BAB IV PENGUMPULAN DAN PENGOLAHA DATA
4.1.3 Data Jam Operator yang Bekerja
Berikut adalah data jam operator yang bekerja selama bulan Januari sampai dengan bulan Desember 2018 dapat dilihat pada tabel 4.3 dibawah ini:
No Periode Total hasil produksi
(Ton)
Tabel 4.3
Jam operator yang bekerja
Sumber: PT. Bintara Tani Nusantara
Pada tabel 4.3 dapat ketahui totol hasil jam kerja operator selama periode Januari sampai dengan periode Desember 2018. Total jam kerja oerator yang paling tinggi terjadi pada periode Februari dengan jumlah 152 jam dan jam kerja operator yang paling rendah terjadi pada periode September dengan jumlah 135 jam.
4.1.4 Data Jam Kerja Operator Yang Tersedia
Berikut ini adalah hasil data jam kerja yang tersedia selama periode Januari sampai dengan Desember 2018 dapat dilihat pada tabel 4.4 diabawah ini:
No Periode Jam operator yang
Tabel 4.4
Jam kerja operator yang tersedia
Sumber: PT. Bintara Tani Nusantara
Pada tabel 4.4 diketahui jam kerja operator yang tersedia yang paling tinggi berada pada bulan Agustus yaitu mencapai 283 jam, sedangkan yang terendah berada pada bulan Desember yaitu mencapai 202 jam.
4.2 Pengolahan Data
Berikut ini pengolahan data dengan menggunakan metoda Objective Matrix (OMAX).
4.2.1 Menentukan Produktivitas Produksi Di PT. Bintara Tani Nusanta dengan metode OMAX.
a. Penentuan Kriteria
Kriteria produktivitas dinyatakan dalam perbandingan (rasio) yang akan diukur dalam pengolahan data ini ada tiga kriteria yaitu:
1. Kriteria 1 yaitu produktivitas bahan baku (rasio 1).
2. Kriteria 2 yaitu produktivitas jam kerja efektif (rasio 2).
3. Kriteria 3 yaitu efektifitas produksi (rasio 3).
No Periode Jam kerja tersedia (jam)
1 Januari 265
b. Penentuan Performance
Cara menentukan nilai performance ketiga kriteria diatas dapat diperoleh dari cara membagi rasio input masing-masing periode dari bulan Januari sampai dengan bulan Desember 2018 dengan output masing-masing kriteria. Berikut ini pengukuran dari masing-masing kriteria tersebut:
1. Kriteria 1 yaitu produktivitas bahan baku (rasio 1)
Rasio 1 = Jumlah produk yang dihasilkan (Ton)
Pemakaian bahan baku (Ton) X 100%
Contoh perhitungan rasio 1 pada peiode Januari 2018:
=6.131,164
28.123,8 x100%
= 21,800 %
Berdasarkan contoh perhitungan raasio 1 periode Januari diatas maka dapat diperoleh nilai performance untuk rasio 1 (produktivitas bahan baku) 21,800
% bahwa jumlah ini menunjukkan dari total pemakaian bahan baku periode Januari presentase produksi mencapai 21,800 %. Jadi hasil perhitungan dari periode Januari sampai dengan Desember bisa dilihat dari tabel berikut:
Tabel 4.5
Hasil perhitungan rasio 1
(Sumber: Pengolahan Data 2019)
Pada tabel 4.5 berikut ini menunjukkan nilai tertinggi untuk rasio 1 (produktivitas bahan baku) dapat dilihat pada bulan Desember yaitu 22,317 %, sedangkan nilai terendah pada bulan Juni dengan nilai 19,213 %, dan nilai rata-rata untuk rasio 1 yaitu 21,084 %.
2. Kriteria 2 yaitu produktivitas jam kerja efektif (rasio 2)
Rasio 2 = jam kerja operator yang tersedia (jam) total jam operator yang bekerja (jam)
Contoh perhitungan rasio 2 periode Januari 2018:
= 265 jam 143 jam
= 1,85 jam No Periode Pemakaian bahan
baku (ton)
Nilai Minimal (Level 0) 19,213
Nilai Maksimal (Level 10) 22,317
Berdasarkan contoh perhitungan rasio 2 periode Januari diatas maka dapat diperoleh nilai performance untuk rasio 2 (jam kerja efektif ) dengan total 1,85.
