Data Pengelolaan CPO Tangki Timbun Okt 2018- Sept 2019 (kg)
5.2 Pengolahan Data
5.2.6 Pengukuran Rantai Pasok Komoditi Berbasis Kelapa Sawit dengan Pendekatan SCOR Model
5.2.6.2 Penentuan Human Error dengan Metode HEART
Metode HEART merupakan metode yang digunakan untuk mendapatkan nilai human error probability (HEP) pada proses pembuatan CPO. Tetapi sebelum melakukan penilaian dengan metode HEART maka terlebih dahulu digambarkan Hierarchical Task Analysis (HTA) dan diagram hubungan setiap item pekerjaan
(Fault Tree Diagram) yang disesuaikan dengan prosedur kerja proses produksi CPO. Untuk kegiatan produksi CPO, diagram Hierarchical Task Analysis dapat tunjukkan pada Gambar 5.16. dan Fault Tree Diagram ditunjukkan pada Gambar 5.17 berikut.
Proses Pembuatan CPO
2.1. Ketepatan
Waktu 3. Penimbangan 5. Sterilizer 6. Thresher 7. Storage
Plan Source Make
1. Pemesanan
Bahan Baku 2. Ketepatan
Bahan Baku
Deliver Return 8. Pemeriksaan
Dokumentasi Pesanan
9. Pengembalian TBS 1.1. Perencanaan
Produksi
4. Loading Ramp
Sumber: Pengolahan Data
Gambar 5.16 Hierarchical Task Analysis (HTA) Proses Produksi CPO
Kesalahan melakukan proses produksi CPO
3. Gagal
dikerjakan 4. Gagal dikerjakan 5. Gagal dikerjakan 6. Gagal dikerjakan 7. Gagal dikerjakan
C D E F G
Gambar 5.17 Fault Tree Diagram Proses Produksi CPO
Prosedur yang harus dilakukan dalam penentuan human error dengan menggunakan metode HEART adalah:
1. Identifikasi uraian kerja proses Produksi CPO, hasilnya dapat tunjukkan pada pada Tabel 5.14 berikut.
Tabel 5.14 Uraian Kerja Proses Produksi CPO
Kode Uraian kerja
1.1. Pemesanan Bahan Baku 1.2 Perencanaan Produksi 2.1 Ketepatan Bahan Baku 2.2 Ketepatan Waktu
8.1 Pemeriksaan Dokumentasi Pemesanan 9.1 Pengembalian TBS
Sumber: Pengolahan Data
2. Kategori Generic Task Type (GTT) setiap item kerja proses produksi CPO yang diikuti dengan nilai Nominal Human Error Probability hasilnya dapat tunjukkan pada Tabel 5.15 berikut.
Tabel 5.15 Kategori Generic Task Type (GTT) setiap Item
Kode Uraian kerja GTT Nominal Human Error
8.1 Pemeriksaan Dokumentasi Pemesanan E 0,02
9.1 Pengembalian TBS E 0,02
Sumber: Pengolahan Data
3. Identifikasi Error Production Conditions (EPCs) proses produksi CPO Berdasarkan hasil pengamatan, pengumpulan data dan wawancara langsung maka dapat diuraikan faktor-faktor EPCs yang mempengaruhi tingkat kesalahan dalam proses produksi CPO maka dapat diuraikan EPCs yang memengaruhi tingkat kegagalan kerja pekerja pada rantai pasok produksi CPO. EPCs memiliki 2 kategori, yaitu kategori 1 dan kategori 2, dan masing-masing telah memiliki nilai efek maksimum yang dapat memengaruhi human error probability. Error kategori 1 berpengaruh tinggi dan error kategori 2 berpengaruh sedang. Identifikasi Error Producing Conditions (EPCs) dapat ditunjukan pada Tabel 5.16 berikut.
Tabel 5.16 Identifikasi Error Producing Conditions (EPCs)
Model SCOR Kategori Error Producing Condition Nilai Efek Maksimum Plan 1 5. Tidak ada alat untuk menyampaikan informasi
baik itu bersifat fungsional ataupun spasial kepada operator dalam bentuk yang mudah dipahami
8
2 17. Sedikit atau tidak adanya kebebasan pengecekan atas keluaran yang telah dilakukan
3 13. Sistem feedback yang buruk, rancu serta tidak
sesuai
4 Source 1 10. Kebutuhan untuk memindahkan tugas ke tugas
berikutnya tanpa menimbulkan kerugian
5,5 12. Ketidaksesuaian antara risiko yang dibayangkan
dan risiko sebenarnya
4 2 17. Sedikit atau tidak adanya kebebasan pengecekan
atas keluaran yang telah dilakukan
3 Make 1 5. .Tidak ada alat untuk menyampaikan informasi
baik itu bersifat fungsional ataupun spasial kepada operator dalam bentuk yang mudah dipahami
8
7. Tidak adanya alat untuk mengembalikan tindakan kedalam bentuk aslinya
8
15. Kurangnya pengalaman operator 4
17. Sedikit atau tidak adanya kebebasan pengecekan atas keluaran yang telah dilakukan
3 12. Ketidaksesuaian antara risiko yang dibayangkan
dan risiko sebenarnya
1,6 2 26. Tidak ada langkah yang jelas untuk memastikan
bahwa langkah yang ada sesuai pada jalur aktivitas
1,4 Deliver 1 17. Kualitas informasi yang rendah terkait dengan
prosedur dan juga interaksi antar personal
3
Tabel 5.16 Identifikasi Error Producing Conditions (Lanjutan)
Model SCOR Kategori Error Producing Condition Nilai Efek Maksimum 17. Sedikit atau tidak adanya kebebasan pengecekan
atas keluaran yang telah dilakukan
3 2 19. Tidak adanya perbedaan antara masukan informasi
dari kebenaran pengecekan
2 24. Kebutuhan untuk membuat penilaian yang pasti
yang di luar batas kemampuan operator
1,6
Return 1 15. Kurangnya Pengalaman Operator 4
16. kualitas informasi yang rendah terkait dengan prosedur dan juga interaksi antar personal
3 2 19. Tidak adanya perbedaan antara masukan informasi
dari kebenaran pengecekan
2 Sumber: Pengolahan Data
4. Menentukan Assessed Proportion of Effect (APOE) dan Assessed Effect (AE) Setiap Error Producing Conditions (EPCs) Proses produksi CPO.
