ANALISIS KINERJA SISTEM ANTRIAN PADA INDUSTRI PENGOLAHAN FILLET IKAN BEKU (Studi Kasus di PT.Global Tropical Seafood, Jawa Barat) Oleh

(1)

ANALISIS KINERJA SISTEM ANTRIAN

PADA INDUSTRI PENGOLAHAN FILLET IKAN BEKU (Studi Kasus di PT.Global Tropical Seafood, Jawa Barat)

Oleh

ARVIANO HARYANTO SAHAR F34103128

2007

FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR

(2)

ARVIANO HARYANTO SAHAR. F34103128. Analisis Kinerja Sistem Antrian Pada Industri Pengolahan Fillet Ikan Beku (Studi Kasus di PT. Global Tropical Seafood, Jawa Barat). Di bawah bimbingan : MACHFUD. 2007

RINGKASAN

Industri perikanan merupakan salah satu sektor industri yang menjadi primadona di dalam penyumbang devisa Indonesia. Sebagai negara kepulauan dengan potensi perikanan laut sebesar 6,7 juta ton per tahun Indonesia merupakan salah satu negara pengekspor terbesar komoditas perikanan dunia. Dalam rangka mendukung peningkatan pertumbuhan ekonomi di sektor perikanan dan pemenuhan tuntutan pasar ekspor, kajian ilmiah yang berorientasi pada peningkatan kinerja industri perikanan perlu dilakukan dengan berdasarkan ilmu pengetahuan dan teknologi modern. PT. Global Tropical Seafood merupakan salah satu perusahaan yang bergerak di industri perikanan yang berorientasi ekspor dengan salah satu produk unggulannya fillet ikan beku. Dalam kegiatan produksinya perusahaan dihadapkan pada kondisi kedatangan bahan baku yang bersifat probalistik, tuntutan kualitas produk yang prima, serta kebutuhan akan efektivitas dan efisiensi sistem produksi.

Kinerja sistem antrian dalam sebuah lini produksi dapat menjadi sebuah penilaian tentang efektivitas dan efisiensi sistem produksi lini tersebut. Kinerja sistem antrian yang rendah akan memberikan kerugian bagi perusahaan dalam hal efisiensi dan efektivitas penggunaan sumberdaya serta naiknya resiko kerusakan bahan. Inefisiensi dan inefektivitas dalam sebuah sistem antrian dapat ditandai dengan terjadinya antrian, rendahnya tingkat utilitas unit pelayanan, serta adanya penolakan bahan (balking) dalam sistem tersebut. Ruang lingkup dalam penelitian ini dibatasi pada analisa kinerja sistem antrian pada lini produksi fillet ikan beku.

Teknik analisa sistem antrian yang digunakan dalam penelitian ini ialah teknik simulasi monte carlo dan model keseimbangan aliran bahan. Simulasi antrian dengan teknik simulasi monte carlo menggunakan bantuan paket program WinQSB yang bernama QSS 1.0 (Queueing System Simulation 1.0) sedangkan simulasi model keseimbangan aliran bahan dilakukan secara manual. Uji distribusi data waktu antar kedatangan dan waktu pelayanan dalam sistem antrian yang digunakan sebagai input dalam melakukan simulasi menggunakan bantuan perangkat lunak Easyfit 3.2. Uji distribusi data tersebut menggunakan metode grafis dan Kolmogorov-Smirnov goodness of fit test dengan sebaran peluang normal, weibull, triangular, poisson, gamma, uniform, laplace, logistik, eksponensial dan lognormal.

