Anda di halaman 1dari 12

Program Studi Teknik Industri Universitas Mercubuana, Jakarta

Jurnal Skripsi September 2013




1
PERHITUNGAN OEE (OVERALL EQUIPMENT EFFECTIVENES)
PADA MESIN TRUPUNCH V 5000 I
MENUJU TOTAL PRODUCTIVE MAINTENANCE (TPM)
Study Kasus Pada PT XYZ


Muhammad Kholil
(1)
, Rudini Mulya
(2)
Program Studi Teknik Industri
Universitas Mercubuana Jakarta
Email:
1)
m.kholil@mercubuana.ac.id,
2)
rudinimenteri@gmail.com


Abstrak Penelitian ini dilakukan bertujuan untuk merumuskan efektivitas dan efisiensi kinerja dari
mesin Trupunch V 5000 I di PT. XYZ berdasarkan nilai Overall Equipment Effectiveness (OEE). Faktor yang
mempengaruhi penurunan efektivitas peralatan disebut Six Big Losses, yaitu Breakdown Loss, Set
Up/Adjustment Loss, Idling and Minor Stoppages, Reduce speed losses, Yield/Scrap Losses, Rework.Pada
laporan skripsi ini Penulis menerapkan metode Overall Equipment Effectiveness (OEE) untuk mengetahui
efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I. Dalam penelitian ini dilakukan pengumpulan data
dengan mengambil data kerusakan mesin Trupunch V 5000 I dan mengolah data seperti mencari nilai OEE,
korelasi dan regresi serta menggunakan diagram fishbone.Berdasarkan dari hasil peritungan OEE faktor Six Big
Losses yang memberikan kontribusi terbesar pada mesin Trupunch V 5000 I adalah Reduce Speed Losses
dengan rata-rata nilai sebesar 28,97%, diikuti dengan Yield/Scrap Losses sebesar 16,39%, diikuti dengan Idling
and Minor Stoppages sebesar 7,67%, diikuti dengan Set Up/Adjustment Loss sebesar 2,93 %, dikiuti dengan
breakdown losses sebesar 2,53 % dan rework losses sebesar 0,69 %.
Kata Kunci: Mesin Trupunch V 5000 I, Overall Equipment Effectiveness (OEE), Six Big Losses, Regresi dan
Korelasi.
Abstrac This study was aimed to formulate the effectiveness and efficiency of the performance of the
engine V 5000 I Trupunch in PT. XYZ based on the value of Overall Equipment Effectiveness (OEE). Factors
affecting the decline in effectiveness of equipment called the Six Big Losses, namely Breakdown Loss, Set Up /
Loss Adjustment, Idling and Minor Stoppages, Reduce speed losses, Yield / Losses Scrap, Rework.This paper
reports on the authors apply the method of Overall Equipment Effectiveness (OEE) to examine the effectiveness
and efficiency of the performance of the engine V 5000 Trupunch I. In this research, data collection by retrieving
data Trupunch V 5000 engine failure and process the data as I find the value of OEE, correlation and
regression, and using fishbone diagrams.Based on the results peritungan Six Big Losses OEE factors that
contribute most to the machine I was Trupunch V 5000 Speed Reduce Losses with an average value of 28.97%,
followed by Yield / Scrap Losses amounted to 16.39%, followed by idling and Minor Stoppages by 7.67%,
followed by Set Up / Loss Adjustment for 2.93%, breakdown dikiuti with losses of 2.53% and rework losses of
0.69%.

Keywords: Mechanical Trupunch V 5000 I, Overall Equipment Effectiveness (OEE), Six Big Losses, Regression
and Correlation.



Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi September 2013

2
1 PENDAHULUAN
1.1 LATAR BELAKANG
Usaha perbaikan pada industri manufaktur,
dilihat dari segi peralatan adalah dengan
meningkatkan efektivitas mesin/peralatan yang
ada seoptimal mungkin. Pada prakteknya,
seringkali usaha perbaikan yang dilakukan
tersebut hanya pemborosan, karena tidak
menyentuh akar permasalahan yang
sesungguhnya. Hal ini disebabkan karena tim
perbaikan tidak mendapatkan dengan jelas
permasalahan yang terjadi dan faktor-faktor
yang menyebabkannya. Untuk itu diperlukan
suatu metode yang mampu mengungkapkan
permasalahan dengan jelas agar dapat
melakukan peningkatan kinerja peralatan
dengan optimal.
1.2 Perumusan Masalah
Berdasarkan uraian latar belakang masalah
di atas, perumusan masalah yang menjadi
objek kajian dalan penelitian ini adalah sebagai
berikut :
1. Bagaimanakah efektivitas dan efisiensi
kinerja dari mesin Trupunch V 5000 I di PT.
XYZ berdasarkan nilai Overall Equipment
Effectiveness (OEE) ?
2. Faktor apa yang memberikan kontribusi
terbesar terhadap nilai OEE dari six big
losses pada mesin Trupunch V 5000 I?
3. Bagaimana solusi perbaikan yang dapat
dilakukan PT. XYZ dengan menggunakan
diagram sebab akibat?
1.3 Batasan Masalah
Pembahasan terhadap suatu masalah yang
dikemukakan harus ada suatu pembatasan
agar ruang lingkupnya tidak menyimpang,
terarah dan mudah dipahami sehingga tujuan
dari kerja praktek dapat tercapai dengan
optimal. Adapun batasan batasan masalah
dalam penelitian ini adalah sebagai berikut :
1. Penelitian yang dilakukan tidak sampai
pada perhitungan biaya.
2. Penelitian yang dilakukan hanya sampai
pada pemberian usulan perbaikan.
3. Pendefinisian permasalahan utama
dilakukan dengan menggunakan diagram
sebab akibat.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai
berikut :
1. Merumuskan efektivitas dan efisiensi
kinerja dari mesin Trupunch V 5000 I di PT.
XYZ berdasarkan nilai Overall Equipment
Effectiveness (OEE).
2. Untuk merumuskan faktor-faktor yang
memberikan kontribusi terbesar terhadap
nilai OEE dari six big losses pada mesin
Trupunch V 5000 I.
3. Untuk mengetahui solusi perbaikan yang
dapat dilakukan PT. XYZ dengan
menggunakan diagram sebab akibat?

