96 Gambar 35. Diagram perbandingan rata-rata waktu bahan menunggu
pada pengembangan model C dengan skenario perubahan tingkat kedatangan
2. Analisa Kinerja Pengembangan Model Dengan Skenario Perubahan Komposisi Unit Pelayanan
Beberapa indikator perbaikan kinerja hasil pengembangan model dengan skenario perubahan komposisi operator dapat dilihat dari analisis
hasil simulasi seperti berikut : a. Model A
i Jumlah bahan yang tidak terproses Jumlah bahan yang tak terproses balking merupakan sebuah
indikasi ketidakmampuan unit pelayanan melayani kedatangan bahan. Pada kondisi nyata jumlah bahan yang tidak terproses tetap akan di
proses pada hari tersebut namun dikerjakan dengan tambahan jam kerja.
Diagram di bawah menunjukan bahwa pada model utama kondisi nyata terdapat material yang tidak terproses rata-rata sebanyak 26,33
kg namun setelah dilakukan pengembangan model antrian alternatif, material yang tidak terproses menjadi tidak ada. Sehingga
pengembangan model ini mampu memberikan perbaikan kinerja proses produksi saat ini.
97 Gambar 36. Diagram perbandingan jumlah bahan yang tidak terproses
pada pengembangan model A dengan skenario perubahan komposisi operator
ii Jumlah bahan yang terproses Jumlah bahan yang terproses menunjukan kemampuan output yang
dihasilkan dari lini produksi fillet ikan beku dalam waktu simulasi. Diagram di bawah menunjukan bahwa pada model utama kondisi
nyata jumlah material yang terproses rata-rata sebanyak 1856,67 kg namun setelah dilakukan pengembangan model antrian alternatif,
material yang terproses menjadi 1991,67 kg. Kenaikan jumlah material yang terproses memberikan arti bahwa hasil pengembangan model
mampu memberikan output yang lebih besar dari model pada kondisi nyata.
98 Gambar 37. Diagram perbandingan jumlah bahan yang terproses pada
pengembangan model A dengan skenario perubahan komposisi operator
iii Rata-rata waktu aliran bahan Rata-rata waktu aliran bahan merupakan hasil analisis simulasi
yang menunjukan lamanya waktu pergerakan bahan dalam sistem produksi. Rendahnya waktu aliran bahan akan memberikan
keuntungan bagi perusahaan yakni kualitas bahan akan lebih terjaga selama proses produksi berlangsung dan memberikan kinerja lebih
tinggi terhadap kecepatan produksi. Hasil pengembangan model tersebut memberikan waktu bahan mengalir dalam sistem produksi
yang lebih cepat 703,88 detik.
99 Gambar 38. Diagram perbandingan rata-rata waktu aliran bahan pada
pengembangan model A dengan skenario perubahan komposisi operator
iv Tingkat utilitas operator Tingkat utilitas operator memperlihatkan efisiensi pemanfaatan
sumber daya manusia dalam mengolah bahan. Semakin tinggi tingkat utilitas operator akan menunjukan semakin tingginya tingkat
kesibukan operator dan semakin rendahnya idle time. Hasil pengembangan model mampu memberikan tingkat utilitas operator
menjadi lebih tinggi, seperti yang ditunjukan pada diagram berikut.
Gambar 39. Diagram perbandingan tingkat utilitas operator secara overall
pada pengembangan model A dengan skenario perubahan komposisi operator
v Rata-rata jumlah bahan yang menunggu Rata-rata jumlah bahan yang menunggu merupakan indikator
banyaknya jumlah bahan yang ada dalam suatu antrian. Sedikitnya jumlah bahan yang menunggu akan memberikan kinerja yang lebih baik
oleh karena akan semakin sedikit bahan yang akan mendapat resiko kerusakan bahan akibat penurunan mutu. Dari diagram di bawah
ternyata hasil pengembangan model mampu memberi perubahan jumlah rata-rata bahan menunggu bahan menjadi lebih kecil.
100 Gambar 40. Diagram perbandingan rata-rata jumlah bahan yang
menunggu pada pengembangan model A dengan skenario perubahan komposisi operator
vi Rata-rata waktu menunggu bahan Rata-rata waktu menunggu bahan seperti halnya jumlah rata-rata
bahan yang menunggu juga dapat menjadi indikator kinerja sistem antrian. Seperti yang dilihat pada diagram dibawah ini, hasil
pengembangan model antrian mampu memberikan waktu tunggu yang lebih kecil dibanding pada saat kondisi nyatanya.
