Analisis Kapasitas Produksi dengan Pendekatan Theory of Constraint (TOC) dan Goal Programming Pada PT. Intan Nasional Iron Industri

Rating Factor

Kriteria rating factor, keterampilan dibagi menjadi enam kelas dengan ciri-ciri setiap kelas seperti yang dikemukakan berikut ini :

Super Skill:

1. Bekerja dengan sempurna

2. Tampak seperti telah terlatih dengan sangat baik 3. Secara bawaan cocok sekali dengan pekerjaannya

4. Gerakan-gerakannya halus tetapi sangat cepat sehingga sulit untuk diikuti 5. Kadang-kadang terkesan tidak berbeda dengan gerakan-gerakan mesin

6. Perpindahan dari satu elemen pekerjaan ke elemen lainnya tidak terlampau terlihat karena lancarnya

7. Tidak terkesan adanya gerakan-gerakan berpikir dan merencana tentang apa yang dikerjakan (sudah sangat otomatis)

8. Secara umum dapat dikatakan bahwa pekerjaan yang bersangkutan adalah pekerjaan terbaik

Excellent Skill:

1. Percaya pada diri sendiri

2. Tampak cocok dengan pekerjaannya 3. Terlihat telah terlatih baik

4. Bekerjanya teliti dengan tidak banyak melakukan pengukuran-pengukuran atau pemeriksaan-pemeriksaan

5. Gerakan-gerakan kerjanya beserta urutan-urutannya tanpa kesalahan 6. Menggunakan peralatan dengan baik

7. Bekerjanya cepat tanpa mengorbankan mutu 8. Bekerjanya cepat tapi halus

9. Bekerjanya berirama dan terkoordinasi

Good Skill:

1. Kualitas hasil baik

2. Bekerjanya tampak lebih baik daripada kebanyakan pekerja umumnya

3. Dapat memberi petunjuk-petunjuk pada pekerja lain yang keterampilannya lebih rendah

4. Tampak jelas sebagai pekerja yang cakap 5. Tidak memerlukan banyak pengawasan 6. Tiada keragu-raguan

7. Bekerjanya stabil

8. Gerakan-gerakannya terkoordinasi dengan baik 9. Gerakan-gerakannya cepat

Average Skill:

1. Tampak adanya kepercayaan pada diri sendiri 2. Gerakan-gerakannya tidak cepat tetapi tidak lambat 3. Terlihat adanya pekerjaan-pekerjaan perencanaan 4. Tampak sebagai pekerja yang cakap

5. Gerakan-gerakannya cukup menunjukkan tidak banyak keragu-raguan 6. Mengkoordinasi tangan dan pikiran dengan cukup baik

9. Secara keseluruhan cukup memuaskan

Fair Skill :

1. Tampak terlatih tetapi belum cukup baik

2. Mengenal peralatan dan lingkungan secukupnya

3. Terlihat adanya perencanaan-perencanaan sebelum melakukan gerakan-gerakan

4. Tidak mempunyai kepercayaan diri yang cukup

5. Tampaknya seperti tidak cocok dengan pekerjaannya tetapi telah dipekerjakan di bagian itu sejak lama

6. Mengetahui apa-apa yang dilakukan dan harus dilakukan tapi tampak tidak selalu yakin

7. Sebagian waktunya terbuang karena kesalahan-kesalahan sendiri

8. Jika tidak bekerja secara sungguh-sungguh outputnya akan sangat rendah 9. Biasanya tidak ragu-ragu dalam menjalankan gerakan-gerakannya.

Poor Skill :

1. Tidak bisa mengkoordinasikan tangan dan pikiran 2. Gerakan-gerakannya kaku

3. Kelihatan ketidak yakinannya pada urutan-urutan gerakan 4. Seperti yang tidak terlatih untuk pekerjaan yang bersangkutan 5. Tidak terlihat adanya kecocokan dengan pekerjaannya

6. Ragu-ragu dalam melaksanakan gerakan-gerakan kerja 7. Sering melakukan kesalahan-kesalahan.

8. Tidak adanya kepercayaan pada diri sendiri.

9. Tidak bisa mengambil inisiatif sendiri.

Dalam hal usaha dapat dikelompokkan menjadi enam kelas yaitu:

Excessive effort :

1. Kecepatan sangat berlebihan.

2. Usahanya sangat bersungguh-sungguh tetapi dapat membahayakan kesehatannya.

3. Kecepatan yang ditimbulkannya tidak dapat dipertahankan sepanjang hari kerja.

Excellent effort:

1. Jelas terlihat kecepatannya sangat tinggi.

2. Gerakan-gerakan lebih ekonomis daripada operator-operator biasa. 3. Penuh perhatian pada pekerjaannya.

4. Banyak membari saran.

5. Menerima saran-saran petunjuk dengan senang. 6. Percaya pada kebaikan maksud pengukuran waktu. 7. Tidak bertahan lebih dari beberapa hari.

8. Bangga atas kelebihannya.

9. Garakan-garakan yang salah terjadi sangat jarang sekali. 10. Bekerjanya sangat sistematis.

11. Karena lancarnya, perpindahan dari suatu elemen ke elemen lainnya tidak terlihat.

2. Saat-saat menganggur sangat sedikit, bahkan kadang-kadang tidak ada. 3. Penuh perhatian pada pekerjaannya.

4. Senang pada pekerjaannya.

5. Kecepatannya baik dan dapat dipertahankan sepanjang hari. 6. Percaya pada kebaikan waktu pengukuran waktu.

7. Menerima saran-saran dan petunjuk dangan senang. 8. Dapat memberi saran-saran untuk perbaikan kerja. 9. Tempat kerjanya diatur baik dan rapih.

10. Menggunakan alat-alat yang tepat dengan baik. 11. Memelihara dengan baik kondisi peralatan.

Average effort:

1. Tidak sebaik good, tapi lebih baik dari poor.

2. Bekerja dengan stabil.

3. Menerima saran-saran tapi tidak melaksanakannya. 4. Set up dilaksanakan dengan baik.

5. Melakukan kegiatan-kegiatan perencanaan

Fair effort

1. Saran-saran perbaikan diterima dengan kesal.

2. Kadang-kadang perhatian perhatian tidak ditunjukkan pada pekerjaannya. 3. Kurang sungguh-sungguh.

4. Tidak mengeluarkan tenaga dengan secukupnya. 5. Terjadi sedikit penyimpangan dari cara kerja baku. 6. Alat-alat yang dipakainya tidak selalu yang terbaik.

7. Terlihat adanya kecenderungan kurang perhatian pada pekerjaannya. 8. Terlampau hati-hati.

9. Sistematika kerjanya sedang-sedang saja. 10. Gerakan-gerakannya tidak terencana

Poor effort

1. Banyak membuang-buang waktu.

2. Tidak memperhatikan adanya minat kerja. 3. Tidak mau menerima saran-saran.

4. Tampak malas dan malas kerja.

5. Gerakan-gerakan yang tidak perlu dilakukan untuk mengambil alat-alat dan bahan.

6. Tempat kerjanya tidak diatur rapi.

7. Tidak peduli pada cocok/baik tidaknya peralatan yang dipakai. 8. Mengubah-ubah tata letak tempat kerja yang telah diatur. 9. Set up kerjanya terlihat tidak baik

Cara menentukan rating factor antara lain cara Westinghouse

Cara Westinghouse mengarahkan penilaian pada empat faktor yang dianggap menentukan kewajaran atau ketidakwajaran dalam bekerja yaitu

keterampilan, usaha, kondisi kerja dan konsistensi. Setiap faktor terbagi kedalam kelas-kelas dengan nilainya masing-masing. Penyesuaian menurut

Tabel Penyesuaian Menurut Westinghouse

Faktor Kelas Lambang Penyesuaian

Keterampilan

Superskill A1 +0,15

A2 +0,13

Excellent B1 +0,11

B2 +0,08

Good C1 +0,06

C2 +0,03

Average D 0,00

Fair E1 -0,05

E2 -0,10

Poor F1 -0,16

F2 -0,22

Usaha

Excessive A1 +0,13

A2 +0,12

Excellent B1 +0,10

B2 +0,08

Good C1 +0,05

C2 +0,02

Average D 0,00

Fair E1 -0,04

E2 -0,08

Poor F1 -0,12

F2 -0,17

Kondisi Kerja

Ideal A +0,06

Excellently B +0,04

Good C +0,02

Average D 0,00

Fair E -0,03

Poor F -0,07

Konsistensi

Perfect A +0,04

Excellent B +0,03

Good C +0,01

Average D 0,00

Fair E -0,02

Poor F -0,04

Tabel Allowance

Faktor Contoh pekerjaan Kelonggaran (%)

A.Tenaga yang dikeluarkan Ekivalen beban Pria Wanita 1. Dapat diabaikan Bekerja di meja, duduk tanpa beban 0,00 – 6,0 0,00 – 6,0 2. Sangat ringan Bekerja di meja, berdiri 0,02 – 2,25 kg 6,0 – 7,5 6,0 – 7,5 3. Ringan Menyekop, ringan 2,25 – 9,00 7,5 – 12,0 7,5 – 16,0 4. Sedang Mencangkul 9,00 – 18,00 12,0 – 19,0 16,0 – 30,0 5. Berat Mengayun palu yang berat 19,00 – 27,00 19,0 – 30,0

6. Sangat berat Memanggul beban 27,00 – 50,00 30,0 – 50,0 7. Luar biasa berat Memanggul kalung berat diatas 50 kg

B. Sikap kerja

1. Duduk Bekerja duduk, ringan 0,00 – 1,0

2. Berdiri diatas dua kaki Badan tegak, ditumpu dua kaki 1,0 – 2,5 3. Berdiri diatas satu kaki Satu kaki mengerjakan alat kontrol 2,5 – 4,0 4. Berbaring Pada bagian sisi, belakang atau depan badan 2,5 – 4,0 5. Membungkuk Badan dibungkukkan bertumpu pada kedua kaki 4,0 – 10