Ini menunjukkan perbandingan jam kerja operator dan total jam operator bekerja 1,85. Perhitungan rasio 2 untuk periode Januari sampai dengan Desember 2018 dapat dilihat pada tabeb 4.6 berikut:
Tabel 4.6
Nilai Minimal (Level 0) 1,40
Nilai Maksimal (Level 10) 2,07
(Sumber: Pengolahan Data 2019)
Padatabel 4.6 berikut ini menunjukkan nilai tertinggi untuk rasio 2 ini di capai pada bulan September dengan nilai 2,04, sedangkan nilai terendah terdapat pada bulan Desember dengan nilai 1,40, dan nilai rata-rata nilai rasio 2 yaitu 1,71.
3. Kriteria 3 yaitu efektifitas produksi (rasio 3)
Rasio 3 =jumlah produksi yang dihasilkan (ton) jumlah jam kerja yang tersedia (jam)
Contoh perhitungan rasio 3 pada periode Januari 2018:
Nilai Minimal (Level 0) 18,57
Nilai Maksimal (Level 10) 27,80
(Sumber: Pengolahan Data 2019)
Pada tabel 4.7 berikut ini menunjukkan nilai tertinggi untuk rasio 3 ini di capai pada bulan Mei dengan nilai 27,80, sedangkan nilai terendah terdapat pada bulan November dengan nilai 18,57, dan nilai rata-rata nilai rasio 3 yaitu 23,30.
Berdasarkan perhitungan masing-masing rasio di atas maka didapatkan nilai performance tiap kriteria dapat dilihat pada tabel 4.8 di bawah ini:
Tabel 4.8
Nilai performance tiap Kriteria
No Periode Produktivitas
bahan baku (%)
(Sumber: Pengolahan Data 2019)
Pada tabel 4.8 berikut ini menunjukkan nilai performance dari setiap kriteria dari bulan Januari sampai dengan bulan Desember 2018. Nilai maksimal (level 10), nilai minimum (level 0), dan nilai rata-rata (level 3) disetiap kriteria.
c. Penentuan Nilai Rata-rata (level 3)
Dari nilai rata-rata (level 3) di dapat nilai rata-rata performance setiap kriteria selama periode pengukuran yaitu dari bulan Januari samapai dengan bulan Desember 2018. Nilai (level 3) yang di peroleh untuk setiap kriteria dapat dilihat dari tabel 4.9 di bawah ini
Tabel 4.9
Nilai Rata-rata (level 3) tiap kriteria
Kriteria Level 3
Produktivitas Bahan Baku (%) 21,084
Jam kerja Efektif 1,83
Efektifitas Produksi (ton/jam) 23,45 (Sumber : Pengolahan Data, 2019).
Dari tabel 4.9 ini nilai rata-rata tiap kriteria pada level 3 maka produktivitas bahan baku di dapat sebesar 21,084, jam kerja efektif didapat sebesar 1,83 dan efektifitas produksi didapat sebesar 23,45.
d. Penentuan Nilai Produktivitas tertinggi (Level 10)
Level 10 ini didapat dari nilai yang tertinggi pada rasio tiap kriteria. Level 10 ini merupakan target yang diinginkan perusahaan. Level 10 ini dapat dilihat pada tabel 4.10 dibaawah ini:
Tabel 4.10
Nilai (Level 10) tiap kriteria
Kriteria Level 10
Produktivitas Bahan Baku (%) 22,317
Jam kerja Efektif 2,07
Efektifitas Produksi (ton/jam) 27,80 (Sumber : Pengolahan Data, 2019).
