UNIVERSITAS SUMATERA UTARA MEDAN

PENERAPAN THEORY OF CONSTRAINTS (TOC) DALAM UPAYA PENINGKATAN KAPASITAS PRODUKSI DI PT. X

TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana Teknik

Oleh

AGUS RIANTO 030403020

DEPARTEMEN TEKNIK INDUSTRI F A K U L T A S

T E K N I K

UNIVERSITAS SUMATERA UTARA MEDAN 2009 Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.


TUGAS SARJANA Diajukan untuk Memenuhi Sebagian dari Syarat-Syarat Memperoleh Gelar Sarjana Teknik

Oleh

AGUS RIANTO 030403020

Disetujui Oleh :

Dosen Pembimbing I

Dosen Pembimbing II

Ir. Poerwanto, M.Sc

Ir. Rosnani Ginting, MT

DEPARTEMEN TEKNIK INDUSTRI F A K U L T A S

T E K N I K

UNIVERSITAS SUMATERA UTARA MEDAN 2009 Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

No. Dok.: FM-TS-01-05A;

Tgl. Efektif : 1 Februari 2007;

Rev : 0;

Halaman : 1 dari 1

DEPARTEMEN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA

No. Dok.

: FM-TS-01-09A

Rev

: 00

Tgl Efektif : 01 Feb 2007 Halaman

: 1 dari 1

SERTIFIKAT EVALUASI TUGAS SARJANA “SERTIFIKAT EVALUASI TUGAS SARJANA”

No. : 872 / H5.2.1.4.1.4/KRK/2009 Kami yang bertanda tangan dibawah ini, menyatakan bahwa setelah melakukan : -

Evaluasi hasil Seminar DRAFT Tugas Sarjana

-

Pemeriksaan Terhadap Perbaikan DRAFT Tugas Sarjana

terhadap mahasiswa : Nama

:

Agus Rianto

NIM

:

030403020

Tempat dan tanggal lahir

:

Padang Sidempuan / 30 Agustus 1985

Judul Tugas Sarjana

:

Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi di PT. X

menetapkan ketentuan-ketentuan berikut sebagai hasil evaluasi : Dapat menerima perbaikan Tugas Sarjana Departemen Teknik Industri dan kepada penulisnya diizinkan untuk mengikuti Sidang Sarjana / Ujian Kolokium yang akan diadakan Departemen Teknik Industri FT USU. Medan, 29 Juli 2009 Tim Pembanding, Pembanding I,

Pembanding II,

Pembanding III,

Ir. Kores Sinaga

Ir. Khawarita Siregar, MT

Ir. Ukurta Tarigan, MT

Tanggal, 28 Juli 2009

Pembimbing I,

Ir. Poerwanto, M.Sc



Pembimbing II,

Ir. Rosnani Ginting, MT

Ketua ,

Ir. Rosnani

Ginting, MT

Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

DEPARTEMEN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA

No. Dok. Rev Tgl Efektif Halaman

: FM-TS-01-13A : 00 : 01 Feb 2007 : 1 dari 1

PERBAIKAN SIDANG SARJANA Kami yang bertanda tangan di bawah ini, menyatakan bahwa setelah melakukan diskusi/bimbingan atas “ catatan “ terhadap Tugas Sarjana mahasiswa : Nama

:

AGUS RIANTO

NIM

:

03 0403 020

Tempat/Tanggal Lahir

:

PADANG SIDEMPUAN / 30 AGUSTUS 1985

Judul Tugas Sarjana

:


menyatakan dapat menerima “ catatan “ sebagai kelengkapan hasil ujian Sidang Sarjana yang diadakan tanggal 24 April 2008 dan kepada penulisnya dinyatakan selesai dalam melengkapi hasil ujian kollokiumnya.

Medan, 31 JULI 2009 Ketua,

Ir. ROSNANI GINTING, MT NIP. 131 957

369 Team Penguji :

1. Ir. UKURTA TARIGAN, MT Tanda Tangan . 25 – 08 - 2009 - Jelaskan (tambahkan) pengertian TOC


KATA PENGANTAR

Puji syukur penulis panjatkan kepada Allah SWT yang telah memberikan rahmat dan karunia-Nya sehingga Penelitian dan Laporan Tugas Sarjana di PT. X dapat penulis selesaikan sesuai waktu yang telah ditentukan. Penelitian yang penulis lakukan di PT. X ini merupakan salah satu syarat dalam kurikulum pendidikan sarjana Teknik di Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara. Adapun judul permasalahan yang dibahas dalam penelitian ini adalah “Penerapan Theory of Constraints dalam Upaya Peningkatan Kapasitas Produksi di PT. X.” Sebagai manusia yang tidak luput dari kesalahan, penulis menyadari masih banyak kekurangan dalam penulisan laporan ini. Oleh karena itu, penulis mengharapkan

saran

dan

masukan

yang

sifatnya

membangun

untuk

kesempurnaan laporan ini. Demikian laporan ini penulis tulis dan persembahkan untuk pihak-pihak yang telah membantu penulis.

Medan,

Juli 2009

Penulis

(Agus Rianto)


UCAPAN TERIMA KASIH

Dalam penulisan laporan ini, penulis banyak mendapat bantuan dari berbagai pihak sehingga laporan ini dapat diselesaikan. Pada kesempatan ini, penulis dengan ketulusan hati mengucapkan terima kasih kepada: 1.

Ayahanda Pelda Suyarto dan Ibunda Riani serta adinda Ari Hartanto yang tercinta dan tersayang yang selalu memberikan dorongan, nasehat, kasih sayang, dukungan material dan spiritual.

2.

Lely Sumarni, ST sebagai wanita yang sangat penulis cintai dan sayangi yang senantiasa menemani, memberikan semangat, masukan, kekuatan, kesabaran dan penghiburan di setiap waktu kepada penulis dari mulai awal penelitian sampai penyelesaian Tugas Sarjana ini.

3.

Bapak Azzril selaku Manajer Produksi dan Bapak Zulfikri selaku wakil serta para karyawan pada lantai produksi yang telah banyak membantu dan membimbing pelaksanaan penelitian di PT. X.

4.

Bapak Ir. Poerwanto, M.Sc selaku dosen pembimbing I dan Ibu Ir. Rosnani Ginting, MT selaku dosen pembimbing II yang telah meluangkan waktu dan tenaga untuk memberikan bimbingan dan pengarahan kepada penulis.

5.

Ibu Ir. Rosnani Ginting, MT, selaku Ketua Departemen Teknik Industri yang telah memberikan izin pelaksanaan Tugas Sarjana ini dan dukungan serta perhatian yang diberikan kepada penulis.


6.

Bapak Aulia Ishak, ST, MT dan Bapak Ir. Sugiharto Pujangkoro selaku koordinator Tugas Sarjana beserta para pegawai Departemen Teknik Industri yang telah membantu penulis.

7.

Bang Bowo, Bang Mijo, Kak Dina dan para pegawai Departemen Teknik Industri lainnya yang banyak membantu penulis terutama dalam masalah administrasi.

8.

Eko “Kodok” Susanto teman seperjuangan dan rekan penulis satu kost dan bergadang untuk pengerjaan Tugas Sarjana sekaligus teman diskusi dalam penyelesaian penelitian ini.

9.

Nurul Hinayah Rizky Trisza, ST (teman satu kecelakaan) dan Hendrik Sitanggang, ST selaku teman satu penelitian di PT. X. Dan selalu terus memberikan semangat serta motivasi bagi penulis selama pengerjaan laporan ini.

10.

Arief Teguh Prayogi, ST (owner of base camp), Ihsanul Poetra Loebits, ST (teknisi laptop, juga saran dan kritik), Syaiful Azhari Siregar (pemikir), Taqwa, Bq, Umar Ali, Imran, Juwita, Patia, Geri, Januar, Apriyanto, Galumbang, Otto, Okto (memberi bantuan teori), Heriyandi, dan temanteman satu angkatan 2003 yang tidak bisa disebutkan satu persatu. Terima kasih atas bantuan semua.

11.

Semua teman-teman di Departemen Teknik Industri terutama angkatan 2004 dan 2005 yang telah membantu penulis.


DAFTAR ISI

BAB

I.

HALAMAN

JUDUL ..............................................................................................

i

LEMBAR PENGESAHAN ................................................................

ii

SERTIFIKAT EVALUASI TUGAS SARJANA ................................

iii

KATA PENGANTAR ........................................................................

iv

UCAPAN TERIMA KASIH ..............................................................

v

DAFTAR ISI .....................................................................................

vii

DAFTAR TABEL...............................................................................

viii

DAFTAR GAMBAR .........................................................................

xvi

DAFTAR LAMPIRAN ......................................................................

xix

ABSTRAK.........................................................................................

xxi

PENDAHULUAN 1.1.

Latar Belakang Permasalahan ..................................................

I–1

1.2.

Perumusan Masalah .................................................................

I–3

1.3.

Tujuan dan Manfaat Penelitian .................................................

I–3

1.4.

Batasan Masalah dan Asumsi ...................................................

I–5

1.5.

Sistematika Penulisan Tugas Akhir ..........................................

I–6


DAFTAR ISI (LANJUTAN)

BAB II.

HALAMAN

GAMBARAN UMUM PERUSAHAAN 2.1.

Sejarah Perusahaan ..................................................................

II – 1

2.2.

Ruang Lingkup Bidang Usaha..................................................

II – 4

2.3.

Organisasi dan Manajemen ......................................................

II – 4

2.3.1. Struktur Organisasi .......................................................

II – 5

2.3.2. Uraian Tugas dan Tanggung Jawab ...............................

II – 8

2.3.3. Tenaga Kerja dan Jam Kerja ......................................... II – 10 2.3.4. Sistem Pengupahan dan Jaminan Sosial......................... II – 11 2.4.

Proses Produksi........................................................................ II – 12 2.4.1. Bahan Produksi ............................................................. II – 12 2.4.1.1. Bahan Baku ..................................................... II – 12 2.4.1.2. Bahan Tambahan ............................................. II – 13 2.4.1.3. Bahan Penolong dan Bahan Pendukung ........... II – 14 2.4.2. Uraian Proses Produksi ................................................ II – 15

III TINJAUAN PUSTAKA 3.1.

Pengukuran Kerja .................................................................... III – 1 3.1.1. Pengukuran Kerja Secara Langsung ............................. III – 1 3.1.1.1. Metode Jam Henti ............................................ III – 1 3.1.1.2. Metode Sampling Pekerjaan ............................ III – 6



BAB

HALAMAN 3.1.2. Pengukuran Kerja Secara Tak Langsung ...................... III – 7

3.2.

Penyesuaian dan Kelonggaran ................................................. III – 7 3.2.1. Penyesuaian ................................................................. III – 7 3.2.1.1. Maksud Melakukan Penyesuai ......................... III – 7 3.2.1.2. Konsep Tentang Bekerja Wajar ....................... III – 7 3.2.1.3. Cara Menentukan Faktor Penyesuaian ............. III – 8 3.2.2. Kelonggaran ................................................................. III – 11

3.3. Peramalan Permintaan ............................................................. III – 11 3.3.1. Metode Peramalan ....................................................... III – 12 3.3.2. Langkah-langkah Peramalan ........................................ III – 17 3.3.3. Parameter Kesalahan Peramalan ................................... III – 18 3.3.4. Verifikasi Peramalan .................................................... III – 20 3.4. Stasiun Kerja ........................................................................... III – 21 3.5. Sejarah Perkembangan Theory of Constraints (TOC) ............... III – 24 3.5.1. Pengertian Theory of Constraints (TOC) ...................... III – 25 3.5.2. Prinsip Theory of Constraints (TOC)............................. III – 25 3.5.3. Langkah-Langkah Theory of Constraints (TOC) .......... III – 26 3.5.4. Program Linier ............................................................. III – 29



BAB

HALAMAN

IV METODOLOGI PENELITIAN 4.1.

Tempat dan Waktu Penelitian .................................................. IV – 1

4.2.

Rancangan Penelitian ............................................................... IV – 1

4.3.

Objek Penelitian ...................................................................... IV – 3

4.4.

Variabel Penelitian................................................................... IV – 3

4.5.

Instrumen Penelitian ............................................................... IV – 3

4.6.

Pengumpulan Data .................................................................. IV – 3

4.7.

Pengolahan Data ..................................................................... IV – 4 4.7.1. Pengukuran Sistem Kerja ............................................. IV – 5 4.7.2. Peramalan Permintaan .................................................. IV – 5

4.8. Analisa Data ............................................................................ IV – 6

V

PENGUMPULAN DAN PENGOLAHAN DATA 5.1.

5.2.

Pengumpulan Data ...................................................................

V–1

5.1.1. Pengukuran Waktu Kerja ..............................................

V–1

5.1.2. Uji Keseragaman Data dan Kecukupan Data .................

V–4

5.1.3. Perhitungan Waktu Standar ..........................................

V–5

Pengolahan Data ...................................................................... V – 11 5.2.1. Peramalan Permintaan ................................................. V – 11 5.2.2. Pembentukan Draft Awal Jadwal Induk Produksi ......... V – 28


5.2.3. Perhitungan Rough Cut Capacity Planning (RCCP) ..... V – 29 5.2.3.1. Perhitungan Kapasitas yang Dibutuhkan (Capacity Requirement) ................................... V – 29 5.2.3.2. Perhitungan Kapasitas yang Tersedia (Capacity Available) ........................................ V – 31 5.3. Identifikasi Stasiun Kerja Bottleneck dan Non Bottleneck ......... V – 32 5.4. Pengaturan Kembali JIP dengan Mengoptimalkan Stasiun Kerja Bottleneck ................................................................................ V – 34

VI ANALISA DAN PEMBAHASAN 6.1.

Analisa Peramalan Permintaan ................................................ VI – 1

6.2.

Analisa Stasiun Kerja Bottleneck ............................................. VI – 3

6.3.

Analisa Revisi JIP dengan Mengoptimalkan Stasiun Kerja Bottleneck

........................................................................ VI – 3

VII KESIMPULAN DAN SARAN 7.1.

Kesimpulan.............................................................................. VII – 1

7.2.

Saran ....................................................................................... VII – 2

DAFTAR PUSTAKA LAMPIRAN


DAFTAR TABEL

TABEL 5.1.

HALAMAN Data Pengukuran Waktu Proses Obat Anti Nyamuk Bakar Coil Standar Lokal ..............................................................................

5.2.

V–3

Data Pengukuran Waktu Proses Obat Anti Nyamuk Bakar Coil Jumbo ..........................................................................................

V–3

5.3.

Hasil Pengujian Keseragaman dan Kecukupan Data ....................

V–5

5.4.

Rating Factor Untuk Tiap Stasiun Kerja ......................................

V–6

5.5.

Allowance Pada Tiap Stasiun Kerja .............................................

V–6

5.6.

Waktu Siklus Rata-Rata Untuk Tiap Produk dan Stasiun Kerja ....

V–8

5.7.

Waktu Standar Untuk Tiap Produk dan Stasiun Kerja ..................

V–8

5.8.

Data Permintaan Selama Bulan April 2006 – Maret 2007 .............

V–9

5.9.

Biaya Produksi/dC dan Biaya Material/dC ...................................

V–9

5.10. Hari Kerja Periode April 2006 – Maret 2007 ............................... V – 10 5.11. Jumlah Mesin, Utilisasi, dan Efisiensi Setiap Stasiun Kerja ......... V – 10 5.12. Harga Jual Masing-Masing Produk .............................................. V - 10 5.13. Perhitungan Parameter Kesalahan Metode Simple Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Standar Lokal ... V – 14 5.14. Perhitungan Parameter Kesalahan Metode Simple Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Jumbo .............. V – 18 5.15. Parameter Regresi Linier Trend Corrected Exponential Smoothing (Model Holt) untuk Obat Anti Nyamuk Bakar Coil Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

DAFTAR TABEL (LANJUTAN)

TABEL

HALAMAN Standar ........................................................................................ V – 19

5.16. Nilai L dan T untuk Obat Anti Nyamuk Bakar Coil Standar ........ V - 20 5.17. Perhitungan Parameter Kesalahan Metode Trrend Corrected Exponential Smoothing (Holt) untuk Obat Anti Nyamuk Bakar Coil Standar ...................................................................... V – 21 5.18. Parameter Regresi Linier, Nilai L dan T Model Holt untuk Obat Anti Nyamuk Bakar Coil Jumbo .......................................... V - 22 5.19. Perhitungan Parameter Kesalahan Metode Trend Corrected Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Jumbo........................................................................................... V – 22 5.20. Kesalahan Estimasi Peramalan ..................................................... V – 23 5.21. Data Verifikasi Peralaman Simple Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Standar Lokal ............................... V – 24 5.22. Data Verifikasi Peralaman Simple Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Jumbo .......................................... V - 25 5.23. Hasil Peramalan Permintaan dengan Metode Simple Exponential Smoothing .................................................................................... V – 27 5.24. Draft Awal Jadwal Induk Produksi Periode April 2007 – Maret 2008 ............................................................................................. V - 28 5.25. Data Bill of Labor Masing-Masing Produk ................................... V – 29 Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

DAFTAR TABEL (LANJUTAN)

TABEL

HALAMAN

5.26. Kapasitas yang Dibutuhkan Tiap Stasiun Kerja ............................ V - 30 5.27. Kapasitas Tersedia Tiap Stasiun Kerja .......................................... V – 31 5.28. Rough Cut Capacity Rreport Periode April 2007 – Maret 2008 .... V – 33 5.29. Perhitungan Throughput Masing-Masing Produk.......................... V – 35 5.30. Jadwal Induk Produksi Optimal ................................................... V – 36 6.1.

Kesalahan Estimasi Peramalan .................................................... VI – 1

6.2.

Hasil Peramalan Permintaan dengan Metode Simple Exponential Smoothing Periode April 2007 – Maret 2008 ............................... VI – 1

6.3.

Rough Cut Capacity Report Periode April 2007 – Maret 2008 ..... VI - 3


DAFTAR GAMBAR

GAMBAR

HALAMAN

2.1.

Struktur Organisasi PT. X ........................................................

II – 7

4.1.

Block Diagram Prosedur Penelitian .......................................... IV – 1

4.2.

Block Diagram Pengolahan Data .............................................. IV – 4

5.1.

Diagram Pencar Permintaan Obat Anti Nyamuk Bakar Coil Standar Lokal .......................................................................... V – 11

5.2.

Diagram Pencar Permintaan Obat Anti Nyamuk Bakar Coil Jumbo .............................................................................. V – 12


DAFTAR LAMPIRAN

LAMPIRAN

HALAMAN

1. Perhitungan Waktu Produksi Tiap Stasiun Kerja ................................

L–1

2. Draft Awal Jadwal Induk Produksi Hasil Output QS .........................

L–3

3. Hasil Perhitungan Linier Programming dengan QS ...........................

L–4

4. Perbandingan JIP Optimal dengan JIP Perusahaan .............................

L–4


ABSTRAK

Persaingan dalam dunia industri akan semakin ketat, setiap perusahaan akan berusaha untuk meningkatkan kinerja perusahaan agar perusahaannya dapat bertahan. Kemampuan perusahaan dalam menyediakan produk dengan cepat sesuai dengan permintaan konsumen merupakan salah satu faktor utama yang dapat menghidupkan eksistensi perusahaan dalam menghadapi pesaing dari perusahaan sejenis yang semakin bertambah dan berkembang. PT. X merupakan perusahaan yang bergerak dibidang produksi obat anti nyamuk bakar dengan 25 jenis produk. Berdasarkan fakta yang terjadi saat ini, PT. X mendapatkan permintaan yang cukup tinggi untuk produknya. Sehingga sering terjadi penumpukan besar pada stasiun kerja. Dalam pengaturan terhadap jadwal induk produksi perusahaan menghadapi kendala yang besar. Oleh karena perusahaan harus memenuhi permintaan yang cukup tinggi tersebut perusahaan harus melakukan pengoptimalan pada area penumpukan terbesar atau pada stasiun kerja bottleneck. Penelitian ini bertujuan untuk mengeliminasi stasiun kerja bottleneck dengan menerapkan lima prinsip perbaikan berkelanjutan theory of constraints (TOC). Penerapan TOC dilakukan untuk mengoptimalkan perencanaan kapasitas dalam hal ini jadwal induk produksi dengan menggunakan ukuran operasional dalam TOC yaitu throughput. Dalam TOC lima langkah yang digunakan untuk melakukan perbaikan secara berkelanjutan adalah identifikasi kendala dalam sistem, memutuskan bagaimana mengatasi kendala, putuskan operasi yang mengoptimalkan kendala, analisa dan kembangkan kendala, dan langkah terakhir kembali ke langkah 1. Sehingga dengan langkah–langkah tersebut akan berkelanjutan dalam melakukan perbaikan. Penggunaan TOC dilakukan untuk mengoptimalkan perencanaan produksi dengan menggunakan metode linier programming sehingga didapat stasiun kerja yang sebelumnya merupakan stasiun kerja bottleneck yaitu pada stasiun kerja 3 pada periode Oktober dapat dieliminasi dan pada stasiun kerja 4. Untuk jumlah produk maksimal diperoleh pada periode Juli 2007 dengan jumlah produksi untuk obat anti nyamuk bakar coil standar lokal 1.039.675.538 dC dengan throughput sebesar Rp Rp 843.300.485,-

Keyword: Lintasan produksi, jadwal induk produksi, theory of constraints, perencanaan kapasitas


BAB I PENDAHULUAN

1.1. Latar Belakang Permasalahan Persaingan dalam dunia industri akan semakin ketat, setiap perusahaan akan berusaha untuk meningkatkan kinerja perusahaan agar dapat bertahan. Kemampuan perusahaan dalam menyediakan produk dengan cepat sesuai dengan permintaan konsumen merupakan salah satu faktor utama yang dapat menghidupkan eksistensi perusahaan dalam menghadapi pesaing dari perusahaan sejenis yang semakin bertambah dan berkembang. Perencanaan produksi sangat menentukan dalam mengukur kemampuan perusahaan dalam penyediaan produk. Dalam melakukan perencanaan produksi, setiap elemen dari semua lantai produksi harus dapat memperhitungkan seluruh kemampuan dan keterbatasan sumber daya yang dimilikinya. Jika perencanaan produksi tidak dapat diatur dengan baik (terjadi inefisiensi) dapat menyebabkan terjadinya bottleneck. Bottleneck adalah stasiun kerja yang memiliki kapasitas lebih kecil dari kebutuhan produksi. Stasiun kerja bottleneck akan mengakibatkan terjadinya keterlambatan jika ada peningkatan permintaan yang melebihi kapasitas. Stasiun kerja yang bottleneck akan menjadi stasiun kerja yang sibuk, sedangkan non


bottleneck akan terjadi jika kapasitas mesin yang ada lebih besar daripada permintaan. 1 Selama ini, cara untuk mengatasi stasiun kerja bottleneck adalah dengan menambah jumlah mesin/peralatan/karyawan, perbaikan metode kerja dan menambah jumlah lembur. Tetapi terkadang cara-cara di atas tidak mungkin dilakukan karena membutuhkan modal besar dan waktu yang lama. Untuk itu diperlukan suatu pendekatan pemecahan masalah yaitu dengan memanfaatkan atau mengoptimalkan sumber-sumber daya yang ada di pabrik serta mengelola dengan baik kendala-kendala yang ada di pabrik. PT. X merupakan perusahaan manufaktur yang terletak di jalan Pelita Raya No. 1 Kav. 3 Tanjung Morawa Kabupaten Deli Serdang-Sumatera Utara. Perusahaan ini adalah perusahaan yang memproduksi obat anti nyamuk bakar. Produk yang dihasilkan terdiri dari sekitar 25 jenis variasi produk. Secara umum, aliran produksi terdiri dari empat tahapan yaitu formulasi, pencetakan, pemasakan, dan pengepakan. Berdasarkan pengamatan, terlihat bahwa tidak semua aliran produksi berjalan dengan lancar. Salah satu masalah yang terjadi adalah penumpukan besar (bottleneck) pada lantai produksi terutama pada bagian pemasakan dan pengepakan. Masalah ini menyebabkan terjadi keterlambatan dalam proses produksi. Metode yang digunakan dalam penelitian ini adalah penerapan prinsip theory of constraints. Penelitian dimulai dengan menganalisa proses produksi, pengamatan waktu proses tiap sektor produksi, serta perhitungan kapasitas pada tiap sektor

1

Goldratt, Elihayu M.. 1990. Theory of Constraints. New York : North River Press Inc


tersebut. Kemudian dilakukan analisa untuk mencari stasiun kerja bottleneck, mengembangkan kapasitas pada bagian tersebut, dan menghitung kembali kapasitas baru yang diperoleh. Hal ini dilakukan beberapa kali untuk mendapatkan kemungkinan pengembangan baru

hingga mencapai target kapasitas

yang

diinginkan. 2

1.2. Perumusan Masalah Berdasarkan latar belakang masalah di atas, maka dapat ditentukan perumusan masalah yang dihadapi perusahaan yaitu sering terjadi penumpukan yang menyebabkan perusahaan sulit untuk memenuhi kebutuhan sesuai jadwal yang telah ditentukan. Permasalahan ini akan dipecahkan dengan mengatur kembali perencanaan kapasitas dalam hal ini adalah jadwal induk produksi sehingga didapat kapasitas produksi optimal di PT. X. Dengan demikian akan dapat mengurangi ataupun menghilangkan penumpukan besar atau bottleneck yang ada.