2. Landasan Teori
2.1 Pemeliharaan
Menurut Patrick (2001, p407), maintenance
adalah suatu kegiatan untuk memelihara dan
menjaga fasilitas yang ada serta memperbaiki,
melakukan penyesuaian atau penggantian
yang diperlukan untuk mendapatkan suatu
kondisi operasi produksi agar sesuai dengan
perencanaan yang ada.
2.2 Total Productive Maintenance (TPM)
Total Productive Maintenance mula mula
berasal dari pemikiran PM ( Preventive
Maintenance dan Production Maintenance),
dari Amerika masuk ke Jepang dan
berkembang menjadi suatu sistem baru khas
Jepang yang kemudian dikenal sebagai TPM
(Total Productive Maintenance). Total
Productive Maintenance adalah konsep
pemeliharaan yang melibatkan seluruh
pekerja yang bertujuan mencapai efektifitas
pada seluruh sistem produksi melalui
partisipasi dan kegiatan pemeliharaan yang
produktif, proaktif, dan terencana. [Suzaki
Kyoshi, 1999]
2.3 Overall Equipment Effectiveness
Overall Equipment Effectiveness (OEE)
merupakan metode yang digunakan sebagai
alat ukur dalam penerapan program TPM guna
menjaga peralatan pada kondisi ideal dengan
menghapuskan six big losses peralatan.
Pengukuran OEE ini didasarkan pada
pengukuran tiga rasio utama, yaitu:
1. Availability Ratio
Availability ratio merupakan suatu rasio
yang menggambarkan pemanfaatan waktu
yang tersedia untuk kegiatan operasi mesin
atau peralatan. Dengan demikian formula yang
digunakan untuk mengukur availability ratio
adalah:
Availability =


x 100 %
Availability =


x 100 %
Loading time adalah waktu yang tersedia
(available time) perhari atau perbulan dikurangi
dengan waktu downtime mesin yang
direncanakan (planned downtime).
Loading Time = Total Available Time
Planned Downtime
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi September 2013

3
Operation time merupakan hasil
pengurangan loading time dengan waktu
downtime mesin (non-operation time). Dengan
kata lain, operation time adalah waktu operasi
yang tersedia setelah waktu-waktu downtime
mesin dikeluarkan dari total available time
yang direncanakan.
2. Performance Ratio
Performance ratio merupakan suatu ratio
yang menggambarkan kemampuan dari
peralatan dalam menghasilkan barang. Tiga
faktor penting yang dibutuhkan untuk
menghitun performance efficiency adalah:
a. Ideal cycle time (waktu siklus ideal)
b. Processed amount (jumlah produk
yang diproses)
c. Operation time (waktu operasi mesin)
Formula pengukuran rasio ini adalah:
Performance Rate (P) =


x
100 %
3. Quality Ratio atau Rate of Quality Product.
Quality ratio atau rate of quality product
merupakan suatu rasio yang menggambarkan
kemampuan peralatan dalam menghasilkan
produk yang sesuai dengan standar. Formula
yang digunakan untuk pengukuran rasio ini
adalah:
Rate of quality =


x 100
%
2.4 Enam Kerugian Utama(Six Big Losses ).
Tujuan dari perhitungan six big losses ini
adalah untuk mengetahui nilai efektivitas
keseluruhan (Overall Equipment Effectiveness
/ OEE). Dari nilai OEE ini dapat diambil
langkah-langkah untuk memperbaiki atau
mempertahankan nilai tersebut. Keenam
kerugian tersebut dapat digolongkan menjadi
tiga macam, yaitu:
1. Downtime Losses, terdiri dari :
a. Breakdown Losses/Equipment Failures
adalah kerusakan mesin/peralatan yang
tiba-tiba atau kerusakan yang tidak
diinginkan tentu saja akan menyebabkan
kerugian, karena kerusakan mesin akan
menyebabkan mesin tidak beroperasi
menghasilkan output. Hal ini akan
mengakibatkan waktu yang terbuang sia-
sia dan kerugian material serta produk
cacat yang dihasilkan semakin banyak.
Breakdown Losses =


x
100%
b. Setup and Adjusment Losses/kerugian
karena pemasangan dan penyetelan,
semua waktu set up termasuk waktu
penyesuaian (adjustment) dan juga waktu
yang dibutuhkan untuk kegiatan-kegiatan
pengganti satu jenis produk ke jenis
produk berikutnya untuk proses produksi
selanjutnya.
Set up/Adjusment Losses =



x 100%

2. Speed Loss, terdiri dari :
a. Idling and Minor Stoppage Losses
disebabkan oleh kejadian-kejadian seperti
pemberhentian mesin sejenak,
kemacetan mesin, dan idle time dari
mesin. Kenyataannya, kerugian ini tidak
dapat dideteksi secara langsung tanpa
adanya alat pelacak.
Idling and minor stoppages losses =




x 100%
b. Reduced Speed Losses adalah kerugian
karena mesin tidak bekerja optimal
(penurunan kecepatan operasi) terjadi jika
kecepatan aktual operasi mesin/peralatan
lebih kecil dari kecepatan optimal atau
kecepatan mesin yang dirancang.
Reduce speed losses =


x 100%
3. Defect Loss, terdiri dari :
a. Rework Losses adalah kerugian yang
disebabkan karena adanya produk cacat
maupun karena kerja produk diproses
ulang. Produk cacat yang dihasilkan akan
mengakibatkan kerugian material,
mengurangi jumlah produksi, biaya
tambahan untuk pengerjaan ulang dan
limbah produksi meningkat.
Rework Losses =


x 100%
b. Reduced Yield Losses adalah kerugian
waktu dan material yang timbul selama
waktu yang dibutuhkan oleh
mesin/peralatan untuk menghasilkan
produk baru dengan kualitas produk yang
telah diharapkan. Kerugian yang timbul
tergantung pada faktor-faktor seperti
keadaan operasi yang tidak stabil, tidak
tepatnya penanganan dan pemasangan
mesin/peralatan ataupun operator tidak
mengerti dengan kegiatan proses
produksi yang dilakukan.
Reduced Yield Losses =


