BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 2.1 Agile Manufacturing Agile manufacturing (or agile competition) adalah sebuah istilah yang memiliki kekayaan ide-ide. Hal ini membuat dengan jelas konsep yang ada, sehingga bagaimana sebuah perusahaan harus berjalan 5 sampai 10 tahun dari sekarang, ini adalah sebuah bisnis yang akan dijalankan, tidak hanya untuk bertahan hidup tetapi juga bisa menjadi perusahaan yang unggul, konsep yang dilakukan yaitu.4

1

Innovative alliances antara pemasok, pelanggan, dan manufaktur didalam penilaian.

2

Konsep teknologi yang powefull sehingga menjadi canggih.

Aliansi dan konsep yang terintegrasi ditandai oleh organisasi, tim produksi, sumber daya, customization, dan perduli terhadap isu-isu sosial. Tidak ada solusi yang baik agar perusahaan menjadi baik, tetapi ada empat yang bisa dilakukan, yaitu: 1. Enrich the customer a. Menjual solusi, yaitu menyediakan berbagai terbatas produk, informasi, dan jasa. 2. Cooperate to enhance competition a. Internal-lintas fungsional tim, sumber daya. b. Eksternal-pengelolaan rantai pasokan. 3. Organize to manage change uncertainty a. Rekonfigurasi tempat dan fasilitas. b. Pengambilan keputusan dengan cepat yang diberdayakan di semua tingkatan organisasi. 4. Leverage people and information a. Penyebaran kewenangan atau kekuasaan, sumber daya, dan penghargaan.

4

Revelle, 2001:8

5

2.2 Plant Layout Plant layout adalah kegiatan menganalisis, membentuk konsep, merancang, dan mewujudkan sistem bagi pembuatan barang atau jasa. Rancangan ini umumnya digambarkan sebagai plant layout, yaitu salah satu susunan fasilitas fisik (perlengkapan, tanah, bangunan, dan sarana lain).5

Plant layout merupakan salah satu langkah didalam perencanaan suatu pabrik secara lebih luas. Pemilihan dan penempatan alternatif layout merupakan langkah yang kritis dalam proses perencanaan fasilitas produksi, karena disini layout yang dipilih akan menentukan hubungan fisik dari aktivitas-aktivitas produksi yang berlangsung.6

Jumlah maupun luas area mesin yang diperlukan selesai ditentukan adalah menetapkan prosedur atau metode pengaturan tata letak dari fasilitas-fasilitas produksi tersebut. Ada empat macam atau tipe tata letak yang secara klasik umum diaplikasikan dalam desain layout, yaitu: 1.

Tata letak fasilitas berdasarkan aliran produksi (production line product atau product layout).

2.

Tata letak fasilitas berdasarkan lokasi material tetap (fixed material location atau Fixed position layout).

3.

Tata letak fasilitas berdasarkan kelompok produksi (product family, product layout atau group technology layout).

4.

Tata letak fasilitas berdasarkan fungsi atau macam-macam proses (functional atau process layout).

2.3 System Layout Planning System layout planning (SLP) itu adalah sebuah alat yang digunakan untuk mengatur tempat kerja di sebuah pabrik dengan menemukan dua daerah dengan frekuensi yang tinggi dan logis untuk hubungan yang dekat satu sama lain.7 Langkah system layout planning ini banyak diaplikasikan untuk berbagai macam masalah antara lain produksi, transportasi, pergudangan, supporting service, perakitan, aktivitas-aktivitas perkantoran 5

James M. Apple, 1990:2 Sritomo Wignjosoebroto, 2009:10 7 Murther R, 1984 6

6

dan lain-lain. Secara ringkas prosedur system layout planning dapat digambarkan dalam diagram sebagai berikut:

Gambar 2. 1 Prosedur pelaksanaan systematic layout planning (SLP) sumber: tata letak pabrik dan pemindahan bahan, Sritomo Wignjosoebroto, 2009

Gambar 2.1 menunjukkan bahwasanya langkah awal harus dimulai dengan pengumpulan data yang dipakai untuk perencanaan layout berdasarkan kegiatan produksi baik yang sedang berlangsung atau yang diramalkan. 2.4 Group Technology (GT) Group Technology (GT) adalah sebuah filosofi manufaktur yang mengidentifikasi komponen-komponen yang mirip dan mengelompokannya secara bersama agar mendapatkan keuntungan dari kemiripan dalam desain dan produksi.8 Group technology diyakini dapat meningkatkan efisiensi produksi dengan cara mengelompokkan 8

Rika Ampuh Hadiguna dan Heri Setiawan, 2008:38

7

bermacam-macam komponen dan produk berdasarkan kemiripan desain atau proses. Pada tipe produksi batch dengan multi product serta ukuran lot produksi yang kecil, secara konvensional setiap komponen dikerjakan tersendiri atau unik mulai desain hingga manufaktur. Oleh karena itu, pengelompokkan komponen-komponen yang mirip menjadi part

families, baik berdasarkan

desain, proses,

maupun

terhadap

keduanya,

memungkinkan peningkatan efisiensi. Efisiensi dicapai secara umum dengan pengaturan peralatan produksi ke dalam kelompok mesin atau sel-sel untuk memfasilitasi kerja lantai produksi.

Group Technology (GT) pun dipandang sebagai sebuah strategi manajemen untuk membantu mengeliminasi pemborosan yang disebabkan oleh duplikasi kerja. Group technology mempengaruhi semua bidang di perusahaan, termasuk teknik (engineering), perencanaan proses, pengendalian produksi, pengendalian kualitas, desain tool, pembelian, dan jasa. Beberapa manfaat yang terukur (tangible) dan tidak terukur (intangible) dalam mengimplementasikan group technology pada perusahaan dari segi fungsional adalah: 1.

Desain teknik (engineering) Manfaat yang diperoleh dalam desain teknik cenderung merupakan hal-hal yang mengarah pada pengurangan dalam desain komponen-komponen baru, pengurangan dalam jumlah penggambaran melalui standarisasi, pengurangan kerja drafting dalam penggambaran teknis baru, pengurangan jumlah komponen-komponen yang mempunyai fungsi serupa, dan identifikasi komponen-komponen pengganti.

2.

Perencanaan tata letak Manfaat cukup nyata dalam bidang pengaturan fasilitas produksi yang akan memberikan pengurangan dalam kebutuhan luas lantai dan berkurangnya kerja pemindahan barang.

3.

Spesifikasi peralatan, tools, jigs, dan fixtures Hal demikian merupakan konsekuensi prinsip pengelompokan mesin dan peralatan yang ada. Akibatnya akan ada standardisasi peralatan, implementasi sistem manufaktur seluler, berkurangnya jumlah tools, pallets, jigs, dan fixtures yang dibutuhkan, serta pengurangan nyata dalam lonjakan biaya yang terjadi dalam pelepasan komponen baru untuk manufaktur.

8

4.

Perencanaan proses Kemiripan proses yang dikelompokkan secara bersama akan mereduksi waktu set up dan waktu produksi. Kemudian, akan mudah mengidentifikasi alternatif urutan proses yang mengarah pada perbaikan urutan proses. Adanya pengurangan dalam jumlah operasi mesin dan waktu pembuatan program numerical control (NC) serta perbaikan pembebanan mesin dan siklus produksi akan lebih pendek.

5.

Pengendalian produksi Dalam bidang pengendalian produksi, manfaat yang diperoleh antara lain: pengurangan persediaan work in process, lebih mudah mengidentifikasi sumber bottleneck, perbaikan aliran material, berkurangnya biaya penggudangan, respon yang lebih cepat terhadap perubahan jadwal, dan perbaikan penggunaan jigs, fixtures, pallets, dan tools, serta pemindahan bahan dan peralatan manufaktur.