Dari tabel 4.10 ini nilai rata-rata tiap kriteria pada level 10 maka produktivitas bahan baku di dapat sebesar 22,317, jam kerja efektif didapat sebesar 2,07 dan efektifitas produksi didapat sebesar 27,80.
e. Penentuan Nilai Produktivitas Terendah (Level 0)
Level 0 ini didapat dari nilai yang terendah pada rasio tiap kriteria. Level 0 ini merupakan nilai terburuk yang terjadi selama pengukuran di perusahaan. Level 0 ini dapat dilihat pada tabel 4.11 dibaawah ini
Tabel 4.11
Nilai (Level 0) tiap kriteria
Kriteria Level 0
Produktivitas Bahan Baku (%) 19,213
Jam kerja Efektif 1,40
Efektifitas Produksi (ton/jam) 18,57 (Sumber : Pengolahan Data, 2019).
Dari tabel 4.11 ini nilai rata-rata tiap kriteria pada level 0 maka produktivitas bahan baku di dapat sebesar 19,213, jam kerja efektif didapat sebesar 1,40 dan efektifitas produksi didapat sebesar 18,57.
f. Penentuan Nilai Produktivitas Realistis (level 1-2 dan level 4-9)
Nilai produktivitas realistis merupakan nilai yang mungkin dicapai setiap kriteria sebelum sasaran akhir. Berikut ini perhitungan skala 1-2 dan 4-9:
skala (1 − 2) =*+,+* 3 − *+,+* 0 (3 − 0)
Contoh perhitungan skala untuk level 1-level 2 pada rasio 1
21,084 − 19,213
(3 − 0) = 0,623
skala (4 − 9) =*+,+* 10 − *+,+* 3 (10 − 3)
Contoh perhitungan skala untuk level 4-level 9 pada rasio 1
22,317 − 21,084
(10 − 3) = 0,176
Tabel 4.12
Nilai Level 1-2 dan 4-9 Untuk Tiap Kriteria
Skala Rasio 1 Rasio 2 Rasio 3
Level 1-2 0,623 0,032 0,621
Level 4-9 0,176 0,143 1.627
(Sumber : Pengolahan Data, 2019).
Berdasarkan tabel 4.12 maka didapat nilai untuk tiap kriteria pada level 1-2 pada rasio 1 sebesar 0,61-23, rasio 1-2 sebesar 0,031-2, dan rasio 3 sebesar 0,61-21 sedangkan pada level 4-9 didapat pada rasio 1 sebesar 0,176, rasio 2 sebesar 0,143 dan rasio 3 sebesar 1,672.
g. Penentuan Bobot, Skor, Dan Nilai
Untuk penentuan nilai bobot berdasarkan pada penentuan nilai perioritas kriteria, yaitu dengan membandingkan kriteria yang satu dengan kriteria yang lainnya. Untuk lebih mempermudah penentuan prioritas maka perlu dibuat tabel konversi dari pernyataan perioritas ke dalam angka-angka.
Tabel 4.13
Skala perioritas kriteria
No Tingkat Perioritas
1 KRITERIA 1 sama penting dibandingkan dengan KRITERIA 2
3 KRITERIA 1 sedikit lebih penting dibandingkan dengan KRITERIA 2 5 KRITERIA 1 lebih penting dibandingkan dengan KRITERIA 2
7 KRITERIA 1 sangat penting dibandingkan dengan KRITERIA 2 9 KRITERIA 1 jauh sangat penting dibandingkan dengan KRITERIA 2 2,4,6,8 *) Nilai tengah-tengah
(sumber : satria, 2014)
Seterusnya adalah membuat tabel perbandingan perioritas setiap kriteria dengan membandingkan masing-masing kriteria yang di tunjukkan pada tabel 4.14 dibaawah ini:
Tabel 4.14
Perbandingan Perioritas Setiap Kriteria Kriteria 1 Kriteria 2 Kriteria 3
Kriteria 1 1 1 5
Kriteria 2 1/3 3 3
Kriteria 3 1/5 1/5 1
(Sumber : Pengolahan Data, 2019).