Hasil uji distribusi data menghasilkan sebaran peluang antara lain weibull, triangular, gamma dan lognormal untuk waktu antar kedatangan dan waktu pelayanan dalam sistem antrian dengan selang kepercayaan sebesar 90 %. Sistem antrian dalam lini produksi fillet ikan beku ini terdiri dari 13 stasiun kerja yang 4 diantaranya merupakan stasiun kerja bersama (menangani bahan dari seluruh lini produksi). Simulasi sistem antrian tersebut yang disebut SAPFIB (Sistem Antrian Produksi Fillet Ikan Beku) terdiri dari tiga buah model dan empat buah sub model. Model tersebut ialah model antrian yang mensimulasikan antrian sejak dari stasiun penerimaan hingga stasiun panning dan stasiun after curing (Model A),

(3)

model keseimbangan aliran bahan pada stasiunfreezing (Model B), model antrian yang mensimulasikan sistem antrian pada stasiunpacking (Model C). Sub model penerimaan merupakan model simulasi antrian parsial pada stasiun penerimaan, Sub model penyisikan merupakan model simulasi antrian parsial pada stasiun penyisikan, Sub model Filleting merupakan model simulasi antrian parsial pada stasiun Filleting dan Sub modelAfter Curing merupakan model simulasi antrian parsial pada stasiunAfter Curing. Pola antrian yang ada dalam SAPFIB ini ialah pola antrian kombinasi jalur tunggal dan jalur ganda dengan pelayanan pararel. Satuan yang digunakan dalam simulasi ini ialah detik untuk satuan unit waktu dan kg bahan baku (raw material) untuk satuan unit bahan yang dilayani (customer).

Model antrian SAPFIB terdiri dari rangkaian komponen distribusi kedatangan bahan dan distribusi kecepatan pelayanan operator dengan attribut pendukung berupa disiplin antrian, kapasitas antrian, dan waktu transfer. Seluruh komponen beserta attributnya disusun dengan mengikuti kondisi yang terjadi pada sistem antrian dalam kondisi nyata. Asumsi yang digunakan dalam melakukan simulasi model utama ialah waktu transfer bahan dibawah dua detik diabaikan, kecepatan kedatangan dan kecepatan pelayanan sesuai dengan kondisi historis selama penelitian. Asumsi pada simulasi sub model antrian ialah kedatangan bahan pada sub model adalah kontinyu dengan kondisi kedatangan pada saat puncaknya dalam sistem produksi.

Berdasarkan hasil simulasi model utama pada sistem nyata selama 25200 detik (7 jam kerja) untuk Model A, 24 jam kerja untuk Model B dan 75600 detik (21 jam kerja) untuk Model C, ditemukan sejumlah bahan baku yang mengalami penolakan bahan (balking) pada lini produksi fillet ikan beku di PT. Global Tropical Seafood, balking tersebut terjadi pada stasiun kerja After Curing. Pada stasiun Freezing antrian terjadi pada saat tertentu saja. Pada stasiun Packing dalam Model C tidak terjadi antrian. Permasalahan pada Model A ialah terletak pada ketidakseimbangan aliran bahan antar stasiun kerja dan inefisiensi penggunaan sumber daya manusia, pada Model B permasalahan yang terjadi ialah terdapat antrian pada saat tertentu saja, dan pada Model C permasalahan utama terletak pada rendahnya tingkat utilitas operator.

Pengembangan model antrian pada penelitian ini dilakukan dengan dua pendekatan, yakni pengembangan model dengan merubah tingkat kedatangan bahan, serta pengembangan model dengan merubah komposisi unit pelayanan (operator). Asumsi yang digunakan dalam mengembangkan model ialah sistem antrian bersifat steady state, kecepatan kedatangan serta pola kedatangan dan kecepatan kedatangan serta pola pelayanan sesuai dengan kondisi historis selama penelitian.

Model alternatif terbaik hasil pengembangan dengan skenario perubahan tingkat kedatangan dengan komposisi unit pelayanan tetap adalah tingkat kedatangan pada stasiun penerimaan dinaikkan sebesar 3 kali lipat dari kedatangan historis selama penelitian (6482,47 kg/jam) dan pada stasiun after curing diturunkan sebesar 0,75 kali lipat dari kedatangan historis selama penelitan (129,44 kg/jam), pada stasiun freezing tingkat kedatangan bahan diturunkan menjadi 18000 kg per hari dan pada stasiun Packing tingkat kedatangan diubah sebesar 6 kali lipat dari kedatangan historis selama penelitian (15308,29 kg/jam).