1.3. Tujuan dan Manfaat Penelitian A. Tujuan 1. Tujuan Umum Secara umum tujuan penelitian ini adalah untuk menghilangkan stasiun kerja bottleneck atau hambatan yang terjadi sebagai upaya untuk meningkatkan kapasitas produksi.

2

Christianto, Budi. 2006. Peningkatan Kapasitas Pada Pabrik Pakan Ternak Dengan Menggunakan Prinsip Synchronous Manufacturing.


2. Tujuan Khusus Secara khusus penelitian ini bertujuan untuk: a. Menentukan waktu standar setiap stasiun kerja. b. Menentukan jadwal induk produksi. c. Menentukan rough cut capacity planning (RCCP). d. Mengidentifikasi stasiun kerja non bottleneck dan bottleneck berdasarkan theory of constraints (TOC). e. Pengaturan jadwal induk produksi optimal dengan penggunaan metode linier programming.

B. Manfaat 1. Bagi Perusahaan Bagi perusahaan penelitian ini dapat dimanfaatkan sebagai sutau bahan pertimbangan dalam memperkirakan kendala-kendala yang terjadi pada lantai produksi, sehingga dengan begitu perusahaan dapat dengan lebih cepat mengatasi setiap kendala yang terjadi dan target dalam peningkatan kapasitas produksi dapat terlaksana. 2. Bagi Mahasiswa Bagi mahasiswa penelitian ini merupakan pengalaman dan dapat menambah pengetahuan dalam mengembangkan pola pikir yang lebih cerdas dan cermat pada bidang kerja nyata.


3. Bagi Fakultas Dengan adanya penelitian ini dapat menambah jumlah hasil karya mahasiswa terutama pada masalah yang berkenaan dengan TOC, sehingga dapat menjadi literatur dan referensi bagi mahasiswa lainnya.

1.4. Batasan Masalah dan Asumsi A. Batasan Masalah Pembatasan masalah dalam penelitian ini adalah : 1. Constraints yang menjadi perhatian utama dalam penelitian adalah internal constraints di pabrik berupa stasiun kerja bottleneck yang terdapat di lantai produksi pada PT. X. 2. Ukuran operasional TOC yang dipakai adalah throughput. 3. Metode yang digunakan adalah lima prinsip dasar perbaikan TOC untuk mengoptimalkan perencanaan produksi dengan menggunakan metode linier programming. 4. Penggunaan TOC dalam penelitian ini hanya terbatas pada pengidentifikasian dan pemanfaatan stasiun kerja bottleneck. B. Asumsi Sedangkan asumsi-asumsi yang digunakan dalam penelitian ini adalah sebagai berikut : 1. Tidak terjadi kerusakan mesin selama penelitian ini berlangsung. 2. Metode kerja tidak mengalami perubahan selama penelitian berlangsung dan sudah terstandarisasi. Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

3. Biaya produksi dan harga jual tidak mengalami perubahan untuk satu tahun ke depan.

1.5. Sistematika Penulisan Tugas Akhir Agar lebih mudah untuk dipahami dan ditelusuri maka sistematika penulisan tugas akhir ini akan disajikan dalam beberapa bab sebagai berikut : BAB I

: PENDAHULUAN Menguraikan latar belakang permasalahan, rumusan permasalahan, tujuan, batasan masalah dan asumsi yang digunakan.

BAB II

: GAMBARAN UMUM PERUSAHAAN Memuat secara singkat berbagai atribut dari perusahaan yang menjadi objek penelitian, layanan perusahaan, serta organisasi dan manajemen.

BAB III

: TINJAUAN PUSTAKA Memaparkan tinjauan-tinjauan kepustakaan yang berisi teori-teori yang berhubungan dengan permasalahan penelitian. Teori yang digunakan adalah teori yang merupakan dasar dalam penentuan problematika dan teori yang

melandasi serta mendukung

pemecahan masalah. BAB IV

: METODOLOGI PENELITIAN Menjelaskan langkah-langkah yang digunakan untuk mencapai tujuan penelitian meliputi tahapan-tahapan penelitian dan uraian tiap tahapan secara ringkas disertai diagram alirnya.


BAB V

: PENGUMPULAN DAN PENGOLAHAN DATA Mengidentifikasi data hasil penelitian yang diperoleh dari perusahaan sebagai bahan untuk melakukan pengolahan data yang digunakan sebagai dasar pada pemecahan masalah.

BAB VI

: ANALISIS PEMECAHAN MASALAH Menganalisa hasil dari pengolahan data dan pemecahan masalah.

BAB VII

: KESIMPULAN DAN SARAN Berdasarkan hasil penelitian dan perhitungan data, maka diperoleh suatu kesimpulan dan rekomendasi berupa saran-saran yang bermanfaat bagi perusahaan.


BAB II GAMBARAN UMUM PERUSAHAAN

2.1.

Sejarah Perusahaan PT. Inti Kimiatama Perkasa didirikan pada 10 November 1997. Pada awal

berdirinya, PT. Inti Kimiatama Perkasa hanya mempunyai kantor tanpa pabrik. Kantor tersebut terletak di Jl. Iskandar Muda, Medan. Walaupun demikian, perusahaan tetap produktif dalam menghasilkan produk. Hal ini dikarenakan perusahaan

bekerjasama

dengan

perusahaan

lain

untuk

melaksanakan

aktivitasnya. Pada saat itu, PT. Inti Kimiatama Perkasa memproduksi obat nyamuk bakar bermerek Baygon melalui kerjasama dengan salah satu perusahaan yang juga menghasilkan obat nyamuk bakar bermerek Mosfly, yaitu PT. Singapore Lion. Dalam memproduksi obat nyamuk bakar bermerek Baygon, PT. Inti Kimiatama Perkasa menugaskan karyawannya untuk mengawasi produksi obat nyamuk bakar Baygon tersebut agar terjaga mutunya di PT. Singapore Lion. PT. Inti Kimiatama Perkasa merupakan anak perusahaan Bayer Company sehingga produk yang dihasilkan di bawah pengawasan Bayer Co., yang juga membeli Mosfly yang merupakan salah satu merek obat nyamuk bakar yang dihasilkan oleh PT. Singapore Lion, sehingga Mosfly menjadi milik lisensi Bayer Co. Dalam melayani permintaan pasar yang cukup tinggi terhadap obat nyamuk bakar Baygon, maka PT. Inti Kimiatama Perkasa juga melakukan kerjasama dalam memproduksi Baygon tersebut dengan PT. Primdoni yang pada Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

saat itu juga memproduksi obat nyamuk bakar untuk beberapa merek lain. PT. Primdoni terletak di Kawasan Industri Mabar. Dalam pelaksanaan distribusi hasilhasil produksinya, PT. Primdoni memiliki gudang di kawasan Tanjung Morawa. Seiring dengan berkurangnya aktivitas PT. Primdoni, PT. Inti Kimiatama Perkasa membeli gudang milik PT. Primdoni tersebut, dan sejak saat itulah mulai dibangun pabrik beserta kantornya oleh pihak PT. Inti Kimiatama Perkasa. Pada akhir Desember tahun 2000, PT. Primdoni mengalami kebangkrutan dan seluruh aset perusahaan berupa mesin dan peralatan produksi akhirnya dijual kepada PT. Inti Kimiatama Perkasa. Kantor PT. Inti Kimiatama Perkasa yang berada di Jl. Iskandar Muda dipindahkan ke perusahaan tempat PT. Inti Kimiatama Perkasa yang baru, yaitu Kawasan Industri Medan Star, Tanjung Morawa. Sesuai dengan

surat

keputusan

Departemen

Kesehatan RI

No.

30701300185 PKD dan dengan No. pendaftaran RI 1294/I-2002/T PT. Inti Kimiatama Perkasa resmi berdiri pada bulan April 2001, dan langsung mulai memproduksi obat nyamuk bakar Baygon dan Mosfly di bawah pengawasan Bayer Company, Jerman. Jika terjadi kelebihan permintaan pasar dan perusahaan tidak mampu mengejar waktu produksi maka sistem kerja sama dengan perusahaan lain masih tetap digunakan. Di Indonesia sendiri ada beberapa anak perusahaan Bayer Company, yaitu perusahaan yang ada di Pulo Gadung PT. Johnson Home Higine Product (JHHP) yang memproduksi obat nyamuk Baygon cair dan Bayfresh, PT. Walet Kencana Perkasa yang berkedudukan di Surabaya yang memproduksi Bayclean, Autan dan Baygon bakar, kemudian PT. Inti Kimiatama Perkasa yang hanya memproduksi Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

obat nyamuk bakar Baygon dan Mosfly yang berkedudukan di Medan, dan satu perusahaan yang menjadi distributor tunggal untuk seluruh produk Bayer Company di Indonesia adalah PT. Ultramos Jaya. Perusahaan Bayer ini mendekatkan diri di bidang farmasi dan insektisida yang bersifat Costumer Care. Setahun setelah berdirinya PT. Inti Kimiatama Perkasa, tepatnya pada akhir tahun 2002 terjadi peralihan dan penjualan bisnis dari Bayer Company ke SC Johnson, dan PT. Inti Kimiatama Perkasa yang semula di bawah pengawasan Bayer Co., kemudian beralih di bawah pengawasan SC. Johnson, Amerika. SC Johnson dalam memproduksi mendekatkan diri pada sistem CC (Customer Care). Hampir 70 negara dikuasai oleh SC. Johnson baik benua Amerika maupun Eropa. Saat ini SC.Johnson sedang meningkatkan market share-nya di Asia termasuk Indonesia. Banyak produk Costumer Care yang telah diproduksi oleh SC. Johnson dan permintaan terhadap produk Costumer Care milik SC. Johnson sangat tinggi. Hal ini terbukti dengan banyaknya produk Johnson di pasaran. Setelah pengambilalihan oleh SC. Johnson, PT. Inti Kimiatama Perkasa mengalami masa transisi selama enam bulan sebelum benar-benar dikendalikan oleh SC. Johnson, dan pertengahan Juni 2003 resmi dipegang oleh SC. Johnson.

2.2.

Ruang Lingkup Bidang Usaha PT. Inti Kimiatama Perkasa mempunyai aktivitas di bidang industri

pembuatan obat nyamuk. Produk yang dihasilkan perusahaan hanya berupa obat nyamuk bakar. Akan tetapi dalam produksinya tidak hanya terbatas pada satu


merek dagang saja. Perusahaan memproduksi obat nyamuk bakar merek Baygon dan Raid, yang merupakan merek yang berada di bawah lisensi SC. Johnson. Produk yang dihasilkan oleh perusahaan sebagian besar dipasarkan untuk wilayah Sumatera, sedangkan untuk wilayah Indonesia lainnya di produksi oleh perusahaan sejenis di Pulau Jawa.

2.3.

Organisasi dan Manajemen Sebuah perusahaan akan berjalan dengan lancar apabila adanya sistem

organisasi dan manajemen yang baik dan terpadu. Semua kegiatan dalam perusahaan akan dikonsep hubungannya dalam sebuah organisasi dan cara pelaksanaan kegiatan tersebut diatur dalam manajemennya, dimana setiap kegiatan mempunyai target-target yang harus dicapai. Organisasi adalah sekumpulan orang yang mempunyai tujuan tertentu dan diantara mereka dilakukan pembagian tugas untuk pencapaian tujuan tersebut. Manajemen adalah seni dan ilmu perencanaan, pengorganisasian, penyusunan, pengarahan dan pengawasan daripada sumberdaya manusia untuk mencapai tujuan yang telah ditetapkan.

2.3.1. Struktur Organisasi Perusahaan yang terdiri dari beberapa bagian aktivitas yang berbeda harus dikoordinasikan sedemikian rupa sehingga dapat mencapai target dan sasaran perusahaan dengan kondisi efisiensi yang tinggi. Dalam hal pengorganisasian dari bagian yang berbeda diperlukan suatu struktur organisasi yang dapat Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

mempersatukan sumber daya dengan cara yang teratur. Dengan adanya strukutur organisasi juga diharapkan dapat diarahkan orang-orang yang berbeda dalam organisasi tersebut kepada keadaan sedemikian rupa sehingga mereka dapat dengan baik melaksanakan aktivitas yang mendukung tercapainya sasaran perusahaan di samping melaksanakan aktivitas masing-masing. Suatu struktur organisasi yang baik adalah struktur organisasi yang fleksibel dalam arti hidup, berkembang, bergerak sesuai dengan kondisi yang sedang dihadapi perusahaan. PT. Inti Kimiatama Perkasa dalam kegiatan operasionalnya dikepalai oleh seorang Plan Manager yang membawahi beberapa departemen. Dalam melaksanakan kegiatan perusahaan, PT. Inti Kimiatama Perkasa menggunakan struktur organisasi yang disusun sedemikian rupa sehingga jelas terlihat batasbatas tugas, wewenang dan tanggung jawab dari setiap personil dalam organisasi. Dengan demikian diharapkan adanya suatu kejelasan arah dan koordinasi untuk mencapai tujuan perusahaan dan masing-masing pegawai mengetahui dengan jelas dari mana perintah datang dan kepada siapa harus mempertanggungjawabkan hasil pekerjaannya. Struktur organisasi yang digunakan oleh perusahaan adalah fungsionalstaff, dimana wewenang dari pucuk pimpinan dilimpahkan kepada satuan-satuan di bawahnya dalam bidang kerja tertentu. Pimpinan satuan di tiap bidang dapat memerintah dan meminta pertanggungjawaban dari semua pimpinan satuan pelaksana yang ada sepanjang menyangkut bidang kerjanya. Struktur organisasi PT. Inti Kimiatama Perkasa dapat dilihat pada gambar 2.1. Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

2.3.2. Uraian Tugas dan Tanggung Jawab Dalam menjalankan suatu organisasi diperlukan personil-personil yang menduduki jabatan tertentu dalam organisasi tersebut, dimana masing-masing personil diberi tugas dan tanggung jawab sesuai dengan jabatannya. Adapun uraian tugas dan tanggung jawab pada PT. Inti Kimiatama Perkasa adalah sebagai berikut: 1. Direktur, tugasnya adalah menentukan semua kebijakan dan peraturan, menyusun rencana kerja perusahaan baik yang menyangkut perencanaan dan pengawasan produksi, ekspansi perusahaan baik jangka pendek maupun jangka panjang serta merupakan pimpinan yang bertanggung jawab ke dalam maupun keluar dan membuat tender (transaksi) dengan perusahaan lain. 2. Plan Manager, tugasnya adalah memimpin dan mengawasi semua kegiatan usaha perusahaan dalam merencanakan, mengatur, mengkoordinasikan dan mengendalikan seluruh proses produksi. 3. Secretary Plan Manager, tugasnya adalah memberikan saran kepada Plan Manager tentang kebijakan-kebijakan perusahaan dan membantu Plan Manager dalam menyiapkan berkas-berkas atau membantu apa yang dibutuhkan oleh Plan Manager dalam merencanakan, mengkoordinasikan dan jalannya produksi. 4. Accounting, tugasnya adalah bertanggung jawab terhadap lalu lintas keuangan di perusahaan, mencatat pengeluaran dan pemasukan uang, membuat bukti pemasukan dan pengeluaran uang, membuat laporan keuangan tahunan


perusahaan, dan bertanggung jawab langsung kepada Technical Advisor dan kepada PT. Johnson Home Higine Product (JHHP). 5. Human Resource Manager, tugasnya adalah merencanakan kebutuhan tenaga kerja, merencanakan peningkatan skill karyawan serta mengatur absensi, cuti karyawan, mengeluarkan surat pengangkatan dan pemberhentian, serta mengatur semua keluar masuknya surat perusahaan. Disamping itu, bagian HRD langsung berhubungan dengan kantor pusat di Jakarta. 6. Production Manager, tugasnya adalah merencanakan produksi serta mengkoordinasikan dan mengawasi jalannya produksi sesuai dengan jadwal produksi yang telah ditetapkan. Dalam melaksanakan tugasnya, production manager dibantu oleh sekretaris dan asisten manager. 7. Maintenance Manager, tugasnya adalah memimpin, merencanakan, serta mengkoordinasikan kegiatan pelaksanaan pemeliharaan/ perawatan, perbaikan mesin dan mengatur semua kebutuhan peralatan termasuk spare part mesin yang dibutuhkan dalam proses produksi sehingga tidak mengganggu jalannya proses produksi. 8. Quality Control Manager, tugasnya adalah merencanakan, memimpin dan mengkoordinasikan standard kualitas produk yang dihasilkan, menentukan produk yang sesuai dengan spesifikasi yang telah ditentukan, bertanggung jawab atas analisa dan keputusan untuk menerima atau menolak produk. Dalam menjalankan tugasnya, quality control dibantu oleh supervisor dan analyzer yang bertugas di laboratorium untuk melakukan pengujian yang bersifat fisik dan kimiawi. Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

9. Logistic Manager, tugasnya adalah melaksanakan pengawasan terhadap persediaan bahan baku maupun produk jadi, merencanakan persediaan terhadap bahan baku, menerima dan menyimpan bahan baku, dan mengatur keluarnya barang jadi yang ada di gudang, serta mengawasi dan mengatur keberadaan bahan-bahan yang ada di gudang. 10. SHE & General Service Manager, tugasnya adalah merencanakan seluruh keperluan yang dibutuhkan untuk kelangsungan proses produksi, membuat daftar inventaris alat-alat di bagian produksi serta menyediakan bahan dan peralatan yang dibutuhkan untuk proses produksi. 11. Plant Data Coordinator, tugasnya adalah mengontrol dan mengkoordinir halhal yang berkaitan dengan operasional pabrik dan data entry system. 12. Plant Admin. Manager, tugasnya adalah memimpin, merencanakan dan mengawasi seluruh keperluan yang dibutuhkan untuk pengembangan sistem teknologi informasi di perusahaan. 13. Purchasing Assisten, tugasnya adalah merencanakan dan mengkoordinasikan seluruh kegiatan pembelian bahan baku dari pihak vendor dan penawaran produk jadi kepada pihak distributor.

2.3.3. Tenaga Kerja dan Jam Kerja 2.3.3.1.Tenaga Kerja Penggolongan tenaga kerja yang dilakukan oleh PT. Inti Kimiatama Perkasa terbagi atas dua bagian yang terdiri dari:


1. Karyawan tetap, dimana karyawan langsung terlibat dalam proses produksi di pabrik. 2. Karyawan kontrak, dimana karyawan memakai sistem kontrak. Karyawan dikontrak perusahaan dalam jangka waktu tertentu (sesuai kesepakatan dengan pihak perusahaan) apabila pabrik harus meningkatkan produktivitasnya untuk mencapai target perusahaan. Secara keseluruhan jumlah tenaga kerja di PT. Inti Kimiatama Perkasa dapat dilihat pada tabel 2.1. Tabel 2.1. Jumlah Tenaga Kerja PT. Inti Kimiatama Perkasa No

Jabatan

Jumlah (Orang)

1

Direktur

1

2

Plan Manager

1

3

Secretary Plan Manager

1

4

Accounting

1

5

HRD Manager

1

6

Production Manager

1

7

Maintenance Manager

1

8

Quality Control Manager

1

9

Logistic Manager

1

10

SHE & General Service

1

11

Plant Data Coordinator

1

12

Plant Admin. Manager

1

13

Purchasing Assisten

1

14

Karyawan Akuntansi dan Keuangan

1

15

Karyawan HRD

3

16

Karyawan Produksi

216

17

Karyawan Teknik

44


Tabel 2.1. Jumlah Tenaga Kerja PT. Inti Kimiatama Perkasa (Lanjutan) No

Jabatan

Jumlah (Orang)

18

Karyawan QC

22

19

Karyawan Logistik

19

20

Karyawan Purchasing

2

21

Karyawan Plant Admin.

1

22

Karyawan Packing

213

Total

534

Sumber: PT. Inti Kimiatama Perkasa

2.3.3.2.Jam Kerja Ketentuan jam kerja pada PT. Inti Kimiatama Perkasa terbagi atas: a. Karyawan Bagian Kantor Hari kerja karyawan bagian kantor adalah hari Senin sampai Jumat yang terdiri dari satu shift kerja, dengan jam kerja sebagai berikut: Pukul 09.00 – 12.00 WIB

Kerja Aktif

Pukul 12.00 – 13.00 WIB

Istirahat

Pukul 13.00 – 17.00 WIB

Kerja Aktif

b. Karyawan Bagian Pabrik Hari kerja karyawan pabrik adalah hari Senin sampai Sabtu yang terdiri dari tiga shift kerja, dengan jam kerja sebagai berikut: Shift Pertama Pukul 07.00 – 11.00 WIB

Kerja Aktif

Pukul 11.00 – 12.00 WIB

Istirahat

Pukul 12.00 – 15.00 WIB

Kerja Aktif


Shift Kedua Pukul 15.00 – 19.00 WIB

Kerja Aktif

Pukul 19.00 – 20.00 WIB

Istirahat

Pukul 20.00 – 23.00 WIB

Kerja Aktif

Shift Ketiga Pukul 23.00 – 03.00 WIB

Kerja Aktif

Pukul 03.00 – 04.00 WIB

Istirahat

Pukul 04.00 – 07.00 WIB

Kerja Aktif

2.3.4. Sistem Pengupahan dan Jaminan Sosial Pada PT. Inti Kimiatama Perkasa, sistem pengupahan yang berlaku di perusahaan didasarkan pada golongan dan masa kerja tenaga kerja. Sistem pengupahan pada perusahaan dapat digolongkan menjadi dua bagian berdasarkan status dari karyawan atau pegawai dalam perusahaan. Adapun pembagian status tersebut adalah sebagai berikut: 1. Pegawai Tetap Status pegawai tetap (staff) adalah apabila pegawai tersebut diangkat oleh perusahaan, sehingga mereka menerima gaji bulanan dan fasilitas-fasilitas lain sesuai dengan ketentuan yang berlaku. 2. Pegawai Kontrak Pegawai kontrak adalah pegawai yang bekerja pada perusahaan tanpa terlebih dahulu diangkat oleh perusahaan sebagai karyawannya. Tenaga kerja kontrak diberi upah setiap awal bulan. Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

Selain upah resmi, perusahaan juga memberikan upah yang dapat berupa: a. Upah lembur, yaitu upah yang diberikan apabila karyawan bekerja melebihi jam kerja perusahaan yang telah ditentukan. Upah lembur per jam diberikan minimal sebesar 2 kali upah pokok per jam. b. Tunjangan jabatan (bonus), yaitu sebagai pelengkap gaji pokok, mengingat adanya pekerjaan-pekerjaan yang memegang peranan dan tanggungjawab serta tuntutan khusus. c. Tunjangan Hari Raya (THR), yaitu tambahan minimal satu bulan gaji karyawan yang mempunyai masa kerja lebih dari 1 (satu) tahun. d. Tunjangan selama sakit, yaitu karyawan dalam perawatan sakit dan tidak dapat bekerja yang dinyatakan dengan surat keterangan dokter.

2.4.

Proses Produksi

2.4.1. Bahan Produksi 2.4.1.1.Bahan Baku Bahan baku adalah bahan utama dalam proses produksi dimana sifat dan bentuknya akan mengalami perubahan. Bahan ini langsung ikut dalam proses produksi hingga menjadi produk akhir. Adapun bahan baku yang digunakan dalam pembuatan obat nyamuk bakar Baygon adalah: 1. Tepung batok (coconut powder) Tepung terbuat dari batok kelapa yang sudah melalui proses penggilingan dan penyaringan. Tepung batok berfungsi sebagai media rambat api. Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

2. Tepung kayu (wood powder) Tepung kayu yang digunakan merupakan tepung hasil penggilingan kayu jati. Tepung ini berfungsi sebagai penghalus dan pelicin permukaan Double Coil. 3. Tepung lengket (glue powder) Tepung lengket merupakan bahan yang didapat dari kulit kayu medang yang telah dihaluskan. Tepung ini berfungsi sebagai untuk melengketkan adonan. 4. Ampas tepung kanji (starch powder) atau disebut tepung onggok. Tepung onggok berfungsi untuk melengketkan adonan dan menciptakan kelenturan & kekerasan dari obat nyamuk.

2.4.1.2.Bahan Tambahan Bahan tambahan adalah bahan yang ditambahkan ke dalam produksi sehingga dapat meningkatkan mutu dan kualitas secara lebih baik dimana bahan tambahan ini tidak bisa dibedakan secara jelas dalam produk akhir. Bahan tambahan yang digunakan antara lain : 1. Transfultrin Merupakan zat racun pada Baygon bakar yang menjadi komponen penting untuk mengusir dan membunuh serangga. Kadar yang dikandung pada obat nyamuk bakar berkisar ± 0.03%. 2. Sodium Benzoat (NaC6H5) Merupakan zat pengawet pada obat nyamuk bakar, yang tujuannya adalah agar obat nyamuk bisa tahan lama terhadap serangan jamur.


3. Pewarna Merupakan zat warna pada produk. 4. Parfum Baygon Merupakan zat pewangi yang memberikan aroma harum pada obat nyamuk. 5. Talcum Powder Merupakan bahan yang berfungsi sebagai penghalus permukaan double coil.