C. Gerakan kerja

1. Normal Ayunan bebas dari palu 0

2. Agak terbatas Ayunan terbatas dari palu 0 – 5

3. Sulit Membawa beban berat dengan satu tangan 0 – 5

4. Pada anggota-anggota badan terbatas

Bekerja dengan tangan diatas kepala 5 – 10 5. Seluruh anggota badan

terbatas Bekerja dilorong pertambangan yang sempit 10 – 15

D. Kelelahan mata *) Pencahayaan baik Buruk

1. Pandangan yang terputus-putus Membawa alat ukur 0,0 – 6,0 0,0 – 6,0 2. Pandangan yang hampir terus menerus Pekerjaan-pekerjaan yang teliti 6,0 – 7,5 6,0 – 7,5 3. Pandangan terus menerus dengan fokus

berubah-ubah

Memeriksa cacat-cacat pada kain 7,5 – 12,0 7,5 – 16,0 Pemeriksaan yang sangat teliti 12,0 – 19,0 16,0 – 30,0 4. Pandangan terus menerus dengan fokus tetap 30,0 – 50,0

E. Keadaan temperatur tempat kerja **) Temperatur (°C) Kelemahan normal Berlebihan

1. Beku Dibawah 0 Diatas 10 Diatas 12

2. Rendah 0 – 13 10 – 0 12 – 5

3. Sedang 13 – 22 5 – 0 8 – 0

4. Normal 22 – 28 0 – 5 0 – 8

5. Tinggi 28 – 38 5 – 40 8 – 100

6. Sangat tinggi Diatas 38 Diatas 40 Diatas 100

F. Keadaan atmosfer ***)

1. Baik Ruang yang berventilasi baik, udara segar 0

2. Cukup

Ventilasi kurang baik, ada bau-bauan

(tidak berbahaya) 0 – 5

3. Kurang baik

Adanya debu-debu beracun, atau tidak

beracun tetapi banyak 5 – 10

Tabel Allowance (Lanjutan)

Faktor Contoh pekerjaan Kelonggaran (%)

G. Keadaan lingkungan yang baik

1. Bersih, sehat, cerah dengan kebisingan rendah 0

2. Siklus kerja berulang-ulang antara 5 - 10 detik 0 – 1

3. Siklus kerja berulanh-ulang antara 0 - 5 detik 1 – 3

4. Sangat bising 0 – 5

5. Jika faktor-faktor yang berpengaruh dapat menurunkan kwalitas 0 – 5

6. Terasa adanya getaran lantai 5 – 10

7. Keadaan-keadaan yang luar biasa (bunyi, kebersihan, dll.) 5 – 15 Keterangan:

*) Kontras antara warna hendaknya diperhatikan **) Tergantung juga pada keadaan ventilasi

***) Dipengaruhi juga oleh ketinggian tempat kerja dari permukaan laut dan keadaan iklim

Tabel Allowance Operator Setiap Stasiun Kerja Stasiun

Kerja Faktor Kondisi Pekerja Nilai

Total (%)

I

Kebutuhan Pribadi Pria 0,5

18

Tenaga yang Dikeluarkan Ringan 7,5

Sikap Kerja Berdiri di atas dua kaki 2

Gerakan Kerja _{Agak terbatas} 1

Kelelahan Mata Pandangan yang terputus-putus

2

Keadaan Temperatur Normal 2

Keadaan Atmosfer cukup 2

Keadaan Lingkungan

Siklus kerja berulang-ulang antara 0-5 detik

1

II

Kebutuhan Pribadi Pria 0,5

18,5

Tenaga yang Dikeluarkan Sangat Ringan 6

Sikap Kerja Berdiri di atas dua kaki 1

Gerakan Kerja Agak terbatas 2

Kelelahan Mata Pandangan yang terputus-putus

2

Keadaan Temperatur Tinggi 5

Keadaan Atmosfer Cukup 1

Keadaan Lingkungan

Siklus kerja berulang-ulang antara 0-5 detik

1

III

Kebutuhan Pribadi Pria 0,5

20

Tenaga yang Dikeluarkan Ringan 7,5

Sikap Kerja Berdiri di atas dua kaki 1

Gerakan Kerja Normal 0

Kelelahan Mata Pandangan yang terputus-putus

2

Keadaan Temperatur Tinggi 5

Keadaan Atmosfer cukup 2

Tabel 5.14. Allowance Operator Setiap Stasiun Kerja (Lanjutan) Stasiun

Kerja Faktor Kondisi Pekerja Nilai

Total (%)

IV

Kebutuhan Pribadi Pria 0,5

18

Tenaga yang Dikeluarkan Ringan 7,5

Sikap Kerja Berdiri di atas dua kaki 2

Gerakan Kerja Normal 0

Kelelahan Mata Pandangan yang terputus-putus

1

Keadaan Temperatur Normal 3

Keadaan Atmosfer cukup 2

Keadaan Lingkungan Sangat bising 2

Penentuan Rating Factor

Penentuan Rating Factor untuk pengukuran waktu ini menggunakan metode Westinghouse. Penilaian dilakukan berdasarkan 4 faktor penting yang menentukan kewajaran dalam bekerja yaitu keterampilan, usaha, kondisi kerja dan konsistensi.

1. Penentuan Rating Factor untuk Operator SK I Penilaian Rating factor untuk operator SK I adalah: a. Keterampilan operator

Keterampilan terbagi atas beberapa penggolongan kelas berdasarkan pengamatan yakni

1) Excellent

Berdasarkan pengamatan terlihat bahwa : 2. Operator terlihat telah baik.

3. Operator bekerja dengan cepat tetapi halus. 2) Good

Berdasarkan pengamatan terlihat bahwa : 1. Kualitas hasil baik

2. Operator berkerja lebih baik

5. Tidak memerlukan banyak pengawasan 6. Tiada keragu-raguan

9. Gerakan-gerakannya cepat 3) Average

3. Gerakannya cepat tidak lambat

5. Gerakan-gerakannya cukup menunjukkan tiadanya keragu-raguan 9. Secara keseluruhan cukup memuaskan

Berdasarkan data penggolongan diatas bahwa pengamatan yang diambil pada penggolongan Excellent adalah 2,3. Pada penggolongan Good adalah 1,2,5,6,9. Pada penggolongan Avarage Skill adalah 2,5,9. Sehingga persentase penggolongan adalah sebagai berikut :

% 55 , 55 % 100 9 5 % 22 , 22 % 100 9 2 = = = = x Good x Excellent % 33 , 33 % 100 9 3 = = x Average

Berdasarkan perhitungan diatas diperoleh bahwa persentase terbesar adalah Good dan pembagian Good yang terpilih adalah(C1) karena persentase

Good berada diatas 50 %. Sehingga keterampilan operator tergolong Good

(C1) dengan nilai 0,06. b. Usaha operator

1) Excellent

Berdasarkan pengamatan terlihat bahwa :

4. Operator menggunakan alat-alat dengan tepat. 2) Good

1. Operator bekerja berirama. 2. Kecepatannya baik.

9. Tempat kerja diatur baik dan rapi

10. Memelihari dengan baik kondisi peralatan

3) Fair

1. Kadang-kadang perhatian tidak ditujukan pada pekerjaannya Berdasarkan data penggolongan diatas bahwa pengamatan yang diambil pada penggolongan Excellent adalah 4. Pada penggolongan Good adalah 1,2, 9,10 sedangkan pada penggolongan Fair adalah 1. Sehingga persentase penggolongan adalah sebagai berikut :

% 3 , 36 % 100 11 4 % 09 , 9 % 100 11 1 = = = = x Good x Excellent % 10 % 100 10 1 = = x Fair

Berdasarkan perhitungan diatas diperoleh bahwa persentase terbesar adalah Good dan pembagian Good yang terpilih adalah(C2) karena persentase

Good berada di bawah 50 %. Sehingga usaha operator tergolong Good (C2) dengan nilai 0,02

c. Kondisi kerja

Tergolong Average (D), karena dalam pengamatan terlihat bahwa operator bekerja dalam temperatur yang tidak standar.

d. Konsistensi

Konsistensi operator masuk dalam golongan Average (D), karena waktu penyelesaian pekerjaannya tidak konsisten.

Rating Factor untuk Operator SK I

No Rating Factor Nilai

1 Keterampilan Good (C1) : + 0,06

2 Usaha Good (C2) : +0,02

3 Kondisi Kerja Fair (E) : -0,00

4 Konsistensi Average (D) : -0,00

Total Rating Factor +0,08

Maka rating factor untuk operator SK I adalah +0,08.

2. Penentuan Rating Factor untuk Operator SK II

Penentuan Rating Factor untuk operator SK II adalah: a. Keterampilan operator

Keterampilan terbagi atas beberapa penggolongan kelas berdasarkan pengamatan yakni

1) Excellent

Berdasarkan pengamatan terlihat bahwa : 2. Tampak cocok dengan pekerjaannya 3. Terlihat telah terlatih baik

6. Operator menggunakan alat-alat dengan tepat. 7. Bekerja cepat tapi halus

3) Good

Berdasarkan pengamatan terlihat bahwa : 1 Tiada keragu-raguan

8. Gerakan-gerakannya terkordinasi dengan baik 4) Average

8. Bekerja cukup teliti

9. Secara keseluruhan cukup memuaskam

3. terlihat adanya pekerjaan pekerjaan yang perencanaan

Berdasarkan data penggolongan diatas bahwa pengamatan yang diambil pada penggolongan Excellent adalah 2,3,6,7. Good adalah 1,8. Pada

penggolongan Average adalah 8,9,3.

