PERANCANGAN MODEL SIMULASI DOWNTIME MACHINES UNTUK
MENENTUKAN KECEPATAN MESIN DAN JUMLAH OPERATOR YANG
OPTIMAL PADA DIVISI RING SPINNING
(Studi Kasus : PT Eratex Djaja LTD., Tbk-Probolinggo)
Moses L. Singgih dan Hendra Susanto Jurusan Teknik Industri
Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya 60111
E-mail :moses@ie.its.ac.iddanh3n5u_kof@yahoo.com
ABSTRAK
Pengalokasian dan penentuan kecepatan mesin dan jumlah operator yang
optimal merupakan faktor-faktor penting yang mempengaruhi performansi sistem di
Divisi Ring Spinning PT Eratex Djaja Ltd., Tbk. Downtime merupakan suatu kejadian
yang dapat menurunkan jumlah produksi dan utilitas mesin produksi dapat bernilai
rendah.
Dalam penelitian ini akan ditentukan setting kecepatan mesin Ring Spinning
yang optimal sehingga frekuensi terjadinya downtime pada mesin Ring Spinning dapat
diminimalisasi. Selain itu, akan dibuat model simulasi downtime machines untuk
mengantisipasi terjadinya downtime pada mesin Ring Spinning yang kejadiannya
bersifat random. Penelitian ini juga bertujuan untuk menentukan jumlah operator
optimal yang seharusnya berada pada divisi Ring Spinning.
Model simulasi komputer digunakan sebagai pendekatan dalam mengukur
performansi sistem untuk mengantisipasi suatu kejadian dengan ketidakpastian yang
tinggi tersebut. Dengan mengubah beberapa variabel keputusan dalam sistem produksi,
maka model simulasi komputer dapat digunakan untuk merancang skenario kebijakan
dalam menghadapi beberapa kejadian yang timbul Analisa statistik digunakan sebagai
alat uji dalam eksperimentasi yang hasilnya digunakan pada tahap penarikan
kesimpulan. Hasil akhir dari eksperimentasi menunjukkan bahwa penggunaan
kecepatan mesin sebesar 12500 rpm, dua orang operator ring spinning, dan satu orang
operator material handling akan meningkatkan rata-rata utilitas mesin ring spinning
menjadi 64.0925% dan rencana produksi bulan Juni dan Juli 2006 dapat terpenuhi.
Kata kunci: Downtime, Simulasi.
PENDAHULUAN
PT Eratex Djaja Ltd., Tbk merupakan salah satu perusahaan tekstil terbesar di
Indonesia yang sarana produksinya terletak di Probolinggo-Jawa Timur. Perusahaan ini
terbagi menjadi dua divisi, yaitu tekstil dan garmen. Divisi tekstil memproduksi benang
dan kain mentah/grey. Sedangkan divisi garmen memproduksi produk-produk sandang.
Produksi benang dikerjakan oleh Departemen Spinning, sedangkan produksi kain
dikerjakan oleh Departemen Weaving.
Perusahaan ini menjalankan proses produksinya berdasarkan pesanan dari buyer
(job order). Setelah pesanan didapatkan dari pihak marketing yang berkedudukan di
Surabaya. Departemen
Spinning
dan Departemen
Weaving
akan menyusun
perencanaan produksi dan implementasinya, serta pengawasan setiap hari pada proses
yang berjalan.
Sebagai perusahaan yang memenuhi permintaan pasar global, tuntutan akan
kualitas sangat penting dan tidak dapat dikompromikan. Tuntutan lain yang sangat
penting dan juga sangat menentukan tingkat kepuasan konsumen PT Eratex Djaja Ltd.,
Tbk adalah ketepatan waktu pemenuhan permintaan (order fulfillment). Namun akibat
permintaan pasar dan tuntutan konsumen yang dinamis menyebabkan perusahaan sering
tidak dapat menjalankan produksinya dengan baik. Tidak jarang sarana dan prasarana
produksi, diantaranya mesin-mesin produksi yang ada tidak mampu beroperasi sesuai
perencanaan yang telah dibuat. Hal ini disebabkan adanya masalah downtime machines
pada lantai produksi sehingga terjadi keterlambatan pemenuhan permintaan (order
fulfillment). Hal ini pada akhirnya memunculkan biaya tambahan (extra cost) akibat
overtime ataupun komplain yang tidak dapat dihindari. Karena itulah perusahaan terus
berusaha untuk membenahi sistem yang ada dengan melakukan langkah-langkah
kebijakan untuk meningkatkan performansi perusahaan.