2.4.1.3.Bahan Penolong dan Bahan Pendukung Dalam proses pembuatan obat nyamuk bakar, selain bahan baku dan bahan tambahan juga diperlukan bahan penolong dan pendukung. Bahan penolong yang digunakan adalah air sebagai bahan pencampur pada unit formulasi untuk membuat suatu adonan. Air dicampur bersamaan dengan pencampuran bahan tambahan pada unit formulasi dan mixing. Selain itu, air juga digunakan untuk pemasakan tepung onggok dan juga dipakai untuk proses pembentukan lembaran sebelum masuk ke unit stamping. Bahan pendukung adalah bahan yang digunakan secara tidak langsung dalam produk dan bukan merupakan komposisi produk, tetapi digunakan sebagai pelengkap produk. Adapun bahan pendukung yang digunakan adalah film (plastik pembungkus), coil holder berupa penyangga obat nyamuk yang berupa lempengan metal sejenis seng yang telah dibentuk sedemikian rupa, folding box yang digunakan untuk mengepak double coil yang telah dibungkus dengan film, master box sebagai kemasan luar dari produk obat nyamuk, dan seal tape yang merupakan perekat pada karton. Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

2.4.2. Uraian Proses Produksi Secara umum proses pembuatan obat nyamuk bakar melalui beberapa tahapan atau unit-unit yaitu: 1. Unit Formulasi dan Mixing Pada unit formulasi dan mixing, komposisi pencampuran bahan baku ditentukan untuk satu batch produksi, kecuali untuk bahan baku yang cair (liquid) yang merupakan bahan tambahan. Adapun proses dalam unit formulasi dan mixing adalah: a. Pencampuran liquid yang dilakukan di dalam tangki yang terpisah. Pencampuran liquid dibuat untuk pemakaian 18 batch yang nantinya dipisahkan dengan menggunakan pompa untuk penggunaan 1 batch. b. Semua tepung kecuali tepung onggok disatukan sesuai komposisi masingmasing dalam mixing machine. Sementara itu, tepung onggok dimasak dengan air panas pada temperatur ±1000C. Selanjutnya tepung dimasukkan ke dalam tangki mixing machine yang telah terisi dengan campuran tepung (tepung batok, tepung kayu, tepung lengket, talcum powder, sodium benzoat) dan berikutnya liquid (cairan kimia) yang telah dipisahkan untuk satu batch juga dimasukkan ke dalam mixing machine. c. Semua campuran tepung dan liquid yang telah masuk ke dalam mixing machine diaduk selama 17 menit untuk membentuk suatu padatan yang disebut dengan adonan. d. Adonan yang telah terbentuk kemudian dikeluarkan dan ditampung dengan menggunakan trolley. Trolley yang digunakan untuk seluruh adonan sebanyak Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

15 trolley. Selanjutnya trolley yang berisi adonan dibawa ke unit stamping machine.

2. Unit Stampng Machine Adonan hasil pencampuran pada unit formulasi dan mixing selanjutnya dimasukkan ke dalam suatu wadah yang disebut crusher machine. Kemudian dibawa oleh konveyor ke extruder. Pada extruder terdapat screw penyorong dimana bahan atau adonan kemudian dipress oleh screw tersebut, sehingga keluar dari kepala nozzle dalam bentuk lembaran setebal 3-5 mm, dan dipotong dengan panjang lembaran ± 90 cm (untuk 7 coil) oleh mesin potong. Lembaran-lembaran yang dihasilkan diletakkan di atas rotary table untuk kemudian dicetak. Mesin cetaknya berbentuk spiral yang disebut dengan mould, dimana ukuran mould tergantung pada ukuran obat nyamuk yang akan diproduksi yaitu ukuran standard atau ukuran jumbo. Untuk sekali pencetakan pada lembaran, dicetak menjadi 7 coil untuk ukuran standard atau 6 coil untuk ukuran jumbo. Kecepatan pencetakan berkisar antara 21-24 stroke (hentakan) per menit. Hasil pencetakan ditampung di loyang yang disebut dengan tray dan secara manual coil diperiksa apakah coil memenuhi standard, karena hanya hasil cetakan yang sempurna yang akan masuk ke proses berikutnya. Coil juga mengalami penimbangan berat dimana toleransi berat antara 4143 gr untuk ukuran standard dan 52 – 54 gr untuk ukuran jumbo, dengan kadar air ± 45%. Selanjutnya coil dibawa ke oven untuk proses berikutnya. Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

3. Unit Drying Pada unit drying, coil mengalami pemanasan yang bertujuan untuk menurunkan kadar air coil hingga mencapai kadar moisture yang sesuai 6%-9%. Lamanya proses pengeringan ± 165 menit dengan temperatur 550C-650C. Di dalam oven, coil bergerak secara vertikal dan horizontal, karena di oven terdapat lintasan yang harus dilalui coil dari atas ke bawah. Setelah loyang (large tray) yang berisi coil keluar dari oven, maka setiap coil kembali diperiksa oleh bagian quality control dan diambil sampel secara random untuk diuji kesesuaian spesifikasinya dengan standard yang telah ditetapkan. Pengujian yang dilakukan berupa warna, bentuk, ukuran dimensi, jam bakar, kadar air, ketebalan, berat, kelenturan dan kekerasan. Untuk menuju tahap berikutnya harus menunggu ± 8 jam, karena adanya uji terhadap jam bakar terhadap obat nyamuk bakar tersebut. Hasil dari bagian mutu terhadap hasil akhir coil ini, ada 2 kemungkinan yaitu: a. Pending Pending disini lihat kesalahannya untuk kemudian diolah kembali. b. Reject Jika terdapat kesalahan yang tidak bisa ditolerir lagi (biasanya untuk komposisi) dan dimusnahkan, biasanya dilakukan per batch.


4. Unit Finishing Setelah mengalami pengujian kelayakan produk obat nyamuk bakar Baygon untuk dipasarkan oleh bagian quality control, maka untuk tahap akhir produksi dilakukan pengemasan produk (finishing). Pada unit finishing terdapat dua bagian, yaitu: 1. Wrapping Coil yang telah lulus uji di bagian QC, disusun sedemikian rupa sehingga memudahkan untuk proses raping. Pada proses ini dilakukan oleh mesin wrapping dengan kondisi coil sudah disusun berikut holdernya. Kecepatan maksimal dari mesin adalah 180 bks/mnt. Walaupun demikian kecepatan tersebut bisa diatur tergantung banyaknya jumlah produk yang akan dikerjakan. Coil dibungkus dengan plastik yang disebut film. 2. Packaging Pada tahap packaging setiap coil yang sudah dibungkus oleh mesin wrapping, langsung dikemas ke dalam kotak-kotak kemasan yang disebut dengan folding box. Kemudian dimuat kembali ke dalam master box dan akhirnya dikirim ke bagian penyimpanan.

2.4.3. Mesin dan Peralatan 2.4.3.1. Mesin Mesin yang digunakan untuk proses produksi di PT. Inti Kimiatama Perkasa dapat dilihat pada Tabel 2.2:


Tabel 2.2. Mesin-Mesin yang Digunakan di PT. Inti Kimiatama Perkasa No

Nama Mesin

Fungsi

1

Mixer Onggok

2

Mixer Tepung

3

Mixer Kimia

4

Mesin Crusher

5

Mesin Extruder

6

Mesin Stamping

7

Oven

Menurunkan kadar air dC

8

Wrapping

Pengemasan dC dengan plastik

Kapasitas

Jumlah (unit)

± 180 kg

2

± 980 kg

2

± 180 ltr

2

± 200 kg

15

± 30 kg/menit

15

± 9660 dC/jam

15

± 9660 dC/jam

15

± 97 pcs/jam

5

Memasak tepung onggok Mengaduk dan mencampur seluruh bahan baku dan tambahan Mengaduk dan mencampur seluruh bahan kimia Menghancurkan adonan untuk dapat masuk ke conveyor Membentuk adonan menjadi lempengan Mencetak lempengan menjadi double coil (dC)

Power 30 HP, 60 Hz, 380 V, 3 phase, 1500rpm 40 HP, 60 Hz, 380 V, 3 phase, 1500rpm 7,5 HP, 60 Hz, 380 V, 3 phase, 1500rpm 3 HP, 60 Hz, 380 V, 3 phase, 1500rpm 3 HP, 60 Hz, 380 V, 3 phase, 1500rpm 5 HP, 60 Hz, 380 V, 3 phase, 1500rpm 30 HP, 60 Hz, 380 V, 3 phase, 1500rpm 3 HP, 60 Hz, 380 V, 3 phase, 1500rpm

Sumber: Bagian Produksi PT. Inti Kimiatama Perkasa

b. Peralatan Dalam mendukung kegiatan proses produksi diperlukan adanya material handling yang berperan sebagai sarana transportasi dari satu mesin ke mesin lainnya. Pada umumnya perusahaan menggunakan conveyor sebagai alat material handling berupa incline conveyor, diagonal conveyor dan belt conveyor. Selain itu, alat material handling lain juga digunakan dalam perpindahan bahan baku dan bahan jadi, yaitu: 1. Trolley Digunakan pada bagian produksi untuk mengangkut adonan yang merupakan hasil dari unit mixing ke crusher machine pada unit stamping. 2. Hand Pallet Digunakan untuk memindahkan bahan baku dari gudang bahan baku ke produksi dan untuk memindahkan bahan jadi dari bagian produksi ke gudang bahan jadi. Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

3. Forklift Digunakan untuk memindahkan bahan-bahan yang mempunyai volume besar dan berat.


Direktur

Plan Manager

Secretary

Plant Data Coordinator

Logistic Manager

QC Manager

Production Manager

HRD Manager

Accounting

Maintenance Manager

General Servis Manager

Purchasing Assisten

Project Engineering

Secretary Assisten

Supervisor

Supervisor

Foreman

Foreman

Foreman

Operator

Technician

Helper

Supervisor

Supervisor

Supervisor

Foreman

Analyst

Operator

Helper

Helper

Supervisor

Helper

Gambar 2.1. Struktur Organisasi PT. INTI KIMIATAMA PERKASA Agus Rianto : Penerapan Theory Of Constraints (TOC) Dalam Upaya Peningkatan Kapasitas Produksi Di PT. X, 2009.

Supervisor

Plant Admin. Manager

BAB III TINJAUAN PUSTAKA 3.1. Pengukuran Kerja Pengukuran kerja merupakan suatu aktivitas yang dilakukan dengan tujuan untuk mendapatkan waktu baku penyelesaian pekerjaan. Ada 2 teknik yang dapat dilakukan dalam melakukan pengukuran kerja yaitu teknik pengukuran kerja secara langsung dan tak langsung.

3.1.1. Pengukuran Kerja Secara Langsung Pengukuran ini dilakukan secara langsung di tempat dimana pekerjaan yang diukur dijalankan. Metode yang digunakan yaitu jam henti dan sampling pekerjaan.

3.1.1.1. Metode Jam Henti Sesuai dengan namanya, maka pengukuran waktu ini menggunakan jam henti (stop watch) sebagai alat utamanya. Cara ini tampaknya merupakan cara yang paling banyak dikenal dan karenanya banyak dipakai. Salah satu yang menyebabkan adalah kesederhanaan aturan-aturan pengajaran yang dipakai. Ada

beberapa

aturan

pengukuran

yang

perlu

dijalankan

untuk

mendapatkan hasil yang baik. Aturan-aturan tersebut dijelaskan dalam langkahlangkah berikut ini 3 :

3

Wignjosoebroto, Sritomo, Ergonomi, Studi Gerak dan Waktu, Edisi Pertama, Guna Widya, Jakarta, 1995, p. 175

a. Penetapan tujuan pengukuran Sebagaimana halnya dengan berbagai kegiatan lain, tujuan melakukan kegiatan pengukuran harus ditetapkan terlebih dahulu. Dalam pengukuran waktu, hal-hal penting yang harus diketahui dan ditetapkan adalah untuk apa hasil pengukuran digunakan, berapa tingkat ketelitian dan tingkat keyakinan yang diinginkan dari hasil pengamatan tersebut. b. Melakukan penelitian pendahuluan Yang dicari dari pengukuran waktu adalah waktu yang pantas diberikan kepada pekerja untuk menyelesaikan suatu pekerjaan. Untuk itu dapat ditarik suatu kesimpulan bahwa waktu kerja yang pantas hendaknya merupakan waktu kerja yang didapat dari kondisi kerja yang baik. Dengan kata lain, pengukuran waktu sebaiknya dilakukan bila kondisi kerja dari pekerjaan yang diukur sudah baik. Jika belum maka kondisi yang ada hendaknya diperbaiki terlebih dahulu. c. Memilih operator Operator yang akan melakukan pekerjaan yang diukur bukanlah orang yang begitu saja diambil dari pabrik. Orang ini harus memenuhi beberapa persyaratan tertentu agar pengukuran dapat berjalan baik dan dapat diandalkan hasilnya. Syarat-syarat tersebut adalah berkemampuan normal dan dapat diajak bekerja sama. d. Mengurai pekerjaan atas elemen pekerjaan Disini pekerjaan dipecah menjadi elemen pekerjaan yang merupakan gerakan bagian dari pekerjan yang bersangkutan. Elemen-elemen inilah yang

diukur waktunya. Waktu siklusnya merupakan jumlah dari waktu setiap elemen ini. Waktu siklus adalah waktu penyelesaian satu satuan produksi sejak bahan baku mulai diproses di tempat kerja yang bersangkutan. Ada beberapa alasan yang menyebabkan pentingnya melakukan penguraian pekerjaan atas elemen-elemennya. Pertama untuk menjelaskan catatan tentang tata cara kerja yang dibakukan, kedua untuk memungkinkan melakukan penyesuaian bagi setiap elemen karena ketrampilan bekerjanya operator belum tentu sama untuk semua bagian dari gerakan-gerakan kerjanya, ketiga untuk memudahkan mengamati terjadinya elemen yang tidak baku yang mungkin saja dilakukan oleh pekerja, dan keempat adalah untuk memungkinkan dikembangkannya data waktu baku. e. Menyiapkan alat-alat pengukuran Ada beberapa alat pengukuran yang perlu dipersiapkan yaitu jam henti, lembaran-lembaran pengamatan, pena atau pensil dan papan pengamatan. Sesudah melaksanakan langkah-langkah diatas maka selanjutnya dapat dilakukan pengukuran waktu. Pengukuran waktu adalah pekerjaan mengamati dan mencatat waktu-waktu kerjanya baik setiap elemen maupun siklus dengan menggunakan alat-alat yang telah disiapkan diatas. Bila operator telah siap di depan mesin atau di tempat kerja lain yang waktu kerjanya akan diukur, maka pengukur memilih posisi tempat dia berdiri untuk mengamati dan mencatat. Posisi ini hendaknya sedemikian rupa sehingga operator tidak terganggu gerakan-gerakannya ataupun merasa canggung karena terlampau merasa diamati. Posisi inipun hendaknya memudahkan pengukur

mengamati jalannya pekerjaan sehingga dapat mengikuti dengan baik saat-saat suatu siklus/elemen bermula dan berakhir. Setelah terkumpul data-data dari pengukuran yang telah dilakukan maka dilakukan uji kenormalan dengan menggunakan uji Kolmogorov-Smirnov, keseragaman data dan kecukupan data. Jika data-data yang telah terkumpul sudah normal, seragam dan cukup maka dapat dilakukan perhitungan waktu siklus rata-rata, waktu normal dengan dan kemudian waktu bakunya. Namun jika data-data yang telah terlumpul belum normal, seragam atau masih kurang maka dapat dilakukan pengukuran lagi untuk mendapatkan data-data tambahan. 4 BKA = xbar + k.σ ; BKB = xbar - k.σ (2.1) Keterangan : xbar

= rata-rata nilai dari data yang diambil

k

= nilai Z dari α/2

σ

= standar deviasi

 s.t  Untuk N < 30 : N ' =    k .x 

2

Keterangan :

4

N’

= jumlah pengamatan yang diperlukan

s

= standar deviasi

t

= distribusi t pada α/2

k

= prosentase penerimaan x

xbar

= rata-rata nilai dari data yang diambil

Sutalaksana, Iftikar Z, Anggawisastra, Ruhana dan Tjakraadmadji, John H, Teknik Tata Cara Kerja, Institut Teknologi Bandung, 1979, p. 133

 k . N (∑ xi 2 ) − (∑ xi) 2  Untuk N > 30 : N ' =  s  ∑ xi 

    

2

Keterangan : N’

= jumlah pengamatan yang diperlukan

s

= persentase penerimaan x

k

= nilai distribusi normal pada α/2

N

= jumlah pengamatan awal

Xi

= data ke-i

Ws =

∑ xi N

Keterangan : Ws

= waktu siklus

Σ xi

= jumlah seluruh waktu pengamatan

N

= banyaknya pengamatan

Wn = Ws.P Keterangan : Wn

= waktu normal

Ws

= waktu siklus

P

= besar faktor-faktor penyesuaian

Wb = Wn ×

100% 100% − %allowance

Keterangan : Wb

= waktu baku

Wn

= waktu normal

Allowance

= besar persentase kelonggaran yang diberikan

3.1.1.2. Metode Sampling Pekerjaan Sampling pekerjaan merupakan suatu teknik untuk mengadakan sejumlah besar pengamatan terhadap aktivitas kerja dari mesin, proses atau pekerja yang dilakukan secara sesaat-sesaat pada waktu yang ditentukan secara acak. Metode ini dapat digunakan untuk 5 : 1. Mengukur ratio-delay dari mesin/operator (mengetahui distribusi pemakaian waktu sepanjang waktu kerja dan mengetahui tingkat pemanfaatan mesin). 2. Menetapkan performance level 3. Menentukan waktu baku Langkah-langkah pengukuran pada sampling pekerjaan tidak berbeda dengan pengukuran dengan menggunakan metode jam henti hanya saja berbeda dalam persamaan-persamaan yang digunakan. Untuk uji kecukupan data digunakan rumus seperti persamaan dibawah ini : N=

k 2 p (1 − p ) ( sp ) 2

Keterangan :

5

N’

= jumlah pengamatan yang harus dilakukan

k

= nilai Z dari α/2

p

= persentase terjadinya kejadian produktif

s

= besar tingkat ketelitian yang dikehendaki

Wignjosoebroto, Sritomo, op. cit., p. 208

3.1.2. Pengukuran Kerja Secara Tak Langsung Pengukuran ini tidak harus dilakukan dimana pekerjaan yang diukur dijalankan. Metode yang dipakai antara lain data waktu baku dan data waktu gerakan.

3.2 Penyesuaian dan Kelonggaran 3.2.1. Penyesuaian 3.2.1.1. Maksud Melakukan Penyesuaian Setelah pengukuran berlangsung, pengukur harus mengamati kewajaran kerja yang ditunjukkan operator. Ketidak wajaran dapat saja terjadi misalnya bekerja tanpa kesungguhan, sangat cepat seolah-olah diburu waktu atau karena menjumpai kesulitan-kesulitan seperti karena kondisi ruangan yang buruk. Sebabsebab seperti ini mempengaruhi kecepatan kerja yang berakibat terlalu singkat atau terlalu panjangnya waktu penyelesaian. Hal ini jelas tidak diinginkan karena waktu baku yang dicari adalah waktu yang diperoleh dari kondisi dan cara kerja yang baku yang diselesaikan secara wajar. Oleh sebab itu perlu untuk diberikan penyesuaian untuk mewajarkan keadan yang tidak wajar 6.

3.2.1.2. Konsep Tentang Bekerja Wajar Telah dikemukakan diatas bahwa ketidak wajaran harus diwajarkan untuk mendapatkan waktu normal. Pertanyaan yang timbul adalah bagaimana yang

6

Sutalaksana, Iftikar Z, Anggawisastra, Ruhana dan Tjakraadmadji, John H, op. cit., p. 138

disebut wajar itu ? dengan standar apa pengukur menilai wajar tidaknya kerja seorang operator ? Biasanya, melalui pengamatan seorang pengukur dapat melihat bagaimana hal tersebut ditunjukkan operator. Dalam waktu yang tidak terlampau lama kita dapat menyatakan misalnya orang tersebut bekerjanya lambat atau sangat cepat. Ini tidak lain berarti kita telah membandingkan sesuatu dengan sesuatu lain yang wajar. Untuk memudahkan pemilihan konsep wajar, seorang pengukur dapat mempelajari bagaimana bekerjanya seorang operator yang dianggap normal yaitu jika seorang operator yang dianggap berpengalaman bekerja tanpa usaha-usaha yang berlebihan sepanjang hari bekerja, menguasai cara kerja yang ditetapkan dan menunjukkan kesungguhan dalam menjalankan pekerjaannya. Disamping konsep-konsep yang dikemukakan oleh International Labour Organization ini, terdapat juga konsep yang lebih terperinci yaitu yang dikemukakan oleh Lawry Maynard dan Stegemarten melalui cara penyesuaian Westinghouse. Mereka berpendapat bahwa ada empat faktor yang menyebabkan kewajaran atau ketidak wajaran dalam bekerja yaitu ketrampilan, usaha, kondisi kerja dan konsistensi 7.

3.2.1.3. Cara Menentukan Faktor Penyesuaian Cara pertama adalah cara persentase yang merupakan cara yang paling awal digunakan dalam melakukan penyesuaian. Disini besarnya faktor penyesuaian sepenuhnya ditentukan oleh pengukur melalui pengamatannya

7

Ibid, p. 138

selama melakukan pengamatan. Jadi sesuai dengan pengukuran dia menentukan harga p yang menurut pendapatnya akan menghasilkan waktu normal bila harga ini dikalikan dengan waktu siklus. Terlihat bahwa penyesuaiannya diselesaikan dengan cara yang sangat sederhana. Memang cara ini merupakan cara yang paling mudah dan sederhana, namun segera pula terlihat adanya kekurangan ketelitian sebagai akibat dari kasarnya cara penilaian. Bertolak dari kelemahan ini dikembangkanlah cara-cara lain yang dipandang sebagai cara yang lebih obyektif. Cara-cara ini umumnya memberikan patokan yang dimaksudkan untuk mengarahkan penilaian pengukur terhadap kerja operator. Dalam kesempatan kali ini cara yang akan dibahas adalah cara Westinghouse. Cara Westinghouse mengarahkan penilaian kepada 4 faktor yang dianggap menentukan kewajaran atau ketidak wajaran dalam bekerja yaitu ketrampilan, usaha, kondisi kerja dan konsistensi. Setiap faktor terbagi kedalam kelas-kelas dengan nilainya masing-masing. Ketrampilan atau skill didefinisikan sebagai kemampuan mengikuti cara kerja yang ditetapkan. Latihan dapat meningkatkan ketrampilan, tetapi hanya sampai ke tingkat tertentu saja, tingkat mana merupakan kemampuan maksimal yang dapat diberikan pekerja yang bersangkutan. Ketrampilan dapat juga menurun yaitu apabila terlampau lama tidak menangani pekerjaan tersebut atau karena sebab-sebab lain seperti karena kesehatan yang terganggu, rasa fatique yang berlebihan, pengaruh lingkungan sosial dan sebagainya.

Yang dimaksud dengan kondisi kerja atau condition pada cara Westinghouse adalah kondisi fisik lingkungannya seperti keadaan pencahayaan, temperatur dan kebisingan ruangan. Bila tiga faktor lainnya yaitu ketrampilan, usaha dan konsisten merupakan apa yang dicerminkan operator, maka kondisi kerja merupakan sesuatu diluar operator yang diterima apa adanya oleh operator tanpa banyak kemampuan merubahnya. Oleh sebab itu faktor kondisi sering disebut sebagai faktor manajemen karena pihak inilah yang dapat dan berwenang merubah atau memperbaikinya. Kondisi kerja dibagi menjadi 6 kelas yaitu ideal, excellent, good, average, fair dan poor. Kondisi kerja yang ideal tidak selalu sama bagi setiap pekerjaan karena berdasarkan karakteristiknya masing-masing pekerja membutuhkan kondisi ideal sendiri-sendiri. Pada dasarnya kondisi ideal adalah kondisi yang paling cocok untuk pekerjaan yang bersangkutan, yaitu yang memungkinkan performance maksimal dari pekerja. Sebaiknya kondisi poor adalah kondisi lingkungan yang tidak membantu jalannya pekerjaan bahkan sangat menghambat pencapaian performance yang baik. Konsistensi juga merupakan faktor yang perlu diperhatikan karena kenyataan bahwa pada setiap pengukuran waktu angka-angka yang dicatat tidak pernah semuanya sama, waktu penyelesaian yang ditunjukkan pekerja selalu berubah-ubah dari satu siklus ke siklus lainnya. Selama masih dalam batas-batas kewajaran masalah tidak timbul, tetapi jika variabilitasnya tinggi maka hal tersebut harus diperhatikan. Sebagaimana dengan faktor-faktor lain, konsistensi juga dibagi menjadi 6 kelas yaitu perfect, excellent,good,average,fair dan poor 8.

8

Ibid, p. 139

3.2.2. Kelonggaran Kelonggaran diberikan untuk 3 hal yaitu untuk kebutuhan pribadi, menghilangkan rasa fatique dan hambatan-hambatan yang tidak terhindarkan. Ketiganya merupakan hal-hal yang secara nyata dibutuhkan oleh pekerja dan yang selama pengukuran tidak diamati, diukur, dicatat ataupun dihitung. Karenanya sesuai pengukuran dan setelah mendapatkan waktu normal, kelonggaran perlu ditambahkan 9.

