172
UPAYA PENINGKATAN PRODUKTIVITAS MESIN MILLS STATION MENGGUNAKAN BASIS OVERALL EQUIPMENT EFFECTIVENESS (OEE)
Ahmad Kholid Alghofari1*, Muhamad Arsyad Rifa’i2
1,2 Program Studi Teknik Industri, Fakultas Teknik, Universitas Muhammadiyah Surakarta
Jl. A.Yani Tromol Poss 1, Pabelan, Surakarta, Jawa Tengah
*Email: [email protected] Abstrak
Produktivitas perusahaan manufaktur sangat dipengaruhi produktivitas dari mesin yang beroperasi. Produktivitas peralatan dapat diketahui dengan cara mengukur Overall Equipmment Effectivity (OEE) dari mesin tersebut. OEE pada dasarnya merupakan basis dari Total Productive maintenance (TPM) yang fokus pengukurannya terdiri dari 3 aspek, yaitu:
availability, performance, dan rate of quality. Penelitian ini dilakukan di PT. Gula Putih Mataram yang bertujuan untuk mengukur nilai OEE dari mesin mills station dan upaya untuk meningkatkannya. Penilaian OEE dilakukan dengan cara mengumpulkan data kerusakan yang mengakibatkan downtime mesin, data hasil produksi, dan data produk cacat. Analisa six big losses dilakukan untuk mengetahui komponen yang berpengaruh pada kegagalan. Selanjutnya analisa causes and effect diagran dilakukan untuk mengidentifikasi penyebab sekaligus memberikan alternatf solusi bagi peningkatan produktivitas mesin. Perhitungan efektivitas mesin Mills station menggunakan metode Overall Equipment Effectiveness pada periode April- Agustus 2017, diperoleh Nilai OEE sebesar 72,05%. Nilai OEE tersebut belum mencapai nilai standart word class yang diharapkan yaitu sebesar 85%. Faktor kerugian yang paling mempengaruhi dengan melihat six big losses adalah faktor Equipment Failure Losses.
Alternatif usulan perbaikan berdasarkan analisa cause and effect diagram adalah dengan mempertimbangkan faktor manusia, lingkungan, metode, material, dan mesin.
Kata Kunci: Downtime, Overall Equipment Effectiveness, Produktivitas, Six Big Losses
1. PENDAHULUAN
Gula merupakan salah satu komoditas yang cukup strategis dan memegang peranan penting di sektor pertanian khususnya sub sektor perkebunan dalam perekonomian nasional. Kebutuhan gula pada tahun 2017 diproyeksikan sekitar 5.7 juta ton (Caturini, 2017). Gula merupakan kebutuhan pokok rakyat yang digunakan sebagai bahan pangan sumber kalori yang menempati urutan keempat setelah padi-padian, pangan hewani serta minyak dan lemak, dengan pangsa sebesar 6,7 persen. (Sugiyono, 2010) Sebagai salah satu sumber bahan pemanis utama, gula telah digunakan secara luas dan dominan baik untuk keperluan konsumsi rumah tangga maupun bahan baku industri pangan. (Sugiyanto, 2007). PT. Gula Putih Mataram merupakan sebuah perusahaan industri yang bergerak dibidang pembuatan gula. Perusahaan ini mempunyai target giling sebanyak 10.000 ton/hari.
Target produksi tersebut sangat dipengaruhi oleh kinerja mesin-mesin produksi. Kondisi mesin yang efektif diperlukan agar target produksi yang telah ditetapkan oleh perusahaan dapat tercapai. Manajemen pemeliharaan dibutuhkan untuk menjaga kondisi mesin senantiasa siap digunakan dan dapat memberikan performa sesuai dengan yang diharapkan pada periode waktu yang telah ditentukan (Dhillon, 2002). Efektifitas mesin adalah keadaan dan kemampuan berhasilnya suatu kerja yang dilakukan oleh mesin untuk memberikan hasil sesuai dengan harapan (Maknunah dkk, 2014). Efektivitas mesin tersebut dapat diketahui nilainya dengan melakukan pengukuran OEE(Hansen, 2002). Dengan melakukan pengukuran OEE pada sebuah mesin selanjutnya bisa dilakukan identifikasi penyebab jika nilai efektivitas kurang dari yang diharapkan (Al-Ghofari dkk, 2012).
