Perancangan Ulang Tata Letak Fasilitas dengan Metode Fuzzy Analytical Hierarchy Process, BLOCPLAN dan CORELAP pada PT. Indojaya Agrinusa Chapter III VII

BAB III
TINJAUAN PUSTAKA

3.1.

Tata Letak Pabrik 4
Tata letak pabrik adalah perancangan susunan fisik suatu unsur kegiatan

yang berhubungan dengan industri manufaktur. Perencanaan tataletak mencakup
desain atau konfigurasi dari bagian-bagian, pusat kerja, dan peralatan yang
membentuk proses perubahan dari bahan mentah menjadi barang jadi.
Rekayasawan rancang fasilitas menganalisis, membentuk konsep, merancang dan
mewujudkan sistem bagi pembuatan barang atau jasa. Dengan kata lain,
merupakan pengaturan tempat sumber daya fisik yang digunakan untuk membuat
produk. Rancangan ini umumnya digambarkan sebagai rencana lantai yaitu suatu
susunan fasilitas fisik (perlengkapan, tanah, bangunan, dan sarana lain) untuk
mengoptimumkan hubungan antara petugas pelaksana, aliran bahan, aliran
informasi dan tata cara yang diperlukan untuk mencapai tujuan usaha secara
efesien ekonomis dan aman.
Beberapa tujuan perancangan tata letak fasilitas yaitu: 5
1. Memanfaatkan area yang ada.

Perancangan tata letak yang optimal akan memberikan solusi dalam
penghematan penggunaan area yang ada, baik area untuk produksi, gudang,
service dan untuk departemen lainnya.
4

James M. Apple, Tataletak Pabrik dan Pemindahan Bahan, Penerbit ITB, Bandung, 1990, h. 2-4.

5

Hari Purnomo, Perencanaan & Perancangan Fasilitas, Graha Ilmu, Yogyakarta,
2004, h. 117-120.

Universitas Sumatera Utara

2. Pendayagunaan pemakaian mesin, tenaga kerja dan fasilitas produksi lebih
besar.
Pengaturan yang tepat akan dapat mengurangi investasi di dalam peralatan dan
perlengkapan produksi. Peralatan-peralatan dan perlengkapan dalam proses
produksi dapat dipergunakan dalam tingkat efisiensi yang cukup tinggi. Begitu
juga dengan fasilitas produksi lainnya akan dapat berdaya guna.

3. Meminimumkan material handling.
Selama proses produksi akan selalu terjadi aktivitas perpindahan baik itu
bahan baku, tenaga kerja, mesin ataupun peralatan produksi lainnya. Proses
perpindahan ini memerlukan biaya yang cukup besar. Dengan demikian,
perancangan tata letak yang baik harus mampu meminimalkan aktivitasaktivitas pemindahan bahan. Tata letak sebaiknya dirancang sedemikian rupa
sehingga jarak angkut dari masing-masing fasilitas dapat diminimalisir.
4. Mengurangi waktu tunggu dan mengurangi kemacetan.
Waktu tunggu dalam proses produksi yang berlebihan dapat dikurangi dengan
pengaturan tata letak yang terkoordinasi dengan baik. Banyaknya perpotongan
dari suau lintasan produksi menyebabkan terjadinya kemacetan-kemacetan.
5. Memberikan jaminan keamanan, keselamatan dan kenyamanan bagi tenaga
kerja.
Para tenaga kerja tentu saja menginginkan bekerja di dalam lingkungan yang
aman, nyaman dan menyenangkan. Hal-hal yang dianggap membahayakan
bagi kesehatan dan keselamatan kerja harus dihindari.
6. Mempersingkat proses manufaktur.

Universitas Sumatera Utara

Dengan memperpendek jarak antara operasi satu dengan operasi berikutnya,

maka waktu yang diperlukan dari bahan baku untuk berpindah dari suatu
stasiun kerja ke stasiun kerja lainnya dapat dipersingkat pula. Dengan
demikian, total waktu produksi juga dapat dipersingkat.
7. Mengurangi persediaan setengah jadi.
Persediaan barang setengah jadi (work in process inventory) terjadi karena
belum selesainya proses produksi dari produk yang bersangkutan. Persediaan
barang setengah jadi yang tinggi, tidak menguntungkan perusahaan karena
dana yang tertanam tersebut sangat besar. Perancangan tata letak yang baik
hendaknya memperhatikan kesinambungan lintasan (line balancing), karena
menumpuknya barang setengah jadi salah satunya disebabkan oleh tidak
seimbangnya lintasan produksi.
8. Memperudah aktivitas supervisi.
Penempatan ruangan supervisor yang tepat akan memberikan keleluasaan bagi
supervisor untuk mengawasi aktivitas yang sedang berlangsung di area kerja.

3.2.

Pengertian Umum Pemindahan Bahan6
Pemindahan bahan (material handling) dirumuskan oleh American

Material Handling Society, yaitu sebagai suatu seni dari ilmu yang meliputi
penanganan (handling), pemindahan (moving), pembungkusan / pengepakan
(packaging),

penyimpanan

(storing)

sekaligus

pengendalian

pengawasan

(controlling) dari bahan atau material dengan segala bentuknya. Dalam kaitannya
6

Sritomo Wigniosobroto, Tata Letak Pabrik dan pemindahan Bahan, (Surabaya,
2000), h. 212

Universitas Sumatera Utara

dengan pemindahan bahan, maka proses pemindahan bahan ini akan dilaksanakan
dari satu lokasi ke lokasi yang lain. Demikian pula lintasan ini dapat dilaksanakan
dalam suatu lintasan yang tetap atau berubah-ubah.
7

Terdapat beberapa macam system yang digunakan untuk melakukan

pemgukuran jarak dari suatu lokasi terhadap lokasi lain, seperti euclidean, square
euclidean, rectilinear, aisle distance dan adjacency.
1. Jarak Euclidean
Jarak diukur lurus dari satu fasilitas ke fasilitas lainnya. Jarak euclidean dapat
diiliustrasikan sebagai conveyor lurus yang memotong dua buah stasiun kerja.
Formula yang digunakan adalah:
d ij = [( Xi − Xj ) 2 + (Yi − Yj) 2 ]

Ket:

Xi

: koordinat X pada pusat fasilitas i

Yi

: koordinat Y pada pusat fasilitas i

Dij

: jarak antar pusat fasilitas i ke j

2. Jarak Rectilinear
Jarak diukur sepanjang lintasan dengan menggunakan garis tegak lurus
(orthogonal) satu dengan yang lainnya. Sebagai contoh perhitungan jarak antar
fasilitas dimana peralatan pemindahan bahan hanya dapat bergerak secara
tegak lurus. Formula yang digunakan adalah:
dij = |Xi-Xj| + |Yi-Yj|
3. Squared Euclidean

7

Op.Cit, Hari Purnomo, h. 80-85

Universitas Sumatera Utara

Jarak diukur dengan mengkuadratkan bobot terbesar suatu jarak antar dua
fasilitas

yang

berdekatan.relatif untuk

beberapa

persoalan terutama

menyangkut persoalan lokasi fasilitas diselesaikan dengan penerapan square
euclidean. Formula yang digunakan adalah:
dij = (Xi-Xj)2 + (Yi-Yj)2
4. Aisle

Aisle distance akan mengukur jarak sepanjang lintasan yang dilalui alat
pengangkut pemindah bahan. Dari Gambar 3.1 (a) ukuran jarak aisle antara
departemen K dan M merupakan jumlah dari a, b dan d. Sedang Gambar 3.1
(b) jarak aisle departemen 1 dengan departemen 3 merupakan jumlah dari a,
c, f dan h. Aisle distance pertama kali diaplikasikan pada masalah tata letak
dari proses manufaktur.
Dept K
a

Dept 3

Dept 2

Dept 1

Dept L
c

b

Dept M

h

d

a
c

f

e

g

d
Dept 4

1.

