Oleh,
Dhaul Fathoni
No. ID 004201305088
2018
LEMBAR REKOMENDASI PEMBIMBING
i
LEMBAR PERNYATAAN ORSINALITAS
Dhaul Fathoni
ii
LEMBAR PENGESAHAN
Oleh
Dhaul Fathoni
NIM: 004201305088
Disetujui oleh
Pembimbing Skripsi
iii
ABSTRAK
PT.S adalah perusahaan pengepresan logam yang memproduksi spare part untuk
industri otomotif. Semakin bertambahnya perusahaan baru yang sejenisnya.
Mendorong perusahaan ini untuk terus melakukan perbaikan salah satunya dengan
melakukan percepatan waktu proses. Permasalahan yang terjadi adalah sering
terjadinya keterlambatan pulling stock yang berada di area persediaan produk jadi
(stock finish good). Salah satunya terjadi pada produk Cap (C1805-009) dalam
kurun waktu 6 bulan (Oktober 2017 sampai Maret 2018) terjadi 16 kali
kekosongan stok (out of stock) diarea persediaan produk barang jadi (stock finish
good) dan ditambah tingginya permintaan mengharuskan perusahaan melakukan
berbagai macam cara antara lain dengan menambah 4 inspector di tiap shift.
Banyaknya inspektor merupakan pemborosan karena secara teori sendiri
inspektor tidak meningkatkan nilai jual dari produk. Perbedaan lama waktu proses
antar stasiun kerja mengakibatkan tersendatnya aliran proses produksi,
penumpukan material yang menunggu proses, maupun operator yang menunggu
kedatangan material yang akan diproses. Pemborosan yang lain terjadi karena
jarak antar stasiun kerja yang jauh sehingga memerlukan waktu pemindahan yang
lama. Dengan pendekatan simulasi beberapa keuntungan dapat diperoleh yaitu:
(1) mengetahui stasiun kerja yang menjadi penyebab kemacetan aliran yaitu
stasiun kerja inspeksi. (2) mempercepat waktu proses yakni sebesar 330,66%. (3)
mengurangi jumlah operator sebesar 50%. (4) memperlancar aliran proses
pembuatan produk Cap (C1805-009).
iv
KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas segala rahmat, karunia dan hidayah-NYA,
Sehingga penulis dapat menyelesaikan laporan tugas akhir skripsi sebagai syarat
untuk memperoleh gelar sarjana teknik mesin di Fakultas Teknik President
University. Dalam penulisan laporan ini penulis menyampaikan banyak terima
kasih atas bantuan semua pihak, sehingga laporan ini dapat disusun. Dengan ini
penulis menyampaikan terima kasih khususnya kepada :
1. Bapak Johan Krisnanto Runtuk, S.T., M.T. selaku dosen pembimbing yang
telah memberikan bimbingan, saran dan masukan dalam menyelesaikan
laporan ini.
2. PT. S yang telah menyediakan tempat dan data sehingga penulis dapat
menyelesaikan program skripsi.
3. Rekan – rekan kerja khususnya departemen product preparation yang telah
memberikan banyak bimbingan, dukungan dan bantuannya.
4. Teman – teman President University, khususnya jurusan Teknik Industri
angkatan 2013.
Penulis menyadari dalam penulisan laporan tugas akhir skripsi ini masih banyak
terdapat kekurangan.Mengharapkan kritik dan saran yang membangun dari
berbagai pihak demi kesempurnaan laporan tugas akhir skripsi ini. Semoga
laporan tugas akhir skripsi ini dapat bermanfaat bagi penulis pada khususnya dan
bagi pembaca pada umumnya, Amin.
Cikarang, 21 Mei 2018
Dhaul Fathoni
v
DAFTAR ISI
Hal
2. 5. 1 Simulasi ............................................................................................. 8
2. 5. 3 Entitas................................................................................................ 9
vi
2. 5. 4 Aktivitas ............................................................................................ 9
2. 5. 6 Kontrol ............................................................................................ 10
LAMPIRAN .......................................................................................................... 70
viii
DAFTAR GAMBAR
Hal
Gambar 4. 2 Waktu proses pembuatan produk Cap (C1805-009) per box (menit)
dimasing – masing stasiun kerja ........................................................................... 27
ix
Gambar 4. 18 Hasil uji 2 sampel T-test. ............................................................... 43
Gambar 4. 27 Data input lokasi setelah dilakukan perbaikan metode inspeksi .... 50
Gambar 4. 28 Data input proses setelah dilakukan perbaikan metode inspeksi ... 50
Gambar 4. 30 Data waktu inspeksi setelah perbaikan metode hasil model simulasi
............................................................................................................................... 51
x
DAFTAR TABEL
Hal
Tabel 4. 12 Hasil simulasi perbaikan metode inspeksi (status lokasi multi) ........ 54
Tabel 4. 13 Hasil simulasi perbaikan metode inspeksi (status lokasi single) ....... 54
Tabel 4. 19 Hasil model simulasi perubahan layout dan perbaikan metode inspeksi
(status lokasi single) .............................................................................................. 64
xi
Tabel 4. 20 Hasil simulasi perubahan layout dan perbaikan metode inspeksi
(aktivitas entitas) ................................................................................................... 65
xii
DAFTAR ISTILAH
Make to stock : Membuat suatu produk akhir untuk disimpan, dan untuk
kebutuhan konsumen akan diaambil dari persediaan di
gudang.
Pulling stock : kegiatan mengumpulkan produk yang sudah jadi untuk mengisi
kekosongan stok pada sistem produksi make to stock (MTS).
Stasiun kerja : Suatu area untuk pekerjaan tertentu dalam industri manufaktur.
Material coil : Bahan baku untuk proses pengepresan logam yang berbentuk
gulungan.
Waste : Dapat diartikan sebagai “sampah” atau hal – hal yang tidak
berguna, tidak memberi nilai tambah, tidak bermanfaan, dan
merupakan pemborosan.
Layout : Tata letak dari suatu eleman desain yang ditempatkan dalam
sebuah bidang menggunakan sebuak media yang sebelumnya
sudah di konsep terlebih dulu.
xiii
BAB I
PENDAHULUAN
Lingkungan tempat kerja yang aman dan nyaman yang sudah memenuhi
standar tempat kerja yang layak.
2
1.5 Asumsi
Untuk memudahkan saat pengolahan data, maka asumsi yang akan digunakan
pada penelitian ini adalah sebagai berikut:
Semua karyawan yang melakukan proses pekerjaan pada penelitian ini
diasumsikan memiliki kemampuan normal (rata – rata).
Berat material coil yang datang adalah sama. Sehingga produk yang
dihasilkan memiliki jumlah yang sama. Berat coil 355 kg menghasilkan
produk 32 000 pcs. Jumlah standar untuk produk yang sudah jadi adalah
2000 pcs / box.
Kerusakan mesin dan alat bantu lainnya sangat jarang terjadi sehingga
pada pembuatan simulasi ini kondisi tersebut diabaikan.
BAB I PENDAHULUAN
Pada bab ini dijelaskan mengenai latar belakang pemilihan pokok penelitian
sesuai permasalahan kekosongan stok yang ada di PT.S. Bekasi dan tahapan –
tahapan pengumpulan data untuk penelitian ini.
