PERBAIKAN JADWAL PRODUKSI MENGGUNAKAN CDS DI PT. TAESUNG ABADI
Seminar Nasional Pakar ke 1 Tahun 2018
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
PERBAIKAN JADWAL PRODUKSI MENGGUNAKAN CDS
DI PT. TAESUNG ABADI
Didien Suhardini11), Larasati Citra Nuristya2), Wisnu Dewobroto3)
Jurusan Teknik Industri, Fakultas Teknologi Industri Universitas Trisakti
Email: didien@trisakti.ac.id, larasaticn@yahoo.com; wisnu.s@gmail.com
Abstrak
PT. Taesung Abadi yang bergerak dibidang packaging manufacturing.
Permasalahan yang terjadi di lantai produksi adalah banyaknya jumlah
permintaan yang tidak terpenuhi, dan terdapat keterlambatan waktu proses
produksi. Hal ini disebabkan jadwal produksi yang belum baik. Hasil produksi
rata-rata untuk carton box yang dihasilkan saat ini adalah 135.771 unit dan pallet
kertas sebanyak 27.154 unit perbulannya. Perbaikannya menggunakan
perencanaan agregat yang menghasilkan peningkatan kapasitas produksi carton
box sebesar 25% dan pallet kertas meningkat sebesar 3,4%. Untuk meminimalisasi
waktu produksi dilakukan usulan perbaikan jadwal produksi dengan
menggunakan metode Campbell, Dudek and Smith (CDS). Hasil perbaikan jadwal
produksi dapat meminimasi makespan produksi carton box pada 1 Maret 2017
sebesar 4,78%, lower pallet 6,55%, kaki pallet 1,25% dan upper pallet 3,63%.
Kata kunci: Penjadwalan, Perencanaan Agregat, Campbell, Dudek and Smith
Pendahuluan
PT. Taesung Abadi bergerak dibidang specialist packaging manufacturing. Produk yang
dihasilkan adalah carton box dan pallet kertas. Produk carton box rata-rata di produksi
sebanyak + 6.000 pcs/hari dan pallet kertas + 900pcs/hari, tergantung banyaknya
permintaan (Make to Order). Melihat permintaan pasar yang terus meningkat, maka
dibutuhkan evaluasi oleh perusahaan terutama pada lantai produksi agar dapat
menyelesaikan produksi sesuai dengan waktu yang telah ditentukan. Dari data yang
diperoleh sering terjadi keterlambatan memenuhi pesanan. Sehingga diperlukan sistem
penjadwalan yang baik agar keterlambatan pemenuhan pesanan tidak terjadi lagi. Tujuan
penelitian yang ingin dicapai adalah:
a. Mengidentifikasi jumlah unit yang diproduksi 3 bulan kedepan dengan perencanaan
agregat
b. Mendapatkan jadwal produksi terbaik pada PT. Taesung Abadi untuk meminimasi
makespan menggunakan algoritma Campbell, Dudek, and Smith (CDS) sehingga dapat
meningkatkan kapasitas produksi
StudiPustaka
Perencanaan agregat atau penjadwalan agregat adalah perencanaan yang dilakukan
untuk mengatur penyesuaian kapasitas produksi dan sumberdaya terhadap permintaan
untuk mencapai biaya yang seminimal mungkin. Perencanaa n agregat bertujuan untuk:
a. Mengembangkan perencanaan produksi yang feasible pada tingkat menyeluruh yang akan
mencapai keseimbangan antara permintaan dan suplai dengan memperhatikan biaya minimal
darirencana produksi yang dibuat, walaupun biaya bukan satu-satunya bahan pertimbangan.
b. Sebagai masukan perencanaan sumber daya sehingga perencanaan sumberdaya dikembangkan
untuk mendukung perencanaan produksi
c. Meredam (stabilisasi) produksi dan tenaga kerja terhadap fluktuasi permintaan
258
Penjadwalan (scheduling) adalah pengalokasian sumberdaya atau mesin yang ada untuk
menjalankan sekumpulan tugas dalam jangka waktu tertentu menurut Michael L. Pinedo,
2012 Definisi dari penjadwalan mengandung arti sebagai berikut:
a. Jadwal merupakan fungsi pengambilan keputusan, artinya penjadwalan merupakan proses
untuk menentukan sebuah jadwal.
b. Jadwal merupakan suatu teori, artinya jadwal adalah kumpulan dari prinsip– prinsip dan
model, teknik, dan kesimpulan logis dalam pengambilan keputusan. Jadwal merupakan bagian
dari shop floor control.
Fungsi dari aktivitas penjadwalan menurut Michael L. Pinedo, 2012 adalah:
a. Meningkatkan penggunaan sumberdaya atau mengurangi waktu tunggunya, sehingga total
waktu proses dapatb erkurang dan produktivitas dapat meningkat.
b. Mengurangi persediaan barang setengah jadi atau mengurangi sejumlah pekerjaan yang
menunggu dalam antrian ketika sumberdaya yang ada masih mengerjakan tugas yang lain.
Teori Baker mengatakan, jika aliran kerja suatu jadwal konstan, maka antrian yang mengurangi
rata-rata waktu alir akan mengurangi rata-rata persediaan barang setengah jadi.
c. Mengurangi beberapa keterlambatan pada pekerjaan yang mempunyai batas waktu
penyelesaian, sehingga akan meminimasi penalty cost (biaya kelambatan).
d. Membantu pengambilan keputusan mengenai perencanaan kapasitas pabrik dan jenis kapasitas
yang dibutuhkan, sehingga penambahan biaya yang mahal dapat dihindarkan.
Jadwal secara garis besar dapat dibedakan dalam jadwal untuk job shop dan flow shop.
Permasalahan yang membedakan antara job shop dan flow shop adalah pola aliran kerja
yang tidak memiliki tahapan-tahapan proses yang sama. Untuk dapat memembuat
jadwal dengan baik maka waktu proses kerja setiap mesin serta jenis pekerjaannya perlu
diketahui, waktu tersebut dapat diperoleh melalui pengukuran waktu kerja, jenis serta
jumlah pekerjaan diperoleh dengan melakukan pengamatan dari operator pada bagian
tertentu. setelah mengetahui jenis serta waktu proses kerja setiap mesin yang akan
dijadwalkan maka proses pembuatan jadwal baru dapat dilakukan.
Algoritma Campbell, Dudek, and Smith (CDS) ini dikembangkan oleh H.G. Campbell,
R.A. Dudek dan M.L. Smith yang ditemukan pada tahun 1970. Metode CDS ini
didasarkan atas algoritma Johnson. Jadwal algoritma CDS adalah sebuah algoritma
jadwal pada mesin seri yang merupakan pendekatan dari algoritma Johnson's rule.
