat bebas tersisa (n − 1) kita ganti dengan n sehingga: v u n u1 X ¯ 2. σ=S=t (Xi − X) n i=1
(2.35)
Dalam uji kecukupan data ini, kita membandingkan antara nilai n0 hasil perhitungan dengan nilai n hasil penarikan sampel pendahuluan, yaitu sebagai berikut: • Data dinyatakan cukup apabila n0 ≤ n. • Data dinyatakan tidak cukup apabila n0 > n maka perlu dilakukan penarikan sampel kembali sebanyak n0 − n. 33
Bandingkan dengan rumus n =
z
α/2 σ
e
2
dalam: Ibid, 246
Universitas Mercu Buana
40
2.4
Takt Time
Takt time berguna sebagai nilai acuan untuk perencanaan berbagai kebijakan di lantai produksi (e.g., perbaikan cara kerja, standar kerja, keseimbangan lintasan). Istilah ”takt” diambil dari kata Jerman yang berarti ”baton”; yaitu tongkat kecil yang dipakai oleh panglima perang atau oleh pemimpin orkestra, takt merujuk pada pukulan, tempo, dan regulasi kecepatan irama. Kristianto Jahja dalam alih bahasa buku Gemba Kaizen mengistilahkan takt time ke dalam Bahasa Indonesia sebagai ”pacu kerja”34 . Batasan umum takt time adalah waktu yang ”diinginkan” untuk membuat satu unit keluaran produksi35 . Takt time berbeda dengan waktu siklus (cycle time) untuk membuat satu unit keluaran produksi karena takt time (TT) tidak diukur dengan jam-henti, tetapi harus dihitung dengan formula sebagai berikut: • Berdasarkan sudut pandang pelanggan: W aktu operasi yang tersedia P ermintaan pelanggan
(2.36)
Misal: 8 jam per hari ÷ 4 unit permintaan harian = TT adalah 2 jam. • Berdasarkan sudut pandang operasi: W aktu operasi yang tersedia Ramalan permintaan
(2.37)
Misal: 8 jam per hari ÷ 5,7 unit ramalan permintaan = TT adalah 1,4 jam. Angka nominal takt time adalah peubah awal untuk mendikte desain ”arsitektur” keseluruhan operasi manufaktur. Total waktu operasi dihitung pada saat dasar semua operasi permesinan berada pada tingkat efisiensi 100% (operational availability = 100%) selama jam kerja reguler. Meskipun takt time dihitung berdasarkan jam kerja reguler, tetapi terkadang dimasukkan juga jumlah yang melebihi jam kerja reguler (e.g., karena dipicu oleh adanya downtime, kemampuan lini yang rendah). Takt time seperti ini disebut actual takt time. 34 35
Masaaki Imai, Op cit., p. 142 Colin Ducharme & Todd Ruddick, Assembly Operations - Takt Time (MIT, LFM Program Web site: http://ocw.mit.edu, 2004), p. 4
Universitas Mercu Buana
41
Takt time sering dijadikan acuan untuk produksi tepat waktu (JIT), artinya actual takt time harus terus-menerus diperbaiki agar menyamai takt time pelanggan. Gambar 2.5a dan 2.5b menunjukkan contoh penerapan takt time.
Sumber: Colin Ducharme & Todd Ruddick, Op cit., p. 5.
(a) Contoh kasus nyata penggunaan takt time dalam ”memacu” permintaan produksi 1 unit pesawat tempur dalam waktu 1 jam
Sumber: PT Denso Indonesia.
(b) Contoh perencanaan takt time di PT Denso Indonesia
Gambar 2.5. Contoh Penerapan Takt Time
Takt time akan lebih jelas penggunaannya dalam anak bab selanjutnya, yaitu: Keseimbangan Lintasan dalam Lean Manufacturing.
Universitas Mercu Buana
42
2.5
Keseimbangan Lintasan dalam Lean Manufacturing
Bagi manufaktur yang menerapkan TPS dan didalamnya terdapat suatu lini perakitan, kebijakan keseimbangan lintasan merupakan kebijakan yang sangat rutin dibuat (setidaknya sebulan sekali sesuai perubahan tingkat permintaan). Tujuan keseimbangan lintasan adalah meminimumkan waktu menganggur (idle time) pada setiap stasiun kerja (work station) dalam lini perakitan. Penyeimbangan lintasan juga merupakan upaya lini perakitan untuk terus-menerus menyesuaikan diri dengan tingkat permintaan agar produksi dapat meminimumkan kanban atau sediaan. Dengan begitu, konsep keseimbangan lintasan sangat sejalan dibanding menganalisis capacity requirement planning (CRP)36 . Praktek keseimbangan lintasan biasanya menggunakan ukuran keseimbangan, yang diantaranya adalah37 : • Tundaan seimbang (balance delay), BD, adalah rasio antara waktu menganggur dalam lini dengan waktu yang tersedia. Rasio tersebut dapat dituliskan ! n X 100 nC − Ti BD =
i=1
nC
,
(2.38)
di mana n = jumlah stasiun kerja C = waktu siklus yang diberikan (given cycle time) untuk penyelesaian satu unit keluaran produksi Ti = waktu tugas ke-i (i = 1, 2, 3, . . . , n) dan n, C, serta Ti adalah bilangan bulat. Persentase tundaan seimbang ideal adalah yang semakin mendekati 0 karena ini menunjukkan bahwa waktu menganggur yang terdapat dalam lini perakitan juga semakin mendekati 0. 36
CRP tidak dapat diterapkan dalam lingkungan repetitive manufacturing ∗ karena konsep pusat-pusat kerja (work centers)† jarang atau tidak dapat dipakai dalam lingkungan ini. ∗) Repetitive manufacturing adalah lingkungan manufaktur yang memproduksi produkproduk baku dan bervolume tinggi serta mempunyai waktu tunggu pelanggan yang pendek. †) Pusat kerja (work center ) adalah sekumpulan mesin atau stasiun kerja (work station) Lihat: Vincent Gaspersz, Op cit. pp. 207—222. 37 Lihat juga: Buffa, Op cit., p. 222 dan LSP ITB, Keseimbangan Lintasan (http://kuliah .lspitb.org/ti3122/LineBalance.pdf, 2003), pp. 14—15
Universitas Mercu Buana
43
• Efisiensi lini (line efficiency), LE, adalah rasio antara waktu yang digunakan dengan waktu yang tersedia. Rasio tersebut dapat dituliskan 100 LE =
n X i=1
nC
Ti atau
LE = 100% − BD.
(2.39)
Persentase efisiensi lini ideal adalah yang semakin mendekati 100 karena ini menunjukkan bahwa waktu yang digunakan sama dengan waktu yang tersedia. • Indeks kelancaran (smoothes index ), SI, adalah indeks yang menunjukkan kelancaran relatif dari penyeimbangan lini perakitan. Indeks ini dirumuskan v v u n u n uX uX 2 SI = t (Timax − Ti ) = t (Idle time)2 . (2.40) i=1
i=1
Indeks kelancaran untuk keseimbangan yang sempurna adalah 0. Keseimbangan lintasan yang mengacu pada ketiga perhitungan di atas, disebutkan oleh Gaspersz sebagai ”pendekatan tradisional” karena dalam konsep lean manufacturing terdapat nilai acuan yang lebih tepat, yaitu: takt time 38 . Pada saat ini masih banyak praktek keseimbangan lintasan yang hanya mengejar keseimbangan beban stasiun kerja tanpa memperhatikan apakah hal itu akan menciptakan sediaan WIP (work in process) atau tidak. Perlu diketahui bahwa meskipun keseimbangan lintasan mencapai target optimal 100% (seluruh stasiun kerja memiliki beban yang sama, yang dalam praktek mungkin sangat sulit, tapi bukan mustahil), tetapi jika rataan waktu siklus setiap stasiun kerja lebih besar/lambat dari takt time, maka akan menciptakan waktu tunggu yang lama bagi pelanggan, dan sebaliknya jika rataan waktu siklus tersebut lebih kecil/cepat dari takt time, maka akan menciptakan sediaan sepanjang waktu. Industri manufaktur yang mengadopsi prinsip-prinsip lean selalu menggunakan takt time sebagai nilai acuan keseimbangan lintasan. Kondisi ideal adalah menetapkan agar rataan waktu siklus stasiun kerja sama dengan takt time (meskipun sangat sulit sehingga ada batas maksimum toleransi penyimpangan yang terus-menerus dikurangi melalui peningkatan berkelanjutan). 38
Vincent Gaspersz, Line balancing dalam lean. . . (http://meidii.multiply.com)
Universitas Mercu Buana
44
Untuk menjelaskan praktek keseimbangan lintasan dalam lean manufacturing, maka dikemukakan data dari lantai pabrik sebagai berikut. Terdapat waktu kerja: 8 jam (28.800 detik) per shift, dan kondisi downtime rata-rata sekitar 10%, serta kinerja dari pabrik ini masih pada tingkat 75%, sehingga waktu kerja efektif per shift adalah: [28800 detik − 10%(28800 detik)] × 75% = 25920 detik × 75% = 19440 detik per shift. Dengan waktu kerja efektif sebesar 19.440 detik per shift, kemudian muncul permintaan pelanggan sebanyak: 1.945 unit per shift, maka dengan menggunakan Persamaan (2.36) kita mengetahui bahwa: Takt time = 19440 ÷ 1945 = 9,99 detik per unit, atau: 360 unit per jam (1 jam dibagi 9,99 detik per unit). Nilai takt time sebesar 9,99 detik per unit atau 360 unit per jam ini seharusnya menjadi nilai acuan dalam kebijakan keseimbangan lintasan agar terdapat keseimbangan berproduksi pada tingkat takt time ini. Selanjutnya, diketahui beberapa informasi sebagai berikut:
7,97
9,95
9,78
7,78
7,37
6,55
9,17
8,38
———————————————————
Rataan Waktu Siklus
Stasiun Takt Waktu Jumlah Rataan wak- PersentaGrafik se beban kerja time Siklus mesin tu siklus ————————————————————————————————————————————————————————————————————————————————————————————————— 84% 1 9,99 16,76 2 8,38 Takt Time ———————————————————— 9,17 92% 2 9,99 3 27,51 6,55 66% 3 9,99 6,55 1 Standardisasi 2 7,37 74% 4 9,99 14,74 Kerja 78% 7,78 1 7,78 5 9,99 98% 9,99 9,78 9,78 1 6 100% 9,99 19,90 2 9,95 7 ———————————————————————————————— 1 2 3 4 5 6 7 8 Stasiun Kerja 7,97 80% 8 9,99 7,97 1
Dari informasi di atas, kita mengetahui bahwa stasiun kerja ke-3 harus menjadi fokus perhatian untuk peningkatan (improvement) karena di situ terdapat sediaan WIP yang paling besar. Langkah awal peningkatan adalah membawa keseimbangan proses untuk mencapai tingkat ideal yang diharapkan (tidak perlu dipersoalkan apakah 90%, 95%, atau 100%) karena itulah hakekat peningkatan berkelanjutan (kaizen) untuk mencapai kondisi terbaik yang dapat dicapai dari berbagai keterbatasan situasi dan kondisi lapangan. Selanjutnya, setiap pekerjaan keseimbangan lintasan harus tetap memperhatikan nilai takt time sebagai nilai acuan. Nilai takt time ini dapat berubah-ubah sehingga pekerjaan keseimbangan lintasan harus terus-menerus dilakukan pada selang waktu tertentu.
Universitas Mercu Buana
45
2.6
Perencanaan Produksi
Selama ini kita mengenal perencanaan produksi berdasarkan sistem MRP (II) yang melandaskan pada tiga alternatif strategi, yaitu: a. Strategi produksi stabil (level method /strategy), yang mempertahankan kestabilan produksi (merata-tetap) dengan menggunakan sediaan yang bervariasi untuk mengakumulasikan keluaran jika terjadi kelebihan permintaan total. b. Strategi perburuan tenaga kerja (chase strategy), yang mempertahankan kestabilan tingkat sediaan, sementara produksi bervariasi mengikuti permintaan. c. Strategi kompromi (compromise strategy), yang merupakan kompromi antara strategi produksi stabil dan strategi perburuan tenaga kerja. Di PT Denso Indonesia (DNIA) dan juga beberapa perusahaan berbasis TPS, perencanaan produksi menggunakan strategi produksi stabil. Tabel 2.4 menunjukkan contoh perencanaan produksi DNIA beserta cara perhitungannya. Tabel 2.4. Contoh Lembar Perencanaan Produksi di PT Denso Indonesia
Sumber: Eris Kusnadi, Praktikum sistem produksi di lingkungan Toyota Production System: Studi kasus Lini Air Filter 4WV PT Denso Indonesia, Unpublished industrial internship report (Jakarta: Program Studi Teknik Industri, Universitas Mercu Buana, 2008), Op cit., p. 101
Universitas Mercu Buana
46
2.7
Manpower Calculation
Manpower calculation (MPC) adalah metode di PT Denso Indonesia untuk menghitung kebutuhan jumlah tenaga kerja untuk memenuhi permintaan bulanan atau melaksanakan rencana produksi bulanan. Berikut beberapa istilah beserta formula yang akan digunakan dalam MPC: • Kosu, yaitu istilah Jepang untuk Jam Orang Per Unit (JOPU)39 yang merupakan masukan operasi manufaktur. Kosu berkaitan dengan jam orang spesifik yang dibutuhkan untuk menghasilkan satu unit di satu proses tertentu. Satuan ini digunakan untuk mengukur dan menilai produktivitas operator. Penurunan kosu merupakan salah satu indikator kunci dalam mengukur perbaikan produktivitas di lantai produksi. Kosu dihitung dengan membagi jam dari keseluruhan tenaga kerja langsung (directman hours) dengan jumlah keluaran lini per jam (line capacity per hour ). Berikut formulanya yang dibuat ke dalam satuan detik: Kosu =
Directman hours × 3600 second. Line capacity per hour
(2.41)
• Manufacturing hours, yaitu jam pembuatan yang dibutuhkan untuk memenuhi permintaan bulanan. Berikut formulanya: Mfg hours =
Kosu × P roduction qty. per month . 3600 second
(2.42)
• Working hours, yaitu jam kerja yang tersedia untuk memenuhi permintaan bulanan. Hal ini terkait masalah kemampuan operasi. Berikut formulanya: W orking hours =
Kosu × P roduction qty. per month . 3600 second × %Operational availability
(2.43)
• Dengan diketahuinya working hours, jumlah hari dalam satu bulan, dan jumlah jam kerja (termasuk jam lembur) dalam satu hari, kita dapat menghitung jumlah tenaga kerja yang dibutuhkan dalam satu bulan, yaitu sebagai berikut: M anpower calculation = 39
W orking hours . Hours per day × W ork days
(2.44)
JOPU istilah dalam buku Gemba Kaizen, lihat: Masaaki Imai, Op cit., p. 125
Universitas Mercu Buana
47 Tabel 2.5 di bawah ini adalah contoh lembar MPC di DNIA. Tabel 2.5. Contoh Lembar Manpower Calculation di PT Denso Indonesia
Sumber: Eris Kusnadi, Op cit., p. 100
Berikut contoh perhitungan untuk bulan Maret dalam Tabel 2.5 di atas: • Kosu, dengan jumlah tenaga kerja = 5 orang dan keluaran lini per jam = 110 unit per jam: Kosu =
5 orang × 3600 detik = 163, 6 detik. 110 unit per jam
• Manufacturing hours, dengan permintaan Maret = 22.214 unit: Mfg hours =
163, 6 detik × 22214 unit = 1009, 5 jam. 3600 detik
• Working hours, dengan tingkat operasional atau efisiensi = 85%. W orking hours =
163, 6 detik × 22214 unit = 1187, 7 jam. 3600 detik × 85%
• Manpower calculation, untuk jam kerja = 8 jam per hari. M anpower calculation =
1187, 7 jam = 8, 48 ≈ 9 orang. 8 jam × 17, 5 hari
Artinya, jika perusahaan menginginkan jam kerja 8 jam per hari dalam bulan Maret maka perusahaan membutuhkan tenaga kerja sebanyak 9 orang, atau merekrut tenaga kerja lagi sebanyak: 9 orang − 5 orang = 4 orang.
Universitas Mercu Buana
48
2.8
Teori Biaya Produksi
Dalam pengertian biaya ada istilah yang disebut dengan ”biaya” (cost) dan ”beban” (expense). Batasan biaya adalah waktu dan sumber daya yang dibutuhkan dan menurut konvensi diukur dengan satuan mata uang, sedangkan beban adalah pada saat biaya sudah habis terpakai40 . Di sini kita hanya akan memperbincangkan tentang biaya produksi. Batasan biaya produksi adalah segala macam pengeluaran (tenaga kerja maupun bahan) yang dilakukan oleh produsen dalam upaya menghasilkan produk41 . Komponen penyusun biaya produksi adalah biaya produksi langsung dan biaya produksi tak langsung (overhead ). Biaya produksi langsung terdiri dari biaya bahan langsung (direct material cost) dan biaya tenaga kerja langsung (direct labor cost), sedangkan biaya produksi tak langsung terdiri dari biaya bahan tak langsung (indirect material cost), biaya tenaga kerja tak langsung (indirect labor cost), dan biaya tetap dan tambahan (fixed and miscellaneous cost). Berikut penjelasan komponen penyusun biaya produksi: a. Biaya bahan langsung Terdiri dari segala macam biaya yang dikeluarkan untuk membeli suatu bahan yang akan diolah menjadi produk lain42 . Biaya bahan langsung ini meliputi: 1) Bahan baku mentah (raw material ), yaitu segala macam bahan baku yang akan diolah/ diproduksi menjadi produk yang berbeda sama sekali dengan bahan baku tersebut. Bahan baku ini tidak dapat dijual langsung ke konsumen namun memerlukan proses produksi terlebih dahulu. 2) Part pembelian (purchase part), yaitu kebutuhan bahan baku yang tidak memerlukan proses produksi dalam membuatnya, tetapi didapatkan dengan membeli pada pihak lain dan langsung dapat digunakan untuk mendukung bahan baku atau bahkan bisa langsung dijual ke konsumen. 40
Akuntansi Biaya (Wikipedia: http://id.wikipedia.org/wiki/Akuntansi biaya, 2009) Rohullah Aji Wicaksono, Usulan penerapan 5S dalam upaya menurunkan biaya produksi pada industri kecil dan menengah: Studi kasus perusahaan sepatu Cibaduyut Bandung, Unpublished undergraduate thesis (Bandung: Program Studi Teknik Industri, Institut Teknologi Bandung, 2007), p. 20 42 Ibid, p. 21 41
Universitas Mercu Buana
49
b. Biaya tenaga kerja langsung Biaya ini digunakan untuk mengupah tenaga kerja pada proses produksi yang dapat secara mudah dikonversi/dihitung per satuan unit keluaran produk43 . Tenaga kerja yang digolongkan dalam tenaga kerja langsung adalah: 1) Operator produksi, yaitu tenaga kerja yang bertugas mengoperasikan mesin atau tenaga kerja yang secara langsung melakukan proses produksi. 2) Operator penanganan bahan (material handling person; Jepang: mizusumashi ), yaitu operator yang bertugas memindah-mindahkan bahan/part dari satu tempat ke tempat lain dalam suatu rangkaian proses produksi. c. Biaya produksi tak langsung (overhead) Biaya ini berkaitan dengan biaya dari objek yang tidak dapat atau sulit dilacak. Biaya tak langsung (untuk tenaga kerja dan bahan) sulit untuk dibebankan secara langsung kepada suatu operasi, produk, atau proyek. Peningkatan jumlah produk tidak berbanding lurus dengan peningkatan biaya produksi tak langsung. Dalam biaya produksi tak langsung ada yang bersifat peubah (variable) dan ada pula yang bersifat tetap (fixed ). Penentuan biaya produksi tak langsung sifatnya dialokasikan. Biaya produksi tak langsung terdiri dari semua biaya selain biaya bahan langsung dan biaya tenaga kerja langsung44 . Beberapa kategori biaya produksi tak langsung antara lain: 1) Biaya tenaga kerja tak langsung, yaitu berupa upah atau gaji bagi karyawan yang tidak langsung terlibat dalam pembuatan produk. 2) Biaya bahan bahan tak langsung/penolong, yaitu bahan yang membantu dalam proses produksi, misalnya lem. 3) Biaya perawatan dan perbaikan, yaitu biaya yang dialokasikan untuk perawatan dan perbaikan mesin/peralatan. Selain istilah-istilah biaya di atas, ada juga istilah biaya konversi. Biaya konversi adalah biaya yang terdiri dari biaya tenaga kerja langsung (direct labor cost) dan biaya produksi tak langsung (overhead ). 43 44
Ibid Ibid, p. 22
Universitas Mercu Buana
50
2.9
Analisis Produktivitas Produktivitas adalah ujian pertama kemampuan managemen. (Peter F. Drucker, penulis buku Management by Objective)
Istilah produktivitas (productivity) sudah muncul tahun 1766 dari artikelnya Francois Quesnay, ekonom Perancis. Produktivitas kemudian menjadi sebuah konsep keluaran (output) dengan masukan (input) yang pertama kali dicetuskan oleh David Ricardo dan Adam Smith pada tahun 1810. Inti konsepnya adalah bagaimana keluaran akan berubah jika bersama masukan berubah. Secara sederhana produktivitas merupakan rasio keluaran dengan masukan. Di industri manufaktur keluaran bisa berupa produk hasil aktivitas manufaktur, sedangkan masukan bisa berupa seluruh sumber daya yang digunakan. Tujuan utama industri manufaktur adalah peningkatan produktivitas. Terdapat suatu keyakinan bahwa peningkatan produktivitas akan memberikan kontribusi positif terhadap peningkatan ekonomi. Hal ini dapat diilustrasikan oleh Gambar 2.6 di bawah ini.
(a) Kurva P
(b) Kurva C
Sumber: Bambang Suhardi, Perancangan sistem kerja dan ergonomi industri jilid 1 untuk SMK (Jakarta: Direktorat Pembinaan Sekolah Menengah Kejuruan, Direktorat Jenderal Manajemen Pendidikan Dasar dan Menengah, Departemen Pendidikan Nasional, 2008a), pp. 7—8
Gambar 2.6. Kurva Peningkatan Produktivitas dan Kurva Penurunan Biaya
Produktivitas adalah rasio keluaran per masukan. Jika keluaran berupa unit yang dihasilkan oleh aktivitas manufaktur dan semua masukan yang diperlukan dikonversikan dalam unit satuan moneter (rupiah), maka: Pi =
T otal keluaran selama periode t1 . T otal masukan selama periode t1
Universitas Mercu Buana
51
Dengan formulasi di atas, peningkatan produktivitas akan terjadi bilamana keluaran berhasil naik (bertambah besar) atau tetap dan di sisi lain masukan dalam hal ini bisa lebih ditekan lagi seminimal mungkin. Dengan demikian arah kurva P akan cenderung naik seperti yang ditunjukkan dalam Gambar 2.6a. Naiknya produktivitas (Unit/Rp) ternyata membawa konsekuensi terhadap penurunan biaya produksi per unitnya (Rp/Unit). Formula Ci = 1/Pi sehingga: Ci =
T otal biaya masukan yang dikeluarkan selama periode ti . T otal keluaran yang dikeluarkan selama periode ti
Berdasarkan formulasi di atas, maka arah kurva C akan cenderung turun jika produktivitas bisa dinaikkan seperti yang ditunjukkan dalam Gambar 2.6b. Dampak akibat kenaikan produktivitas menyebabkan penurunan biaya per unitnya akan mampu meningkatkan daya saing keluaran yang dihasilkan oleh industri. Produktivitas tidak sama dengan produksi, tetapi produksi, performansi kualitas, hasil-hasil, merupakan komponen dari usaha produktivitas. Dengan demikian, produktivitas merupakan suatu kombinasi dari efektivitas dan efisiensi. Secara umum produktivitas dapat dinyatakan sebagai rasio antara keluaran terhadap masukan, atau rasio hasil yang diperoleh terhadap sumber daya yang digunakan: P roduktivitas =
Keluaran . M asukan
(2.45)
Jika dalam rasio itu masukan yang dipakai untuk menghasilkan keluaran dihitung seluruhnya maka disebut produktivitas total. Rumus yang digunakan untuk menghitung produktivitas total sebagai berikut: P roduktivitas total =
Agregat keluaran . Agregat masukan
(2.46)
Produktivitas total digunakan untuk mengukur perubahan efisiensi dari kegiatan operasi. Untuk mengukur perubahan produktivitas total dalam suatu periode waktu, semua faktor yang berkaitan dengan kuantitas keluaran dan masukan yang dipakai selama periode tadi diperhitungkan.
Universitas Mercu Buana
52
Jika yang dihitung sebagai masukan hanya komponen tertentu saja maka disebut produktivitas parsial. Rumus yang digunakan sebagai berikut: Produktivitas parsial (misalnya tenaga kerja) P roduktivitas parsial =
Keluaran Biaya tenagakerja
atau
Keluaran (2.47) Jam kerja orang
Menurut Dewan Produktivitas Nasional RI tahun 1983, peningkatan produktivitas dapat dilihat dalam tiga bentuk: a. jumlah keluaran dalam mencapai tujuan meningkat dengan menggunakan sumber daya yang sama, b. jumlah keluaran dalam mencapai tujuan sama atau meningkat dicapai dengan menggunakan sumber daya yang lebih sedikit, dan c. jumlah keluaran dalam mencapai tujuan yang jauh lebih besar diperoleh dengan pertambahan sumber daya yang relatif lebih kecil. Produktivitas dapat diukur dalam berbagai bentuk. Tabel 2.6 menunjukkan contoh pengukuran produktivitas pada beberapa industri. Tabel 2.6. Contoh Pengukuran Produktivitas Nama perusahaan
Contoh pengukuran produktivitas
Penerimaan atau Revenue Tenaga Tenaga Usaha penPengeBiaya Perubahkerja + kerja tak + carian lang- + luaran + Modal — an sediaan langsung langsung sung total lain .............................................................................. .................. Spery Flight Systems
Total barang dan jasa yang ditagih (US$) Upah Beban Biaya bahan Biaya pelapekerja + fasilitas + baku langsung + yanan bisnis .............................................................................. .................. General Electric
Produksi — Bahan baku yang dibeli — Penyusutan — Pajak Upah Beban Biaya bahan Biaya pelapekerja + fasilitas + baku langsung + yanan bisnis .............................................................................. .................. Western Electric
Pengiriman Jam kerja tenaga kerja .............................................................................. .................. Northrop Corporation
Penjualan Pembayaran .............................................................................. .................. Honeywell
PT Denso Indonesia
Noritsu =
Produksi aktual 100 × Keluaran baku per orang per jam Jumlah pekerja ×Jam kerja
Universitas Mercu Buana
BAB III
METODOLOGI PENELITIAN Metodologi penelitian ini merupakan penjabaran lebih rinci tentang tahapantahapan metodologi penelitian yang secara garis besar telah diuraikan pada bab pendahuluan. 3.1
Materi Penelitian
Subyek pengamatan adalah kebijakan dan tingkat produktivitas dari keseimbangan lintasan Lini A/F 4WV. 3.2
Identifikasi Kebutuhan Data
Data-data yang dibutuhkan untuk keperluan penelitian ini adalah terdiri dari: a. Data riwayat operasi perusahaan, terdiri dari: (1) profil DNIA, (2) profil produksi Lini A/F 4WV, dan (3) kebijakan departemen. b. Data produk, terdiri dari: (1) nama tipe produk dan pelanggannya, (2) harga tiap tipe, (3) ukuran lot tiap tipe, dan (4) persentase keluarga produk. c. Data permintaan dari tahun 2006 sampai dengan tahun 2008. d. Data proses produksi, terdiri dari: (1) peta-peta kerja, (2) fasilitas produksi, dan (3) jumlah tenaga kerja. e. Data waktu kerja, terdiri dari: jam kerja dan jumlah hari kerja tahun 2009. f. Data waktu baku. g. Data biaya-biaya, terdiri dari seluruh biaya produksi langsung dan tak langsung yang dialokasikan untuk aktivitas manufaktur di Lini A/F 4WV.
53
Universitas Mercu Buana
54
3.3
Metode Penelitian
Metode yang dipergunakan adalah penelitian berdasarkan studi kepustakaan (library research) dan studi lapangan (field research). 3.3.1
Studi Kepustakaan
Studi kepustakaan (library research) meliputi pengumpulan bahan dan keterangan untuk tujuan teoritis dengan jalan memperolehnya dari beberapa perpustakaan, internet, dan media informasi lainnya. Beberapa teori yang dipelajari kembali dalam studi kepustakaan ini adalah: a. Konsep sistem produksi TPS (Toyota Production System). b. Keseimbangan lintasan dalam lean manufakturing. c. Konsep pengukuran kerja, managemen tempat kerja, studi waktu, peringkat kinerja, dan kelonggaran. d. Teknik perencanaan dan penjadwalan produksi untuk sistem TPS. e. Aplikasi statistika untuk pengujian data statistik dan data deret waktu. f. Dasar perhitungan Minitab untuk peramalan dengan metode dekomposisi. g. Dasar pengoperasian SPSS, STATISTICA, dan EViews. Sebagai catatan, tidak semua teori-teori di atas disampaikan dalam Laporan TA ini. Selain untuk tujuan teoritis, studi kepustakaan juga bertujuan melengkapi data-data yang tidak didapatkan dalam pengamatan langsung dan wawancara, seperti profil Denso Corporation, PT Denso Indonesia, peraturan pemberian upah lembur, dan lain-lain yang kebanyakan diambil dari internet. 3.3.2
Studi Lapangan
Studi lapangan merupakan penelitian secara langsung ke lapangan untuk mengumpulkan data yang dibutuhkan dalam penelitian. Studi lapangan ini dilakukan di Lini A/F 4WV, Departemen Filter Production, PT Denso Indonesia yang beralamatkan di Jalan Gaya Motor I No. 6, Sunter II, Tanjung Priok, Jakarta Utara. Studi lapangan dilaksanakan dari tanggal 18 Februari 2008 sampai dengan 18 Maret 2008.
Universitas Mercu Buana
55
Pengumpulan data menggunakan sumber primer dan sumber sekunder. Sumber primer merupakan sumber data yang langsung memberikan data kepada pengumpul data, sedangkan sumber sekunder merupakan sumber yang tidak langsung memberikan data kepada pengumpul data, seperti melalui orang lain atau dokumen. Pengumpulan data primer dan sekunder ini menggunakan teknik pengumpulan data yang akan dijelaskan di bawah ini. 3.4
Teknik Penelitian
Teknik penelitian dibagi ke dalam dua tahapan, yaitu pengumpulan data dan pengolahan data. 3.4.1
Teknik Pengumpulan Data
Teknik pengumpulan data terdiri dari pengamatan langsung (observation) dan wawancara (interview ). a.
Pengamatan langsung
Pengamatan langsung merupakan teknik pengambilan data secara sistematis dengan mengamati secara langsung objek yang diteliti. Pengamatan langsung dilaksanakan dari tanggal 18 Februari 2008 sampai dengan 18 Maret 2008 untuk mengumpulkan data sekunder dan data primer. Data-data sekunder terdiri dari data-data perusahaan yang berhasil dikumpulkan, yaitu sebagai berikut: 1) Company Profile (PowerPoint slides) dan DNIA Department Policy untuk data riwayat operasi perusahaan. 2) Daily Production per January-February 2008 dan Six Monthly (permintaan enam bulanan) untuk data produk dan data permintaan. 3) Flow Process Chart (FPC) dan Process Control Chart (PCC) untuk data proses produksi. 4) Sourcing List, Cost Study, dan Laporan Kaizen Inventory Activity untuk data biaya-biaya yang digunakan untuk aktivitas manufaktur di Lini A/F 4WV.
Universitas Mercu Buana
56
Data sekunder yang dikumpulkan untuk rujukan pengolahan data (berdasarkan metode perusahaan) adalah sebagai berikut: 1) Production Plan 2007-2008, untuk rujukan perencanaan produksi. 2) TIE World Standard Sheet: Tabel Analisis Waktu Operasi, untuk alat/lembar pengumpulan data studi waktu. 3) Manpower Calculation, untuk rujukan perhitungan kosu, manufacturing hours, working hours, dan manpower calculation. 4) Takt Time Planning, untuk perhitungan takt time terutama untuk mengetahui persentase ketersediaan operasi (operational availability) di lapangan. Tidak semua contoh-contoh data untuk rujukan pengolahan data disajikan dalam Laporan TA karena yang akan digunakan adalah cara perhitungannya. Sedangkan pengumpulan data primer meliputi: 1) Data waktu baku didapat melalui metode studi waktu atau jam-henti (stopwatch time study) dengan 30 kali pengukuran per elemen kerja1 . 2) Data tata letak (layout) dan aliran proses Lini A/F 4WV dengan skala yang tepat (precision) didapat melalui pengukuran dimensi-dimensi fasilitas dan lantai. 3) Data gambar tipe produk terprioritas didapat melalui praktek gambar teknik. Adapun mengenai dokumentasi yang dilakukan hanya sebatas dokumentasi tertulis, seperti pencatatan istilah-istilah di DNIA, pencatatan informasiinformasi yang tervisualkan di lantai produksi, dan lain-lain yang diperlukan untuk melengkapi hasil pengamatan langsung. b.
Wawancara
Wawancara dan konfirmasi dilakukan dengan karyawan dan managemen Filter Production serta bagian Production Control terkait hal-hal yang diamati. Wawancara juga dilakukan di luar masa penelitian dengan ASM Filter Production untuk kepentingan pembaharuan data permintaan dan untuk kebijakan Filter Production di tahun depan. 1
Pengukuran 30 kali per elemen kerja didasarkan pada Bab II Landasan Teori halaman 38.
Universitas Mercu Buana
57
3.4.2
Teknik Pengolahan Data
Teknik pengolahan data terdiri dari perhitungan-perhitungan dan pengujianpengujian data berdasarkan landasan teori, yaitu: a.
Analisis ABC
Data jumlah produksi per Januari-Februari 2008 dan harga tiap tipe diolah menggunakan Analisis ABC untuk mendapatkan tipe produk terprioritas yang akan dipakai untuk perincian produk dan studi waktu. b.
Peramalan
Data permintaan agregat historis diolah dengan model peramalan deret waktu untuk mendapatkan permintaan agregat tahun 2009. Kemudian hasil ramalan di-lotting pada tingkat disagregat untuk kemudian digabung kembali menjadi permintaan tingkat agregat sesungguhnya. Adapun metode peramalan yang akan digunakan adalah metode dekomposisi (aditif dan multiplikatif) dan metode na¨ıve dengan pengujian statistik menggunakan MAD, MSE, MAPE, U-Theil, dan tracking signal. Batas kendali tracking signal yang disarankan para pakar adalah ±4. Di sini, penulis mencoba menggunakan taraf nyata (α) = 5% sehingga nilai zα/2 = 1,96 ≈ 2. Jadi, batas kendali tracking signal kita adalah ±4 dan ±2. c.
Studi Waktu
Data-data waktu hasil pengukuran diuji kenormalan, keseragaman, dan kecukupan datanya, kemudian disesuaikan dengan peringkat kinerja untuk memperoleh waktu normal elemen kerja. Selanjutnya, waktu-waktu normal elemen kerja digabungkan menjadi waktu normal tugas untuk diberikan kelonggaran sehingga menghasilkan waktu baku tugas. d.
Perencanaan Takt Time
Data hasil peramalan dan data banyak hari tahun 2009 serta jam kerja diolah menjadi takt time rata-rata tahun 2009 untuk memperoleh nilai acuan praktek keseimbangan lintasan.
Universitas Mercu Buana
58
e.
Keseimbangan Lintasan
Setelah nilai acuan takt time didapatkan, selanjutnya data proses produksi, takt time, dan data waktu baku setiap tugas diolah sehingga menjadi diagram precedence kemudian dibentuk stasiun kerja untuk melihat kriteria pembanding keseimbangan lintasan, yang terdiri dari: (1) standardized work combination sheet, (2) beban stasiun kerja, (3) ukuran keseimbangan (efisiensi lini, tundaan seimbang, dan indeks kelancaran), (4) jumlah sediaan WIP, (5) keluaran per jam, dan (6) jumlah minimum stasiun kerja. Keseimbangan lintasan terdiri dari dua alternatif, yaitu alternatif I untuk kondisi aktual dan alternatif II untuk usulan/perbaikan. f.
Perencanaan Produksi
Data permintaan dan keluaran per jam diolah dengan strategi produksi stabil (level strategy) untuk mendapatkan rencana produksi tahun 2009. Rencana produksi dibuat berdasarkan dua alternatif keseimbangan lintasan. g.
Manpower Calculation
Data rencana produksi dan keluaran per jam diolah dengan manpower calculation untuk mendapatkan jumlah jam lembur per bulan dari suatu pilihan jumlah tenaga kerja tertentu berdasarkan hasil dua alternatif keseimbangan lintasan. h.
Perhitungan Biaya
Di sini, kita memperkirakan nilai uang selama satu bulan yang muncul di Lini A/F 4WV akibat praktek keseimbangan lintasan baik yang bersifat pendapatan perusahaan maupun pembelanjaan perusahaan. Nilai uang ini diperhitungkan secara agregat, tetapi sebatas yang dapat diperkirakan dan secara langsung mempengaruhi aktivitas manufaktur Lini A/F 4WV. i.
Pengukuran Produktivitas
Dari dua alternatif kondisi keseimbangan lintasan dan berdasarkan perhitungan biaya, pada masing-masing kondisi, kita membuat rasio keluaran agregat finansial bulanan dengan masukan agregat finansial bulanan sehingga didapatkan indeks produktivitas total Lini A/F 4WV, dan itu dibuat sebanyak 12 kali (satu tahun).
Universitas Mercu Buana
59
3.5
Metode Analisis
Hasil pengolahan data kemudian dianalisis, yaitu berupa evaluasi dan perbandingan (comparison). Hal-hal yang perlu/penting dievaluasi untuk kepentingan tahun 2009 adalah masalah permintaan dan waktu gerakan tak bernilai tambah. Analisis utama adalah perbandingan hasil dari dua alternatif keseimbangan lintasan beserta produktivitasnya. Berikut rincian penjelasan dan tujuan-tujuan dari analisis tersebut: a. Evaluasi Permintaan Evaluasi dilakukan terhadap permintaan selama tiga tahun terakhir berikut dengan ramalannya di tahun depan. Evaluasi juga dilakukan terhadap metode peramalan yang pakai dan kondisi pasar yang mendukung tingkat permintaan. Perilaku permintaan yang penting untuk dianalisis adalah pembuktian ada atau tidak adanya trend agar terdapat gambaran tentang bagaimana seharusnya managemen lantai produksi mengantisipasi tingkat permintaan tersebut. Analisis trend dilakukan secara grafis menggunakan metode semiaverage 2 dan secara hipotesis menggunakan metode first difference test 3 . Semi-average membagi deret waktu atas dua jumlah yang sama, kemudian setiap bagian itu dicari harga rataan hitungnya (¯ y ). Kedua harga rataan hitung itu kemudian dijadikan titik A1 dan titik A2 dengan koordinat A1 = (x1 ; y¯1 )
dan
A2 = (x2 ; y¯2 ).
dengan x adalah garis horisontal waktu. Garis trend yang dicari itu adalah garis yang menghubungkan titik A1 dan titik A2 . First difference test menguji serial correlation/autokorelasi yang hampir selalu ada dan sangat berarti dalam data deret waktu. First difference dari nilai yang diamati (y) pada periode t dihitung dengan: t = (1 − L)yt = yt − yt−1 .
(3.1)
Lag ’ketertinggalan’ dari first difference ini adalah sama dengan 1. 2 3
Lihat Amudi Pasaribu, Op cit., pp. 410—415 Lihat Ibid., pp. 428—430
Universitas Mercu Buana
60
Cara pengujiannya adalah dengan menghitung jumlah kalinya ”naik” (t positif) dan jumlah kalinya ”turun” (t negatif). Berdasarkan jumlah ini, dapatlah kita menguji suatu hipotesis nul (Ho ) terhadap hipotesis alternatifnya (Ha ) dengan rumusan sebagai berikut: Hipotesis nul, Ho : Jika banyaknya naik sama dengan banyaknya turun, maka trend tidak ada/tidak berarti (not significant). Hipotesis alternatif, Ha : Jika banyaknya naik lebih besar (atau lebih kecil) dari banyaknya turun, maka trend ada/berarti (significant). Pengujian dilakukan dengan mengasumsikan first difference terpancar secara normal, yaitu dalam kurva normal baku dengan satu ujung wilayah kritis (the one-sided critical region), di mana keputusannya adalah • Terima Ho jika z-hitung < z-tabel, atau • Tolak Ho jika z-hitung > z-tabel. Nilai z-hitung dapat dicari dengan rumus sebagai berikut: (m − µ) − zα = σ
1 2
(3.2)
di mana m adalah jumlah kalinya naik (atau turun) pada data yang diamati dan µ adalah jumlah kalinya naik (atau turun) yang diharapkan. Dalam pengamatan yang mempunyai urutan acak (random), kita mengharapkan jumlah kalinya naik dan turun adalah sama, yaitu µ=
N −1 2
(3.3)
dan galat baku (standard error ) dari naik dan turun itu adalah: r n+1 σ= n−f
(3.4)
di mana N adalah jumlah data deret waktu, n adalah jumlah kalinya naik dan turun, dan f adalah derajat bebas untuk trend yang sama dengan 2. Metode semi-average dan first difference test di atas cukup sederhana, tetapi pada keadaan-keadaan tertentu memberikan hasil yang cukup memuaskan sehingga cocok digunakan untuk aplikasi lapangan.
Universitas Mercu Buana
61
b. Evaluasi Waktu Gerakan Analisis akan menggambarkan persentase waktu elemen kerja bernilai tambah (e.g., merakit) dan tak bernilai tambah (e.g., mengambil, membawa, meletakkan) dari suatu tugas ke dalam satu diagram kue (pie chart) sehingga tampak berapa bagian waktu elemen kerja bernilai tambah dan berapa bagian waktu elemen kerja tak bernilai tambah. Evaluasi ini bertujuan untuk mengamati berapa besar waktu elemen kerja tak bernilai tambah sehingga dapat menjadi bahan acuan untuk perbaikan (improvement) di masa mendatang. c. Perbandingan Keseimbangan Lintasan Analisis ini membandingkan seluruh kriteria pembanding dari kedua alternatif keseimbangan lintasan beserta pengaruhnya terhadap pengambilan putusan untuk pelaksanaan aktivitas produksi. d. Analisis Produktivitas Analisis ini membandingkan produktivitas dari kedua alternatif keseimbangan lintasan sehingga kita dapat mengusulkan keseimbangan lintasan yang terbaik. Seluruh analisis di atas dapat dilakukan apabila hasil pengolahan data memenuhi kecukupan sebagai berikut: • didapatkannya tingkat permintaan tahun 2009 untuk evaluasi permintaan, • didapatkannya besaran waktu gerakan bernilai tambah dan tak bernilai tambah untuk evaluasi kerja sehingga terdapat informasi untuk perbaikan kerja selanjutnya, • didapatkannya kriteria pembanding keseimbangan lintasan untuk perbandingan kondisi keseimbangan lintasan yang terbaik, dan • didapatkannya produktivitas total Lini A/F 4WV untuk perbandingan tingkat produktivitas masing-masing kondisi keseimbangan lintasan. Setelah analisis dilakukan kemudian kita membuat simpulan sebagai jawaban tujuan penelitian Laporan TA ini. Bagan arus (flow chart) dalam Gambar 3.1 di bawah ini menjelaskan analisis beserta metodologi penelitian Laporan TA ini.
