“PENGEMBANGAN ALAT BANTU PENGAMBILAN KEPUTUSAN UNTUK CREW SCHEDULING PADA DINAS LINE MAINTENANCE (Studi Kasus : PT – Garuda Maintenance Facility-AeroAsia)” Irawan Hutama*, Dr. Eng, Ir. Ahmad Rusdiansyah, M.Eng., Ir. Budi Santosa, M.S., Ph.D. Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya 60111 Email:
[email protected]* Abstrak
Pada penelitian ini dilakukan pengembangan alat pengambilan keputusan untuk menyelesaikan permasalahan crew scheduling pada unit line maintenance PT Garuda Maintenance Facility-AeroAsia (PT GMF-AA). Model merupakan gabungan fungsi distribusi dan optimasi. Fungsi distribusi digunakan untuk meratakan beban kerja kepada sejumlah crew. Beban kerja berupa banyaknya pesawat yang dilakukan perawatan oleh unit line maintenance. Penggunaan optimasi supaya distribusi mekanik dapat merata dalam pengerjaan perawatan pesawat.. Penambahan pesawat oleh Garuda Indonesia, menyebabkan beban kerja unit line maintenance akan bertambah. Dengan naiknya beban kerja pada shop floor maka pemerataan beban kerja harus dilakukan mengingat availability (ketersediaan) dari setiap crew berbeda. Tujuan dari model adalah meminimumkan beban kerja setiap crew dengan melihat jumlah availability dari crew di unit line maintenance. Kemudian dilakukan analisa sensivitas terhadap kenaikan beban kerja dan jumlah minimum mekanik pada setiap crew. Hasil dari percobaan adalah model mampu sebagai decision tool untuk mencari minimum mekanik yang dibutuhkan dan mendistribusi mekanik secara rata pada dinas line maintenance Kata kunci : distribusi mekanik, optimasi, analisa sensivitas, decision tool. Abstract
This research did decision tool development to solve crew scheduling problem at Line Maintenance unit PT Garuda Maintenance Facility (PT GMF-AA). Model is combine distribution function and optimization. Distribution function use for leveling workload to crew. Workload is lot of aircraft will be maintenance by Line Maintenance unit. Optimization is used for workload distribution to crew is optimum. Aircraft increasing by Garuda Indonesia causes workload Line Maintenance Unit increase too. In increase of workload at Line maintenance, workload distribution need to do considering of crew availability. Purpose this research is minimizes workload crew considering availability crew at Line Maintenance Unit. This research uses sensiity analysis to analyze increasing of work load. Result this research is model can be as decision tool to minimize distribution number of mechanics at Line maintenance unit. Keywords : Mechanics distribution, Optimization, sensivity Analyze, decision tool.
1.
PENDAHULUAN
Pertumbuhan industri penerbangan di Indonesia cukup pesat beberapa tahun terakhir, ini terlihat munculnya airline baru sehingga menambah daya saing perusahaan terutama untuk memaksimalkan pelayanan kepada konsumen transportasi udara. Meskipun dalam DetikFinance.com dikatakan bahwa pertumbuhan penerbangan di Indonesia tumbuh sebesar 10% pada tahun ini, persaingan pasar untuk merebut konsumen cukup tinggi. Maskapai-maskapai saling berlomba meningkatkan kualitasnya, baik dalam pelayanan, kualitas penerbangan, hingga frekuensi penerbangan ke beberapa daerah di Indonesia dan di mancanegara. Penambahan frekuensi penerbangan menyebabkan kondisi pesawat yang ada harus dalam keadaan prima, tidak boleh ada kondisi-kondisi yang dapat mengakibatkan
kerusakan pada nantinya. Tuntutan perawatan pesawat akan lebih ditingkatkan untuk menunjang rencana dari maskapai yang ada. Dengan penambahan frekuensi penerbangan maka perusahaan-perusahaan MRO (maintenance, repair dan overhaul) juga harus siap untuk memberikan pelayanan yang terbaik, tidak hanya itu labor (mekanik) juga harus siap dengan kondisi pesawat ketika nantinya pesawat tersebut mengalami kerusakan dan harus memperbaikinya dengan cepat agar pesawat mampu memenuhi jadwal terbangnya. Salah satu perusahaan MRO di bidang penerbangan di Indonesia adalah PT. Garuda Maintenance Facility AeroAsia (PT GMF-AA) merupakan anak perusahaan dibawah PT Garuda Indonesia. PT GMF-AA mempunyai bisnis unit utama yaitu: Line Maintenance, Base Maintenance, Engine Maintenance, Component
Maintenance dan Trade and Asset Management. PT GMFAA ini menangani perawatan ringan hingga overhaul baik tipe pesawat berbadan kecil (narrow body) dan berbadan besar (wide body). PT GMF-AA mampu melakukan perawatan ringan atau yang disebut Line Maintenance untuk pesawat-pesawat Garuda Indonesia, dimana perawatan tersebut terdiri atas Transit Check, Before Departure, Daily Check/Service Check, Weekly Check (khusus wide body) dan A-Check. Transit check merupakan proses perawatan yang dilakukan ketika pesawat mendarat di bandara dan akan terbang kembali menuju tujuan selanjutnya. Before Departure atau yang sering disebut dengan pre-flight check dilakukan sebelum pesawat tersebut terbang kembali setelah pesawat tersebut melakukan RON (Remain Overnight). Sedangkan untuk Daily Check dikhususkan untuk pesawat narrow body dan Service Check dikhususkan untuk pesawat wide body, dimana perawatan tersebut dilakukan ketika pesawat sudah memenuhi flight cycle. maksimum. Perawatan ACheck dilakukan setelah pesawat tersebut memenuhi 250 flight hours. Perawatan ringan tersebut ditujukan untuk menunjang operasional dari pesawat Garuda Indonesia, sehingga pesawat dapat beroperasi secara optimal tanpa ada pesawat yang di grounded (tidak terbang) akibat kerusakan. Kesiapan dari mekanik, material dan hal-hal pendukung lainnya sangat diperlukan dalam perawatan ringan (line maintenance), terlihat dalam satu hari mekanik akan melakukan perawatan kurang lebih 140 pesawat. Pesawat tersebut setidaknya akan mengalami perawatan ringan di home base cengkareng, perincian jumlah beban perawatan pesawat pada grafik di bawah ini:
