2. DASAR TEORI
2.1 Strategi Pemenuhan Permintaan
Strategi pemenuhan permintaan pada konsumen menunjukkan sebuah perusahaan manufaktur memberikan sebuah tanggapan terhadap permintaan konsumen. Permintaan konsumen yang terkadang memiliki pola acak dan tidak terduga dapat dilakukan beberapa penerapan strategi pemenuhan permintaan.
Strategi pemenuhan permintaan dibagi menjadi lima kategori (Vincent Gaspersz, 2014) yaitu:
• Design-to-Order
Perusahaan tidak membuat pada strategi ini, perusahaan akan membuat produk ketika ada pesanan dari pelanggan. Perusahaan tidak akan memiliki inventori pada strategi ini. Pihak perusahaan akan mengembangkan produk yang diminta dalam pemenuhan pesanan pelanggan. Contoh perusahaan yang menggunakan strategi ini adalah kapal, komputer untuk militer, jembatan, gedung bertingkat, dan sebagainya.
• Make-to-Order
Perusahaan yang memiliki strategi make-to-order hanya mempunyai desain produk dan beberapa material standar dalam inventori. Siklus pemesanan dimulai ketika pelanggan memberikan spesifikasi pesanan, dan produsen juga membantu pelanggan menyiapkan spesifikasi sesuai kebutuhan pelanggan.
Produsen memberikan penawaran mengenai harga dan waktu penyerahan pesanan tersebut.
• Assemble-to-Order
Perusahaan yang memiliki strategi assemble-to-order akan memiliki inventori yang terdiri dari barang subassemblies. Produsen akan merakit barang subassemblies yang akan dikirimkan kepada pelanggan dalam bentuk produk akhir. Perusahaan yang memilih strategi contohnya adalah industri otomotif, komputer komersial, dan sebagainya.
• Make-to-Stock
Perusahaan yang menggunakan strategi make-to-stock akan memiliki inventori yang terdiri dari produk akhir. Pesanan pelanggan akan dipenuhi oleh produsen dengan mengambil barang pada inventori dan mengirimkannya pada pelanggan.
Perusahaan yang cocok menggunakan strategi ini contohnya adalah pakaian, peralatan rumah tangga, telepon, produk makanan, karpet, dan sebagainya.
• Make-to-Demand
Strategi ini menggunakan kombinasi strategi yang ada untuk memenuhi permintaan pelanggan. Desain, bahan baku, komponen-komponen, assemblies, dan produk akhir dalam strategi make-to-demand disimpan dalam inventori, asalkan tetap memperhitungkan efisiensi dan efektivitas dari sistem inventori.
Perusahaan yang menggunakan strategi ini adalah perusahaan dengan produk yang memiliki life cycle.
2.2 Peramalan
Peramalan adalah sesuatu cara dalam memprediksi kejadian yang akan terjadi di masa yang akan datang. Peramalan menggunakan data histori dan di olah untuk masa yang akan datang dengan model matematis. Peramalan yang dilakukan bisa bersifat subjektif dan intuitif atau bisa juga kombinasi dari keduanya.
Peramalan bisa dilakukan dengan klasifikasi horizon waktu peramalan.
Horizon waktu peramalan yang umum dibagi menjadi tiga yaitu jangka pendek, menengah, dan panjang. Jangka pendek biasanya dalam periode kurang dari tiga bulan. Jangka menengah memiliki periode tiga bulan hingga tiga tahun. Periode jangka panjang adalah lebih dari tiga tahun (Heizer & Render, 2011).
2.2.1 Metode Peramalan
Peramalan dapat dilakukan dengan menggunakan beberapa metode.