Salah satu metode pengukuran produktivitas yang banyak digunakan oleh perusahaan – perusahaan yang mampu mengatasi permasalahan permasalahan tersebut adalah Overall Equipment Effectiveness (OEE). Metode ini merupakan bagian dari sistem pemeliharaan yang banyak diterapkan oleh perusahaan Jepang, yaitu Total Productive Maintenance (TPM). (Boris, 2006).
Konsep OEE dalam penerapan TPM mengurangi masalah dalam dunia Industri (Rahmad, 2012).
Menurut Nakajima (1988), OEE merupakan ukuran menyeluruh yang mengidentifikasi tingkat
173
produktivitas mesin/peralatan dari kinerja secara teori. Didalam OEE terdiri dari 6 kunci sistem atau disebut dengan six big losses peratan atau mesin yaitu, breakdown, setup/adjusments, idle/stop, reduced speed, scrap, dan start-up yield (Stamatis, 2010).
Permasalahan yang ada di PT. Gula Putih Mataram khususnya terkait pada proses produksi adalah terhentinya jam kerja (downtime) di stasiun penggilingan disebabkan mesin mengalami breakdwon. Downtime ini terjadi karena beberapa permasalahan yang ada, seperti kerusakan mesin, material yang habis, dan sumber daya listrik pada mesin Boiler yang sering drop, dan lain sebagainya. Stasiun penggiling berfungsi untuk memisahkan nira dari ampasnya yang dilakukan dengan proses penggilingan, apabila terjadi masalah pada stasiun ini maka tahapan berikutnya tidak akan berjalan sebagaimana mestinya (Midori, Effendi, & Effendi, 2012). Untuk meningkatkan kinerja di PT. Gula Putih Mataram dalam proses produksi perlu dilakukan pemeliharaan peralatan dan manajemen yang baik untuk dapat mengurangi dan mencegah masalah tersebut. Pemeliharaan dan manajemen tersebut bertujuan untuk meningkatkan efektivitas dan produktivitas dari peralatan tersebut. Oleh karenannya penelitian ini bertujuan untuk mengukur nilai efektivitas dari stasiun penggilingan dengan menggunakan metode Overall Equiment Effectiveess (OEE), dan mengetahui faktor yang paling mempengaruhi nilai OEE tersebut dengan Pareto Diagram dan six big losses, serta mengidentifikasi faktor apa saja yang mempengaruhi dengan Cause and Effect Diagram.
2. METODOLOGI
Penelitian dilakukan di PT. Gula Putih Mataram Lampung. Pengumpulan data dilakukan dengan dua cara, yaitu survey langsung ke lapangan dan merekap data laporan pelaksanaan produsi selama 5 bulan mulai Bulan April – Agustus 2017. Data yang diperlukan untuk menghitung nilai Overall Equipment Effectiveness (OEE) yaitu data breakdown mesin, stand by mesin, dan maintenance terencana pada mesin ini, data waktu operasi, jumlah produksi dan jumlah cacat.
Pengukuran nilai Overall Equipment Effectiveness (OEE)
Berdasarkan data-data yang telajh dikumpulkanm tahapan selanjutnya adalah dengan melakukan perhitungan nilai OEE dengan cara:
1. Perhitungan Nilai Availability Rate
Availability adalah suatu nilai yang menjelaskan tentang pemanfaatan waktu yang tersedia dalam kegiatan operasi peralatan. Perhitungan availability diperoleh dari perbandingan waktu operasi dengan waktu loading, waktu operasi dapat diperoleh dari pengurangan waktu loading dengan downtime peralatan. Waktu loading dapat diperoleh dari pengurangan available time atau running time dengan planned downtime (Hansen, 2002).