Dept 5

Dept 6

(b)
Gambar 3.1. Adjacency Distance

Universitas Sumatera Utara

2. Adjacency
Adjacency merupakan ukuran kedekatan antara fasilitas-fasilitas atau
departemen-departemen yang terdapat dalam suatu perusahaan. Dalam
perancangan tata letak dengan metode SLP, sering digunakan ukuran
adjacency yang biasa digunakan untuk mengukur tingkat kedekatan antara
departemen satu dengan departemen lainnya. Kelemahan ukuran jarak
adjacency adalah tidak dapat memberi perbedaan secara riil jika terdapat dua
pasang fasilitas di mana satu dengan lainnya tidak berdekatan. Sebagai contoh
(Gambar 3.2.) jarak antara departemen K dan departemen N yang tidak saling
berdekatan berjarak 40 m, dan jarak antara departemen M dan departemen N
yang berjarak 75 m, hal ini bukan berarti antara departemen K dan departemen

N mempunyai tingkat kedekatan yang lebih tinggi. Dalam hal ini keduaduanya baik dkn (tingkat kedekatan departemen K dan N) dan dmn (tingkat
kedekatan departemen M dan N) dalam adjacency akan sama-sama diberi nilai
0. Sebaliknya meskipun departemen M dan departemen N masing-masing jika
diukur dengan jarak rectilinear maupun jarak euclidean sama dengan
departemen L, bukan berarti mempunyai nilai adjacency yang sama. Bisa saja
antara departemen M dan departemen L mempunyai jarak adjacency yang
lebih dibandingkan jarak adjacency antara departemen N dan departemen L.
Misalkan antara departemen M dan L nilai adjacency sebesar 3, sedang antara
departemen N dan L nilai adjacency sebesar 1.

Universitas Sumatera Utara

Dept K

Dept M

Dept L

Dept N

Gambar 3.2. Adjacency Distance

3.2.1. Tujuan Utama Kegiatan Pemindahan Bahan8
Tujuan kegiatan pemindahan bahan itu antara lain:
1. Meningkatkan kapasitas produksi
Peningkatan kapasitas produksi ini dapa dicapai melalui:
a. Peningkatan produksi kerja per man-hour
b. Peningkatan efisiensi mesin atau peralatan dengan mengurangi down-time
c. Menjaga kelancaran aliran kerja dalam pabrik
d. Perbaikan pengawasan terhadap kegiatan produksi.
2. Mengurangi limbah buangan (waste)
Untuk mencapai tujuan ini, maka dalam kegiatan pemindahan bahan harus
memperhatikan hal-hal berikut ini :
a. Pengawasan yang sebaik-baiknya terhadap keluar masuknya persediaan
material yang dipindahkan
b. Fleksibilitas untuk memenuhi ketentuan-ketentuan dan kondisi-kondisi
khusus dalam memindahkan bahan ditinjau dari sifatnya.
8

Ibid, h. 225-227

Universitas Sumatera Utara

c. Fleksibilitas untuk memenuhi ketentuan-ketentuan dan kondisi-kondisi
khusus dalam memindahkan bahan ditinjau dari sifatnya.
3. Memperbaiki kondisi area kerja
Pemindahan bahan yang baik akan dapat memenuhi tujuan ini, dengan cara:
a. Memberikan kondisi kerja yang lebih nyaman dan aman
b. Mengurangi faktor kelelahan bagi pekerja/operator
c. Menigkatkan perasaan nyaman bagi operator
d. Memacu pekerja untuk mau bekerja lebih produktif lagi.
4. Memperbaiki distribusi material
Dalam hal ini, kegiatan material handling memiliki sasaran :
1. Mengurangi

terjadinya

kerusakan

terhadap

produk

selama

proses

pemindahan bahan dan pengiriman
2. Memperbaiki jalur pemindahan bahan
c. Memperbaiki lokasi dan pengaturan dalam fasilitas penyimpanan (gudang)
d. Maningkatkan efisiensi dalam hal pengiriman barang dan penerimaan.
5. Mengurangi biaya
Pengurangan biaya ini dapat dicapai melalui :
a. Penurunan biaya inventory
b. Pemanfaatan luas area untuk kepentingan yang lebih baik
c. Peningkatan produktivitas.
Masalah pemindahan bahan mencakup kemungkinan bahwa sumber atau
tujuan dapat dipergunakan sebagai titik antara dalam mencari hasil optimal.

Universitas Sumatera Utara

3.3.

Analytical Hierarchy Process (AHP) 9
Metode AHP dikembangkan oleh Thomas L. Saaty, seorang ahli

matematika. Metode ini adalah sebuah kerangka untuk mengambil keputusan
dengan efektif atas persoalan yang kompleks dengan menyederhanakan dan
mempercepat proses pengambilan keputusan dengan memecahkan persoalan
tersebut ke dalam bagian - bagiannya, menata bagian atau variabel ini dalam
suatu susunan hirarki, member nilai numerik

pada

pertimbangan

subjektif

tentang pentingnya tiap variabel d an mensintesis berbagai pertimbangan ini
untuk menetapkan variabel yang mana yang memiliki prioritas paling tinggi dan
bertindak untuk mempengaruhi hasil pada situasi tersebut. Metode AHP ini
membantu memecahkan persoalan yang kompleks dengan menstruktur suatu
hirarki kriteria, pihak yang berkepentingan, hasil dan dengan menarik
berbagai pertimbangan guna mengembangkan bobot atau prioritas. Metode ini
juga menggabungkan kekuatan dari perasaan dan logika yang bersangkutan pada
berbagai persoalan, lalu mensintesis berbagai pertimbangan yang beragam
menjadi hasil yang cocok dengan perkiraan kita secara intuitif sebagaimana yang
dipresentasikan pada pertimbangan yang telah dibuat.
Menurut Saaty, ada tiga prinsip dalam memecahkan persoalan dengan
AHP, yaitu prinsip menyusun hirarki (Decomposition), prinsip menentukan
prioritas (Comparative Judgement), dan prinsip konsistensi logis (Logical
Consistency). Hirarki yang dimaksud adalah hirarki dari permasalahan yang akan

9

Antono Adhi, Pengambilan Keputusan Pemilihan Handphone Terbaik dengan Analytical
Hierarchy Process (AHP), Semarang, 2010.

Universitas Sumatera Utara

dipecahkan

untuk

mempertimbangkan

kriteria-kriteria

atau

komponen-

komponen yang mendukung pencapaian tujuan. Dalam proses menentukan
tujuan dan hirarki tujuan, perlu diperhatikan apakah kumpulan tujuan beserta
kriteria-kriteria yang bersangkutan tepat untuk persoalan yang dihadapi.
Setelah persoalan didefinisikan maka perlu dilakukan decomposition,
yaitu memecah persoalan yang utuh menjadi unsur-unsurnya. Jika ingin
mendapatkan hasil yang akurat, pemecahan juga dilakukan terhadap unsurunsurnya sehingga didapatkan beberapa tingkatan dari persoalan tadi. Karena
alasan ini maka proses analisis ini dinamai

hirarki

(Hierarchy).