Universitas Mercu Buana
62
MULAI
LATAR BELAKANG MASALAH Lembur berkepanjangan dan tumpukkan sediaan WIP.
PERUMUSAN MASALAH Apakah perbaikan keseimbangan lintasan dapat meningkatkan produktivitas?
PENENTUAN TUJUAN
PENENTUAN MATERI PENELITIAN Kebijakan dan tingkat produktivitas dari keseimbangan lintasan Lini A/F 4WV.
Lihat Anak Bab 1.3 Tujuan Penelitian.
PEMBATASAN MASALAH Lihat Anak Bab 1.4 Batasan Masalah.
STUDI KEPUSTAKAAN Lihat Bab II Landasan Teori.
PENGUMPULAN DATA
TIDAK
B
Pengumpulan Data Sekunder Data sekuder didapat melalui observasi langsung dan wawancara, berikut data‐data tersebut: Data Riwayat Operasi Perusahaan : Profil DNIA, Profil produksi Lini A/F 4WV, dan Kebijakan departemen. Data Produk : Nama tipe produk dan pelanggannya, Harga tiap tipe, Ukuran lot tiap tipe, dan Persentase keluarga produk. Data Permintaan per 2006‐2008 Data Proses Produksi : Peta‐peta kerja, Fasilitas produksi, dan Jumlah tenaga kerja. Data Waktu Kerja : Jam Kerja dan Jumlah Hari Kerja Tahun 2009 Data Biaya‐Biaya : Seluruh biaya produksi langsung dan tak langsung yang dialokasikan untuk aktivitas manufaktur Lini A/F 4WV. Data Istilah‐Istilah Perusahaan Pengumpulan Data Primer Data waktu baku didapat melalui studi waktu dengan 30 kali pengukuran per elemen kerja. Data tata letak didapat melalui pengukuran dimensi‐dimensi fasilitas dan lantai. Data gambar produk didapat melalui praktek gambar teknik.
A
TIDAK
B
Gambar 3.1. Bagan Arus untuk Metodologi Penelitian
Universitas Mercu Buana
63
, (
(
#,
-
). ! !
! "
"
# !
"# $
"
'
$
"
!
%
" #
&
!
"# $
%
" #
&
$ (
)$*
$ !
"# $
%
" #
&
$ +
, - ! $
"# $ . &
%
!
% "# $
" # %
& " #
&
/
# ' # ' # $
.
! &
#
#
( (!
' )
*+
Gambar 3.1. (lanjutan)
Universitas Mercu Buana
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA Pengumpulan dan pengolahan data ini berisikan sorotan objektif penulis terhadap hasil-hasil penelitian. Tolok ukurnya dapat dikembalikan kepada persiapan dan metodologi penelitian. Hasil pengumpulan dan pengolahan data ini diharapkan dapat digunakan untuk memecahkan permasalahan penelitian. 4.1
Pengumpulan Data
Data-data yang dikumpulkan meliputi data riwayat operasi perusahaan, data produk, data produk terprioritas, data permintaan, data proses produksi, data waktu kerja, data studi waktu, data biaya-biaya, dan data istilah-istilah. 4.1.1
Data Riwayat Operasi Perusahaan
Denso Corporation (Kabushiki-gaisha Dens¯ o ) adalah perusahaan komponen otomotif terkemuka di dunia yang bermarkas di kota Kariya, Aichi Prefecture, Jepang. Didirikan pada tanggal 16 Desember 1949 dengan nama Nippondenso Co. Ltd kemudian berganti nama menjadi Denso Corporation pada tahun 1996. Denso adalah anggota dari Toyota Group. Di mana, Denso adalah pemasok komponen untuk Toyota sebagaimana Delphi untuk General Motors, Visteon untuk Ford, atau Keihin untuk Honda. Pada awalnya, Denso adalah divisi manufaktur komponen elektronik dari Toyota Motor Corporation, yang kemudian berdiri sebagai perusahaan terpisah pada saat rekonstruksi Perang Dunia II1 . 1
Lihat juga: Denso (Wikipedia: http://en.wikipedia.org/wiki/Denso, 2008)
64
Universitas Mercu Buana
65
Seperti umumnya perusahaan-perusahaan Jepang, Denso memiliki kultur korporasi yang luar biasa kuat. Kultur korporasi tersebut tumbuh dari filosofi yang ditanamkan perusahaan. Bagi Denso, filosofi merupakan pedoman kegiatan perusahaan untuk memastikan bahwa perusahaan akan terus berjalan, yaitu tetap dipercaya oleh semua orang di seluruh dunia2 . Filosofi Denso dapat dilihat pada Gambar 4.1 di bawah ini. Mission: Contributing to a better world by creating value together with a vision for the future.
Misi: Dengan kebersamaan dan pandangan kedepan, ikut berperan serta menuju dunia yang lebih baik.
Management Principles: Customer satisfaction through quality products and services. Global growth through anticipation of change.
Prinsip-prinsip Manajemen: Memberikan kepuasan pelanggan melalui mutu produk dan pelayanan. Pertumbuhan global melalui antisipasi terhadap setiap perubahan. Environmental preservation and harmony with society. Menjaga kelestarian lingkungan dan keharmonisan dengan masyarakat. Corporate vitality respect for individuality. Mengutamakan kepentingan perusahaan dan penghargaan individu.
Individual Spirit: To be creative in thought and steady in action. To be cooperative and pioneering. To be trustworthy by improving ourselves.
Spirit Individu: Berpikir kreatif dan mantap dalam tindakan. Mampu bekerjasama dan menjadi pelopor. Dapat dipercaya dengan meningkatkan kemampuan diri. * terjemahan Indonesia oleh PT DENSO Indonesia
Sumber: Denso Corporation, Corporate profile 2007 (Aichi: Denso Corporation, 2007), p. 1
Gambar 4.1. Filosofi Denso
Saat ini, Denso beroperasi di 32 negara dan wilayah dengan 188 anak perusahaan. Lebih dari 112.000 karyawannya melakukan kegiatan pada semua aspek bisnis otomotif–penjualan, pengembangan dan perancangan produk, dan produksi–dan bekerja dalam kerjasama dengan para produsen dan pemasok mobil regional untuk memberikan solusi yang sangat pantas bagi kebutuhan regional. Total penjualan konsolidasi global Denso pada tahun fiskal yang berakhir 31 Maret 2007 adalah sebesar 30,6 milyar US Dollar. Sekitar 8% diinvestasikan untuk aktifitas penelitian dan pengembangan (R&D) untuk menjamin semua produknya dapat menawarkan keamanan, kenyamanan, dan kemudahan serta aman untuk lingkungan3 . 2 3
Denso Corporation, Philosophy (http://www.globaldenso.com/en/aboutdenso/ philosophy), para. 1 Denso Corporation, Global Denso overview (http://www.globaldenso.com/en/ aboutdenso/company), para. 3
Universitas Mercu Buana
66
Tabel 4.1 menyajikan informasi yang cukup lengkap mengenai kondisi terakhir Denso di tingkat korporat: Tabel 4.1. Profil Denso Corporation Tahun 2007 Nama Perusahaan DENSO CORPORATION .............................................................................. Berdiri 16 Desember 1949 .............................................................................. Kantor Pusat 1‐1, Showa‐cho, Kariya, Aichi 448‐8661, Jepang .............................................................................. Modal ¥187,4 milyar (US$1,6 milyar) .............................................................................. ¥3.609,7 milyar (US$30,6 milyar) Dasar Konsolidasi Penjualan Bersih Dasar Non‐konsolidasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .¥2.292,9 . . . . . . . .milyar . . . . . .(US$19,4 . . . . . .milyar) .... ¥303,1 milyar (US$2,6 milyar) Dasar Konsolidasi Laba Operasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dasar . . . . . .Non‐konsolidasi . . . . . . . . . . . . . . . . .¥166,3 . . . . . .milyar . . . . . . (US$1,4 . . . . . .milyar) .... ¥205,2 milyar (US$1,7 milyar) Dasar Konsolidasi Laba Bersih . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dasar . . . . . .Non‐konsolidasi . . . . . . . . . . . . . . . . .¥137,9 . . . . . .milyar . . . . . . (US$1,2 . . . . . .milyar) .... 112.262 Dasar Konsolidasi Jumlah Karyawan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dasar . . . . . .Non‐konsolidasi . . . . . . . . . . . . . . .34.090 ........................ Anak Perusahaan yang di Konsolidasi 188 (Jepang 68, Amerika 38, Eropa 33, Asia/Oceania 49) .............................................................................. Afiliasi dibawah metode ekuitas 32 (Jepang 14, Amerika 6, Eropa 2, Asia/Oceania 8, lain‐lain 2) .............................................................................. Daftar Bursa Efek
Tokyo, Osaka, dan Nagoya di Jepang
*) ¥ 118 = US$1, kurs US Dollar yang berlaku 31 Maret 2007
Sumber: Denso Corporation, Corporate. . . , p. 3
Untuk meningkatkan suatu sistem penjualan dalam tekanan globalisasi, bisnis tanpa batas, dan kecepatan operasi, serta menciptakan suatu organisasi yang sederhana dan ramping (lean), Denso mengadopsi suatu sistem dalam lima kelompok produk yang mewakili lima kelompok bisnis Denso, yaitu: a. Powertrain Control Systems Business Group, menyatukan tiga divisi yang terlibat dalam pengembangan dan pembuatan sistem managemen enjin, komponen mesin bensin, dan komponen mesin diesel untuk memajukan suatu pendekatan menyeluruh ke pengembangan sistem. b. Electric Systems Business Group, menyatukan dua divisi yang terlibat dalam pengembangan dan pembuatan stater, alternator, dan komponen elektrik lainnya untuk kendaraan biasa dan kendaraan hybrid untuk memajukan perkembangan sinergis dari teknologi terkait.
Universitas Mercu Buana
67
c. Electronic Systems Business Group, menyatukan dua divisi pengembangan dan pembuatan enjin ECUs (Electronic Control Units) dan sirkuit integral (IC) atau perangkat elektronik untuk sistem kendali otomotif lainnya untuk memajukan perkembangan sinergis perangkat-lunak dan perangkat-keras. d. Thermal Systems Business Group, menyatukan dua divisi pengembangan dan pembuatan AC mobil, radiator, dan komponen-komponen lain untuk keperluan teknologi pertukaran panas pada otomotif. e. Information & Safety Systems Business Group, menyatukan beberapa divisi pengembangan dan pembuatan produk-produk ITS (Intelligent Transportation Systems), sistem keselamatan, dan bodi elektronik untuk memajukan perkembangan sistem-sistem untuk bantuan navigasi (driver-assistance). Selain kelompok bisnis di atas terdapat pula Denso Wave Incorporated, yaitu kelompok perusahaan Denso yang membuat produk-produk untuk kebutuhan sistem industri, seperti perangkat pemindai kode (bar-code reader, 2D code reader, dan produk-produk yang terkait dengan IC card ), robot industri, PLC (programmable logic controller ), dan lain-lain. Gambar 4.2 menunjukkan kelompok bisnis Denso dalam struktur organisasi korporat.
Board of Director
Chairman
Corporate Center
Audit, Corporate Planning, Corporate Communications, Legal, Procurement
Administration Center
Secretarial, General Admin., Human Resources, Health Care Admin.
Engineering Research & Development Center
Technology Planning, Intellectual Property, Engineering Admin., Corporate R&D, Research Laboratories
Production Promotion Center
Quality Control, Environmental Planning, Production Eng., Materials Engineering R& D, Prototype Mfg., Construction, Production Control
Sales Group
Sales Admin., Sales Planning, Sales & Marketing, Technical Service
Powertrain Control Systems Business Group
Gasoline/Diesel Management, Systems & Components, Transmission Control Components
Electric Systems Business Group
Starters, Alternators, Components for Hybrid Vehicles, Components for Electric Power Steering Systems
Electronic Systems Business Group
Engine ECUs, Transmission ECUs, Semiconductor Sensors, ICs, Power Module, EL Display
Thermal Systems Business Group
Car Air‐Conditioning Systems, Radiators, Natural Refrigerant (CO2) Heat‐ Pump Hot Water Supply Systems
Information & Safety Systems Business Groups
ITS Product (Car Navigation Systems, ETC, Telematics) Safety Systems Products (Airbag Sensors & ECUs Milli‐meter‐Wave Radar Sensors) Body Electronics Product (Instrument Clusters, ECUs)
President & CEO Executive Vice President
Sumber: Denso Corporation, Corporate. . . , p. 3
Gambar 4.2. Struktur Organisasi Denso Corporation
Universitas Mercu Buana
68
Denso mulai membuka cabang di Indonesia sejak tahun 1975 dan berikut beberapa perusahaan yang termasuk dalam kelompok Denso (Tabel 4.2): Tabel 4.2. Kelompok Perusahaan Denso di Indonesia Tahun Jumlah berdiri karyawan
Nama perusahaan PT DENSO INDONESIA
(DNIA)
1975
1.675
PT DENSO SALES INDONESIA
(DSIA)
2004
96
PT ASMO INDONESIA
(AINE)
1997
1.100
1997
178
PT HAMADEN INDONESIA MFG. (HDI)
Bisnis utama Produksi dan penjualan AC mobil, radia‐ tor, busi, dan filter Penjualan komponen otomotif Produksi power window regulator motors Produksi horns (klakson)
Sumber: Denso Corporation, Corporate. . . , p. 12
Untuk PT Denso Sales Indoparts Utama yang berdiri tahun 2001 dan bergerak dalam penjualan dan perbaikan komponen otomotif, sudah ditutup pada tahun 2005 dan digabungkan ke PT Denso Sales Indonesia. PT Denso Indonesia (DNIA) adalah sebuah perusahaan PMA (Penanaman Modal Asing atau foreign investment status) yang merupakan usaha patungan perusahaan swasta Jepang dan Indonesia yang beroperasi dalam pembuatan suku cadang kendaraan, seperti pendingin udara mobil, busi, filter, radiator. Didirikan pada tanggal 12 Mei 1975 dengan nama PT Nippondenso Indonesia Incorporated. Pada tahun 1998 berubah menjadi PT Denso Indonesia Corporation. Dan kemudian pada tahun 2004 kembali berubah menjadi PT Denso Indonesia. Berikut sejarah DNIA (Tabel 4.3): Tabel 4.3. Sejarah PT Denso Indonesia » 1973 November Persetujuan BKPM Desember Persetujuan kerjasama
» 1974 November Persetujuan Presiden » 1975 Februari Ijin dari Menteri Perindustrian Mei
Berdiri
» 1976 Juni
Konstruksi diresmikan
» 1977 April
Konstruksi telah siap
» 1978 Februari Produksi Radiator dan AC mobil » 1979 Juni
Produksi Busi dan Filter udara
Universitas Mercu Buana
69
Tabel 4.3. (lanjutan) » 1988 Januari
Produksi AC‐Bus, Starter, & Alternator Produksi tabung cadangan Air Radiator Produksi Washer Tank, Horn, Filter bahan bakar
April Juli
» 1991 November Produksi Compressor » 1995 Agustus
Awal pembangunan pabrik di Cibitung
» 1996 Juni
Konstruksi pabrik di Cibitung telah siap
» 1998 Juli
Meraih Sertifikat ISO 9002 (Sistem Manajemen Kualitas) Desember Meraih Sertifikat ISO 14001 (Sistem Manajemen Lingkungan)
» 1999 Juli
Produksi Idle Speed Control Valve (ISCV)
» 2000 Juni
Meraih Sertifikat QS 9000 (Sistem Manajemen Kualitas)
Sumber: Denso Indonesia, Sejarah perusahaan (http://www.denso.co.id/ WEB.nsf/history?openpage)
DNIA mulai beroperasi tanggal 1 Februari 1978, modal awal yang digunakan adalah sebesar 5.650.000 US Dollar (Rp2.345.000.000,00). Untuk menunjang kegiatan produksinya, DNIA telah membangun 2 pabrik yaitu di Sunter (Jakarta Utara) seluas 37.848 m2 dan di Kawasan Industri MM2100 (Bekasi) seluas 100.000 m2 dengan jumlah tenaga kerja 2.237 orang (22 orang dari Jepang). Informasi lengkap mengenai kepemilikan modal dan profil kedua buah pabrik DNIA dapat dilihat pada Gambar 4.3. CAPITAL/SHARE HOLDER Capital BOD Group Company
: US$5,650,000 (MRP 2,345) : 7 (Denso 5, Astra 2) PT Denso Sales Indonesia (DSIA) : DNIA share 99% DIAS share 1% PT Hamaden Indonesia (HDI) DNIA share 49% Hamaden Japan 51% PT Asmo Indonesia (AINE) ASMO Japan share 100% DIAS* 58%
AOP** 26%
TICO TTC 6% 10%
*) DIAS (Denso International Asia). Denso Japan (DNJP) share 100%. **) AOP (Astra Otopart). Subsidiary company of PT Astra International, partner of Toyota, Honda, Daihatsu in Indonesia
SUNTER FACTORY (DNIA, DSIA, HDI, Head Office & Factory) Location Jakarta Production start Jan, 1978 Land area ± 38,000 m² Plant area ± 19,000 m² Employee 900 (DNIA) 102 (DSIA) 278 (HDI) Total 1,280 Product Power train product & Cu Radiator
BEKASI FACTORY Location Production start Land area Plant area Employee Product
Jakarta to eastern 30 Km July, 1996 ± 100,000 m² ± 26,650 m² Total 957 Thermal group product & ISCV
Sumber: Denso Indonesia, Company profile [PowerPoint slides] (Jakarta: Indonesia, 2008), chap. 1.1; 1.4
PT Denso
Gambar 4.3. Kepemilikan Modal dan Profil Pabrik PT Denso Indonesia
Universitas Mercu Buana
70
DNIA telah meraih sertifikat ISO 9002 (16 Juli 1999), ISO 14001 (8 Desember 1999), dan QS 9000 (14 Juni 2000). DNIA juga mempelopori pemakaian Gas R134a (bahan yang masuk kelompok HFC yang merupakan salah satu refrigerant yang tidak merusak ozon) untuk AC mobil dan AC bus sebagai pengganti Gas R12 (bahan yang masuk kelompok CFC). Eksistensi suatu industri diperkuat oleh adanya kepercayaan pelanggan. DNIA telah lama menjalin kerjasama dan dipercaya oleh produsen otomotif terkemuka di dunia. Berikut daftar pelanggan utama DNIA (Tabel 4.4): Tabel 4.4. Daftar Pelanggan Utama PT Denso Indonesia PT German Motor Manufacturing PT Tjahja Sakti Motor Corp. PT Starts Auto Dinamika PT Astra Daihatsu Motor PT Indonesia Republik Motor Company PT Hino Indonesia Manufacturing PT Hitachi Machinery Contruction Indonesia PT Honda Prospect Engine PT Prospect Motor PT Astra Honda Motor PT Honda Astra Engine Manufacturing PT Citra Mobil Nasional PT Mesin Isuzu Indonesia OEM (Original Equipment PT Pantja Motor Manufacturer) PT Kawasaki Motor Indonesia PT Komatsu Indonesia PT Kubota Indonesia PT Mazda Indonesia Manufacturing PT National Motor Co. PT Kramayudha Tiga Berlian Motors PT Mitsubishi Kramayudha Motors and Manufacturing PT Wahana Wirawan PT Astra Nissan Diesel Indonesia PT Indomobil Suzuki International PT Toyota Astra Motor PT Danmotors Vespa Indonesia PT Yamaha Indonesia Motor MFG
(BENZ) (BMW) (DAEWOO) (DAIHATSU) (FORD) (HINO) (HITACHI) (HONDA) (HONDA) (HONDA M/C) (HONDA M/C) (HYUNDAI) (ISUZU) (ISUZU) (KAWASAKI) (KOMATSU) (KUBOTA) (MAZDA) (MAZDA, HINO) (MITSUBISHI) (MITSUBISHI) (NISSAN) (NISSAN DIESEL) (SUZUKI) (TOYOTA) (VESPA) (YAMAHA)
Replacement Market
Dealer Network (39 domestic distribution & 14 domestic service)
Export Market
Australia Brazil Brunei Darusallam
China Holland Japan Laos
Malaysia Myanmar New Zealand Philipines
Singapore Thailand USA Vietnam
Sumber: Denso Indonesia, Major customer (http://www.denso.co.id/WEB.nsf/major?openpage) dan Denso Indonesia, Export destination (http://www.denso.co.id/WEB.nsf/export?openpage)
Universitas Mercu Buana
71
Lokasi penelitian Tugas Akhir di DNIA ini adalah Lini Air Filter 4WV (A/F 4WV) yang merupakan lini yang memproduksi filter udara (air filter )4 untuk mesin kendaraan roda empat (four wheel vehicle, 4WV). Dalam operasinya, Lini A/F 4WV di bawah kendali managemen Filter Production, yaitu sebuah departemen yang khusus membuat komponen-komponen penyaring udara dan bensin untuk sistem managemen enjin kendaraan roda empat maupun roda dua. Produksi filter udara adalah produksi terbesar setelah busi (sparkplug). Hal ini disebabkan keberadaan Indonesia sebagai pasar terbesar kendaraan roda dua di Asia Tenggara, dan di mana The Three Japanese Maker (Honda, Suzuki, dan Yamaha) merupakan pelanggan utama DNIA. Berdasarkan data DNIA tahun 2004-2007, produksi A/F 2WV (filter udara kendaraan roda dua) adalah sebesar 18 juta unit; atau rata-rata 5 juta unit per tahun, dengan pasar potensial 60 juta unit, atau 25% dari total populasi penduduk Indonesia5 . Penjualan A/F 4WV dari tahun ke tahun juga menunjukkan kecenderungan yang meningkat dengan rataan penjualan tahunan berkisar 470 ribu unit untuk Toyota, Daihatsu, Suzuki, Mitsubishi, dan lain-lain (lihat Gambar 4.4).
Sumber: Denso Indonesia, Company profile, chap. 1.2
Gambar 4.4. Tingkat Penjualan Air Filter 4WV per 2004-2007 4 5
Filter udara adalah penyaring udara yang akan masuk ke karburator untuk dicampur secara merata dengan bahan bakar. Denso Indonesia, Company profile, chap. 2.4
Universitas Mercu Buana
72
Filter Production terdiri dari lima lini produksi, yaitu: a. Lini Air Filter 4WV, memproduksi keluarga produk Air Filter 4WV. b. Lini Air Filter 2WV, memproduksi keluarga produk Air Filter 2WV. c. Lini Fuel Filter, memproduksi keluarga produk Fuel Filter (filter bensin). d. Lini Air Cleaner, yang memproduksi keluarga produk Air Cleaner (sistem penyaring udara pada kendaraan roda empat keluaran terbaru). e. Lini Pleating, yang menyiapkan part berupa kertas filter untuk keluarga produk A/F 4WV dan Fuel Filter. Dalam operasi sehari-hari, managemen Filter Production dipimpin oleh seorang ASM (Assistent Section Manager) dibantu oleh Foreman dan Leader Lini. Struktur organisasi Filter Production beserta jumlah tenaga kerja dapat dilihat pada Gambar 4.5, sedangkan kebijakan Filter Production periode April 2007 sampai dengan Maret 2008 dapat dilihat pada Tabel 4.5.
!
# "
! "
# $
#$
Sumber: Filter production organization, PT Denso Indonesia
Gambar 4.5. Struktur Organisasi Departemen Filter Production
Universitas Mercu Buana
73
Tabel 4.5. Kebijakan Departemen Filter Production H%>
0&>F0 F &> I
"
! $'
# $ 3 ' % ! ##
4
' $ ) 9 $ < ' 9 ! 4 ( ! 8 9/ = 4 2 < ( ( $ 4 ! * '9 - $' (9 ;; 0' *>
,# B &
)$ '
9 $$ $ ;
-
!
&
8
7 (9
+' $
*&
'9
$$ (9 /
-
(
(9 # (9
9
#
0'
# %
! $ 4 $' C #' 8 '
(9
$*E
3 ' !
(
% 6$ 3
3
3
!
"
# $ ) * + , $$ % - + , $$ .. + /*0 $ 1 +. ' 21 3 4 . 5 6 + .*#' 21 . 5 6 + .*#' 21 3 *# + .*#' 21 # 7 4 # $ $ 8 9 (* $ $
? /
# $
$ =
3 ' /
;
3
% !
& 3
# <'
#' 8 0
D
0
'
' !
## ! ## . $' ' ;; ! ' ;; ,
(
/ $$ * %>F;= ; @ 4 $ 5 2
( $* *@ *
' *E '*
3
( & 1 ( * ' ( *E
,&6
$'- ++++: $'-
' 94 $ ;= ! < ;= ## * + / $ 8 ;= 8 ( +> < ' ! +% 8? * < 2* + ;2 8 ! < ! 3 '$ @ 4 & 8 * $ ! 8 4 ; ? ,& 8 + 4 $' 8 + ## / $ * < 2* 5' $ $ <' $ ' # ! 9 ' $ 4 $'A> = % ! + # BA ! 56 & 2 &$ ' ' < '& - < 0 & ! 4 + # B0 &8 ,, ? C ,! ! + # 3B / 56 # $ 0 8$ + ;;# #
(
3
% !
$'- -
4
;&
4
( D% (
;& 4
8$ C ! <2 4 $ $ +/ 56 +/ . . +> . . ! ) + # B + # B 0 8 8 ? 4 # * % 2 4
< 2 ;= -
;&
. ;& ;& / . ;& ;&
. ;& ;& ;&
)4
;& ;&
;& 56 . ! '
6$ C ## ;; ! 5 2 / & 8 8 ,# - ;; . 2 * $ > -%>F;= ; %>F;=+G 4 , $ *5 2 %>F;= ' 5 2 8 . < ' ! ?0
. . ;& 8
;& . ;&
$' 8
8
F
& E
+.0+E
!$
Sumber: Filter production policy, PT Denso Indonesia
Informasi lebih lengkap dan rinci mengenai riwayat operasi perusahaan Denso dapat dilihat pada sumber-sumber sebagai berikut: • Situs Denso Corporation Japan: www.denso.co.jp • Situs Denso Global: www.globaldenso.com • Situs PT Denso Indonesia: www.denso.co.id • Ensiklopedi Wikipedia: http://en.wikipedia.org/wiki/Denso • Laporan Kerja Praktek: Eris Kusnadi, Praktikum sistem produksi di lingkungan Toyota Production System: Studi kasus Lini Air Filter 4WV PT Denso Indonesia (Jakarta: PSTI UMB, 2008) pp. 6—18
Universitas Mercu Buana
74
4.1.2
Data Produk
Berdasarkan data terakhir (Februari 2008), Lini A/F 4WV memproduksi 11 tipe produk. Tabel 4.6 memperlihatkan daftar nama tipe produk, pelanggan tipe produk, harga tiap tipe produk, ukuran lot pemesanan tiap tipe produk, dan persentase tiap tipe produk dari keluarga produk A/F 4WV. Tabel 4.6. Daftar Tipe Produk dari Keluarga Produk Air Filter 4WV No. 1 2 3 4 5 6 7 8 9 10 11
P/N
Nama tipe
JK014300‐36203S Y89/Y80J AM Air Filter Assy JK014300‐55703S Y9B AM Air Filter Assy JK014300‐38500M SL‐D Air Filter JK014300‐41903C S 88 A/F After Market Assy JK014300‐65903C X 470 A/F After Market JK014300‐70203T KF Assy Air Filter A/M (KF OLD) JK014300‐70303T KF 510 T Air Filter A/M JK014300‐85603T Element S/A 7 KE/2L A/Market JK014350‐38103T Element Air Filter 2ND BRAND JK014350‐49503T Element S/A Air Cleaner ARPI JK014300‐85607P El. Air Cleaner Tamarraw (366L)
Pelanggan
Harga
Suzuki Suzuki KTB ADM ADM TMMIN TMMIN TMMIN TMMIN TMMIN TMMIN
Rp19.700,00 Rp24.000,00 Rp32.400,00 Rp29.400,00 Rp23.200,00 Rp18.600,00 Rp19.800,00 Rp40.400,00 Rp21.250,00 Rp33.200,00 Rp23.900,00
Ukuran %Keluarga lot produk 50 11% 50 8% 10 6% 10 1% 6 5% 10 13% 10 11% 10 16% 5 7% 5 18% 10 4%
Catatan: KTB: Keramayudha Tiga Berlian, ADM: Astra Daihatsu Motor, dan TMMIN: Toyota Motor Manufacturing Indonesia
Sumber: Lini A/F 4WV – PT Denso Indonesia
4.1.3
Data Produk Terprioritas berdasarkan Analisis ABC
Setiap tipe memiliki jumlah dan harga yang bervariasi, kita akan mencoba melihat tingkat prioritas dari masing-masing produk dengan meminjam metode yang biasa digunakan dalam managemen sediaan, yaitu: Analisis ABC dari Pareto. Analisis ABC membutuhkan data jumlah dan nilai/harga barang dari setiap tipe produk. Untuk data jumlah barang akan diidentifikasi berdasarkan jumlah produksi aktual Januari-Februari 2008 pada Tabel 4.7 di bawah ini. Tabel 4.7. Data Jumlah Produksi Aktual per Januari-Februari 2008 No.
Nama tipe
1 2 3 4 5 6
Y89 Y9B SLD S88 X470 KF OLD
Produksi aktual Januari Februari 2.208 3.420 850 3.100 1.550 1.700 10 80 1.062 1.578 3.720 2.950
No.
Nama tipe
7 8 9 10 11
KF 510 T KF 7 KE 2 ND BY ARPI 366 L
Produksi aktual Januari Februari 2.750 2.640 4.630 3.400 2.135 1.625 5.210 4.095 825 1.130
Sumber: Lini A/F 4WV – PT Denso Indonesia
Universitas Mercu Buana
75
Tabel 4.8 menunjukkan rincian penyelesaian analisis ABC sehingga membentuk kurva sebagaimana ditunjukkan Gambar 4.6. Tabel 4.8. Pemilihan Tipe Produk Prioritas dengan Analisis ABC No.
No. awal
1 2 3 4 5 6 7 8 9 10 11 TOTAL
8 10 6 1 7 3 2 9 5 11 4
Catatan:
Produksi Jan. KF 7 KE 4.630 5.210 ARPI KF OLD 3.720 Y89 2.208 KF 510 T 2.750 SLD 1.550 850 Y9B 2 ND BY 2.135 1.062 X470 825 366 L 10 S88 Nama tipe
aktual Feb. 3.400 4.095 2.950 3.420 2.640 1.700 3.100 1.625 1.578 1.130 80
Harga (Rp) 40.400 33.200 18.600 19.700 19.800 32.400 24.000 21.250 23.200 23.900 29.400
Volume rupiah = Unit per Jan. & Feb. x Harga %Vol‐Rp = Volume rupiah ÷ Total volume rupiah
Volume rupiah (Rp)
%VolRp
Kumulatif %vol-Rp
Kumulatif %tipe
324.412.000 23,76% 308.926.000 22,62% 124.062.000 9,08% 110.871.600 8,12% 106.722.000 7,81% 105.300.000 7,71% 94.800.000 6,94% 79.900.000 5,85% 61.248.000 4,49% 46.724.500 3,42% 2.646.000 0,19% 1.365.612.100
23,76% 46,38% 55,46% 63,58% 71,40% 79,11% 86,05% 91,90% 96,38% 99,81% 100 00%
9,09% 18,18% 27,27% 36,36% 45,45% 54,55% 63,64% 72,73% 81,82% 90,91% 100 00%
Kategori 20% (±2 unit)
30%(±3 unit)
50% (±6 unit)
Kumulatif %Tipe = Tipe ÷ Total tipe Kumulatif %Vol‐Rp = Kumulatif dari %Vol‐Rp
100
Kelas C Persen
80
Kelas B
60 40
Kelas A
20 0 Persen Kum. %
KF 7 KE 23,76 23,76
ARPI 22,62 46,38
KF OLD 9,08 55,46
Y89 8,12 63,58
KF 510 T 7,81 71,40
SLD 7,71 79,11
Y9B 6,94 86,05
2 ND BY 5,85 91,90
X470 4,49 96,38
Lain‐lain 3,62 100,00
Gambar 4.6. Kurva Analisis ABC Pemilihan Tipe Produk Prioritas
Dari informasi di atas (Tabel 4.8 dan Gambar 4.6) diketahui bahwa dari 11 tipe produk terdapat dua tipe terprioritas (kategori A), yaitu tipe A/F KF 7KE dan tipe ARPI. Tipe A/F KF 7KE menjadi urutan paling pertama karena memiliki harga yang paling mahal, sedangkan tipe ARPI adalah tipe yang paling banyak dipesan. Di sini, kita akan mengambil contoh tipe A/F KF 7KE sebagai tipe yang mewakili keseluruhan tipe dalam hal pusat perhatian penelitian. Gambar 4.7, Tabel 4.9, dan Gambar 4.8 di bawah ini secara berturut-turut menunjukkan gambar teknik, bill of material (BOM), dan struktur produk untuk tipe produk A/F KF 7KE.
Universitas Mercu Buana
76
Gambar 4.7. Gambar Teknik untuk Tipe Produk A/F KF 7KE
Universitas Mercu Buana
;
8
3
/
!" !& % " " !
!% % % ) ) "
(
3
!% % % ) ) * %
(
+ +3
+3
+3
#"4
#"4
#"4
#"4
#"4
#"4
CD -
"0 , 2- E
,"1(
#"4
2
!+!!!" $
2
!+!!% " %
+3
+3
9. ,%#&
#&% /%0'
$!
-
2 -
2
+3
#"4
.
(
0 %! 2
+3
#&% /%0' ,"(
&%
,,
& /!"*
#$% & '
;& 2 0
,"%& - -
) "* #
!" !# !!& "
!" !# !!% !
! "
8
#%& "&%#
!" !# !!' !
( !" & !!) & !# !
(
!$ " !!!
!" !# !!$ !
( !" & $ % $ $ " # !
0 %! 2
9. ,%#&
,%#&
;& 2 0
+3
9. ,%#&
8
& 2 0 -) 0 %! !+!!$ '
!+!" %
!& " " $ '
<
0
9.
#
8
8! & #
+
6
%! 5&
=
2
&
=
==
,
,
- 2=
- 2=
3 ' (
=
- -
,
-
=
,
=
,
= ==
2-
2-
3 / : ' (
, -
,
,
7 ?
7 ?
>
>
=
2
- 2=
*1 #
#
&% %
7
*
#5
$
%! 5&
%! 5&
67
+
;
: /
,
: ;
,
!&
/
,#
3
7 ?
B =2
2-
2
2
2
2
=
=
=
=
,
,
,
,
,
"
"
"
"
"
=
--
=
-
-
-
Tabel 4.9. Bill of Material untuk Tipe Produk A/F KF 7KE
( !" & $ $ " $ " !!
# ) ) % !" %
( !" & $ " & " ) & !
!" & $ " " ) # !
-
;
:;
<
<-
( !" & $ $ " ) " # !
7/
:
=-
6+
+8 =+
2
8
Sumber: Sorcing List 7KE, FPC 7KE, dan Cost Study 7KE, Lini A/F 4WV – PT Denso Indonesia
7
8
=
A :
7
7
7
2
2-
;
+
@
3
=2
=2
8
@
#"4
,
,
,
,
,
2
2
2
-
-
=
--
=
=
77
Universitas Mercu Buana
78
AIR FILTER, ELEMENT
Level 0
BINDER
PROTECTOR
MEDIUM FILTER
CAUTION LABEL
CARTON BOX 1 PCS
CARTON BOX 10 PCS (0,1 Pcs)
SUNMIDE (0,028 Kg)
END PLATE (2 Pcs)
CALCIUM CARBONATE (0,089 Kg)
Level 1
WACKER HDK N20 (0,00212 Kg)
EPICOTE 828 (0,028 Kg)
NIPPE PIGMENT BLACK (0,00013 Kg)
A1100 P‐H22 t.0,4 (0,0035 Kg)
Level 2 Paper TNF (0,0192 Roll)
SECC F20 t.0,3 (0,130 Kg)
SECC F20 t.0,4 (0,103 Kg)
Gambar 4.8. Struktur Produk untuk Tipe Produk A/F KF 7KE
4.1.4
Data Permintaan
Sistem produksi yang diterapkan PT Denso Indonesia (DNIA) adalah sistem produksi TPS (Toyota Production System) yang salah satu tujuannya adalah zero inventory (sediaan nihil), di mana sediaan baru dipesan ketika sediaan jatuh hingga titik pemesanan kembali (reorder point). Hal ini menghemat ruang gudang serta biaya. Namun salah satu kelemahannya adalah titik pemesanan kembali ini ditentukan oleh permintaan historis. Jika permintaan meningkat di atas rata-rata historis, maka sediaan akan habis lebih cepat dan bisa jadi ada permintaan yang tidak terpenuhi. Oleh karena itu, peramalan permintaan menjadi sangatlah penting. Dalam managemen permintaan (demand management) terdapat dua kategori utama permintaan, yaitu permintaan yang berdasarkan: a. rencana/ramalan penjualan (sales plan/forecast) yang bersifat tidak pasti, dan b. pelayanan pesanan (orders) yang bersifat pasti.
Universitas Mercu Buana
79
Permintaan yang bersifat tidak pasti (e.g., produk yang tergolong independent demand ) perlu diramalkan, sedangkan permintaan yang bersifat pasti (e.g., produk yang tergolong dependent demand ) tidak boleh diramalkan, tetapi harus direncanakan/dihitung. Produk-produk A/F 4WV selain bergantung terhadap jumlah permintaan produk pelanggan (e.g., A/F KF 7KE terhadap mobil Toyota) juga bergantung pada tingkat kebutuhan masyarakat (end user ) terhadap suku cadang (spare part). Oleh karena itu, permintaan produk bersifat tidak pasti; atau tergolong independent demand, sedangkan produk-produk penyusunnya (part/component) adalah produk-produk yang tergolong dependent demand (terhadap Air Filter). Di DNIA, peramalan biasanya dibuat untuk enam bulanan (six monthly) lalu diperbaharui untuk satu bulanan dan harian. Pada periode-periode ini, informasi mengenai permintaan terus dikomunikasikan antara bagian Marketing, Production Control, dan Filter Production. Tingkat perencanaan sendiri dilakukan di bagian Marketing, dalam hal ini mengelola sisi operasional ”permintaan” (marketplace), sedangkan Production Control dan Filter Production berperan pada posisi ”penawaran” (manufacturing). Data permintaan aktual untuk keluarga produk (product family) A/F 4WV per 2006-2008 ditunjukkan dalam Tabel 4.10. Tabel 4.10. Data Permintaan Air Filter 4WV per 2006-2008 Grafik Permintaan 2006
2007
2008
26.000 Permintaan (unit)
Permintaan (unit) Bulan ke- Tahun 2006 Tahun 2007 Tahun 2008 1 22.292 20.653 24.950 2 18.781 20.695 25.718 3 21.308 25.306 28.433 4 15.432 17.832 19.943 5 14.720 15.838 17.478 6 16.585 19.569 21.630 7 18.703 21.272 24.689 8 17.852 20.288 23.627 9 19.228 22.142 25.393 10 16.470 21.743 20.368 11 19.637 20.840 23.534 12 18.701 16.521 20.231 Total 219.709 242.699 275.994
22.000
18.000
14.000 1
2
3
4
5
6 7 Bulan
8
9
10
11
12
Sumber: Lini A/F 4WV – PT Denso Indonesia
Universitas Mercu Buana
80
4.1.5
Data Proses Produksi
Data proses produksi yang akan diuraikan adalah data proses produksi A/F KF 7 KE yang sekiranya dapat mewakili proses produksi keseluruhan tipe. Tabel 4.11 menunjukkan rincian kebutuhan prosesing untuk memproduksi A/F KF 7 KE. Tabel 4.11. Rincian Kebutuhan Prosesing
! !
& & & &
' ( ' ! (
!
& & & & &
' ( ) ! % * %
!
$
8 !
$
! 0 2 $ 9
2
#
&' &( &) & &* &+ &, &&. & '/ & ''
" %
'
'
!
$ %
'
'
!
$ %
'
!
$ %
'
!
'
% %
' / /
' ' ' ' ( ' '
'
)
'
"
'
1 ! 1 ! "
0 # 2 ! !
%
'
$ % 3 4 //' 5 $ % 3 4 //' 5
6 6
7 " 1
!
" " 0
0
" #
$ %
#
Proses produksi membutuhkan tiga lini, yaitu: a. Lini Part Press, yang bertugas memproses segala jenis pekerjaan pelat, lini ini juga pemasok bagi lini-lini lain baik yang berada di Filter Production maupun di bagian produksi lain seperti busi, radiator, dan lain-lain. b. Lini Pleating, yang bertugas memproses kertas filter (Paper TNF /Paper Medium), lini ini juga pemasok bagi Lini Fuel Filter. c. Lini A/F 4WV, yang bertugas merakit dan menyelesaikan produk A/F 4WV. Proses produksi tipe A/F KF 7KE dapat kita lihat secara rinci dalam FPC (flow process chart) dan PCC (process control chart) yang ditunjukkan Gambar 4.9 dan 4.10. Untuk memperjelas gambaran aliran bahan dan lokasi aktivitas pada skala susunan lantai produksi, penulis menambahkan diagram alir (flow diagram) yang dapat dilihat pada Gambar 4.11.
Universitas Mercu Buana
81
Sumber: FPC A/F KF 7KE, Lini A/F 4WV – PT Denso Indonesia
Gambar 4.9. Flow Process Chart untuk Proses Produksi A/F KF 7KE
Universitas Mercu Buana
82
Gambar 4.10. Process Control Chart untuk Proses Produksi A/F KF 7KE
Universitas Mercu Buana
83
Gambar 4.10. (lanjutan 1)
Universitas Mercu Buana
84
Sumber: PCC A/F KF 7KE, Lini A/F 4WV – PT Denso Indonesia
Gambar 4.10. (lanjutan 2)
Universitas Mercu Buana
85
Gambar 4.11. Diagram Alir untuk Lini Air Filter 4WV
Proses produksi dimulai dari tempat menurunkan komponen dari pemasok, baik lokal maupun impor. Komponen ini ada yang langsung dikirim ke Lini A/F 4WV, ada pula yang diproses terlebih dahulu di bagian machining (gulungan kertas filter dipotong dan dibentuk di Lini Pleating, sedangkan plat baja diproses menjadi lembaran protector dan endplate di Lini Part Press).