3
BAB V SIMPULAN DAN SARAN
Bab ini akan menjelaskan tentang simpulan dari hasil penelitian dan
menyampaikan saran yang dianggap penting dilakukan untuk penelitian
mendatang.
4
BAB II
LANDASAN TEORI
5
2.2 Sistem manufaktur
Pengertian sistem manufaktur menurut (Wiratno, 2005) adalah kumpulan dari
peralatan (equipment) dan mesin – mesin produksi, pemindahan bahan baku,
semua sistem komputerisasi yang terintegrasi dengan manusia untuk menjalankan
sistem yang mempunyai tugas melakukan satu atau beberapa proses pada material
atau produk agar menjadi produk yang lebih bernilai. Dengan pengertian lain
yaitu memproses keinginan dari pelanggan sehingga menjadi produk yang bernilai
tinggi.
Tujuan industri manufaktur menurut (Mabert and Jacob, 1991) yaitu: (1)
memproduksi barang – barang yang berkualitas tinggi, (2) mempertahankan
pengiriman barang tepat waktu, (3) meningkatkan produktivitas untuk
meningkatkan harga jual produk, (4) memiliki sistem manufaktur yang fleksibel.
Untuk tercapainya tujuan sistem manufaktur yang baik menurut (Blanchard and
Fabrycky, 1990) elemen – elemen yang saling bekerja sama yaitu: (1) pemasok
(suppliers) dari mana material diperoleh (2) pemasukan (inputs) (material apa
yang akan diproses) (3) usaha atau proses (processes) material yang sudah ada di
proses apa (4) hasil (outputs) setelah di proses akan menghasilkan produk apa? (5)
pelanggan (customers) siapa pelanggan yang akan menerima produk yang sudah
jadi (6) tujuan (objectives) tujuan proses yang dilakukan untuk apa? (7)
pengukuran (measurements) bagaimana cara mengukur proses dari produk atau
hasil produk.
Dalam teori dasar tata letak dibagi menjadi lima macam menurut
(Wignjoesoebroto, 1990:110) yaitu:
6
1. Tata letak proses (functional layout).
Memilih mesin dan peralatan yang memiliki karakter atau fungsi sama
ditempatkan dalam satu kelompok stasiun kerja. Tata letak proses cocok untuk
proses manufaktur yang terputus-putus. Jumlah produksi dengan volume rendah
dan variasi produk tinggi. Tata letak yang berorintasi pada proses untuk
memproduksi dalam batch kecil.
7
Percepatan proses, menjaga kualitas produk, dan untuk menjaga kestabilan
metode dari proses produksi dapat menggunakan jig atau fixtur.
2. 4. 2 Design Jig
Design jig adalah proses perencanaan awal sebuah jig yang mempertimbangkan
aspek fungsi, estetika dan aspek lainnya sehingga jig dapat sesuai tujuan
pembuatan. Tahapan design dari konsep, ide, sketsa, hingga menjadi gambar
design produk. Dalam pengertian lain design adalah rancangan, konsep awal, pola
susunan, kerangka bentuk dan corak benda (Kamus besar bahasa indonesia,
2008).
2. 5. 1 Simulasi
Sebuah simulasi adalah sebuah operasi suatu model sistem. Model dapat
dikonfigurasi ulang dan bereksperimen dengan biasanya, ini tidak mungkin,
terlalu mahal atau tidak praktis untuk dilakukan dalam sistem yang mewakilinya.
Pengoperasian model dapat dipelajari, oleh karena itu, sifat – sifat yang
menyangkut perilaku sistem actual atau sub sistemnya dapat disimpulkan. Dalam
arti yang luas, simulasi adalah alat (software) untuk mengevaluasi kinerja suatu
sistem, yang sudah ada atau yang akan diusulkan, dibawah konfigurasi yang
berbeda dan selama periode waktu nyata yang lama (Maria, 1997.23).
2. 5. 2 Elemen Simulasi
Elemen dari sebuah sistem simulasi adalah entitas, aktivitas, sumber daya,dan
control. elemen ini yang mendefinisikan siapa, apa, dimana, kapan, dan bagaiman
memproses entitas (Harrel, C.2012).
2. 5. 3 Entitas
Entitas adalah objek yang bergerak atau yang dapat diproses oleh model didalam
sistem, seperti produk yang ada di dalam pabrik, pasien yang ada di rumah sakit,
pelanggan yang berada di bank, dll.
2. 5. 4 Aktivitas
Aktivitas atau kegiatan adalah tugas - tugas yang dilakukan di dalam sistem yang
secara langsung atau tidak langsung terlibat dalam pemrosesan entitas. Aktivitas
dapat diklasifikasikan menjadi tiga, yaitu pemrosesan entitas, entitas dan
pergerakan sumber daya dan penyesuaian sumber daya, pemeliharaan dan
perbaikan. (Bank, 1996).
2. 5. 5 Sumber Daya
Sumber daya adalah sumber atau pasokan dari mana manfaat dihasilkan. Sumber
daya dapat diklasifikasikan berdasarkan ketersediaannya sumber daya terbarukan
(dapat diperbarui) dan sumber daya tidak terbarukan (tidak dapat di perbarui).
Mereka juga dapat diklasifikasikan sebagai aktual dan potensial berdasarkan
pengembangan dan penggunaan. Dari dasar mereka dapat diklasifikasikan sebagai
sumber daya biotik dan sumber daya abiotik, dan dari dasar distribusinya
abiquitous dan lokal. Item yang menjadi sumber daya dengan waktu dan
pengenbangan teknologi. Biasanya, sumber daya adalah bahan, energi, layanan,
staf, pengetahuan, atau aset lain yang diubah untuk menghasilkan manfaat dan
9
dalam proses dapat dikonsumsi atau dibuat tidak tersedia. Manfaat dari
pemanfaatan sumber daya dapat mencakup peningkatan kekayaan atau keinginan,
berfingsinya suatu sistem, atau meningkatkan makluk. Dari sudut pandang
manusia, sumber daya alam adalah apa saja yang diperoleh dari lingkungan untuk
memenuhi segala kebutuhan dan keinginan manusia (Harrel, 1950).
2. 5. 6 Kontrol
Umpan balik dari control sistem terdiri dari input, output, elemen yang di
kendalikan. Tanggapan sistem harus secepat mungkin minimumkan overshoot.
Untuk mencapai hal ini, dengan menggunakan cara redaman. Jika redaman lemah,
maka sistem dibawah redaman (Spiegel, 1967).
2. 6 4 Jumlah Antrian
Jumlah antrian atau tingkat iventori adalah banyaknya unit yang menunggu akan
diproses atau menunggu setelah meninggalkan proses. Jumlah unit yang saat ini
ditangani dalam bisnis misalnya: jumlah pelanggan di toko, jumlah mahasiswa
yang terdaftar di universitas, dll (Reinbonth, 2014).
2. 7. 2 Pengertian Operasi
Setelah diagram alir entitas dibuat, deskripsi operasi harus di kembangkan yang
menjelaskan bagaimana entitas diproses melalui sistem. Diskrisi ini mungkin
11
dibuat secara bertahap, berbentuk narasi singkat, atau dapat berbentuk tabel.