Model alternatif terbaik hasil pengembangan dengan skenario perubahan komposisi unit pelayanan pada tingkat kedatangan tetap sesuai kondisi selama

(4)

penelitian ialah jumlah operator pada stasiun penerimaan dikurangi dari 5 orang menjadi 4 orang, stasiun arahan produksi dari 3 orang menjadi 1 orang, stasiun filleting dari 5 orang menjadi 3 orang, stasiun Penyisikan 7 orang menjadi 2 orang, stasiun trimming dari 16 orang menjadi 10 orang, stasiun Washing dari 2 orang menjadi 1 orang, stasiunafter curing dari 5 orang menjadi 7 orang, stasiun freezing dari 3 unit menjadi 5 unit serta stasiunpacking dari 24 orang menjadi 12 orang, jumlah operator pada stasiun lainnya tetap.

Berdasarkan analisa hasil simulasi, pengembangan model alternatif menghasilkan kinerja yang lebih baik pada sistem antrian lini produksi fillet ikan beku. Pengembangan model antrian dengan skenario perubahan tingkat kedatangan pada model A dapat menghilangkan bahan yang tidak terproses dari 26,33 kg menjadi 0 kg, jumlah bahan yang terproses dari 1856,67 kg menjadi 3099 kg, serta meningkatkan tingkat utilitas operator dari 27,50 % menjadi 75,36 %. Pada model C jumlah bahan yang terproses meningkat dari 1673,67 kg menjadi 10118,67 kg dan tingkat utilitas operator meningkat dari 13,49 % menjadi 80,79 %. Pengembangan model dengan skenario perubahan komposisi operator pada model A dapat menghilangkan bahan yang tidak terproses dari 26,33 kg menjadi 0 kg, jumlah bahan yang terproses dari 1856,67 kg menjadi 1991,67 kg, mempercepat rata-rata waktu bahan mengalir secara keseluruhan dari 979,11 detik (16,3 menit) menjadi 275,33 detik (4,59 menit), meminimasi rata-rata waktu antrian bahan secara keseluruhan dari 141,75 detik menjadi 4,42 detik serta meningkatkan tingkat utilitas operator dari 27,50 % menjadi 42,75 %, selain itu ketika dihitung biaya tambahan penggunaan es akibat antrian maka terjadi penghematan biaya tambahan dari Rp.296.020,03 /bulan menjadi Rp.40.651,86 /bulan. Pada model C hasil analisis simulasi memperlihatkan tingkat utilitas operator meningkat dari 13,49 % menjadi 26,48 %. Pada model B pengembangan model dengan skenario perubahan tingkat kedatangan dan komposisi unit pelayanan memberikan hasil berupa tidak adanya antrian dalam stasiunFreezing.

Verifikasi dan validasi model dilakukan untuk mengetahui apakah model dapat mewakili sistem yang ada, validasi tersebut dengan menggunakan bantuan software MINITAB 11. Validasi model dilakukan dengan cara menggunakan uji kesamaan nilai tengah antara dua populasi (Uji-t). Dalam penelitian ini validasi dilakukan dengan cara menguji kesamaan nilai tengah antara waktu pelayanan (proses) data historis dengan waktu pelayanan (proses) data hasil simulasi. Hasil uji kesamaan menunjukkan bahwa data tersebut seragam pada selang kerpercayaan 95%. Hal tersebut menunjukkan model simulasi valid untuk digunakan.

