Final Report Simbi - Fri-055
Final Report Simbi - Fri-055
Produk :
Self-Spray Disinfectant
Kelompok:
FRI-055
Sholahudin Umar 1201183308
Tania Alya Andrianingrum 1201183308
Naila Khoirun Nisa 1201183308
DAFTAR GAMBAR...............................................................................................................................vi
BAB I ....................................................................................................................................................... 9
PENDAHULUAN ................................................................................................................................... 9
BAB II................................................................................................................................................... 21
i
II.4.1 Independence Test ......................................................................................................................30
III.6 Verifikasi............................................................................................................................... 51
BAB IV ................................................................................................................................................. 58
ii
IV.7.1 Alternative 1 .............................................................................................................................66
BAB V ................................................................................................................................................... 73
BAB VI ................................................................................................................................................. 78
KESIMPULAN ..................................................................................................................................... 83
iii
DAFTAR TABEL
iv
Tabel IV. 6 Biaya Komponen Alternatif 1 ............................................................................... 66
Tabel IV. 7 Biaya Inventory alternatif 1................................................................................... 66
Tabel IV. 8 Biaya Mesin alternatif 1 ........................................................................................ 67
Tabel IV. 9 Biaya Operator alternatif 1 .................................................................................... 67
Tabel IV. 10 Tracking Cost Alternatif 1................................................................................... 68
Tabel IV. 11 Biaya Komponen alternatif 2 .............................................................................. 68
Tabel IV. 12 Biaya Inventory alternatif 2................................................................................. 69
Tabel IV. 13 Biaya Mesin alternatif 2 ...................................................................................... 69
Tabel IV. 14 Biaya Operator alternatif 2 .................................................................................. 70
Tabel IV. 15 Tracking Cost alternatif 2 .................................................................................... 70
Tabel IV. 16 QBE ..................................................................................................................... 71
v
DAFTAR GAMBAR
vi
Gambar III. 1 Factory Working Hours ..................................................................................... 44
Gambar III. 2 Periodic System Shutdown ................................................................................ 45
Gambar III. 3 Flexsim Model Simulation ................................................................................ 51
Gambar III. 4 Verifikasi Separator Lower holder package ..................................................... 52
Gambar III. 5 Verifikasi Separator Pipe Tube Package .......................................................... 52
Gambar III. 6 Verifikasi Separator Spray Package ................................................................. 53
Gambar III. 7 Verifikasi Separator Pedal Package ................................................................. 53
Gambar III. 8 Verifikasi Assembly Machine 1 ........................................................................ 54
Gambar III. 9 Verifikasi Assembly Machine 1 ........................................................................ 54
Gambar III. 10 Uji Normalitas ................................................................................................. 57
vii
viii
BAB I
PENDAHULUAN
9
Gambar I. 1 Self Spray Disinfectant
Setiap kedatangan Pipe Tube package terdiri dari 80 unit komponen dengan
waktu distribusi U (229, 257) dalam menit. Setelah kedatangan, Pipe Tube package
masuk ke separator machine dengan waktu distribusi U(0.53, 1.46) dalam menit.
Setelah diproses oleh mesin separator, paket Pipe Tube dan Lower holder package
dibawa ke mesin assembly 1 dengan waktu distribusi U(0.81, 1.99) untuk menjadi
Self-Spray Disinfectant setengah jadi melalui antrian Pipe Tube dan Lower holder.
Pipe Tube terbagi menjadi dua warna, yaitu ungu dan pink dengan persentase
produksi masing-masing 65% dan 35%.
10
dan pink. Kemudian produk jadi dari Self-Spray Disinfectant berwarna ungu dan
pink akan dibawa ke area inspeksi.
Di area inspeksi, Self-Spray Disinfectant yang sudah jadi berwarna pink dan
ungu akan diperiksa oleh salah satu operator quality control dengan dsitribusi waktu
N(2.96, 0.837). Operator quality control mendapat gaji Rp 20.000,00 / jam. Self-
Spray Disinfectant diperiksa warna pink dan ungu kemudian dipindahkan ke area
gudang melalui Queue conveyor untuk Self-Spray Disinfectant pink dan Self-Spray
Disinfectant.
Berikut ini adalah tabel distribusi waktu kedatangan untuk setiap paket:
11
Gambar I. 2 Operation Process Chart
12
3 Assembly Machine 2 Rp 50.000,00 /unit Rp6.250,00/unit
4 Inspection Area Rp 30.000,00 /unit Rp3.750,00/unit
13
6 102 97
7 102 100
8 102 110
9 102 94
10 102 99
11 102 99
12 102 96
a. Elemen Struktur
Berikut merupakan elemen struktur dari produk:
Tabel I. 8 Elemen Struktur
b. Elemen Proses
Berikut merupakan Elemen proses yang berada pada PT. Calosa MedHealth:
Tabel I. 9 Elemen Proses
c. Keterkaitan Elemen
14
Terdapat beberapa keterkaitan antara elemen. Berikut merupakan
keterkaitannya:
1. PT. Calosa MedHealth merupakan perusahaan
produksi yang memproduksi alat bantu kesehatan yang
menjual Self-Spray Disinfectant.
2. PT. Calosa MedHealth melakukan proses produksi
dengan membeli material dari perusahaan lain.
3. Komponen perakitannya adalah pipa, spray, selang,
pedal, papan alas dan plat penyangga.
4. PT. Calosa MedHealth memproduksi dua varian warna
Self-Spray Disinfectant yaitu pink muda dan ungu
muda.
5. PT. Calosa MedHealth menjual semua varian dari Self-
Spray Disinfectant dengan harga Rp315.000,00/Unit.
6. PT. Calosa MedHealth membeli pipa tube seharga
Rp40.000,00/Unit.
7. PT. Calosa MedHealth membeli Spray package seharga
Rp100.000,00/unit.
8. PT. Calosa MedHealth membeli Lower holder package
seharga Rp80.000,00/unit.
9. PT. Calosa MedHealth membeli pedal seharga
Rp30.000,00/Unit.
10. Setiap operasi diberikan upah sebesar
Rp20.000,00/jam.
11. Biaya pengoperasian mesin separation adalah
Rp20.000,00/hari.
12. Biaya pengoperasian mesin perakitan 1 adalah
Rp50.000,00/hari.