% 22 , 22 % 100 9 2 % 44 , 44 % 100 9 4 Excellent = = = = x Good x % 30 % 100 9 3 = = x Average

Berdasarkan perhitungan diatas diperoleh bahwa persentase terbesar adalah Excellent pembagian Excellent yang terpilih adalah(B2) karena persentase Excellent berada di bawah 50 %. Sehingga usaha operator tergolong Excellent (B2) dengan nilai 0,08.

b. Usaha operator 1) Good

1. Operator bekerja berirama.

2. Penuh perhatian pada pekerjaannya. 3. Operator senang pada pekerjaannya. 4. Kecepatannya baik.

Berdasarkan data penggolongan diatas bahwa pengamatan yang diambil pada penggolongan Good adalah 1,2,3,4. Sehingga persentase penggolongan adalah sebagai berikut :

% 36 , 36 % 100 11 4 = = x Good

Berdasarkan perhitungan diatas diperoleh bahwa persentase terbesar adalah Good dan pembagian Good yang terpilih adalah(C2) karena persentase

Good berada di bawah 50 %. Sehingga usaha operator tergolong Good (C2) dengan nilai 0,02

c. Kondisi kerja

Tergolong Average (D), karena dalam pengamatan terlihat bahwa operator bekerja dalam temperatur yang tidak standar.

d. Konsistensi

Konsistensi operator masuk dalam golongan Average Rating Factor untuk Operator SK II

No Rating Factor Nilai

1 Keterampilan Excellent : +0,08

2 Usaha Good (C1) : +0,02

3 Kondisi Kerja Average : -0,00

4 Konsistensi Average : -0,00

Total Rating Factor +0,1

Maka Rating factor untuk operator SK II adalah 0,1.

3. Penentuan Rating Factor untuk Operator SK III Penilaian Rating factor untuk operator SK III adalah: a. Keterampilan operator

Keterampilan terbagi atas beberapa penggolongan kelas berdasarkan pengamatan yakni

4) Excellent

Berdasarkan pengamatan terlihat bahwa : b. Operator terlihat telah baik.

c. Operator bekerja dengan cepat tetapi halus. 5) Good

Berdasarkan pengamatan terlihat bahwa : 4. Kualitas hasil baik

5. Operator berkerja lebih baik

5. Tidak memerlukan banyak pengawasan 7. Tiada keragu-raguan

9. Gerakan-gerakannya cepat 3) Average

Berdasarkan pengamatan terlihat bahwa : 6. Gerakannya cepat tidak lambat

6. Gerakan-gerakannya cukup menunjukkan tiadanya keragu-raguan 10. Secara keseluruhan cukup memuaskan

1,2,5,6,9. Pada penggolongan Avarage Skill adalah 2,5,9. Sehingga persentase penggolongan adalah sebagai berikut :

% 55 , 55 % 100 9 5 % 22 , 22 % 100 9 2 = = = = x Good x Excellent % 33 , 33 % 100 9 3 = = x Average

Berdasarkan perhitungan diatas diperoleh bahwa persentase terbesar adalah Good dan pembagian Good yang terpilih adalah(C1) karena persentase

Good berada diatas 50 %. Sehingga keterampilan operator tergolong Good

(C1) dengan nilai 0,06. b. Usaha operator

1) Excellent

Berdasarkan pengamatan terlihat bahwa :

4. Operator menggunakan alat-alat dengan tepat. 2) Good

3. Operator bekerja berirama. 4. Kecepatannya baik.

9. Tempat kerja diatur baik dan rapi

10. Memelihari dengan baik kondisi peralatan 3) Fair

d. Kadang-kadang perhatian tidak ditujukan pada pekerjaannya Berdasarkan data penggolongan diatas bahwa pengamatan yang diambil pada penggolongan Excellent adalah 4. Pada penggolongan Good adalah 1,2,

9,10 sedangkan pada penggolongan Fair adalah 1. Sehingga persentase penggolongan adalah sebagai berikut :

% 3 , 36 % 100 11 4 % 09 , 9 % 100 11 1 = = = = x Good x Excellent % 10 % 100 10 1 ₌ = x Fair

Berdasarkan perhitungan diatas diperoleh bahwa persentase terbesar adalah Good dan pembagian Good yang terpilih adalah(C2) karena persentase

Good berada di bawah 50 %. Sehingga usaha operator tergolong Good (C2) dengan nilai 0,02

c. Kondisi kerja

Tergolong Average (D), karena dalam pengamatan terlihat bahwa operator bekerja dalam temperatur yang tidak standar.

d. Konsistensi

Konsistensi operator masuk dalam golongan Good (C), karena waktu penyelesaian pekerjaannya konsisten.

Rating Factor untuk Operator SK III

No Rating Factor Nilai

1 Keterampilan Good (C1) : + 0,06

2 Usaha Good (C2) : +0,02

3 Kondisi Kerja Fair (E) : -0,00

4 Konsistensi Good (C) : +0,01

4. Penentuan Rating Factor untuk Operator SK IV

Penentuan Rating Factor untuk operator SK IV adalah: a. Keterampilan operator

Keterampilan terbagi atas beberapa penggolongan kelas berdasarkan pengamatan yakni

1) Excellent

Berdasarkan pengamatan terlihat bahwa : 2. Tampak cocok dengan pekerjaannya 3. Terlihat telah terlatih baik

6. Operator menggunakan alat-alat dengan tepat. 7. Bekerja cepat tapi halus

6) Good

Berdasarkan pengamatan terlihat bahwa : 1 Tiada keragu-raguan

8. Gerakan-gerakannya terkordinasi dengan baik 4) Average

8. Bekerja cukup teliti

9. Secara keseluruhan cukup memuaskam

3. terlihat adanya pekerjaan pekerjaan yang perencanaan

Berdasarkan data penggolongan diatas bahwa pengamatan yang diambil pada penggolongan Excellent adalah 2,3,6,7. Good adalah 1,8. Pada

penggolongan Average adalah 8,9,3.

% 22 , 22 % 100 9 2 % 44 , 44 % 100 9 4 Excellent = = = = x Good x % 30 % 100 9 3 = = x Average

Berdasarkan perhitungan diatas diperoleh bahwa persentase terbesar adalah Excellent pembagian Excellent yang terpilih adalah(B2) karena persentase Excellent berada di bawah 50 %. Sehingga usaha operator tergolong Excellent (B2) dengan nilai 0,08.

b. Usaha operator 1) Good

1. Operator bekerja berirama.

2. Penuh perhatian pada pekerjaannya. 3. Operator senang pada pekerjaannya. 4. Kecepatannya baik.

Berdasarkan data penggolongan diatas bahwa pengamatan yang diambil pada penggolongan Good adalah 1,2,3,4. Sehingga persentase penggolongan adalah sebagai berikut :

% 36 , 36 % 100 11 4 = = x Good

Berdasarkan perhitungan diatas diperoleh bahwa persentase terbesar adalah Good dan pembagian Good yang terpilih adalah(C2) karena persentase

Good berada di bawah 50 %. Sehingga usaha operator tergolong Good (C2) dengan nilai 0,02

Tergolong Average (D), karena dalam pengamatan terlihat bahwa operator bekerja dalam temperatur yang tidak standar.

d. Konsistensi

Konsistensi operator masuk dalam golongan Average Rating Factor untuk Operator SK IV

No Rating Factor Nilai

1 Keterampilan Excellent : +0,08

2 Usaha Good (C1) : +0,02

3 Kondisi Kerja Average : -0,00

4 Konsistensi Average : -0,00

Total Rating Factor +0,1

Maka Rating factor untuk operator SK IV adalah 0,1.

Maret

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=133554 X2+DN13-DP13=95887 X3+DN14-DP14=102023 X1+DN15-DP15=64522 X2+DN16-DP16=46325 X3+DN17-DP17=49289

1296X1+1512X2+1728X3+DN18-DP18=494362872 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=24623 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

APRIL

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=126815 X2+DN13-DP13=92529 X3+DN14-DP14=103521 X1+DN15-DP15=62689 X2+DN16-DP16=45741 X3+DN17-DP17=51174

1296X1+1512X2+1728X3+DN18-DP18=483140376 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=24080 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

MEI

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=127545 X2+DN13-DP13=87059 X3+DN14-DP14=101649 X1+DN15-DP15=64459 X2+DN16-DP16=43998 X3+DN17-DP17=51372

1296X1+1512X2+1728X3+DN18-DP18=472581000 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=23544 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

JUNI

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=135014 X2+DN13-DP13=84947 X3+DN14-DP14=100151 X1+DN15-DP15=67676 X2+DN16-DP16=42580 X3+DN17-DP17=50201

1296X1+1512X2+1728X3+DN18-DP18=476478936 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=23789 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

JULI

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=141753 X2+DN13-DP13=88305 X3+DN14-DP14=102023 X1+DN15-DP15=68599 X2+DN16-DP16=42734 X3+DN17-DP17=49373

1296X1+1512X2+1728X3+DN18-DP18=493524792 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=24559 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

AGUSTUS

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=141023 X2+DN13-DP13=93775 X3+DN14-DP14=103521 X1+DN15-DP15=66902 X2+DN16-DP16=44488 X3+DN17-DP17=49111

1296X1+1512X2+1728X3+DN18-DP18=503437896 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=25092 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

SEPTEMBER

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=133554 X2+DN13-DP13=95887 X3+DN14-DP14=101649 X1+DN15-DP15=64606 X2+DN16-DP16=46385 X3+DN17-DP17=49137

1296X1+1512X2+1728X3+DN18-DP18=493716000 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=24564 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

OKTOBER

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=126815 X2+DN13-DP13=92529 X3+DN14-DP14=100151 X1+DN15-DP15=63454 X2+DN16-DP16=46299 X3+DN17-DP17=50113

1296X1+1512X2+1728X3+DN18-DP18=477317016 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=23789 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

NOVEMBER

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=127545 X2+DN13-DP13=87059 X3+DN14-DP14=102023 X1+DN15-DP15=64371 X2+DN16-DP16=43938 X3+DN17-DP17=51490

1296X1+1512X2+1728X3+DN18-DP18=473227272 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=23603 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

DESEMBER

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=135014 X2+DN13-DP13=84947 X3+DN14-DP14=103521 X1+DN15-DP15=66858 X2+DN16-DP16=42066 X3+DN17-DP17=51263

