Pengukuran Waste Berdasarkan Frekuensi Kejadian

i. Excess Processing Excess processing merupakan jenis pemborosan yang terjadi karena langkah-langkah proses yang panjang dari yang seharusnya sepanjang proses value stream. Jenis pemborosan ini terjadi saat dilakukannya rework, dimana harus dilakukan proses produksi tambahan untuk memproses ulang produk yang mengalami defect, produk return dari pelanggan, dan sisa pemotongan kertas. Proses produksi tambahan ini tidak seharusnya dilakukan jika tidak terdapat masalah-masalah tersebut. Proses produksi tambahan tersebut menyebabkan lead time produksi menjadi lebih panjang dari yang seharusnya.

5.2. Measure

Measure merupakan tahap pengukuran untuk mengetahui pencapaian kinerja perusahaan saat ini berdasarkan waste yang terdapat pada proses produksi kertas. Pada tahap ini juga akan diketahui waste yang paling berpengaruh terhadap kinerja proses produksi dan dijadikan prioritas yang akan dieliminasi pada tahap selanjutnya. Pengeliminasian waste akan mengurangi lead time produksi, sehingga kinerja rantai pasokan dapat meningkat.

5.2.1. Pengukuran Waste Berdasarkan Frekuensi Kejadian

Pengukuran waste dilakukan dengan menggunakan data primer dan sekunder. Data primer diperoleh dari pengamatan langsung dan diskusi dengan pihak-pihak terkait di perusahaan. Sedangkan, data sekunder diperoleh dari Universitas Sumatera Utara dokumen atau arsip yang telah dibuat oleh perusahaan. Pengukuran ini didasarkan pada frekuensi terjadinya waste. Selanjutnya, dilakukan pengurutan dari persentase waste yang terbesar hingga terkecil, dimana waste terbesar merupakan yang berpengaruh signifikan terhadap lead time produksi. Bagian produksi juga turut menentukan dengan cara berdiskusi pada peneliti untuk menentukan waste yang paling berpengaruh tersebut. a. Environmental, Health, and Safety EHS Data yang digunakan untuk pengukuran waste ini adalah data kecelakaan kerja yang terjadi selama bulan Januari hingga Juni 2013. Data ini diperoleh dari pengamatan langsung dan dari bagian EHS. Seperti yang telah dijelaskan pada sub bab pendefinisian waste, terdapat dua jenis kelalaian terhadap peraturan EHS, yaitu ringan dan berat. Perusahaan memiliki data mengenai kecelakaan kerja yang terjadi pada proses produksi, dimana melalui data tersebut diketahui bahwa selama bulan Januari hingga Juni 2013 tidak pernah terjadi kecelakaan kerja. Oleh karena itu, persentase untuk waste ini adalah 0 dalam mempengaruhi lead time produksi kertas. b. Defects Data yang digunakan untuk pengukuran waste ini adalah data produk cacat selama bulan Januari hingga Juni 2013. Data ini diperoleh dari bagian quality assurance . Pengukuran waste dilakukan dengan membandingkan jumlah produk cacat terhadap total produksi pada bulan Januari hingga Juni 2013. Perhitungan waste jenis defect untuk bulan Januari adalah sebagai berikut: Universitas Sumatera Utara produksi Total defect production Indirect defect production Direct  x 100 = Ton 417 Ton 9,89 Ton 22,10  x 100 = 7,67 Hasil pengukuran waste jenis defect untuk bulan Januari sampai Juni 2013 dapat dilihat pada Tabel 5.23. Tabel 5.23. Hasil Pengukuran Waste Jenis Defect Bulan Direct Production Defect Ton Indirect Production Defect Ton Total Produksi Ton Persentase Defect Januari 22,10 9,89 417 7,67 Februari 19,81 8,78 381 7,50 Maret 16,54 7,98 352 6,97 April 24,62 8,00 342 9,54 Mei 16,17 7,77 317 7,55 Juni 23,06 