13. Biaya operasional mesin perakitan 2 adalah
Rp50.000,00/hari.
14. Biaya operasional area inspeksi Rp30.000,00/hari.
d. Rich Picture
Berikut merupakan Rich Picture di PT. Calosa MedHealth:
15
Gambar I. 3 Rich Picture
a. Stakeholder
Promblem Owner : PT. Calosa MedHealth, Pemilik
Problem User : Operator
Problem Customer : PT Calosa MedHealth, Pelanggan
Problem analyst : FRI-055
b. Six Element of Problem
Decision Maker : CEO dari PT. Calosa MedHealth
Objective : menaikkan keuntungan dengan mengurangi loss sales
Decision Criterion : Memaksimalkan total output dan keuntungan
• Output produksi 150 mesin Self-Spray
Disinfectant /pabrik/hari.
• Pendapatan minimal Rp47.250.000
/pabrik/hari.
• Jumlah Unfulfilled Order = 0
16
I.2.3 Sistem Relevan
a. Hierarki Sistem
Untuk kasus ini hierarki sistem didefinisikan seperti dibawah ini:
Narrow System : Workstation
Wider System : PT. Calosa MedHealth
Environment : Health Industry
Environment
Wider System
Narrow System
WorkStation
b. Input-Output Diagram
Seperti yang ditunjukkan pada diagram Input-Output dibawah ini. Kotak
hitam mewakili sistem, yang dalam hal ini adalah sistem produksi Self-Spray
Disinfectant di PT. Calosa MedHealth. Panah biru atas ke arah sistem mewakili
input yang tidak terkendali (Uncontrollable input), yang dalam hal ini adalah
permintaan dari pelanggan yang menentukan jumlah produk yang harus
diproduksi oleh PT. Calosa MedHealth. Panah oren dan hijau kearah menuju
sistem mewakili input yang dapat dikontrol (Controllable input). Dimana dalam
kasus ini, akan menjadi jumlah tenaga kerja dan jumlah produk yang diproduksi.
Panah hijau kiri ke arah sistem merupakan masukan untuk sistem produksi.
Terakhir, panah kuning kanan yang mengarah ke luar sistem mewakili output
dari system yaitu total keuntungan yang didapatkan.
17
Berikut merupakan Diagram Input dan Output.
Permintaan / minggu
c. Influence Diagram
Influence Diagram adalah suatu alat untuk merepresentasikan dalam
bentuk grafis dari suatu model keputusan yang digunakan untuk
menggambarkan suatu sistem secara grafis.
Berikut merupakan Influence Diagram di PT. Calosa MedHealth:
18
Dari Influence Diagram diatas dapat dilihat bahwa simbol oval yang
menunjukan output adalah Profit atau keuntungan dari PT. Calosa MedHealth.
Output tersebut dipengaruhi oleh komponen system yaitu total biaya mesin, total
biaya pekerja, total pendapatan, dan total biaya UFO. Total waktu dalam satu
shift kerja dan total jumlah mesin yang disimbolkan dengan persegi panjang
merupakan input sistem yang terkendali. Simbol awan yang menunjukkan biaya
mesin, hari kerja, biaya pekerja, jumlah pekerja, harga produk, jumlah produk
yang diproduksi, jumlah unfulfilled order dan harga unfulfilled order merupakan
input system yang tidak terkendali
d. Model Matematika
1. Total Biaya Mesin = [Biaya mesin/hari] x [Jumlah Total mesin] x
[Hari Kerja]
= Rp120.000,- x 3 x 22
= Rp7.920.000,-
2. Total Biaya Tenaga Kerja = [Total Jam kerja shift] x [Hari Kerja] x [jumlah
pekerja] x [Gaji tenaga kerja/orang per jam]
= 8 jam/hari x 22 hari x 20 x Rp15.000,-
= Rp52.800.000,-
3. Total Pendapatan = [Jumlah Produk yang Diproduksi/jam] x
= [Harga Produk/unit]
= 19 produk/jam x Rp315.000,-
= Rp5.985.000,-
4. Total biaya Unfulfilled Order (UFO) = [Jumlah Unfulfilled Order] x
= [Biaya Unfulfilled Order]
= 45 x Rp215.000,-
= Rp9.675.000,-
5. Keuntungan = [Pendapatan Total] – [Total Biaya Pekerja]
= [Total Biaya Mesin] – [Total Biaya UFO] –
[Total Biaya Antri]
= [Rp5.985.000 x 22 hari kerja] - Rp52.800.000
- Rp9.675.000 – Rp1.200.000
= Rp131.670.000 - Rp52.800.000 - Rp9.675.000
– Rp1.200.000
19
= Rp67.995.000,-
I.3 Tujuan
Dalam penulisan Final Report SIMBI terkait, terdapat pembatasan ruang lingkup
pembahasan yaitu pada proses produksi Self-Spray Disinfectant oleh PT Calosa
MedHealth. Proses produksi produk Self-Spray Disinfectant terdiri dari empat mesin
yaitu mesin separator, dua mesin assembly, satu mesin conveyor dan satu mesin
inspeksi. Jam kerja perusahaan dimulai dari jam 08.00 sampai 17.00.
I.5 Asumsi
20
BAB II
PENGUMPULAN DATA
a. Entities
Berikut merupakan entitas yang terdapat dalam system pada PT. Calosa
MedHealth:
Entities
Pipa tube package Spray Pedal
Spray package Pink and Purple Self- Pedal package
Spray Disinfectant
Lower holder package Inspected Pink and Half-finished Self-
Purple Self-Spray Spray Disinfectant
Disinfectant
Lower holder Pipa tube
b. Resources
Berikut merupakan sumber daya yang dibutuhkan dalam system pada PT.