Metode CDS ini menghasilkan sejumlah urutan pengerjaan, dengan jumlah iterasi
sebanyak k. Urutan pengerjaan ini diperoleh dengan melakukan aturan mesin kombinasi.
Untuk lebih jelasnya berikut adalah langkah-langkah kombinasi:
a.
b.
c.
Data tiap waktu proses masing-masing job dalam tiap mesin. Untuk lebih
memudahkan tampilkan data tersebut ke dalam format tabel.
Hitung banyak iterasi k = m-1 pada mesin seri (m = jumlah mesin)
Bandingkan waktu di setiap mesin, dengan aturan kombinasi sebagai berikut:
1) Bandingkan waktu proses di mesin pertama dengan waktu proses pada mesin
terakhir. Bandingkan waktu proses M1 dengan Mm
2) jumlahkan antara waktu proses di mesin 1, mesin 2 dan dibandingkan dengan
mesin m, mesin m-1
3) Gabungkan waktu proses pada mesin selanjutnya mesin 1,2,3 dan bandingkan
dengan mesin m, m-1, m-2. Lalu urutkan waktu yang terkecil sampai terbesar
berdasarkan aturan Johnson.
4) Lakukan langkah aturan kombinasi mesin hingga iterasi ke k.
259
d.
Gunakan aturan Johnson untuk menempatkan pekerjaan mana yang harus
dikerjakan terlebih dahulu. Dari urutan-urutan pengerjaan yang diperoleh, hitung
nilai makespan masing-masing urutan.
Metodologi Penelitian
Pada penelitian ini, dibuat diagram alir pengolahan data yaitu diagram alir
perencanaan agregat, diagram alir jadwal produksi menggunakan Campbell Dudek and
Smith. Diagram alir metodologi penelitian dapat dilihat pada Gambar 3.1 dan 3.2.
Pengumpulan Data
1. Jumlah permintaan bulan
Oktober 2016-Maret 2017
2. Jumlah pekerja
3. Waktu proses produksi
4. Biaya overtime / jam
5. Gaji tenaga kerja / bulan
Pengumpulan Data
Data pemesanan produk dan
batas penyelesaian
Urutan produksi
Waktu proses tiap job
Jumlah mesin
Pola aliran produksi
Evaluasi jadwal produksi saat ini
dengan menggunakan
Gantt Chart
Perbaikan jadwal produksi dengan
Algoritma Campbell Dudek Smith
Hitung t*i,1 dan t*i,2 untuk K
Evaluasi pola data permintaan
Tentukan nilai minimum dari
t*i,1 dan t* i,2
Apakah nilai
minimum pada
kolom 1?
Peramalan Permintaan 3 bulan
kedepan (April – Mei 2017)
Jadwalkan pekerjaan dari awal
proses, urutkan dimulai dari waktu
penyelesaian terpanjang
Konversi hasil peramalan dengan
satuan waktu
Hilangkan pekerjaan yang sudah
terjadwal dari daftar
Tidak
Unit Agregasi
Jadwalkan pekerjaan dari akhir
proses, urutkan dimulai dari waktu
penyelesaian terpanjang
Apakah semua
pekerjaan sudah
terjadwal?
Ya
Evaluasi perbaikan jadwal
prosuksi menggunakan
Gantt Chart
Pemilihan Usu lan Job Terbaik
Perancangan Tata Letak
3.1 Diagram Alir Perencanaan Agregat Gambar 3.2 Diagram Alir Jadwal Produksi
Menggunakan Campbell Dudek and S
Hasil dan Pembahasan
Analisa Perencanaan Agregat
Permintaan di PT. Taesung Abadi tidak pasti untuk setiap bulannya, karena jumlah
permintaan yang ada disesuaikan dengan pesanan customer. Berikut adalah gambar 4.1
permintaan Carton Box (CB) dan Palet Kertas (PK)di PT. Taesung pada bulan Oktober
2016 - Maret 2017.
260
Gambar 4.1 Data Permintaan Pelanggan CB Gambar 4.2 Data Permintaan Pelanggan PK
Regresi Linier
Model analisis Regresi Linier adalah suatu metode populer untuk berbagai
macam permasalahan. Menurut Harding (1974) dua variabel yang digunakan, variabel x
dan variabel y, diasumsikan memiliki kaitan satu sama lain dan bersifat linier. Rumus
perhitungan Regresi Linier yaitu sebagai berikut.
.........................................................(1)
Keterangan:
y = hasil peramalan
a = perpotongan dengan sumbu tegak
b = menyatakan slope atau kemiringan garis regresi
Model peramalan yang dikembangkan menggunakan model regresi linier, karena
terlihat jelas bahwa untuk data penjualan masing-masing produk menunjukkan
kecenderungan meningkat.
Tabel 4.1 Persamaan Regresi Linier Carton Box
Bulan
Oktober 2016
November
Desember
Januari 2017
Februari 2017
Maret 2017
jumlah
Periode
1
2
3
4
5
6
21
Tipe A1
Ukuran Kecil
Permintaan (unit)
8800
8600
8900
8900
7900
8800
51900
tY(t)
8800
17200
26700
35600
39500
52800
180600
t²
1
4
9
16
25
36
91
b = ((6)(180600)-(51900)(21))/((6)(91)-(21)²) = -60
a = 51900/6- (-60 x 21)/6 = 8860
Dengan demikian hasil peramalan untuk bulan April 2017 ialah :
Y(7) = 8860 - 60 (7) = 8440
Berikut ini merupakan hasil peramalan bulan April – Juni 2017 pada Tabel 4.2 dan Pada
Tabel 4.3
261
Tabel 4.2 Peramalan Carton Box April 2017 – Juni 2017
April 2017
Mei 2017
Juni 2017
kecil
8440
8380
8320
April 2017
Mei 2017
Juni 2017
kecil
8377
8287
8197
April 2017
Mei 2017
Juni 2017
kecil
8587
8686
8784
Tipe A1
sedang
8727
8766
8804
Tipe A4
sedang
8501
8415
8329
Tipe E
sedang
8720
8798
8875
besar
9037
9014
8991
kecil
8531
8532
8533
besar
8377
8301
8226
kecil
8500
8479
8458
Tipe A2
sedang
8320
8248
8175
Tipe A5
sedang
8590
8566
8542
besar
8574
8535
8497
kecil
8257
8126
7994
besar
8671
8705
8739
kecil
8294
8225
8157
Tipe A3
sedang
8504
8495
8487
Tipe C
sedang
8430
8389
8348
besar
8540
8480
8420
besar
8391
8295
8199
besar
7727
7594
7461
Tabel 4.3 Peramalan Pallet Kertas April 2017 – Juni 2017
Australia pallet
Euro Pallet 1000 mm Euro pallet 800 mm x Asia pallet 1100 mm
1200 mm
x 1100 mm
1165mm x 1165mm
x 1200 mm
April 2017
Mei 2017
Juni 2017
5705
5725
5744
5599
5637
5675
5570
5590
5610
5371
5403
5436
Custom pallet
5918
5905
5892
Agregasi Produk
Faktor Agregasi
Sebelum dilakukan proses agregasi produk, terlebih dahulu harus ditentukan satuan
yang akan digunakan sebagai acuan. Produk carton box dengan tipe A1 ukuran besar dan
juga pallet kertas dengan tipe custom memiliki nilai permintaan paling besar sehingga
waktu baku untuk tipe dan ukuran tersebut memiliki faktor konversi 1, sedangkan untuk
tipe dan ukuran lainnya memiliki nilai konversi yang dapat dilihat pada Tabel 5.3.
