1. ANALISA PRODUK DAN ALIRAN PROSES PRODUKSI
Produk yang diamati selama periode waktu penelitian pada PT.
IGA ABADI ada tiga macam, yaitu: Dresser (TD), View Mirror (TVM) dan Mansion Bed King (MBK). Masing-masing produk tersebut terdiri dari berbagai macam komponen. Beberapa komponen memiliki kemiripan proses produksi, namun terdapat perbedaan pada jenis mesin yang dapat digunakan untuk melakukan proses tersebut.
Proses produksi dimulai jika material atau bahan baku untuk Departemen Moulding Bagian Processing ini telah siap di area kerja. Keadaan bahan baku yang diasumsikan lancar, yang artinya setiap saat proses produksi akan dimulai bahan baku selalu tersedia.
Untuk mengetahui lebih jelasnya tentang proses produksi
Dresser, View Mirror dan Mansion Bed King pada Departemen Moulding, Bagian Processing dapat dilihat dalam pemodelan proses produksi system job- shop dengan metode Nets pada Lampiran A 1 -A3.
2. PENGUKURAN WAKTU KERJA
Pengukuran waktu kerja digunakan untuk menentukan waktu baku, yaitu waktu yang dibutuhkan oleh seorang operator dengan kemampuan rata- rata dan pada kecepatan kerja normal untuk melakukan tugas-tugas khusus.
Dari pengukuran waktu kerja ini didapatkan waktu baku yang dapat dipakai untuk memodelkan proses produksi dalam model Petri Nets.
Adapun hasil perhitungan waktu baku untuk produk Dresser, Tri View Mirror dan Mansion Bed King selengkapnya langsung ditabelkan.
2.1. Waktu Pengamatan Pendahuluan
Waktu pengamatan pendahuluan tiap operasi diperoleh dengan cara mengamati secara langsung aktivitas para operator di lantai produksi.
Pengambilan sejunilah waktu pengamatan kerja dilakukan menggunakan dengan terlebih dahulu nielakukan wawancara secara langsung dengan penibimbing lapangan mengenai kemampuan operator yang diukur waktu kerjanya.
Adapun hasil data waktu pengamatan kerja dapat dilihat dalani Waktu Proses yang terdapat pada lampiran B 1-B4.
2.2. Uji Kenormalan Data
Data waktu pengamatan pendahuluan diduga berdistribusi normal dan untuk membuktikannya dilakukan Uji dengan bantuan Software SPSS for Windows. Dilakukan perbandingan antara Dl,itung dengan Dtabel. Apabila lebih kecil daripada maka terima Ho yang berarti data berdistribusi normal, demikian pula sebal i knya.
Adapun contoh uji kenormalan data adalah sebagai berikut : : Distribusi pengamatan = distribusi dugaan, 0.05
: Distribusi pengamatan distribusi dugaan Dengan bantuan IO. for Windows diperoleh :
= 0.098 untuk data waktu proses operasi moulding, komponen produk Dresser, kemudian dibandingkan dengan (untuk n = 30 dan 0.0.5), dimana nilai = 0.24.
Karena < maka terima Ho.
Adapun hasil dari Uji KenormaIan Data ini dapat dilihat dalam Uji KenormaIan Data Waktu Operasi yang terdapat pada lampiran C 1 -C4.
2.3. Uji Keseragaman Data
Data hasil pengainatan pendahuluan perlu diuj i keseragaman datanya untuk mengetahui apakah data tersebut seragam atau tidak. Hal ini dimaksudkan agar data yang diukur memang merupakan data yang akurat. Batas Kontrol Bawah (BKB) dan Batas Kontrol Atas (BKA) dihitung dengan menggunakan 2 st-dev (standar deviasi).
Adapun contoh perhitungan datanya adalah sebagai berikut di bawah ini :
Komponen Produk Dresser, Operasi Moulding
dengan X = 17.59 dan Standar Deviasi = 0.66, maka BKA = 17.59 + 2(0.66) = 18.91
BKB = 17.59 - 2(0.66) = 16.27
Karena data hasil pengainatan pendahuluan berada di dalani interval BKA dan BKB, maka data tersebut dapat dikatakan seragam. Adapun hasil dari Uji Keseragaman Data ini dapat dilihat dalam Hasil Uji Kenormalan Data, Uji Keseraganian Data, dan Uji Kecukupan Data yang terdapat pada Lampiran F 1 -F4.
2.4. Uji Kecukupan Data
Data hasil pengamatan pendahuluan diuji kecukupan datanya untuk memeriksa apakah jumlah pengamatan yang dilakukan sudah cukup.
Dalani uji kecukupan data ini diambil nilai untuk tingkat kepercayaan sebesar 95% dan tingkat ketelitian sebesar 5%.