Metode peramalan dapat diklasifikasikan dalam dua jenis pendekatan, yaitu kualitatif dan kuantitatif. Metode kualitatif dipengaruhi oleh penilaian, intuisi dan evaluasi subyektif. Metode kuantitatif adalah metode yang menggunakan suatu dasar-dasar perhitungan. Beberapa macam metode yang biasa digunakan dalam melakukan peramalan (Heizer & Render, 2011) antara lain:
• Moving Average Model
Metode ini menggunakan jumlah data aktual historis untuk mendapatkan hasil peramalan. Metode ini sangat berguna jika kita mengasumsikan permintaan pasar stabil. Metode ini menggunakan formula sebagai berikut :
MAn= Σ 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 ℎ𝑖𝑠𝑡𝑜𝑟𝑖𝑠 𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑒
𝑛 (2.1)
• Weighted Moving Average Model
Metode ini memiliki cara yang hampir sama dengan moving average. Metode ini lebih rentan terhadap perubahan karena periode terdekat diberikan bobot terbesar. Metode ini menggunakan formula sebagai berikut:
WMAn= Σ(Bobot untuk periode n)(Permintaan Periode n)
Σbobot (2.2)
• Exponential Smoothing
Metode ini adalah metode yang menggunakan sebagian kecil dari data masa lalu.
Metode ini cocok digunakan untuk data yang memiliki pola bergejolak dan tidak teratur. Metode ini menggunakan formula sebagai berikut:
Ft = Ft-1 + α(At-1 – Ft-1) (2.3) Dimana:
Ft= Forecast (Peramalan) ke periode t α = Bilangan konstanta (0 ≤ α ≤ 1) A = Aktual
• Exponential Smoothing with Trend Adjustment
Perbedaan metode ini dengan Exponential Smoothing adalah metode ini menggunakan faktor tren dalam perhitungannya. Metode ini menggunakan formula sebagai berikut:
Ft = α(At-1) + (1 – α)(Ft-1 + Tt-1) (2.4) Tt = β(Ft – Ft-1) + (1 – β)Tt-1 (2.5) Dimana:
F = Forecast T = Nilai tren A = Aktual
α = Bilangan konstanta rata-rata (0 ≤ α ≤ 1) β = Bilangan konstanta tren (0 ≤ α ≤ 1)
• Trend Analysis
Metode ini membentuk garis tren dari data histori dan memprediksi untuk peramalan jangka menengah hingga jangka panjang. Metode ini cocok untuk pola data yang mengandung tren. Metode ini memiliki formula sebagai berikut:
Y = a + bX (2.6)
Dimana:
Y = Nilai variabel yang diprediksi (dependen variabel) a = variabel intercept (sumbu y)
b = varibel slope/garis regresi (sumbu x)
X = Nilai variabel untuk periode (independen variabel)
2.2.2 Perhitungan Error
Error merupakan tingkat kesalahan yang terjadi antara peramalan dengan aktual yang terjadi. Perhitungan error dapat digunakan untuk membandingkan metode peramalan yang sesuai antar metode lainnya. Beberapa cara yang dapat digunakan untuk menghitung error adalah sebagai berikut (Heizer & Render, 2011):
• Mean Absolute Deviation (MAD)
Metode ini menghitung error dengan menggunakan nilai dari absolut error.
Metode ini memiliki formula sebagai berikut:
MAD = (∑|Aktual – Peramalan|) / n (2.7)
• Mean Squared Error (MSE)
Metode ini menghitung error dengan menggunakan rata-rata dari nilai error yang dikuadratkan. Metode ini memiliki formula sebagai berikut:
MSE = ∑(Error)2 / n (2.8)
• Mean Absolute Percent Error (MAPE)
Metode ini digunakan untuk meramalkan sesuatu yang jumlahnya sangat banyak. Nilai error yang dihasilkan dalam metode ini berbentuk persentase.