Calosa MedHealth:
Resources
Mesin separator untuk Mesin separator untuk Mesin separator untuk
pipa tube spray lower holder
Assembly machine 1 Mesin separator untuk Operator inspeksi
pedal package
Assembly machine 2 Conveyor untuk pink
and purple Self-Spray
Disinfectant
21
c. Location
Berikut merupakan lokasi yang terdapat dalam system pada PT. Calosa
MedHealth:
Location
Area kedatangan untuk Separator workstation Area antrian untuk
Lower holder package untuk Lower holder lower holder
package
Area antrian untuk Gudang produk jadi Area kedatangan untuk
Pink and Purple Self- pipa tube package
Spray Disinfectant
Separator workstation Area antrian untuk pipa Inspection workstation
untuk pipa tube tube
package
Area antrian untuk Pink Area kedatangan untuk Separator workstation
Inspected Self-Spray pedal package untuk pedal package
Disinfectant
Area antrian untuk Area antrian untuk Area antrian untuk
pedal Purple Inspected Self- Half-finished Self-
Spray Disinfectant Spray Disinfectant
Area kedatangan untuk Separator workstation Area antrian untuk
Spray package untuk Spray package spray
Assembly workstation 1 Component warehouse Assembly workstation 2
a. Schedules
Berikut merupakan jadwal jam kerja dan periodic system shutdown pada PT.
Calosa MedHealth:
Hari Kerja:
Senin – Jum’at : 08.00 – 17.00
22
Waktu Istrirahat:
Senin – Jum’at : 12.00 - 13.00
Sabtu dan Minggu
b. Routings
23
assembly workstation
1.
Lower holder Assembly Lower holder dirakit Produk Area antrian untuk
workstation 1 dengan pipe tube oleh setengah produk setengah
operator perakitan. jadi jadi
Pipe Tube Assembly Pipe tube dirakit Produk Area antrian untuk
workstation 1 dengan lower holder setengah produk setengah
oleh operator perakitan. jadi jadi
Produk setengah Area antrian Produk setengah jadi Produk Area assembly
jadi untuk produk mengantri untuk masuk setengah workstation 2.
setengah jadi ke area work station 2 jadi
Spray package Area Kedatangan Spray Spray Separator
kedatangan package pada area package workstation untuk
untuk Spray kedatangan untuk Pipe Spray package
package Tube package.
Spray package Separator Spray package dipisah Spray Area antrian untuk
workstation menjadi 40 Spray spray
untuk Spray package menggunakan
package mesin separator.
Spray Area antrian Spray mengantri untuk Spray Area assembly
untuk spray masuk ke area work workstation 2.
station 2
Pedal package Area Kedatangan pedal Pedal Separator
kedatangan package pada area package workstation untuk
untuk pedal kedatangan untuk pedal pedal package
pacakge package.
Pedal package Separator Pedal package dipisah Pedal Area antrian untuk
workstation menjadi 40 Spray Half-finished Self-
untuk pedal package menggunakan Spray Disinfectant
package mesin separator.
Pedal Area antrian Pedal mengantri untuk Pedal Area assembly
untuk Half- masuk ke area work workstation 2.
finished Self- station 2
24
Spray
Disinfectant
Pedal Assembly Pedal dirakit dengan Pink dan Inspection
workstation 2 spray oleh operator purple Self- workstation
perakitan. Spray
Disinfectant
Spray Assembly Spray dirakit dengan Pink dan Inspection
workstation 2 pedal serta produk purple Self- workstation
setengah jadi oleh Spray
operator perakitan. Disinfectant
Produk setengah Assembly Produk setengah jadi 1 Pink dan Inspection
jadi workstation 2 dirakit dengan pedal purple Self- workstation
dan spray. Spray
Disinfectant
Pink dan purple Self- Inspection Pink dan purple Self- Inspeksi Conveyor untuk
Spray Disinfectant workstation Spray Disinfectant Pink dan Pink dan Purple
sedang diperiksa pada purple Self- Self-Spray
area inspeksi oleh Spray Disinfectant
operator pengecekan. Disinfectant
Inspeksi Pink dan Gudang produk Pink dan purple Self- Inspeksi Gudang produk
purple Self-Spray jadi Spray Disinfectant Pink dan jadi.
Disinfectant dibawa menggunakan purple Self-
conveyor ked alam Spray
gudang produk jadi. Disinfectant
Berikut merupakat data target dan realisasi dari produksi Self-Spray Disinfectant:
Tabel II. 7 Target dan Realisasi
26
Mesin separator untuk pipa Pipa Tube 80
tube
Mesin separator untuk Pedal 40
pedal package
Mesin separator untuk spray 40
Spray package
Sumber data yang digunaan tersebut diperoleh dari estimasi desain. Dalam
perkiraan desain, data untuk waktu pemrosesan dan data lain diperoleh dari desain
pekerjaan.
27
II.3.2 Process Description
28
Area kedatangan None Separator Saat mesin None None
untuk Spray package workstation separator
untuk Spray tersedia
package
Separator workstation Separator Area antrian None None None
untuk Spray package machine untuk untuk spray
Spray package
Area antrian untuk None Assembly Saat assembly None None
spray workstation 2 machine 2
tersedia
Area kedatangan None Separator Saat mesin None None
untuk pedal pacakge workstation separator
untuk pedal tersedia
package
Separator workstation Separator Area antrian None None None
untuk pedal package machine for untuk pedal
pedal package package
Area antrian untuk None Assembly Saat assembly None None
pedal package workstation 2 workstation
tersedia
Assembly workstation Assembly Area Inspeksi Saat area None Inspection
2 machine 2 inspeksi Operator
tersedia
Area Inspeksi Inspection Area Antrian None None None
operator untuk purple
inspected self-
spray
29
Tabel II. 10 Data Collected
Data yang diperoleh dari proses pengumpulan data akan dianalisis dengan uji
independensi dan homogenitas untuk memastikan bahwa data mewakili keseluruhan sistem.
Setelah itu, datanya akan menjalani distribusi fitting sebagai data masukan untuk model
simulasi.
Berikut merupakan hasil dari Arrival time for Lower holder package
Gambar II. 2 Hasil Scatter plot Arrival Time Lower holder package
Berdasarkan data yang telah di dapatkan, maka hasil scatter plot dari Arrival Time
untuk Lower holder package menunjukkan data tidak tersebar secara acak, sehingga data
dapat dikatakan sebagai dependent data.
Berikut merupakan hasil dari Arrival time for Pipe Tube package
Gambar II. 3 Hasil Scatter plot Arrival Time Pipe Tube package
Berdasarkan data yang kami dapatkan, hasil scatter plot dari Pipe Tube package sudah
tersebar secara acak ke segala arah, maka dapat dikatakan bahwa data tersebut termasuk
independent data.