Untuk sistem sederhana, dapat dinotasikan dengan informasi opersional. Apapun
bentuknya, haruslah identitas untuk masing – masing jenis entitas jelas di setiap
lokasi dalam sistem (Harrel, C. 2012).
2. 7. 3 Pengujian Independensi
Data independen adalah jika nilai dari satu pengamatan tidak dipengaruhi oleh
nilai dari pengamatan lain. Umumnya dalam pengambilan sampel dari poopulasi
yang terbatas ketika pengambilan sampel dilakukan tanpa penggantian. Misal,
dalam pengambilan sampel dari setumpuk kartu untuk menemukan probabilitas
gambar kartu As, probabilitas kartu berikutnya menjadi kartu yang lainnya
(Harrel, C. 2012).
Terdapat tiga teknik untuk menentukan ketergantungan atau korelasi data, yaitu.
Plot pencar, plot autokorelasi dan uji coba (Harrel. C. 2012).
2. 7. 5 Uji Autokorelasi
Korelasi data tergantung satu sama lain dan dikatakan berkorelasi otomatis.
Autokorelasi ada jika residu dalam satu periode waktu terkait dengan residu yang
lain dalam satu periode lain. Autokorelasi adalah korelasi dari salah satu residual
dari waktu ke waktu. Pola siklus adalah tanda autokorelasi positif. Melanggar dari
asumsi regresi bahwa residual bersifat acak dan independen (Harrel, C. 2012).
12
probabilitas bahwa hipotesis ditolak sebenarnya benar, yaitu, bahwa hipotesis
menolak keacakan serial ketika serial ini sebenarnya acak (Harrel, C,2012).
2. 7. 7 Teori Distribusi
Menurut Shannon, 1975. Hasil dari varian acak simulasi tergantung dari pada
sampling observasi dari populasi. Mendifinisikan teori distribusi yang sesuai
dengan data sample disebut fitting distribusi. Teori distribusi dapat bersifat diskrit
atau konstan, tergantung dari pada himpunan sehingga nilai dalam rentang waktu
atau rangkaian tak terbatas dari nilai yang mungkin dalam rentang dapat terjadi.
Dibawah ini adalah diskripsi dari beberapa teori distribusi yang di gunakan dalam
simulasi.
a) Distribusi Normal
Dalam banyak kasus distribusi normal tepat untuk meringkas satu pengamatan
dalam kelompok yang mewakili salah satu dari dua hasil. Sebagai contoh,
proporsi individu dalam sampel acak yang mendukung satu dari dua kandidat
politik sesuai dengan uraian ini. Dalam hal statistik P adalah jumlah X dari
pemilih yang mendukung kandidat dibagi dengan jumlah total individu dalam
grup n, ini memberikan parameter P, proporsi individu yang mendukung
kandidat di seluruh populasi.
13
c) Distribusi lognormal
Distribusi lognormal adalah distribusi probabilitas berkelanjutan dari variabel
acak yang logaritmanya terdistribusi normal. Berikut ini adalah plot dari
fungsi kepadatan probabilitas lognormal untuk empat nilai 0. Ada beberapa
parameterisasi umum dari distribusi lognormal seperti yang di tunjukkan pada
gambar 2.2 berikut.
2. 7. 8 Distribusi Fitting
Pada dasarnya distribusi fitting merupakan upaya untuk mengidentifikasi
distribusi yang mendasari dari mana data dihasilkan. Menemukan distribusi
terbaik yang sesuai dengan data sampel dengan manual bisa sangat rumit.
Software distribusi pada dasarnya mengikuti prosedur yang sama dengan
perhitungan manual. Distribusi fitting terdiri dari tiga prosedur: (1) Satu atau lebih
distribusi sebagai kandidat untuk dipilih atau yang paling cocok untuk menjadi
data sampel, (2) Memperkirakan parameter untuk setiap distribusi dihitung, dan
(3) Uji distribusi terbaik dilakukan untuk memastikan seberapa baik distribusi
tersebut cocok dengan data. Memilih data distribusi yang cocok untuk data sampel
membutuhkan pengetahuan tentang distribusi, jenis yang tersedia dan sifat
distribusi. Hal ini juga membantu untuk memiliki beberapa intuisi tentang
variabel yang datanya cocok. Setelah tipe distribusi dipilih berdasarkan nilai
parameter dari data sampel. Dalam kasus, dari distribusi normal, estimasi
parameternya adalah rata – rata dan standar penyimpangan dapat diperkirakan
dengan perhitungan sederhana rata – rata dan standar penyimpangan dari data
14
sampel. Perkiraan parameter umumnya dihitung menggunakan persamaan momen
atau persamaan kemungkinan maksimum (Harrel, C. 1950).
a) Teknik verifikasi
Menurut (Harrel, 2004: 178) terdapat beberapa teknik dalam melakukan
verifikasi, diantaranya adalah sebagai berikut:
Dengan cara melakukan pemeriksaan ulang terhadap model, dapat
dilakukan secara bottom – up yaitu melakukan pemeriksaan satuan dan
logika proses yang digunakan dalam model.
Melakukan pengecekan terhadap hasil output yang ada pada masing –
masing proses pada model menggunakan Trace.
15
b) Teknik validasi
Teknik validasi yang dapat digunakan untuk memvalidasi model simulasi menurut
(Harrel, 2004: 183) adalah sebagai berikut:
Mengamati animasi pada model yang dijalankan, membandingkan tingkah
laku pada model dengan tingkah laku pada sistem nyata menurut pendapat
orang lain tentang model simulasi tersebut.
Membandingkan model dengan sistem nyata dengan cara menjalankan
model simulasi dan sistem nyata dalam kondisi yang sama.
Melakukan perbandingan antara output model simulasi dengan output pada
sistem nyata.
Melakukan analisis sensitivitas, yakni dengan cara melakukan perubahan
nilai input untuk mengetahui akibat pada perilaku yang terjadi pada sistem
atau output sistem.
16
BAB III
METODOLOGI PENELITIAN
Metodologi pada penelitian adalah kerangka proses kerja atau kerangka berfikir
secara sistematis yang menceritakan tahapan – tahapan dari proses identifikasi,
merumuskan, menganalisa, memecahkan, dan mmenyimpulkan permasalahan
sehingga penelitian terarah untuk mencapai tujuan penelitian. Langkah – langkah
atau tahapan – tahapan yang akan digunakan untuk memecahkan permasalah pada
penelitian ini adalah sebagai berikut:
1. Pengamatan awal
-Pengamatan langsung dan melakukan wawancara.
-Identifikasi masalah.
-Menentukan tujuan penelitian, batasan masalah dan
asumsi.
2. Landasan Teori
-Pengertian pemborosan.
-Sistem manufakturing.
-Perancangan re-layout. (Macam – macam layout.).
-Perbaikan metode
-Sistem simulasi.
-Elemen simulasi (lokasi, entitas, prosesing, kedatangan).
-Teori antrian
-Sistem simulasi modeling (software ProModel).
-Verifikasi dan validasi model
-Uji dua sampel T-test
3. Pengumpulan Data dan Analisis
1. Pengumpulan data.
-Data primer
-Data skunder
19
- Teknik observasi adalah melakukan pengamatan atau pengukuran
langsung dengan menggunakan alat hitung yang terpasang pada mesin
produksi, menggunakan stop watch dan menggunakan kamera untuk
merekam proses produksi Cap (C1805-0090), langkah ini untuk
memudahkan mengetahui kebiasaan proses yang terjadi dan lama waktu
prosesnya.
