ANALISA EFEKTIFITAS DENGAN METODE OVERALL

EQUIPMENT EFFECTIVENESS (OEE) DAN FMEA PADA MESIN

FURNACE DI PT. BARATA INDONESIA (Persero)
Mega Yuni Alfathih1, Said Salim Dahda2, M. Zainuddin Fathoni3
1)
Mahasiswi Teknik Industri Universitas Muhammadiyah Gresik
2,3)
Dosen Universitas Muhammadiyah Gresik
Fakultas Teknik Universitas Muhammadiyah Gresik
Jl. Sumatra 101 Gresik Kota Baru (GKB), Randuagung, 61121Telp.(031) 3951414 , Faks. (0561)
740186
E-mail : megaalfathih@gmail.com

ABSTRAK

PT. Barata Indonesia (Persero) adalah salah satu perusahaan yang memproduksi komponen dan
peralatan berat yang berbahan besi dan baja khususnya. Permasalahan yang terjadi saat ini adalah terjadinya
permasalahan kinerja mesin furnace yang terdapat pada foundry 1 di PT. Barata Indonesia (Persero), sehingga
mesin tersebut tidak dapat bekerja dengan efektif. Untuk mengatasi permasalahan yang terjadi, maka akan
dilakukan pengukuran dengan metode OEE. Terdapat tiga faktor dalam OEE :Availability (A), Performance
Efficiency (P), dan Rate of Quality Product (Q). Jika nilai OEE belum cukup handal untuk pencarian
penyebab dan pencarian perbaikkan yang akan terkoneksi dengan Six Big Losses, kemudian dilakukan analisis
menggunakan diagram fishbone dan memberikan perbaikkan dengan menggunakan metode FMEA. Rata-rata
nilai OEE ada bulan Januari-Desember 2017 pada mesin furnace 73.45 %. Nilai OEE pada mesin furnace
tersebut belum memenuhi standar OEE kelas dunia yakni sebesar 85 %. Hasil six big losses dan analisis
diagram fishbone menunjukkan bahwa faktor terbesar yang menyebabkan rendahnya pencapaian nilai OEE
pada mesin furnace adalah Reduce Speed Loss, Equipment Failure (Breakdown Loss),Setup and Adjustmen
Loss dan Process Defect Loss. Hasil RPN menunjukkan penyebab kegagalan terbesar pada faktor Reduce
Speed Loss adalah Tap Changer terlalu panas dan terdapat kabel yang menggangu sehingga tidak dapat
berputar dengan RPN sebesar 256.

Kata Kunci : OEE, Six Big Losses, Diagram Fishbone, FMEA

PENDAHULUAN
Peningkatan produktivitas sangatlah
penting bagi perusahaan untuk memperoleh
keberhasilan pada proses usahanya. Salah satu
contoh peningkatan produktivitas adalah
dengan mengevaluasi kineja fasilitas produksi
terganggu atau terhenti sama sekali dapat
dikategorikan menjadi tiga, yaitu dikarenakan
oleh factor manusia, mesin, dan lingkungan.
Ketiga hal tersebut dapat berpengaruh antara
satu dengan yang lainnya.
Dalam dunia perawatan mesin, dikenal
istilah Six Big Losses adalah enam keruguan
yang harus dihindari oleh setiap perusahaan
yang dapat mengurangi tingkat efektifitas suatu
mesin, Six Big Losses tersebut biasanya
dikategorikan menjadi 3 kategor utama
berdasarkan aspek kerugiannya, yaitu
Downtime, Speed Losses, dan Defects. Yang
dimaksudkan dengan Downtime adalah waktu
yang terbuang, dimana proses produksi tidak
berjalan seperti biasanya diakibatkan oleh
kerusakan mesin. Downtime mengakibatkan
hilangnya waktu yang berharga untuk
memproduksi barang dan digantukan dengan
memperbaiki kerusakan yang ada (Nakajima,
1988). Downtime terdiri dari dua macam
kerugian. Yaitu Breakdown dan Setup and
adjustment. Speed Losses adalah suatu keadaan
dimana kecepatan proses produksi terganggu,
sehingga produksi tidak mencapai tingkat yang
diharapkan (Nakajima, 1988). Speed Losses
terdiri dari dua macam kerugian, yaitu Idling
and minor stoppages dan reduced speed.