x
100%
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi September 2013

4

Diagram 2.1 Hubungan Antara Enam Kerugian Besar
Dalam Peralatan & Keefektifan Seluruh Peralatan
2.5 Fishbone Diagram / Diagram Sebab
Akibat
Instrumen dasar dalam peningkatan
kualitas yang lain adalah diagram Ishikawa.
Dinamakan Ishikawa sesuai dengan nama
penemunya yang berasal dari negara jepang
yang bernama Kaaru Ishikawa pada tahun
1943. Diagram Ishikawa juga dikenal sebagai
diagram sebab akibat atau Fishbone. Fungsi
dasarnya adalah untuk mengidentifikasi dan
mengorganisasi penyebab-penyebab yang
mungkin timbul dari suatu efek spesifik dan
kemudian memisahkan akar penyebabnya.
Diagram Fishbone terdiri dari 2 macam
yaitu:
1. Standar Fishbone: mengidentifikasi
penyebab-penyebab yang mungkin dari
suatu masalah yang tidak diinginkan dan
bersifat spesifik.
2. Diagram fishbone terbalik: mengidentifikasi
tindakan yang harus dilakukan untuk
menghasilkan efek atau hasil yang
diinginkan.
Langkah-langkah dalam pembuatan
diagram sebab akibat atau fishbone adalah
sebagai berikut:
1. Definisikan masalah yang ada, langkah ini
dapat menggunakan dari hasil diagram
pareto.
2. Gambarkan kotak masalah (kepala ikan)
dan panah utama serta garis-garis samping
(tulang ikan)
3. Tuliskan pernyataan masalah tersebut pada
kepala ikan yang merupakan akibat.
4. Spesifikasi kategori utama yang merupakan
sumber-sumber penyebab timbulnya
masalah dan tuliskan pada tulang ikan.
5. Identifikasi penyebab-penyebeb sekunder
yang mempengaruhi penyebab utama dan
tuliskan pada tulang ikan yang lebih kecil.
6. Analisis sebab-sebab timbulnya
permasalahan dan kemudian diambil
tindakan korektifnya untuk perbaikan.


Diagram 2.2 Contoh Fishbone

Berikut ini manfaat fishbone diagram:
1. Merupakan alat yang luar biasa untuk
mengumpulkan ide dan input-input
kelompok, merupakan metode dasar dari
brainstorming terstruktur.
2. Dengan mengelompokan penyebab-
penyebab yang mungkin, maka kelompok
dapat memikirkan banyak kemungkinan
ketimbang hanya memfokuskan pada
beberapa area tipikal.
3. Membantu dimulainya fase analyze.
Dengan menggunakan fishbone diagram,
maka dapat digunakan untuk
mengidentifikasi beberapa penyebab
dengan lebih fokus untuk memulai analisis
proses dan data. Fishbone diagram juga
membawa kita kembali ke isu variasi. Kita
perhatikan bahwa sebuah proses memiliki
dua tipe variasi.
Selanjutnya akar-akar penyebab masalah yang
ditemukan dimasukan ke dalam fishbone
diagram yang telah mengkategorikan sumber-
sumber penyebab berdasarkan prinsip 7M,
yaitu:
1. Manpower (tenaga kerja), yaitu berkaitan
dengan kekurangan dalam pengetahuan,
kekurangan dalam keterampilan dasar yang
berkaitan dengan mental dan fisik,
kelelahan, stress, ketidakpedulian dan lain-
lain.
2. Machines (mesin-mesin) dan peralatan,
yaitu berkaitan dengan tidak ada sistem
perawatan preventif terhadap mesin-mesin
produksi, termasuk fasilitas dan peralatan
lain, tidak sesuai dengan spesifikasi tugas,
tidak dikalibrasi dan lain-lain.
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi September 2013

5
3. Methods (Metode kerja), yaitu berkaitan
dengan tidak ada prosedur dan metode
kerja yang benar, tidak jelas, tidak
diketahui, tidak terstandarisasi, tidak cocok
dan lain-lain.
4. Materials (bahan baku dan bahan
pendukung), yaitu berkaitan dengan
ketiadaan spesifikasi kualitas dari bahan
baku dan bahan pendukung yang
digunakan, ketiadaan penanganan yang
efektif terhadap bahan baku dan bahan
pendukung tersebut dan lain-lain.
5. Media, yaitu berkaitan dengan tempat dan
waktu kerja yang tidak memperhatikan
aspek-aspek kebersihan, kesehatan,
keselamatan kerja, kekurangan lampu
penerangan, ventilasi yang buruk dan lain-
lain.
6. Motivation (motivasi), yaitu berkaitan
dengan ketiadaan sikap kerja yang benar
dan professional, yang dalam hal ini
disebabkan sistem balas jasa dan
penghargaan yang tidak adil kepada tenaga
kerja.
7. Money (keuangan), yaitu berkaitan dengan
ketiadaan dukungan financial (keuangan)
yang cukup guna memperlancar proses
pembuatan produk yang berkualitas
(Gaspersz, 2002:241).
2.6 Regresi
Analisa Regresi digunakan untuk
mempelajari dan mengukur hubungan statistik
yang terjadi antara dua atau lebih variabel.
Dalam analisa regresi, suatu persamaan
regresi hendak ditentukan dan digunakan
untuk menggambarkan pola atau fungsi
hubungan yang terdapat antar variabel. Sumbu
Y : variabel terikat (variabel yang akan
diestimasi nilainya) Sumbu X : variabel bebas
(variabel yang diasumsikan member pengaruh
terhadap variasi variabel terikat) Untuk
mempelajari hubungan hubungan antara
variabel bebas maka regresi linier terdiri dari
dua bentuk, yaitu:
1. Analisis regresi sederhana (Simple analysis
regresi)
2. Analisis regresi berganda (Multiple analysis
regresi).
2.7 Korelasi
Korelasi adalah derajat hubungan linier
antara dua variabel atau lebih dari data hasil
pengamatan. Dua variabel dikatakan
berkorelasi apabila perubahan dalam satu
variabel diikuti oleh perubahan variabel lain,
baik yang searah maupun tidak. Hubungan
antara variabel dapat dikelompokkan menjadi
tiga jenis :
1. Korelasi positif, terjadi apabila perubahan
antara variabel yang satu diikuti oleh
variabel lainnya dengan arah yang sama
(berbanding lurus). Artinya apabila
variabel yang satu meningkat, maka akan
diikuti peningkatan variabel lainnya.
2. Korelasi negatif, terjadi korelasi negatif
apabila perubahan antara variabel yang
satu diikuti oleh variabel lainnya dengan
arah yang berlawanan (berbanding
terbalik). Artinya apabila variabel yang
satu meningkat, maka akan diikuti
penurunan variabel lainnya.
3. Korelasi nihil, terjadi korelasi nihil apabila
perubahan antara variabel yang satu
diikuti oleh variabel lainnya dengan arah
yang tidak teratur (acak). Artinya apabila
variabel yang satu meningkat, kadang
diikuti dengan peningkatan pada variabel
lain dan kadang diikuti dengan penurunan
pada variabel lain.
Analisa korelasi digunakan untuk mengukur
seberapa kuat atau derajat kedekatan, suatu
relasi yang terjadi antar variabel, dengan
keterangan interval kekuatan hubungan
sebagai berikut (Sugiyono) :

Tabel 2.1 Interval Kekuatan
Interval
Kekuatan
Keterangan
0 Tidak ada korelasi
0,00 - 0,25 Korelasi sangat lemat
0,25 - 0,50 Korelasi cukup
0,50 - 0,75 Korelasi kuat
0,75 - 0,99 Korelasi sangat kuat
1 Korelasi sempurna


Gambar 2.2 Beberapa Bentuk Diagram
Pancar
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi September 2013

6
3 Metodologi Penelitian
Pada bagian ini akan dijelaskan langkah-
langkah yang digunakan untuk memecahkan
suatu masalah agar hasil penelitian sesuai
dengan tujuan yang telah ditetapkan.