Seterusnya baru menentukan bobot tiap kriteria, nilai bobot ini berkisar antara 0-1 total bobot untuk setiap kolam adalah 1. Cara menghitung bobot adalah angka pada setiap kotak dibagi dengan penjumlahan semua angka dalam kolom yang sama, contoh perhitungan bobot seperti dibawah ini:
(kriteria 1, kriteria 1) = 1/(1+0,333+0.200) = 0,652 (kriteria 1, kriteria 2) = 1/(1+3+0.200) = 0,238
Tabel 4.15
Seterusnya mencari nilai bobot masing-masing kriteria dengan menjumlahkan setiap nilai bobot prioritas pada setiap barisan tabel dibagi dengan jumlah kriteria sehingga diperoleh bobot masing-masing kriteria tersebut.
Kriteria 1 = (0,652+0,238+0,555)/3 = 0,481 Kriteria 2 = (0,217+0,714+0,333)/3 = 0,421 Kriteria 3 = (0,130+0,047+0,111)/3 = 0.096
Jumlah total bobot semua kriteria =1 (100 %) sesuai kaidah dimana jumlah total harus bernilai 100.
Tabel 4.16
Bobot Untuk Setiap Kriteria
No Kriteria Produktivitas Bobot %
1 Bahan Baku (%) 0,481 48
2 Jam Kerja Efektif 0,421 42
3 Efektifitas Produksi (ton/jam) 0,096 10 (Sumber : Pengolahan Data, 2019).
Cara menentukan skor dan nilai dibutuhkan matrik struktur OMAX, berikut adalah cara penentuan skor dan nilai tersebut.
a. Skor diperoleh dari melihat kinerja dari rasio tiap kinerja yang mendekati angka pada level 0 – level 10.
b. Nilai merupakan hasil perkalian bobot dan skor sehingga didapat hasil nilai (value).
Contoh perhitungan bulan januari:
Rasio 1 = 48 x 7 = 336 Rasio 2 = 42 x 4 = 168 Rasio 3 = 10 x 3 = 30
h. Pengukuran Indeks Produktivitas
Pengukuran indeks produktivitas ini dilakukan untuk mengetahui kenaikan atau penurunan selama periode tersebut. Perhitungan yang mengacu pada standar dengan menggunakan rumus dibawah ini:
IP =nilai produktivitas saat ini (1233+45) − 300
300 x 100 %
Menghitung nilai current dengan menjumlahkan semua nilai produktivitas.
i. Indikator Performansi
Selesai dilakukan pengukuran current, indeks produktivitas dan previous maka performansi dari keseluruhan kriteria setiap periode dapat dilihat pada tabel matriks ( periode Januari – Desember ):
Tabel 4.17
Matriks Indikator Performansi Periode Januari
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Contoh perhitungan pada bulan Januari 2018 seperti dibawah ini : 336+168+30 = 534
Menghitung indeks pada bulan Januari adalah:
Indeks Periode 1 = 534 − 300
300 x 100 % = 78 %
Dari tabel 4.17 berikut ini adalah matriks performansi periode bulan Januari, rasio 2 berda pada level 4 dan 3 berada pada level 3 sedangakan rasio 1 berada pada level 7. Dari hasil perhitungan diperoleh tingkat produktivitas bulan Januari yaitu 534 dan indeks produktivitas sebesar 78 %.
Berdasarkan tabel diatas maka jelaslah penentuan rasio-rasio tersebut berada pada level berapa dan dimana tanda yang sudah diberi itu yang mendekati nilai pada bulan januari tersebut.
Tabel 4.18
Matriks Indikator Performansi Periode Februari
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Menghitung indeks pada bulan Februari adalah:
Indeks Periode 2 = 498 − 300
300 x 100 %
= 66 %
Dari tabel 4.18 adalah matriks performansi pada bulan Februari dan hasil perhitungan produksi yang terjadi sebesar 498 dan indikasi mengalami perubahan produktivitas produksi yang terjadi berjumlah sebesar 66 %, dan nilai produktivitas periode sebelumnya mengalami penurunan sebesar -6,74 %.