- Teknik data perusahaan adalah dengan melihat catatan – catatan atau
laporan hasil produksi yang ada di perusahaan yang menunjang pada objek
yang sedang diteliti, data – data tersebut meliputi: laporan hasil produksi,
peta aliran proses produksi, peta proses operasi, diagram alir, data
permintaan pelanggan, data tata letak stasiun kerja dan data waktu
penyelesaian proses produksi Cap (C1805-009).
Distribusi fitting.
Distribusi fitting ini untuk mengetahui jenis ditribusi dari data sebelum
dipakai untuk simulasi. Menggunakan statsfit pada software simulasi
Promodel. Pemilihan nilai tertinggi yang akan digunakan pada simulasi
model.
20
Simulasi sistem awal.
Simulasi sistem awal adalah gambaran dari sistem saat ini yang akan di
analisa stasiun mana yang menjadi penyebab kemacetan aliran proses
produksi Cap (C1805-009) Layout, pada pembuatan simulasi awal ini data
input yang harus didiskripsikan yaitu: data lokasi, data entitas, data
prosesing, data kedatangan. dan data running simulasi.
a). Simulasi trace atau sering disebut penelusuran simulasi adalah tahapan
mencocokkan antara kondisi dan aktivitas yang terjadi pada sistem nyata
dengan sistem pada model simulasi.
b). Uji T–test penelitian biasanya menggunakan dua sampel atau lebih
sebagai objek penelitiannya. Dari sampel tersebut dibandingkan untuk
melihat ada atau tidaknya perbedaan setelah sampel tersebut di beri
perlakuan yang berbeda. Untuk melihat ada tidaknya perbedaan maka
dilakukan uji perbedaan dua rata - rata. Uji hipotesis dua rata – rata yang
digunakan untuk mengetahui ada atau tidaknya perbedaan rata – rata antara
21
dua buah data. Salah satu teknik untuk menguji hipotesis dua rata – rata
yaitu:
- Uji paired sample T-test untuk memverifikasi dan memvalidasi data pada
model simulasi awal dengan data model simulasi perbaikan. Nilai p value
dari hasil uji paired sample T-test kurang lebih dari 0,05. Sehingga
kesimpulan dari uji paired sample T-test yaitu terdapat perbedaan nilai
rata – rata.
22
- Melakukan verifikasi, validasi dan analisis hasil simulasi perbaikan
metode.
23
BAB IV
PENGUMPULAN DATA DAN ANALISIS
Incoming Stasiun
No
material Pengepresan Stasiun Inspeksi
1 4.42 9,38 41.32
2 2.35 9,37 41.14
3 3.43 9,42 41.59
4 3.38 9,39 41.50
5 3.52 9,39 41.28
6 2.31 9,40 41.41
7 3.81 9,38 41.04
8 2.14 9,41 40.89
9 2.63 9,40 41.15
10 2.00 9,37 41.28
24
Tabel 4.1 Data waktu proses ditiap stasiun kerja(menit) Lanjutan.
Incoming Stasiun
No Stasiun Inspeksi
material Pengepresan
25
Flow proses chart (FPC)
Dibawah ini adalah gambaran flow proses yang terjadi saat ini. Dimulai dari
proses material masuk dan disimpan di area incoming selanjutnya proses
pengepresan yang merubah material coil menjadi material WIP (work in proses).
Material WIP (work in proses) masuk stasiun kerja inspeksi dan keluar menjadi
produk jadi (finish good). Kemudian produk jadi (finish good) disimpan diarea
store finish good menunggu jadwal pengiriman ke pelanggan.
26
Gambar 4. 2 Waktu proses pembuatan produk Cap (C1805-009) per box (menit)
dimasing – masing stasiun kerja
28
Gambar 4. 5 Autocorelation lokasi incoming material
Hasil uji untuk stasiun kerja dan stasiun inspeksi dapat di lihat pada lampiran.
Pada stasiun kerja pengepresan dan stasiun kerja inspeksi dinyatakan lulus uji
korelasi maupun uji ke acakan.
29
Gambar 4. 6 Run test lokasi incoming material
30
Hasil uji keseragaman data distribusi pada stasiun kerja incoming material seperti
yang di tunjukkan pada gambar 4.7 dalam satu kelompok data hanya ada satu
yang menjelaskan berbeda pada stasiun kerja incoming material. Dapat
disimpulkan data didistribusikan secara seragam karena berasal dari populasi yang
sama. Hasil uji keseragaman untuk stasiun kerja pengepresan dan stasiun kerja
inspeksi dapat dilihat pada lampiran. Maka dari ketiga lokasi yang sudah
dilakukan uji keseragaman data semua data sudah dinyatakan lulus uji
keseragaman data.dan langkah selajutnya adalah pengujian distribusi (distribusi
fitting).
1 3
2 4
b). Lokasi
Lokasi atau stasiun kerja pada proses pembuatan produk Cap (C1805-009)
terdapat empat lokasi seperti yang ditunjukkan pada gambar 4.9, yaitu:
1. Lokasi incoming material
2. Lokasi pengepresan
3. Lokasi inspeksi
4. Lokasi store finish good (produk jadi)
33
Gambar 4. 10 Data input lokasi
Pada gambar 4.10 data input pada software simulasi ProModel. Lokasi
penerimaan material kapasitas penerimaan tidak terhingga, unit lokasi satu, rule
keluar dan masuk matrial FIFO (first in, First out) yang pertama kali masuk,
pertama kali juga keluar sistem. Begitu seterusnya hingga lokasi terakhir. Yang
berbeda pada lokasi awal ini adalah pada stasiun kerja inspeksi, terdapat empat
inspektor untuk memproses produk yang sama. Masing – masing inspektor
mempunyai kapasitas proses satu.
c). Entitas
Terdapat tiga macam etitas pada proses produksi Cap (C1805-009) yaitu:
a). Material coil adalah bahan baku dari produk Cap (C1805-009) yang berbentuk
lembaran metal yang digulung sebelum dilakukan proses produksi. Berat standar
coil untuk produk Cap (C1805-009) adalah 355 kg.
b). Material WIP (work in proses) adalah produk Cap (C1805-009) setelah
melewati proses pengepresan dan menunggu proses inspeksi. Jumlah standar tiap
box adalah 2000 pcs. Satu coil dengan berat 355 kg dapat menghasilkan sebanyak
32 box atau 64 000 pcs.
c). Produk jadi (finish good) adalah produk jadi ini telah melewati semua tahapan
proses dan siap untuk di kirim ke pelanggan
34
Nama Foto aktual entitas Sketsa entitas
dalam simulasi
Material coil
Produk WIP
(work in
proses)
Produk jadi
(finish good)
Gambar 4. 11 Entitas
35
yang di lakukan pemrosesan. Begitu seterusnya hingga proses berakhir. Seperti
contoh yang di jelaskan pada gambar 4.13 dan gambar 4.14 berikut.
