Ta TB2 Kharisma

RANCANG BANGUN ALAT VISKOSITAS METER OIL PUMP PT ABC
Oleh:
Kharisma Ramdahan [41422110061]
UNIVERSITAS MERCU BUANA

Jln. Gatot Subroto KM 7, Pasir Jaya,
Jatiuwung Tangerang 15135 –
Indonesia
Juli 2021
ANALISIS KEEFEKTIFAN PADA MESIN CURING GUNA MENGOPTIMALKAN OUTPUT
YANG DIHASILKAN MENGGUNAKAN METODE OVERALL EQUIPMENT EFFECTIVENESS (OEE)
LEMBAR PENGESAHAN
Dengan ini peneliti menyatakan bahwa tugas akhir yang kami kumpulkan ini
adalah murni hasil karya peneliti sendiri dan sejauh pengetahuan terbaik peneliti,
di dalamnya tidak terdapat materi yang pernah dipublikasikan atau ditulis oleh
orang lain sebelumnya, tidak juga terdapat materi yang pernah mendapatkan
penghargaan atau digunakan untuk mendapat gelar akademik atau diploma di
institusi pendidikan lainnya, kecuali yang dinyatakan di dalam tugas akhir ini.
Diterima dan dinyatakan memenuhi syarat kelulusan pada tanggal . . . . .
Pembimbing TA Mentor Pabrik
Puguh Elmiawan Wiku Ajie Satmoro

NIP. 12-0763 NIP. 04-0268
Penguji I Penguji II
Nama Nama
NIP. NIP.
Disetujui
Kaprodi Teknik Elektronika
Ridwan Arief Cahyono

NIP.
Diketahui
Direktur Politeknik Gajah Tunggal
Dr. Ita Mariza

NIP.
ii
Calvin Wahyu Saputra & Fandy Gunawan
INTISARI
ANALISIS KEEFEKTIFAN PADA MESIN CURING GUNA

MENGOPTIMALKAN OUTPUT YANG DIHASILKAN MENGGUNAKAN
METODE OVERALL EQUIPMENT EFFECTIVENESS (OEE)
(STUDY KASUS PLANT D – PT. KAKAK ADIK)
Oleh

Puguh Elmiawan, Pembimbing Utama
Wiku Ajie Satmoro, Pembimbing Pendamping
POLITEKNIK GAJAH TUNGGAL
Plant D&K PT. Kakak Adik merupakan plant yang memproduksi ban mobil
berpenumpang. Dalam memproduksi ban tersebut terdapat proses curing, yaitu
proses masak ban setengah jadi (green tire) menjadi ban jadi (tire). Namun masih
terdapat loss time di area tersebut, salah satu faktornya ialah akibat downtime.
Downtime untuk mesin curing terjadi selama 13.507.024 menit pada periode
bulan Januari hingga Maret 2021.
Oleh karena itu dilakukan analisa menggunakan metode Overall Equipment
Effectiveness (OEE). Data yang diambil ialah data berdasarkan barcode system
curing PT. Kakak Adik periode bulan 1 Januari 2021 hingga 31 Maret 2021.
Berdasarkan perhitungan yang didapat menunjukkan nilai OEE yang
diperoleh ialah sebesar 69,55%. Berdasarkan six big losses, penyebab losses
tertinggi ialah equipment failure losses dengan 16,91 %. Kemudian faktor utama
yang menjadi penyebab dari rendahhya nilai OEE berdasarkan diagram fishbone
ialah faktor machine (mesin), faktor material dan faktor environment
(lingkungan).
Kata Kunci: Overall Equipment Effectiveness; Six Big Losses; FishBone Diagram
iii
ABSTRAK
ANALISIS KEEFEKTIFAN PADA MESIN CURING GUNA

MENGOPTIMALKAN OUTPUT YANG DIHASILKAN MENGGUNAKAN
METODE OVERALL EQUIPMENT EFFECTIVENESS (OEE)
(STUDY KASUS PLANT D – PT. KAKAK ADIK)
Oleh

Puguh Elmiawan, Pembimbing Utama
Wiku Ajie Satmoro, Pembimbing Pendamping
POLITEKNIK GAJAH TUNGGAL
Plant D&K PT. Kakak Adik is a plant that produces passenger car tires. In
producing these tires, there is a curing process, namely the process of cooking
semi-finished tires (green tires) into finished tires (tire). However, there is still
loss time in this area, one of the factors is due to downtime. Downtime for the
curing machine occurred for 13,507,024 minutes in the period from January to
March 2021.
Therefore, an analysis was carried out using the Overall Equipment
Effectiveness (OEE) method. The data taken is data based on the barcode curing
system of PT. Kakak Adik from January 1, 2021 to March 31, 2021.
Based on the calculations obtained, the average OEE value obtained is
69,55%. Based on the six big losses, the cause of the highest losses is equipment
failure losses with 16.91%. Then the main factors that cause the low OEE value
based on the fishbone diagram are machine factors, material factors and
environmental factors.
Keywords : Overall Equipment Effectiveness; Six Big Losses; FishBone

Diagram
iv
© Copyright 2021
oleh Calvin Wahyu Saputra dan Fandy Gunawan
Hak cipta dilindungi
v
LEMBAR PERSEMBAHAN
Tugas akhir ini kami persembahkan untuk diri kami

pribadi agar manjadi pintu pembuka menuju kesuksean kami
di masa depan. Kemudian untuk keluarga dan teman-teman
yang mendukung kami selama ini.
vi
PENGHARGAAN
Puji syukur Alhamdulillah dan terima kasih penulis panjatkan kepada

Allah SWT berkat rahmat dan pertolongan-Nya penulis mampu menyelesaikan
Tugas Akhir dengan Judul “ANALISIS KEEFEKTIFAN PADA MESIN
CURING GUNA MENGOPTIMALKAN OUTPUT YANG DIHASILKAN
MENGGUNAKAN METODE OVERALL EQUIPMENT EFFECTIVENESS
(OEE)”
Penulis menyadari, banyak pihak yang telah membantu dan membimbing

penulis dalam menyusun tugas akhir ini. Bimbingan serta motivasi yang diberikan
sangatlah patut untuk dihargai. Oleh karena itu, penulis ingin mengucapkan
Terima kasih kepada :
1. Orang tua kami, serta seluruh keluarga yang sudah memberi dorongan
moril, materil, serta doa yang selama ini sangat memotivasi kami dalam
menjalani masa Pendidikan di Politeknik Gajah Tunggal.
2. Ibu Dr. Ita Mariza, selaku Direktur Politeknik Gajah Tunggal yang telah
memperjuangkan dan memfasilitasi penulis untuk melanjutkan pendidikan
di kampus Politeknik Gajah Tunggal.
3. Bapak Puguh Elmiawan selaku dosen pembimbing atas saran, kritikan dan
motivasi selama dilaksanakannya bimbingan tugas akhir.
4. Bapak Wiku Ajie Satmoro selaku mentor dan pembimbing dilapangan
5. Bapak F. Boogie Purnomo, selaku Koordinator Magang Departemen
Engineering Plant D/K.
6. Seluruh karyawan baik shift maupun non shift Dept. Engineering area
Curing Plant D & K PT. Gajah Tunggal Tbk.
7. Rekan-rekan seperjuangan Angkatan XXXII Politeknik Gajah Tunggal
terimakasih atas kekompakan dan keceriaan yang kita lalui bersama
selama masa pendidikan di kampus tercinta ini.
8. Seluruh pihak lainnya yang tidak dapat penulis sebutkan satu persatu
vii
Penulis ucapkan terimakasih kepada semua pihak yang terlibat dalam