9,09 372 8,64 Rata-rata Persentase Defect 7,98 Sumber: Data Sekunder dari PT. XYZ Berdasarkan Tabel 5.23, diketahui bahwa rata-rata persentase jumlah produk cacat adalah sebesar 7,98 dari total produksi bulan Januari hingga Juni 2013. Maka, persentase waste yang diakibatkan oleh defect adalah sebesar 7,98. c. Waiting Data yang digunakan untuk pengukuran waste ini adalah data scheduled delay dan unscheduled delay. Data ini diperoleh dari bagian engineering. Pengukuran waste jenis waiting dilakukan dengan cara menghitung jumlah jam kerja yang hilang akibat terjadi scheduled delay dan unscheduled delay. Perhitungan waste jenis waiting untuk bulan Januari adalah sebagai berikut: Universitas Sumatera Utara sebulan dalam kerja Jam sebulan dalam hilang kerja Jam x 100 = Jam 744 Jam 48,36 x 100 = 6,50 Hasil pengukuran waste jenis waiting untuk bulan Januari sampai Juni 2013 dapat dilihat pada Tabel 5.24. Tabel 5.24. Hasil Pengukuran Waste Jenis Waiting Bulan Jam Kerja dalam Sebulan Jam Jam Kerja Hilang dalam Sebulan Jam Persentase Waiting Januari 744 48,36 6,50 Februari 672 41,66 6,20 Maret 648 44,06 6,80 April 672 62,5 9,30 Mei 744 108,26 14,55 Juni 720 54,72 7,60 Rata-rata Persentase Waiting 8,49 Sumber: Data Sekunder dari PT. XYZ Berdasarkan Tabel 5.24, diketahui bahwa rata-rata persentase jam kerja yang hilang akibat scheduled delay dan unscheduled delay adalah sebesar 8,49. Maka, persentase waste yang diakibatkan oleh waiting adalah sebesar 8,49. d. Not Utilizing Employees Knowledge, Skill, and Abilities NUEKSA Data yang digunakan untuk pengukuran waste ini adalah data produk cacat yang ditemui pada stasiun pemeriksaan visual. Data ini digunakan karena setelah didapatkan produk cacat pada stasiun pemeriksaan visual, kemudian akan diseleksi lagi oleh bagian quality assurance. Berdasarkan pengamatan dan informasi yang diperoleh dari bagian quality assurance, hasil pemeriksaan pada Universitas Sumatera Utara stasiun pemeriksaan visual selalu dapat diterima. Artinya, produk yang digolongkan cacat pada stasiun pemeriksaan visual mendapatkan persepsi yang sama dari bagian quality assurance. Oleh karena itu, pemeriksaan visual ulang oleh bagian quality assurance sebenarnya tidak perlu dilakukan lagi. Maka, waste diukur berdasarkan data produk cacat yang ditemui pada stasiun pemeriksaan visual. Data ini diperoleh dari pengamatan langsung dan dari bagian quality assurance. Pengukuran waste dilakukan dengan cara membandingkan jumlah produk cacat terhadap total produksi. Perhitungan waste jenis NUEKSA untuk bulan Januari adalah sebagai berikut: produksi Total cacat produk Jumlah x 100 = Ton 417 Ton 5,47 1 x 100 = 3,71 Hasil pengukuran waste jenis NUEKSA untuk bulan Januari sampai Juni 2013 dapat dilihat pada Tabel 5.25. Tabel 5.25. Hasil Pengukuran Waste Jenis NUEKSA Bulan Jumlah Produk Cacat Ton Total Produksi Ton Persentase NUEKSA Januari 15,47 417 3,71 Februari 14,86 381 3,90 Maret 10,75 352 3,05 April 19,45 342 5,69 Mei 10,99 317 3,47 Juni 14,76 372 3,97 Rata-rata Persentase NUEKSA 3,96 Sumber: Data Primer dan Data Sekunder Universitas Sumatera Utara Berdasarkan Tabel 5.25, diketahui bahwa rata-rata persentase waste pada stasiun pemeriksaan visual adalah sebesar 3,96. Maka, jumlah persentase waste yang diakibatkan oleh not utilizing employees knowledge, skill, and abilities adalah sebesar 3,96. e. Transportation Data yang digunakan untuk pengukuran waste