Prinsip

Comparatif Judgement berarti membuat penilaian tentang kepentingan relatif
dua elemen pada suatu tingkat tertentu dalam kaitannya dengan tingkat yang
diatasnya. Penilaian ini merupakan inti dari AHP, karena akan berpengaruh
terhadap prioritas elemen-elemen. Hasil dari penilaian ini akan ditempatkan
dalam bentuk matriks yang dinamakan matriks pairwise comparison. Dalam
melakukan penialaian terhadap elemen-elemen yang diperbandingkan terdapat
tahapan-tahapan, yakni:
a. Elemen mana yang lebih (penting/disukai/berpengaruh/lainnya)
b. Berapa kali sering (penting/disukai/berpengaruh/lainnya
Dalam penyusunan skala kepentingan ini, digunakan acuan seperti pada
tabel berikut:

Universitas Sumatera Utara

Tabel 3.1. Skala Penilaian Perbandingan Berpasangan AHP
Intensitas Kepentingan
Keterangan
1
Kedua elemen sama pentingnya
3

Elemen yang satu sedikit lebih penting daripada elemen yang
lainnya

5

Elemen yang satu lebih penting daripada yang lainnya

7

Satu elemen jelas lebih mutlak penting daripada elemen lainnya

9

Satu elemen mutlak penting daripada elemen lainnya

2,4,6,8

Nilai-nilai antara dua nilai pertimbangan-pertimbangan yang
berdekatan

Dari setiap matriks pairwise comparison kemudian dicari nilai
eigen vectornya untuk mendapatkan local priority. Karena matriks-matriks
pairwise comparison terdapat pada setiaptingkat, maka untuk mendapatkan
global priority harus dilakukan sintesis antara local priority. Pengurutan elemenelemen menurut kepentingan relatif melalui prosedur sintesis dinamakan priority
setting. Konsistensi memiliki dua makna, pertama adalah objek-objek yang
serupa dapat dikelompokkan sesuai dengan keseragaman dan relevansi. Arti
kedua adalah menyangkut tingkat hubungan antara objek-objek yang didasarkan
pada kriteria tertentu.
AHP dapat digunakan dalam memecahkan berbagai masalah diantaranya
untuk mengalokasikan sumber daya, analisis keputusan manfaat atau biaya,
men entukan peringkat beberapa alternatif, melaksanakan perencanaan ke masa
depan yang diproyeksikan dan menetapkan prioritas pengembangan suatu unit
usaha dan permasalahan kompleks lainnya. Secara umum, langkah-langkah
dasar dari AHP dapat diringkas dalam penjelasan berikut ini:

Universitas Sumatera Utara

1. Mendefinisikan masalah dan menetapkan tujuan. Bila AHP digunakan untuk
memilih alternatif atau penyusunan prioritas alternatif, maka pada tahap
ini dilakukan pengembangan alternatif.
2. Menyusun masalah dalam struktur hirarki. Setiap permasalahan yang
kompleks dapat ditinjau dari sisi yang detail dan terstruktur.
3. Menyusun prioritas untuk tiap elemen masalah pada tingkat hirarki. Proses ini
menghasilkan bobot elemen terhadap pencapaian tujuan, sehingga elemen
dengan bobot tertinggi memiliki prioritas penanganan. Langkah pertama
pada tahap ini adalah menyusun perbandingan berpasangan yang
ditransformasikan dalam bentuk matriks, sehingga matriks ini disebut
matriks perbandingan berpasangan. Pendekatan yang dilakukan untuk
memperoleh nilai bobot kriteria adalah dengan langkah-langkah berikut:
1. Menyusun matriks perbandingan
2. Matriks perbandingan hasil normalisasi
3. Melakukan pengujian konsistensi terhadap perbandingan antar elemen yang
didapatkan pada tiap tingkat hirarki. Konsistensi perbandingan ditinjau
dari per matriks perbandingan dan keseluruhan hirarki untuk memastikan
bahwa urutan prioritas yang dihasilkan didapatkan dari suatu rangkaian
perbandingan yang
yang

logis.

masih

berada

dalam

batas-batas

preferensi

Setelah melakukan perhitungan bobot elemen, langkah

selanjutnya adalah melakukan pengujian konsistensi matriks. Untuk
melakukan perhitungan ini diperlukan bantuan table Random Index (RI)

Universitas Sumatera Utara

yang nilainya untuk setiap ordo matriks dapat dilihat pada tabel berikut
ini:
Tabel 3.2. Harga Random Consistency Index
N

2

RI

0

Dengan

3
0,58

tetap

4

5

6

7

0,90

1,12

1,24

1,32

menggunakan

matriks

di

8

9

1,41

atas,

1,45

pendekatan

10
1,51

yang

digunakan dalam pengujian konsistensi matriks perbandingan adalah:
1. Melakukan perkalian antara bobot elemen dengan nilai awal matriks &
membagi jumlah perkalian bobot elemen & nilai awal matriks dengan
bobot untuk mendapatkan nilai eigen.
2. Mencari nilai matriks. Nilai

matriks

merupakan

nilai

rata-rata

dari

nilai eigen yang didapatkan dari perhitungan sebelumnya.
3. Mencari nilai Consistency Index (CI).
Dimana CI = Zmaks – N/(N-1), dan N adalah jumlah elemen dalam
matriks.
4. Mencari nilai Consistency Ratio (CR) Dimana CR = CI / RI
Suatu matriks perbandingan disebut konsisten jika nilai CR < 0,10.

Universitas Sumatera Utara

3.4.

Logika Fuzzy untuk Pendukung Keputusan10
Dalam banyak hal, logika fuzzy digunakan sebagai suatu cara untuk

memetakan permasalahan dari input menuju ke output yang diharapkan. Sebagai
contoh adalah sebagai berikut:
1. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak
persediaan pada akhir minggu, kemudian manajer produksi akan
menetapkan jumlah yang akan diproduksi
2. Ketika pelayan memberikan pelayanan terhadap tamu dan tamu akan
memberikan tip sesuai baik atau tidak pelayanannya.
3. Saat kita tahu seberapa sejuk ruangan tersebut, kita akan mengatur putaran
kipas yang terdapat di ruangan tersebut
Kotak hitam tersebut berisi cara atau metode yang dapat digunakan untuk
mengolah data input menjaudi output dalam bentuk informasi yang baik,
lihat Gambar 3.3.