penulisan Tugas Akhir ini. Penulis menyadari masih banyak kekurangan di dalam
diri penulis, sehingga penulis juga memohon maaf apabila terdapat kesalahan
maupun kekhilafan yang selama ini penulis lakukan baik di sengaja maupun
tidak.
Selama ini penulis mendapatkan pengalaman belajar yang bermanfaat dan
bermakna melalui kurikulum dan program berkualitas yang disajikan. Hal ini
memberikan bekal untuk terus mengeksplorasi ide-ide dan permasalahan di masa
lalu dan di masa depan.
Tangerang, 21 Juli 2021
Penulis
viii
DAFTAR ISI
LEMBAR PENGESAHAN.....................................................................................ii
INTISARI...............................................................................................................iii
ABSTRAK..............................................................................................................iv
LEMBAR PERSEMBAHAN.................................................................................vi
PENGHARGAAN.................................................................................................vii
DAFTAR ISI...........................................................................................................ix
DAFTAR GAMBAR..............................................................................................xi
DAFTAR TABEL..................................................................................................xii
BAB 1 – PENDAHULUAN....................................................................................1
I.1 Latar Belakang..........................................................................................1
I.2 Rumusan Masalah.....................................................................................2
I.2 Batasan Masalah........................................................................................2
I.4 Tujuan Penelitian.......................................................................................3
I.5 Manfaat Penelitian.....................................................................................3
BAB 2 – TINJAUAN PUSTAKA...........................................................................5
II.1 Kajian Sebelumnya....................................................................................5
II.2 Landasan Teori..........................................................................................6
II.2.1 Pengertian Ban...................................................................................6
II.2.2 Proses Pembuatan Ban.......................................................................7
II.2.3 Mesin Curing....................................................................................10
II.2.4 Overall Equipment Effectiveness (OEE).........................................10
II.2.5 Six Big Losses...................................................................................12
II.2.6 Alat Pemecahan Masalah.................................................................14
BAB 3 – METODOLOGI KAJIAN......................................................................18
III.1 Alur Penelitian.........................................................................................18
III.1 Studi Literatur......................................................................................19
III.1.2 Perumusan masalah..........................................................................20
III.1.3 Tujuan Penelitian.............................................................................20
III.1.4 Pengumpulan Data...........................................................................20
III.1.5 Pengolahan Data.............................................................................21
III.1.6 Analisis Data....................................................................................21
III.1.7 Kesimpulan dan Saran.....................................................................21
III.2 Jadwal Pelaksanaan Tugas Akhir............................................................22
ix
BAB 4 - HASIL KAJIAN DAN PEMBAHASAN................................................23

IV.1 Pengumpulan Data..................................................................................23
IV.1.1 Data Running Time...........................................................................23
IV.1.2 Data Down Time...............................................................................23
IV.1.3 Data Planned Down Time................................................................24
IV.1.4 Loading-Time...................................................................................24
IV.1.5 Operation Time................................................................................25
IV.1.6 Data Produksi...................................................................................25
IV.2 Pengolahan Data......................................................................................26
IV.2.1 Availability.......................................................................................26
IV.2.2 Performance Rate............................................................................27
IV.2.3 Quality Rate.....................................................................................27
IV.2.4 Overall Equipment Effectiveness (OEE)..........................................28
IV.2.5 Equipment Failure Losses................................................................29
IV.2.6 Set Up and Adjustment Losses.........................................................29
IV.2.7 Idling and Minor Stopages Losses...................................................30
IV.2.8 Reduced Speed Losses.....................................................................31
IV.2.9 Defect Losses...................................................................................32
IV.2.10 Scrap Losses.....................................................................................33
IV.2.11 Six Big Losses...................................................................................34
IV.3 Analisa.....................................................................................................34
IV.3.1 Analisa Availability..........................................................................34
IV.3.2 Analisa Performance Rate...............................................................35
IV.3.3 Analisa Quality Rate.......................................................................36
IV.3.4 Analisa Overall Equipment Effectiveness (OEE).............................36
IV.3.5 Analisa Six Big Losses.....................................................................37
IV.3.6 Analisis Diagram Sebab-Akibat.......................................................39
IV.4 Usulan Pemecahan Masalah....................................................................42
BAB 5 – PENUTUP..............................................................................................44
V.1 Kesimpulan..............................................................................................44
V.2 Saran........................................................................................................44
GLOSARIUM........................................................................................................45
DAFTAR RUJUKAN............................................................................................46
Biodata Penulis 1...................................................................................................47
Biodata Penulis 2...................................................................................................48
x
DAFTAR GAMBAR
Gambar 1. Alur Penelitian.....................................................................................18

Gambar 2.Nilai Availability...................................................................................35
Gambar 3. Nilai Performance Rate........................................................................35
Gambar 4. Nilai Quality Rate................................................................................36
Gambar 5. Nilai OEE.............................................................................................37
Gambar 6. Diagram Pareto Six Big Losses Januari...............................................37
Gambar 7. Diagram Pareto Six Big Losses Februari.............................................38
Gambar 8. Diagram Pareto Six Big Losses Maret.................................................38
Gambar 9. Diagram Pareto Six Big Losses Keseluruhan......................................39
Gambar 10. Diagram Fishbone..............................................................................40
xi
DAFTAR TABEL
Tabel 1. Kajian Sebelumnya...................................................................................5

Tabel 2. Jadwal Pelaksanaan Tugas Akhir............................................................22
Tabel 3. Data Running Time.................................................................................23
Tabel 4. Data Down Time.....................................................................................23
Tabel 5. Data Planned Down Time.......................................................................24
Tabel 6. Hasil Perhitungan Loading Time............................................................25
Tabel 7. Hasil Perhitungan Operation Time.........................................................25
Tabel 8. Data Produksi..........................................................................................26
Tabel 9. Hasil Perhitungan Availability................................................................26
Tabel 10. Hasil Perhitungan Performance Rate....................................................27
Tabel 11. Hasil Perhitungan Quality Rate............................................................28
Tabel 12. Hasil Perhitungan OEE.........................................................................28
Tabel 13. Hasil Perhitungan Equipmwnt Failure Losses......................................29
Tabel 14. Data Set Up Time..................................................................................30
Tabel 15. Hasil Perhitungan Set Up and Adjustment Losses...............................30
Tabel 16. Data Non Productive Time...................................................................31
Tabel 17. Hasil Perhitungan Idling and Minor Stopages Losses..........................31
Tabel 18. Hasil Perhitungan Reduced Speed Losses............................................32
Tabel 19. Hasil Perhitungan Defect Losses..........................................................33
Tabel 20. Hasil Perhitungan Scrap Losses............................................................33
Tabel 21. Six Big Losses.......................................................................................34
Tabel 22. Data Kerusakan Mesin..........................................................................40
Tabel 23. Data No Sparepart.................................................................................41
Tabel 24. Data Environment.................................................................................42
xii
BAB 1 – PENDAHULUAN
I.1 Latar Belakang