(Sumber: PT GMF-AeroAsia) Gambar 1 Jumlah perawatan pesawat di Cengkareng
Untuk mengatasi beban kerja yang tinggi, PT GMFAA menerapkan pola 3 shift dalam satu hari, yaitu: morning, late dan night. Jam kerja untuk shift morning adalah 07:00 – 16:00, untuk shift late adalah 15:00 – 24:00 dan untuk shift night adalah 23:00-08:00. PT. GMF-AA mempunyai 8 crew utama dan 4 crew flexible. 8 crew utama ini terbagai menjadi 4 crew di hangar dan 4 crew
berada di apron (terminal bandara), sedangkan 4 crew flexible ini bisa ditempatkan baik di hangar atau di apron. Dengan kondisi setiap crew masing-masing mempunyai 35 orang mekanik yang terdiri atas 60% mekanik AirframePowerplant dan 40% Electronics-Avionics. Dengan komposisi mekanik di atas dan penggambaran beban kerja mekanik pada gambar 1.3, perusahaan mendapatkan gambaran sebagian dari mekanik tidak mencapai target utilisasi dari perusahaan. Target utilisasi perusahaan sebesar 70% hanya tercapai 40%. Perusahaan ingin meningkatkan pencapaian dari mekanik dengan mengoptimalkan resources melihat kondisi di lapangan. Perusahaan juga akan mengevaluasi dengan tidak terpenuhi target utilisasi yang ada, perusahaan membuat kebijakan untuk mengurangi beban kerja atau mengoptimalkan resources yang ada. Selanjutnya dari kebijakan perusahaan yang ada merupakan dasar dari penelitian ini, dimana dengan adanya penelitian ini maka perusahaan mempunyai dasar yang dapat dijadikan bahan revisi. Penelitian ini akan memfokuskan kepada penjadwalan dan distribusi mekanik yang ada. Pada nantinya distribusi mekanik variable utama untuk melihat optimalisasi dan memenuhi pencapaian target utilitas dari perusahaan. Pada penelitian ini juga diharapkan sebagai salah satu Decision Support System dari perusahaan berkaitan dengan crew scedulling. Oleh karena itu, dalam penelitian ini akan digunakan optimasi dengan metode Linear Programming. Dengan metode Linear Programming diharapkan dapat merumuskan distribusi mekanik yang tepat pada setiap crew dan merumuskan jumlah komposisi spesifikasi mekanik A/P (Airframe-Powerplant) dan mekanik E/A (Electronics-Avionics). Pada nantinya dengan metode Linear Programming ini mampu mengetahui kebutuhan mekanik tiap crew pada jam tertentu. Permasalahan dalam akan diselesaikan dalam penelitian ini adalah bagaimana mengoptimalkan distribusi mekanik dalam jam sesuai dengan minimum mekanik untuk mengerjakan beban kerja yang ada. Penelitian ini bertujuan untuk Menentukan distribusi mekanik sesuai dengan minimum mekanik yang dibutuhkan untuk mengerjakan beban kerja tersebut. Mendesain alat bantu pengambilan keputusan (DSS) untuk pendistribusian mekanik. Penelitian ini dilakukan pada sistem di bagian produksi (TLB) dinas Line Maintenance PT GMF-AA Cengkareng. dan asumsi yang digunakan adalah Waktu standar yang digunakan sudah mewakili waktu pengerjaan, waktu menunggu alat dan sparepart dan waktu untuk administrasi. Adapun manfaat dari penelitian ini adalah bahan pertimbangan perusahaan dalam melakukan optimaliasasi kebutuhan resources (mekanik) sesuai dengan beban kerja.
2.
TINJAUAN PUSTAKA Permasalahan deterministic scheduling merupakan salah satu bagian dari kelas kombinasi permasalahan optimasi yang lebih luas (Blazewicz, et al. 2007).
Dalam mathematical programming mempunyai ciriciri terdiri dari single objective function menggambarkan maksimum atau minimum dari profit atau hal-hal lain berhubungan dengan batasan-batasan yang digunakan. Dalam linear programming semua fungsi hubungan baik objektif dan batasan harus berbentuk linier, seperti yang dicontohkan di bawah ini:
i=1..N (2) Notasi di atas merupakan penggambaran notasi fungsi tujuan untuk meminimumkan “A” dengan variable yang menghubungkan adalah C dan X sebagai konstanta. Indek menjelaskan pergerakan dari variable C. Gambar 2 Gambaran skematik – an analysis of a scheduling problem
Permasalahan pada resources scheduling lebih komplek dari permasalahan scheduling lainnya, seperti prosesor atau flow shop, dikarenakan perhitungan pada resources scheduling merinci data lebih banyak. Sebuah resources disebut juga double constraint, jika terdapat batasan total penggunaan dan total konsumsi. Dari sudut pandang lain, resources dapat dikategorikan menjadi dua: discrete dan continous. Discrete resources merupakan resources yang dapat dialokasikan pada pekerjaan yang mempunyai jumlah diskrit diwaktu tertentu. Sedangkan continuous resources merupakan resources yang dapat dialokasikan pada random pekerjaan secara berulang pada waktu tertentu. Dalam scheduling atau penjadwalan berkaitan dengan pairing atau hubungan resources dengan indek i dan j yang menjelaskan pergerakan dari penjadwalan tersebut. Sebuah organisasi pasti mempunyai permasalahan, dan akan mencari jalan keluar yang optimal dalam menyelesaikan permasalahan tersebut. Salah satu permasalahan yang sering dialami oleh sebuah organisasi adalah keterbatasan resources terutama sumber daya manusia. Dengan adanya isu efisiensi organisasi tersebut akan berusahaa memaksimalkan sumber dayanya untuk pencapaian yang optimal pada produksinya. Salah satu metode yang dapat digunakan untuk menyelesaikan masalah tersebut adalah Linear Programming, sehingga dapat membantu memberikan solusi kepada perusahaan beban kerja optimal yang mampu dikerjakan oleh masingmasing crew atau sumber daya tersebut. Linear Programming dijelaskan oleh Taha (2003) sebuah model optimasi yang memiliki fungsi objektif dan batasan saling linier. Teknik dalam program linier bersifat luas sehingga dapat digunakan dalam berbagai aplikasi contohnya dalam pertanian, industri, dan lain-lain. Linear Programming juga dapat mengefisiensikan algoritma perhitungan dari permasalahan-permasalahan yang memiliki banyak batasan.