RUANG
INPUT

RUANG

KOTAK
HITAM

OUTPUT

Gambar 3.3. Pemetaan Input-Output

Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara
lain :

10

Sri. Kusumadewi, Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Graha
Ilmu, Yogyakarta, 2004, h. 1-8

Universitas Sumatera Utara

a. Konsep logika fuzzy mudah dimengerti. Karena logika fuzzy menggunakan
dasar teori himpunan, maka konsep matematis yang mendasari penalaran fuzzy
tersebut cukup mudah dimengerti.
b. Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan perubahanperubahan, dan ketidakpastian yang menyertai permasalahan.
c. Logika fuzzy memiliki toleransi terhadap data yang tidak tepat. Jika diberikan
sekelompok data yang cukup homogeny, dan kemudian ada beberapa data
yang “eksklusif”, maka logika fuzzy memiliki kemampuan untuk menangani
data eksklusif tersebut.
d. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat
kompleks.
e. Logika

fuzzy

dapat

membangun

dan

mengaplikasikan

pengalaman-

pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
Dalam hal ini, sering dikenal dengan nama Fuzzy Expert Systems menjadi
bagian terpenting.
f. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendarli secara
konvensional. Hal ini umumnya terjadi pada aplikasi di bidang teknik mesin
maupun teknik elektro.
g. Logika fuzzy didasarkan pada bahasa alami. Logika fuzzy menggunakan
bahasa sehari-hari sehingga mudah dimengerti.
Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau
keputusan, sedangkan probabilitas mengindikasikan proporsi terhadap keseringan

Universitas Sumatera Utara

suatu hasil bernilai benar dalam jangka panjang. Himpunan fuzzy memiliki 2
atribut, yaitu :
1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami.
2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu
variable.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu :
a. Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem
fuzzy. Pada penelitian ini diasumsikan sebagai kriteria-kriteria penentu
penurunan kadar akhir logam terlarut yang melalui SPE, yaitu arus listrik,
besar medan magnet, pasir besi, lama penyaringan, sifat kemagnetan logam,
kadar awal logam.
b. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau
keadaan tertentu dalam suatu variabel fuzzy. Dalam penelitian ini diasumsikan
sebagai alternatif dari masing-masing kriteria (subkriteria) yaitu kuantitas
besar, kuantitas kecil, magnetic, non magnetic.
c. Semesta pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Pada penelitian ini dapat diasumsikan
nilai (bobot) TFN yang diperbolehkan untuk menilai masing sub kriteria.

Universitas Sumatera Utara

d. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam
semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
Dalam penelitian ini diasumsikan sebagai besar TFN dan definisi dari besaran
tersebut.
Fungsi keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya
(sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0
sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai
keanggotaan adalah dengan melalui pendekatan fungsi
Dalam pengambilan keputusan fuzzy terdiri dari empat prinsip utama
yaitu: 11
The Fuzzification Interface

1.

Pada tahap ini dilakukan pengukuran terhadap nilai dari variabel input dan
output, menterjemahkan rentang nilai tersebut ke dalam himpunan fuzzy dan
merubah himpunan fuzzy tersebut menjadi bahasa natural seperti tinggi,
rendah dan sangat rendah.
The Knowledge Base

2.

Sebuah database yang berisi expert knowledge dari aplikasi dan aturanaturan proses. Fungsi keanggotaaan ditentukan pada tahap ini dan
digunakan pada tahap fuzzification interface

11

Fikri Dweri, Fuzzy Development of Crisp Activity Relationship Chart for Facility
Layout, Computer & Industrial Engineering Journal, Jordan, 1999

Universitas Sumatera Utara

3.

The Decision Making Logic
Logika ini memiliki

kemampuan dalam mensimulasikan pengambilan

keputusan oleh manusia yang dilakukan dengan memperkirakan alasan
untuk mencapai suatu strategi yang diinginkan. Kebanyakan logika
pengambilan keputusan ini disusun dalam bentuk aturan if-then. Nilai
keanggotaan dari tahap ini diperoleh dengan aturan niali minimum dari
nilai keanggotaan variabel input.
The Defuuzification Interface

4.

Tahap ini mengkonversikan output fuzzy menjadi nilai yang tegas (crisp).
Metode yang digunakan dalam proses defuzzifikasi adalah center of area
(COA) yang dirumuskan sebagai berikut:

Ro = Nilai crisp akhir dari sebuah aktivitas
�

i

= Rating fuzzy kedekatan departemen untuk suatu aturan
= Jumlah aturan yang digunakan

R = Rating numerik kedekatan departemen untuk suatu aturan
µ

= derajat keanggotaan departemen untuk suatu aturan

3.4.1. Fuzzy Analytical Hierarchy Process 12
Analytical Hierarchy Process (AHP) adalah metode yang biasa digunakan
dalam pengambilan keputusan multi kriteria. Dalam perencanaan, dan proses
12

Cengiz Kahraman, Fuzzy Multi Criteria Decision Making, Turki, Istanbul
Technical University, h. 53-54.

Universitas Sumatera Utara

pengambilan keputusan diperlukan langkah yang logika dan sistematis. Teori
fuzzy dapat menjadi metode yang umum digunakan dalam menganalisa
pengambilan keputusan dengan banyak kriteria. Fuzzy AHP merupakan metode
dengan pendekatan yang sistematis untuk menyeleksi alternatif dan mendapatkan
masalah sebenarnya dengan konsep fuzzy dan struktur hirarki. Chang
memperkenalkan pendekatan baru dalam menangani fuzzy AHP dengan
menggunakan triangular fuzzy number untuk membuat skala perbandingan
berpasangan dan menggunakan metode extent analysis. Skala perbandingan
berpasangan fuzzy AHP dapat dilihat pada Tabel 3.3.
Tabel 3.3. Skala Penilaian Perbandingan Berpasangan Fuzzy AHP

Variabel Linguistik
Kedua elemen sama penting
Kedua elemen mendekati sama penting
Elemen yang satu mendekati sedikit lebih penting
daripada elemen yang lainnya
Elemen yang satu sedikit lebih penting daripada
elemen yang lainnya
Elemen yang satu mendekati lebih penting daripada
yang lainnya
Elemen yang satu lebih penting daripada yang
lainnya
Satu elemen mendekati mutlak lebih penting
daripada elemen lainnya
Satu elemen mutlak lebih penting daripada elemen
lainnya
Satu elemen mutlak penting daripada elemen lainnya

Nilai AHP

Triangular Fuzzy
Number (TFN)

Reciprocal
(Kebalikan

1
2
3

(1,1,1)
(1/2,1,3/2)
(1,3/2,2)

(1,1,1)
(2/3,1,2)
(1/2,2/3,1)

4

(3/2,2,5/2)

(2/5,1/2,2/3)

5

(2,5/2,3)

(1/3,2/5,1/2)

6

(5/2,3,7/2)

(2/7,1/3,2/5)

7

(3,7/2,4)

(1/4,2/7,1/3)

8

(7/2,4,9/2)

(2/9,1/4,2/7)

9

(4,9/2,9/2)

(2/9,2/9,1/4)

Universitas Sumatera Utara

13

Sebelum memulai proses FAHP, maka disusun kriteria dan sub kriteria

secara hierarki berdasarkan metode Chang. Kemudian sub kriteria dari masingmasing kriteria tersebut dievaluasi menggunakan bilangan TFN dengan batasan
seperti Tabel 3.3. Setelah masing-masing sub kriteria diberikan penilaian
kemudian disusun ke dalam bentuk matrik berpasangan sebagai berikut :

(3.1)

merupakan matrik TFN dari penilaian masing-masing subkriteria.
Langkah 1: nilai dari tambahan sintetik fuzzy terhadap objek ke I
didefenisikan sebagai
(3.2)
merupakan penjumlahan dari masing-masing nilai TFN pada matrik
berpasangan
terendah dari TFN,

. Dimana
adalah nilai tengah dari TFN, dan

dari TFN pada matrik berpasangan. Sedangkan

adalah nilai

adalah nilai tertinggi
merupakan

invers dari operasional penjumlahan TFN yaitu
.
Setelah operasional fuzzy lanjutan, selanjutnya dilakukan proses pencarian derajat
kemungkinan (degree of possibility) dari hasil operasional fuzzy lanjutan.