PT. Kakak Adik adalah perusahaan di sektor bidang industri tire (ban) dan
membagi produksi tirenya ke beberapa plant (pabrik), salah satunya adalah plant
D&K. Plant D&K PT. Kakak Adik sendiri merupakan plant yang memproduksi
ban Passanger Car Radial (PCR) atau ban yang digunakan untuk mobil
berpenumpang.
Pada proses pembuatan tire tersebut, terdapat berbagai proses mulai dari
proses mixing, pembuatan material, building (penyatuan material-material untuk
menghasilkan green tire), curing (pemasakan green tire),dan final inspection
(mengecek kelayakan ban untuk di pasarkan). Proses mixing merupakan proses
awal pembuatan tire, dimana compound dihasilkan. Kemudian compound tersebut
di bentuk menjadi berbagai macam material seperti tread, sidewall, bead, dll.
Setelah itu dilanjutkan ke proses building dimana semua material di gabungkan
menjadi sebuah green tire, untuk kemudian dilakukan pemasakan menjadi sebuah
tire di mesin curing. Langkah terakhir merupakan proses pengecekan kualitas tire
di bagin final inspection.
Bagian vital dari pembuatan tire ini adalah dalam proses curing, karena
pada proses inilah green tire dimasak menjadi sebuah tire. Tercatat, terdapat 334
mesin curing yang ada di PT. Kakak Adik. Jika terjadi kegagalan pada mesin
tersebut, maka akan mengakibatkan defect pada tire.
Berdasarkan data produksi periode bulan Januari hingga Maret 2021
terdapat 3476973 tire yang dihasilkan. Dari jumlah tersebut, 2830338 atau
81.042% diantaranya merupakan produk yang bagus dan langsung lolos quality
control (QC). Lalu terdapat 646635 total defect tire atau sekitar 18,598% dari
keseluruhan produk yang dihasilkan tersebut.
Defect tire dibagi menjadi 2 jenis, yaitu repair (dapat diperbaiki) dan scrap
(tidak dapat diperbaiki). Produk repair berjumlah 611858 atau 94,622% dari
jumlah defect tire. Sedangkan produk scrap berjumlah 34777 atau 5,378% dari
jumlah defect tire.
1
2
Perlu dilakukan analisa untuk mengetahui faktor-faktor yang menyebabkan

hal itu terjadi. Dan kemudian dapat diketahui tindakan apa yang dapat dilakukan
agar dapat meminimalisir problem tersebut. Metode Overall Equipment
Effectiveness (OEE) menjadi salah satunya metode yang dapat diterapkan.
Metode OEE sendiri diperkenalkan pertama kali oleh praktisi industri suku
cadang asal Jepang, Seiichi Nakajima pada tahun 1980 dan berkembang hingga
saat ini. OEE merupakan metode yang digunakan oleh berbagai perusahaan
industri untuk mengukur keefektifan mesin. Untuk itu kami menggunakan metode
ini untuk mengukur keefektifan mesin di area curing plant D&K PT. Kakak Adik.
I.2 Rumusan Masalah

Sebagai perusahaan yang memproduksi barang berskala besar (mass
production), kerugian yang dialami oleh perusahaan banyak terjadi karena faktor
loss machine. Oleh sebab itu, dibutuhkan kebijakan yang ketat supaya
meminimalisir hal tersebut. Terdapat beberapa permasalahan yang ingin
dipecahkan pada tugas akhir ini, yaitu :
1. Berapa presentase Overall Equipment Effectiveness (OEE) mesin curing di
Plant D&K PT. Kakak Adik?
2. Berapa presentase losses terbesar yang didapat berdasarkan Six Big Losses?
3. Faktor apa saja yang mempengaruhi nilai Overall Equipment Effectiveness

(OEE) berdasarkan diagram Fishbone?
I.2 Batasan Masalah

Terdapat beberapa batasan-batasan masalah yang dibuat agar permasalahan
yang diteliti menjadi lebih fokus dan tepat. Batasan-batasan tersebut adalah:
1. Penelitian dilakukan di departemen Engineering Curing Plant D&K PT.
Kakak Adik.
2. Penelitian difokuskan pada perhitungan OEE mesin curing plant D&K PT.
Kakak Adik.
3. Data yang digunakan adalah periode 1 Januari 2021 sampai 31 Maret 2021
3
4. Produk ban yang dihasilkan diasumsikan memiliki size yang sama dan waktu
pemasakan yang sama.
5. Penyelesaian masalah difokuskan pada nilai OEE saja.
6. Penyelesaian masalah dibatasi sampai dengan penentuan usulan rencana
pengoptimalan output mesin dari diagram fishbone.
7. Dalam penentuan item yang digunakan pada diagram fishbone, tidak semua
item harus digunakan.
I.4 Tujuan Penelitian

Terdapat beberapa poin yang menjadi tujuan penelitian ini, diantaranya
yakni sebagai berikut :
1. Mengetahui presentase Overall Equipment Effectiveness (OEE) mesin curing
di Plant D PT. Kakak Adik.
2. Mengetahui presentase losses terbesar yang terjadi berdasarkan Six Big
Losses.
3. Mengetahui faktor yang mempengaruhi nilai Overall Equipment Effectiveness
(OEE) berdasarkan diagram fishbone.
I.5 Manfaat Penelitian
Beberapa pihak dapat memperoleh manfaat yang diperoleh dari penelitian

yang dilakukan :
1. Bagi Perusahaan
Manfaat penelitian yang diperolah untuk perusahaan adalah sebagai
berikut :
a. Memberikan metode dan langkah-langkah penghitungan tingkat
keefektifan suatu mesin.
b. Mempercepat penyajian data untuk menganalisa suatu permasalahan
dengan tepat sasaran.
2. Bagi Lembaga Politeknik Gajah Tunggal
Manfaat penelitian yang diperolah untuk Politeknik Gajah Tunggal
4
adalah sebagai berikut :
a. Dapat menambah daftar referensi tugas akhir Poltieknik Gajah Tunggal

mengenai analisa keefektifan mesin.
b. Sebagai pengembangan ilmu pengetahuan yang relevan dengan kebutuhan
dunia industri.
3. Bagi Mahasiswa
Memperdalam pengetahuan mahasiswa tentang pentingnya sebuah
keefektifan mesin guna mengurangi losses yang terjadi di suatu perusahaan.

BAB 2 – TINJAUAN PUSTAKA
II.1 Kajian Sebelumnya

Terdapat beberapa kajian yang pernah dilakukan sebelumnya yang
berhubungan dengan kajian ini. Hasil-hasil dari kajian tersebut akan diuraikan
secara singkat seperti dalam tabel 1.
Tabel 1. Kajian Sebelumnya
No Tahun Nama Judul Penelitian Hasil Kajian
Penulis
1. 2018 Asyrof PENERAPAN Hasil yang dari pada kajian ini

Arifianto TOTAL ialah didapatkan 64,86% nilai
PRODUCTIVE rata – rata Overell Equipment
MAINTENANCE Efectiveness dari line A. Nilai
(TPM) DENGAN tersebut tidak mmemenuhi
MENGGUNAKA standar world class sebesar
N METODE 85%. Lalu Reduced speed
OVERALL losses menjadi losses terbesar
EQUIPMENT yang mengakibatkan rendahnya
EFFECTIVENESS nilai sebesar 43.34% dan defect
losses sebesar 34.62% daari
jumlsh seluruh losses. Faktor
4M+1E menjadi penyebab
terbesar terjadinya losses.
2. 2016 Tamrin ANALISA Hasil dari kajian ini didapatkan