Metode ini memiliki formula sebagai berikut:
MAPE = (∑100|Aktuali – Peramalani| / Aktuali) / n (2.9)
2.3 Kapasitas Produksi
Kapasitas merupakan jumlah output yang mampu dihasilkan dari sebuah mesin, tenaga kerja, dan jam kerja dengan satuan waktu tertentu. Kapasitas produksi dihitung berdasarkan waktu proses dari sebuah produk tersebut dan waktu yang tersedia untuk memproses produk tersebut. Waktu proses dari produk tersebut diambil dari waktu terlama dari produk tersebut atau jumlah waktu tiap proses yang ada dalam pembuatan tersebut. Kapasitas produksi dapat dihitung dengan menggunakan formula sebagai berikut
𝐾𝑎𝑝𝑎𝑠𝑖𝑡𝑎𝑠 𝑝𝑟𝑜𝑑𝑢𝑘𝑠𝑖 = (𝑊𝑎𝑘𝑡𝑢 𝑡𝑒𝑟𝑠𝑒𝑑𝑖𝑎−𝑊𝑎𝑘𝑡𝑢 𝑝𝑟𝑜𝑠𝑒𝑠)
𝑊𝑎𝑘𝑡𝑢 𝑏𝑎𝑘𝑢 𝑡𝑒𝑟𝑙𝑎𝑚𝑎 + 1 (2.10)
2.4 Safety Stock
Safety stock merupakan persediaan yang digunakan untuk mengurangi atau menghindari jumlah dari stock out dan untuk memberikan pelayanan yang lebih baik kepada pelanggan. Safety stock berfungsi untuk melindungi atau menjaga kemungkinan terjadinya kekurangan barang, serta eror dari peramalan. Jumlah safety stock dapat ditentukan dengan cara secara langsung dalam jumlah unit tertentu atau berdasarkan persentase dari kebutuhan selama menunggu barang datang. Jumlah safety stock juga bisa menggunakan pendekatan tingkat pelayanan.
Perhitungan persediaan dapat dihitung dengan formula sebagai berikut (Greasley, 2013):
SS = Z x √LT x σd (2.11)
Dimana:
SS = Safety stock Z = Tingkat pelayanan LT = Lead time
σ = Standar deviasi permintaan selama waktu tenggang
2.5 Peta Proses Operasi
Peta proses operasi merupakan suatu peta diagram yang menggambarkan langkah-langkah proses yang akan dialami sebuah produk mulai dari bahan baku hingga jadi. Peta proses operasi juga memberikan informasi-informasi yang
dibutuhkan. Informasi-informasi yang terdapat pada peta proses operasi adalah sebagai berikut (Arif, 2017):
• Deskripsi proses bagi setiap kegiatan/proses
• Waktu penyelesaian masing-masing proses
• Persentase scrap yang dihasilkan dalam proses
• Mesin atau alat yang digunakan dalam operasi
• Bahan baku dan bahan penunjang yang dibutuhkan
Peta proses operasi digambarkan dengan beberapa prinsip pembuatan.
Prinsip-prinsip yang dibuat dalam peta proses operasi merupakan cara dari penggambaran peta proses operasi. Prinsip-prinsip tersebut antara lain (Arif, 2017):
• Pada baris paling atas digambarkan kepala peta proses operasi, dan beberapa informasi lain seperti nama objek yang dipetakan, nama pembuat peta, tanggal dipetakan, nomor peta dan nomor gambar.
• Material yang akan diproses diletakkan di atas garis horizontal, untuk menandakan bahwa material tersebut yang akan di proses.
• Simbol pada peta proses operasi digambarkan secara vertikal. Bentuk lingkaran menggambarkan proses operasi dan bentuk kotak menggambarkan proses inspeksi.
• Pemberian nomor pada proses operasi diberikan secara berurutan sesuai dengan urutan proses
• Pemberian nomor pada proses inspeksi diberikan nomor sendiri dan memiliki prinsip sama dengan penomoran proses operasi
• Pada bagian bawah peta proses operasi diberikan informasi mengenai jumlah operasi, jumlah inspeksi, dan jumlah waktu yang diperlukan.
2.6 Pengukuran Waktu Kerja
Pengukuran kerja adalah suatu kegiatan untuk menentukan waktu yang dibutuhkan oleh seseorang dalam melaksanakan sebuah kegiatan kerja dalam kondisi dan tempo yang normal. Waktu baku (standard time) berhubungan dalam pengukuran waktu kerja untuk menyelesaikan suatu pekerjaan. Tujuan dari pengukuran waktu kerja untuk mengetahui metode yang digunakan dalam pengukuran waktu kerja dengan membandingkan beberapa metode yang ada.
Pengukuran kerja dibagi menjadi dua yaitu pengukuran secara langsung dan tidak langsung (Wignjosoebroto, 2008).
