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.