BAB IV

HASIL DAN PEMBAHASAN

4.1 Pengumpulan Data

4.1.1 Gambaran Umum Perusahaan
UD.MJ merupakan produsen mebel yang berada di Desa Poka, Kec. Teluk
Ambon. UD ini memproduksi berbagai macam mebel diantaranya kusen, daun
pintu, meja, kursi, dll. Dari setiap jenis mebel juga masih dibagi lagi berdasarkan
model dan ukuran. Strategi respon terhadap permintaan pembeli yang digunakan
adalah job order, sedangkan sistem produksi yang digunakan adalah sistem
produksi flow shop. Obyek yang diteliti pada penelitian ini yaitu proses produksi
pada produk daun pintu karena produk tersebut merupakan produk yang sedang
dikerjakan sesuai permintaan dari pelanggan.

4.1.2 Data Permintaan

Produk yang akan dibuat oleh UD.MJ sesuai permintaan order dapat
dilihat dalam Tabel 4.1.
Tabel 4.1. Data Permintaan order UD.MJ
Job Jenis Produk Jumlah Order
1 Carolina 5P 10
2 SP-2P 15
3 GD-D456 10
4 Colonial 6P 10

4.1.3 Data Mesin

Data mesin yang diambil merupakan mesin yang digunakan pada lantai
produksi untuk pembuatan daun pintu yang dapat dilihat pada Tabel 4.2.
Tabel 4.2. Data Mesin Pembuatan Produk Daun Pintu
Stasiun Kerja Proses Jumlah Mesin Jumlah Operator
K1 Pemotongan 2 2
K2 Pengetaman 3 6
K3 Pengeleman 4 8
K4 Perakitan - 3
K5 Finishing 5 10
K6 Packing - 3
4.1.4 Rating Factor dan Allowance
Penilaian rating factor dilakukan terhadap operator yang bekerja secara
manual dan bekerja dengan mesin pada lantai produksi. Rating Factor diperoleh
dengan metode Westinghouse yang memperhatikan empat faktor yaitu
keterampilan, usaha, kondisi, dan konsistensi. Faktor keterampilan terdiri dari
enam kelas yaitu superskill, excellent, good, average, fair dan poor. Faktor usaha
terdiri dari excessive, excellent, good, average, fair dan poor. Faktor kondisi kerja
terdiri dari ideal, excellent, good, average, fair dan poor. Faktor konsistensi terdiri
dari perfect, excellent, good, average, fair dan poor.
Contoh perhitungan rating factor untuk operator pada stasiun pemotongan
adalah sebagai berikut:
Keterampilan : Good (C2) : 0,03
Usaha : Average (D) : 0,00
Kondisi Kerja : Good (C) : 0,02
Konsistensi : Average (D) : 0,00
Total : 0,05

Untuk perhitungan allowance (kelonggaran) dapat dilakukan dari tiga

faktor yaitu untuk kebutuhan pribadi, menghilangkan rasa lelah dan hambatan-
hambatan yang tidak terhindarkan. Allowance untuk stasiun kerja 1 adalah sebagai
berikut:
Tenaga yang dikeluarkan : Sangat ringan :6
Sikap kerja : Berdiri di atas dua kaki :1
Gerakan kerja : Normal :0
Kelelahan mata : Pandangan yang hampir
terus menerus :6
Keadaan temperatur : Normal :0
Keadaan atmosfer : Baik :0
Keadaan lingkungan : Siklus kerja berulang antara
5-10 detik :0
Hambatan yang terhindarkan :3
Jumlah : 16
4.2 Hasil
4.2.1 Uji Keseragaman Data
Untuk mendeteksi data yang diambil sudah seragam atau tidak maka
dilakukan uji keseragaman data. Uji keseragaman data dilakukan untuk melihat
data yang diambil sudah berada dalam batas-batas kontrol yang ditetapkan atau
untuk melihat keseragaman data yang diperoleh. Suatu data dikatakan seragam
apabila data tersebut berada dalam batas kontol atas (BKA) dan BKB. Uji
keseragaman data menggunakan tingkat keyakinan 95% dan tingkat ketelitian 5%.
Perhitungan untuk uji keseragaman data stasiun kerja pada pembuatan produk
kursi makan adalah sebagai berikut:
1. Menghitung nilai rata-rata
Contoh perhitungan pada stasiun kerja 1 pembuatan daun pintu tipe
Carolina 5P
∑
̅

̅ = 12,05 menit

2. Menghitung nilai standard deviasi

Contoh perhitungan pada stasiun kerja I pembuatan daun pintu tipe
Carolina 5P

∑ ̅
√

3. Menghitung nilai BKA dan BKB

Dengan menggunakan tingkat ketelitian sebesar 5% dan tingkat
keyakinan sebesar 95%, maka dapat diperoleh batas kontrolnya adalah:
Batas Kontrol Atas (BKA) = 𝑋 + 1,96
 = 12,05 + 1,96(0,07) = 12,20 menit
Batas Kontrol Bawah (BKB) = 𝑋 − 1,96
= 12,05 – 1,96(0,07) = 11,90 menit

Peta kontrol untuk stasiun kerja pemotongan pembuatan produk daun

pintu Carolina 5P dapat dilihat pada Gambar 4.1.