31
Gambar II. 4 Hasil Scatter plot Arrival Time Spray package
Berdasarkan data yang telah di dapatkan, maka hasil scatter plot dari Arrival Time untuk
Spray package menunjukkan data tidak tersebar secara acak, sehingga data dapat dikatakan
sebagai dependent data.
Berdasarkan data yang telah di dapatkan, maka hasil scatter plot dari Arrival Time untuk
Pedal Package menunjukkan data tidak tersebar secara acak, sehingga data dapat dikatakan
sebagai dependent data.
32
Gambar II. 6 Hasil Scatter plot Process Time Separator Machine
Berdasarkan data yang kami dapatkan, hasil scatter plot Process Time dari Separator
Machine sudah tersebar secara acak ke segala arah, maka dapat dikatakan bahwa data tersebut
termasuk independent data.
Berdasarkan data yang kami dapatkan, hasil scatter plot Process Time dari Assembly
Machine 1 tidak tersebar secara acak, maka dapat dikatakan bahwa data tersebut termasuk
dependent data.
33
Gambar II. 8 Hasil Scatter plot Process Time Assembly Machine 2
Berdasarkan data yang kami dapatkan, hasil scatter plot Process Time dari Assembly
Machine 2 sudah tersebar secara acak ke segala arah, maka dapat dikatakan bahwa data tersebut
termasuk independent data.
Berdasarkan data yang kami dapatkan, hasil scatter plot Process Time dari Inspection
Machine sudah tersebar secara acak ke segala arah, maka dapat dikatakan bahwa data tersebut
termasuk independent data.
Berdasarkan hasil diatas dengan tingkat signifikansi yang di dapatkan yaitu 1.000,
dimana melebihi 𝜶 :𝟎,𝟎𝟓 maka H0 diterima. Artinya sample memiliki distribusi yang sama.
Sehingga sample A dan B dapat dikatakan Homogenous.
Berdasarkan hasil diatas dengan tingkat signifikansi yang di dapatkan yaitu 1.000, dimana
melebihi 𝜶 :𝟎,𝟎𝟓 maka H0 diterima. Artinya sample memiliki distribusi yang sama. Sehingga
sample A dan B dapat dikatakan Homogenous.
Spray package
35
Berikut merupakan hasil dari IBM SPSS Spray Package
Berdasarkan hasil diatas dengan tingkat signifikansi yang di dapatkan yaitu 0.998 , dimana
melebihi 𝜶 :𝟎,𝟎𝟓 maka H0 diterima. Artinya sample memiliki distribusi yang sama. Sehingga
sample A dan B dapat dikatakan Homogenous.
Pedal Package
Berdasarkan hasil diatas dengan tingkat signifikansi yang di dapatkan yaitu 1.000, dimana
melebihi 𝜶 :𝟎,𝟎𝟓 maka H0 diterima. Artinya sample memiliki distribusi yang sama. Sehingga
sample A dan B dapat dikatakan Homogenous.
Separator Machine
36
Berikut merupakan hasil dari IBM SPSS Separator Machine
Berdasarkan hasil diatas dengan tingkat signifikansi yang di dapatkan yaitu 0.952, dimana
melebihi 𝜶 :𝟎,𝟎𝟓 maka H0 diterima. Artinya sample memiliki distribusi yang sama. Sehingga
sample A dan B dapat dikatakan Homogenous.
Assembly Machine 1
Berdasarkan hasil diatas dengan tingkat signifikansi yang di dapatkan yaitu 0.388, dimana
melebihi 𝜶 :𝟎,𝟎𝟓 maka H0 diterima. Artinya sample memiliki distribusi yang sama. Sehingga
sample A dan B dapat dikatakan Homogenous.
Assembly Machine 2
Berdasarkan hasil diatas dengan tingkat signifikansi yang di dapatkan yaitu 0.998 , dimana
melebihi 𝜶 :𝟎,𝟎𝟓 maka H0 diterima. Artinya sample memiliki distribusi yang sama. Sehingga
sample A dan B dapat dikatakan Homogenous.
Inspection Machine
Berdasarkan hasil diatas dengan tingkat signifikansi yang di dapatkan yaitu 1,000, dimana
melebihi 𝜶 :𝟎,𝟎𝟓 maka H0 diterima. Artinya sample memiliki distribusi yang sama. Sehingga
sample A dan B dapat dikatakan Homogenous.
38
II.4.3 Distribution Fitting
Berdasarkan hasil diatas, dapat kita ketahui untuk kedatangan Lower holder package
rank tertinggi berada pada distribusi uniform sehingga distribusi yang terpilih U(202, 247).
Berdasarkan hasil diatas, dapat kita ketahui untuk kedatangan Pipe Tube package rank
tertinggi berada pada distribusi uniform sehingga distribusi yang terpilih U(229, 257).
39
Gambar II. 20 Hasil Distributions Fitting Spray package
Berdasarkan hasil diatas, dapat kita ketahui untuk kedatangan Spray package rank
tertinggi berada pada distribusi uniform sehingga distribusi yang terpilih U(211, 260).
Berdasarkan hasil diatas, ranking tertinggi yang tidak ditolak adalah Lognormal tetapi
menyesuaikan dengan distribusi yang telah dipilih pada random number yaitu berdistribusi
Normal. Maka, distribusi yang dipilih adalah N (247, 25,9).
40
Berdasarkan hasil diatas, dapat kita ketahui untuk waktu separator machine rank
tertinggi berada pada distribusi uniform sehingga distribusi yang terpilih U(0.53, 1.46).
Berdasarkan hasil diatas, dapat kita ketahui untuk waktu assembly machine 1 rank
tertinggi berada pada distribusi uniform sehingga distribusi yang terpilih U(0.81, 1.12).
Berdasarkan hasil diatas, dapat kita ketahui untuk waktu assembly machine 2 rank
tertinggi berada pada distribusi uniform sehingga distribusi yang terpilih U(2.33, 4.99).
41
Gambar II. 25 Hasil Distribution Fitting Inspection machine
Berdasarkan hasil diatas, dapat kita ketahui untuk waktu inspection machine rank
tertinggi berada pada distribusi normal sehingga distribusi yang terpilih N(2.96, 0.837).
42
Tabel II. 11 Distribusi Data
43
BAB III
PERANCANGAN MODEL SIMULASI
Berikut merupakan tabel waktu kerja pada PT. Calosa MedHealth yang disimulasikan
pada software Flexsim.