Patoni PERAWATAN nilai OEE pada mesin Sterilizer
Sitorus MESIN sebesar 90,917% hingga
STERILIZER 93,611% periode bulan
MENGGUNAKA Februari 2018 sampai Januari
N METODE 2019. Equipment Failures
OVERALL Losses serta Idling minor
EQUIPMENT Stoppages Losses menjadi
EFFECTIVENESS faktor terbesar dalam
( OEE ) PT . mempengaruhi nilai OEE mesin
DJAJA PUTRA Sterilizer tersebut dengan
INDONESIA masing masing memiliki nilai
KABUPATEN presentase sebasar 61,54% dan
ASAHAN 25,15%. Oleh karena itu kedua
faktor tersebut menjadi prioritas
5 Calvin Wahyu Saputra & Fandy Gunawan

utama agar di eliminasi.
5 Calvin Wahyu Saputra & Fandy Gunawan

YANG DIHASILKAN MENGGUNAKAN METODE OVERALL EQUIPMENT EFFECTIVENESS (OEE) 7
3. 2016 Resa A NALISIS Hasil penelian ini di dapat
Miftahul EFEKTIVITAS besaran nilai dari Availability
Jannah, PADA MESIN adalah 99,03%, performance
Supriyadi, CENTRIFUGAL sebesar 84,24%, quality sebesar
Ahmad DENGAN 100%, dengan nilai OEE
Nalhadi MENGGUNAKAN sebesar 83,37%. Komponen
METODE yang kritis pada mesin
OVERALL centrifugal adalah komponen
EQUIPMENT Charge Valve no 2 yang terdiri
EFFECTIVENESS ( dari Shaft, Blide, EPDM dan
OEE ) Akuator, dengan nilai Task
Selection dalam Risk Priority
Number nilai tertinggi yaitu 336
pada komponan EPDM dan
Seal Kit.
II.2 Landasan Teori

II.2.1 Pengertian Ban
Ban adalah perangkat otomotif yang digunakan untuk mengurangi getaran
yang disebabkan ketidak teraturan permukaan jalan, menyangga beban kendaraan
dan muatannya, meneruskan daya dorong dan pengereman, serta memberikan
kestabilan antara kendaraan dan tanah untuk mempermudah pergerakan
(Handoyo, 2014). Ban terbagi menjadi 3 jenis, diantaranya :
1. Ban Bias
Ban bias merupakan ban yang rangkanya terbuat dari lembaran-
lembaran cord/benang dengan posisi zig-zag membentuk sudut 40 hingga
65 derajat terhadap keliling lingkaran ban.
2. Ban Radial
Ban radial merupakan ban dengan konstruksi carcass cord
membentuk sudut 90 derajat sudut terhadap keliling lingkaran ban, jadi
dilihat dari samping konstruksi cord adalah dalam arah radial terhadap
pusat atau crown dari ban. Bagian dari ban berhubungan langsung dengan
permukaan jalan diperkuat oleh semacam sabuk pengikat yang dinamakan
“breaker” atau “belt”. Ban jenis ini hanya menderita sedikit deformasi
dalam bentuknya dari gaya sentrifugal, walaupun pada kecepatan tinggi.
Ban radial ini juga mempunyai “Rolling resistance” yang kecil.
3. Ban Tanpa Tube

Ban tubeless adalah ban yang dirancang tanpa mempunyai ban
dalam. Ban tubeless adalah ban pneumatik, ban tubeless memiliki tulang
rusuk terus menerus dibentuk secara integral kedalam manik ban sehingga
mereka dipaksa oleh tekanan udara didalam ban untuk menutup dengan
flensa dari velg roda logam.
II.2.2 Proses Pembuatan Ban

Untuk menghasilkan suatu ban, diperlukan beberapa proses dari material
hingga pengecekan kualitas, berikut adalah penjelasannya (Jawad & Nurrokhman,
2020) :
1. Mixing
Pada mesin ini terjadi proses mixing yaitu karet alam yang sudah
berupa potongan-potongan dimastifikasi hingga mencapai tingkat
plastisitas tertentu agar dapat terdispersi dengan baik menggunakan
bahan kimia, karet sintetik, carbon black, dan oil. Pengolahan selama
beberapa tahap ini akan menghasilkan compound.
2. Extruding
Proses ini merupakan ekstrusi atau membentuk tread dan sidewall
dari compound yang dihasilkan dari proses mixing. Sebelum dilakukan
proses ekstrusi, compound diolah terlebih dahulu pada mesin open mill
untuk menaikan suhu dan membuat compound lebih homogen. Proses
pada open mill ini dengan memasukkan compound ke dalam 2 buah roll
yang memiliki gape (sesuai jenis treadyang diinginkan) selama 5 menit.
Setelah compound homogen, compound didorong oleh screw melalui
sebuah die yang memiliki bentuk sesuai dengan bentuk tread yang
diinginkan. Lalu tread diberi tanda (marking) yang kemudian dilapisi
plastik untuk didinginkan dengan air pada cooling conveyor. Proses
berikutnya adalah pemotongan tread sesuai dengan ketentuan yang
selanjutnya ujung tread diberi cement kemudian ditempatkan pada
pantruck untuk proses selanjutnya (building).

3. Calendering
Proses selanjutnya setelah pencampuran adalah mengubah adonan
tersebut menjadi lembaran tipis setebal 1,2 mm. Adonan ini khusus
sehingga dihasilkanlah lapisan dalam yang mempunyai pori-pori rapat agar
udara tidak bisa menembusnya. Selain inner liner, pada bagian gril ini juga
dibuat lapisan lain seperti lapisan belt yaitu berupa senyawa yang dilapisi
kawat baja dengan komposisi baja yang bervariasi sesuai dengan kekuatan
ban yang diinginkan, kemudian ada juga merupakan mesin calendering
untuk memproduksi plycord, yaitu membuat lembaran seperti anyaman
benang polyester yang dilapisi dengan senyawa kemudian disilangkan
untuk menambah kekuatan.
4. Bead
Proses pembuatan Bead, yaitu bagian ban yang berupa lingkaran
kawat yang dilapisi dengan compound hasil mixing. Proses ini terdiri dari
2 tahap yaitu:
a. Bead Forming
Proses pelapisan kawat dengan compound yang selanjutnya
dibentuk menjadi lingkaran dengan ukuran yang sesuai dengan
spesifikasinya. Material yang dipakai adalah kawat high carbon steel
dengan diameter 0,95 mm serta compound.
b. Bead Finishing
Proses kelanjutan dari bead forming untuk membuat bead
yang dapat dipakai.
5. Bias Cutting
Proses bias cutting adalah proses pemotongan treatment dari proses
calendaring secara diagonal dengan sudut tertentu menjadi lembaran yang
disebut ply dengan lebar sesuai dengan spesifikasi yang diinginkan.
Proses pemotongannya membentuk sudut 60°. Ply yang telah dipotong
dengan lebar dan sudut tertentu disambung ujungnya dengan ujung ply
berikutnya menjadi lembaran, kemudian digulung dengan linen.