Diagram 3.1 Alir Penelitian
4 Pengolahan dan Pengumpulan Data
4.1 Data Produksi
Tabel 0.1 Data Produksi Box Panel Bulan
November 2012 - Juni 2013
Bulan
Produksi
Panel
Box (m)
Actual
Product
(m)
Total
Rework
(m)
Total
Scrap
(m)
Nov-12 8.617 8.617 19 2.154
Des-12 14.309 6.582 25 1.646
Jan-13 12.073 6.882 51 1.721
Feb-13 3.871 3.871 48 968
Mar-13 7.905 4.664 25 1.166
Apr-13 4.936 2.715 11 679
Mei-13 3.553 3.553 84 888
Jun-13 9.976 5.088 104 1.272
Waktu downtime adalah waktu yang
terbuang karena mesin tidak beroperasi seperti
yang seharusnya sehingga menghentikan
proses produksi yang telah direncanakan
misalnya seperti terjadi kerusakan atau
gangguan pada mesin sehingga mesin tidak
dapat beroperasi. Data waktu downtime dapat
dilihat pada tabel 4.2.

Tabel 0.2 Data Waktu Kerusakan
(Breakdown) Mesin Trupunch V 5000 I
Bulan
Set up
(Jam)
Breakdown
(Jam)
Downtime
(Jam)
Nov-12 14,00 12,20 26,20
Des-12 14,57 11,48 26,15
Jan-13 19,17 4,00 23,17
Feb-13 11,50 16,00 27,50
Mar-13 12,43 18,00 30,43
Apr-13 16,50 10,33 26,53
Mei-13 10,50 8,00 18,50
Jun-13 7,92 12,00 19,52
Planned Downtime merupakan waktu yang
sudah dijadwalkan dalam rencana produksi,
termasuk pemeliharaan terjadwal dan kegiatan
manajemen yang lain seperti pertemuan. Data
waktu pemeliharaan dapat dilihat pada tabel
4.3.
Tabel 0.3 Data Waktu Planned Downtime
Bulan Planned Downtime (Jam)
Nov-12 7,10
Des-12 11,49
Jan-13 6,75
Feb-13 11,56
Mar-13 8,42
Apr-13 14,17
Mei-13 6,33
Jun-13 11,52
Dari hasil pengamatan pada mesin
Trupunch V 5000 I, faktor-faktor yang dapat
menyebabkan mesin tidak produktif adalah
sebagai berikut :
1. Penyetelan mesin (set up).
2. Planned downtime, waktu downtime
yang telah direncanakan.
3. Machine break, gangguan yang terjadi
pada mesin yang menyebabkan mesin
berhenti beroperasi.
4. Power cut off, berhentinya operasi
mesin dikarenakan gangguan listrik dari
PLN.
Tabel 0.4 Data Waktu Nonproduktif Mesin
Bulan
Total Available
Time (Jam)
Total
Nonproduktif
(Jam)
Nov-12 588 33,30
Des-12 462 37,64
Jan-13 483 29,92
Feb-13 399 39,36
Mar-13 594 39,75
Apr-13 462 41,00
Mei-13 378 24,83
Jun-13 399 31,84


Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi September 2013

7
4.2 Pengolahan Data
4.2.1 Perhitungan Avaibility
Untuk menghitung nilai Availability
digunakan rumus sebagai berikut :
Availability =


x 100 %
Availability =


x 100 %
Di mana :
Loading Time = Total availability - Planned
downtime
Operation Time = Loading Time Downtime
Hasil perhitungan Loading Time dapat
dilihat pada Tabel 4.5
Tabel 0.5 Perhitungan Loading Time
Perhitungan Availability untuk bulan
November 2012 sebagai berikut:
Availability =

x 100 %= 95,49%
Dengan cara yang sama, maka perhitungan
Availability untuk bulan November 2012 Juni
2013 disajikan dalam Tabel 4.6
Tabel 0.6 Perhitungan Avaibility
4.2.2 Perhitungan Performance Efficiency
Untuk menghitung nilai Performance
Efficiency digunakan rumus sebagai berikut :
Performance Rate (P) =


x 100 %
Di mana :
Ideal Cycle Time = Cycle Time x Persentase
Jam Kerja Efektif
Cycle Time =



Persentase Jam Kerja = 1


x 100%
Perhitungan Persentase Jam Kerja untuk
bulan November 2012 sebagai berikut:
Persentase Jam Kerja =1

x100%=
94,34%
Dengan cara yang sama, maka perhitungan
Persentase Jam Kerja untuk bulan November
2012 - Juni 2013 disajikan dalam Tabel 4.7.
Tabel 0.7 Perhitungan Persentase Jam
Kerja
Perhitungan Cycle Time untuk bulan
November 2012 sebagai berikut:
Cycle Time =