Pada Departemen Spinning PT Eratex Djaja Ltd., Tbk, divisi Ring Spinning
merupakan jantung proses aktivitas produksi disana. Namun, mesin-mesin Ring
Spinning yang sedang beroperasi, seringkali mengalami downtime yang tidak dapat
diprediksi kejadiannya. Karakteristik mesin tersebut yaitu akan segera berhenti
beroperasi bila terdapat benang yang putus ketika diproses.
Dalam penelitian ini akan ditentukan setting kecepatan mesin Ring Spinning
yang optimal sehingga frekuensi terjadinya putus benang pada mesin Ring Spinning
dapat diminimalisasi. Selain itu, akan dibuat model simulasi downtime machines untuk
mengantisipasi terjadinya downtime pada mesin Ring Spinning yang kejadiannya
bersifat random atau tidak dapat diprediksi. Tujuan lain dari penelitian ini adalah untuk
menentukan jumlah operator optimal yang seharusnya berada pada divisi Ring Spinning.
Simulasi Sistem
Simulasi mampu menganalisa sistem stokastik kompleks dan untuk memodelkan
sistem yang tidak dapat diselesaikan menggunakan pendekatan pemrograman
matematika ataupun pendekatan queueing network. Model simulasi tidak menyediakan
nilai-nilai optimal untuk pengukuran performansi. Model simulasi menghasilkan
sampel-sampel yang mewakili ukuran performansi dan dengan menggunakan
point-point sampel tersebut untuk memperkirakan nilai tengah ukuran performansi.
Pendekatan simulasi dapat disesuaikan untuk berbagai sistem, dapat menghasilkan
estimasi dari banyak macam ukuran performansi, dan dapat mengevaluasi kelakuan
yang berbeda-beda dari waktu (time-variant behaviour).
METODOLOGI PENELITIAN
Penelitian ini dilakukan dalam tiga tahap, yaitu Tahap Identifikasi Masalah,
Tahap Simulasi, dan Tahap Analisa dan Kesimpulan. Tahap pertama merupakan tahap
awal dari penelitian, yang berisi tentang identifikasi, perumusan masalah dan studi
pustaka serta studi lapangan mengenai topik yang bersangkutan. Tahap kedua
merupakan tahap dimana seluruh data yang diperlukan dikumpulkan untuk selanjutnya
akan dilakukan pengolahan terhadap data tersebut sesuai dengan langkah pengerjaan
yang ditetapkan. Data yang dibutuhkan diantaranya data interarrival downtime, repair
time, busy time, setting kecepatan mesin, jumlah operator, dan layout. Tahap ketiga
merupakan tahap akhir dari penelitian yang terdiri atas analisa dan interpretasi data serta
kesimpulan dan saran.
Pengumpulan dan Pengolahan Data
Pengumpulan Data
Data primer yang dikumpulkan berupa data busy time, waktu antar kerusakan
(interarrival downtime), waktu perbaikan (repair time), dan waktu material handling
untuk tiga macam kecepatan mesin yang berbeda (11500 rpm, 12500 rpm, 13500 rpm).
Data sekunder mengenai rencana produksi Departemen Spinning bulan Mei,
Juni, dan Juli 2006 dan layout didapat dari data base bagian produksi Departemen
Spinning PT Eratex Djaja Ltd., Tbk. Data mengenai jumlah operator, dan shift kerja
operator didapat melalui hasil wawancara dengan kepala produksi Departemen Spinning
PT Eratex Djaja, Ltd., Tbk.
Dalam memproduksi benang dalam bentuk bobbin diperlukan sejumlah mesin
dengan alokasi operator untuk menjalankannya. Jumlah mesin Ring Spinning adalah 22
unit dan tiap mesin Ring Spinning terdiri dari 432 spindles dimana jumlah bobbin yang
dihasilkan juga berjumlah sebanyak 432 buah tiap siklus produksi. Pengaturan alokasi
operator per mesin yaitu tiga operator per mesin, yang terdiri dari dua operator yang
bertugas untuk menyambung benang dan satu operator material handling dan cleaning.