13

Ibid, h. 69-72

Universitas Sumatera Utara

Langkah 2: Degree of possibility diasumsikan dari
dan

dimana

adalah sebagai berikut :
(3.3)

Sehingga diperoleh degree of possibility :

(3.4)

Untuk membandingkan

dan

diperlukan nilai

dan

.
Langkah 3: Jika derajat ketidakpastian (degree of possibility) dari bilangan
TFN lebih besar dari konstanta

bilangan fuzzy

diasumsikan sebagai berikut :

.
Persamaan (3.4) dapat diilustrasikan seperti Gambar 3.4.

Gambar 3.4. Grafik Persimpangan

dan

Berdasarkan uraian tersebut dapat diasumsikan persamaan :

Universitas Sumatera Utara

(3.5)

dimana

. Selanjutnya diperoleh vektor prioritas

(vector priority) :

(3.6)
dengan

.

Langkah 4: Setelah melalui normalisasi diperoleh persamaan vektor
prioritas (weight vector) yaitu :

(3.7)
14

Pendekatan fuzzy AHP digunakan dalam mengatasi masalah derajat

kedekatan dalam ARC. Dalam meranking derajat kedekatan ARC biasanya
mengalami keambiguan pada faktor kualitatif atau kuantitatif. Fuzzy AHP
digunakan untuk memastikan tingkat konsistensi perancang dengan melihat bobot
masing-masing faktor. ARC yang didapat tersebut berupa crisp activity
relationship chart yang dapat digunakan menjadi input derajat kedekatan
menggunakan CORELAP, dan lain-lain dalam mengembangkan tata letak.

3.5.

Activity Relationship Chart (ARC)15
Activity Relationship Chart (ARC) dikembangkan untuk menentukan

derajat kedekatan (degree of closeness). Degree of closeness menjelaskan perlu
14
15

Op. Cit, Fikri Dweri
Sukaria Sinulingga, Pengantar Teknik Industri, Graha Ilmu, Yogyakarta, 2008,
h.205-207.

Universitas Sumatera Utara

tidaknya satu bagian ditempatkan berdekatan dengan bagian lain, dan hal ini
bergantung pada derajat hubungan kedua bagian tersebut.
ARC dikembangkan oleh Robert Muther. Untuk menggambarkan derajat
kedekatan hubungan antar seluruh kegiatan atau bagian digunakan symbol-simbol
A, E, I, O, U dan X, yaitu:
A

= Absolutely necessary yaitu hubungan bersifat mutlak

E

= Especially important yaitu hubungan bersifat sangat penting

I

= Important yaitu hubungan bersifat cukup penting

O

= Ordinary yaitu bersifat biasa-biasa saja

U

= Undesireable yaitu hubungan yang tidak diinginkan

X

= Hubungan yang sangat tidak diinginkan

Gambar 3.5. Activity Relationship Chart (ARC)

Universitas Sumatera Utara

3.6.

Computer Aided Layout 16
Perkembangan teknologi komputer yang demikian pesat terutama sejak

tahun 1970-an telah dimanfaatkan secara efektif dalam berbagai bidang termasuk
di bidang perencanaan layout. Sejumlah program komputer yang dikembangkan
sebagai alat bantu dalam análisis layout telah dikembangkan dan tersedia untuk
dimanfaatkan. Masing-masing program komputer tersebut memiliki kekhususan
sesuai dengan karakteristik layout yang dirancang.

3.6.1. Algoritma BLOCPLAN 17
BLOCPLAN merupakan system perancangan tata letak fasilitas yang
dikembangkan oleh Donaghey dan Pire pada Departemen Teknik Industri,
Universitas Houston. Program ini membuat dan mengevaluasi tipe-tipe tata letak
dalam merespon data masukan. BLOCPLAN mempunyai kemiripan dengan Craft
dalam penyusunan departemen. Perbedaan antara BLOCPLAN dan Craft adalah
bahwa BLOCPLAN dapat meggunakan keterkaitan sebagai input data, sedangkan
Craft hanya menggunakan peta dari-ke (from to chart). Biaya tata letak dapat
diukur baik berdasarkan ukuran jarak maupun dengan kedekatan. Jumlah baris di
dalam BLOCPLAN ditentukan oleh program dan biasanya dua atau tiga baris.
Sama halnya dengan Craft, BLOCPLAN juga mempunyai kelemahan
yaitu tidak akan menangkap layout secara akurat. Pengembangan tata letak hanya
dapat dicari dengan melakukan perubahan atau pertukaran letak departemen satu
16

James A. Tompkins, Facilities Planning, John Wiley & Sons, Inc., New York, 1996), h.326358.
17
Op.Cit, Hari Purnomo, h. 207-209

Universitas Sumatera Utara

dengan yang lainnya. Selain peta keterkaitan BLOCPLAN, kadang-kadang juga
menggunakan input data lain yaitu peta from to chart, hanya saja kedua input
tersbut hanya digunakan salah satu saja saat melakukan evaluasi tata letak.
BLOCPLAN merupakan singkatan dari Block Layout Overview with
Computerized Planning using Logic and Algorithm. Data-data yang dipakai dalam
algoritma BLOCPLAN dapat berupa data kuantitatif yang dibentuk dengan
menggunakan Activity Relationship Chart (ARC) maupun data kuantitatif yang
berupa aliran produk dan ukuran dari area bangunan (departemen) yang akan
ditempati oleh fasilitas. Setelah semua data dimasukkan akan dihasilkan layout
secara random dimana pertukaran letak fasilitas-fasilitas terus dilakukan hingga
tercapai layout yang lenih baik tetapi jumlah iterasi terbatas yaitu maksimal 20.
BLOCPLAN dapat menganalisa maksimal 18 fasilitas dalam suatu tataletak
(layout). BLOCPLAN dapat menghasilkan layout dengan beberapa cara yaitu:
1. Random
BLOCPLAN menghasilkan layout secara acak memperhatikan data ARC
2. Improvemen Algorithm
Menggunakan sebuah layout awal yang nantinya akan dikembangkan oleh
BLOCPLAN.
3. Automatic Search Algorithm
BLOCPLAN akan mengembangkan layout baru dengan jumlah iterasi
maksimal 20 kali.

Universitas Sumatera Utara

Layout terbaik dilihat dari nilai R-Score yang paling besar. Layout score
diperoleh dari hasil pembagian total score pada pembobotan ARC yang dapat
tercapai dengan total score keseluruhan dikalikan 2 .
Layout score =

Total score yang dapat tercapai
x2
Total Score keseluruhan

Nilai rel disk score diperoleh dari penjumlahan semua nilai rel disk score
pada tiap departemen i ke departemen j.
n −1

Rel-disk score =

n

∑ ∑d
i −1 j =i −1

r

ij ij

Keterangan
dij = Jarak rectilinier antara fasilitas i dan j
rij = nilai hubungan kedekatan antara fasilitas i dan j
R-Score dari masing-masing layout yang mungkin dengan layout yang
terbaik adalah dengan R-Score yang paling besar. Nilai R-Score adalah antara 0
dan 1 (0≤ R-Score ≤1). Dimana
R-Score = 1 -

rel dist score − lower bound
upper bound − lower bound

Lower Bound = d21s1 + d20s2 + ....
Artinya nilai d (nilai d adalah jarak antar fasilitas terendah) dengan nilai s (nilai s
adalah hubungan kedekatan antara fasilitas) terendah kemudian nilai d tertinggi
selanjutnya dikalikan dengan nilai s terendah, demikian seterusnya.
Upper Bound = d1s1 + d2s2 + ....