(3) Notasi di atas merupakan penggambaran dari batasan untuk menyelesaikan fungsi tujuan pada notasi (1). Jumlah dari variabel C harus lebih dari 100, sedangkan variabel C3 mempunyai jumlah sebesar 80% dari C1 dan setiap variabel C mempunyai nilai.harus lebih dari 1. Terdapat 4 asumsi utama yang akan dipakai pada pemrograman linear seperti yang dijelaskan oleh Narchowi dan Usman (2009) dan dituliskan pada buku Bard, et Al (2003) yaitu: 1.
Asumsi Proposionalitas Asumsi ini digunakan untuk menunjukkan proposionalitas dari suatu data, sehingga: (i) Kontribusi tiap-tiap aktivitas terhadap nilai fungsi objektif Z proporsional dengan tingkat kegiatan xj yang dinyatakan dengan cjxj. (ii) Kontribusi tiap-tiap aktivitas terhadap konstrain/kendala proporsional dengan kegiatan xj yang dinyatakan dengan aijxj.
2.
Asumsi Aditivitas Dalam pemrograman linear asumsi aditivitas ini harus dipenuhi fungsi objektifitas (Z) dan fungsi kendala-kendala dari persoalan yang dibahas (fungsi pembatas). Asumsi ini diperlukan untuk menghindari interaksi diantara masing-masing variable keputusan.
3.
Asumsi Divisibilitas Asumsi ini digunakan jika solusi boleh berupa pecahan dan tidak harus bilangan bulat. Dengan demikian, solusi bisa saja berbentuk X1 = 2 ½ dan X2 = 3 ¾. Padahal, bisa jadi solusi ini tidak dapat diimplementasikan. Untuk itu bila pemrograman
linier berbentuk pecahan yang tidak dapat diimplementasikan, bisa dibantu mencari solusi bulatnya dengan menggunakan pemrograman integer. 4.
B: bilangan biner mekanik i: indek untuk mekanik A/P, i= 1 j: indek untuk mekanik E/A, j=2 c: indek untuk mekanik berada pada crew c, c=1..8
Asumsi Kepastian Nilai parameter dalam pemrograman linier diasumsikan merupakan konstanta yang telah diketahui secara pasti. Meskipun demikian, sensivitas perubahan parameter terhadap solusi dapat dianalisis dengan analisis sensivitas.
Model matematika yang dijelaskan di bawah ini merupakan permodelan optimasi digunakan untuk meminimumkan jumlah mekanik pada jam h. berikut adalah penjelasan notasi dalam menghitung minimum mekanik dalam waktu ke-h.
h: indek untuk mekanik bekerja pada jam ke-h. h = 1..8 qh: jumlah minimum mekanik yang dibutuhkan pada jam ke-h Ac: jumlah mekanik yang tersedia pada crew c Berikut adalah penulisan model matematis dari distribusi mekanik pada jam ke-h:
(10)
q: variabel mekanik i: indek untuk mekanik A/P di crew i, i= 1..8
(11)
j: indek untuk mekanik E/A di crew j, j= 1..8 h: indek untuk jam, h = 1..8 berikut ini model matematis dari minimum mekanik:
(12) (4) (13) (5) (6)
(14)
(7) (8) h = 1..8 variabel “q” merupakan minimum sumber daya yang dibutuhkan pada jam ke-h, sedangkan indek i dan j menjelaskan jenis dari mekanik (A/P) dan (E/A). Notasi (4) menjelaskan fungsi tujuan yaitu jumlah mekanik ke-I (A/P) dan ke-j (E/A) pada jam ke-h. Selanjutnya batasanbatasannya terdapat pada notasi (5) sampai notasi (8). Notasi (5) menjelaskan jumlah manhours dari mekanik ke-I dan mekanik ke-j harus lebih besar dari pada manhours yang tersedia pada setiap jam ke-h. Notasi (6) dan (7) menjelaskan setiap mekanik ke-I dan ke-j harus bernilai lebih dari 1, notasi ini muncul karena dalam setiap perawatan yang dilakukan pada jam ke-h setidaknya tersedia 1 mekanik ke-I (A/P) dan 1 mekanik ke-j(E/A). Notasi (8) menjelaskan proporsi dari mekanik ke-I (A/P) dan mekanik ke-j (E/A) pada jam ke-h. Setelah mengetahi minimum mekanik pada waktu ke – h, dapat dilanjutkan untuk memodelkan optimasi untuk minimum crew pada jam ke – h dengan notasi model sebagai berikut: M : variabel untuk mekanik S: konstanta gaji tiap mekanik
(15)
(9) (16) (17) (18) (19) (20) Notasi Fungsi objektif menjelaskan minimal orang dalam waktu ke-h. dengan batasan (11) dan (12) adalah untuk membatasi bahwa distribusi mekanik merata untuk mengerjakan beban pada jam ke-h dan tidak terdapat berat pada salah satu crew/group saja. Untuk batasan (15) dan (16) untuk membatasi jumlah mekanik dalam satu crew tidak melebihi avaibility dari mekanik pada crew/group. Sedangkan batasan nomor (17), (18), (19) dan (20) untuk membatasi bahwa setiap mekanik pada crew /group bekerja minimal tiga waktu ke-h tidak boleh bekerja lebih dari empat waktu ke-h.