Tabel 4.4 Faktor Agregasi Carton BoxTabel 4.5 Faktor Agregasi Pallet Kertas
Tipe
Tipe A1
Tipe A2
Tipe A3
Tipe A4
Tipe A5
Tipe C
Tipe E
Ukuran
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Faktor konversi
0.00097
0.00111
0.00125
0.00097
0.00111
0.00125
0.00097
0.00111
0.00125
0.00069
0.00083
0.00111
0.00097
0.00111
0.00125
0.00139
0.00167
0.00194
0.00083
0.00111
0.00167
0.00125
Faktor
Agregasi
0.78
0.89
1
0.78
0.89
1
0.78
0.89
1
0.56
0.67
0.89
0.78
0.89
1
1.11
1.33
1.56
0.67
0.89
1.33
Tipe
Euro Pallet 1000 mm x 1200 mm
Euro pallet 800 mm x 1200 mm
Asia pallet 1100 mm x 1100 mm
Australia pallet 1165mm x 1165mm
Custom pallet
Faktor konversi
0.0097
0.0083
0.0078
0.0081
0.0086
0.0086
Faktor
Agregasi
1.13
0.965
0.91
0.94
1
Unit Agregasi
Unit agregasi ini mengkonversikan jumlah kebutuhan untuk masing-masing
model produk dengan dasar faktor agregasi masing-masing. Caranya adalah dengan
mengalikan hasil ramalan penjualan dengan faktor agregasi masing-masing model
produk. Unit agregasi hasil konversi peramalan dalam satuan agregat untuk semua tipe
dan ukuran carton box dan pallet kertas dapat dilihat pada Tabel 4.6 dan 4.7.
262
Tabel 4.6 Unit Agregasi Carton Box Dalam Satuan Agregat Untuk Semua Tipe dan Ukuran
April 2017
Mei 2017
Juni 2017
kecil
6584
6537
6490
April 2017
Mei 2017
Juni 2017
kecil
4692
4641
4591
April 2017
Mei 2017
Juni 2017
kecil
5754
5820
5886
Tipe A1
sedang
7768
7802
7836
Tipe A4
sedang
5696
5639
5581
Tipe E
sedang
7761
7831
7899
besar
9037
9014
8991
kecil
6655
6655
6656
besar
7456
7388
7322
kecil
6630
6614
6598
besar
10277
10101
9924
Tipe A2
sedang
7405
7341
7276
Tipe A5
sedang
7646
7624
7603
besar
8574
8535
8497
kecil
6441
6339
6236
besar
8671
8705
8739
kecil
9207
9130
9055
Tipe A3
sedang
7569
7561
7554
Tipe C
sedang
11212
11158
11103
besar
8540
8480
8420
besar
13090
12941
12791
Total Unit Agregasi
170858
170103
169714
Tabel 4.7 Unit Agregasi Pallet Kertas Dalam Satuan Agregat Untuk Semua Tipe dan
Ukuran
Euro Pallet 1000 mm Euro pallet 800 mm x Asia pallet 1100 mm Australia pallet
1200 mm
x 1100 mm
1165mm x 1165mm
x 1200 mm
April 2017
6447
5404
5069
5049
Mei 2017
6470
5440
5087
5079
Juni 2017
6491
5477
5106
5110
Custom pallet
Total Unit Agregasi
5918
5905
5892
27887
27981
28076
Total Unit Agregasi
Total unit agregasi merupakan hasil penjumlahan hasil ramalan penjualan dari
masing-masing model produk setelah dikonversi dengan menggunakan faktor agregasi.
Total unit agregasi ini menjadi indikator jumlah kebutuhan yang akan dihitung pada
perhitungan kapasitas produksi. Total unit agregasi dapat dilihat pada Tabel 4.8
Tabel 4.8 Total Unit Agregasi
Bulan
April 2017
Total Unit Agregasi
Carton Box
Pallet Kertas
170858
27887
Mei 2017
170103
27981
Juni 2017
169714
28076
EvaluasiJadwal Perusahaan
Input yang digunakan dalam mengevaluasi jadwal pada perusahaan adalah data
jumlah pemesanan harian, waktu produksi, waktu setup mesin, proses produksi, dan
metode jadwal yang digunakan oleh perusahaan.
263
Tabel 4.9 Data Permintaan Konsumen1 Maret 2017
Job
Pesan
Due Date
J1
J2
J3
J4
J5
J6
J7
J8
J9
J10
J11
J12
J13
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
06-Mar-17
06-Mar-17
07-Mar-17
03-Mar-17
06-Mar-17
03-Mar-17
03-Mar-17
06-Mar-17
06-Mar-17
07-Mar-17
06-Mar-17
06-Mar-17
03-Mar-17
Durasi
Hari
3
3
4
2
3
2
2
3
3
4
3
3
2
Konsumen
Produk
PT. Tarakusuma Indah
PT. Tarakusuma Indah
PT. Shindengen
PT. Shindengen
PT. Shindengen
PT. Padma Soode Indonesia
PT. Padma Soode Indonesia
PT. Padma Soode Indonesia
PT. Cemani Toka
PT. Kagayama
PT. Kagayama
PT. Nandya Karya Perkasa
PT. Nandya Karya Perkasa
Carton Box
Carton Box
Carton Box
Carton Box
Carton Box
Carton Box
Carton Box
Carton Box
Pallet Kertas
Pallet Kertas
Pallet Kertas
Pallet Kertas
Pallet Kertas
Ukuran (mm)
Tipe
Jumlah Unit
340x300x280
A3
549x500x680
A4
600x300x300
A1
520x460x350
A5
150x100x230
A1
595x385x110
A4
270x160x150
A1
350x250x200
A2
1140x1140x120 Custom Pallet
1160x530x200 Custom Pallet
950x950x100
Custom Pallet
1000x1000x120
Asia Pallet
1200x 1000x130 Euro Pallet
1000
1300
1500
850
1200
750
900
1000
250
300
250
250
150
Setelah dilakukan evaluasi, metode yang digunakan perusahaan dalam penerapan
jadwal produksia dalah dengan menggunakan metode Earliest Due Date (EDD) maka di
dapatkan total waktu produksi sebesar 13,81 jam untuk produk carton box dengan
kapasitas produksi 8.500 pcs dan 7,99 jam untuk produk pallet kertas dengan kapasitas
produksi 1.200 pcs. Besarnya waktu tersebut belum sebanding dengan jumlah waktu
yang tersedia dan output produksi yang dihasilkan, sehingga perlu dilakukan perbaikan
jadwal agar waktu yang tersedia dapat lebih optimal digunakan. Berikut merupakan hasil
evaluasi metode EDD.