1
Defects adalah suatu keadaan dimana produk
yang dihasilakn tidak sesuai dengan spesifikasi
yang diminta (Nakajima, 1988). Bila suatu
produk yang dihasilkan tidak sesuai dengan
spesifikasi, maka produk tersebut tidak dapat
memuaskan keinginan konsumen. Hal ini tentu
merugikan bagi konsumen, juga bagi
perusahaan karena perusahaan harus
mengeluarkan biaya untuk memperbaiki produk
cacat tersebut, sehingga produk tersebut sesuai
dengan spesifikasi yang diminya. Defects in
process and rework dan reduced yield.
PT. Barata Indonesia (Persero)
memproduksi komponen dan peralatan berat
yang berbahan besi dan baja khususnya. Alat
yang diproduksi oleh PT. Barata Indonesia
(Persero) yang sesuai dengan permintaan para
konsumen, menjadikan salah satu faktor utama
bagi PT. Barata Indonesia (Persero) untuk
meningkatkan produktivitas dengan cara
memanfaatkan peralatan produksi seefektfif
mungkin.
LANDASAN TEORI
a. Teori Efektivitas dan Efisiensi
Menurut Moenir (2006), efisiensi
adalah perbandingan atau rasio dari
keluaran (output) dengan masukan (input).
Efisiensi mengacu pada bagaimana
baiknya sumber daya digunakan untuk
menghasilkan output. Efektivitas adalah
derajat pencapaian tujuan dari sistem yang
diukur dengan perbandingan atau rasio
dari keluaran (output aktual) yang dicapai
dengan keluaran (output) standar yang
diharapkan.
b. Overall Equipment Effectiveness
Menurut Nakajima (1988), OEE
merupakan ukuran menyeluruh yang
mengidentifikasikan tingkat produktivitas
mesin/peralatan dari kinerja secara teori.
Pengukuran ini sangat penting untuk
mengetahui area mana yang perlu
ditingkatkan produktivitasnya ataupun
efisiensi Penerapan Metode Overall
Equipment Effectiveness (OEE) dan
Failure Mode And Effect Analysis
(FMEA) dalam Mengukur Kinerja Mesin
Produksi Winding NT-880N untuk
Meminimasi Six Big Losses Reka Integra
– 275 mesin/peralatan dan juga dapat
menunjukan area bottleneck yang terdapat
pada lintasan produksi.
c. Six Big Losses
Menurut Nakajima (1988), kegiatan
dan tindakan-tindakan yang dilakukan
dalam TPM tidak hanya berfokus pada
pencegahan terjadinya kerusakan pada
mesin/peralatan dan meminimalkan
downtime mesin/peralatan. Rendahnya
produktivitas mesin/peralatan yang
menimbulkan kerugian bagi perusahaan
sering diakibatkan oleh penggunaan
mesin/peralatan yang tidak efektif dan
efisien terdapat enam faktor yang disebut
enam kerugian besar (six big losses).
Adapun enam kerugian tersebut, yaitu
equipment failure losses (kerugian karena
kerusakan peralatan), setup and adjusment
losses (kerugian karena pemasangan dan
penyetelan), idle and minor stoppages
losses (kerugian karena beroperasi tanpa
beban maupun karena berhenti sesaat),
reduce speed losses (kerugian karena
penurunan kecepatan operasi), defect in
process losses (kerugian karena produk
cacat) dan reduce yield losses (kerugian
pada awal waktu produksi).
d. Failure Mode and Effect Analysis (FMEA)
Berdasarkan Omdahl (1988) dalam
Stamatis (1995), Failure Mode And Effect
Analysis (FMEA) adalah teknik rekayasa
yang digunakan untuk mendefinisikan,
mengidentifikasi masalah, kesalahan, dan
sebagainya dari sistem, desain, proses, dan
atau jasa sebelum suatu produk atau jasa
diterima oleh konsumen.
Proses FMEA terdapat 3 variabel
utama antara lain severity, occuranve, dan
detection. Severity merupakan rating atau
tingkat yang mengacu pada seriusnya
dampak dari suatu potensial failure mode.
Occurance merupakan rating yang
mengacu pada beberapa frekuensi
terjadinya cacat pada produk isolator. Nilai
frekuensi kegagalan menunjukan adanya
keseringan suatu masalah yang terjadia
akibat potential cause.
Detection adalah sebuah kontrol
proses yang akan mendeteksi secara
spesifik akar penyebab dari kegagalan.
Detection adalah sebuah pengukuran untuk
mengendalikan kegagalan yag dapat
terjadi. Kriteria severity rating, occurance
rating dan detection rating yang digunakan
berdasarkan kriteria Stamatis (1995).
2
METODOLOGI PENELITIAN
a. Lokasi dan Waktu Penelitian
Penelitian dilakukan di PT. Barata Indonesia
(Persero) yang berlokasi di Jl. Veteran No. 241,
Gending, Kebomas, Kabupaten Gresik, Jawa
Timur. Pengumpulan data dilakukan pada bulan
April 2018, segala data bersumber dari data
tertulis maupun tidak tertulis bagian divisi
Maintenance.
Metodologi penelitian merupakan langkah-
langkah yang akan dilakukan dalam penelitian
untuk mencapai tujuan yang diinginkan.
Langkah-langkah pemecahan masalah dalam
pengembangan algoritma ini adalah sebagai
berikut:
1. Survei Pendahuluan Survei pendahuluan
dilakukan dengan turun langsung ke bagian
produksi dan mengamati proses produksi
dari tahap bahan baku sampai dengan bahan
jadi.
2. Rumusan Masalah
Setelah melakukan survei pendahuluan yang
berhubungan dengan penelitian yang
dilakukan, dapat diidentifikasi mesin mana
yang memerlukan evaluasi dan perbaikan.
3. Data Penelitian
Data yang dibutuhkan untuk penelitian ini
adalah data spesifikasi mesin, data kerja
mesin, dan data hasil produksi.
4.Perhitungan Overall Equipment Effectiveness
(OEE)
Data yang telah dikumpulkan, kemudian
diolah agar dapat digunakan dalam
penelitian. Pengolahan data menggunakan
OEE ini diawali dengan penentuan nilai
availability ratio, performance efficiency,
dan rate of quality product.
5. Identifikasi Six Big Losses
Perhitungan six big losses dilakukan untuk
mengidentifikasi kerugian seperti kerusakan
alat, kerugian persiapan, kerugian kerusakan
produk dan kerusakan lainnya yang dapat
merugikan perusahaan.
Mengidentifikasi penyebab kegagalan yang
tertinggi pada six big losses dilakukan suatu
analisis dengan menggunakan metode FMEA.
PENGUMPULAN DAN PENGOLAHAN
DATA
Perhitungan OEE Mesin Furnace
Perhitungan Availability
𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑛𝑔 𝑇𝑖𝑚𝑒
Availability = 𝑥 100 % …….(1)
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑇𝑖𝑚𝑒
Loading time adalah waktu yag tersedia
(availability) per hari atau per bulan dikurangi
dengan waktu downtime mesin yang
direncanakan. Operating time merupakan hasil
pengurangan loading time dengan waktu
downtime mesin (non-operating time). Maka
rumusnya sebagai berikut :
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑡𝑖𝑚𝑒 = 𝐻𝑎𝑟𝑖 𝐾𝑒𝑟𝑗𝑎 − 𝑃𝑙𝑎𝑛𝑛𝑒𝑑 𝑑𝑜𝑤𝑛𝑡𝑖𝑚𝑒
𝐷𝑜𝑤𝑛𝑡𝑖𝑚𝑒 = 𝐵𝑟𝑒𝑎𝑘𝑑𝑜𝑤𝑛 𝑡𝑖𝑚𝑒 + 𝑆𝑒𝑡 𝑢𝑝 𝑎𝑛𝑑 𝐴𝑑𝑗𝑢𝑠𝑡𝑚𝑒𝑛𝑡
𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑛𝑔 𝑡𝑖𝑚𝑒 = 𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑡𝑖𝑚𝑒 − 𝑆𝑒𝑡 𝑢𝑝 𝑎𝑛𝑑 𝐴𝑑𝑗𝑢𝑠𝑡𝑚𝑒𝑛𝑡
Nilai availability Mesin Furnace untuk bulan
Januari 2017 adalah sebagai berikut :
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑡𝑖𝑚𝑒 = 744 𝑗𝑎𝑚 − 93 𝑗𝑎𝑚 = 651 𝑗𝑎𝑚
𝐷𝑜𝑤𝑛𝑡𝑖𝑚𝑒 = 40 𝑗𝑎𝑚 + 23.35 𝑗𝑎𝑚 = 63.35 𝑗𝑎𝑚
𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑛𝑔 𝑡𝑖𝑚𝑒 = 651 𝑗𝑎𝑚 − 63.35 𝑗𝑎𝑚
= 587.75 𝑗𝑎𝑚
587.75
𝐴𝑣𝑎𝑖𝑙𝑎𝑏𝑖𝑙𝑖𝑡𝑦 = 𝑥 100% = 90.28 %
651