6.

Pengendalian kualitas Fungsi

pengendalian

kualitas

akan

memperoleh

manfaat

dalam

hal

berkurangnya jumlah cacat yang mengarah pada berkurangnya kerja inspeksi, berkurangnya kemunculan scrap baru, dan peningkatan akuntabilitas operator dan supervisor. 7.

Pengadaan (purchasing) Adanya pengkodean komponen akan mengarah pada standardisasi aturan pengadaan. Akibatnya, ada tambahan manfaat dalam hal keakuratan pengetahuan terhadap bahan baku yang dibutuhkan, sehingga pengadaan akan lebih ekonomis. Prosedur evaluasi pemasok pun akan lebih sederhana dan mengarah pada pengadaan just in time.

8.

Pelayanan kepada pelanggan Penerapan konsep group technology tentunya akan meningkatkan pelayanan terhadap pelanggan, yaitu akurat dan lebih cepat perkiraan biayanya. Kemudian, manajeman spare parts lebih efisien dan mengarah pada perbaikan pelayan kepada pelanggan.

9

2.5 Sistem Manufaktur Seluler Sistem manufaktur seluler (CMS) dapat didefinisikan sebagai sebuah aplikasi group technology yang melibatkan pengelompokan mesin berdasarkan komponen-komponen manufaktur yang dibuat sendiri. Tujuan utama pembuatan sendiri adalah mengidentifikasi sel-sel mesin dan part families secara simultan serta mengalokasikan part families ke selsel

mesin

sebagai

upaya

meminimalisi

perpindahan

komponen

antarseluler

9

(intercellular).

Agar implementasi konsep manufaktur seluler berhasil, dengan demikian harus dikembangkan tata letak mesin dalam sel-sel sedemikian rupa sehingga memperoleh perpindahan inter dan intracellular dari komponen-komponen minimum. Sebuah sel manufaktur adalah sebuah kelompok mesin atau proses yang ditempatkan secara berdekatan dan berfungsi memproses sebuah part familiy. Berkaitan dengan jumlah mesin, sebuah sel akan terdiri atas satu atau dua mesin, tetapi jarang lebih dari lima mesin10. Sebagai sebuah konsep, group technology tentunya mempunyai keterbatasan dan keunggulan antara lain: 1.

Keunggulannya adalah: a. Pemindahan bahan berkurang, yaitu pada tata letak group technology komponen diproses secara lengkap dalam sebuah sel, sehingga waktu perpindahan dan jarak menjadi minimal. b. Work in process berkurang, yang terlihat dari waktu antrian dan tunggu komponen serta rute yang pendek, sehingga WIP dapat dijaga pada tingkat yang rendah. c. Waktu penyelesaian (throughput time) berkurang, yang terjadi sebagai konsekuensi WIP yang berkurang, sehingga throughput time dapat diturunkan secara nyata dan akan memberikan kecepatan respon dan keandalan pengiriman. d. Waktu setup berkurang, karena komponen yang terkelompok dalam family mempunyai operasi sama, maka setup yang sama dapat digunakan untuk komponen-komponen berbeda.

9

Rika Ampuh Hadiguna dan Heri Setiawan, 2008:41 Askin dan Standridge, 1993

10

10

e. Ukuran batch ideal, ukuran akan diperoleh melalui pengurangan setup yang cukup besar, sehingga menghasilkan lot-lot yang ekonomis. f. Konsentrasi keahlian, lokalisasi dan spesialisasi sel untuk mengerjakan komponen-komponen

yang

mirip

menyebabkan

keahlian

akan

terkonsentrasi. g. Pengendalian persediaan lebih mudah, karena adanya standardisasi komponen, maka keragaman persediaan komponen akan berkurang. h. Aliran kmponen dan tools lebih sederhana karena umumnya sel-sel membutuhkan tools, jig, dan fixture yang terbatas dengan jarak pendek dan kurang rumit. i. Waktu pengiriman berkurang karena kemampuan sel memproduksi komponen tertentu dengan laju yang pasti akan memberikan hasil yang akurat dan andal dalam pengiriman. j. Pengurangan kebutuhan luas lantai, berkurangnya work in process (WIP) akan menyediakan lantai yang luas bagi mesin tambahan mesin maupun ekspansi. 2.

Keterbatasannya adalah: a. Biaya implementasi tinggi karena pengaturan ulang tata letak yang ada saat ini akan membutuhkan pekerjaan yang mahal serta merupakan bagian pembentukan sel manufaktur dan part times. b. Masalah yang berkaitan dengan mesin breakdown, overload, underload dan keseimbangan, karena pada sel manufaktur setiap mesin mempunyai fungsi yang kritis dalam selnya. c. Operator yang cakap dan ahli, alasannya adalah operator harus menguasai pertimbangan macam mesin dalam selnya. d. Trade off antara rencana proses “best” dan “suitable” yang disebabkan pertimbangan ketersediaan sel manufaktur yang ada. e. Kesulitan yang terjadi pada operasi out of cell, kesulitan merupakan konsekuensi

keterbatasan

proses

pengelompokan,

sehingga

akan

meningkatkan kompleksitas proses pemindahan bahan. f. Sinkronisasi produk pada perakitan karena komponen-komponen yang akan dirakit secara bersama dikerjakan pada sel manufaktur berbeda dengan waktu penyelesaian yang berbeda pula.

11

g. Perubahan range dan baur produk karena tidak mungkin secara langsung sel manufaktur diubah, sehingga berpotensi terjadinya bottleneck pada work centre tertentu. Keputusan untuk mengubah atau mendesain ulang sistem tentunya harus mempertimbangkan efeknya bagi peningkatan daya saing perusahaan. Desain sistem manufaktur seluler tentu ditujukan sebagai salah satu upaya memenuhi kebutuhan pelanggan, sehingga elemen-elemen kepuasan pelanggan dapat terpenuhi. Pemenuhan elemen-elemen kepuasan pelanggan pada akhirnya akan dapat menigkatkan daya saing perusahaan. Gambar 2.2 memperlihatkan keputusan desain formasi sel, prioritas kompetitif dan tujuan strategis perusahaan, serta kebutuhan-kebutuhan pelanggan yang ditujukan agar dapat memenuhi dinamika dan perubahan pasar.

Gambar 2. 2 Keterkaitan keputusan desain cms dan kebutuhan pelanggan sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

Ada dua tipe desain formasi sel yang berorientasi pada ukuran sel dan baur komponen, yaitu: larger number of smaller cells dan smaller number of larger cells. Kedua tipe ini merupakan dua kombinasi yang kerap muncul dalam proses keputusan

12

desain formasi sel. Konsekuensi memilih salah satunya akan memberikan dampak bagi potensi keunggulan kompetitif perusahaan. Ketika memilih jumlah sel yang lebih banyak dengan jumlah mesin setiap sel lebih sedikit atau larger number of smaller cells, maka potensi perbaikan yang akan diperoleh adalah keandalan dan kecepatan pengiriman, peka terhadap perubahan pasar, umpan balik yang lebih cepat bagai pengendalian kualitas dan stabilitasi penjadwalan produksi, serta aktivitas-aktivitas pengendalian. Lebih lanjut, pilihan demikian akan menjamin pengurangan biaya tenaga kerja dan pemindahan bahan serta memperluas proses manajemen kualitas. Namun, pilihan dapat pula menyebabkan kehilangan fleksibilitas saat ada perubahan produk, desain ulang komponen, dan ekspansi volume potensial.