Gambar 4.1. Uji Keseragaman Data Pembuatan Produk Daun

Pintu Tipe Carolina 5P

Berdasarkan peta kontrol pada Gambar disimpulkan bahwa semua data

berada dalam batas kontrol. Uji keseragaman data pada stasiun kerja yang lain
untuk setiap produk dilakukan dengan perhitungan yang sama.

4.2.2 Uji Kecukupan Data

Uji kecukupan data dilakukan untuk melihat apakah data yang telah
diperoleh sudah mencukupi untuk pengolahan data selanjutnya. Pada penelitian
ini, jumlah pengamatan yang dilakukan sebanyak 10 kali. Jumlah data
pengamatan yang diperlukan untuk tingkat kepercayaan 95% dan ketelitian 5%
adalah:

√ ∑𝑋 ∑𝑋
[ ]
∑𝑋
 √
[ ]

√
[ ]

0,0556940

Karena N’<N maka data yang diperoleh untuk stasiun kerja K1 pada
pembuatan daun pintu Carolina 5P cukup sehingga tidak perlu dilakukan
pengukuran tambahan. Uji kecukupan data untuk stasiun kerja pemotongan
sampai dengan stasiun packing untuk produk lainnya dikerjakan dengan langkah
yang sama. Uji kecukupan data untuk pembuatan daun pintu dapat dilihat pada
Tabel 4.3.
Tabel 4.3. Uji Kecukupan Data Pembuatan Daun Pintu Tipe Carolina 5P
Jenis Nˈ
Ket
Produk K1 K2 K3 K4 K5 K6
Carolina 5P 0,05569 3,12648 0,06381 0,00827 0,06623 0,03648 Cukup
SP-2P 0,00236 0,00176 0,06381 0,00814 0,00586 0,00662 Cukup
GD-D456 0,00236 0,00176 0,08787 0,00747 0,07831 0,093 Cukup
Colonial 6P 0,00983 0,00477 0,0039 0,00827 0,23118 0,00208 Cukup

4.2.3 Perhitungan Waktu Normal dan Waktu Standar

Perhitungan waktu normal (Wn) dapat dihitung dengan menggunakan
rumus :
Wn = Wt x Rating factor
Dimana: Wn = Waktu Normal
Wt = Waktu terpilih diperoleh dari rata rata waktu siklus setelah
dilakukan uji keseragaman data dan uji kecukupan data.

Rating factor = 1 + Westinghouse Factor

Waktu standar atau waktu baku dapat dihitung dengan menggunakan
rumus:
Dimana: Wb = Waktu standar/baku

Wn = Waktu normal

Perhitungan waktu standar/baku untuk stasiun kerja pemotongan pada

pembuatan daun pintu Carolina 5P adalah sebagai berikut:

Waktu siklus : 12,05 detik

Rating Factor : 1 + 0,5 = 1,05

Allowance : 16%

Wn = Wt x Rating factor

= 12,05 x 1,05

= 12,65 menit

15,07 menit

4.2.4 Waktu Penyelesaian

Perhitungan waktu penyelesaian dihitung dengan menggunakan rumus
sebagai berikut:

( ) ( )

Perhitungan waktu penyelesaian untuk Job 1 (Carolina 5P) pada stasiun

kerja pemotongan (K1) adalah sebagai berikut:

( )

( )

75,35 menit
Hasil perhitungan waktu penyelesaian setiap job pada setiap stasiun kerja
dapat dilihat pada Tabel 4.4.
 Tabel 4.4. Waktu Penyelesaian Setiap Job Pada Setiap Stasiun Kerja
Stasiun Waktu Penyelesaian Setiap Job (menit)
Kerja Job 1 Job 2 Job 3 Job 4
K1 75,35 117,75 84,90 77,70
K2 64,47 98,40 69,90 64,67
K3 32,90 47,10 28,58 29,13
K4 89,90 133,15 90,63 87,70
K5 53,94 84,15 53,26 50,08
K6 15,75 22,62 14,92 15,39