Tabel 4.10EvaluasiPenjadwalanMetode EDD
Metode
Produk
Urutan Job
J7-J4-J6-J5-J1-J8-J2-J3
AWAL (EDD)
Carton Box
Lower Pallet
Kaki Pallet
Upper Pallet
JE-JA-JC-JD-JB
Total Waktu
(jam)
JumlaH Produksi
13.81
3.36
7.99
6.06
8500
1200
AlgoritmaCampbell Dudek and Smith (CDS)
Algoritma jadwal usulan disusun berdasarkan kondisi perusahaan dengan melihat
kelemahan dari algoritma awal perusahaan yang dirancang dengan tujuan untuk
meminimumkan jumlah job yang terlambat sehingga dapat meminimasi makespan. Data
yang akan diolah menggunakan metode CDS terdiri dari produk carton box dan pallet
kertas. Untuk kedua produk tersebut memiliki urutan operasi yang berbeda sehingga
pembagian jadwal diklasifikasikan menjadi dua jenis produk yang berbeda. Berikut
adalah rekapitulasi makespan untukproduk carton box.
Tabel 4.11 Rekapitulasi Makespan Setiap Iterasi Produk Carton Box
Iterasi
Urutan Job
Makespan (jam)
Iterasi 1
Iterasi 2
Iterasi 3
Iterasi 4
Carton Box
J5-J7-J1-J6-J8-J4-J2-J3
J7-J5-J6-J8-J1-J4-J2-J3
J7-J5-J6-J4-J8-J1-J2-J3
J7-J6-J5-J8-J1-J4-J2-J3
13.23
13.15
13.15
13.15
Proses iterasi pada produk pallet kertas menghasilkan urutan job yang berbeda
pada setiap part, sehingga menghasilkan 2 alternatif. Berikut adalah hasil rekapitulasi
makespan alternatif 1 dan 2 produk pallet kertas.
264
Tabel 4.12 Rekapitulasi Makespan Alternatif 1 dan 2 produk Pallet Kertas
Alternatif
Urutan Job
Pallet Kertas
JE-JC-JA-JD-JB
JE-JC-JD-JA-JB
1
2
Makespan (jam)
7.99
7.89
Evaluasi Perbandingan Jadwal Produksi
Setelah melakukan perhitungan terhadap keseluruhan metode untuk mencari urutan
jadwal dengan tujuan meminimasi makespan, maka didapatkan hasil yang lebih baik yaitu
dengan menggunakan algoritma CDS. Berikut adalah tabel 4.13 yang membandingkan
metode usulan dengan metode yang digunakan perusahaan sebelumnya (EDD).
Tabel 4.13 Hasil Penjadwalan Produksi
Metode
Awal (EDD)
CDS
Produk
urutan Job
Carton Box
Lower Pallet
Kaki Pallet
Upper Pallet
Carton Box
Lower Pallet
Kaki Pallet
Upper Pallet
J7-J4-J6-J5-J1-J8-J2-J3
JE-JA-JC-JD-JB
J7-J5-J6-J8-J1-J4-J2-J3
JE-JC-JD-JA-JB
Total Waktu
(jam)
13.81
3.36
7.99
6.06
13.15
3.14
7.89
5.84
% Penurunan Waktu
-
4.78%
6.55%
1.25%
3.63%
Setelah mengetahui perbandingan tersebut dapat disimpulkan bahwa dengan
menggunakan algoritma CDS dapat meminimasi completion time (CT)untuk kedua
produk. Pada produk carton box mampu meminimasi CT menjadi 14,15 jam atau lebih
efisien sebesar 4,78% dari kondisi semula dan untuk produk pallet kertas nilai CT menjadi
7,89 jam atau sebesar 1,25%.
Kesimpulan
Dari hasil pengolahan dan analisa data, maka dapat disimpulkan:
1. Perencanaan agregat menghasilkan unit agregasi yang akan dijadikan nilai kapasitas
produksi, dari nilai tersebut dianalisa bahwa adanya peningkatan kapasitas yang
mampu memenuhi banyaknya jumlah permintaan. Dari penambahan tersebut mampu
meningkatkan kapasitas produksi carton box sebesar 25% dan pallet kertas meningkat
sebesar 3,4%.
2. Kondisi jadwal produksi yang digunakan pada perusahaan adalah dengan
menggunakan metode Erliest Due Date (EDD) total waktu produksi sebesar 13,81 jam
untuk produk carton box dengan jumlah produksi 8.500 pcs dan untuk pallet kertas
diklasifikasikan menjadi tiga part yaitu lower pallet 3,36 jam, kaki pallet 7,99 jam dan
upper pallet 6,06 jam dengan jumlah produksi 1.200 pcs.
3. Perbaikan jadwal produksi dilakukan menggunakan metode Campbell, Dudek and Smith
(CDS). Dari metode tersebut menghasilkan 4 iterasi untuk produk carton box, 1 iterasi
untuk lower pallet, 2 iterasi untuk kaki pallet dan 1 iterasi untuk upper pallet. Output
yang dihasilkan dari algoritma ini adalah total makespan. Alternatif 2 merupakan
urutan job terbaik untuk produk carton box. Dengan algoritma CDS mampu
meminimasi makespan produksi carton box pada 1 maret 2017 sebesar 4,78%, lower pallet
6,55%, kaki pallet 1,25% dan upper pallet 3,63%. Perbaikan jadwal produksi dengan
kapasitas baru membutuhkan perbaikan Tata Letak yang baru.
265
Daftar pustaka
Harsanto. Budi, 2017. Dasar Ilmu Manajemen Operasi, Bandung, Indonesia: UNPAD Press.
Michael L. Pinedo, 2012. Scheduling: Theory, Algorithms, and Systems, Fourth edition, New
York, USA: Springer.
Namihas. Steven, Olsen. Tava Lennon, 2015. Production and Operations Analysis, Seventh
Edition, Illinois, USA: Waveland Press.
Suparjo, Prabowo. Rony, 2015. “Analisis Peningkatan Kapasitas Produksi Dengan
Membandingkan Antara Penambahan Shift Dan KerjaLemburPada UD. Barokah”, Jurnal
ITATS, No.1, Vol 19.