Dalam mendesain formasi sel manufaktur, ada pula yang menggunakan kelompok kriteria evaluasinya, yaitu finansial dan nonfinansial. Finansial diperinci menjadi biaya investasi dan operasional terdiri atas lead time manufaktur, utilisasi mesin, utilisasi pekerja, keterawatan, keandalan, fleksibilitas, dan kualitas. Adapula pengklasifikasian desain formasi sel dengan pendekatan multikriteria. Kriteria dalam hal ini didefinisikan sebagai ukuran-ukuran, aturan-aturan, dan standar yang menuntun pengambil keputusan. Kriteria yang digunakan dalam desain formasi sel diklasifikasikan atas dasar objektif dan goal. Kemudian, objektif dibagi dalam kategori orientasi biaya dan kinerja. Dengan demikian, basis biaya digunakan untuk meminimalisasi biaya, sedangkan basis kinerja biasa meminimalisasi maupun memaksimalisasi. Pemerograman goal bertujuan meminimalisasi deviasi goal yang telah ditentukan terlebih dahulu. Secara lengkap, klasifikasi kriteria sebagai berikut: 1.

Minimalisasi biaya, antara lain, duplikasi mesin, biaya operasi, subkontrak komponen, perpindahan antarsel, perpindahan dalam sel, dan penggunaan luas lantai.

2.

Minimalisasi non-biaya, antara lain, mesin duplikasi, perpindahan antarsel, perpindahan dalam sel, ketidakseimbangan beban dalam sel, ketidakseimbangan dalam pabrik, ketidakmiripan komponen, dan skipping.

3.

Maksimalisasi non-biaya, terdiri atas fleksibilitas, efisiensi, utilisasi, dan kemandirian sel.

4.

Minimalisasi deviasi, terdiri atas kesamaan komponen, waktu mesin tersedia, upah operator, dalam sel, kesepadanan keahlian operator dan mesin,

13

perpindahan komponen, biaya investasi mesin, biaya operasi, waktu setup, utilisasi, ketersediaan finansial, dan perpindahan antarsel. Keluaran sebuah model penyelesaian akan menghasilkan beberapa informasi sebagai tambahan, yaitu: 1.

Segi komponen, antara lain kelompok komponen, kaitan komponen, komponen subkontrak, rencana proses berbeda, serta perpindahan antar dalam sel.

2.

Segi mesin, antara lain kelompok mesin, mesin duplikasi, pengaturan mesin dalam sel, dan utilisasi

3.

Secara umum, antara lain urutan komponen, kelompok pekerja, dan pengaturan sel dalam pabrik.

Gambar 2.3 berikut meperlihatkan beberapa teknik yang dikembangkan sebagai model penyelesaian desain formal sel manufaktur:

Metode Kendala

Pemrograman Matematik

Metode Pembobotan

Pemrograman Goal

Neural Network

Pendekatan Penyelesaian Heuristik

AHP

Algoritma Genetika Metode Pencarian

Simulated Annealing

Gambar 2. 3 Klasifikasi pendekatan penyelesaian

sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

14

Desain formasi sel manufaktur tidak akan terlepas dari kendala-kendala penting yang akan dihadapi, yaitu: 1.

Kapasitas mesin Kapasitas mesin adalah kendala paling penting, sehingga harus menjamin bahwa kapasitas yang cukup telah tersedia untuk memproses semua komponen. sehingga harus mengetahui jumlah setiap tipe mesin terlebih dahulu. Artinya, harus memberikan jaminan agar kendala kapasitas disetiap sel tidak dilanggar ketika mesin-mesin dialokasikan pada setiap sel dan komponen kedalam part families.

2.

Pertimbangan-pertimbangan keselamatan kerja dan teknologi Patut memperhatikan pertimbangan-pertimbangan keselamatan kerja atau teknologi saat dua atau lebih mesin ditempatkan dalam sel yang sama, tanpa menghiraukan jumlah komponen diantara dua mesin.

3.

Batas atas jumlah sel manufaktur dan ukuran sebuah sel manufaktur Pada sistem manufaktur seluler pekerja multifungsional mungkin akan ditempatkan untuk mengatur operasi-operasi beberapa sel dalam rangka memperbaiki utilisasi tenaga kerja. Karena ketersediaan tenaga kerja terlatih, maka harus menetapkan batas atas jumlah sel-sel. Penetapan demikian berarti pula menjadi batas atas jumlah mesin yang ada pada sebuah sel. Secara praktis, manajer dapat menentukan batas atas jumlah sel dan ukuran sel berdasarkan pengalamannya. Dalam hal ukuran sel, batas bawah mungkin pula ditentukan, misalnya untuk menjamin bahwa setiap pekerja ditempatkan dengan workload yang minimum.

4.

Minimalisasi biaya pemindahan bahan intercellular dan intracellular Pada sebuah sistem manufaktur seluler yang ideal, tidak ada aliran antarsel, tetapi pada kenyataannya sulit membentuk kelompok mesin tanpa ada aliran antar kelompok mesin. Sebuah tujuan yang sama pentingnya adalah minimalisasi

pemindahan

komponen-komponen

intracellular

yang

membutuhkan sebuah desain tata letak untuk setiap sel. 5.

Utilisasi mesin Kendala utilisasi mesin menjadi isu penting, khususnya saat peralatan dan keputusan pemilihan proses telah diambil. Pada tahap berikutnya faktor ini menjadi kurang penting karena biaya yang telah dikeluarkan dalam membeli

15

peralatan tidak akan memberikan manfaat melalui adanya jaminan utilisasi peralatan ketika pengambilan keputusan operasional. 6.

Minimalisasi biaya operasional Dalam kaitannya dengan mesin bottleneck, mungkin dapat menduplikasi sel yang tepat, sehingga komponen-komponen sebuah part family sepenuhnya dapat diproses dalam sel bersangkutan. Maka, adanya pembelian mesin yang dibutuhkan atau tambahan duplikasi mesin akan meningkatkan ukuran sel. Sebuah solusi alternatif yang cukup baik adalah pengaturan secara fisik mesinmesin bottleneck yang ditempatkan diantara sel-sel mesin, sehingga part families yang berkaitan dapat share sumber daya. Faktor lain yang perlu dipertimbangkan adalah persediaan WIP, depresiasi mesin, dan setup mesin.

7.

Penjadwalan pekerjaan dalam sel-sel individual Penjadwalan pekerjaan dalam sel-sel individual adalah isu operasional yang seharusnya dipenuhi pada tahap desain. Karena masalah desain sendiri sangat kompleks, maka pengintegrasian masalah penjadwalan sering dipandang sebagai sebuah komplikasi lanjutan.

8.

Maksimalisasi throughput rate Tujuan utama setiap sistem manufaktur adalah maksimalisasi throughput rate komponen. Tujuan menjadi lebih penting dibandingkan maksimalisasi utilisasi mesin, khususnya jika mesin-mesin telah tersedia. Salah satu upaya maksimalisasi throughput rate adalah mengurangi waktu setup untuk setiap operasi diperoleh dari penerapan group technology.

Sistem manufaktur seluler sebagai aplikasi gorup technology akan terus berkembang sebagai sebuah pengetahuan melalui riset-riset yang telah dan sedang dikerjakan para pakar. Dalam aplikasinya, sistem manufaktur seluler perlu terus didorong agar manfaat yang selama ini dirumuskan sebagai teori dapat lebih diakui kalangan pebisnis. 2.6 Teknik Inspeksi dan Pengkodean Group technology atau teknologi kelompok secara umum didefinisikan sebagai suatu filosofi atau konsep manufacturing yang mengidentifikasikan serta mencari kesamaan atau ketidaksamaan antara komponen atau produk dan proses operasi, baik dalam kegiatan desain maupun manufacturing. Pengelompokan terhadap komponen-komponen yang memiliki kemiripan tertentu dalam suatu kelompok komponen merupakan kunci

16

dalam penerapan Group technology. Pada dasarnya ada dua metode dasar dalam pengelompokan metode tersebut, yaitu klasifikasi dan pengklasteran.