Waktu proses yang dimiliki oleh mesin Ring Spinning berbeda untuk tiap setting
kecepatan. Untuk setting kecepatan mesin v
1= 11500 rpm, waktu proses mesin Ring
Spinning selama 2,5 sampai 3,1 jam; untuk setting kecepatan mesin v
2= 12500 rpm,
waktu proses mesin Ring Spinning selama 2,3 sampai 2,9 jam; untuk setting kecepatan
mesin v
3= 13500 rpm, waktu proses mesin Ring Spinning selama 2,1 sampai 2,7 jam.
Masing-masing waktu proses berdistribusi uniform. Data ini diperoleh dari general
report dan hasil wawancara dengan kepala Maintenance Ring Spinning seperti pada
Tabel 1.
Tabel 1. Waktu Proses Tiap Setting Kecepatan Mesin Ring Spinning
Setting kecepatan mesin
Waktu Proses
v
1= 11500 rpm
2,5 jam sampai 3,1 jam
v
2= 12500 rpm
2,3 jam sampai 2,9 jam
v
3= 13500 rpm
2,1 jam sampai 2,7 jam
Tenaga kerja PT Eratex Djaja Ltd., Tbk dibagi menjadi empat group, yaitu
group A, B, C, dan D dengan tiga group tiap hari kerja. Tiap group terdiri dari tiga shift
per hari, dimana pembagian shift sebagai berikut :
Shift pagi : pukul 07.00 WIB
–
15.00 WIB
Shift siang
: pukul 15.00 WIB
–
23.00 WIB
Shift malam : pukul 23.00 WIB
–
07.00 WIB
Pengolahan Data
Salah satu jenis downtime dalam sistem manufaktur adalah mesin breakdown
atau unscheduled downtime sistem manufaktur (Law & Kelton, 2000). Random
downtime biasanya disebabkan oleh actual machine failures, part jams, dan
peralatan/tool yang rusak.
Sebuah mesin beroperasi dengan siklus ke-i yang terdiri dari segmen up
(operating) dengan panjang segmen U
i. Kemudian diikuti oleh segmen down dengan
panjang segmen D
i. Selama segmen up, mesin melakukan proses operasi. Dua siklus
up-down pertama ditunjukkan oleh Gambar 1.
B
idan I
imerupakan waktu ketika mesin beroperasi (busy) dan idle, sehingga U
isedangkan R
imerupakan waktu perbaikan ke-i, sehingga Di = W
i+ R
iseperti Gambar
1..
Gambar 1 Siklus Up-Down Mesin
Untuk memodelkan segmen siklus mesin up-down dalam model simulasi,
biasanya digunakan dua metode, yaitu calender time dan busy time. Rumus untuk
menghitung efisiensi mesin dalam model simulasi downtime adalah sebagai berikut :
D B B e
dimana :
e = efisiensi mesin
μB
= rata-rata waktu proses sebelum failure (mean of busy time)
μD
= rata-rata waktu downtime (mean of downtime)
Pengolahan data yang berkaitan dengan downtime di dalam penelitian ini yaitu
melakukan uji distribusi data. Data-data yang dicari pola distribusinya meliputi data
interarrival downtime, repair time, dan busy time untuk tiap setting kecepatan mesin
Ring Spinning. Perhitungan uji distribusi data dilakukan dengan fasilitas Statfit dari
paket program simulasi Promodel 6 Student Version. Selain itu, ditentukan juga
parameter-parameter distribusi dari masing-masing distribusi probabilitas data yang
bersangkutan seperti pada Tabel 2 samapi 4.
Tabel 2. Fungsi Distribusi Busy Time
Kecepatan
Fungsi Distribusi
v
1Lognormal(8., 5.56, 1.36)
v
2Lognormal(37., 5.5, 1.23)
v
3Lognormal(16., 5.6, 1.26)
Tabel 3 Fungsi Distribusi Interarrival Downtime
Kecepatan
Fungsi Distribusi
v
1Lognormal(19., 5.7, 1.19)
v
2Lognormal(66., 5.46, 1.25)
v
3Lognormal(42., 5.61, 1.12)
Tabel 4 Fungsi Distribusi Repair Time
Kecepatan
Fungsi Distribusi
v
1Uniform(2., 30.)
v
2Uniform(2., 19.)
v
3Uniform(2., 17.)
Perancangan Model Simulasi
Perancangan model simulasi merupakan langkah lanjutan setelah dilakukan
pengolahan data yang menghasilkan jenis dan nilai parameter distribusi data. Model
simulasi komputer dirancang dengan menggunakan software simulasi Promodel 6
sofware simulasi tersebut, perlu diketahui terlebih dahulu mengenai gambaran sistem
yang dimodelkan dan spesifikasi model atau model konseptual yang ditampilkan dalam
bentuk logical diagram.
