Uji Keseragaman Dan Uji Kecukupan Data

e. Proses Packing Operator 1 Waktu Yang Dibutuhkan Untuk Menyelesaikan Aktvitas : Pengamatan dilakukan selama 6 hari, jam kerja Senin – Sabtu mulai pukul 07.00 – 16.00 8 Jam dikurangi 1 jam istirahat sehingga perhitungan sebagai berikut : - Jumlah Menit Pengamatan = 6 x 8 Jam x 60 = 2880 menit - Jumlah Menit Produktif = 0.6667 x 2880 ═ 1920.10 menit Untuk selengkapnya dapat dilihat pada lampiran 5

4.3. Pengolahan Data

4.3.1. Uji Keseragaman Dan Uji Kecukupan Data

Uji Keseragaman Data dan Uji Kecukupan Data dilakukan dengan menggunakan tingkat ketelitian 10 dan tingkat kepercayaan 95 . Perhitungannya adalah sebagai berikut :

1. Extruder Process

 Operator 1 Tabel 4.22 Frekuensi pengamatan proses Extruder Process Kegiatan Pengamatan Hari Ke - Produktif Non Produktif Jumlah Produktif 1 23 11 34 67.64 2 19 15 34 55.88 3 17 17 34 50.00 4 20 14 34 58.82 5 26 8 34 76.47 6 21 13 34 61.76 7 17 17 34 50.00 8 19 15 34 55.88 9 24 10 34 70.58 10 16 18 34 47.05 11 27 7 34 79.41 12 21 13 34 61.76 13 18 16 34 52.94 14 23 11 34 67.64 15 25 9 34 73.52 16 28 6 34 82.35 17 21 13 34 61.76 18 16 18 34 47.05 19 18 16 34 52.94 20 24 10 34 70.58 21 22 12 34 64.70 22 27 7 34 79.41 23 21 13 34 61.76 24 26 8 34 76.47 25 17 17 34 50.00 26 23 11 34 67.64 27 20 14 34 58.82 28 22 12 34 64.70 29 18 16 34 52.94 30 28 6 34 82.35 Jumlah 647 373 1020 1902.82 UJI KESERAGAMAN DATA : 1 P = k p i  = 30 35 . 82 ... 47 . 76 82 . 58 00 . 50 88 . 55 64 . 67       = 63.42 = 0.6342 34 30 34 ... 34 34 34 34 34 n           k n i BKA =   n P P P   1 . 3 = 0.6342 + 3 .   34 0.6342 1 0.6342  BKA = 0.8820 BKB =   n P P P   1 . 3 = 0.6342 - 3 .   34 0.6342 1 0.6342  BKB = 0.3864 Grafik Tingkat Produktif Kerja Proses Extruder dikaitkan dengan Frekuensi Waktu Pengamatan Analisa : Semua data P berada dalam batas kontrol, sehingga semua data seragam terkendali. Semua data produktif pada pengamatan proses Extruder berada pada BKA dan BKB sehingga dikatakan seragam maka tidak perlu dilakukan pengukuran kembali UJI KECUKUPAN DATA : Dalam perhitungan kami menggunakan Tingkat Kepercayaan = 95 k = 95 , maka k = 2 Tingkat Ketelitian = s = 10 0.6342 1020 647      i n produktif P Uji kecukupan data : N’ =   P P s k        1 2 =   6342 , 6342 . 1 1 .   2 2    = 230.72 Analisa : Nilai N’ N, maka dapat disimpulkan bahwa data sudah cukup dan tidak perlu dilakukan pengamatan lagi