Metode klasifikasi digunakan untuk membuat kelompok komponen berdasarkan bentuk desainnya. Metode terbagi atas beberapa jenis. Jenis pertama adalah jenis inspeksi visual, yaitu metode dengan pengamatan langsung terhadap bentuk komponen secara visual. Pengguanan metode inspeksi visual mudah, untuk jumlah komponen yang banyak penggunaannya terbatas. Dapat dilihat dari contoh gambar 2.4, parts dapat dikelompokan menjadi dua bagian berdasarkan part family-nya.

Gambar 2. 4 Contoh parts yang berbeda sumber: tata letak pabrik Hadiguna dan Setiawan, 2008

Gambar 2. 5 Pengklasifikasian dengan metode inspeksi visual sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

Berdasarkan dimensinya, benda terbagi atas benda dua dimensi dan benda tiga dimensi. Benda dua dimensi adalah suatu benda yang hanya memiliki panjang dan lebar,

17

sedangkan benda tiga dimensi adalah suatu benda yang memiliki panjang, lebar, serta tebal. Secara visual benda tiga dimensi terbagi atas 8 bagian, yaitu : 1.

Prisma, yaitu bidang ruang yang dibatasi oleh dua buah bidang yag saling sejajar dan oleh bidang-bidang yang berpotongan menurut rusuk-rusuk yang saling sejajar.

2.

Pararel epipedum, yaitu bidang ruang yang memiliki enam buah sisi berbentuk jajaran genjang, sedangkan tiap sisi yang berhadapan merupakan jajaran genjang yang kongruen.

3.

Balok, yaitu bangun ruang yang dibatasi oleh enam buah sisi berbentuk persegi panjang, sedangkan tiap sisi yang berhadapan merupakan persegi panjang yang kongruen.

4.

Kubus, yaitu bangun ruang yang dibatasi oleh enam buah sisi berbentuk bujur sangkar yang kongruen.

5.

Limas segi-n, yaitu bangun ruang yang dibatasi oleh bidang alas berupa segi-n dan bidang bidang yang mendindinginya berupa segitiga.

6.

Kerucut, yaitu bangun ruang yang dibatasi dua sisi dengan alas berupa lingkaran, sedangkan dindingnya berupa bidang lengkung yang disebut selimut.

7.

Tabung (silinder), yaitu bangun ruang yang dibatasi dua buah bidang (atas dan alas) yang berbentuk lingkaran dan sisi tegak berupa bidang lengkung. Jika bidang yang sejajar berbentuk elips, maka tabung tersebut disebut tabung elips.

8.

Bola, yaitu bangun ruang yang dibatasi sebuah sisi yang berbetuk bundaran. Kulit bola adalah tempat kedudukan semua titik dalam ruang yang berjarak sama terhadap titik tertentu. Titik tersebut disebut pusat bola, sedangkan jarak tadi disebut jari-jari bola. Kemudian, bola meliputi kulit dan isinya.

Jenis kedua adalah metode pengkodean, yaitu pengelompokan komponen berdasarkan bentuk geometri dan kompleksitas, dimensi, tipe material yang digunakan, bentuk bahan baku,

serta kebutuhan akurasi komponen akhir. Metode pengkodean

terbagi dua. Pertama adalah monocode atau kode hierarki. Struktur kodenya seperti sebuah pohon, dimana setiap symbol menjelaskan informasi yang tersedia pada digit sebelumnya. Gambar 2.6 menunjukan skema generasi monocode. Digit pertama (0 sampai 9) membagi set dari bagian-bagian komponen ke dalam kelompok-kelompok utama, seperti komponen plat logam, komponen yang di mesin (machinery component),

18

komponen yang dibeli, dan bahan baku. Untuk digit kedua, pembagian setnya kedalam bagian-bagian komponen untuk tiap-tiap subkelompok tiap kelompok. Contoh memperlihatkan bahwa untuk digit kedua yang lebih lanjut, komponen yang ada dimesin terbagi dua, yaitu komponen rotasional (0) dan komponen non-rotasional (1). Jika ada kode 110, maka berarti termasuk kelompok komponen mesin yang nonrotasional dengan rasio panjang kelebar kurang dari satu. Oleh karena itu, digit-digit dalam monocode tidak dapat diintepretasikan secara independen, melainkan sangat tergantung pada informasi yang terdapat dalam symbol terdahulu. Manfaat utama kode hierarki adalah pintar menangkap informasi pada kode yang relatif pendek. Kode demikian secara alami membuatnya berguna untuk gudang dan mendapatkan kembali desain yang berhubungan dengan informasi, seperti geometri komponen, material, dan ukuran yang ditunjukkan.

Gambar 2. 6 Contoh skema monocode sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

Pemakaian kode hierarki dalam manufaktur agak terbatas karena kode sulit menangkap kembali informasi pada urutan manufacturing. Kelemahannya adalah kode hiearki membutuhkan keahlian dalam menyusun sebuah sistem pengkodean untuk sebuah spektrum komponen. Metode pengkodean selanjutnya adalah Polycode yang dikenal pula sebagai kode jembatan (chain code), kode diskrit (discret code), dan kode digit tetap (fixed-digit code). Pada polycode symbol, simbol kode tidak bergantung satu sama lainnya (independent). Masing-masing digit dalam lokasi yang spesifik menggambarkan sifat kode yan unik dari tiap-tiap elemen kerja. Simbolnya mudah dipahami dan digunakan dalam situasi fungsi manufacturing atau pemrosesannya harus digambar. Jumlah simbol pada polycode boleh lebih banyak karena kombinasi sifatnya tidak dibatasi. Di dalam praktik manufacturing

19

yang meliputi informasi desain, umumnya penggunaan struktur polycade dana monocade sering dikombinasikan. Mixed-mode code menggabungkan manfaaat kedua tipe sebelumnya, yaitu polycode dan monocode. Oleh karena itu, lebih baik menggunakan sistem pengkodean gabungan. Contohnya adalah sistem klasifikasi Opitz, yang cukup terkenal. Sistem Opitz dikembangkan pada Technical University of Aachen dibawah bantuan German Machine Tool Association. Sistem Opitz terdiri atas susunan angka dan abjad. Adapun, susunan angka disimbolkan dengan 9 urutan angka, sedangkan susunan abjad terdiri atas 4 urutan.

Gambar 2. 7 Susunan simbol versi OPITZ sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

Lima angka pertama merupakan kode yang fokus pada dimensi geometri komponen dan sifat-sifat yang berhubungan dengan desain komponen. Kode suplemen terdiri atas informasi yang berhubungan dengan manufacturing, seperti bahan baku, toleransi, dan kekerasan permukaan. Kemudian, empat abjad pada kode sekunder akan membantu mengidentifikasi proses produksi dan urutan produksi. Keunggulan sistem klasifikasi Opitz antara lain: a. Digunakan secara luas. b. Memberikan dasar kerangka kerja untuk memahami proses pengklasifikasian dan pengkodean. c. Dapat diaplikasikan untuk komponen permesinan, komponen bukan permesinan (antara pembentukan dan pengecoran), dan komponen yang dibeli. d. Mempertimbangkan kedua informasi desain dan manufacturing.