= 0,067
Dengan cara yang sama, maka perhitungan
Cycle Time untuk bulan November 2012 Juni
2013 disajikan dalam Tabel 4.8.
Tabel 0.8 Perhitungan Cycle Time
Bulan
Produksi
Box
Panel
(m)
Loading
Time
(Jam)
Cycle
Time
(Jam/m)
Nov-12 8.617 580,9 0,067
Des-12 14.309 450,51 0,031
Jan-13 12.073 476,25 0,039
Feb-13 3.871 387,14 0,100
Mar-13 7.905 585,08 0,074
Apr-13 4.936 447,83 0,090
Mei-13 3.553 371,67 0,104
Jun-13 9.976 387,08 0,038
Perhitungan Ideal Cycle Time untuk bulan
November 2012 sebagai berikut:
Ideal Cycle Time = 0,067 x 94,34
= 0,064
Dengan cara yang sama, maka perhitungan
Ideal Cycle Time untuk bulan November 2012
Juni 2013 disajikan dalam Tabel 4.9.
Tabel 0.9 Perhitungan Ideal Cycle Time
Bulan
Cycle
Time
(Jam/m)
Jam
Kerja
(%)
Ideal
Cycle
Time
(Jam/m)
Nov-12 0,067 94,34% 0,064
Des-12 0,031 91,85% 0,029
Jan-13 0,039 93,83% 0,037
Feb-13 0,100 90,14% 0,090
Mar-13 0,074 93,31% 0,069
Apr-13 0,090 91,13% 0,082
Mei-13 0,104 93,43% 0,097
Jun-13 0,038 92,02% 0,035
Bulan
Total
Available
Time
(Jam)
Total
Nonproduktif
(Jam)
Jam
Kerja (%)
Nov-12 588 33,30 94,34%
Des-12 462 37,44 91,83%
Jan-13 483 29,52 93,81%
Feb-13 399 39,36 90,14%
Mar-13 594 39,75 93,31%
Apr-13 462 41,00 91,13%
Mei-13 378 24,43 93,43%
Jun-13 399 31,54 92,02%
Bulan
Total
Available
Time
(Jam)
Planned
Downtime
(Jam)
Loading
Time (Jam)
Nov-12 588 7,10 580,9
Des-12 462 11,49 450,51
Jan-13 483 6,75 476,25
Feb-13 399 11,36 387,14
Mar-13 594 8,42 585,08
Apr-13 462 14,17 447,83
Mei-13 378 6,33 371,57
Jun-13 399 11,52 387,08
Bulan
Loadin
g Time
(Jam)
Total
Downtim
e (Jam)
Actual
Operatio
n (Jam)
Availabilit
y (%)
Nov-12 580,9 26,20 554,70 95,49%
Des-12 450,51 26,15 424,36 94,20%
Jan-13 476,25 23,17 453,08 95,14%
Feb-13 387,14 27,50 359,54 92,90%
Mar-13 585,08 30,83 554,25 94,73%
Apr-13 447,53 26,53 421,00 94,01%
Mei-13 371,47 18,50 353,17 95,02%
Jun-13 387,08 19,92 367,16 94,85%
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi September 2013

8
Setelah Persentase Jam Kerja, Cycle Time
dan Ideal Cycle Time diketahui maka
Perhitungan Performance Efficiency untuk
bulan November 2012 sebagai berikut:
Performance Rate (P) =

x 100 %
= 98,79%
Dengan cara yang sama, maka perhitungan
Performance Efficiency untuk bulan November
2012 Juni 2013 disajikan dalam Tabel 4.10
Tabel 0.10 Perhitungan Performance
Efficiency
4.2.3 Perhitungan Rate of Quality Product
Untuk menghitung nilai Rate of Quality
Product digunakan rumus sebagai berikut :
Rate of quality =


x 100 %
Perhitungan Rate of Quality Product untuk
bulan November 2012 sebagai berikut:
Rate of Quality Product =

x100 %
= 74,78%
Dengan cara yang sama, maka perhitungan
Rate of Quality Product untuk bulan November
2012 Juni 2013 disajikan dalam Tabel 4.11.
Tabel 0.11 Perhitungan Rate of Quality
Product
Bulan
Actual
Product
(m)
Total
Rework
(m)
Total
Scrap
(m)
Rate of
Quality
Product
(%)
Nov-12 8.617 19 2.154 74,78%
Des-12 6.582 25 1.646 74,62%
Jan-13 6.882 51 1.721 74,26%
Feb-13 3.871 48 968 73,76%
Mar-13 4.664 25 1.166 74,46%
Apr-13 2.715 11 679 74,59%
Mei-13 3.553 84 888 72,64%
Jun-13 5.088 104 1.272 72,96%
4.2.4 Perhitungan Overall Equipment
Effectiveness (OEE)
Untuk menghitung nilai Overall Equipment
Effectiveness (OEE) digunakan rumus sebagai
berikut :
OEE = Availability x Performance efficiency x
Rate of quality product x 100%
Perhitungan Overall Equipment
Effectiveness (OEE) untuk bulan November
2012 sebagai berikut:
OEE = 95,49% x 98,79% x 74,78% x 100% =
70,54%
Dengan cara yang sama, maka perhitungan
Overall Equipment Effectiveness (OEE) untuk
bulan November 2012 Juni 2013 disajikan
dalam Tabel 4.12.
Tabel 0.12 Perhitungan Overall Equipment
Effectiveness (OEE)
4.2.5 Perhitungan OEE Six Big Losses
4.2.5.1 Perhitungan Downtime Losses
Downtime Losses terdiri dari Breakdown
Losses/Equipment Failures dan Setup and
Adjusment Losses.Untuk menghitung nilai
Breakdown Losses/Equipment Failures
digunakan rumus sebagai berikut :
Breakdown Losses =


x 100 %
Perhitungan Breakdown Losses/Equipment
Failures untuk bulan November 2012 sebagai
berikut:
Breakdown Losses =

x 100 %
= 2,10 %
Dengan cara yang sama, maka perhitungan
Breakdown Losses/Equipment Failures untuk
bulan November 2012 Juni 2013 disajikan
dalam Tabel 4.13.
Tabel 0.13 Perhitungan Breakdown Losses
Untuk menghitung nilai Setup and
Adjusment Losses digunakan rumus sebagai
berikut :
Setup/Adjusment Losses =



x 100 %
Perhitungan Setup and Adjusment Losses
untuk bulan November 2012 sebagai berikut:
Setup/Adjusment Losses =

x 100 = 2,41%
Bulan
Actual
Operatio
n (Jam)
Ideal
Cycle
Time
(Jam/m)
Actual
Produ
ct (m)
Perform
ance
Efficienc
y
Nov-12 554,70 0,064 8.617 98.79%
Des-12 424,36 0,029 6.582 44.86%
Jan-13 453,08 0,037 6.882 56.21%
Feb-13 359,64 0,090 3.871 97.03%
Mar-13 554,24 0,069 4.664 58.11%
Apr-13 421,00 0,082 2.715 53.32%
Mei-13 353,17 0,097 3.553 98.33%
Jun-13 367,16 0,035 5.088 49.48%
Bulan
Availability
(%)
Performance
Efficiency
(%)
Rate of
Quality
Product
(%)
OEE (%)
Nov-12 95,49% 98,79% 74,78% 70,54%
Des-12 94,20% 44,86% 74,62% 31,53%
Jan-13 95,14% 56,21% 74,26% 39,71%
Feb-13 92,90% 97,03% 73,76% 66,48%
Mar-13 94,73% 58,11% 74,46% 40,99%
Apr-13 94,01% 53,32% 74,59% 37,39%
Mei-13 95,02% 98,33% 72,64% 67,86%
Jun-13 94,85% 49,48% 72,96% 34,24%
Bulan
Breakdown
(Jam)
Loading
Time (Jam)
Breakdown
Loss (%)
Nov-12 12,20 580,9 2,10%
Des-12 11,48 450,51 2,55%
Jan-13 4,00 476,25 0,84%
Feb-13 16,00 387,14 4,13%
Mar-13 18,00 585,08 3,08%
Apr-13 10,33 447,53 2,31%
Mei-13 8,00 371,67 2,15%
Jun-13 12,00 387,08 3,10%
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi September 2013