Universitas Sumatera Utara

Artinya nilai d (nilai d adalah jarak antara fasilitas) terendah dengan nilai s (nilai s
adalah nilai hubungan kedekatan antara fasilitas) terendah kemudian nilai d
terendah selanjutnya dikalikan dengan nilai s terendah berikutnya, demikian
seterusnya.

i. Algoritma CORELAP 18
Algoritma CORELAP (Computerized Relationship Layout Planning)
menggunakan peringkat hubungan kedekatan yang dinyatakan dalam Total
Closeness Rating (TCR) dalam pemilihan penempatan stasiun kerja. Algoritma ini
merupakan suatu algoritma yang digunakan untuk menghasilkan rancangan layout
baru yang tidak bergantung atau tidak memerlukan initial layout. Adapun prinsip
dari analisis yang dilakukuan oleh CORELAP adalah menghitung layout score
dan nilai layout score yang terbesar adalah yang paling baik kerena menunjukkan
tingkat hubungan yang lebih dekat dan menghitung jarak departemen baru yang
terbentuk secara rectilinear.
Pengerjaan algoritma CORELAP ini dimulai dengan perhitungan TCR
yang diperoleh dari huruf-huruf hubungan kedekatan dalam ARC yang
dikonversikan dalam angka yaitu :

18

Sunderesh Heragu, Facility Design, (Boston: PWS Publishing Company, 1997),
p. 197-201

Universitas Sumatera Utara

Tabel 3.4. Kode, Nilai dan Kontribusi Activity Relationship Chart
Kode

Nilai

Kontribusi

A : Absolutely Important/Mutlak didekatkan

5

+

E : Especially Important/Sangat penting didekatkan

4

+

I : Important/Penting didekatkan

3

+

O : Ordinary important

2

+

U : Unimportant/Tidak penting didekatkan

1

+

X : Undesirable/Tidak boleh didekatkan

0

+

TCR suatu departemen menyatakan jumlah nilai-nilai hubungan/kedekatan
departemen tersebut terhadap departemen-departemen yang lain, secara matematis
dapat ditulis sebagai berikut :

m

TCR (i) =

∑
i =1

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

j = 1,

j ≠ i

Dimana : m menyatakan jumlah departemen dalam rancangan, rij menyatakan
nilai hubungan kedekatan dari stasiun kerja i terhadap stasiun kerja j.
Berikut ini merupakan langkah-langkah algoritma CORELAP secara
manual
1. Penentuan Urutan Pengalokasian
1. Pilih salah satu departemen dengan TCR maksimum. Jika terdapat lebih dari 1
pilih sembarang maka departemen terpilih akan dialokasikan pertama kali.

Universitas Sumatera Utara

2. Departemen yang dialokasikan kedua, pilih departemen yang mempunyai
hubungan A dengan departemen yang telah terpilih
-

Jika terdapat beberapa maka pilih yang mempunyai TCR terbesar.

-

Jika TCRnya sama maka pilih sembarang. Jika tidak ada yang
mempunyai hubungan A, pilih departemen yang mempunyai
hubungan E dengan departemen yang terpilih.

3. Ulangi proses kedua, sampai semua departemen terpilih. Jika tidak ada
departemen yang mempunyai hubungan A atau E dengan departemen yang
terpilih (semua) maka lanjutkan dengan hubungan I atau O, serta U atau X.
4. Cara Pengalokasian
Menggunakan metode sisi barat (western-edge).Departemen yang terpilih
pertama kali (urutan pertama) dialokasikan di pusat dari diagram kotak
berikut:
8
7
6
1
PUSAT 5
2
3
4
Ket. gambar : 1 s/d 8 = stasiun kerja
Gambar 3.6. Diagram Penempatan Stasiun Kerja

Nomor 2 dalam kotak merupakan lokasi yang disediakan.
Nomor 1 : selalu untuk lokasi (kotak) pada sisi terbarat dari departemen –
departemen yang telah dialokasikan. Kotak tepat bersebelahan dengan
departemen yang telah dialokasikan dalam arah vertikal/horisontal mempunyai
bobot 1. Kotak yang tepat bersebelahan dengan departemen yang telah
dialokasikan dalam arah diagonal mempunyai bobot 0,5. Bobot x Nilai

Universitas Sumatera Utara

hubungan dari departemen yang telah dialokasikan terhadap departemen yang
akan dialokasikan. Contoh dapat dilihat pada Tabel 3.5.
Tabel 3.5. Alokasi TCR
Stasiun kerja
I
II
III
IV

I
A
E
E

II III IV TCR
A E E
13
- U E
10
U E
9
E E
12

Berdasarkan TCR, yang dialokasikan pertama kali adalah stasiun kerja I
1. Stasiun kerja I mempunyai hubungan A dengan stasiun kerja II
2. Stasiun kerja II dialokasikan kedua.
3. Stasiun kerja I mempunyai hubungan E dengan stasiun kerja III dan IV
4. Stasiun kerja II mempunyai hubungan E dengan stasiun kerja IV
Pilih stasiun kerja IV TCR lebih besar dari stasiun kerja III
Stasiun kerja III dialokasikan terakhir sehingga urutannya sebagai berikut :
I – II – IV - III, kemudian masing ditempatkan dalam kotak/cell seperti
pada gambar 3.18.
8
7
6
1
5
I
2
3
4
Gambar 3.7. Diagram Penempatan Stasiun Kerja I
Jika stasiun kerja II di :
lokasi 1, bernilai = 1 x 5 = 5
lokasi 2, bernilai = 0,5 x 5 = 2,5
Lokasi 1 adalah lokasi terbaik untuk stasiun kerja II karena mempunyai nilai
penempatan terbesar (jika dibandingkan lokasi 2, 4, 6, 8) dan nomor lokasi

Universitas Sumatera Utara

terkecil diantara nilai-nilai penempatan yang sama (jika dibandingkan dengan
lokasi 3,5,7 ).
10 9 8 7
1
II I 6
2
3 4 5
Gambar 3.8. Diagram Penempatan Stasiun Kerja II

Jika stasiun kerja IV di :
lokasi 1, bernilai = ( 1x4 ) + ( 0 x 4 ) = 4
lokasi 2, bernilai = ( 0,5 x 4 ) + ( 0 x 4 ) = 2
lokasi 3, bernilai = ( 1 x 4 ) + ( 0,5 x 4 ) = 6
lokasi 4, bernilai = ( 0,5 x 4 ) + ( 1 x 4 ) = 6 dan seterusnya
Lokasi terbaik untuk stasiun kerja IV - lokasi 3
12 11 10 9
1 II I
8
2 IV 6
7
3 4
5
Gambar 3.9. Diagram Penempatan Stasiun Kerja IV

Jika stasiun kerja III di :
lokasi 1, bernilai = ( 0 x 4 ) + ( 1 x 1 ) + ( 0,5 x 4 ) = 3
lokasi 2, bernilai = ( 0 x 4 ) + ( 0,5 x 1 ) + ( 1 x 4 ) = 4,5
lokasi 6, bernilai = ( 0 x 4 ) + ( 0,5 x 1 ) + ( 1 x 4 ) = 4,5
dan seterusnya. Lokasi terbaik untuk stasiun kerja III adalah lokasi 6
II I
IV III
Gambar 3.10. Diagram Penempatan Stasiun Kerja III

Universitas Sumatera Utara

Penempatan disesuaikan dengan luasan dan bentuk masing-masing stasiun
kerja dimana akan dialokasikan.
Berikut adalah perbandingan antara algoritma BLOCKPLAN dan
CORELAP yang dapat dilihata pada Tabel 3.6.
Tabel 3.6. Keuntungan dan Keterbatasan dari Algoritma BLOCPLAN dan CORELAP
METODE

KEUNTUNGAN
5.Dapat menggunakan input dari peta

BLOCPLAN

keterkaitan maupun from to chart
6.Melakukan iterasi secara otomatis
dengan waktu yang singkat
7.Luas departemen diperhitungkan
sebagai masukan

CORELAP

KETERBATASAN
8.Tidak dapat menangkap layout
awal
9.Terbatas untuk 20 iterasi
10.