20

2.7 Metode Pengklasteran (Clustering) 2.7.1. Konsep Pengklasteran Analisis ini mempunyai aplikasi pada group technology dengan membuat famili dari komponen yang akan dikelompokkan dan membuat kelompok mesin. Hasil pengelompokkan akan mengarah pada: a. Phsyical Machine Layout, yaitu hasil pengelompokan yang menghendaki penyusunan kembali posisi mesin. b.

Logical Machine Layout, yaitu mesin dikelompokkan pada logical machine cell dan posisi tidak perlu diubah. Layout demikian dapat digunakan pada kasus dimana kandungan produksi berubah secara periodik, sehingga physical machine layout tidak dibenarkan.

Metode pengklasteran adalah teknik dalam statistic multivariate yang digunakan untuk penggabungan hasil pengamatan menjadi grup atau klaster. Tujuannya adalah mengelompokan pengamatan sedemikian rupa sehingga setiap cluster diupayakan menjadi lebih homogeni terhadap variabelnya. Langkag-langkah dalam analisis pengklasteran secara umum adalah : 1.

Memilih ukuran similiaritas atau kemiripan.

2.

Keputusan untuk memilih tipe teknik pengklasteran yang digunakan.

3.

Tipe metode pengklasteran yang digunakan.

4.

Keputusan penentuan jumlah cluster serta interpretasi hasil pengklasteran.

Secara umum, prosedur pengklasteran yang banyak dikenal dalam desain formasi seluler manufaktur adalah single linkage clustering (SLC), complete linkage clustering (CLC), dan average linkage clustering (ALC). Hal mendasar yang perlu dipelajari adalah ukuran similiaritas. Ukuran similaritas merupakan koefisien yang akan digunakan untuk menentukan tingkat kemiripan. Lebih lanjut, ukuran similaritas merupakan jarak antara dua titik pengamatan. Ada tiga tipe ukuran similiaritas, yaitu : 1.

Ukuran jarak, yaitu ukuran similiaritas yang banyak digunakan. Jarak Euclidean yang banyak digunakan merupakan jarak antara titik I dan j dalam dimensi p. Perumusannya sebagai berikut: ∑

/

`

21

Dimana

adalah jarak antara pengamatan i dan j, sedangkan p adalah jumlah

variabel. Jarak Euclidean adalah kasus khusus dari matriks yang lebih umum dan dikenal matriks Minkowski. 2.

Koefisien asosiasi, yaitu kemiripan untuk variable biner yang dapat dihitung menggunakan koefisien Jaccards yang dirumuskan sebagai berikut (Yin, 2002): ;0

1

Dimana: = koefisien kemiripan antara mesin i dan j. a = jumlah komponen yang diproses kedua jenis mesin. b = jumlah komponen yang diproses hanya dimesin i. c = jumlah koefisien yang diproses hanya dimesin j. 3.

Koefisien korelasi, yang dikenal pula dengan Pearson Product Moment sebagai sebuah ukuran kemiripan. Koefisien berkaitan dengan statistic chi square untuk pengujian independensi dua kategori variabel.

Ada tiga teknik pengelompokan yang cukup populer, yaitu Single Linkage Clustering (SLC), Complete Linkage Clustering (CLC), dan Average Linkage Clustering (ALC). Dalam prosedur SLC, jarak antara dua cluster

direpresentasikan oleh jarak

minimum antara keseluruhan pasangan yang mungkin dari subjek-subjek. CLC jelas berbeda atau berlawanan, dimana jarak antara dua cluster didefinisikan sebagai jarak maksimum antara semua pasangan yang mungkin. Untuk ALC, jarak antara dua cluster diperoleh melalui rata-rata jarak antara semua pasangan objek. Ketiga metode pengklasteran merupakan kategori pengklasteran hierarki yang dapat diselesaikan dengan algoritma pengklasteran hierarki algoritma untuk pengelompokan N objek (item atau variabel). Langkah-langkah umumnya adalah sebagai berikut : 1.

Mulai dengan N cluster, masing-masing cluster berisikan entitas tunggal dan sebuah matrikis simetris jarak ukuran N x N dengan D = {dij}.

2.

Carilah matriks jarak untuk pasangan cluster yang paling mirip. Tetapkan jarak antara cluster yang paling mirip U dan V menjadi duv.

3.

Gabungkan cluster U dan V, lalu berilah label cluster yang baru dengan (UV). Perbarui masukan dalam bentuk matriks jarak dengan cara: (a) menghilangkan baris dan kolom yang berhubungan dengan cluster U dan V. lalu (b)

22

menambahkan sebuah baris dan kolom untuk diisi cluster (UV) dan sisa cluster lainnya. 4.

Ulangi langkah 2 dan 3 sebanyak N-1, sehingga seluruh objek menjadi sebuah cluster. Catatlah hasil identifikasi cluster yang telah digabungkan dan levellevel jarak atau kemiripan untuk setiap hasil penggabungan.

2.7.2 Single Linkage Clustering (SLC) Masukan untuk teknik SLC dapat berupa jarak (distance) atau kemiripan (similiarities) antara pasangan objek. Kelompok dibentuk dari entitas individu melalui penggabungan nearest neighbors yang berarti jarak terkecil atau kemiripan terbesar.

Gambar 2. 8 Jarak (ketidakmiripan) intercluster untuk SLC sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

Sebagai permulaan, kita harus menemukan jarak dalam D = {dij} dan menggabungkan objek-objek yang berhubungan. Misalkan menggabungkan objek U dan V agar mendapatkan cluster (UV). Kemudian, setiap cluster W dapat dihitung sebagai berikut: d(UV)W = min

{dUW,dVW}.

antara nearest neighbors

Dalam hal ini, kuantitas dUW dan dVW adalah jarak-jarak

dari cluster

U dan W serta cluster

V dan W. Hasil

pengklasteran dapat digambarkan secara grafis yang ditampilkan dalam bentuk dendogram atau diagram pohon.

Secara teknis, penerapan algoritma SLC untuk pengelompokan mesin dan komponen dengan menggunakan koefisien Jaccards adalah sebagai berikut: Langkah 1. Hitunglah bahwa koefisien keiripan Jaccards, Smn, untuk semua pasangan mesin, asumsikan bahwa setiap mesin berada dalam kelompok mesin berbeda.

Langkah 2. Tentukan nilai maksimum pada matriks persamaan kemiripan Gabungkan dua kelompok mesin yang bisa berupa gabungan sebuah mesin atau beberapa mesin. Di setiap tahap pengelompokan, kelompok mesin m’ dan n’ digabungkan dalam kelompok yang baru. Kemudian, menambahkan kelompok baru t dan memperbarui

23

Stv = Max m t n v {Smn} matriks persamaan kemiripan melalui perhitungan kemiripan antara dua kelompok mesin t dan beberapa kelompok mesin lainnya v dengan rumus berikut: Hitunglah kelompok mesin m’ dan n’ dari matriks persamaan kemiripan. Disetiap iterasi matriks persamaan kemiripan, dapatkan nilai terbesar. Langkah 3. Apabila matriks persamaan kemiripan terdiri atas satu kelompok mesin, maka iterasi berhenti, apabila belum, lanjutkan iterasi. Contoh 1 Berikut adalah sebuah matriks mesin dan komponen. Lakukan pengelompokkan dengan menggunakan SLC. Tabel 2. 1 Matriks mesin dan komponen contoh 1

M1 M2 M3 M4 M5

P1 1

P2

P3 1

1 1 1

P4 1

P5 1 1

1

P6 1

P7 1

1

1

1 1

1

1

1


Penyelesaian: Langkah 1. Hitunglah nilai koefisien kemiripan menggunakan koefisien Jaccards dengan hasil sebagai berikut: 0,286 %