Universitas Mercu Buana
86
Di Lini A/F 4WV, setiap operator akan memeriksa part yang diterimanya dan jika cacat disisihkan (hasil pekerjaan sebelumnya harus diperiksa). Proses O-1 sampai dengan O-6 adalah proses assembly (perakitan) dengan keterangan sebagai berikut: O-1 Forming cutting merupakan pekerjaan mesin otomatis untuk memotong aluminium foil yang akan digunakan untuk mem-binder kertas filter. O-2 Binder caulking merupakan pekerjaan menyatukan kedua ujung kertas filter dan memasukkannya ke dalam aluminium foil yang kemudian di-binder pada mesin press foot switch. Hasil rakitan ini disebut filter medium assy. O-3 Rolling merupakan pekerjaan menggulung (rolling) lembaran protector dengan bantuan mesin rolling. O-4 Spot welding merupakan pekerjaan menyatukan kedua ujung protector menggunakan las titik (foot-switch spot welding). O-5 Adhesive apply merupakan pekerjaan membubuhkan adhesive (lem besi) ke endplate. O-6 Assembling merupakan pekerjaan merakit protector, endplate, dan filter medium assy. Untuk proses O-7 sampai dengan O-11 adalah proses finishing, yaitu: O-7 Drying element merupakan proses pengeringan adhesive dengan oven conveyor. Produk akan berjalan di atas konveyor berkecepatan ±20 cm/menit memasuki oven sepanjang ±2, 5 meter; atau selama ±23 menit, dengan semburan blower dan suhu ±90 ◦ C. Di ujung konveyor dipasang poka-yoke, berupa kawat portal dengan alarm agar produk tidak jatuh ke lantai. O-8/O-9 Printing/Drying printing merupakan pekerjaan sablon label dan kode produk, stempel tanggal pembuatan, dan pengeringan di udara terbuka. O-10 Setting plate caution merupakan pekerjaan membubuhkan stiker peringatan produk dan stempel tanda lolos uji. O-11 Packing merupakan proses pengemasan dan penempelan kanban pelanggan. Kanban dipindai dengan fasilitas CIGMA untuk pembuatan lembar KIL (kanban information list) sebagai informasi untuk pengaturan sediaan.
Universitas Mercu Buana
87
Dalam sistem produksi di tempat ini tidak ada gudang untuk produk jadi, produk jadi hanya menunggu di shooter finish goods dan staging area. Di depan setiap operator digantungkan lembar standarisasi kerja (standardized work ) yang berisi hal-hal penting apa saja yang harus diperhatikan, tangan mana yang harus bergerak, dan langkah apa selanjutnya. Lembar ini mencegah terjadinya penyimpangan sehingga membantu membangun kualitas dalam proses (built in quality). Di depan operator paling hulu (downstream) digantungkan jadwal produksi sebagai perintah produksi tiap tipe yang harus diselesaikan pada hari itu. Hal ini menandakan bahwa sistem produksi berjalan berdasarkan tarikan operator sebelumnya (pull system). Di depan operator O-8 digantungkan deki-daka (lembar kendali hasil) yang harus dicatat setiap jamnya oleh operator O-8 mengenai jumlah produksi aktual per jam berbanding target produksi per jam. Penyusunan stasiun kerja (workstations) tampak diusahakan saling berhadapan atau membentuk huruf U (U-layout), hal ini bertujuan agar tata letak menjadi kompak (padat) dan saling berdekatan sehingga memudahkan pekerja untuk saling berinteraksi dan memudahkan rotasi pekerjaan. Di lantai produksi tampak terdapat lampu sirene berwarna kuning. Ini disebut andon yaitu isyarat untuk menunjukkan bahwa di unit itu ada masalah dan butuh bantuan. Selain andon kuning, terdapat juga andon hijau di dekat shoother finish goods dan andon merah di dekat Lini Pleating. Warna kuning menandakan ada masalah kekurangan bahan, warna hijau berarti sistem berjalan normal, dan warna merah menandakan lini/mesin berhenti karena ada masalah. Bila andon kuning dinyalakan maka mizusumashi (operator penanganan bahan dan kanban) akan datang untuk membantu di mana proses tetap berjalan. Andon hijau biasanya dinyalakan oleh petugas honey bee saat mengambil produk jadi untuk dipindahkan ke staging area. Jumlah tenaga kerja (manpower ) pada saat ini adalah 6 orang dengan rincian 5 orang sebagai operator produksi dan 1 orang sebagai mizusumashi.
Universitas Mercu Buana
88
4.1.6
Data Waktu Kerja
DNIA memberlakukan waktu kerja sesuai Undang-Undang No. 13 tahun 2003 tentang Ketenagakerjaan pasal 77 ayat (2) butir (b), yaitu ”8 (delapan) jam 1 (satu) hari dan 40 (empat puluh) jam 1 (satu) minggu untuk 5 (lima) hari kerja dalam 1 (satu) minggu” 6 . Hari off -nya adalah hari Sabtu dan Minggu. Di Lini A/4 4WV hanya terdapat shift kerja sebanyak 1 shift. Tenaga kerja langsung maupun tenaga kerja tidak langsung masuk pukul 07.30 sampai dengan pukul 16.30, waktu istirahat terbagi menjadi tiga waktu, yaitu pukul 09.30 sampai dengan pukul 09.40, pukul 12.00 sampai dengan pukul 12.40, dan pukul 14.20 sampai dengan pukul 14.30. Perencanaan dalam Laporan TA ini membutuhkan data jumlah hari kerja di tahun 2009. Tabel 4.12 menunjukkan jumlah hari kerja di tahun 2009. Tabel 4.12. Jumlah Hari Kerja Tahun 2009
% % %
! "
% % %
" ! $ " "
6
+
"
!& &. &*
, / 0 )
%
"&- 1 2
% % %
!&. &3 &*
%
"&+
%
&.
' % '
0
, )
!
3
/ 0 2 )
% ' 3
"
5
4 3
"
%
& +,
"
%
& +,
% % %
&% ' ) &* ) &.
' ,
/ 0 6
,
+,
5
". 4 0 '
$ " "
a
' ""!
$ #
! "
&% ' ) &* ) &% ' )
,'
". 4 0 ' .40 '
Setiap awal Maret terdapat waktu untuk mengkoreksi sediaan (time to correct inventory) selama setengah hari yang mengharuskan produksi berhenti.
Undang-Undang Nomor 13 Tahun 2003 tentang Ketenagakerjaan (http://www.hukumonline .com, retrieved September 17, 2008), art. 77 sec. (2) no. (b)
Universitas Mercu Buana
89
4.1.7
Data Studi Waktu
Berikut langkah-langkah pengumpulan data untuk studi waktu: a. Mendefinisikan tugas-tugas atau operasi-operasi Sebagaimana diketahui dari uraian tentang proses produksi, Lini A/F 4WV terbagi menjadi 2 subsekuen, yaitu: (1) subsekuen assembly dan (2) sub sekuen finishing. Subsekuen assembly terdiri dari 3 stasiun kerja, setiap stasiun kerja mewakili 1 operator. Setiap stasiun kerja terdiri dari sekumpulan tugas atau operasi, berikut rinciannya pada Tabel 4.13: Tabel 4.13. Tugas-Tugas Stasiun Kerja pada Subsekuen Assembly Stasiun Kerja No. Operasi Nama Operasi O‐1 Forming cutting 1 O‐2 Binder caulking O‐6a Assembling I O‐3 Rolling 2 O‐4 Spot welding O‐6b Assembling II 3
O‐5
Adhesive apply
Subsekuen finishing terdiri dari 3 stasiun kerja (1 mesin oven conveyor dan 2 orang operator). Berikut rinciannya pada Tabel 4.14: Tabel 4.14. Tugas-Tugas Stasiun Kerja pada Subsekuen Finishing Stasiun Kerja No. Operasi Nama Operasi 4 O‐7 Drying element O‐8 Printing 5 O‐9 Drying printing O‐10 Setting plate caution 6 O‐11 Packing
Pengukuran elemen kerja hanya akan merinci pada subsekuen assembly karena subsekuen inilah yang akan menentukan tingkat keluaran lini.
Universitas Mercu Buana
90
b. Merinci tugas-tugas menjadi elemen-elemen kerja Rincian elemen kerja dari tugas-tugas pada subsekuen assembly dapat dilihat pada Tabel 4.15 di bawah ini. Tabel 4.15. Rincian Elemen Kerja dari Tugas-Tugas Stasiun Kerja pada Subsekuen Assembly No.
Nama operasi
Langkah Nama 1 FC‐Auto O‐1 Forming cutting 2 FC‐Man 1 Ambil (PM) 2 Rakit (PM) O‐2 Binder caulking 3 Arahkan (PM) 4 Bending (PM) 1 Balik (PM) 2 Ambil‐Rakit (PR) O‐6a Assembling I 3 Ambil‐Rakit (Jig) 4 Rakit (EPL) 1 Ambil‐Arahkan (PR) O‐3 Rolling 2 Rolling 1 Ambil‐Arahkan (PR) O‐4 Spot welding 2 Spot Welding 3 Letakkan (PR) 1 Balik Sub Assy O‐6b Assembling II 2 Rakit (EPU) 1 Ambil (EPL‐AD) 2 Pakai AD (EPL) 3 Letakkan (EPL) O‐5 Adhesive apply 4 Ambil (EPU‐AD) 5 Pakai AD (EPU) 6 Letakkan (EPU)
Rincian Proses Deskripsi Forming cutting (auto) Forming cutting (manual/menekan foot switch) Ambil kertas filter atau paper medium (PM) Satukan ujung PM, kemudian masukan ke dalam aluminium foil Masukan pada bending Bending/tekan foot switch Balik PM yang sudah di‐binder Ambil dan pasang protector (PR) yang sudah di‐spot welding Ambil jig pengikat dan ikat paper Tempel filter medium assy ke endplate lower (EPL) yang sudah diolesi adhesive Ambil PR dan masukan ke mesin rolling Rolling Ambil protector yang sudah di‐rolling Spot welding Letakkan di meja assembling Balik sub assy. (sub assy. = filter medium assy + EPL) Tempel ke end plate upper (EPU) Ambil EPL (tangan kiri) + adhesive, AD (tangan kanan) Oleskan AD Letakkan di meja assembling Ambil EPU (tangan kiri) + AD (tangan kanan) Oleskan AD Letakkan di meja assembling
c. Melakukan pengukuran waktu elemen kerja Pengukuran waktu elemen-elemen kerja adalah kegiatan studi waktu pendahuluan. Alat yang digunakan adalah jam-henti (stopwatch). Umumnya studi waktu pendahuluan dilakukan sebanyak 5 sampai 10 kali pengambilan sampel, tetapi penulis akan langsung mengambil sampel sebanyak 30 kali pengukuran per elemen kerja di subsekuen assembly, sedangkan di subsekuen finishing, penulis melakukan pengukuran sebanyak 5 kali per tugas (pengukuran di subsekuen finishing hanya sebagai gambaran saja dan akan langsung dirataratakan menjadi waktu siklus). Tabel di bawah ini memperlihatkan data-data pengukuran waktu elemenelemen kerja yang dimaksud di atas.
Universitas Mercu Buana
91
21/02/2008
Mulai~Selesai
Nama Seksi
Nama Lini
Assembling Elemen No. kerja
21/02/2008
Air Filter 4WV
Check Item
Tabel 4.16. Data Studi Waktu pada Operasi Forming Cutting Tanggal
No. Opr Nama Operasi
No. Part
Form. Cut.
O-1
Stasiun Kerja
Ke-1
Nama Part
JK014314-1640
Lk Kecepatan Pr
Alumunium Foil
Pengalaman Keterangan
No. Seri
1
8
Di Cek oleh
Eris K
Nama Mesin
Jig Cutting
No. MT UT Sampel
Pengamatan (det)
Xi
k No. Mesin
1 FC-Auto
2 FC-Man
Total
Maks.
Min.
Xi Xmax Xmin
Frekuensi
Ratarata
Ratarata
n
X
X
1
5,5
5,41
5,64
5,44
5,26 27,25
5,64
5,26
5
5,45
2
5,36
5,66
5,41
5,25
5,22 26,9
5,66
5,22
5
5,38
3
5,4
5,45
5,32
5,6
5,36 27,13
5,6
5,32
5
5,43
4
5,26
5,21
5,36
5,41
5,52 26,76
5,52
5,21
5
5,35
5
5,58
5,52
5,26
5,39
5,21 26,96
5,58
5,21
5
5,39
6
5,49
5,2
5,23
5,32
5,21 26,45
5,49
5,2
5
5,29
1
1,24
1,22
1,07
1,15
1,21
5,89
1,24
1,07
5
1,18
2
1,19
1,11
1,23
1,11
1,23
5,87
1,23
1,11
5
1,17
3
1,12
1,24
1,15
1,21
1,23
5,95
1,24
1,12
5
1,19
4
1,17
1,23
1,1
1,13
1,18
5,81
1,23
1,1
5
1,16
5
1,21
1,2
1,2
1,25
1,18
6,04
1,25
1,18
5
1,21
6
1,22
1,14
1,2
1,15
1,23
5,94
1,23
1,14
5
1,19
5,38
1,18
Keterangan:
Penandaan:
─ Data terlewat saat pengecekan O Data abnormal m Kesalahan dari pemeriksaan
6,57
Total
21/02/2008
Mulai~Selesai
Nama Seksi
21/02/2008
Nama Lini
Assembling
Air Filter 4WV
Check tem
Tabel 4.17. Data Studi Waktu pada Operasi Binder Caulking Tanggal
No. Opr Nama Operasi
No. Part
O-2 Binder Caulk. Stasiun Kerja
Ke-1
Nama Part
JK014331-6170
Lk Kecepatan Pr
Paper Medium
Pengalaman Keterangan
No. Seri
2
8
Di Cek oleh
Eris K
Nama Mesin
Elemen No. Binder MC MT UT Sampel No. kerja (FL-001-NFB)
Pengamatan (det)
k
Xi
No. Mesin
1 Ambil (PM)
2 Rakit PM
3 Arahkan PM
Total
Maks.
Min.
Xi Xmax Xmin
Frekuensi
Ratarata
Ratarata
n
X
X
1
2,27
3,02
3,58
2,61
1,43 12,91
3,58
1,43
5
2,58
2
2,72
2,38
2,15
1,92
2,21 11,38
2,72
1,92
5
2,28
3
2,02
2,1
2,35
2,28
2,39 11,14
2,39
2,02
5
2,23
4
2,59
2,46
2,45
2,48
2,68 12,66
2,68
2,45
5
2,53
5
1,8
2,71
2,32
3
3,06 12,89
3,06
1,8
5
2,58
6
2,15
2,17
1,9
2,88
1,93 11,03
2,88
1,9
5
2,21
1
2,58
2,42
2,07
2,59
3,12 12,78
3,12
2,07
5
2,56
2
2
2,35
3,51
1,82
2,26 11,94
3,51
1,82
5
2,39
3
2,3
2,9
2,33
2,52
2,36 12,41
2,9
2,3
5
2,48
4
2,38
2,84
2,47
3,05
3,53 14,27
3,53
2,38
5
2,85
5
2,31
2,94
2,76
2,24
1,57 11,82
2,94
1,57
5
2,36
6
2,23
2,79
2,76
3,16
2,01 12,95
3,16
2,01
5
2,59
1
1,16
1,79
1,47
1,55
0,99
6,96
1,79
0,99
5
1,39
2
1,56
1,48
1,38
1,29
1,55
7,26
1,56
1,29
5
1,45
3
1,44
1,48
1,58
1,11
1,61
7,22
1,61
1,11
5
1,44
4
1,37
1,21
1,44
1,22
1,03
6,27
1,44
1,03
5
1,25
5
1,49
1,48
1,41
1,42
1,49
7,29
1,49
1,41
5
1,46
6
1,5
1,44
1,41
1,35
1,43
7,13
1,5
1,35
5
1,43
1
1
69
9 21
1 99
1 69
5
2,4
2,54
1,4
Universitas Mercu Buana
92
Tanggal
21/02/2008
Mulai~Selesai
Nama Seksi
21/02/2008
Nama Lini
Assembling
Air Filter 4WV
Check Item
Tabel 4.17. (lanjutan) No. Opr Nama Operasi
No. Part
O-2 Binder Caulk.
Lk Kecepatan Pr
Stasiun Kerja
Ke-1
Nama Part
JK014331-6170
Paper Medium
Pengalaman Keterangan
No. Seri
2
8
Di Cek oleh
Eris K
Nama Mesin
Elemen No. Binder MC MT UT Sampel No. kerja (FL-001-NFB)
Pengamatan (det)
Total
Xi
k
No. Mesin
Maks.
Min.
Xi Xmax Xmin
Frekuensi
Ratarata
Ratarata
n
X
X
,
4 Bending PM
,
1
1,99
1,72
1,9
1,91
1,69
9,21
1,99
1,69
5
1,84
2
1,76
1,66
1,79
1,61
1,43
8,25
1,79
1,43
5
1,65
3
1,85
1,56
1,44
1,63
1,65
8,13
1,85
1,44
5
1,63
4
1,91
1,85
1,68
1,98
1,87
9,29
1,98
1,68
5
1,86
5
1,67
1,86
1,62
1,91
1,95
9,01
1,95
1,62
5
1,8
6
1,88
1,45
1,84
1,62
1,72
8,51
1,88
1,45
5
1,7
1,75
Keterangan:
Penandaan:
─ Data terlewat saat pengecekan O Data abnormal m Kesalahan dari pemeriksaan
Total
8,09
Tanggal
21/02/2008
Mulai~Selesai
Nama Seksi
Nama Lini
Assembling Elemen No. kerja
21/02/2008
Air Filter 4WV
Check tem
Tabel 4.18. Data Studi Waktu pada Operasi Assembling I No. Opr Nama Operasi Stasiun Kerja
No. MT UT Sampel
Ke-1
Lk Kecepatan Pr
Pengamatan (det)
k
1 Balik (PM)
3
No. Seri
Nama Part Pengalaman Keterangan
3
8
Di Cek oleh
Eris K
Nama Mesin
Ambil-Rakit (PR)
Ambil-Rakit (Jig)
4 Rakit (EPL)
Penandaan: ─ Data terlewat saat pengecekan O Data abnormal m Kesalahan dari pemeriksaan
Total
Xi
No. Mesin
2
No. Part
O-6a Assembling I
Maks.
Min.
Xi Xmax Xmin
Frekuensi
Ratarata
Ratarata
n
X
X
1
3,86
3,88
3,55
3,85
3,47 18,61
3,88
3,47
5
3,72
2
4,5
2,61
5,67
3,91
3,09 19,78
5,67
2,61
5
3,96
3
4,13
3,66
3,63
4,63
2,99 19,04
4,63
2,99
5
3,81
4
5,17
3,2
3,7
3,34
3,28 18,69
5,17
3,2
5
3,74
5
2,76
2,83
3,46
3,27
3,24 15,56
3,46
2,76
5
3,11
6
3,48
3,5
3,3
3,25
3,23 16,76
3,5
3,23
5
3,35
1
1,59
1,59
1,08
1,5
2,11
7,87
2,11
1,08
5
1,57
2
1,32
1,17
1,15
2,4
2,4
8,44
2,4
1,15
5
1,69
3
1,14
1,6
1,37
1,44
1,26
6,81
1,6
1,14
5
1,36
4
1,46
1,12
1,05
1,14
1,6
6,37
1,6
1,05
5
1,27
5
1,25
1,26
2,31
1,27
1,36
7,45
2,31
1,25
5
1,49
6
1,4
1,54
1,31
1,44
2,13
7,82
2,13
1,31
5
1,56
1
3,43
4,07
4,12
3,86
4,13 19,61
4,13
3,43
5
3,92
2
4,29
3,26
3,5
3,59
3,96 18,6
4,29
3,26
5
3,72
3
3,85
3,93
3,99
4,09
3,48 19,34
4,09
3,48
5
3,87
4
2,5
3,97
4,01
4,21
3,99 18,68
4,21
2,5
5
3,74
5
4,12
3,51
2,52
3,65
3,5
4,12
2,52
5
3,46
6
3,78
3,56
3,64
3,43
3,45 17,86
3,78
3,43
5
3,57
1
3,05
2,17
2
2,34
3,15 12,71
3,15
2
5
2,54
2
2,75
2,33
2,09
2,23
2,22 11,62
2,75
2,09
5
2,32
3
2,72
2,31
2,57
2,67
2,64 12,91
2,72
2,31
5
2,58
4
2,06
2,11
2,02
2,57
2,21 10,97
2,57
2,02
5
2,19
5
2,46
2,63
2,5
2,33
2,36 12,28
2,63
2,33
5
2,46
6
2,83
3,47
2,46
2,39
2,97 14,12
3,47
2,39
5
2,82
17,3
3,61
1,49
3,71
2,49
Keterangan: Total
11,31
Universitas Mercu Buana
93
21/02/2008
Mulai~Selesai
Nama Seksi
26/02/2008
Nama Lini
Assembling
Air Filter 4WV
Check Item
Tabel 4.19. Data Studi Waktu pada Operasi Rolling Tanggal
No. Opr Nama Operasi
No. Part
Rolling
O-3
Stasiun Kerja
Ke-2
Lk Kecepatan Pr
No. Seri
Nama Part
JK014323-3170
Protector
Pengalaman Keterangan
4
8
Di Cek oleh
Eris K
Nama Mesin
Elemen No. Rolling MC MT UT Sampel No. kerja (FL-001-NFB)
Pengamatan (det)
Xi
k
No. Mesin
Ambil-Arahkan 1 (PR)
2 Rolling
Total
Maks.
Min.
Xi Xmax Xmin
Frekuensi
Ratarata
Ratarata
n
X
X
1
1,98
1,5
1,28
6,4
1,21 12,37
6,4
1,21
5
2,47
2
2,28
1,62
1,27
1,26
1,15
7,58
2,28
1,15
5
1,52
3
1,36
1,31
1,37
1,33
1,21
6,58
1,37
1,21
5
1,32
4
1,1
1,56
2,1
1,3
1,33
7,39
2,1
1,1
5
1,48
5
1,79
1,59
1,57
1,76
1,56
8,27
1,79
1,56
5
1,65
6
1,62
1,39
1,23
1,17
1,22
6,63
1,62
1,17
5
1,33
1
1,59
1,08
0,95
1,05
1,61
6,28
1,61
0,95
5
1,26
2
1,56
1,5
1,41
1,04
1,45
6,96
1,56
1,04
5
1,39
3
1,55
1,21
1,32
1,07
1,62
6,77
1,62
1,07
5
1,35
4
1,05
1,92
1,2
1,31
1,52
7
1,92
1,05
5
1,4
5
1,52
1,33
1,34
1,84
1,23
7,26
1,84
1,23
5
1,45
6
1,32
1,49
1,58
1,06
1,24
6,69
1,58
1,06
5
1,34
1,63
1,37
Keterangan:
Penandaan:
─ Data terlewat saat pengecekan O Data abnormal m Kesalahan dari pemeriksaan
2,99
Total
Tanggal
21/02/2008
Mulai~Selesai
Nama Seksi
26/02/2008
Nama Lini
Assembling
Air Filter 4WV
Check Item
Tabel 4.20. Data Studi Waktu pada Operasi Spot Welding No. Opr Nama Operasi
No. Part
O-4 Spot Welding Stasiun Kerja
Ke-2
Lk Kecepatan Pr
No. Seri
Nama Part
JK014323-3170
Protector
Pengalaman Keterangan
5
8
Di Cek oleh
Eris K
Nama Mesin
Elemen No. Spot Welding MT UT Sampel No. kerja
Pengamatan (det)
k
Ambil-Arahkan (PR)
2 Spot Welding
3 Letakkan (PR)
Penandaan: ─ Data terlewat saat pengecekan O Data abnormal m Kesalahan dari pemeriksaan
Xi
No. Mesin
1
Total
Maks.
Min.
Xi Xmax Xmin
Frekuensi
Ratarata
Ratarata
n
X
X
1
0,72
0,95
1,04
0,89
0,68
4,28
1,04
0,68
5
0,86
2
0,57
0,58
0,87
0,56
0,72
3,3
0,87
0,56
5
0,66
3
0,56
0,69
0,77
0,52
0,75
3,29
0,77
0,52
5
0,66
4
0,92
0,76
0,71
0,89
0,94
4,22
0,94
0,71
5
0,84
5
0,66
0,74
0,93
0,67
0,79
3,79
0,93
0,66
5
0,76
6
0,66
0,74
0,93
0,67
0,79
3,79
0,93
0,66
5
0,76
1
2,07
1,36
1,7
2,08
1,59
8,8
2,08
1,36
5
1,76
2
2,86
1,96
2,05
2,07
2,09 11,03
2,86
1,96
5
2,21
3
1,75
1,89
1,78
2,02
2,01
9,45
2,02
1,75
5
1,89
4
2,04
1,71
2,61
1,69
1,77
9,82
2,61
1,69
5
1,96
5
1,99
1,71
1,85
1,91
1,94
9,4
1,99
1,71
5
1,88
6
1,98
1,7
1,84
1,9
1,93
9,35
1,98
1,7
5
1,87
1
1
0,69
0,87
0,77
0,76
4,09
1
0,69
5
0,82
2
0,85
0,75
1
0,96
0,95
4,51
1
0,75
5
0,9
3
1,07
1,13
1,02
0,96
1,16
5,34
1,16
0,96
5
1,07
4
1,34
0,61
1,4
0,92
0,87
5,14
1,4
0,61
5
1,03
5
1,16
0,98
1,24
1,13
1,11
5,62
1,24
0,98
5
1,12
6
1,14
1,04
1,32
1,12
1,18
5,8
1,32
1,04
5
1,16
0,76
1,93
1,02
Keterangan: Total
3,70
Universitas Mercu Buana
94
21/02/2008
Mulai~Selesai
Nama Seksi
Nama Lini
Assembling Elemen No. kerja
26/02/2008
Air Filter 4WV
Check Item
Tabel 4.21. Data Studi Waktu pada Operasi Assembling II Tanggal
No. Opr Nama Operasi
No. Part
No. Seri
Nama Part
O-6b Assembling II Stasiun Kerja
Ke-2
Lk Kecepatan Pr
Pengalaman Keterangan
6
8
Di Cek oleh
Eris K
Nama Mesin
No. MT UT Sampel
Pengamatan (det)
Xi
k No. Mesin
1 Balik Sub Assy
2 Rakit (EPU)
Total
Maks.
Min.
Xi Xmax Xmin
Frekuensi
n
Ratarata
Ratarata
X
X
1
1,67
1,64
1,47
1,29
1,54
7,61
1,67
1,29
5
1,52
2
1,84
1,85
1,52
1,77
1,99
8,97
1,99
1,52
5
1,79
3
1,79
1,72
2,01
2,05
2,07
9,64
2,07
1,72
5
1,93
4
2
1,87
1,98
1,8
1,9
9,55
2
1,8
5
1,91
5
1,84
1,77
1,99
2,04
1,98
9,62
2,04
1,77
5
1,92
6
2,05
1,93
1,96
1,78
1,82
9,54
2,05
1,78
5
1,91
1
2,85
2,87
3,87
4,73
4,28
18,6
4,73
2,85
5
3,72
2
3,84
4,22
4,2
3,7
3,79 19,75
4,22
3,7
5
3,95
3
3,45
4,11
3,43
4,15
3,81 18,95
4,15
3,43
5
3,79
4
3,48
3,57
3,35
3,57
3,31 17,28
3,57
3,31
5
3,46
5
3,11
2,81
3,9
4,41
4,27
18,5
4,41
2,81
5
3,70
6
4,19
4,12
3,45
3,78
3,74 19,28
4,19
3,45
5
3,86
1,83
3,75
Keterangan:
Penandaan:
─ Data terlewat saat pengecekan O Data abnormal m Kesalahan dari pemeriksaan
5,58
Total
Tanggal
21/02/2008
Mulai~Selesai
Nama Seksi
Nama Lini
Assembling Elemen No. kerja
26/02/2008
Air Filter 4WV
Check Item
Tabel 4.22. Data Studi Waktu pada Operasi Adhesive Apply No. Opr Nama Operasi
O-5
No. Part
Adhsv. apply
Stasiun Kerja
Ke-3
Lk Kecepatan Pr
No. Seri
Nama Part
JK014331-3100
End Plate
Pengalaman Keterangan
7
8
Di Cek oleh
Eris K
Nama Mesin
No. MT UT Sampel
Pengamatan (det)
k
2 Pakai AD (EPL)
3 Letakkan (EPL)
Xi
No. Mesin
1 Ambil (EPL-AD)
Total
Maks.
Min.
Xi Xmax Xmin
Frekuensi
Ratarata
Ratarata
n
X
X
1
2,18
1,79
1,19
1,25
2,36
8,77
2,36
1,19
5
1,75
2
2,11
1,89
1,93
1,98
2,03
9,94
2,11
1,89
5
1,99
3
2,04
2,17
1,67
2,12
1,96
9,96
2,17
1,67
5
1,99
4
2,28
1,76
2,21
2,15
2,09 10,49
2,28
1,76
5
2,1
5
2,07
1,79
1,65
2,08
2,02
9,61
2,08
1,65
5
1,92
6
1,82
1,65
1,45
1,72
1,87
8,51
1,87
1,45
5
1,7
1
9,43
9,72
5,37
5,64 10,09 40,25 10,09
5,37
5
8,05
2
9,58
9,9
9,89 52,21 11,94
9,58
5 10,44
12,29
10,9
11,94
3
10,8
6,69 11,85 10,56 52,19 12,29
6,69
5 10,44
4
13,19
9,73 12,93 12,06 10,34 58,25 13,19
9,73
5 11,65
5
10,87
9,35
8,82 11,5
8,82
5 10,27
6
11,56
9,84
9,01 11,01
9,95 51,37 11,56
9,01
5 10,27
1
1,32
1,17
1,71
1,63
1,14
6,97
1,71
1,14
5
1,39
2
1,45
0,94
0,95
0,91
1,78
6,03
1,78
0,91
5
1,21
3
1,73
0,92
1,14
1,04
1,98
6,81
1,98
0,92
5
1,36
4
0,73
0,97
0,98
0,94
1,91
5,53
1,91
0,73
5
1,11
5
1,48
1,27
1,22
0,74
1,59
6,3
1,59
0,74
5
1,26
6
0,97
0,92
1,23
1,59
1,61
6,32
1,61
0,92
5
1,26
1
2 23
2 37
1 44
23
1 18
9 52
2 37
1 18
5
19
10,82 51,36 11,5
1,91
10,19
1,27
Universitas Mercu Buana
95
21/02/2008
Mulai~Selesai
Nama Seksi
Nama Lini
Assembling Elemen No. kerja
26/02/2008
Air Filter 4WV
Check Item
Tabel 4.22. (lanjutan) Tanggal
No. Opr Nama Operasi
O-5
No. Part
Adhsv. apply
Lk Kecepatan Pr
Stasiun Kerja
Ke-3
No. Seri
Nama Part
JK014331-3100
End Plate
Pengalaman Keterangan
7
8
Di Cek oleh
Eris K
Nama Mesin
No. MT UT Sampel
Pengamatan (det)
k
Xi
No. Mesin
4 Ambil (EPU-AD)
5 Pakai AD (EPU)
6 Letakkan (EPU)
Total
Maks.
Min.
Xi Xmax Xmin
Frekuensi
Ratarata
Ratarata
n
X
X
6
0,97
0,92
,23
1,59
1,61
6,32
1,61
0,9
5
1,26
1
2,23
2,37
1,44
2,3
1,18
9,52
2,37
1,18
5
1,9
2
2,38
2,22
2,41
2,12
2,19 11,32
2,41
2,12
5
2,26
3
2,05
2,15
1,97
2,05
2,58 10,8
2,58
1,97
5
2,16
4
2,16
1,77
1,78
1,72
2,01
9,44
2,16
1,72
5
1,89
5
2,23
2,37
2,08
2,02
2,13 10,83
2,37
2,02
5
2,17
6
1,97
1,97
2,06
1,67
1,82
2,06
1,67
5
1,9
9,49
1
12,05 12,85 14,5
14,85 10,79 65,04 14,85 10,79
5 13,01
2
10,83 13,5
3
13,62 12,79 10,65 61,39 13,62 10,65
5 12,28
10,87 12,17 11,38 11,46 10,45 56,33 12,17 10,45
4
12,47 13,09 12,12 14,42 12,52 64,62 14,42 12,12
5 11,27 5 12,92
5
11,7
12,36 11,1
11,15 11,39 57,7
5 11,54
6
12,5
13,22 11,1
10,68 11,55 59,05 13,22 10,68
12,36 11,1
2,05
12,14
5 11,81
1
1,62
1,55
1,07
0,96
1,4
6,6
1,62
0,96
5
1,32
2
1,64
1,25
1,19
0,98
1,92
6,98
1,92
0,98
5
1,4
3
1,74
0,91
1,82
1,01
1,41
6,89
1,82
0,91
5
1,38
4
0,69
1,25
0,9
1,07
2,23
6,14
2,23
0,69
5
1,23
5
1,59
1,68
1,54
0,72
1,67
7,2
1,68
0,72
5
1,44
6
1,05
1,22
1,55
1,54
1,82
7,18
1,82
1,05
5
1,44
1,37
Keterangan:
Penandaan:
─ Data terlewat saat pengecekan O Data abnormal m Kesalahan dari pemeriksaan
28,91
Total
26/02/2008
Mulai~Selesai
Nama Seksi
Nama Lini
Finishing Elemen No. kerja
26/02/2008
Air Filter 4WV
Check Item
Tabel 4.23. Data Studi Waktu pada Operasi-Operasi di Subsekuen Finishing Tanggal
No. Opr Nama Operasi Stasiun Kerja
Ke-4 s/d Ke-6
No. Part
No. Seri
Nama Part
Lk Kecepatan Pr
Pengalaman Keterangan
8
8
Di Cek oleh
Eris K
Nama Mesin
No. MT UT Sampel
Pengamatan (det)
k
Total
Xi
No. Mesin
Maks.
Min.
Xi Xmax Xmin
20,34' 22,84' 21,47' 22,81' 21,60' 109,07' 22,84' 20,34'
Frekuensi
Ratarata
Ratarata
n
X
X
5 21,81' 21,81'
O-7: Drying Element*
1
O-8: Printing
1
4,94
4,64
4,72
4,45
4,5
23,25
4,94
4,45
5
4,65
4,65
O-9: Drying Printing†
1
6,24
6,02
5,54
6,5
6,37
30,67
6,5
5,54
5
6,13
6,13
O-10: Set. Plt. Caution
1
5,43
5,53
4,98
5,36
4,89
26,19
5,53
4,89
5
5,24
5,24
O-11: Packing
1
22,38
19,9
21,4
22,5
17,7 103,88
22,5
17,7
5
20,78
20,78
Penandaan:
─ Data terlewat saat pengecekan O Data abnormal m Kesalahan dari pemeriksaan
Keterangan: *) Kecepatan oven conveyor per 1 inchi (25,4 mm), adalah: X1 = 7,75 ; X2 = 8,7 ; X3 = 8,18 ; X4 = 8,69 ; X5 = 8,23 Panjang konveyor = 4 m (4.000 mm), maka Xi konveyor = [ (4 000 / 25,4) * Xi ] / 60" = (157,5 * Xi) / 60". Hasilnya: 21,81' mendekati data standar 21,62' (Lihat PCC). †)
Total
Waktu delay antara Printing s/d diambil untuk Packing
Universitas Mercu Buana
96
4.1.8
Data Biaya-Biaya
Data biaya-biaya ini bersumber dari cost study yang memuat data biaya bahan sebagaimana telah ditunjukkan Tabel 4.9 dan laporan kaizen inventory activity yang memuat suatu kasus perbaikan Lini A/F 4WV yang melibatkan data biaya dan cara perhitungannya (lihat Gambar 4.12 di bawah ini).
Sumber: Denso Indonesia, QCP filter tema 3: Menurunkan lead time proses di Air Filter 4WV, Laporan Kaizen Inventory Activity (Jakarta: PT Denso Indonesia, 2007), p. 7
Gambar 4.12. Laporan Kaizen Inventory Activity
Berikut ini akan diuraikan data biaya-biaya atau satuan moneter yang berhasil diperkirakan/dikumpulkan dari Lini A/F 4WV. a.
Penerimaan (Revenue)
Penerimaan di sini merupakan jumlah unit keluaran dikalikan harga per unit. Berdasarkan Gambar 4.12, managemen DNIA menetapkan nilai rataan per unit sama dengan Rp40.000,00/unit, atau kira-kira sama dengan harga tipe A/F KF 7 KE yang diketahui sebagai produk terprioritas (lihat Tabel 4.6).
Universitas Mercu Buana
97
b.
Biaya Tenaga Kerja Langsung (Direct Labor Cost)
Berdasarkan Gambar 4.12, biaya tenaga kerja langsung yang dapat diketahui adalah tingkat rataan upah (average pay rate) per bulan, yaitu sebesar Rp2.291.667,00/orang/bulan. Selama penelitian, penulis tidak berhasil mendapatkan data untuk biaya pengangkatan tenaga kerja (hiring and training) maupun biaya pemberhentian tenaga kerja (layoffs). c.
Biaya Lembur (Overtime Cost)
Biaya lembur atau tingkat upah lembur (overtime pay rate) dapatlah kita rujuk dari ketentuan waktu kerja dalam Undang-Undang No. 13 tahun 2003 tentang Ketenagakerjaan yang mengatur ketentuan waktu kerja dalam seminggu adalah sebanyak 40 jam7 dan apabila melebihi waktu kerja itu pengusaha wajib membayar upah kerja lembur8 . Waktu kerja lembur diatur lebih lanjut dalam Pasal 78 ayat (1) butir (b) yang berbunyi ”waktu kerja lembur hanya dapat dilakukan paling banyak 3 (tiga) jam dalam 1 (satu) hari dan 14 (empat belas) jam dalam 1 (satu) minggu”. Upah lembur secara umum dihitung sebagai berikut: 1 × U pah bulanan, U pah lembur = JKL × 173
(4.1)
angka 173 adalah total jam kerja dalam 1 bulan ∵ 1 tahun = 52 minggu, 1 bulan = 52 ÷ 12 = 4,333333 minggu, dan Total jam kerja per minggu = 40 jam. ∴ Total jam kerja dalam 1 bulan = 40 jam × 4,33 = 173,33 ≈ 173 jam.
JKL (jam kelipatan lembur) dihitung dengan aturan sebagai berikut: jumlah jumlah jumlah jumlah 7 8
jam jam jam jam
lembur lembur lembur lembur
dikali dikali dikali dikali
1,5 2 3 4
= = = =
1 jam pertama 2 jam berikutnya, atau 7 jam pertama Pas jam ke-8 Lebih jam ke-8.
Lihat UU No. 13/2003, art. 77 sec. (2) nos. (a)—(b) Lihat UU No. 13/2003, art 78 sec. (2)
Universitas Mercu Buana
98
d.
Biaya Bahan (Material Cost)
Data biaya bahan diambil dari harga-harga bahan sebagaimana telah dicantumkan dalam Tabel 4.9, yaitu sebagai berikut: 1) Harga bahan-bahan utama: a) Gulungan kertas filter (Paper TNF) b) Binder alumunium foil (A1100 P-H22 t.0,4) c) Baja plat end plate (SECC F20: t.0,4) d) Baja plat protector (SECC F20: t.0,3) 2) Harga bahan-bahan kimia untuk adhesive: a) Sunmide b) Calcium Carbonate (Ca CO3 ) c) Wacker HDK N20 d) Epicote 828 e) Nippe Pigment Black 3) Harga bahan lain-lain: a) Caution Label b) Carton Box 1 pc c) Carton Box 10 pcs
e.
= U 13.374 = U 772 = US$ 0,831 = US$ 0,892
per per per per
gulungan. Kg. Kg. Kg.
= = = = =
Rp Rp Rp Rp Rp
37.770 650 81.073 31.475 28.080
per per per per per
Kg. Kg. Kg. Kg. Kg.
= = =
Rp Rp Rp
850 1.257 5.160
per satuan. per satuan. per satuan.
Biaya Area (Area Cost)
Dalam praktek keseimbangan lintasan sering dijumpai adanya perubahan tata letak fasilitas dan hal ini akan berimbas kepada perubahan luas area. Berdasarkan Gambar 4.12, biaya penggunaan area adalah sebesar Rp16.000,00/m2 /bulan. f.
Biaya Energi (Energy Cost)
Data biaya energi diambil dari data penggunaan KW (kilo watt) dikalikan tarif per KWH (kilo watt per hour ) saat ini. Data biaya energi yang terpenting adalah data biaya energi untuk mesin oven conveyor karena ini merupakan pengganti biaya tenaga kerja untuk stasiun kerja ke-4. Berdasarkan Gambar 4.12, penggunaan energi untuk oven conveyor adalah sebagai berikut: Infrared (12 pcs) Motor conveyor Motor blower (1 unit) Motor exhaust (1 unit)
g.
= = = =
5,2 0,37 0,75 0,37 6,69
KW KW KW KW KW
Biaya Perubahan Sediaan WIP (WIP Stock Reduce Cost Saving )
Berdasarkan Gambar 4.12, biaya perubahan sediaan WIP merupakan nilai bunga bank (interest) dari harga sediaan yang dapat dikurangi.
Universitas Mercu Buana
99
4.1.9
Data Istilah-Istilah
Saat penelitian, peneliti mendapatkan suatu daftar istilah di meja Assistant Section Manager. Peneliti memandang daftar istilah ini sebagai informasi penting dalam penelitian ini. Berikut daftar istilah di DNIA: Cycle time (saikurutaimu)
: Waktu yang dibutuhkan seorang operator untuk menyelesaikan 1 cycle pekerjaannya termasuk untuk melakukan kerja manual dan berjalan. Terkadang diartikan sebagai waktu yang dibutuhkan untuk menghasilkan 1 unit produk, dalam hal ini ditentukan dari proses yang paling lama (bottleneck ), apakah itu pekerjaan manusia atau mesin.
Takt time (takutotaimu)
: Periode waktu yang dibutuhkan untuk membuat 1 unit produk. Dihitung dengan: T akt time =
W aktu operasi setiap hari × 100 U nit yang dibutuhkan setiap hari
Diasumsikan bahwa semua m/c beroperasi (operational availability = 100%) selama jam kerja regular. Actual takt time (jikhotakutaimu)
: Meskipun takt time dihitung berdasarkan jam regular, tapi terkadang dimasukan juga jumlah yang melebihi jam regular. Takt time yang dihitung dengan cara ini dikenal sebagai Actual Takt Time.