4.2.5 Metode NEH

Langkah-langkah penjadwalan terhadap 6 job dengan 6 stasiun kerja
menggunakan algoritma NEH (Nawaz, Enscore and Ham) adalah sebagai berikut:
1. Langkah pertama
Jumlahkan waktu penyelesaian setiap job kemudian urutkan dimulai
dari waktu penyelesaian terbesar hingga terkecil. Waktu penyelesaian
job pada setiap stasiun kerja dapat dilihat pada Tabel 4.5.
Tabel 4.5. Waktu Penyelesaian Job pada Setiap Stasiun Kerja
Stasiun Waktu Penyelesaian Setiap Job (menit)
Kerja Job 1 Job 2 Job 3 Job 4
K1 75,33 78,49 78,49 77,68
K2 55,88 48,46 48,46 51,82
K3 36,18 31,41 28,59 29,12
K4 175,55 173,77 156,20 163,13
K5 29,74 36,76 30,77 33,38
K6 157,56 150,76 149,23 153,89
Jumlah 530,24 519,65 491,73 509,02

Setelah diperoleh total waktu penyelesaian setiap job, kemudian

dilakukan pengurutan job mulai dari total waktu penyelesaian terbesar
sampai terkecil. Pengurutan setiap job berdasarkan total waktu
penyelesaian dapat dilihat pada Tabel 4.6. berikut.

Tabel 4.6. Daftar Pengurutan Setiap Job

Job 1 Job 2 Job 4 Job 3
530,24 519,65 509,02 491,73
2. Langkah kedua
a. Set k = 2, ambil job 1 dan job 2 dari daftar pengurutan job-job,
calon urutan parsial adalah 1-2 atau 2-1.
Tabel 4.7. Penjadwalan Parsial Urutan Job 1-2
Penjadwalan Parsial Job 1-2
Urutan Pengerjaan Job
Stasiun Kerja
Job 1 Job 2
Mulai 0,00 75,33
K1
Selesai 75,33 153,82
Mulai 75,33 153,82
K2
Selesai 131,21 202,28
Mulai 131,21 202,28
K3
Selesai 167,39 233,69
Mulai 167,39 233,69
K4
Selesai 342,94 407,46
Mulai 342,94 407,46
K5
Selesai 372,68 444,22
Mulai 372,68 444,22
K6
Selesai 530,24 594,98
Cmax = 594,98 menit dan mean flow time =

Tabel 4.8. Penjadwalan Parsial Urutan Job 2-1

Penjadwalan Parsial Job 2-1
Urutan Pengerjaan Job
Stasiun Kerja
Job 2 Job 1
Mulai 0,00 78,49
K1
Selesai 78,49 153,82
Mulai 78,49 153,82
K2
Selesai 126,95 209,70
Mulai 126,95 209,7
K3
Selesai 158,36 245,88
Mulai 158,36 245,88
K4
Selesai 332,13 421,43
Mulai 332,13 421,43
K5
Selesai 368,89 451,17
Mulai 368,89 451,17
K6
Selesai 519,65 608,73
Cmax = 608,73 menit dan mean flow time =
 b. Ambil k=k+1 (k=3+1=4). Untuk k=4, job 3 diambil dari daftar
pengurutan job sehingga calon urutan parsial baru adalah 3-1-2-4,
1-3-2-4, 1-2-3-4 dan 1-2-4-3. Penjadwalan parsial 1-2-4-3 dapat
dilihat pada Tabel berikut.
Tabel 4.9. Penjadwalan Parsial Urutan Job 1-2-4-3
Penjadwalan Parsial Job 1-2-4-3
Urutan Pengerjaan Job
Stasiun Kerja
Job 1 Job 2 Job 4 Job 3
Mulai 0,00 75,33 153,82 231,50
K1
Selesai 75,33 153,82 231,50 309,99
Mulai 75,33 153,82 231,50 309,99
K2
Selesai 131,21 202,28 283,32 358,45
Mulai 131,21 202,28 283,32 358,45
K3
Selesai 167,39 233,69 312,44 387,04
Mulai 167,39 233,69 312,44 387,04
K4
Selesai 342,94 407,46 475,57 543,24
Mulai 342,94 407,46 475,57 543,24
K5
Selesai 372,68 444,22 508,95 574,01
Mulai 372,68 444,22 508,95 574,01
K6
Selesai 530,24 594,98 662,84 723,24
Cmax = 723,24 menit dan mean flow time =

Dari calon pengurutan penjadwalan parsial, dapat dilihat bahwa urutan job 1-
2-4-3 memiliki total waktu penyelesaian lebih kecil dibandingkan urutan job
lainnya yaitu 723,24 menit. urutan parsial terpilih adalah job 1-2-4-3. Karena K =
n (dimana n adalah jumlah job), maka pengurutan dihentikan dan urutan parsial
yang menjadi urutan final adalah urutan job 1-2-4-3 dengan nilai makespan
sebesar 723,24 menit dan mean flow time sebesar 564,191 menit.