ini adalah data jumlah sisa pemotongan kertas pada stasiun roll slitter, ream cutter, dan bobbin slitter. Data ini diperoleh dari pengamatan langsung dan dari operator bagian pengumpulan broke . Pengukuran waste jenis transportation dilakukan dengan cara membandingkan data jumlah sisa pemotongan kertas terhadap total produksi. Perhitungan waste jenis transportation untuk bulan Januari adalah sebagai berikut: produksi Total kertas pemotongan sisa Jumlah x 100 = Ton 417 Ton 7 6 67, x 100 = 16,23 Hasil pengukuran waste jenis transportation untuk bulan Januari sampai Juni 2013 dapat dilihat pada Tabel 5.26. Tabel 5.26. Hasil Pengukuran Waste Jenis Transportation Bulan Jumlah Sisa Pemotongan Kertas Ton Total Produksi Ton Persentase Transportation Januari 67,67 417 16,23 Februari 64,37 381 16,90 Maret 64,54 352 18,34 April 53,56 342 15,66 Universitas Sumatera Utara Tabel 5.26. Hasil Pengukuran Waste Jenis Transportation Lanjutan Bulan Jumlah Sisa Pemotongan Kertas Ton Total Produksi Ton Persentase Transportation Mei 47,71 317 15,05 Juni 60,84 372 16,35 Rata-rata Persentase Transportation 16,42 Sumber: Data Primer dan Data Sekunder Berdasarkan Tabel 5.26, diketahui bahwa rata-rata persentase jumlah sisa pemotongan kertas adalah sebesar 16,42. Maka, persentase waste yang diakibatkan oleh transportation adalah sebesar 16,42. f. Inventories Data yang digunakan untuk pengukuran waste ini adalah data jumlah inventory setiap bulannya. Persediaan yang dimiliki oleh perusahaan berupa bahan baku dan bahan penolong. Data ini diperoleh dari pengamatan langsung dan dari bagian PPIC. Menurut Martin W. James 2007, perhitungan inventory yang berlebihan excess inventory adalah sebagai berikut: Excess inventory = Inventory actual – Inventory optimum dimana, Inventory optimum = Inventory average demand during order cycle + Safety stock Jika excess inventory 1, kurangi inventory Jika excess inventory 1, tambah inventory Safety stock merupakan persediaan yang disediakan untuk mengantisipasi fluktuasi jumlah order selama waktu siklus pemesanan order cycle. Untuk menghindari opportunity cost, maka safety stock didasarkan pada kapasitas Universitas Sumatera Utara maksimum produksi setiap bulannya Ari Primantara, 2010. Oleh karena itu perhitungan inventory optimum menjadi: Inventory optimum = Inventory maximum demand during order cycle Kapasitas produksi PT. XYZ setiap harinya adalah 18 ton, atau sebanding dengan 540 tonbulan diasumsikan 1 bulan = 30 hari. Perhitungan kapasitas penggunaan bahan baku maksimum per bulan inventory optimum untuk bahan baku adalah sebagai berikut: Kapasitas penggunaan maksimum per hari x Jumlah hari dalam sebulan = 18 Ton x 30 Hari = 540 Ton Maka, perhitungan inventory optimum untuk bahan baku dan bahan penolong dapat dilihat pada Tabel 5.27. Tabel 5.27. Inventory Optimum untuk Bahan Baku dan Bahan Penolong Inventory Kapasitas Penggunaan Maksimum per Hari Kapasitas Penggunaan Maksimum per Bulan Bahan Baku Pulp 18 Ton 540 Ton CaCO 3 450 Kg 13.500 Kg Chemical I 36 Kg 1.080 Kg Deformer 12 Ltr 360 Ltr Chemical II Potasium Natrium Sitrat 250 Kg 7.500 Kg Chemical II Starch 125 Kg 3.750 Kg Sumber: Data Sekunder dari PT. XYZ Berdasarkan Tabel 5.27, diketahui bahwa inventory optimum bahan baku pulp selama satu bulan adalah 540 ton. Jumlah ini merupakan kapasitas maksimum penggunaan inventory selama satu bulan sesuai dengan kapasitas produksi, begitu juga