(5)

ARVIANO HARYANTO SAHAR. F34103128. Queueing System Productivity Analysis In Frozen Fish Fillet Process Industry (Case Study at PT. Global Tropical Seafood, West Java). Supervised by MACHFUD.2007

SUMMARY

Fishing industrys is one of Indonesia huge source for Indonesia capital income. Based on its archipelago, Indonesia have 6.7 billion tons/years of marine natural resources. Indonesia is one of the biggest exporter of fisheries comodity in the global market. In order to support the economic growth in the fishing industry and the expansion of global market, a mordern science study for increasing the productivity of the industry is important to be held. PT. Global Tropical Seafood is one of the company in Indonesia that run on the fishing industry with the best product of frozen fish fillet. In the daily activities the company face the condition of uncertainty of raw material arrival, pressure to maintain the quality of their product, and the need of effectivity and efficiency in the production system.

Productivity of queueing system in a production line can be the indicator for it effectivity and efficiency. The low productivity of queueing system can decerease the efficiency and effectivity of resource management and increase the risk of material damage. Inefficiency and ineffectivity in a queueing system can be mark with the happening of queueuing, low server utilization, and balking in the system. The boundary in this research is bounded in the queueing system of frozen fish fillet production line.

Analysis technique that used in this research are monte carlo simulation technique and line balancing model. Queueing simulation is done with the help of WinQSB Software with program package called Queueing System Simulation 1.0 (QSS 1.0) and for the line balancing model is done with manual calculation. Distribution test for interarrival time and service time that used for input in the simulation system are using a software that called Easyfit 3.2. The distribution test is based on graphical comparing method and Kolmogorov-Smirnov goodness of fit test with used of normal, weibull, triangular, poisson, gamma, uniform, laplace, logistik, eksponensial dan lognormal distribution.

The result of the distribution test shows that the data of interarrival time and service time have weibull, triangular, gamma and lognormal distribution with 90 % level of confidence. Queueing system in the frozen fish fillet production line is composed by 13 work station and 4 of the station is a join work station (handle material from all of production line). This queueing system simulation is named SAPFIB Sistem Antrian Produksi Fillet Ikan Beku , it is formed by three models and four sub models. Those models are models that simulate queueing start from receiving station to panning and after curing station (Model A), line balancing model at freezing station (Model B), and queueing model that simulate queueing system at packing station (Model C). Sub Model Penerimaan simulate queueing system for receiving station partially, Sub Model Penyisikan simulate queueing system for scaling station partially, Sub Model Filleting simulate queueing system for filleting station partially and Sub Model After Curing simulate queueing system for after curing station partially. The queueing pattern in SAPFIB are the combination of single channel and multiple channel with pararel server. The unit that is used in the system simulation are seconds and kilograms of raw material.

(6)

SAPFIB queueing model are arranged from interarrival distribution component and service time component with supporting attribut such as queue disciple, queue capacity and material transfer time. All of the componet is used to imitate the real condition of queueing system simulation. The assumtion that used in simulating the models is material time that is below two second is ignored, and the interarrival and service time distribution is the same as in the real system. Beside assumtion for the main model, there is assumtion that was used for analize the sub model that are the assumion is it simulate queueing system with the interarrival that is continue at the peak condition.

The result for the main model simulation in the real state of Model A that was run for 25200 seconds (7 work hour), 24 hours for Model B and 75600 (21 work hour) for model C are balking in after curing station, queue in the freezing station and there is no queue in packing station. The main problem of Model A is the inbalance of material flow between the work station and inefficient of human resource utilization. In Model B the main problem is the queue only exist at a time. Model C problem is the inefficient of human resource utilization.

The development of queueing models in this research is done by two approach, that is by changing its rate of incoming material and changing the server compotition in each work station. The assumtion that used in developing The models are the queueing system is in the steady state, speed and pattern of incoming material with the speed and pattern of service time is same as the historical data that collected at the research period.