% % %

0,600

%

0,333

%

0,400 0,286

%

% %

0,200

24

%

%

%

) %

0,500

%

0,400

%

0,000

%

)

)

0,000

Langkah 2. Bentuklah matriks persamaan kemiripan dan iterasi pembentukan kelompokkelompok mesin. Tabel 2. 2 Matriks persamaan kemiripan iterasi-1

M1 M2 M3 M4 M5

M1 0

M2 0,286 0

M3 0,600 0 0

M4 0,333 0,4 0,2 0

M5 0,5 0,286 0,4 0 0


Hasilnya adalah koefisien kemiripan terbesar adalah 0,6 yang merupakan pasangan mesin M1-M3. Selanjutnya, lakukan iterasi-2 sebagai berikut: S(1,3)2 = Max{0,286;0) = 0,286 S(1,3)4= Max {0,333;0,200} = 0333 S(1,3)5 = Max {0,500;0,400} = 0,500 Tabel 2. 3 Matriks persamaan kemiripan iterasi-2

(M1,M3) (M1,M3) 0 M2 M4 M5

M2 0,286 0

M4 0,333 0,4 0

M5 0,500 0,286 0 0


Penghitungan menghasilkan koefisien kemiripan terbesar; yaitu 0,5 yang merupakan pasangan mesin (M1,M3) – M5. Selanjutnya, lakukanlah iterasi-3 dengan hasil sebagai berikut:

25

S(1,3,5)2 = Max {0,286;0,286} = 0,286 S(1,3,5)4 = Max {0,333;0} = 0,333 Tabel 2. 4 Matriks persamaan kemiripan iterasi-3

(M1,M3)M5 (M1,M3)M5 0 M2 M4

M2 0,286 0

M4 0,333 0,286 0


Hasilnya, koefisien kemiripan terbesar adalah 0,333 yang merupakan pasangan mesin (M1, M3, M5) – M4. Setelah itu, lakukan iterasi-4 dengan hasil sebagai berikut: S(1,3,5,4)2 = Max {0,286;0,286} = 0,286 Tabel 2. 5 Matriks persamaan kemiripan iterasi-4

(M1,M3,M5)M4 (M1,M3,M5)M4 0 M2

M2 0,286 0


Hasilnya, koefisien kemiripan terbesar adalah 0,286 yang merupakan pasangan mesin (M1,M3,M5,M4) – M2. Kitapun bisa melihat bahwa telah terbentuk hanya satu kelompok. Langkah 3. Kita dapat melihat bahwa iterasi-4 merupakan iterasi terkahir dengan kelompok mesin tunggal, yaitu (M1,M3,M5,M4,M2). Iterasi-iterasi diatas dapat digambarkan dalam bentuk dendogram.

Gambar 2. 9 Dendogram contoh 1 sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

26

2.7.3 Complete Linkage Clustering (CLC) CLC dapat dikatakan mempunyai pengertian yang sama dengan SLC, namun dengan sebuah pengecualian penting, yaitu setiap jarak atau ketidakmiripan antara cluster ditentukan oleh jarak atau kemiripan antara dua elemen yang paling jauh (most distant). CLC menjamin bahwa semua item dalam sebuah cluster berada dalam jarak yang maksimum atau kinimum kemiripan satu sama lain.

Gambar 2. 10 Jarak (ketidakmiripan) intercluster untuk CLC sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

Permulaan yang harus ditemukan adalah jarak minimum dalam D = {dij} dan menggabungkan objek-objek yang berhubungan, misalkan U dan V untuk mendapatkan cluster (UV). Kemudian setiap cluster W dapat dihitung sebagai berikut : d(uv)w = maks {duw. dvw}. Dalam hal ini, duw dan dvw adalah jarak-jarak antara anggota paling jauh dari cluster U dan W serta cluster V dan W. Algoritma CLC secara prinsip tidak berbeda dengan SLC, tetapi mekanisme pengelompokannya menggunakan rumus berikut :

Stv = Min m t n v

{Smn

} Agar mekanisme kerja CLC terlihat perbedaaanya, maka perhatikan contoh berikut. Contoh 2 Ada sebuah matriks mesin dan komponen sesuai dengan contoh 1 yang diselesaikan dengan SLC, sehingga dapat dilihat apakah ada perbedaan hasil pengelompokan. Penyelesaian: Langkah 1. Hitung nilai koefisien kemiripan menggunakan koefisien Jaccards. Hasil nilai koefisien tidak berbeda dengan hasil penghitungan contoh 2.

27

Langkah 2. Bentuklah matriks persamaan kemiripan dan iterasi pembentukan kelompokkelompok mesin. Tabel 2. 6 Matriks persamaan kemiripan iterasi-1

M1 M2 M3 M4 M5

M1 0

M2 0,286 0

M3 0,600 0 0

M4 0,333 0,400 0,200 0

M5 0,5 0,286 0,400 0 0


Hasilnya, koefisien kemiripan terbesar adalah 0,6 yang merupakan pasangan mesin M1-M3. Selanjutnya, lakukanlah iterasi-2 sebagai berikut: S(1,3)2 = Min {0,286;0} = 0 S(1,3)4 = Min {0,333;0,200} = 0,200 S(1,3)5 = Min {0,500;0,400} = 0,400 Tabel 2. 7 Matriks persamaan kemiripan iterasi-2

(M1,M3) (M1,M3) 0 M2 M4 M5

M2 0 0

M4 0,200 0,400 0

M5 0,400 0,286 0 0


Hasilnya, koefisien kemiripan terbesar adalah 0,4 yang merupakan pasangan mesin M2-M4. Selanjutnya lakukan iterasi-3 dengan hasil sebagai berikut: S(1,3)2;4 = Min {0;0,200} = 0 S(1,3)5 = Min {0,400} = 0,400 S(2,4)5 = Min {0,286;0} = 0

28

Tabel 2. 8 Matriks persamaan kemiripan iterasi-3

(M1,M3) (M2,M4) M5

(M1,M3) 0

(M2,M4) 0 0

M5 0,400 0,286 0


Hasilnya, koefisien kemiripan terbesar adalah 0,4 yang merupakan pasangan mesin (M1,M3)-M5. Selanjutnya, lakukanlah iterasi-4 dengan hasil sebagai berikut: S(1,3)(2;4)5 = Min {0,400;0} = 0 Tabel 2. 9 Matriks persamaan kemiripan iterasi-4

(M1,M3,M5) (M2,M4)

(M1,M3,M5) 0

(M2,M4) 0 0


Hasilnya, koefisien kemiripan seluruhnya bernilai 0 dengan kelompok terbaru (M1,M3,M5)-(M2,M4). Kitapun bisa melihat bahwa telah terbentuk hanya satu kelompok. Langkah 3. Kita dapat melihat bahwa iterasi-4 merupakan iterasi terakhir dengan kelompok mesin tunggal, yaitu (M1,M3,M5,M4,M2). Iterasi-iterasi diatas dapat digambarkan dalam bentuk dendogram.


29

2.7.4 Average Linkage Clustering (ALC) ALC memperlakukan jarak antara dua cluster sebagai jarak rata-rata antara semua pasangan item dimana satu anggota dari sebuah pasangan terhadap setiap cluster.

Gambar 2. 12 Jarak (ketidakmiripan) intercluster untuk ALC sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

Masukan ALC bisa jarak atau kemiripan dan metode dapat digunakan untuk mengelompokan objek atau variabel. ALC bekerja dimulai dengan pencarian matriks jarak D = {dij}untuk menemukan objek yang paling mirip. Algoritma pengelompokan tetap sama dengan SLC dan CLC, hanya saja mekanismenya menggunakan rumus berikut: AStv =

∑*+,

∑-+.

