BAB III
TINJAUAN PUSTAKA
3.1. Tata Letak Pabrik
Tata letak adalah suatu landasan utama dalam dunia industri. Tata letak
pabrik atau tataletak fasilitas dapat didefinisikan sebagai tata cara pengaturan
fasilitas-fasilitas pabrik guna menunjang kelancaran proses produksi. Pengaturan
tersebut akan coba memanfaatkan luas area untuk penempatan mesin atau fasilitas
penunjang produksi lainnya, kelancaran gerakan perpindahan material,
penyimpanan material baik yang bersifat temporer maupun permanen, personel
pekerja, dan sebagainya.
Umumnya tataletak pabrik yang terencana dengan baik akan ikut
menentukan efisiensi dan dalam beberapa hal juga menjaga kelangsungan hidup
ataupun kesuksesan kerja suatu industri. Karena aktivitas produksi suatu industri
secara normalnya harus berlangsung lama dengan tataletak pabrik yang tidak
selalu berubah-ubah, maka setiap kekeliruan yang dibuat di dalam perencanaan
tataletak ini akan menyebabkan kerugian-kerugian yang tidak kecil. Tujuan utama
di dalam desain tataletak pabrik pada dasarnya adalah untuk meminimalkan total
biaya yang diantara lain menyangkut elemen-elemen biaya sebagai berikut :
a. Biaya untuk konstruksi dan instalasi baik untuk bangunan mesin, maupun
fasilitas produksi lainnya.
c. Biaya produksi, maintenance, safety dan biaya penyimpanan produk setengah
jadi (Wignjosoebroto 2000, h. 67-68).
Kriteria Tataletak Pabrik:
a. Jarak angkut yang minimum
b. Aliran material yang baik
c. Penggunaan ruangan yang efektif
d. Keselamatan barang-barang yang diangkut.
e. Kemungkinan-kemungkinan perluasan di masa depan.
f. Biaya efektifitas yang maksimum faktor-faktor di atas perlu diusahakan
dengan biaya yang rendah (Vivi,Sulaiman, &Syamsuddin 2017).
Dalam tata letak pabrik ada 2 hal yang diatur letaknya (Wignjosoebroto, 1996
: h. 75–76), yaitu :
a. Pengaturan mesin (Machine Layout)
Pengaturan dari semua mesin dan fasilitas yang diperlukan untuk proses
produksi didalam tiap-tiap departemen yang ada di dalam pabrik.
b. Pengaturan departemen yang ada dalam pabrik
Pengaturan bagian/departemen serta hubungannya satu dengan lainnya di
dalamsebuah pabrik (Artika& Antoni 2017).
3.2. Tujuan Perancangan Tataletak
Secara garis besar tujuan utama dari tata letak pabrik ialah mengatur area
kerja dan segala fasilitas produksi yang paling ekonomis untuk operasi produksi
dari operator. Lebih spesifik lagi suatu tata letak yang baik akan dapat
memberikan keuntungan-keuntungan dalam sistem produksi, yaitu antara lain
sebagai berikut:
1. Menaikkan output produksi
2. Mengurangi waktu tunggu (delay)
3. Mengurangi proses pemindahan bahan (material handling)
4. Penghematan penggunaan areal untuk produksi, gudang dan service
5. Pendaya guna yang lebih besar dari pemakaian mesin, tenaga kerja, dan/atau
fasilitas produksi lainnya
6. Mengurangi inventory in process
7. Proses manufacturing yang lebih singkat
8. Mengurangi resiko bagi kesetahan dan keselamatan kerja dari operator
9. Memperbaiki moral dan kepuasan kerja
10. Mempermudah aktivitas supervise
11. Mengurangi kemacetan dan kesimpang-siuran
12. Mengurangi faktor yang bisa merugikan dan mempengaruhi kualitas dari
bahan baku ataupun produk jadi (Wignjosoebroto 2000, h. 68-72)
3.3. Permasalahan Tata Letak
Seringkali masalah yang dihadapi melibatkan penataletakan ulang dari
suatu proses yang telah ada atau perubahan beberapa bagian dari susunan
peralatan tertentu.
1. Perubahan Rancangan
Perubahan ini mungkin hanya memerlukan penggantian sebagian kecil tata
letak yang telah ada, atau berbentuk perancangan ulang tata letak bergantung
pada perubahan-perubahan yang terjadi.
2. Perluasan Departemen
Jika karena suatu alasan diperlukan penambahan produksi suatu komponen
produk tertentu, mungkin saja diperlukan perubahan tata letak. Hal ini hanya
merupakan penambahan sejumlah mesin yang dengan mudah dapat diatasi
dengan membuat ruangan atau mungkin diperlukan perubahan seluruh tata
letak jika pertambahan produksi menuntut perubahan proses.
3. Pengurangan Departemen Jika
jumlah produksi berkurang secara drastis dan tetap, perludipertimbangkan
pemakaian proses yang berbeda dari proses sebelumnya yang digunakan
untuk produksi tinggi.
4. Penambahan Produk Baru
Peralatan yang ada dapat digunakan dengan menambah beberapa mesin baru
disana sini dalam tata letak yang telah ada dengan penyusunan ulang
minimum, atau memerlukan penyiapan departemen baru bahkan pabrik baru.
5. Memindahkan Departemen
Memindahkan satu departemen dapat menimbulkan masalah tata letak yang
besar. Jika tata letak yang sekarang masih memenuhi, hanya diperlukan
pemindahan ke lokasi lain.
Masalah ini dapat timbul dari harapan untuk mengkonsolidasikan. Masalah
ini dapat timbul jika menetapkan untuk membuat suatu komponen yang
selama ini dibeli dari perusahaan lain.
7. Peremajaan Peralatan yang Rusak
Permasalahan ini menuntut pemindahan peralatan yang berdekatan untuk
mendapatkan tambahan ruang (Apple 2017, h. 16-17).
3.4. Pengertian Umum Pemindahan Bahan
Pemindahan bahan (material handling) dirumuskan oleh American
Material Handling Society, yaitu sebagai suatu seni dari ilmu yang meliputi
penanganan (handling), pemindahan (moving), pembungkusan/pengepakan
(packaging), penyimpanan (storing) sekaligus pengendalian pengawasan (controlling) dari bahan atau material dengan segala bentuknya. Dalam kaitannya dengan pemindahan bahan, maka proses pemindahan bahan ini akan dilaksanakan
dari satu lokasi ke lokasi yang lain. Demikian pula lintasan ini dapat dilaksanakan
dalam suatu lintasan yang tetap atau berubah-ubah(Wigniosobroto 2000, h. 212).
Terdapat beberapa macam sistem yang digunakan untuk melakukan
pengukuran jarak dari suatu lokasi terhadap lokasi lain, seperti euclidean, square
euclidean, rectilinear, aisle distance dan adjacency.
1. Jarak Euclidean
Jarak diukur lurus dari satu fasilitas ke fasilitas lainnya. Jarak euclidean dapat
diilustrasikan sebagai conveyor lurus yang memotong dua buah stasiun kerja.
[( ) ( ) ]
Yi : koordinat Y pada pusat fasilitas i
Dij : jarak antar pusat fasilitas i ke j
2. Jarak Rectilinear
Jarak diukur sepanjang lintasan dengan menggunakan garis tegak lurus
(orthogonal) satu dengan yang lainnya. Sebagai contoh perhitungan jarak antar fasilitas dimana peralatan pemindahan bahan hanya dapat bergerak
secara tegak lurus. Formula yang digunakan adalah:
dij = |Xi-Xj| + |Yi-Yj| (3.2)
3. SquaredEuclidean
Jarak diukur dengan mengkuadratkan bobot terbesar suatu jarak antar dua
fasilitas yang berdekatan.relatif untuk beberapa persoalan terutama
menyangkut persoalan lokasi fasilitas diselesaikan dengan penerapan square
euclidean.Formula yang digunakan adalah:
dij = (Xi-Xj)2 + (Yi-Yj)2 (3.3)
4. Aisle
Aisle distance akan mengukur jarak sepanjang lintasan yang dilalui alat
pengangkut pemindah bahan. Dari Gambar 2.1 (a) ukuran jarak aisle antara
departemen K dan M merupakan jumlah dari a, b dan d. Sedang Gambar 2.1
(b) jarak aisle departemen 1 dengan departemen 3 merupakan jumlah dari a,
c, f dan h. Aisle distance pertama kali diaplikasikan pada masalah tata letak
a
Gambar 3.1. Adjacency Distance
5. Adjacency
Adjacency merupakan ukuran kedekatan antara fasilitas-fasilitas atau departemen-departemen yang terdapat dalam suatu perusahaan. Dalam
perancangan tata letak dengan metode SLP, sering digunakan ukuran
adjacency yang biasa digunakan untuk mengukur tingkat kedekatan antara departemen satu dengan departemen lainnya. Kelemahan ukuran jarak
adjacency adalah tidak dapat memberi perbedaan secara riil jika terdapat dua pasang fasilitas di mana satu dengan lainnya tidak berdekatan. Sebagai contoh
(Gambar 2.2.) jarak antara departemen K dan departemen N yang tidak saling
berdekatan berjarak 40 m, dan jarak antara departemen M dan departemen N
yang berjarak 75 m, hal ini bukan berarti antara departemen K dan departemen
N mempunyai tingkat kedekatan yang lebih tinggi. Dalam hal ini
kedekatan departemen M dan N) dalam adjacency akan sama-sama diberi nilai 0. Sebaliknya meskipun departemen M dan departemen N masing-masing jika
diukur dengan jarak rectilinear maupun jarak euclidean sama dengan
departemen L, bukan berarti mempunyai nilai adjacency yang sama. Bisa saja
antara departemen M dan departemen L mempunyai jarak adjacency yang
lebih dibandingkan jarak adjacency antara departemen N dan departemen L.