6. Building
Proses building adalah proses pembentukan bagian-bagian ban,
yaitu: bead, ply, sidewall, dan tread. Hasil dari proses building adalah
ban setengah jadi (green tire).
7. Curing
Proses curing merupakan proses pemasakan green tire menjadi
sebuah tire. Proses ini berlangsung di dalam cetakan/mold. Sebelum
proses curing green tire akan mengalami suatu proses yang disebut
Green tire Inside Painting (GIP), yaitu proses penyemprotan silicon
pada bagian green tire untuk mencegah melekatnya green tire dengan
bladder saat proses curing berlangsung.
Selama proses curing, green tire dimasak dengan panas yang
berasal dari uap atau steam dan berlangsung dalam waktu yang telah
ditentukan. Setelah curing, selesai ban mengalami proses PCI (Post Cure
Inflation), yaitu pendinginan ban.
8. Final Inspection
Pada akhir dari pembuatan ban adalah proses final inspection yang
terdiri dari beberapa tahapan sebagai berikut:
a. Trimming, yaitu proses pemotongan rambut-rambut pada ban.
b. Checking, yaitu pemeriksaan yang dilakukan pada ban yang telah
diproduksi secara visual untuk mengetahui cacat yang ada pada
produk yang disebabkan oleh proses produksi yang tidak
sempurna
c. Static Balance yaitu pemeriksaan titik terendah pada ban yang
nantinya akan dipasang pada valve.
d. Dynamic Balance, yaitu pemeriksaan keseimbangan bila ban
dipasang pada mobil yang sedang berjalan.
e. Uniformiy Test, yaitu proses untuk mengetahui keseragaman
struktur lapisan-lapisan penyusun ban.
Selanjutnya ban akan ditentukan statusnya oleh Departemen
Quality Control yang bertanggung jawab di bagian final inspection.

Namun yang menjadi fokus dalam penelitian ini ialah pada bagian curing.
II.2.3 Mesin Curing

Proses curing ialah proses vulkanisasi tire yang dilakukan di dalam cetakan
dengan temperatur serta tekanan yang terkontrol untuk memperoleh sifat produk
tire sesuai spesifikasi (Budi Harja & Ahmad Nugraha, 2019).
Proses curing ialah proses saat green tire yang merupakan tire setengah jadi
diberi pola ataupun motif yang menampilkan jenis tire dengan memakai mold.
Green tire yang hendak dicetak pada proses curing, dengan temperatur serta
tekanan tertentu, yang nantinya hendak tercetak pada tire (Saragih & Riawati,
2018).
Jadi, proses curing merupakan proses pemasakan green tire (ban setengah
jadi) di dalam sebuah cetakan atau mold dengan temperatur dan tekanan tertentu
untuk menghasilkan tire.
II.2.4 Overall Equipment Effectiveness (OEE)

OEE memperlihatkan kinerja mesin dan juga alat untuk mengkalkulasi
seberapa efisien mesin/ peralatan yang dipakai secara akurat (Wahid & Agung,
2016).
OEE merupakan sebuah nilai yang ditampilkan dalam wujud perbandingan
antara keluaran actual dibagi dengan keluaran maksimum dari mesin/peralatan
yang dipakai dalam keadaan performa terbaik (Arifianto, 2018).
Jadi OEE merupakan metode yang bisa membantu menaikkan keefektifan
mesin dengan mengenali hal- hal yang menimbulkan kerugian. Setelah itu mencari
pemecahan yang tepat untuk mengatasinya.
OEE bertujuan untuk dapat menghitung daya guna serta kinerja dari sebuah
mesin ataupun proses produksi. Dapat ditemukan 3 komponen berarti yang
pengaruhi nilai keefektifan mesin jika perhitungan OEE dilakukan, diantaranya
ialah availability ataupun waktu mesin tersedia, performance rate ataupun
keefisienan produksi, serta quality rate ataupun kualitas keluaran mesin
(Arifianto, 2018).
Terdapat cara-cara untuk menghitung nilai OEE, diantaranya yakni seperti

di bawah ini (R. M. Jannah & Nalhadi, 2017):
1. Perhitungan Availability
Availability( Ketersediaan) merupakan tingkatan pengoperasian
sesuatu mesin ataupun system. Standar nilai availability ialah 90%.
2. Perhitungan Performance Rate
Performance rate merupakan tingkatan kinerja yang diberikan oleh
sesuatu mesin ataupun sistem saat melaksanakan perintah yang ditentukan.
Standar nilai performance rate ialah 95%.
3. Perhitungan Quality Rate
Quality rate merupakan perbandingan antara kualitas produk yang
dihasilkan dengan standar produk yang sudah ditetapkan.. Standar nilai
quality rate adalah 99%.
4. Perhitungan Overall Equipment Effectiveness
OEE akan memberikan presentase tentang seberapa efektif dan
produktifnya suatu mesin. Standar nilai OEE adalah 85%.
II.2.4.1 Availability
Availability merupakan suatu pengukuran yang memperlihatkan
ketersediaan
waktu yang ada buat menjalankan mesin. Availability memperhitungkan
bermacam peristiwa yang bisa menghambat proses produksi yang telah
ditargetkan. Dalam mencari nilai availability dibutuhkan data operation time,
yakni waktu yang dibutuhkan untuk proses produksi suatu mesin dalam
menciptakan produk. Nilai operation time didapatkan dengan mengurangkan nilai
loading time atau banyaknya waktu yang ada untuk mesin mrnghasilkan produk
dengan waktu downtime. Kemudian running time atau jumlah jam kerja produksi
dikurangi dengan planned down time akan menghasilkan loading time (Arifianto,
2018).
operation time
availability= ×100 %...............................................................(2.1)
loadingtime
...........................................................................................................................

Dimana :loading time=running time− planned downtime .............................(2.1.1)
running time=loading time−downtime ..........................................(2.1.2)
II.2.4.2 Performance Rate
Aspek yang menimbulkan proses produksi tidak sesuai dengan kecepatan

maksimum yang sepatutnya kala di operasikan sangat diperhitungkan oleh
performance rate. Contohnya ialah operator kurang efisien dalam memakai
mesin. Untuk menghitung performance rate yakni dengan cara mengalikan total
produksi dengan waktu yang diperlukan guna menuntaskan satu buah produk
dibagi dengan operation time. Setelah itu diganti menjadi sebuah persentase
(Arifianto, 2018).
jumlah produksi × waktu siklus per unir

performance rate= ×100 %..............(2.2)
operation time
II.2.4.3 Quality Rate
Quality rate membandingkan jumlah produk yang bagus atau tidak cacat
dibagi dengan jumlah seluruh produksi. Produk yang bagus tersebut didapatkan
dengan cara jumlah produksi dikurang jumlah produk cacat atau defect.
Kemudian diganti ke dalam bentuk persentase (Arifianto, 2018).
jumlah produksi−produk defect
quality rate= × 100 %...................................(2.3)
jumlah produksi
Nilai OEE di dapatkan dengan mengalikan ketiga komponen tersebut.