2.6.1 Pengukuran Kerja Langsung
Pengukuran kerja langsung adalah pengukuran yang dilakukan dengan cara mengamati kerja operator secara langsung. Pengukuran kerja secara langsung terdiri dari beberapa metode. Metode yang dapat digunakan dalam pengukuran kerja secara langsung adalah sebagai berikut (Wignjosoebroto, 2008):
• Metode Jam Henti
Pengukuran waktu kerja dengan metode ini cocok dipakai untuk pekerjaan yang berlangsung singkat dan berulang-ulang. Hasil pengukuran dengan metode ini akan diperoleh waktu baku untuk menyelesaikan pekerjaan.
• Work Sampling
Metode ini merupakan metode yang dilakukan secara langsung di tempat kerja.
Pengamatan dilakukan dengan sampling berdasarkan hukum probabilitas.
Pengamatan terhadap sampel diambil secara acak.
2.6.2 Pengukuran Kerja Tidak Langsung
Pengukuran kerja tidak langsung merupakan pengukuran yang dapat dilakukan tanpa harus ada langsung di tempat pengamatan. Pengukuran dilakukan hanya dengan membaca tabel waktu kerja yang tersedia. Metode dalam pengukuran kerja tidak langsung adalah sebagai berikut (Wignjosoebroto, 2008):
• Pengukuran waktu kerja dengan data waktu baku
Metode ini merupakan metode yang lebih sederhana dibandingkan metode lainnya. Pengukuran lebih cepat dan lebih mudah dilakukan. Kelemahan dari metode ini adalah membutuhkan pengambilan data waktu baku yang harus dilakukan sebelumnya.
• Pengukuran waktu kerja dengan data waktu gerakan
Metode ini merupakan metode yang membagi-bagi setiap operasi kerja yang dilaksanakan oleh operator ke dalam gerakan-gerakan kerja, gerakan-gerakan anggota tubuh ataupun elemen gerakan lainnya.
2.7 Menentukan Waktu Baku
Perhitungan waktu baku ditentukan dengan melakukan beberapa tahap.
Tahap yang dilakukan adalah pengamatan secara langsung, pengujian statistik, hingga pengolahan waktu baku. Tahap-tahap tersebut secara lengkap akan dijelaskan sebagai berikut (Wignjosoebroto, 2008):
1. Pengambilan data waktu dan dilakukan uji normal menggunakan uji kolmogorov-smirnov (pengujian dilakukan dengan menggunakan bantuan software)
2. Uji keseragaman data yang telah dilakukan uji normal dengan menggunakan bantuan software atau dengan peta kontrol. Uji keseragaman dengan peta kontrol dilakukan dengan menggunakan parameter BKA (Batas Kontrol Atas) dan BKB (Batas Kontrol Bawah). Formula perhitungan BKA dan BKB adalah sebagai berikut:
BKA = 𝑋̅ +kσ ̅ (2.12)
BKB = 𝑋̅ -kσ ̅ (2.13)
Dimana:
𝑋̅ = Rata-rata data k = Nilai Z dari 𝛼
2
σ ̅ = Standar deviasi 3. Uji Kecukupan data
Uji kecukupan data dilakukan untuk mengetahui apakah data yang telah diambil cukup atau tidak untuk dilakukan pengujian.