3.3. Peramalan Permintaan Peramalan dilakukan untuk mengukur atau memperkirakan keadaan di masa yang akan datang. Peramalan tidak hanya dilakukan untuk menentukan jumlah produksi yang perlu dihasilkan atau kapasitas jasa yang harus disediakan, tetapi juga diperlukan untuk berbagai bidang yang lain. Dilihat dari jangka waktu ramalan yang disusun, peramalan dibedakan atas: a. Peramalan jangka pendek, untuk waktu satu tahun atau kurang yang digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan, dan tingkat produksi. b. Peramalan jangka jangka menengah, untuk waktu satu hingga lima tahun ke depan

yang

digunakan

untuk

merencakan

penjualan,

perencanaan

penganggaran produksi, penganggaran kas, dan menganalisis berbagai rencana operasi.

9

Ibid, p. 149

c. Peramalan jangka panjang, untuk waktunya lebih dari lima tahun yang akan datang yang digunakan dalam merencanakan produk baru, pengembangan modal, lokasi fasilitas, ekspansi, penelitian, dan pengembangan.

3.3.1. Metode Peramalan Metode peramalan secara umum dapat dibagi dua yaitu ; 1. Peramalan kualitatif Peramalan ini menggunakan data kualitatif masa lalu sebagai dasar hasil peramalan. Hasil yang didapat merupakan hasil pemikiran, pendapat, pengetahuan serta pengalaman dari orang yang melakukan peramalan. Peramalan kualitatif umumnya bersifat subjektif, dipengaruhi oleh intiusi, emosi, pendidikan, dan pengalaman seseorang. 2. Peramalan kuantitatif Peramalan kuantitatif didasarkan atas data kuantitatif pada masa lalu. Metode ini dilakukan jika : a. Adanya informasi tentang data masa lalu b. Informasi tersebut dapat dikuantifikasi dalam bentuk data. c. Pola data yang lalu dapat diasumsikan berkelanjutan pada masa yang akan datang. Metode ini secara garis besar dibagi menjadi dua kelompok, yaitu metode Seri Waktu (Time Series) dan Model Kausal.

1. Metode Time Series Model kuantitatif intrinsik, sering disebut sebagai model-model deret waktu (time series model). Time series adalah metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu. Dengan analisis deret waktu dapat ditunjukkan bagaimana permintaan terhadap suatu produk tertentu bervariasi terhadap waktu. Sifat dari perubahan permintaan dari tahun ke tahun dirumuskan untuk meramalkan penjualan pada masa yang akan datang. Ada empat komponen utama yang mempengaruhi analisis ini, yaitu : a. Kecenderungan (trend) b. Siklis (cycle) c. Musiman (seasonal) d. Kejadian luar biasa (errotic events) Metode peramalan yang termasuk model time series adalah : A. Metode penghalusan eksponensial (Exponential Smoothing) Penghalusan eksponensial adalah metode peramalan yang mudah digunakan dan efisien dilakukan dengan komputer. Penghalusan eksponensial adalah teknik peramalan rata-rata bergerak yang memberikan bobot secara eksponensial pada data paling akhir, sehingga akan mendapatkan bobot yang lebih besar secara bertingkat. Metode ini sering digunakan pada permintaan barang

yang

perubahannya sangat cepat, karena itu prakiraan permintaan biasanya dipecah dari permintaan bulanan menjadi permintaan mingguan.

Secara sederhana exponential smoothing diformulasikan sebagai berikut : new forecast = α (actual demand ) + (1 − α )( previous forecast ) Ft + 1 = αAt + (1 − α ) Ft

Dimana : t

= Periode saat ini

A

= Konstanta exponential smoothing

At

= Permintaan pada periode t

Ft

= Peramalan untuk periode t

Ft + 1 = Peramalan untuk periode yang akan datang atau

Ft = Ft − 1 + α ( Dt − 1 − Ft − 1) Dimana : Ft

= Prakiraan permintaan sekarang

Ft – 1 = Prakiraan permintaan yang lalu α

= konstanta eksponensial

Dt – 1 = Permintaan nyata B. Metode rata-rata bergerak (Moving Average) Rata-rata bergerak atau moving average bermanfaat jika permintaan diasumsikan tetap stabil sepanjang waktu. Metode ini cenderung digunakan untuk menghaluskan ketidakteraturan jangka pendek di dalam seri data. Di dalam rata-rata bergerak, perhitungan rata-rata dilakukan dengan cara menjumlahkan data tahun terakhir dengan data beberapa periode sebelumnya. Secara matematis, rata-rata bergerak sederhana yang

menjadi estimasi dari permintaan periode berikutnya ditunjukkan dengan rumus

Rata − rata bergerak =

Per min taan data n periode sebelumnya n

dimana n adalah jumlah periode dalam rata-rata bergerak. Jika data berkala sebanyak n : Y1, Y2,..., Yn maka rata-rata bergerak (moving average) n waktu, misalnya 3 bulanan, triwulanan, semesteran secara berurutan untuk rata-rata bergerak 3 bulan, triwulan, semester periode merupakan urutan rata-rata hitung, sebagai berikut : Y 1 + Y 2 + ... + Yn Y 2 + Y 3 + ... + Yn =1 Y 3 + Y 4 + ... + Yn + 2 , , , n n n

dan

seterusnya

Y1 + Y2 +...+ Yn, Y2 + Y3 +...+ Yn+1, Y3 + Y4+...+ Yn+2 masingmasing disebut total bergerak (moving average). Rata-rata bergerak mengurangi variasi dari data asli. Di dalam data berkala rata-rata bergerak sering dipergunakan untuk memuluskan fluktuasi yang terjadi dalam data tersebut. Proses pemolesan ini disebut pemulusan data berkala. C. Metode proyeksi tren (Trend Projection) / Least Square Metode kuadrat terkecil (Least Square) adalah.salah satu metode yang paling banyak digunakan, karena mampu menarik garis yang bisa mewakili letak data-data yang ada. Hasilnya, berupa garis tren

(kecenderungan) yang bisa dianggap sebagai prakiraan yang paling rasional atau masuk akal. Garis tren ini memiliki ciri-ciri sebagai berikut : a. Penjumlahan semua deviasi adalah nol atau minimum b. Garis tren ditarik melalui rata-rata X dan rata-rata Y Persamaan garis tren dapat ditulis sebagai persamaan garis lurus sebagai berikut :

Y I = a + bX Dimana : Y I = data berkala (Time series data) X

= waktu (hari, minggu, bulan, tahun)

a dan b = bilangan konstan Jika mencari garis tren berarti mencari nilai a dan b. Apabila a dan b sudah diketahui maka garis tren tersebut dapat dipergunakan untuk meramalkan Y. Untuk mengadakan perhitungan maka diperlukan nilai tertentu pada variabel waktu (=X) sedemikian rupa, sehingga jumlah nilai variabel waktu adalah nol. n

∑ Xi = 0 i =1

2. Metode Kausal Metode ini bertujuan untuk menghtung bagaimana suatu perkiraan atau persamaan regresi yang akan menjelaskan hubungan diantara variabel. Regresi berarti bergantung bahwa sifat atau perilaku sebuah variabel akan bergantung kepada variabel lainnya, karena itu ada variabel bergantung

dan variabel bebas. Ada dua macam regresi, yaitu simple regression dan multiple regression. Dalam simple regression 1 variabel bebas akan menjelaskan 1 variabel bergantung. Dalam multiple regression 1 variabel bergantung akan dijelaskan oleh beberapa variabel bebas. Bentuk persamaan regresi adalah sebagai berikut : Regresi Sederhana (Simple Regression)

Y I = a + bX Regresi Berganda (Multiple Regression) Y = a + bX 1 + cX 2 + dX 3 + ... + jX n Dimana :

a

= Y pintasan (nilai Y I bila X = 0).

b

= Kemiringan dari garis regresi (kenaikan atau

penurunan

YI

untuk setiap

perubahan satu-satuan X) atau koefisien regresi mengukur besarnya pengaruh X terhadap Y kalau X naik satu unit. X

= Nilai tertentu dari variabel bebas.

YI

= Nilai yang diukur / dihitung pada variabel tidak bebas.

3.3.2. Langkah-langkah Peramalan Langkah-langkah yang harus dilakukan untuk membuat fungsi peramalan dengan metode kuantitatif adalah sebagai berikut: 1. Tentukan tujuan peramalan

2. Pembuatan diagram pencar 3. Pilih minimal 2 metode peramalan yang dianggap sesuai 4. Menghitung parameter-parameter fungsi peramalan 5. Menghitung kesalahan tiap metode peramalan 6. Pilih metode terbaik, yaitu yang memiliki kesalahan yang paling kecil 7. Lakukan verifikasi peramalan.

3.3.3. Parameter Kesalahan Peramalan Peramalan terhadap kondisi-kondisi dimasa mendatang pada umumnya tidak dapat persis sama dengan kenyataan yang terjadi dimasa mendatang. Oleh karena itu, diharapkan, peramalan dapat dilakukan dengan nilai kesalahan sekecil mungkin. Kesalahan peramalan tidak semata-mata disebabkan kesalahan dalam memilih metode, tetapi dapat juga disebabkan jumlah data yang diamati terlalu sedikit sehingga tidak menggambarkan pola yang sebenarnya dari variabel yang bersangkutan. Beberapa ukuran yang dipakai untuk menghitung kesalahan peramalan : 1. Kesalahan Rata-rata Kesalahan rata-rata (AV, Average Error) merupakan rata-rata perbedaan antara nilai sebenarnya dan nilai peramalan, yang dirumuskan sebagai berikut:

AE =

∑e

i

n

Kesalahan rata-rata suatu peramalan seharusnya mendekati angka nol jika data yang diamati berjumlah besar. Apabila tidak, berarti model yang digunakan mempunyai kecenderungan bias, yaitu peramalan cenderung

menyimpang diatas rata-rata (overestimate) atau di bawah rata-rata (underestimate) dari nilai sebenarnya. 2. Rata-rata Penyimpangan Absolut atau Mean Absolute Deviation (MAD) MAD meerupakan penjumlahan kesalahan prakiraan tanpa menghiraukan tanda aljabarnnya dibagi dengan banyaknya data yang diamati, yang dirumuskan sebagai berikut :

MAD =

∑e

i

n

Dalam MAD, kesalahan dengan arah positif atau negatif akan diberlakukan sama, yang diukur hanya besar kesalahan secara absolut. 3. Rata-rata Kesalahan Kuadarat Metode rata-rata kesalahan kuadrat (MSE, Mean Squared Error) memperkuat pengaruh angka-angka kesalahan besar, tetapi memperkecil angka kesalahan peramalan yang lebih kecil dari satu unit.

MSE =

∑e

2

n

4. Rata-rata Persentase Kesalahan Absolut Pengukuran ketelitian dengan cara rata-rata persentase kesalahan absolut (MAPE, Mean Absolut Percentage Error) menunjukkan rata-rata kesalahan absolut peramalan dalam bentuk persentasenya terhadap data aktual.

e

MAPE =

∑X

100 i

n

3.3.4. Verifikasi Peramalan Verifikasi peramalan juga bertujuan untuk mengetahui apakah data yang digunakan cukup representatif atau tidak. Verifikasi peramalan dilakukan untuk mengetahui apakah data berada dalam batas-batas kontrol atau tidak. Verifikasi peramalan dapat dilakukan dengan menggunakan metode moving range chart. Penentuan batas kontrol metode moving range chart memerlukan perhitungan: Moving Range ( MR) = Keterangan:

∑ MR

t

n −1

dengan MRt = e1 − et −1

et

= kesalahan peramalan pada periode t

et-1

= kesalahan peramalan pada periode t–1

BA

= Batas Atas

BB

= Batas Bawah = -2,66 x MR

= 2,66 x MR

Grafik Moving Range ditunjukkan Gambar 3.1.

BA = 2,66 x MR 2/3 x BA 1/3 x BA Central Line 1/3 x BB 2/3 x BB BB = -2,66 x MR

Gambar 3.1. Moving Range Chart Hasil peramalan out of control terjadi apabila ada titik sebaran (Y-Yt) berada di luar batas kontrol (>BA atau
Apabila semua titik sebaran kesalahan peramalan tidak ada yang out of control, maka fungsi peramalan tersebut representatif terhadap data yang ada dan dapat digunakan untuk peramalan. Jika ada titik sebaran yang out of control, maka dapat dilakukan perbaikan dengan cara: 1. Mengganti fungsi peramalan dengan fungsi yang baru dan memulai perhitungan baru dari awal. 2. Menghitung kembali parameter fungsi tersebut dengan menghilangkan data yang out of control sehingga diperoleh fungsi yang baru dengan jumlah data yang berkurang.

3.4. Stasiun Kerja Stasiun kerja adalah suatu set kelompok sumber, misal mesin atau lebih, atau seorang pekerja atau lebih, yang dipandang sebagai satu unit kerja. Biasanya setiap unit ini mempunyai nama atau nomor identifikasi. Pengelompokkan mesinmesin atau pekerja menjadi stasiun atau unit kerja tersebut dapat dilakukan dengan beberapa metode atau cara, yaitu: a. Pengelompokkan dilakukan sesuai dengan jenis mesin, artinya mesin-mesin yang sejenis dan biasanya dengan kapasitas yang relatif sama dikelompokkan dan secara fisik ditempatkan di daerah yang sama. Metode ini biasanya digunakan pada suatu pabrik dengan sifat job shop tradisional. b. Pengelompokkan beberapa mesin yang berbeda tetapi dipandang sebagai satu unit stasiun kerja yang menghasilkan sejenis produk.

c. Pengelompokkan mesin-mesin menjadi sel manufaktur, yaitu suatu kelompok yang terdiri dari beberapa jenis mesin yang berbeda yang mampu menghasilkan satu kelompok jenis produk tertentu. A. Stasiun Kerja Bottleneck Dan Nonbottleneck Ditinjau dari titik kapasitas, ada dua tipe stasiun kerja yang berbeda. Stasiun kerja dengan kelebihan kapasitas disebut stasiun kerja nonbottleneck dan yang kapasitasnya lebih kecil dari kebutuhan disebut bottleneck. B. Perbedaan Stasiun Kerja Bottleneck dan Nonbottleneck Untuk melihat perbedaan stasiun kerja bottleneck dan nonbottleneck dapat dilihat pada contoh berikut ini, suatu proses memerlukan stasiun kerja R1 dan R2. Kapasitas tersedia untuk R1 dan R2 adalah 40 jam/minggu. Angka ini menunjukkan kapasitas potensial kedua stasiun kerja tersebut. Jika waktu untuk makan siang, istirahat operator, masalah mekanik dan lain-lain mengakibatkan stasiun kerja secara normal tidak produktif 1 jam/hari, maka kapasitas yang tersedia tidak lagi 40 jam/minggu, kapasitas aktualnya menjadi 35 jam/minggu (5 hari kerja dalam 1 minggu). Bila untuk memproduksi kombinasi produk pada stasiun kerja R1 dan R2 dibutuhkan waktu 30 dan 35 jam/minggu, maka R1 menjadi stasiun kerja nonbottleneck dan R2 menjadi stasiun kerja bottleneck 10. Stasiun kerja bottleneck dan nonbottleneck memerlukan perhatian yang berbeda dari pihak manajemen. Ketersediaan waktu pada masing-masing stasiun

10

Umble, Michael Phd CFPIM., Srikanth, Mokshagundam L Phd., Synchronous Manufacturing: Principles for World Class Excellence, The Spectrum Publishing Company Inc, Connecticut, 1996, p. 30

kerja tersebut dapat dipakai dengan beberapa cara yang berbeda. Hal tersebut dapat dijelaskan sebagai berikut 11: 1. Production Time (waktu operasi) yaitu waktu yang digunakan untuk memproses suatu produk. 2. Setup time (waktu setup) yaitu waktu yang digunakan untuk mempersiapkan proses suatu produk. 3. Idle Time (waktu menganggur) yaitu waktu yang tidak digunakan untuk setup maupun proses. 4. Waste Time (waktu terbuang) yaitu waktu yang digunakan untuk memproses material yang tidak dapat diubah menjadi produk. C. Identifikasi Stasiun Kerja Bottleneck Ada dua cara untuk mengidentifikasi bottleneck dalam suatu sistem12: 1. Melihat beban kerja (load) setiap stasiun kerja menggunakan bantuan perencanaan kebutuhan kapasitas, yaitu dengan mempertimbangkan waktu operasi, waktu setup dan ukuran batch. 2. Melakukan observasi langsung pada perusahaan. D. Pencegahan Perubahan Nonbottleneck Menjadi Bottleneck Jika stasiun kerja bottleneck dijadwalkan dengan ukuran batch yang besar, maka akan dapat menimbulkan masalah yang lebih besar. Maka sangat penting untuk mengendalikan suatu sistem yang memiliki stasiun kerja bottleneck. Tempat

11

Ibid, p. 35 Kristina, Juliana., Memaksimalkan Penggunaan Bottleneck dengan Theory of Constraints, Jurnal Teknologi Industri, Vol II No.2, 1998, p. 90

12

atau mesin yang dikendalikan disebut drum. Ada dua cara yang dapat dilakukan untuk mengatasi bottleneck, yaitu 13: 1. Menyediakan persediaan buffer untuk meyakinkan bahwa tidak ada mesin yang menganggur karena bottleneck. 2. Kombinasi ke hulu (rope) dari mesin awal hingga akhir.

3.5. Sejarah Perkembangan Theory of Constraints (TOC) Theory of Constraints (TOC) diciptakan oleh Eliyahu Moshe Goldratt pada permulaan tahun 1970-an. Goldratt adalah seorang ahli fisika Israel yang kemudian dilibatkan dalam perancangan sistem produksi untuk membantu temannya merancang sistem penjadwalan operasi pabrik pembuatan kandang ayam. Sistem penjadwalan yang diciptakan Goldratt pada awalnya dikenal sebagai Optimized Production Technology (OPT). Sistem ini sungguh kontroversial, sebab mampu menghasilkan penjadwalan yang cukup mantap, namun algoritma penjadwalannya sulit dipahami kecuali oleh Goldratt sendiri. Akibat keanehan yang timbul pada sistem penjadwalan OPT, maka pada tahun 1988 Goldratt menulis buku yang berjudul “The Goal: A Process of Ongoing Improvement”, yang coba menjelaskan filosofi algoritma OPT. Pada awalnya, Goldratt menamai teori dasar OPT ini sebagai OPT thoughware, tetapi nama ini mengacaukan antara filosofi dan software yang mendukungnya. Selanjutnya synchronous production digunakan, tetapi terminologi ini juga

13

Ibid, p. 93

membingungkan karena ada pendekatan lain yang menggunakan nama yang sama. Pada akhirnya pendekatan ini dinamakan theory of constraints (TOC) 14.

3.5.1. Pengertian Theory of Constraints (TOC) Theory Of Constraints (TOC) merupakan pengembangan dari Optimized Production Technology (OPT). Nama lain dari TOC adalah OPT Throughware, synchronous production dan synchronous manufacturing. TOC adalah suatu teori yang menekankan bahwa performa optimum dari suatu sistem bukan merupakan hasil penjumlahan dari semua komponen sistem yang telah dioptimasi, tetapi merupakan pengaruh keterbatasan–keterbatasan yang ada pada suatu sistem terhadap performa optimum yang dapat dicapai sistem tersebut. Theory of Constraints (TOC) telah menjadi suatu sistem yang bermanfaat dalam manajemen operasi modern. Dengan menggunakan TOC, perusahaan dapat mencapai pengurangan WIP dan persediaan barang jadi dalam jumlah besar, perbaikan yang nyata dalam mengatur penjadwalan operasi dan peningkatan profit. Inti dari TOC adalah meliputi pengidentifikasian kendala-kendala sistem dan memutuskan bagaimana beroperasi dengan kendala-kendala tersebut untuk mencapai proses produksi yang sinkron. Definisi kendala menjelaskan bahwa TOC mempunyai aplikasi yang lebih luas dibanding Production Planning and Controlling. Kendala adalah elemen-elemen yang mencegah sistem untuk mencapai tujuan untuk memperoleh profit yang lebih besar. Ada beberapa 14

Sipper, Daniel., Bulfin Jr, Robert L., Production: Planning, Control, and Integration, Mc Graw Hill, New York, 1998, p. 570

kategori kendala yang ada dalam lingkungan manufaktur. Termasuk didalamnya kendala pasar, material, logistic, manajerial dan tingkah laku 15.

3.5.2. Prinsip Theory of Constraints (TOC) Berikut ini adalah beberapa prinsip TOC 16: 1. Sistem dianalogikan sebagai suatu rantai. 2. Seimbangkan aliran produksi, bukan kapasitas produksi. 3. Lokal versus sistem optima. 4. Sebab Akibat. 5. Kendala fisik dan kebijaksanaan. 6. Ide bukan merupakan suatu pemecahan masalah. 7. Aktifitas tidak selalu sama dengan utilitas. 8. Tingkat utilitas nonbottleneck tidak ditentukan oleh potensi stasiun kerja tersebut tetapi oleh stasiun kerja bottleneck atau sumber kritis lainnya. 9. Satu jam kehilangan pada bottleneck merupakan satu jam kehilangan sistem keseluruhan. 10. Satu jam kehilangan pada nonbottleneck merupakan suatu fatamorgana. 11. Solusi yang menjadi makin buruk. 12. Pengaruh yang tidak diinginkan dan inti permasalahan. 13. Inertia adalah musuh terbesar dari proses perbaikan yang terus-menerus.

15

Ibid, p. 572 Deffmer, H. William., Goldratt’s Theory of Constraints: A System Approach to Continuous Improvement, ASQC Quality Press, Wisconsin, 1997, p. 21

16

3.5.3. Langkah-Langkah Theory of Constraints (TOC) Goldratt telah mengembangkan lima langkah dalam usaha untuk memperbaiki setiap elemen yang terdapat di dalam sistem. Lima langkah tersebut adalah 17: 1. Identifikasi kendala sebuah sistem Kendala – kendala ini dapat berupa bentuk material, mesin, orang, tingkat permintaan atau berupa manajerial. Sangat penting untuk mengidentifikasi kendala dengan baik dan juga membuat prioritas berdasarkan pengaruhnya pada tujuan organisasi. 2. Eksploitasi kendala – kendala yang ada. Bagaimana memanfaatkan / mensiasati pembatas (kendala) yang ada untuk memperbaiki kerja sistem lebih efektif dan efisien. Proses berpikirnya adalah lebih baik berpikir bagaimana membuat sistem berjalan baik dengan kendala yang ada, tidak langsung membuang kendala. Goldratt dalam bukunya memberi contoh lebih baik menajamkan mata gergaji yang ada (jikalau masih mungkin) daripada langsung mengganti dengan yang baru. Jika kendala berupa fisik, maka tujuan dalam tahap ini adalah mensiasati kendala agar bekerja lebih efektif lagi, tapi jika kendala berupa kebijakan manajerial maka kendala ini jangan disiasati tapi harus dieliminasi dan diganti dengan kebijakan yang mendukung perbaikan sistem.

17

Ibid, p. 14

3. Subordinasi Semua bagian dari sistem yang dipandang non kendala harus diupayakan untuk mendukung secara maksimum keefektifan dari perbaikan kendala yang sudah ditentukan, bukan memperumit perbaikan kendala. Karena perbaikan throughput perusahaan, maka segala sumber daya yang ada harus disinkronisasikan. 4. Elevasi kendala sistem Jika perbaikan kendala yang paling kritis belum menunjukkan hasil (setelah mengikuti langkah 1–3), maka usaha perbaikan yang keras harus dilakukan. Menurut Goldratt, saatnya menambah “kapasitas” kendala tersebut. Misalnya, jika kendala berupa sumber daya material, mungkin harus dilakukan penambahan shift atau sub kontrak. Jika kendala berupa kualitas bahan baku yang buruk atau suppliers yang tidak bisa diandalkan, maka mungkin harus mencari suppliers baru. Jika kendala berupa peraturan ataupun kebijakan mungkin harus dilakukan revisi dan penggantian kebijakan. Kadang kala untuk mengatasi kendala tersebut akan melibatkan investasi dana tambahan tapi hal ini perlu diusahakan sebagai cara terakhir. Langkah keempat ini berusaha mengatasi kendala selangkah demi selangkah sampai akhirnya kendala ini teratasi dan menjadi non kendala. 5. Kembali ke langkah 1 dan hindari inersia. Jika sebelum tiba pada langkah keempat, kendala yang ada sudah berhasil diatasi, maka kembali ke langkah pertama. Ketika berhasil mengatasi kendala

terlemah dalam sistem (menjadi non kendala), maka yang lain akan menjadi yang paling lemah (prinsip perbaikan terus menerus). Waspadai kelembaman (inertia). Ukuran operasional dalam TOC adalah: a. Throughput (TH) yaitu tingkat dimana kesluruhan sistem menghasilkan uang melalui penjualan produk atau jasa. TH merupakan perbedaan antara pendapatan yang didapat dari penjualan dengan material cost. b. Inventory (I) yaitu seluruh uang yang diinvestasikan dalam bentuk barang yang dimaksudkan untuk dijual. c. Operating expense (OE) yaitu seluruh uang yang digunakan sistem untuk merubah persediaan menjadi throughput.