Just-in-time (JIT)
: Satu dari 2 pilar TPS. JIT merujuk pada: hal yang membuat (mengirimkan) produk yang dibutuhkan pada waktu dan jumlah yang dibutuhkan. Ini dapat mempertinggi efisiensi dan memungkinkan respon yang cepat untuk perubahan. JIT dibangun atas tiga prinsip operasi: pull system, continuous flow processing, dan takt time serta membutuhkan leveled production (heijunka) sebagai sebuah persyaratan.
Production lead time : Waktu dari ketika factory menerima order sampai ketika produk dikirimkan. (seisannoridotaimu) P roduction lead time = A + B + C. A = Waktu dari isu order produksi sampai mulai produksi. B = Waktu mulai fabrikasi sampai akhir (waktu proses + delays). C = Waktu melengkapi dari unit pertama sampai 1 lot. Misalnya, jika 1 box sudah disiapkan sampai ke proses berikutnya (jumlah per lot × takt time produk).
Line rate of opera- : Produksi aktual dibanding dengan rencana produksi pada periode yang sama. tion (konbeakaActual production doritsu) Line rate of operation = × 100. P roduction target
Gross hours (dekidakakousu)
: Waktu aktual yang dibutuhkan untuk setiap unit produksi. Gross hours =
Productivity (noritsu)
Directman hours × 3.600. Jumlah yang diproduksi
: Sebuah pengukuran untuk mengevaluasi productivity, seringkali dirumuskan: P roductivity =
Actual produksi 100 × Standar output per Jumlah pekerja × Jam kerja orang per jam.
Catatan: persamaan ini menjadi berarti, bila produksi aktual sama dengan jumlah unit yang terjual. Jika produksi dan penjualan tidak match, maka keuntungan productivity hanyalah dibuat-buat, karenanya tidak menurunkan biaya.
Universitas Mercu Buana
100
4.2
Pengolahan Data
Data-data yang telah berhasil dikumpulkan di atas kemudian diolah berdasarkan landasan teori yang digunakan, yaitu terdiri dari peramalan, studi waktu, perencanaan takt time, keseimbangan lintasan, perencanaan produksi, manpower calculation, perhitungan biaya, dan pengukuran produktivitas. 4.2.1
Peramalan
Peramalan atau pengolahan data permintaan menggunakan data deret waktu dan dilaksanakan pada tingkat agregat dengan hasil berupa permintaan agregat yang telah disesuaikan atau di-lotting pada tingkat disagregat. Langkah-langkah peramalan diilustrasikan oleh bagan arus (flow chart) dalam Gambar 4.13 di bawah ini. MULAI
DATA PERMINTAAN AGREGAT
ANALISIS DATA PERMINTAAN Analisis pola seasonal dan trend dengan grafik cacing (line chart)
PERCOBAAN PERAMALAN 2006‐2008 METODE DEKOMPOSISI MULTIPLIKATIF
METODE DEKOMPOSISI ADITIF
AKURASI PERAMALAN ▪ MAD, MSE, dan MAPE ▪ U‐Theil < 1 ▪ Tracking signal: ‐2 MAD & +2 MAD, atau ‐4 MAD & +4 MAD
U‐Theil ≥ 1
YA
METODE TERPILIH
METODE NAÏVE
PERAMALAN 2009 DATA %KELUARGA PRODUK DATA UKURAN LOT TIAP TIPE
DISAGREGASI LOTTING AGREGASI RAMALAN PERMINTAAN AGREGAT 2009
SELESAI
Gambar 4.13. Bagan Arus untuk Langkah-Langkah Peramalan
Universitas Mercu Buana
101
a.
Analisis Data Permintaan
Analisis data permintaan di sini dimaksudkan sebagai pengujian-pengujian terdapatnya komponen-komponen data deret waktu (i.e, trend, seasonal, cylic, dan irregular ) pada data permintaan historis. Dalam analisis ini sebenarnya ada cara yang lebih objektif yaitu dengan analisis autokorelasi 9 , tetapi karena data historis kita hanya berjangka 3 tahun dan berjumlah 36 data maka komponen data yang terkandung diperkirakan hanya sebatas komponen trend dan seasonal. Hanya kedua komponen inilah yang paling mudah kita indentifikasi melalui grafik plot deret waktu (times series plot). Oleh karena itu, kita tidak akan melakukan analisis autokorelasi, tetapi cukup dengan analisis terhadap plot deret waktu. Gambar 4.14 di bawah ini menunjukkan plot deret waktu untuk permintaan historis keluarga produk A/F 4WV. Dalam Gambar 4.14a terlihat pola data historis memiliki komponen musiman, di mana pola data permintaan setiap tahun mengalami fluktuasi yang hampir mirip, misal setiap bulan Maret selalu terjadi puncak permintaan dan setiap bulan Mei terjadi penurunan permintaan yang cukup tajam.
(a) Analisis Komponen Seasonal
Gambar 4.14. Plot Deret Waktu untuk Permintaan Air Filter 4WV per 2006-2008 9
Analisis autokorelasi untuk pengujian-pengujian terdapatnya komponen-komponen data deret waktu, lihat: Sopjan Assauri, Op cit., pp. 176—182
Universitas Mercu Buana
102
(b) Analisis Komponen Trend
Gambar 4.14. (lanjutan)
Jika pola data kita bentangkan dari tahun 2006 sampai dengan tahun 2008, kemudian kita tarik garis trend dengan cara sederhana seperti cara semiaverage maka akan terlihat adanya permintaan yang cenderung naik (Lihat Gambar 4.14b). Dari analisis di atas, kita dapatlah mengatakan bahwa data permintaan historis mengandung komponen seasonal dan trend -naik. Adapun panjang seasonal (L) adalah 12 karena berulang setiap 12 bulan (1 tahun). Selanjutnya adalah melakukan percobaan peramalan pada periode-periode historis tahun 2006-2008 untuk menguji beberapa metode peramalan. b.
Percobaan Peramalan 2006-2008
Karena data yang kita miliki hanya data deret waktu maka kita menggunakan pendekatan model deret waktu untuk meramalkan. Pada dasarnya, peramalan dengan model ini adalah penyelidikan mengenai komponen-komponen data deret waktu, yang terdiri dari: trend, cyclic, seasonal, dan irregular. Oleh karena itu, kita akan mendekomposisi data deret waktu ke dalam gerak-gerak komponen tersebut menggunakan metode dekomposisi multiplikatif dan metode dekomposisi aditif untuk membantu meningkatkan ketepatan peramalan dan membantu pemahaman atas perilaku deret data secara lebih baik.
Universitas Mercu Buana
103
Dalam percobaan peramalan ini, kita akan menggunakan pengukuran statistik U-Theil sebagai dasar perbandingan relatif terhadap metode na¨ıve. Jadi ada kemungkinan kita akan menggunakan metode na¨ıve. Selanjutnya adalah peramalan dengan metode dekomposisi multiplikatif dan aditif. 1) Metode Dekomposisi Multiplikatif Metode dekomposisi multiplikatif mengasumsikan bahwa hubungan antara komponen-komponen data deret waktu adalah dalam bentuk perkalian seperti Persamaan (2.1), yaitu: P ermintaan = T × C × S × I. Adapun langkah-langkah metode dekomposisi multiplikatif telah jelas dalam landasan teori10 dan berikut implementasinya: a) Mencari Indeks Musiman (S) Pertama-tama, kita pisahkan komponen seasonal dan irregular (SI) dari data aktual (T CSI) menggunakan Persamaan (2.3). Pembebasan data dari pengaruh T C (trend dan cyclic) ini menggunakan metode center moving average (CMA). Selanjutnya, kita menetapkan komponen S de¯ ngan menggunakan Persamaan (2.4). Komponen S atau rataannya (S) tersebut merupakan indeks musiman yang kita cari. Dalam pengolahan data ini, kita memperoleh indeks musiman dengan panjang musim (L) sama dengan 12, yaitu sebagai berikut: Periode 1 2 3 4 5 6 7 8 9 10 11 12
Indeks musiman 1,10605 1,11151 1,27589 0,88778 0,7771 0,9563 1,03531 0,97821 1,045 0,94931 1,00501 0,87252
Rincian perhitungan untuk mencari indeks musiman di atas ditunjukkan Tabel 4.24 di bawah ini. 10
Lihat halaman 16—19
Universitas Mercu Buana
104
Tabel 4.24. Dekomposisi Multiplikatif untuk Indeks Musiman (S) Permintaan
Waktu Bulan
t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
1'06 2'06 3'06 4'06 5'06 6'06 7'06 8'06 9'06 10'06 11'06 12'06 1'07 2'07 3'07 4'07 5'07 6'07 7'07 8'07 9'07 10'07 11'07 12'07 1'08 2'08 3'08 4'08 5'08 6'08 7'08 8'08 9'08 10'08 11'08 12'08
Center moving average (12)
A t = TCSI 22.292 18.781 21.308 15.432 14.720 16.585 18.703 17.852 19.228 16.470 19.637 18.701 20.653 20.695 25.306 17.832 15.838 19.569 21.272 20.288 22.142 21.743 20.840 16.521 24.950 25.718 28.433 19.943 17.478 21.630 24.689 23.627 25.393 20.368 23.534 20.231
TC
― ― ― ― ― At
12
18.309,08 18.172,50 18.332,00 18.665,17 18.865,17 18.958,33 19.207,00 19.421,08 19.624,08 19.866,92 20.306,33 20.406,58 20.224,92 20.583,00 21.001,58 21.262,17 21.438,08 21.574,75 21.746,50 22.031,25 22.309,50 22.580,42 22.465,83 22.690,33 22.999,50
― ― ― ― ―
mt
2
― ― ― ― ― ― 18.240,79 18.252,25 18.498,58 18.765,17 18.911,75 19.082,67 19.314,04 19.522,58 19.745,50 20.086,63 20.356,46 20.315,75 20.403,96 20.792,29 21.131,88 21.350,13 21.506,42 21.660,63 21.888,88 22.170,38 22.444,96 22.523,13 22.578,08 22.844,92 ― ― ― ― ― ―
TCSI SI = TC ― ― ― ― ― ― 1,02534 0,97807 1,03943 0,87769 1,03835 0,98000 1,06933 1,06005 1,28161 0,88775 0,77803 0,96324 1,04254 0,97575 1,04780 1,01840 0,96901 0,76272 1,13985 1,16002 1,26679 0,88545 0,77411 0,94682 ― ― ― ― ― ―
Indeks musiman (S) 12 L S S t = S 11,98408
S
( 1,06933 + 1,13985) ( 1,06005 + 1,16002) ( 1,28161 + 1,26679) ( 0,88775 + 0,88545) ( 0,77803 + 0,77411) ( 0,96324 + 0,94682) ( 1,04254 + 1,02534) ( 0,97575 + 0,97807) ( 1,04780 + 1,03943) ( 1,01840 + 0,87769) ( 0,96901 + 1,03835) ( 0,76272 + 0,98000 )
÷2 ÷2 ÷2 ÷2 ÷2 ÷2 ÷2 ÷2 ÷2 ÷2 ÷2 ÷2
St
― ― ― ― ― ― ― ― ― ― ― ― = 1,10459 = 1,11004 = 1,27420 = 0,88660 = 0,77607 = 0,95503 = 1,03394 = 0,97691 = 1,04362 = 0,94805 = 1,00368 = 0,87136 ― ― ― ― ― ― ― ― ― ― ― ― 11,98408
1,10459 × 1,00133 = 1,11004 × 1,00133 = 1,27420 × 1,00133 = 0,88660 × 1,00133 = 0,77607 × 1,00133 = 0,95503 × 1,00133 = 1,03394 × 1,00133 = 0,97691 × 1,00133 = 1,04362 × 1,00133 = 0,94805 × 1,00133 = 1,00368 × 1,00133 = 0,87136 × 1,00133 = 1,10459 × 1,00133 = 1,11004 × 1,00133 = 1,27420 × 1,00133 = 0,88660 × 1,00133 = 0,77607 × 1,00133 = 0,95503 × 1,00133 = 1,03394 × 1,00133 = 0,97691 × 1,00133 = 1,04362 × 1,00133 = 0,94805 × 1,00133 = 1,00368 × 1,00133 = 0,87136 × 1,00133 = 1,10459 × 1,00133 = 1,11004 × 1,00133 = 1,27420 × 1,00133 = 0,88660 × 1,00133 = 0,77607 × 1,00133 = 0,95503 × 1,00133 = 1,03394 × 1,00133 = 0,97691 × 1,00133 = 1,04362 × 1,00133 = 0,94805 × 1,00133 = 1,00368 × 1,00133 = 0,87136 × 1,00133 =
1,10605 1,11151 1,27589 0,88778 0,77710 0,95630 1,03531 0,97821 1,04500 0,94931 1,00501 0,87252 1,10605 1,11151 1,27589 0,88778 0,77710 0,95630 1,03531 0,97821 1,04500 0,94931 1,00501 0,87252 1,10605 1,11151 1,27589 0,88778 0,77710 0,95630 1,03531 0,97821 1,04500 0,94931 1,00501 0,87252
Selanjutnya adalah menetapkan komponen trend (T). b) Menetapkan Komponen Trend (T) Agar penafsiran trend lebih baik maka kita bebaskan data T CSI dari pengaruh seasonal S menggunakan Persamaan (2.5) sehingga menjadi data deseason (T CI). Plot data deseason ditunjukkan Gambar 4.15.
Gambar 4.15. Data Deseason dengan Model Multiplikatif
Universitas Mercu Buana
105
Plot data deseason pada Gambar 4.15 di atas menunjukkan suatu kecenderungan (trend ) naik dan membentuk garis lurus sehingga dapatlah kita mengasumsikan terdapat trend linear dalam data deseason tersebut. Persamaan (2.6) sebagai persamaan umum untuk garis lurus atau linear regression dapat kita gunakan untuk memisahkan komponen trend. Berdasarkan perhitungan bilangan tetap a dan b menggunakan Persamaan (2.7) dan (2.8) terhadap data deseason, Persamaan (2.6) membentuk suatu model trend yang tepat untuk memisahkan komponen trend dari data historis, yaitu: yˆ = 17.097, 62 + 186, 13x. Dengan model ini, kita dapat menduga komponen trend (ˆ y ) pada setiap peubah bebas waktu x yang kita tuju. Gambar 4.16 di bawah ini merupakan plot komponen trend yang berhasil dipisahkan dari data historis.
Gambar 4.16. Komponen Trend pada Model Multiplikatif
Rincian perhitungan untuk menetapkan komponen trend di atas dapat dilihat dalam Tabel 4.25 di bawah ini.
Universitas Mercu Buana
106
Tabel 4.25. Dekomposisi Multiplikatif untuk Komponen Trend (T) Waktu x
A t = TCSI
Indeks musiman S
Permintaan Bulan
Perhitungan Regresi
Deseason TCSI y= S
x
2
Trend (T)
Bilangan tetap a dan b
xy
yˆ =17.097,62+186,13 x
1
1'06
22.292
1,10605
20.154,52
1
20.154,52
17.283,75
2
2'06
18.781
1,11151
16.896,83
4
33.793,66
17.469,87
3
3'06
21.308
1,27589
16.700,49
9
50.101,46
17.656,00
4
4'06
15.432
0,88778
17.382,72
16
69.530,88
17.842,13
5
5'06
14.720
0,77710
18.942,11
25
94.710,56
18.028,25
6
6'06
16.585
0,95630
17.342,89
36
104.057,33
18.214,38
7
7'06
18.703
1,03531
18.065,04
49
126.455,26
18.400,50
8
8'06
17.852
0,97821
18.249,72
64
145.997,78
18.586,63
9
9'06
19.228
1,04500
18.399,95
81
165.599,59
18.772,76
10
10'06
16.470
0,94931
17.349,53
100
173.495,27
18.958,88
11
11'06
19.637
1,00501
19.539,02
121
214.929,20
12
12'06
18.701
0,87252
21.433,38
144
257.200,56
13
1'07
20.653
1,10605
18.672,68
169
14
2'07
20.695
1,11151
18.618,81
196
15
3'07
25.306
1,27589
19.833,98
225
16
4'07
17.832
0,88778
20.086,10
256
17
5'07
15.838
0,77710
20.380,79
289
i =1 242.744,79 b = i = 1 2i =1 n n 260.663,36 xi n x i2 — i =1 i =1 297.509,72 36(14.403.378,4) — (666)(739.474,47) 321.377,58 = 36(16.206) — (443.556) 346.473,36
18
6'07
19.569
0,95630
20.463,25
324
368.338,48
19
7'07
21.272
1,03531
20.546,41
361
390.381,76
20
8'07
20.288
0,97821
20.739,99
400
414.799,87
21
9'07
22.142
1,04500
21.188,46
441
444.957,76
22
10'07
21.743
0,94931
22.904,12
484
503.890,53 a =
23
11'07
20.840
1,00501
20.736,02
529
476.928,36
24
12'07
16.521
0,87252
18.934,86
576
454.436,70
=
25
1'08
24.950
1,10605
22.557,66
625
563.941,40
= 17.097,62
26
2'08
25.718
1,11151
23.137,89
676
601.585,09
21.936,90
27
3'08
28.433
1,27589
22.284,82
729
601.690,07
22.123,03
28
4'08
19.943
0,88778
22.463,94
784
628.990,45
22.309,16
29
5'08
17.478
0,77710
22.491,18
841
652.244,35
22.495,28
30
6'08
21.630
0,95630
22.618,43
900
678.552,92
22.681,41
31
7'08
24.689
1,03531
23.846,85
961
739.252,47
22.867,54
32
8'08
23.627
0,97821
24.153,38
1024
772.908,25
23.053,66
33
9'08
25.393
1,04500
24.299,46
1089
801.882,24
23.239,79
34
10'08
20.368
0,94931
21.455,69
1156
729.493,38
23.425,92
35
11'08
23.534
1,00501
23.416,57
1225
819.580,07
23.612,04
36
12'08
20.231
0,87252
23.186,93
1296
834.729,34
23.798,17
666
19.145,01 n
n
x i yi —
n n
xi
19.331,14
yi
= 186,13
19.517,26 19.703,39 19.889,52 20.075,64 20.261,77 20.447,89 20.634,02
n
yi — b
i =1
n
20.820,15 xi
21.006,27
i =1
21.192,40
n 739.474,47 — (186,13)(666)
21.378,53
36
21.564,65 21.750,78
739.474,47 16.206 14.403.378,40
Selanjutnya perlu juga kita melihat seberapa besar keberartian komponen cyclic (C) dan irregular (I) dalam data deret waktu historis. c) Menetapkan Komponen Cyclic (C) dan Irregular (I) Pada dasarnya jika kita menggabungkan indeks-indeks musiman (S) dan nilai-nilai trend (T ) menjadi T S maka kita sudah membuat suatu nilainilai peramalan. Namun, karena data historis diasumsikan sebagai T CSI maka masih terdapat komponen C (cyclic) dan I (irregular ). Gabungan kedua komponen tersebut (CI) merupakan galat (error ) peramalan. Lalu, apakah kita perlu memperhitungkan kedua komponen tersebut?
Universitas Mercu Buana
107
Komponen C sebagai suatu siklus, misal: konjungtur (business cycle), memiliki bentuk seperti ditunjukkan Gambar 4.17 di bawah ini.
Gambar 4.17. Gelombang Cyclic
Gelombang cyclic pada Gambar 4.17 dibagi atas empat bagian, yaitu: • AB disebut expansion (perkembangan meningkat). • BC disebut recession (pengurangan). • CD disebut depression (kesurutan di bawah rata-rata). • DE disebut revival (pertumbuhan kembali). Selanjutnya AB terulang lagi, dan seterusnya. Siklus tersebut terjadi dalam kurun waktu yang panjang (e.g, 10 tahun, kuartal ke-20). Namun, kasus-kasus tertentu, contohnya: kebijakan ekonomi neo-liberal, memungkinkan siklus terjadi dalam kurun waktu yang singkat. Komponen I terjadi hanya sesekali dan tak dapat diduga biasanya karena hasil atau akibat dari kekuatan ekstern. Sebaiknya, kita tidak menghilangkan komponen I melainkan menguranginya dengan meratakannya, atau menyebarkan pengaruhnya lebih luas (ke jangka waktu yang lebih panjang). Jika komponen I setelah disebarkan memiliki pola dan di masa depan kita tidak dapat mengendalikannya maka kita perlu memperhitungkannya karena komponen I cukup berarti dan dianggap saja akan terulang kembali. Perhitungan untuk menetapkan komponen C dan I dimulai dengan membebaskan pengaruh T S dari data T CSI menggunakan Persamaan (2.9), kemudian hasilnya (CI) dibebaskan dari pengaruh I menggunakan Persamaan (2.10), yaitu: metode CMA tiga bulanan. Dengan diketahuinya komponen C maka kita dapat memprediksi komponen I menggunakan Persamaan (2.11).
Universitas Mercu Buana
108
Tabel 4.26 di bawah ini menunjukkan rincian perhitungan untuk menetapkan komponen C dan I. Tabel 4.26. Dekomposisi Multiplikatif untuk Komponen Cyclic (C) dan Irregular (I) Waktu t
A t = TCSI
Indeks musiman S
Permintaan Bulan
Trend T
TS
CI =
TCSI C = CMA(3) TS
Pola komponen cyclic
I =
CI C
1
1'06
22.292
1,10605
17.283,75 19.116,77
1,16610
―
2
2'06
18.781
1,11151
17.469,87 19.417,94
0,96720
1,02639
0,94233
3
3'06
21.308
1,27589
17.656,00 22.527,13
0,94588
0,96244
0,98279
4
4'06
15.432
0,88778
17.842,13 15.839,85
0,97425
0,99027
0,98382
5
5'06
14.720
0,77710
18.028,25 14.009,84
1,05069
0,99237
1,05877
6
6'06
16.585
0,95630
18.214,38 17.418,41
0,95215
0,99487
0,95706
7
7'06
18.703
1,03531
18.400,50 19.050,31
0,98177
0,97193
1,01012
8
8'06
17.852
0,97821
18.586,63 18.181,57
0,98187
0,98126
1,00062
9
9'06
19.228
1,04500
18.772,76 19.617,58
0,98014
0,95904
1,02200
10
10'06
16.470
0,94931
18.958,88 17.997,77
0,91511
0,97194
0,94153
11
11'06
19.637
1,00501
19.145,01 19.241,02
1,02058
1,01481
1,00568
12
12'06
18.701
0,87252
19.331,14 16.866,76
1,10875
1,02869
1,07783
13
1'07
20.653
1,10605
19.517,26 21.587,16
0,95673
1,00348
0,95341
14
2'07
20.695
1,11151
19.703,39 21.900,52
0,94495
0,96630
0,97791
15
3'07
25.306
1,27589
19.889,52 25.376,86
0,99721
0,98089
1,01663
16
4'07
17.832
0,88778
20.075,64 17.822,72
1,00052
1,00120
0,99932
17
5'07
15.838
0,77710
20.261,77 15.745,51
1,00587
1,00238
1,00348
18
6'07
19.569
0,95630
20.447,89 19.554,32
1,00075
1,00079
0,99996
19
7'07
21.272
1,03531
20.634,02 21.362,71
0,99575
0,99755
0,99820
20
8'07
20.288
0,97821
20.820,15 20.366,41
0,99615
1,00019
0,99596
21
9'07
22.142
1,04500
21.006,27 21.951,61
1,00867
1,02853
0,98069
22
10'07
21.743
0,94931
21.192,40 20.118,06
1,08077
1,01980
1,05979
23
11'07
20.840
1,00501
21.378,53 21.485,73
0,96995
0,97626
0,99354
24
12'07
16.521
0,87252
21.564,65 18.815,54
0,87805
0,96170
0,91302
25
1'08
24.950
1,10605
21.750,78 24.057,55
1,03710
0,98996
1,04761
26
2'08
25.718
1,11151
21.936,90 24.383,09
1,05475
1,03305
1,02100
27
3'08
28.433
1,27589
22.123,03 28.226,58
1,00731
1,02300
0,98467
28
4'08
19.943
0,88778
22.309,16 19.805,58
1,00694
1,00469
1,00224
29
5'08
17.478
0,77710
22.495,28 17.481,19
0,99982
1,00133
0,99849
30
6'08
21.630
0,95630
22.681,41 21.690,23
0,99722
1,01329
0,98415
31
7'08
24.689
1,03531
22.867,54 23.675,10
1,04283
1,02925
1,01319
32
8'08
23.627
0,97821
23.053,66 22.551,25
1,04770
1,04538
1,00223
33
9'08
25.393
1,04500
23.239,79 24.285,64
1,04560
1,00307
1,04240
34
10'08
20.368
0,94931
23.425,92 22.238,35
0,91590
0,98440
0,93041
35
11'08
23.534
1,00501
23.612,04 23.730,45
0,99172
0,96064
1,03235
36
12'08
20.231
0,87252
23.798,17 20.764,32
0,97432
―
―
0
1
2
―
Pola komponen irregular 0
1
2
Dalam Tabel 4.26 di atas tampak bahwa komponen C maupun I memiliki pola data yang hampir lurus; atau nilai-nilainya hanya bergerak di kisaran angka satu. Hal ini berarti bahwa komponen C maupun I tidak mempunyai pengaruh yang berarti dalam data historis sehingga nilai peramalan hanya diwakili oleh komponen T dan S. Jadi angka-angka dalam kolom keenam (kolom T S) dalam Tabel 4.26 di atas sudah menunjukkan nilai-nilai peramalan pada periode t historis (Ft ).
Universitas Mercu Buana
109
d) Menguji Akurasi Peramalan Metode Dekomposisi Multiplikatif Setelah diketahui bahwa Ft = T C, selanjutnya kita akan menguji akurasi peramalan metode dekomposisi multiplikatif dengan menggunakan Persamaan (2.21) untuk MAD, Persamaan (2.22) untuk MSE, Persamaan (2.23) untuk MAPE, Persamaan (2.25) untuk tracking signal, dan Persamaan (2.24) untuk U-Theil. Tabel 4.27 di bawah ini menunjukkan rincian perhitungan untuk menguji akurasi peramalan dari metode dekomposisi multiplikatif. Tabel 4.27. Pengujian MAD, MSE, MAPE, Tracking Signal, dan U-Theil untuk Metode Dekomposisi Multiplikatif Waktu t
Permintaan Peramalan Galat Bulan
A t = TCSI
Ft = TS
At — Ft
RSFE (At — F t )
Galat mutlak At — Ft
Galat kuadrat 2
(At — F t )
%Galat mutlak 100 At — Ft At
Perhitungan untuk U-Theil Ft — At
(Ft — At )2
Ft2
At2
1
1'06
22.292
19.116,77
3.175,23
3.175,23
3.175,23
10.082.097,76
16,61
2
2'06
18.781
19.417,94
‐636,94
2.538,29
636,94
405.696,34
3,28
3
3'06
21.308
22.527,13 ‐1.219,13
1.319,16
1.219,13
1.486.283,42
5,41
4
4'06
15.432
15.839,85
‐407,85
911,31
407,85
166.341,50
2,57
407,85
166.341,50
250.900.843,10
238.146.624
5
5'06
14.720
14.009,84
710,16
1.621,47
710,16
504.333,87
5,07
‐710,16
504.333,87
196.275.485,82
216.678.400
6
6'06
16.585
17.418,41
‐833,41
788,07
833,41
694.565,00
4,78
833,41
694.565,00
303.400.855,90
275.062.225
7
7'06
18.703
19.050,31
‐347,31
440,75
347,31
120.627,14
1,82
347,31
120.627,14
362.914.470,19
349.802.209
8
8'06
17.852
18.181,57
‐329,57
111,19
329,57
108.613,90
1,81
329,57
108.613,90
330.569.350,80
318.693.904
9
9'06
19.228
19.617,58
‐389,58
‐278,39
389,58
151.772,17
1,99
389,58
151.772,17
384.849.424,57
369.715.984
10
10'06
16.470
17.997,77 ‐1.527,77
‐1.806,16
1.527,77
2.334.082,67
8,49
1.527,77 2.334.082,67
323.919.742,57
271.260.900
11
11'06
19.637
19.241,02
395,98
‐1.410,18
395,98
156.803,39
2,06
12
12'06
18.701
16.866,76
1.834,24
424,06
1.834,24
3.364.451,92
10,87
13
1'07
20.653
21.587,16
‐934,16
‐510,09
934,16
872.652,46
4,33
14
2'07
20.695
21.900,52 ‐1.205,52
‐1.715,61
1.205,52
1.453.275,57
5,50
15
3'07
25.306
25.376,86
‐70,86
‐1.786,47
70,86
5.020,47
0,28
70,86
5.020,47
643.984.784,04
640.393.636
16
4'07
17.832
17.822,72
9,28
‐1.777,19
9,28
86,18
0,05
‐9,28
86,18
317.649.224,49
317.980.224
17
5'07
15.838
15.745,51
92,49
‐1.684,70
92,49
8.554,30
0,59
‐92,49
8.554,30
247.921.101,95
250.842.244
18
6'07
19.569
19.554,32
14,68
‐1.670,01
14,68
215,61
0,08
‐14,68
215,61
382.371.289,70
382.945.761
19
7'07
21.272
21.362,71
‐90,71
‐1.760,72
90,71
8.227,61
0,42
90,71
8.227,61
456.365.215,12
452.497.984
20
8'07
20.288
20.366,41
‐78,41
‐1.839,12
78,41
6.147,56
0,38
78,41
6.147,56
414.790.508,62
411.602.944
21
9'07
22.142
21.951,61
190,39
‐1.648,73
190,39
36.248,61
0,87
‐190,39
36.248,61
481.873.151,86
490.268.164
22
10'07
21.743
20.118,06
1.624,94
‐23,79
1.624,94
2.640.432,65
8,08
‐1.624,94 2.640.432,65
404.736.305,43
472.758.049
23
11'07
20.840
21.485,73
‐645,73
‐669,53
645,73
416.970,05
3,01
24
12'07
16.521
18.815,54 ‐2.294,54
‐2.964,06
2.294,54
5.264.902,80
12,19
25
1'08
24.950
24.057,55
892,45
‐2.071,61
892,45
796.468,25
3,71
26
2'08
25.718
24.383,09
1.334,91
‐736,71
1.334,91
1.781.972,36
5,47
27
3'08
28.433
28.226,58
206,42
‐530,29
206,42
42.609,91
0,73
‐206,42
28
4'08
19.943
19.805,58
137,42
‐392,87
137,42
18.883,37
0,69
‐137,42
29
5'08
17.478
17.481,19
‐3,19
‐396,05
3,19
10,15
0,02
30
6'08
21.630
21.690,23
‐60,23
‐456,28
60,23
3.627,31
0,28
31
7'08
24.689
23.675,10
1.013,90
557,62
1.013,90
1.027.996,91
4,28
32
8'08
23.627
22.551,25
1.075,75
1.633,37
1.075,75
1.157.245,56
4,77
33
9'08
25.393
24.285,64
1.107,36
2.740,73
1.107,36
1.226.248,01
4,56
34
10'08
20.368
22.238,35 ‐1.870,35
870,39
1.870,35
3.498.201,21
8,41
35
11'08
23.534
23.730,45
‐196,45
673,94
196,45
38.591,99
0,83
196,45
36
12'08
20.231
20.764,32
‐533,32
140,62
533,32
284.429,62
2,57
533,32
‐3.175,23 10.082.097,76 636,94
365.450.821,76
496.933.264
405.696,34
377.056.509,12
352.725.961
1.219,13 1.486.283,42
507.471.686,95
454.030.864
156.803,39
370.216.693,62
385.611.769
‐1.834,24 3.364.451,92
‐395,98
284.487.449,94
349.727.401
872.652,46
466.005.420,34
426.546.409
1.205,52 1.453.275,57
934,16
479.632.723,57
428.283.025
416.970,05
461.636.687,25
434.305.600
2.294,54 5.264.902,80
645,73
354.024.455,18
272.943.441
796.468,25
578.765.678,47
622.502.500
‐1.334,91 1.781.972,36
‐892,45
594.535.303,52
661.415.524
42.609,91
796.739.723,98
808.435.489
18.883,37
392.261.126,46
397.723.249
3,19
10,15
305.591.854,93
305.480.484
60,23
3.627,31
470.465.952,80
467.856.900
‐1.013,90 1.027.996,91
560.510.273,57
609.546.721
‐1.075,75 1.157.245,56
508.558.719,31
558.235.129
‐1.107,36 1.226.248,01
589.792.269,79
644.804.449
1.870,35 3.498.201,21
494.544.116,61
414.855.424
38.591,99
563.134.183,04
553.849.156
284.429,62
431.156.961,73
409.293.361
40.164.687,59 15.454.560.366,11 15.513.755.372
Universitas Mercu Buana
110
Tabel 4.27. (lanjutan) Waktu t
Permintaan Peramalan Bulan
A t = TCSI
Ft = TS
MAD
At — Ft n
MSE
(At — F t )2
n
MAPE (%)
100 n
At — Ft At
Tracking signal
1
1'06
22.292
19.116,77
3.175,23
10.082.097,76
16,61
1,00
2
2'06
18.781
19.417,94
1.906,09
5.243.897,05
9,94
1,33
3
3'06
21.308
22.527,13
1.677,10
3.991.359,17
8,43
0,79
4
4'06
15.432
15.839,85
1.359,79
3.035.104,75
6,97
0,67
5
5'06
14.720
14.009,84
1.229,86
2.528.950,58
6,59
1,32
6
6'06
16.585
17.418,41
1.163,79
2.223.219,65
6,29
0,68
7
7'06
18.703
19.050,31
1.047,15
1.922.849,29
5,65
0,42
8
8'06
17.852
18.181,57
957,45
1.696.069,87
5,17
0,12
9
9'06
19.228
19.617,58
894,35
1.524.481,23
4,82
‐0,31
10
10'06
16.470
17.997,77
957,70
1.605.441,38
5,18
‐1,89
11
11'06
19.637
19.241,02
906,63
1.473.747,01
4,90
‐1,56
12
12'06
18.701
16.866,76
983,93
1.631.305,76
5,40
0,43
13
1'07
20.653
21.587,16
980,10
1.572.947,81
5,32
‐0,52
14
2'07
20.695
21.900,52
996,20
1.564.399,79
5,33
‐1,72
15
3'07
25.306
25.376,86
934,51
1.460.441,17
4,99
‐1,91
16
4'07
17.832
17.822,72
876,69
1.369.168,98
4,68
‐2,03
17
5'07
15.838
15.745,51
830,56
1.289.132,83
4,44
‐2,03
18
6'07
19.569
19.554,32
785,23
1217526,31
4,20
‐2,13
19
7'07
21.272
21.362,71
748,68
1.153.879,01
4,00
‐2,35
20
8'07
20.288
20.366,41
715,16
1.096.492,44
3,82
‐2,57
21
9'07
22.142
21.951,61
690,18
1.046.004,64
3,68
‐2,39
22
10'07
21.743
20.118,06
732,66
1.118.478,64
3,88
‐0,03
23
11'07
20.840
21.485,73
728,88
1.087.978,27
3,84
‐0,92
24
12'07
16.521
18.815,54
794,12
1.262.016,79
4,19
‐3,73
25
1'08
24.950
24.057,55
798,05
1.243.394,85
4,17
‐2,60
26
2'08
25.718
24.383,09
818,70
1.264.109,37
4,22
‐0,90
27
3'08
28.433
28.226,58
796,02
1.218.868,65
4,09
‐0,67
28
4'08
19.943
19.805,58
772,50
1.176.012,03
3,97
‐0,51
29
5'08
17.478
17.481,19
745,97
1.135.460,24
3,83
‐0,53
30
6'08
21.630
21.690,23
723,12
1.097.732,48
3,72
‐0,63
31
7'08
24.689
23.675,10
732,50
1.095.482,94
3,73
0,76
32
8'08
23.627
22.551,25
743,22
1.097.413,02
3,77
2,20
33
9'08
25.393
24.285,64
754,26
1.101.317,11
3,79
3,63
34
10'08
20.368
22.238,35
787,08
1.171.813,71
3,93
1,11
35
11'08
23.534
23.730,45
770,21
1.139.435,94
3,84
0,88
36
12'08
20.231
20.764,32
763,63
1.115.685,77
3,80
0,18
Grafik tracking signal:
U-Theil
RSFE MAD
U-Theil =
=
n 1 (F — A )2 n t =1 t t n 1 2 F + n t =1 t
n 1 2 A n t =1 t
1 (40.164.687,59) 36 1 (15.454.560.366,11) + 36 1 (15.513.755.372) 36
= 0,02547 U‐Theil < 1 Hasil metode dekomposisi multiplikatif akan lebih baik daripada metode naïve.
+4 +2
Galat positif Galat > +2 MAD
15 nilai 2 nilai
Galat negatif Galat < ‐2 MAD
21 nilai 8 nilai
0 ‐2 ‐4
Dari Tabel 4.27 di atas diketahui bahwa hasil pengukuran statistik U-Theil adalah sama dengan 0,02547 (U < 1) yang berarti metode dekomposisi multiplikatif lebih baik daripada metode metode na¨ıve. Untuk pemantauan tracking signal masih terdapat 2 nilai di atas +2 MAD dan 8 nilai di bawah −2 MAD, tetapi nilai-nilai ini masih dalam batas kendali ±4 MAD, seperti yang disarankan para pakar. Untuk nilai MAD, MSE, dan MAPE, kita akan membandingkannya nanti dengan hasil pengujian metode dekomposisi aditif.
Universitas Mercu Buana
111
e) Keluaran Minitab untuk Metode Dekomposisi Multiplikatif Butir ini sengaja penulis tambahkan untuk melihat keakuratan perhitungan manual terhadap hasil pengolahan perangkat-lunak Minitab. Adapun versi Minitab yang digunakan adalah sebagai berikut: Minitab. (2006). Minitab statistical software, release 15 for Windows (Version 15.1.0.0) [Computer software]. Pennsylvania: Minitab Inc. Langkah-langkah penggunaan Minitab dilampirkan pada Lampiran B. Gambar 4.18 di bawah ini merupakan keluaran Minitab untuk metode dekomposisi multiplikatif.
Multiplicative Model Data A/F 4WV Demand Length 36 NMissing 0
Accuracy Measures MAPE 4 MAD 764 MSD 1115686
Fitted Trend Equation Yt = 17098 + 186*t Seasonal Indices Period Index 1 1,10605 2 1,11151 3 1,27589 4 0,88778 5 0,77710 6 0,95630 7 1,03531 8 0,97821 9 1,04500 10 0,94931 11 1,00501 12 0,87252 Ti me S eri e s De c o mposi ti on Pl ot f or A/ F 4 WV De ma nd Mult pl cat ve Model 30000
Var able A ctual F ts Trend
A / F 4 WV De ma nd
27500
A ccur acy Measures MA P E 4 MA D 764 MS D 1115686
25000 22500 20000 17500 15000 4
8
12
16
20 Inde x
24
28
32
36
Time 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
A/F 4WV Demand 22292 18781 21308 15432 14720 16585 18703 17852 19228 16470 19637 18701 20653 20695 25306 17832 15838 19569 21272 20288 22142 21743 20840 16521 24950 25718 28433 19943 17478 21630 24689 23627 25393 20368 23534 20231
Trend 17283,7 17469,9 17656,0 17842,1 18028,3 18214,4 18400,5 18586,6 18772,8 18958,9 19145,0 19331,1 19517,3 19703,4 19889,5 20075,6 20261,8 20447,9 20634,0 20820,1 21006,3 21192,4 21378,5 21564,7 21750,8 21936,9 22123,0 22309,2 22495,3 22681,4 22867,5 23053,7 23239,8 23425,9 23612,0 23798,2
Seasonal 1,10605 1,11151 1,27589 0,88778 0,77710 0,95630 1,03531 0,97821 1,04500 0,94931 1,00501 0,87252 1,10605 1,11151 1,27589 0,88778 0,77710 0,95630 1,03531 0,97821 1,04500 0,94931 1,00501 0,87252 1,10605 1,11151 1,27589 0,88778 0,77710 0,95630 1,03531 0,97821 1,04500 0,94931 1,00501 0,87252
Detrend 1,28977 1,07505 1,20684 0,86492 0,81650 0,91054 1,01644 0,96048 1,02425 0,86872 1,02570 0,96740 1,05819 1,05033 1,27233 0,88824 0,78167 0,95702 1,03092 0,97444 1,05407 1,02598 0,97481 0,76611 1,14709 1,17236 1,28522 0,89394 0,77696 0,95364 1,07965 1,02487 1,09265 0,86946 0,99669 0,85011
Deseason 20154,5 16896,8 16700,5 17382,7 18942,1 17342,9 18065,0 18249,7 18400,0 17349,5 19539,0 21433,4 18672,7 18618,8 19834,0 20086,1 20380,8 20463,2 20546,4 20740,0 21188,5 22904,1 20736,0 18934,9 22557,7 23137,9 22284,8 22463,9 22491,2 22618,4 23846,9 24153,4 24299,5 21455,7 23416,6 23186,9
Predict 19116,8 19417,9 22527,1 15839,8 14009,8 17418,4 19050,3 18181,6 19617,6 17997,8 19241,0 16866,8 21587,2 21900,5 25376,9 17822,7 15745,5 19554,3 21362,7 20366,4 21951,6 20118,1 21485,7 18815,5 24057,5 24383,1 28226,6 19805,6 17481,2 21690,2 23675,1 22551,2 24285,6 22238,3 23730,4 20764,3
Error 3175,23 -636,94 -1219,13 -407,85 710,16 -833,41 -347,31 -329,57 -389,58 -1527,77 395,98 1834,24 -934,16 -1205,52 -70,86 9,28 92,49 14,68 -90,71 -78,41 190,39 1624,94 -645,73 -2294,54 892,45 1334,91 206,42 137,42 -3,19 -60,23 1013,90 1075,75 1107,36 -1870,35 -196,45 -533,32
Gambar 4.18. Keluaran Minitab untuk Metode Dekomposisi Multiplikatif
Keluaran Minitab pada 4.18 di atas menunjukkan bahwa perhitungan manual tidak jauh berbeda dengan perhitungan komputer. Selanjutnya, kita akan melakukan percobaan peramalan yang sama seperti di atas dengan menggunakan metode dekomposisi aditif.