Misalkan antara departemen M dan L nilai adjacency sebesar 3, sedang antara
departemen N dan L nilai adjacency sebesar 1 (Purnomo 2004, h. 80-85).
Dept L Dept K
Dept M Dept N
Gambar 3.2. Adjacency Distance
3.4.1. Perhitungan Titik Berat
Titik berat merupakan suatu titik tempat berpusatnya berat dari benda
tersebut. Titik berat ini terletak pada perpotongan diagonal ruang yang berbentuk
teratur dan terletak pada perpotongan kedua garis vertikal untuk benda berbentuk
sembarang. Cara menghitung titik berat adalah sebagai berikut:
Keterangan:
X12 : Titik berat fasilitas secara horisontal
X1 : Jarak horisontal dari titik nol ke titik tengah fasilitas pertama
X2 : Jarak horisontal dari titik nol ke titik tengah fasilitas kedua
A1 : Luas bangunan pertama
A2 : Luas bangunan kedua
Y12 : Titik berat fasilitas secara vertikal
Y1 : Jarak vertikal dari titik nol ke titik tengah fasilitas pertama
Y2 : Jarak vertikal dari titik nol ke titik tengah fasilitas kedua(Pramono &
Widyadana2015)
3.4.2. Tujuan Utama Kegiatan Pemindahan Bahan
Tujuan kegiatan pemindahan bahan itu antara lain:
1. Meningkatkan kapasitas produksi
Peningkatan kapasitas produksi ini dapa dicapai melalui:
a. Peningkatan produksi kerja per man-hour
b. Peningkatan efisiensi mesin atau peralatan dengan mengurangi down-time
c. Menjaga kelancaran aliran kerja dalam pabrik
d. Perbaikan pengawasan terhadap kegiatan produksi.
2. Mengurangi limbah buangan (waste)
Untuk mencapai tujuan ini, maka dalam kegiatan pemindahan bahan harus
a. Pengawasan yang sebaik-baiknya terhadap keluar masuknya persediaan
material yang dipindahkan
b. Fleksibilitas untuk memenuhi ketentuan-ketentuan dan kondisi-kondisi
khusus dalam memindahkan bahan ditinjau dari sifatnya.
c. Fleksibilitas untuk memenuhi ketentuan-ketentuan dan kondisi-kondisi
khusus dalam memindahkan bahan ditinjau dari sifatnya.
3. Memperbaiki kondisi area kerja
Pemindahan bahan yang baik akan dapat memenuhi tujuan ini, dengan cara:
a. Memberikan kondisi kerja yang lebih nyaman dan aman
b. Mengurangi faktor kelelahan bagi pekerja/operator
c. Menigkatkan perasaan nyaman bagi operator
d. Memacu pekerja untuk mau bekerja lebih produktif lagi.
4. Memperbaiki distribusi material
Dalam hal ini, kegiatan material handling memiliki sasaran :
a. Mengurangi terjadinya kerusakan terhadap produk selama proses
pemindahan bahan dan pengiriman
b. Memperbaiki jalur pemindahan bahan
c. Memperbaiki lokasi dan pengaturan dalam fasilitas penyimpanan (gudang)
d. Maningkatkan efisiensi dalam hal pengiriman barang dan penerimaan.
5. Mengurangi biaya
Pengurangan biaya ini dapat dicapai melalui :
a. Penurunan biaya inventory
c. Peningkatan produktivitas.
Masalah pemindahan bahan mencakup kemungkinan bahwa sumber atau
tujuan dapat dipergunakan sebagai titik antara dalam mencari hasil
optimal(Purnomo 2004, h. 225-227).
3.5. Analytical Hierarchy Process (AHP)
MetodeAHPdikembangkanolehThomasL.Saaty,seorangahlimatematika.
Metodeiniadalahsebuahkerangkauntukmengambil keputusan denganefektifatas
persoalanyangkompleksdenganmenyederhanakan danmempercepatproses
pengambilankeputusandenganmemecahkanpersoalantersebutkedalambagian-
bagiannya,menatabagianatauvariabelini dalamsuatususunanhirarki,membernilai
numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan
mensintesisberbagaipertimbangan iniuntukmenetapkanvariabelyangmanayang
memilikiprioritaspalingtinggidanbertindak untukmempengaruhihasilpadasituasi
tersebut.MetodeAHPinimembantumemecahkan persoalanyangkompleksdengan
menstruktur suatu hirarki kriteria, pihak yang berkepentingan,hasil dan dengan
menarikberbagaipertimbangangunamengembangkanbobotatauprioritas.Metode
inijugamenggabungkan kekuatandariperasaandanlogikayangbersangkutanpada
berbagaipersoalan,lalumensintesisberbagaipertimbanganyangberagammenjadi
hasilyangcocokdenganperkiraan kitasecaraintuitifsebagaimanayang
dipresentasikanpadapertimbanganyangtelahdibuat.
MenurutSaaty,adatigaprinsipdalammemecahkan
menentukan prioritas (Comparative Judgement), dan prinsip konsistensi logis (Logical Consistency). Hirarkiyang dimaksudadalahhirarkidaripermasalahanyang
akandipecahkanuntuk mempertimbangkan
kriteria-kriteriaataukomponen-komponenyangmendukung pencapaian
tujuan.Dalamprosesmenentukantujuandanhirarkitujuan,perlu diperhatikan
apakah kumpulan tujuan beserta kriteria-kriteria yang bersangkutan
tepatuntukpersoalanyangdihadapi.
Setelahpersoalandidefinisikan makaperludilakukandecomposition,yaitu
memecah persoalanyangutuhmenjadi unsur-unsurnya.Jikainginmendapatkanhasil
yangakurat,pemecahanjugadilakukanterhadapunsur-unsurnyasehinggadidapatkan
beberapatingkatan daripersoalan tadi.Karena alasaninimakaprosesanalisisini
dinamai hirarki (Hierarchy). Prinsip Comparatif Judgement berarti membuat
penilaiantentangkepentingan relatifduaelemenpadasuatutingkattertentudalam
kaitannyadengantingkatyangdiatasnya. Penilaianinimerupakan intidariAHP,
karenaakanberpengaruhterhadapprioritaselemen-elemen. Hasildaripenilaianini
akanditempatkan dalambentukmatriksyangdinamakan matrikspairwise
comparison.Dalammelakukanpenialaianterhadapelemen-elemen yang diperbandingkanterdapattahapan-tahapan,yakni:
a. Elemenmanayanglebih(penting/disukai/berpengaruh/lainnya)
b. Berapakalisering(penting/disukai/berpengaruh/lainnya
Dalampenyusunanskalakepentinganini,digunakanacuanseperti
Tabel 3.1.Skala Penilaian Perbandingan Berpasangan AHP
Intensitas Kepentingan Keterangan
1 Kedua elemen sama pentingnya
3 Elemen yang satu sedikit lebih penting daripada elemen yang
lainnya
5 Elemen yang satu lebih penting daripada yang lainnya
7 Satu elemen jelas lebih mutlak penting daripada elemen lainnya
9 Satu elemen mutlak penting daripada elemen lainnya
2,4,6,8 Nilai-nilai antara dua nilai pertimbangan-pertimbangan yang
berdekatan
Dari setiap matriks pairwise comparison kemudian dicari nilai eigen
vectornyauntukmendapatkanlocalpriority.Karenamatriks-matriks pairwise comparisonterdapatpadasetiaptingkat, makauntukmendapatkanglobalpriority
harusdilakukansintesisantaralocalpriority.Pengurutanelemen-elemen menurut
kepentingan relatifmelaluiprosedursintesisdinamakanprioritysetting.Konsistensi
memilikiduamakna,pertama adalahobjek-objekyangserupadapatdikelompokkan
sesuaidengankeseragaman danrelevansi.Artikeduaadalahmenyangkuttingkat
hubunganantaraobjek-objekyangdidasarkanpadakriteriatertentu.