3.6. Program Linear Program linear adalah teknik pengambilan keputusan untuk memecehkan masalah mengalokasikan sumber daya yang terbatas diantara berbagai keperntingan seoptimal mungkin. Program linear menggunakan suatu model matematis untuk menggambarkan masalah masalah yang sering dihadapi. Model dalam program linear pada dasarnya dinyatakan dalam bentuk bentuk fungsi tujuan dan fungsi pembatas. Fungsi tujuan merupakan persamaan fungsi dari variabel, sedangkan batasannya adalah kendala yang dihadapi dalam mencapai tujuan tersebut. Program linear juga dapat digunakan untuk mengidentifikasi stasiun kerja bottleneck. Dalam tujuan untuk mendapatkan profit yang besar, maka digunakan

maksimalisasi throughput berdasarkan ukuran operasional TOC sebagai fungsi tujuan dalam perumusan program linear. Sedangkan fungsi-fungsi kendala adalah kapasitas dari masing-masing stasiun kerja dan permintaan dari masing-masing tipe produk18. Ada dua hal yang menunjukkan apakah sebuah model merupakan sebuah program linear . Linearitas menyiratkan terpenuhinya sifat-sifat berikut ini: 1. Merupakan asumsi mengenai kegiatan individual yang dipertimbangkan secara independen dari kegiatan lainnya dan mengharuskan bahwa kontribusi setiap variabel harus proporsional secara langsung dengan tingkat variabel tersebut. 2. Merupakan asumsi bahwa tidak ada interaksi demikian antara kegiatankegiatan sehingga dalam model tidak timbul hasil-hasil perkalian dan mengharuskan bahwa fungsi tujuan adalah jumlah langsung dari kontribusi individual dari variabel-variabel yang berbeda. Formulasi program linear secara lengkap adalah sebagai berikut: Maks Z = C1X1 + C2X2 + . . . + CnXn s.t.

A11X1 + A12X2 + . . . + A1nXn ≤ b1 A21X1 + A22X2 + . . . + A2nXn ≤ b2 Am1X1 + Am2X2 + . . . + AmnXn ≤ bm X1 ≤ d1

.

Xn ≤ dn X1, X2, . . ., Xn ≥ 0

18

Sipper, op. cit., p. 576

.

b1, b2, . . ., bm ≥ 0 d1, d2, . . ., dm ≥ 0 dimana: X1, X2, . . ., Xn

= jumlah masing-masing tipe produk (unit)

C1, C2, . . ., Cn

= throughput masing-masing tipe produk (rupiah)

A11, A12, . . ., A1n

= waktu proses produk X1, X2, . . ., Xn pada stasiun kerja b1

A21, A22, . . ., A2n

= waktu proses produk X1, X2, . . ., Xn pada stasiun kerja b2

Am1, Am2, . . ., Amn

= waktu proses produk X1, X2, . . ., Xn pada stasiun kerja bm

b1, b2, . . ., bm

= kapasitas tersedia masing-masing stasiun kerja (menit)

d1, d2, . . ., dm

= demand masing-masing tipe produk

BAB IV METODOLOGI PENELITIAN 4.1. Tempat dan Waktu Penelitian Penelitian dilakukan di PT. X yang beralamat di jalan Pelita Raya No. 1 Kav. 3 Tanjung Morawa Kabupaten Deli Serdang-Sumatera Utara. Penelitian dilakukan selama tiga bulan (Maret-Mei 2008).

4.2. Rancangan Penelitian Penelitian akan dilakukan pada proses produksi dari pemrosesan awal bahan baku hingga telah siap di kemas dengan melihat secara langsung proses dan mengumpulkan rekaman data tiap unit kerja sehingga di dapat hal-hal yang menjadi kendala dan letak terjadinya bottleneck. Dalam melakukan pendekatan terhadap masalah di atas dilakukan analisa dengan menggunakan prinsip-prinsip TOC. Tahapan-tahapan dalam menganalisis semua proses penelitian dapat dilihat pada Gambar 4.1:

Studi Pendahuluan : - Studi Literatur - Melakukan Pengamatan Awal

Identifikasi Masalah dan Penetapan Tujuan

Pengumpulan Data : Data primer, meliputi : Data sekunder meliputi : Data waktu siklus produk di tiap stasiun kerja. - Data permintaan 2006 – 2007 - Data jumlah mesin/peralatan tiap stasiun kerja - Data biaya produksi - Data biaya produksi/unit dan biaya material /unit produk - Data harga jual produk

Pengolahan Data : 1. Pengukuran waktu siklus. 2. Mengidentifikasi stasiun kerja bottleneck dan non bottleneck berdasarkan TOC 3. Pengaturan kembali JIP dengan mengoptimalkan stasiun kerja bottleneck berdasarkan TOC

Analisis dan Pembahasan : Dilakukan penganalisaan terhadap kapasitas produksi sebelum dan sesudah dilakukan pengoptimalan terhadap stasiun kerja bottleneck. Setelah itu dilihat capacity utilization tiap stasiun kerja.

Kesimpulan dan Saran

Gambar 4.1. Block Diagram Prosedur Penelitian

4.3. Objek Penelitian Objek yang akan dianalisis adalah kendala-kendala pada tiap-tiap stasiun kerja pada PT. X.

4.4. Variabel Penelitian Variabel yang akan diteliti dalam tugas akhir ini adalah data-data historis permintaan obat nyamuk bakar pada PT. X April 2006 – Maret 2007.

4.5. Instrumen Penelitian Dalam penelitian ini dilakukan pengukuran waktu dengan metode stopwatch time study dimana menggunakan instrumen berupa jam henti atau stopwatch.

4.6. Pengumpulan Data Data-data yang dibutuhkan dalam tugas akhir diperoleh dari data primer dan sekunder. Data primer yang diperlukan untuk penelitian ini meliputi : a. Data waktu siklus masing-masing tipe produk pada tiap stasiun kerja, b. Data proses produksi, yang digunakan untuk pembuatan pembuatan peta proses operasi. c. Data waktu operasi dan kapasitas tiap mesin

Sedangkan data sekunder yang diperlukan dalam penelitian ini meliputi :

a. Data spesifikasi produk b. Data

permintaan

produk

selama

satu

tahun

sebelum

perencanaan. c. Data jumlah mesin/peralatan pada tiap stasiun kerja. d. Data biaya produksi satu tahun sebelum perencanaan. e. Data biaya produksi/unit dan material/unit produk. f. Data harga jual produk.

4.7.

Pengolahan Data Berdasarkan Gambar 4.2 dapat dijelaskan langkah-langkah yang akan

dilakukan dalam proses pengolahan data, yaitu sebagai berikut: Pengukuran waktu standar tiap stasiun kerja

Peramalan Permintaan tahun 2006-2007

Pembentukan draft awal JIP

Perhitungan RCCP

Perhitungan Capacity Available

Perhitungan Capacity Requirement

Identifikasi Stasiun Kerja Bottleneck dan nonbottleneck berdasarkan TOC

Pengaturan kembali JIP dengan mengoptimalkan stasiun kerja bottleneck

Gambar 4.2. Block Diagram Pengolahan Data

4.7.1. Pengukuran Sistem Kerja Berdasarkan pengukuran waktu dengan metode jam henti, pengukuran waktu standar mempunyai langkah-langkah seperti yang dapat dilihat pada Gambar 4.2. Pengukuran kerja dilakukan untuk mengamati pekerja dan mencatat waktu kerja termasuk waktu siklus dengan menggunakan alat-alat ukur yang sesuai. Data waktu proses diukur dengan metode stopwatch time study. Data yang diambil adalah waktu pengerjaan untuk masing-masing proses, data allowances serta performance rating. Allowances disini dibedakan menjadi tiga macam, yaitu personal, fatigue dan delay allowance. Performance Rating dihitung berdasarkan konsep Westinghouse System Rating yang dipengaruhi oleh 4 faktor, yaitu keterampilan (skill), usaha (effort), kondisi kerja (condition) serta konsistensi. Hasil dari pengukuran system kerja ini akan diperoleh waktu standar tiap stasiun kerja yang akan digunakan dalam perhitungan selanjutnya.

4.7.2. Peramalan Permintaan Peramalan dilakukan dengan menggunakan langkah-langkah peramalan sebagai berikut : 1. Mendefinisikan tujuan peramalan. 2. Menggambarkan diagram pencar untuk melihat pola data masa lalu. 3. Pemilihan beberapa metode peramalan yang sesuai dengan pola data masa lalu. 4. Perhitungan parameter fungsi peramalan. 5. Perhitungan parameter kesalahan peramalan.

6. Uji hipotesa peramalan dengan distribusi F. 7. Verifikasi hasil peramalan. Hasil peramalan permintaan digunakan untuk menentukan kapasitas yang dibutuhkan. Data yang digunakan sebagai dasar dalam melakukan peramalan adalah data permintaan selama satu tahun sebelum periode peramalan yang direncanakan. Sedangkan peramalan yang dilakukan adalah untuk mengetahui perkiraan permintaan untuk tiga bulan ke depan. Peramalan dilakukan dengan metode yang sesuai dengan trend permintaan. Setelah diketahui jumlah kapasitas yang dibutuhkan (CR) dibandingkan dengan kapasitas tersedia (CA) untuk menentukan Rough Cut Capacity Report (RCCR). Pada RCCR dapat diketahui nilai varians dan persentase beban, sehingga dapat diketahui stasiun kerja bottleneck dan non bottleneck. Dimana untuk stasiun kerja bottleneck nilai CR > CA atau dapat dikatakan nilai variansnya adalah positif dan persentase beban di atas 100%. Setelah

diketahui

masing-masing

stasiun

bottleneck

dilakukan

pengoptimalan terhadap stasiun kerja tersebut dengan mengoptimalkan JIP.

4.8. Analisis Data Pada tahapan pemecahan masalah ini dilakukan dengan menggunakan pendekatan Theory of Constraints (TOC) yaitu: A. Pengidentifikasian

constraint’s

untuk

mengetahui

hal-hal

yang

menyebabkan bottleneck. Dimana secara umum identifikasi bottleneck dapat dilihat

melalui beban kerja (load) setiap stasiun kerja

menggunakan

perencanaan kebutuhan

kapasitas dan

melakukan

obseervasi langsung pada perusahaan. B. Untuk mengatasi stasiun kerja bottleneck harus dilakukan pengaturan kembali jadwal induk produksi. TOC dalam hal ini memfokuskan pada maksimalisasi throughput dengan menggunakan 100% kapasitas stasiun kerja bottleneck. Untuk melakukan perhitungan throughput pada TOC ini melalui pendekatan linear programming. Sesuai dengan prinsip TOC yaitu perbaikan terus-menerus, maka apabila pada tahap akhir terdapat constraint’s, maka kembali mengidentifikasi constraint’s dari langkah awal. Melalui pengaturan jadwal induk produksi dengan TOC dapat dilihat capacity utilization masing-masing stasiun kerja setiap bulan.

BAB V PENGUMPULAN DAN PENGOLAHAN DATA

5.1. Pengumpulan Data 5.1.1. Pengukuran Waktu Kerja Pengukuran waktu siklus dilakukan dengan metode jam henti (stop watch). Pengamatan terhadap proses diambil sebanyak 16 buah data. Dari 16 data yang diambil tersebut akan dilakukan pengujian keseragaman dan kecukupan data. Penukuran waktu kerja digunakan untuk menentukan waktu standar tiap operasi kerja dalam proses pembuatan dua buah jenis double coil yaitu obat anti nyamuk bakar coil standar lokal dan obat anti nyamuk bakar coil jumbo. Berdasarkan

pengelompokkan

elemen

kerja

yang

sesuai

serta

pengelompokkan yang dilakukan sesuai dengan jenis mesin atau mesin-mesin sejenis yang kapasitasnya relatif sama dan secara fisik ditempatkan pada tempat yang sama maka obat anti nyamuk bakar coil standar lokal dan obat anti nyamuk bakar coil jumbo diproses pada 4 stasiun kerja sebagai berikut: 1. Stasiun Kerja 1: Formulasi dan Mixing Elemen Kerja: a. Semua tepung kecuali tepung onggok dicampur sesuai dengan komposisi masing-masing. b. Tepung onggok dimasak dengan air bersuhu ± 100oC. c. Tepung onggok dan campuran tepung dicampur dan diaduk di dalam tangki mixing machine selama ± 20 menit hingga berbentuk adonan.

d. Adonan dikeluarkan dari tangki mixing machine yang ditampung dengan trolley. e. Adonan dibawa ke stasiun kerja 2 (Stamping) 2. Stasiun Kerja 2: Stamping Elemen Kerja: a. Adonan dari trolley dimasukkan ke crusher machine. b. Adonan halus melalui conveyor dialirkan ke extruder. c. Adonan di extruder dipress oleh screw sehingga menghasilkan lembaran sepanjang ± 90 cm dan tebal 3-5 mm. d. Lembaran dicetak sesuai dengan mould terpasang. e. Kemudian coil dibawa ke Stasiun Kerja 3 (Drying) melalui rotary table. 3. Stasiun Kerja 3: Drying Elemen Kerja: a. Diperiksa kecacatan secara visual dan ditimbang secara acak. b. Melalui rotary table dialirkan ke drying machine dan dipanaskan selama ± 165 menit.

c. Seteleh keluar dari drying machine diperiksa standar kualitasnya selama ± 8 jam. d. Setelah pemeriksaan dibawa ke Stasiun Kerja 4 (Finishing) 4. Stasiun Kerja 4: Finishing Elemen Kerja: a. Coil disusun oleh operator dan penambahan holder untuk mempermudah pengemasan dengan mesin raping.

b. Kemasan-kemasan tersebut di masukkan ke dalam kotak kemasan. c. Memberi label pada kotak kemasan. d. Kotak-kotak kemasan dibungkus dengan plastik. e. Produk jadi dibawa ke tempat penyimpanan. Waktu siklus yang diamati untuk kedua produk obat anti nyamuk bakar bakar dapat dilihat pada Tabel 5.1 dan Tabel 5.2: Tabel 5.1. Data Pengukuran Waktu Obat Anti Nyamuk Bakar Coil Standar Lokal

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Total

SK 1 27,78 34,95 31,15 28,94 31,22 29,06 27,26 25,20 30,06 34,85 34,65 31,02 28,46 26,38 34,78 28,14 483,88

Pengamatan Waktu Proses (menit) SK 2 SK 3 SK 4 107,46 173,26 1035,31 112,11 175,31 1037,5 104,48 189,44 996,88 108,68 172,33 1065,63 115,06 167,28 1105,63 109,46 189,4 1094,06 101,11 176,11 1025,31 119,81 169,99 1044,06 110,39 185,52 1084,06 119,22 188,5 1107,19 103,75 185,19 993,75 100,16 169,18 1088,13 106,40 188,27 1002,5 111,23 170,92 1021,81 101,09 182,14 1102,81 114,41 189,36 1006,56 1744,84 2872,2 16811,25

Sumber: Hasil Pengamatan Pada Bagian Produksi PT. Inti Kimiatama Perkasa Setelah Diolah

Tabel 5.2. Data Pengukuran Waktu Obat Anti Nyamuk Bakar Coil Jumbo

No 1 2 3

SK 1 28,86 28,45 34,91

Pengamatan Waktu Proses (menit) SK 2 SK 3 101,23 187,59 104,61 180,51 98,34 170,68

SK 4 984,3 1058,14 990,99

Tabel 5.2. Data Pengukuran Waktu Obat Anti Nyamuk Bakar Coil Jumbo (Lanjutan)

No SK 1 30,26 29,87 30,2 33,82 31,68 29,74 29,3 27,62 27,75 31,8 32,57 32,19 32,84 491,86

4 5 6 7 8 9 10 11 12 13 14 15 16 Total

Pengamatan Waktu Proses (menit) SK 2 SK 3 SK 4 102,06 184,42 993,02 108,16 187,22 1077,33 102,33 181,55 1019,19 95,2 172,06 1092,15 111,63 172,87 1144,48 102,96 186,23 1057,27 111,27 182,70 1017,73 97,01 176,21 1139,53 94,25 188,18 1061,63 99,61 185,31 1037,79 103,72 168,33 1064,83 95,22 180,18 1084,59 107,98 182,60 1156,69 1635,58 2886,64 16979,65

Sumber: Hasil Pengamatan Pada Bagian Produksi PT. Inti Kimiatama Perkasa Setelah Diolah

5.1.2. Uji Keseragaman Data dan Kecukupan Data Uji keseragaman data dilakukan untuk memastikan bahwa variasi waktu penyelesaian tiap operasi hasil pengamatan masih berada dalam batas-batas kewajaran. Dalam uji keseragaman data ini digunakan tingkat kepercayaan (conviedence level) 95% dan tingkat ketelitian (degree of accuracy) 5%. Berikut ini disajikan contoh perhitungan uji keseragaman data pengukuran waktu obat anti nyamuk bakar coil standar lokal untuk stasiun kerja 1. Dari hasil pengukuran waktu sebanyak 16 kali diperoleh nilai rata-rata ( X ) dan simpangan standar (σ): a. Rata-rata waktu siklus ( X )

X =

∑ Xi = 483,88 = 30,24 N

16

b. Standar deviasi (σ)

σ=

∑ ( Xi − X ) N −1

2

= 3,18

c. Batas kendali Batas Kendali Atas (BKA) = 30,24 + 2 (3,18) = 36,6 Batas Kendali Bawah (BKB) = 30,24 - 2 (3,18) = 23,88 Uji kecukupan data dilakukan untuk menentukan jumlah pengamatan yang seharusnya diambil. Untuk contoh perhitungannya sebagai berikut:  z / s N ∑ Xi 2 − (∑ Xi ) 2 N'=   ∑ Xi  N ' = 15,94

2

 1,96 / 0,05 16(14785,75) − (483,88) 2  = 483,88   

  

2

Rangkuman hasil uji keseragaman dan kecukupan data stasiun kerja lainnya dapat dilihat pada Tabel 5.3 dengan perhitungan rinci pada Lampiran 1. Tabel 5.3. Hasil Pengujian Keseragaman dan Kecukupan Data Stasiun Kerja

Produk

X

1 30,24 2 109,05 3 179,51 4 1050,7 1 30,74 Obat anti nyamuk 2 102,22 3 180,42 bakar Coil Jumbo 4 1061,23 Sumber: Hasil Pengolahan Data

Obat anti nyamuk bakar Coil Standar Lokal

σ

N’

BKA

BKB

Kesimpulan

3,18 6,13 8,43 41,54 2,17 5,53 6,47 53,97

15,94 4,56 3,18 2,25 7,17 4,22 1,85 3,73

36,6 121,32 196,38 1133,78 35,08 113,29 193,36 1169,16

23,88 96,79 162,65 967,63 26,40 91,16 167,47 953,29

Data seragam dan cukup Data seragam dan cukup Data seragam dan cukup Data seragam dan cukup Data seragam dan cukup Data seragam dan cukup Data seragam dan cukup Data seragam dan cukup

5.1.4. Perhitungan Waktu Standar Untuk melakukan perhitungan waktu standar setiap stasiun kerja dibutuhkan data tentang rating factor dari operator yang diamati dan data allowance yang diberikan. Dalam menentukan nilai rating factor ini, terlebih

dahulu dikelompokkan setiap operasi dari keseluruhan proses di lantai produksi berdasarkan stasiun kerjanya. Hasil lengkap perhitungan nilai rating factor dan allowance, dapat dilihat pada Tabel 5.4 dan Tabel 5.5: Tabel 5.4. Rating Factor Untuk Tiap Stasiun Kerja Stasiun Kerja (SK)

1

2

3

4

Faktor

Kelas

Lambang

Nilai

Keterampilan Usaha Kondisi Kerja Konsistensi Keterampilan Usaha Kondisi Kerja Konsistensi Keterampilan Usaha Kondisi Kerja Konsistensi Keterampilan Usaha Kondisi Kerja Konsistensi

Average Fair Average Good Good Fair Fair Average Good Good Average Average Good Average Average Average

D E1 D C C2 E2 E D C2 C1 D D C2 D D D

0 -0,04 0 0,01 0,03 -0,08 -0,03 0 0,03 0,05 0 0 0,03 0 0 0

Total (%) -0,03

-0,08

0,08

0,03

Sumber: Hasil Pengamatan Pada Bagian Produksi PT. Inti Kimiatama Perkasa

Tabel 5.5. Allowance Pada Tiap Stasiun Kerja Stasiun Kerja

Faktor Tenaga yang dikeluarkan Sikap Kerja Gerakan Kerja

1

Kelelahan Mata Temperatur Keadaan Atmosfer Lingkungan Kebutuhan Pribadi

Klasifikasi Ringan Berdiri di atas 2 kaki Normal Pandangan yang terputus-putus Normal Cukup Kebisingan Rendah

Pekerja

Nilai

Pria

7,5

Pria

1

Pria

0

Pria

2

Pria Pria Pria Pria

0 1 0 0,5

Total (%)

12

Tabel 5.5. Allowance Pada Tiap Stasiun Kerja (Lanjutan) Stasiun Kerja

Faktor Tenaga yang dikeluarkan Sikap Kerja Gerakan Kerja

2

Kelelahan Mata Temperatur Keadaan Atmosfer Lingkungan Kebutuhan Pribadi Tenaga yang dikeluarkan Sikap Kerja Gerakan Kerja

3

Kelelahan Mata Temperatur Keadaan Atmosfer Lingkungan Kebutuhan Pribadi Tenaga yang dikeluarkan Sikap Kerja Gerakan Kerja

4

Kelelahan Mata Temperatur Keadaan Atmosfer Lingkungan Kebutuhan Pribadi

Klasifikasi Ringan Berdiri di atas 2 kaki Normal Pandangan yang hampir terusmenerus Tinggi Baik Siklus kerja berulang-ulang antara 0-5 detik Sangat Ringan Berdiri di atas 2 kaki Normal Pandangan yang hampir terusmenerus Normal Baik Kebisingan Rendah Sangat Ringan Berdiri di atas 2 kaki Normal Pandangan yang hampir terusmenerus Normal Baik Kebisingan Rendah

Pekerja

Nilai

Pria

8

Pria

2

Pria

0

Pria

7

Pria Pria

5 0

Pria

1

Pria

0,5

Wanita

6

Wanita

1

Wanita

0

Wanita

6

Wanita Wanita

0 0

Wanita

0

Wanita

2

Wanita

6

Wanita

1

Wanita

0

Wanita

6

Wanita Wanita

0 0

Wanita

0

Wanita

2

Sumber: Hasil Pengamatan Pada Bagian Produksi PT. Inti Kimiatama Perkasa

Total (%)

23,5

15

15

Selanjutnya perhitungan waktu standar tiap stasiun kerja dilakukan dengan menggunakan rumus : Wn = Waktu observasi rata-rata x Performance Rating Ws = Wn ×

100% 100% − % Allowance

Sebagai contoh berikut perhitungan waktu standar pada stasiun kerja 1 untuk obat anti nyamuk bakar coil standar lokal: X = 30,24 ;

Rf = -0,03;

All = 12%;

maka :

Wn = X × (1 + Rf ) = 30,24 × (1 − 0,03) = 29,3328 ≈ 29,33 Ws = Wn ×

100% 100% = 29,33 × = 33,33 100% − % Allowance !00% − 12%

Untuk perhitungan waktu siklus rata-rata dan waktu standar untuk tiap produk dan tiap stasiun kerja dapat dilihat pada Tabel 5.6 dan Tabel 5.7: Tabel 5.6. Waktu Siklus Rata-Rata Untuk Tiap Produk dan Stasiun Kerja Obat Anti Nyamuk Bakar Coil Standar Lokal (menit) 30,24 109,05 179,51 1050,7 Sumber: Hasil Pengolahan Data

Stasiun Kerja (SK) 1 2 3 4

Obat Anti Nyamuk Bakar Coil Jumbo (menit) 30,74 102,22 180,42 1061,23

Tabel 5.7. Waktu Standar Untuk Tiap Produk dan Stasiun Kerja Produk Obat Anti Nyamuk Bakar Coil Standar Lokal Obat Anti Nyamuk Bakar Coil Jumbo

Stasiun Kerja (SK) 1 2 3 4 1 2

Sumber: Hasil Pengolahan Data

Waktu Normal (Wn) (menit) 29,33 100,33 193,87 1082,22 34,03 104,23

Waktu Standar (Ws) (menit) 33,33 131,15 228,08 1273,2 38,67 136,24

Tabel 5.7. Waktu Standar Untuk Tiap Produk dan Stasiun Kerja (Lanjutan) Produk

Stasiun Kerja (SK)

Obat Anti Nyamuk Bakar Coil Jumbo

3 4

Waktu Normal (Wn) (menit) 208,83 1204,24

Waktu Standar (Ws) (menit) 245,68 1416,75


Data permintaan produk obat anti nyamuk bakar bakar coil standar lokal dan obat anti nyamuk bakar bakar coil jumbo untuk periode April 2006 – Maret 2007 dapat dilihat pada Tabel 5.8: Tabel 5.8. Data Permintaan Selama Bulan April 2006-Maret 2007 Untuk Produk Obat Anti Nyamuk Bakar Coil Standar Lokal dan Obat Anti Nyamuk Bakar Coil Jumbo Bulan April 2006 Mei 2006 Juni 2006 Juli 2006 Agustus 2006 September 2006 Oktober 2006 Nopember 2006 Desember 2006 Januari 2007 Februari 2007 Maret 2007

Obat Anti Nyamuk Bakar Coil Standar Lokal Obat Anti Nyamuk Bakar Coil Jumbo (dC) (dC) 4.333.344 8.882.128 1.549.728 18.321.422 7.293.600 24.991.848 1.958.688 25.576.780 5.061.520 27.236.218 1.072.512 32.742.686 1.496.880 23.769.460 1.045.708 26.616,542 1.086.624 19.842.338 3.523.158 22.148.983 923.040 22.518.338 289.728 19.685.001


Sedangkan biaya produksi dan biaya material yang digunakan untuk setiap double coil (dC) dapat dilihat pada Tabel 5.9:

Tabel 5.9. Biaya Produksi/dC dan Biaya Material/dC No 1 2

Produk

Biaya Produksi/dC (Rp)

Biaya Material/dC (Rp)

195

150

210

175

Obat anti nyamuk bakar Coil Standar(Lokal) Obat anti nyamuk bakar Coil Jumbo


Pada periode April 2006 – Maret 2007 jumlah hari kerja tiap bulannya dapat dilihat pada Tabel 5.10: Tabel 5.10. Hari Kerja Periode April 2006 – Maret 2007 No

Bulan

1 2 3 4 5 6 7 8 9 10 11 12

April Mei Juni Juli Agustus September Oktober Nopember Desember Januari Februari Maret

Hari Kerja (hari) 22 23 22 23 22 22 21 24 20 22 21 22


Untuk jumlah mesin, utilisasi, efisiensi setiap stasiun kerja dan harga jual masing-masing produk dapat dilihat pada Tabel 5.11 dan 5.12: Tabel 5.11. Jumlah Mesin, Utilisasi dan Efisiensi Setiap Stasiun Kerja Stasiun Kerja (SK) 1 2 3 4

Jumlah Mesin (unit) 6 52 14 9

Utilisasi (%) 100 100 100 100


Efisiensi (%) 117 125 100 113

Tabel 5.12. Harga Jual Masing-Masing Produk No 1 2

Produk

Harga Jual/dC (Rp)

Obat Anti Nyamuk Bakar coil standar lokal Obat Anti Nyamuk Bakar Coil Jumbo

335 350


5.2. Pengolahan Data 5.2.1. Peramalan Permintaan Dari data permintaan April 2006 – Maret 2007, maka dilakukan peramalan untuk tiap produk obat anti nyamuk bakar di atas. Peramalan dilakukan dalam bentuk agregat. Adapun langkah-langkah yang ditempuh untuk melakukan peramalan ini adalah: 1. Menentukan Tujuan Peramalan Tujuan peramalan adalah untuk meramalkan jumlah permintaan tiap tipe produk untuk 12 bulan ke depan. 2. Membuat Diagram Pencar Diagram pencar (scatter diagram) dibuat untuk melihat trend data masa lalu sebagai acuan untuk memilih metode peramalan. Berdasarkan data pada tabel 5.8, maka dapat dibuat diagram pencar seperti yang terlihat pada Gambar 5.1 dan Gambar 5.2 untuk masing-masing produk yang diteliti.