a. Jumlah data kurang dari 30 (n ≤ 30)
n’ = (𝑠.𝑡
𝑘.𝑥)2 (2.14)
Dimana:
N’ = Jumlah data yang mencukupi s = standar deviasi
t = Distribusi t pada 𝛼
2 → v = N – 1 k = Persentase penerimaan x = α x = rata – rata
b. Jumlah data lebih dari 30 (n > 30)
(2.15)
Dimana :
N’ = Jumlah data yang mencukupi N = Jumlah data yang diambil Xi = Data yang diambil 4. Menghitung Waktu Baku
• Waktu siklus
Waktu siklus adalah waktu penyelesaian dari bahan datang hingga proses selesai. Waktu siklus merupakan hasil pengamatan secara langsung yang muncul pada jam henti untuk mengukur sebuah pekerjaan. Waktu siklus didapatkan dengan mencari nilai rata-rata dari total jumlah data yang telah diambil. Formula perhitungan waktu siklus dapat dilihat pada persamaan (2.16)
Waktu siklus = Σ𝑥
𝑛 (2.16)
Keterangan:
∑x = Nilai total data yang ada n = Jumlah data
• Waktu normal
Waktu normal merupakan waktu yang diperlukan seorang pekerja dalam menyelesaikan pekerjaannya dengan mempertimbangkan performa pekerja tersebut. Formula perhitungan waktu normal dapat dilihat pada persamaan (2.17) Waktu normal = Waktu siklus x Performance Rating (%) (2.17)
• Waktu baku
Waktu baku merupakan waktu yang diperlukan seorang pekerja untuk menyelesaikan sebuah pekerjaan dalam keadaan normal. Waktu baku dihitung menggunakan waktu normal dengan pertimbangan kelonggaran yang diberikan oleh pekerja. Formula perhitungan waktu baku dapat dilihat pada persamaan (2.18)
Waktu baku = Waktu normal x 100%
100%−𝐾𝑒𝑙𝑜𝑛𝑔𝑔𝑎𝑟𝑎𝑛 (2.18)
2.8 Menentukan Performance Rating dan Allowances
Perhitungan waktu baku dibutuhkan parameter performance rating untuk penilaian kemampuan operator dan allowances untuk kelonggaran bagi operator.
Performance rating dan allowances memiliki beberapa elemen. Penjelasan elemen performance rating adalah sebagai berikut:
2.8.1 Performance Rating
Performance rating merupakan konsep bekerja wajar dimana operator dianggap bekerja tanpa usaha yang berlebihan sepanjang melakukan pekerjaan, mengusai cara bekerja, dan menunjukkan kesungguhan dalam bekerja. Nilai dari performance rating yaitu:
• P = 1 atau p = 100% berarti normal
• P < 1 atau p < 100% berarti lambat
• P > 1 atau p > 100% berarti cepat
Metode yang dapat digunakan dalam pengukuran performance rating adalah metode westinghouse. Metode ini mempertimbangkan empat faktor yaitu skill (ketrampilan), effort (usaha), condition (kondisi), consistency (konsistensi).
Ketrampilan merupakan kemampuan operator dalam menguasai metode bekerja yang diberikan. Usaha merupakan besar usaha yang diberikan oleh operator dalam mengerjakan pekerjaannya. Kondisi adalah kondisi tempat operator bekerja dan konsistensi adalah kekonsistensian operator dalam melakukan pekerjaannya.
Faktor-faktor tiap performance rating yang dibagi dalam tiap kelas yang memiliki ciri dan nilai yang berbeda-beda. Pembagian nilai kelas tiap faktor performance rating dibentuk dalam tabel westinghouse adalah sebagai berikut:
Tabel 2.1 Performance Rating Westinghouse Sumber: (Wignjosoebroto, S. 2008)
SKILL EFFORT
0.15 A1 Superskill 0.13 A1 Excessive
0.13 A2 0.12 A2
0.11 B1 Excellent 0.1 B1 Excellent
0.08 B2 0.08 B2
Tabel 2.1 Performance Rating Westinghouse (Lanjutan)
SKILL EFFORT
0.06 C1 Good 0.05 C1 Good
0.03 C2 0.02 C2
0 D Average 0 D Average
-0.05 E1 Fair -0.04 E1 Fair
-0.1 E2 -0.08 E2
-0.16 F1 Poor -0.12 F1 Poor
-0.22 F2 -0.17 F2
CONDITION CONSISTENCY
0.06 A Ideal 0.04 A Perfect
0.04 B Excellent 0.03 B Excellent
0.02 C Good 0.01 C Good
0 D Average 0 D Average
-0.03 E Fair -0.02 E Fair
-0.07 F Poor -0.04 F Poor
Tabel 2.1 merupakan tabel dari nilai performance rating berdasarkan nilai westinghouse. Kelas-kelas pada performance rating juga dibagi berdasarkan cirinya. Klasifikasi dari ketrampilan dibagi dalam beberapa kelas dengan ciri-ciri setiap kelas adalah sebagai berikut:
• Super skill
Pada kelas ini pekerja terlihat sangat cocok dengan pekerjaannya sehingga dapat melakukan pekerjaan dengan sempurna. Gerakan yang ditunjukkan pekerja dalam melakukan pekerjaan sangat halus tapi cepat sehingga sulit untuk diikuti.