Availability dihitung dengan rumus : AV=𝑤𝑎𝑘𝑡𝑢 𝑜𝑝𝑒𝑟𝑎𝑠𝑖
𝑤𝑎𝑘𝑡𝑢 𝑙𝑜𝑎𝑑𝑖𝑛𝑔𝑥100% (1)
2. Perhitungan Nilai Performance Efficiency
Performance efficiency adalah suatu nilai yang menunjukan kemampuan peralatan menghasilkan output (Jono, 2015). Performance efficiency dihitung menggunakan rumus :
PE = 𝑃𝑟𝑜𝑐𝑒𝑠𝑠 𝑎𝑚𝑜𝑢𝑛𝑡 𝑥 𝑖𝑑𝑒𝑎𝑙 𝑐𝑦𝑐𝑙𝑒 𝑡𝑖𝑚𝑒
𝑜𝑝𝑒𝑟𝑎𝑡𝑖𝑛𝑔 𝑡𝑖𝑚𝑒 𝑥100% (2)
3. Perhitungan Nilai Rate of Quality
Rate of Quality Product adalah suatu nilai yang menjelaskan kemampuan peralatan dalam menghasilkan output yang sesuai dengan standart (tidak cacat). Perhitungan Rate of Quality diperoleh dari perbandingan produk yang sesuai dengan jumlah yang diproses.
Jumlah cacat yang digunakan pada perhitungan Rate of Quality product adalah jumlah pol kandungan gula pada Bagasse yang terbuang pada saat di Mill station(Jiwantoro dkk, 2013). Rate of Quality Product dihitung menggunakan rumus :
RQ = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑟𝑜𝑠𝑒𝑠 (𝑇𝑜𝑛)−𝐽𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑐𝑎𝑐𝑎𝑡 (𝑇𝑜𝑛)
𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑟𝑜𝑠𝑒𝑠 (𝑇𝑜𝑛) 𝑥100% (3) 4. Perhitungan Nilai Overall Equipment Effectiveness (OEE)
Overall Equipment Effectiveness adalah nilai keseluruhan dari produktivitas suatu mesin/ peralatan. Perhitungan OEE dihitung dengan menggunakan rumus :
OEE = AV x PE x RQ (4)
5. Analisis Six Big Losses
174
Setelah diperoleh nilai dari OEE, selanjutnya dilakukan proses identifikasi mengenai six big losses.Menurut (Jono, 2015), besarnya prosentase efektivitas mesin yang hilang akibat six big losses dapat dihitung dengan menggunakan rumus sebagai berikut :
a. Equipment Failures =𝑇𝑜𝑡𝑎𝑙 𝐵𝑟𝑒𝑎𝑘𝑑𝑜𝑤𝑛 𝑇𝑖𝑚𝑒
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 𝑥100% (5)
b. Set-Up ad Adjusment =𝑇𝑜𝑡𝑎𝑙 𝑆𝑒𝑡−𝑈𝑝
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒𝑥100% (6)
c. Idling and Minor stoppage losses = 𝑁𝑜𝑛 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑒
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 𝑥100% (7)
d. Reduced Speed Losses =
𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑛𝑔 𝑇𝑖𝑚𝑒−(𝐼𝑑𝑒𝑎𝑙 𝐶𝑦𝑐𝑙𝑒 𝑇𝑖𝑚𝑒 𝑥 𝑇𝑜𝑡𝑎𝑙 𝑃𝑟𝑜𝑑𝑢𝑐𝑡 𝑃𝑟𝑜𝑐𝑒𝑠𝑠)
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 𝑥100% (8)
e. Rework Losses = 𝐼𝑑𝑒𝑎𝑙 𝐶𝑦𝑐𝑙𝑒 𝑇𝑖𝑚𝑒 𝑥 𝑅𝑒𝑤𝑜𝑟𝑘
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 𝑥100% (9)
f. Scrap Losses = 𝐼𝑑𝑒𝑎𝑙 𝐶𝑦𝑐𝑙𝑒 𝑇𝑖𝑚𝑒 𝑥 𝑆𝑐𝑟𝑎𝑝𝑝
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒 𝑥100% (10)
6. Analisis Cause and Effect Diagram
Analisis terhadap penyebab faktor six big losses yang menyebabkan rendahnya efektivitas mesin dalam perhitungan OEE dilakukan dengan menggunakan diagram sebab akibat (fishbone diagram). Selanjutnya rekomendasi usulan perbaikan diberikan sebagai alternatif solusi untuk meningkatkan niali OEE.