Decision Support System (DSS) merupakan salah satu alat bantu dalam menyelesaikan masalah atau pengambilan keputusan, pengertian DSS menurut Marakas (2003) dan Humprey (2008) adalah suatu sistem yang digunakan untuk membantu dalam aktivitas pengambilan keputusan dengan beberapa kontrol terorganisir dibawah kendali seorang operator yang berperan sebagai pengambil keputusan. Dalam membantu untuk pengambilan keputusan, DSS dapat berupa sistem informasi dengan menggunakan software hingga menggunakan Microsoft excel. Pada penelitian ini, DSS yang akan menggunakan Microsoft excel dikombinasikan dengan Visual Basic Auxiliary (VBA), Solver dan LINGO. Penggunaan VBA dan Solver pada penelitian karena untuk mempersingkat generate dari rumus optimalisasi sehingga dapat menyederahanakan rumus optimalisasi (Linear Programming). Penggunaan VBA dan LINGO untuk mendukung penggunaan model matematis yang lebih luas sehingga proses optimasi tetap dapat berlangsung. 3.
saran-saran, selanjutnya.
baik
untuk
perusahaan
dan
penelitian
Berikut ini adalah gambar metodologi penelitian yang menunjukkan alur penelitian secara sedearhana dan jelas :
METODOLOGI PENELITIAN
Penelitian ini dilakukan dengan lima tahap yaitu tahap identifikasi dan perumusan masalah, tahap pengumpulan, tahap pengolahan data, tahap analisa dan tahap kesimpulan. Pada tahap pertama, dilakukan identifikasi perumusan permasalahan yang diambil yaitu Tahapan ini bertujuan untuk memahami permasalahan yang ada di perusahaan dan memahami literature yang terkait dengan permasalahan di perusahaan. Tahap pengumpulan data merupakan proses untuk menunjang penelitian. Data yang akan digunakan dalam penelitian ini adalah data historis, data historis yang digunakan dalam penelitian ini berupa: jumlah resources (mekanik), manhours standart, dan SOP (standart operation procedure). Langkah selanjutnya adalah data diolah dengan menggunakan metode yang sudah dikaji dari studi literature, yaitu metode simulasi. Metode tersebut cukup tepat dikarenakan mampu menggambarkan kondisi yang ada di perusahaan. Adapun pengolahan data tersebut meliputi: 1. Pembuatan DSS dengan Ms. Excel , LINGO dan Solver. 2. Pembuatan alternatif perbaikan distribusi mekanik pada setiap crew. Pada tahap analisa dan interpretasi data dilakukan setelah melakukan pengumpulan dan pengolahan data maka dilanjutkan dengan menganalisa dan menginterpretasikan data. Hasil pengolahan data dilakukan analisa dan interpretasi dimana diketahui jumlah beban kerja optimal (rata) yang dapat pada setiap crew. Dari hasil pengolahan, interpretasi dan analisa terhadap kondisi eksisting dan perbaikan maka dapat di tarik kesimpulan terhadap pemerataan jumlah beban kerja optimal (rata) untuk setiap crew. Setelah itu diberikan
Gambar 3. Metodologi Penelitian
4.
PENGUMPULAN, PENGOLAHAN DATA DAN ANALISA SENSIVITAS
Pada Tugas Akhir ini akan digunakan data pesawatpesawat yang dimiliki oleh Garuda Indonesia selaku perusahaan induk dari PT GMF-AA. Data pesawat yang akan digunakan oleh Garuda Indonesia pada tahun 2010 adalah sebagai berikut: Tabel 1 Data Pesawat yang digunakan Oleh Garuda Indonesia
Jenis Pesawat
Tipe Pesawat
Boeing B737-300
Narrow Body
B737-400
Narrow Body
B737-500
Narrow Body
B737-800
Narrow Body
B747-400
Wide Body
Airbus A330-200
Wide Body
A330-300
Wide Body
Manhours didapat dari Maintenance Planning Data berupa waktu standart pengerjakan yang disesuaikan dengan kondisi dari mekanik PT GMF-AA:
Selama 2010 PT-GMF akan melakukan perawatan terhadap pesawat-pesawat tersebut. Penambahan dan pengurangan pesawat akan dilakukan oleh pihak Garuda Indonesia karena umur dari pesawat jenis classic yaitu B737-300, B737-400, dan B737-500. Dengan pengurangan dari pesawat jenis classic maka Garuda akan merencanakan penambahan pesawat tipe B737-800. Berikut adalah perencanaan fleet plan 2010:
Tabel 5. Standart Manhours B737CL BD Check Transit Check
Tabel 2 Garuda Indonesia Fleet Plan
Daily Check
GA FLEET PLAN 2010
+ Cab Std chk Weekly Check
Ref. EIOC JKTWM/10048/E/09 16 Feb 2009 A/C TYPE B737-300 B737-400 B737-500 B737-800NG Total NB B747-400 A330-200 A330-300 Total WB
Jan 12 17 5 19 53
Feb 11 16 5 20 52
Mar 11 15 5 20 51
Apr 11 13 5 22 51
May 6 13 5 23 47
3 4 6 13
3 4 6 13
3 4 6 13
3 4 6 13
3 4 6 13
2010 Jun Jul 6 6 13 11 5 5 26 32 50 54 3 4 6 13
3 4 6 13
+ Cab Std chk Aug 6 9 5 33 53
Sep 6 9 5 35 55
Oct 6 9 5 38 58
Nov 6 9 5 39 59
Dec 6 9 5 40 60
3 4 6 13
3 5 6 14
3 5 6 14
3 6 6 15
3 6 6 15
Selanjutnya dari data fleet plan tersebut dapat dihitung jumlah pesawat yang akan melakukan before departure, transit check, daily check, service check (wide body),weekly check (wide body) dan A-check berdasarkan utilisasi flight cycle atau flight hours tiap pesawat setiap harinya dengan memperhitungkan flight cycle dan flight hours dari pesawat.. Tabel 3 Utilisasi Pesawat Dalam Flight Cycle
A/C TYPE B737-300 B737-400 B737-500 B737-800NG B747-400 A330-200 A330-300
Utilisasi (Cycle) 6.58 6.95 6.25 4.05 2.66 3.37 3.37
Tabel 4 Utilisasi Pesawat Dalam Flight Hours
A/C TYPE B737-300 B737-400 B737-500 B737-800NG B747-400 A330-200 A330-300
Utilisasi (FH) 8.670 9.350 7.675 11.630 14.380 12.670 12.670
Untuk mengerjakan perawatan pesawat baik before departure hingga A-check terdapat standart waktu yang digunakan yaitu Standart Manhours. Standart
A check APU Changed Engine Changed Exterior Cleaning Washing Daily Int. Cleaning Basic Int. Cleaning
