BAB VI ANALISIS PEMECAHAN MASALAH
6.1. Analisis Uji Keseragaman dan Kecukupan Data
Pengujian keseragaman data dilakukan untuk memastikan bahwa data waktu proses berasal dari sistem yang sama batas kendali. Data yang berada
dalam batas kendali ditetapkan dalam BKA Batas Kendali Atas dan BKB Batas Kendali Bawah. Jika data yang tidak berada dalam batas kendali harus
dibuang untuk kemudian diuji kembali. Pada penelitian ini uji keseragaman data dilakukan berdasarkan tingkat ketelitian sebesar 5 dan tingkat keyakinan sebesar
95. Persentase ini digunakan peneliti untuk menunjukkan bahwa tingkat kesalahan pada sample tidak lebih dari 5 dari waktu yang sebenarnya. Pengujian
keseragaman data dilakukan pada waktu proses setiap mesin yang melakukan pengerjaan ketujuh produk. Hasil menunjukkan bahwa seluruh waktu proses
berada dalam batas kendali BKA dan BKB, maka data dinyatakan seragam. Pengujian kecukupan data dilakukan berdasarkan tingkat ketelitian sebesar
5 dan tingkat keyakinan sebesar 95. Tingkat ketelitian menunjukkan penyimpangan maksimum hasil pengukuran dari waktu sebenarnya. Sedangkan
tingkat keyakinan menunjukkan besarnya keyakinan pengukur akan ketelitian data waktu yang telah diamati dan dikumpulkan. Hasil perhitungan uji kecukupan data
pada penelitian ini menunjukkan bahwa seluruh data yang dibutuhkan atau
dikumpulkan telah cukup secara objektif. Ini ditunjukkan dengan nilai N’ dari keseluruhan mesin lebih kecil dari N yang sebenarnya yaitu sebanyak 5 kali.
6.2. Analisis Waktu Baku
Waktu baku atau waktu standar adalah waktu yang sebenarnya digunakan operator untuk memproduksi satu unit dari data jenis produk. Sebelum dilakukan
perhitungan waktu baku, dilakukan perhitungan waktu siklus pengerjaan produk pada setiap mesin, kemudian dilakukan penilaian faktor-faktor penyesuaian
rating factor operator yang digunakan untuk menormalkan waktu kerja yang diperoleh dari kecepatan kerja operator yang berubah. Setelah itu waktu baku
untuk setiap mesin pada pengerjaan produk dilakukan berdasarkan toleransi untuk beristirahat mengatasi kelelahan atau untuk faktor lainnya yang tidak dapat
dihindarkan allowance. Waktu baku tersebut bersama dengan waktu setup, jumlah mesin, dan jumlah permintaan digunakan untuk menghitung total waktu
penyelesaian pengerjaan produk pada mesin makespan yang nantinya akan digunakan untuk pengolahan selanjutnya dengan metode EDD dan Algoritma
Tabu Search.
6.3. Analisis Penjadwalan dengan Metode
Earliest Due Date
Earliest Due Date merupakan metode yang digunakan dengan mengurutkan pekerjaan berdasarkan due date yang lebih kecil. PT. Asia Raya
Foundry melakukan proses produksi berdasarkan produk yang pertama kali datang ke mesin di lantai produksi tersebut. Urutan proses awal yang dilakukan adalah
1,2,3,4,5,6,7 Roda Lorry – Bearing Housing – Roll Crapper – Press Cage – Jaw
Crusher – Screw Press – Shredder. Proses produksi aktual ketujuh produk PT. Asia Raya Foundry tersebut menghasilkan makespan 13501,09 jam. Dengan
makespan yang begitu besar menyebabkan waktu penyelesaiannya melebihi due date yang telah ditentukan, sehingga penyerahan produk kepada konsumen pun
menjadi terlambat. Kemudian dilakukan pengurutan penjadwalan pengerjaan produk berdasarkan due date dari yang paling kecil. Urutan proses yang dilakukan
adalah 5,7,3,1,2,4,6 Jaw Crusher – Shredder – Roll Crapper – Roda Lorry – Bearing Housing – Press Cage – Screw Press. Setelah diurutkan maka diperoleh
total penyelesaian pengerjaan makespan yang jauh lebih kecil dari penjadwalan yang dilakukan perusahaan sebesar 5177,69 jam. Tingkat effisiensi yang
dihasilkan oleh metode Earliest Due Date dari metode perusahaan adalah sebesar 61,64 .
6.4. Analisis Penjadwalan dengan Algoritma
Tabu Search
Metode Algoritma Tabu Search diterapkan setelah dilakukan perhitungan total penyelesaian dengan pengurutan Earliest Due Date. Urutan proses dengan
EDD digunakan sebagai solusi awal untuk iterasi penjadwalan, yaitu 5,7,3,1,2,4,6 Jaw Crusher – Shredder – Roll Crapper – Roda Lorry – Bearing Housing –
Press Cage – Screw Press dengan makespan sebesar 5177,69 jam. Iterasi yang dilakukan sebanyak 8 kali, makespan yang didapat dari setiap iterasi
menghasilkan solusi akhir yang akan digunakan sebagai solusi optimum dengan syarat makespan minimal yang telah didapat dari iterasi sebelumnya tidak diambil
lagi untuk memperoleh makespan minimal di iterasi selanjutnya. Pada iterasi 1