Venkata Chalapathi Pasupuleti, 2012 “Scheduling In Cellular Manufacturing Systems”,
International Journal of Industrial Engineering, No. 7, Vol. 4
266
Buku 1
ISSN (P) : 2615 - 2584
ISSN (E) : 2615 - 3343
PERBAIKAN JADWAL PRODUKSI MENGGUNAKAN CDS
DI PT. TAESUNG ABADI
Didien Suhardini11), Larasati Citra Nuristya2), Wisnu Dewobroto3)
Jurusan Teknik Industri, Fakultas Teknologi Industri Universitas Trisakti
Email: didien@trisakti.ac.id, larasaticn@yahoo.com; wisnu.s@gmail.com
Abstrak
PT. Taesung Abadi yang bergerak dibidang packaging manufacturing.
Permasalahan yang terjadi di lantai produksi adalah banyaknya jumlah
permintaan yang tidak terpenuhi, dan terdapat keterlambatan waktu proses
produksi. Hal ini disebabkan jadwal produksi yang belum baik. Hasil produksi
rata-rata untuk carton box yang dihasilkan saat ini adalah 135.771 unit dan pallet
kertas sebanyak 27.154 unit perbulannya. Perbaikannya menggunakan
perencanaan agregat yang menghasilkan peningkatan kapasitas produksi carton
box sebesar 25% dan pallet kertas meningkat sebesar 3,4%. Untuk meminimalisasi
waktu produksi dilakukan usulan perbaikan jadwal produksi dengan
menggunakan metode Campbell, Dudek and Smith (CDS). Hasil perbaikan jadwal
produksi dapat meminimasi makespan produksi carton box pada 1 Maret 2017
sebesar 4,78%, lower pallet 6,55%, kaki pallet 1,25% dan upper pallet 3,63%.
Kata kunci: Penjadwalan, Perencanaan Agregat, Campbell, Dudek and Smith
Pendahuluan
PT. Taesung Abadi bergerak dibidang specialist packaging manufacturing. Produk yang
dihasilkan adalah carton box dan pallet kertas. Produk carton box rata-rata di produksi
sebanyak + 6.000 pcs/hari dan pallet kertas + 900pcs/hari, tergantung banyaknya
permintaan (Make to Order). Melihat permintaan pasar yang terus meningkat, maka
dibutuhkan evaluasi oleh perusahaan terutama pada lantai produksi agar dapat
menyelesaikan produksi sesuai dengan waktu yang telah ditentukan. Dari data yang
diperoleh sering terjadi keterlambatan memenuhi pesanan. Sehingga diperlukan sistem
penjadwalan yang baik agar keterlambatan pemenuhan pesanan tidak terjadi lagi. Tujuan
penelitian yang ingin dicapai adalah:
a. Mengidentifikasi jumlah unit yang diproduksi 3 bulan kedepan dengan perencanaan
agregat
b. Mendapatkan jadwal produksi terbaik pada PT. Taesung Abadi untuk meminimasi
makespan menggunakan algoritma Campbell, Dudek, and Smith (CDS) sehingga dapat
meningkatkan kapasitas produksi
StudiPustaka
Perencanaan agregat atau penjadwalan agregat adalah perencanaan yang dilakukan
untuk mengatur penyesuaian kapasitas produksi dan sumberdaya terhadap permintaan
untuk mencapai biaya yang seminimal mungkin. Perencanaa n agregat bertujuan untuk:
a. Mengembangkan perencanaan produksi yang feasible pada tingkat menyeluruh yang akan
mencapai keseimbangan antara permintaan dan suplai dengan memperhatikan biaya minimal
darirencana produksi yang dibuat, walaupun biaya bukan satu-satunya bahan pertimbangan.
b. Sebagai masukan perencanaan sumber daya sehingga perencanaan sumberdaya dikembangkan
untuk mendukung perencanaan produksi
c. Meredam (stabilisasi) produksi dan tenaga kerja terhadap fluktuasi permintaan
258
Penjadwalan (scheduling) adalah pengalokasian sumberdaya atau mesin yang ada untuk
menjalankan sekumpulan tugas dalam jangka waktu tertentu menurut Michael L. Pinedo,
2012 Definisi dari penjadwalan mengandung arti sebagai berikut:
a. Jadwal merupakan fungsi pengambilan keputusan, artinya penjadwalan merupakan proses
untuk menentukan sebuah jadwal.
b. Jadwal merupakan suatu teori, artinya jadwal adalah kumpulan dari prinsip– prinsip dan
model, teknik, dan kesimpulan logis dalam pengambilan keputusan. Jadwal merupakan bagian
dari shop floor control.
Fungsi dari aktivitas penjadwalan menurut Michael L. Pinedo, 2012 adalah:
a. Meningkatkan penggunaan sumberdaya atau mengurangi waktu tunggunya, sehingga total
waktu proses dapatb erkurang dan produktivitas dapat meningkat.
b. Mengurangi persediaan barang setengah jadi atau mengurangi sejumlah pekerjaan yang
menunggu dalam antrian ketika sumberdaya yang ada masih mengerjakan tugas yang lain.
Teori Baker mengatakan, jika aliran kerja suatu jadwal konstan, maka antrian yang mengurangi
rata-rata waktu alir akan mengurangi rata-rata persediaan barang setengah jadi.
c. Mengurangi beberapa keterlambatan pada pekerjaan yang mempunyai batas waktu
penyelesaian, sehingga akan meminimasi penalty cost (biaya kelambatan).
d. Membantu pengambilan keputusan mengenai perencanaan kapasitas pabrik dan jenis kapasitas
yang dibutuhkan, sehingga penambahan biaya yang mahal dapat dihindarkan.
Jadwal secara garis besar dapat dibedakan dalam jadwal untuk job shop dan flow shop.
Permasalahan yang membedakan antara job shop dan flow shop adalah pola aliran kerja
yang tidak memiliki tahapan-tahapan proses yang sama. Untuk dapat memembuat
jadwal dengan baik maka waktu proses kerja setiap mesin serta jenis pekerjaannya perlu
diketahui, waktu tersebut dapat diperoleh melalui pengukuran waktu kerja, jenis serta
jumlah pekerjaan diperoleh dengan melakukan pengamatan dari operator pada bagian
tertentu. setelah mengetahui jenis serta waktu proses kerja setiap mesin yang akan
dijadwalkan maka proses pembuatan jadwal baru dapat dilakukan.
Algoritma Campbell, Dudek, and Smith (CDS) ini dikembangkan oleh H.G. Campbell,
R.A. Dudek dan M.L. Smith yang ditemukan pada tahun 1970. Metode CDS ini
didasarkan atas algoritma Johnson. Jadwal algoritma CDS adalah sebuah algoritma
jadwal pada mesin seri yang merupakan pendekatan dari algoritma Johnson's rule.
Metode CDS ini menghasilkan sejumlah urutan pengerjaan, dengan jumlah iterasi
sebanyak k. Urutan pengerjaan ini diperoleh dengan melakukan aturan mesin kombinasi.