Data Permintaan Baygon Coil Standar (Lokal) 8,000,000

Total Permintaan (dC

7,000,000 6,000,000 5,000,000 4,000,000 3,000,000 2,000,000 1,000,000 0 1

2

3

4

5

6

7

8

9

10

11

12

Bulan

Gambar 5.1. Diagram Pencar Permintaan Obat Anti Nyamuk Bakar Coil Standar Lokal untuk Periode April 2006 – Maret 2007

Data Permintaan Baygon Coil Jumbo

Total Permintaan (dC)

35,000,000 30,000,000 25,000,000 20,000,000 15,000,000 10,000,000 5,000,000 0 1

2

3

4

5

6

7

8

9

10 11 12

Bulan

Gambar 5.2. Diagram Pencar Permintaan Obat Anti Nyamuk Bakar Coil Jumbo untuk Periode April 2006 – Maret 2007

3. Metode Peramalan Berdasarkan diagram pencar di atas, dapat dilihat bahwa trend permintaan menunjukkan ketidakstabilan atau perubahan yang besar dan bergejolak. Model permalan yang sesuai adalah model pemulusan eksponensial (exponential smoothing). Dalam hal ini yang dipilih adalah model simple exponential smoothing dan trend corrected exponential smoothing. 4. Perhitungan parameter-parameter fungsi peramalan a. Metode Simple Exponential Smoothing 1) Untuk obat anti nyamuk bakar coil standar lokal Dengan mengasumsikan nilai-nilai konstanta smoothing α = 0,5 dan β = 0,2, maka dapat dilakukan perhitungan peramalan sebagai berikut: Ft = Ft −1 + α ( At −1 − Ft −1 ) , dimana: Ft

= nilai ramalan untuk periode waktu ke-t

Ft −1

= nilai ramalan untuk periode waktu yang lalu, t-1

At −1

= nilai aktual untuk satu periode waktu yang lalu, t-1

α

= konstanta pemulusan (smoothing constant)

Dalam menentukan peramalan ( Ft ) untuk periode berikutnya (Lo), angka ramalan ditentukan berdasarkan angka rata-rata actual permintaan pada periode April 2007 – Maret 2008 dengan formula sebagai berikut:

1 n 1 Di = (4.333.344 + 1.549.728 + 7.293.600 + 1.958.688 + 5.061.520 + 1.072.512 + ∑ 12 n t =1 + 1.496.880 + 1.045.708 + 1.086.624 + 3.523.158 + 923.040 + 289.728) Lo = F1 = 2.469.544 Sedangkan untuk menentukan peramalan periode Mei 2008 adalah : Lo =

F2 = 2.469.544 + 0,5(4.333.344 − 2.469.544) = 3.401.444 Untuk perhitungan kesalahan peramalan dirumuskan sebagai berikut. Et = Ft – At, dimana : Et

= Kesalahan peramalan untuk periode waktu ke-t

Ft

= Peramalan untuk periode waktu ke-t

At

= Permintaan aktual periode waktu ke-t

Untuk menentukan kesalahan peramalan periode April 2008 adalah : E1 = 2.469.544 − 4.333.344 = −1.863.800 Selanjutnya dilakukan perhitungan terhadap parameter kesalahan peramalan SES untuk periode berikutnya. Langkah selanjutnya adalah menghitung tracking signal. Tracking signal adalah suatu ukuran bagaimana baiknya suatu ramalan memperkirakan nilai nilai aktual. Tracking signal dihitung sebagai running sum of the forecast errors (RSFE) dibagi dengan mean absolute deviation (MAD), sebagai berikut :

Tracking signal =

Dimana : MAD =

RSFE = MAD

∑ ( per min taan waktu ke − t − ramalan waktu ke − t ) MAD

∑ ( Absolut

n

Error )

n = Banyaknya periode data

Sebagai contoh untuk perhitungan tracking signal periode April 2008 adalah sebagai berikut : Absolute Error (AE1)`= 1.863.800 Perhitungan MAD1 sebagai berikut :

MAD1 =

AE1 1.863.800 = = 1.863.800 t 1

Maka, Tracking Signal (TS1):

TS1 =

RSFE1 − 1.863.800 = = −1 MAD1 1.863.800

Untuk perhitungan Tracking Signal periode berikutnya dapat dilihat pada Tabel 5.13: Tabel 5.13. Perhitungan Parameter Kesalahan Metode Simple Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Standar Lokal Kum. (AEt)

MADt

Tracking Signal

-1863800

Absolute Error (AEt) 1863800

1863800

1863800

-1

3428852453275

-12084

1851716

3715516

1857758

-0,01

-4818014

23213258502695

-4830098

4818014

8533530

2844510

-1,70

4884593

2925905

8560920190938

-1904193

2925905

11459435

2864859

-0,66

5.061.520

3421641

-1639879

2689204740356

-3544072

1639879

13099314

2619863

-1,35

6

1.072.512

4241580

3169068

10042993606169

-375004

3169068

16268383

2711397

-0,14

7

1.496.880

2657046

1160166

1345985443640

785162

1160166

17428549

2489792.7

0,32

8

1.045.708

2076963

1031255

1063487006617

1816417

1031255

18459804

2307476

0,79

9

1.086.624

1561336

474712

225351038520

2291129

474712

18934515

2103835

1,09

10

3.523.158

1323980

-2199178

4836384905117

91951

2199178

21133694

2113369

0,04

11

923.040

2423569

1500529

2251586928643

1592479

1500529

22634222

2057657

0,77

289.728 1673304 1383576 1914283769440 29.634.530 63046058404143 Sumber: Hasil Pengolahan Data

2976056

1383576 24017799

24017799

2001483

1,49

bulan (t)

At

Ft

Et

Et^2

RSFE

1

4.333.344

2469544

-1863800

3473749818733

2

1.549.728

3401444

1851716

3

7.293.600

2475586

4

1.958.688

5

12 Total

Untuk menghitung kesalahan peramalan adalah dengan menggunakan metode rata-rata kesalahan kuadrat (MSE) dan nilai tengah galat persentase absolut (MAPE) sebagai berikut :

∑E MSE = N

2 t

=

63.046.058.404.143 = 5.253.838.200.345 12

n

MAPE = ∑ t =1

Et 24.017.799 100 = × 100 = 81.05 29.634.530 At

2) Perhitungan peramalan untuk produk obat anti nyamuk bakar coil jumbo. 1. Menentukan Tujuan Peramalan Tujuan peramalan adalah untuk meramalkan jumlah permintaan tiap tipe produk untuk 12 bulan ke depan. 2. Membuat Diagram Pencar Diagram pencar (scatter diagram) dibuat untuk melihat trend data masa lalu sebagai acuan untuk memilih metode peramalan. Diagram pencar untuk produk obat anti nyamuk bakar coil jumbo dapat dilihat pada Gambar 5.2. 3. Metode Peramalan Berdasarkan diagram pencar di atas, dapat dilihat bahwa trend permintaan menunjukkan ketidakstabilan atau perubahan yang besar dan bergejolak. Model permalan yang sesuai adalah model pemulusan eksponensial (exponential smoothing). Dalam hal ini yang dipilih adalah model Simple Exponential Smoothing. 4. Perhitungan parameter-parameter fungsi peramalan Dengan mengasumsikan nilai-nilai konstanta smoothing α = 0,5 dan β = 0,2, maka dapat dilakukan perhitungan peramalan sebagai berikut: Ft = Ft −1 + α ( At −1 − Ft −1 ) , dimana: Ft

= nilai ramalan untuk periode waktu ke-t

Ft −1

= nilai ramalan untuk periode waktu yang lalu, t-1

At −1

= nilai aktual untuk satu periode waktu yang lalu, t-1

α

= konstanta pemulusan (smoothing constant)

Dalam menentukan peramalan ( Ft ) untuk periode berikutnya (Lo), angka ramalan ditentukan berdasarkan angka rata-rata actual permintaan pada periode April 2007 – Maret 2008 dengan formula sebagai berikut:

1 n 1 Di = (8.882.128 + 18.321.422 + 24.991.848 + 25.576.780 + 27.236.218 + ∑ n t =1 12 32.742.686 + 23.769.460 + 26.616.542 + 19.842.338 + 22.148.983 + 22.518.338 + 19.685.001 Lo = F1 = 22.694.312

Lo =

Sedangkan untuk menentukan peramalan periode Mei 2008 adalah : F2 = 22.694.312 + 0,5(8.882.128 − 22.694.312) = 15.788.220 Untuk perhitungan kesalahan peramalan dirumuskan sebagai berikut. Et = Ft – At Dimana : Et

= Kesalahan peramalan untuk periode waktu ke-t

Ft

= Peramalan untuk periode waktu ke-t

At

= Permintaan aktual periode waktu ke-t

Untuk menentukan kesalahan peramalan periode April 2008 adalah :

E1 = 22.694.312 − 8.882.128 = 13.812.184 Selanjutnya dilakukan perhitungan terhadap parameter kesalahan peramalan SES untuk periode berikutnya. Langkah selanjutnya adalah menghitung tracking signal. Tracking signal adalah suatu ukuran bagaimana baiknya suatu ramalan memperkirakan nilai nilai aktual.

Tracking signal dihitung sebagai running sum of the forecast errors (RSFE) dibagi dengan mean absolute deviation (MAD), sebagai berikut :

Tracking signal =

Dimana : MAD =

RSFE = MAD

∑ ( per min taan waktu ke − t − ramalan waktu ke − t ) MAD

∑ ( Absolut

Error )

n

n

= Banyaknya periode data

Sebagai contoh untuk perhitungan tracking signal periode April 2008 adalah sebagai berikut : Absolute Error (AE1)`= 13.812.184 Perhitungan MAD1 sebagai berikut : MAD1 =

AE1 13.812.184 = = 13.812.184 t 1

Maka, Tracking Signal (TS1):

TS1 =

RSFE1 13.812.184 = =1 MAD1 13.812.184

Untuk perhitungan Tracking Signal periode berikutnya dapat dilihat pada Tabel 5.14: Tabel 5.14. Perhitungan Parameter Kesalahan Metode Simple Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Jumbo Bulan (t)

At

Ft

Et

Et^2

RSFE

Absolute Error (AEt)

Kum. (AEt)

MADt

Tracking Signal

1

8.882.128

22694312

13812184

190776426849856

13812184

13812184

13812184

13812184

1

2

18.321.422

15788220

-2533202

6417112372804

11278982

2533202

16345386

8172693

1,38

3

24.991.848

17054821

-7937027

62996397598729

3341955

7937027

24282413

8094137,67

0,41

4

25.576.780

21023334.5

-4553446

20733865921470

-1211491

4553446

28835859

7208964,63

-0,17

5

27.236.218

23300057,25

-3936161

15493361449841

-5147651

3936161

32772019

6554403,85

-0,79

6

32.742.686

25268137,63

-7474548

55868873410215

-12622200

7474548

40246568

6707761,27

-1,88

Tabel 5.14. Perhitungan Parameter Kesalahan Metode Simple Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Jumbo (Lanjutan) Bulan (t)

At

Ft

Et

Et^2

RSFE

Absolute Error (AEt)

Kum. (AEt)

MADt

Tracking Signal

7

23.769.460

29005411,81

5235952

27415191382822

-7386248

5235952

45482519

6497502,78

-1.14

8

26.616.542

26387435,91

-229106

52489602193

-7615354

229106

45711626

5713953,20

-1,33

9

19.842.338

26501988,95

6659651

44350950817459

-955703

6659651

52371276

5819030,72

-0,16

10

22.148.983

23172163,48

1023180

1046898287619

67478

1023180

53394457

5339445,70

0,01

11

22518.338

22660573,24

142235

20230863009

209713

142235

53536692

4866972,02

0,04

12

19.685.001

22589455,62

2904455

8435856634647

3114167

2904455

56441147

4703428,90

0,66

Total

272.331.744

433607655190664

56441147


Untuk menghitung kesalahan peramalan adalah dengan menggunakan metode rata-rata kesalahan kuadrat (MSE) dan nilai tengah galat persentase absolut (MAPE) sebagai berikut :

∑E MSE = N n

MAPE = ∑ t =1

2 t

=

433.607.655.190.664 = 36.133.971.265.889 12

Et 56.441.147 100 = × 100 = 20,73 272.331.744 At

b. Trend Corrected Exponential Smoothing (Model Holt) 1) Obat anti nyamuk bakar coil standar lokal Formulasi yang digunakan dalam metode ini adalah:

T0 =

L0 =

(n.∑ (t. At ) − ∑ t.∑ At ) (n.∑ t 2 − (∑ t ) 2

(∑ At − T0 ∑ t ) n

Untuk menhitung nilai estimasi awal (Lo) dan trend estimasi awal (To) dengan membuat parameter regresi liniernya terlebih dahulu. Regresi linier dapat dilihat pada Tabel 5.15: Tabel 5.15. Parameter Regresi Linier Trend Corrected Exponential Smoothing (Model Holt) untuk Obat Anti Nyamuk Bakar Coil Standar t At 1 4.333.344 2 1.549.728 3 7.293.600 4 1.958.688 5 5.061.520 6 1.072.512 7 1.496.880 8 1.045.708 9 1.086.624 10 3.523.158 11 923.040 12 289.728 78 29.634.530

t^2 t*At 1 4333344 4 6198912 9 65642400 16 31339008 25 126538000 36 38610432 49 73347120 64 66925312 81 88016544 100 352315800 121 111687840 144 41720832 650 1006675544


Perhitungan To dan Lo sebagai berikut :

T0 =

(n.∑ (t. At ) − ∑ t.∑ At ) (n.∑ t − (∑ t ) 2

2

=

(12 × 1.006.675.544) − (78 × 29.634.530) (12 × 650) − (78) 2

T0 = 5.692.665

L0 =

(∑ At − T0 ∑ t ) n

=

29.634.530 − (5.692.265 × 78) = −34532779 12

Untuk nilai L dan T selanjutnya dapat diestimasi dengan rumusan sebagai berikut : Lt+1 = α At+1 + (1-α) (Lt + Tt) Tt+1 = β(Lt+1 – Lt) + (1 - β)Tt ; dimana α = 0.5 ; β = 0.2, untuk perhitungan nilai L dan T selanjutnya dapat dilihat pada Tabel 5.16:

Tabel 5.16. Nilai L dan T untuk Obat Anti Nyamuk Bakar Coil Standar t 1 2 3 4 5 6 7 8 9 10 11 12

To 5692665 6154840 6330187 7072714 7270965 7771237 7862336 7987553 8059040 8126201 8428555 8460956

Lo -34532779 -26529241 -19497665 -9454841 -1390872 8381452 16608182 25096605 33441591 41836440 51474407 60064967


Langkah selanjutnya adalah melakukan perhitungan peramalan permintaan. Ft+1 = Lt + Tt dan Ft+n = Lt + nTn Untuk menentukan peramalan (Ft) pada periode 1 (t = 0) : F(0+1) = L0 + T0 F1

= -34.532.779 + 5.692.665 = -28.840.113

Demikian seterusnya sampai diketahui Ft pada periode 12 dan tracking signal seperti yang terlihat pada Tabel 5.17: Tabel 5.17. Perhitungan Parameter Kesalahan Metode Trend Corrected Exponential Smoothing (Holt) untuk Obat Anti Nyamuk Bakar Coil Standar Bulan (t)

At

Ft

Et

Et^2

RSFE

1 2 3 4 5 6 7

4.333.344 1.549.728 7.293.600 1.958.688 5.061.520 1.072.512 1.496.880

-28840113 -20374401 -13167479 -2382127 5880093 16152689 24470517

33173457 21924129 20461079 4340815 -818573 -15080177 -22973637

1100478281653700 480667448995752 418655738643929 18842674985305 670061379136 227411749253256 527788019108733

33173457 55097587 75558665 79899481 79080908 64000730 41027093

Absolute Error (AEt) 33173457 21924129 20461079 4340815 818573 15080177 22973637

Kum. (AEt)

MADt

Tracking Signal

33173457 55097587 75558665 79899481 80718053 95798231 118771868

33173457 27548793 25186222 19974870 16143611 15966372 16967410

1 2 3 4 4,90 4,01 2,42

Tabel 5.17. Perhitungan Parameter Kesalahan Metode Trend Corrected Exponential Smoothing (Holt) untuk Obat Anti Nyamuk Bakar Coil Standar (Lanjutan)

Bulan (t)

At

Ft

Et

Et^2

RSFE

8 9 10 11 12 Total

1.045.708 1.086.624 3.523.158 923.040 289.728 29.634.530

33084158 41500631 49962641 59902962 68525922

-32038450 -40414007 -46439483 -58979922 -68236194

1026462274716150 1633291949161260 2156625595197010 3478631147545890 4656178227871390 15725703168511500

8988643 -31425364 -77864847 -136844769 -205080963

Absolute Error (AEt) 32038450 40414007 46439483 58979922 68236194 364879924

Kum. (AEt)

MADt

Tracking Signal

150810318 191224325 237663808 296643730 364879924

18851290 21247147 23766381 26967612 30406660

0,48 -1,48 -3,28 -5,07 -6,74


∑E MSE = n n

MAPE = ∑ t =1

2 t

=

15.725.703.168.511.500 = 1.310.475.264.042.630 12

364.879.924 Et 100 = x100 = 1231,27 29.634.530 At

2) Obat Anti Nyamuk Bakar Coil Jumbo Sama dengan formulasi dan cara di atas, maka perhitungan selanjutnya dapat dilihat pada Tabel 5.18 dan Tabel 5.19: Tabel 5.18. Parameter Regresi Linier, Nilai L dan T Model Holt untuk Obat Anti Nyamuk Bakar Coil Jumbo t 1 2 3 4 5 6 7 8 9 10 11

At t^2 8.882.128 1 18.321.422 4 24.991.848 9 25.576.780 16 27.236.218 25 32.742.686 36 23.769.460 49 26.616,542 64 19.842.338 81 22.148.983 100 22.518.338 121

t*At 8882128 36642844 74975544 102307120 136181090 196456116 166386220 212932336 178581042 221489830 247701718

To 339857.8 1207245 3013018 5473792 7975281 10622231 13795972 16042724 18546909 20342605 22339645

Lo 20485236,36 25162032,68 35398142,79 50715029,4 68696267,35 89906299,84 116397231,7 141426967,2 169990614,1 197516004,4 227843807,9

Tabel 5.18. Parameter Regresi Linier, Nilai L dan T Model Holt untuk Obat Anti Nyamuk Bakar Coil Jumbo (Lanjutan) t At t^2 t*At To Lo 12 19.685.001 144 236220012 24341295 260191704,5 78 272331744 650 1818756000 Sumber: Hasil Pengolahan Data

Tabel 5.19. Perhitungan Parameter Kesalahan Metode Trend Corrected Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Jumbo Absolute Kum. Tracking Error MADt Signal (AEt) (AEt) 1 8.882.128 20825094 -11942966 142634440551915 -11942966 11942966 11942966 11942966 -1 2 18.321.422 26369278 -8047856 64767989080007 -3895110 8047856 19990822 9995411 -0,39 3 24.991.848 38411161 -13419313 180077966923786 9524203 13419313 33410136 11136712 0,86 4 25.576.780 56188821 -30612041 937097082150034 40136245 30612041 64022177 16005544 2,51 5 27.236.218 76671549 -49435331 2443851910017020 89571575 49435331 113457508 22691502 3,95 6 32.742.686 100528531 -67785845 4594920826884430 157357421 67785845 181243353 30207225 5,21 7 23.769.460 130193203 -106423743 11326013122456900 263781164 106423743 287667096 41095299 6,42 8 26.616,542 157469692 -130853150 17122546750553600 394634313 130853150 418520246 52315031 7,54 9 19.842.338 188537523 -168695185 28458065430606200 563329498 168695185 587215431 65246159 8,63 10 22.148.983 217858609 -195709626 38302257900229200 759039125 195709626 782925057 78292506 9,69 11 22.518.338 250183453 -227665115 51831404482788800 986704240 227665115 1010590172 91871834 10,74 12 19.685.001 284533000 -264847999 70144462405043700 1251552238 264847999 1275438171106286514 11,78 225548100307286000 1275438171 Total 272.331.744 Sumber: Hasil Pengolahan Data

Bulan (t)

At

Ft

Et

∑E MSE = n n

MAPE = ∑ t =1

2 t

=

Et^2

RSFE

225.548.100.307.286.000 = 18.795.675.025.607.100 12

Et 1.275.438.171 100 = x100 = 468,34 272.331.744 At

5. Pemilihan Peramalan dan Verifikasi Peramalan Pemilihan metode peramalan yang akan digunakan berdasarkan nilai Mean Square Error (MSE) dan Mean Absolute Percentage Error (MAPE) terkecil. Nilai tersebut ditunjukkan pada Tabel 5.20 berikut:

Tabel 5.20. Kesalahan Estimasi Peramalan Metode Peramalan

Produk MSE Obat anti nyamuk bakar 5.253.838.200.345 coil standar lokal Obat anti nyamuk bakar 36.133.971.265.889 Coil Jumbo Obat anti nyamuk bakar 1.310.475.264.042.630 coil standar lokal Obat anti nyamuk bakar 18.795.675.025.607.100 Coil Jumbo

Simple Exponential Smoothing (SES)

Simple Exponential Smoothing (SES)

MAPE 81,05

20,73

1231,27

468,34


Untuk mengetahui apakah data yang digunakan cukup representatif atau tidak untuk melakukan peramalan pada periode berikutnya, maka dilakukan verifikasi peramalan seperti yang dapat dilihat pada Tabel 5.21: Tabel 5.21. Data Verifikasi Peramalan Simple Exponential Smoothing untuk Obat anti nyamuk bakar coil standar lokal t

Et

MR

BA

BB

1/3BA

2/3 BA

(-1/3)BA

(-2/3)BA

1

-1863800

-

8872020

-8872020

2957340

5914680

-2957340

-5914680

2

1851716

3715516

8872020

-8872020

2957340

5914680

-2957340

-5914680

3

-4818014

6669730

8872020

-8872020

2957340

5914680

-2957340

-5914680

4

2925905

7743919

8872020

-8872020

2957340

5914680

-2957340

-5914680

5

-1639879

4565785

8872020

-8872020

2957340

5914680

-2957340

-5914680

6

3169068

4808948

8872020

-8872020

2957340

5914680

-2957340

-5914680

7

1160166

2008902

8872020

-8872020

2957340

5914680

-2957340

-5914680

8

1031255

128911.1

8872020

-8872020

2957340

5914680

-2957340

-5914680

9

474712

556543.5

8872020

-8872020

2957340

5914680

-2957340

-5914680

10

-2199178

2673890

8872020

-8872020

2957340

5914680

-2957340

-5914680

11

1500529

3699707

8872020

-8872020

2957340

5914680

-2957340

-5914680

1383576 116952.4 8872020 36688803 Total Sumber: Hasil Pengolahan Data

-8872020

2957340

5914680

-2957340

-5914680

12

Maka : ( MR) =

∑ MR

t

n −1

=

36.688.803 = 3335345,75 11

Dari hasil perhitungan nilai pada Tabel 5.21 dan nilai MR kita dapatmembuat peta kontrol verifikasi permalan SES seperti yang terlihat pada Gambar 5.3: 10000000 8000000 6000000 4000000

Et

2000000 0

1

2

3

4

5

6

7

8

9

10 11 12

-2000000 -4000000 -6000000 -8000000 -10000000

Et BA BB 1/3BA 2/3 BA (-1/3)BA (-2/3)BA

bulan (t)

Gambar 5.3. Peta Kontrol Verifikasi Peramalan Simple Exponential Smoothing untuk Obat Anti Nyamuk Bakar coil standar lokal

Dari Gambar 5.3 di atas terlihat bahwa tidak ada data yang berada di luar batas kendali. Sehingga dapat disimpulkan bahwa hasil peramalan di atas representatif. Sedangkan untuk data verifikasi SES untuk obat anti nyamuk bakar coil jumbo dapat dilihat pada Tabel 5.18:

Tabel 5.22. Data Verifikasi Peramalan Simple Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Jumbo

t 1 2 3 4 5 6 7

Et 13812184 -2533202 -7937027 -4553446 -3936161 -7474548 5235952

MR 16345386 5403825 3383581.5 617284.75 3538387.625 12710500.19

BA 15387475 15387475 15387475 15387475 15387475 15387475 15387475

BB -15387475 -15387475 -15387475 -15387475 -15387475 -15387475 -15387475

1/3BA 5129158 5129158 5129158 5129158 5129158 5129158 5129158

2/3 BA 10258317 10258317 10258317 10258317 10258317 10258317 10258317

(-1/3)BA -5129158 -5129158 -5129158 -5129158 -5129158 -5129158 -5129158

(-2/3)BA -10258317 -10258317 -10258317 -10258317 -10258317 -10258317 -10258317

Tabel 5.22. Data Verifikasi Peramalan Simple Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Jumbo (Lanjutan) Et MR BA -229106 5465057.906 15387475 6659651 6888757.047 15387475 1023180 5636470.477 15387475 142235 880945.2383 15387475 2904455 2762219.381 15387475 63632415 Total Sumber: Hasil Pengolahan Data

Maka : ( MR) =

∑ MR

=

t

n −1

BB -15387475 -15387475 -15387475 -15387475 -15387475

1/3BA 5129158 5129158 5129158 5129158 5129158

2/3 BA 10258317 10258317 10258317 10258317 10258317

(-1/3)BA -5129158 -5129158 -5129158 -5129158 -5129158

(-2/3)BA -10258317 -10258317 -10258317 -10258317 -10258317

63.632.415 = 5784765,01 11

Hasil perhitungan nilai pada Tabel 5.22 dan nilai MR kita dapat membuat peta kontrol verifikasi permalan SES seperti yang terlihat pada Gambar 5.3:

20000000 15000000 Et

10000000

BA 5000000 Et

t 8 9 10 11 12

BB

0 -5000000

1/3BA 1

2

3

4

5

6

7

8

9

10

11

12

(-1/3)BA

-10000000

(-2/3)BA

-15000000 -20000000 bulan

Gambar 5.4. Peta Kontrol Verifikasi Peramalan Simple Exponential Smoothing untuk Obat Anti Nyamuk Bakar Coil Jumbo Dari peta kontrol pada Gambar 5.4 menunjukkan tidak ditemukannya data yang out of control.