A/P E/A A/P E/A A/P E/A CAB A/P E/A CAB A/P E/A CAB A/P E/A A/P E/A
B737NG
0.50 0.75 5.50 4.50 7.50
0.50 0.75 5.50 4.50 7.50
34.00 15.00 33.00 22.00 4.40 99.00 13.20 18.00 16.00 9.00 17.50
34.00 14.00 33.00 22.00 4.40 99.00 13.20 18.00 16.00 9.00 17.50
B747-400 1.50 0.50 1.50 0.50 16.75 7.25 30.50 19.00 7.25 42.50 123.60 29.00 97.50 70.40 11.00 114.40 26.40 60.00 45.00 36.00 72.00
A330 1.50 0.50 1.50 0.50 10.00 5.50 24.00 19.75 7.25 37.50 87.00 18.25 53.00 66.00 11.00 107.80 13.20 45.00 39.00 25.00 54.00
Data-data fleet plan dan standart manhours selanjutnya dapat diolah dengan menggunakan optimasi. Optimasi pertama memodelkan secara matematis untuk mencari minimum jenis mekanik pada waktu ke – h, dan optimasi yang kedua adalah meminimumkan distribusi mekanik pada waktu ke-h. Minimum Kebutuhan Jenis Mekanik Dengan banyaknya aktivitas yang dilakukan dalam waktu tertentu diperlukan kebutuhan dari sumber daya sehingga aktivitas tersebut tidak ada yang loss. Optimasi sumber daya dapat memberikan pendekatan solusi dan nantinya dapat menjadi acuan dalam pemenuhan kebutuhan dari sumber daya. Optimalisasi dilakukan dengan solver melalui Ms. Excel. Memiliki fungsi tujuan minimum jenis mekanik (a) untuk mengerjakan pekerjaan dengan batasan dari sistem berupa: Tiap variabel a ke-i dan ke-j tidak boleh bernilai nol Tiap variabel a ke-j memiliki jumlah crew sebesar 40% dan jumlah a ke-I sebesar 60% dari total. SOLVER INPUT APRON Objective Function Subject to
a11 a21 a12 a22 a13 a23 a14 a24 a15 a25 a16 a26 a17 a27 a18 a28 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1.5 1 1 0.25 1.75 0.5 1.75 0.5 0.75 0.25 0.75 0.25 2.25 1.3 2.25 1.3 1 -2 1 -1.5 1 -1.5 1 -1.5 1 -1.5 1 -1.5 1 -1.5 1 -1.5
Decision Variable
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
16.8 8.54 7 19 16 5 65 19.656 0 0 0 0 0 0 0 0 0
Gambar 4 Input SOLVER
Running solver akan menggunakan VBA pada Ms. Excel sehingga mempermudah perhitungan yang dilakukan dan mengintegrasi data yang ada secara langsung pada Ms. Excel. Perancangan Decision Support System (DSS) Perancangan Decision Support System pada penelitian ini dimaksudkan untuk membantu dalam membuat keputusan dan sebagai alat bantu untuk melakukan perhitungan dalam melakukan analisa sensivitas. DSS ini mampu membantu dalam menghitung distribusi beban kerja yang merata untuk jumlah crew yang ada di Unit line maintenance PT GMF-AA. DSS ini dirancang menggunakan adds in pada Microsoft Excel yaitu Visual Basic Application (VBA). Penggunaan VBA dipilih karena terintegrasi dengan Microsoft Excel, maka input-process-output dapat dilakukan dalam satu window kerja tanpa harus membuka program lain. Pemilihan VBA pada Microsoft Excel karena User cukup terbiasa menggunakan Microsoft Excel sebagai tool dalam melakukan pekerjaan terutama dalam bidang perencanaan dan user tidak membutuhkan installing aplikasi lain.
mekanik dalam periode tertentu akan mengalami perbedaan juga. Interface pada DSS Pembuatan interface pada DSS ini dimaksudkan untuk memudahkan user dalam menggunakan program ini. Kemudahan dalam mengakses atau mengunakan program ini merupakan salah satu kunci keberhasilan dalam pembuatan DSS ini.
Gambar 6 Opening Interface
Gambar 7 Input DSS Analisa Sensivitas Pada tahap analisa sensivitas ini, DSS akan disimulasikan terhadap perubahan variable decision. Perubahan-perubahan yang dapat dilakukan adalah merubah jumlah available mekanik dan maintenance plan dalam satu hari
Gambar 5 flow chart DSS.
Pada perhitungan DSS ini, perhitungan dilakukan secara parallel, antara mekanik A/P dan E/A juga tempat mekanik tersebut berkerja yaitu Hangar dan Apron. Perlakuan terhadap perhitungan ini disebabkan beban kerja dari kedua mekanik tersebut berbeda sehingga kebutuhan dari mekanik tersebut juga mempengaruhi dalam pemenuhan minimum sumber daya. Begitu juga dengan perhitungan secara parallel untuk tempat kerja mekanik, juga disebabkan beban kerja atau perawatan yang dilakukan oleh kedua tempat tersebut berbeda maka kebutuhan dari
Perubahan dilakukan untuk melihat perbandingan antara kebutuhan mekanik dan jumlah perawatan yang dilakukan dalam satu hari. Perubahan dilakukan dalam satu hari karena dalam satu hari perawatan yang ada di perusahaan berbeda dengan hari berikutnya. Hasil dari total perawatan pesawat sebesar 129 pesawat berbadan kecil dan 13 pesawat berbadan besar di dapatkan jumlah mekanik saat ini belum bisa mencukupi kebutuhan yang ada seperti ditunjukkan pada gambar 8 di bawah ini.
5.1. Analisa Hubungan Antar Variable Hubungan variabel yang terdapat pada penelitian ini cukup mempengaruhi variabel utama, yaitu maintenance plan dan available mekanik. Kedua variabel tersebut cukup signifikan dalam menentukan proses penjadwalan mekanik. Maintenance plan merupakan variabel yang dapat merubah nilai dari sistem secara signfikan. Jika maintenance plan yang dilakukan pada homebase cengkareng berubah maka kebutuhan akan mekanik dalam setiap waktu akan berubah juga. Dari kebutuhan mekanik tersebut dapat kita bandingkan dengan ketersediaan yang ada di homebase Cengkareng ini. Gambar 10 menjelaskan hubungan antar variabel dari penelitian ini:
Gambar 8 Hasil running LINGO
Kemudian dilakukan penambahan jumlah mekanik secara bertahap mulai dari 45 orang, 50 orang, 75 orang hingga lebih dari 100 orang. Dengan penambahan hingga lebih dari 100 orang hasil yang didapatkan dari running LINGO pada gambar 9 di bawah ini.