AHPdapatdigunakandalammemecahkan berbagaimasalahdiantaranya
untuk
mengalokasikansumberdaya,analisiskeputusanmanfaatataubiaya,menentukan
peringkatbeberapaalternatif,melaksanakan perencanaan kemasadepanyang
diproyeksikandanmenetapkanprioritaspengembangan suatuunitusahadan
permasalahankomplekslainnya.Secaraumum,langkah-langkahdasardariAHP
1. Mendefinisikan masalahdanmenetapkantujuan.BilaAHPdigunakanuntuk
memilihalternatifataupenyusunan prioritasalternatif,makapadatahapini
dilakukanpengembanganalternatif.
2. Menyusun masalah dalam struktur hirarki. Setiap permasalahan
yang kompleksdapatditinjaudarisisi yangdetaildanterstruktur.
3. Menyusunprioritasuntuk tiapelemen masalahpadatingkathirarki. Prosesini
menghasilkan bobotelementerhadappencapaiantujuan,sehinggaelemen
denganbobottertinggimemilikiprioritaspenanganan. Langkahpertamapada
tahapiniadalah menyusunperbandinganberpasangan yang
ditransformasikan dalambentukmatriks,sehinggamatriksini
disebutmatriksperbandingan berpasangan.
Pendekatanyangdilakukanuntukmemperoleh nilaibobot
kriteriaadalahdenganlangkah-langkahberikut:
a. Menyusunmatriksperbandingan
b. Matriksperbandinganhasilnormalisasi
4. Melakukanpengujiankonsistensiterhadapperbandingan antarelemenyang
didapatkanpadatiaptingkathirarki.Konsistensiperbandinganditinjaudari
permatriksperbandingan dankeseluruhanhirarkiuntukmemastikanbahwa
urutanprioritasyangdihasilkandidapatkandarisuaturangkaianperbandingan
yang masih berada dalam batas-batas preferensi yang logis. Setelah
melakukan perhitunganbobotelemen,langkah
selanjutnyaadalahmelakukan
bantuan tableRandomIndex(RI)yangnilainyauntuksetiapordomatriks
dapatdilihatpadatabelberikutini:
Tabel 3.2. Harga Random Consistency Index
N 2 3 4 5 6 7 8 9 10
RI 0 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,51
Dengan tetap menggunakan matriks di atas, pendekatan yangdigunakan
dalampengujiankonsistensimatriksperbandinganadalah:
a. Melakukanperkalianantarabobotelemendengannilai
awalmatriks&membagijumlahperkalian
bobotelemen&nilaiawalmatriksdengan
bobotuntukmendapatkannilaieigen.
b. Mencarinilaimatriks. Nilai matriks merupakan nilai rata-rata dari nilai
eigen yang didapatkandariperhitungansebelumnya.
c. MencarinilaiConsistencyIndex (CI).
DimanaCI=Zmaks–N/(N-1),danNadalahjumlahelemendalam matriks.
d. MencarinilaiConsistencyRatio(CR) DimanaCR=CI/RI
SuatumatriksperbandingandisebutkonsistenjikanilaiCR<0,10 (Adhi 2010).
3.6. Logika Fuzzyuntuk Pendukung Keputusan
Dalam banyak hal, logika fuzzy digunakan sebagai suatu cara untuk
memetakan permasalahan dari input menuju ke output yang diharapkan. Sebagai
1. Manajer pergudangan mengatakan pada manajer produksi seberapa
banyak persediaan pada akhir minggu, kemudian manajer produksi akan
menetapkan jumlah yang akan diproduksi
2. Ketika pelayan memberikan pelayanan terhadap tamu dan tamu akan
memberikan tip sesuai baik atau tidak pelayanannya.
3. Saat kita tahu seberapa sejuk ruangan tersebut, kita akan mengatur putaran
kipas yang terdapat di ruangan tersebut
Kotak hitam tersebut berisi cara atau metode yang dapat digunakan untuk
mengolah data input menjaudi output dalam bentuk informasi yang baik,
lihat Gambar 2.3.
Gambar 3.3.Pemetaan Input-Output
Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara
lain :
1. Konsep logika fuzzymudah dimengerti. Karena logika fuzzy menggunakan
dasar teori himpunan, maka konsep matematis yang mendasari penalaran
fuzzytersebut cukup mudah dimengerti.
2. Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan
perubahan-perubahan, dan ketidakpastian yang menyertai permasalahan.
KOTAK HITAM RUANG
INPUT
RUANG
3. Logika fuzzy memiliki toleransi terhadap data yang tidak tepat. Jika diberikan sekelompok data yang cukup homogeny, dan kemudian ada beberapa data
yang “eksklusif”, maka logika fuzzy memiliki kemampuan untuk menangani
data eksklusif tersebut.
4. Logika fuzzymampu memodelkan fungsi-fungsi nonlinear yang sangat
kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan
pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
Dalam hal ini, sering dikenal dengan nama Fuzzy Expert Systems menjadi
bagian terpenting.
6. Logika fuzzydapat bekerjasama dengan teknik-teknik kendarli secara
konvensional. Hal ini umumnya terjadi pada aplikasi di bidang teknik mesin
maupun teknik elektro.
7. Logika fuzzy didasarkan pada bahasa alami. Logika fuzzy menggunakan
bahasa sehari-hari sehingga mudah dimengerti.
Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau
keputusan, sedangkan probabilitas mengindikasikan proporsi terhadap keseringan
suatu hasil bernilai benar dalam jangka panjang. Himpunan fuzzymemiliki 2
atribut, yaitu :
1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami.
2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu :
1. Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem
fuzzy. Pada penelitian ini diasumsikan sebagai kriteria-kriteria penentu penurunan kadar akhir logam terlarut yang melalui SPE, yaitu arus listrik,
besar medan magnet, pasir besi, lama penyaringan, sifat kemagnetan logam,
kadar awal logam.
2. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau
keadaan tertentu dalam suatu variabel fuzzy. Dalam penelitian ini diasumsikan
sebagai alternatif dari masing-masing kriteria (subkriteria) yaitu kuantitas
besar, kuantitas kecil, magnetic, non magnetic.
3. Semesta pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Pada penelitian ini dapat diasumsikan
nilai (bobot) TFN yang diperbolehkan untuk menilai masing sub kriteria.
4. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam
semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
Dalam penelitian ini diasumsikan sebagai besar TFN dan definisi dari besaran
tersebut.
Fungsi keanggotaan (membership function) adalah suatu kurva yang
(sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0
sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai
keanggotaan adalah dengan melalui pendekatan fungsi (Kusumadewi 2004 , h.
1-8)
Dalam pengambilan keputusan fuzzy terdiri dari empat prinsip utama
yaitu:
1. The Fuzzification Interface
Pada tahap ini dilakukan pengukuran terhadap nilai dari variabel input dan
output, menterjemahkan rentang nilai tersebut ke dalam himpunan fuzzy dan
merubah himpunanfuzzy tersebut menjadi bahasa natural seperti tinggi,
rendah dan sangat rendah.
2. The Knowledge Base
Sebuah database yang berisi expert knowledge dari aplikasi dan
aturan-aturan proses. Fungsi keanggotaaan ditentukan pada tahap ini dan
digunakan pada tahap fuzzification interface
3. The Decision Making Logic
Logika ini memiliki kemampuan dalam mensimulasikan pengambilan
keputusan oleh manusia yang dilakukan dengan memperkirakan alasan
untuk mencapai suatu strategi yang diinginkan. Kebanyakan logika
pengambilan keputusan ini disusun dalam bentuk aturan if-then. Nilai
keanggotaan dari tahap ini diperoleh dengan aturan niali minimum dari
nilai keanggotaan variabel input.
Tahap ini mengkonversikan output fuzzy menjadi nilai yang tegas (crisp).