2/3 BA

6. Interprestasi peramalan Dari Tabel 5.16 dapat disimpulkan bahwa metode peramalan yang sesuai untuk meramalkan permintaan produk obat anti nyamuk bakar coil standar lokaldan obat anti nyamuk bakar coil jumbo simple exponential smoothing, maka pada di bawah ini ditunjukkan hasil peramalan untuk 12 bulan mendatang (April 2007 – Maret 2008) seperti yang terlihat pada Tabel 5.23: Tabel 5.23. Hasil Peramalan Permintaan dengan Metode Simple Exponential Smoothing Ft (t) Periode (n)

1 2 3 4 5 6 7 8 9 10 11 12


Obat anti nyamuk bakar Coil Jumbo

(dC)

(dC)

2.469.544

22.694.312

3.401.444

15.788.220

2.475.586

17.054.821

4.884.593

21.023.335

3.421.641

23.300.057

4.241.580

25.268.138

2.657.046

29.005.412

2.076.963

26.387.436

1.561.336

26.501.989

1.323.980

23.172.163

2.423.569

22.660.573

1.673.304

22.589.456


5.2.2. Pembentukan Draft Awal Jadwal Induk Produksi Dalam pembentukan draft awal jadwal induk produksi ini digunakan metode heuristik yaitu chase strategy dengan bantuan software quant system. Input dalam menjalankan software ini adalah sebagai berikut: 1. Peramalan permintaan untuk masing-masing produk yang dapat dilihat pada Tabel 5.19. 2. Biaya produksi/dC yang dapat dilihat pada Tabel 5.9. 3. Persediaan awal pada periode sebelumnya, yaitu: a. Obat anti nyamuk bakar coil standar lokal

= 574.000 dC

b. Obat anti nyamuk bakar coil jumbo

= 3.500.000 dC

4. Jumlah tenaga kerja pada periode April 2007 – Maret 2008 yaitu 301 orang. 5. Jumlah shift kerja adalah 3 shift kerja/hari. 6. Biaya persediaan/dC/bulan, yaitu: a. Obat anti nyamuk bakar coil standar lokal b. Obat anti nyamuk bakar coil jumbo

= Rp 15,-

= Rp 20,-

Output yang dihasilkan dari program QS ini dapat dilihat pada Tabel 5.24: Tabel 5.24. Draft Awal Jadwal Induk Produksi Periode April 2007 – Maret 2008 Ft (t) Periode (n)

1 2 3



(dC)

(dC)

1.895.544

19.194.312

3.401.444

15.788.220

2.475.586

17.054.821

Tabel 5.24. Draft Awal Jadwal Induk Produksi Periode April 2007 – Maret 2008 (Lanjutan) Ft (t) Periode (n)



(dC)

(dC)

4.884.593

21.023.335

3.421.641

23.300.057

4.241.580

25.268.138

2.657.046

29.005.412

2.076.963

26.387.436

1.561.336

26.501.989

1.323.980

23.172.163

2.423.569

22.660.573

1.673.304

22.589.456

4 5 6 7 8 9 10 11 12


5.2.3. Perhitungan Rough Cut Capacity Planning (RCCP) 5.2.3.1. Perhitungan Kapasitas yang Dibutuhkan (Capacity Requirement) Berdasarkan hasil perhitungan draft awal jadwal induk produksi periode April 2007 – Maret 2008, data bill of labor masing-masing produk di setiap stasiun kerja maka dapat dihitung kapasitas yang dibutuhkan oleh masing-masing stasiiun kerja. Data bill of labor dapat dilihat pada Tabel 5.25: Tabel 5.25. Data Bill of Labor Masing-Masing Produk

No

Stasiun Kerja (SK)

1 2

SK 1 SK 2

Waktu Standar (WS) (menit) Obat anti nyamuk bakar Coil Obat anti nyamuk Standar Lokal bakar Coil Jumbo 33,33 38,67 131,15 136,24

Total 72 267,39

Tabel 5.25. Data Bill of Labor Masing-Masing Produk (Lanjutan)

No

Stasiun Kerja (SK)

3 4

SK 3 SK 4 Total

Waktu Standar (WS) (menit) Obat anti nyamuk bakar Coil Obat anti nyamuk Standar Lokal bakar Coil Jumbo 228,08 245,68 1273,2 1416,75 1665,76 1837,34

Total 473,76 2689,95


Berdasarkan draft awal jadwal induk produksi, maka berikut ini adalah contoh perhitungan untuk menentukan kapasitas yang dibutuhkan pada stasiun kerja 1 pada bulan April 2007: n

Capacity Re quirement (CR ) = ∑ aik bik , maka kapasitas yang dibutuhkan stasiun k =1

kerja 1 adalah: SK 1 = 1.895.544(33,33) + 19.194.312(38,67) = 805.384.078 Sedangkan untuk perhitungan kapasitas yang dibutuhkan pada bulan berikutnya tiap stasiun kerja dapat dilihat pada Tabel 5.26: Tabel 5.26. Kapasitas yang Dibutuhkan Tiap Stasiun Kerja Stasiun Kerja

SK 1

SK 2

Bulan April Mei Juni Juli Agustus September Oktober Nopember Desember Januari Februari Maret April Mei Juni

Kapasitas yang dibutuhkan (dC) 805384078 723873993 741989201 975741372 1015012869 1118444892 1210139947 1089573018 1076815252 940146754 957017026 929258710 2863704682 2597135853 2648281128

Stasiun Kerja

SK 3

SK 4

Bulan April Mei Juni Juli Agustus September Oktober Nopember Desember Januari Februari Maret April Mei Juni

Kapasitas yang dibutuhkan (dC) 5148018595 4654677320 4754684294 6279126673 6504799034 7175333430 7732104707 6956610666 6867148140 5994936598 6120046535 5931451506 29606889619 26698633143 27314282538

Tabel 5.26. Kapasitas yang Dibutuhkan Tiap Stasiun Kerja (Lanjutan) Stasiun Kerja

Kapasitas yang dibutuhkan (dC) Juli 3504897464 Agustus 3623228644 September 3998899225 Oktober 4300277210 SK 2 Nopember 3867518171 Desember 3815503334 Januari 3330705938 Februari 3405210466 Maret 3297127600 Sumber: Hasil Pengolahan Data Bulan

Stasiun Kerja

Bulan

SK 4

Juli Agustus September Oktober Nopember Desember Januari Februari Maret

Kapasitas yang dibutuhkan (dC) 36003811954 37366718820 41198938688 44476279306 40028707818 39534502903 34514781595 35189985908 34133992677

5.2.3.2. Perhitungan Kapasitas yang Tersedia (Capacity Available) Kapasitas yang tersedia atau capacity available (CA) dihitung dengan rumus: CA =

jumlah HK × shift / hari × JK / shift × jumlah me sin/ SK × U × E × 60 × 41,5 WS

Sebagai contoh berikut disajikan perhitungan kapasitas yang tersedia untuk stasiun kerja 1 pada April 2007: CA =

22 x3 x8 x6 x100 x117 x60 x 41,5 = 2.563.687.815 33,33

Perhitungan kapasitas tersedia untuk stasiun kerja yang lainnya dapat dilihat pada Tabel 5.27: Tabel 5.27. Kapasitas Tersedia Setiap Stasiun Kerja Stasiun Kerja

SK 1

Bulan April Mei Juni Juli Agustus

Kapasitas yang Tersedia (dC) 2563687815 2680219079 2563687815 2680219079 2563687815

Stasiun Kerja

SK 3

Bulan April Mei Juni Juli Agustus

Kapasitas yang Tersedia (dC) 7770143303 8123331635 7770143303 8123331635 7770143303

Tabel 5.27. Kapasitas Tersedia Setiap Stasiun Kerja (Lanjutan) Stasiun Kerja

SK 1

SK 2

September Oktober Nopember Desember Januari Februari Maret April Mei Juni Juli Agustus

Kapasitas yang Tersedia (dC) 2563687815 2447156551 2796750344 2330625286 2563687815 2447156551 2563687815 6391939098 6682481785 6391939098 6682481785 6391939098

September

6391939098

Bulan

Stasiun Kerja

SK 2

SK 4

September Oktober Nopember Desember Januari Februari Maret April Mei Juni Juli Agustus

Kapasitas yang Tersedia (dC) 7770143303 7416954971 8476519967 7063766639 7770143303 7416954971 7770143303 994123485 1039310916 994123485 1039310916 994123485

September

994123485

Oktober

948936054

Bulan

Oktober

6101396412

Nopember

6973024471

Nopember

1084498347

Desember

5810853726

Desember

903748623

Januari Februari Maret

994123485 948936054 994123485

Januari 6391939098 Februari 6101396412 Maret 6391939098 Sumber: Hasil Pengolahan Data

5.3. Identifikasi Stasiun Kerja Bottleneck dan Non Bottleneck Untuk mengetahui apakah stasiun kerja menjadi bottleneck dan non bottleneck, terlebih dahulu dihitung varians antara kapasitas yang dibutuhkan dan kapasitas yang tersedia. Contoh perhitungan untuk stasiun kerja 1 pada April 2007 yaitu: Varians

= CR – CA = 805.384.078 – 2.563.687.815 = - 1.758.303.737

Persentase beban

= CR/CA x 100%

= 805384078/2563687815 x 100% = 31,42 Dari hasil perhitungan terlihat bahwa varians menghasilkan nilai negatif maka stasiun kerja 1 pada April 2007 merupakan stasiun kerja non bottleneck. Untuk perhitungan selanjutnya dalam menentukan stasiun kerja yang bottleneck dan non bottleneck dapat dilihat pada Tabel 5.28. Tabel 5.28. Rough Cut Capacity Report Periode April 2007 – Maret 2008 Stasiun Kerja

1

2

3

Bulan April Mei Juni Juli Agustus September Oktober Nopember Desember Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember Januari Februari Maret April Mei Juni Juli Agustus September Oktober Nopember Desember

Kapasitas (dC) CR 805384078 723873993 741989201 975741372 1015012869 1118444892 1210139947 1089573018 1076815252 940146754 957017026 929258710 2863704682 2597135853 2648281128 3504897464 3623228644 3998899225 4300277210 3867518171 3815503334 3330705938 3405210466 3297127600 5148018595 4654677320 4754684294 6279126673 6504799034 7175333430 7732104707 6956610666 6867148140

CA 2563687815 2680219079 2563687815 2680219079 2563687815 2563687815 2447156551 2796750344 2330625286 2563687815 2447156551 2563687815 6391939098 6682481785 6391939098 6682481785 6391939098 6391939098 6101396412 6973024471 5810853726 6391939098 6101396412 6391939098 7770143303 8123331635 7770143303 8123331635 7770143303 7770143303 7416954971 8476519967 7063766639

Varians

Persentase Beban (%)

Keterangan

-1758303737 -1956345086 -1821698614 -1704477708 -1548674946 -1445242923 -1237016603 -1707177325 -1253810034 -1623541061 -1490139524 -1634429105 -3528234416 -4085345932 -3743657971 -3177584321 -2768710454 -2393039873 -1801119202 -3105506300 -1995350391 -3061233161 -2696185946 -3094811498 -2622124708 -3468654314 -3015459009 -1844204962 -1265344269 -594809872 315149736 -1519909301 -196618499

31.4150605 27.0080158 28.9422603 36.4052842 39.591906 43.6264075 49.4508595 38.958537 46.2028477 36.6716551 39.1073071 36.2469527 44.8018143 38.86484 41.4315763 52.4490388 56.6843424 62.5615977 70.4802134 55.4639983 65.6616655 52.107911 55.8103463 51.5825878 66.2538436 57.3001021 61.1917195 77.2974311 83.7153033 92.3449305 104.249045 82.0691828 97.2165205

Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Non bottleneck Bottleneck Non bottleneck Non bottleneck

Januari Februari

5994936598 6120046535

7770143303 7416954971

-1775206704 -1296908436

77.1534882 82.5142738

Non bottleneck Non bottleneck

Tabel 5.28. Rough Cut Capacity Report Periode April 2007 – Maret 2008 (Lanjutan) Stasiun Kerja

Bulan

Kapasitas (dC)

CR CA 3 Maret 5931451506 7770143303 April 29606889619 994123485 Mei 26698633143 1039310916 Juni 27314282538 994123485 Juli 36003811954 1039310916 Agustus 37366718820 994123485 September 41198938688 994123485 4 Oktober 44476279306 948936054 Nopember 40028707818 1084498347 Desember 39534502903 903748623 Januari 34514781595 994123485 Februari 35189985908 948936054 Maret 34133992677 994123485 Sumber: Hasil Pengolahan Data

Varians

Persentase Beban (%)

Keterangan

-1838691797 28612766134 25659322227 26320159053 34964501038 36372595335 40204815203 43527343252 38944209470 38630754280 33520658110 34241049854 33139869192

76.3364493 2978.19034 2568.87835 2747.57442 3464.20031 3758.76029 4144.2476 4686.96274 3690.98837 4374.50215 3471.88072 3708.3622 3433.57673

Non bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck

5.4. Pengaturan Kembali JIP dengan Mengoptimalkan Stasiun Kerja Bottleneck Dari tabel 5.25 terlihat bahwa ada beberapa stasiun kerja yang menjadi bottleneck. Dengan adanya stasiun kerja bottleneck berarti tidak semua jadwal induk produksi yang telah direncanakan dapat dilaksanakan. Untuk itu dilakukan pengaturan kembali terhadap JIP dengan mengoptimalkan stasiun kerja bottleneck dengan menggunakan prinsip perbaikan TOC. Penggunaan TOC dalam mengoptimalkan perencanaan produksi dalam hal ini jadwal induk produksi dengan menggunakan throughput sebagai ukuran operasionalnya adalah dengan cara sebagai berikut: Contoh perhitungan untuk bulan Oktober dengan menggunakan TOC: 1. Mengidentifikasi kendala (constraints) yang ada

Kendala (constraints) dapat dilihat dari Tabel 5.25 merupakan stasiun kerja bottleneck yaitu stasiun kerja 3. 2. Memutuskan bagaimana mengatasi kendala yang ada. Untuk mengatasi stasiun kerja bottleneck dilakukan dengan melakukan pengaturan kembali jadwal induk produksi. Dengan menggunakan TOC dilakukan optimalisasi JIP sehingga menghasilkan throughput maksimal dengan menggunakan 100% kapasitas stasiun kerja bottleneck. Throughput masing-masing produk dapat dilihat pada Tabel 5.29. Tabel 5.29. Perhitungan Throughput Masing-Masing Produk

No 1 2

Produk Obat anti nyamuk bakar Coil Standar Lokal Obat anti nyamuk bakar Coil Jumbo

Harga Jual (Rp) (1)

Biaya Material (Rp) (2)

Throughput (Rp) (1-2)

335

150

185

350

175

175


Dalam penerapan TOC untuk pengoptimalan JIP dengan menggunakan metode pendekatan linier programming, dimana maksimalisasi throughput sebagai fungsi sasaran dan sebagai fungsi kendala adalah kapasitas stasiun kerja bottleneck dan permintaan masing-masing produk. Secara umum dapat dirumuskan sebagai berikut: Maks

: 185X1 + 175X2

s.t.

: 228,08X1 + 245,68X2 ≤ 7416954971 X1 ≤ 2657046 X2 ≤ 29005412 X1, X2 ≥ 0

3. Putuskan penggunaan operasi yang dapat mengoptimalkan kendala Melalui pendekatan linier programming untuk memaksimalisasi throughput sehingga didapat throughput sebesar Rp 736.646.085,- dimana kapasitas yang dibutuhkan untuk stasiun kerja 3 pada bulan oktober adalah: (2.657.046 x 228,08) + (1.400.529 x 245,68) = 950.101.016 dC Dapat dilihat bahwa hasil yang didapat setelah melakukan pengaturan kembali JIP pada stasiun kerja bottleneck memperlihatkan stasiun kerja tersebut tidak lagi menjadi kendala atau dalam hal ini berubah menjadi stasiun kerja non bottleneck. 4. Dari hasil yang diperoleh di atas bahwa stasiun kerja 3 pada periode oktober dapat dieliminasi menjadi stasiun kerja non bottleneck. Sesuai dengan lima prinsip TOC, jika kendala dapat dieliminasi maka kembali ke langkah pertama untuk pengoptimalan kembali JIP untuk periode berikutnya. Hasil perhitungan jadwal induk produksi optimal dapat dilihat pada Tabel 5.30: Tabel 5.30. Jadwal Induk Produksi Optimal Bulan

April 2007


Throughput Mei 2007

Produksi (dC) 1.895.544

Oktober 2007

2.293.630 7.520609E+08

Obat anti nyamuk bakar Coil Standar Lokal Obat anti nyamuk

Bulan

3.401.444 1.076.660


Throughput Nopember 2007

Produksi (dC) 2.657.046 1.400.529 7.366461E+08

Obat anti nyamuk bakar Coil Standar Lokal Obat anti nyamuk

2.076.963 2.493.677

bakar Coil Jumbo Throughput

bakar Coil Jumbo 8.176826E+08

Throughput

8.206316E+08

Tabel 5.30. Jadwal Induk Produksi Optimal (Lanjutan) Bulan

Juni 2007


Throughput

Juli 2007

4.558.381

Desember 2007

3.421.641

Januari 2008

Februari 2008

Maret 2008 Throughput

Produksi (dC) 1.561.336 2.235.772 6.801071E+08

Obat anti nyamuk bakar Coil Standar Lokal Obat anti nyamuk bakar Coil Jumbo

1.323.980 2.825.535 7.394049E+08


Throughput

110.380,5

Throughput 8.040089E+08 Sumber: Hasil Pengolahan Data


Throughput

873.425,8

4.241.580

Produk

Throughput

-

7.858531E+08 Obat anti nyamuk bakar Coil Standar Lokal Obat anti nyamuk bakar Coil Jumbo

Bulan

1.753.836


Throughput September 2007

2.475.586


Throughput Agustus 2007

Produksi (dC)

2.423.569 1.617.805 7.314762E+08


1.673.304 2.500.450 7.471399E+08

BAB VI ANALISA DAN PEMBAHASAN

6.1. Analisa Peramalan Permintaan Peramalan yang dilakukan berdasarkan trend data permintaan periode sebelumnya yaitu simple exponential smoothing dan trend corrected exponential smoothing. Hasil perhitungan verifikasi peramalan menunjukkan bahwa nilai ratarata kesalahan kuadrat (MSE) dan nilai tengah galat persentase absolut (MAPE) yang terkecil adalah dengan menggunakan metode simple exponential smoothing, yaitu terlihat pada Tabel 6.1: Tabel 6.1. Kesalahan Estimasi Peramalan SES Metode Peramalan Simple Exponential Smoothing (SES)

Produk Obat Anti Nyamuk Bakar Coil Standar Lokal Obat Anti Nyamuk Bakar Coil Jumbo

MSE

MAPE

5.253.838.200.345

81,05

36.133.971.265.889

20,73


Setelah di dapat bahwa metode peramalan yang sesuai untuk trend data permintaannya yaitu dengan metode simple exponential smoothing maka didapat data peramalan untuk periode April 2007 – Maret 2008 seperti yang terlihat pada Tabel 6.2: Tabel 6.3. Hasil Peramalan Permintaan dengan Metode Simple Exponential Smoothing Periode April 2007 – Maret 2008 Periode (n) 1 2 3 4

Ft (t) Obat Anti Nyamuk Bakar Coil Standar Lokal (dC) 2.469.544 3.401.444 2.475.586 4.884.593

Obat Anti Nyamuk Bakar Coil Jumbo (dC) 22.694.312 15.788.220 17.054.821 21.023.335

Tabel 6.2. Hasil Peramalan Permintaan dengan Metode Simple Exponential Smoothing Periode April 2007 – Maret 2008 (Lanjutan) Periode (n) 5 6 7 8 9 10 11 12

Ft (t) Obat Anti Nyamuk Bakar Coil Standar Lokal (dC) 3.421.641 4.241.580 2.657.046 2.076.963 1.561.336 1.323.980 2.423.569 1.673.304 Sumber: Hasil Pengolahan Data

Obat Anti Nyamuk Bakar Coil Jumbo (dC) 23.300.057 25.268.138 29.005.412 26.387.436 26.501.989 23.172.163 22.660.573 22.589.456

Dengan menggunakan peramalan sesuai dengan metode yang terpilih, didapat hasil: 1. Hasil peramalan yang diperoleh mempunyai trend yang lebih baik dari permintaan sebelumnya. 2. Tidak terjadi fluktuasi permintaan yang terlalu besar. Seperti contoh pada bulan Maret 2007 yang permintaan turun drastis mencapai 289.728 dC dibandingkan dengan permintaan periode sebelumnya pada Februari 2007 sebesar 923.040. apabila dibandingkan dengan hasil peramalan pada bulan yang sama didapat hasil yang tidak terlalu jauh seperti yang dapat dilihat pada Tabel 6.2.

6.2. Analisa Stasiun Kerja Bottleneck Dengan menggunakan perhitungan CR – CA dimana apabila varians bernilai negatif maka dapat disimpulkan bahwa stasiun kerja tersebut merupakan stasiun kerja non bottleneck, demikian sebaliknya. Berikut dapat dilihat stasiun kerja non bottleneck dan bottleneck pada Tabel 6.5:

Tabel 6.3. Rough Cut Capacity Report Periode April 2007 – Maret 2008 (Lanjutan) Stasiun Kerja (SK)

Bulan

Kapasitas (dC)

CR 3 Oktober 7732104707 April 29606889619 Mei 26698633143 Juni 27314282538 Juli 36003811954 Agustus 37366718820 September 41198938688 4 Oktober 44476279306 Nopember 40028707818 Desember 39534502903 Januari 34514781595 Februari 35189985908 Maret 34133992677 Sumber: Hasil Pengolahan Data

CA 7416954971 994123485 1039310916 994123485 1039310916 994123485 994123485 948936054 1084498347 903748623 994123485 948936054 994123485

Varians

Keterangan

315149736 28612766134 25659322227 26320159053 34964501038 36372595335 40204815203 43527343252 38944209470 38630754280 33520658110 34241049854 33139869192

Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck Bottleneck

Dari Tabel 6.4 terlihat bahwa stasiun kerja yang bottleneck terdapat pada stasiun kerja 3 pada bulan oktober dan bottleneck terbanyak dapat dilihat pada stasiun kerja 4 yaitu bagian finishing. Dimana berdasarkan hasil pengamatan: 1. Pada stasiun kerja 3 dan stasiun kerja 4 merupakan tempat penumpukan terbesar pada lantai produksi. 2. Pengaturan rencana produksi untuk penentuan kapasitas produk pada tiap stasiun kerja tidak memperhatikan kendala yang sering terjadi.