Gambar 9 Hasil running LINGO
Dari ruuning analisa sensivitas didapatkan hasil bahwa dengan bertambahnya jumlah perawatan maka kebutuhan dari mekanik juga semakin besar dengan begitu kebutuhan untuk mekanik selama 2010 juga akan bertambah seiring bertambahnya pesawat dan rute penerbangan. 5.
ANALISA DAN INTEPRETASI DATA
Setelah semua data yang diperlukan telah terkumpul dan diolah, maka akan dilakukan analisa dan intepretasi terhadap data dan pengolahan tersebut.
Gambar 10 Hubungan antar variabel
Penjadwalan crew dipengaruhi oleh banyaknya ketersediaan mekanik, jika terdapat kekurangan mekanik pada maka perawatan tidak dapat berjalan dengan baik, sebagaimana semestinya. Variabel jumlah pesawat pada tahun berikutnya merupakan salah satu faktor yang dapat menyebabkan bertambahnya perputaran pesawat, seringnya pesawat mengalami perputaran maka beban kerja dari mekanik juga semakin besar dan kebutuhan dari mekanik untuk menangani pekerjaan pada waktu tersebut juga tinggi. Dalam memenuhi kebutuhan mekanik selama ini, perusahaan melakukan switching mekanik, sehingga ketika pesawat atau perawatan di hangar tidak padat mekanik di hangar akan ditugaskan ke apron. Jumlah pesawat yang melakukan perawatan di cengkaren tergolong padat, dalam satu hari dapat dilakukan total 140 pesawat. Dari seluruh perawatan tersebut aktivitas di apron cukup padat. Jika dibagi lagi menjadi satuan waktu maka aktivitas perawatan pesawat akan mengalami kepadatan pada waktu siang hari sedangkan pada waktu malam hari waktu yang diperlukan cukup banyak untuk melakukan perawatan. Jenis perawatan yang dilakukan di cengkareng merupakan faktor yang cukup mempengaruhi penjadwalan yang ada. Ini terkait dengan kemampuan dari home base. Dengan begitu jika pesawat mengalami kendala teknis yang tidak dapat ditangani oleh mekanik / crew stasiun cabang maka pesawat akan dikirim ke cengakareng untuk dilakukan perawatan. Jika pesawat tidak memungkinkan untuk dilakukan pengiriman di cengkareng, maka akan dikirim mekanik menuju tempat perbaikan. Pengurangan mekanik yang ada di home base menyebabkan pendistribusian beban kerja mekanik semakin besar, jika dalam sehari mekanik mampu melakukan 4-5 perawatan
pesawat jika ada mekanik yang bertugas atau tidak masuk mekanik yang lain akan mengerjakan pesawat lebih banyak. Dengan beban kerja yang ada seperti uraian di atas, kualitas dari perawatan pesawat tidak sepenuhnya baik, karena mekanik mendapat pekerjaan yang cukup banyak. Ketersediaan jumlah jenis mekanik yang tidak sama dalam setiap crew juga akan berdampak pada perawatan dari pesawat, karena jika tidak tersedianya spesifikasi mekanik yang tepat maka perawatan tersebut tidak akan dikerjakan oleh crew yang menerima tanggung jawab, tetapi akan dibebankan crew berikutnya. Kasus tersebut menyebabkan beban kerja dari mekanik semakin besar mengingat dalam setiap waktu terdapat perawatan yang harus dikerjakan. 5.2. Analisa Optimasi Minimum mekanik Pada sub bab ini akan membahas mengenai hasil optimasi dari minimum mekanik yang dibutuhkan pada jam ke-h dari penggunaan optimasi didapatkan bahwa pada setiap jam ke-h jika perawatan pesawat bertambah maka kebutuhan dari mekanik juga akan bertambah. Penambahan ini disebabkan dari waktu perawatan pesawat yang membutuhkan spesifikasi dari mekanik untuk mengerjakan perawatan tersebut. Dengan menggunakan program linier maka dapat ditentukan kebutuhan mekanik secara tepat. Pada gambar 9 ini menjelaskan kebutuhan mekanik dalam jam ke-h: CREW NEEDED 25
VALUE
20
AP APRON
15
EA APRON
lebih banyak. Untuk lama perawatan yang dilakukan perawatan di hangar membutuhkan waktu perawatan yang relative lama, sehingga manhours cukup besar, sedangkan untuk perawatan di apron waktu untuk perawatan lebih singkat, tetapi frekuensi perawatan cukup tinggi ini juga merupakan faktor penyebab perbedaan kebutuhan dari crew hangar dan apron cukup signifikan. 5.3. Analisa Optimasi Distribusi Crew Setelah didapatkan kebutuhan mekanik pada jam ke-h, selajutnya dapat dilakukan distribusi dari mekanik pada jam ke-h tersebut. Pengerjaan distribusi mekanik dengan menggunakan LINGO diharapkan dengan salah satu tool optimasi tersebut DSS ini dapat mengambil, mengolah dan menyajikan hasil pengolahan dari file yang terpisah. Hasil pengolahan optimasi kebutuhan mekanik pada jam ke-h akan dibandingkan dengan ketersediaan mekanik yang ada di perusahaan. Dari hasil perbandingan tersebut dapat diambil analisa bahwa jumlah mekanik yang ada di perusahaan saat ini belum mencukupi, dapat dijelaskan bahwa ketika melakukan pengolahan pertama terjadi infeasible area. Ini terjadi akibat kebutuhan dari mekanik lebih besar dari pada ketersedian mekanik. Dalam model matematika, hasil dari pengolahan bernilai negatif, maka LINGO membaca bukan sebagai solusi. Selisih antara ketersediaan dan kebutuhan mekanik yang cukup tinggi menyebabkan distribusi dari mekanik tidak berimbang dan akan berat pada salah satu crew saja atau tidak didistribusikan oleh program. LINGO membaca sebagai solusi yang tidak dapat disajikan. Untuk menganalisa lebih lanjut dilakukan analisa sensivitas agar dapat melihat kebutuhan dari mekanik yang tepat, sehingga tidak terjadi selisih yang cukup besar.