Metode yang digunakan dalam proses defuzzifikasi adalah center of area
(COA) yang dirumuskan sebagai berikut:
(3.6)
Ro = Nilai crisp akhir dari sebuah aktivitas
� = Rating fuzzy kedekatan departemen untuk suatu aturan
i = Jumlah aturan yang digunakan
R = Rating numerik kedekatan departemen untuk suatu aturan
µ = derajat keanggotaan departemen untuk suatu aturan (Dweri 1999)
3.6.1. Fuzzy Analytical Hierarchy Process
Analytical Hierarchy Process (AHP) adalah metode yang biasa digunakan dalam pengambilan keputusan multi kriteria. Dalam perencanaan, dan proses
pengambilan keputusan diperlukan langkah yang logika dan sistematis. Teori
fuzzy dapat menjadi metode yang umum digunakan dalam menganalisa
pengambilan keputusan dengan banyak kriteria. Fuzzy AHP merupakan metode
dengan pendekatan yang sistematis untuk menyeleksi alternatif dan mendapatkan
masalah sebenarnya dengan konsep fuzzy dan struktur hirarki. Chang
memperkenalkan pendekatan baru dalam menangani fuzzy AHP dengan
menggunakan triangularfuzzynumber untuk membuat skala perbandingan
berpasangan dan menggunakan metode extent analysis. Skala perbandingan
Tabel 3.3.Skala Penilaian Perbandingan BerpasanganFuzzy AHP
Variabel Linguistik Nilai AHP TriangularFuzzyNumber(TFN) Reciprocal
(Kebalikan
Kedua elemen sama penting 1 (1,1,1) (1,1,1)
Kedua elemen mendekati sama penting 2 (1/2,1,3/2) (2/3,1,2)
Elemen yang satu mendekati sedikit lebih penting daripada elemen yang lainnya
3 (1,3/2,2) (1/2,2/3,1)
Elemen yang satu sedikit lebih penting daripada elemen yang lainnya
4 (3/2,2,5/2) (2/5,1/2,2/3)
Elemen yang satu mendekati lebih penting daripada yang lainnya
5 (2,5/2,3) (1/3,2/5,1/2)
Elemen yang satu lebih penting daripada yang lainnya
6 (5/2,3,7/2) (2/7,1/3,2/5)
Satu elemen mendekati mutlak lebih penting daripada elemen lainnya
7 (3,7/2,4) (1/4,2/7,1/3)
Satu elemen mutlak lebih penting daripada elemen lainnya
8 (7/2,4,9/2) (2/9,1/4,2/7)
Satu elemen mutlak penting daripada elemen lainnya 9 (4,9/2,9/2) (2/9,2/9,1/4)
Sebelum memulai proses FAHP, maka disusun kriteria dan sub kriteria
secara hierarki berdasarkan metode Chang. Kemudian sub kriteria dari
masing-masing kriteria tersebut dievaluasi menggunakan bilangan TFN dengan batasan
seperti Tabel 2.3. Setelah masing-masing sub kriteria diberikan penilaian
kemudian disusun ke dalam bentuk matrik berpasangan sebagai berikut :
���
� = (3.7)
���
�merupakan matrik TFN dari penilaian masing-masing subkriteria.
Langkah 1: nilai dari tambahan sintetik fuzzy terhadap objek ke I
didefenisikan sebagai
�� =∑ ����⊗ �∑��=1∑��=1�����
−1
�
∑ ��� � �
�=1 merupakan penjumlahan dari masing-masing nilai TFN pada matrik
berpasangan ∑��=1���� = �∑��=1��,∑��=1��,∑��=1���. Dimana � adalah nilai
terendah dari TFN, � adalah nilai tengah dari TFN, dan � adalah nilai tertinggi
dari TFN pada matrik berpasangan. Sedangkan �∑��=1∑��=1�����−1merupakan
invers dari operasional penjumlahan TFN yaitu
�∑ ∑ ���
Setelah operasional fuzzylanjutan, selanjutnya dilakukan proses pencarian derajat
kemungkinan (degree of possibility) dari hasil operasional
fuzzylanjutan(Kahraman, h. 69-72)..
Langkah 2: Degree of possibility diasumsikan dari �2 ≥ �1 dimana
�1 = (�1,�1,�1) dan �2 = (�2,�2,�2) adalah sebagai berikut :
�(�2 ≥ �1) =����≥��min���1(�)�,���2(�)�� (3.9)
Sehingga diperoleh degree ofpossibility :
(�2 ≥ �1) =�
Langkah 3: Jika derajat ketidakpastian (degree of possibility) dari bilangan
TFN lebih besar dari konstanta � bilangan fuzzy��(�= 1,2,3,4,5, … . ,�)
diasumsikan sebagai berikut :
�(� ≥ �1,�2,�3,�4,�5, … … ,��) =�(� ≥ �1),�(� ≥ �2),�(� ≥
Persamaan (3.4) dapat diilustrasikan seperti Gambar 2.4.
Gambar 3.4. Grafik Persimpangan �� dan ��
Berdasarkan uraian tersebut dapat diasumsikan persamaan :
��(�
�) = min�(�� ≥ ��) (3.11)
dimana �= 1,2,3,4,5, … … ,�;� ≠ �. Selanjutnya diperoleh vektor prioritas
(vector priority) :
Wn =�dn(A1), dn(A
2), … … , dn(Ai)� T
(3.12)
dengan ��(�= 1,2,3,4,5, … … ,�).
Langkah 4: Setelah melalui normalisasi diperoleh persamaan vektor
prioritas (weight vector) yaitu :
� =��(�1),�(�2),�(�3),�(�4), … … ,�(��)�� (3.13)
Pendekatan fuzzy AHP digunakan dalam mengatasi masalah derajat
kedekatan dalam ARC. Dalam meranking derajat kedekatan ARC biasanya
mengalami keambiguan pada faktor kualitatif atau kuantitatif. Fuzzy AHP
relationship chart yang dapat digunakan menjadi input derajat kedekatan
menggunakan CORELAP, dan lain-lain dalam mengembangkan tata letak (Dweri
1999).
3.7. Activity Relationship Chart (ARC)
Activity Relationship Chart (ARC) dikembangkan untuk menentukan
derajat kedekatan (degree of closeness). Degree of closeness menjelaskan perlu
tidaknya satu bagian ditempatkan berdekatan dengan bagian lain, dan hal ini
bergantung pada derajat hubungan kedua bagian tersebut.
ARC dikembangkan oleh Robert Muther. Untuk menggambarkan derajat
kedekatan hubungan antar seluruh kegiatan atau bagian digunakan symbol-simbol
A, E, I, O, U dan X, yaitu:
A = Absolutely necessary yaitu hubungan bersifat mutlak
E = Especially important yaitu hubungan bersifat sangat penting I = Important yaitu hubungan bersifat cukup penting
O = Ordinary yaitu bersifat biasa-biasa saja
U = Undesireable yaitu hubungan yang tidak diinginkan
Gambar 3.5.Activity Relationship Chart (ARC)
3.8. Metode Penyelesaian Tata Letak Failitas
Metode yang digunakan dalam menyelesaikan permasalahan tata letak
fasilitas terbagi dalam dua kelompok yaitu:
1. Metode Optimasi
Metode ini menghasilkan solusi optimal namun membutuhkan waktu
penyelesaian yang lama.
2. Metode Heuristik
Pendekatan heuristic dapat dikategorikan menjadi tiga macam, yaitu metode
konstruksi, metode perbaikan dan metode hybrid.
Metode ini merupakan metode yang menghasilkan tata letak baru tanpa
memandang tata letak yang ada (existing layout).
b. Metode Perbaikan
Metode ini merupakan pendekatan yang sangat sederhana, mudah dipahami,
dan diimplementasikan dan memperbaiki solusi awal tata letak yang telah
dianggap layak.
c. Metode Hybrid
Metode ini merupakan kombinasi dari kedua metode diatas. Kombinasi
dilakukan karena solusi metode perbaikan membutuhkan solusi awal seperti
yang dilakukan pada metode perbaikan namun metode konstruksi
memungkinkan pula untuk menghasilkan solusi awalnya (Ananda, Susy,
&Fifi 2015)
3.9. Computer Aided Layout
Perkembangan teknologi komputer yang demikian pesat terutama sejak
tahun 1970-an telah dimanfaatkan secara efektif dalam berbagai bidang termasuk
di bidang perencanaan layout. Sejumlah program komputer yang dikembangkan
sebagai alat bantu dalam análisis layout telah dikembangkan dan tersedia untuk
dimanfaatkan. Masing-masing program komputer tersebut memiliki kekhususan
sesuai dengan karakteristik layout yang dirancang (Tompkins 1996, h. 326-358).
3.9.1. Algoritma BLOCPLAN
dikembangkan oleh Donaghey dan Pire pada Departemen Teknik Industri,
Universitas Houston. Program ini membuat dan mengevaluasi tipe-tipe tata letak
dalam merespon data masukan.BLOCPLAN mempunyai kemiripan dengan
CRAFTdalam penyusunan departemen. Perbedaan antara BLOCPLAN dan
CRAFTadalah bahwa BLOCPLAN dapat meggunakan keterkaitan sebagai input
data, sedangkan CRAFThanya menggunakan peta dari-ke (from to chart). Biaya
tata letak dapatdiukur baik berdasarkan ukuran jarak maupun dengan
kedekatan.Jumlah baris di dalam BLOCPLAN ditentukan oleh program dan
biasanya dua atau tiga baris.