9
Dengan cara yang sama, maka perhitungan
Setup and Adjusment Losses untuk bulan
November 2012 Juni 2013 disajikan dalam
Tabel 4.14.
Tabel 0.14 Perhitungan Setup/Adjusment
Losses
4.2.5.2 Perhitungan Speed Losses
Speed Losses terdiri dari Idling and Minor
Stoppage Losses dan Reduced Speed Losses.
Untuk menghitung nilai Idling and Minor
Stoppage Losses digunakan rumus sebagai
berikut :
Idling and minor stoppages losses =



x 100%
Perhitungan Idling and Minor Stoppage
Losses untuk bulan November 2012 sebagai
berikut:
Idling and minor stoppages losses
=

x 100%
= 5,73 %
Dengan cara yang sama, maka perhitungan
Idling and Minor Stoppage Losses untuk bulan
November 2012 Juni 2013 disajikan dalam
Tabel 4.15.
Tabel 0.15 Perhitungan Idling and Minor
Stoppages Losses
Bulan
Loading
Time (Jam)
Total
Nonproduktif
(Jam)
Idling and
Minor
Stoppages
(%)
Nov-12 580,9 33,30 5,73%
Des-12 450,51 37,44 8,35%
Jan-13 476,25 29,52 6,28%
Feb-13 387,14 39,36 10,17%
Mar-13 585,08 39,75 6,59%
Apr-13 447,53 41,00 9,16%
Mei-13 371,47 24,53 6,58%
Jun-13 387,08 31,54 8,22%
Untuk menghitung nilai Reduced Speed
Losses digunakan rumus sebagai berikut
:Reduce Speed Losses =



x 100%
Perhitungan Reduced Speed Losses untuk
bulan November 2012 sebagai berikut:
Reduce Speed Losses
=

x 100%
= 1,15%
Dengan cara yang sama, maka perhitungan
Reduce Speed Losses untuk bulan November
2012 Juni 2013 disajikan dalam Tabel 4.16.
Tabel 0.16 Perhitungan Reduce Speed
Losses
Bulan
Actual
Operation
(Jam)
Ideal
Cycle
Time
(Jam/M)
Actual
Product
(M)
Loading
Time
(Jam)
Reduce
Speed
Losses
(%)
Nov-12 554,7 0,064 8.617 580,9 1,15%
Des-12 424,36 0,029 6.582 450,51 51,94%
Jan-13 453,00 0,037 6.882 476,25 41,66%
Feb-13 359,59 0,090 3.871 387,14 2,76%
Mar-13 554,24 0,069 4.664 585,08 39,68%
Apr-13 421,00 0,082 2.715 447,53 43,89%
Mei-13 353,17 0,097 3.553 371,47 1,59%
Jun-13 367,16 0,035 5.088 387,08 47,92%
4.2.5.3 Perhitungan Defect Losses
Defect Losses terdiri dari Rework Losses
dan Reduced Yield/Scrap Losses. Untuk
menghitung nilai Rework Losses digunakan
rumus sebagai berikut :
Rework Losses =



x 100%
Perhitungan Rework Losses untuk bulan
November 2012 sebagai berikut:
Rework Losses =

x 100%
= 0,21 %
Dengan cara yang sama, maka perhitungan
Rework Losses untuk bulan November 2012
Juni 2013 disajikan dalam Tabel 4.17.
Tabel 0.17 Perhitungan Rework Losses
Bulan
Loading
Time
(Jam)
Ideal
Cycle
Time
(Jam/m)
Total
Rework
(m)
Rework
Loss
(%)
Nov-12 580,9 0,064 19 0,21%
Des-12 450,5 0,029 25 0,16%
Jan-13 476,2 0,037 51 0,40%
Feb-13 387,1 0,090 48 1,12%
Mar-13 585,0 0,069 25 0,30%
Apr-13 447,8 0,082 11 0,20%
Mei-13 371,6 0,097 84 2,21%
Jun-13 387,0 0,035 104 0,96%
Untuk menghitung nilai Reduced
Yield/Scrap Losses digunakan rumus sebagai
berikut :
Reduced Yield Losses =



x 100%
Perhitungan Reduced Yield Losses untuk
bulan November 2012 sebagai berikut:
Reduced Yield Losses
=

x 100%= 23,58 %
Bulan
Set up
(Jam)
Loading
Time
(Jam)
Set
Up/Adjustment
Loss (%)
Nov-12 14,00 580,9 2,41%
Des-12 14,57 450,51 3,26%
Jan-13 19,17 476,25 4,02%
Feb-13 11,50 387,14 2,97%
Mar-13 12,53 585,08 2,19%
Apr-13 16,50 447,43 3,68%
Mei-13 10,50 371,57 2,83%
Jun-13 7,92 387,08 2,05%
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi September 2013

10
Dengan cara yang sama, maka perhitungan
Reduced Yield Losses untuk bulan November
2012 - Juni 2013 disajikan dalam Tabel 4.18.
Tabel 0.18 Perhitungan Reduced
Yield/Scrap Losses
Bulan
Loading
Time
(Jam)
Ideal
Cycle
Time
(Jam/m)
Total
Scrap
(m)
Scrap
Loss
(%)
Nov-12 580,9 0,064 2.154 23,58%
Des-12 450,5 0,029 1.646 10,56%
Jan-13 476,2 0,037 1.721 13,37%
Feb-13 387,1 0,090 968 22,53%
Mar-13 585,0 0,069 1.166 13,76%
Apr-13 447,8 0,082 679 12,53%
Mei-13 371,6 0,097 888 23,36%
Jun-13 387,0 0,035 1.272 11,73%
Sebelum digunakan untuk menjawab
permasalahan dan mencapai tujuan penelitian,
hasil regresi yang disajikan pada model
regresi perlu dilakukan validasi atau dikaji
lebih lanjut dengan indikator statistik seperti:
t-test, F-Test, dan ukuran goodness of fit (R
2
).
Hasil regresi berganda (Uji t) dari persamaan
model awal yang dihasilkan dalam penelitian
ini disajikan pada Tabel 4.20
Tabel 0.19 SUMMARY OUTPUT
Regression Statistics
Multiple R 0.9999
R Square 0.9999
Adjusted R
Square 0.9999
Standard Error 0.0001
Observations 8