Contoh perhitunagan untuk mencari previous pada bulan Februari 2018 :
Previous Periode 2 =1233+45 periode 2 − 1233+45 periode 1
Matriks Indikator Performansi Periode Maret
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Menghitung indeks pada bulan Maret adalah:
Indeks Periode 3 = 436 − 300
300 x 100 % = 45,33 %
Dari tabel 4.19 adalah matriks performansi pada bulan Maret dan hasil perhitungan produksi yang terjadi sebesar 436 dan indikasi mengalami perubahan produktivitas produksi sangat menurun hingga mencapi jumlah sebesar 45,33 %, dan nilai produktivitas periode sebelumnya mengalami penurunan sebesar – 12,44%.
Tabel 4.20
Matriks Indikator Performansi Periode April
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Menghitung indeks pada bulan April adalah:
Indeks Periode 4 = 340 − 300
300 x 100 % = 13,33 %
Dari tabel 4.20 adalah matriks performansi pada bulan April dan hasil perhitungan produksi yang terjadi sebesar 340 dan indikasi mengalami perubahan produktivitas produksi karna jam kerja efektif karyawan kurang bagus jadi akan terjadi penurun hingga mencapi jumlah sebesar 13,33 %, dan dari nilai produktivitas periode sebelumnya nilai produktivitasnya mengalami penurunan sebesar - 22,02 %.
Tabel 4.21
Matriks Indikator Performansi Periode Mei
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Menghitung indeks pada bulan Mei adalah:
Indeks Periode 5 = 322 − 300
300 x 100 % = 7,33 %
Dari tabel 4.21 adalah matriks performansi pada bulan Mei ini kriteri yang paling tinggi berada pada rasio 3 dan hasil perhitungan produksi yang terjadi sebesar 322 dan indikasi mengalami perubahan produktivitas produksi karna bahan baku yang dimintak dibawah rata-rata ini akan mengakibatkan penurun hingga mencapi jumlah sebesar 7,33 %, dan dari nilai produktivitas periode sebelumnya nilai produktivitasnya mengalami kenaikan sebesar - 5,29 %.
Tabel 4.22
Matriks Indikator Performansi Periode Juni
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Menghitung indeks pada bulan Juni adalah:
Indeks Periode 6 = 334 − 300
300 x 100 % = 11,33 %
Dari tabel 4.22 adalah matriks performansi pada bulan Juni dan hasil perhitungan produksi yang terjadi sebesar 334 dan indikasi mengalami perubahan produktivitas produksi karna bahan baku yang diminta dibawah rata-rata dan yang menempati level paling rendah dan efektifitas produksinya dibawah rata-rata ini akan mengakibatkan penurunan hingga mencapi jumlah sebesar 11,33 %, dan dari periode sebelumnya nilai produktivitasnya mengalami kenaikan sebesar 3,73 %.
Tabel 4.23
Matriks Indikator Performansi Periode Juli
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Menghitung indeks pada bulan Juli adalah:
Indeks Periode 7 = 606 − 300
300 x 100 % = 102 %
Dari tabel 4.23 adalah matriks performansi pada bulan Juli dan hasil perhitungan produksi yang terjadi sebesar 606 dan indikasi mengalami peningkatan hingga mencapi jumlah sebesar 102 %, ini disebab kan oleh rasio 2 berada pada level paling atas dan dari nilai produktivitas periode sebelumnya nilai produktivitasnya mengalami kenaikan sebesar 81,44 %.
Tabel 4.24
Matriks Indikator Performansi Periode Agustus
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Menghitung indeks pada bulan Agustus adalah:
Indeks Periode 8 = 632 − 300
300 x 100 % = 110,66 %
Dari tabel 4.24 adalah matriks performansi pada bulan Agustus dan hasil perhitungan produksi yang terjadi sebesar 632 dan indikasi mengalami perubahan produktivitas produksi meningkat hingga mencapi jumlah sebesar 110,66%, dan dari nilai produktivitas periode sebelumnya nilai produktivitasnya mengalami penurunan sebesar 4,29 %.