Universitas Mercu Buana
112
2) Metode Dekomposisi Aditif Bentuk metode dekomposisi aditif adalah pertambahan antar komponen seperti pada Persamaan (2.2), yaitu: P ermintaan = T + C + S + I. Adapun langkah-langkah metode dekomposisi aditif telah jelas dalam landasan teori11 dan berikut implementasinya: a) Mencari Indeks Musiman (S) Persamaan yang digunakan untuk mencari indeks musiman S adalah Persamaan (2.14) untuk memisahkan komponen S + I dari data T + C + S + I dan Persamaan (2.15) untuk memisahkan komponen S dari S + I. Berikut indeks musiman dalam panjang musim (L) sama dengan 12: Periode 1 2 3 4 5 6
Indeks musiman 2239,45 2399,43 5813,68 -2377,97 -4769,86 -941,43
Periode 7 8 9 10 11 12
Indeks musiman 704,53 -412,86 909,18 -911,74 68,82 -2721,24
Rincian perhitungan untuk mencari indeks musiman di atas ditunjukkan Tabel 4.28 di bawah ini. Tabel 4.28. Dekomposisi Aditif untuk Indeks Musiman (S) Waktu t
Permintaan
Center moving average (12)
Bulan A t = T + C+S +I
1
1'06
22.292
2
2'06
18.781
3
3'06
21.308
4
4'06
15.432
5
5'06
14.720
6
6'06
16.585
7
7'06
18.703
8
8'06
17.852
9
9'06
19.228
10
10'06
16.470
11
11'06
19.637
12
12'06
18.701
13
1'07
20.653
14
2'07
20.695
15
3'07
25.306
16
4'07
17.832
S +I = (T + C + S + I )— (T + C )
T +C ― ― ― ―
― At
12
18.309,08 18.172,50
mt
2
Indeks musiman (S) S
S —S
―
―
―
2.200,04 + 39,41 =
2.239,45
―
―
―
2.360,02 + 39,41 =
2.399,43
―
―
―
5.774,27 + 39,41 =
5.813,68
―
―
―
‐2.417,38 + 39,41 = ‐2.377,97
―
―
―
‐4.809,27 + 39,41 = ‐4.769,86
―
―
―
‐980,83 + 39,41 =
462,21
―
665,13 + 39,41 =
704,53
18.252,25
‐400,25
―
‐452,27 + 39,41 =
‐412,86
18.498,58
18.332,00
729,42
―
869,77 + 39,41 =
909,18
18.765,17 ‐2.295,17
―
‐951,15 + 39,41 =
‐911,74
18.911,75
725,25
―
29,42 + 39,41 =
68,82
19.082,67
‐381,67
―
19.314,04
1.338,96
( 1.338,96 + 3.061,13 ) ÷ 2 = 2.200,04
2.200,04 + 39,41 =
2.239,45
19.522,58
1.172,42
( 1.172,42 + 3.547,63 ) ÷ 2 = 2.360,02
2.360,02 + 39,41 =
2.399,43
19.745,50
5.560,50
( 5.560,50 + 5.988,04 ) ÷ 2 = 5.774,27
5.774,27 + 39,41 =
5.813,68
20.086,63 ‐2.254,63
(‐2.254,63 — 2.580,13 ) ÷ 2 = ‐2.417,38
‐2.417,38 + 39,41 = ‐2.377,97
20.356,46 ‐4.518,46
(‐4.518,46 — 5.100,08 ) ÷ 2 = ‐4.809,27
‐4.809,27 + 39,41 = ‐4.769,86
20.315,75
( ‐746,75 — 1.214,92 ) ÷ 2 =
18.665,17 18.865,17 18.958,33 19.207,00 19.421,08 19.624,08 19.866,92 20.306,33
17
5'07
15.838
18
6'07
19.569
20.406,58 20.224,92
11
‐941,43
18.240,79
‐746,75
‐980,83
‐2.760,65 + 39,41 = ‐2.721,24
‐980,83 + 39,41 =
‐941,43
Lihat halaman 20—21
Universitas Mercu Buana
113
Tabel 4.28. (lanjutan) Waktu
Center moving average (12)
Permintaan Bulan A t = T + C+S +I
t
T +C 20.224,92
19
7'07
21.272
20
8'07
20.288
21
9'07
22.142
22
10'07
21.743
23
11'07
20.840
24
12'07
16.521
25
1'08
24.950
26
2'08
25.718
27
3'08
28.433
20.583,00 21.001,58 21.262,17 21.438,08
At
21.746,50 22.031,25
mt
S —S
( 868,04 + 462,21 ) ÷ 2 =
665,13
665,13 + 39,41 =
704,53
‐452,27
‐452,27 + 39,41 =
‐412,86
868,04
20.792,29
‐504,29
21.131,88
1.010,13
( 1.010,13 + 729,42 ) ÷ 2 =
869,77
869,77 + 39,41 =
909,18
21.350,13
392,88
( 392,88 — 2.295,17 ) ÷ 2 =
‐951,15
‐951,15 + 39,41 =
‐911,74
21.506,42
‐666,42
( ‐666,42 + 725,25 ) ÷ 2 =
29,42
29,42 + 39,41 =
68,82
21.660,63 ‐5.139,63
2
S
20.403,96
21.574,75
12
Indeks musiman (S)
S +I = (T + C + S + I )— (T + C )
( ‐504,29 —
(‐5.139,63 —
400,25 ) ÷ 2 =
381,67 ) ÷ 2 = ‐2.760,65
21.888,88
3.061,13
―
2.200,04 + 39,41 =
2.239,45
22.170,38
3.547,63
―
2.360,02 + 39,41 =
2.399,43
22.444,96
5.988,04
―
5.774,27 + 39,41 =
5.813,68
22.523,13 ‐2.580,13
―
‐2.417,38 + 39,41 = ‐2.377,97
22.578,08 ‐5.100,08
―
‐4.809,27 + 39,41 = ‐4.769,86
22.844,92 ‐1.214,92
―
‐980,83 + 39,41 =
22.309,50 22.580,42
28
4'08
19.943
29
5'08
17.478
30
6'08
21.630
31
7'08
24.689
32
8'08
23.627
33
9'08
25.393
34
10'08
20.368
35
11'08
23.534
36
12'08
20.231
22.465,83 22.690,33 22.999,50
― ― ― ― ―
‐2.760,65 + 39,41 = ‐2.721,24
‐941,43
―
―
―
665,13 + 39,41 =
704,53
―
―
―
‐452,27 + 39,41 =
‐412,86
―
―
―
869,77 + 39,41 =
909,18
―
―
―
‐951,15 + 39,41 =
‐911,74
―
―
―
29,42 + 39,41 =
68,82
―
―
― S
‐2.760,65 + 39,41 = ‐2.721,24
‐39,41
b) Menetapkan Komponen Trend (T) Pembebasan data T + C + S + I dari pengaruh seasonal S menggunakan Persamaan (2.16) sehingga menjadi data deseason (T + C + I) menghasilkan plot data seperti dalam Gambar 4.19 di bawah ini.
Gambar 4.19. Data Deseason dengan Model Aditif
Plot data deseason di atas tampak membentuk pola trend linear sehingga kita menggunakan kembali Persamaan (2.6) dan berikut model trend -nya: yˆ = 16.991, 34 + 190, 26x. Gambar 4.20 di bawah ini menunjukkan plot komponen trend yang berhasil dipisahkan dari data historis.
Universitas Mercu Buana
114
Gambar 4.20. Komponen Trend pada Model Aditif
Rincian perhitungan untuk menetapkan komponen trend di atas dapat dilihat dalam Tabel 4.29 di bawah ini. Tabel 4.29. Dekomposisi Aditif untuk Komponen Trend (T) Waktu x
Permintaan Bulan A t = T + C +S +I
Indeks Deseason musiman y = (T + C + S + I )— S S 2.239,45 20.052,55
Perhitungan Regresi x2
Trend (T)
Bilangan tetap a dan b
xy
yˆ =16.991,34+190,26 x
1
1'06
22.292
1
20.052,55
17.181,60
2
2'06
18.781
2.399,43
16.381,57
4
32.763,14
17.371,86
3
3'06
21.308
5.813,68
15.494,32
9
46.482,96
17.562,12
4
4'06
15.432
‐2.377,97
17.809,97
16
71.239,87
17.752,38
5
5'06
14.720
‐4.769,86
19.489,86
25
97.449,31
17.942,65
6
6'06
16.585
‐941,43
17.526,43
36
105.158,55
18.132,91
7
7'06
18.703
704,53
17.998,47
49
125.989,27
18.323,17
8
8'06
17.852
‐412,86
18.264,86
64
146.118,90
18.513,43
9
9'06
19.228
909,18
18.318,82
81
164.869,39
18.703,69
10
10'06
16.470
‐911,74
17.381,74
100
173.817,38
18.893,95
11
11'06
19.637
68,82
19.568,18
121
215.249,93
12
12'06
18.701
‐2.721,24
21.422,24
144
257.066,85
13
1'07
20.653
2.239,45
18.413,55
169
19.464,73
14
2'07
20.695
2.399,43
18.295,57
196
15
3'07
25.306
5.813,68
19.492,32
225
16
4'07
17.832
‐2.377,97
20.209,97
256
17
5'07
15.838
‐4.769,86
20.607,86
289
18
6'07
19.569
‐941,43
20.510,43
324
i =1 239.376,15 b = i =1 2i =1 n n 256.138,00 xi n x i2 — i =1 i =1 292.384,82 36(14.399.600,34) — (666)(738.402) 323.359,47 = 36(16.206) — (443.556) 350.333,67 = 190,26 369.187,66
19
7'07
21.272
704,53
20.567,47
361
390.781,87
20.606,30
20
8'07
20.288
‐412,86
20.700,86
400
414.017,26
21
9'07
22.142
909,18
21.232,82
441
445.889,24
22
10'07
21.743
‐911,74
22.654,74
484
498.404,23 a =
23
11'07
20.840
68,82
20.771,18
529
477.737,03
24
12'07
16.521
‐2.721,24
19.242,24
576
461.813,71
=
25
1'08
24.950
2.239,45
22.710,55
625
567.763,76
= 16.991,34
26
2'08
25.718
2.399,43
23.318,57
676
606.282,85
21.938,12
27
3'08
28.433
5.813,68
22.619,32
729
610.721,67
22.128,38
28
4'08
19.943
‐2.377,97
22.320,97
784
624.987,08
22.318,64
29
5'08
17.478
‐4.769,86
22.247,86
841
645.188,02
22.508,91
30
6'08
21.630
‐941,43
22.571,43
900
677.142,76
22.699,17
31
7'08
24.689
704,53
23.984,47
961
743.518,48
22.889,43
32
8'08
23.627
‐412,86
24.039,86
1024
769.275,61
23.079,69
33
9'08
25.393
909,18
24.483,82
1089
807.966,10
23.269,95
34
10'08
20.368
‐911,74
21.279,74
1156
723.511,09
23.460,21
35
11'08
23.534
68,82
23.465,18
1225
821.281,14
23.650,47
36
12'08
20.231
‐2.721,24
22.952,24
1296
826.280,56
23.840,73
666
738.402,00 16.206
19.084,21 n
n
n
x i yi —
yi — b
i =1
n n
n
xi
19.274,47
yi
19.654,99 19.845,25 20.035,51 20.225,78 20.416,04 20.796,56
xi
20.986,82
i =1
21.177,08
n 738.402 — (190,26)(666)
21.367,34
36
21.557,60 21.747,86
14.399.600,34
Universitas Mercu Buana
115
c) Menetapkan Komponen Cyclic (C) dan Irregular (I) Kita akan menggunakan Persamaan (2.17) untuk pemisahan C + I, Persamaan (2.10) kembali untuk mendapatkan komponen C, dan Persamaan (2.18) untuk mendapatkan komponen I. Tabel 4.30 menunjukkan rincian perhitungan untuk menetapkan komponen C dan I. Tabel 4.30. Dekomposisi Aditif untuk Komponen Cyclic (C) dan Irregular (I) Waktu t
Permintaan Bulan A t = T + C +S +I
Indeks musiman S
Trend T
T +S
C +I = (T + C + S + I )— (T + S )
C = CMA(3)
Pola komponen cyclic ‐30.000
0
I = (C + I ) — C
30.000
‐30.000
1
1'06
22.292
2.239,45
17.181,60
19.421,05
2
2'06
18.781
2.399,43
17.371,86
19.771,29
‐990,29
‐62,38
‐927,91
3
3'06
21.308
5.813,68
17.562,12
23.375,80
‐2.067,80
‐1.000,17
‐1.067,63
4
4'06
15.432
‐2.377,97
17.752,38
15.374,42
57,58
‐154,33
211,92
5
5'06
14.720
‐4.769,86
17.942,65
13.172,78
1.547,22
332,77
1.214,44
6
6'06
16.585
‐941,43
18.132,91
17.191,48
‐606,48
205,35
‐811,83
7
7'06
18.703
704,53
18.323,17
19.027,70
‐324,70
‐393,25
68,55
8
8'06
17.852
‐412,86
18.513,43
18.100,57
‐248,57
‐319,38
70,81
9
9'06
19.228
909,18
18.703,69
19.612,87
‐384,87
‐715,21
330,35
10
10'06
16.470
‐911,74
18.893,95
17.982,21
‐1.512,21
‐471,04
‐1.041,17
11
11'06
19.637
68,82
19.084,21
19.153,04
483,96
373,17
110,79
12
12'06
18.701
‐2.721,24
19.274,47
16.553,23
2.147,77
526,85
1.620,92
13
1'07
20.653
2.239,45
19.464,73
21.704,18
‐1.051,18
‐87,61
‐963,57
14
2'07
20.695
2.399,43
19.654,99
22.054,42
‐1.359,42
‐921,18
‐438,24
15
3'07
25.306
5.813,68
19.845,25
25.658,93
‐352,93
‐512,63
159,70
16
4'07
17.832
‐2.377,97
20.035,51
17.657,55
174,45
67,87
106,58
17
5'07
15.838
‐4.769,86
20.225,78
15.455,91
382,09
216,98
165,11
18
6'07
19.569
‐941,43
20.416,04
19.474,61
94,39
145,88
‐51,49
19
7'07
21.272
704,53
20.606,30
21.310,83
‐38,83
‐13,38
‐25,45
20
8'07
20.288
‐412,86
20.796,56
20.383,70
‐95,70
37,16
‐132,85
21
9'07
22.142
909,18
20.986,82
21.896 00
246 00
542,66
‐296,65
22
10'07
21.743
‐911,74
21.177,08
20.265,34
1.477,66
375,83
1.101,83
23
11'07
20.840
68,82
21.367,34
21.436,17
‐596,17
‐477,96
‐118,21
24
12'07
16.521
‐2.721,24
21.557,60
18.836,36
‐2.315,36
‐649,61
‐1.665,75
25
1'08
24.950
2.239,45
21.747,86
23.987,31
962,69
9,26
953,43
26
2'08
25.718
2.399,43
21.938,12
24.337,55
1.380,45
944,69
435,76
27
3'08
28.433
5.813,68
22.128,38
27.942,06
490,94
624,57
‐133,63
28
4'08
19.943
‐2.377,97
22.318,64
19.940,68
2,32
77,41
‐75,08
29
5'08
17.478
‐4.769,86
22.508,91
17.739,04
‐261,04
‐128,82
‐132,22
30
6'08
21.630
‐941,43
22.699,17
21.757,74
‐127,74
235,42
‐363,16
31
7'08
24.689
704,53
22.889,43
23.593,96
1.095,04
642,49
452,55
32
8'08
23.627
‐412,86
23.079,69
22.666,83
960,17
1.089,70
‐129,52
33
9'08
25.393
909,18
23.269,95
24.179,13
1.213,87
‐2,14
1.216,01
34
10'08
20.368
‐911,74
23.460,21
22.548,47
‐2.180,47
‐383,96
‐1.796,51
35
11'08
23.534
68,82
23.650,47
23.719,30
‐185,30
‐1.084,75
899,46
36
12'08
20.231
‐2.721,24
23.840,73
21.119,49
‐888,49
―
2.870,95
Pola komponen irregular
―
0
30.000
―
― Permintaan aktual Komponen trend Komponen seasonal
Komponen cyclic Komponen irregular
Dalam Tabel 4.30 di atas tampak bahwa komponen C maupun I memiliki pola data yang tidak begitu berarti dibandingkan pola trend dan seasonal. Jadi nilai peramalan merupakan gabungan komponen T + S (lihat kolom keenam dalam Tabel 4.30 di atas).
Universitas Mercu Buana
116
d) Menguji Akurasi Peramalan Metode Dekomposisi Aditif Setelah diketahui bahwa Ft = T C, selanjutnya kita akan menguji akurasi peramalan dari metode dekomposisi multiplikatif dengan menggunakan Persamaan (2.21) untuk MAD, Persamaan (2.22) untuk MSE, Persamaan (2.23) untuk MAPE, Persamaan (2.25) untuk tracking signal, dan Persamaan (2.24) untuk U-Theil. Tabel 4.31 di bawah ini menunjukkan rincian perhitungan untuk menguji akurasi peramalan dari metode dekomposisi aditif. Tabel 4.31. Pengujian MAD, MSE, MAPE, Tracking Signal, dan U-Theil untuk Metode Dekomposisi Aditif Waktu t
Permintaan Peramalan Galat Bulan A t = T + Ft =T + S C +S +I
At — Ft
RSFE (At — F t )
Galat mutlak
Galat kuadrat
At — Ft
(At — F t )
2
%Galat mutlak 100 At — Ft At
Perhitungan untuk U-Theil Ft — At
1
1'06
22.292
19.421,05 2.870,95
2.870,95
2.870,95
8.242.344,10
14,78
2
2'06
18.781
19.771,29
‐990,29
1.880,66
990,29
980.677,67
5,01
3
3'06
21.308
23.375,80 ‐2.067,80
‐187,15
2.067,80
4.275.807,36
8,85
4
4'06
15.432
15.374,42
57,58
‐129,56
57,58
3.315,74
0,37
5
5'06
14.720
13.172,78 1.547,22
1.417,65
1.547,22
2.393.881,84
11,75
6
6'06
16.585
17.191,48
‐606,48
811,17
606,48
367.819,06
3,53
606,48
7
7'06
18.703
19.027,70
‐324,70
486,47
324,70
105.430,12
1,71
8
8'06
17.852
18.100,57
‐248,57
237,91
248,57
61.784,59
9
9'06
19.228
19.612,87
‐384,87
‐146,96
384,87
10
10'06
16.470
17.982,21 ‐1.512,21
‐1.659,17
11
11'06
19.637
19.153,04
483,96
12
12'06
18.701
13
1'07
14
(Ft — At )2
Ft2
At2
‐2.870,95 8.242.344,10
377.177.249,44
496.933.264
980.677,67
390.903.975,86
352.725.961
2.067,80 4.275.807,36
546.428.144,60
454.030.864
3.315,74
236.372.714,88
238.146.624
‐1.547,22 2.393.881,84
173.522.200,05
216.678.400
367.819,06
295.547.014,94
275.062.225
324,70
105.430,12
362.053.369,23
349.802.209
1,37
248,57
61.784,59
327.630.455,22
318.693.904
148.123,03
1,96
384,87
148.123,03
384.664.573,70
369.715.984
1.512,21
2.286.784,29
8,41
1.512,21 2.286.784,29
323.359.938,43
271.260.900
‐1.175,21
483,96
234.222,07
2,53
234.222,07
366.838.751,91
385.611.769
16.553,23 2.147,77
972,56
2.147,77
4.612.901,40
12,97
‐2.147,77 4.612.901,40
274.009.535,74
349.727.401
20.653
21.704,18 ‐1.051,18
‐78,62
1.051,18
1.104.983,02
4,84
1.051,18 1.104.983,02
471.071.504,45
426.546.409
2'07
20.695
22.054,42 ‐1.359,42
‐1.438,04
1.359,42
1.848.027,44
6,16
1.359,42 1.848.027,44
486.397.517,79
428.283.025
15
3'07
25.306
25.658,93
‐352,93
‐1.790,98
352,93
124.561,39
1,38
352,93
124.561,39
658.380.820,31
640.393.636
16
4'07
17.832
17.657,55
174,45
‐1.616,52
174,45
30.433,65
0,99
‐174,45
30.433,65
311.788.986,03
317.980.224
17
5'07
15.838
15.455,91
382,09
‐1.234,44
382,09
145.990,81
2,47
‐382,09
145.990,81
238.885.233,28
250.842.244
18
6'07
19.569
19.474,61
94,39
‐1.140,05
94,39
8.909,30
0,48
‐94,39
8.909,30
379.260.469,78
382.945.761
19
7'07
21.272
21.310,83
‐38,83
‐1.178,88
38,83
1.507,77
0,18
38,83
1.507,77
454.151.478,28
452.497.984
20
8'07
20.288
20.383,70
‐95,70
‐1.274,57
95,70
9.157,55
0,47
95,70
9.157,55
415.495.024,78
411.602.944
21
9'07
22.142
21.896,00
246,00
‐1.028,57
246,00
60.517,19
1,12
‐246,00
60.517,19
479.434.709,74
490.268.164
22
10'07
21.743
20.265,34 1.477,66
449,09
1.477,66
2.183.473,93
7,29
‐1.477,66 2.183.473,93
410.684.075,91
472.758.049
23
11'07
20.840
21.436,17
‐596,17
‐147,08
596,17
355.412,80
2,78
355.412,80
459.509.173,19
434.305.600
24
12'07
16.521
18.836,36 ‐2.315,36
‐2.462,44
2.315,36
5.360.907,73
12,29
2.315,36 5.360.907,73
354.808.586,57
272.943.441
25
1'08
24.950
23.987,31
962,69
‐1.499,75
962,69
926.768,67
4,01
926.768,67
575.391.124,83
622.502.500
26
2'08
25.718
24.337,55 1.380,45
‐119,30
1.380,45
1.905.637,38
5,67
‐1.380,45 1.905.637,38
592.316.425,10
661.415.524
27
3'08
28.433
27.942,06
490,94
371,63
490,94
241.019,55
1,76
‐490,94
241.019,55
780.758.861,40
808.435.489
28
4'08
19.943
19.940,68
2,32
373,96
2,32
5,39
0,01
‐2,32
5,39
397.630.622,54
397.723.249
29
5'08
17.478
17.739,04
‐261,04
112,91
261,04
68.143,23
1,47
261,04
68.143,23
314.673.631,88
305.480.484
30
6'08
21.630
21.757,74
‐127,74
‐14,83
127,74
16.317,74
0,59
127,74
16.317,74
473.399.290,00
467.856.900
31
7'08
24.689
23.593,96 1.095,04
1.080,21
1.095,04
1.199.112,41
4,64
‐1.095,04 1.199.112,41
556.674.952,71
609.546.721
32
8'08
23.627
22.666,83
960,17
2.040,39
960,17
921.935,86
4,24
921.935,86
513.784.959,71
558.235.129
33
9'08
25.393
24.179,13 1.213,87
3.254,26
1.213,87
1.473.486,22
5,02
‐1.213,87 1.473.486,22
584.630.211,15
644.804.449
34
10'08
20.368
22.548,47 ‐2.180,47
1.073,79
2.180,47
4.754.457,10
9,67
2.180,47 4.754.457,10
508.433.578,76
414.855.424
35
11'08
23.534
23.719,30
‐185,30
888,49
185,30
34.334,27
0,78
185,30
34.334,27
562.604.959,85
553.849.156
36
12'08
20.231
21.119,49
‐888,49
888,49
789.420,58
4,21
888,49
789.420,58
446.033.002,78
409.293.361
―
990,29
‐57,58
‐483,96
596,17
‐962,69
‐960,17
47.277.612,26 15.484.707.124,83 15.513.755.372
Universitas Mercu Buana
117
Tabel 4.31. (lanjutan) Waktu t
Permintaan Peramalan Bulan A t = T + Ft =T + S C +S +I
MSE
MAD
At — Ft n
(At — F t )2
n
MAPE (%)
100 n
At — Ft At
Tracking signal
1
1'06
22.292
19.421,05
2.870,95
8.242.344,10
14,78
2
2'06
18.781
19.771,29
1.930,62
4.611.510,88
9,90
0,97
3
3'06
21.308
23.375,80
1.976,35
4.499.609,71
9,55
‐0,09
4
4'06
15.432
15.374,42
1.496,66
3.375.536,22
7,25
‐0,09
5
5'06
14.720
13.172,78
1.506,77
3.179.205,34
8,15
0,94
6
6'06
16.585
17.191,48
1.356,72
2.710.640,96
7,38
0,60
7
7'06
18.703
19.027,70
1.209,29
2.338.467,99
6,57
0,40
8
8'06
17.852
18.100,57
1.089,20
2.053.882,56
5,92
0,22
9
9'06
19.228
19.612,87
1.010,94
1.842.131,50
5,48
‐0,15
10
10'06
16.470
17.982,21
1.061,07
1.886.596,78
5,77
‐1,56
11
11'06
19.637
19.153,04
1.008,60
1.736.380,90
5,48
‐1,17
12
12'06
18.701
16.553,23
1.103,53
1.976.090,94
6,10
0,88
13
1'07
20.653
21.704,18
1.099,51
1.909.082,64
6,01
‐0,07
14
2'07
20.695
22.054,42
1.118,07
1.904.721,55
6,02
‐1,29
15
3'07
25.306
25.658,93
1.067,06
1.786.044,21
5,71
‐1,68
16
4'07
17.832
17.657,55
1.011,27
1.676.318,55
5,41
‐1,60
17
5'07
15.838
15.455,91
974,26
1.586.299,27
5,24
‐1,27
18
6'07
19.569
19.474,61
925,38
1.498.666,49
4,98
‐1,23
19
7'07
21.272
21.310,83
878,72
1.419.868,67
4,72
‐1,34
20
8'07
20.288
20.383,70
839,57
1.349.333,11
4,51
‐1,52
21
9'07
22.142
21.896 00
811,30
1.287.960,92
4,35
‐1,27
22
10'07
21.743
20.265,34
841,59
1.328.666,06
4,48
0,53
23
11'07
20.840
21.436,17
830,92
1.286.350,70
4,41
‐0,18
24
12'07
16.521
18.836,36
892,77
1.456.123,91
4,74
‐2,76
25
1'08
24.950
23.987,31
895,57
1.434.949,70
4,71
‐1,67
26
2'08
25.718
24.337,55
914,22
1.453.053,07
4,75
‐0,13
27
3'08
28.433
27.942,06
898,54
1.408.162,94
4,64
0,41
28
4'08
19.943
19.940,68
866,53
1.357.871,60
4,47
0,43
29
5'08
17.478
17.739,04
845,66
1.313.398,21
4,37
0,13
30
6'08
21.630
21.757,74
821,73
1.270.162,19
4,24
‐0,02
31
7'08
24.689
23.593,96
830,54
1.267.870,27
4,25
1,30
32
8'08
23.627
22.666,83
834,59
1.257.059,82
4,25
2,44
33
9'08
25.393
24.179,13
846,09
1.263.618,19
4,28
3,85
34
10'08
20.368
22.548,47
885,33
1.366.289,92
4,43
1,21
35
11'08
23.534
23.719,30
865,33
1.328.234,05
4,33
1,03
36
12'08
20.231
21.119,49
865,98
1.313.267,01
4,33
―
Grafik tracking signal:
U-Theil
RSFE MAD 1 00
U-Theil =
=
n 1 (F — A )2 n t=1 t t n 1 2 F + n t =1 t
n 1 2 A n t=1 t
1 (47.277.612,26) 36 1 (15.484.707.124,83) + 36 1 (15.513.755.372) 36
= 0,02761 U‐Theil < 1 Hasil metode dekomposisi multiplikatif akan lebih baik daripada metode naïve.
+4 +2
Galat positif Galat > +2 MAD
16 nilai 2 nilai
Galat negatif Galat < ‐2 MAD
19 nilai 1 nilai
0 ‐2 ‐4
Dari Tabel 4.31 di atas diketahui bahwa hasil pengukuran statistik U-Theil adalah sama dengan 0,02761 (U < 1) yang berarti metode dekomposisi aditif lebih baik daripada metode metode na¨ıve. Untuk pemantauan tracking signal masih terdapat 2 nilai di atas +2 MAD dan 1 nilai di bawah −2 MAD, tetapi nilai-nilai ini masih dalam batas kendali ±4 MAD, seperti yang disarankan para pakar. Untuk nilai MAD, MSE, dan MAPE, kita akan membandingkannya nanti dengan hasil pengujian metode dekomposisi multiplikatif.
Universitas Mercu Buana
118
e) Keluaran Minitab untuk Metode Dekomposisi Aditif Keluaran Minitab untuk metode dekomposisi aditif ditunjukkan Gambar 4.21 di bawah ini dan langkah-langkah penggunaan Minitab dilampirkan pada Lampiran B.
Additive Model Data A/F 4WV Demand Length 36 NMissing 0
Accuracy Measures MAPE 4 MAD 866 MSD 1313267
Fitted Trend Equation Yt = 16991 + 190*t Seasonal Indices Period Index 1 2239,45 2 2399,43 3 5813,68 4 -2377,97 5 -4769,86 6 -941,43 7 704,53 8 -412,86 9 909,18 10 -911,74 11 68,82 12 -2721,24 Time Series Decomposition Plot for A/F 4WV Demand Additive Model
A/F 4WV Demand
30000
Var able Actual F ts Trend Accuracy Measures MAPE 4 MAD 866 MSD 1313267
25000
20000
15000 4
8
12
16 20 Index
24
28
32
36
Time 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
A/F 4WV Demand 22292 18781 21308 15432 14720 16585 18703 17852 19228 16470 19637 18701 20653 20695 25306 17832 15838 19569 21272 20288 22142 21743 20840 16521 24950 25718 28433 19943 17478 21630 24689 23627 25393 20368 23534 20231
Trend 17181,6 17371,9 17562,1 17752,4 17942,6 18132,9 18323,2 18513,4 18703,7 18893,9 19084,2 19274,5 19464,7 19655,0 19845,3 20035,5 20225,8 20416,0 20606,3 20796,6 20986,8 21177,1 21367,3 21557,6 21747,9 21938,1 22128,4 22318,6 22508,9 22699,2 22889,4 23079,7 23269,9 23460,2 23650,5 23840,7
Seasonal 2239,45 2399,43 5813,68 -2377,97 -4769,86 -941,43 704,53 -412,86 909,18 -911,74 68,82 -2721,24 2239,45 2399,43 5813,68 -2377,97 -4769,86 -941,43 704,53 -412,86 909,18 -911,74 68,82 -2721,24 2239,45 2399,43 5813,68 -2377,97 -4769,86 -941,43 704,53 -412,86 909,18 -911,74 68,82 -2721,24
Detrend 5110,40 1409,14 3745,88 -2320,38 -3222,65 -1547,91 379,83 -661,43 524,31 -2423,95 552,79 -573,47 1188,27 1040,01 5460,75 -2203,51 -4387,78 -847,04 665,70 -508,56 1155,18 565,92 -527,34 -5036,60 3202,14 3779,88 6304,62 -2375,64 -5030,91 -1069,17 1799,57 547,31 2123,05 -3092,21 -116,47 -3609,73
Deseason 20052,6 16381,6 15494,3 17810,0 19489,9 17526,4 17998,5 18264,9 18318,8 17381,7 19568,2 21422,2 18413,6 18295,6 19492,3 20210,0 20607,9 20510,4 20567,5 20700,9 21232,8 22654,7 20771,2 19242,2 22710,6 23318,6 22619,3 22321,0 22247,9 22571,4 23984,5 24039,9 24483,8 21279,7 23465,2 22952,2
Predict 19421,1 19771,3 23375,8 15374,4 13172,8 17191,5 19027,7 18100,6 19612,9 17982,2 19153,0 16553,2 21704,2 22054,4 25658,9 17657,5 15455,9 19474,6 21310,8 20383,7 21896,0 20265,3 21436,2 18836,4 23987,3 24337,6 27942,1 19940,7 17739,0 21757,7 23594,0 22666,8 24179,1 22548,5 23719,3 21119,5
Error 2870,95 -990,29 -2067,80 57,58 1547,22 -606,48 -324,70 -248,57 -384,87 -1512,21 483,96 2147,77 -1051,18 -1359,42 -352,93 174,45 382,09 94,39 -38,83 -95,70 246,00 1477,66 -596,17 -2315,36 962,69 1380,45 490,94 2,32 -261,04 -127,74 1095,04 960,17 1213,87 -2180,47 -185,30 -888,49
Gambar 4.21. Keluaran Minitab untuk Metode Dekomposisi Aditif
Gambar 4.21 di atas menunjukkan bahwa keluaran Minitab sama dengan perhitungan manual. Jika dua metode sudah diuji-coba, maka tahap selanjutnya adalah pemilihan metode. c.
Metode Terpilih
Dari percobaan peramalan pada periode-periode historis di atas akan diambil salah satu metode terpilih diantara metode-metode yang diuji-cobakan, yaitu metode dekomposisi multiplikatif atau aditif. Pemilihan metode didasarkan pada hasil pengujian MAD, MSE, MAPE, tracking signal, dan U-Theil yang telah diuraikan di atas, dan Tabel 4.32 di bawah ini merupakan rangkumannya.
Universitas Mercu Buana
119
Tabel 4.32. Hasil Pengujian Metode-Metode Peramalan
Hasil pengujian pada Tabel 4.32 di atas menunjukkan bahwa metode dekomposisi multiplikatif memberikan nilai MAD, MSE, dan MAPE yang lebih baik/lebih kecil dibandingkan metode dekomposisi aditif. Hal ini berarti peramalan dengan metode dekomposisi multiplikatif lebih mendekati data aktual karena galat atau penyimpangan angka-angkanya lebih kecil. Namun berdasarkan tracking signal, metode dekomposisi aditif lebih unggul karena: (1) memiliki nilai paling bawah (lower ) terkecil; (2) lebih mendekati garis pusat nol/seimbang, hal ini ditunjukkan oleh perbedaan jumlah galat positif dan galat negatif yang kecil, yaitu: 19 − 16 = 3; dan (3) galat < −2 MAD lebih sedikit jumlahnya. Akan tetapi, hal ini belum ideal karena jumlah galat positif dan galat negatif yang tidak sama banyak dan masih adanya galat di luar batas kendali ±2 MAD. Jadi, kita pilih metode dekomposisi multiplikatif terlebih lagi pola data yang terbentuk lebih menyerupai/mendekati pola data aktual. Persoalan nilai tracking signal dapat diabaikan karena masih dalam batas kendali ±4 MAD seperti yang direkomendasikan para pakar managemen.
Universitas Mercu Buana
120
Selanjutnya kita akan melakukan peramalan untuk tahun 2009 dengan metode terpilih, yaitu: metode dekomposisi multiplikatif. d.
Peramalan Tahun 2009
Dengan menggunakan indeks musiman dan model trend pada percobaan peramalan metode dekomposisi multiplikatif, perhitungan untuk peramalan tahun 2009 ditunjukkan Tabel 4.33 dan pola datanya ditunjukkan Gambar 4.22. Tabel 4.33. Perhitungan untuk Peramalan Tahun 2009 Indeks musiman S
Trend
Peramalan
Bulan
T = yˆ =17.097,62+186,13 x
TS
37
1'09
1,10605
23.984,29
26.527,94
38
2'09
1,11151
24.170,42
26.865,67
39
3'09
1,27589
24.356,55
31.076,30
40
4'09
0,88778
24.542,67
21.788,45
41
5'09
0,77710
24.728,80
19.216,86
42
6'09
0,95630
24.914,93
23.826,14
43
7'09
1,03531
25.101,05
25.987,49
44
8'09
0,97821
25.287,18
24.736,09
45
9'09
1,04500
25.473,31
26.619,67
46
10'09
0,94931
25.659,43
24.358,64
47
11'09
1,00501
25.845,56
25.975,16
48
12'09
0,87252
26.031,68
Waktu t=x
22.713,10 299.691,51
Gambar 4.22. Plot Dekomposisi Deret Waktu untuk Peramalan per 2009
Gambar 4.23 di bawah ini menunjukkan keluaran perangkat-lunak Minitab untuk Peramalan Tahun 2009.
Universitas Mercu Buana
121
Multiplicative Model Data A/F 4WV Demand Length 36 NMissing 0
T ime S er ie s D ec ompos ition P lot for A/ F 4 WV De ma nd Multiplicative Model 32500
Forecasts
Variable A ctual F its T rend F orecasts
30000
Forecast 26527,9 26865,7 31076,3 21788,4 19216,9 23826,1 25987,5 24736,1 26619,7 24358,6 25975,2 22713,1
27500 A / F 4 WV De ma nd
Period 37 38 39 40 41 42 43 44 45 46 47 48
A ccuracy Measures MAP E 4 MAD 764 MS D 1115686
25000 22500 20000 17500 15000 1
5
10
15
20
25 I nde x
30
35
40
45
Gambar 4.23. Keluaran Minitab untuk Peramalan Tahun 2009
Hasil pengolahan Minitab pada 4.23 di atas menunjukkan bahwa peramalan manual tidak jauh berbeda dengan peramalan komputer. Peramalan di atas adalah peramalan di tingkat agregat. Karena setiap tipe produk memiliki ukuran lot pemesanan yang berbeda-beda maka kita perlu melakukan penyesuaian jumlah unit tiap tipe di tingkat disagregat. e.
Penyesuaian di Tingkat Disagregat
Hasil peramalan dalam Tabel 4.33 perlu disesuaikan dengan standar ukuran lot yang telah ditentukan DNIA. Hal ini penting karena ukuran lot adalah kapasitas yang dapat diproduksi atau yang dapat dilayani. DNIA biasa melakukan penyesuaian ini dalam sistem peramalan enam bulanan (six monthly). Adapun data ukuran lot tiap tipe dapat dilihat pada Tabel 4.6. Selanjutnya, karena ukuran lot dari setiap tipe A/F 4WV berbeda-beda maka kita perlu mendisagregasi hasil peramalan terlebih dahulu. Proses disagregasi membutuhkan data persentase tipe dari keluarga produk yang diambil dari Tabel 4.6. Tabel 4.34 di bawah ini menunjukkan proses disagregasi dan penyesuaian lot terhadap hasil peramalan tahun 2009.
Universitas Mercu Buana
2.918 2.122 1.592 265 1.326 3.449 2.918 4.244 1.857 4.775 1.061 26.632
2.950 2.150 1.600 270 1.332 3.450 2.920 4.250 1.860 4.780 1.070
26.866
26.866
2.955 2.149 1.612 269 1.343 3.493 2.955 4.299 1.881 4.836 1.075 26.949
3.000 2.150 1.620 270 1.344 3.500 2.960 4.300 1.885 4.840 1.080
31.076
31.076
3.418 2.486 1.865 311 1.554 4.040 3.418 4.972 2.175 5.594 1.243 31.159
3.450 2.500 1.870 320 1.554 4.040 3.420 4.980 2.180 5.595 1.250
21.788
21.788
2.397 1.743 1.307 218 1.089 2.832 2.397 3.486 1.525 3.922 872 21.837
2.400 1.750 1.310 220 1.092 2.840 2.400 3.490 1.530 3.925 880
19.217
19.217
2.114 1.537 1.153 192 961 2.498 2.114 3.075 1.345 3.459 769
19.306
2.150 1.550 1.160 200 966 2.500 2.120 3.080 1.350 3.460 770
23.826
23.826
2.621 1.906 1.430 238 1.191 3.097 2.621 3.812 1.668 4.289 953
23.934
2.650 1.950 1.430 240 1.194 3.100 2.630 3.820 1.670 4.290 960
2.859 2.079 1.559 260 1.299 3.378 2.859 4.158 1.819 4.678 1.039
25.987
50 50 10 10 6 10 10 10 5 5 10
25.987
11% 8% 6% 1% 5% 13% 11% 16% 7% 18% 4%
Ramalan tingkat agregat
Y89 Y9B SL‐D S 88 X 470 KF OLD KF 510 KF 7KE 2ND BRAND ARPI 366L
Jumlah
1 2 3 4 5 6 7 8 9 10 11 26.062
2.900 2.100 1.560 260 1.302 3.380 2.860 4.160 1.820 4.680 1.040
24.736
24.736
2.721 1.979 1.484 247 1.237 3.216 2.721 3.958 1.732 4.452 989 24.822
2.750 2.000 1.490 250 1.242 3.220 2.730 3.960 1.735 4.455 990
26.620
26.620
2.928 2.130 1.597 266 1.331 3.461 2.928 4.259 1.863 4.792 1.065
26.692
2.950 2.150 1.600 270 1.332 3.470 2.930 4.260 1.865 4.795 1.070
24.359
24.359
2.679 1.949 1.462 244 1.218 3.167 2.679 3.897 1.705 4.385 974
24.413
2.700 1.950 1.470 250 1.218 3.170 2.680 3.900 1.710 4.385 980
25.975
25.975
2.857 2.078 1.559 260 1.299 3.377 2.857 4.156 1.818 4.676 1.039
26.062
2.900 2.100 1.560 260 1.302 3.380 2.860 4.160 1.820 4.680 1.040
22.713
22.713
2.498 1.817 1.363 227 1.136 2.953 2.498 3.634 1.590 4.088 909
22.780
2.500 1.850 1.370 230 1.140 2.960 2.500 3.640 1.590 4.090 910
Juli Agustus September Oktober Nopember Desember No. Nama tipe %Keluarga Ukuran produk lot Peramalan Kebutuhan Peramalan Kebutuhan Peramalan Kebutuhan Peramalan Kebutuhan Peramalan Kebutuhan Peramalan Kebutuhan
26.528
50 50 10 10 6 10 10 10 5 5 10
26.528
11% 8% 6% 1% 5% 13% 11% 16% 7% 18% 4%
Ramalan tingkat agregat
Y89 Y9B SL‐D S 88 X 470 KF OLD KF 510 KF 7KE 2ND BRAND ARPI 366L
Jumlah
1 2 3 4 5 6 7 8 9 10 11
Juni Mei April Januari Februari Maret No. Nama tipe %Keluarga Ukuran produk lot Peramalan Kebutuhan Peramalan Kebutuhan Peramalan Kebutuhan Peramalan Kebutuhan Peramalan Kebutuhan Peramalan Kebutuhan
Tabel 4.34. Jumlah Unit yang Dibutuhkan pada Tingkat Disagregat untuk Ramalan Tahun 2009
122
Universitas Mercu Buana
123
f.
Ramalan Permintaan Agregat Tahun 2009
Berdasarkan Tabel 4.34 di atas, ramalan permintaan Air Filter 4WV per 2009 pada tingkat agregat adalah sebagai berikut:
Periode
Ramalan metode Ramalan permintaan peramalan agregat tahun 2009* 1 26.528 26.632 2 26.866 26.949 3 31.076 31.159 4 21.788 21.837 5 19.217 19.306 6 23.826 23.934 7 25.987 26.062 8 24.736 24.822 9 26.620 26.692 10 24.359 24.413 11 25.975 26.062 12 22.713 22.780 *) Hasil penyesuaian ditingkat disagregat
Dan Gambar 4.24 di bawah ini menunjukkan plot deret waktu untuk ramalan permintaan Air Filter 4WV per 2009.
Gambar 4.24. Plot Deret Waktu untuk Ramalan Permintaan Air Filter 4WV per 2009
Berdasarkan hasil di atas, jumlah unit permintaan lebih sesuai dengan ukuran lot masing-masing tipe dan tanpa harus menyimpang dari pola data ramalan metode peramalan.