Pekerja terlihat terlatih dengan baik dan tidak merencanakan apa yang akan dikerjakan (sangat otomatis)
• Excellent skill
Pekerja berciri-ciri bekerja dengan percaya diri dan terlihat terlatih dengan baik.
Pekerjaan yang dilakukan dikerjakan dengan teliti degan tidak banyak pengukuran dan pemeriksaan. Penggunaan perlatan dengan baik serta gerakan- gerakan kerja yang dilakukan berurutan tanpa ada kesalahan.
• Good skill
Ciri yang dimiliki adalah pekerja memiliki kualitas hasil yang baik. Pekerja mampu memberi petunjuk bagi operator yang keterampilannya lebih rendah.
Gerakan-gerakan yang dilakukan terkoordinasi dengan baik. Tidak memerlukan banyak pengawasan.
• Average skill
Pekerja memiliki ciri dalam bekerja melakukan gerakan normal tidak terlalu cepat dan tidak terlalu lambat. Gerakan yang dilakukan telah direncanakan dan bekerja dengan teliti. Pekerja dengan ciri ini secara keseluruhan cukup memuaskan.
• Fair skill
Pekerja memiliki ciri terlihat terlatih tetapi belum cukup baik, waktu bekerja sebagian terbuang dikarenakan kesalahan sendiri. Pekerja kurang percaya diri sehingga tampak tidak sesuai dengan pekerjaannya, tetapi telah ditempatkan di pekerjaan itu sejak lama. Output yang dihasilkan sangat rendah jika bekerja tidak dengan sungguh-sungguh.
• Poor skill
Pekerja dalam kelas ini tergolong memiliki ketrampilan paling rendah. Ciri yang dimiliki adalah pekerja tidak percaya diri dan terlihat tidak cocok dengan pekerjaannya. Gerakan yang dilakukan kaku dan tidak bisa mengambil inisiatif sendiri.
Klasifikasi kelas faktor skill (ketrampilan) dibagi dalam 6 kelas. Pekerja dengan ketrampilan paling baik digolongkan dalam kelas super skill dan pekerja dengan ketrampilan paling rendah digolongkan dalam kelas poor skill. Faktor effort (usaha) juga diklasifikasikan berdasarkan cirinya. Pembagian klasifikasi faktor effort (usaha) dengan ciri-cirinya adalah sebagai berikut:
• Excessive effort
Ciri yang dimiliki adalah pekerja bekerja dengan kecepatan kerja tinggi.
Kecepatannya dapat dipertahankan sepanjang hari. Banyak memberi saran untuk pekerjaannya serta penuh perhatian terhadap pekerjaannya.
• Good effort
Pekerja dapat bekerja dengan berirama, serta kecepatan kerja dapat dipertahankan sepanjang hari. Waktu menganggur pekerja sedikit, bahkan tidak ada. Pekerja dapat menerima saran dan petunjuk dengan senang.
• Average effort
Ciri yang ditunjukkan adalah kecepatan pekerja cenderung stabil, pekerja dapat menerima saran tetapi tidak dilaksanakan. Pekerja melakukan perencanaan kegiatan. Secara keseluruhan, tidak sebaik good, tapi lebih baik dari poor.
• Fair effort
Ciri yang ditunjukkan oleh pekerja adalah pekerja dapat menerima saran-saran perbaikan tetapi diterima dengan kesal. Pekerja melakukan sedikit penyimpangan dari cara kerja baku, kurang bersungguh-sungguh dalam bekerja.
Gerakan-gerakan yang dilakukan tidak terencana tetapi dalam bekerja pekerja terlampau hati-hati.
• Poor effort
Ciri yang dimiliki adalah pekerja banyak membuang waktu, terlihat tidak adanya minat kerja. Pekerja juga tidak ingin menerima saran perbaikan. Pekerja sangat malas dan lambat dalam bekerja.