6. Analisis Losses Terbesar Menggunakan

Diagram Tulang ikan (Fishbone Diagram).
Setelah mendapatkan nilai six big losses,
kemudian selanjutnya menganalisis hasil
nilai six big losses yang paling signifikan
menggunakan diagram Tulang Ikan
(fishbone Diagram).
7. Identifikasi losses terbesar menggunakan
failure mode and effect analysis (FMEA)

3
Tabel 1Nilai Availability Mesin Furnace bulan Tabel 2 Nilai performance Efficiency
Januari s/d Desember 2017 Mesin Furnace bulan Januari s/d
Ha
Pla
nne brea Ava
Desember 2017.
Set up Dow Load
ri d kdo Oper ilabl
& ntim ing
Ker Do wn ating e
Bulan adjust e Time
ja wnti time Time Tim Ideal
ment (jam (jam
(ja me (jam (jam) e Processed Waktu
m)
(jam)
(ja )
) )
(%) Cycle
BULAN Amount Operasi PE (%)
m) Time
(ton) (jam)
Januar 744
23.25 93 40.00
63.2 651.0 587.7 90.2 (jam/ton)
i .00 5 0 5 8
Febru 672 55.7 585.0 529.2 90.4
21.75 87 34.00 Januari 1235 0.4 587.75 84.04
ari .00 5 0 5 7
744 55.2 651.0 595.7 91.5 Februari 1120 0.4 529.25 84.65
Maret 23.25 93 32.00
.00 5 0 5 1 Maret 1120 0.4 595.75 75.20
: : : : : : : : : : : : : :
: : : : : : : : : : : : : :
: : : : :
: : : : : : : : :
: : : : :
: : : : : : : : :
Dese 744 90.2 651.0 560.7 86.1
Desember 1235 0.4 560.75 88.10
23.25 93 67.00 TOTAL 14645.00 6820.50 1021.67
mber .00 5 0 5 4

TOT
876
109 567.0 841. 7662. 6820. 106
RATA-RATA 85.95 %
0.0 275
AL 8 0 50 00 50 8.37
0
89.0
RATA- RATA
3
Perhitungan Rate of Quality Product