AP HANGAR 10
EA HANGAR
5
0 00.0003.00
03.0007.00
07.0008.00
08.0012.00
12.0015.00
15.0016.00
16.0023.00
23.0024.00
HOURS
Gambar 11 kebutuhan mekanik
Dari grafik pada gambar 11 diketahui bahwa kebutuhan mekanik cukup tinggi pada jam ke-5 dan jam ke7, tingginya kebutuhan mekanik ini karena pada waktu tersebut perawatan pesawat yang dilakukan cukup tinggi. Dengan padatnya jumlah perawatan pesawat, ketersedian mekanik untuk jam tersebut juga harus tinggi. Mengingat keterbatasan dari ketersediaan mekanik, maka perlu dilakukan pendistribusian mekanik, sehingga mekanik tidak bertumpuk pada jam yang seharusnya tidak terlalu padat. Perbedaaan kebutuhan antara crew apron dan crew hangar disebabkan perawatan yang dilakukan oleh crew hangar lebih sedikit pada jam ke-h. pada crew apron kebutuhan lebih banyak ini disebabkan perawatan di apron
5.4 Analisa Sensivitas dan Distribusi Crew Pada subbab ini akan dibahas mengenai analisa dari sensivitas dan perbandingan dan distribusi shift yang optimal. Analisa sensivitas dilakukan untuk melihat jika terjadi perubahan variabel terhadap kondisi ideal. Pada pengolahan data sebelumnya dihasilkan nilai yang infeasible dari perbadingan dan pendistribusian kebutuhan crew dengan ketersedian mekanik. Selajutnya dilakukan peningkatan jumlah ketersediaan mekanik AP dan EA dari jumlah sebelumnya sebesar 32 orang dan 19 orang menjadi 40 orang dan 25 orang, hasil dari pengolahan tetap menghasilkan nilai yang tidak optimal. Kebutuhan mekanik masih cukup terlalu besar. Maka jumlah ketersediaan dari mekanik dinaikkan menjadi 60 orang untuk AP dan 45 orang untuk EA., setelah dilakukan pengolahan tetap tidak mendapatkan hasil yang optimal. Jumlah mekanik ditingkatkan menjadi 90 orang AP dan 78 orang EA, hasil yang didapat juga belum menunjukkan nilai optimal, untuk mencari nilai optimal jumlah mekanik ditingkatkan lagi
Kebutuhan Mekanik Tiap Shift
Jumlah Mekanik
35 30 25 20
Mekanik A/P
15
Mekanik E/A
10 5 0 Morning
Late
Night
Shift
Gambar 12 Kebutuhan Mekanik Tiap Shift
Dari gambar 12 tersebut dibandingkan dengan jumlah pesawat dan maintenance procedure maka didapatkan mekanik akan mengerjakan kurang lebih mengerjakan 4 hingga 6 pesawat seperti ditunjukkan pada gambar 13 di bawah ini: Rata-Rata Jumlah Pesawat Dikerjakan Oleh Tiap Mekanik Dalam Satu Shift
Jumlah Pesawat
menjadi 140 orang AP dan 100 orang EA, setelah dilakukan pengolahan didapatkan hasil yang optimal. Dari pengolahan tersebut, dapat diketahui bahwa untuk mekanik yang dibutuhkan oleh perusahaan untuk mencapai distribusi pekerjaan yang optmal adalah terdapat 140 orang untuk jenis mekanik AP dan 100 orang mekanik EA. Jika dibandingkan dengan ketersediaan mekanik yang ada saat ini, cukup dibenarkan jika terdapat perawatan yang tidak memenuhi kualitas secara baik, karena jumlah mekanik yang ada tidak berimbang dengan kebutuhan dari mekanik. Selajutnya dilakukan penambahan dari perawatan pesawat untuk wide body sebesar satu pesawat untuk perawatan before departure, dan hasil dari pengolahan untuk ketersediaan mekanik cukup untuk penambahan dari satu perawatan pesawat. Maka dicoba untuk penambahan perawatan pesawat untuk narrow body untuk perawatan Daily check dan transit check sebesar 2 pesawat dan 10 pesawat. Kembali tidak didapatkan nilai optimum dari perhitungan LINGO, ini dikarenakan perawatan dari pesawat untuk Daily Check membutuhkan waktu banyak sehingga menyita waktu kerja dari mekanik, sehingga program membaca sebagai penambahan beban waktu dari pengerjaan dan penyelesaian lebih lama. Penyelesaian pekerjaan yang lebih lama menyebabkan beban kerja yang seharusnya dapat diselesaikan pada jam ke-h, akhirnya harus mundur dan seharusnya pekerjaan dapat diselesaikan dengan jumlah mekanik yang ada harus menambah mekanik untuk dapat menyelesaikan pekerjaan tersebut tepat waktu. Dengan melihat fleet plan dari Garuda Indonesia yang akan menambah jumlah pesawat pada tahun 2010 menyebabkan penambahan mekanik juga harus dilakukan agar ketersediaan mekanik yang ada dapat meng-handle kebutuhan mekanik selanjutnya. Salah satu cara untuk menekan kebutuhan dari mekanik yang teralau tinggi, perusahaan dapat melakukan distribusi dari perawatan ke stasiun luar, dengan pemerataan jumlah pekerjaan yang ada di stasiun luar dan home base. kebutuhan dari mekanik yang tinggi di home base dapat ditekan dengan mengalokasikan beban pekerjaan yang ada di stasiun luar. Hasil perhitungan distribusi yang ada menunjukkan bahwa jika terdapat dua crew/group yang bekerja dalam jam ke-h yang sama maka jumlah dari mekanik yang bekerja akan di bagi menurut jumlah mekanik yang tersedia dari setiap crew. Adanya distribusi mekanik ini untuk menghindari kekurangan dari mekanik pada jam ke-h. Pengerjaan perawatan pesawat yang berbeda dalam tiap jam ke-h, membutuhkan jumlah mekanik dalam setiap crew/group berbeda-beda dengan adanya pemerataan ini jumlah mekanik yang ada dapat dialokasikan sesuai dengan jumlah yang dibutuhkan sehingga hasil dari pemerataan. Gambar 10 di bawah ini menjelaskan kebutuhan mekanik dalam tiap shift:
7 6 5 4 3 2 1 0
Mekanik
1
2
3
total
Jam ke-h Dalam Shift ke-i
Gambar 13 Rata-Rata Jumlah Pesawat Dikerjakan Oleh Mekanik Dalam Satu Shift
Dari gambar 13 tersebut menjelaskan bahwa dalam satu shift, mekanik dapat mengerjakan 4 hingga 6 pesawat, sehingga untuk tanggung jawab dari mekanik dalam satu shift untuk melakukan perawatan cukup banyak sehingga dibutuhkan ketepatan waktu agar dalam perawatan tidak mengalami keterlambatan yang menyebabkan waktu perawatan bertambah lama. Adanya sistem penjadwalan baru lebih memudahkan dalam melakukan perencanaan terhadap kebutuhan mekanik pada tiap jam ke-h. Pada sistem yang lama belum terdapat penjadwalan secara komputerisasi, karena penjadwalan dikerjakan dengan menggunakan manual sehingga mekanik akan dialokasikan begitu saja tanpa melihat kebutuhan yang ada. Dengan adanya sistem yang baru maka alokasi mekanik lebih terukur seperti terlihat pada gambar 14.