Berdasarkan Time Table diatas, waktu jam kerja PT. Calosa MedHealth mulai bekerja
pada hari Senin hingga hari Jum’at dengan waktu operasional kerja dimulai pada pukul 08.00
hingga 17.00. Waktu istirahat kerja pada PT. Calosa MedHealth yaitu dimulai pada pukul 12.00-
13.00.
44
III.2 Periodic System Shutdown
Berikut adalah hasil dari tabel periodic system shutdown pada PT. Calosa MedHealth
berdasarkan simulasi software Flexsim.
Berdasarkan Time Table diatas, melalui identifikasi lokasi kerja yaitu pada Component
Warehouse, kita bisa mendapatkan Periodic System Shutdown pada hari Senin hingga Jum’at
pada tabel waktu Periodic System Shutdown adalah suatu waktu dimana sebuah system sedang
tidak beroperasi dan pada saat itu juga aktivitas perbaikan, inspeksi, perawatan, Improvement,
modifikasi dan pemeliharaan terhadap mesin dilakukan.
45
III.3 Routings
Berisi routing proses pada sistem disertai dengan analisis dari triggers dan timetable
yang digunakan.
Tabel III. 1 Routings
Lower holder Separator Lower holder Lower Area antrian Change 3D Factory
package workstation package dipisah holder lower package shape Working
lower menjadi 40 lower package Hours
package holder
menggunakan
mesin separator.
Pipe Tube Area Kedatangan Pipe Pipe Separator Set item by Periodic
package kedatangan Tube package Tube workstation percentage, System
untuk Pipe pada area package untuk pipa set color By Shutdown
Tube kedatangan untuk tube package case
package Pipe Tube
package.
46
Pipe Tube Separator Pipe Tube Pipe Area antrian None Factory
package workstation package dipisah Tube Pipe Tube Working
untuk pipa menjadi 80 pipe package Hours
tube tube
package menggunakan
mesin separator.
Lower holder Assembly Lower holder Produk Area antrian None Factory
workstation dirakit dengan setengah untuk produk Working
1 pipe tube oleh jadi setengah jadi Hours
operator
perakitan.
Pipe Tube Assembly Pipe tube dirakit Produk Area antrian None Factory
workstation dengan lower setengah untuk produk Working
1 holder oleh jadi setengah jadi Hours
operator
perakitan.
47
Pipe Tube
package.
Spray package Separator Spray package Spray Area antrian None Factory
workstation dipisah menjadi untuk spray Working
untuk Spray 40 Spray package Hours
package menggunakan
mesin separator.
Pedal package Separator Pedal package Pedal Area antrian None Factory
workstation dipisah menjadi untuk Half- Working
untuk pedal 40 Spray package finished Self- Hours
package menggunakan Spray
mesin separator. Disinfectant
Pink dan purple Inspection Pink dan purple Inspeksi Conveyor None Factory
Self-Spray workstation Self-Spray Pink dan untuk Pink Working
Disinfectant Disinfectant purple dan Purple Hours
sedang diperiksa Self- Self-Spray
pada area inspeksi Spray Disinfectant
oleh operator Disinfect
pengecekan. ant
Inspeksi Pink Gudang Pink dan purple Inspeksi Gudang None Factory
dan purple Self- produk jadi Self-Spray Pink dan produk jadi. Working
Spray Disinfectant purple Hours
Disinfectant dibawa Self-
menggunakan Spray
conveyor ked Disinfect
alam gudang ant
produk jadi.
49
III.4 Analisis Triggers
Berdasarkan pada tabel Routings diatas, terdapat beberapa macam triggers yang
digunakan untuk menerapkan fungsi-fungsi nya pada masing-masing Entity. Pada
entitas Lower holder package yang berada pada area Separator workstation lower
package, terdapat trigger yaitu Set Item by Percentage dan Set Color by Case yang
berfungsi untuk memproduksi produk sesuai dengan presentase yang telah ditentukan
yaitu 65% untuk Lower holder package warna Ungu dan 35% untuk Lower holder
package warna Pink serta sebagai penentu warna pada produk yang dihasilkan memiliki
2 macam warna yaitu Ungu dan Pink.
Selanjutnya, pada entitas Lower holder package yang berada pada area antrian
lower package, memiliki trigger Change 3D shape yang berfungsi untuk mengubah
bentuk dari papan Lower holder menjadi lebih tumpul sehingga tidak dapat melukai
pengguna. Pada entitas Pipe Tube package yang berada pada area Separator
workstation Pipe Tube package, terdapat trigger yaitu Set Item by Percentage dan Set
Color by Case yang berfungsi untuk memproduksi produk sesuai dengan presentase
yang telah ditentukan yaitu 65% untuk Pipe Tube package warna Ungu dan 35% untuk
Pipe Tube package warna Pink serta sebagai penentu warna pada produk yang
dihasilkan memiliki 2 macam warna yaitu Ungu dan Pink.
Pada bagian ini diberikan Screenshoot dari Layout model yang telah disertai dengan
jalur perubahan warna dan Gudang komponen yang disertai dengan analisis dari jumlah output
model selama 1 hari kerja, persentase warna dari produk yang telah ditentukan, perubahan dari
alur pergerakan komponen berdasarkan Time Table yang telah dibuat, dan output dari
perubahan warna sesuai dengan persentase pada Study Case.
Berikut merupakan hasil output dari simualsi 3D pada software Flexsim 2018 yang digunakan
PT. Calosa MedHealth:
50
Gambar III. 3 Flexsim Model Simulation
Pada output hasil simulasi yang diberikan diatas, terlihat bahwa model simulasi terdiri
dari Component Warehouse, Sources, mesin separator, antrian, mesin assembly, processor,
conveyor, rack, stasiun kerja inspeksi serta operator. Pada Finished Product Warehouse kita
dapat mengetahui Cur Content dan Max content dengan nilai 2461 . Hal ini menyatakan bahwa
PT. Calosa MedHealth memproduksi sebanyak 2461 unit/ bulan. Jika dibagi per-hari selama
22 hari kerja menjadi 111 unit. Dengan waktu operasional kerja yaitu pada pukul 08.00-17.00
di hari Senin-Jum’at dan waktu istirahat kerja pada pukul 12.00-13.00. Average Content yang
didapatkan dari hasil simulasi pada software adalah 1270.