Routing adalah lanjutan dari proses misalnya pada proses nama entitasnya Cap
WIP yang berada di lokasi antrian inspeksi setelah diproses menghasilkan output
Cap WIP dan tujuan (destinasi) selanjutnya adalah inspektor, dengan rule (First
1) yang pertama masuk yang di proses, waktu untuk pergerakan membutuhkan
waktu sebanyak 6 menit.
36
Kedatangan (arrival) adalah suatu kejadian dimana obyek yang pertama kali
masuk kedalam sistem sehingga obyek tersebut di proses oleh sistem. Pada
simulasi pembuatan produk Cap (C1805-009) ini entitas yang datang adalah
material coil, pada lokasi incoming material, jumlah yang masuk sebanyak 2 coil,
jumlah kejadian (occurrences) sebanyak tak terhingga. Data input kedatangan
(arrival) seperti yang ditunjukkan pada gambar 4.15 diatas.
Hasil dari simulasi ditunjukkan pada tabel 4.4 dibawah. Di stasiun kerja inspeksi
membutuhkan waktu rata – rata sebanyak 40.30 menit. Total produk Cap (C1805-
009) yang telah selesai melewati semua proses sebanyak 64 box. Antrian
terbanyak terjadi diarea antrian proses inspeksi sebanyak 36 box. Antrian ini tetap
terjadi walau inspektor yang mengerjakan proses inspeksi sudah ada empat
inspektor di tiap shiftnya. Dengan fenomena yang terjadi tersebut bisa di
simpulkan bahwa penyebab pemborosan terjadi pada stasiun kerja inspeksi.
berdasarkan data ini maka perlu adanya perbaikan agar waktu proses distasiun
kerja inspeksi menjadi lebih cepat dari yang terjadi sekarang.
38
Tabel 4. 2 Hasil simulasi awal (lokasi)
39
Tabel 4. 3 Hasil simulasi awal (status lokasi multi)
40
Tabel 4. 5 Hasil simulasi awal (aktivitas entitas)
Cap Finish good 3.200,00 0,00 713,19 9,00 0,00 541,95 162,23
41
h). Verifikasi dan validasi model simulasi
Uji 2 sampel T-test.
Verifikasi dan validasi model simulasi ini untuk memastikan apakah model simulasi yang sudah dibuat sudah dapat mempresentasikan
sistem sekarang yang ada. Langkah yang digunakan adalah menggunakan uji 2 sampel T-test dengan bantuan software SPSS. Dengan
hipotesis Ho : terdapat perbedaan antara sistem sekarang dengan model simulasi awal, H1 : tidak terdapat perbedaan antara sistem sekarang
dengan model simulasi awal. Dasar pengambilan keputusannya adalah menerima Ho jika nilai sig (2 tailed) kurang dari 0,05. Dan menolak
Ho jika nilai sig (2 tailed) lebih dari 0,05. Data simulasi awal diambil dari hasil simulasi yang sudah dijalankan dengan replikasi 30 kali.
Data yang akan digunakan pada 2 sampel T-test adalah sebagai berikut:
43
Tracing model simulasi
44
4.5 Analisis penyelesaian masalah
Pada simulasi awal diperoleh hasil terjadi antrian produk WIP (work in proses)
sebanyak 36 box serta jika dilihat dari tata letak stasuin kerja inspeksi yang berada
jauh diantara stasiun kerja pengepresan dan area penyimpanan produk jadi
mengakibatkan proses pemindahan produk memerlukan waktu 6 menit.
Penumpukan produk yang menunggu proses dan pemindahan produk yang
membutuhkan waktu lama adalah pemborosan maka pada penelitian ini akan
melakukan: 1). Perbaikan metode kerja untuk mempercepat aliran proses di
stasiun kerja inspeksi. 2). Perubahan tata letak untuk mempercepat pemindahan
material yang akan di proses.
Pada Tabel 4.11 dijelaskan urutan atau langkah – langkah kerja inspeksi sebelum
dilakukan perbaikan metode. Diawali produk yang akan dilakukan pengecekan
diambil sebagian dan di letakkan diatas meja dan diratakan, dilakukan pengecekan
45
bagian atas atau bagian yang terlihat. Kemudian produk yang sudah dicek dibalik
dengan jari (manual tanpa alat). Langkah selanjutnya dilakukan pengecekan pada
bagian yang belum dilakukan pengecekan. Diakhiri penghitungan jumlah dari
produk yang telah dilakukan pengecekan dengan cara di timbang per 2000 pcs
atau setara dengan 6.222 kg. Metode ini digunakan untuk mempercepat waktu
menghitung produk karena produk yang kecil, jumlah standar kuantitasnya yang
banyak untuk menghindari kesalahan hitung kelebihan atau kekurangan jumlah
(surplus quantity atau sortage quantity).
46
Tabel 4. 9 Metode kerja inspeksi setelah perbaikan.
47
untuk menjalankan simulasi yang telah dilakukan perbaikan. Pengambilan waktu
dilakukan sebanyak 30 kali pada stasiun kerja inspeksi dengan tiga inspektor,
masing – masing 10 kali trial. Pada data nomor satu sampai nomor 10 adalah dari
inspektor pertama, dari nomor 11 sampai nomor 20 adalah dari inspektor kedua,
dan nomor 21 sampai nomor 30 adalah dari inspektor ke tiga. Alat yang
digunakan adalah stopwatch. Dibawah ini adalah hasil pengambilan waktu proses
inspeksi yang di sajikan pada tabel 4.13.
x a xb
Menghitung persentase penurunan waktu perbaikan metode 100%
xb
x a xb 41,32 9,59
Jadi hasilnya adalah 100% = 100% 330,96%
xb 9,59
48
Uji disribusi fitting
Hasil uji scaterplot, autocoralation, runtest dan uji keseragaan data untuk rata –
rata waktu inspeksi setelah dilakukan perbaikan dapat di lihat pada lampiran 16
sampai lampiran 20. Pada uji tersebut dinyatakan lulus. Hasil dari uji distribusi
pada lokasi kerja inspeksi ditunjukkan bahwa nilai tertinggi distribusi normal
(9.59, 0.846) dengan nilai 99.9. Kedua distribusi lognormal dengan nilai 99.8.
yang ketiga distribusi uniform dengan nilai 26.3. dan yang terakhir distribusi
exponensial dengan nilai 0.21. Untuk stasiun kerja inspeksi ini dipilih adalah
distribusi normal (9.59, 0.846) untuk mewakili pada simulasi karena mempunyai
nilai tertinggi.
Hanya menggunakan
dua inspektor
49
Gambar 4. 22 Data input lokasi setelah dilakukan perbaikan metode inspeksi
Data lokasi pada gambar 4.27 simulasi awal dirubah pada bagian unit pada stasiun
kerja inspeksi menjadi dua unit dari simulasi awal empat unit. Perubahan ini
mengikuti dari perubahan layout sistem produksi setelah dilakukan perbaikan
metode inspeksi.
Pada gambar 4. 28 dijelaskan untuk data input proses. Data proses dilakukan
perubahan waktu proses, pada simulasi awal waktu proses menggunakan waktu
dengan distribusi normal (41.3, 0.241) untuk simulasi perbaikan metode inspaksi
ini menggunakan waktu dengan distribusi normal (9.59, 0.846) dari hasil
pengambilan waktu saat trial dengan menggunakan alat bantu magnet sheet. Data
input yang lain seperti, entitas, kedatangan (arrival), dan routing tidak mengalami
perubahan, tetap seperti pada simulasi awal. Kemudian model simulasi dijalankan
dwngan warmup 100 jam dan jumlah replikasi sebanyak 30 kali replikasi.