4.3 Pembahasan
4.3.1 Metode FCFS
UD.MJ selama ini menggunakan metode First Come First Serve (FCFS)
untuk penjadwalan setiap job yang ada. Berdasakan data yang diperoleh selama
bulan Februari 2022 urutan job yang dikerjakan berdasarkan job yang pertama
sekali datang adalah job 1 – job 2 – job 3 – job 4. Berdasarkan urutan tersebut
dapat dilakukan penjadwalan dengan metode First Come First Serve (FCFS).
Urutan penjadwalan dengan menggunakan metode FCFS dapat dilihat pada Tabel
4.10.
Tabel 4.10. Penjadwalan dengan Metode First Come First Serve (FCFS)
Urutan Pengerjaan Job
Stasiun Kerja
Job 1 Job 2 Job 3 Job 4
Mulai 0,00 75,33 153,82 232
K1
Selesai 75,33 153,82 232 309,68
Mulai 75,33 153,82 232 309,68
K2
Selesai 131,21 202,28 280,46 361,50
Mulai 131,21 202,28 280,46 361,5
K3
Selesai 167,39 233,69 309,05 390,62
Mulai 167,39 233,69 309,05 390,62
K4
Selesai 342,94 407,46 465,25 553,75
Mulai 342,94 407,46 465,25 553,75
K5
Selesai 372,68 444,22 496,02 587,13
Mulai 372,68 444,22 496,02 587,13
K6
Selesai 530,24 594,98 645,25 741,02

Dari hasil pengurutan job yang diperoleh dari metode FCFS dihasilkan
nilai makespan sebesar 741,02 menit.

4.3.2 Metode NEH

Penjadwalan dengan algoritma NEH dilakukan dengan mengasumsikan
job yang memiliki total waktu proses untuk semua mesin yang lebih besar harus
didahulukan dibanding job dengan total waktu proses yang lebih kecil. Kemudian
dilakukan proses partial squence, yaitu menentukan urutan terbaik dari setiap
posisi job yang mungkin. Urutan job yang diperoleh dari hasil perhitungan
menggunakan algoritma NEH antara lain job 1 – job 2 – job 4 – job 3. Urutan
penjadwalan dengan menggunakan algoritma NEH dapat dilihat pada Tabel 4.11.
 Tabel 4.11. Penjadwalan dengan Algoritma NEH (Nawaz, Enscore and Ham)
Penjadwalan Parsial Job 1-2-4-3
Urutan Pengerjaan Job
Stasiun Kerja
Job 1 Job 2 Job 4 Job 3
Mulai 0,00 75,33 153,82 231,50
K1
Selesai 75,33 153,82 231,50 309,99
Mulai 75,33 153,82 231,50 309,99
K2
Selesai 131,21 202,28 283,32 358,45
Mulai 131,21 202,28 283,32 358,45
K3
Selesai 167,39 233,69 312,44 387,04
Mulai 167,39 233,69 312,44 387,04
K4
Selesai 342,94 407,46 475,57 543,24
Mulai 342,94 407,46 475,57 543,24
K5
Selesai 372,68 444,22 508,95 574,01
Mulai 372,68 444,22 508,95 574,01
K6
Selesai 530,24 594,98 662,84 723,24

Urutan job yang diperoleh menghasilkan nilai makespan sebesar 723,24

menit. Nilai makespan algoritma NEH lebih singkat jika dibandingkan dengan
metode awal perusahaan yaitu metode FCFS.

4.3.3 Analisis Perbandingan Makespan antara Metode FCFS dan

Algoritma NEH
Untuk membandingkan metode yang diuji (algoritma NEH) dengan
metode aktual perusahaan, dapat digunakan parameter Effciency Index (EI) dan
Relative Error (RE).
Effciency Index (EI) = = = 1,02. karena nilai EI > 1 maka

metode NEH mempunyai performance yang lebih baik dibandingkan metode

FCFS yang digunakan oleh UD.MJ.
RE = × 100% = × 100% = 0,02458%.

maka besarnya selisih nilai makespan yang diperoleh untuk kedua metode adalah
0,02458%, atau sebanyak 17,78 menit.