3. HASIL DAN PEMBAHASAN 3.1 Perhitungan Nilai Availability Rate
Berdasarkan hasil pengolahan data Availability dengan rumus (1) didapatkan hasil untuk 5 periode bulan sebagai berikut:
Tabel 1. Tabel Perhitungan Availability
Bulan Jam Kerja (jam)
Planned Downtime
(Jam)
Menunggu Material
(jam)
Set- Up (jam)
BreakDown (jam)
Loading Time (jam)
Waktu Operasi
(jam)
AV
April 192 0 28,92 9,33 18,24 192 135,51 70,58%
Mei 744 12,83 99,1 25,28 48,413 731,17 558,377 76,37%
Juni 528 28,9 47,79 15,39 49,66 499,1 386,26 77,39%
Juli 672 26,75 118,94 29,48 28,44 645,25 468,39 72,59%
Agustus 552 28,3 39,65 14,32 44,43 523,7 425,3 81,21%
Rata-rata 75,63%
Dari hasil perhitungan Availability didapatkan hasil rata-rata dari Bulan April hingga Agustus dengan 75,63 %. Dari hasil tersebut masih berada dibawah standar Japan Institute of Plant Maintenance (JIPM) yaitu sebesar 90%.
3.2 Perhitungan Nilai Performance Efficiency
Hasil perhitungan nilai performance Efficiency berdasarkan rumus (2), disajikan dalam tabel berikut:
Tabel 2. Tabel Perhitungan Performance Efficiency Bulan
Loading Time (jam)
Produksi Presentase Jam Kerja
Operating Time (jam)
Waktu Siklus
Ideal Cycle Time
Performance April 192 44702 70,58% 135,51 0,0043 0,00303 100,00%
Mei 731,17 233491 75,05% 558,377 0,00313 0,00235 98,28%
Juni 499,1 149442 73,16% 386,26 0,00334 0,00244 94,53%
Juni 645,25 185465 69,70% 468,39 0,00348 0,00242 96,02%
Agustus 523,7 183927 77,05% 425,3 0,00285 0,00219 94,87%
Rata-rata 96,74%
Dari hasil perhitungan Performance Efficiency didapatkan hasil rata-rata dari Bulan April hingga Agustus dengan 96,74 %. Dari hasil tersebut berada diatas standar JIPM yaitu sebesar 95%.
175 3.3 Perhitungan Nilai Rate of Quality
Berdasarkan data yang dikumpulkan berkaitan dengan jumlah defect, maka nilai rate of quality dapat ditentukan dengan rumus (3) dan dihasilkan nilai sebagai berikut:
Tabel 3. Tabel Perhitungan Rate of Quality
Bulan Jumlah Produk diproses Jumlah Deffect Rate of Quality
April 44702 635,333 99%
Mei 233491 3320,87 98,58%
Juni 149442 2194,54 98,53%
Juli 185465 2661,47 98,56%
Agustus 183927 2718,09 98,52%
Rata-rata 98,56%
Dari hasil perhitungan RateofQuality didapatkan hasil rata-rata dari Bulan April hingga Agustus dengan 98,56 %. Dari hasil tersebut masih berada dibawah standart Japan Institute of Plant Maintenance (JIPM) yaitu sebesar 99,9%. Sehingga masih perlu peningkatan dalam kualitas pada saat tebu digiling agar tidak kehilangan banyak kandungan gula yang terbuang dalam bagasse.
3.3.1 Perhitungan Nilai Overall Equipment Effectiveness (OEE)
Overall Equipment Effectiveness adalah nilai keseluruhan dari produktivitas suatu mesin/
peralatan. Perhitungan OEE dihitung dengan menggunakan rumus (4) dihasilkan nilai OEE sebagai berikut:
Tabel 4. Tabel Perhitungan OEE
Bulan Availability Performance Rate of Quality OEE
April 70,58% 100,00% 98,58% 69,58%
Mei 76,37% 98,28% 98,58% 73,98%
Juni 77,39% 94,53% 98,53% 72,08%
Juli 72,59% 96,02% 98,56% 68,70%
Agustus 81,21% 94,87% 98,52% 75,91%
Rata-rata 75,63% 96,74% 98,56% 72,05%
Setelah menganalisa sebagian besar proses keseluruhan dan sistem peralatan penting dari Mill Station, dapat disimpulkan bahwa nilai rata – rata Overall Equipment Effectiveness dari Bulan April hingga Agustus pada Mill Station sebesar 72,05 %, yang berarti belum mencapai nilai Standart Word Class yang diharapkan yaitu sebesar 85%. Sehingga perlu dilakukan perbaikan untuk meningkatkan nilai OEE.