Perhitungan Performance Efficiency

Untuk menghitung nilai Rate of Quality
Product menggunakan rumus sebagai berikut :
𝑝𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒 𝐸𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑦 =
𝑃𝑟𝑜𝑐𝑒𝑠𝑠𝑒𝑑 𝑎𝑚𝑜𝑢𝑛𝑡 𝑥 𝐼𝑑𝑒𝑎𝑙 𝐶𝑦𝑐𝑙𝑒 𝑡𝑖𝑚𝑒
𝑥 100% ..............(2) 𝑅𝑎𝑡𝑒 𝑜𝑓 𝑄𝑢𝑎𝑙𝑖𝑡𝑦 𝑃𝑟𝑜𝑑𝑢𝑐𝑡 =
𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝑡𝑖𝑚𝑒
𝑃𝑟𝑜𝑐𝑒𝑠𝑠𝑒𝑑 𝑎𝑚𝑜𝑢𝑛𝑡−𝐷𝑒𝑓𝑒𝑐𝑡 𝐴𝑚𝑜𝑢𝑛𝑡
𝑥 100%………….(3)
Ideal Cycle time pada mesin furnace adalah 𝑃𝑟𝑜𝑐𝑒𝑠𝑠𝑒𝑑 𝑎𝑚𝑜𝑢𝑛𝑡

waktu proses yang diharapkan dapat dicapai

dalam keadaan optimal atau tidak mengalami Nilai rate of quality product mesin furnace
hambatan selama proses produksi. untuk bulan Januari 2017 adalah sebagai
berikut :
Ideal Cycle time pada mesin furnace = 8
jam/22.72 ton = 0.352 jam/ton (dibulatkan 𝑅𝑎𝑡𝑒 𝑜𝑓 𝑄𝑢𝑎𝑙𝑖𝑡𝑦 𝑃𝑟𝑜𝑑𝑢𝑐𝑡
menjadi 0.4 jam/ton) 1235 − 52.95
= 𝑥 100%
1235
(keterangan : dalam 1 shift (8 jam)
menghasilkan 22.72 ton) = 95.71 %

Nilai performance Efficiency mesin furnace

untuk bulan Januari 2017 adalah sebagai
berikut :

𝑃𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒 𝐸𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑦
1235 𝑡𝑜𝑛 𝑥 0.4
= 𝑥 100%
587.75 𝑗𝑎𝑚
= 84.04%

4
 Tabel 3 Nilai Rate of Quality Product Mesin
Furnace bulan Januari s/d Desember 2017 Perbandingan Nilai OEE dengan Standar
Proces
Nilai OEE Kelas Dunia
Jumlah
s AFKIR
BULAN Cacat QR
Amoun (ton)
(ton) Perbandingan nilai OEE yang terukur dengan
t (ton)
standar nilai OEE kelas dunia dilakukan untuk
Januari 1235 15.60 15.60 98.74
mengetahui jika nilai OEE yang terukur kurang
Februari 1357 10.60 10.60 99.05 dari standar nilai OEE kelas dunia dapat
Maret 1120 16.60 16.60 98.52 disimpulkan bahwa harus dilakukan tindakan
: : : : : perbaikan, sedangkan jika nilai OEE yang
: : : : :
: : : : :
terukur lebih dari atau sama dengan standar
: : : : : nilai OEE kelas dunia dapat disimpulkan bahwa
Desember 1235 12.50 12.50 98.99 sudah memenuhi standar.
14632. 1,186.
TOTAL 161.42 161.42
00 79
98.90
Tabel 5 Perbandingan Nilai OEE Mesin
RATA-RATA furnace bulan Januari s/d Desember 2017
%
dengan Nilai OEE kelas Dunia
Perhitungan OEE
AR PR QR OEE
BULAN Keterangan
(%) (%) (%) (%)
Setelah nilai dari availability, performance
efficiency dan rate of quality product pada Januari 90.28 84.04 98.74 74.92 Improve
mesin furnace diperoleh, maka dapat dilakukan
Februari 90.47 84.65 99.05 75.86 Improve
perhitungan nilai OEE agar diketahui besarnya
efektifitas mesin furnace dengan menggunakan Maret 91.51 75.20 98.52 67.80 Improve
rumus sebagai berikut : :
:
:
:
:
:
:
:
:
:
:
:
: : : : : :
: : : : : :
OEE
= 𝐴𝑣𝑎𝑖𝑙𝑎𝑏𝑖𝑙𝑖𝑡𝑦 (%)𝑥 𝑃𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒 𝐸𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑦 (%) Desember 86.14 88.10 98.99 75.12 Improve
RATA- 89.03 85.95 98.90 75.66
𝑥 𝑅𝑎𝑡𝑒 𝑜𝑓 𝑄𝑢𝑎𝑙𝑖𝑡𝑦 𝑃𝑟𝑜𝑑𝑢𝑐𝑡 (%) …………….…(4) RATA % % % %
Improve
OEE
Perhitungan nilai OEE bulan Januari 2017 Kelas 90.00 95.00 99.00 85.00
Dunia
mesin furnace yaitu:
OEE = (90.28 % 𝑥 84.04 % 𝑥 98.74 %)
Perhitungan Six Big Losses Mesin Furnace
= 74.92 %
Dari perbandingan nilai OEE mesin furnace
dengan standar nilai OEE kelas dunia,
Tabel 4 Nilai Overall Equipment Effectiveness
perusahaan perlu melakukan tindakan
Mesin Furnace bulan Januari s/d Desember
perbaikan (Improve) untuk mengetahui
2017
penyebab rendahnya nilai OEE pada mesin
OEE
tersebut, maka dari itu perlu dilakukan
BULAN AR (%) PE (%) QR (%) perhitungan six big losses yang terjadi pada
(%)
mesin furnace yaitu equipment failure
Januari 90.28 84.04 98.74 74.92 (breakdown loss), setup and adjustment loss,
Februari 90.47 84.65 75.86
idling and minor stoppage, reduce speed loss,
99.05
process defect loss dan reduce yield loss.
Maret 91.51 75.20 98.52 67.80
Berikut perhitungan enam losses yang terjadi
: : : : :
: : : : : pada mesin furnace.
: : : : :
: : : : :