untuk inventory bahan penolong. Data pembelian bahan Universitas Sumatera Utara baku dan bahan penolong pada bulan Januari sampai Juni 2013 dapat dilihat pada Tabel 5.28. Tabel 5.28. Data Pembelian Bahan Baku dan Bahan Penolong Inventory Jan Feb Mar Apr Mei Jun Bahan baku Pulp Ton 430 390 360 370 326 400 CaCO 3 Kg 11.400 10.800 10.600 10.450 10.700 10.500 Chemical I Kg 928 832 928 896 928 896 Deformer Ltr 348 312 320 336 348 336 Chemical II Potasium Natrium Sitrat Kg 6.400 6.100 5.800 5.500 5.800 6.000 Chemical II Starch Kg 3.625 3.250 3.200 3.200 3.300 3.400 Sumber: Data Sekunder dari PT. XYZ Maka, perhitungan excess inventory adalah sebagai berikut: Excess Inventory Bahan Baku = Inventory actual – Inventory optimum = 430 ton – 540 ton = -110 ton Perhitungan waste jenis inventory dilakukan dengan membandingkan excess inventory dan inventory optimum. Perhitungan waste inventory adalah sebagai berikut: Waste Inventories = Excess inventory Inventory optimum = -110 ton 540 ton = -0,20 Tanda minus yang ditunjukkan oleh hasil perhitungan menunjukkan bahwa persediaan bahan baku yang dimiliki perusahaan tidak dalam jumlah yang berlebihan jika dibandingkan dengan jumlah inventory optimum. Maka, perhitungan waste dilakukan dengan membandingkan jumlah pembelian bahan baku dan bahan penolong dengan jumlah yang digunakan setiap bulannya. Universitas Sumatera Utara Berdasarkan hal tersebut, yang termasuk kedalam waste adalah sisa bahan baku dan bahan penolong yang tidak habis terpakai dalam sebulan. Data penggunaan bahan baku dan bahan penolong dapat dilihat pada Tabel 5.29. Tabel 5.29. Data Penggunaan Bahan Baku dan Bahan Penolong Inventory Jan Feb Mar Apr Mei Jun Bahan baku Pulp Ton 417 381 352 342 317 372 CaCO 3 Kg 10.425 9.710 9.500 9.050 9.157 9.169 Chemical I Kg 873 799 888 871 890 876 Deformer Ltr 317 291 294 316 318 310 Chemical II Potasium Natrium Sitrat Kg 6.285 5.999 5.702 5.401 5.697 5.903 Chemical II Starch Kg 3.499 3.133 3.098 3.106 3.184 3.300 Sumber: Data Sekunder dari PT. XYZ Data persediaan akhir bahan baku dan bahan penolong dapat dilihat pada Tabel 5.30. Tabel 5.30. Data Persediaan Akhir Bahan Baku dan Bahan Penolong Inventory Jan Feb Mar Apr Mei Jun Bahan baku Pulp Ton 13 9 8 28 9 28 CaCO 3 Kg 975 1090 1.100 1.400 1.543 1.331 Chemical I Kg 55 33 40 25 38 20 Deformer Ltr 31 21 26 20 30 26 Chemical II Potasium Natrium Sitrat Kg 115 101 98 99 103 97 Chemical II Starch Kg 126 117 102 94 116 100 Sumber: Data Sekunder dari PT. XYZ Perhitungan waste jenis inventories untuk bahan baku pada bulan Januari adalah sebagai berikut: pembelian Jumlah akhir persediaan Jumlah x 100 Universitas Sumatera Utara = Ton 430 Ton 3 1 x 100 = 3,02 Hasil pengukuran waste jenis inventories untuk bulan Januari sampai Juni 2013 dapat dilihat pada Tabel 5.31. Tabel 5.31. Hasil Pengukuran Waste Jenis Inventories Inventory Jan Feb Mar Apr Mei Jun Rata-rata Bahan baku Pulp 3,02 2,31 2,22 7,57 2,76 7,00 4,15 CaCO 3 8,55 10,09 10,38 13,40 14,42 12,68 11,59 Chemical I 5,93 3,97 4,31 2,79 4,09 2,23 3,89 Deformer 8,91 6,73 8,13 5,95 8,62 7,74 7,68 Chemical II Potasium Natrium Sitrat 1,80 1,66 1,69 1,80 1,78 1,62 1,72 Chemical II Starch 3,48 3,60 3,19 2,94 3,52 2,94 3,28 Rata-rata Persentase Inventories 5,39 Sumber: Perhitungan Berdasarkan Data Sekunder Berdasarkan Tabel 5.31, diketahui bahwa rata-rata persentase waste jenis inventories adalah sebesar 5,39. Maka, jumlah