Berdasarkan simulasi yang dilakukan oleh PT. Calosa MedHealth pada software
Flexsim 2018, PT. Calosa MedHealth sudah memenuhi target dimana perusahaan
memproduksi 100 unit / hari. PT. Calosa MedHealth membuat produk Self-Spray Disinfectant
dengan 2 variansi warna yaitu ungu dan pink dengan masing-masing presentase 60% dan 40%.
III.6 Verifikasi
51
Berikut merupakan verifikasi menggunakan metode watching animation and
checking reasonable output pada separator Lower holder package:
Separator Lower holder package memisahkan 1 paket menjadi 100 unit lower
holder. dalam model simulasi, 1 output dari hasil kedatangan ke 100 output dari
separator yang langsung masuk ke queue of lower holder. ini menunjukkan bahwa
model simulasi sama dengan model konseptual.
Separator Pipe Tube package memisahkan 1 paket menjadi 80 unit pipe tube.
Dalam model simulasi, 1 output dari hasil kedatangan ke 80 output dari separator yang
langsung masuk ke queue of pipe tube. Hal ini menunjukkan bahwa model simulasi
sama dengan model konseptual.
52
Separator Spray Package
Separator Spray package memisahkan 1 paket menjadi 100 unit spray . Dalam
model simulasi, 1 output dari hasil kedatangan ke 100 output dari separator yang
langsung masuk ke queue of spray. Hal ini menunjukkan bahwa model simulasi sama
dengan model konseptual.
Separator pedal package memisahkan 1 paket menjadi 110 unit pedal . dalam
model simulasi, 1 output dari hasil kedatangan ke 110 output dari separator yang
langsung masuk ke queue of pedal. Hal ini menunjukkan bahwa model simulasi sama
dengan model konseptual.
53
Assembly Machine 1
Assembly Machine 2
54
Berikut merupakan tabel data Work in Process dari setiap mesin pada PT.
Calosa MedHealth:
Berdasarkan tabel di atas dapat diketahui bahwa dari hasil Time Distribution, Lower Limit,
Upper Limit, dan Average of Dashboard dari setiap mesin sudah verified. Dengan distribution
time dari keseluruhan mesin separator yaitu U(0.53, 1.46) dan Average of dashboard sebesar
50 detik. Untuk assembly machine 1 memiliki distribution time yaitu U(0.81, 1.99) dengan
Average of dashboard sebesar 84 detik. Lalu, assembly machine 2 memiliki time distribution
yaitu U(1.33, 2.49) dengan dengan Average of dashboard sebesar 143 detik. Terakhir pada
inspection area memiliki time distribution N(2.96, 0.837) dengan Average of dashboard
sebesar 189 detik.
Berikut merupakan hasil screenshoot dari excel tabel output serta perhitungan
penentuan jumlah replikasi dilengkapi dengan hasil analisis.
55
Tabel III. 3 Data Replikasi
Berdasarkan hasil perhitungan yang dilakukan, Total yang didapatkan adalah sebanyak
1522, Average atau rata-rata yang diperoleh adalah 101.467, Standard Deviasi berjumlah
36.486 yang didapatkan dari data repilkasi namun mengecualikan data warm- up time,
perhitungan dengan tabel-T didapatkan dengan mengambil data replikasi pada kasus yaitu 15
dan nilai alfa sebesar 0.05 sehingga menghasilkan nilai sejumlah 2.16037.
Selanjutnya, Halfwidth didapatkan dari mengalikan nilai t yang telah didapatkan dengan
standard deviasi dan dibagi dengan akar pangkat 2 dari 14 menghasilkan nilai sebanyak
21.0667. Perhitungan Tabel-Z yang didapatkan adalah 1.96. Nilai n’ dihasilkan dengan cara
mengkalikan hasil nilai Tabel-Z dari alpha/2 yaitu 0.025 dengan standard deviasi, lalu dikalikan
lagi dengan nilai Halfwidth yang telah didapatkan.
Dari perhitungan rumus tersebut didapatkan hasil sebesar 11.523 yang dibulatkan keatas
menjadi 12. Dapat disimpulkan bahwa jumlah replikasi yang didapatkan adalah sebanyak 12
kali.
Berdasarkan hasil uji Normalitas menggunakan Software IBM SPSS dengan metode Shapiro-
Wilk, dapat diketahui bahwa data telah berdistribusi normal dengan nilai signifikansi lebih besar dari
confidence level, dengan nilai 0.095 > 0.05 dan 0.076 > 0.05.
Validasi adalah proses penentuan apakah model, sebagai konseptualisasi atau abstraksi,
merupakan representasi berarti dan akurat dari sistem nyata. Validasi juga memiliki arti
penentuan apakah model konseptual simulasi adalah representasi akurat dari sistem nyata yang
sedang dimodelkan. Uji welch sendiri memiliki rumus sebagai berikut:
Berdasarkan hasil uji Welch dengan menggunakan data dari model simulasi dan Real
System, didapatkan rentan antara -29.95 dan 35.61. pada rentan tersebut melewati nilai 0, maka
dapat disimpulkan nilai tersebut dapat diterima dan data dinyatakan bahwa hasil dari simulasi
valid.
57
BAB IV
PERANCANGAN MODEL USULAN
Penambahan shift kerja dimulai dari pukul 07.00 - 18.00 WIB diubah menjadi
pukul 07.00 - 19.00 WIB karena akan PT. Calosa MedHealth akan melakukan
percobaan pada saat penambahan shift kerja apakah kendala pada PT. Calosa
MedHealth dapat terselesaikan.
Untuk menambah mesin harus diperhatikan mesin mana yang paling sibuk,
untuk mengamati dilakukan dengan menambahkan dashboard dan memilih state bar
pada menu di software Flexsim. Dengan penambahan mesin tersebut diharapkan
kendala di PT. Calosa MedHealth dapat teratasi.
Pada bagian ini berisikan screenshot model eksisting dengan hasil run Flexsim selama
1 hari dan analisis hasil output.
58
Gambar IV. 1 Simulasi Model Eksisting
59
produk Self-Spray Disinfectant. Output yang dihasilkan dengan melakukan
simulasi pengujian selama 1 hari adalah 58 unit pada model tersebut. Dari simulasi
yang dilakukan dapat disimpulkan bahwa alternatif penambahan jam kerja pada
model diatas memiliki jumlah unit yang sama dengan model Excisting.