/ 01/2

Contoh 3 Menggunakan contoh sebelumnya, maka akan dilakukan pengelompokan mesin dan komponen menggunakan ALC. Penyelesaian: Langkah 1. Hitung nilai koefisien kemiripan menggunankan koefisisen Jaccards. Hasil nilai koefisien tidak berbeda dengan hasil perhitungan contoh sebelumnya. Langkah 2. Bentuklah matriks persamaan kemiripan dan iterasi pembentukan kelompokkelompok mesin.

30


M1 0

M1 M2 M3 M4 M5

M2 0,286 0

M3 0,600 0 0

M4 0,333 0,400 0,200 0

M5 0,500 0,286 0,400 0 0


Hasilnya, koefisien kemiripan terbesar adalah 0,600 yang merupakan pasangan mesin M1-M3. Selanjutnya, lakukanlah iterasi-2 sebagai berikut: S(1,3)2 =

), 34 ) 1

S(1,3)4 =

),%%% ), 1

= 0,2665

S(1,3)5 =

), )) ), 1

= 0,450

= 0,143


(M1,M3) (M1,M3) 0 M2 M4 M5

M2 0,143 0

M4 0,267 0,400 0

M5 0,450 0,286 0 0


Hasilnya, koefisien kemiripan terbesar adalah 0,45 yang merupakan pasangan mesin M2-M4. Selanjutnya, lakukanlah iterasi-3 dengan hasil sebagai berikut: S(1,3;5)2 =

S(1,3;5)4 =

),

% ), 34 1%

), 44 ) 1%

= 0,143

= 0,089

31


M1,M3,M5 M1,M3,M5 0 M2 M4

M2 0,143 0

M4 0,089 0,400 0


Hasilnya, koefisien kemiripan terbesar adalah 0,4 yang merupakan pasangan mesin M2-M4. Selanjutnya, lakukanlah iterasi-4 dengan hasil sebagai berikut: Tabel 2. 13 Matriks persamaan kemiripan itrasi-4

M1,M3,M5 M2,M4

M1,M3,M5 0

M2,M4 0,0387 0


Hasilnya adalah koefisien kemiripan terbesar 0,0387 dengan kelompok terbaru yang terbentuk (M1,M3,M5)-(M2,M4). Kemudian, hanya satu kelompok yang terbentuk. Langkah 3. Kita melihat bahwa iterasi-4 merupakan iterasi terakhir dengan kelompok mesin tunggal, yaitu (M1,M3,M5,M4,M2). Iterasi-iterasi diatas dapat digambarkan dalam bentuk dendogram.


2.8 Rank Order Clusterin g (ROC) Algoritma ROC merupakan teknik pengelompokan yang dikenal cukup sederhana, efisien, dan efektif. Teknik demikian cepat dalam menarik kesimpulan hasil

32

pengelompokan yang secara simulasi memperoleh sel mesin dan part family. Teknik demikian membutuhkan masukan dalam bentuk matriks beranggotakan bilangan biner (0 atau 1) prinsip kerja teknik adalah mengkonversi bilangan biner menjadi bobot ekuivalen dengan cara menyortir baris dan kolom. Iterasi dilakukan dengan mengurutkan nilai bobot terbesar hingga terkecil secara bergantian baris dan kolom. Algoritma lengkap ROC adalah sebagai berikut: Langkah 1. Untuk baris m = 1, 2, 3, …, M; hitung bobot ekuivalen cm melalui matriks bilangan biner mesin dan komponen. Rumus untuk menghitung boot ekuivalen sebagai berikut: 56

∑8:; 7898 . =86 8

(apm = 0 atau 1)

Urutkan nilai bobot ekuivalen dari terbesar hingga terkecil, sehingga susunan baris berubah pula sesuai dengan pengurutan bobot ekuivalen. Langkah 2. Untuk kolom p = 1, 2, 3,…, P; hitunglah bobot ekuivalen cm melalui matriks bilangan biner mesin dan komponen. Rumus untuk menghitung bobot ekuivalen sebagai berikut. >8

?96 . =86 ∑6 6:; 7

(apm = 0 atau 1)

Langkah 3. Apabila matriks mesin komponen hasil proses iterasi tidak mengalami perubahan lagi, maka proses iterasi berhenti. Contoh 4 Gunakan matriks mesin dan komponen pada contoh-contoh sebelumnya dengan menerapkan ROC. Penyelesaian: Perhatikan langkah-langkah penyelesaian berdasarkan algoritma ROC diatas. Perhatikan bahwa proses iterasi awal bisa dimulai berdasarkan baris atau kolom. Langkah 1. Hitunglah bobot ekuivalen setiap baris dan tentukan rankingnya.

33

Tabel 2. 14 Proses iterasi-1

M1 M2 M3 M4 M5

26 25 24 23 22 21 20 Bobot Urutan P1 P2 P3 P4 P5 P6 P7 1 1 1 1 1 87 2 1 1 1 45 4 1 1 1 82 3 1 1 1 100 1 1 1 1 1 27 5


Langkah 2. Berdasarkan ranking iterasi-1, ubah susunan baris dan lakukan iterasi-2 dengan cara menghitung bobot ekuivalen setiap kolom. Tabel 2. 15 Proses iterasi-2

P1 P2 P3 P4 P5 P6 P7 2 M1 1 1 1 3 2 M2 1 1 1 1 1 2 2 M3 1 1 1 1 2 M4 1 1 1 1 0 2 M5 1 1 1 1 Bobot 28 18 13 3 26 13 11 Urutan 1 3 4 7 2 5 6 4


Langkah 3. Lanjutkan iterasi hingga tidak terjadi lagi perubahan susunan pada baris dan kolom. Tabel 2. 16 Proses iterasi-3

26

25 24 23 22 21 20 Bobot Urutan P1 P5 P2 P3 P6 P7 P4 24 M4 1 1 1 112 1 23 M1 1 1 1 1 1 110 2 22 M3 1 1 1 76 3 21 M2 1 1 1 1 51 4 20 M5 1 1 1 1 15 5 Bobot 28 26 18 13 13 11 3 Urutan 1 2 3 4 5 6 7 sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

34

Kita dapat melihat bahwa tabel tidak mengalami perubahan susunan, sehingga proses iterasi berhenti. Hasil pengelompokan dapat dilihat pada tabel dibawah ini: Tabel 2. 17 Hasil pengelompokan

P1 P5 P2 P3 P6 P7 P4 M4 1 1 1 M1 1 1 1 1 1 M3 1 1 1 M2 1 1 1 1 M5 1 1 1 1 sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

Bila kita perhatikan, maka hasil pengelompokan menunjukkan 2 penyelesaian alternatif, yaitu: alternatif-1 dengan formasi (M4,M1,M3)-(P1,P5,P2,P3,P6) dan (M2,M5)-(P7,P4), sedangkan alternatif-2 dengan formasi (M4,M1)-(P1,P5,P2) dan (M3)(P3,P6) dan (M2,M5)-(P7,P4). 2.9 Rank Order Clustering 2 (ROC2) ROC 2 diperkenalkan pertama kali oleh King dan Nakorchai (1982). Algoritma ini dimulai dengan mengidentifikasikan kolom pada sisi sebelah kanan dan pada semua baris untuk semua nama part atau mesin yang memiliki nilai 1 pada incedence matriks. Perhitungan dengan menggunakan ROC 2 dilakukan melalui tahan sebagai berikut:

1. Baris diurutkan dari p=P (kolom terakhir) menuju angka 1. Tandai baris yang memiliki input angka 1, pindahkan baris yang memiliki angka ke 1 kedepan baris. Isikan sisanya pada baris berikutnya dan lakukan untuk semua baris. 2. Kolom diurutkan dari m=M menuju angka 1. Pindahkan kolom yang memiliki angka 1 ke depan urutan kolom. Isikan sisanya pada urutan kolom berikutnya dan lakukan untuk semua kolom. 3. Setelah kedua tahap diatas selesai, maka proses perhitungan dengan menggunakan ROC 2 telah selesai.