2. Trimming

 Operator 1 Tabel 4.25 Frekuensi pengamatan proses Trimming Kegiatan Pengamatan Hari Ke - Produktif Non Produktif Jumlah Produktif 1 19 15 34 55,88 2 17 17 34 50,00 3 20 14 34 58,82 4 20 14 34 58,82 5 16 18 34 47,05 6 16 18 34 47,05 7 16 18 34 47,05 8 18 16 34 52,94 9 19 15 34 55,88 10 15 19 34 44,11 11 16 18 34 47,05 12 16 18 34 47,05 13 14 20 34 41,17 14 19 15 34 55,88 15 19 15 34 55,88 16 18 16 34 52,94 17 18 16 34 52,94 18 18 16 34 52,94 19 21 13 34 61,76 20 16 18 34 47,05 21 16 18 34 47,05 22 17 17 34 50,00 23 17 17 34 50,00 24 17 17 34 50,00 25 17 17 34 50,00 26 19 15 34 55,88 27 18 16 34 52,94 28 18 16 34 52,94 29 20 14 34 58,82 30 19 14 34 55,88 Jumlah 513 491 1020 1555,77 UJI KESERAGAMAN DATA : 1 P = k p i  = 30 88 , 55 ... 05 , 47 82 , 58 82 , 58 00 , 50 88 , 55       = 51,85 = 0.5185 34 30 34 ... 34 34 34 34 34 n           k n i BKA =   n P P P   1 . 3 = 0.5185 + 3 .   34 0.5185 1 0.5185  BKA = 0.7755 BKB =   n P P P   1 . 3 = 0.5185 - 3 .   34 0.5185 1 0.5185  BKB = 0.2615 Grafik Tingkat Produktif Kerja Proses Trimming Dikaitkan dengan Frekuensi Waktu Pengamatan operator 1 55,88 50,00 58,82 58,82 47,05 47,05 47,05 52,94 55,88 44,11 47,05 47,05 41,17 55,88 55,88 52,94 52,94 52,94 61,76 47,05 47,05 50,00 50,00 50,00 50,00 55,88 52,94 52,94 58,82 55,88 BKA; 0,7755 BKB; 0,2615 10 20 30 40 50 60 70 80 90 100 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 FREKUENSI PENGAMATAN PER SEN T A SE BKA BKB PODUKTIF CL Grafik Tingkat Produktif Kerja Proses Trimming dikaitkan dengan Frekuensi Waktu Pengamatan Analisa : Semua data P berada dalam batas kontrol, sehingga semua data seragam terkendali. Semua data produktif pada pengamatan proses Trimming berada pada BKA dan BKB sehingga dikatakan seragam maka tidak perlu dilakukan pengukuran kembali UJI KECUKUPAN DATA : gunakan = 10 Dalam perhitungan kami meng Tingkat Kepercayaan = 95 k = 95 , maka k = 2 Tingkat Ketelitian = s 0.5029 1020 513      produktif i n P Uji kecukupan data : N’ =   P P s k    2     1 =   5029 , 5029 . 1 1 . 2 2        = 395,38 aka dapat disimpulkan bahwa data sudah cukup dan . Wellding Process el 4.28 Frekuensi pengamatan proses Wellding Analisa : Nilai N’ N, m tidak perlu dilakukan pengamatan lagi 3  Operator 1 Tab Kegiatan Pengamatan Produktif Hari Ke - Produktif No if Jumlah n Produkt 1 22 12 34 64.71 2 27 7 34 79.41 3 19 1 5 34 55.88 4 22 12 34 64.71 5 18 16 34 52.94 6 18 16 34 52.94 7 17 17 34 50.00 8 21 13 34 61.76 9 16 18 34 47.06 10 27 7 34 79.41 11 17 17 34 50.00 12 21 13 34 61.76 13 23 11 34 67.65 14 22 12 34 64.71 15 21 13 34 61.76 16 19 15 34 55.88 17 26 8 34 76.47 18 25 9 34 73.53 19 26 8 34 76.47 20 21 13 34 61.76 21 19 15 34 55.88 22 18 16 34 52.94 23 19 15 34 55.88 24 24 10 34 70.59 25 25 9 34 73.53 26 19 15 34 55.88 27 23 11 34 67.65 28 25 9 34 73.53 29 26 8 34 76.47 30 21 13 34 61.76 JI KESERAGAMAN DATA : Jumlah 647 1 1 373 020 850.1 U 1 P = k p i  30 76 . 61 ... 94 . 52 71 . 64 88 . 55 41 . 79 71 . 64       = = 61.67 = 0.6167 34 30 34 ... 34 34 34 34 34 n         n   k i BKA =   n P P P   1 . 3   34 0.6167 1 0.6167  = 0.6167 + 3 . BKA = 0.8668 BKB =   n P P P   1 . 3   34 0.6167 1 0.6167  = 0.6167 - 3 . BKB = 0.3666 Grafik Tingkat Produktif Kerja Proses Wellding Dikaitkan dengan Frekuensi Waktu Pengamatan Analisa : Semua data P berada dalam batas kontrol, sehingga semua data seragam terkendali. Semua data produktif pada pengamatan proses Wellding berada pada BKA dan BKB sehingga dikatakan seragam maka tidak perlu dilakukan pengukuran kembali UJI KECUKUPAN DATA : Dalam perhitungan kami menggunakan Tingkat Kepercayaan = 95 k = 95 , maka k = 2 Tingkat Ketelitian = s = 10 0.6343 1020 647      i n produktif P Uji kecukupan data : N’ =   P P s k        1 2 =   6343 , 6343 . 1 1 .   2 2    = 230.62 Analisa : Nilai N’ N, maka dapat disimpulkan bahwa data sudah cukup dan tidak perlu dilakukan pengamatan lagi