Sama halnya dengan CRAFT, BLOCPLAN juga mempunyai
kelemahanyaitu tidak akan menangkap layout secara akurat. Pengembangan tata
letak hanya dapat dicari dengan melakukan perubahan atau pertukaran letak
departemen satu dengan yang lainnya. Selain peta keterkaitan BLOCPLAN,
kadang-kadang juga menggunakan input data lain yaitu peta from to chart,
hanya saja kedua input tersbut hanya digunakan salah satu saja saat melakukan
evaluasi tata letak.
BLOCPLAN merupakan singkatan dari Block Layout Overview with Computerized Planning using Logic and Algorithm. Data-data yang dipakai dalam
algoritma BLOCPLAN dapat berupa data kuantitatif yang dibentuk dengan
menggunakan Activity Relationship Chart (ARC) maupun data kuantitatif yang
berupa aliran produk dan ukuran dari area bangunan (departemen) yang akan
ditempati oleh fasilitas. Setelah semua data dimasukkan akan dihasilkan layout
tercapai layout yang lenih baik tetapi jumlah iterasi terbatas yaitu maksimal 20.
BLOCPLAN dapat menganalisa maksimal 18 fasilitas dalam suatu tataletak
(layout). BLOCPLAN dapat menghasilkan layout dengan beberapa cara yaitu:
1. Random
BLOCPLAN menghasilkan layout secara acak memperhatikan data ARC
2. Improvemen Algorithm
Menggunakan sebuah layout awal yang nantinya akan dikembangkan oleh
BLOCPLAN.
3. Automatic Search Algorithm
BLOCPLAN akan mengembangkan layout baru dengan jumlah iterasi
maksimal 20 kali.
Layout terbaik dilihat dari nilai R-Score yang paling besar. Layout score
diperoleh dari hasil pembagian total score pada pembobotanARC yang dapat
tercapai dengan total score keseluruhan dikalikan 2 .
Layout score = 2
Nilai rel disk score diperoleh dari penjumlahan semua nilai rel disk score
pada tiap departemen i ke departemen j.
rij = nilai hubungan kedekatan antara fasilitas i dan j
R-Score dari masing-masing layout yang mungkin dengan layout yang
terbaik adalah dengan R-Score yang paling besar. Nilai R-Score adalah antara 0
dan 1 (0≤ R-Score≤1). Dimana
Artinya nilai d (nilai d adalah jarak antar fasilitas terendah) dengan nilai s (nilai s
adalah hubungan kedekatan antara fasilitas) terendah kemudian nilai d tertinggi
selanjutnya dikalikan dengan nilai s terendah, demikian seterusnya.
Upper Bound = d1s1 + d2s2 + ....
Artinya nilai d (nilai d adalah jarak antara fasilitas) terendah dengan nilai s (nilai s
adalah nilai hubungan kedekatan antara fasilitas) terendah kemudian nilai d
terendah selanjutnya dikalikan dengan nilai s terendah berikutnya, demikian
seterusnya(Purnomo 2004, h. 207-209).
3.9.2. Algoritma ALDEP
Algoritma ALDEP sering dikenal juga dengan Automated Layout Design
Program dimana algoritma ini biasa digunakan untuk melakukan construct layout.
Data-data yang dibutuhkan oleh algoritma ALDEP antara lain adalah ukuran
fasilitas, relationship chart, dan ukuran lokasi yang ada. Langkah awal
yangdilakukan dalam algoritma aldep adalah menempatkan sebuah lokasi pada
mengikuti lokasi pertama yang telah diletakkan. Fasilitas dipilih untuk diletakkan
sesuai nilai kedekatan dengan fasilitas yang terakhir diletakkan. Terakhri
dilakukan perhitungan momen melalui data jarak dan flow yang ada.
Automated layout design program (ALDEP) merupakan salah satu jenis
algoritma konstruksi, digunakan untuk menyusun tata letak baru, dimana
penugasan fasilitas-fasilitas dilakukan secara bertahap dengan kriteria penempatan
tertentu sampai seluruh fasilitas ditempatkan atau susunan layout telah diperoleh
(Pamularsih, 2015). Perancangan dengan algoritma ALDEP terbagi atas 2
prosedur, yaitu prosedur pemilihan dan prosedur penempatan. Setelah diperoleh
beberapa alternatif layout, kemudian dihitung layout score dari masing-masing
layout yang selanjutnya dibandingkan untuk memperoleh layout dengan score
terbaik
1. Prosedur pemilihan
a. Memilih departemen yang masuk untuk pertama kali secara acak.
b. Departemen kedua yang dipilih adalah departemen yang memiliki hubungan
kedekatan terkuat terhadap departemen pertama. Kemudian, pilih departemen
berikutnya dari departemen yang memiliki hubungan kedekatan yang tertinggi
(bernilai A dan E). pengambilan departemen tersebut dapat di lakukan melalui
ARC.
c. Jika tidak ada departemen yang terpilih selanjutnya dipilih departemen secara
acak.
d. Prosedur dilakukan sampai semua departemen masuk kedalam tata letak.
a. Penempatan dimulai dari pojok kiri atas dan dilanjutkan kearah bawah.
b. Proses penempatan layout menggunakan vertical sweep patern (pola jalan
vertikal).
3. Perhitungan Hasil
Perhitungan hasil dari setiap layout adalah menghitung hubungan kedekatan
antar fasilitas. Hasil perhitungan tersebut didapat dari konversi dari kode huruf
yang digunakan. Nilai dari konversi tersebut adalah A = 64; E=16; I=4; O=1;
X=-1024 (Tompkins 1996, h. 326-358). Menurut Apple (1990, hal. 370)
beberapa kelebihan dan kekurangan dari masing-masing algoritma yang
Tabel 3.4. Keuntungan dan Keterbatasan dari Masing-Masing Algoritma yang Terkomputerisasi
METODE KEUNTUNGAN KETERBATASAN
CRAFT
− Memungkinkan penetapan lokasi khusus.
− Bentuk masukan dapat beragam.
− Waktu komputer pendek.
− Mempunyai arti matematis.
− Dapat digunakan untuk tata letak kantor.
− Dapat memeriksa pekerjaan sebelumnya.
− Biaya dan penghematan tercetak
− Hasilan tidak dapat langsung dipergunakan.
− Program cenderung mempunyai jarak penglihatan
pendek, tidak dapat menemukan jawaban terbaik dengan hanya mengubah dua atau tiga departemen.
− Pengubahan departemen harus : (1) berukuran sama, (2)
berdekatan satu sama lain, (3) berbatasan dengan departemen yang sama.
− Memerlukan kejelasan struktur data masukan.
− Rancangan huruf sulit.
− Tidak menghasilkan tata letak awal.
− Lebih baik disusun kembali.
− Kaiitan yang tak diharapkan tidak diperhitungkan.
Tabel 3.4. Keuntungan dan Keterbatasan dari Masing-Masing Algoritma yang Terkomputerisasi (Lanjutan)
METODE KEUNTUNGAN KETERBATASAN
ALDEP
− Dapat menetapkan lokasi khusus dalam batas
ruang yang tersedia.
− Pemecahan dalam wilayah yang telah
ditentukan.
− Mengembangkan banyak pilihan.
− Sangat memperhatikan keterkaitan
− Biaya perpindahan tidak dihitung.
− Hubungan yang tidak diharapkan tidak diperhatikan.
− Metode penilaian masih dipertanyakan.
− Kesulitan dalam menilai proses produksi.
− Tatanan tuntutan ruang tidak diperhitungkan.
− Terbatas sampai 53 departemen.
BLOCPLAN
− Dapat menggunakan input dari peta keterkaitan
maupun from to chart
− Melakukan iterasi secara otomatis dengan waktu
yang singkat
− Luas departemen diperhitungkan sebagai
masukan
− Tidak dapat menangkap layout awal
− Terbatas untuk 20 iterasi
− Hanya dapat menganalisa maksimal 18 fasilitas dalam suatu
Tabel 3.4. Keuntungan dan Keterbatasan dari Masing-Masing Algoritma yang Terkomputerisasi (Lanjutan)
METODE KEUNTUNGAN KETERBATASAN
CORELAP
− Mudah dijalakan dalam komputer.
− Membentuk tata letak baru.
− Batasan masukan dan hasilan sama.
− Berdasarkan peta keterkaitan.
− Setiap langkah dapat dilihat selama
pengembangan tata letak.
− Sebagian besar keterkaitan diperlihatkan dengan
baik
− Tidak dapat menentukan lokasi kegiatan tetap.
− Tidak menghitung biaya.
− Terbatas sampai 45 departemen.