1296X1+1512X2+1728X3+DN18-DP18=482302296 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=24027 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

Januari

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=141753 X2+DN13-DP13=88305 X3+DN14-DP14=101649 X1+DN15-DP15=68689 X2+DN16-DP16=42790 X3+DN17-DP17=49256

1296X1+1512X2+1728X3+DN18-DP18=492878520 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=24583 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

Februari

Min Z =

DN12+DN13+DN14+DN15+DN16+DN17+DN18+DP1+DP2+DP3+DP4+DP5+DP6+DP7+DP8 +DP9+DP10+DP11

Subject To

X1+DN12-DP12=141023 X2+DN13-DP13=93775 X3+DN14-DP14=100151 X1+DN15-DP15=67685 X2+DN16-DP16=45008 X3+DN17-DP17=48068

1296X1+1512X2+1728X3+DN18-DP18=497614536 0.0629X1+0.0728X2+0.0839X3+DN1-DP1=24754 2.19X1+2.56X2+2.93X3+DN2-DP2=900000 0.04339X1+0.0512X2+0.0585X3+DN3-DP3=72000 0.2195X1+0.2560X2+0.2926X3+DN4-DP4=300000 0.0044X1+0.0051X2+0.0059X3+DN5-DP5=65000

0.0066X1+0.0077X2+0.0088X3+DN6-DP6=61800 0.00066X1+0.00077X3+0.0009X3+DN7-DP7=30000 0.0527X1+0.0614X2+0.0702X3+DN8-DP8=46000 X1+DN9-DP9=381798

X2+DN10-DP10=329800 X3+DN11-DP11=286016 END

Mei

Juni

Juli

Oktober

November

DAFTAR PUSTAKA

Blackstone, John H. 1989. Capacity Management, (chicago, south western publishing co,

Cox, James F. and John G. Schleier. 2010. Theory of Constraints. New York: McGraw Hill Company

Elwood Spencer Buffa. 1983. Modern Production/Operations Management, 7th Edition. Canada : John Wiley and Sons.

Ginting, Rosnani. 2007. Sistem Produksi. Medan: Graha Ilmu

John H. Blackstone. 1989. Capacity Management. Ohio : South-Western Publishing CO.

Hillier, F. dan Lieberman G. 2004. Pengantar Riset Opersi. Jilid 1 Edisi Kelima. Jakarta : Penerbit Erlangga.

Shamuvel.V.Pandit. 2013. Application Of Theory Of Constraints On Scheduling Of Drum-Buffer-Rope System, (Kolhapur: Department of Engineering. KIT’S College of Engineering,)

Singiresu S Rao. 2009. Engineering Optimization : Theory and Practice, 3rd Edition,( New Jersey : John Wiley and Sons:)

Sinulingga, Sukaria. 2012. Metode Penelitian. Medan: USU Press.

Sinulingga, Sukaria. 2009. Perencanaan dan Pengendalian Produksi. Yogyakarta: Graha Ilmu

Siswanto, Operations Research. 2006.Jilid I. Jakarta: Erlangga.

Sutalaksana, Iftikar Z. 1979. Teknik Tata Cara Kerja. Bandung: Penerbit ITB.

Wignjosoebroto, Sritomo. 1995. Ergonomi Studi Gerak dan Waktu: Teknik Analisis untuk Peningkatan Produktivitas Kerja. Surabaya: Guna Widya.

Pinney, William E.. 1987. Management Science : An Introduction to Quantitive Analysis for Management, 2nd Edition,( New York : Harper & Row Publisher)

William, Deffimer H. 1997. Goldrat’s Theory of Constraints: A System Approach to Continuous Improvement. Winsconsin: ASQC Quality Press

BAB III

LANDASAN TEORI

3.1. Optimasi Produksi2

Optimasi adalah tindakan untuk memperoleh hasil yang terbaik dengan keadaan yang diberikan. Dalam desain, konstruksi, dan pemeliharaan dari sistem teknik, insinyur harus mengambil beberapa teknologi dan keputusan manajerial dalam beberapa tahap. Tujuan akhir dari semua keputusan seperti itu adalah meminimalkan upaya yang diperlukan atau untuk memaksimalkan manfaat yang diinginkan. Usaha yang diperlukan atau manfaat yang diinginkan dalam prakteknya dapat dinyatakan sebagai proses untuk mendapatkan keadaan yang memberikan nilai maksimum atau minimum dari suatu fungsi.

Ada satu metode yang tersedia untuk memecahkan semua masalah optimasi efisien. Maka sejumlah metode optimasi telah dikembangkan untuk memecahkan berbagai jenis masalah optimasi. Mencari metode yang optimum juga dikenal sebagai matematika teknik pemrograman dan umumnya dipelajari sebagai bagian dari riset operasi. Riset operasi adalah cabang dari matematika dengan penerapan metode ilmiah dan teknik pengambilan keputusan terhadap masalah dan membangun solusi terbaik atau optimal. Permulaan dari subjek riset operasi dapat ditelusuri pada periode awal Perang Dunia II. Selama perang, militer Inggris menghadapi masalah mengalokasikan sumber data yang sangat

2

Singiresu S Rao, Engineering Optimization : Theory and Practice, 3rd Edition,( New Jersey : John Wiley and Sons:, 2009) h. 1 dan 3.

langka dan terbatas (seperti pesawat tempur, radar, dan kapal selam) untuk beberapa kegiatan (penyebrangan ke berbagai sasaran dan tujuan). Karena ada tidak ada metode sistematis yang tersedia untuk emmecahkan masalah alokasi sumber daya, militer dipanggil tim matematika untuk mengembangkan metode untuk memecahkan masalah secara ilmiah. Metode-metode yang dikembangkan ileh tim yang berperan dalam memenangkan pertempuran udara oleh Britain. Metode ini, seperti pemrograman linier, yang dikembangkan sebagai hasil dari riset operasi (militer), kemudian dikenal sebagai metode operasi peneletian.

Optimasi produksi adalah penggunaan faktor-faktor produksi yang terbatas seefisien mungkin. Faktor-faktor produksi tersebut adalah modal, mesin, peralatan, bahan baku, bahan pembantu, tenaga kerja, dan lain sebagainya. Optimasi produksi diperlukan perusahaan dalam rangka mengoptimalkan sumber daya yang digunakan agar suatu produksi dapat menghasilkan produk. Optimasi merupakan pendekatan normative dengan mengidentifikasi penyelesaian terbaik dari suatu permasalahan yang diarahkan pada titik maksimum atau minimum suatu fungsi tujuan dalam kuantitas dan kualitas yang diharapkan, sehingga perusahaan dapat mencapai tujuannya.

3.2. Kapasitas (capacity)3

Keputusan kritis dalam operasi bisnis adalah pengembangan dari master plan, rencana dasar dari barang dan jasa apa yang dihasilkan dari periode perencanaan. Untuk perusahaan manufaktur periode perencanaan biasanya

berlangsung selama 6 sampai 18 bulan. Selama periode ini, gedung dan peralatan besar dianggap tetap, tetapi tingkat ketenagakerjaan termasuk variabel. Dalam mengembangkan master plan, sangat penting untuk memastikan bahwa kapasitas cukup ada di beberapa area kerja yang kritis untuk memenuhi permintaan yang diproyeksikan. Jika ada kapasitas tidak mencukupi, pertumbuhan lead time, due dates terlewatkan, persediaan menumpuk, dan margin keuntungan memburuk. Proses verifikasi yang ada kapasitas yang cukup untuk memenuhi master schedule

dikenal sebagai perencanaan kapasitas rough-cut.

3.3. Perencanaan Kapasitas4

Strategi operasi jangka panjang suatu organisasi sampai tingkat tertentu dinyatakan dalam rencana kapasitas. Dalam hubungannya dengan rencana kapasitaslah hal-hal berikut ini harus dipertimbangkan. Bagaimana kecenderungan pasarnya, baik dalam ukuran, lokasi pasar maupun inovasi teknologi. Sejauh mana faktor ini dapat diperkirakan. Apakah terlihat adanya inovasi dalam proses di masa depan yang akan memberikan dampak pada rancangan produk dan jasa. Bagaimana pengaruh produk baru pada kebutuhan kapasitas. Apakah terlihat adanya inovasi dalam proses dimasa depan yang akan mempengaruhi metode produksi. Apakah sistem produksi yang kontinyu cocok di masa depan. Bagaimana kebutuhan kapasitas dipengaruhi oleh inovasi dalam proses produksi. Apakah akan menguntungkan untuk melakukan integrasi secara vertikal selama jangka waktu perencanaan. Dalam merencanakan kapasitas baru, apakah kita

4

Elwood Spencer Buffa, Modern Production/Operations Management, 7th Edition,( Canada : John Wiley and Sons:, 1983) h. 127.

mengembangkan fasilitas yang sudah ada atau akan membangun pabrik baru. Berapakah ukuran pabrik yang optimal. Apakah serangkaian unit kecil ditambahkan apabila dibutuhkan, atau unit yang lebih besar ditambahkan secara periodik. Apakah kebijakannya adalah menyediakan kapasitas sedemikian hingga dimungkinkan adanya kehilangan penjualan dalam jumlah tertentu, ataukah seluruh permintaan harus dipenuhi.

Masalah-masalah strategis itu harus dipecahkan sebagai bagian perencanaan kapasitas. Dalam menilai alternatif-alternatif, maka pendapatan, biaya modal, dan biaya operasi dapat diperbandingkan, tetapi manager mungkin harus menimbang akibat yang mungkin dari masalah strategis itu terhadap keuntungan dan kerugian ekonomis.