Hanya dapat menganalisa

maksimal 18 fasilitas dalam suatu
tata letak

1.Membentuk tata letak baru

6.Tidak dihitung biaya

2.Batasan masukan dan hasil sama

7.Terbatas hanya 45 departemen

3.Berdasarkan peta keterkaitan

8.Bentuk tata letak yang tidak

4.Setiap langkah dapat dilihat selama

beraturan

pengembangan tata letak
5.Sebagian keterkaitan diperhatikan
dengan baik

Universitas Sumatera Utara

BAB IV
METODOLOGI PENELITIAN

4.1.

Tempat dan Waktu Penelitian
Penelitian dilakukan di PT. Indojaya Agrinusa yang berlokasi di Jl.

Tanjung Morawa Km. 12,8 Desa Bangunsari, Kabupaten Deli Serdang. Waktu
pelaksanaan penelitian dilakukan pada. bulan Oktober 2016 sampai dengan
Februari 2017.

4.2.

Jenis Penelitian
Berdasarkan sifatnya, maka penelitian ini digolongkan sebagai penelitian

deskriptif jenis action research, yaitu penelitian yang berusaha utuk memaparkan
pemecahan masalah terhadap suatu masalah yang ada sekarang secara sistematis
dan faktual berdasarkan data.

4.3.

Objek Penelitian
Objek penelitian yang diamati adalah tata letak pabrik. Penelitian ini

dilakukan untuk mendapatkan usulan tata letak PT. Indojaya Agrinusa.

4.4.

Kerangka Berpikir
Kerangka berpikir meruapakan suatu bentuk kerangka yang dapat

digunakan sebagai pendekatan dalam pemecahan masalah. Biasanya kerangka

Universitas Sumatera Utara

penelitian ini menggunakan pendekatan ilmiah dan memperlihatkan hubungan
antar variabel dalam proses analisisnya.
Berdasarkan studi pendahuluan yang telah dilakukan, permasalahan dalam
penelitian ini adalah peletakan fasilitas yang mengganggu fasilitas lainnya. Letak
gudang bahan baku in bag yang berdekatan dengan parkir karyawan mengganggu
pemindahan bahan ke bagian produksi serta mengganggu karyawan karena
material handling serta kendaraan karyawan melewati area yang sama.
Permasalahan lainnya adalah penyusunan departemen yang tidak memperhatikan
urutan aliran bahan antar departemen. Hal ini terjadi karena penyusunan tata letak
pabrik tidak mempertimbangkan aliran peralatan (seperti material handling),
aliran bahan, aliran tenaga kerja..
Solusi yang ditawarkan adalah dengan merancang ulang tata letak dengan
menggunakan Fuzzy Analytical Hierarchy Process, BLOCPLAN dan CORELAP.
Perancangan tata letak diperoleh melalui pengumpulan data, frekuensi
perpindahan bahan, frekuensi perpindahan peralatan, frekuensi perpindahan
tenaga kerja yang diolah menggunakan Fuzzy AHP sehingga menghasilkan Crisp
Activity Relationship Chart (CARC). Hasil CARC tersebut menjadi input untuk
membuat layout usulan menggunaan algoritma BLOCPLAN dan algoritma
CORELAP. Hasil dari layout usulan akan dilanjut dengan menghitung jarak antar
departemen serta momen perpindahannya. Kerangka berpikir dapat dilihat pada
Gambar 4.1 di bawah ini.

Universitas Sumatera Utara

Crisp Activity
Relationship Chat
dengan metode
Fuzzy AHP

Perancangan
Tata Letak
menggunakan
BLOCKPLAN,
dan CORELAP

Jarak Perpindahan
Jumlah Departemen
Luas Departemen
Proses Produksi

Gambar 4.1. Kerangka Berpikir

4.5.

Variabel penelitian
Variabel dependen ataupun variabel terikat adalah variabel yang nilainya

dipengaruhi atau ditentukan oleh nilai variabel lain. Yang menjadi variabel
dependen dalam penelitian ini adalah perancangan tata letak fasilitas.
Variabel independen ataupun variabel bebas merupakan variabel penelitian
yang mempengaruhi dan menjadi sebab perubahan atau timbulnya variabel terikat.
Yang menjadi variabel bebas dalam penelitian ini adalah frekuensi perpindahan
bahan, peralatan, tenaga kerja, jarak perpindahan, jumlah departemen, luas
departemen, dan proses produksi.
Defenisi Operasional:
1.

Crisp Activity Relationship Chat dengan metode Fuzzy AHP
Membuat ARC dengan metode fuzzy AHP menggunakan data frekuensi
perpindahan bahan, peralatan, dan tenaga kerja.

Universitas Sumatera Utara

2. Jarak perpindahan
Jarak perpindahan dari satu departemen ke departemen lain yang berkaitan
dengan proses produksi.
3. Proses produksi
Urutan atau langkah-langkah produksi dimulai dari bahan masuk, pengolahan
bahan baku, hingga produk jadi selesai dan disimpan di gudang dan siap
didistribusikan.
4. Jumlah departemen
Banyaknya departemen yang akan diolah dengan menggunakan algoritma
BLOCPLAN dan CORELAP.
5. Luas Area Departemen
Luas masing –masing departemen yang akan diolah dengan menggunakan
algoritma BLOCPLAN.

4.6.

Populasi dan Sampel
Pada proses penentuan jumlah sampel, peneliti menggunakan metode

Judgement Sampling. Hal ini didasari karena peneliti melihat pertimbangan
penilaian terhadap variabel yang digunakan bersifat komprehensif sehingga
diperlukan

responden

yang

paham

dan

mengerti

perusahaan

secara

keseluruhan dan juga mengenal tataletak pabrik perusahaan dengan baik.
Sampel yang digunakan pada penelitian ini adalah kepala sub. departemen
produksi, kepala sub. departemen teknik, dan kepala sub. departemen gudang.
Tahapan proses penelitian dapat dilihat pada Gambar 4.2

Universitas Sumatera Utara

Mulai

Studi
Pendahuluan

Studi Literatur

Tujuan:
1. Menganalisis dan merencanakan peletakan setiap
departemen yang berkaitan dengan kegiatan produksi.
2. Membandingkan total perpindahan yang diperoleh pada
layout aktual dan layout alternatif
3. Menghitung efisiensi material handling yang dari layout
aktual dan layout alternatif
Pengumpulan Data:
1. Penggambaran block layout awal
2. Perhitungan jarak antar departemen
3. Menyusun struktur hirarki AHP
4. Membuat kuesioner AHP
5. Perhitungan frekuensi perpindahan
6. Pembuatan fungsi keanggotaan
Pengolahan Data:
1. Pengolahan AHP
2. Fuzzification Interface
3. Knowledge Base
4. Proses defuzzifikasi
5. Pembentukan Crisp Activity Relationship Chart
6. Pengolahan data menggunakan algoritma
BLOCPLAN dan CORELAP

Analisis
Pemecahan
Masalah

Kesimpulan
dan Saran

Gambar 4.2. Block Diagram Proses Penelitian

4.7.