Untuk lebih jelasnya berikut adalah langkah-langkah kombinasi:
a.
b.
c.
Data tiap waktu proses masing-masing job dalam tiap mesin. Untuk lebih
memudahkan tampilkan data tersebut ke dalam format tabel.
Hitung banyak iterasi k = m-1 pada mesin seri (m = jumlah mesin)
Bandingkan waktu di setiap mesin, dengan aturan kombinasi sebagai berikut:
1) Bandingkan waktu proses di mesin pertama dengan waktu proses pada mesin
terakhir. Bandingkan waktu proses M1 dengan Mm
2) jumlahkan antara waktu proses di mesin 1, mesin 2 dan dibandingkan dengan
mesin m, mesin m-1
3) Gabungkan waktu proses pada mesin selanjutnya mesin 1,2,3 dan bandingkan
dengan mesin m, m-1, m-2. Lalu urutkan waktu yang terkecil sampai terbesar
berdasarkan aturan Johnson.
4) Lakukan langkah aturan kombinasi mesin hingga iterasi ke k.
259
d.
Gunakan aturan Johnson untuk menempatkan pekerjaan mana yang harus
dikerjakan terlebih dahulu. Dari urutan-urutan pengerjaan yang diperoleh, hitung
nilai makespan masing-masing urutan.
Metodologi Penelitian
Pada penelitian ini, dibuat diagram alir pengolahan data yaitu diagram alir
perencanaan agregat, diagram alir jadwal produksi menggunakan Campbell Dudek and
Smith. Diagram alir metodologi penelitian dapat dilihat pada Gambar 3.1 dan 3.2.
Pengumpulan Data
1. Jumlah permintaan bulan
Oktober 2016-Maret 2017
2. Jumlah pekerja
3. Waktu proses produksi
4. Biaya overtime / jam
5. Gaji tenaga kerja / bulan
Pengumpulan Data
Data pemesanan produk dan
batas penyelesaian
Urutan produksi
Waktu proses tiap job
Jumlah mesin
Pola aliran produksi
Evaluasi jadwal produksi saat ini
dengan menggunakan
Gantt Chart
Perbaikan jadwal produksi dengan
Algoritma Campbell Dudek Smith
Hitung t*i,1 dan t*i,2 untuk K
Evaluasi pola data permintaan
Tentukan nilai minimum dari
t*i,1 dan t* i,2
Apakah nilai
minimum pada
kolom 1?
Peramalan Permintaan 3 bulan
kedepan (April – Mei 2017)
Jadwalkan pekerjaan dari awal
proses, urutkan dimulai dari waktu
penyelesaian terpanjang
Konversi hasil peramalan dengan
satuan waktu
Hilangkan pekerjaan yang sudah
terjadwal dari daftar
Tidak
Unit Agregasi
Jadwalkan pekerjaan dari akhir
proses, urutkan dimulai dari waktu
penyelesaian terpanjang
Apakah semua
pekerjaan sudah
terjadwal?
Ya
Evaluasi perbaikan jadwal
prosuksi menggunakan
Gantt Chart
Pemilihan Usu lan Job Terbaik
Perancangan Tata Letak
3.1 Diagram Alir Perencanaan Agregat Gambar 3.2 Diagram Alir Jadwal Produksi
Menggunakan Campbell Dudek and S
Hasil dan Pembahasan
Analisa Perencanaan Agregat
Permintaan di PT. Taesung Abadi tidak pasti untuk setiap bulannya, karena jumlah
permintaan yang ada disesuaikan dengan pesanan customer. Berikut adalah gambar 4.1
permintaan Carton Box (CB) dan Palet Kertas (PK)di PT. Taesung pada bulan Oktober
2016 - Maret 2017.
260
Gambar 4.1 Data Permintaan Pelanggan CB Gambar 4.2 Data Permintaan Pelanggan PK
Regresi Linier
Model analisis Regresi Linier adalah suatu metode populer untuk berbagai
macam permasalahan. Menurut Harding (1974) dua variabel yang digunakan, variabel x
dan variabel y, diasumsikan memiliki kaitan satu sama lain dan bersifat linier. Rumus
perhitungan Regresi Linier yaitu sebagai berikut.
.........................................................(1)
Keterangan:
y = hasil peramalan
a = perpotongan dengan sumbu tegak
b = menyatakan slope atau kemiringan garis regresi
Model peramalan yang dikembangkan menggunakan model regresi linier, karena
terlihat jelas bahwa untuk data penjualan masing-masing produk menunjukkan
kecenderungan meningkat.
Tabel 4.1 Persamaan Regresi Linier Carton Box
Bulan
Oktober 2016
November
Desember
Januari 2017
Februari 2017
Maret 2017
jumlah
Periode
1
2
3
4
5
6
21
Tipe A1
Ukuran Kecil
Permintaan (unit)
8800
8600
8900
8900
7900
8800
51900
tY(t)
8800
17200
26700
35600
39500
52800
180600
t²
1
4
9
16
25
36
91
b = ((6)(180600)-(51900)(21))/((6)(91)-(21)²) = -60
a = 51900/6- (-60 x 21)/6 = 8860
Dengan demikian hasil peramalan untuk bulan April 2017 ialah :
Y(7) = 8860 - 60 (7) = 8440
Berikut ini merupakan hasil peramalan bulan April – Juni 2017 pada Tabel 4.2 dan Pada
Tabel 4.3
261
Tabel 4.2 Peramalan Carton Box April 2017 – Juni 2017
April 2017
Mei 2017
Juni 2017
kecil
8440
8380
8320
April 2017
Mei 2017
Juni 2017
kecil
8377
8287
8197
April 2017
Mei 2017
Juni 2017
kecil
8587
8686
8784
Tipe A1
sedang
8727
8766
8804
Tipe A4
sedang
8501
8415
8329
Tipe E
sedang
8720
8798
8875
besar
9037
9014
8991
kecil
8531
8532
8533
besar
8377
8301
8226
kecil
8500
8479
8458
Tipe A2
sedang
8320
8248
8175
Tipe A5
sedang
8590
8566
8542
besar
8574
8535
8497
kecil
8257
8126
7994
besar
8671
8705
8739
kecil
8294
8225
8157
Tipe A3
sedang
8504
8495
8487
Tipe C
sedang
8430
8389
8348
besar
8540
8480
8420
besar
8391
8295
8199
besar
7727
7594
7461
Tabel 4.3 Peramalan Pallet Kertas April 2017 – Juni 2017
Australia pallet
Euro Pallet 1000 mm Euro pallet 800 mm x Asia pallet 1100 mm
1200 mm
x 1100 mm
1165mm x 1165mm
x 1200 mm
April 2017
Mei 2017
Juni 2017
5705
5725
5744
5599
5637
5675
5570
5590
5610
5371
5403
5436
Custom pallet
5918
5905
5892
Agregasi Produk
Faktor Agregasi
Sebelum dilakukan proses agregasi produk, terlebih dahulu harus ditentukan satuan
yang akan digunakan sebagai acuan. Produk carton box dengan tipe A1 ukuran besar dan
juga pallet kertas dengan tipe custom memiliki nilai permintaan paling besar sehingga
waktu baku untuk tipe dan ukuran tersebut memiliki faktor konversi 1, sedangkan untuk
tipe dan ukuran lainnya memiliki nilai konversi yang dapat dilihat pada Tabel 5.3.