Deskripsi proses pemintalan pada divisi Ring Spinning adalah sebagai berikut :
Bahan baku berupa sliver roving yang akan diproses menjadi gulungan benang dalam
bentuk bobbin selalu tersedia pada tiap mesin Ring Spinning. Untuk setting kecepatan
mesin v
1= 11500 rpm, waktu proses mesin Ring Spinning selama 2,5 sampai 3,1 jam;
untuk setting kecepatan mesin v
2= 12500 rpm, waktu proses mesin Ring Spinning
selama 2,3 sampai 2,9 jam; untuk setting kecepatan mesin v
3= 13500 rpm, waktu
proses mesin Ring Spinning selama 2,1 sampai 2,7 jam. Semua waktu proses untuk tiap
setting kecepatan diasumsikan berdistribusi uniform. Mesin memproses 432 spindles
sekaligus yang akhirnya menghasilkan 432 gulungan benang dalam bentuk bobbin. Bila
mesin mengalami downtime yang disebabkan karena terjadi putus benang, maka
operator Ring Spinning akan segera memperbaikinya dengan cara menyambung kembali
benang yang putus. Bobbin yang dihasilkan secara otomatis akan menuju buffer storage
melalui conveyor yang terdapat pada tiap mesin dengan waktu konstan 900 detik.
Bobbin dimasukkan dalam batch sekitar 10 sampai 30 detik. Kemudian operator
material handling akan membawa bobbin dalam bentuk batch (satu batch berisi 432
bobbin) ke storage area.
Gambar 2 Logic Flow Diagram downtime machines
Gambar 3 Arsitektur model simulasi downtime machines
Basic dan optional modules yang digunakan dalam perancangan model
Basic modules, yang terdiri dari :
Locations
Locations merepresentasikan lokasi tetap di dalam sistem dimana entiti berjalan
sesuai dengan proses yang dialami. Di dalam model simulasi dowtime machines ini,
locations yang dibangun yaitu :
a) Incoming sliver roving, yang merepresentasikan tempat kedatangan material
sliver roving yang akan diproses di mesin ring spinning
b) Ring spinning machines, yang merepresentasikan mesin ring spinning itu sendiri
c) Conveyor, yang mereprentasikan tempat berjalannya produk jadi berupa bobbin
yang dihasilkan oleh mesin ring spinning
d) Buffer storage, yang merepresentasikan tempat penyimpanan sementara dari
bobbin yang dihasilkan, yang akan dibawa ke storage area dalam bentuk batch
e) Box Q, yang merepresentasikan tempat kedatangan empty box menuju buffer
storage
f) Batch Q, yang merepresentasikan tempat bobbin yang sudah dikemas dalam
bentuk batch
g) Storage area, yang merepresentasikan storage area itu sendiri
Gambar 4. Locations
Entities
Segala sesuatu yang dapat diproses oleh model disebut entiti. Entiti yang dibangun
di dalam model simulasi dowtime machines ini yaitu :
a) Sliver roving, yaitu material atau bahan baku yang akan diproses di mesin ring
spinning
b) Group bobbins, yaitu kumpulan bobbin yang diproses di mesin ring spinning
c) Bobbins, yaitu produk jadi berupa gulungan benang
d) Empty box, yaitu kotak/keranjang kosong untuk diisi dengan 432 bobbin
e) Batch, yaitu kumpulan bobbin yang berjumlah 432 buah tiap batch
Gambar 5. Entities
Processing
Processing menggambarkan aliran proses atau operasi pada tiap locations.
Processing yang dibangun di dalam model simulasi dowtime machines ini adalah
Gambar 6. Processing & Routings Arrivals
Arrivals
Arrivals menggambarkan kedatangan entiti ke dalam sistem. Ada dua macam
kedatangan entiti di dalam model simulasi
dowtime machines ini, seperti yang
tampak pada Gambar 7 di bawah ini. Asumsi yang digunakan yaitu sliver roving dan
empty box selalu tersedia di dalam sistem.
Gambar 7. Arrivals
Optional modules, yang terdiri dari :
Path networks
Path networks merupakan lintasan yang ditempuh oleh resources di dalam sistem.