50
d). Verifikasi dan validasi model simulasi
Uji 2 sampel T-test pada model simulasi ini untuk memastikan apakah model
simulasi yang sudah dibuat sudah dapat mempresentasikan sistem perbaikan
metode yang ada. Langkah yang digunakan adalah menggunakan uji 2 sampel T-
test dengan bantuan software SPSS. Pada uji ini hipotesis yang akan digunkan
yaitu:
Ho : terdapat perbedaan
H1 : tidak terdapat perbedaan
Dasar pengambilan keputusannya adalah Ho diterima jika nilai sig (2 tailed)
kurang dari 0,05. Dan Ho ditolak jika nilai sig (2 tailed) lebih dari 0,05. Data
model simulasi perbaikan metode diambil dari hasil simulasi yang sudah
dijalankan dengan replikasi 30 kali. Data yang akan digunakan pada 2 sampel T-
test adalah gambar 4.30 data waktu inspeksi setelah perbaikan metode hasil model
simulasi sebagai berikut:
Gambar 4. 24 Data waktu inspeksi setelah perbaikan metode hasil model simulasi
51
Kesimpulan dari hasil uji 2 sampel T-test ditunjukkan pada gambar 4.31. nilai sig
(2 tailed) pada equal variances assumed 0,992 dan nilai sig (2 tailed) pada equal
variances not assumed 0,992. Berdasarkan dari nilai tersebut dapat disimpulkan
bahwa Ho ditolak. Dengan arti lain tidak terdapat perbedaan yang segnifikan
antara sistem sekarang dengan simulasi awal. Model simulasi awal dinyatakan
lulus dari verifikasi dan validasi.
Pada gambar 4. 40 ditampilkan bahwa simulasi telah dijalankan dengan rata – rata
waktu simulasi sebanyak 16 jam, dengan rata – rata waktu warmup sebesar 100
jam. Penjelasan selanjutnya dapat dilihat pada tabel 4. 1 sampai tabel 4. 18.
52
Tabel 4. 11 Hasil simulasi perbaikan metode inspeksi (lokasi)
Simulasi Perbaikan Metode (alat bantu) MOD (Normal Run - Avg. Reps)
Scheduled Avg Time Per Avg Maximum Current %
Name Capacity Total Entries
Time (HR) Entry (MIN) Contents Contents Contents Utilization
Incoming
16 999.999,00 3,00 100,68 0,31 2,00 1,00 0,00
Material
16 1,00 3,00 199,81 0,62 1,00 1,00 62,44
Pengepresan
16 999.999,00 64,00 119,57 7,97 32,00 0,00 9,11
Antrian inspeksi
16 1,00 32,00 9,60 0,32 1,00 0,00 32,01
Inspektor.1
16 1,00 32,00 9,57 0,32 1,00 0,00 31,90
Inspektor.2
32 2,00 64,00 9,59 0,32 2,00 0,00 31,95
Inspektor
16 999.999,00 64,00 1,60 0,11 2,00 0,00 0,40
Jalur suplai
16 999.999,00 64,00 0,00 0,00 1,00 0,00 0,00
Finish good
53
Tabel 4. 12 Hasil simulasi perbaikan metode inspeksi (status lokasi multi)
Simulasi Perbaikan Metode (alat bantu) MOD (Normal Run - Avg. Reps)
Scheduled Time
Name % Empty % Part Occupied % Full % Down
(HR)
Incoming Material 16,00 68,80 31,20 0,00 0,00
Simulasi Perbaikan Metode (alat bantu) MOD (Normal Run - Avg. Reps)
Scheduled
Name % Operation % Setup % Idle % Waiting % Blocked % Down
Time (HR)
54
Tabel 4. 14 Hasil simulasi perbaikan metode inspeksi (aktivitas entitas)
Simulasi Perbaikan Metode (alat bantu) .MOD (Normal Run - Avg. Reps)
Avg Time Avg Time In Avg Time
Current Qty Avg Time In Avg Time In Move
Name Total Exits Waiting Operation Blocked
In System System (MIN) Logic (MIN)
(MIN) (MIN) (MIN)
Cap Finish good 3.200,00 0,00 594,97 9,00 0,00 427,49 158,47
Simulasi Perbaikan Metode (alat bantu) MOD (Normal Run - Avg. Reps)
Name % In Move Logic % Waiting % In Operation % Blocked
55
Uji paired sampel T-test
Kesimpulan dari hasil uji paired sampel T-test ditunjukkan pada gambar 4.42. nilai sig (2 tailed) antara model simulasi awal dengan model
simulasi perbaikan metode adalah 0,000. Berdasarkan dari nilai tersebut dapat disimpulkan bahwa Ho diterima. Dengan arti lain terdapat
perbedaan yang nyata antara model simulasi awal dengan model simulasi perbaikan metode. Maka model simulasi perbaikan dinyatakan
lulus dari verifikasi dan validasi.
57
Gambar 4. 28 Hasil uji paired sampel T-test
Pada gambar 4.40 diatas ditunjukkan hasil keseluruhan dari simulasi perbaikan metode inspeksi. Dengan model normal running dengan
waktu rata – rata ditiap replikasi sebanyak 16 jam kerja dan rata – rata waktu warmup sebesar 100 jam. Dari hasil tersebut dapat dilihat
bahwa hasil hitung manual diperoleh persentasi penurunan waktu sebesar 330,96% sedangkan pada simulasi sebesar 330,66%. Maka
simulasi dikatakan valid (dapat mempresentasikan sistem nyata). Penjelasan secara lengkap ditunjukkan pada tabel 4.13 sampai tabel 4.17.
58
Tabel 4. 16 Hasil model simulasi perbaikan metode inspeksi
Berdasarkan hasil model simulasi perbaikan metode diatas dapat di tarik kesimpulan bahwa:
1. Total produk yang dihasilkan dari kedua simulasi adalah 64 unit perhari.
2. Penurunan waktu distasiun kerja inspekasi sebesar 31,08 menit atau 330,66%
3. Penurunan jumlah antrian di stasiun inspeksi sebanyak 4 unit atau 12,50%.
4. Penurunan rata – rata waktu operasi sebesar 114,46 menit atau 26,77%.
5. Penurunan rata – waktu entitas didalam sistem sebesar 118,22 menit atau 19,87%.
59
4.7 Perbaikan tata letak (layout) dan perbaikan metode
a). Perancangan perubahan tata letak
Perancangan kembali tata letak adalah sebuah perubahan kecil dalam suatu
penataan tata ruang, dengan tujuan meminimumkan biaya dan meningkatkan
efisiensi penggunaan segala fasilitas dalam proses produksi. Penataan dimana
operator ditempatkan, operasi gudang, pemindahan material, dan alat pendukung
lain sehingga mencapai layout yang baik di tempat kerja. Layout pada proses
produksi Cap (C1805-009) saat ini menggunakan line layout atau sering di kenal
dengan produk layout. Namun aktual di lapangan pada stasiun kerja inspeksi
jaraknya jauh sehingga memerlukan waktu lebih lama untuk mendistribusikan
produk yang akan dan setelah diproses. Jarak antar stasiun distribusi yang adalah
sebuah pemborosan, pemborosan waktu ini harus di kurangi untuk memperlancar
pendistribusian material ke stasiun kerja berikutnya.