Perencanaan Kapasitas produksi adalah kemampuan pembatas dari unit produksi untuk dapat berproduksi dalam waktu tertentu, dan biasanya dinyatakan dalam bentuk output per satuan waktu. Yang dimaksud dengan unit produksi adalah tenaga kerja, mesin, unit stasiun kerja, proses produksi, perencanaan dan organisasi produksi. Tujuan perencanaan kapasitas adalah melihat apakah pabrik mampu memenuhi permintaan pasar yang diramalkan atau tidak. Manfaat dari perhitungan kapasitas produksi ini adalah:

1. Dapat meminimalkan keterlambatan pengiriman produk karena kesalahan perhitungan.

2. Menjembatani ketidakharmonisan antara kapasitas yang ada dengan kapasitas yang diperlukan untuk memenuhi kebutuhan pasar.

3. Sebagai pertimbangan pihak perusahaan dalam penempatan operator, mesin ataupun perubahan jam kerja (shift).

4. Dapat meminimalkan biaya produksi dan harga pokok penjualan unit produk. Perencanaan kapasitas yang tepat ini penting untuk menghindari kehilangan keuntungan karena kekurangan kapasitas atau utilitas yang rendah karena kelebihan kapasitas. Didalam perencanaan kapasitas terdapat 3 strategi yaitu:

1. Capacity lead strategy yaitu kapasitas berada didepan permintaan. Strategi ini cocok untuk untuk pasar yang ada berkembang saat ini.

2. Capacity lag strategy yaitu kapasitas berada dibawah permintaan. Strategi ini berpeluang untuk mengalami kerugian.

3. Average lead strategy yaitu kapasitas berada sejajar dengan permintaan dimana kapasitas yang ada jumlahnya yang tersedia hanya sebanyak permintaan yang ada.

3.4. Peramalan (Forecasting) 5

Peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu. Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang.

5

Rosnani Ginting, Sistem Produksi (Cet.I; Yogyakarta: Graha Ilmu, 2007), h. 33-37.

Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah permintaan terhadap suatu produk dan merupakan langkah awal dari proses perencanaan dan pengendalian produksi.

Metode peramalan dapat dibagi atas dua kelompok, yaitu metode kualitatif dan kuantitatif (Sinulingga, 2009). Metode kualitatif didasarkan pada pertimbangan dengan akal sehat dan pengalaman, sedangkan metode kuantitatif menggunakan metode matematik dengan menggunakan data masa lalu untuk memproyeksikan kebutuhan di masa mendatang.

Prosedur umum dalam peramalan secara kuantitatif (Ginting, 2007) adalah sebagai berikut:

1. Mendefinisikan tujuan peramalan. 2. Membuat diagram pencar.

3. Memilih beberapa metode peramalan yang dianggap sesuai. 4. Menghitung parameter-parameter fungsi peramalan.

5. Menghitung kesalahan (error) dari setiap metode peramalan. 6. Memilih metode yang terbaik dengan nilai kesalahan terkecil. 7. Melakukan verifikasi peramalan.

3.4.1. Metode Peramalan Kuantitatif

Salah satu metode peramalan kuantitatif yang dapat digunakan adalah Metode Proyeksi Kecenderungan dengan Regresi. Metode ini merupakan dasar garis kecenderungan untuk suatu persamaan. Dengan dasar persamaan tersebut

dapat diproyeksikan hal-hal yang akan diteliti pada masa mendatang. Bentuk-bentuk fungsi dari metode ini dapat berupa (Ginting, 2007):

1. Konstan, dengan fungsi peramalan (Yt): Y’ = a

Keterangan:

Y’ = Nilai tambah N = Jumlah periode

2. Linier, dengan fungsi peramalan:

Y’ = a + bX Dimana:

3. Kuadratis, dengan fungsi peramalan : Y’ = a + bX + cX2 Dimana :

4. Eksponensial, dengan fungsi peramalan : Y’ = aebX Dimana :

5. Siklis, dengan fungsi peramalan :

Dimana :

3.4.2. Parameter Kesalahan Peramalan

peramalan, dan yang lainnya adalah dalam mengevaluasi keberhasilan atau kegagalan dari teknik yang digunakan. Keputusan untuk menggunakan model baru atau melanjutkan yang sedang digunakan biasanya bertumpu pada beberapa ukuran kesalahan peramalan. Setiap teknik diuji pada data historisnya dan satu dengan kesalahan peramalan terkecil digunakan sebagai instrumen peramalan (Tersine, 1994). Beberapa langkah yang dapat digunakan untuk mengukur kesalahan peramalan dapat dilihat pada Tabel 3.1.

Tabel 3.1. Pengukuran Kesalahan (Error) Peramalan

No. Pengukur Rumus

1. Meanabsolute deviation (MAD)

2. Mean squared error (MSE)

3. Standard deviation of regression (Sr)

4. Mean absolute percent error (MAPE)

5. Mean error (ME)

6. Mean percent error (MPE)

7. Tracking signal (TS)

8. Standard error of estimate (SEE)

Keterangan:

= Permintaan aktual pada periode i

= Hasil peramalan permintaan pada periode i n = Banyaknya pengamatan atau periode waktu f = Derajat kebebasan

3.4.3. Proses Verifikasi Peramalan

Proses verifikasi peramalan dilakukan dengan menggunakan Moving Range Chart (MRC) untuk melihat apakah metode peramalan yang diperoleh representatif terhadap data atau tidak. Chart ini menunjukkan apakah sebaran data masih berada dalam batas kontrol ataupun sudah di luar kontrol (Ginting, 2007). Apabila sebaran data berada di luar kontrol, maka fungsi/metode peramalan yang digunakan tidak sesuai dan perlu dilakukan revisi. Moving Range Chart dapat dilihat pada Gambar 3.1.

Empat aturan titik yang dapat digunakan untuk memeriksa kondisi out of control adalah sebagai berikut:

1. Aturan Satu Titik

Bila titik sebaran berada di luar UCL dan LCL. Walaupun semua titik sebaran berada di dalam batas kontrol, fungsi/metode peramalan belum tentu representatif. Oleh karena itu, analisis perlu dilanjutkan dengan membagi MRC dalam tiga daerah, yaitu A, B dan C.

2. Aturan Tiga Titik

Bila tiga buah titik secara berurutan berada pada salah satu sisi, dimana dua diantaranya jatuh pada daerah A.

3. Aturan Lima Titik

Bila lima buah titik secara berurutan berada pada salah satu sisi, dimana empat diantaranya jatuh pada daerah B.

4. Aturan Delapan Titik

Bila delapan buah titik secara berurutan berada pada salah satu sisi, yaitu pada daerah C

3.5. Jadwal Induk Produksi6

Jadwal induk produksi (JIP) adalah pernyataan produk akhir (end item) apa saja yang akan diproduksi dalam bentuk jumlah dan waktu (kapan). Jadwal induk produksi merupakan disagregasi dan implementasai dari produksi (agregat).

6

Ibid h 89-92

Jadwal induk produksi memiliki empat fungsi penting, yaitu :

1. Menjadwalkan produksi dan pembelian material untuk produk. JIP menyatakan kapan, jumlah, dan due date produk harus dibuat.

2. Menjadikan masukan data sistem perencanaan kebutuhan material.

3. Sebagai dasar penentuan kebutuhan sumber daya, seperti tenaga kerja, jam mesin, atau energi melalui perhitungan perencanaan kapasitas kasar. Karena JIP dinyatakan dalam satuan produk (bukan aggregat), perencanaan kapasitas dapat dilakukan lebih rinci.

4. Sebagai dasar untuk menentukan janji pengiriman produk kepada konsumen. Dengan mengalokasikan jumlah unit produk dalam penjadwalan, maka pengendalian jumlah produk yang belum teralokasi dapat diketahui sehingga pembuatan janji dapat diperkirakan lebih akurat.

Peramalan permintaan merupakan input utama dari perencanaan produksi. Selain itu, pesanan-pesanan aktual yang telah dijanjikan, kebutuhan persediaan gudang, dan penyesuaian tingkat persediaan harus dimasukkan sebagai input. Kemudian perencanaan agregat dikembangkan untuk merencanakan kebutuhan produksi bulanan atau triwulan bagi kelompok-kelompok produk sebagaimana yang telah diperkirakan dalam peramalan permintaan (Nasution, 2003).

3.6. Identifikasi Stasiun Kerja Bottleneck dan Non-Bottleneck

Dalam penelitian yang dilakukan dengan menggunakan pendekatan theory of constraints di perusahaan pengecoran logam dan permesinan Bonjor Jaya,

bottleneck atau non-bottleneck perlu diketahui kapasitas waktu yang dibutuhkan (capacity required) dan kapasitas waktu yang tersedia (capacity available) (Sodikin dan Atmoko, 2013). Kapasitas dibutuhkan dan kapasitas tersedia dapat dihitung dengan menggunakan rough-cut capacity planning (RCCP).

3.6.1. Rough Cut Capacity Planning (RCCP)7

RCCP digunakan untuk menghitung kebutuhan kapasitas secara kasar dan membandingkannya dengan kapasitas yang tersdia. Perhitungan secara kasar yang dimaksdu adalah kebutuhan kapasitas masih didasarkan pada kelompon produk, bukan produk per produk dan tidak memperhitungkan jumlah persediaan yang telah ada.

8

Rough Cut Capacity Planning (RCCP) menghitung kebutuhan kapasitas yang dibutuhkan secara kasar dan membandingkannya dengan kapasitas yang tersedia.

Process time/piece

Sedangkan rumus untuk menghitung kapasitas tersedia yaitu:

Capacity Available = Time Available x Utilization x Efficiency

Time Available (waktu tersedia) diperoleh dengan mengalikan total jam kerja selama periode satu bulan dengan jumlah mesin pada stasiun kerja tertentu. Total jam kerja dapat diperoleh dengan mengalikan jumlah hari kerja, jumlah jam kerja, dan jumlah shift kerja per hari. Utilitas adalah ukuran kemampuan stasiun

7

Sukaria Sinulingga, Perencanaan dan Pengendalian Produksi, (Cet. I; Yogyakarta, Graha Ilmu, 2009), h. 137-142.