Terdapat 46 path networks yang dibangun di dalam model simulasi downtime
machines, dimana masing-masing resources operator ring dan operator material
handling memiliki 23 path networks. Untuk path networks yang dimiliki oleh
operator ring, masing-masing dipartisi berdasarkan jumlah mesin ring spinning dan
jumlah operator ring yang ada di dalam sistem. Alokasi operator ring yaitu dua
operator tiap mesin. Untuk path networks yang dimiliki oleh operator material
handling, masing-masing dipartisi berdasarkan jumlah buffer storage dan jumlah
operator material handling yang ada di dalam sistem. Alokasi operator material
handling yaitu satu operator tiap buffer storage.
Resources
Resources merupakan sumber daya yang tersedia di dalam sistem. Di dalam model
simulasi dowtime machines ini, resources yang dibangun ada dua macam, yaitu
operator ring dan operator material handling.
Gambar 8. Resources
Variables
Variables merupakan placeholder baik bilangan real maupun integer yang dapat
berubah-ubah selama running simulasi. Variables biasa digunakan dalam decision
making atau pengumpulan data. Di dalam model simulasi dowtime machines ini,
variables yang dibangun ada tiga macam, yaitu :
a) ttf (time to failure), merupakan waktu terjadinya kerusakan yang berdistribusi
tertentu
b) ttr (time to repair), merupakan waktu untuk memperbaiki kerusakan yang
berdistribusi tertentu
c) WIP (Work in Process), merupakan increment produk jadi berupa bobbin dalam
bentuk batch
Gambar 9. Variables
Logika terjadinya downtime pada model simulasi ini dibangun pada menu DTs
ring spinning machines yang didasarkan pada clock based. Contoh clock downtime
logic untuk setting kecepatan v
3dapat dilihat pada Gambar 10 di bawah ini.
Gambar 10. Clock downtime logic
Validasi dan Verifikasi
Uji yang digunakan untuk melakukan perbandingan rataan antara output
simulasi dan hasil observasi sistem nyata adalah dengan menggunakan paired samples
t-test dengan asumsi bahwa variansi kedua sampel sama (Pidd, 1992). Untuk hasil
observasi sistem nyata digunakan data produksi selama bulan Mei 2006 dimana saat itu
seluruh mesin dioperasikan dengan kecepatan mesin v
3. Hipotesa awal yang diuji adalah
bahwa kedua populasi mempunyai mean yang sama. Sedangkan hipotesa tandingannya
adalah kedua populasi mempunyai mean yang tidak sama.
H
0:
µ
1= µ
2= ... = µ
kH
1:
µ
1≠ µ2
≠ ... ≠ µk
Setelah dilakukan pengujian terhadap kedua sampel dengan menggunakan
paired samples t-test yang tersedia pada software SPSS 11.5, maka didapatkan hasil
sebagai berikut :
Tabel 5. Validasi model simulasi
Output Hasil Simulasi Output Sistem Riil
Mean 18789.61 19644.63 StDev 196.78883 301.02685 Sample size 31 31 df 30 Sig. level 0.598 t-value -13.878 t-table0.05,30 1.645
95% dengan derajat kebebasan df adalah N-1. Hipotesa nol diterima jika nilai t hitung
kurang dari nilai t tabel atau nilai significant level-
nya lebih besar dari nilai α. Dari
Tabel 5 dapat diketahui bahwa nilai t hitung lebih kecil dari nilai t tabel dan nilai
significant level-nya lebih besar dari nilai
α (0.05). Sehingga dapat disimpulkan bahwa
hipotesa nol diterima dan dinyatakan bahwa tidak ada perbedaan rataan secara
signifikan antara hasil simulasi dengan hasil observasi pada sistem riil. Kesimpulan ini
menunjukkan bahwa model simulasi valid dan dapat digunakan sebagai representasi
sistem dalam melakukan analisa performansi sistem.
Replikasi
Penentuan jumlah replikasi menggunakan
sequential procedure
yang
dikemukakan oleh Law & Kelton (2000). Langkah-langkahnya adalah sebagai berikut :
0. Langkah awal, yaitu menentukan jumlah replikasi awal, n
0≥ 2 dan
δ(n,α) = tn-1,
1-α / 2n
n
s
2(
)
1.Set n = n
0dan menghitung
X
(n
)
dan δ(n,α) dari X1
, X
2, ..., X
n2.