Untuk mengurangi waktu distribusi maka perlu dilakukan perubahan tata letak
stasiun kerja inspeksi. Perubahan tata letak stasiun kerja inspeksi pada produksi
Cap (C1805-009) yang di tunjukkan pada gambar 4.35 dibawah. Posisi stasiun
kerja inspeksi sebelum dilakukan perubahan tata letak berada di paling atas. Pada
posisi ini material yang akan menuju stasiun kerja inspeksi harus bergerak
menjauh dari arah ke luar melewati mesin pres robot. Jarak dari stasiun
pengepresan ke stasiun kerja inspeksi 60 m.
60
Rencana perubahan tata letak stasiun kerja inspeksi berada di area tengah antara
stasiun kerja pengepresan dan area store produk jadi. Pada perubahan tata letak ini
dapat mengurangi jarak sebesar 30 m dari stasiun kerja pengepresan ke stasiun
kerja inspeksi dan jarak 13 m dari stasiun kerja inspeksi ke area penyimpanan
produk jadi.
61
Gambar 4. 30 Data input routing perubahan layout
62
Tabel 4. 17 Hasil simulasi perubahan layout dan perbaikan metode inspeksi (lokasi)
Simulasi Perbaikan metode dan Lay Out.MOD (Normal Run - Avg. Reps)
Scheduled Avg Time Per Avg Maximum Current %
Name Capacity Total Entries
Time (HR) Entry (MIN) Contents Contents Contents Utilization
16,00 999.999,00 3,00 100,68 0,31 2,00 1,00 0,00
Incoming Material
16,00 1,00 3,00 199,81 0,62 1,00 1,00 62,44
Pengepresan
16,00 999.999,00 64,00 95,43 6,36 32,00 0,00 14,54
Antrian inspeksi
16,00 1,00 32,00 9,60 0,32 1,00 0,00 31,99
Inspektor.1
16,00 1,00 32,00 9,58 0,32 1,00 0,00 31,92
Inspektor.2
32,00 2,00 64,00 9,59 0,32 2,00 0,00 31,96
Inspektor
16,00 999.999,00 64,00 0,74 0,05 1,97 0,00 0,38
Jalur suplai
16,00 999.999,00 64,00 0,00 0,00 1,00 0,00 0,00
Finish good
63
Tabel 4. 18 Hasil simulasi perubahan layout dan perbaikan metode inspeksi (status lokasi multi)
Simulasi Perbaikan metode dan Lay Out.MOD (Normal Run - Avg. Reps)
Scheduled Time
Name % Empty % Part Occupied % Full % Down
(HR)
Incoming Material 16,00 68,80 31,20 0,00 0,00
Tabel 4. 19 Hasil model simulasi perubahan layout dan perbaikan metode inspeksi (status lokasi single)
Simulasi Perbaikan metode dan Lay Out.MOD (Normal Run - Avg. Reps)
Scheduled
Name % Operation % Setup % Idle % Waiting % Blocked % Down
Time (HR)
Pengepresan 16,00 62,19 0,00 37,56 0,00 0,25 0,00
64
Tabel 4. 20 Hasil simulasi perubahan layout dan perbaikan metode inspeksi (aktivitas entitas)
Simulasi Perbaikan metode dan Lay Out.MOD (Normal Run - Avg. Reps)
Avg Time Avg Time In Avg Time
Current Qty Avg Time In Avg Time In Move
Name Total Exits Waiting Operation Blocked
In System System (MIN) Logic (MIN)
(MIN) (MIN) (MIN)
Cap Finish good 3.200,00 0,00 565,96 5,00 0,00 403,90 157,05
Tabel 4. 21 Hasil simulasi perubahan layout dan perbaikan metode inspeksi (status entitas)
Simulasi Perbaikan metode dan Lay Out.MOD (Normal Run - Avg. Reps)
65
Tabel 4. 22 Hasil model simulasi perbaikan dan perubahan layout
Berdasarkan hasil model simulasi perbaikan metode dan perubahan layout diatas dapat di tarik kesimpulan bahwa:
1. Total produk yang dihasilkan dari kedua simulasi adalah 64 unit per hari.
2. Penurunan waktu distasiun kerja inspekasi sebesar 31,08 menit atau 330,66%.
3. Penurunan jumlah antrian di stasiun inspeksi sebanyak 4 unit atau 12,50%.
4. Penurunan rata – rata waktu operasi sebesar 138,05 menit atau 34,18%.
5. Penurunan rata – waktu entitas didalam sistem sebesar 147,23 menit atau 26,01%.
66
BAB V
SIMPULAN DAN SARAN
5.1 Simpulan
Simpulan yang diperoleh sebagai hasil dari penelitian berdasarkan analisis yang
telah dilakukan dan untuk menjawab rumusan masalah pada penelitian adalah
sebagai berikut:
Merubah metode kerja dengan menggunakan alat bantu berupa magnet sheet
yang digunakan untuk membalik produk saat melakukan pengecekkan di
stasiun kerja inspeksi sehingga mempercepat waktu pengecekkan.
a. Total produk yang dihasilkan dari kedua simulasi adalah 64 unit per hari.
67
b. Penurunan waktu distasiun kerja inspekasi sebesar 31,08 menit atau
330,66%.
c. Penurunan jumlah antrian di stasiun inspeksi sebanyak 4 unit atau 12,50%.
d. Penurunan rata – rata waktu operasi sebesar 138,05 menit atau 34,18%.
e. Penurunan rata – waktu entitas didalam sistem sebesar 147,23 menit atau
26,01%.
4. Keuntungan yang lain dari analisis ini dapat diaplikasikan pada jenis
produk yang lain yang bentuknya kecil dalam volume produksi yang
banyak.
5.2 Saran
Setelah hasil dari penelitian ini diketahui maka sebagai saran yang disampaikan
sebagai berikut:
2. Perlunya dilakukan analisis yang sama pada produk yang lain sehingga
dapat mengurangi pemborosan waktu, material, atau sumber daya yang
lain.
68
DAFTAR PUSTAKA
Banks, J. & Carson, J. 1984.” Discrete- Event System Simulation” New jersey:
Prentice Hall.