Multiple R (R majemuk) adalah suatu
ukuran untuk mengukur tingkat
(keeratan) hubungan linear antara
variabel terikat dengan seluruh
variabel bebas secara bersama-sama.
dengan melihat nilai Multiple R sebesar
0,999 maka dapat dikatan bahwa Six
Big Losses (x
1
, x
2
, x
3
, x
4
, x
5
dan x
6
)
sangat mempengaruhi Nilai OEE (Y)
R Square (R
2
) sering disebut dengan
koefisien determinasi, adalah mengukur
kebaikan sesuai (goodness of fit) dari
persamaan regresi; hal ini berarti 99.9%
nilai OEE diterangkan oleh Six Big
Losses dan sisanya (100% - 99,99%
= 0,01%) diterangkan oleh faktor-faktor
lain
Adjusted R Square. Suatu sifat
penting R
2
adalah square. Istilah
penyesuaian berarti nilai R
2
sudah
disesuaikan dengan banyaknya variabel
(derajat bebas) dalam model. Seringkali
juga disarankan, jika variabel bebas
lebih dari dua, sebaiknya menggunakan
adjusted R square. Dengan melihat nilai
Adjusted R Square 0,999 itu berati nilai
persamaan nilai R
2
yang telah
disesuaikan dengan derajat bebas dan
nilai variabel terikat masih diterangkan
sebesar 99,9% oleh variabel bebas.
Standard Error. Merupakan standar
error dari estimasi variabel terikat
(dalam kasus kita adalah permintaan).
Jika dibandingkan nilai standar error
(SE) 0.0001 dengan standar deviasi
(SD) 0,164 maka dapat dilihat nilai
SE<SD maka model regresi semakin
tepat dalam memprediksi nilai OEE
Tabel 0.20 ANOVA

d
f
SS MS F
Significa
nce F
Regre
ssion
6
0,19011
6863
0,03168
6144
261911
7,592
0,00047
Residu
al
1
1,2098
E-08
1,2098
E-08
Total 7
0,19011
6875
Dengan membandingkan nilai F
hitung
dengan F
tabel
yaitu 2619117,592 > 233,98
dengan tingkat signifikansi 0,000 (lebih kecil
dari = 0,05 ) artinya model persamaan
regresi tersebut signifikan.
5. Analisa dan Pemecahan Masalah
5.1 Analisa Perhitungan Overall Equipment
Effectiveness (OEE)
Analisa perhitungan overall equipment
effectiveness di PT. Laser Metal Mandiri
(LMM) dilakukan untuk melihat tingkat
efektivitas penggunaan mesin Trupunch V
5000 I selama bulan November 2012 - Juni
2013. Pengukuran Overall Equipment
Effectiveness (OEE) ini merupakan perkalian
antara Availability, Performance Efficiency dan
Rate of Quality Products. Hasil pengolahan
data yang dilakukan pada periode November
2012 - Juni 2013 di PT. Laser Metal Mandiri
(LMM) adalah sebagai berikut :
1. Selama periode November 2012 Juni
2013 diperoleh nilai Availability dari mesin
Trupunch V 5000 I sekitar 92,90% -
95,49%. Nilai dari Performance Efficiency
dari mesin Trupunch V 5000 I sekitar
44,86% - 98,79%. Nilai dari Rate of Quality
Products dari mesin Trupunch V 5000 I
sekitar 72,64% - 74,78%. Dan hasil dari
Overall Equipment Effectiveness (OEE)
yang berkisar antara 31,53% - 70,54%.
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi September 2013

11
2. Nilai OEE tertinggi terdapat pada bulan
November 2012 sebesar 70,54%. Nilai
OEE ini didapat dari nilai Availability
sebesar 95,49% nilai Performance
Efficiency sebesar 98,79% dan nilai Rate of
Quality Products sebesar 74,78%.
Sedangkan nilai OEE terendah terdapat
pada bulan Desember 2012 sebesar
31,53%. Hal ini disebabkan karena nilai
Availability sebesar 94,20%, Nilai
Performance Efficiency sebesar 44,86%
dan nilai Rate of Quality Products sebesar
74,62%.
5.1 Analisa Perhitungan OEE six big
losses
Setelah nilai OEE didapat maka selanjutnya
melakukan perhitungan OEE six big losses.
Semua data yang bersangkutan dengan OEE
six big losses diolah dan menghasilkan nilai
OEE six big losses sebagai berikut :
1. Nilai Breakdown Losses pada bulan
November 2012 Juni 2013 sekitar
0,84% - 4,13%.
2. Nilai Set up/Adjustment Losses pada
bulan November 2012 Juni 2013
sekitar 2,05% - 4,02%.
3. Nilai Idling and Minor Stoppage Losses
pada bulan November 2012 Juni 2013
sekitar 5,73% - 10,17%.
4. Nilai Reduce Speed Losses pada bulan
November 2012 Juni 2013 sekitar
1,15% - 51,94%.
5. Nilai Rework Losses pada bulan
November 2012 Juni 2013 sebesar 0,16
2,21 %.
6. Nilai Reduced Yield Losses/scrap pada
bulan November 2012 Juni 2013 sekitar
10,56% - 23,58%.
Dari hasil analisa di atas dapat diketahui
bahwa faktor Reduce Speed Losses dalam
OEE six big losses merupakan faktor yang
memberikan kontribusi terbesar dalam OEE
dengan persentase rata-rata sebesar 28,97%.
5.3 Analisa Perhitungan Regresi dan
Korelasi
Dari hasil perhitungan OEE six big losses
dari data yang didapat selanjutnya dilakukan
analisa regresi dan korelasi dari variabel yang
terdapat pada OEE six big losses. Hal ini
bertujuan untuk mengukur seberapa kuat,
suatu relasi yang terjadi antar variabel dan
membuat perkiraan nilai suatu variabel
(variabel dependen) jika nilai variabel yang lain
yang berhubungan dengannya (variabel
lainnya) sudah ditentukan.
Selama periode November 2012 Juni
2013 pengolahan data hasil analisa regresi
dan korelasi di PT. Laser Metal Mandiri (LMM),
bedasarkan hasil perhitungan dengan
Microsoft Excel adalah sebagai berikut :
Tabel 0.21 Tabel Kolerasi Antara Six
Big Losses dengan OEE
Kolerasi Antara
Six Big Losses
dengan OEE
Hubungan
Antar
Variable
Kaku
atan
Koler
asi
Interval
Kekuatan
Kolerasi
Breakdown
Losses
Positif 0,161
Sangat
Lemah
Set
Up/Adjustment
Losses
Negatif 0,213
Sangat
Lemah
Idling and Minor
Stoppages
Losses
Negatif 0,19
Sangat
Lemah
Reduce Speed
Losses
Negatif 0,999 Sangat Kuat
Yield/Scrap
Losses
Positif 0,999 Sangat Kuat
Rework Positif 0,505 Kuat
Korelasi yang dihasilkan dari faktor six big
losses adalah korelasi negatif (Set
Up/Adjustment Losses, and Minor Stoppages
Losses , Reduce Speed Losses ) yang berarti
jika ada salah satu faktor dari six big losses
yang meningkat maka faktor-faktor lain dari six
big losses akan mengalami penurunan, dan
korelasi Positif (Breakdown Losses,
Yield/Scrap Losses, Rework) yang berarti jika
ada salah satu faktor dari six big losses yang
meningkat maka faktor-faktor lain dari six big
losses akan ikut mengalami peningkatan.
Dari hasil pengolahan data yang telah
dilakukan maka faktor-faktor yang mempunyai
pengaruh yang besar terhadap OEE adalah
Reduce Speed Losses dengan interval
kekuatan hubungan dengan OEE di atas 90%
yang berarti memiliki korelasi yang sangat
kuat.
5.4 Analisa Diagram Sebab Akibat
Agar perbaikan dapat segera dilakukan,
maka analisa terhadap penyebab faktor-faktor
six big losses yang mengakibatkan rendahnya
efektivitas mesin dalam perhitungan OEE
dilakukan dengan menggunakan diagram
sebab akibat. Analisa dilakukan dengan
melihat faktor dari six big losses yang
memberikan kontribusi yang besar dan
memiliki korelasi yang kuat terhadap OEE
yaitu Idling and Minor Stoppage Losses. Maka
analisa diagram sebab akibat dari faktor ini
adalah sebagai berikut :
a. Mesin/peralatan
Sering terjadi gangguan tiba-tiba karena
preventive maintenance yang belum
optimal.
Kecepatan mesin yang mulai berkurang
karena kurang terawat.
Banyak komponen yang aus pada mesin
yang belum diganti dan dipaksakan
Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi September 2013