Jika δ(n,α) /
X(n)≤ γ, maka :
I
(α, γ) = [
X
(n
)
-
δ(n,α),
X
(n
)
+ δ(n,α) ]
Dimana merupakan perkiraan selang kepercayaan 100(1-
α) persen untuk µ dan
langkah di atas selesai. Jika tidak, mengganti nilai n dengan n+1, melakukan replikasi
lagi dan kembali ke langkah 1.
Pada simulasi ini jumlah replikasi awal ditetapkan sebanyak delapan kali
running atau n
0= 8. Dalam menentukan jumlah replikasi ini, parameter yang
digunakan adalah jumlah bobbin yang dihasilkan oleh mesin ring spinning.
Tabel 6 Replikasi Simulasi Sistem Saat IniReplikasi Jumlah bobbin hasil running simulasi awal
1 18591 2 18622 3 18647 4 18871 5 18929 6 18898 7 18878 8 18899
Dengan replikasi sebanyak delapan
kali (n = 8), selang kepercayaan 95% (α =
5%), dan relatif error
10% (γ = 0.1), maka nilai
X
(n
)
dan δ(n,α) adalah :
Tabel 7. Nilai
X
(n
)
& δ(n,α)Output Hasil Simulasi Sistem Saat IniJumlah bobbin
)
(n
X
18761.88 δ(n,α) 173.16 δ(n,α) / X(n) 0.009Nilai
δ(n,α) diperoleh dari :
δ(8,0.05) = t7, 0.975
n
n
s
2(
)
dengan jumlah replikasi n = 8, maka untuk menentukan nilai t tabel digunakan nilai n
–
1 =7 dan 1-
α / 2
= 0.975. Pada tabel distribusi Student-t diperoleh nilai t tabel = 2.365.
Dari hasil perhitungan tersebut, dapat diketahui bahwa nilai
δ(n,α) /
X(n)≤ γ,
sehingga nilai I
(α, γ) adalah :
Tabel 8. Nilai I(α, γ)Output Simulasi Sistem Saat Ini
Jumlah bobbin
)
(n
X
-δ(n,α) 18588.72)
(n
X
+ δ(n,α) 18935.04Dari hasil perhitungan di atas dapat dikatakan bahwa dengan confidence level
95%, jumlah bobbin yang dihasilkan adalah antara interval batas bawah dan batas atas
[18588.72; 18935.04]. Berdasarkan analisa di atas, dapat disimpulkan bahwa running
simulasi dengan delapan kali replikasi sudah cukup.
Eksperimentasi
Eksperimentasi merupakan langkah penting dalam simulasi. Pada penelitian ini,
dilakukan tiga kali usaha perbaikan sistem dalam bentuk rancangan skenario.
Skenario 1 : setting kecepatan v
3dengan penambahan satu orang operator ring pada
tiap mesin
Dari hasil simulasi skenario pertama di atas, tampak bahwa terjadi peningkatan
jumlah bobbin yang dihasilkan oleh Ring Spinning Division, yaitu sebanyak 18832,88
bobbin. Namun, nilai utilitas tiap mesin masih rendah dan di bawah target pihak
manajemen. Dengan penambahan satu orang operator ring pada tiap mesin, nilai utilitas
mesin ring spinning masih di bawah target pihak manajemen. Dengan demikian, tidak
perlu dilakukan penambahan satu orang operator ring pada tiap mesin karena akan
menambah cost production. Dengan kata lain, dua orang operator ring pada tiap mesin
sudah cukup untuk menangani downtime yang terjadi.
Skenario 2 : setting kecepatan v
1Dari hasil simulasi skenario kedua di atas, tampak bahwa terjadi penurunan
jumlah bobbin yang dihasilkan oleh Ring Spinning Division), yaitu sebanyak 18042
bobbin. Begitu pula nilai utilitas operator ring dan operator material handling
mengalami penurunan. Hal ini berarti frekuensi terjadinya putus benang dan jumlah
produksi berkurang. Hal ini disebabkan oleh pemakaian setting kecepatan mesin paling
rendah yaitu v
1(11500 rpm). Namun, nilai utilitas tiap mesin mengalami peningkatan
bila dibandingkan dengan skenario pertama dan memenuhi target pihak manajemen.
Skenario 3 : setting kecepatan v
2Dari hasil simulasi skenario ketiga di atas, tampak bahwa jumlah bobbin yang
dihasilkan oleh Ring Spinning Division sebanyak 18581,25 bobbin. Nilai rata-rata
utilitas mesin memenuhi target pihak manajemen, yaitu sebesar 64%.