8

Blackstone, John H. Capacity Management, (chicago, south western publishing co, 1989). h.112

kerja dalam memanfaatkan kapasitas tersedia secara efektif. Sedangkan efisiensi menjelaskan keadaan seberapa jauh stasiun kerja tertentu mampu menggunakan kapasitas yang tersedia secara efisien.

Kapasitas dibutuhkan (capacity requirement) dapat dihitung apabila diketahui waktu pengerjaan produk pada stasiun kerja tertentu atau disebut juga waktu baku. Waktu baku dapat dicari dengan mengetahui waktu siklus proses,

rating factor, dan allowance dari operator. Dalam penelitian Kurnia dan Rochman (2010) yang bergerak di bidang industri tekstil, pengukuran waktu siklus proses dilakukan dengan metode jam henti. Metode ini menggunakan stopwatch sebagai alat utamanya.

3.7. Pengukuran Waktu Kerja dengan Stopwatch Time Study9

Pengukuran waktu kerja dengan jam henti (stop-watch time study) diperkenalkan pertama kali oleh Frederick W. Taylor sekitar abad 19 yang lalu. Metoda ini terutama sekali diaplikasikan untuk pekerjaan-pekerjaan yang berlangsung singkat dan berulang-ulang (repetitive). Dari hasil pengukuran akan diperoleh waktu baku untuk menyelesaikan suatu silus pekerjaan, yang mana waktu ini akan dipergunakan sebagai standard penyelesaian pekerjaan bagi semua pekerja yang akan melaksanakan pekerjaan yang sama seperti itu. Secara garis besar langkah-langkah untuk pelaksanaan pengukuran waktu kerja dengan jam henti ini diuraikan sebagai berikut:

1. Definisi pekerjaan yang akan diteliti untuk diukur waktunya dan beritahukan maksud dan tujuan oengukuran ini kepada pekerja yang dipilih untuk diamati dan supervisor yang ada.

2. Catat semua informasi yang berkaitan erat dengan penyelesaian pekerjaan seperti layout, karakteristik/spesifikasi mesin atau peralatan kerja lain yang digunakan, dan lain-lain.

3. Bagi operasi kerja dalam elemen-elemen kerja sedetail-detailnya tapi masih dalam batas-batas kemudahan untuk pengukuran waktunya.

4. Amati, ukur, catat waktu yang dibutuhkan oleh operator untuk menyelesaikan elemen-elemen kerja tersebut.

5. Tetapkan jumlah siklus kerja yang harus diukur dan dicatat. Teliti apakah jumlah siklus kerja yang dilaksanakan ini sudah memenuhi syarat atau tidak. Test pula keseragaman data yang diperoleh.

6. Tetapkan rate of performance dari operator saat melaksanakan aktivitas kerja yang diukur dan dicatat waktunya tersebut. Rate of performance ini ditetapkan untuk setiap elemen kerja yang ada dan hanya ditujukan untuk

performance operator. Untuk elemen kerja yang secara penuh dilakukan oleh mesin maka performance dianggap normal (100%).

7. Sesuaikan waktu pengamatan berdasarkan performance yang ditunjukkan oleh operator tersebut sehingga akhirnya akan diperoleh waktu kerja normal. 8. Tetapkan waktu longgar (allowance time) guna memberikan fleksibilitas.

Waktu longgar yang akan diberikan ini guna menghadapi kondisi-kondisi

seperti kebutuhan personil yang bersifat pribadi, faktor kelelahan, keterlambatan material, dan lain-lainnya.

Tetapkan wakatu kerja baku (standard time) yaitu jumlah total antara waktu normal dan waktu longgar.

3.7.1. Pengujian Keseragaman Data

Pengujian keseragaman data dilakukan untuk mengetahui apakah data yang diperoleh menyebar seragam atau tidak. Melalui pengujian ini dapat dideteksi adanya perbedaan-perbedaan dan data-data yang berada di luar batas kendali (out of control) yang dapat digambarkan pada peta kontrol. Data-data yang demikian dibuang dan tidak dipergunakan dalam perhitungan selanjutnya. Rumus untuk menghitung keseragaman data adalah:

Keterangan:

xi = Waktu pengukuran x = Waktu rata-rata s = Simpangan baku

BKB = Batas Kontrol Bawah k = Tingkat ketelitian

3.7.2. Pengujian Kecukupan Data

Pengujian kecukupan data dilakukan untuk mengetahui apakah data yang diperoleh dari pengamatan mencukupi untuk dilakukan perhitungan atau tidak. Rumus untuk menghitung kecukupan data adalah:

Keterangan:

k = Tingkat kepercayaan s = Tingkat ketelitian N = Jumlah data awal

N’ = Jumlah data minimal yang diperlukan xi = Waktu pengukuran

3.7.3. Penentuan Rating Factor 10

Setelah pengukuran berlangsung, pengukur harus mengamati kewajaran kerja yang ditunjukkan operator. Ketidak-wajaran yang dapat terjadi seperti bekerja tanpa kesungguhan, sangat cepat seolah-olah diburu waktu, atau karena

10

Sritomo Wignjosoebroto, Ergonomi Studi Gerak dan Waktu, Guna Widya, Surabaya, 2001, h 196-197

menjumpai kesulitan-kesulitan dalam bekerja dapat mempengaruhi kecepatan kerja yang berakibat terlalu singkat atau terlalu panjangnya waktu penyelesaian.

Penilaian penyesuaian dilakukan apabila pengukur mendapatkan harga rata-rata siklus/elemen yang diketahui diselesaikan dengan kecepatan tidak wajar oleh operator. Oleh karena itu pengukur harus menormalkannya dengan melakukan penyesuaian. Biasanya penyesuaian dilakukan dengan mengalikan waktu siklus rata-rata atau waktu elemen rata-rata dengan suatu harga p yang disebut faktor penyesuaian (rating factor). Bila pengukur berpendapat bahwa operator bekerja di atas batas kewajaran (terlalu cepat) maka rating factor akan lebih besar dari satu (p > 1 atau p > 100%). Bila operator dipandang bekerja di bawah normal (terlalu lambat) maka rating factor akan lebih kecil dari satu (p < 1 atau p < 100%). Dan apabila pengukur berpendapat bahwa operator bekerja dengan normal atau wajar maka rating factor akan sama dengan satu (p = 1 atau p = 100%). Untuk kondisi kerja dimana operasi dilakukan oleh mesin sepenuhnya maka waktu yang diukur dianggap waktu normal (Wignjosoebroto, 1995).

Salah satu sistem untuk memberikan rating factor, yaitu westing house system rating. Selain kecakapan dan usaha sebagai faktor yang mempengaruhi

performance manusia, westing house menambahkan kondisi kerja, dan konsistensi dari operator di dalam melakukan kerja sebagai faktor-faktor yang turut mempengaruhinya. Westing house telah berhasil membuat suatu tabel

performance rating yang berisikan nilai-nilai berdasarkan tingkatan yang ada untuk masing-masing faktor tersebut. Untuk menormalkan waktu yang ada,

dengan jumlah keempat rating faktor yang dipilih sesuai dengan performance

yang ditunjukkan oleh operator.

3.7.4. Penetapan Kelonggaran (Allowance)

Kelonggaran diberikan untuk tiga hal, yaitu untuk kebutuhan pribadi, menghilangkan rasa fatique, dan hambatan-hambatan yang tidak dapat dihindarkan. Ketiga faktor tersebut adalah sebagai berikut:

1. Kelonggaran untuk kebutuhan pribadi

Kelonggaran yang termasuk ke dalam kebutuhan pribadi adalah hal-hal seperti minum untuk menghilangkan rasa haus, ke kamar kecil, berbicara dengan teman sekerja untuk menghilangkan ketegangan dalam kerja.

2. Kelonggaran untuk menghilangkan fatique

Rasa lelah menyebabkan hasil produksi menurun, baik secara kuantitas maupun kualitas. Karenanya salah satu cara untuk menentukan besarnya kelonggaran adalah dengan melakukan pengamatan sepanjang hari kerja dan mencatat pada saat-saat dimana hasil produksi menurun.

3. Kelonggaran untuk hambatan-hambatan yang tak terhindarkan

Hambatan yang tak dapat dihindarkan terjadi karena berada di luar kekuasaan pekerja untuk mengendalikannya. Beberapa contoh hambatan yang tak dapat terhindarkan adalah menerima petunjuk dari pengawas, melakukan penyesuaian mesin, dan mengasah peralatan potong.

3.7.5. Penetapan Waktu Baku11

Jika pengukuran-pengukuran telah selasai dan semua data yang didapat memiliki keseragaman yang dikehendaki, serta jumlahnya telah memenuhi tingkat-tingkat ketelitian dan keyakinan yang diinginkan, langkah selanjutnya yang harus dilakukan adalah mengolah data-data tersebut untuk mendapatkan waktu baku. Perhitungan waktu baku dilakukan dengan menggunakan rumus sebagai berikut:

3.8. Theory of Constraint12

Theory of constraints (TOC) adalah filosofi perbaikan terus-menerus yang berfokus pada identifikasi dan manajemen kendala untuk tujuan akhir yang diperoleh perusahaan (Tersine, 1994). Dalam kebanyakan organisasi, angka kecil dari kendala akan mempengaruhi performansi keseluruhan. Jika beberapa kendala ini dapat diselesaikan, maka performansi perusahaan seluruhnya dapat diperbaiki.

Goldratt telah mengembangkan lima langkah dalam memperbaiki setiap elemen yang terdapat di dalam sistem (Deffmer, 1997), yaitu:

1. Identifikasi kendala sebuah sistem

Kendala-kendala sebuah sistem dapat berupa material, mesin, orang, tingkat permintaan atau manajerial. Identifikasi kendala dengan baik dan membuat

prioritas berdasarkan pengaruhnya pada tujuan organisasi sangat penting dilakukan.