Universitas Mercu Buana
124
4.2.2
Studi Waktu
Data hasil studi waktu diolah untuk mendapatkan waktu baku (standard time) setiap tugas. Langkah-langkah studi waktu adalah sebagaimana ditunjukkan oleh bagan arus pada Gambar 4.25 di bawah ini. MULAI
PERSIAPAN ▪ Mendefinisikan tugas‐tugas/operasi‐operasi ▪ Membagi/merinci tugas‐tugas menjadi elemen‐elemen kerja ▪ Memastikan studi waktu berlangsung dalam kondisi normal
PENGAMATAN LANGSUNG Studi waktu pendahuluan (30 observasi) atau Studi waktu lanjutan (n' – n observasi)
BUANG DATA! periksa dan buang subgrup data di luar batas kendali
NORMAL & SERAGAM? TIDAK
Geary’s Test x‐Chart (UCL ≥ x ≥ LCL) TIDAK YA
CUKUP? n≥n
YA
WAKTU SIKLUS Σxi ÷ n
WAKTU NORMAL
PERINGKAT KINERJA ▪ Westinghouse system’s rating ▪ Objective rating
Waktu siklus × Peringkat kinerja
%KELONGGARAN WAKTU BAKU
Rekomendasi ILO
Waktu normal ÷ (Waktu normal × %Kelonggaran)
SELESAI
Gambar 4.25. Bagan Arus untuk Langkah-Langkah Studi Waktu
Tahapan persiapan dan pengamatan langsung telah dijelaskan pada uraian tentang pengumpulan data (Subanak Bab 4.1.7), selanjutnya adalah penjelasan tahapan pengolahan data, yang terdiri dari: a. uji kenormalan data,
d. perhitungan waktu siklus,
b. uji keseragaman data,
e. perhitungan waktu normal, dan
c. uji kecukupan data,
f. perhitungan waktu baku,
Untuk memudahkan penjelasan tahapan-tahapan ini, kita akan mengambil contoh data studi waktu dari Tabel 4.21, yaitu: data studi waktu untuk tugas Assembling II (tugas perakitan element sub assy oleh stasiun kerja ke-2). Tugas ini terdiri dari dua elemen kerja sebagaimana diperlihatkan Tabel 4.35 di bawah ini.
Universitas Mercu Buana
125
Tabel 4.35. Contoh Hasil Pengamatan Studi Waktu No.
Nama elemen kerja
Jumlah sampel
Pengamatan (det)
k
Xi
Total
Maks. Min. Frekuensi Rata-rata Rata-rata
Xi Xmax Xmin
n
X
1. Balik Sub Assy
1 2 3 4 5 6
1,67 1,84 1,79 2,00 1,84 2,05
1,64 1,85 1,72 1,87 1,77 1,93
1,47 1,52 2,01 1,98 1,99 1,96
1,29 1,77 2,05 1,80 2,04 1,78
1,54 1,99 2,07 1,90 1,98 1,82
7,61 8,97 9,64 9,55 9,62 9,54 54,93
1,67 1,99 2,07 2,00 2,04 2,05
1,29 1,52 1,72 1,80 1,77 1,78
5 5 5 5 5 5 30
1,52 1,79 1,93 1,91 1,92 1,91 10,99
2. Rakit (EPU)
1 2 3 4 5 6
2,85 3,84 3,45 3,48 3,11 4,19
2,87 4,22 4,11 3,57 2,81 4,12
3,87 4,20 3,43 3,35 3,90 3,45
4,73 3,70 4,15 3,57 4,41 3,78
4,28 3,79 3,81 3,31 4,27 3,74
18,60 19,75 18,95 17,28 18,50 19,28 112,36
4,73 4,22 4,15 3,57 4,41 4,19
2,85 3,70 3,43 3,31 2,81 3,45
5 5 5 5 5 5 30
3,72 3,95 3,79 3,46 3,70 3,86 22,47
X
1,83
3,75
5,58
Sampel yang ditarik adalah sampel subgrup, di mana: jumlah subgrup k = 6 subgrup; dan ukuran setiap subgrup n = 5 data. Karena tahapan penguP P jian statistik membutuhkan simpangan |xi − x¯| dan (xi − x¯)2 , maka kita menghitung kedua simpangan ini terlebih dahulu. Sebagai contoh, untuk data elemen kerja ke-1 dalam Tabel 4.35 di atas memiliki simpangan sebagai berikut: # 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 P
xi 1,67 1,64 1,47 1,29 1,54 1,84 1,85 1,52 1,77 1,99 1,79 1,72 2,01 2,05 2,07 2,00 1,87 1,98 1,80 1,90 1,84 1,77 1,99 2,04 1,98 2,05 1,93 1,96 1,78 1,82 54,93
x ¯ 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 1,831 54,930
xi − x ¯ |xi − x ¯| -0,161 0,161 -0,191 0,191 -0,361 0,361 -0,541 0,541 -0,291 0,291 0,009 0,009 0,019 0,019 -0,311 0,311 -0,061 0,061 0,159 0,159 -0,041 0,041 -0,111 0,111 0,179 0,179 0,219 0,219 0,239 0,239 0,169 0,169 0,039 0,039 0,149 0,149 -0,031 0,031 0,069 0,069 0,009 0,009 -0,061 0,061 0,159 0,159 0,209 0,209 0,149 0,149 0,219 0,219 0,099 0,099 0,129 0,129 -0,051 0,051 -0,011 0,011 7,327×10−15 4,446
(xi − x ¯)2 0,02592 0,03648 0,13032 0,29268 0,08468 0,00008 0,00036 0,09672 0,00372 0,02528 0,00168 0,01232 0,03204 0,04796 0,05712 0,02856 0,00152 0,02220 0,00096 0,00476 0,00008 0,00372 0,02528 0,04368 0,02220 0,04796 0,00980 0,01664 0,00260 0,00012 1,07747
Universitas Mercu Buana
126
Berikut tahapan-tahapan pengolahan data: a. Uji Kenormalan Data Uji kenormalan data menggunakan uji Geary (Geary’s test) yang dilaksanakan pada data individu (bukan data subgrup). Berikut tahapan-tahapan uji Geary untuk elemen kerja ke-1 dalam Tabel 4.35 di atas: 1) Mencari nilai U , yaitu menghitung rasio dua buah penduga simpangan baku σ dengan menggunakan Persamaan (2.29) sebagai berikut: p
π/2
u= s
n X
¯ |Xi − X|/n
i=1 n X
¯ Xi − X
2
/n
i=1
r =
3, 14 4, 446 2 30 r 1, 07747 30
= 0, 9798.
2) Menormalisasi nilai U , yaitu merubahnya menjadi nilai z dalam pancaran normal baku dengan menggunakan Persamaan (2.30) sebagai berikut: U −1 √ 0, 2661/ n 0, 9798 − 1 √ = −0, 415. = 0, 2661/ 30
Z=
3) Menguji kenormalan, yaitu melihat posisi z-hitung dalam kurva normal baku yang memiliki dua ujung wilayah kritis (the two-sided critical region). Jika kita memilih taraf nyata α = 0,05 maka luas masing-masing wilayah kritis tersebut adalah α/2 = 0,05/2 sehingga selang kepercayaan dimulai dari z0,025 sampai dengan z0,975 atau selang kepercayaan (1 − α)100% = 95%. Dari Lampiran A diketahui bahwa −zα/2 = z0,975 = 1, 96. Berikut pengujiannya dengan Rumus (2.31): −zα/2 < z < zα/2 −1, 96 < −0, 415 < 1, 96. Sebagai ilustrasi lihat Gambar 4.26 di bawah ini yang memperlihatkan posisi nilai z-hitung dalam kurva normal baku.
Universitas Mercu Buana
127
Wilayah normal
1-α ng
z hitu
= 1 ,4 -0 5
α/2 -zα/2 = 1,96
0
α/2 zα/2 = 1,96
Gambar 4.26. Uji Kenormalan Data
Jadi, data sampel waktu elemen kerja ke-1 dinyatakan normal dan memiliki karakteristik empirik yang parametrik karena nilai z-hitung berada diantara nilai z-teoritis pancaran normal baku. Dengan cara yang sama kita memperoleh nilai z-hitung untuk elemen kerja ke-2, yaitu: 0,325, yang juga berarti data sampel tersebut adalah normal. Selanjutnya adalah melakukan uji keseragaman data. b. Uji Keseragaman Data ¯ Uji keseragaman data menggunakan peta kendali X-charts yang berarti pengujian untuk data kelompok/subgrup (bukan data individu). Uji keseragaman data di bawah ini adalah untuk elemen kerja ke-1 dalam Tabel 4.35 di atas. Uji keseragaman data menggunakan Persamaan (2.32) yang membutuhkan nilaitengah populasi µ dan simpangan baku populasi σ. Nilaitengah ¯ yaitu: populasi µ dapat kita duga dengan nilaitengah sampel subgrup X, ¯ = x¯1 + x¯2 + x¯3 + x¯4 + x¯5 + x¯6 µ = X k 1, 52 + 1, 79 + 1, 93 + 1, 91 + 1, 92 + 1, 91 = = 1, 83; 6 sedangkan simpangan baku populasi σ dapat kita hampiri dengan simpangan baku sampel data individu S sesuai Persamaan (2.33), yaitu: v u n u 1 X ¯ 2 S=t (Xi − X) n − 1 i=1 r 1, 07747 = = 0, 193. 30 − 1
Universitas Mercu Buana
128
Dengan menggunakan selang kepercayaan yang sama dengan uji kenormalan data, yaitu: 95%, maka batas kendali atas (U CL) dan batas kendali bawah (LCL) adalah sebagai berikut: σ LCL = µ − zα/2 √ n = 1, 83 − 1, 96 = 2
σ dan U CL = µ + zα/2 √ n 0, 193 0, 193 √ √ = 1, 83 + 1, 96 5 5 = 1, 662.
Dengan cara yang sama, kita mendapatkan nilai U CL dan LCL untuk elemen kerja ke-2, yaitu U CL = 4, 166 dan LCL = 3, 324. Jika diperlukan dalam uji keseragaman data ini, kita membuat peta kendali. Peta kendali untuk uji keseragaman data elemen kerja ke-1 ditunjukkan Gambar 4.27 di bawah ini. Histogram Nilaitengah
X-Charts untuk Assembling II (Balik Sub Assy) X: 1,831; σ: ,193; k: 6; n: 5
2,0
UCL = 2,000
1,9 X
1,8 1,7
= 1,831
LCL = 1,662
1,6
di luar kendali
1,5 1,4
0
1
2
3
4
1
2
3
4
5
6
Gambar 4.27. Peta Kendali untuk Uji Keseragaman Data
Dengan cara yang sama; tanpa melukiskan peta kendali, pengujian keseragaman data untuk elemen kerja ke-2 adalah sebagai berikut: LCL < x¯min dan x¯max < U CL 3, 324 < 3, 46 3, 95 < 4, 166. Dari uji keseragaman data di atas diketahui bahwa elemen kerja ke-1 memiliki data yang tidak seragam, sedangkan elemen kerja ke-2 menunjukkan ¯ min dan U CL > X ¯ max . hasil yang seragam, di mana LCL < X Untuk data yang tidak seragam, kita perlu menyeragamkannya dengan cara ”membuang” data yang di luar batas kendali. Berikut Tabel 4.36 yang menunjukkan pembuangan data yang tidak seragam pada Tabel 4.35.
Universitas Mercu Buana
129
Tabel 4.36. Membuang Data Tidak Seragam No.
Nama elemen kerja
Jumlah sampel
Pengamatan (det)
k
Xi
1. Balik Sub Assy
1 2 3 4 5 6
1,67 1,84 1,79 2,00 1,84 2,05
1 2 3 4 5
1,64 1,85 1,72 1,87 1,77 1,93
1,47 1,52 2,01 1,98 1,99 1,96
Total
1,29 1,77 2,05 1,80 2,04 1,78
1,54 1,99 2,07 1,90 1,98 1,82
Maks. Min. Frekuensi Rata-rata Rata-rata
Xi Xmax Xmin
7,61 1,67 8,97 1,99 9,64 2,07 9,55 2,00 9,62 2,04 9,54 2,05 54,93 47,32
n
1,29 1,52 1,72 1,80 1,77 1,78
5 5 5 5 5 5 30 25
X
X
1,52 1,79 1,93 1,83 1,91 1,89 1,92 1,91 10,99 9,46
Selanjutnya kita kembali menguji kenormalan dan keseragaman data, yaitu sebagai berikut 1) Menghitung simpangan # 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 P
xi 1,84 1,85 1,52 1,77 1,99 1,79 1,72 2,01 2,05 2,07 2,00 1,87 1,98 1,80 1,90 1,84 1,77 1,99 2,04 1,98 2,05 1,93 1,96 1,78 1,82 47,32
x ¯ 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 1,8928 47,3200
P
|xi − x¯| dan
xi − x ¯ -0,0528 -0,0428 -0,3728 -0,1228 0,0972 -0,1028 -0,1728 0,1172 0,1572 0,1772 0,1072 -0,0228 0,0872 -0,0928 0,0072 -0,0528 -0,1228 0,0972 0,1472 0,0872 0,1572 0,0372 0,0672 -0,1128 -0,0728 -1,3323×10−15
|xi − x ¯| 0,0528 0,0428 0,3728 0,1228 0,0972 0,1028 0,1728 0,1172 0,1572 0,1772 0,1072 0,0228 0,0872 0,0928 0,0072 0,0528 0,1228 0,0972 0,1472 0,0872 0,1572 0,0372 0,0672 0,1128 0,0728 2,6872
P
(xi − x¯)2 .
(xi − x ¯)2 0,0028 0,0018 0,1390 0,0151 0,0094 0,0106 0,0299 0,0137 0,0247 0,0314 0,0115 0,0005 0,0076 0,0086 0,0001 0,0028 0,0151 0,0094 0,0217 0,0076 0,0247 0,0014 0,0045 0,0127 0,0053 0,4119
2) Uji kenormalan data. Jika p
π/2
n X
¯ |Xi − X|/n
i=1
u= s
n X
¯ Xi − X
p =
2
/n
3, 14/2 (2, 6872/25) p = 1, 0493 0, 4119/25
i=1
maka Z=
U −1 1, 0493 − 1 √ = √ = 0, 9255. 0, 2661/ n 0, 2661/ 25
Universitas Mercu Buana
130
Oleh karena itu, data tersebut normal karena −zα/2 < z < zα/2 −1, 96 < 0, 9255 < 1, 96 3) Uji keseragaman data. ¯ = 1, 89 dan σ = S, yang mana Dengan µ = X v r u n u 1 X 0, 4119 2 t ¯ (Xi − X) = = 0, 131 S= n − 1 i=1 25 − 1 maka σ LCL = µ − zα/2 √ n = 1, 89 − 1, 96 = 2, 008
σ dan U CL = µ + zα/2 √ n 0, 131 0, 131 √ √ = 1, 89 + 1, 96 5 5 = 1, 778.
Oleh karena itu, data tersebut seragam karena LCL < x¯min dan x¯max < U CL 1, 778 < 1, 79 1, 93 < 2, 008. Setelah dilakukan pembuangan data ternyata data memiliki keseragaman, tetapi apakah hal ini akan mempengaruhi asumsi kecukupan data? pertanyaan ini akan dijawab dalam uji kecukupan data. c. Uji Kecukupan Data Uji kecukupan data didasarkan pada konsep selang kepercayaan dan dilaksanakan untuk data individu (bukan data subgrup). Sebagai langkah awal, kita perlu menduga simpangan baku σ dengan simpangan baku S. Jika simpangan baku pada uji keseragaman data menggunakan Persamaan (2.33), maka dalam uji kecukupan data ini menggunakan Persamaan (2.35), di mana batasan penarikan sampel atau derajat bebas tersisa n − 1 diganti dengan n. Berikut perhitungan simpangan baku S untuk uji kecukupan data elemen kerja ke-1 dalam Tabel 4.36 (perbaikan Tabel 4.35) di atas: v r u n u1 X 2 ¯ = 0, 4119 = 0, 128 S=t (Xi − X) n i=1 25
Universitas Mercu Buana
131
Selanjutnya pada selang kepercayaan 95% (zα/2 = 1, 96), kita akan memperkirakan jumlah sampel yang diperlukan (n0 ) dengan penyimpangan yang dibolehkan sejauh tingkat ketelitian (h) sebesar 10%. Berikut perhitungan n0 dengan Persamaan (2.34): ¯ = zα/2 √σ hX n0 2 z σ 2 1, 96 × 0, 128 α/2 0 = 1, 767 ≈ 2 n = = ¯ 0, 1 × 1, 89 hX Jadi, kita 95% percaya bahwa dengan menarik 2 sampel (n0 = 1, 767) dan membolehkan kemungkinan penyimpangan sejauh 10% (margin of error : ¯ yang mendekati ni+/- 10%) maka akan memperoleh nilaitengah sampel X laitengah populasi µ. Sebagai ilustrasi lihat Gambar 4.28 di bawah ini. interval kepercayaan 95% Galat =
z
2
n
z
2
n
=h = 10% =?
z
2
n
¯ pada Uji Kecukupan Data Gambar 4.28. Galat dalam Pendugaan µ oleh X
Dengan cara yang sama kita memperoleh nilai n0 untuk data elemen kerja ke-2, yaitu: 6,112 ≈ 6. Kedua data tersebut lulus uji kecukupan data karena n0 ≤ n n0 ≤ n elemen kerja ke-1: , dan elemen kerja ke-2: . 2 < 25 6 < 30 Hasil pengujian-pengujian statistik di atas menyatakan data-data studi waktu lolos uji. Oleh karena itu, kita boleh untuk melangkah ke tahap perhitungan waktu siklus. d. Perhitungan Waktu Siklus Setelah sampel melalui proses pengujian statistik dan dinyatakan lolos uji, selanjutnya kita akan menghitung rataan waktu siklus setiap elemen kerja. Waktu siklus dihitung menggunakan Persamaan 2.26. Sampel yang digunakan ¯ i sehingga xi = X ¯i. untuk menghitung waktu siklus adalah sampel subgrup X
Universitas Mercu Buana
132
Berdasarkan pengujian di atas, kita mempunyai sampel sebanyak 5 sampel untuk elemen kerja ke-1 (lihat Tabel 4.36) sehingga waktu siklusnya adalah n X
CT =
xi
i=1
=
n
x1 + x2 + x3 + x4 + x5 n
1, 79 + 1, 93 + 1, 91 + 1, 92 + 1, 91 5 = 1, 89 detik =
dan untuk elemen kerja ke-2 terdapat 6 sampel (lihat Tabel 4.35) sehingga waktu siklusnya adalah n X
CT =
xi
i=1
n
=
x1 + x2 + x3 + x4 + x5 + x6 n
3, 72 + 3, 95 + 3, 79 + 3, 46 + 3, 70 + 3, 86 6 = 3, 75 detik.
=
Selanjutnya adalah menyesuaikan waktu siklus menjadi waktu normal. e. Perhitungan Waktu Normal Untuk penyesuaian waktu siklus menjadi waktu normal perlu ditentukan peringkat kinerja (performance rating) dari setiap kinerja penyelesaian elemen kerja. Peringkat kinerja ini ditentukan pada saat kita mengukur siklus penyelesaian elemen kerja. Elemen kerja ke-1 maupun elemen kerja ke-2 tidak memiliki tingkat kesulitan yang berarti sehingga kita dapat menggunakan metode the Westinghouse system’s rating dalam menentukan peringkat kinerja. Harga kewajaran dan ketidakwajaran kinerja pada metode the Westinghouse system’s rating dapat dilihat dalam Tabel 2.1. Peringkat kinerja untuk elemen kerja ke-1 dan elemen kerja ke-2 beserta cara penentuannya ditunjukkan dalam Tabel 4.37 di bawah ini.
Universitas Mercu Buana
133
Tabel 4.37. Penentuan Peringkat Kinerja (a) Peringkat Kinerja untuk Elemen Kerja Ke-1
(b) Peringkat Kinerja untuk Elemen Kerja Ke-2
Universitas Mercu Buana
134
Dari Tabel 4.37 di atas diketahui bahwa peringkat kinerja terkecil adalah untuk elemen kerja ke-1. Peringkat kinerja yang lebih kecil menandakan bahwa sesungguhnya waktu penyelesaian yang wajar/normal adalah lebih kecil dari waktu penyelesaian yang kita miliki sekarang. Pemberian peringkat kinerja terkecil untuk elemen kerja ke-1 sangat realistis karena waktu penyelesaiannya tidak sekonsisten waktu penyelesaian elemen kerja ke-2, di mana elemen kerja ke-2 lebih konsisten karena memiliki fluktuasi waktu yang lebih banyak ”merapat” ke rataan waktu siklusnya (lihat Tabel 4.37b di atas). Dengan diketahuinya peringkat kinerja untuk masing-masing elemen kerja, kita dapat menghitung waktu normal untuk masing-masing elemen kerja dengan menggunakan Persamaan (2.27), yaitu sebagai berikut: untuk elemen kerja ke-1 N T1 = CT1 × P1 = 1, 89 × 0, 97 = 1, 83 detik untuk elemen kerja ke-2 N T2 = CT2 × P2 = 3, 75 × 0, 98 = 3, 67 detik. Tahap selanjutnya adalah membakukan waktu normal ini. f. Perhitungan Waktu Baku Pada dasarnya, waktu normal ataupun waktu siklus sudah dapat dijadikan waktu baku. Namun untuk pekerjaan yang dilakukan manusia, kita harus menyepakati kelonggaran-kelonggaran kerja yang selama pengukuran tidak pernah atau sulit teramati. Kelonggaran ini dibutuhkan oleh operator yang menyelesaikan elemenelemen kerja sehingga untuk kasus di atas kita memberikan kelonggaran untuk stasiun kerja ke-2. Adapun mengenai komponen kelonggaran akan mengacu pada rekomendasi ILO sebagaimana diperlihatkan Tabel 2.3. Berikut Tabel 4.38 yang menunjukkan penentuan kelonggaran kerja tersebut.
Universitas Mercu Buana
135
Tabel 4.38. Penentuan Kelonggaran Kerja Jenis kelonggaran
Kelonggaran
A. CONSTANT ALLOWANCES: 1. Personal needs 2. Basic fatigue Constant Allowances Total: B. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.
C. 1. 2. 3. 4.
Keterangan
5% 4% 9%
Personal needs di 235 pabrik: 4,6% ‐ 6,5%
VARIABLE FATIGUE: Standing allowance Abnormal allowance Use of force or muscular energy Bad light Atmospheric conditions Close attention (visual strain) Noise level Mental strain Monotony Tediousness Variable Fatigue Total:
2% 0% 0% 0% 1% 0% 2% 1% 1% 0% 7%
Operator bekerja berdiri. Posisi normal. Berat benda kerja di bawah 5 pound. Pencahayaan sangat baik. Agak sedikit panas membelakangi oven conveyor. Kelelahan visual yang wajar dalam bekerja. Bunyi klakson yang terputus‐putus dari lini horn. Kelelahan mental dari proses kompleks yang wajar. Kemonotonan yang rendah. Agak membosankan.
SPECIAL ALLOWANCES Unavoidable delay Avoidable delay Extra allowance Policy allowance Special Allowances Total:
1% 0% 0% 0% 1%
Asumsi keterlambatan yang tidak dapat dihindarkan.
D. JUMLAH KELONGGARAN (D = A + B + C):
17%
Sebelum menghitung waktu baku, kita jumlahkan waktu normal per elemen kerja agar diperoleh waktu normal keseluruhan per pelaksanaan tugas, yaitu sebagai berikut: X N T = N T1 + N T2 = 1, 83 + 3, 67 = 5, 5 detik. Jadi waktu normal untuk tugas Assembling II adalah 5,5 detik. Tugas ini dikerjakan oleh stasiun kerja ke-2 yang membutuhkan kelonggaran sebesar 17% sehingga dengan menggunakan Persamaan (2.28) waktu baku untuk tugas Assembling II adalah sebagai berikut: ST = N T + (N T × %All.) = 5, 5 + (5, 5 × 17%) = 6, 43 detik. Dengan cara yang sama dengan tahapan pengolahan data studi waktu di atas, kita mendapatkan waktu baku dari tugas-tugas/operasi-operasi secara keseluruhan sebagaimana ditunjukkan Tabel 4.39 di bawah ini.
Universitas Mercu Buana
136
Tabel 4.39. Laporan Hasil Studi Waktu No.
Nama operasi
O‐1
Forming cutting
O‐2
Binder caulking
O‐6a Assembling I
O‐3
Rolling
O‐4
Spot welding
O‐6b Assembling II
O‐5
Adhesive apply
O‐7 O‐8 O‐9 O‐10 O‐11
Drying element Printing Drying printing Set. Plt. Caution Packing
a
b c d
e
Elemen kerja 1 2 1 2 3 4 1 2 3 4 1 2 1 2 3 1 2 1 2 3 4 5 6
FC‐Auto FC‐Man Ambil (PM) Rakit (PM) Arahkan (PM) Bending (PM) Balik (PM) Ambil‐Rakit (PR) Ambil‐Rakit (Jig) Rakit (EPL) Ambil‐Arahkan (PR) Rolling Ambil‐Arahkan (PR) Spot Welding Letakkan (PR) Balik Sub Assy Rakit (EPU) Ambil (EPL‐AD) Pakai AD (EPL) Letakkan (EPL) Ambil (EPU‐AD) Pakai AD (EPU) Letakkan (EPU) ‐‐ ‐‐ ‐‐ ‐‐ ‐‐
Waktu Peringkat Metode siklus kinerja peringkat (det.)a (%) b kinerja 5,38 1,18 83 2,4 Objective 99 1,69 Objective 99 2,25 Objective 1,75 103 Objective 100 3,61 Westinghouse 1,49 100 Westinghouse 101 3,71 Westinghouse 2,42 100 Westinghouse 94 1,46 Objective 1,37 98 Objective 112 0,76 Objective 1,87 119 Objective 94 1,06 Objective 98 1,89 Westinghouse 3,75 97 Westinghouse 1,91 100 Westinghouse 10,62 93 Westinghouse 1,27 100 Westinghouse 2,05 101 Westinghouse 12,14 93 Westinghouse 1,37 100 Westinghouse 21,81' 4,65 6,13 5,24 20,78
Waktu normal (det.)
1,99 1,67 2,23 1,8 3,61 1,49 3,75 2,42 1,37 1,34 0,85 2,23 1 1,83 3,67 1,91 9,88 1,27 2,07 11,29 1,37
Waktu normal Kelonggaran per operasi (%) c (det.) 5,5 detik 1 detik
Waktu baku (det.) 6,50
7,7
16
8,93
11,27
16
13,07
2,72
17
3,18
4,07
17
4,77
5,5
17
6,43
27,79
20
33,34
d 22'00 4,65 e 30,00 5,24 20,78
Waktu siklus dari O-1 s/d O-6 diperoleh dari rata-rata seluruh sampel subgrup yang sudah lolos uji kenormalan, keseragaman, kecukupan data (lihat pengujian statistik data studi waktu pada Lampiran C), sedangkan waktu siklus dari O-7 s/d O-11 diperoleh dari Tabel 4.23 (tanpa melalui proses uji statistik dan diasumsikan data normal, seragam, dan cukup). Pemberian peringkat kinerja beserta analisisnya, lihat Lampiran D. Pemberian persentase kelonggaran untuk 3 stasiun kerja, lihat Lampiran E. Hasil studi waktu sama dengan 21,81 menit (lihat Tabel 4.23), sedangkan data standar (standard data) menunjukkan 185 mm/menit; atau 21,62 menit sejauh 4 meter (lihat PCC pada Gambar 4.10), jadi waktu baku dibulatkan menjadi 22 menit. Berdasarkan informasi di lapangan, waktu baku untuk drying printing adalah 1 menit, tetapi dengan waktu 1/2 menit hasil printing sudah kering. Dalam prakteknya, rata-rata waktu drying printing (menunggu dalam boks) adalah 6,13 detik, tetapi ini berisiko cacat pada hasil printing.
Hasil studi waktu dan waktu baku di atas merupakan dasar pengambilan putusan untuk pelaksanaan aktivitas produksi berikutnya sehingga harus dijadikan salah satu data dalam laporan produksi dari lini/departemen produksi. Dalam kasus kita, waktu baku akan dijadikan data masukan untuk kebijakan keseimbangan lintasan. Satu data masukan lagi yang paling penting untuk kebijakan keseimbangan lintasan adalah nilai acuan takt time. Selanjutnya adalah perencanaan takt time.
Universitas Mercu Buana
137
4.2.3
Perencanaan Takt Time
Karena kita mengharapkan suatu kebijakan keseimbangan lintasan yang paling efektif dan efisien untuk perencanaan di tahun 2009, maka kita membutuhkan satu nilai acuan takt time yang bisa digunakan selama tahun perencanaan tersebut. Oleh karena itu, kita ambil saja nilai rataan takt time tahun 2009. Adapun masukan untuk takt time ini adalah data ramalan permintaan tahun 2009 dan data jumlah hari kerja tahun 2009. Sebagai contoh perhitungan kita hitung saja takt time untuk bulan Januari 2009. Berdasarkan Tabel 4.34 pada bulan Januari 2009 terdapat permintaan aggregat sebanyak 26.632 unit dan jumlah hari kerja pada bulan itu; dalam Tabel 4.12, adalah 19 hari maka permintaan hariannya adalah: 1.402 unit per hari (permintaan bulanan dibagi jumlah hari kerja). Lini A/F 4WV hanya memiliki 1 shift kerja dengan waktu kerja: 8 jam (28.800 detik). Takt time mensyaratkan semua mesin beroperasi selama 28.800 detik, atau pada tingkat efisiensi (operational availability) = 100%. Apabila syarat ini tidak dapat dipenuhi maka takt time dihitung berdasarkan pada waktu operasi yang tersedia (available time). Jadi, bagaimanapun tingkat kinerja lini produksi, produksi harus dipacu oleh takt time untuk memenuhi permintaan. Dalam prakteknya, takt time tidak selalu dapat memacu produksi, namun masih berguna sebagai nilai acuan untuk kebijakan keseimbangan lintasan maupun untuk merancang standar kerja (standardized work ). Berikut perhitungan takt time. Berdasarkan data dari lantai produksi, tingkat kinerja lini berada pada tingkat 85%12 dengan downtime rata-rata sekitar 5%13 jadi uptime sama dengan 95% , maka waktu operasi yang tersedia = (28.800 × %U ptime) × %T ingkat kinerja lini = (28.800 × 95%) × 85% = 23.256 detik per shift. 12 13
Line rate of operation/konbeakadoritsu (Jp.), lihat Tabel 4.5 Asumsi downtime, lihat Gambar 2.5b. Asumsi downtime ini sama seperti Toyota (pelanggan DNIA), lihat Jamie W. Flinchbaugh, Implementing Lean. . . , Unpublished master’s thesis (Boston, MA: MIT, 1998), p. 69
Universitas Mercu Buana
138
Dengan menggunakan Persamaan (2.37), nilai takt time bulan Januari 2009 adalah: W aktu operasi yang tersedia Ramalan permintaan 23.256 detik per shift × 1 shif t = = 16, 59 detik per unit. 1.402 unit per hari
T akt time =
Jadi, tak time bulan Januari 2009 adalah 16,59 detik per unit, atau: 217 unit per jam (1 jam dibagi 16,59 detik per unit). Nilai takt time ini akan menjadi nilai acuan dalam kebijakan keseimbangan lintasan untuk bulan Januari 2009 agar terdapat keseimbangan berproduksi pada tingkat takt time. Dengan cara yang sama kita menghitung takt time untuk bulan-bulan berikutnya seperti yang ditunjukkan Tabel 4.40 di bawah ini. Tabel 4.40. Rataan Takt Time Tahun 2009 Bulan
Waktu Per- Jumlah PerTingkat Downmintaan hari mintaan operasi kinerja time bulanan kerja harian per hari lini (unit) (hari) (unit) (detik)
Uptime
Waktu operasi Jumlah unit yang tersedia Jumlah Takt Time yang diharapper hari shift (detik per unit) kan per jam (detik per shift) (unit per jam)
A
B
C
D=B÷C
E
F
G
H = 100% ‐ G
I = (E x H) x F
J
K = (I x J) ÷ D
L = 1 jam ÷ K
01’09 02’09 03’09 04’09 05’09 06’09 07’09 08’09 09’09 10’09 11’09 12’09
26.632 26.949 31.159 21.837 19.306 23.934 26.062 24.822 26.692 24.413 26.062 22.780
19 20 19 21 19 22 22 20 20 22 20 20
1.402 1.347 1.640 1.040 1.016 1.088 1.185 1.241 1.335 1.110 1.303 1.139
28.800 28.800 28.800 28.800 28.800 28.800 28.800 28.800 28.800 28.800 28.800 28.800
85% 85% 85% 85% 85% 85% 85% 85% 85% 85% 85% 85%
5% 5% 5% 5% 5% 5% 5% 5% 5% 5% 5% 5%
95% 95% 95% 95% 95% 95% 95% 95% 95% 95% 95% 95%
23.256 23.256 23.256 23.256 23.256 23.256 23.256 23.256 23.256 23.256 23.256 23.256
1 1 1 1 1 1 1 1 1 1 1 1
16,59 17,26 14,18 22,36 22,89 21,38 19,63 18,74 17,43 20,96 17,85 20,42
217 209 254 161 157 168 183 192 207 172 202 176
Rataan 25.054
20
1.237
19,14
Dengan merata-ratakan nilai takt time seluruh bulan kita mendapatkan rataan takt time untuk tahun 2009, yaitu: 19,14 detik per unit (Tabel 4.40) sehingga target produksi tahun 2009 adalah 188 unit per jam (1 jam dibagi 19,14 detik). Inilah pacu kerja (takt time) untuk perencanaan selama satu tahun. Idealnya nilai takt time ini dilihat setiap bulan, tetapi untuk perencanaan selama satu tahun nilai rataannya cukup memadai sebagai nilai acuan. Nilai acuan ini akan kita bawa untuk kebijakan keseimbangan lintasan yang akan diuraikan selanjutnya di bawah ini.
Universitas Mercu Buana
139
4.2.4
Keseimbangan Lintasan
Proses produksi di Lini A/F 4WV dapat kita bagi menjadi dua subsekuen, yaitu: (1) subsekuen assembly (O-1 sampai dengan O-6) dan (2) subsekuen finishing (O-7 sampai dengan O-11). Praktek keseimbangan lintasan hanya akan efektif apabila dilakukan pada suatu lini perakitan (assembly line). Oleh karena itu, kita hanya akan mengambil kasus untuk subsekuen assembly saja. Adapun langkah-langkah untuk praktek keseimbangan lintasan adalah sebagaimana ditunjukkan oleh bagan arus pada Gambar 4.29 di bawah ini. MULAI
MENENTUKAN TUGAS (OPERASI) DATA PROSES PRODUKSI DATA WAKTU BAKU DATA RATAAN TAKT TIME TAHUN 2009
MENENTUKAN URUTAN (SEKUEN) MEMASUKAN WAKTU TUGAS‐TUGAS MENGGAMBAR DIAGRAM PRECEDENCE PEMBERIAN TUGAS/ PEMBENTUKAN STASIUN KERJA KRITERIA PEMBANDING STANDARDIZED WORK COMBINATION SHEET PERSENTASE BEBAN STASIUN KERJA UKURAN KESEIMBANGAN Efisiensi lini (line efficiency) Tundaan seimbang (balance delay) Indeks kelancaran (smoothes index)
JUMLAH SEDIAAN WIP KELUARAN PER JAM
1 2
3
4 6 5
1 Jam ÷ Waktu stasiun kerja bottleneck
YA
JUMLAH MINIMUM STASIUN KERJA
PERLU PERBAIKAN?
TIDAK SELESAI
Gambar 4.29. Bagan Arus untuk Langkah-Langkah Keseimbangan Lintasan
Tahap perbaikan (Gambar 4.29) dalam kasus ini dilakukan hanya satu kali sehingga kita mempunyai dua alternatif kondisi keseimbangan lintasan, yaitu: kondisi awal/aktual lapangan yang disebut Keseimbangan Lintasan Alternatif I dan kondisi hasil perbaikan yang disebut Keseimbangan Lintasan Alternatif II.
Universitas Mercu Buana
140
a.
Keseimbangan Lintasan Alternatif I
Berdasarkan kondisi subsekuen assembly Lini A/F 4WV diketahui bahwa penentuan tugas (operasi), penentuan urutan (sekuen), waktu tugas-tugas, diagram precendence, dan pembentukkan stasiun kerja adalah sebagaimana ditunjukkan Tabel 4.41 di bawah ini. Tabel 4.41. Laporan Lini Perakitan No. Tugas
Waktu a Pendahulu Nama tugas pelaksana- langsung an, detik ke-1
Pendahulu langsung ke-2
Pendahulu langsung ke-3
‐‐ ‐‐ ‐‐ ‐‐ ‐‐ D F
‐‐ ‐‐ ‐‐ ‐‐ ‐‐ E ‐‐
O‐1 ‐‐ A Forming cutting 6,5 O‐2 B Binder caulking 8,93 A O‐3 C Rolling 3,18 ‐‐ O‐4 D Spot welding 4,77 C O‐5 E Adhesive apply 33,34 ‐‐ O‐6a F Assembling I 13,07 B O‐6b G Assembling II 6,43 E Total 76,22 Diagram precedence dan pembentukkan stasiun kerja:
A 6,5 caulking, Assemble I
Assemble II C 3,18
D 4,77
O‐7
G 6,43
a b
B 8,93
F 13,07
E 33,34
WS‐1: Forming cutting, Binder
b
WS‐2: Rolling, Spot welding, &
WS‐3: Adhesive apply
Waktu pelaksanaan diambil dari waktu baku pada Tabel 4.39. WS = Work Station ’stasiun kerja’.
Kondisi saat ini dari subsekuen assembly Lini A/F 4WV adalah terdiri dari 3 stasiun kerja, yaitu: stasiun kerja ke-1 (WS-1) yang mengerjakan sebagian besar pekerjaan perakitan A/F 4WV, stasiun kerja ke-2 (WS-2) yang bertugas menyiapkan part protector dan membantu stasiun kerja ke-1 menyelesaikan perakitan akhir, dan stasiun kerja ke-3 (WS-3) yang bertugas membubuhkan adhesive pada part end plate.
Universitas Mercu Buana
141
1) Standardized Work Combination Sheet Untuk melihat secara rinci kondisi keseimbangan lintasan, kita perlu membuat standardized work combination sheet ’lembar standarisasi kombinasi kerja’ (SWCS). SWCS adalah lembar yang memperlihatkan uraian kombinasi pekerjaan manual, mesin, dan berjalan beserta dengan waktunya. SWCS menerangkan pekerjaan secara rinci dari elemen-elemen kerja yang membentuknya. Oleh karena itu, kita perlu merubah waktu baku operasi menjadi waktu baku per elemen kerja. Berikut waktu baku per elemen kerja:
No.
Nama operasi
Waktu baku operasi
Elemen kerja
Waktu Waktu normal baku elemen Kelong- elemen kerja garan kerja Jumlah
O-1 Forming cutting
6,5
1 FC-Auto 2 FC-Man
5,5 1
6,5
O-2 Binder caulking
8,93
1 2 3 4
Ambil (PM) Rakit (PM) Arahkan (PM) Bending (PM)
1,99 1,67 2,23 1,8
0,16 0,16 0,16 0,16
2,31 1,94 2,58 2,09
8,93
O-6a Assembling I
13,07
1 2 3 4
Balik (PM) Ambil-Rakit (PR) Ambil-Rakit (Jig) Rakit (EPL)
3,61 1,49 3,75 2,42
0,16 0,16 0,16 0,16
4,19 1,73 4,35 2,81
13,07
O-3 Rolling
3,18
1 Ambil-Arahkan (PR) 2 Rolling
1,37 1,34
0,17 0,17
1,61 1,57
3,18
O-4 Spot welding
4,77
1 Ambil-Arahkan (PR) 2 Spot Welding 3 Letakkan (PR)
0,85 2,23 1
0,17 0,17 0,17
1 2,6 1,17
4,77
O-6b Assembling II
6,43
1 Balik Sub Assy 2 Rakit (EPU)
1,83 3,67
0,17 0,17
2,14 4,29
6,43
O-5 Adhesive apply
33,34
1,91 9,88 1,27 2,07 11,29 1,37
0,2 0,2 0,2 0,2 0,2 0,2
2,29 11,85 1,52 2,48 13,55 1,64
33,34
1 2 3 4 5 6
Ambil (EPL-AD) Pakai AD (EPL) Letakkan (EPL) Ambil (EPU-AD) Pakai AD (EPU) Letakkan (EPU)
SWCS yang dimaksud ditunjukkan oleh Tabel 4.42 di bawah ini. Pada pekerjaan bersiklus pendek, pekerjaan jalan (walk ) merupakan gerakan untuk mengulangi siklus atau untuk beralih ke elemen kerja/operasi lain. Dalam prakteknya, pengukuran gerakan tersebut cukup sulit atau luput terperhatikan. Karena itu, kita tidak memberikan toleransi dalam bentuk asumsi waktu untuk pekerjaan jalan (walk ) tersebut karena masukan kita adalah waktu baku yang mengandung banyak kelonggaran sehingga sudah ada cukup ruang untuk gerakan yang sebenarnya merupakan gerakan tak bernilai tambah tersebut.
Universitas Mercu Buana
142
Tabel 4.42. Keseimbangan Lintasan Alternatif I: Standardized Work Combination Sheet
! !" #$ /!##0
1 '
" /0
4 ##
!4
1 2 32'
% . !6
&
!5
!0
!"
4
+ 0
% #!/4 5
) !0 99999919999991999 999 5
!0
+! " , ' ! !" ,0
78
#!/4
' # 24
"
4
! ! !
5 * "4
! !
'
! (
"! ! "
%
##!
$ & ' (
*+
!"
*+
!"
(! * %
##!
##,
$$ ' ' ( ) ' ( (!
' (
" !# .! ++ , ' -
)
' (!
' -
Garis biru pada Tabel 4.42 di atas merupakan garis waktu baku operasi yang menjadi batas di mana suatu operasi seharusnya sudah diselesaikan, sedangkan garis merah merupakan garis takt time yang menjadi batas di mana satu unit produk seharusnya sudah dihasilkan. Tampak bahwa beberapa pekerjaan melewati garis takt time. Oleh karena itu mari kita lihat persentase beban (load ) stasiun kerja dari tak time.