Desember 86.14 88.10 98.99 75.12 Equipment Failure (Breakdown Loss)

TOTAL 1068.37 1021.33 1186.79 907.96
RATA- Kerusakan mesin atau peralatan secara tiba-tiba
89.03 % 85.95 % 98.90 %
RATA 75.66 %
yang mengakibatkan mesin produksi tidak

5
dapat beroperasi, untuk menghitung equipment Tabel 7 Setup and Adjusment Loss Mesin
failure (breakdown loss) menggunakan rumus: Furnace Bulan Januari s/d Desember 2017
Total
𝐸𝑞𝑢𝑖𝑝𝑚𝑒𝑛𝑡 𝐹𝑎𝑖𝑙𝑢𝑟𝑒 = Waktu Loading Setup and
𝑇𝑜𝑡𝑎𝑙 𝐵𝑟𝑒𝑎𝑘𝑑𝑜𝑤𝑛 𝑡𝑖𝑚𝑒
𝑥 100%…………………..(5) Bulan Setup and Time Adjusment
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑡𝑖𝑚𝑒
Adjusment (Jam) Loss (%)
Dengan menggunakan rumus diatas maka dapat
(Jam)
dihitung equipment failre (breakdown loss)
mesin furnace bulan Januari2017yaitu: Januari 23 651.00 3.57
Februari 22 585.00 3.72
40 𝑗𝑎𝑚 Maret 23 651.00 3.57
𝐸𝑞𝑢𝑖𝑝𝑚𝑒𝑛𝑡 𝐹𝑎𝑖𝑙𝑢𝑟𝑒 = 𝑥 100 % = 6.14 %
651 : : : :
: : : :
Tabel 6 Equipment Failure (Breakdown Loss) : : : :
: : : :
Mesin Furnace Bulan Januari s/d Desember
2017 Desember 23 651.00 3.57
Equipment Total
Loading 275 7662.00 43.00 %
Breakdown Failure
Bulan Time RATA-RATA 3.58 %
Time (jam) (Breakdown
(Jam)
Loss ) (%)
Januari 40.00 651.00 6.14 Idling and Minor Stoppage
Februari 34.00 585.00 5.81
Maret Kerugian yang diakibatkan oleh mesin yang
32.00 651.00 4.92
: : : :
mengalami pemberhentian sesaat, untuk
:
:
:
:
:
:
:
:
menghitung Idling and Minor Stoppage
: : : : digunakan rumus :
Desember 67.00 651.00 10.29
Total 567.00 7662.00 88.63 % 𝐼𝑑𝑙𝑖𝑛𝑔 𝑎𝑛𝑑 𝑀𝑖𝑛𝑜𝑟 𝑆𝑡𝑜𝑝𝑝𝑎𝑔𝑒 =
𝑁𝑜𝑛 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑒 𝑡𝑖𝑚𝑒
RATA-RATA 7.29 %
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑡𝑖𝑚𝑒
…………………………….(7)

Setup and Adjustment Loss

Untuk mendapatkan nilai Non Productive =
Kerugian dikarenakan karena adanya waktu time Breakdown + Planned downtime + Waktu
yang tercuri akibat setup akibat waktu setup setup and adjustment.
yang lama, untuk menghitung setup and Dengan menggunakan rumus di atas maka
adjustment loss menggunakan rumus: dapat dihitung setup and adjustment loss mesin
furnace bulan Januari 2017 sebagai berikut :
𝑆𝑒𝑡𝑢𝑝 𝑎𝑛𝑑 𝐴𝑑𝑗𝑢𝑠𝑡𝑚𝑒𝑛𝑡 𝐿𝑜𝑠𝑠 =
𝑇𝑜𝑡𝑎𝑙 𝑠𝑒𝑡𝑢𝑝 𝑎𝑛𝑑 𝐴𝑑𝑗𝑢𝑠𝑡𝑚𝑒𝑛𝑡 Non Productive = 40 + 93 + 23.25 =156.26
𝑥 100%.......................(6)
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑡𝑖𝑚𝑒
156.25
𝐼𝑑𝑙𝑖𝑛𝑔 𝑎𝑛𝑑 𝑀𝑖𝑛𝑜𝑟 𝑆𝑡𝑜𝑝𝑝𝑎𝑔𝑒 =
Dengan menggunakan rumus diatas maka dapat 651
= 0.24 %
dihitung setup and adjustment loss mesin
furnace bulan Januari s/d Desember 2017
sebagai berikut :
323
𝑆𝑒𝑡𝑢𝑝 𝑎𝑛𝑑 𝐴𝑑𝑗𝑢𝑠𝑚𝑒𝑛𝑡 𝐿𝑜𝑠𝑠 = 𝑥 100%
651
= 3,57 %