Pada bagian ini berisikan screenshot model alternative 2 dengan hasil run
Flexsim selama 1 hari dan analisis hasil output.
60
IV.3 Output Replication
61
Tabel IV. 2 Perhitungan Output Replication Alternative 2
62
Gambar IV. 4 Uji Flexsim Alternative 1
63
IV.4 Fulfillment
PT. Calosa MedHealth memiliki data realisasi dari Real System dengan total
rata- rata unfulfilled order sebesar 3 pcs. Setelah membuat alternatif 1 dan 2 terdapat
perubahan output, yaitu pada alternatif 1 terdapat keluaran dengan rata-rata sebesar
14,08 pcs selama 12 hari dimana rata-rata keluaran alternatif 1 lebih besar dari rata-rata
keluaran pada sistem yang sebenarnya atau pada Real System. Sedangkan pada alternatif
2 terdapat keluaran dengan rata-rata 12,67 pcs selama 12 hari dimana rata-rata keluaran
alternatif 2 lebih besar jika dibandingkan dengan rata-rata keluaran sistem yang
sebenarnya.
Dari hasil analisis diatas, dapat disimpulkan bahwa masalah pada unfulfilled
order dengan rata-rata sebesar 3 pcs dapat terpecahkan dengan menggunakan alternatif
1 dan alternatif 2. Maka dari itu, dengan menggunakan alternatif 1 dan alternatif 2
permintaan dapat terpenuhi.
64
IV.5 Normality Test Output Alternatif 1 dan Alternative 2
65
melewati nilai 0, dapat disimpulkan bahwa tidak terdapat perbedaan yang signifikan
antara data alternatif 1 dan alternatif 2.
IV.7.1 Alternative 1
67
Berdasarkan perhitungan biaya operator diatas, dapat diketahui biaya operator
inspection area adalah sebesar Rp 20.000,00 dengan jam kerja selama 8 jam dan waktu
kerja selama 12 hari total biaya operator inspection area adalah sebesar Rp
1.920.000,00. Jika operator inspection area mengalami overtime maka biaya operator
adalah sebesar Rp 25.000,00 dengan jam kerja selama 1 jam dan waktu kerja selama 12
hari total biaya operator inspection area yang melakukan overtime adalah sebesar Rp
300.000,00. Sehingga keseluruhan total biaya operator ialah sebesar Rp 2.200.000,00.
IV.7.2 Alternative 2
69
Berdasarkan perhitungan biaya mesin diatas, dapat diketahui bahwa separator
machine dengan jumlah 4 memiliki biaya mesin sebesar Rp 20.000,00 dengan jam kerja
selama 9 jam dan hari kerja selama 12 hari total biaya mesin yang didapat adalah sebesar
Rp 8.640.000,00. Assembly machine 1 memiliki biaya mesin sebesar Rp 50.000,00
dengan jam kerja selama 9 jam dan hari kerja selama 12 hari total biaya mesin yang
didapat adalah sebesar Rp 5.400.000,00. Pada Assembly machine 2 terdapat
penambahan mesin sehingga jumlah mesin menjadi 2 dengan biaya mesin sebesar Rp
50.000,00 juga jam keerja selama 9 jam dan waktu kerja selama 12 hari total biaya yang
didapat adalah Rp 10.800.000,00. Inspection area memiliki biaya mesin sebesar Rp
30.000,00 dengan jam kerja selama 9 jam dan hari kerja selama 12 hari total biaya mesin
yang didapat adalah sebesar Rp 3.240.000,00. Sehingga total biaya mesin keseluruhan
adalah sebesar Rp 28.080.000,00.
70
IV.7.3 Comparative test menggunakan Quantity Breakeven
71
optimal adalah model yang memiliki Quantity Breakeven yang lebih kecil,
sehingga dapat diketahui bahwa model simulasi usulan yang terpilih adalah
alternative 1 dengan Quantity Breakeven lebih kecil yaitu sebesar 87.
72
BAB V
MODEL SIMULASI AGENT-BASED
Berdasarkan studi kasus yang telah dijelaskan, pendekatan yang paling sesuai
untuk digunakan adalah Agent-based Modeling and Simulation (ABMS). ABMS
merupakan pendekatan pada software AnyLogic yang menggambarkan agen-agen
dalam sebuah sistem yang kompleks dan dinamis beserta perilakunya. ABM dapat
digunakan pada aplikasi yang menangani evakuasi bencana yaitu untuk mengetahui
lama waktu evakuasi, jalur evakuasi dan lainnya. Pada studi kasus ini, ABM digunakan
untuk memodelkan pengaruh penggunaan iklan pada penjualan produk Self-Spray
Disinfectant serta lama waktu yang dibutuhkan pelanggan untuk mulai mengetahui dan
membeli produk.
73
V.2 Built Anylogic Model
Berdasarkan hasil run pada AnyLogic diatas, dapat dianalisis bahwa model
presentation menampilkan 20.590 animasi yang menggambarkan agents yang
menggambarkan populasi pelanggan. Animasi pada agents berbentuk 2 Dimensi
dengan persentase ad effectiveness sebesar 0.008 atau 0.8% dari populasi selama
beberapa hari tertentu. Di dalam pembuatan presentation model ini tidak
diberlakukan perilaku apa pun terhadap agents.
75
Gambar V. 3 Hasil Run Model Presentation with Effectiveness Ads (2)
Pada gambar ketiga diatas, perubahan warna semakin terlihat dan warna
pink menjadi warna mayoritas. Pembelian yang dilakukan oleh pelanggan
semakin banyak dan menyebabkan titik-titik warna pink menyebar ke seluruh
area. Hal tersebut dikarenakan PT Calosa MedHealth memanfaatkan
76
pengiklanan melalui media Instagram dengan persentase keefektifan sebesar
0.8% dan berpengaruh baik bagi penjualan produk.