Universitas Mercu Buana
143
2) Persentase Beban Stasiun Kerja Persentase beban stasiun kerja dari tak time diperlihatkan Tabel 4.43. Tabel 4.43. Keseimbangan Lintasan Alternatif I: Persentase Beban Stasiun Kerja Stasiun Tugas kerja
Nama tugas
a
b
WS‐1
A B F
Forming cutting Binder caulking Assembling I
C D G E
Rolling Spot welding Assembling II Adhesive apply
WS‐2 WS‐3 Total
Waktu Waktu siklus Waktu Takt %beban pelaksana- stasiun kerja, menganggur time an, detik detik
c
40
d
e = ∑d
f = ebottleneck ‐ e
g
h=e÷g
6,50 8,93 13,07
28,50
04,84
19,14
149%
19,14
75%
19,14
174%
3,18 4,77 14,38 18,96 6,43 33,34 33,34 00,00 76,22 76,22 Diagram Balok Waktu Siklus Stasiun Kerja
30
Bottleneck Takt time = 19,14"
20 33,34"
28,5" 10 0
14,38" WS‐1
WS‐2
WS‐3
Dari Tabel 4.43 di atas diketahui bahwa: • Persentase beban WS-1 = 149%, atau > 100% sehingga akan menciptakan waktu tunggu yang lama bagi pelanggan dan seandainya pelanggan tidak ”lari” kita harus mengeluarkan biaya tambahan karena diperlukan lembur (overtime) untuk memenuhi pesanan pelanggan. • Persentase beban WS-2 = 75%, atau < 100% sehingga akan menciptakan sediaan WIP (sediaan barang setengah jadi) di setiap siklus. Ini tentunya berisiko, misal part rusak/cacat sebelum dirakit padahal kita sudah mengeluarkan biaya untuk memproses part tersebut. • Persentase beban WS-3 = 174%, atau > 100% sehingga akibatnya sama seperti WS-1 terlebih lagi WS-3 merupakan stasiun kerja yang membatasi keluaran dalam sekuen produksi (bottleneck ) karena memiliki waktu siklus terlama sehingga menentukan keluaran produksi. Selanjutnya mari kita lihat ukuran keseimbangannya.
Universitas Mercu Buana
144
3) Ukuran Keseimbangan Ukuran keseimbangan terdiri dari tundaan seimbang (balance delay), efisiensi lini (line efficiency), dan indeks kelancaran (smoothes index ). a) Tundaan seimbang (BD), dengan menggunakan Persamaan 2.38 adalah ! n X 100 nC − Ti i=1
BD =
nC 100(3 WS × 33, 3400 ) − 76, 2200 = = 23, 795% ≈ 24%, 3 WS × 33, 3400 di mana C menggunakan waktu siklus stasiun kerja bottleneck. b) Efisiensi lini (LE), dengan menggunakan Persamaan 2.39 adalah 100 LE =
n X
Ti
i=1
nC 100(76, 2200 ) = 3 WS × 33, 3400 = 76, 205% ≈ 76%
atau LE = 100% − BD = 100% − 24% = 76%.
c) Indeks kelancaran (SI), dengan menggunakan Persamaan 2.40 adalah s n s n X X SI = (Timax − Ti )2 = (Idle time)2 i=1
i=1
=
p
(4, 8400 )2 + (18, 9600 )2 + (000 )2
= 19, 568 ≈ 20. Dengan tiga stasiun kerja dan alokasi tugas-tugas seperti sekarang, kita mendapatkan lintasan dengan tundaan seimbang = 24%, efisiensi lini = 76%, dan indeks kelancaran = 20. Artinya pengalokasian tugas-tugas kurang sempurna sehingga masih terdapat waktu menganggur yang menghasilkan ketidakefisienan lintasan karena lintasan yang ideal adalah yang memiliki tundaan seimbang = 0%, efisiensi lini = 100%, dan indeks kelancaran = 0. Dalam kondisi ketidakseimbangan ini tentunya sediaan barang setengah jadi/WIP akan dimunculkan oleh stasiun kerja yang memiliki waktu siklus paling cepat. Selanjutnya kita akan melihat adanya sediaan WIP ini.
Universitas Mercu Buana
145
4) Jumlah Sediaan WIP Secara visual pada diagram balok yang ditunjukkan Gambar 4.30 di bawah ini, kita dapat melihat bahwa hanya part protector yang memungkinkan menumpuk dalam satu siklus penyelesaian satu unit produk. Setiap 1 siklus, selalu terdapat tumpukan protector sebanyak 3 unit. Assembling II baru dikerjakan setelah End plate upper selesai.
40
Waktu siklus terbesar = 33,34" Takt time = 19,14" PR Protector
30
WIP PR 3 unit
20
Assem‐ bling I
13,07"
10
Binder caulking
8,93"
Forming cutting
6,5"
0
WS‐1
Ad. apply End plate upper
17,68"
Ad. apply End plate 1 unit PR lower selesai
15,67"
WIP PR 2 unit Assem‐ bling II Spot welding Rolling
WIP PR 1 unit
6,43" 4,77" 3,18" WS‐2
WS‐3
Gambar 4.30. Keseimbangan Lintasan Alternatif I: Diagram Balok untuk Perkiraan Jumlah Sediaan WIP
Pada Gambar 4.30 di atas tampak bahwa terdapat penumpukan protector sebanyak 3 unit setiap produksi satu unit produk. Selama pengukuran di lapangan, peneliti melihat secara jelas bagaimana protector ini menumpuk di meja assembling bahkan jumlahnya berkisar antara 3-5 unit. Mari kita lihat hal ini secara kuantitatif, yaitu sebagai berikut (di mana: C/T = Waktu siklus): Jumlah se− C/T terbesar 1 unit protector = − diaan W IP C/T Rolling + C/T Spot welding yang dirakit 33, 3400 − 1 unit 3, 1800 + 4, 7700 = 3, 194 ≈ 3 unit. =
Jadi, perkiraan pada Gambar 4.30 di atas sama dengan perhitungan secara kuantitatif, yaitu kondisi lintasan sekarang akan menciptakan sediaan WIP sebanyak 3 unit. Selanjutnya mari kita lihat berapa unit yang dihasilkan dalam satu jam dengan kondisi lintasan seperti sekarang.
Universitas Mercu Buana
146
5) Keluaran per Jam Perhatikan bahwa waktu stasiun kerja yang membatasi keluaran dalam sekuen produksi (yang paling lama) adalah 33,34 detik dan satu jam sama dengan 3600 detik. Jadi, aktualnya adalah
Keluaran per jam = =
3.60000 W aktu stasiun kerja bottleneck 3.60000 = 107, 978 ≈ 108 unit per jam. 33, 3400
Untuk diketahui target produksi yang diperintahkan managemen selama ini adalah 110 unit per jam. Target ini tentunya bersifat sementara, dengan berbagai batas toleransi, dan masih harus ada perbaikan. Ironisnya di lapangan, peneliti melihat suatu kenyataan bahwa target 110 unit per jam ini tidak pernah tercapai, sedangkan produksi di tahun 2009 mengharuskan 3.60000 T akt time 3.60000 = = 188, 087 ≈ 188 unit per jam. 19, 1400
Keluaran per jam =
Sementara ini, kita dapatlah berpendapat bahwa untuk memenuhi target produksi di tahun 2009 kita perlu menambah stasiun kerja baru. Karena itu, mari kita lihat perhitungan jumlah stasiun kerja yang seharusnya. 6) Jumlah Minimum Stasiun Kerja Perhatikan Tabel 4.43, karena jumlah seluruh waktu pelaksanaan tugas adalah 76,22 detik dan takt time adalah 19,14 detik maka Jumlah seluruh waktu Jumlah minimum pelaksanaan tugas = stasiun kerja T akt time =
76, 2200 = 3, 982 ≈ 4 stasiun kerja. 19, 1400
Dengan demikian untuk mencapai target produksi di tahun 2009, kita harus mengalokasikan 4 stasiun kerja atau lebih.
Universitas Mercu Buana
147
b.
Keseimbangan Lintasan Alternatif II
Dari informasi di atas, kita mengetahui bahwa WS-3 harus menjadi fokus perhatian untuk peningkatan karena memiliki waktu siklus yang paling besar. WS-3 inilah yang selama ini menyebabkan lembur berkepanjangan dan akibat ketidakseimbangan lintasan menyebabkan WS-2 menumpuk sediaan WIP. Dari informasi di atas, kita juga mengetahui bahwa untuk mencapai target produksi di tahun 2009 harus terdapat 4 stasiun kerja atau lebih. Artinya dengan jumlah 3 stasiun kerja sekarang, kita harus menambah satu atau lebih stasiun kerja. Stasiun kerja tambahan tersebut tentunya untuk membantu tugas-tugas di WS-3. Dalam hal ini, kita hanya memerlukan tidak lebih dari satu stasiun kerja sehingga jika sebelumnya tugas Adhesive Apply dikerjakan oleh satu operator maka setelah perbaikan tugas tersebut dikerjakan oleh dua operator. Untuk mencapai keseimbangan dan mendekati takt time, jika memungkinkan kita akan mengalokasikan beberapa elemen kerja dari satu stasiun kerja ke stasiun kerja lain yang masih memiliki waktu menganggur. Untuk lebih jelasnya perhatikan SWCS pada Tabel 4.42, perbaikan yang mungkin dilakukan adalah: • Menambah 1 stasiun kerja untuk Adhesive Apply, di mana WS-3 bertugas meng-adhesive end plate lower dan stasiun kerja yang baru; yaitu WS-4, bertugas meng-adhesive end plate upper. • Untuk mencapai keseimbangan dan mendekati takt time, kita pindahkan elemen kerja ke-1 dari Assembling I [Balik (PM)] ke dalam Binder Caulking, sedangkan sisanya (elemen kerja ke-2, ke-3, dan ke-4) kita alokasikan ke WS-2 (digabung dengan Assembling II ). Karena elemen kerja ke-2 dari Assembling I [Ambil-Rakit (PR)] berada di WS-2 maka elemen Spot Welding ke-3 [Letakkan (PR)] menjadi tereliminasi karena operator akan langsung merakit protector ketika selesai di-spot welding tanpa harus meletakkan terlebih dahulu di meja assembling. Mari kita lihat proses perbaikan ini secara visual dalam diagram balok yang ditunjukkan Gambar 4.31 di bawah ini.
Universitas Mercu Buana
148
(a) Lintasan Sebelum Perbaikan
(b) Lintasan Setelah Perbaikan
Gambar 4.31. Diagram Balok untuk Visualisasi Perbaikan Keseimbangan Lintasan
Dari Gambar 4.31 di atas tampak bahwa perbaikan dapat menurunkan bottleneck dan lebih mendekatkan waktu siklus stasiun kerja ke takt time. Meskipun masih belum sempurna, tetapi perbaikan ini lebih baik dari kondisi sebelumnya. Mari hal ini kita buktikan dalam uraian selanjutnya.
Universitas Mercu Buana
149
1) Standardized Work Combination Sheet Tabel 4.44. Keseimbangan Lintasan Alternatif II: Standardized Work Combination Sheet
! !" #$ /!##0
1 &
" /0
4 ##
!4
1 2 32&
% !6
&
!5
!0
!"
4
* 0
$ #!/4 5
( !0 99999919999991999 999 5 !0
78
*! " + & ! !" +0
#!/4
& # 24
"
4
! ! !
5 ) "4
! !
'
! (
"! ! "
)*
!"
)*
!"
'!
% $
##!
& ' )
##+
& , & ' ( " !# -! ** + .
& ' '!
& ' & ,
" !# -! ** + ..
(
& , '!
& ,
Dalam Tabel 4.44 di atas, kita melakukan • penggabungan elemen kerja Balik (PM) ke dalam Binder Caulking yang sebelumnya berada dalam Assembling I, • penggabungan Assembling I dan Assembling II menjadi Assembling, dan • pemisahan Adhesive Apply menjadi Adhesive Apply I dan Adhesive Apply II.
Universitas Mercu Buana
150
Jumlah keseluruhan waktu siklus setiap stasiun kerja adalah (di mana, C/T = Cycle time ’waktu siklus’) O-1
Forming Cutting = C/T FC-Auto + C/T FC-Man = 5, 500 + 100 = 6,5 detik
O-2
Binder Caulking = C/T Ambil (PM) + C/T Rakit (PM) + C/T Arahkan (PM) + C/T Bending (PM) + C/T Balik (PM) = 2, 3100 + 1, 9400 + 2, 5800 + 2, 0900 + 4, 1900 = 13,11 detik
O-3
Rolling = C/T Ambil-Arahkan (PR) + C/T Rolling = 1, 6100 + 1, 5700 = 3,18 detik
O-4
Spot Welding = C/T Ambil-Arahkan (PR) + C/T Spot Welding = 100 + 2, 600 = 3,6 detik
O-5a Adhesive Apply I = C/T Ambil (EPL-AD) + C/T Pakai (EPL) + C/T Letakkan (EPL) = 2, 2900 + 11, 8500 + 1, 5200 = 15,67 detik O-5b Adhesive Apply II = C/T Ambil (EPU-AD) + C/T Pakai (EPU) + C/T Letakkan (EPU) = 2, 4800 + 13, 5500 + 1, 6400 = 17,68 detik O-6
Assembling = C/T Rakit (PR) + C/T Ambil-Rakit (Jig) + C/T Rakit (EPL) + C/T Balik Sub Assy + C/T Rakit (EPU) = 1, 7300 + 4, 3500 + 2, 8100 + 2, 1400 + 4, 2900 = 15,32 detik. Dalam Tabel 4.44 tampak bahwa beberapa pekerjaan masih melewati
garis takt time. Oleh karena itu mari kita lihat persentase beban (load ) stasiun kerja dari tak time.
Universitas Mercu Buana
151
2) Persentase Beban Stasiun Kerja Persentase beban stasiun kerja dari tak time diperlihatkan Tabel 4.45. Tabel 4.45. Keseimbangan Lintasan Alternatif II: Persentase Beban Stasiun Kerja Stasiun kerja
Nama tugas
a
WS‐1 WS‐2 WS‐3 WS‐4 Total
Waktu Waktu siklus Waktu Takt %beban pelaksana- stasiun kerja, menganggur time an, detik detik
b
c
d = ∑c
e = dbottleneck ‐ d
Forming cutting Binder caulking Rolling Spot welding Assembling Adhesive apply I Adhesive apply II
6,50 19,61 02,49 13,11 3,18 3,60a 22,10 00,00 15,32 15,67 15,67 06,43 17,68 17,68 04,42 75,06 75,06 Diagram Balok Waktu Siklus Stasiun Kerja
f
g=d÷f
19,14
102%
19,14
115%
19,14 19,14
82% 92%
40 30 Takt time = 19,14"
20 22,1" 10
19,61"
0
WS‐1
a
Bottleneck WS‐2
15,67"
17,68"
WS‐3
WS‐4
Elemen kerja Letakkan (PR) telah dieliminasi.
Dari Tabel 4.45 di atas diketahui bahwa: • Persentase beban WS-1 menurun dari 149% menjadi 102%, artinya lebih baik dari kondisi sebelumnya karena lebih mendekati 100%. Namun, beban masih di atas 100%, jadi masih mengakibatkan lembur. • Persentase beban WS-2 meningkat dari 75% menjadi 115%, artinya lebih baik dari kondisi sebelumnya karena lebih mendekati 100%. Sekarang WS2 tidak menciptakan sediaan WIP, tetapi akan menyebabkan lembur, selain itu bottleneck berpindah dari WS-3 ke WS-2 ini. • Persentase beban WS-3 menurun dari 174% menjadi 82%, artinya lebih baik dari kondisi sebelumnya karena lebih mendekati 100%. WS-3 memiliki waktu menganggur paling besar, yaitu: 6,43 detik (C/T WS bottleneck − C/T WS -3), atau sekitar 41% (6,43 ÷ C/T WS -3) dari waktu WS-3. • Persentase beban stasiun kerja baru, yaitu WS-4 adalah 92%, artinya bebannya cukup baik meskipun berselisih 8% di bawah beban ideal 100%. Selanjutnya mari kita lihat ukuran keseimbangannya.
Universitas Mercu Buana
152
3) Ukuran Keseimbangan Berikut ukuran keseimbangan yang terdiri dari tundaan seimbang (balance delay), efisiensi lini (line efficiency), dan indeks kelancaran (smoothes index ). a) Tundaan seimbang (BD), dengan menggunakan Persamaan 2.38 adalah 100 nC −
n X
! Ti
i=1
BD =
nC 100(4 WS × 22, 100 ) − 75, 0600 = = 15, 09% ≈ 15%, 4 WS × 22, 100
di mana C menggunakan waktu siklus stasiun kerja bottleneck. b) Efisiensi lini (LE), dengan menggunakan Persamaan 2.39 adalah 100
n X
Ti
i=1
LE =
atau LE = 100% − BD
nC 100(75, 0600 ) = 4 WS × 22, 100 = 84, 91% ≈ 85%
= 100% − 15% = 85%.
c) Indeks kelancaran (SI), dengan menggunakan Persamaan 2.40 adalah s SI =
n X
n X
s 2
(Timax − Ti )
=
i=1
(Idle time)2
i=1
=
p
(2, 4900 )2 + (000 )2 + (6, 4300 )2 + (4, 4200 )2
= 8, 19 ≈ 8. Dari perhitungan di atas, kita dapat melihat bahwa perbaikan keseimbangan lintasan berhasil dalam hal: • menurunkan tundaan seimbang dari 24% ke 15%, artinya lintasan setelah perbaikan memiliki alokasi tugas yang lebih sempurna dari lintasan sebelum perbaikan, di mana alokasi tugas yang tepat dapat memperkecil tundaan-tundaan (delays) di keseluruhan stasiun kerja;
Universitas Mercu Buana
153
• menaikkan efisiensi lini dari 76% ke 85%, artinya lintasan setelah perbaikan memiliki tingkat efisiensi yang lebih tinggi dari lintasan sebelum perbaikan, di mana tingkat efisiensi ini ditinjau berdasarkan adanya penurunan tundaan seimbang di lintasan tersebut; dan • memotong indeks kelancaran dari 20 ke 8, artinya lintasan setelah perbaikan relatif lebih lancar dari lintasan sebelum perbaikan, di mana waktu menganggur yang membebani kelancaran tersebut berhasil dikurangi. Namun, ukuran keseimbangan tersebut belumlah sempurna karena lintasan yang ideal adalah yang memiliki tundaan seimbang = 0%, efisiensi lini = 100%, dan indeks kelancaran = 0. Artinya, masih terdapat ketidakseimbangan dan waktu menganggur (sekalipun lebih kecil). Karena masih adanya waktu menganggur, mari kita lihat apakah masih terdapat sediaan barang setengah jadi/WIP di lintasan tersebut? 4) Jumlah Sediaan WIP Karena stasiun kerja yang membuat protector adalah stasiun kerja bottleneck maka tidak mungkin lagi ada sediaan WIP dari protector. Sedangkan untuk stasiun-stasiun lain juga tidak mungkin menyebabkan penumpukkan sediaan WIP karena waktu menganggurnya sangat kecil. Mari kita lihat hal ini secara visual dalam diagram balok yang ditunjukkan Gambar 4.32 di bawah ini. 30
Karena waktu menganggur sangat kecil, maka tidak mungkin terjadi penumpukkan sediaan WIP dalam 1 siklus.
Waktu siklus terbesar = 22,1" Takt time = 19,14"
20 10 0
Binder caulking Forming cutting
13,11"
Assem‐ bling
6,5"
Spot welding Rolling
WS‐1
6,43" 3,6" 3,18" WS‐2
Ad. apply End plate lower
15,67" WS‐3
Ad. apply End plate upper
17,68" WS‐3
Gambar 4.32. Keseimbangan Lintasan Alternatif II: Diagram Balok untuk Perkiraan Jumlah Sediaan WIP
Jadi, lintasan setelah perbaikan menghasilkan 0 unit sediaan WIP. Selanjutnya mari kita lihat berapa unit yang dihasilkan dalam satu jam dengan kondisi lintasan setelah perbaikan.
Universitas Mercu Buana
154
5) Keluaran per Jam Dalam perbaikan keseimbangan lintasan ini, kita berhasil menurunkan waktu proses yang paling lama, yaitu: dari 33,34 detik menjadi 22,1 detik, atau reduksi sekitar 34% [(33, 34 − 22, 1) ÷ 33, 34 = 0, 337]. Dengan menurunnya waktu ini tentunya keluaran aktual per jam meningkat, yaitu Keluaran per jam = =
3.60000 W aktu stasiun kerja bottleneck 3.60000 = 162, 896 ≈ 163 unit per jam. 22, 100
Jadi, keluaran aktual per jam meningkat 55 unit; dari 108 unit ke 163 unit, atau lebih dari 50% [55 ÷ 108 = 0, 509]. Sementara pada uraian sebelumnya kita telah memperhitungkan bahwa target produksi tahun 2009 adalah sebesar 188 unit per jam. Artinya, meskipun hasil perbaikan keseimbangan lintasan sudah cukup baik dari sebelumnya, tetapi kita masih harus melakukan peningkatan (improvement) untuk menaikan keluaran aktual per jam sekitar 15% lagi [(188 − 163) ÷ 163 = 0, 153]. Peningkatan dapat dilakukan dengan lebih jauh menganalisis gerakan di lapangan seperti yang dilakukan pada analisis perancangan kerja (job design). Di sini, peningkatan hanya didasarkan pada pembagian beban pada setiap stasiun kerja menurut sistem produksi (production system). Jadi, dalam laporan ini kita tidak akan melakukan perbaikan kembali sehingga kita hanya punya dua alternatif, yaitu: Keseimbangan Lintasan Alternatif I dan Keseimbangan Lintasan Alternatif II. Secara garis besar Keseimbangan Lintasan Alternatif II lebih baik dari Keseimbangan Lintasan Alternatif I, akan tetapi alternatif kedua mensyaratkan stasiun kerja baru yang berarti munculnya masalah baru, yaitu: biaya tenaga kerja. Namun, segala kebaikan alternatif kedua dapat memungkinkan terjadinya kenaikan penerimaan (revenue) sehingga biaya tersebut bisa jadi bukanlah suatu masalah. Selanjutnya, kita perhitungkan jumlah unit yang dihasilkan dari dua kondisi lintasan ini dengan membuat perencanaan produksi (production plan).
Universitas Mercu Buana
155
4.2.5
Perencanaan Produksi
Di DNIA rencana produksi (production plan) tingkat agregat dibuat dengan strategi produksi stabil (level method ) dalam basis bulanan selama satu tahun, di mana setiap bulannya akan terus dipantau dan diperbaiki. Selanjutnya perencanaan ini dibawa ke perencanaan tingkat berikutnya, yaitu penjadwalan produksi, di mana rencana produksi bulanan terkini dikonversi ke dalam basis harian yang merata sepanjang bulan (production leveling). Kemudian jika tipe produk lebih dari satu tipe maka dibutuhkan perataan/stabilisasi produksi berdasarkan tipe produk (product leveling), artinya produksi setiap tipe produk dimuluskan dalam suatu aliran produksi harian (smoothing production flow ). Inilah yang disebut dengan konsep heijunka (pelancaran produksi) dalam sistem TPS. Gambar 4.33 di bawah ini menunjukkan bagan arus untuk langkah-langkah umum perencanaan produksi dengan strategi produksi stabil.
% %
)4
"" +
"
"
"
"
"
#
+
$ & )
".
"
0 +
"
. . ".
#
"
& /
" #
. .
)
*)
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
"
#
"
"
+ ,
Gambar 4.33. Bagan Arus untuk Langkah-Langkah Perencanaan Produksi
Universitas Mercu Buana
156
Strategi produksi stabil di DNIA mempertahankan kestabilan produksi (merata-tetap) dengan mengakumulasikan keluaran lini per jam untuk menghasilkan sediaan sampai total permintaan terpenuhi, kemudian sisa sediaan akan dialokasikan untuk memenuhi permintaan periode berikutnya. Jika dengan jam kerja reguler kita belum dapat memenuhi permintaan maka perlu diadakan lembur (overtime). Metode ini sering disebut dengan level method with overtime. Perencanaan akan dibuat seperti pada Tabel 2.4, di mana tujuan kita hanya menghasilkan angka-angka rencana produksi, sedangkan banyaknya lembur, sediaan yang muncul, dan hari yang diliburkan tidak akan diperhitungkan pada pembahasan berikutnya. Khusus untuk banyaknya lembur akan diperhitungkan setelah dimuluskan pada manpower calculation. Singkatnya, berapa akumulasi terbaik dari keluaran per jam masing-masing alternatif keseimbangan lintasan agar permintaan total dapat terpenuhi? Tabel 4.46 di bawah ini menunjukkan Perencanaan Produksi Alternatif I untuk Keseimbangan Lintasan Alternatif I dengan keluaran per jam 108 unit, selanjutnya Tabel 4.47 menunjukkan Perencanaan Produksi Alternatif II untuk Keseimbangan Lintasan Alternatif II dengan keluaran per jam 163 unit. Tabel 4.46 menjelaskan bahwa untuk memenuhi permintaan sepanjang tahun 2009, dengan keluaran per jam 108 unit, kita perlu mengadakan banyak lembur yang berarti tambahan biaya. Sedangkan Tabel 4.47 menjelaskan bahwa masalah banyaknya lembur dapat dikurangi jika keluaran per jam sama dengan 163 unit, bahkan kita dapat meliburkan pekerjaan yang berarti menghemat energi dan memberikan waktu untuk karyawan berlatih berbagai aktivitas lain, tetapi rencana ini lebih banyak memunculkan sediaan yang berarti juga tambahan biaya. Bagaimanapun tujuan kita di sini hanya melihat akumulasi terbaik dari keluaran per jam masing-masing alternatif keseimbangan lintasan dalam memenuhi permintaan. Gambar 4.34 menunjukkan diagram balok perencanaan produksi untuk memvisualisasikan perbedaan dari dua perencanaan produksi di atas. Tampak bahwa dua rencana produksi yang kita buat tidak berbeda jauh dan samasama mendekati tingkat permintaan total.
Universitas Mercu Buana
b
a
"
-
) *
+,
#+". #+".
!
!!
! &
!
&
&
!
!
!
!
&
&
!
%
!! ! & &
& &
!
!
& &
& &
"
!
&
&
&
!
#
Yearly plan adalah nilai ramalan dari metode peramalan (lihat Tabel 4.34). Forecasted adalah nilai hasil penyesuaian ramalan di tingkat disagregat (lihat Tabel 4.34).
2 0 - + - + #+". - + #+". ) ) * $
'
0 + / "* - + - + - +
) # * ) * " )
1
& !
&
&
&
#
! !
!
! !
Tabel 4.46. Perencanaan Produksi Alternatif I
! !!
!
!!
&
&
&
$
! !!
&
&
!
& &
& &
#
157
Universitas Mercu Buana
a
"
+
' (
)*
#)", #)",
! 2 2
! 2 2
2 2
!
2 2
2
!
!
! ! 2 2
! 2 2
1
3
! 2 2
2 2 3!
3
! 2 2
2 2 3!
"
3 !
!
!
2 2
2 2 2 3!
!
3
#
2 2
2 2 3
3 !
!
! !
2 2 !
2 2 3
#
!
2 2
2 2
3 !
2 2
!!
!!
2 2 2 3
$
! !!
2 2 2
2 2 2
Angka -4 pada 8 jam lembur berarti pengurangan waktu kerja normal (diliburkan) selama 4 hari untuk mencegah produksi berlebih (over production).
0 . + ) + ) #)", + ) #)", ' ' ( $
%
. ) - "( + ) + ) + )
' # ( ' ( " '
/
Tabel 4.47. Perencanaan Produksi Alternatif II
3
2 2
2 2 3
#
158
Universitas Mercu Buana
159
Gambar 4.34. Diagram Balok Perencanaan Produksi
Berdasarkan Tabel 4.46 dan 4.47 di atas, rencana produksi per 2009 adalah sebagai berikut: ----------------------------------------------------------------------Perencanaan Produksi -------------------------------------------Bulan ke Permintaan Alternatif I Alternatif II ----------------------------------------------------------------------1 26.632 26.676 26.732 2 26.949 27.000 27.058 3 31.159 31.212 30.970 4 21.837 21.708 22.168 5 19.306 19.332 19.560 6 23.934 23.976 23.472 7 26.062 26.028 26.080 8 24.822 24.840 24.776 9 26.692 26.676 27.058 10 24.413 24.408 24.776 11 26.062 26.028 26.080 12 22.780 22.788 22.168 Jumlah 300.648 300.672 300.898 Rataan 25.054 25.056 25.075 -----------------------------------------------------------------------
Dalam kebijakan dasar DNIA, kapasitas produksi harus sesuai (match) dengan kebutuhan pelanggan (lihat Tabel 4.5). Di atas, kita melihat bahwa rencana produksi untuk masing-masing alternatif tidak jauh berbeda dengan tingkat permintaan yang berarti produksi cukup sesuai dengan kebutuhan pelanggan. Angka-angka rencana produksi tersebut merupakan angka penerimaan dalam bentuk unit produk. Selanjutnya kita akan memperhitungkan jumlah lembur yang merata sepanjang hari kerja per bulannya menggunakan lembar perhitungan yang disebut manpower calculation.
Universitas Mercu Buana
160
4.2.6
Manpower Calculation
Manpower calculation (MPC) adalah lembar perhitungan di DNIA yang digunakan untuk menghitung kebutuhan jumlah tenaga kerja dalam usaha melaksanakan rencana produksi. MPC menghasilkan pilihan jumlah tenaga kerja pada beberapa tingkat jam kerja baik jam kerja yang diregulasikan (8 jam kerja) maupun jam kerja reguler ditambah jam kerja lembur. Dalam prakteknya, managemen DNIA lebih sering mempertahankan jumlah tenaga kerja aktual sekalipun MPC memperlihatkan kenaikan atau penurunan jumlah tenaga kerja yang cukup drastis. Namun, bagaimanapun MPC masih tetap berguna, yaitu untuk melihat kebutuhan jam kerja atau jam lembur pada kondisi lini dengan jumlah tenaga kerja yang ada saat ini. Perhitungan lembur pada MPC tentunya lebih baik dibandingkan pada rencana produksi karena beberapa hal diantaranya a. MPC meratakan beban lembur ke seluruh hari kerja yang ada dalam bulan perencanaan sehingga mencegah pembebanan yang melebihi kemampuan (overburden) manusia atau peralatan, b. MPC memperhitungkan jam produksi berdasarkan tingkat kinerja lini (line rate of operation/konbeakadoritsu [Jp.]) karena bagaimanapun produksi tidak 100% ideal sehingga kita menggunakan jam produksi yang lebih realistis, dan c. MPC memperhitungkan lembur tidak hanya dari tingkat keluaran lini (seperti pada rencana produksi) melainkan dari kosu (jam orang per unit) seluruh tenaga kerja sehingga produktivitas seluruh operator lebih terukur. Di sini, kita juga bertujuan menggunakan MPC untuk mengetahui kebutuhan lembur karena kita sudah mendapatkan kepastian jumlah tenaga kerja berdasarkan hasil praktek keseimbangan lintasan di atas, di mana • Keseimbangan Lintasan Alternatif I memiliki jumlah tenaga kerja sebanyak 6 orang (3 orang di subsekuen assembly, 2 orang di subsekuen finishing, dan 1 orang mizusumashi ), dan • Keseimbangan Lintasan Alternatif II memiliki jumlah tenaga kerja sebanyak 7 orang (tambahan 1 orang di subsekuen assembly sebagai akibat perbaikan keseimbangan lintasan).
Universitas Mercu Buana
161
Adapun langkah-langkah pembuatan MPC yang akan kita lakukan dapat diilustrasikan oleh Gambar 4.35 di bawah ini.
!
"
Gambar 4.35. Bagan Arus untuk Langkah-Langkah Manpower Calculation
Untuk membuat MPC, kita membutuhkan informasi kosu, manufacturing hours, dan working hours. Berikut contoh perhitungannya untuk Januari 2009 pada Keseimbangan Lintasan Alternatif I. • Kosu, menggunakan Persamaan (2.41) dengan jumlah tenaga kerja diketahui 6 orang dan keluaran lini per jam sama dengan 108 unit per jam adalah Directman hours × 3600 second Line capacity per hour 6 orang × 1 jam = × 3600 detik = 200 detik. 108 unit per jam Jadi, jam orang spesifik yang dibutuhkan untuk menghasilkan satu unit adalah Kosu =
200 detik, atau 33,33 detik (200 detik dibagi 6 orang) untuk satu orang. • Manufacturing hours, menggunakan Persamaan (2.42) dengan rencana produksi Januari 2009 diketahui sebanyak 26.676 unit (lihat Tabel 4.46) adalah Kosu × P roduction qty. per month 3600 second 200 detik × 26676 unit = = 1482 jam. 3600 detik
Mfg hours =
Universitas Mercu Buana
162
Jadi, jam pembuatan yang dibutuhkan untuk melaksanakan rencana produksi adalah 1.482 jam, atau 13 jam dalam satu hari (1.482 jam dibagi 19 hari kerja di bulan Januari 2009, kemudian dibagi 6 orang). Ini tentunya melebihi jam kerja yang diregulasikan yaitu 8 jam per hari. • Working hours, menggunakan Persamaan (2.43) dengan tingkat kinerja lini sama dengan 85% (lihat line rate of operation pada Tabel 4.5) adalah Kosu × P roduction qty. per month 3600 second × %Operational availability 200 detik × 26676 unit = = 1743, 53 jam. 3600 detik × 85%
Working hours =
Jadi, jam kerja yang perlu disediakan untuk melaksanakan rencana produksi adalah 1.743,53 jam, atau 15 jam dalam satu hari (1.743,53 jam dibagi 19 hari kerja, kemudian dibagi 6 orang). Dengan diketahuinya besaran working hours, kita dapat mengetahui jumlah tenaga kerja yang dibutuhkan. Misal, untuk jam kerja reguler 8 jam maka jumlah tenaga kerja yang dibutuhkan untuk bulan Januari 2009 dengan menggunakan Persamaan (2.44) adalah W orking hours Hours per day × W ork days 1743, 53 jam = = 11, 47 ≈ 11 orang. 8 jam × 19 hari
M anpower calculation =
Dengan merubah-rubah nilai hours per day, kita mendapatkan tenaga kerja aktual 6 orang pada jam kerja 15 jam. Artinya kita harus berproduksi dengan lembur 3 jam (lembur yang diregulasikan) sepanjang 19 hari kerja dan sisanya 76 jam ([15 jam − {8 jam + 3 jam}] × 19 hari kerja) dialokasikan ke hari off (Sabtu dan/atau Minggu). Dengan perhitungan yang sama, kita menghitung untuk bulan berikutnya sebagaimana ditunjukkan tabel Manpower Calculation Alternatif I (Tabel 4.48) di bawah ini, selanjutnya adalah tabel Manpower Calculation Alternatif II (Tabel 4.49) untuk Keseimbangan Lintasan Alternatif II.
Universitas Mercu Buana
+ , -
$ % & ' ( )
" #
*
!
/ / /
(
(
# "
$##.# '##.# )(&.)
) ) ( ( ( '
7
) ) ( ( '
# "
(&
/ / /
/ / / / / / / / / /
$##.# & $.# )&%.'
/ / /
$# $) ###
" $( ()(
/ / / / / 7
1 2
( #
(
) ) (
# "
& $
$##.# )%&.# $ #.#
(
) ( ( ' ' ' & & (
) ) ( ( ' ' & & &
$##.# #)&.# $(%.'
" " %%$
7 $##.#
$##.# $#(.# & .
6 %(##
6 %(##
.' $ % $ $ $ )#
(
) ( ( ' ' ' & &
"
$##.# %%$.# '().
$$ $% ")(
0
(
) ( ( ( ' ' '
# "
$##.# &&(.# )# .$
$$ $( #$
0*
(
) ) ( ( ' ' '
# "
$##.# % #.# ($%.'
$# $&
Tabel 4.48. Manpower Calculation Alternatif I 0
/
(
) ) ( ( ' '
# "
$##.# & $.# )&%.'
$# $( ()(
(
) ) ( ( ' ' ' &
"
$##.# %'(.# '"'.%
$$ $&
3
(
) ) ( ( ' '
" "
$##.# &&(.# )# .$
$# $( #$
4 5
(
) ) ( ( ' ' ' &
"
$##.# $((.# & ".&
$# $$ )
-
163
Universitas Mercu Buana
+ , -
$ % & ' ( )
" #
*
!
/ / /
)
)
"
'&.( ($.# %().
) ( ( ' ' ' & &
7
7
$# $) #'
1 2
) (%
)
) ) ( ( ' '
"
'&.( %%#.# '(&.)
)
) ( ' ' & & & & % % )
) ( ' ' & & & % % %
'&.( .# " .$
" " '(#
7 '&.(
'&.( "'$.# $#.#
6 %(##
6 %(##
.' $ %# ")# $$ (
)
) ( ' ' & & & & % %
'&.( ## .# '."
$$ $% &)$
0
)
) ) ( ' ' ' & & & &
'&.( $#.# % ).(
$$ $( # #
0*
)
) ( ( ' ' & & & &
'&.( #(&.# $' .
$# $& ))(
)
) ( ( ' ' ' & &
"
'&.( ($.# %().
$# $) #'
Tabel 4.49. Manpower Calculation Alternatif II
) ( ( ' ' ' & &
"
%#& )"%
/ / /
/ / / / / / / / / /
'&.( & .# %'#.(
" $( )%$
/ / / / /
/ / /
0
/
)
) ( ( ' ' & & & & %
'&.( #(&.# $' .
$$ $& ))(
3
)
) ) ( ' ' ' & & &
'&.( $#.# % ).(
$# $( # #
4 5
)
) ( ( ' ' & & & & %
'&.( "'$.# $#.#
$# $$ (
-
164
Universitas Mercu Buana
165
Berdasarkan perhitungan MPC, berikut Tabel 4.50 yang menunjukkan rangkuman kebutuhan jumlah jam lembur. Tabel 4.50. Kebutuhan Jumlah Jam Lembur
1%1 0 2*+ % 70 2 & "
#% &
'#
% " (#
) % * + ("
%
,)
- % ."
1
/% 0- , 12( "
3
4
!! ! !
!
! ! !
!
!
Jumlah lembur untuk Keseimbangan Lintasan Alternatif I adalah 1.197 jam termasuk 468 jam di hari off, sedangkan untuk Keseimbangan Lintasan Alternatif II adalah 230 jam termasuk 18 jam di hari off. Jadi dengan Keseimbangan Lintasan Alternatif II, lembur bisa diturunkan sampai dengan: 1.197 − 230 = 967 jam; atau sekitar 81%, termasuk menurunkan lembur di hari off sebesar: 468 − 18 = 450 jam; atau sekitar 96%. Apabila dilihat dari sisi biaya, lembur pada Keseimbangan Lintasan Alternatif I cukup menjadi beban karena lembur banyak terjadi pada hari off. Selanjutnya adalah perhitungan biaya-biaya yang dapat diidentifikasikan dari dua kondisi keseimbangan lintasan tersebut.
Universitas Mercu Buana
166
4.2.7
Perhitungan Biaya
Di sini, kita memperkirakan nilai uang yang muncul di Lini A/F 4WV akibat praktek keseimbangan lintasan baik yang bersifat pendapatan maupun pembelanjaan perusahaan. Nilai uang ini diperhitungkan secara agregat dan mengacu pada data biaya yang telah kita cantumkan pada halaman 96–98, yaitu: a. penerimaan,
e. biaya area,
b. biaya tenaga kerja langsung,
f. biaya energi, dan
c. biaya lembur,
g. biaya perubahan sediaan WIP,
d. biaya bahan, dari perbaikan keseimbangan lintasan. Namun, perbaikan yang telah kita lakukan tidak merubah tata letak fasilitas maupun luas area sehingga biaya area tidak akan diperhitungkan. Perhitungan biaya-biaya tersebut diuraikan di bawah ini. a.
Penerimaan
Penerimaan di sini merupakan unit rencana produksi dalam Tabel 4.46 atau Tabel 4.47 dikalikan harga per unit. Harga rataan per unit berdasarkan data biaya adalah Rp40.000,00/unit. Selama jangka waktu 2 tahun (2007 - 2009) terdapat faktor paling berarti yang mempengaruhi kenaikan harga produk ini, yaitu nilai tukar yen (U) terhadap rupiah (Rp) karena FOB14 bahan paling utama dan paling mahal yaitu Paper TNF dinilai dalam satuan yen. Untuk mendapatkan harga tahun 2009 kita perlu mendeflasinya dengan terlebih dahulu membuat indeks harga barang berdasarkan nilai tukar yen terhadap rupiah. Kisaran/perkiraan nilai tukar yen terhadap rupiah pada tahun 2007 adalah Rp85 per U1 dan pada tahun 2009 adalah Rp100 per U1. Dengan memakai tahun 2009 sebagai tahun dasar (base period indeks = 100 by definition) maka Indeks2007 = =
14
Y en2007 × 100 Y en2009 Rp85 × 100 = 85% Rp100
FOB adalah Free On Board, yaitu harga sampai di atas alat tempat pengangkutan.
Universitas Mercu Buana
167
sehingga
Def lasi = =
Harga2007 × 100 Indeks2007 Rp40.000 × 100 = Rp47.058, 82 ≈ Rp47.000, 00. 85
Jadi nilai relatif Rp47.000,00 di tahun 2009 sama dengan nilai Rp40.000,00 di tahun 2007. Dengan harga Rp47.000,00/unit jumlah penerimaan per 2009 dari dua alternatif keseimbangan lintasan ditunjukkan Tabel 4.51 di bawah ini . Tabel 4.51. Jumlah Penerimaan per 2009
Tabel 4.51 di atas menunjukkan bahwa jumlah keseluruhan penerimaan dari dua alternatif keseimbangan lintasan hanya berbeda 0,08% karena inilah yang diharapkan nantinya, di mana bentuk peningkatan produktivitas adalah ”jumlah keluaran dalam mencapai tujuan sama dicapai dengan menggunakan sumber daya yang lebih sedikit”15 . 15
Lihat kembali tiga bentuk peningkatan produktivitas menurut Dewan Produktivitas Nasional RI pada halaman 52
Universitas Mercu Buana
168
b.
Biaya Tenaga Kerja Langsung
Berdasarkan data biaya, biaya tenaga kerja langsung adalah Rp2.291.667,00 per orang per bulan (termasuk tunjangan-tunjangan kerja). Selanjutnya, dari praktek keseimbangan lintasan diketahui bahwa Keseimbangan Lintasan Alternatif I tidak merubah jumlah tenaga kerja sehingga tetap 6 orang jadi Biaya tenaga kerja langsung = 6 orang × Rp2.291.667, 00 = Rp13.750.002, 00/bulan, sedangkan Keseimbangan Lintasan Alternatif II mensyaratkan penambahan tenaga kerja sebanyak 1 orang sehingga menjadi 7 orang jadi Biaya tenaga kerja langsung = 7 orang × Rp2.291.667, 00 = Rp16.041.669, 00/bulan. Dari perhitungan ini diketahui bahwa pada Keseimbangan Lintasan Alternatif II terjadi kenaikan biaya tenaga kerja sekitar 17%. c.
Biaya Lembur
Perhitungan lembur menggunakan Persamaan (4.1) dikalikan jumlah tenaga kerja yang digunakan, dan karena kebutuhan lembur diratakan sebanyak hari kerja dalam bulan perencanaan maka dapat kita kalikan dengan jumlah hari kerja tersebut untuk mendapat jumlah biaya lembur dalam sebulan. Untuk lebih jelasnya lihat Tabel 4.52 di bawah ini yang menunjukkan biaya lembur per 2009. Tabel 4.52. Biaya Lembur per 2009 + *+ + !