Rumus yang digunakan ialah dapat dilihat di bawah ini:
OEE= Availability x Performance Rate x Quality Rate...................................(2.4)
II.2.5 Six Big Losses

Ada 3 variabel utama dalam OEE, yakni availability, performance rate,
serta quality rate. Setelah itu ada 6 komponen dalam 3 variabel OEE tersebut yang
mengakibatkan kerugian/ losses, istilah tersebut ialah six big losses.
Dalam availability ada equipment failure losses serta setup and adjustment
losses, lalu ada reduced speed losses serta idling/ minor stopages losses dalam
performance rate, yang terakhir ada defect losses serta scrap losses dalam quality
rate. Setelah nilai OEE diketahui, akan terlihat komponen apa yang mempunyai
nilai lebih rendah untuk setelah itu di analisis penyebabnya. Definisi dari masing
– masing losses ialah sebagai berikut (Arifianto, 2018) :
1. Equipment Failure Losses

Losses yang diakibatkan karena adanya kecacatan pada peralatan
serta dibutuhkan perbaikan. Persamaan yang dipakai ialah :
downtime
equpment failure losses= ×100 % ....................................(2.5)
loading time
2. Set Up And Adjustment Losses

Losses yang diakibatkan karena set up mesin sesaat sebelum
mengawali kegiatan produksi. Persamaan yang dipakai ialah:
set up time
set up∧adjustment losses= ×100 % ...............................(2.6)
loading time
3. Idling And Minor Stoppage Losses
Losses yang diakibatkan karena mesin stop dalam waktu yang

pendek serta wajib di mulai ulang namun tidak dibutuhkan perbaikan.
Persamaan yang dipakai ialah :
non productive time
idling∧minor stoppage losses= ×100 % ..............(2.7)
loading time
4. Reduced Speed Losses
Losses yang diakibatkan sebab kinerja mesin lebih lamban dari yang
sepatutnya. Persamaan yang dipakai ialah :
operation time−(ideal cycle time× total produksi)

RSL= ×100 % .......(2.8)
loading time

5. Defect Losses
Losses yang terjadi sebab produk yang dihasiilkan cacat namun

dapat di repair atau diperbaiki. Persamaan yang dipakai ialah :
ideal cycle time × total produk defect

defect losses= ×100 %...............(2.9)
loadingtim e
6. Yield/scrap Losses
Losses yang diakibatkan terdapatnya produk yang cacat namun tidak

dapat di repair dan harus di buang. Persamaan yang dipakai ialah :
ideal cycle time× scrap

scraplosses= ×100 % ....................................(2.10)
loading time
II.2.6 Alat Pemecahan Masalah

Ada alat pemecahan permasalahan yang digunakan yakni diagram pareto
serta diagram fishbone. Berikut merupakan uraian dari kedua alat pemecahan
permasalahan tersebut :
II.2.6.1 Diagram Pareto

Diagram pareto ialah alat yang mengendalikan item dalam urutan
berlandaskan besarnya pengaruh mereka,sehingga bisa dilakukan identifikasi
masalah dengan mengerahkan sebagian item kepada item yang mempunyai
pengaruh optimal. Diagram pareto dipakai untuk memprioritaskan masalah-
masalah yang butuh perbaikan, memprioritaskan penyusunan tindakan
pencegahan agar tidak ada permasalahan yang timbul, mencari tahu masalah yang
sering dikeluhkan, mengenali keluhan yang banyak terjadi, mengenali pemicu
yang kerap menjadi penolakan ataupun buat tujuan lain yang sejenis. Bentuk
batang merupakan ciri khas dari Diagram pareto, yang tingginya merefleksikan
biaya atau frekuensi. Penyusunan batang dimulai dari yang paling tinggi di
sebelah kiri hingga paling rendah di sebelah kanan (Arifianto, 2018). Pemakaian
diagram pareto bisa digunakan dalam sebagian kondisi, contohnya :
1. Diagram pareto dipakai kala menganalisis informasi frekuensi
permasalahan atau penyebab perkara dalam suatu proses.
2. Diagram pareto digunakan kala terdapat banyak permasalahan sedangkan
perusahaan mau memfokuskan pada permasalahan yang sangat signifikan.
3. Diagram pareto digunakan kala hendak menghubungkan permasalahan
dengan data.
Analisis pareto berdasarkan prinsip merupakan 80% permasalahan berasal

dari 20% penyebab. Contohnya merupakan 80% ketidakpuasan pelanggan suatu
produk diakibatkan karena 20% cacat pada produk tersebut. Urutan pembuatan
diagram pareto ialah sebagai berikut:
1. Mengenali penyebab permasalahan setelah itu melakukan pengumpulan
data.
2. Membuat catatan yang berisikan frekuensi peristiwa permasalahan yang
tengah diteliti.
3. Mengurutkan frekuensi peristiwa tersebut dari besar ke kecil serta
menghitung frekuensi kumulatif dan presentasenya.
4. Membuat histogram bersumber pada frekuensi peristiwa yang sudah
diurutkan.
5. Menggambar kurva kumulatif.
II.2.6.2 Diagram Fishbone

Diagram Fishbone (diagram tulang ikan) merupakan alat analisis yang
sediakan metode sistematis melihat dampak serta penyebab yang berkontribusi
terhadap dampak tersebut. Karena peranan diagram fishbone tersebut, bisa disebut
sebagai diagram sebaab akibat, yang memilikifungsi dasar mengenali serta
mengorganisasi penyebab–penyebab yang mungkin mencuat dari suatu dampak
tertentu serta kemudian memisahkan akar penyebabnya (M. Jannah & Siswanti,
2017).
Menurut (Scarvada, 2004) dalam jurnal (M. Jannah & Siswanti, 2017)
Pemanfaatan diagram fishbone membagikan banyak keuntungan untuk dunia

bisnis tidak hanya membongkar permasalahan kualitas yang jadi atensi penting
perusahaan, masalah–masalah klasik yang bisa dituntaskan di industri antara
lain:
1. Keterlambatan proses produksi.
2. Tingkatan defect (cacat) produk yang besar.
3. Output lini produksi yang tidak normal yang berdampak kacaunya
rencana produksi.
4. Produktivitas yang tidak menggapai target.
5. Komplain customers yang terus datang.

Diagram tulang ikan dapat dipergunakan untuk kebutuhan – kebutuhan
berikut :
1. Membantu mengenali akar pemicu permasalahan dari suatu permasalahan.
2. Membantu memberikan ide – ide untuk solusi suatu permasalahan.
3. Menunjang dalam penyelidikan ataupun pencarian fakta lebih lanjut.
4. Mengenali tindakan untuk menciptakan hasil yang diinginkan.
5. Membuat issue secara apik.
Apabila ingin memakai Diagram fishbone, terlebih dulu mesti melihat pada
departemen, divisi serta tipe usaha apa diagram ini digunakan. Perbedaan
departemen, divisi serta tipe usaha pula akan pengaruhi sebab-sebab yang
berpengaruh signifikan terhadap permasalahan yang mempengaruhi mutu yang
nantinya hendak digunakan (M. Jannah & Siswanti, 2017).
II.2.6.3 Bagian – bagian Fishbone Diagram

Bagian-bagian dari diagram tulang ikan adalah sebagai berikut:
1. Bagian Kepala Ikan
Kepala ikan umumnya senantiasa terletak disebelah kanan. Di
bagian ini ditulis event yang hendak dipengaruhi oleh penyebab –
penyebab yang berikutnya ditulis di bagian tulang ikan. Event ini kerap
berbentuk permasalahan ataupun topik yang hendak dicari ketahui
penyebabnya (M. Jannah & Siswanti, 2017).

2. Bagian Tulang Ikan
Menurut Gaspersz (2002) dalam jurnal (M. Jannah & Siswanti,
2017) pada umumnya ada 5 aspek yang perlu dicermati dalam penataan
fishbone diagram yang diketahui dengan 4M serta 1E( Man, Material,
Method, Machine, serta Environment).
a. Man : Seluruh orang yang ikut serta pada suatu proses.
b. Method : Bagaimana seluruh proses itu dilakukan, kebutuhan yang
spesifik dari proses itu, semacam prosedur, peraturan, dll.
c. Material : Seluruh material yang dibutuhkan untuk menjalankan

semacam bahan dasar, kertas, pena, dll.
d. Machine : Seluruh mesin, peralatan, komputer, yang dibutuhkan
untuk melaksanakan pekerjaan.
e. Environment : Keadaan di sekitar tempat kerja, semacam temperatur
udara, tingkat kebisingan,kelembaban udara, dll.