Pengumpulan Data

Universitas Sumatera Utara

Data yang dikumpulkan dalam penelitian ini terdiri dari data kualitatif dan
data kuantitatif, baik yang berupa data primer maupun data sekunder.
1. Data Primer.
Data primer diperoleh dengan cara pengamatan ataupun wawancatra
untuk

mendapat data. Data primer yang diperoleh adalalah melalui

pengamatan adalah frekuensi perpindahan antar departemen, urutan aliran
bahan, urutan proses produksi, serta menggunakan kuesioner untuk
mendapatkan data bobot variabel performansi tataletak fasilitas.
2. Data Sekunder.
Data sekundar didapat berdasarkan catatan-catatan perusahaan yang
berhubungan dengan data yang dibutuhkan. Data tersebut yaitu data luasan
total area pabrik, layout awal perusahaan, sejarah perusahaan, dan struktur
organisasi

4.8.

Pengolahan Data
Pengolahan data dilakukan dengan mengikuti beberapa tahapan,yaitu:

1. Menyusun Struktur Hirarki AHP
Pada tahap ini dilakukan untuk mengolah kuesioner menjadi matriks
berhubungan yang selanjutnya dihitung nilai bobot dan rasio konsistensinya
2. Fuzzification Interface
Pada tahap ini pengubahan nilai input menjadi suatu bentuk himpunan fuzzy
yaitu berupa variabel linguistik untuk masing-masing variabel. Tahapannya
adalah pengukuran nilai tiap variabel yang dilakukan dengan wawancara atau

Universitas Sumatera Utara

melakukan pengukuran secara langsung. Selanjutnya variabel tersebut
dikonversikan dalam variabel linguistik yang berguna untuk mengubah
variabel

kuantitatif

menjadi

variabel

linguistik

beserta

derajat

keanggotaannya.
3. Knowledge Base
Menyusun seluruh fungsi keanggotaan dari masing-masing variabel yang
disusun berdasarkan aturan pengambilan keputusan dengan bentuk IF-THEN
untuk menentukan nilai derajat hubungan antar variabel linguistic.
4. Proses defuzzifikasi
Merupakan tahan akhir pada defuzzification interface. Pada tahap ini tingkat
kedekatan masing-masing variabel digabungkan menjadi tingkat kedekatan
hubungan keseluruhan yang kemudian dikonversikan menjadi suatu bialngan
crisp.
5. Pembentukan Crisp Activity Relationship Chart.
Hasil dari deffuzifikasi kemudian dimasukkan ke dalam tabel ARC sesuai
dengan kedekatan antar tiap departemen. Pada tiap kedekatan diketahui derajat
keanggotaan yang menunjukkan tingkat hubungan dari variabel linguistic
tersebut. Hubungan kedekatan antar fasilitas merupakan data kualitatif yang
diperlukan sebagai input bagi algoritma BLOCPLAN dan CORELAP
6.

Pengolahan data menggunakan algoritma BLOCPLAN
Pemecahan masalah dengan algoritma BLOCPLAN dilakukan dengan
menggunakan software BLOCPLAN melalui langkah-langkah berikut ini:
a. Melakukan input data Departemen

Universitas Sumatera Utara

Data mengenai jumlah depertemen, nama departemen, dan ukuran luas
masing – masing departemen/ stasiun kerja dimasukkan ke input data
software BLOCPLAN
b. Melakukan input data derajat kedekatan antar departemen
Nilai derajat kedekatan yang sudah dihitung di ARC digunakan sebagai
data masukkan berikut juga dengan penentuan bobot dari masing-masing
nilai kedekatan.
c. Mencari solusi layout terbaik
Setelah semua data dikumpulkan maka software akan mencari alternatif
pemecahan masalah tataletak tersebut sampai maksimal 20 kali iterasi.
Layout terbaik dilihat dari nilai R-score yang paling besar.
7. Pengolahan data dengan menggunakan algoritma CORELAP
Pengolahan data dengan algoritma CORELAP dilakukan dengan membuat
ARC untuk melihat hubungan kedekatan dari masing-masing departemen
kemudian hitung TCR untuk setiap departemen. Pilih salah satu departemen
dengan nilai TCR maksimum. Tentukan pengalokasian departemen berikutnya
berdasarkan hubungan kedekatan dan hitung nilai pembobotan untuk masingmasing penempatan. Pilih penempatan dengan bobot terbesar kemudian ulangi
sampai semua departementelah ditempatkan. Perhitungan momen merupakan
perhitungan terakhir terhadap data yang diperoleh sebelum dilakukan analisis.
Blok diagram dari langkah-langkah algoritma BLOCPLAN dan CORELAP ini
dapat dilihat pada Gambar 4.3. dan 4.4

Universitas Sumatera Utara

Melakukan Input data jumlah
departemen yang akan disusun

Melakukan Input data Nama
Departemen dan Luas Area

Melakukan Input data nilai hubungan
pada masing-masing aktivitas

Pilih Single-Story Layout Menu

Memilih ratio untuk layout
pemecahan masalah : automatic

search

Memilih cara pencarian pemecahan
masalah : automatic search

Menganalisis tabel hasil pemecahan
masalah yang tersimpan

Me-review layout dengan nilai Rscore tertinggi

Gambar 4.3. Blok Diagram Pengolahan Data Algoritma BLOCPLAN

Universitas Sumatera Utara

MULAI

Pembuatan Activity
Relationship Chart (ARC)

Perhitungan Total
Closeness Rating untuk
setiap Departemen

Pemilihan Departemen
Pusat Berdasarkan Derajat
Kedekatan

Pengalokasian Departemen
Berdasarkan Derajat
Kedekatan

Perhitungan Nilai
Departemen pada Setiap
Penempatan

Penempatan Departemen
pada Bagian dengan Nilai
Terbesar

Seluruh Departemen
Telah Dialokasikan?

No

Yes
Perhitungan Jumlah Momen
Perpindahan dari Alternatif
Rancangan

SELESAI

Gambar 4.4. Flow Chart Pengolahan Data dengan Algoritma CORELAP

Universitas Sumatera Utara

4.9.

Analisis dan Pembahasan
Analisis hasil dilakukan terhadap hasil pemecahan masalah yang dalam hal

ini melakukan perancangan ulang dengan metode Fuzzy Analytical Hierarchy
Process, BLOCKPLAN, dan, CORELAP. Hal-hal yang dianalisis adalah:
1.

Analisis terhadap masing-masing variabel menjadi variabel performansi

2.

Analisis Crisp Activity Relationship Chart

3.

Analisis kondisi layout aktual

4.

Analisi layout usulan BLOCPLAN dan CORELAP

4.10. Kesimpulan dan Saran
Kesimpulan berisikan hal-hal penting dari penelitian yang merupakan
tujuan dari penelitian. Selain dari kesimpulan, diberikan juga saran yang
membangun bagi perusahaan usulan perbaikan kepada pihak perusahaan untuk
mengiplementasikan hasil penelitian ini.

Universitas Sumatera Utara

BAB V
PENGUMPULAN DAN PENGOLAHAN DATA

5.1.

Pengumpulan Data

5.1.1. Struktur Hierarki Nilai Kedekatan Departemen
Struktur hierarki bertujuan untuk mengetahui variabel performansi
tata letak yang akan digunakan. Kriteria-kriteria ini disusun ke dalam bentuk
hierarki seperti yang dapat dilihat pada Gambar 5.1.
Nilai Kedekatan antar Departemen

Leve