Tabel 4.4 Faktor Agregasi Carton BoxTabel 4.5 Faktor Agregasi Pallet Kertas
Tipe
Tipe A1
Tipe A2
Tipe A3
Tipe A4
Tipe A5
Tipe C
Tipe E
Ukuran
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Kecil
Sedang
Besar
Faktor konversi
0.00097
0.00111
0.00125
0.00097
0.00111
0.00125
0.00097
0.00111
0.00125
0.00069
0.00083
0.00111
0.00097
0.00111
0.00125
0.00139
0.00167
0.00194
0.00083
0.00111
0.00167
0.00125
Faktor
Agregasi
0.78
0.89
1
0.78
0.89
1
0.78
0.89
1
0.56
0.67
0.89
0.78
0.89
1
1.11
1.33
1.56
0.67
0.89
1.33
Tipe
Euro Pallet 1000 mm x 1200 mm
Euro pallet 800 mm x 1200 mm
Asia pallet 1100 mm x 1100 mm
Australia pallet 1165mm x 1165mm
Custom pallet
Faktor konversi
0.0097
0.0083
0.0078
0.0081
0.0086
0.0086
Faktor
Agregasi
1.13
0.965
0.91
0.94
1
Unit Agregasi
Unit agregasi ini mengkonversikan jumlah kebutuhan untuk masing-masing
model produk dengan dasar faktor agregasi masing-masing. Caranya adalah dengan
mengalikan hasil ramalan penjualan dengan faktor agregasi masing-masing model
produk. Unit agregasi hasil konversi peramalan dalam satuan agregat untuk semua tipe
dan ukuran carton box dan pallet kertas dapat dilihat pada Tabel 4.6 dan 4.7.
262
Tabel 4.6 Unit Agregasi Carton Box Dalam Satuan Agregat Untuk Semua Tipe dan Ukuran
April 2017
Mei 2017
Juni 2017
kecil
6584
6537
6490
April 2017
Mei 2017
Juni 2017
kecil
4692
4641
4591
April 2017
Mei 2017
Juni 2017
kecil
5754
5820
5886
Tipe A1
sedang
7768
7802
7836
Tipe A4
sedang
5696
5639
5581
Tipe E
sedang
7761
7831
7899
besar
9037
9014
8991
kecil
6655
6655
6656
besar
7456
7388
7322
kecil
6630
6614
6598
besar
10277
10101
9924
Tipe A2
sedang
7405
7341
7276
Tipe A5
sedang
7646
7624
7603
besar
8574
8535
8497
kecil
6441
6339
6236
besar
8671
8705
8739
kecil
9207
9130
9055
Tipe A3
sedang
7569
7561
7554
Tipe C
sedang
11212
11158
11103
besar
8540
8480
8420
besar
13090
12941
12791
Total Unit Agregasi
170858
170103
169714
Tabel 4.7 Unit Agregasi Pallet Kertas Dalam Satuan Agregat Untuk Semua Tipe dan
Ukuran
Euro Pallet 1000 mm Euro pallet 800 mm x Asia pallet 1100 mm Australia pallet
1200 mm
x 1100 mm
1165mm x 1165mm
x 1200 mm
April 2017
6447
5404
5069
5049
Mei 2017
6470
5440
5087
5079
Juni 2017
6491
5477
5106
5110
Custom pallet
Total Unit Agregasi
5918
5905
5892
27887
27981
28076
Total Unit Agregasi
Total unit agregasi merupakan hasil penjumlahan hasil ramalan penjualan dari
masing-masing model produk setelah dikonversi dengan menggunakan faktor agregasi.
Total unit agregasi ini menjadi indikator jumlah kebutuhan yang akan dihitung pada
perhitungan kapasitas produksi. Total unit agregasi dapat dilihat pada Tabel 4.8
Tabel 4.8 Total Unit Agregasi
Bulan
April 2017
Total Unit Agregasi
Carton Box
Pallet Kertas
170858
27887
Mei 2017
170103
27981
Juni 2017
169714
28076
EvaluasiJadwal Perusahaan
Input yang digunakan dalam mengevaluasi jadwal pada perusahaan adalah data
jumlah pemesanan harian, waktu produksi, waktu setup mesin, proses produksi, dan
metode jadwal yang digunakan oleh perusahaan.
263
Tabel 4.9 Data Permintaan Konsumen1 Maret 2017
Job
Pesan
Due Date
J1
J2
J3
J4
J5
J6
J7
J8
J9
J10
J11
J12
J13
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
01-Mar-17
06-Mar-17
06-Mar-17
07-Mar-17
03-Mar-17
06-Mar-17
03-Mar-17
03-Mar-17
06-Mar-17
06-Mar-17
07-Mar-17
06-Mar-17
06-Mar-17
03-Mar-17
Durasi
Hari
3
3
4
2
3
2
2
3
3
4
3
3
2
Konsumen
Produk
PT. Tarakusuma Indah
PT. Tarakusuma Indah
PT. Shindengen
PT. Shindengen
PT. Shindengen
PT. Padma Soode Indonesia
PT. Padma Soode Indonesia
PT. Padma Soode Indonesia
PT. Cemani Toka
PT. Kagayama
PT. Kagayama
PT. Nandya Karya Perkasa
PT. Nandya Karya Perkasa
Carton Box
Carton Box
Carton Box
Carton Box
Carton Box
Carton Box
Carton Box
Carton Box
Pallet Kertas
Pallet Kertas
Pallet Kertas
Pallet Kertas
Pallet Kertas
Ukuran (mm)
Tipe
Jumlah Unit
340x300x280
A3
549x500x680
A4
600x300x300
A1
520x460x350
A5
150x100x230
A1
595x385x110
A4
270x160x150
A1
350x250x200
A2
1140x1140x120 Custom Pallet
1160x530x200 Custom Pallet
950x950x100
Custom Pallet
1000x1000x120
Asia Pallet
1200x 1000x130 Euro Pallet
1000
1300
1500
850
1200
750
900
1000
250
300
250
250
150
Setelah dilakukan evaluasi, metode yang digunakan perusahaan dalam penerapan
jadwal produksia dalah dengan menggunakan metode Earliest Due Date (EDD) maka di
dapatkan total waktu produksi sebesar 13,81 jam untuk produk carton box dengan
kapasitas produksi 8.500 pcs dan 7,99 jam untuk produk pallet kertas dengan kapasitas
produksi 1.200 pcs. Besarnya waktu tersebut belum sebanding dengan jumlah waktu
yang tersedia dan output produksi yang dihasilkan, sehingga perlu dilakukan perbaikan
jadwal agar waktu yang tersedia dapat lebih optimal digunakan. Berikut merupakan hasil
evaluasi metode EDD.