BAB 3 – METODOLOGI KAJIAN
III.1 Alur Penelitian
Mulai
Studi Literatur
Perumusan Masalah
Tujuan Penelitian
Mengetahui tingkat efektifitas mesin-mesin curing di Plant D PT. Kakak
Adik?
Mengetahui faktor-faktor yang penyebab keefektifan mesin.
Menentukan usulan rencana pengoptimalan output mesin.
Pengumpulan Data
Data Primer
Data Sekunder
Studi Lapangan Studi Pustaka

OEE
Penelitian terhadap
permasalahan di Divisi SixBigLosses
Curing Plant D&K PT. Diagram Pareto
Adik Kakak
Diagram Fishbone
Penentuan batasan sistem danPengolahan

konteks Data
Perhitungan Overall Equipment Effectivenes (OEE)
Perhitugan nilai Six Big Losses
Pembuatan Diagram Pareto
Pembuatan Diagram Fishbone
Rencana Perbaikan
B
Gambar 1. Alur Penelitian
19
20
Analisis Penelitian
Analisis OEE (Overall Equipment Effectivenes)
Analisis Six Big Losses
Analisis Diagram Pareto
Analisis Fishbone
Kesimpulan & Saran
Selesai
Lanjutan Gambar 1. Alur Penelitian

Alur dari penelitian flowchart diatas ini dimulai dari studi
literature. Berdasarkan hasil yang telah didapat kemudian dibuat
perumusan masalah yang diangkat sebagai penelitian. Setelah itu
dilakukan pengumpulan data yang dibutuhkan untuk penelitian.
Kemudian data yang digunakan terdiri dari dua jenis data yaitu data
primer dan data sekunder. Data primer adalah berupa observasi
langsung ke lapangan sedangkan data sekunder yaitu data yang berasal
dari data perusahaan. Setelah data–data yang telah didapatkan
terkumpul kemudian dilakukan perhitungan OEE, Six Big Losses,
pembuatan diagram pareto dan diagram fishbone. Setelah itu tahapan
selanjutnya dlakukan analisis. Tahap terakhir yang dilakukan dari
penelitian ini adalah membuat kesimpulan dan saran perbaikan yang
bisa diberikan untuk perusahaan.
III.1 Studi Literatur

Sebelum melakukan penelitian, terlebih dulu dilakukan riset
mengenai bidang keilmuan yang berhubungan dengan penelitian yang
dicoba bersumber pada sekian banyak sumber. Mencari rujukan untuk
membagikan gambaran penelitian yang hendak dilakukan. Serta riset

21
riset tentang manajemen perawatan dan kefektifan yang sempat

dilakukan sebelumnya untuk menunjang dibuatnya riset ini.
III.1.2 Perumusan masalah

Pada tahap perumusan masalah ini dilakukan berdasarkan
identifikasi masalah diatas. Dalam penelitian ini perumusan
masalahnya adalah, berapa nilai Overall Equipment Effectiveness
(OEE) mesin curing di Plant D&K PT. Kakak Adik, mengetahui
kerugian apa yang paling berdampak pada perusahaan berdasarkan Six
Big Losses dan usulan seperti apa yang tepat untuk meningkatkan
keefektifan Overall Equipment Effectiveness (OEE) mesin curing di
Plant D&K PT. Kakak Adik.
III.1.3 Tujuan Penelitian

Berisi mengenai output yang akan dihasilkan oleh penelitian ini.
Serta sebagai target hasil dilakukannya penelitian ini. Gambaran dari
tujuan penelitian ini telah dipaparkan sebelumnya pada BAB
sebelumnya.
III.1.4 Pengumpulan Data

Pada tahap ini dilakukan pengumpulan data aktual pada
perusahaan dengan cara wawancara dan juga observasi langsung serta
menggunakan data sekunder. Contoh data yang dibutuhkan berupa
data utilisasi Curing Plant D&K PT. Kakak Adik selama periode 1
Januari 2021 hingga 31 Maret 2021. Data tersebut berupa data
running time, data down time, dan sebagainya yang mencakup
keseluruhan proses produksi.

22
III.1.4.1 Studi Pustaka

Studi pustaka diperlukan untuk memperkuat dasar dalam
melakukan pengolahan data serta berdasarkan teori dan informasi yang
terkait dengan penelitian. Studi pustaka yang didapatkan dari materi
berupa jurnal, makalah, seminar, buku, dan sumber lainya.
III.1.4.2 Studi Lapangan

Studi lapangan bertujuan untuk mengetahui kondisi sistem
manajemen perawatan yang sebenarnya dari perusahaan dan
mengetahui gambaran jelas bagaimana sistem tersebut berjalan. Studi
lapangan juga bertujuan untuk memahami kondisi dari objek penelitian
berupa keabnormalan yang ada pada area penelitian.
III.1.5 Pengolahan Data

Data yang telah didapatkan kemudian diolah sehingga akan
menghasilkan suatu pemahaman baru yang dapat digunakan oleh
perusahaan dalam manajemen perawatan mesin serta kemudian untuk
menghitung elemen–elemen OEE seperti: avaibility, performance rate,
quality rate, six big losses, pembuatan diagram pareto dan
pembuatan diagram fishbone.
III.1.6 Analisis Data

Setelah di dapatkan hasil pengolahan data kemudia dianalisis
agar diketahui bagaimana keefektifan mesin yang terdapat di area
DTC. Analisis yang dilakukan yaitu seperti : analisis overall
equipment efectiveness, analisis six big losses, analisis diagram
pareto,analisis diagram fishbone dan annalisis usulan perbaikan.

23
III.1.7 Kesimpulan dan Saran

Tahapan terakhir berupa kesimpulan yang ditarik berdasarkan
perhitungan analisis dan memberikan saran kepada pihak-pihak terkait
sekaligus memaparkan rekomendasi yang diberikan kepada perusahaan
berdasarkan dengan hasil penelitian yang sudah dilakukan.
Rekomendasi tersebut diharapkan akan digunakan untuk
mengembangkan perusahaan atau untuk penelitian selanjutnya.
III.2 Jadwal Pelaksanaan Tugas Akhir
Tabel 2. Jadwal Pelaksanaan Tugas Akhir

Bulan ke-
No. Kegiatan
1 2 3 4 5 6
1Merumuskan Masalah
2Pengumpulan Data
3Pembuatan Proposal
4Penentuan Partisipan
5Penyusunan Instrumen
6Pengolahan Data
7Pembuatan Laporan Akhir

ANALISIS KEEFEKTIFAN PADA MESIN CURING GUNA MENGOPTIMALKAN OUTPUT 24
BAB 4 - HASIL KAJIAN DAN PEMBAHASAN
IV.1 Pengumpulan Data

IV.1.1 Data Running Time
Data Running time adalah waktu yang menunjukan jumlah jam kerja dalam
prosses produksi. Data running time di area curing didapatkan dengan
mengurangi total time produksi selama 1 bulan dengan waktu planned closing
time seperti hari libur nasional, stop pabrik, no schedule dan sebagainya.
Berikut adalah data running time departemen curing PT. Kakak Adik selama
tahun 2021 :.
Tabel 3. Data Running Time
Running
Total Time Planned Closing
No Bulan Time
(menit) Time (menit)
(menit)
1 Januari 29819520 3490597 26328923
2 Februari 26933760 1293121 25640639
3 Maret 29819520 1629243 28190277
Setelah dilakukan perhitungan, didapatkan nilai running time seperti tabel di
atas.
IV.1.2 Data Down Time