12
bekerja sehingga peluang mesin
tersebut rusak menjadi lebih tinggi.
b. Manusia/operator
Kurangnya konsentrasi operator dalam
bekerja sehingga mengakibatkan
produktifitas yang menurun.
c. Lingkungan
Tingkat kebisingan sangat tinggi
mengakibatkan pekerja kurang
berkonsentrasi.
Kurangnya pencahayaan di dalam
pabrik sehingga mengganggu
penglihatan.
d. Metode
Proses set up mesin tidak sesuai
dengan standar, set up hanya seadanya
yang penting mesin masih tetap
berjalan.
Pemakaian mesin secara terus menerus
sehingga hanya sedikit waktu untuk
mesin tersebut beristirahat.
e. Material
Kurangnya ketersediaan material di line
produksi dikarenakan crane yang
diperlukan tidak sesuai dengan
kebutuhan.
I dlingandMinor StoppageLosses
Manusia
Lingkungan
Mesin/peralatan
Metode
Material
Kurang Konsentrasi
Kurang Teliti
Sering Gangguan
Kecepatan Mesin
berkurang
Banyak Part Aus
Kurangnya crane
Kurang Pencahayaan
Lingkungan Kotor
Set Up Tidak
Sesuai Standar
Pemakaian Mesin
Secara Terus Menerus
6. Kesimpulan dan Saran
6.1 Kesimpulan
Berdasarkan hasil pengolahan dan analisa
data sebelumnya pada mesin Trupunch V
5000 I di PT. Laser Metal Mandiri (LMM), maka
diperoleh beberapa kesimpulan sebagai
berikut :
1. Dengan melihat nilai rata-rata hasil
perhitungan OEE pada mesin Trupunch V
5000 I yaitu sebesar 48,59 %, dapat
disimpulkan bahwa efektifitas mesin
Trupunch V 5000 I jauh dari standar
worldclass (85 %).
2. Faktor six big losses yang memberikan
kontribusi terbesar terhadap nilai OEE pada
mesin Trupunch V 5000 I adalah Reduce
Speed Losses dengan rata-rata nilai
sebesar 28,97%.
3. Usulan pebaikan yang dihasilkan dari
analisa diagram sebab akibat terhadap
faktor yang menjadi prioritas utama adalah :
a. Langkah perbaikan terhadap faktor
mesin/peralatan
Mengoptimalkan preventive
maintenance.
b. Langkah perbaikan terhadap faktor
tenaga kerja
Memberikan pelatihan kepada para
operator.
Memberikan reward dan punishment
untuk pekerja.
Perusahaan perlu mengadakan
gathering karyawan.
c. Langkah perbaikan terhadap faktor
lingkungan
Membersihkan area kerja sebelum
dan sesudah proses produksi.
d. Langkah perbaikan terhadap faktor
metode
Pelaksanaan set up mesin harus
sesuai dengan aturan yang telah
dibuat.
Fokus pemeliharaan pada mesin
yang digunakan secara kontinu.
e. Langkah perbaikan terhadap faktor
material
Meningkatkan inspeksi produk pada
setiap stasiun kerja agar tidak
menjadi masalah dalam stasiun kerja
yang lain.
6.2 Saran
Adapun saran yang dapat diberikan
berdasarkan penelitian ini yang mungkin akan
berguna sebagai masukan yang bermanfaat
bagi perusahaan adalah sebagai berikut :
1. Melakukan perhitungan OEE pada setiap
mesin secara rutin, agar diperoleh informasi
yang akurat untuk melakukan pemeliharaan
dan perawatan secara terus menerus
dalam upaya peningkatan efektifitas
penggunaan mesin/peralatan.
2. Melakukan pelatihan kepada seluruh
operator untuk meningkatkan kemampuan
dan keterampilan mereka dalam
menanggulangi permasalahan yang terjadi
pada mesin produksi sehingga perusahaan
dapat menerapkan autonomous
maintenance untuk meningkatkan
produktivitas mesin.
3. Menanamkan kesadaran kepada seluruh
karyawan untuk berperan aktif dalam
peningkatan produktivitas dari tingkat
operator hingga top management.