Waktu menunggu yang lebih kecil dapat memberikan keuntungan bagi perusahaan yakni dari segi minimasi kemungkinan bahan rusak
akibat menunggu dalam suhu ruang dan efisiensi kecepatan produksi dari sistem.
101 Gambar 41. Diagram perbandingan rata-rata waktu bahan menunggu
pada pengembangan model A dengan skenario perubahan komposisi operator
vii Biaya tambahan penggunaan es Untuk mempetahankan mutu bahan yang sedang diproses,
perusahaan menggunakan es sebagai sarana untuk menjaga rantai dingin bahan. Konsep rantai dingin ialah menjaga suhu bahan yang
sedang diproses pada kisaran tertentu dimana kerusakan bahan akan menjadi minimum akibat degradasi waktu. Biaya tambahan yang
dikeluarkan untuk pembelian es dapat menurunkan kinerja perusahaan dari segi penghematan sumber daya.
Biaya tambahan yang dikeluarkan untuk penggunaan es dalam sistem antrian akibat adanya antrian tersebut dapat dihitung dari
jumlah maksimum bahan yang menunggu dan lama waktu tunggunya. Menggunakan asumsi penggunaan jumlah es kg terhadap jumlah
bahan kg sebesar 1:1 dan dengan lama pemakaian ideal es selama satu jam maka estimasi biaya tambahan yang dikeluarkan untuk
pemakaian es akibat antrian dapat dihitung dengan rumus berikut : Biaya Tambahan Penggunaan Es Rp = {Total maksimum bahan
yang mengantri pada setiap stasiun kerja kg x Total maksimum waktu menunggu bahan detik x harga es Rpkg} : 3600 detik
102 Hasil perhitungan estimasi biaya penggunaan es dapat dilihat pada
Lampiran 18. Seperti yang ditunjukan pada Gambar 42, pengembangan model antrian dapat memberikan penghematan biaya
penggunaan es selama sebulan sebesar Rp. 255.368,17 atau berkurang 86,27 dari model antrian sistem nyata. Hal ini dapat terjadi sebagai
akibat konsekuensi dari berkurangnya waktu antrian.
Gambar 42. Diagram perbandingan biaya penggunaan es pada pengembangan model A dengan skenario perubahan
komposisi operator b. Model B
Gambar 43. Grafik perbandingan jumlah bahan yang mengantri pada stasiun freezing dengan skenario perubahan jumlah unit
pelayanan
103 Prinsip model keseimbangan aliran bahan adalah jumlah input
seimbang dengan kapasitas pelayanan. Skenario perubahan unit pelayan merupakan pengembangan model keseimbangan aliran bahan
dari segi kapasitas pelayanan. Skenario pengembangan model aliran bahan, seperti yang ditunjukan pada Gambar 43 menunjukan hilangnya
antrian pada stasiun freezing. c. Model C
i Jumlah bahan yang terproses Jumlah bahan yang terproses menunjukan kemampuan output yang
dihasilkan dari lini produksi fillet ikan beku dalam waktu simulasi. Diagram di bawah menunjukan bahwa pada model utama kondisi
nyata jumlah material yang terproses rata-rata sebanyak 1673,67 kg namun setelah dilakukan pengembangan model antrian alternatif,
material yang terproses menjadi 1667,00 kg. Jumlah material yang terproses setelah hasil pengembangan ternyata tidak berubah secara
signifikan. Hal ini belum tentu berarti kinerja pengembangan model tidak berubah, melainkan dapat saja lebih baik ketika jumlah bahan
terproses tetap namun tingkat utilitas operator meningkat beserta penggunaan sumber dayanya berkurang.
104 Gambar 44. Diagram perbandingan jumlah bahan yang terproses pada
pengembangan model C dengan skenario perubahan komposisi operator
ii Rata-rata waktu aliran bahan Rata-rata waktu aliran bahan merupakan hasil analisis simulasi
yang menunjukan lamanya waktu pergerakan bahan dalam sistem produksi. Rendahnya waktu aliran bahan akan memberikan
keuntungan bagi perusahaan yakni kualitas bahan akan lebih terjaga selama proses produksi berlangsung dan memberikan kinerja lebih
tinggi terhadap kecepatan produksi. Hasil pengembangan model tersebut memberikan waktu bahan yang mengalir dalam sistem
produksi tidak berubah terlalu signifikan hanya bertambah 8,33 detik. Hal ini terjadi akibat pengembangan yang dilakukan adalah
berdasarkan tingkat kedatangan bahan tanpa memperhatikan pola kecepatan pelayanan di dalam sistem produksi. Sehingga antrian yang
terjadi menjadi meningkat, menambahkan waktu aliran bahan dalam sistem produksi.
