5.2.6. Perbandingan Hasil Performance Measure Layout Usulan
Untuk melakukan pemilihan alternative dari pembentukan sel manufaktur terbaik diperlukan suatu perbandingan kualitas solusi. Oleh karena itu diperlukan
suatu pengukuran yang disebut performance measure. Perhitungan untuk performance layout ini dapat dilihat dari matriks insiden. Performance ini dapat
dilihat dari grouping efficiency , grouping efficacy dan grouping measure. Pengukuran hasil performansi ini digunakan untuk dua metode atau lebih
tanpa ada batas kriteria tertentu. Dalam hal ini, akan dilihat kualitas yang lebih baik antara metode pengelompokan yang digunakan. Metode yang digunakan
dalam penelitian ini terdiri dari dua yaitu BSA dan SCA. Oleh karena itu, akan akan dibandingkan performansi pengelompokan yang dilakukan dengan
memperhatikan ketiga kriteria tersebut.
5.2.6.1. Performance Measure Metode BSA Based Sorted Algorithm
Untuk melakukan perbandingan terhadap layout, dibutuhkan beberapa data yang didapat dari matriks hasil pengelompokan komponen-mesin, pada Tabel
5.29: 1.
Jumlah angka 1 yang terdapat pada matriks o berjumlah 89. 2.
Jumlah angka 1 yang terdapat di luar sel e berjumlah 14. 3.
Jumlah angka 0 di dalam sel v adalah 133. 4.
Jumlah mesin adalah 25 unit. 5.
Jumlah part 24 jenis 6.
Jumlah masukan bernilai 1 dalam blok d adalah 75.
Universitas Sumatera Utara
7. Faktor pembobot yang digunakan adalah 0,5.
a. Grouping efficiency merupakan tingkat penggunaan mesin dalam sel dan
pergerakan antar sel.
n1 adalah rasio jumlah masukan nilai 1 dalam blok diagonal terhadap jumlah total elemen dalam blok.
=0,36 n2 adalah rasio jumlah masukan nilai 0 dalam blok diagonal terhadap jumlah
total elemen di luar blok. =0,964
= 0,662
b. Grouping efficacy r
Digunakan untuk menunjukkan keberhasilan metode yang digunakan dalam mengelompokkan mesin dan komponen.
=0,728
Universitas Sumatera Utara
Tabel 5.29. Matriks Mesin-Komponen dengan Metode BSA
Mesin BP
101 BP
106 BP
109 BP
110 BP
206 BP
112 BP
201 BP
202 BP
203 BP2
04 BP
113 BP
104 BP
105 BP
108 BP
111 BP
205 BP
107 BP
304 BP
305 BP
102 BP
301 BP
302 BP
303 BP
103 DI
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 SB1
1 1
1 1
1 1
SB1 1
1 1
1 1
GA1 1
1 GA2
1 1
1 GB1
1 GB2
1 1
1 1
BF1 1
1 BF2
1 1
1 S
1 O
1 1
1 1
1 SB3
1 1
1 1
1 1
1 1
1 GA3
1 1
1 G4
1 1
1 BO1
1 1
BO2 1
BD1 1
1 1
BD2 1
1 SB
1 1
1 1
BA 1
1 BB
1 BC
1 BE1
1 BE2
1 PO
1
Universitas Sumatera Utara
c. Grouping Measure merupakan keefektifan penggunaan algoritma yang
digunakan untuk mengelompokkan mesin dan komponen. =0,361
=0,157 ng = nu – nm = 0,361 – 0,157 = 0,203
5.2.6.2. Performance Measure Metode SCA Similarity Coefficient Algorithm Untuk performance measure yang digunakan untuk metode SCA
berdasarkan matriks komponen mesin pada Tabel 5.30 adalah sebagai berikut: 1.
Jumlah angka 1 yang terdapat pada matriks o berjumlah 89. 2.
Jumlah angka 1 yang terdapat di luar sel e berjumlah 12. 3.
Jumlah angka 0 di dalam sel v adalah 169. 4.
Jumlah mesin adalah 25 unit 5.
Jumlah part 24 jenis 6.
Jumlah masukan bernilai 1 dalam blok d adalah 77. 7.
Faktor pembobot yang digunakan adalah 0,5. a.
Grouping efficiency merupakan tingkat penggunaan mesin dalam sel dan pergerakan antar sel.
n1 adalah rasio jumlah masukan nilai 1 dalam blok diagonal terhadap jumlah total elemen dalam blok.
=0,313
Universitas Sumatera Utara
Tabel 5.30. Matriks Mesin-Komponen dengan Metode SCA
Part Mesin
BP 101
BP 106
BP 109
BP 110
BP 201
BP 202
BP 203
BP 204
BP 206
BP 102
BP 103
BP 104
BP 105
BP 107
BP 112
BP 113
BP 301
BP 302
BP 303
BP 304
BP 305
BP 108
BP 111
BP 205
SB1 1
1 1
1 1
1 1
1 1
GA1 1
1 1
1 1
GA2 1
1 1
1
GB1 1
1 1
GB2 1
1
BF1 1
1 1
BF2 1
1
S
1
O
1
DI
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1
SB2 1
1 1
1 1
SB3 1
1 1
1 1
BA 1
1
BB 1
BC 1
BD 1
1
BE1 1
BE2
1
GA3
1 1
1 1
1
BO 1 1
1
BO 2 1
PO 1
SB4 1
1 1
GA4 1
1 1
BD 1
1 1
Universitas Sumatera Utara
n2 adalah rasio jumlah masukan nilai 0 dalam blok diagonal terhadap jumlah total elemen di luar blok.
=0,96
= 0,6396 b.
Grouping efficacy Digunakan untuk mengatasi rendahnya kemampuan antara matriks terstruktur
baik dengan matriks terstruktur kurang baik. =0,7624
c. Grouping Measure merupakan keefektifan penggunaan algoritma yang
digunakan untuk mengelompokkan mesin dan komponen. =0,313
=0,1384 ng = abs nu – nm = 0,313 – 0,782= 0,1782
Dari perhitungan tersebut, dapat dilihat bagaimana hasil performansi dari kedua metode pengelompokan yang digunakan, dapat dilihat pada Tabel 5.31.
Tabel 5.31. Perbandingan Metode BSA dan SCA BSA
SCA Group Efficiancy
0.662 0.6396
Group Efficacy 0.728
0.762
Group Measure
0.203 0.178
Universitas Sumatera Utara
Dari kedua metode tersebut, dapat dilihat bahwa metode BSA lebih baik dilihat dari group efficiency dan group measure. Maka pengelompokan yang lebih
baik adalah dengan menggunakan metode BSA. Hasil layout dengan metode BSA akan dibandingkan dengan layout awal ditinjau dari momen perpindahannya.
5.2.7. Perancangan Layout Usulan Berdasarkan Metode BSA
Kategori