Tabel 4.25
Matriks Indikator Performansi Periode September
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Menghitung indeks pada bulan September adalah:
Indeks Periode 9 = 448 − 300
300 x 100 %
= 62,66 %
Dari tabel 4.25 adalah matriks performansi pada bulan September dan hasil perhitungan produksi yang terjadi sebesar 448 dan indikasi mengalami perubahan produktivitas produksi menurun diakibatkan karna bahan baku dan efektifitas kerja kurang bagus hingga mencapi jumlah sebesar 62,66 %, dan dari nilai produktivitas periode sebelumnya nilai produktivitasnya mengalami penurunan sebesar -22,78%.
Tabel 4.26
Matriks Indikator Performansi Periode Oktober
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Menghitung indeks pada bulan Oktober adalah:
Indeks Periode 10 = 570 − 300
300 x 100 %
= 90 %
Dari tabel 4.26 adalah matriks performansi pada bulan Oktober dan hasil perhitungan produksi yang terjadi sebesar 570 dan indikasi mengalami perubahan produktivitas produksi meningkat hingga mencapi jumlah sebesar 90 %, dan dari nilai produktivitas periode sebelumnya nilai produktivitasnya mengalami peningkatan sebesar 16,80 %.
Tabel 4.27
Matriks Indikator Performansi Periode November
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Menghitung indeks pada bulan November adalah:
Indeks Periode 11 = 286 − 300
300 x 100 % = - 4,66 %
Dari tabel 4.27 adalah matriks performansi pada bulan November dan hasil perhitungan produksi yang terjadi sebesar 286 dan indikasi mengalami perubahan produktivitas produksi menurun diakibatkan karna jam kerja efektif dan efektifitas produksi kurang bagus hingga mencapi jumlah sebesar -4,66 %, dan dari nilai produktivitas periode sebelumnya nilai produktivitasnya mengalami penurunan sebesar -49,82%.
Tabel 4.28
Matriks Indikator Performansi Periode Desember
Rasio 1 Rasio 2 Rasio 3 Rasio
(Sumber : Pengolahan Data, 2019).
Menghitung indeks pada bulan Desember adalah:
Indeks Periode 12 = 490 − 300
300 x 100 % = 63,33 %
Dari tabel 4.28 adalah matriks performansi pada bulan Desember dan hasil perhitungan produksi yang terjadi sebesar 490 dan indikasi mengalami perubahan produktivitas produksi meningkat hingga mencapi jumlah sebesar 63,33 %, sedangkan rasio 2 dan tiga berada pada level paling rendah. Dari nilai produktivitas periode sebelumnya nilai produktivitasnya mengalami peningkatan sebesar 71,33 %.
Rekapituasi tingkat produktivitas tiap periode dapat dilihat pada tabel 4.29 dibawah ini:
Tabel 4.29
Rekapitulasi Tingkat Produktivitas pada tahun 2018 No Periode Tingkat Produktivitas
1 Januari 534
(Sumber : Pengolahan Data, 2019).
Dari tabel 4.29 diatas maka di dapatlah hasil besar produktivitas dari bulan Januari sampai Desember dengan total 4.786. sedangkan nila terbesar terdapat pada bulan Agustus dengan total 674 dan nilai terendah terdapat pada bulan Juni dengan nilai 164.
Gambar 4.1 Grafik Tingkat Produktivitas saat ini.
Gambar 4.1 grafik tingkat produktivitas selama periode Januari sampai dengan Desember 2018 dapat dilihat produktivitas tertinggi pada bulan Agustus dengan jumlah nilai 632, hal ini desebabkan oleh 3 kriteria ini di atas rata-rata, pada bulan ini proses produksi berjalan lancar. Produksi terendah terjadi pada bulan November dengan jumlah 286, hal ini disebabkan oleh rasio 2 dan rasio 3 berada di bawah rata-rata.
j. Indeks Produktivitas Terhadap Performansi Standar
Indeks produktivitas (IP) digunakan untuk melihat kenaikan dan penurunan produktivitas ditiap periode. Untuk lebih jelas dapat dilihat pada tabel 4.30 dan gambar 4.2 di bawah ini:
534
Tabel 4.30
Rekapitulasi Indeks Produktivitas
No Periode Indeks Produktivitas (%)
1 Januari 78
2 Februari 66
3 Maret 45,33
4 April 13,33
5 Mei 7,33
6 Juni 11,33
7 Juli 102
8 Agustus 110,66
9 September 62,66
10 Oktober 90
11 November -4,33
12 Desember 63,33
Jumlah 645,31
Rata-rata 53,78
(Sumber : Pengolahan Data, 2019).