6.3. Analisa Revisi JIP dengan Mengotimalkan Stasiun Kerja Bottleneck Dengan menerapkan lima langkah perbaikan dalam TOC untuk mengoptimalkan perencanaan kapasitas dengan menggunakan pendekatan dengan menggunakan linier programming untuk memaksimalisasi throughput didapatkan hasil:

1. Stasiun kerja yang sebelumnya menjadi kendala (bottleneck) dapat menjadi non bottleneck dan menghasilkan throughput yang maksimal. Perhitungan jadwal induk produksi optimal dapat dilihat pada Tabel 5.30. 2. Dari hasil pendekatan dengan linier programming diperoleh throughput maksimal pada periode Juli 2007 sebesar Rp 843.300.485,- dengan jumlah produksi untuk obat anti nyamuk bakar coil standar lokal 1.039.675.538 dC. Untuk perbandingan JIP bulan-bulan lainnya dapat dilihat pada Lampiran 4. 3. Dengan dieliminasinya stasiun kerja bottleneck menyebabkan utilisasi dan efisiensi akan semakin meningkat dan akhirnya tidak ada waktu menganggur pada stasiun kerja yang ada. 4. Sesuai dengan prinsip TOC yaitu perbaikan terus-menerus (ongoing improvement), maka harus selalu dilakukan evaluasi terhadap jadwal induk produksi setiap bulannya.

BAB VII KESIMPULAN DAN SARAN

7.1. Kesimpulan Setelah melakukan pengolahan data primer dan sekunder yang diperoleh seteleh melakukan penelitian selama 1 bulan di PT. X dan menganalisa hasil pengolahan data tersebut diperoleh beberapa kesimpulan, antara lain: 1. Metode yang dipilih dalam peramalan berdasarkan trend permintaan periode 1 tahun sebelumnya adalah simple exponential smoothing dan metode Holt. Sesuai dengan langkah-langkah peramalan didapat hasil verifikasi peramalan dengan nilai estimasi kesalahan terkecil adalah pada metode simple exponential smoothing dengan MAPE 81,05. 2. Berdasarkan penggunaan TOC pada penelitian ini didapat stasiun kerja bottleneck pada stasiun kerja 3 untuk periode Oktober dan pada stasiun kerja 4. 3. TOC digunakan untuk megoptimalkan perencanaan kapasitas dalam hal ini adalah jadwal induk produksi dengan menggunakan metode pendekatan linier programming, sehingga didapat pula throughput yang maksimal. Dengan mengambil contoh untuk stasiun kerja 1 periode Januari maka secara umum rumus linier programming yang digunakan: Maks

: 185X1 + 175X2

s.t.

: 228,08X1 + 245,68X2 ≤ 7416954971 X1 ≤ 2657046

X2 ≤ 29005412 X1, X2 ≥ 0 4. Dari hasil pendekatan dengan metode linier programming didapat throughput maksimal pada periode Juli 2007 sebesar Rp 843.300.485,-

7.2. Saran Saran yang dapat penulis sampaikan untuk bahan masukan dan perkembangan apabila diadakan penelitian selanjutnya kepada PT. X antara lain: 1. Untuk mengetahui apakah jadwal induk produksi ini dapat dilaksanakan dengan baik maka perusahaan dapat melakukan pengevaluasian setiap bulannya. 2. Pihak perusahaan dapat memberi perhatian yang khusus pada stasiun kerja bottleneck agar mesin atau peralatan pada stasiun kerja tersebut jangan sampai mengalami kerusakan. 3. Penelitian hanya dibatasi pada dua jenis produk saja, diharapkan dapat menjadi bahan pertimbangan ketika melakukan penelitian untuk jenis produk lainnya. 4. Dari hasil pengamatan, untuk masa mendatang sebaiknya perusahaan melakukan penambahan jumlah mesin dan peralatan khususnya pada bagian finishing dimana merupakan stasiun kerja yang paling dominan terjadi bottleneck.

Sebagai bahan pertimbangan, berdasarkan pengamatan peneliti sebaiknya pihak manajemen terutama pada bagian produksi melakukan pembenahan lay out terhadap stasiun kerja finishing.

DAFTAR PUSTAKA

Barnes, R. M., Motion and Time Study and Work Measurement, John Wiley & Sons Inc, New York, 1980.

Bedworth, David D, and Bailey, James E, Integrated Production Control Sistems, John Wiley and Sons, Inc, Canada, 1982.

Fogarty, Donald W, Blackstone John H, dan Roffmann, Thomas R, Production & Inventory Management, 2nd Ed, South Western Publishing Co, Cincinati-Ohio, 1991.

Gasperz, Vincent. 2004. Production Planning and Inventory Control. Jakarta: PT Gramedia Pustaka Utama.

Kristina, Juliana., Memaksimalkan Penggunaan Bottleneck dengan Theory of Constraints, Jurnal Teknologi Industri, Vol II No.2, 1998.

Makridakis, Spyros (et al)., Untung Sus Andrianto (trans)., Metode dan Aplikasi Peramalan, Edisi Kedua, Erlangga, Jakarta, 1993.

Sutalaksana, Iftikar Z, Anggawisastra, Ruhana dan Tjakraadmadji, John H, Teknik Tata Cara Kerja, Institut Teknologi Bandung, 1979.

Taha, Hamdy A., Daniel Wirajaya (trans)., Riset Operasi: Suatu Pengantar, Jilid 1, Edisi ke-5, Binarupa Aksara, Jakarta, 1996.

Wignjosoebroto, Sritomo, Ergonomi, Studi Gerak dan Waktu, Edisi Pertama, Guna Widya, Jakarta, 1995.

Winda, Syahdu., Optimasi Penggunaan Bottleneck Stasiun Kerja untuk Mengatur Jadwal Induk Produksi dengan Theory of Constraints pada PT. Wijaya Karya PPB Sumut, 2001.

Lampiran 1. Perhitungan Waktu Produksi Tiap Stasiun Kerja. Produk Baygon Coil Standar Lokal No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Total

X σ BKA BKB

SK 1 Xi 27.78 34.95 31.15 28.94 31.22 29.06 27.26 25.20 30.06 34.85 34.65 31.02 28.46 26.38 34.78 28.14 483.88 30.24267 3.18162 36.60592 23.87943

X2 771.47716 1221.20588 970.62647 837.28747 974.65383 844.26663 743.06758 634.90291 903.48806 1214.19671 1200.78601 962.42506 809.89120 695.82793 1209.60771 792.04044 14785.75104

SK 2 Xi X2 107.46 11548.72218 112.11 12569.61306 104.48 10916.04038 108.68 11810.26332 115.06 13239.33442 109.46 11982.42985 101.11 10224.01160 119.81 14353.28470 110.39 12186.19567 119.22 14213.59420 103.75 10764.51069 100.16 10031.62020 106.40 11320.21000 111.23 12373.02083 101.09 10219.32550 114.41 13090.38171 1744.84 190842.55830 109.0522663

SK 3 Xi X2 173.26 30019.03 175.31 30733.6 189.44 35887.51 172.33 29697.63 167.28 27982.6 189.4 35872.36 176.11 31014.73 169.99 28896.6 185.52 34417.67 188.5 35532.25 185.19 34295.34 169.18 28621.87 188.27 35445.59 170.92 29213.65 182.14 33174.98 189.36 35857.21 2872.2 516662.6 179.5125

Xi 1035.31 1037.50 996.88 1065.63 1105.63 1094.06 1025.31 1044.06 1084.06 1107.19 993.75 1088.13 1002.50 1021.88 1102.81 1006.56 16811.25 1050.70

SK 4

6.133023237 121.3183128 96.78621986

8.433314 196.3791 162.6459

41.539 1133.781 967.6251

X2 1071871.97 1076406.25 993759.77 1135556.64 1222406.64 1196972.75 1051265.72 1090066.50 1175191.50 1225864.16 987539.06 1184016.02 1005006.25 1044228.52 1216195.41 1013168.07 17689515.23

Produk Baygon Coil Jumbo No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Total

X σ BKA BKB

SK 1 Xi 28.86 28.45 34.91 30.26 29.87 30.20 33.82 31.68 29.74 29.30 27.62 27.75 31.80 32.57 32.19 32.84 491.86 30.74118 2.16904 35.07925 26.40310

SK 2 2

X 832.92677 809.46617 1218.73850 915.69281 891.93962 912.29935 1144.07000 1003.62456 884.17166 858.32462 762.84434 770.18540 1011.48771 1060.61318 1036.11501 1078.39152 15190.89122

Xi 101.23 104.61 98.34 102.06 108.16 102.33 95.20 111.63 102.96 111.27 97.01 94.25 99.61 103.72 95.22 107.98 1635.58 102.2234759 5.532865189 113.2892063 91.1577455

SK 3 2

X 10247.06576 10943.52318 9670.53344 10416.20291 11698.84557 10470.52461 9063.54605 12460.78962 10600.99718 12380.00675 9410.93365 8882.27971 9921.62803 10758.20319 9067.79321 11660.54041 167653.41328

Xi 187.59 180.51 170.68 184.42 187.22 181.55 172.06 172.87 186.23 182.7 176.21 188.18 185.31 168.33 180.18 182.6 2886.64 180.415 6.472916 193.3608 167.4692

SK 4 2

X 35190.01 32583.86 29131.66 34010.74 35051.33 32960.4 29604.64 29884.04 34681.61 33379.29 31049.96 35411.71 34339.8 28334.99 32464.83 33342.76 521421.6

Xi 984.30 1058.14 990.99 993.02 1077.33 1019.19 1092.15 1144.48 1057.27 1017.73 1139.53 1061.63 1037.79 1064.83 1084.59 1156.69 16979.65 1061.23 53.96661 1169.161 953.295

X2 968851.07 1119659.28 982057.95 986095.19 1160630.41 1038740.20 1192794.16 1309827.02 1117814.44 1035779.56 1298539.75 1127053.81 1077009.53 1133853.52 1176342.03 1337922.61 18062970.52

Lampiran 2. Draft Awal Jadwal Induk Produksi Hasil Output QS (Quant System) Production for Coil Standar Period

Demand

Production

Initial

Tot. Subct.

- -

Product 1

Inventory

Backorder

Lost-sales

574000

1

2469544

1895544

0

0

0

0

2

3401444

3401444

0

0

0

0

3

2475586

2475586

0

0

0

0

4

4884593

4884593

0

0

0

0

5

3421641

3421641

0

0

0

0

6

4241580

4241580

0

0

0

0

7

2657046

2657046

0

0

0

0

8

2076963

2076963

0

0

0

0

9

1561336

1561336

0

0

0

0

10

1323980

1323980

0

0

0

0

11

2423569

2423569

0

0

0

0

1673304

0

0

0

0

12

1673304

Cumulative Total Cost = 2.56368E12 CPU seconds = Solution Method : Chase Strategy Production for Coil Jumbo Period

Demand

Production

Initial

Tot. Subct.

- -

0

Product 2

Inventory

Backorder

Lost-sales

3500000

1

22694312

19194312

0

0

0

0

2

15788220

15788220

0

0

0

0

3

17054821

17054821

0

0

0

0

4

21023335

21023335

0

0

0

0

5

23300057

23300057

0

0

0

0

6

25268138

25268138

0

0

0

0

7

29005412

29005412

0

0

0

0

8

26387436

26387436

0

0

0

0

9

26501989

26501989

0

0

0

0

10

23172163

23172163

0

0

0

0

11

22660573

22660573

0

0

0

0

12

22589456

22589456

0

0

0

0

Cumulative Total Cost = 6.90208E12 CPU seconds = Solution Method : Chase Strategy

0

Lampiran 3. Hasil Perhitungan Linier Programming dengan Software QS Bulan April 2007 |--------------------------- Initial Tableau ---------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|1895544 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|19194312| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------| |---------------------------- Iteration 1 -----------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|1895544 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|19194312| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S2 | |-----------------------------------------------------------------------| |---------------------------- Iteration 2 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 0| 245| 1| -228| 0|5.6193E8| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|1895544 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|19194312| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 175| 0| -185| 0|3.5067E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 3.5067E8 IN: X2 OUT: S1 | |-----------------------------------------------------------------------| |---------------- Final Tableau (Total Iterations = 2) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | X2 | 175 |2.116E-8| 1|0.004081|-.930612| 0|2293630 | |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|1895544 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 |-2.11E-8| 0|-0.00408|.9306123| 1|16900682| |-----------------+--------+--------+--------+--------+--------+--------|

| c(j)-Z(j) | 0| 0|-.714285|-22.1428| 0|7.5206E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 7.520609E+08 | |-----------------------------------------------------------------------|

Bulan Mei 2007 |--------------------------- Initial Tableau ---------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|1.0393E9| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|3401444 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|15788220| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------| |---------------------------- Iteration 1 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|1.0393E9| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|3401444 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|15788220| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S2 | |-----------------------------------------------------------------------| |---------------------------- Iteration 2 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 0| 245| 1| -228| 0|2.6378E8| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|3401444 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|15788220| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 175| 0| -185| 0|6.2926E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 6.2926E8 IN: X2 OUT: S1 | |-----------------------------------------------------------------------| |---------------- Final Tableau (Total Iterations = 2) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------|

| X2 | 175 |2.116E-8| 1|0.004081|-.930612| 0|1076660 | |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|3401444 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 |-2.11E-8| 0|-0.00408|.9306123| 1|14711560| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 0|-.714285|-22.1428| 0|8.1768E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 8.176826E+08 | |-----------------------------------------------------------------------|

Bulan Juni 2007 |--------------------------- Initial Tableau ---------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|2475586 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|17054820| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------| |---------------------------- Iteration 1 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|2475586 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|17054820| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S2 | |-----------------------------------------------------------------------| |---------------------------- Iteration 2 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 0| 245| 1| -228| 0|4.2968E8| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|2475586 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|17054820| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 175| 0| -185| 0|4.5798E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 4.5798E8 IN: X2 OUT: S1 | |-----------------------------------------------------------------------|

|---------------- Final Tableau (Total Iterations = 2) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | X2 | 175 |2.116E-8| 1|0.004081|-.930612| 0|1753836 | |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|2475586 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 |-2.11E-8| 0|-0.00408|.9306123| 1|15300984| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 0|-.714285|-22.1428| 0|7.6490E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 7.649047E+08 | |-----------------------------------------------------------------------|

Bulan Juli 2007 |--------------------------- Initial Tableau ---------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|1.0393E9| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|4884593 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|21023336| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------| |---------------------------- Iteration 1 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|1.0393E9| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|4884593 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|21023336| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S1 | |-----------------------------------------------------------------------| |---------------- Final Tableau (Total Iterations = 1) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1|1.074561|0.004385| 0| 0|4558381 | |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 0|-1.07456|-0.00438| 1| 0|326211.8| |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|21023336| |-----------------+--------+--------+--------+--------+--------+--------|

| c(j)-Z(j) | 0|-23.7938|-.811403| 0| 0|8.4330E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 8.433005E+08 | |-----------------------------------------------------------------------|

Bulan Agustus 2007 |--------------------------- Initial Tableau ---------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|3421641 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|23300056| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------| |---------------------------- Iteration 1 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|3421641 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|23300056| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S2 | |-----------------------------------------------------------------------| |---------------------------- Iteration 2 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 0| 245| 1| -228| 0|2.1398E8| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|3421641 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|23300056| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 175| 0| -185| 0|6.3300E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 6.3300E8 IN: X2 OUT: S1 | |-----------------------------------------------------------------------| |---------------- Final Tableau (Total Iterations = 2) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------|

| X2 | 175 |2.116E-8| 1|0.004081|-.930612| 0|873425.8| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|3421641 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 |-2.11E-8| 0|-0.00408|.9306123| 1|22426630| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 0|-.714285|-22.1428| 0|7.8585E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 7.858531E+08 | |-----------------------------------------------------------------------|

Bulan September 2007 |--------------------------- Initial Tableau ---------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|4241580 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|25268138| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------| |---------------------------- Iteration 1 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|4241580 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|25268138| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S2 | |-----------------------------------------------------------------------| |---------------------------- Iteration 2 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 0| 245| 1| -228| 0|27043216| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|4241580 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|25268138| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 175| 0| -185| 0|7.8469E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 7.8469E8 IN: X2 OUT: S1 | |-----------------------------------------------------------------------|

|---------------- Final Tableau (Total Iterations = 2) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | X2 | 175 |2.116E-8| 1|0.004081|-.930612| 0|110380.5| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|4241580 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 |-2.11E-8| 0|-0.00408|.9306123| 1|25157758| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 0|-.714285|-22.1428| 0|8.0400E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 8.040089E+08 | |-----------------------------------------------------------------------|

Bulan Oktober 2007 |--------------------------- Initial Tableau ---------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.4893E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|2657046 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|29005412| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------| |---------------------------- Iteration 1 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.4893E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|2657046 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|29005412| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S2 | |-----------------------------------------------------------------------| |---------------------------- Iteration 2 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 0| 245| 1| -228| 0|3.4312E8| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|2657046 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|29005412| |-----------------+--------+--------+--------+--------+--------+--------|

| c(j)-Z(j) | 0| 175| 0| -185| 0|4.9155E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 4.9155E8 IN: X2 OUT: S1 | |-----------------------------------------------------------------------| |---------------- Final Tableau (Total Iterations = 2) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | X2 | 175 |2.116E-8| 1|0.004081|-.930612| 0|1400529 | |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|2657046 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 |-2.11E-8| 0|-0.00408|.9306123| 1|27604884| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 0|-.714285|-22.1428| 0|7.3664E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 7.366461E+08 | |-----------------------------------------------------------------------|

Bulan Nopember 2007 |--------------------------- Initial Tableau ---------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|1.0844E9| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|2076963 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|26387436| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------| |---------------------------- Iteration 1 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|1.0844E9| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|2076963 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|26387436| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S2 | |-----------------------------------------------------------------------| |---------------------------- Iteration 2 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------|

| S1 | 0 | 0| 245| 1| -228| 0|6.1095E8| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|2076963 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|26387436| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 175| 0| -185| 0|3.8423E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 3.8423E8 IN: X2 OUT: S1 | |-----------------------------------------------------------------------| |---------------- Final Tableau (Total Iterations = 2) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | X2 | 175 |2.116E-8| 1|0.004081|-.930612| 0|2493677 | |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|2076963 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 |-2.11E-8| 0|-0.00408|.9306123| 1|23893760| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 0|-.714285|-22.1428| 0|8.2063E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 8.206316E+08 | |-----------------------------------------------------------------------|

Bulan Desember 2007 |--------------------------- Initial Tableau ---------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.0374E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|1561336 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|26501988| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------| |---------------------------- Iteration 1 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.0374E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|1561336 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|26501988| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S2 | |-----------------------------------------------------------------------|

|---------------------------- Iteration 2 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 0| 245| 1| -228| 0|5.4776E8| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|1561336 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|26501988| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 175| 0| -185| 0|2.8884E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 2.8884E8 IN: X2 OUT: S1 | |-----------------------------------------------------------------------| |---------------- Final Tableau (Total Iterations = 2) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | X2 | 175 |2.116E-8| 1|0.004081|-.930612| 0|2235772 | |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|1561336 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 |-2.11E-8| 0|-0.00408|.9306123| 1|24266216| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 0|-.714285|-22.1428| 0|6.8010E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 6.801071E+08 | |-----------------------------------------------------------------------|

Bulan Januari 2008 |--------------------------- Initial Tableau ---------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|1323980 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|23172164| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------| |---------------------------- Iteration 1 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|1323980 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|23172164| |-----------------+--------+--------+--------+--------+--------+--------|

| c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S2 | |-----------------------------------------------------------------------| |---------------------------- Iteration 2 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 0| 245| 1| -228| 0|6.9225E8| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|1323980 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|23172164| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 175| 0| -185| 0|2.4493E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 2.4493E8 IN: X2 OUT: S1 | |-----------------------------------------------------------------------| |---------------- Final Tableau (Total Iterations = 2) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | X2 | 175 |2.116E-8| 1|0.004081|-.930612| 0|2825535 | |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|1323980 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 |-2.11E-8| 0|-0.00408|.9306123| 1|20346630| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 0|-.714285|-22.1428| 0|7.3940E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 7.394049E+08 | |-----------------------------------------------------------------------|

Bulan Februari 2008 |--------------------------- Initial Tableau ---------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.4893E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|2423569 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|22660572| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------| |---------------------------- Iteration 1 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------|

| S1 | 0 | 228| 245| 1| 0| 0|9.4893E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|2423569 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|22660572| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S2 | |-----------------------------------------------------------------------| |---------------------------- Iteration 2 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 0| 245| 1| -228| 0|3.9636E8| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|2423569 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|22660572| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 175| 0| -185| 0|4.4836E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 4.4836E8 IN: X2 OUT: S1 | |-----------------------------------------------------------------------| |---------------- Final Tableau (Total Iterations = 2) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | X2 | 175 |2.116E-8| 1|0.004081|-.930612| 0|1617805 | |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|2423569 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 |-2.11E-8| 0|-0.00408|.9306123| 1|21042766| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 0|-.714285|-22.1428| 0|7.3147E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 7.314762E+08 | |-----------------------------------------------------------------------|

Bulan Maret 2008 |--------------------------- Initial Tableau ---------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|1673304 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|22589456| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 | |-----------------------------------------------------------------------|

|---------------------------- Iteration 1 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 228| 245| 1| 0| 0|9.9412E8| |--------+--------+--------+--------+--------+--------+--------+--------| | S2 | 0 | 1| 0| 0| 1| 0|1673304 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|22589456| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 185| 175| 0| 0| 0| 0 | |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 0 IN: X1 OUT: S2 | |-----------------------------------------------------------------------| |---------------------------- Iteration 2 -----------------------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| | S1 | 0 | 0| 245| 1| -228| 0|6.1261E8| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|1673304 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 | 0| 1| 0| 0| 1|22589456| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 175| 0| -185| 0|3.0956E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | Current OBJ (Max.) = 3.0956E8 IN: X2 OUT: S1 | |-----------------------------------------------------------------------| |---------------- Final Tableau (Total Iterations = 2) ----------------| |-----------------------------------------------------------------------| | | | X1 | X2 | S1 | S2 | S3 | | |--------+--------+--------+--------+--------+--------+--------+--------| | Basis | c(j) | 185| 175| 0| 0| 0| RHS | |--------+--------+--------+--------+--------+--------+--------+--------| 0|2500450 | | X2 | 175 |2.116E-8| 1|0.004081|-.930612| |--------+--------+--------+--------+--------+--------+--------+--------| | X1 | 185 | 1| 0| 0| 1| 0|1673304 | |--------+--------+--------+--------+--------+--------+--------+--------| | S3 | 0 |-2.11E-8| 0|-0.00408|.9306123| 1|20089006| |-----------------+--------+--------+--------+--------+--------+--------| | c(j)-Z(j) | 0| 0|-.714285|-22.1428| 0|7.4713E8| |-----------------+--------+--------+--------+--------+--------+--------| | * Big M | 0| 0| 0| 0| 0| 0 | |-----------------------------------------------------------------------| | (Max.) Optimal OBJ value = 7.471399E+08 | |-----------------------------------------------------------------------|

Lampiran 4. Perbandingan JIP Optimal dengan JIP Pada Perusahaan JIP Optimal No

Throughput

JIP Perusahaan

Throughput

Selisih JIP

Selisih

Coil Standar

Coil Jumbo

Throughput

(1-3)

(2-4)

(5-6)

631858130

331676

336244

120202760

1067904

654162120

875612

8756

163520520

1599974

1748224

601934390

8756

5612

2601960

843300485

3682769

875612

834544365

7765

-875612

-151795575

873425.8

785853100

2546029

1857997

796164840

26756

-984571

-167350100

4241580

110380.5

804008888

3365968

543287

717779305

22831

-432907

-71534903

7

2657046

1400529

736646085

1781434

1399967

574559515

361179

562

66916465

8

2076963

2493677

820631630

1201351

2254365

616763810

872

239312

42040920

9

1561336

2235772

680107260

685724

1360160

364886940

198849

875612

190019165

10

1323980

2825535

739404925

448368

1949923

424184605

348105

875612

217631525

11

2423569

1617805

731476140

1547957

1609093

567963320

445910

8712

84017950

12

1673304

2500450

747139990

797692

1654379

437089345

136506

846071

173316035

Total

31710374

19181700

9223216743

21746966

18278297

7221890685

2764817

903403

669586723

Coil Standar

Coil Jumbo

Coil Standar

Coil Jumbo

(1)

(2)

(3)

(4)

1

1895544

2293630

752060890

1563868

1957386

2

3401444

1076660

817682640

2525832

3

2475586

1753836

764904710

4

4558381

-

5

3421641

6

(5)

(6)

UNIVERSITAS SUMATERA UTARA MEDAN

Recommend Documents