Tabel 4.10EvaluasiPenjadwalanMetode EDD
Metode
Produk
Urutan Job
J7-J4-J6-J5-J1-J8-J2-J3
AWAL (EDD)
Carton Box
Lower Pallet
Kaki Pallet
Upper Pallet
JE-JA-JC-JD-JB
Total Waktu
(jam)
JumlaH Produksi
13.81
3.36
7.99
6.06
8500
1200
AlgoritmaCampbell Dudek and Smith (CDS)
Algoritma jadwal usulan disusun berdasarkan kondisi perusahaan dengan melihat
kelemahan dari algoritma awal perusahaan yang dirancang dengan tujuan untuk
meminimumkan jumlah job yang terlambat sehingga dapat meminimasi makespan. Data
yang akan diolah menggunakan metode CDS terdiri dari produk carton box dan pallet
kertas. Untuk kedua produk tersebut memiliki urutan operasi yang berbeda sehingga
pembagian jadwal diklasifikasikan menjadi dua jenis produk yang berbeda. Berikut
adalah rekapitulasi makespan untukproduk carton box.
Tabel 4.11 Rekapitulasi Makespan Setiap Iterasi Produk Carton Box
Iterasi
Urutan Job
Makespan (jam)
Iterasi 1
Iterasi 2
Iterasi 3
Iterasi 4
Carton Box
J5-J7-J1-J6-J8-J4-J2-J3
J7-J5-J6-J8-J1-J4-J2-J3
J7-J5-J6-J4-J8-J1-J2-J3
J7-J6-J5-J8-J1-J4-J2-J3
13.23
13.15
13.15
13.15
Proses iterasi pada produk pallet kertas menghasilkan urutan job yang berbeda
pada setiap part, sehingga menghasilkan 2 alternatif. Berikut adalah hasil rekapitulasi
makespan alternatif 1 dan 2 produk pallet kertas.
264
Tabel 4.12 Rekapitulasi Makespan Alternatif 1 dan 2 produk Pallet Kertas
Alternatif
Urutan Job
Pallet Kertas
JE-JC-JA-JD-JB
JE-JC-JD-JA-JB
1
2
Makespan (jam)
7.99
7.89
Evaluasi Perbandingan Jadwal Produksi
Setelah melakukan perhitungan terhadap keseluruhan metode untuk mencari urutan
jadwal dengan tujuan meminimasi makespan, maka didapatkan hasil yang lebih baik yaitu
dengan menggunakan algoritma CDS. Berikut adalah tabel 4.13 yang membandingkan
metode usulan dengan metode yang digunakan perusahaan sebelumnya (EDD).
Tabel 4.13 Hasil Penjadwalan Produksi
Metode
Awal (EDD)
CDS
Produk
urutan Job
Carton Box
Lower Pallet
Kaki Pallet
Upper Pallet
Carton Box
Lower Pallet
Kaki Pallet
Upper Pallet
J7-J4-J6-J5-J1-J8-J2-J3
JE-JA-JC-JD-JB
J7-J5-J6-J8-J1-J4-J2-J3
JE-JC-JD-JA-JB
Total Waktu
(jam)
13.81
3.36
7.99
6.06
13.15
3.14
7.89
5.84
% Penurunan Waktu
-
4.78%
6.55%
1.25%
3.63%
Setelah mengetahui perbandingan tersebut dapat disimpulkan bahwa dengan
menggunakan algoritma CDS dapat meminimasi completion time (CT)untuk kedua
produk. Pada produk carton box mampu meminimasi CT menjadi 14,15 jam atau lebih
efisien sebesar 4,78% dari kondisi semula dan untuk produk pallet kertas nilai CT menjadi
7,89 jam atau sebesar 1,25%.
Kesimpulan
Dari hasil pengolahan dan analisa data, maka dapat disimpulkan:
1. Perencanaan agregat menghasilkan unit agregasi yang akan dijadikan nilai kapasitas
produksi, dari nilai tersebut dianalisa bahwa adanya peningkatan kapasitas yang
mampu memenuhi banyaknya jumlah permintaan. Dari penambahan tersebut mampu
meningkatkan kapasitas produksi carton box sebesar 25% dan pallet kertas meningkat
sebesar 3,4%.
2. Kondisi jadwal produksi yang digunakan pada perusahaan adalah dengan
menggunakan metode Erliest Due Date (EDD) total waktu produksi sebesar 13,81 jam
untuk produk carton box dengan jumlah produksi 8.500 pcs dan untuk pallet kertas
diklasifikasikan menjadi tiga part yaitu lower pallet 3,36 jam, kaki pallet 7,99 jam dan
upper pallet 6,06 jam dengan jumlah produksi 1.200 pcs.
3. Perbaikan jadwal produksi dilakukan menggunakan metode Campbell, Dudek and Smith
(CDS). Dari metode tersebut menghasilkan 4 iterasi untuk produk carton box, 1 iterasi
untuk lower pallet, 2 iterasi untuk kaki pallet dan 1 iterasi untuk upper pallet. Output
yang dihasilkan dari algoritma ini adalah total makespan. Alternatif 2 merupakan
urutan job terbaik untuk produk carton box. Dengan algoritma CDS mampu
meminimasi makespan produksi carton box pada 1 maret 2017 sebesar 4,78%, lower pallet
6,55%, kaki pallet 1,25% dan upper pallet 3,63%. Perbaikan jadwal produksi dengan
kapasitas baru membutuhkan perbaikan Tata Letak yang baru.
265
Daftar pustaka
Harsanto. Budi, 2017. Dasar Ilmu Manajemen Operasi, Bandung, Indonesia: UNPAD Press.
Michael L. Pinedo, 2012. Scheduling: Theory, Algorithms, and Systems, Fourth edition, New
York, USA: Springer.
Namihas. Steven, Olsen. Tava Lennon, 2015. Production and Operations Analysis, Seventh
Edition, Illinois, USA: Waveland Press.
Suparjo, Prabowo. Rony, 2015. “Analisis Peningkatan Kapasitas Produksi Dengan
Membandingkan Antara Penambahan Shift Dan KerjaLemburPada UD. Barokah”, Jurnal
ITATS, No.1, Vol 19.
Venkata Chalapathi Pasupuleti, 2012 “Scheduling In Cellular Manufacturing Systems”,
International Journal of Industrial Engineering, No. 7, Vol. 4
266