6
 Tabel 8 Idlling and Minor Stoppage Mesin Proses Defect Loss
Furnace Bulan Januari s/d Desember 2017
Kerugian dikarenakan produk hasil produksi
Total Non mengalami kekurangan (cacat) setelah keluar
Loading Setup and
Productive
Bulan Time Adjusment dari proses produksi, untuk menghitung process
Time
(Jam) Loss (%)
(jam) defects loss menggunakan rumus :

Januari 156.25 651.00 0.24 𝑃𝑟𝑜𝑐𝑒𝑠𝑠 𝐷𝑒𝑓𝑒𝑐𝑡 𝐿𝑜𝑠𝑠 =

Februari 142.75 585.00 0.24 𝐼𝑑𝑒𝑎𝑙 𝑐𝑦𝑐𝑙𝑒 𝑡𝑖𝑚𝑒 𝑥 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒𝑓𝑒𝑐𝑡 𝑎𝑚𝑜𝑢𝑛𝑡
Maret 148.25 651.00 0.23
𝑥 100%........(9)
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑡𝑖𝑚𝑒
: : : :
: : : :
: : : :
: : : : Reduce Yield Loss
Desember 183.25 651.00 0.28
Total 1939.50 7662.00 3.04 % Kerugian akibat perbedaan kualitas produk dari
RATA-RATA 0.25 % mesin pertama kali dinyalakan dengan mesin
yang stabil, untuk menghitung reduce yield loss
Reduce Speed Loss dapat menggunakan rumus :

𝑅𝑒𝑑𝑢𝑐𝑒𝑑 𝑌𝑖𝑒𝑙𝑑 𝐿𝑜𝑠𝑠 =

Merupakan kerugian yang disebabkan mesin
mengalami penurunan kecepatan, untuk 𝐼𝑑𝑒𝑎𝑙 𝐶𝑦𝑐𝑙𝑒 𝑇𝑖𝑚𝑒 𝑥 𝑌𝑖𝑒𝑙𝑑
𝑥 100%............................(10)
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑡𝑖𝑚𝑒
menghitung reduce speed loss menggunakan
rumus :

𝑅𝑒𝑑𝑢𝑐𝑒𝑑 𝑆𝑝𝑒𝑒𝑑 𝐿𝑜𝑠𝑠 =

Dengan menggunakan rumus diatas maka dapat
𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛𝑎𝑙 𝑡𝑖𝑚𝑒−(𝐼𝑑𝑒𝑎𝑙 𝑐𝑦𝑐𝑙𝑒 𝑟𝑖𝑚𝑒 𝑥 𝑃𝑟𝑜𝑐𝑒𝑠𝑠𝑒𝑑 𝑎𝑚𝑜𝑢𝑛𝑡)
𝑥 100%......(8)
dihitung reduce yield loss mesin furnace Bulan
𝐿𝑜𝑎𝑑𝑖𝑛𝑔 𝑡𝑖𝑚𝑒
Januari 2017 :

0.4 𝑥 12.60
Dengan menggunakan rumus diatas maka dapat 𝑅𝑒𝑑𝑢𝑐𝑒 𝑌𝑖𝑒𝑙𝑑 𝐿𝑜𝑠𝑠 = 𝑥 100%
dihitung reduce speed loss mesin furnace bulan 651
= 0.68 %
Januari 2017:
Tabel 10 Reduce Yield Loss Mesin Furnace
𝑅𝑒𝑑𝑢𝑐𝑒𝑑 𝑆𝑝𝑒𝑒𝑑 𝐿𝑜𝑠𝑠
587.75 − (0.4 𝑥 1235) Bulan Januari s/d Desember 2017
= 𝑥 100% = 14 %
651 Ideal Process
Hilang saat Loading
Cycle Defect
Tabel 9 Reduce Speed Loss Mesin Furnace Bulan Pemanasan Time
Bulan Januari s/d Desember 2017 Time Loss
(ton) (Jam)
Proces Ideal (ton/jam) (%)
Loadi Reduced
Operatin sed Cycle Januari 0.4
ng Speed 15.60 651.00 0.84
Bulan g Time Amou Time Februari 0.4
Time Loss 10.60 585.00 0.72
(jam) nt (jam/k Maret 0.4
(jam) (%) 16.60 651.00 1.02
(ton) g) : : : : :
Januari : : : : :
587.75 1235 0.4 651.00 14.00
Desember 0.4
Februari 529.25 1120 0.4 585.00 13.00 12.50 651.00 0.77
Total 4.8
Maret 161.42 7662.00 9.98
595.75 1120 0.4 651.00 22.00
: : : : : :
: : : : : :
: : : : : :
Dari perhitungan enam losses dari six big losses
: : : : : : yang terjadi pada mesin furnace yaitu
Desembe
560.75 1235 0.4 651.00 10.00
equipment failure (breakdown loss), setup and
r adjustment loss, reduce speed loss, process
Total 6820.50
14645.
4.8
7662.0
146.00 defect loss dan reduce yield loss, selanjutnya
00 0
akan dilakukan perhitungan persentase time
RATA-RATA 12.17
loss-nya yang dapat dilihat pada Tabel 12.