Dari tabel 4.30 diatas maka di dapatlah hasil rekapitulasi indeks produktivitas terbesar terdapat pada bulan Agustus dengan total 110,66% dan nilai terendah terdapat pada bulan November dengan nilai -4,33%.
Gambar 4.2 Grafik Indeks Produktivitas Terhadap Performansi Standar.
Selama periode Januari sampai dengan Desember 2018 menunjukkan naik turunnya suatu produktivitas. Indeks produktivitas tertinggi pada bulan Agustus dengan jumlah nilai 110,66 % dan yang terendah pada bulan juni dengan jumlah -4, 33 %.
k. Indeks Produktivitas Terhadap Performansi Sebelumnya
Indeks produktivitas digunakan untuk melihat kenaikan dan penurunan produktivitas ditiap periode dengan periode sebelumnya. Untuk lebih jelas dapat dilihat pada tabel 4.30 dan gambar 4.3 di bawah ini:
78
Tabel 4.31
Rekapitulasi IP terhadap performansi sebelumnya No Periode IP terhadap performansi
sebelumnya
(Sumber : Pengolahan Data, 2019).
Dari tabel 4.31 diatas maka di dapatlah hasil rekapitulasi indeks produktivitas terhadap sebelumnya nilai terbesar terdapat pada bulan Juli dengan total 81,44 dan nilai terendah terdapat pada bulan November dengan nilai - 49,84.
Gambar 4.3 Grafik Indeks Produktivitas Terhadap Performansi Sebelumnya.
0
Gambar 4.3 grafik indeks produktivitas terhadap performansi sebelumnya selama periode Januari sampai dengan Desember 2018 menunjukkan naik turunnya suatu produktivitas. Indeks produktivitas tertinggi pada bulan Juli dengan jumlah nilai 81,44 % dan yang terendah pada bulan November dengan jumlah – 49,82 %.
l. Pencapaian Skor Setiap Kriteria
Pencapaian skor masing-masing kriteria rasio produktivitas dapat dilihat pada tabel dibawah ini:
(Sumber : Pengolahan Data, 2019).
Berdasarkan pencapaina skor yang paling tinggi terdapat pada rasio 2 yaitu produktivitas jam kerja efektif dengan jumlah skor 61 dan jumlah skor yang paling rendah terdapat pada rasio 2 dan 3 yaitu bahan baku dan jam kerja efektif dengan skor 49.
Dari kriteria pemakaian bahan baku ini hasil yang paling rendah terjadi pada bulan juni dengan level 0 dan yang tertinggi terjadi pada bulan Desember berada pada level 10 dan kriteria jam kerja efektif yang paling tinggi terdapat pada bulan Agustus berada pada level 10 sedangkan yang paling rendah terjadi pada bulan Desember berada pada level 0 dan kriteria efektivitas produksi ini rasio paling tinggi terdapat pada bulan Mei berada pada 10 sedangkan rasio yang terendah terdapat pada bulan Oktober dan November beradaa pada level 0.
4.2.2 Menentukan Penyebab Turunnya Produktivis Menggunakan Diagram Sebab Akibat (Fishbone Diagram).
Berdasarkan hasil analisa produktivitas diketahui beberapa faktor penyebab turunnya produktivitas dibagian produksi yang ditunjukkan diagram sebab akibat dibawah ini :
Gambar 4.4 Diagram sebab akibat penyebab turunnya produktivitas
Berdasarkan gambar 4.4 dapat diketahui turunnya produktivitas dipengaruhi oleh empat faktor yang menjadi permasalahan produktivitas bagian produksi minyak cpo yaitu faktor mesin, material, metode, dan manusia.