Faktor condition (kondisi) juga mengklasifikasikan berdasarkan cirinya dalam 6 kelas yaitu ideal, excellent, good, average, fair dan poor. Kondisi ideal tidak selalu sama bergantung pada setiap karakteristik pekerjaan. Kondisi good merupakan kondisi yang dianggap fair atau poor bagi pekerjaan lain. Kondisi poor adalah kondisi yang tidak mendukung jalannya pekerjaan sehingga menghambat pencapaian pekerja. Kondisi yang ideal dapat ditentukan dimana operator dapat mencapai hasil terbaik dalam pekerjaannya sehingga penilaian faktor kondisi harus dilakukan seteliti mungkin. Faktor consistency harus diperhatikan karena faktor ini dapat mempengaruhi dalam pengambilan waktu yang dilakukan. Penilaian faktor consistency dapat dilakukan dengan variabilitas data yang diambil. Faktor ini juga membagi dalam 6 kelas yaitu perfect, excellent, good, average, fair dan poor.
Semakin variabilitas data tinggi maka pekerja itu semakin tidak konsisten sehingga pekerjaannya yang sempurna adalah pekerjaan yang dilakukan dengan waktu penyelesaian yang tepat dari saat ke saat.
2.8.2 Kelonggaran Waktu
Kelonggaran waktu diberikan untuk berbagai faktor, yaitu kebutuhan pribadi, kelelahan fisik, dan hal-hal yang tidak terduga. Kelonggaran waktu yang diberikan untuk kebutuhan pribadi operator digunakan oleh operator untuk makan, minum, dan sebagainya. Nilai kelonggaran yang diberikan bagi pria dan wanita berbeda. Kelonggaran waktu yang diberikan untuk pria cenderung lebih kecil daripada wanita. Kelonggaran bagi pria berkisar 0 - 2.5% dan 2-5% bagi wanita.
Kelonggaran waktu kelelahan fisik diberikan kepada operator untuk penyebab- penyebab seperti kondisi kerja, sifat dari pekerjaan, dan kesehatan pekerja baik fisik maupun mental. Kelonggaran waktu untuk hal-hal yang terduga diberikan kepada operator untuk penyebab seperti interupsi dari pimpinan kerja, analisis, ketidak ketersediaan bahan, faktor mesin yang bermasalah, dan sebagainya.
(Wignjosoebroto, 2008)
Tabel 2.2 Kelonggaran Waktu Sumber: Wignjosoebroto, S, 2008
Faktor Contoh Pekerjaan Kelonggaran
A.Tenaga yang
dikeluarkan
Pria Wanita 1. Dapat diabaikan Bekerja di meja,
duduk
0,0-6,0 0,0-6,0 2. Sangat ringan Bekerja di meja,
berdiri
6,0-7,5 6,0-7,5
3. Ringan Menyekop, ringan 7,5-12,0 7,5-16,0
4. Sedang Mencangkul 12,0-19,0 16,0-30,0
5. Berat Mengayun palu yang
berat
19,0-30,0 6. Sangat berat Memanggul beban 30,0-50,0 7. Luar biasa berat Memanggul karung
berat B. Sikap kerja
1. Duduk Bekerja duduk,
ringan
0,00—1,0 2. Berdiri diatas dua kaki Badan tegak,
ditumpu dua kaki
1,0-2,5
Tabel 2.2 Kelonggaran Waktu (Lanjutan)
Faktor Contoh Pekerjaan Kelonggaran
3. Berdiri diatas satu kaki
Satu kaki
mengerjakan alat kontrol
2,5-4,0
4. Berbaring
Pada bagian sisi, belakang atau depan badan
2,5-4,0
5. Membungkuk
Badan dibungkukkan bertumpu pada kedua kaki
4,0-10
C. Gerakan kerja
1. Normal Ayunan bebas dari
palu 0
2. Agak Terbatas Ayunan terbatas dari
palu 0-5
3. Sulit
Membawa beban berat dengan satu tangan
0-5 4. Pada anggota-anggota
badan terbatas
Bekerja dengan