2. Eksploitasi kendala-kendala yang ada

Goldratt memberi contoh lebih baik menajamkan mata gergaji yang ada (jikalau masih mungkin) daripada langsung mengganti dengan yang baru. Dengan demikian, proses berpikirnya adalah bagaimana mensiasati atau memanfaatkan kendala-kendala yang ada untuk memperbaiki kerja sistem dan tidak langsung membuang kendala tersebut.

3. Subordinasi

Semua non kendala dari sistem harus diupayakan untuk mendukung secara maksimum keefektifan dan perbaikan kendala yang sudah ditentukan. Segala sumber daya yang ada harus disinkronisasi karena perbaikan throughput

(penjualan maksimal) perusahaan. 4. Elevasi kendala sistem

Apabila setelah melakukan langkah pertama sampai ketiga perbaikan kendala yang paling kritis belum menunjukkan hasil, maka usaha perbaikan yang keras harus dilakukan. Pada tahap inilah dilakukan penambahan kapasitas kendala tersebut. Langkah keempat ini berusaha mengatasi kendala selangkah demi selangkah sampai akhirnya kendala ini teratasi dan menjadi non kendala. 5. Kembali ke langkah 1 dan hindari inersia

Jika sebelum langkah keempat, kendala yang ada sudah berhasil diatasi, maka kembali ke langkah pertama karena prinsip perbaikan terus menerus harus dilakukan. Waspadai kelembaman (inertia).

Ukuran operasional dalam TOC adalah:

1. Throughput (TH), yaitu tingkat dimana keseluruhan sistem menghasilkan uang melalui penjualan barang atau jasa. TH merupakan perbedaan antara pendapatan yang didapat dari penjualan dengan material cost.

2. Inventory (I), yaitu seluruh uang yang diinvestasikan dalam bentuk barang yang dimaksudkan untuk dijual.

3. Operating expense (OE), yaitu seluruh uang yang digunakan sistem untuk merubah persediaan menjadi throughput.

3.8.1. Thinking Process Theory of Constraint13

1. Current Reality Tree

Thinking process berperan sebagai panduan dalam proses pengambilan keputusan sebagaimana gambaran logika. Tools dalam thinking proses tersebut terdiri dari Current Reality Tree (CRT), Evaporating Cloud (EC), Future Reality Tree (FRT), Prerequisite Tree (PRT) and Transition Tree (TRT).

Current reality tree salah satu cara menganalisa sebuah permasalahan dalam system maupun dalam permasalahan yang berhubungan dengan organisasi. Caranya ialah dengan mengidentifikasi akar dari suatu permasalahan secara keseluruhan . Kelebihan utama dari CRT ini ialah dapat dengan terfokus dalam melakukan perbaikan maupun peningkatan kinerja suatu system.

Melainkan sebuah grafik yang menunjukanhubungan langsung suatu komponen sistem.

2. Evaporating Cloud (EC)

Evaporating cloud sering disebut sebagai conflict resolution diagram, merupakan diagram kondisi yang diperlukan dimaksudkan untuk membantu menyelesaikan konflik dasar seputar kebutuhan untuk mengubah kebijakan. Ini singkat memaparkan argumen bersaing (mengubah vs tidak berubah) dan yang paling penting, yang mendasari (biasanya tersembunyi) asumsi di balik setiap sisi masalah perubahan.

3. Future Reality Tree

Future reality tree adalah jenis solusi test bench. Future reality tree adalah cara logis menunjukkan bahwa perubahan yang diusulkan akan memberikan hasil yang diinginkan sebelum menginvestasikan waktu substansial, uang, dan energi dalam implementasinya, hanya untuk mengetahui bahwa itu ditakdirkan untuk gagal di tempat pertama. Pembentukan sebuah Future reality tree, agen perubahan dapat memungkinkan orang lain dalam organisasi untuk melihat bagaimana perubahan ini diharapkan terungkap sehingga kelalaian serius atau kesalahan dapat dideteksi dan dikoreksi sebelumnya.

4. Prereequisite Tree

Prereequisite tree adalah alat perencanaan implementasi. Prereequisite tree

membantu untuk struktur kegiatan yang kompleks melaksanakan perubahan kebijakan (efektivitas yang divalidasi dalam future reality tree). Kegiatan

komponen dan tugas-apa yang harus terjadi dahulu, dan hambatan yang harus diatasi-tersusun dalam urutan yang diperlukan untuk cepat, pelaksanaan yang efektif. Prereequisite tree biasanya menggambarkan jaringan saling tergantung kegiatan yang mudah dikonversi menjadi jaringan kegiatan proyek atau implementasi perubahan dapat dikelola sebagai proyek formal, dengan kinerja diskrit, biaya, dan parameter jadwal.

5. Transition Tree

Transition tree mengubah prereequisite tree, yang biasanya lebih seperti kerangka kegiatan yang kompleks, menjadi langkah-demi-langkah panduan untuk menyelesaikan tugas-tugas komponen. Alat ini dapat berguna ketika tugas-tugas yang harus diselesaikan oleh orang-orang yang tidak akrab dengan langkah-langkah untuk melakukannya. Hal ini juga efektif dalam menjelaskan mengapa langkah-langkah tertentu harus diselesaikan dalam urutan tertentu.

3.9. Goal Programming14

Meskipun pemrograman linear merupakan alat pemecahan masalah yang sangat berguna dan sering diterapkan, ada banyak jenis masalah yang tidak memberi diri untuk mengarahkan solusi melalui penggunaannya. Banyak dari ini dapat diselesaikan dengan penerapan salah satu tujuan khusus algoritma yang 3.9.1. Pengertian dan Konsep Dasar Goal Programming

telah dikembangkan kebanyakan jenis struktur masalah tertentu. Berikut adalah daftar dari beberapa model khusus dan jenis penyelesaian masalahnya.

Tabel 3.2. Contoh Tipe Masalah dan Model Solusinya

Tipe Masalah Model Solusi

Fungsi tujuan order kedua Quadratic programming

Istilah persamaan adalah produk (dari pada summations)

Geometric programming

Semua variabel harus bilangan bulat Integer programming

Beberapa variabel bilangan bulat dan beberapanya campuran bilangan bulat

Mixed-integer programming

Variabel yang baik diserakan (nilai 1) atau tidak (nilai 0)

0-1 programming

Masalah tidak ada solusi yang layak Goal programming

Masalah linear tetapi memiliki lebih dari satu tujuan untuk mengoptimalkan

pada waktu yang sama

Goal programming

Model Goal Programming merupakan perluasan dari model pemrogaman linier, sehingga seluruh asumsi, notasi formulasi model matematis, prosedur perumusan model dan penyelesaiannya tidak berbeda15

15

Siswanto, Operations Research, Jilid I, (Jakarta: Erlangga, 2006), h. 341-344.

. Perbedaannya hanya terletak pada kehadiran sepasang variabel deviasioanal yang akan muncul difungsi tujuan dan fungsi-fungsi kendala. Goal Programming adalah salah satu model matematis (empiris) yang dipakai sebagai dasar dalam pengambilan keputusan dan karenanya pendekatan Goal Programming ini disebut dengan pendekatan kuantitatif. Goal Programming dipakai untuk menjawab berbagai masalah yang pemecahannya lebih sesuai menggunakan Goal Programming daripada menggunakan teknik lainnya. Hal ini memerlukan tiga langkah:

1. Menambah tujuan (kendala) dengan slack yang tepat (S) dan kendala variabel (V)

2. Menambah fungsi tujuan dengan penambahan sign yang tepat dan slack

berbobot dan pelanggaran dari variabel

3. Menyelasaikan masalah ini diperluas pada setiap paket pemrograman standar linier.

Beberapa asumsi dasar yang diperhatikan dalam goal programming

adalah:16

a. Proportionality, di dalam membuat suatu model progam linier perlu diketahui bahwa suatu sistem Linier Programming diketahui yaitu input, output dan aktivitas. Sebelum aktivitas dimulai, diperlukan beberapa input. Input yang digunakan bertambah secara proporsionil (sebanding) dengan pertambahan aktivitas.

b. Accountability For Resources, hal ini berkaitan dengan sumber-sumber yang tersedia harus dihitung sehingga dapat dipastikan berapa bagian yang terpakai dan berapa bagian yang tidak terpakai.

c. Linearity of objectives, dimana fungsi tujuan dan faktor-faktor pembatasnya harus dapat dinyatakan sebagai fungsi linier programming.

d. Deterministik, pada asumsi ini menghendaki agar semua parameter tetap dan diketahui atau ditentukan secara pasti.

Ada beberapa istilah yang digunakan dalam Goal Programming, yaitu :

Variabel keputusan (decision variable) adalah seperangkat variabel yang tidak diketahui dan berada di bawah kontrol pengambilan keputusan, yang berpengaruh terhadap solusi permasalahan dan keputusan yang akan diambil. Biasanya dilambangkan dengan Xj (j = 1, 2, 3,…, n).

3.9.2. Kendala Sasaran

Di dalam Goal Programming, Charnes dan Cooper menghadirkan sepasang variabel yang dinamakan “variable deviasional” dan berfungsi untuk menampung penyimpangan atau deviasi yang akan terjadi pada nilai ruas kiri suatu persamaan kendala terhadap nilai ruas kanannya. Agar deviasi itu minimum, artinya nilai ruas kiri suatu persamaan kendala “sebisa mungkin” mendekati nilai ruas kanannya maka variable deviasional itu harus diminimumkan di dalam fungsi tujuan. Pemanipulasian model pemrograman linier yang dilakukan oleh Charner

dan Cooper telah mengubah makna kendala fungsional. Bila pada model pemrograman linier, kendala-kendala fungsional menjadi pembatas bagi usaha pemaksimuman atau peminimuman fungsi tujuan, maka pada model Goal Programming kendala-kendala itu merupakan sara untuk mewujudkan sasaran yang hendak dicapai.