Tabel 3.4. Keuntungan dan Keterbatasan dari Masing-Masing Algoritma yang Terkomputerisasi (Lanjutan)
METODE KEUNTUNGAN KETERBATASAN
PLANET
− Berdasarkan peta dari –ke.
− Menggunakan ongkos pemindahan bahwa
untuk cara pemindahan tertentu untuk tiap pemindahan dalam urutan operasi.
− Membutuhkan interaksi antara komputer dan
rekayasawan untuk melatih penilaiannya.
− Dapat diterapkan pada tiap persoalan yang
mencakup gabungan antara kegiatan yangdapat dinilai dengan angka.
− Tidak ada tata letak masukan yang dibutuhkan.
− Mencetak biaya penanganan tiap ‘hubungan
kegiatan’ ditambah biaya pemindahan total.
− Menggunakan istilah pabrik biasa dan data
pabrik biasa sebagai masukan.
− Memungkinkan memilih pemilihan dan
penempatan departemen.
− Berguna bagi tata letak produksi tidak bagi departemen
pelayanan.
Berdasarkan perbandingan dari masing-masing algoritma yang
terkomputerisasi, maka dipilihnya algoritma BLOCPLAN dan ALDEP
dikarenakan :
1. Sangat memeperhatikan keterkaitan. Algoritma BLOCPLAN dan
ALDEPmenggunakan input dari peta keterkaitan maupun from to chart. Hasil
dari pengolahan dengan menggunakan Fuzzy AHP adalah Activity Relationship
Chart yang pada algoritma ALDEPdan BLOCPLAN dijadikan sumber data untuk menentukan derajad kedekatan
2. Luas departemen diperhitungkan sebagai masukan. Pengumpulaan data aktual
dapat dijadikan sumber data untuk mensimulasikan kondisi aktua dengan
beberapa alternatif yang dihasilkan
3. Melakukan iterasi secara otomatis dengan waktu yang singkat. Menampilkan
hasil iterasi dengan waktu yang cepat sesuai dengan kebutuhan penelitian akan
algoritma yang efisien
4. Mengembangkan banyak pilihan. Pada Algoritma BLOCPLAN dikembangkan
usulan layout hingga 20 alternatif, dan pada Algoritma ALDEP dikembangkan
usulan layout hingga 5 alternatif. Hal ini memberikan keluwesan bagi
pengguna dalam menentukan layout usulan sesuai dengan rating maupun
BAB IV
METODOLOGI PENELITIAN
4.1. Tempat dan Waktu Penelitian
Penelitian dilakukan di PT Kreasibeton Nusapersada yang berlokasi di
Jl.Pulau Karimun Kav. 392 Kawasan Industri Medan II, Desa Saentis, Kecamatan
Percut Sei Tuan, Kabupaten Deli Serdang, Sumatera Utara Utara. Waktu
penelitian dilakukan dari bulan Mei 2017 hingga Juli 2017.
4.2. Jenis Penelitian
Jenis penelitian ini termasuk dalam penelitian Description Reseach.
Description Reseach) adalah penelitian yang berusaha untuk memaparkan pemecahan masalah terhadap suatu masalah yang ada sekarang secara sistematis
dan faktual berdasarkan data. Dengan penelitian ini, peneliti hanya sebatas
menemukan gambaran seberapa jauh para karyawan dapat menerima atau
menolak sistem, hanya sebatas membuat deskripsi yang tepat tentang fakta-fakta
dan sifat-sifat dari objek tanpa membuat prediksi atau mencari pemecahan atas
masalah yang ada dalam objek tersebut. Penelitian bertujuan untuk
mengumpulkan informasi secara langsung dari kondisi tataletak fasilitas pada
4.3. Objek Penelitian
Objek penelitian yang diamati adalah tata letak fasilitas awal PT.
Kreasibeton Nusapersada serta hubungan dan jarak antar departemen yang ada di
PT. Kreasibeton Nusapersada
4.4. Variabel Penelitian
Variabel dependen ataupun variabel terikat adalah variabel yang nilainya
dipengaruhi atau ditentukan oleh nilai variabel lain. Yang menjadi variabel
dependen dalam penelitian ini adalah perancangan tata letak fasilitas.
Variabel independen ataupun variabel bebas merupakan variabel
penelitian yang mempengaruhi dan menjadi sebab perubahan atau timbulnya
variabel terikat. Yang menjadi variabel bebas dalam penelitian ini adalah
Perpindahan Material, Jarak perpindahan, Jumlah departemen, dan
UkuranDepartemen.
Defenisi Operasional:
1. Perpindahan Material
Pola Aliran dari satu departemen ke departemen lain yang berkaitan dengan
proses produksi dan perpindahan lainnya
2. Jarak perpindahan
Jarak perpindahan dari satu departemen ke departemen lain yang berkaitan dengan
proses produksi.
Banyaknya departemen yang akan diolah dengan menggunakan algoritma
BLOCPLAN dan ALDEP. 4. UkuranDepartemen
Luas masing –masing departemen yang akan diolah dengan menggunakan
algoritma BLOCPLAN.
4.5. Kerangka Berpikir
Suatu penelitian dapat dilaksanakan jika perancangan kerangka konseptual
yang baik telah tersedia sehingga langkah-langkah penelitian lebih sistematis.
Kerangka berpikir inilah yang merupakan landasan awal dalam melaksanakan
penelitian.
Kerangka konseptual dari penelitian ini dapat dilihat pada Gambar 4.1.
Gambar 4.1. Kerangka Konseptual
4.6. Blok Diagram Prosedur Penelitian
Prosedur penelitian ditampilkan dalam blok diagram pada Gambar 4.2. Jarak Perpindahan
Jumlah Departemen
UkuranDepartemen
Perancangan Tata
Mulai
Studi
Pendahuluan Studi Literatur
Tujuan:
1. Menganalisis dan merencanakan peletakan setiap departemen yang berkaitan dengan kegiatan produksi. 2. Membandingkan total perpindahan yang diperoleh pada layout aktual dan layout alternatif
3. Menghitung efisiensi material handling yang dari layout aktual dan layout alternatif
Pengumpulan Data: 1. Penggambaran block layout awal 2. Perhitungan jarak antar departemen 3. Menyusun struktur hirarki AHP 4. Membuat kuesioner AHP
5. Perhitungan frekuensi perpindahan 6. Pembuatan fungsi keanggotaan
Pengolahan Data: 1. Pengolahan AHP
2. Fuzzification Interface 3. Knowledge Base 4. Proses defuzzifikasi
5. Pembentukan Crisp Activity Relationship Chart 6. Pengolahan data menggunakan algoritma BLOCPLAN dan ALDEP
Gambar 4.2. Blok Diagram Prosedur Penelitian
Berdasarkan cara pengumpulannya, data yang digunakan dalam penelitian
ini adalah:
1. Data primer adalah data yang diperoleh dengan pengamatan secara langsung
dari perusahaan berupa data ukuran luas area dan gambar departemen
produksi, dilakukan pengukuran terhadap ukuran mesin- mesin dan luas area
setiap stasiun kerja yang ada di lantai produksi, frekuensi perpindahan, urutan
proses produksi.
2. Data sekunder adalah data yang diperoleh dari perusahaan berupa data luasan
total area pabrik, data proses produksi, sejarah perusahaan,jam kerja efektif,
struktur organisasi dan jumlah pekerja.
4.7.2. Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah:
1. Teknik observasi, yaitu melakukan pengamatan secara langsung di perusahaan
untuk mengetahui proses bisnis perusahaan dan data-data yang terkait dengan
penelitian.
2. Teknik wawancara, yaitu melakukan tanya jawab (wawancara) terhadap
pihak-pihak yang terlibat secara langsung mengenaitataletakperusahaan terkait
dengan penelitian.
4.8. Metode Pengolahan Data
Pengolahan data dilakukan dengan mengikuti beberapa tahapan,yaitu:
Pada tahap ini dilakukan untuk mengolah kuesioner menjadi matriks
berhubungan yang selanjutnya dihitung nilai bobot dan rasio konsistensinya
2. Fuzzification Interface
Pada tahap ini pengubahan nilai input menjadi suatu bentuk himpunan fuzzy
yaitu berupa variabel linguistik untuk masing-masing variabel. Tahapannya
adalah pengukuran nilai tiap variabel yang dilakukan dengan wawancara atau
melakukan pengukuran secara langsung. Selanjutnya variabel tersebut
dikonversikan dalam variabel linguistik yang berguna untuk mengubah
variabel kuantitatif menjadi variabel linguistik beserta derajat
keanggotaannya.
3. Knowledge Base
Menyusun seluruh fungsi keanggotaan dari masing-masing variabel yang
disusun berdasarkan aturan pengambilan keputusan dengan bentuk IF-THEN
untuk menentukan nilai derajat hubungan antar variabel linguistic.