69
LAMPIRAN
Lampiran 1 Data hasil uji scaterplot data pengepresan untuk simulasi awal
Lampiran 2 Data hasil uji autocorelation data pengepresan untuk simulasi awal
70
Lampiran 3 Data hasil uji runtest data pengepresan untuk simulasi awal
Lampiran 4 Data hasil uji keseragaman data pengepresan untuk simulasi awal
71
Lampiran 5 Data hasil uji distribusi fitting data pengepresan untuk simulasi awal
Lampiran 6 Data hasil uji scaterplot data inspeksi untuk simulasi awal
Lampiran 7 Data hasil uji autocorelation data inspeksi untuk simulasi awal
72
Lampiran 8 Data hasil uji runtest data inspeksi untuk simulasi awal
Lampiran 9 Data hasil uji keseragaman data inspeksi untuk simulasi awal
73
Lampiran 10 Data hasil uji distribusi fitting data inspeksi untuk simulasi awal
74
Lampiran 11. Tabel simulasi awal all replikasi (rata – rata)
75
Lampiran 12 Tabel simulasi awal all replikasi (inspektor 1)
76
Lampiran 13 Tabel simulasi awal all replikasi (inspektor 2)
77
Lampiran 14 Tabel simulasi awal all replikasi (inspektor 3)
78
Lampiran 15 Tabel simulasi awal all replikasi (inspektor 4)
79
Lampiran 16 Data hasil uji scaterplot data inspeksi untuk simulasi perbaikan
metode
Lampiran 17 Data hasil uji autocorelation data inspeksi untuk simulasi peraikan
metode
Lampiran 18 Data hasil uji keseragaman data inspeksi untuk simulasi peraikan
metode
80
Lampiran 19 Data hasil uji runtest data inspeksi untuk simulasi perbaikan metode
Lampiran 20 Data hasil uji distribusi fitting data inspeksi untuk simulasi peraikan
metode
81
Lampiran 21 Data pilihan running model simulasi perbaikan metode
82
Lampiran 22 Tabel simulasi perbaikan metode, all replikasi (inspektor 1)
83
Lampiran 23 Tabel simulasi perbaikan metode, all replikasi (inspektor 2)
Simulasi Perbaikan Metode (alat bantu) MOD (Normal Run - All Reps)
Avg Time
Scheduled Total Avg Maximum Current
Name Replication Capacity Per Entry % Utilization
Time (HR) Entries Contents Contents Contents
(MIN)
Inspektor.2 1 16 1 32 9,58 0,32 1,00 0,00 31,92
Inspektor.2 2 16 1 32 9,51 0,32 1,00 0,00 31,69
Inspektor.2 3 16 1 32 9,43 0,31 1,00 0,00 31,42
Inspektor.2 4 16 1 32 9,82 0,33 1,00 0,00 32,72
Inspektor.2 5 16 1 32 9,63 0,32 1,00 0,00 32,08
Inspektor.2 6 16 1 32 9,47 0,32 1,00 0,00 31,55
Inspektor.2 7 16 1 32 9,40 0,31 1,00 0,00 31,33
Inspektor.2 8 16 1 32 9,77 0,33 1,00 0,00 32,58
Inspektor.2 9 16 1 32 9,29 0,31 1,00 0,00 30,95
Inspektor.2 10 16 1 32 9,53 0,32 1,00 0,00 31,75
Inspektor.2 11 16 1 32 9,65 0,32 1,00 0,00 32,16
Inspektor.2 12 16 1 32 9,70 0,32 1,00 0,00 32,35
Inspektor.2 13 16 1 32 9,62 0,32 1,00 0,00 32,07
Inspektor.2 14 16 1 32 9,52 0,32 1,00 0,00 31,75
Inspektor.2 15 16 1 32 9,36 0,31 1,00 0,00 31,21
Inspektor.2 16 16 1 32 9,55 0,32 1,00 0,00 31,84
Inspektor.2 17 16 1 32 9,66 0,32 1,00 0,00 32,19
Inspektor.2 18 16 1 32 9,84 0,33 1,00 0,00 32,79
Inspektor.2 19 16 1 32 9,56 0,32 1,00 0,00 31,86
Inspektor.2 20 16 1 32 9,72 0,32 1,00 0,00 32,39
Inspektor.2 21 16 1 32 9,66 0,32 1,00 0,00 32,21
Inspektor.2 22 16 1 32 9,22 0,31 1,00 0,00 30,73
Inspektor.2 23 16 1 32 9,62 0,32 1,00 0,00 32,07
Inspektor.2 24 16 1 32 9,77 0,33 1,00 0,00 32,57
Inspektor.2 25 16 1 32 9,53 0,32 1,00 0,00 31,77
Inspektor.2 26 16 1 32 9,55 0,32 1,00 0,00 31,83
Inspektor.2 27 16 1 32 9,56 0,32 1,00 0,00 31,85
Inspektor.2 28 16 1 32 9,37 0,31 1,00 0,00 31,24
Inspektor.2 29 16 1 32 9,64 0,32 1,00 0,00 32,12
Inspektor.2 30 16 1 32 9,56 0,32 1,00 0,00 31,88
84
Lampiran 24 Tabel simulasi perbaikan metode, all replikasi (inspektor rata – rata)
Simulasi Perbaikan Metode (alat bantu) MOD (Normal Run - All Reps)
Avg Time
Scheduled Total Avg Maximum Current
Name Replication Capacity Per Entry % Utilization
Time (HR) Entries Contents Contents Contents
(MIN)
Inspektor 1 32 2 64 9,60 0,32 2,00 0,00 32,01
Inspektor 2 32 2 64 9,64 0,32 2,00 0,00 32,13
Inspektor 3 32 2 64 9,44 0,31 2,00 0,00 31,47
Inspektor 4 32 2 64 9,67 0,32 2,00 0,00 32,24
Inspektor 5 32 2 64 9,55 0,32 2,00 0,00 31,83
Inspektor 6 32 2 64 9,65 0,32 2,00 0,00 32,15
Inspektor 7 32 2 64 9,50 0,32 2,00 0,00 31,66
Inspektor 8 32 2 64 9,65 0,32 2,00 0,00 32,17
Inspektor 9 32 2 64 9,51 0,32 2,00 0,00 31,69
Inspektor 10 32 2 64 9,40 0,31 2,00 0,00 31,34
Inspektor 11 32 2 64 9,69 0,32 2,00 0,00 32,29
Inspektor 12 32 2 64 9,70 0,32 2,00 0,00 32,33
Inspektor 13 32 2 64 9,59 0,32 2,00 0,00 31,98
Inspektor 14 32 2 64 9,63 0,32 2,00 0,00 32,11
Inspektor 15 32 2 64 9,44 0,31 2,00 0,00 31,45
Inspektor 16 32 2 64 9,65 0,32 2,00 0,00 32,17
Inspektor 17 32 2 64 9,64 0,32 2,00 0,00 32,12
Inspektor 18 32 2 64 9,68 0,32 2,00 0,00 32,27
Inspektor 19 32 2 64 9,57 0,32 2,00 0,00 31,90
Inspektor 20 32 2 64 9,80 0,33 2,00 0,00 32,67
Inspektor 21 32 2 64 9,54 0,32 2,00 0,00 31,81
Inspektor 22 32 2 64 9,43 0,31 2,00 0,00 31,45
Inspektor 23 32 2 64 9,73 0,32 2,00 0,00 32,42
Inspektor 24 32 2 64 9,64 0,32 2,00 0,00 32,13
Inspektor 25 32 2 64 9,54 0,32 2,00 0,00 31,79
Inspektor 26 32 2 64 9,46 0,32 2,00 0,00 31,54
Inspektor 27 32 2 64 9,52 0,32 2,00 0,00 31,74
Inspektor 28 32 2 64 9,56 0,32 2,00 0,00 31,87
Inspektor 29 32 2 64 9,52 0,32 2,00 0,00 31,74
85
86