tangan diatas kepala 5-10 5. Seluruh anggota badan
terbatas
Bekerja dilorong pertambangan yang sempit
10-15
D. Kelelahan mata Pencahayaan
Baik
Buruk 1. Pandangan yang
terputus-putus Membawa alat ukur 0,0-6,0 0,0-6,0 2. Pandangan yang
hampir terus menerus
Pekerjaan-pekerjaan yang teliti
6,0-7,5 6,0-7,5 3. Pandangan terus
menerus dengan fokus berubah-ubah
Memeriksa cacat- cacat pada kain Pemeriksaan yang sangat teliti
7,5-12,0 12,0-19,0
7,5-16,0
4. Pandangan terus menerus dengan fokus tetap
19,0-30,0 30,0-50,0
16,0-30,0
E. Keadaan temperatur
tempat kerja Temperatur (ͦ C) Kelemahan normal
Berlebihan
1. Beku Dibawah 0 Diatas 10 Diatas 12
2. Rendah 0-13 10-0 12-5
3. Sedang 13-22 5-0 8-0
4. Normal 22-28 0-5 0-8
5. Tinggi 28-38 5-40 8-100
6. Sangat tinggi Diatas 38 Diatas 40 Diatas 100 F. Keadaan atmosfer
1. Baik Ruang berventilasi
baik, udara segar
0
Tabel 2.2 Kelonggaran Waktu (Lanjutan)
Faktor Contoh Pekerjaan Kelonggaran
2. Cukup
Ventilasi kurang baik, ada bau-bauan (tidak berbahaya)
0-5
3. Kurang baik
Adanya debu-debu beracun, atau tidak beracun tapi banyak
5-10
4. Buruk
Adanya bau-bauan berbahaya yang mengharuskan menggunakan alat- alat pernapasan
10-20
G. Keadaan lingkungan yang baik
1. Bersih, sehat, cerah dengan kebisingan rendah
0 2. Siklus kerja berulang-ulang antara 5-10
detik
0-1 3. Siklus berulang-ulang antara 0-5 detik 1-3
4. Sangat bising 0-5
5. Jika faktor-faktor yang berpengaruh dapat menurunkan kualitas
0-5
6. Terasa adanya getaran lantai 5-10
7. Keadaan-keadaan yang luar biasa (bunyi, kebersihan, dll)
5-15
2.9 Master Production Schedule (MPS)
MPS merupakan suatu pernyataan dari perusahaan industri manufaktur yang merencanakan hasil produksi yang berkaitan dengan kuantitas dan periode waktu. MPS melakukan disagregasi dan implementasi produksi. MPS melakukan empat aktivitas fungsi utama yaitu :
• Menyediakan atau memberikan input utama kepada sistem perencanaan kebutuhan material dan kapasitas.
• Menjadwalkan pesanan-pesanan produksi dan pembelian untuk variabel MPS.
• Memberikan landasan untuk penentuan kebutuhan sumber daya dan kapasitas.
• Memberikan basis untuk pembuatan janji tentang penyerahan produk kepada pelanggan.
MPS dalam menjalankan empat aktivitas fungsi utama membutuhkan beberapa variabel. Variabel yang dibutuhkan oleh MPS terdapat 4 buah. Setiap variabel dalam MPS akan dijelaskan sebagai berikut (Gaspersz, 2014):
• Data Permintaan Total
Sumber data bagi proses penjadwalan produksi induk. Data permintaan total berkaitan dengan ramalan penjualan (sales forecasts) dan pesanan-pesanan (orders)
• Status Inventori
Informasi mengenai on-hand inventory, persediaan yang dialokasikan untuk penggunaan tertentu, pesanan produksi, dan pembelian yang dikeluarkan. Status inventori dalam MPS harus akurat.
• Rencana Produksi
Variabel ini digunakan untuk menentukan tingkat produksi, inventori dan sumber daya lain dalam rencana produksi.
• Data Perencanaan
Variabel ini berkaitan dengan aturan-aturan yang harus digunakan seperti persediaan pengaman (safety stock) dan waktu tunggu (lead time).