1. Mesin
Mesin ini sangat berpengaruh sekali untuk produktivitas, kerusakan mesin dan kemacetan mesin ini akan membuat produksi menurun. Disini masin yang sering macet ini diakibatkan oleh brondolan sawit sering menyangkut di tutup tippler tersebut jadi akan mengakibatkan sistem pekerjaan mesin ini akan menjadi lambat dan tidak stabil seperti semulanya dan mesin yang sering rusak dibagian penutup tippler ini disebabkan karna buah yang dimasukkan kedalam tipplerterlalu penuh jadi akan sangat di perlukan sekali perawatan yang cukup bagus supaya produksi bisa normal.
2. Material
Material ini sangat perlu sekali untuk suatu produksi suatu perusahaan. Bahan baku yang tidak terpenuhi atau bahan baku kurang ini akan membuat produksi jadi kurang maksimal karna akan mengakibatkan hasil dari suatu produksi akan menurun dari bulan-bulan sebelumnya dan penumpukan bahan baku ini akan menyebabkan produksi kurang bagus karna akan menyebabkan kurangnya hasil minyak cpo yang di produksi.
3. Metode
Metode yang mempengaruhi kurang diperhatikan jadi akan mengakibatkan mesin bekerja kurang bagus, jadi disini harus ada operator yang cukup berpengalaman agar metode ini berjalan dengan lancar.
4. Manusia
Operator merupakan salah satu faktor yang utama berperan langsung terhadap suatu produksi. Operator kurang ahli dan lalai ini akan mengakibatkan
produksi tidak maksimal karna kurang pelatihan yang cukup dan operator yang kuarang pengalaman ini akan menyebabkan produksi kurang maksimal juga, jadi disini kita harus memerlukan operator yang cukup berpengalaman untuk memberikan produksi yang ingin dicapai suatu perusahaan tersebut dan memberikan pelatihan yang cukup.
Berdasarkan faktor-faktor yang mempengaruhi peranan suatu produktivitas di atas maka dilakukan perancangan solusi seperti tabel 4.32 berikut:
Tabel 4.33
Rancangan Solusi Untuk Meningkatkan Produktivitas Produksi
Penyebab Solusi
Mesin
Kerusakan mesin Perawatan harus secara berkala
Diperlukan mekanik yang berpengalaman Material
Material menumpuk Diperlukan nya operator yang cukup aktif untuk memproduksi material agar tidak terjadi penumpukan bahan baku
Material kurang Harus meningkatkan kualitas jual di lapangan Metode
Standar penanganan kurang bagus terhadap mesin
Standarisasi mesin harus di tangani dengan bagus
Manusia
Kurang berpengalaman Harus memberikan pelatihan untuk mencari pengalaman.
Kurang ahli Harus memberikan pelatihan yang cukup Operator lalai Harus memberikan teguran atau menggantikan
dengan operator yang lain.
68
Tani Nusantara dengan metode OMAX.
Berdasarkan analisa hasil dari penglohan data tersebut maka akan di ketahui hasil beberapa kriteria di bawah ini:
1. Kriteria pemakaian bahan baku
Dari nilai skor pemakaian bahan baku ini skor yang paling tinggi terdapat pada bulan Desember dengan hasil produsi sebesar 4.202,214 Ton produksi dengan bahan baku Ton efesiensi pemakaian bahan baku yaitu sebesar 18.829,61 Ton. Pencapaian yang paling rendah berada pada bulan juni, hal ini di karnakan berada di level 0 dan jumlah produksi yang dihasilkan tidak maksimal dengan jumlah 22,317 %, ini disebut bahan baku yang diminta belum terpenuhi.
2. Kriteria Jam Kerja Efektif
Dari kriteria ini merupakan pengukuran produktivitas jam kerja yang tersedia dengan jam kerja operator. Jam kerja efektif paling tinggi berada pada bulan agustus berada di level 10, dan penurunan terendah terjadi di bulan November karna jam operator yang bekerja berada di bawah rata-rata.
3. Kriteria Efektivitas Produksi
Kriteria ini adalah hasil pengukuran jumlah produksi dengan total jam kerja
Kriteria ini adalah hasil pengukuran jumlah produksi dengan total jam kerja