4. Proses defuzzifikasi
Merupakan tahan akhir pada defuzzification interface. Pada tahap ini tingkat
kedekatan masing-masing variabel digabungkan menjadi tingkat kedekatan
hubungan keseluruhan yang kemudian dikonversikan menjadi suatu bialngan
crisp.
5. Pembentukan Crisp Activity Relationship Chart.
Hasil dari deffuzifikasi kemudian dimasukkan ke dalam tabel ARC sesuai
dengan kedekatan antar tiap departemen. Pada tiap kedekatan diketahui derajat
tersebut. Hubungan kedekatan antar fasilitas merupakan data kualitatif yang
diperlukan sebagai input bagi algoritma BLOCPLAN dan ALDEP
6. Pengolahan data menggunakan algoritma BLOCPLAN
Pemecahan masalah dengan algoritma BLOCPLAN dilakukan dengan
menggunakan software BLOCPLAN melalui langkah-langkah berikut ini :
a. Melakukan input data Departemen
Data mengenai jumlah depertemen, nama departemen, dan ukuran luas
masing – masing departemen/ stasiun kerja dimasukkan ke input data
software BLOCPLAN
b. Melakukan input data derajat kedekatan antar departemen
Nilai derajat kedekatan yang sudah dihitung di ARC digunakan sebagai
data masukkan berikut juga dengan penentuan bobot dari masing-masing
nilai kedekatan.
c. Mencari solusi layout terbaik
Setelah semua data dikumpulkan maka software akan mencari alternatif
pemecahan masalah tataletak tersebut sampai maksimal 20 kali iterasi.
Layout terbaik dilihat dari nilai R-score yang paling besar.
7. Pengolahan data dengan menggunakan algoritma ALDEP
Pengolahan data dengan algoritma ALDEP dilakukan dengan membuat ARC
untuk melihat hubungan kedekatan dari masing-masing departemen kemudian
hitung TCR untuk setiap departemen. Pilih salah satu departemen dengan nilai
TCR maksimum. Tentukan pengalokasian departemen berikutnya berdasarkan
penempatan. Pilih penempatan dengan bobot terbesar kemudian ulangi sampai
semua departementelah ditempatkan. Perhitungan momen merupakan
perhitungan terakhir terhadap data yang diperoleh sebelum dilakukan analisis.
Blok diagram dari langkah-langkah algoritma BLOCPLAN dan ALDEP ini dapat dilihat pada
Melakukan Input data nilai hubungan pada masing-masing aktivitas
Melakukan Input data Nama Departemen dan Luas Area Melakukan Input data jumlah departemen yang akan disusun
Memilih ratio untuk layout pemecahan masalah : automatic
search
Pilih Single-Story Layout Menu
Menganalisis tabel hasil pemecahan masalah yang tersimpan Memilih cara pencarian pemecahan
masalah : automatic search
Me-reviewlayout dengan nilai
R-score tertinggi
Pembuatan Activity Relationship Chart (ARC)
Memilih jumlah departemen yang masuk untuk pertama kali
Memilih departemen kedua yang paling berhubungan kedekatan dengan departemen
pertama
Lakukan pemilihan hingga semua departemen terpilih
Lakukan penempatan layout berdasarkan vertical sweep
patern
Melakukan perhitungan kedekatan fasilitas
MULAI
Gambar 4.4. Flow Chart Pengolahan Data dengan Algoritma ALDEP
4.9. Analisis dan Pembahasan
Analisis hasil dilakukan terhadap hasil pemecahan masalah yang dalam
hal ini melakukan perancangan ulang dengan metode Fuzzy Analytical Hierarchy
Process, BLOCPLAN, dan, ALDEP. Hal-hal yang dianalisis adalah:
2. Analisis Crisp Activity Relationship Chart
3. Analisis kondisi layout aktual
4. Analisi layout usulan BLOCPLANdanALDEP
4.10. Kesimpulan dan Saran
Kesimpulan berisikan hal-hal penting dari penelitian yang merupakan
tujuan dari penelitian. Selain dari kesimpulan, diberikan juga saran yang
membangun bagi perusahaan usulan perbaikan kepada pihak perusahaan untuk
BAB V
PENGUMPULAN DAN PENGOLAHAN DATA
5.1. Pengumpulan Data
5.1.1. Pengumpulan Data Perbandingan Berpasangan 5.1.1.1. Data Spesifikasi Responden
Instrumen yang digunakan dalam analisis pemilihan variabel
performansi tata letak di PT. Kreasibeton Nusapersada adalah kuesioner AHP.
Kuesioner AHP ini disebarkan kepada kepala bagian dan staf PT. Kreasibeton
Nusapersada yang memiliki kemampuan dalam hal tataletak dan pengambilan
keputusan. Berikut responden kuesioner AHP dapat dilihat pada Tabel 5.1
Tabel 5.1. Responden Kuesioner AHP
No Jabatan
1 Kepala Divisi ProduksiBatching Plant
2 Kepala Divisi Produksitiang pancang
3 Manajer concrete product
4 Kepala Laboratorium
Sumber: Pengumpulan Data
5.1.1.2.Struktur Hierarki Nilai Kedekatan Departemen
Struktur hierarki bertujuan untuk mengetahui variabel performansi
tata letak yang akan digunakan. Kriteria-kriteria ini disusun ke dalam bentuk
Nilai Kedekatan antar Departemen
Bahan Peralatan
Level 1
Level 2 Informasi Pekerja
Gambar 5.1. Struktur Hierarki Variabel Tata Letak
Berikut penjelasan kriteria yang digunakan dalam pemilihan variabel
performansi tata letak.
1. Aliran Bahan : Interaksi bahan yang terjadi antar departemen.
2. Aliran informasi : Interaksiinformasi yang terjadi antardepartemen
3. Aliran Pekerja : Interaksi tenaga kerja yang terjadi antar
departemen
4. Aliran Peralatan : Interaksiperalatan yang terjadi antar departemen
Kriteria yang dijelaskan di atas akandicantumkan pada kuesioner AHP
yang digunakan untuk menganalisis pemilihan variabel performansi tata letak.
5.1.1.3. Pembuatan Kuesioner AHP
Langkah-langkah pembuatan kuesioner akan dijelaskan sebagai berikut.
1. Tentukan kriteria dan alternatif untuk bahan pertimbangan pemilihan variabel
performansi tata letak.
2. Penyusunan kuesioner dibuat berdasarkan metode perbandingan berpasangan
untuk mengetahui tingkat bobot dari kriteria dan alternatif.
Tabel 5.2. Tabel Kuisioner AHP
Keterangan:
1 : Sama pentingnya
3 : Sedikit lebih penting
5 : Lebih penting daripada
7 : Jauh lebih penting
9 : Mutlak lebih penting
2,4,6,8 : Nilai antara dua pertimbangan yang berdekatan
3. Kuesioner berisi perbandingan kepentingan antara tiap kriteria dengan kriteria
lainnya, perbandingan antara alternatif dengan alternatif lainnya dalam setiap
kriteria.
Kuesioner dirancang agar mudah dipahami dan tidak menimbulkan
kerancuan. Pada kuesioner AHP ini disertakan bidata dari responden yang terdiri
dari:
1. Nama
2. Jenis Kelamin
3. Umur
4. Jabatan
Daftar kriteria dan alternatif yang digunakan di dalam kuesioner
Elemen Penilaian Elemen
berdasarkan struktur hierarki terdiri dari 3 level yang terdapat pada Gambar 5.1
yaitu:
1. Level 1 merupakan variabel performansi tata letak yang akan dipilih melalui
beberapa alternatif.
2. Level 2 terdiri dari masing-masing kriteria yang terdapat pada level 1 yang
terdiri dari bahan, informasi, peralatan, dan pekerja .
Kuesioner dan pengumpulan data kuesioner yang diisi oleh responden
untuk penelitian ini dapat dilihat pada lampiran.