4. Sewwing Process

 Operator 1 Tabel 4.32 Frekuensi pengamatan proses Sewwing Kegiatan Pengamatan Hari Ke - Produktif Non Produktif Jumlah Produktif 1 29 5 34 85.29 2 28 6 34 82.35 3 29 5 34 85.29 4 29 5 34 85.29 5 21 13 34 61.76 6 25 9 34 73.53 7 23 11 34 67.65 8 25 9 34 73.53 9 29 5 34 85.29 10 28 6 34 82.35 11 25 9 34 73.53 12 21 13 34 61.76 13 23 11 34 67.65 14 22 12 34 64.71 15 25 9 34 73.53 16 27 7 34 79.41 17 28 6 34 82.35 18 21 13 34 61.76 19 22 12 34 64.71 20 28 6 34 82.35 21 25 9 34 73.53 22 23 11 34 67.65 23 24 10 34 70.59 24 24 10 34 70.59 25 29 5 34 85.29 26 28 6 34 82.35 27 23 11 34 67.65 28 23 11 34 67.65 29 29 5 34 85.29 30 28 6 34 82.35 Jumlah 764 256 1020 2247 UJI KESERAGAMAN DATA : 1 P = k p i  = 30 35 . 82 ... 76 . 61 29 . 85 29 . 85 35 . 82 29 . 85       = 74.90 = 0.7490 34 30 34 ... 34 34 34 34 34 n           k n i BKA =   n P P P   1 . 3 = 0.7490 + 3 .   34 0.7490 1 0.7490  BKA = 0.9721 BKB =   n P P P   1 . 3 BKB = 0.7490 - 3 .   34 0.7490 1 0.7490  = 0.5259 Grafik Tingkat Produktif Kerja Proses Sewwing Dikaitkan dengan Frekuensi Waktu Pengamatan Analisa : Semua data P berada dalam batas kontrol, sehingga semua data seragam terkendali. Semua data produktif pada pengamatan proses Sewwing berada pada BKA dan BKB sehingga dikatakan seragam maka tidak perlu dilakukan pengukuran kembali. UJI KECUKUPAN DATA : Dalam perhitungan kami menggunakan Tingkat Kepercayaan = 95 k = 95 , maka k = 2 Tingkat Ketelitian = s = 10 0.7490 1020 764      i n produktif P Uji kecukupan data : N’ =   P P s k        1 2 =   7490 , 7490 . 1 1 . 2 2        = 134.05 Analisa : Nilai N’ N, maka dapat disimpulkan bahwa data sudah cukup dan tidak perlu dilakukan pengamatan lagi