Gambar 45. Diagram perbandingan rata-rata waktu aliran bahan pada pengembangan model C dengan skenario perubahan
komposisi operator
105 iii Tingkat utilitas operator
Tingkat utilitas operator memperlihatkan efisiensi pemanfaatan sumber daya manusia dalam mengolah bahan. Semakin tinggi tingkat
utilitas operator akan menunjukan semakin tingginya tingkat kesibukan operator dan semakin rendahnya idle time. Hasil
pengembangan model mampu memberikan tingkat utilitas operator menjadi lebih tinggi, seperti yang ditunjukan pada diagram berikut.
Dengan jumlah penggunaan sumberdaya manusia yang lebih sedikit dan utilitas yang lebih tinggi, berarti sistem produksi berjalan dengan
lebih efisien. Perubahan nilai efisiensi dalam sistem produksi juga mengartikan
perubahan kinerja dari sistem produksi tersebut. Sistem produksi yang memiliki nilai efisiensi yang lebih tinggi akan memiliki kinerja yang
lebih baik.
Gambar 46. Diagram perbandingan tingkat utilitas operator secara overall
pada pengembangan model C dengan skenario perubahan komposisi operator
iv Rata-rata jumlah bahan yang menunggu Rata-rata jumlah bahan yang menunggu merupakan indikator
banyaknya jumlah bahan yang ada dalam suatu antrian. Sedikitnya jumlah bahan yang menunggu akan memberikan kinerja yang lebih baik
oleh karena akan semakin sedikit bahan yang akan mendapat resiko
106 kerusakan bahan akibat penurunan mutu. Dari diagram di bawah
ternyata hasil pengembangan model memberi perubahan jumlah rata- rata bahan menunggu bahan menjadi lebih besar namun tidak
signifikan. Walaupun secara grafis tampak terjadi perubahan besar, namun pada dasarnya rata-rata jumlah bahan yang mengantri tidak
mencapai satu kilogram. Kondisi yang relatif tetap pada suatu titik yakni jumlah rata-rata
bahan yang menunggu dapat menyebabkan perubahan kinerja melalui pengembangan nilai pada titik-titik lainnya.
Gambar 47. Diagram perbandingan rata-rata jumlah bahan yang menunggu pada pengembangan model C dengan
skenario perubahan komposisi operator
v Rata-rata waktu menunggu bahan Rata-rata waktu menunggu bahan seperti halnya jumlah rata-rata
bahan yang menunggu juga dapat menjadi indikator kinerja sistem antrian. Seperti yang dilihat pada diagram dibawah ini, hasil
pengembangan model memberikan waktu rata-rata antrian yang lebih lama dari kondisi nyata. Hal tersebut dikarenakan pada pengembangan
model ini, tingkat kedatangan yang lebih tinggi menimbulkan kepadatan dalam sistem antrian.
Namun kenaikan rata-rata waktu tunggu bahan masih dapat ditoleransi sesuai dengan penentuan rata-rata waktu antrian
107 pengembangan model C dengan skenario perubahan komposisi
operator. Perbaikan kinerja dapat dicapai melalui perubahan nilai di titik-titik tolak ukur lainnya yang ada.
Gambar 48. Diagram perbandingan rata-rata waktu bahan menunggu pada pengembangan model C dengan skenario perubahan
komposisi operator
Hasil analisa kinerja yang dilakukan pada setiap pengembangan model memberikan hasil yang berbeda-beda. Namun secara umum pengembangan
model dapat memberikan kinerja yang lebih baik dari sistem nyata. Kedua model alternatif di atas memberikan perubahan kinerja berdasarkan kondisi
sistem antrian saat ini. Kinerja model alternatif skenario perubahan tingkat kedatangan bahan memberikan tingkat kedatangan yang ideal untuk sumber
daya manusia yang saat ini ada dalam sistem antrian. Kinerja model alternatif sekenario perubahan komposisi unit pelayanan memberikan komposisi
operator yang ideal untuk kondisi kedatangan sistem nyata pada saat penelitian.
F. Verifikasi dan Validasi Model