3.3.2 Analisis Six Big Losses
Dari data yang diperoleh, didapatkan six big losses seperti berikut :
Tabel 5. Perhitungan Six Big Losses
No Six Big Losess Total Time Loss
(Jam) Presentase
1 Equipment Failures Losses 0,20206 73,13%
2 Set-Up and Adjusment Losses 0,0362 13,10%
3 Idling and Minor Stoppage Losses 0 0,00%
4 Reduced Speed Losses 0,02743 9,93%
5 Rework Losses 0 0,00%
6 Scrapp Losses 0,01062 3,84%
Total 0,27631 100%
Dengan melakukan analisis terhadap six big losses menggunakan pareto diagram, maka dapat menemukan akar dari permasalahan menurunnya efektifitas dari Mill Station. Pada Gambar 1. Losses yang paling mempengaruhi menurunnya efektifitas yaitu, idling and minor stoppages
176
losses, reduced speed losses, equipment failure losses, rework losses, setup and adjusment losses, dan yield dan scrap losses.
Gambar 1. Gambar Grafik Pareto Diagram Six Big Losses
3.3.3 Analisis Cause and Effect Diagram
Berdasarkan grafik pada Pareto Diagram didapatkan faktor yang paling mempengaruhi rendahnya nilai efektivitas adalah Equipment Failure Losses. Kerugian ini disebabkan oleh berhentinya peralatan karena ada permasalahan. Misalnya keterlambatan dari bahan baku yang menyebabkan produksi berhenti, kerusakan mesin, dan penyebab yang dapat mengurangi ketersedian mesin dalam melakukan proses operasi(Revitasari, Novareza, & Darmawan, 2014).Penyebab kerusakan peralatan disajikan dalam fish bone diagram dibawah:
Gambar 2. Gambar Fishbone Diagram
3.3.4 Rekomendasi
Rekomendasi perbaikan untuk masalah Equipment Failure Losses adalah sebagai berikut : a. Faktor Manusia
1) Menambah jumlah tenaga tebang untuk menghindari keterlambatan bahan baku.
2) Memberikan training untuk operator mengenai pengetahuan dasar dalam menggunakan mesin.
3) Melakukan pengecekan berkala untuk memastikan bahwa mesin aman untuk digunakan.
4) Memberikan pengetahuan dasar pada operator untuk memperbaiki titik rawan breakdown.
b. Faktor Lingkungan
1) Meningkatkan penerapan 5 R atau 5 S (Seiri, Seiton, Seiso, Seiketsu, dan Shitsuke).
177
2) Membersihkan mesin dan area kerja sebelum atau sesudah proses operasi.
c. Faktor Metode
1) Membuat jadwal perawatan pada periode giling, jadwal perawatan dibuat dalam bentuk kalender sesuai dengan pengelompokan komponen dari masing – masing jenis mesin, waktu perawatan dan banyaknya operator maintenance yang tersedia.
2) Penerapan pilar TPM yaitu autonomousmaintenance yang bertujuan untuk meningkatkan kepekaan operator terhadiap kondisi kerusakaan mesin. Serta meningkatkan kemampuan operator untuk melakukan pemeliharaan mandiri sehingga mengurangi lamannya downtime.
d. Faktor Material
1) Mengatur dan menyusun penjadwalan bahan baku tebu agar cukup untuk memenuhi target produksi.
2) Mengecek spesifikasi material bahan baku tebu agar pada saat digiling tidak ada meterial lain yang ikut tergiling.
e. Faktor Mesin
1) Meningkatkan penerapan Preventive maintenance pada mesin.
2) Sering melakukan pemeriksaan terhadap komponen – komponen yang sering mengalami kerusakan.
3) Menempatkan dan memposisikan komponen – komponen bekas yang sudah tak terpakai.