Comparing Systems
Langkah berikutnya dalam simulasi yaitu membandingkan rancangan
skenario-skenario usulan yang dapat memberikan respon atau performansi terbaik dalam sistem.
Pada penelitian ini, digunakan metode analysis of variance (ANOVA) untuk
membandingkan ketiga rancangan skenario usulan yang telah dibuat. Yang menjadi
ukuran performansi sistem yaitu utilitas mesin ring spinning dan jumlah bobbin yang
diproduksi mampu memenuhi target pihak manajemen. Oleh karena itu, akan dilakukan
dua kali metode ANOVA berdasarkan kedua ukuran performansi sistem tersebut dan
akan dipilih satu skenario yang memberikan nilai performansi terbaik.
ANOVA Berdasarkan Jumlah Bobbin yang Diproduksi
Hipotesis yang digunakan untuk membandingkan tiga rancangan skenario adalah
sebagai berikut :
H
0:
µ
1= µ
2= µ
3H
1:
µ
1≠ µ2
≠ µ3
Tabel 9. ANOVA I
Source of variation Degrees of freedom Sum of squares Mean square Fhitung
total (corrected) N-1 = 23 SSTC = 4452307.625
treatment (scenarios) K-1 = 2 SST = 2612237.25 MST = 1306118.625 14.91
error N-K = 21 SSE = 1840070.375 MSE = 87622.39881
Untuk nilai F
tabelditentukan oleh F
(df(treatment), df(error);α)yaitu F
(2, 21; 0.05)= 3.47.
F
hitung> F
tabelmaka tolak H
0dan dinyatakan bahwa ketiga rancangan skenario berbeda
secara signifikan dalam memproduksi bobbin.
Multiple Comparison Test I
Uji ini dilakukan untuk mengidentifikasi skenario yang memberikan performansi
terbaik. Uji ini dilakukan dengan metode LSD (Least Significant Difference). LSD test
dilakukan bila hipotesis nol ditolak pada ANOVA.
n
MSE
t
LSD
(
)
(df(error),/2)2
(
)
Jika
│
x
i
x
i'│> LSD(α), maka µ
idan µ
i’berbeda secara signifikan pada significant
level
α.
Pada penelitian ini, uji statistik LSD pada significant level
α = 0.05 adalah :
LSD
(0.05)=t
21,0.025n
MSE)
(
2
=2.080
8 39881 . 87622 ( 2= 307.85
Tabel 10. LSD Analysis I Skenario 2 18042 2 x Skenario 1 88 . 18832 1 x Skenario 3 25 . 18581 3 x │x
2
x
3 = 539.25 Berbeda (539.25 > 307.85) │x
1
x
3│= 251.63 Tidak berbeda (251.63 < 307.85) Skenario 1 88 . 18832 1 x │x
1
x
2│= 790.88 Berbeda (790.88 > 307.85)Dari Tabel 10 di atas tampak bahwa dari segi jumlah bobbin yang diproduksi,
skenario terbaik adalah skenario 1, kemudian diikuti skenario 3 dan yang terakhir
skenario 2. Pada tabel yang sama juga tampak bahwa antara skenario 1 dan skenario 3
tidak berbeda secara signifikan pada significant level
α = 0.05. Karena pada rancangan
skenario 1 ada penambahan satu orang operator ring pada tiap mesin, yang berarti juga
menambah biaya produksi, maka sebaiknya skenario yang dipilih adalah skenario 3.
Pada skenario 3, tidak ada penambahan jumlah operator sehingga pihak manajemen
Departemen Spinning hanya melakukan perubahan setting kecepatan mesin pada
kecepatan v
2(12500 rpm).
ANOVA Berdasarkan Utilitas Mesin
Hipotesis yang digunakan untuk membandingkan tiga rancangan skenario adalah
sebagai berikut :
H
0:
µ
1= µ
2= µ
3H
1:
µ
1≠ µ2
≠ µ3
Tabel 11. ANOVA II
Source of variation Degrees of freedom Sum of squares Mean square Fhitung
total (corrected) N-1 = 23 SSTC = 25.16189583
treatment (scenarios) K-1 = 2 SST = 21.51005833 MST = 10.75502917 61.85
error N-K = 21 SSE = 3.6518375 MSE = 0.173897024