Gambar 14 Perbandingan perhitungan kebutuhan mekanik antara eksisting dengan DSS
sebagai alat pengambilan keputusan untuk perencanaan shift dengan melihat distribusi pesebaran mekanik yang seimbang. 4) Distribusi mekanik yang merata pada jam ke-h menyebabkan beban kerja yang dikerjakan oleh tiap mekanik merata, dalam satu shift mekanik bertanggung jawab kurang lebih 4 hingga 6 pesawat 5) Dengan adanya DSS ini mampu mengalokasikan mekanik dengan tepat pada jam ke-h jika dibandingkan dengan eksisting. 6) Peningkatan jumlah pesawat pada tahun 2010, kebutuhan mekanik dapat diperkirakan sejak dini, sehingga pada nantinya ketersediaan mekanik dapat memenuhi kebutuhan selama 2010. SARAN Saran untuk penelitian selanjutnya adalah agar DSS mampu menganalisa lebih detail kebutuhan dari jenis mekanik sesuai dengan kemampuan mekanik dalam memperbaiki jenis pesawat, dan dapat mengolah validitas dari pengolahan yang ada. Dalam penelitian ini belum digunakan deviasi untuk mengitung beban kerugian perusahaan jika terdapat crew yang melakukan pekerjaan tidak sesuai dengan beban kerja yang dialokasikan kepada mekanik tersebut. Pada penelitian berikutnya agar DSS yang digunakan mampu terkoneksi dengan software untuk aircraft rotation sehingga DSS dapat lebih dinamis.
Gambar 15 Hasil Perbandingan Beban Kerja Mekanik
Dari perbandingan kebutuhan eksisting dengan perhitungan didapatkan beban kerja dari mekanik dapat diratakan melalui pengurangan beban kerja mekanik yang berlebih dan didistribusikan kepada mekanik lainnya ditunjukkan pada gambar 15. 6.
KESIMPULAN DAN SARAN KESIMPULAN
Berdasarkan pengolahan data serta intepretasi data yang telah dilakukan pada bab sebelumnya maka dapat diambil kesimpulan sebagai berikut : Kesimpulan yang dapat diambil dalam penelitian ini adalah: 1) Penelitian ini menghasilkan suatu model alat pengambilan keputusan untuk melihat kebutuhan dari minimum mekanik dalam waktu ke-h, membandingkan kebutuhan dari mekanik dengan ketersediaan mekanik yang ada untuk melihat ketersediaan mekanik yang ada mampu meng-handle perawatan yang ada. 2) Dengan perhitungan optimasi dapat diketahui kebutuhan mekanik yang paling tinggi adalah jam ke5 dan jam ke-7, sehingga alokasi untuk mekanik pada jam tersebut menjadi prioritas utama. 3) Penggunaan LINGO mampu memperhitungkan bahwa distribusi mekanik mampu di alokasikan maksimal pada jam tersebut. Dengan LINGO model ini dapat
DAFTAR PUSTAKA Bard, J.F., Jensen, P.A., 2003. “Operation Research Models and Methods”. John Wiley and Sons Inc. USA. Bazargan, M., Gupta, P., Young, Y., 2003. “ A Simulation Approach to Manpower Planning”. Proceedings of the 2003 Winter Simulation Conference. USA. Bazargan, M., 2004. “Airline Operations and Scheduling”. Ashgate, Burlington. USA. Blazewicz, J., et al. 2007. “Hand Book on Scheduling – From Theory to Application” Springer. New York. Centeno, M., Ismail, A., 2003. “ A Simulation-ILP Based Tool for Scheduling ER Staff”. Proceedings of the 2003 Winter Simulation Conference. USA. Humphrey, P., Adam, F., (2008). Encyclopedia of Decision Making And Decision Support Technologies. United States. Ismail, W.R., Jenal, R., Yeun, L.C., Khairi Muda, M., “ Penjadualan Kerja Berkala Jururawat Menggunakan Kaedah Pengaturcaraan Gol 0-1”. Sains Malaysiana 38(2)(2009): 233–239. Klinkert. A., “ Days-Off Scheduling in Large-Scale Multi-Skill Staff Rostering: An Integer Programming. Zurich University of Applied Sciences ZHAW Marakas, George M. (2003). “Decision Support Systems in The 21st Century”, New Jersey, Prentice Hall.
Mark, W.I, 2000. “An Optimization Model based Decision Support System for Staff Scheduling Analysis in Healthcare Facilities”. AMCIS 200 Proceedings. USA. Mirenani, Y.D., 2007. “Penjadwalan Pilot Maskapai Penerbangan Dengan Metode Dekomposisi Eksak”. Tugas Akhir Jurusan Teknik Industri ITS, Surabaya. Rizka, A., 2004. “Optimasi Komposisi Kuantum Produksi Dengan Menggunakan Metode Linear Programming”. Tugas Akhir Jurusan Teknik Industi ITS, Surabaya. Taha, H.A., 2003. “Operations Research: An Introduction”. McGraw-Hill. New York http://www.detikfinance.com/read/2008/11/20/135915/104 0204/4/pertumbuhan-industri-penerbanganmelambat-tahun-2009 (Di download pada tanggal 30 november 2009 jam 16.35 WIB)