The best alternate model for scenario of changing the rate of incoming material with the server compotition at the real state are the rate of incoming material in the receiving station increased 3 times from the historical data that collected at the research period (6482.47 kg/hours) and decrease the incoming material at after curing station 0.75 times from the historical data that collected at the research period (129.44 kg/hours), at the freezing station the rate of incoming material are decreased into 18000 kg/days and at the packing station the rate of icoming material is increased into 6 times from the historical data that collected at the research period (15308.28 kg/hours).

The best alternate model for scenario of changing the server compotition in each work station at the rate of incoming material same as the historical data that collected at the research period are the operators in the receiving station are reduced from 5 operators into 4 operators, 3 operators into 1 operators at production direction station, 5 operators into 3 operators at the filleting station, 7 operators into 2 operators at the scaling station, 16 operators into 10 operators at trimming station, 2 operators into 1 operators at washing station, 5 operators into 7 operators at after curing station, 3 units into 5 units at freezing station, 24 operators into 12 operators at packing station, as for the other station the operators remain the same compotition

Based on the simulation analysis, the alternate models give an increased productivity from the simulation in the real system. The alternate models with the scenario of changing the rate of incoming materials at Model A can remove the balking from 26.33 kg into 0 kg, the processed material increased from 1856.67 kg into 3099 kg, the server utilization increased from 27.50 % into 75.36%. In Model C the processed material increased from 1673.67 kg into 10118.67 kg and the server utilization increased from 13.49 % into 80.79 %. The alternate model

(7)

with scenario of changing operator server compotition in each work station in Model A can remove balking from 26.33 kg into 0 kg, number of processed material increased from 1856.67 kg menjadi 1991.67 kg, speed up the average flow time from 979.11 seconds (16.3 minutes) into 275,33 seconds (4.59 minutes), minimize overall average waiting time from 141.75 seconds into 4.42 seconds and increased the server utilization from 27.50 % into 42.75% and can reduced the cost of ice usage because of queueing from Rp. 296.020,03 /month into Rp. 40.651,86 /month. In Model C the simulation analisys show that server utilization increased from 13.49 % into 26.48 %. As for Model B both scenario could remove the queueing from the freezing station.

Verification and validation is done for knowing if the model that was build can represent the real system, t-test is used for validate the model with the help of MINITAB 11 software. By comparing the mean value of two population that is service time from simulation output and service time from the historical data the model, will be valid to use when the value of the test said there is no significant difference between the two population. The t-test result the mean value from the two population does not different significantly at the confidence level of 95 %. Those result show the simulation model is valid to be used.

(8)

SURAT PERNYATAAN

Saya menyatakan dengan sebenar-benarnya bahwa skripsi dengan judul “ANALISIS KINERJA SISTEM ANTRIAN PADA INDUSTRI PENGOLAHAN FILLET IKAN BEKU (Studi Kasus di PT.Global Tropical Seafood, Jawa Barat)“ adalah asli karya saya sendiri dengan arahan dosen pembimbing, kecuali yang jelas ditunjukkan rujukkannya. Skripsi ini belum pernah diajukan untuk memperoleh gelar pada program sejenis di perguruan tinggi lain. Semua sumber data dan informasi yang digunakan telah dinyatakan secara jelas dan dapat diperiksa kebenarannya.

Bogor, 26 Agustus 2007 Yang membuat pernyataan,

(9)

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Pada Departemen Teknologi Industri Pertanian

Fakultas Teknologi Pertanian Institut Pertanian Bogor

Oleh

2007

FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR

(10)

INSTITUT PERTANIAN BOGOR FAKULTAS TEKNOLOGI PERTANIAN

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Pada Departemen Teknologi Industri Pertanian

Fakultas Teknologi Pertanian Institut Pertanian Bogor

Oleh

Dilahirkan pada tanggal 11 Januari 1986 Di Jakarta

Tanggal lulus: 24 Agustus 2007

Menyetujui, Bogor, 26 Agustus 2007

Dr. Ir. Machfud, MS. Dosen Pembimbing