Sasaran-sasaran, dalam hal ini dinyatakan sebagai nilai konstan pada ruas kanan kendala. Sebagai contoh, sasaran laba, anggaran yang tersedia, resiko investasi, ketersediaan bahan baku, ketersediaan jam kerja, kapasitas produksi dan lain-lain. Mewujudkan suatu sasaran, dengan demikian berarti mengusahakan agar nilai ruas kiri suatu persamaan kendala sama dengan nilai ruas kanannya. Itulah

sebabnya kendala-kendala di dalam model Goal Programming selalu berupa persamaan dan dinamakan “kendala sasaran”. Disamping itu, keberadaan sebuah kendala ditandai dengan kehadiran variabel deviasional sehingga setiap kendala sasaran pasti memiliki variabel deviasional.

3.9.3. Bentuk Umum Model Goal Programming17

Misalnya dalam perusahaan terdapat keadaan,

Z = C1X1 + C2X2 + C3X3 + …. + CiXi ST : a1X1 + a2X2 + a3X3 + …. + aiXi ≤Yi

b1X1 + b2X2 + b3X3 + …. + biXi ≤ Di dimana: Z : Fungsi Tujuan

ST : Fungsi Pembatas Xi : Jumlah variabel X Yi : Jumlah variabel Y Di : Jumlah variabel D

Maka, hal ini dapat diselesaikan dengan model Goal Programming

sebagai berikut :

Min Z = P1(d1+ + d1-) + P2 (d2+ + d2-) + …. + Pi (di+ + di-) ST :

a1 X1 + di+ + di- Yi a1 X1 + di+ + di- Yi

di+ = Penyimpangan positif di- = Penyimpangan negatif

3.9.4. Langkah-Langkah Goal Programming

Langkah yang harus dilakukan dalam pembentukan model Goal Programming antara lain18

1. Penentuan variabel keputusan, yaitu parameter-parameter yang berpengaruh terhadap keputusan

:

2. Formulasi Fungsi Tujuan

3. Menyusun persamaan matematis untuk tujuan yang telah ditetapkan.

Tiap fungsi tujuan harus digambarkan sebagai fungsi variabel keputusan. gi=fi(x), fi(x) = fungsi variabel keputusan pasa tujuan ke i.

setiap fungsi harus memiliki ruas kanan dan ruas kiri. Harga di- menunjukkan besarnya deviasi negatif fi(x) dari bi, sedangkan nilai di+ menunjukkan besarnya nilai deviasi positif.

f

i(x) + di -

- d i

+ = b

i dimana i = 1,2,3,...m

4. Memilih tujuan absolut, yaitu tujuan yang harus dipenuhi dan ditetapkan sebagai prioritas membentuk suatu fungsi pencapaian.

5. Menetapkan tujuan pada tingkat prioritas yang tepat 6. Menyederhanakan model

Langkah ini perlu dilakukan untuk mendapatkan model yang cukup besar sehingga model dapat mewakili semua tujuan.

18

Hamdy A. Taha. Operation Research An Introduction, 6th Edition, (Prentice Hall Inc:USA, 1997), h. 350-358.

DAFTAR TABEL (LANJUTAN)

TABEL HALAMAN 5.7. Data Permintaan Produk Seng Gelombang 6 Feet, 7 Feet, dan 8

Feet Selama Bulan Maret 2015- Februari 2016 ... V-4 5.8. Data Bahan Baku ... V-5 5.9. Biaya Produksi Seng Gelombang ... V-6 5.10. Keuntungan Penjualan Seng Gelombang ... V-6 5.11. Rekapitulasi Hasil Uji Keseragaman Waktu Siklus Seng Gelombang

6 Feet, 7 Feet, dan 8 Feet ... V-8 5.12. Rekapitulasi Hasil Uji Kecukupan Data ... V-10 5.13. Nilai Rating Factor ... V-11 5.14. Allowance Operator Setiap Stasiun Kerja ... V-12 5.15. Waktu Baku Setiap Setasiun Kerja ... V-14 5.16. Perhitungan Parameter Permalan Metode Linear untuk Seng

Gelombang 6 Feet ... V-16 5.17. Perhitungan Parameter Permalan Metode Siklis untuk Seng

Gelombag 6 Feet ... V-17 5.18. Perhitungan SEE untuk Metode Linear Seng Gelombang 6 Feet V-18 5.19. Perhitungan SEE untuk Metode Siklis Seng Gelombang 6 Feet . V-19 5.20. Rekapitulasi Hasil Perhitungan SEE Seng Gelombang 6 Feet... V-20

DAFTAR TABEL (LANJUTAN)

TABEL HALAMAN 5.21. Perhitungan Hasil Verifikasi Peramalan untuk Seng Gelombang

6 Feet ... V-21 5.22. Rekapitulasi Hasil Peramalan Seng Gelombang 6 Feet ... V-23 5.23. Rekapitulasi Hasil Perhitungan SEE Seng Gelombang 7 Feet... V-25 5.24. Perhitungan Hasil Verifikasi Peramalan untuk Seng Gelombang

7 Feet ... V-26 5.25. Rekapitulasi Hasil Peramalan Seng Gelombang 7 Feet ... V-28 5.26. Rekapitulasi Hasil Perhitungan SEE Seng Gelombang 8 Feet... V-31 5.27. Perhitungan Hasil Verifikasi Peramalan untuk Seng Gelombang

8 Feet ... V-32 5.28. Rekapitulasi Hasil Peramalan Seng Gelombang 8 Feet ... V-34 5.29. Jumlah Produksi Seng Gelombang 6 Feet untuk 1 Tahun

ke Depan ... V-34 5.30. Jumlah Produksi Seng Gelombang 7 Feet untuk 1 Tahun

ke Depan ... V-35 5.31. Jumlah Produksi Seng Gelombang 8 Feet untuk 1 Tahun

ke Depan ... V-35 5.32. Waktu Operasi ... V-37 5.33. Rekapitulasi Perhitungan Kapasitas yang Dibutuhkan (CR) ... V-37 5.34. Faktor Efesiensi dan Utilitas Stasiun Kerja ... V-38

DAFTAR TABEL (LANJUTAN)

TABEL HALAMAN 5.35. Rekapitulasi Perhitungan Kapasitas Tersedia ... V-39 5.36. Laporan RCCP ... V-40 5.37. Varians dan Persentase Beban dengan Time Buffer ... V-45 5.38. Revisi Laporan RCCP ... V-46 5.39. Time Buffer Stasiun Kerja III ... V-47 5.40. Ketentuan Waktu dan Upah Lembur Pada Hari Kerja ... V-49 5.41. Ketentuan Waktu dan Upah Lembur Pada Hari Libur atau

Istirahat ... V-49 5.42. Perhitungan Biaya Pengupahan Time Buffer dengan Tiga Orang

Pekerja Pada Stasiun Kerja III ... V-50 5.43. Biaya Penyimpanan ... V-51 5.44. Denda Keterlambatan ... V-52 5.45. Formulasi Fungsi Pencapaian Maret 2016– Februari 2017 ... V-62 5.46. Rekapitulasi Hasil Perencanaan Produksi pada Proses

DAFTAR GAMBAR

GAMBAR HALAMAN

1.1. Aliran Proses Setiap Stasiun Kerja di PT. Intan Nasional Iron Industri ... I-3 2.1. Lokasi PT. Intan Nasional Iron Industri ... II-2 2.2. Coil ... II-5 2.3. Aluminium ... II-6 2.4. BlockDiagram Proses Pembuatan Seng ... II-12 2.5. Mesin Uncoiler ... II-13 2.6. Mesin Recoiler ... II-14 2.7. Mesin Galvanisator ... II-15 2.8. Mesin Shearing ... II-15 2.9. Mesin Slitting ... II-16 2.10. Mesin Roll Forming ... II-17 2.11. Mesin Gutter ... II-18 2.12. Crane... II-18 2.13. Generator... II-19 2.14. Struktur Organisasi ... II-23 3.1. Moving Range Chart ... III-10 4.1. Kerangka Konseptual Penelitian ... IV-3 4.2. Blok Diagram Prosedur Penelitian... IV-4

DAFTAR GAMBAR (LANJUTAN)

GAMBAR HALAMAN

5.1. Peta Kendali Waktu Siklus SK I Produksi Seng Gelombang 6

Feet ... V-8 5.2. Diagram Pencar Permintaan Seng Gelombang 6 Feet ... V-15 5.3. Grafik Uji Hipotesis dengan Distribusi F ... V-20 5.4. Moving Range Chart ... V-22 5.5. Grafik Perbandingan Data Aktual Seng Gelombang 6 Feet

dengan Hasil Peramalan ... V-23 5.6. Diagram Pencar Permintaan Seng Gelombang 7 Feet ... V-24 5.7. Grafik Uji Hipotesis dengan Distribusi F ... V-26 5.8. Moving Range Chart Seng Gelombang 7 Feet ... V-28 5.9. Grafik Perbandingan Data Aktual Seng Gelombang 7 Feet

dengan Hasil Peramalan ... V-29 5.10. Diagram Pencar Permintaan Seng Gelombang 8 Feet ... V-30 5.11. Grafik Uji Hipotesis dengan Distribusi F ... V-32 5.12. Moving Range Chart Seng Gelombang 8 Feet ... V-34 5.13. Grafik Perbandingan Data Aktual Seng Gelombang 7 Feet

dengan Hasil Peramalan ... V-35 5.14. Tampilan Input Fungsi Pencapaian ... V-74 5.15. Tampilan Solve... V-74 5.16. Tampilan Hasil Perhitungan dengan LINDO 6.1. Software ... V-75

DAFTAR LAMPIRAN

LAMPIRAN HALAMAN

Kriteria Rating Factor ... L-1 Tabel Allowance ... L-2 Penentuan Rating Factor ... L-3 Tabel F (0,05) ... L-4 Formulasi Goal Programming ... L-5 Hasil Software LINDO 6.1 ... L-6 Form Tugas Akhir ... L-7 Surat Penjajakan ... L-8 Surat Balasan Pabrik ... L-9 Surat Keputusan Tentang Sarjana Mahasiswa ... L-10 Berita Acara Laporan Tugas Sarjana ... L-11