,
"
#
$"%#
&$
%
-./
%
$
%!%&
'" ( ' &)
Universitas Mercu Buana
169
Tabel 4.52. (lanjutan) 2
%
12 2 % '
(
& )
3
*
+),*
-+
,
!4
,
% +
%
,(,-
' .) / '.-* -0 "
"
"" "
"
"
"
"
"
"
"
"" "
"
"" "" "
"
"" "" "
"
"" "
"
"" "" "
"
"" "" 0
!" ##$
' .) / '.-* --0 !
"
"
"
"
"
"
"" "" "
"
$$
$$
$$
$$
$$
$$
$$
"
"
$$
$$
$$
$$
$$
$$
$$
"
"
$$
$$
$$
$$
$$
$$
$$
"
"
$$
$$
$$
$$
$$
$$
$$
"
"
"
"
"
"
$$
$$
$$
$$
"
"
"
"
$$
$$
$$
# $$
$$
# $$
# $$
$$
# $$
$$ 0
5 $46 4!
Meskipun Keseimbangan Lintasan Alternatif II menaikan biaya tenaga kerja sekitar 17%, biaya lembur dapat diturunkan sampai sekitar 84%.
Universitas Mercu Buana
170
d.
Biaya Bahan
Perhitungan biaya bahan per satuan produk jadi ditunjukkan Tabel 4.53 dan biaya lembur per bulan per 2009 ditunjukkan Tabel 4.54 di bawah ini. Tabel 4.53. Perhitungan Biaya Bahan per Satuan Produk Jadi )) * $% & ' " "
#!
*
"
% % &
'
()# * $
!
-"
a
b c
+ '
, -
%
( ( " "
#
! #$
)) * & "
-
0
3 4
!
!4
0
44
!
!4
* *
% )
. $*$ $#$-
%3!
)
)
' )
,) +
)
/
,
66
66
66
66
66
66
66
66
66
66
66
66
. $
%
3 %
!4
3% 5
66
66
5%
4
#$ 1 2
%
3 %
!4
3
66
66
5
4
3 !%
66
66
66
66
%%
66
66
66
66
4
66
66
66
!%
66
66
66
#$
"
%
#$
"
#$
" % 3 4
#$
"
5!
#$
"
%3 %
4344 3 4!
( )
"
#$ 1 2
%
-
)+ !+ )+
!. 0,0
%3! 3
%
5
3 %5
66
66
3 !%
66
66
%%
66
66
66
4
66
66
66
66
!%
66
66
66
66
66
" .*
"
%!
%!
66
66
66
66
66
66
%!
/
"
3 4
3 !4
66
66
66
66
66
66
3 !4
"
3 4
! 5
66
66
66
66
66
* !
66 "
! 5
12 344
Nilai tukar (exchange rate) diperoleh dari: Kabar pasar [Television broadcast] (Jakarta: TVOne, 2009, July 30, 03:07 PM) Landed rate untuk bahan yang diimpor adalah 1,0571 (lihat Tabel 4.9). Harga pemrosesan stamping di Lini Part Press adalah Rp7,30 per detik.
Tabel 4.54. Biaya Bahan per 2009
Jadi, perbedaan jumlah kebutuhan bahan dari dua alternatif keseimbangan lintasan adalah 0,08% atau sesuai dengan perbedaan jumlah penerimaan.
Universitas Mercu Buana
171
e.
Biaya Energi
Berdasarkan data biaya, jumlah penggunaan energi untuk oven conveyor adalah 6,69 KW dan biaya 1 KWH adalah Rp659,00. Jadi, biaya energi per bulan adalah 6,69 KW dikali kebutuhan jam kerja (termasuk lembur) selama satu bulan dikali Rp659,00. Tabel 4.55 di bawah ini menunjukkan biaya energi per 2009. Tabel 4.55. Biaya Energi per 2009 !"# $ "
%
$ #% &
%
$ '#
%
! % " (#
$ )%! ( *
%
$ +,
% ) (-
% *.
!
!
Jadi, Keseimbangan Lintasan Alternatif II lebih menghemat energi sebesar 31%.
Universitas Mercu Buana
172
f.
Biaya Perubahan Sediaan WIP
Pada Keseimbangan Lintasan Alternatif I jumlah sediaan WIP berupa protector adalah 3 unit per satu siklus pembuatan produk, sedangkan pada Keseimbangan Lintasan Alternatif II jumlah sediaan WIP adalah 0 unit. Jadi, Keseimbangan Lintasan Alternatif II dapat menghemat biaya dari pengurangan 3 sediaan WIP tersebut. Dengan harga protector = Rp1.386,00/unit (lihat Tabel 4.53), rincian biayanya adalah sebagai berikut
P enghematan = biaya per siklus
U nit W IP Harga × sekarang W IP
−
U nit W IP Harga × perbaikan W IP
= (3 unit × Rp1.386, 00) − (0 unit × Rp1.386, 00) = Rp4.158, 00. Untuk perhitungan biaya sediaan WIP per bulan adalah jumlah rencana produksi pada Keseimbangan Lintasan Alternatif II dikali Rp4.158,00 dikali interest 1%. Hasil perhitungan keseluruhan ditunjukkan Tabel 4.56 di bawah ini. Tabel 4.56. Penghematan Biaya Sediaan WIP pada Keseimbangan Lintasan Alternatif II per 2009
Jadi, dengan Keseimbangan Lintasan Alternatif II kita dapat menghemat biaya sekitar 1 juta rupiah per bulan atau sekitar 45% jika dibandingkan biaya tenaga kerja.
Universitas Mercu Buana
173
4.2.8
Pengukuran Produktivitas
Dari perhitungan biaya di atas dapatlah kita menyusun Persamaan 2.46 untuk indeks produktivitas total menjadi Persamaan 4.2 sebagai berikut P roduktivitas total =
Agregat keluaran Agregat masukan
=
P enerimaan . Biaya tenaga Biaya kerja + perubahan Biaya lembur+ − sediaan Biaya bahan+ W IP Biaya energi
(4.2)
Perhitungan indeks produktivitas total disampaikan dalam Tabel 4.57 pada halaman berikutnya dan di bawah ini Gambar 4.36 yang merupakan grafik perbandingan dari perhitungan indeks produktivitas total tersebut.
Gambar 4.36. Grafik Perbandingan Indeks Produktivitas Total
Dari Gambar 4.36 di atas tampak bahwa indeks produktivitas Keseimbangan Lintasan Alternatif II lebih tinggi pada bulan apapun dibandingkan dengan indeks produktivitas Keseimbangan Lintasan Alternatif I. Selain itu, indeks produktivitas Keseimbangan Lintasan Alternatif II lebih stabil/tidak terlalu berfluktuatif dibandingkan indeks produktivitas Keseimbangan Lintasan Alternatif I.
Universitas Mercu Buana
!" #
!" #
!
"
Tabel 4.57. Perhitungan Indeks Produktivitas Total
!
! "
#" #
$ % $
174
Universitas Mercu Buana
BAB V
HASIL DAN ANALISIS 5.1
Evaluasi Permintaan
Permintaan untuk filter udara mobil yang diproduksi Lini A/F 4WV PT Denso Indonesia menunjukkan peningkatan selama beberapa tahun terakhir. Gejala ini terlihat sepanjang tahun 2006-2009 seperti ditunjukkan Tabel 5.1 di bawah ini. Tabel 5.1. Permintaan Air Filter 4WV per 2006-2009
! ! ! ! ! ! ! ! ! ! ! !
! ! ! ! ! ! ! ! ! ! ! !
# ! " "
# #
! !
# " !
#
!
#
! !
" !
" " " "
# #
! !
" "
" " ! "!
! "
175
# # # #
Universitas Mercu Buana
176
Tabel 5.1. (lanjutan)
" " " ! !
"
# #
" " !
#
" !"
"
#
" !
#
! ! "
# #
!
#
!
#
!
#
"
Permintaan sepanjang tahun 2006-2008 adalah permintaan aktual, sedangkan untuk tahun 2009 masih bersifat ramalan. Peramalan didasarkan pada model deret waktu, dalam hal ini menggunakan metode dekomposisi multiplikatif. 5.1.1
Evaluasi Metode Peramalan
Metode dekomposisi multiplikatif adalah metode terbaik dari uji-coba tiga metode, yaitu metode dekomposisi multiplikatif (MDM), metode dekomposisi aditif (MDA), dan metode na¨ıve. Khusus untuk metode na¨ıve diuji-coba melalui pengukuran statistik U-Theil. Perhatikan Tabel 4.32, hasil pengukuran statistik U-Theil menunjukkan metode na¨ıve tidak lebih baik daripada kedua metode lainnya karena memiliki nilai kurang dari satu (< 1), di mana Umdm = 0, 02547 dan Umda = 0, 02761. Jadi, metode na¨ıve batal digunakan.
Universitas Mercu Buana
177
Selanjutnya untuk perbandingan kedua metode lainnya, perhatikan MAD pada Gambar 5.1 di bawah ini bahwa MDM memiliki galat yang lebih kecil daripada galat MDA. Artinya nilai permintaan hasil MDM lebih mendekati kenyataan aktual-historis. MAD mendasarkan penilaian pada galat mutlak sehingga dapat kita pastikan bahwa nilai terkecil/terbaik adalah 0 (tidak ada nilai < 0 atau nilai negatif). ! "!! !
# !$
% "!! !
Gambar 5.1. Diagram Balok untuk Galat Peramalan
Kemudian, apabila kita ”menghukum” galat tersebut lebih tinggi dengan MSE maka galat MDM tetap lebih kecil dari galat MDA. Selain itu, persentase kesalahan peramalan dari MDM pada MAPE adalah sekitar 3,8%, sedangkan MDA memiliki persentase kesalahan yang lebih besar yaitu 4,3%. Namun berdasarkan tracking signal, kedua metode masih di luar batas kendali ±2 MAD (lihat Gambar 5.2).
Gambar 5.2. Tracking Signal
Persoalan ini dapat kita abaikan karena masih dalam batas kendali ±4 MAD seperti yang direkomendasikan para pakar managemen. Jadi, MDM layak digunakan untuk metode peramalan.
Universitas Mercu Buana
178
5.1.2
Evaluasi Permintaan dan Kondisi Pasar
Kembali lagi kita perhatikan Tabel 5.1 di atas, apabila kita plot-kan maka akan berbentuk pola data seperti ditunjukkan Gambar 5.3 di bawah ini " "
! #$$ %
% &
'( '(
!
) )
Gambar 5.3. Plot Permintaan Air Filter 4WV per 2006-2009
Secara grafis dengan metode semi-average, kita mendapatkan garis trend yang mendaki (menaik). Namun, ini belum jaminan trend tersebut ada atau berarti (significant). Dengan metode first difference test, dalam Tabel 5.1, kita menemukan bahwa terdapat kenaikan sebanyak: 5 + 6 + 7 + 7 = 25 kali, sedang penurunan sebanyak: 6 + 6 + 5 + 5 = 22 kali. Dari perbandingan ini, kita cenderung mengharapkan adanya trend yang naik. Selanjutnya dengan menganggap bahwa perbedaan naik dan turun terpancar secara normal, kita menguji hipotesis nul (Ho ) terhadap hipotesis alternatifnya (Ha ); yang dirumuskan untuk jumlah kalinya naik saja, yaitu Hipotesis nul, Ho : Jika banyaknya naik sama dengan banyaknya turun, maka trend tidak ada/tidak berarti (not significant). Hipotesis alternatif, Ha : Jika banyaknya naik lebih besar dari banyaknya turun, maka trend ada/berarti (significant). Adapun kriteria pengujian hipotesisnya adalah • Terima Ho jika z-hitung < z-tabel, atau • Tolak Ho jika z-hitung > z-tabel.
Universitas Mercu Buana
179
Pada taraf nyata (α) sama dengan 5%; dari kurva normal baku dengan satu ujung wilayah kritis (the one-sided critical region), nilai z-tabel sama dengan 1,645 (lihat Tabel A) dan nilai z-hitung sama dengan (m − µ) − 0, 5 σ (25 − 23, 5) − 0, 5 = = 0, 9682 1, 0328
zα =
di mana m = jumlah kalinya naik yang teramati µ = jumlah kalinya naik yang diharapkan, yaitu 48 − 1 N −1 = = 23, 5 = 2 2 σ = galat r naik dan turun r baku dari n+1 47 + 1 = = = 1, 0328. n−f 47 − 2 Pengujian dapat dilihat pada Gambar 5.4 di bawah ini.
# ! !" %
#$
&
!"
Gambar 5.4. First Difference Test for Trend
Pada Gambar 5.4 di atas diketahui bahwa nilai z-hitung berada di dalam wilayah penerimaan hipotesis yang berarti banyaknya naik sama dengan banyaknya turun. Oleh karena itu, trend tidak ada/tidak berarti. Jika cara semi average menunjukkan suatu trend naik, sedangkan first difference test menyatakan tidak ada trend maka dapat kita asumsikan bahwa permintaan mengalami pertumbuhan yang kecil. Asumsi ini diperkuat dengan kenaikan jumlah permintaan tiap tahun.
Universitas Mercu Buana
180
Selanjutnya, mari kita buktikan asumsi pertumbuhan yang kecil tersebut. Berikut analisis pertumbuhan setiap tahun. • Jumlah permintaan dari 2006 ke 2007 naik sebesar: 242.699 − 219.709 = 22.990 unit sehingga pertumbuhan 2007: (22.990 ÷ 219.709) 100 = 10%. • Jumlah permintaan dari 2007 ke 2008 naik sebesar: 275.994 − 242.699 = 33.295 unit sehingga pertumbuhan 2008: (33.295 ÷ 242.699) 100 = 14%. • Jika ramalan tahun 2009 terbukti maka terjadi kenaikan dari tahun 2008 sebesar: 300.648 − 275.994 = 24.654 unit sehingga pertumbuhan 2009: (24.654 ÷ 275.994) 100 = 9% Jadi, memang benar terjadi pertumbuhan yang sangat kecil, yaitu di bawah 14%. Krisis keuangan dunia di tahun 2009 diperkirakan tidak terlalu berarti mempengaruhi pertumbuhan. Hal ini dikarenakan beberapa alasan diantaranya: • Pengalaman krisis ekonomi tahun 1997/1998 menunjukkan tingkat penjualan suku cadang justru meningkat karena masyarakat tidak lagi membeli mobil baru, tapi memanfaatkan mobil lama dan itu membutuhkan suku cadang1 . • Pasar ekspor produk A/F 4WV adalah Asia Tenggara yang tidak terlalu parah terkena dampak krisis, sedangkan untuk jumlah ekspornya sendiri adalah berkisar 19% dari basis produksi (rencana 2010)2 . • Sebagian besar produk dijual sebagai suku cadang (after market, A/M)3 dan sisanya dikirim ke pabrikan mobil (original equipment, O/E) sehingga permintaan tidak terlalu terpengaruh oleh menurunnya permintaan mobil. • Permintaan suku cadang maupun kendaraan bermotor diperkirakan tidak akan terlalu berubah drastis karena peningkatan nilai dollar dan yen terhadap rupiah diimbangi oleh penurunan harga minyak dunia. Meskipun tidak terjadi trend, pertumbuhan 9% sudah mengisyaratkan kepada managemen lantai produksi untuk meningkatkan kapasitas produksi di tahun 2009 agar sesuai dengan kebutuhan pelanggan. Selanjutnya, kita akan melakukan analisis di lantai produksi yang dimulai dengan evaluasi waktu gerakan tak bernilai tambah. 1 2 3
Lihat halaman 1. Lihat Gambar 4.4 halaman 71. Lihat juga Gambar 4.6 halaman 74
Universitas Mercu Buana
181
5.2
Evaluasi Waktu Gerakan Tak Bernilai Tambah
Evaluasi ini bertujuan melihat seberapa besar persentase waktu gerakan tak bernilai tambah (e.g., mengambil, membawa, meletakkan) pada suatu operasi/tugas. Ini berguna sebagai bahan acuan untuk perbaikan gerakan kerja. Evaluasi ini hanya ditujukan untuk subsekuen assembly Lini A/F 4WV. Gambar 5.5 di bawah ini menunjukkan evaluasi yang dimaksud.
# " % %
$
! %&
'
! %&
!
'
"
!
( )*
&& +
( )*
&& +
,
( )*
&& +
! !
"
!#
!
"
""
"
! # !
!
!
! !
))
,
, ))
))
,
,
"
!
"
" !
##$
##$
Gambar 5.5. Evaluasi Waktu Gerakan Tak Bernilai Tambah
Universitas Mercu Buana
182
Dari Gambar 5.5 di atas diketahui bahwa waktu gerakan sudah cukup baik, di mana waktu gerakan/elemen kerja tak bernilai tambah lebih sedikit dibandingkan dengan waktu gerakan bernilai tambah. Namun, managemen tetap harus melakukan perbaikan gerakan kerja secara terus-menerus terutama memfokuskan perhatian pada operasi Binder Caulking karena memiliki gerakan tak bernilai tambah lebih banyak, sedangkan 85% gerakan tak bernilai tambah pada operasi Forming Cutting merupakan gerakan ”membawa” yang dilakukan oleh mesin sehingga tidak perlu perbaikan, kecuali melakukan penyesuaian kecepatan gerakan mesin dengan operasi Binder Caulking yang sudah diperbaiki. Selanjutnya, kita lihat Gambar 5.6 di bawah ini yang menunjukkan evaluasi waktu gerakan tak bernilai tambah pada masing-masing alternatif keseimbangan lintasan.
Gambar 5.6. Evaluasi Waktu Gerakan Tak Bernilai Tambah pada Masing-Masing Alternatif Keseimbangan Lintasan
Ternyata Keseimbangan Lintasan Alternatif II lebih baik dari Keseimbangan Lintasan Alternatif I karena lebih meminimalkan waktu gerakan tak bernilai tambah. Hal ini terjadi karena Keseimbangan Lintasan Alternatif II menghilangkan elemen kerja Letakkan (PR) pada operasi Spot Welding. Selanjutnya, kita akan menganalisis lebih jauh mengenai dua alternatif keseimbangan lintasan ini.
Universitas Mercu Buana
183
5.3
Analisis Keseimbangan Lintasan
Praktek keseimbangan lintasan menghasilkan dua alternatif keseimbangan lintasan, yaitu: Keseimbangan Lintasan Alternatif I yang merupakan keseimbangan lintasan berdasarkan kondisi yang ada saat ini dan Keseimbangan Lintasan Alternatif II yang merupakan keseimbangan lintasan hasil perbaikan. Kondisi dua alternatif keseimbangan lintasan tersebut ditunjukkan dalam Gambar 5.7.
(a) Keseimbangan Lintasan Alternatif I
(b) Keseimbangan Lintasan Alternatif II
Gambar 5.7. Diagram Balok untuk Analisis Keseimbangan Lintasan
Tujuan perbaikan keseimbangan lintasan adalah menyesuaikan diri dengan tingkat permintaan tahun 2009 yang mengalami pertumbuhan 9%. Untuk itu, lantai produksi harus memacu kerja dengan menggunakan takt time sebesar 19,14 detik per unit atau 188 unit per jam. Perhatikan Gambar 5.7a, lini perakitan selama ini beroperasi dengan bottleneck sebesar 33,34 detik atau 74% lebih besar (baca lebih lambat) dari takt time yang berarti menciptakan waktu tunggu (lead time) yang lama bagi pelanggan sehingga berisiko terhadap kepuasan pelanggan atau dapat menciptakan lembur yang berkepanjangan. Wajar jika saat penelitian, penulis mendapatkan kenyataan bahwa sering terjadi lembur berkepanjangan dan hal ini sudah berlangsung sejak beberapa bulan lalu. Ketidakseimbangan beban kerja pun tampak ketika bottleneck tersebut dirangkai oleh WS-2 yang memiliki waktu siklus sebesar 14,38 detik atau 57% lebih kecil (baca lebih cepat) dari bottleneck sehingga menciptakan sediaan WIP sepanjang waktu. Kondisi ini dapat kita lihat secara kasat mata di lapangan, di mana pada WS-1 sering terlihat tumpukan protector siap rakit yang jumlahnya berkisar antara 3 sampai 5 unit.
Universitas Mercu Buana
184
Ketidakseimbangan dan bottleneck yang cukup besar ini memaksa kita untuk menambah satu stasiun kerja agar lini perakitan dapat menyeimbangkan beban kerja dan menyesuaikan diri dengan tingkat permintaan di tahun 2009. Perhatikan Gambar 5.7a dan 5.7b, perbaikan memfokuskan perhatian pada WS-3, di mana kita mencoba menambahkan WS-4 untuk membantu tugas-tugas WS-3. Selanjutnya untuk mencapai keseimbangan proses dan mendekati takt time, kita mengalokasikan beberapa elemen kerja dari WS-1 ke WS-2 sehingga terjadi proses penambahan sekaligus pengurangan elemen kerja dalam WS-2. Berikut Tabel 5.2 yang diambil dari standardized work combination sheet sebagai perbandingan elemen kerja pada dua alternatif keseimbangan lintasan. Tabel 5.2. Perbandingan Elemen Kerja pada Masing-Masing Alternatif Keseimbangan Lintasan
! #"
$
! #"
!" #
!
! &
%%"
$ !" #
'
2
&
( ) *
' $ &
,-
. "#
'
,-
. "#
& '
*" '
,-
,-
. "#
. "#
&
*" &
%%"
22
!
( '
,
&
%%"
) * !
%%/
) * *"
) * + # "% 1" -- / 2
$
) * ) 0
+
) 0
) * *"
$ &
$
) * ) 0
# "% 1" -- / 22
) 0 & *"
%%/
) 0
) 0 ) * +
# "% 1" -- /
$
,
+
$
) 0 *"
) 0
&
Karena perbaikan ini, bottleneck pindah dari WS-3 ke WS-2, sedangkan waktu siklus terkecil sekarang berada di WS-3. Adapun bottleneck turun 34% dari 33,34 detik menjadi 22,1 detik, sedangkan waktu siklus terkecil sekarang adalah 15,67 detik. Tentunya ini mengurangi lembur karena selisih bottleneck dan takt time turun dari 74% menjadi 15% dan juga menurunkan tumpukan sediaan WIP karena selisih waktu siklus terkecil dengan bottleneck turun dari 57% menjadi 29%.
Universitas Mercu Buana
185
Berdasarkan pengolahan data, rincian perbandingan dari dua alternatif keseimbangan lintasan ini disampaikan dalam Tabel 5.3 di bawah ini. Tabel 5.3. Perbandingan Keseimbangan Lintasan & &" !"# ) # $
!"# $ " # % # " "# "% " '
! !
*
+
!" # $ "# % # " " # "% " '
% ( "#
! !
"
#
#
$
$
#
#
#
%
$
$
#
#
"
Dari Tabel 5.3 di atas, kita juga dapat mengetahui bahwa Keseimbangan Lintasan Alternatif II dapat menurunkan tundaan seimbang dari 24% menjadi 15% sehingga memiliki alokasi tugas yang lebih sempurna yang dapat memperkecil tundaan-tundaan (delays) di keseluruhan stasiun kerja. Hal ini berimbas pada tingkat efisiensi lini yang meningkat dari 76% menjadi 85%. Keseimbangan Lintasan Alternatif II pun relatif lebih lancar karena waktu menganggur yang membebani kelancaran tersebut berhasil dikurangi, yang mana hal ini ditunjukkan oleh indeks kelancaran yang dipotong dari 20 menjadi 8. Karena terjadi keseimbangan proses yang lebih baik dan waktu menganggur yang berkurang maka jumlah sediaan WIP yang pada awalnya menumpuk di WS-1 sebanyak 3 unit per satu siklus pembuatan satu unit produk dapat kita turunkan menjadi 0 unit per satu siklus pembuatan satu unit produk.
Universitas Mercu Buana
186
Berdasarkan unit yang dihasilkan, Keseimbangan Lintasan Alternatif II berhasil menaikkan keluaran per jam sebesar 51% dari 108 unit menjadi 163 unit. Namun, managemen masih perlu meningkatkannya lagi sebesar 15% agar mencapai pacu kerja tahun 2009, yaitu: 188 unit per jam (1 jam dibagi takt time). Kosu seharusnya dari Keseimbangan Lintasan Alternatif I dengan 6 tenaga kerja dan target 188 unit per jam adalah 114,9 detik, sedangkan kosu aktualnya dengan keluaran 108 unit per jam adalah 200 detik atau 74% lebih besar dari kosu seharusnya. Kosu untuk Keseimbangan Lintasan Alternatif II dengan 7 tenaga kerja dan target 188 unit per jam adalah 134 detik, sedangkan kosu aktualnya dengan keluaran 163 unit per jam adalah 154,6 detik atau 15% lebih besar dari kosu seharusnya. Di sini tampak bahwa Keseimbangan Lintasan Alternatif II memiliki produktivitas yang tinggi karena selisih kosu seharusnya dengan kosu aktualnya lebih kecil. Selain itu, angka kosu Keseimbangan Lintasan Alternatif II juga lebih kecil sehingga menurunkan waktu tunggu pelanggan. Pada pengambilan putusan untuk pelaksanaan produksi, rencana produksi dari dua alternatif keseimbangan lintasan hanya berselisih 0,08% dan masingmasing mendekati tingkat permintaan. Namun, Keseimbangan Lintasan Alternatif I membutuhkan banyak lembur untuk menghasilkan rencana produksi tersebut. Berdasarkan manpower calculation, kita mendapatkan bukti bahwa Keseimbangan Lintasan Alternatif I membutuhkan lembur yang lebih besar 81% dari jumlah lembur pada Keseimbangan Lintasan Alternatif II. Keseimbangan Lintasan Alternatif I layak digunakan jika tingkat permintaan berada pada kisaran: 108 unit per jam × 8 jam kerja × 20 hari kerja = 17.280 unit per bulan, sedangkan Keseimbangan Lintasan Alternatif II layak digunakan jika tingkat permintaan berada pada kisaran: 163 unit per jam × 8 jam kerja × 20 hari kerja = 26.080 unit per bulan. Berdasarkan uraian di atas, jelas bahwa Keseimbangan Lintasan Alternatif II memiliki banyak kelebihan, tetapi hal ini menambah biaya baru karena ada penambahan tenaga kerja baru. Selanjutnya, mari kita analisis produktivitasnya secara total berdasarkan biaya-biaya yang ditimbulkan.
Universitas Mercu Buana
187
5.4
Analisis Produktivitas
Berdasarkan pengolahan data Keseimbangan Lintasan Alternatif I memiliki rataan indeks produktivitas total tahun 2009 sebesar 1,23 dan Keseimbangan Lintasan Alternatif II sebesar 1,25. Untuk indeks produktivitas total setiap bulan, perhatikan Gambar 5.8 di bawah ini.
Gambar 5.8. Analisis Indeks Produktivitas Total
Dari Gambar 5.8 di atas tampak bahwa produktivitas Keseimbangan Lintasan Alternatif II lebih tinggi pada bulan apapun. Selain itu, indeks produktivitasnya lebih stabil/tidak terlalu berfluktuatif. Indeks produktivitas dari kedua keseimbangan lintasan ini memiliki jumlah keluaran yang sama namun memiliki masukan/sumber daya yang berbeda. Persentase biaya masukan dari penerimaan/keluaran ditunjukkan oleh Tabel 5.4 dan Gambar 5.9 di bawah ini. Tabel 5.4. Persentase Biaya Masukan dari Penerimaan
! "
! "
Universitas Mercu Buana
188
#
!"
Gambar 5.9. Persentase Biaya Masukan dari Penerimaan
Dari Tabel 5.4 dan Gambar 5.9 di atas diketahui bahwa faktor utama yang mempengaruhi peningkatan produktivitas pada Keseimbangan Lintasan Alternatif II adalah penurunan biaya lembur yang cukup drastis dari 1,78% ke 0,27% atau berselisih 1,51%, sedangkan penambahan tenaga kerja tidak bermasalah karena hanya berselisih: 1,38% − 1,18% = 0,2%. Keseimbangan Lintasan Alternatif II juga menurunkan biaya energi dan menghemat biaya dari perubahan/penurunan sediaan WIP. Laba (profit) yang diperoleh dengan Keseimbangan Lintasan Alternatif I adalah sebesar 18,14%, sedangkan laba yang diperoleh dengan Keseimbangan Lintasan Alternatif II adalah sebesar: Laba + Biaya perubahan sediaan WIP = 19,75% + 0,09% = 19,84% atau berselisih 1,44%. Oleh karena itu, jika pertumbuhan 9% terjadi di tahun 2009 maka managemen perlu menggunakan Keseimbangan Lintasan Alternatif II atau dengan kata lain perlu mengangkat tenaga kerja baru. Penambahan tenaga kerja baru berdasarkan analisis penulis bukanlah suatu masalah, tetapi justru akan meningkatkan produktivitas dan laba perusahaan.
Universitas Mercu Buana
BAB VI
SIMPULAN DAN SARAN Dari hasil analisis pada Bab V dan bab-bab sebelumnya, kita dapat menarik beberapa simpulan yang penting dan saran-saran yang dianggap perlu sebagai bahan pertimbangan bagi managemen PT Denso Indonesia dalam pengambilan putusan untuk pelaksanaan aktivitas produksi di Lini A/F 4WV. 6.1
Simpulan
Dari penelitian yang telah dilakukan, dapat ditarik beberapa simpulan, yaitu: a. Peningkatan permintaan per 2006-2008 setelah diuji dengan first diffrence test ternyata tidak menunjukkan suatu gejala trend. Walaupun demikian, kita menemukan terjadinya pertumbuhan sebesar 10% per 2007 dan 14% per 2008. Pada tahun 2009, tingkat permintaan berdasarkan ramalan metode dekomposisi deret waktu akan mengalami pertumbuhan sebesar 9%. b. Memasuki tahun 2009, kita mempunyai dua format keseimbangan lintasan, yaitu: Keseimbangan Lintasan Alternatif I yang berdasarkan kondisi tahun 2008 dan Keseimbangan Lintasan Alternatif II yang berdasarkan hasil perbaikan dengan penambahan satu stasiun kerja. Keseimbangan Lintasan Alternatif I mempunyai kriteria sebagai berikut: 1) Jumlah tenaga kerja: 6 orang (3 orang untuk assembling, 2 orang untuk finishing, dan 1 orang mizusumashi ). 2) Waktu siklus terbesar: 33,34 detik. 3) Waktu siklus terkecil: 14,38 detik.
189
Universitas Mercu Buana
190
4) Waktu gerakan bernilai tambah: 63%. 5) Tundaan seimbang: 24%. 6) Efisiensi lini: 76%. 7) Indeks kelancaran: 20. 8) Jumlah sediaan WIP per satu siklus pembuatan satu unit produk: 3 unit. 9) Keluaran per jam: 108 unit. 10) Kosu: 200 detik. Keseimbangan Lintasan Alternatif II mempunyai kriteria sebagai berikut: 1) Jumlah tenaga kerja: 7 orang (4 orang untuk assembling, 2 orang untuk finishing, dan 1 orang mizusumashi ). 2) Waktu siklus terbesar: 22,1 detik. 3) Waktu siklus terkecil: 15,67 detik. 4) Waktu gerakan bernilai tambah: 64%. 5) Tundaan seimbang: 15%. 6) Efisiensi lini: 85%. 7) Indeks kelancaran: 8. 8) Jumlah sediaan WIP per satu siklus pembuatan satu unit produk: 0 unit. 9) Keluaran per jam: 163 unit. 10) Kosu: 154,6 detik. Keseimbangan Lintasan Alternatif I hanya mempunyai kelebihan pada jumlah tenaga kerja, tetapi pada tingkat permintaan yang rendah Keseimbangan Lintasan Alternatif I mungkin akan menjadi pilihan terbaik. c. Berdasarkan analisis produktivitas terhadap penyeimbangan lintasan diketahui bahwa Keseimbangan Lintasan Alternatif II dapat meningkat indeks produktivitas total dari 1,23 menjadi 1,25. Selain itu, laba tahunan juga meningkat dari 18,14% menjadi 19,75% (dari pendapatan total). Meskipun jumlah tenaga kerjanya lebih besar, Keseimbangan Lintasan Alternatif II memiliki tingkat produktivitas yang tinggi sehingga dapat digunakan untuk meningkatkan kemampuan reaksi terhadap pertumbuhan permintaan sebesar 9% di tahun 2009.
Universitas Mercu Buana
191
Beberapa alasan lain untuk memilih Keseimbangan Lintasan Alternatif II adalah sebagai berikut: • penurunan 34% waktu tunggu (dari 33,34 menjadi 22,1 detik), • penurunan 23% kosu (dari 200 menjadi 154,6 detik), • penurunan 100% sediaan WIP (dari 3 menjadi 0 unit per siklus), • penurunan 81% lembur (dari 1.197 menjadi 230 jam per tahun), • peningkatan 51% keluaran per jam (dari 108 menjadi 163 unit per jam), • penurunan waktu gerakan tak bernilai tambah dari 37% menjadi 36%, • penurunan tundaan seimbang dari 24% menjadi 15%, • peningkatan efisiensi lini dari 76% menjadi 85%, dan • penurunan indeks kelancaran dari 20 menjadi 8. 6.2
Saran
Saran untuk para pengambil putusan di perusahaan adalah sebagai berikut: a. Berdasarkan kondisi pasar suku cadang otomotif saat ini, krisis ekonomi dunia di tahun 2009 diperkirakan tidak terlalu berarti mempengaruhi pertumbuhan yang sebesar 9% tersebut.
Oleh karena itu, managemen disarankan me-
ningkatkan/memperbaiki kapasitas produksi agar sesuai dengan kebutuhan pelanggan di tahun 2009. b. Managemen disarankan menggunakan Keseimbangan Lintasan Alternatif I jika permintaan 2009 jatuh pada kisaran: 108 unit per jam × 8 jam kerja × 20 hari kerja = 17.280 unit per bulan. Keseimbangan Lintasan Alternatif II sangat baik digunakan pada tingkat permintaan yang berada pada kisaran: 163 unit per jam × 8 jam kerja × 20 hari kerja = 26.080 unit per bulan. c. Jika pertumbuhan sebesar 9% terjadi di tahun 2009 maka sebaiknya managemen menggunakan Keseimbangan Lintasan Alternatif II yang berarti menambah tenaga kerja baru. Meskipun dalam falsafah perbaikan terus-menerus (kaizen) alternatif ini masih dipandang lemah, analisis penulis menunjukkan bahwa penambahan tenaga kerja baru bukanlah suatu masalah, tapi justru meningkatkan produktivitas dan laba perusahaan.
Universitas Mercu Buana
192
Saran untuk penelitian selanjutnya adalah sebagai berikut: a. Peramalan untuk suku cadang otomotif ini sebaiknya lebih teliti dengan memperhatikan hari perdagangan karena plot data permintaan per 2006-2008 tidak menunjukkan suatu gejala musiman yang jelas. Dalam hal ini, penulis menyarankan untuk menggunakan Metode Census II. b. Praktek keseimbangan lintasan di sini didasarkan pada pembagian beban pada setiap stasiun kerja menurut sistem produksi (production system). Sebaiknya untuk penelitian selanjutnya lebih jauh menganalisis waktu gerakan (motion time) seperti yang dilakukan pada analisis perancangan kerja (job design). c. Penelitian untuk analisis produktivitas total, penulis tidak mendapatkan biaya tetap (fixed cost). Penelitian selanjutnya sebaiknya mencoba mendapatkan biaya ini agar penelitian dapat menyimpulkan hubungan antara laba dan total produktivitas melalui suatu analisis titik impas (break even point analysis) untuk memahami perubahan laba dalam merubah total produktivitas.
Universitas Mercu Buana
DAFTAR PUSTAKA Akuntansi biaya. (2007). Retrieved June 23, 2007, from Wikipedia: http:// id.wikipedia.org/wiki/Akuntansi biaya Assauri, S. (1984). Teknik & metode peramalan: Penerapannya dalam ekonomi & dunia usaha (1st ed.). Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Barnes, R. M. (1980). Motion and time study design and measurement of work (7th ed.). New York: John Wiley & Sons, Inc. Buffa, E. S. (1994). Manajemen produksi/operasi (7th ed.; Antarikso & J. P. D. Sujono, Trans.). Jakarta: Penerbit Erlangga. (Reprinted from Modern production/operations management 7/e, 1983, John Wiley & Sons, Inc.) Denso. (2008). Retrieved May 26, 2008, from Wikipedia: http://en.wikipedia.org/ wiki/Denso Denso Corporation. (2007). Corporate profile 2007. Aichi: Denso Corporation. . (2008a). Global Denso overview. Retrieved May 26, 2008, from http:// www.globaldenso.com/en/aboutdenso/company . (2008b). Philosophy. Retrieved May 26, 2008, from http://www.globaldenso .com/en/aboutdenso/philosophy Denso Indonesia. (n.d.-a). Export destination. Retrieved May 26, 2008, from http:// www.denso.co.id/WEB.nsf/export?openpage . (n.d.-b). Major customer. Retrieved May 26, 2008, from http://www.denso .co.id/WEB.nsf/major?openpage . (n.d.-c). Sejarah perusahaan. Retrieved May 26, 2008, from http://www .denso.co.id/WEB.nsf/history?openpage . (1997). QCP filter tema 3: Menurunkan lead time proses di Air Filter 4WV (Laporan Kaizen Inventory Activity). Jakarta: PT Denso Indonesia. . (2008, February). Company profile [PowerPoint slides]. Jakarta: PT Denso Indonesia. Dilworth, J. B. (1989). Production and operations management: Manufacturing and nonmanufacturing (4th ed.). New York: Random House, Inc. Ducharme, C., & Ruddick, T. (2004, Summer). Assembly operations takt time. Retrieved October 13, 2001, from Massachusetts Institute of Technology, Leaders for Manufacturing Program Web site: http://
193
Universitas Mercu Buana
194
ocw.mit.edu/OcwWeb/Engineering-Systems-Division/ESD-60Summer-2004/ 123FA2AF-0A3F-4534-88F3-F84BDDFB2A78/0/8 1assembly op.pdf EViews. (2004). Eviews 5 user’s guide (Version 5.0) [Computer software and manual]. Irvine, CA: Quantitative Micro Software. Flinchbaugh, J. W. (1998). Implementing lean manufacturing through factory design. Unpublished master’s thesis, Massachusetts Institute of Technology, Boston, MA. Gaspersz, V. (n.d.). Line balancing dalam lean manufacturing. Retrieved April 10, 2008, from http://meidii.multiply.com . (2005). Production planning and inventory control berdasarkan pendekatan sistem terintegrasi MRP II dan JIT menuju manufakturing 21 (5th ed.). Jakarta: Gramedia Pustaka Utama. Imai, M. (1998). Gemba kaizen: Pendekatan akal sehat, berbiaya rendah pada manajemen (K. Jahja, Trans.). Jakarta: Pustaka Binaman Pressindo. (Reprinted from Gemba kaizen: A commonsense, low-cost approach to management, 1997, New York: McGraw-Hill) Inflasi 2009 diperkirakan 5-7 persen. (2009, January 8). Koran Tempo, p. A15. Krisis belum berpengaruh, permintaan masih stabil. (2008, October 14). Posmetro Padang News. Retrieved November 28, 2008, from http://www.posmetropadang .com/content/view/7611/124 Kusnadi, E. (2008). Praktikum sistem produksi di lingkungan Toyota Production System: Studi kasus Lini Air Filter 4WV PT Denso Indonesia. Unpublished industrial internship report, Program Studi Teknik Industri, Universitas Mercu Buana, Jakarta. LSP ITB. (2003). Keseimbangan lintasan. Retrieved December 31, 2007, from Departemen Teknik Industri Institut Teknologi Bandung, Laboratorium Sistem Produksi Web site: http://kuliah.lspitb.org/ti3122/LineBalance.pdf Makridakis, S. G., Wheelwright, S. C., & Hyndman, R. J. (1998). Forecasting: Methods and applications (3rd ed.). New York: John Wiley & Sons, Inc. , , & McGee, V. E. (1992). Metode dan aplikasi peramalan (2nd ed.; U. S. Andriyanto & A. Basith, Trans.). Jakarta: Erlangga. (Reprinted from Forecasting: Methods and applications, 1983, New York: John Wiley & Sons, Inc.) Minitab. (2006). Minitab statistical software, release 15 for Windows (Version 15.1.0.0) [Computer software]. Pennsylvania: Minitab Inc. Moris. (2008). Forecasting dictionary. Retrieved January 14, 2008, from http://morris.wharton.upenn.edu/forecast/dictionary/defined% 20terms.html#F Mundel, M. E. (1981). Motion and time study: Improving productivity (5th ed.). New Delhi: Prentice-Hall of India Private Limited. Niebel, B., & Freivalds, A. (1999). Methods, standard, and work design (10th ed.). Singapore: McGraw-Hill, Inc.
Universitas Mercu Buana
195
Pasaribu, A. (1983). Pengantar statistik (6th ed.). Jakarta: Ghalia Indonesia. Plossl, G. W., & Wight, O. W. (1979). Production and inventory control: Principles and techniques. New Delhi: Prentice-Hall of India Private Limited. Sales forecast. (2009). Retrieved March 6, 2009, from IIE Distribution & Marketing Terminology: http://www.iienet2.org/Details.aspx?id=1832 StatSoft, Inc. (2001). STATISTICA for Windows (Version 6.0) [Computer program manual]. Tulsa, Oklahoma: StatSoft, Inc. Suhardi, B. (2008a). Perancangan sistem kerja dan ergonomi industri jilid 1 untuk SMK. Jakarta: Direktorat Pembinaan Sekolah Menengah Kejuruan, Direktorat Jenderal Manajemen Pendidikan Dasar dan Menengah, Departemen Pendidikan Nasional. . (2008b). Perancangan sistem kerja dan ergonomi industri jilid 2 untuk SMK. Jakarta: Direktorat Pembinaan Sekolah Menengah Kejuruan, Direktorat Jenderal Manajemen Pendidikan Dasar dan Menengah, Departemen Pendidikan Nasional. Sutarman. (2003). Perencanaan persediaan bahan baku dengan model backorder. Infomatek , 5 (3), 141—152. TVOne. (2009, July 30). Kabar pasar [Television broadcast]. Jakarta: TVOne. Undang-Undang Nomor 13 Tahun 2003 tentang Ketenagakerjaan. (2003, March 25). Retrieved September 17, 2008, from http://www.hukumonline.com Walpole, R. E., Myers, R. H., & Myers, S. L. (1998). Probability and statistics for engineers and scientists (6th ed.). Upper Saddle River, New Jersey: PrenticeHall International, Inc. White, J. A. (1987). Production handbook (4th ed.). Canada: John Wiley & Sons. Wicaksono, R. A. (2007). Usulan penerapan 5S dalam upaya menurunkan biaya produksi pada industri kecil dan menengah: Studi kasus perusahaan sepatu Cibaduyut Bandung. Unpublished undergraduate thesis, Program Studi Teknik Industri, Institut Teknologi Bandung.
Universitas Mercu Buana