77
BAB VI
MODEL SIMULASI DINAMIS
78
Gambar VI. 1 Model Sistem Dinamis
Berdasarkan hasil simulasi model system dinamis diatas dapat diketahui bahwa
dalam membuat model sistem dinamis hal pertama kali dilakukan adalah membuat alur
produksi pada PT. Calosa MedHealth dengan membuat box variable yang berisikan
inventory dan workforce dari PT. Calosa MedHealth lalu setelahnya membuat rate
disamping pada box variable PT. Calosa MedHelath Inventory seperti sales dan
production serta membuat net hire rate disamping box variable dari workforce. Net
hire rate tidak hanya menunjukkan peningkatan tetapi juga tingkat penurunan
perekrutan atau pemecatan. Jadi, dibutuhkan panah ke box variable dari workforce.
Setelah itu, membuat variabel-variabel yang ada pada system dinamis dari PT. Calosa
MedHealth seperti productivity, target production, target workforce, dan time to adjust
workforce yang disambungkan menggunakan panah sesuai dengan alur proses produksi
nya untuk membuat hubungan antar variabel. Production memiliki hubungan atau relasi
dengan workforce dan productivity. Target production memiliki hubungan dengan
sales. Target workforce memiliki relasi dengan productivity dan target production.
Workforce memiliki hubungan dengan target workforce dan dengan time to adjust
workforce. Hubungan-hubungan antar variabel dimaksudkan untuk menentukan
persamaan equation pada tabel data pendukung.
Selanjutnya menentukan pengaturan dari model sistem yaitu final time, time
step, initial time, dan saveper dengan satuan waktu yaitu dalam bulan. Lalu
memasukkan persamaan equation sesuai pada tabel data pendukung. Inventory dari PT.
Calosa MedHealth dipengaruhi oleh variabel production dengan output yaitu sales,
79
variabel workforce dipengaruhi oleh target workforce dengan output berupa net hire
rate dan production, variabel production dipengaruhi oleh workforce dan productivity
dengan output berupa inventory, variabel sales dipengaruhi oleh inventory dan memiliki
output berupa target production, variabel target production dipengaruhi oleh sales
dengan output berupa target workforce, variabel target workforce dipengaruhi oleh
variabel target production dan productivity dengan output berupa workforce dan net
hire rate, variabel productivity mempengaruhi production dan target workforce,
terakhir net hire rate dipengaruhi oleh workforce, time to adjust workforce, dan target
workforce.
Berikut merupakan hasil simulasi model dengan causes strip pada PT. Calosa
MedHealth:
Berdasarkan hasil simulasi dan causes strip diatas, menggambarkan tiga grafik
yaitu inventory, production, dan sales. Inventory disini sebagai penyimpanan barang
produksi yang disimpan pada warehouse, inventory akan menurun jika terjadi
penjualan atau ketika sales terjadi, jika sales naik maka inventory akan menurun karena
kedua variabel tersebut saling terhubung. Pada saat inventory menurun maka
80
dibutuhkan produksi barang kembali untuk mengisi warehouse yang kosong, maka dari
itu tingkat production akan meningkat.
Berikut merupakan hasil simulasi model dengan causes strip pada production:
81
Berikut merupakan hasil simulasi model dengan causes strip pada Workforce :
82
BAB VII
KESIMPULAN
83
barang. Produk yang semula berjumlah 58 unit mengalami peningkatan menjadi 77 unit. Jumlah
spesifik unit output yang didapatkan dari simulasi alternative 2 ini adalah sebanyak 19 unit.
Sementara itu, alternative 1 juga diterapkan dengan menambah jam kerja pada pekerja.
Berdasarkan pada model alternative 1, perubahan yang dilakukan terletak pada penambahan
jam kerja atau adding working shift. Penambahan jam kerja yang dilakukan yaitu sebanyak 1
jam dengan menyesuaikan jam kerja pada pembuatan produk Self-Spray Disinfectant. Output
yang dihasilkan dengan melakukan simulasi pengujian selama 1 hari adalah 58 unit pada model
tersebut. Dari simulasi yang dilakukan dapat disimpulkan bahwa alternatif penambahan jam
kerja pada model diatas memiliki jumlah unit yang sama dengan model Eksisting. Dapat
disimpulkan bahwa masalah pada unfulfilled order dengan rata-rata sebesar 3 pcs dapat
terpecahkan dengan menggunakan alternatif 1 dan alternatif 2.
Selanjutnya, perusahaan melakukan tracking cost dengan hasil akhir yang digunakan
untuk mencari QBE pada alternatif 1 dan 2. Berdasarkan hasil perhitungan Comparative Test
menggunakan Quantity Breakeven, dapat diketahui Quantity Breakeven pada alternative 1
adalah sebesar 87 dan pada alternative 2 adalah sebesar 102. Simulasi model yang lebih optimal
adalah model yang memiliki Quantity Breakeven yang lebih kecil, sehingga dapat diketahui
bahwa model simulasi usulan yang terpilih adalah alternative 1 dengan Quantity Breakeven
lebih kecil yaitu sebesar 87.
84
DAFTAR PUSTAKA
Beaverstock, Malcolm, Allen Greenwood, Eamonn Lavery, dan William Nordgren. Applied
Simulation Modeling and Analysis using Flexsim. USA: Flexsim Software Products, Inc.,
2011.
D. J. Sheskin, Handbook of Parametric and Non-Parametric Statistical Procedures, 3rd ed. Boca
Raton: Chapman & Hall/CRC, 2003.
Garifullin, M., Borshchev, A., & Popkov, T. (2007, September). Using AnyLogic and
agentbased approach to model consumer market. In Proceedings of the 6th EUROSIM
Congress on Modelling and Simulation (pp. 1-5).
Gupta, R. D. dan D. Kundu, Generalized Exponential Distributions. Austral. & New Zealand J.
Statist. 41(2), 173-188, 1999.
Law, Kelton. 1991. Simulation Modeling and Analysis. McGraw-Hill Inc., 2nd Edition, New
York, USA
Nurhasanah, Nunung., dkk. (2014). Penjadwalan Produksi Industri Garmen dengan Simulasi
Fleksim. Jurnal Ilmiah Teknik Industri, Universitas Tarumanagara. Volume 2 nomor 3, Oktober
2014.p:141-148.
Singgih Santoso. 2011. Panduan Lengkap SPSS Versi 20. Kompas Gramedia, Jakarta.
Wignjosoebroto, S., (2003). “Tata letak Pabrik dan Pemindahan barang. Edisi Ketiga”. Guna
Widya. Institut Teknologi Sepuluh November.Surabaya.
85
86