Assessed Proportionof Effect (APoE) diperoleh dari pengamatan dan wawancara dengan pekerja terkait. Nilai APoE berkisar antara 0 – 1 dengan rincian nilai 0,1;0,2;0,3;0,4;0,5;0,6;0,7;0,8;0,9;1.
Semakin tinggi nilai APoE, maka semakin tinggi error tersebut akan/pernah terjadi. Nilai Assessed Effect (AE) diperoleh dari rumus AE = ((Nilai efek maksimum-1) x APoE)+1).
Sebagai contoh, pada perhitungan AE model SCOR kategori 1 dengan EPC 5, nilai efek maksimumnya 8 dan nilai APoE 0,3 maka:
AE = ((Nilai efek maksimum-1) x APoE)+1) AE = ((8-1) x 0,3) +1)
AE = ((7 x 0,3) + 1) AE = (2,1 + 1) AE = 3,1
Proporsi efek atau Assessed Proportionof Effect (APoE) dan besarnya nilai
Assessed Effect (AE) dari setiap EPCs yang telah diidentifikasi dapat ditunjukan pada Tabel 5.17 berikut.
Tabel 5.17 Nilai Proposi Efek (APOE) dan Perhitungan AE
Model
SCOR Kategori Error Producing Condition
5. Menghitung nilai Assessed Effect (AE) pada Proses produksi CPO Nilai total Assessed Effect (AE) dapat dihitung dengan rumus:
Total AE = AE1 x AE2 x AE3 x … x Aen
dimana n adalah banyaknya AE yang diidentifikasi sebagai faktor EPCs..
Perhitungan nilai total AE dapat ditunjukan pada Tabel 5.18.
Tabel 5.18 Perhitungan Total Nilai AE Keseluruhan
Dari rekapitulasi perhitungan tabel diatas, dapaat dilihat bahwa nilai AE tertinggi ada pada kategori process Make, yaitu 44,94.
6. Menghitung nilai Human Error Probability (HEP)
Untuk menentukan nilai HEP dapat dihitung dengan rumus:
HEP = Nominal HEP x Total AE
Maka untuk nilai Human Error Probability (HEP) untuk setiap kode pekerjaan dapat ditunjukan pada Tabel 5.19 berikut.
Tabel 5.19 Nilai Human Error Probability (HEP)
Kode Uraian kerja GTT Nominal Human
Error Probability Total AE HEP
1.1 Pemesanan Bahan Baku D 0,09 8,92 0,8028
8.1 Pemeriksaan Dokumentasi Pemesanan E 0,02 7,25 0,145
9.1 Pengembalian TBS E 0,02 3,74 0,0748
Sumber : Pengolahan Data
Untuk menghitung total nilai HEP operator dengan FTA, maka dibutuhkan data mengenai Fault Tree Diagram dan nilai HEP setiap basic event yang diperoleh dari hasil kuantifikasi dengan metode HEART.
Berikut ini satu contoh perhitungan nilai HEP, yaitu pada pintu hubungan B dengan menggunakan data hasil perhitungan HEP.
HEP1. = 0,8028 HEP1. = 0,8028
Total HEP untuk operator proses produksi CPO adalah 3,801 dan untuk lebih lengkapnya dapat dilihat Gambar 5.18 berikut.
3,801
0,8988 0,1348 0,0179 0,1348 0,8988
C D E F G
0,8988 0,1348 0,0179 0,1348 0,8988
0,9812 0,5148 2,0852 0,145 0,074
0,2574
B
0,2574 0,8028
A
0,8028
0,145
H
0,145
0,074
I
0,074 0,1784
A
0,1784
0,2574
B
0,2574
Sumber: Pengolahan Data
Gambar 5.18 Hasil Fault Tree Diagram Nilai HEP Kegiatan Produksi CPO
Dari gambar 5.18 diatas dapat dilihat total Human Error Probability (HEP) 3,801 yang didapat dari menjumlahkan total keseluruhan nilai dari setiap kegiatan pada sub-proses pada model SCOR.