persentase waste yang diakibatkan oleh inventories adalah sebesar 5,39. g. Motion Data yang digunakan untuk pengukuran waste ini adalah data primer. Konsep untuk mengidentifikasi waste jenis motion ini adalah dengan konsep nilai kerja work content yang didefinisikan sebagai berikut Nicholas, J. 1998: Nilai Kerja = Kerja didefinisikan sebagai kegiatan permesinan machining, yaitu pengubahan bentuk fisik dari benda kerja. Sedangkan, gerakan adalah waktu penyelesaian pekerjaan. Terdapat beberapa kegiatan permesinan dalam proses Universitas Sumatera Utara produksi kertas dengan motion yang jelas. Waktu mesin diperoleh berdasarkan waktu operasi mesin. Selama pengamatan dilakukan, diasumsikan tidak terjadi gangguan pada mesin, sehingga waktu yang digunakan merupakan waktu operasi mesin yang sesungguhnya. Pengukuran waktu operator dilakukan sebanyak 15 kali pengamatan untuk masing-masing proses permesinan. Alat ukur yang digunakan adalah stopwatch. Pengamatan dilakukan pada bulan Juli 2013. Data pengukuran waktu operator dapat dilihat pada Lampiran. Perhitungan waste jenis motion untuk proses pembentukan lembaran sheet adalah sebagai berikut: 100 ─ Gerakan Kerja x 100 = 100 ─ Menit 8,78 Menit 93,33 Menit 93,33  x 100 = 100 ─ 91,40 = 8,60 Hasil pengukuran waste jenis motion untuk proses pembentukan lembaran sheet dan pemotongan jumbo roll dapat dilihat pada Tabel 5.32. Tabel 5.32. Hasil Pengukuran Waste Jenis Motion Stasiun Nama Mesin Waktu Mesin Waktu Operator Persentase Nilai Kerja Persentase Motion Proses pembentukan lembaran sheet Four drinerPaper machine 93,33 Menit 8,78 Menit 91,40 8,60 Proses pemotongan jumbo roll Roll slitter 120 Menit 5,50 Menit 95,62 4,38 Rata-rata Persentase Motion 6,49 Sumber: Data Primer dan Data Sekunder Universitas Sumatera Utara Berdasarkan Tabel 5.32, diketahui bahwa rata-rata persentase motion adalah sebesar 6,49. Maka, jumlah persentase waste yang diakibatkan oleh motion adalah sebesar 6,49. h. Excess Processing Data yang digunakan untuk pengukuran waste ini adalah data total produk rework selama periode Januari sampai Juni 2013. Data ini diperoleh dari pengamatan langsung dan dari bagian quality assurance, serta bagian pengumpulan broke. Pengukuran waste excess processing dilakukan dengan cara membandingkan total produk rework terhadap total produksi pada setiap bulannya. Perhitungan waste jenis excess processing untuk bulan Januari adalah sebagai berikut: produksi Total produk Total rework x 100 = Ton 417 Ton 01,19 1 x 100 = 24,27 Hasil pengukuran waste jenis excess processing untuk bulan Januari sampai Juni 2013 dapat dilihat pada Tabel 5.33. Tabel 5.33. Hasil Pengukuran Waste Jenis Excess Processing Bulan Total Produk Rework Ton Total Produksi Ton Persentase Excess Processing Januari 101,19 417 24,27 Februari 92,96 381 24,40 Maret 89,06 352 25,30 April 86,18 342 25,20 Mei 71,64 317 22,60 Tabel 5.33. Hasil Pengukuran Waste Jenis Excess Processing Lanjutan Universitas Sumatera Utara Bulan Total Produk Rework Ton Total Produksi Ton Persentase Excess Processing Juni 93,00 372 25,00 Rata-rata Persentase Excess Processing 24,46 Sumber: Data Primer dan Data Sekunder Berdasarkan Tabel 5.33, diketahui bahwa rata-rata persentase total produk rework adalah sebesar 24,46. Maka, jumlah persentase waste yang diakibatkan oleh excess processing adalah sebesar 24,46.

5.2.2. Penentuan Waste yang Berpengaruh Signifikan terhadap Lead Time