7
 Tabel 11 Rata-rata Losess Mesin Furnace
Bulan Januari- Desember 2017 Matrial Manusia
Equipm
Losess Proc
ent Setup Idling Reduc Redu
ess Pemasangan
Failure and and e ce baut clamping
defec oleh operator
(breakd Adjustm Minor speed yield kurang kencang
t
own et loss Stoppag loss loss( Breakdo
loss( wn Loss
loss) (%) e (%) (%) %)
Bulan %)
(%)
Motor bekerja
Januari 6.14 3.57 0.24 14.00 00.00 0.84 overload

Februari 5.81 3.72 0.24 13.00 00.00 0.72

Maret 4.92 3.57 0.23 22.00 00.00 1.02 Mesin
Metode

Gambar 1 Diagram Sebab Akibat Breakdown

Desembe Loss
10.29 3.57 0.28 10.00 00.00 0.77
r
Manusia
88.63 146.00 Matrial
Total 43.00% 3.04% 00.00 9.98
% %
Rata- Perencanaan kerja
12.17 0.83
7.29 % 3.58% 0.25% 00.00 yang kurang tepat
Rata % %
Setup
and
Adjustm
et loss
Fishbone Diagram (Diagram Sebab Akibat) Penentuan
perumusan /
perencanaan
Diagram sebab akibat ini digunakan untuk bahan
mencari semua untuk penyebab yang di duga
menimbulkan akibat sehingga timbul suatu Mesin
Metode
masalah. Dengan demikian diagram ini dapat
juga digunakan untuk menentukan faktor-faktor
Gambar 2 Diagram sebab Akibat Setup and
yang menyebabkan karakteristik kualitas
Adjustmet loss
menyimpang dari spesifikasi yang sudah
ditetapkan.
Dari ke enam losses terdapat empat losses yang Matrial Manusia

terbesar dimana untuk faktor availability yaitu

Equipment Failure (breakdown loss) dan Setup
and Adjustment loss, faktor performance yaitu Reduc
e
reduce speed loss dan di faktor quality yaitu Speed
Reduced Yield loss. Terjadi
loss

pengeroposan Tap changer

pada slang terlalu panas dan
terdapat kabel
yang
menggangu.

Mesin
Metode

Gambar 3 Diagram Sebab Akibat Reduce

Speed Loss

8
 Matrial Manusia

Reduced
Yield
Loss
Laser gerinda Pemilihan bahan
sensor redup logam banyak
mengandung karat

Mesin
Metode

Gambar 4 Diagram Sebab Akibat Reduce

Yield Loss

FMEA (FailureMode Effect Analysis)

Menurut Khoirudin (2018) FMEA merupakan
suatu prosedur terstruktur yang digunakan
untuk mengidentifikasi dan mencegah sebanyak
mungkin mode kegagalan. Resiko
dikategorikan sebagai resiko kritis apabila
memiliki nilai RPN diatas memiliki nilai tinggi.
Tabel 12 Kuisioner FMEA
Analisa dan Usulan Perbaikkan
Usulan perbaikan yang dilakukan untuk mengurani
penyebab kegagalan yang terjadi pada Mesin
Furnace yaitu Tapp changer tidak dapat berputar
dengan nilai RPN 356, Baut Clamping sepatu
electrode putus dengan nilai RPN 324, Tidak adanya
bahan baku yang dipanaskn nilai RPN 304 dan
banyaknya retakan setelah proses produksi dengan
nila i RPN sebesar 169.
Kesimpulan
1. Nilai Overall Equipment
Effectiveness (OEE) rata-rata mesin
Furnace selama Bulan Januari s/d
Desember 2017 berada dipada 75.66
%, dengan faktor Availability yang
hanya sebesar 89.03 %, Performance
Efficiency yang hanya sebesar 85.95 %,
Quality Rate sebesar 98.90 %. Dari
rata-rata nilai OEE pada mesin
furnacebelum mencapai nilai standr
OEE kelas dunia yaitu 85 %. Mak dari
itu, perlu tindakan perbaikan (improve)
untuk meningkatkan nilai OEE yang
terukur.
2. Ada 6 kerugian utama yang ada dalam
penelitian ini, yaitu Breakdown Losses,
Setup and Adjustment Losses, Idling
and Minor Stoppage Losses, Reduce
Speed Losses, Process Defect, Reduced
Yield Loss. Dari keenam kerugian ini
menyebabkan kurang optimalnya suatu
Mesin Produksi, dari ke enam dibagi
menjadi 3, yaitu Aviability yang
memiliki dua sektor yaitu Break down
Loss dan Set up & adjustment loss,
sedangkan Performansi memiliki dua
sektor yaitu Idling and Minor Stoppage
Losses dan Reduce Speed Losses,
terakhir Quality yaitu Process Defect,
Reduced Yield Loss. Untuk
performance faktor yang paling besar