4. KESIMPULAN
Berdasarkan hasil dari pengolahan data yang telah dilakukan, maka diperoleh kesimpulan sebagai berikut:
1. Berdasarkan hasil perhitungan yang telah dilakukan dengan menggunakan metode Overall Equipment Effectiveness (OEE) pada Mill station periode April–Agustus 2017 diperoleh Nilai Availability sebesar 75,63 %, Performance Efficiency sebesar 96,74, dan Rate of Quality sebesar 98,56 %,Hasil tersebut menghasilkan nilai OEE adalah sebesar 72,05 %. Nilai tersebut belum mencapai nilai standart word class yang diharapkan yaitu sebesar 85%.
2. Faktor kerugian yang paling mempengaruhi dengan melihat six big losses adalah faktor Equipment Failures Losses dengan konstribusi sebesar 73,13%.
3. Berdasarkansix big losses, faktor yang mempengaruhi adalah Equipment Failures Losses.
Prioritas yang utama dengancause and effect diagram faktor yang mempengaruhi adalah : Faktor manusia, lingkungan, material, metode, dan mesin.
DAFTAR PUSTAKA
Alghofari, A. K., Anis, M., & Ari, A. A. (2012). Upaya Peningkatan Performansi Mesin Pada Industri Manufaktur. SPEKTRUM INDUSTRI, 10(2).
Boris, S. (2006). Total Produvtive Maintenance. New York, United States of America: McGraw- Hill.
Caturini, R. (2017). Kebutuhan gula diproyeksi capai 5,7 juta ton. Retrieved September 13, 2017, from http://industri.kontan.co.id/news/kebutuhan-gula-diproyeksi-capai-57-juta-ton
D. H. Stamatis. (2010). Understanding Overall Equipment Effectiveness, Reliability, and Maintainability. London: Tayor & Francis Group.
Dhillon, B. S. (2002). Engineering maintenance: a modern approach. Boca Raton, Florida: CRC Press LLC, N.W. Corporate Blvd.
Hansen, R. C. (2002). Overall equipment effectiveness. (R. Weinstein, Ed.), Technical papers of ISA: Integrated Manufacturing Solutions Real-Time/Management Strategies (First Edit, Vol.
Cleveland,). New York: Industrial Press Inc.
Jiwantoro, A., Argo, B. D., & Nugroho, W. A. (2013). Analisis Efektivitas Mesin Penggiling Tebu Dengan Penerapan Total Productive. Jurnal Keteknikan Pertanian Tropis Dan Biosistem, 1(2), 18–28.
Jono. (2015). Total Productive Maintenance (TPM) pada Perawatan Mesin Boiler Menggunakan
178
Metode Overall Equipment Effectiveness (OEE) (Studi Kasus pada PT. XY Yogyakarta).
Jurnal Ilmiah Teknik Industri Dan Informasi, 3(2), 47–62.
Maknunah, L. U., Astuti, R., & Effendi, M. (2014). Designing Overall Equipment Effectiveness (OEE) Measurement Application: Case Study in PG Krebet Baru II. Jurnal Teknologi Pertanian, 15(1).
Midori, M., Effendi, U., & Effendi, M. (2012). Analisis Efektivitas Peralatan Stasiun Giling Menggunakan Perbandingan Metode OEE, RAOUF OEE, OWEE. Jurusan Teknologi Industri Pertanian, Fakultas Tekonollogi Pertanian, Universitas Brawijaya, 1–8.
Rahmad. (2012). Penerapan Overall Equipment Effectiveness (OEE) Dalam Implementasi Total Productive Maintenance (TPM) (Studi Kasus di Pabrik Gula PT . “ Y ”). Jurnal Rekayasa Mesin, 3(3), 431–437.
Revitasari, C., Novareza, O., & Darmawan, Z. (2014). Penentuan Jadwal Preventive Maintenance Mesin-Mesin Di Stasiun Gilingan (Studi Kasus PG . Lestari Kertosono). Rekayasa Dan Manajemen Sistem Industri, 3(3), 485–494.
Sugiyanto, C. (2007). Permintaan Gula di Indonesia. Jurnal Ekonomi Pembangunan, 8(2), 113–
127.
Sugiyono. (2010). Statistika Untuk Penelitian. Alfabeta, Bandung.