5. Packing

 Operator 1 Tabel 4.35 Frekuensi pengamatan proses Packing Kegiatan Pengamatan Hari Ke - Produktif Non Produktif Jumlah Produktif 1 22 12 34 64.71 2 23 11 34 67.65 3 19 15 34 55.88 4 19 15 34 55.88 5 21 13 34 61.76 6 19 15 34 55.88 7 19 15 34 55.88 8 17 17 34 50.00 9 16 18 34 47.06 10 15 19 34 44.12 11 17 17 34 50.00 12 19 15 34 55.88 13 20 14 34 58.82 14 22 12 34 64.71 15 20 14 34 58.82 16 18 16 34 52.94 17 17 17 34 50.00 18 21 13 34 61.76 19 21 13 34 61.76 20 23 11 34 67.65 21 22 12 34 64.71 22 25 9 34 73.53 23 18 16 34 52.94 24 18 16 34 52.94 25 19 15 34 55.88 26 17 17 34 50.00 27 16 18 34 47.06 28 21 13 34 61.76 29 22 12 34 64.71 30 21 13 34 61.76 Jumlah 587 433 1020 1726.45 UJI KESERAGAMAN DATA : 1 P = k p i  = 30 76 . 61 ... 76 . 61 88 . 55 88 . 55 65 . 67 71 . 64       = 57.55 = 0.5755 34 30 34 ... 34 34 34 34 34 n           k n i BKA =   n P P P   1 . 3 = 0.5755 + 3 .   34 0.5755 1 0.5755  BKA = 0.8298 BKB =   n P P P   1 . 3 BKB = 0.5755 - 3 .   34 0.5755 1 0.5755  = 0.3212 Grafik Tingkat Produktif Kerja Proses Packing Dikaitkan dengan Frekuensi Waktu Pengamatan Analisa : Semua data P berada dalam batas kontrol, sehingga semua data seragam terkendali. Semua data produktif pada pengamatan proses Packing berada pada BKA dan BKB sehingga dikatakan seragam maka tidak perlu dilakukan pengukuran kembali UJI KECUKUPAN DATA : Dalam perhitungan kami menggunakan Tingkat Kepercayaan = 95 k = 95 , maka k = 2 Tingkat Ketelitian = s = 10 0.5755 1020 587      i n produktif P Uji kecukupan data : N’ =   P P s k        1 2 =   5755 , 5755 . 1 1 .   2 2    = 295.05 Analisa : Nilai N’ N, maka dapat disimpulkan bahwa data sudah cukup dan tidak perlu dilakukan pengamatan lagi Untuk selengkapnya dapat dilihat pada lampiran 6

4.3.2. Penentuan Performance Rating Penyesuaian Tiap Jabatan

Dokumen yang terkait

ANALISA BEBAN KERJA DAN JUMLAH TENAGA KERJA YANG OPTIMAL PADA BAGIAN PRODUKSI DENGAN PENDEKATAN METODE WORK LOAD ANALYSIS (WLA) DI PT. SURABAYA PERDANA ROTOPACK.

1 3 103

ANALISA BEBAN KERJA PADA BAGIAN PRODUKSI DENGAN METODE WORK LOAD ANALYSIS (WLA) UNTUK MENENTUKAN JUMLAH TENAGA KERJA YANG OPTIMAL DI PT. X - SURABAYA.

0 5 127

ANALISIS BEBAN KERJA KARYAWAN BAGIAN PRODUKSI DENGAN PENDEKATAN METODE WORK LOAD ANALYSIS (WLA) DI PT. CLASSIC PRIMA CARPET.

14 27 96

ANALISIS BEBAN KERJA DAN JUMLAH KARYAWAN BAGIAN PRODUKSI DENGAN MENGGUNAKAN METODE WORK LOAD ANALYSIS (WLA) DI PT. SEMESTA BUMINDO DJAYA SURABAYA.

1 1 99

ANALISIS BEBAN KERJA DAN JUMLAH KARYAWAN BAGIAN PRODUKSI DENGAN PENGEKATAN METODE WORK LOAD ANALYSIS ( WLA ) DI PABRIK GULA CANDI BARU SIDOARJO.

5 12 188

Efisiensi Beban Kerja dan Optimalisasi Jumlah Karyawan Bagian Produksi Dengan Metode Work Load Analysis (WLA) di PT.Inti Daya Persada Waru - Sidoarjo.

2 13 99

KATA PENGANTAR - Efisiensi Beban Kerja dan Optimalisasi Jumlah Karyawan Bagian Produksi Dengan Metode Work Load Analysis (WLA) di PT.Inti Daya Persada Waru - Sidoarjo

0 0 13

ANALISIS BEBAN KERJA DAN JUMLAH KARYAWAN BAGIAN PRODUKSI DENGAN MENGGUNAKAN METODE WORK LOAD ANALYSIS (WLA) DI PT. SEMESTA BUMINDO DJAYA SURABAYA

0 0 15

PENGUKURAN BEBAN KERJA DAN OPTIMALISASI JUMLAH KARYAWAN BAGIAN PRODUKSI DENGAN MENGGUNAKAN METODE WORK LOAD ANALYSIS (WLA) (Studi Kasus Di PT. ALTIA CLASSIC AUTOMOTIVE MANUFACTURING RUNGKUT INDUSTRI – SURABAYA)

1 0 15

ANALISIS BEBAN KERJA KARYAWAN BAGIAN PRODUKSI DENGAN PENDEKATAN METODE WORK LOAD ANALYSIS (WLA) DI PT. CLASSIC PRIMA CARPET

0 4 17