9
 menciptakan loss adalah di sektor
Reduce Speed loss nya dengan sebesar
12,17 %, sedangkan untuk
availabilitydi sektor breakdown loss
sebesar 7,29 % dan pada quality berada
di sektor Reduced Yield Loss dimana
nilainya sebesar 0.83 %.
3. Rekomendasi perbaikan yang
diusulkan untuk meningkatkan nilai OEE yaitu
: udara dari mesin furnace maka
a. Dari penyebab kegagalan Tap changer
terlalu panas dan terdapat kabel yang
menggangu sehingga tidak dapat
berputar pada mesin furnace
didapatkan usulan perbaikan yaitu :
Melakukan perbaikan Kabel secara
preventif.
b. Dari penyebab kegagalan terjadinya
pengeroposan pada slang, maka
dilakukan pergantian pada mesin
Furnace didapatkan usulan perbaikan
yaitu : Melakukan perbaikan dan
pengecekkan secara preventif dan
menentukan umur atau masa pakai
slang dan clamp.
c. Tidak adanya bahan baku yang akan
dipanaskan,karena terdapat
keterlambatan pengiriman bahan baku.
Maka dilakukan usulan perbaikan yaitu
: perlunya dilakukan tindakan
penjadwalan bahan baku.
d. Tidak adanya operator yang menjaga
mesin dikarenakan kurangnya
Perencanaan kerja yang kurang tepat,
atau terdapat trouble pada mesin. Maka
dilakukan usulan perbaikan yaitu :
dilakukan tindakan penjadwalan
operator sehingga mesin dapat di setup
tepat waktu.
e. Clamping yang tidak bisa menahan
karena Pemasangan baut clamping oleh
operator kurang kencang Overload
pada mesin furnace didapatkan usulan
perbaikan yaitu : melakukan
pengecekan secara preventif.
f. Motor tilting bekerja terlalu overload
sehingga perlu diberikan perbaikan
pada mesin furnace didapatkan usulan
perbaikan yaitu : melakukan
pengecekan preventif dan shutdown
tahunanagar mesin tidak terllu bekerja
secara overload.
g. Bahan logam banyak mengandung
karat pada hasil mesin furnace
didapatkan usulan perbaikan yaitu :
Melakukan pengecekan terhadap bahan
baku yang mau di proses dan
melakukan manajeman penyimpanan
bahan baku yang tepay.
h. Laser gerinda sensor redup pada hasil
coran dari Mesin furnace didapatkan
usulan perbaikan yaitu : pengecekkan
preventif terhadapt gerind.
i. Pada material terjadi oksidasi dengan
didapatkan usulan perbaikan yaitu :
melakukan pengecekan terhadap bahan
baku dan hasil coran dan pengecekan
suhu coran.
Referensi
Akbar, Muhammad Wahyu Kurniawan. 2016.
“Usulan Peningkatan Performa
Mesin Pompa Hydrazine Berdasarkan Analisa
Nilai Overall Equipment Effectiveness (OEE)
Pada PLTU 4 PT. PJB UP Gresik”. Gresik:
Skripsi Universitas Muhammadiyah Gresik.
Ansori, Nachnul dan M. Imron Mustajib. 2013.
Sistem Perawatan Terpadu. Edisi Pertama.
Yogyakarta: Graha Ilmu.
Anugrah, Lisye Firtria.” Usulan perbaikan
kualitas produk menggunakan metode
fault tree analysis (fta) dan failure mode and
effect analysis (fmea) di pabrik roti baritone”.
Jurnal Teknik Industri. Bandung. Institut
Teknologi Nasinal (Itenas) Bandung. Dari
https://ejurnal.itenas.ac.id/index.php/rekaintegr
a/article/view/914. (Diakses tanggal 1 Juni
2018).
Khoirudin. 2017. “Analisa Nilai Overall
Equipment Effectiveness (OEE) pada Nail
Machine Type C.Gresik. Gresik: Skrispi
Universitas Muhammadiyah Gresik.
Murnawan, Mustofa. 2014. “Perencanaan
Produktivitas kerja dari hasil Evaluasi
Produktivitas dengan metode Fishbone
Diagram di perusahaan Percetakan kemasan
PT. X” . Jurnal Heuristic Vol. 11 No. 1.
Universitas 17 Agustus 1945 Surabaya.
Surabaya.
Nursanti, Yoko Susanto. 2014 “Analisis
perhitungan Overall Equipment Effectiveness
(OEE) pada mesin packing untuk
meningkatkan nilai availabitily. Surakarta.
Universitas Muhammadiyah Surakarta.
1. Rozaq, Puryani, , Eko Nursubyanto.
2015 ”Penerapan Overall Equipment
Effectiveness (Oee) dalam Implementasi Total
Productive Maintenance (TPM) Studi Kasus di
PT. Adi Satria Abadi Kalasan”. Jurnal Teknik
10
Industri. Universitas Pembangunan Nasional
Veteran Yogyakarta. Yogyakarta. Darri
http://jurnal.upnyk.ac.id/index.php/opsi/article/
view/2169. (Diakses tanggal 1 Juni 2018).
Suliantoro, Novie Susanto, Heru Prastawa,
Iyain Sihimbong, Anita M. 2017. “Penerapan
Metode Overall Equipment Effectiveness
(OEE) dan Fault Tree Analysis (FTA) untuk
mengukur efektifitas mesin reng”, Jurnal
Teknik Industri, Vol.12, No. 2, Hal 105-118.
Universitas Diponogoro. Semarang.
Triwardani, Arif Rahman, Ceria Ferela Mada
Tantrika. 2013. “Analisis Overall Equipment
Effectiveness (OEE) dalam meminimalisi six
big losses pada mesin produksi dual filters
DD07”. Jurnal Teknik Industri. Universitas
Brawijaya. Malang. Dari
http://jrmsi.studentjournal.ub.ac.id/index.php/jr
msi/article/view/44, (diakses tanggal 1 Juni
2018).

11