5.1.1.4. Matriks Perbandingan Berpasangan (Pairwise Comparison) 5.1.1.4.1. Level 2 (Kriteria)
Matriks perbandingan berpasangan pada level 2 (kriteria) diperoleh dari
hasil kuesioner yang merupakan bagian dari AHP.Matriks ini bertujuan untuk
melihat perbandingan setiap kriteria dan tingkat kepentingan dari kriteria yangsatu
dengan kriteria yang lainnya.Data pengumpulan hasil kuesioner dapat dilihatpada
Lampiran L-1.Berikut data pengumpulan hasil kuesioner responden dapat
dilihat pada Tabel 5.3
Tabel 5.3. Matriks Perbandingan Berpasangan Variabel Performansi Tata Letak Responden 1
Elemen Bahan Informasi Pekerja Peralatan
Bahan 1 1/5 1 1
Informasi 5 1 5 7
Pekerja 1 1/5 1 1
Tabel 5.3. Matriks Perbandingan Berpasangan Variabel Performansi Tata Letak (Lanjutan)
Responden 2
Elemen Bahan Informasi Pekerja Peralatan
Bahan 1 5 1/5 1
Informasi 1/5 1 2 1/4
Pekerja 5 1/2 1 1
Peralatan 1 4 1 1
Responden 3
Elemen Bahan Informasi Pekerja Peralatan Bahan 1 7 1 1 Informasi 1/7 1 1/3 1/5
Pekerja 1 3 1 1 Peralatan 1 5 1 1
Responden 4
Elemen Bahan Informasi Pekerja Peralatan Bahan 1 1 1 1 Informasi 1 1 1 1 Pekerja 1 1 1 1 Peralatan 1 1 1 1
Sumber: Pengumpulan Data
5.1.2. Pengumpulan Data Frekuensi untuk Masing-Masing Variabel 5.1.2.1. Pengukuran Nilai Variabel Aliran Bahan
periode tahun 2017 di PT. Kreasibeton Nusapersada.Metode yang dilakukan
yaitu dengan metode observasi dan wawancara kepada pihak manajerial dan
operasional pabrik PT. Kreasibeton Nusapersada.Data frekuensi perpindahan
aliran bahan antar departemen di PT. Kreasibeton Nusapersada selama satu jam
dapat dilihat pada Tabel 5.4berikut.Data frekuensi perpindahan aliran bahan
antar departemen di PT. Kreasibeton Nusapersada selama satu bulan dapat
dilihat pada Tabel 5.5 berikut.Untuk mempermudah pengolahan data, maka
matriks ini harusdisimetriskan terlebih dahulu dengan cara menjumlahkan
masing-masing nilaifrekuensi aliran bahan dari dua arah untuk departemen yang
Tabel 5.4. Matriks Frekuensi Perpindahan Bahan per Jam
12. Tempat Istirahat
Karyawan
13. Stok Batu Pecah dan Batu Guli 3,5 4
14. Gudang Fasilitas
15. Tempat Penumpukan Concrete Product
Tabel 5.5. Matriks Frekuensi Perpindahan Bahan per Bulan
Tabel 5.6. Matriks Frekuensi Perpindahan Bahan per Bulan yang Telah Dinormalkan
2. Tempat Uji Sampel dan Cek Penimbangan 104
3. Parkir Karyawan
4.Post Security 5304 104
5. Produksi Ready Mix 2704 2704 416 728
6. Timbangan 2704 936 104 1664
7. Test Slump
8. Stok Pasir
9. Produksi Concrete Product 104
10. Laboratorium
11. Kantor Gudang
12. Tempat Istirahat Karyawan
13. Stok Batu Pecah dan Batu Guli
14. Gudang Fasilitas
15. Tempat Penumpukan Concrete Product
5.1.2.2. Pengukuran Nilai Variabel Aliran Peralatan
Data frekuensi perpindahan aliran peralatan antar departemen di PT.
Kreasibeton Nusapersada selama satu Jam dapat dilihat pada Tabel 5.7berikut.
Data frekuensi perpindahan aliran Peralatan antar departemen di PT.
Kreasibeton Nusapersada selama satu bulan dapat dilihat pada Tabel 5.8
berikut.Untuk mempermudah pengolahan data, maka matriks ini
harusdisimetriskan terlebih dahulu dengan cara menjumlahkan masing-masing
nilaifrekuensi aliran peralatan dari dua arah untuk departemen yang
Tabel 5.7. Matriks Frekuensi Perpindahan Peralatan per Jam
Tabel 5.8. Matriks Frekuensi Perpindahan Peralatan per Bulan
Tabel 5.9. Matriks Frekuensi Perpindahan Peralatan per Bulan yang Telah Dinormalkan
2. Tempat Uji Sampel dan Cek Penimbangan 104
3. Parkir Karyawan
4.Post Security 5304 104
5. Produksi Ready Mix 2704 2704 416 728 416
6. Timbangan 2704 936 104 1664
7. Test Slump
8. Stok Pasir
9. Produksi Concrete Product 1664 104
10. Laboratorium
11. Kantor Gudang
12. Tempat Istirahat Karyawan
13. Stok Batu Pecah dan Batu Guli
14. Gudang Fasilitas
15. Tempat Penumpukan Concrete Product
V-125
5.1.2.3. Pengukuran Nilai Variabel Aliran Pekerja
Data frekuensi perpindahan aliran pekerja antar departemen di PT.
Kreasibeton Nusapersada selama satu hari dapat dilihat pada Tabel 5.10berikut.
Data frekuensi perpindahan aliran pekerja antar departemen di PT. Kreasibeton
Nusapersada selama satu bulan dapat dilihat pada Tabel 5.11 berikut.Untuk
mempermudah pengolahan data, maka matriks ini harusdisimetriskan terlebih
dahulu dengan cara menjumlahkan masing-masing nilaifrekuensi aliran pekerja
dari dua arah untuk departemen yang salingberpasangan. Hal ini ditampilkan pada
V-126
Tabel 5.10. Matriks Frekuensi Perpindahan Pekerjaper Hari
Ke
2. Tempat Uji Sampel dan Cek
Penimbangan 1 104 50 4 50
V-127
Tabel 5.11. Matriks Frekuensi Perpindahan Pekerja per Bulan
Ke
2. Tempat Uji Sampel dan Cek
Penimbangan 26 2704
V-128
Tabel 5.12. Matriks Frekuensi Perpindahan Pekerja per Bulan
Ke
2. Tempat Uji Sampel dan Cek Penimbangan 5408 2600 208 2600
3. Parkir Karyawan 8320 1040 1040
9. Produksi Concrete Product 104 624 1040
332 8 208
10. Laboratorium
11. Kantor Gudang 416
12. Tempat Istirahat Karyawan
13. Stok Batu Pecah dan Batu Guli
14. Gudang Fasilitas
15. Tempat Penumpukan Concrete Product
5.1.2.4. Pengukuran Nilai Variabel Aliran Informasi
Data frekuensi perpindahan aliran Informasi antar departemen di PT.
Kreasibeton Nusapersada selama satu hari dapat dilihat pada Tabel 5.13berikut.
Data frekuensi perpindahan aliran informasi antar departemen di PT.
Kreasibeton Nusapersada selama satu bulan dapat dilihat pada Tabel 5.14
berikut.Untuk mempermudah pengolahan data, maka matriks ini
harusdisimetriskan terlebih dahulu dengan cara menjumlahkan masing-masing
nilaifrekuensi aliran informasi dari dua arah untuk departemen yang
Tabel 5.13. Matriks Frekuensi Perpindahan Informasiper Hari
Tabel 5.14. Matriks Frekuensi Perpindahan Informasi per Bulan
Tabel 5.15. Matriks Frekuensi Perpindahan Informasi per Bulan
2. Tempat Uji Sampel dan Cek Penimbangan 4004 2704
3. Parkir Karyawan
4.Post Security 234 52
5. Produksi Ready Mix 26
6. Timbangan 104
7. Test Slump
8. Stok Pasir
9. Produksi ConcreteProduct 312
10. Laboratorium
11. Kantor Gudang 208
12. Tempat Istirahat Karyawan
13. Stok Batu Pecah dan Batu Guli
14. Gudang Fasilitas
15. Tempat Penumpukan Concrete Product
5.1.3. Layout Awal
Layout awal beserta lintasan material handling dapat dilihat pada Gambar 5.2. Hasil perhitungan jarak antar departemen dapat dilihat pada Tabel 5.16.
Frekuensi perpindahan tiap departemendapat dilihat pada Tabel 5.17. Momen
perpindahan tiap departemendapat dilihat pada Tabel 5.18.Data Kode, Ukuran,
dan Luas Area Departemendapat dilihat pada Tabel 5.19.
Momen perpindahan merupakan hasil perkalian antara jarak dari suatu
departemen ke departemen berikutnya dengan frekuensi perpindahan.Rumus:
�0 = � � ������
�0 = nilai total momen perpindahan awal (meter/tahun)
��� = frekuensi perpindahan dari departemen i ke j
��� = jarak antar departemen i dengan j
Contoh perhitungan momen perpindahan untuk perpindahan dari kantor ke
tempat uji sampel dan cek penimbangan sebagai berikut.
Frekuensi perpindahan = 78 kali/bulan
Jarak perpindahan = 94,3 meter
Momen perpindahan = 78 x 94,3 = 7355,4meter/bulan
Perhitungan momen perpindahan untuk departemen lainnya dilakukan
dengan cara yang sama seperti contoh di atas. Momen perpindahandari kantor ke
tempat uji sampel dan cek penimbangan adalah sebesar 7355,4 meter/bulan. Total