Adapun contoh perhitungan uj i kecukupan data adalah sebagai berikut :
Operasi Komponen
Produk Dresser:
N = 30 data, 9295.32, Cx = 527.71 K = 2 dan s = 0.05, maka
2
(527.7 1)'
N'
= 2.19 dataKarena N lebih besar daripada
N'
maka data pengamatan yang diambil dapat dikatakan cukup.2.5. Perhitungan Waktu Normal
Berdasarkan pengamatan dan wawancara dengan pembimbing lapangan diperoleh beberapa kriteria dari operator dengan mempertimbangkan empat faktor (sesuai dengan
yaitu: keahlian (skill), usaha kondisi (condition). dan konsistensi yang disebut dengan
ditentukan dengan tujuan untuk menormalakan u.aktu yang telah didapat dari pengainatan pendahuluan.
Sebagai contoh penentuan untuk Operasi Moulding, komponen , produk Dresser dapat dilihat pada tabel 4-1 sebagai berikut :
Tabel 4-1.
Penentuan Performance Rating
Operasi Moulding, Edgeband Frontl, Tripple Dresser SKILL
PR = 1 + p = 1 t(- 0.01) = 0.99
Setelah didapatkan faktor penyesuaian maka dicari waktu normalnya.
Contoh perhitungan dari waktu normal adalah sebagai berikut:
Operasi Moulding, Edgeband Frontl, Tripple Dresser dengan X rata-rata = 17.59 ; PR = 0.99
Wn = 17.59 x 0.99 = 17.41 detik
Untuk perhitungan waktu normal selengkapnya dapat dilihat dalani Pengolahan Data Waktu Operasi yang terdapat pada Lampiran G 1 -G4.
2.6.Perh i t ungan W a kt u Baku
Waktu Baku yang ditetapkan haruslah mencakup waktu normal dan ditambahkan dengan kelonggaran sesuai dengan kondisi kerjanya.
Kelonggaran ditentukm dengan melihat kondisi di lapangan dan wawancara langsung dengan pembimbing lapangan dan operator, berdasarkan faktor-faktor dan
Adapun perhitungannya mengambil contoh Operasi Moulding, komponen Frontl, produk Tripple Dresser sebagai berikut :
Wn = 17.41 detik
Total Allowance = 29 % (Tabel 4-2)
Jadi Waktu Bakunya z= Wn
+
(Wn x Allowance)= 17.41
+
(1 7.41 x 0.29) = 22.46 detik.JENIS ALLOWANCE
Tabel 4-2.
Operasi Moulding Penentuan Allowance Operasi Moulding,
Personal Allowance Allowance
Komponen Frontl, Produk Tripple Dresser
Yo
26 Delay Allowance
Total
2 Yo 29 Yo
Untuk perhitungan waktu baku selengkapnya dapat dilihat dalam Pengolahan Data Waktu Operasi yang terdapat pada lampiran G 1-G4.
Berikut diberikan hasil akhir dari perhitungan waktu proses operasi seperti pada Tabel 4-3 sampai Tabel 4-5
Side Frame B
Tabcl
Waktu Baku Komponen Tripple Dresser (TD)
Moulding Moulding
Double End Double End
Double Cut Double Cut
Triple Frame Triple
Router
I I ! I
I
Tabel 4-4
Waktu Baku Mirror (TVM)
Tabel 4-5
Waktu Baku Kornponen Mansion Bed King (MBK)
KOMPONEN Waktu KOMPONEN Waktu
Baku
PERAMALAN DEMAND 3.
Peramalan dilakukan sebagai tahap awal dalam perencanaan produksi untuk mengetahui besarnya demand di masa mendatang. Analisa data demand ketiga produk pada tahun 2000 yang dikumpulkan menunjukkan bahwa data demand tersebut mengandung komponen time trend,
dan Metode Winter dipilih untuk
membangkitkan peramalan demand karena kesesuaiannya untuk digunakan meramalkan data dengan komponen time series seasonal dan acak.
Edgeband Edgeband Side
Peramalan demand untuk periode Januari, Pebruari dan Maret 1 dengan metode Winter’s Multiplicative dilakukan dengan menggunakan Minitab Release 1 1 .00. Adapun hasil peramalan demand untuk periode Januari, Pebruari dan Maret 2001 dengan software Minitab 1 1 .00, metode Winter’s Multiplicative dapat dilihat pada Lampiran H.
Berikut diberikan hasil akhir dari peramalan ketiga produk untuk bulan Januari, Pebruari dan Maret 200 1, seperti pada Tabel 4-6 sampai Tabel 4-8.
Ta bel 4-6
Hasil Peramalan untuk Produk Tripple Dresser (TD)
KOMPONEN Tri View Mirror
Tabel
Quantity/
Unit Januari
Demand Hasil Peramalan untuk Produk Tri View Mirror (TVM)
Unit Demand
Side Frame A Frame Bottom Frame
Frame
I
Tabel
Demand Hasil Peramalan untuk Produk Mansion Bed King (MBK)