35

2.10 Direct Clustering Algorithm (DCA) DCA merupakan teknik pengelompokan yang bekerja mirip dengan ROC. Teknik pengelompokan demikian secara simultan menghasilkan kelompok mesin dan komponen serta menggunakan masukan berupa bilangan biner. Perbedaan antara DCA dengan ROC adalah penyortiran dilakukan secara langsung tanpa bobot, tetapi hanya menggunakan aturan left-most positive cell. Langkah-langkah dalam DCA secara terperinci sebagai berikut: Langkah 1. Jumlahkan elemen setiap baris dan kolom. Lakukan pengaturan berasarkan prinsip menarik elemen biner 1 ke kiri, sehingga nantinya membentuk kumpulan elemen biner 1 yang minimum elemen biner 0. Langkah 2. Tarik elemen-elemen yang bernilai biner 1 ke atas agar elemen biner 1 sebanyak mungkin terkumpul. Atur berdasarkan jumlah nilai terbesar hingga terkecil. Langkah 3. Apabila hasil pengelompokan tidak berbeda, maka iterasi berhenti. Contoh 5 Gunakan soal pada contoh sebelumnya dan selesaikan menggunakan DCA. Penyelesaian: Langkah 1. Proses penghitungan elemen setiap setiap baris dan kolom. Tabel 2. 18 Proses iterasi-1

P1 P2 P3 P4 P5 P6 P7 M1 1 1 1 1 1 5 M2 1 1 1 4 M3 1 1 1 3 M4 1 1 1 1 3 M5 1 1 1 4 3 2 3 2 3 3 3 sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

Langkah 2. Proses pengaturan elemen-elemen biner 1 berdasarkan nilai terbesar hingga terkecil.

36

Tabel 2. 19 Proses iterasi-2

P1 P3 P5 P6 P7 P2 P4 M5 1 1 1 1 4 M4 1 1 1 3 M3 1 1 1 3 M2 1 1 1 1 4 M1 1 1 1 1 1 5 3 3 3 3 3 2 2 sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

Langkah 3. Proses iterasi lanjutan untuk mendapatkan formasi yang lebih baik. Tabel 2. 20 Proses iterasi-3

P1 P3 P5 P6 P7 P2 P4 M4 1 1 1 M3 1 1 1 M1 1 1 1 1 1 M5 1 1 1 1 M2 1 1 1 1 sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

Berdasarkan hasil iterasi-3, kita memperoleh formasi yang lebih baik dan tidak ada lagi formasi lain, sehingga formasi demikian merupakan hasil pengelompokan. Kelompok-1 terdiri atas (M4,M3,M1);(P1,P2,P3,P5,P6) dan (M5,M2);(P7,P4). Tabel berikut menjelaskan formasinya: Tabel 2. 21 Hasil pengelompokan

P1 P2 P3 P5 P6 P7 P4 M4 1 1 1 M3 1 1 1 M1 1 1 1 1 1 M5 1 1 1 1 M2 1 1 1 1 sumber: tata letak pabrik, Hadiguna dan Setiawan, 2008

2.11. Ongkos Material Handling Didalam merancang tata letak pabrik, maka aktivitas pemindahan bahan merupakan salah satu faktor yang cukup penting untuk diperhatikan dan diperhitungkan. Aktivitas pemindahan tersebut dapat ditentukan dengan terlebih dahulu memperhatikan aliran

37

bahan yang terjadi dalam suatu operasi. Selanjutnya hal yang harus diperhatikan adalah tipe layout yang akan digunakan. Beberapa aktivitas pemindahan bahan yang perlu diperhitungkan adalah sebagai berikut: 1

Pemindahan bahan dari gudang bahan baku menuju departemen fabrikasi maupun departemen assembling.

2

Pemindahan bahan yang terjadi di proses satu jenis mesin menuju satu jenis mesin yang lainnya.

3

Pemindahan bahan dari departemen assembling menuju gudang barang jadi.

Setelah diketahui aktivitas-aktivitas pemindahan yang terjadi, maka selanjutnya dapat dihitung ongkos material handling yang terjadi akibat aktivitas-aktivitas yang ada tersebut. Beberapa faktor yang mempengaruhi perhitungan ongkos material handling adalah sebagai berikut: A. Alat yang digunakan Dalam menentukan alat angkut perlu diperhatikan hal-hal sebagai berikut: 1

Berat material disesuaikan dengan daya angkut maksimal alat tersebut.

2

Bentuk dan jenis material serta ukuran luasnya disesuaikan dengan daya tampung alat angkut.

3

Sifat material, dimana harus diperhatikan kemungkinan menggunakan alat angkut khusus.

Setelah ditentukan alat angkut yang akan digunakan, maka selanjutnya dapat ditentukan ongkos alat angkut berdasarkan jarak tempuh (meter gerakan). B.

Jarak pengangkutan

Perhitungan OMH ini merupakan perhitungan tahap pertama, karena akan dilakukan perhitungan OMH yang merupakan revisi dari perhitungan tahap pertama. Pada perhitungan tahap pertama ini, jarak antara kelompok mesin atau departemen yang mengalami aktivitas pengangkutan diasumsikan berdampingan. Selain itu untuk

38

mengoptimalkan jarak antar aktivitas tersebut, maka kelompok mesin departemen untuk sementara diasumsikan berbentuk bujursangkar. C. Cara pengangkutan Berdasarkan hasil perhitungan terdahulu (OPC, routing sheet, dan MPPC), maka dapat ditentukan cara pengangkutan yang akan dilakukan. Pada dasarnya setelah ditentukan alat angkut serta jarak untuk setiap pengangkutan, maka OMH dapat diketahui, dimana: Total OMH = (ongkos alat angkut/meter gerakan) x (jarak tempuh pengangkutan) Beberapa hal yang perlu diperhatikan dalam menentukan cara pengangkutan adalah sebagai berikut: 1

Telusuri OPC sejak proses yang paling awal, kemudian dapat ditentukan urutan proses pengangkutan dari …… ke ……

2

Isi kolom dari, maka sebelum mengisi yang berikutnya terlebih dahulu diisi kolom ke yang merupakan kelompok tujuan, sesuai aliran yang terjadi.

3

Dalam mengisi kolom ke yang merupakan daerah tujuan pengangkutan sebelum mencantumkan aktivitas lainnya, maka aktivitas pertama harus sudah selesai mencantumkan semua material yang akan diterima dari sumber (kolom dari) yang diuraikan dalam kolom (3) untuk nama komponen serta kolom (4) untuk bentuk materialnya. Dari hal-hal tersebut di atas, maka dapat digambarkan mengenai cara pengangkutan tersebut, yaitu: setiap pengangkutan dilakukan dari sumber yang sama mengangkut beberapa bahan menuju tujuan yang sama, kemudian dari sumber yang sama menuju tujuan lainnya. Demikian selanjutnya untuk sumber-sumber pengangkutan berikutnya.

39

BAB II LANDASAN TEORI

Recommend Documents