Down time merupakan waktu berhenti mesin yang disebabkan oleh keadaan
tak terduga atau tidak direncanakan. Keadaan tersebut meliputi set up, machine
breakdowns, PLN off, dan material shortage. Semakin banyak down time terjadi,
maka akan semakin banyak kerugian yang didapat oleh perusahaan. Oleh karena
itu, down time ini harus dibuat seminimal mungkin. Berikut adalah data down
time area curing PT. Kakak Adik periode januari sampai maret 2021 :
Tabel 4. Data Down Time
Running Downtim Downtim
No Bulan Time e e
(menit) (menit) (%)
1 Januari 26328923 4134440 15.70%
2 Februari 25640639 4695413 18.31%
3 Maret 28190277 4677171 16.59%

Data tersebut di dapatkan dari hasil kajian yang dilakukan oleh penulis saat
melakukan kegiatan magang di PT. Kakak Adik.
IV.1.3 Data Planned Down Time

Planned down time merupakan kebalikan dari down time, dimana mesin
berhenti untuk proses produksi sesuai waktu yang sudah dijadwalkan selama jam
kerja. Keadaan tersebut meliputi preventive maintenance (pencegahan kerusakan)
dan tes mesin. Berikut adalah data planned down time area curing PT. Kakak
Adik periode januari sampai maret 2021 :
Tabel 5. Data Planned Down Time
Running Time Planned Down Planned Down
No Bulan
(menit) Time (menit) Time (%)
1 Januari 26328923 80491 0.31%
2 Februari 25640639 42823 0.17%
3 Maret 28190277 71786 0.25%
Data tersebut di dapatkan dari hasil kajian yang dilakukan penulis saat
melakukkan kegiatan magang di PT. Kakak Adik.
IV.1.4 Loading Time

Loading time merupakan waktu bersih untuk menjalankan proses produksi.
Loading time berasal dari hasil pengurangan running time dengan planned down
time. Nilai loading time untuk bulan januari 2021 didapatkan dengan
menggunakan persamaan 2.1.1 :
Loading time=running time− planned downtime
Loading time=26328923−80491
Loading time=26248432menit
Sedangkan untuk perhitungan nilai loading time bulan Februari hingga
Maret 2021 akan disajikan pada tabel berikut :

Tabel 6. Hasil Perhitungan Loading Time

Running Time Planned Down Loading Time
No Bulan
(menit) Time (menit) (menit)
1 Januari 26328923 80491 26248432
2 Februari 25640639 42823 25597816
3 Maret 28190277 71786 28118491
IV.1.5 Operation Time

Operation time merupakan lamanya waktu proses produksi bagi mesin
untuk menghasilkan output. Operation time berasal dari hasil pengurangan
loading time dengan down time. Nilai operation time untuk bulan januari
didapatkan dengan persamaan 2.1.2 :
Operationt ime=loading time−downtime
Operation time=26248432−4134440
Operationtime =22113992
Sedangkan untuk perhitungan nilai operation time bulan Februari hingga
Tabel 7. Hasil Perhitungan Operation Time
Loading Time Down Time Operation Time
No Bulan
(menit) (menit) (menit)
1 Januari 26248432 4134440 22113992
2 Februari 25597816 4695413 20902403
3 Maret 28118491 4677171 23441320
IV.1.6 Data Produksi

Data produksi merupakan data yang menunjukkan jumlah tire yang
dihasilkan oleh mesin curing PT. Kakak Adik. Data tersebut ditunjukkan pada

tabel 8 di bawah ini :
Tabel 8. Data Produksi

No Bulan Produksi Repair Scrap Straightpass
1 Januari 1152622 201684 11565 939373
2 Februari 1095476 189399 10875 895202
3 Maret 1228875 220775 12337 995763
Data tersebut di dapatkan dari hasil kajian yang dilakukan oleh penulis saat
melakukan kegiatan magang di PT. Kakak Adik.
IV.2 Pengolahan Data

IV.2.1 Availability
Availability merupakan suatu rasio yang menunjukan waktu yang tersedia
guna mengoperasikan mesin. Untuk mendapatkan nilai availability, diperlukan
data loading time dan operation time yang dapat di lihat pada tabel 6 dan tabel 7.
Berikut merupakan cara menghitung nilai availability bulan januari 2021 yang
menggunakan persamaan 2.1 :
operation time
availability= ×100 %
loadingtime
22113992
availability= ×100 %
26248432
availability=84.25 %
Sedangkan untuk perhitungan nilai availability bulan Februari hingga Maret
2021 akan disajikan pada tabel berikut :
Tabel 9. Hasil Perhitungan Availability
Loading Time Operation Time
No Bulan Availability
(menit) (menit)
1 Januari 26248432 22113992 84.25%
2 Februari 25597816 20902403 81.66%
3 Maret 28118491 23441320 83.37%
Data tersebut menunjukkan bahwa nilai availability tertinggi terdapat di
bulan Januari. Sedangkan nilai terendah terdapat di bulan Februari.

IV.2.2 Performance Rate

Performance rate memperhitungkan faktor –faktor penyebab proses
produksi yang tidak sesuai dengan kecepatan maksimum yng seharusnya saat di
operasikan. Untuk menghitung nilai perfromance rate, dibutuhkan beberapa data
seperti data produksi perbulan, data ideal cycle time, dan data operation time.
Ideal cycle time dalam proses pemasakan ban dianggap sama, yaitu selama 16
menit/unit. Selain itu,data produksi dapat dilihat pada tabel 8 dan data operation
time dapat dilihat pada tabel 7.
Berikut ini merupakan cara perhitungan performance rate untuk bulan
januari 2021 menggunakan persamaan 2.2 :
jumlah produksi × waktu siklus per unir
performance rate= ×100 %
operation time
1152622×16
performance rate= ×100 %
22113992
performance rate=83.39 %
Sedangkan untuk perhitungan nilai performance rate bulan Februari hingga
Tabel 10. Hasil Perhitungan Performance Rate
Jumlah Produksi Operation Time
No Bulan Performance
(unit) (menit)
1 Januari 1152622 22113992 83.39%
2 Februari 1095476 20902403 83.85%
3 Maret 1228875 23441320 83.88%
Data tersebut menunjukkan bahwa nilai performance rate periode Januari
hingga Maret 2021 stabil di angka 83%.
IV.2.3 Quality Rate

Quality rate merupakan perbandingan antara produk yang baik dibagi
dengan jmlah total produksi. Data jumlah produksi dan jumlah scrap dapat dilihat
pada tabel 8.

Berikut ini merupakan cara perhitungan quality rate untuk bulan januari
2021menggunakan persamaan 2.3 :
jumlah produksi−produk scrap

quality rate= × 100 %
jumlah produksi
1152622−11565
quality rate= ×100 %
1152622
quality rate=99,00 %
Sedangkan untuk perhitungan nilai quality rate bulan Februari hingga Maret
2021 akan disajikan pada tabel berikut :
Tabel 11. Hasil Perhitungan Quality Rate
Jumlah Produksi Produk Scrap Quality Rate
No Bulan
(unit) (unit) (%)
1 Januari 1152622 11565 99.00%
2 Februari 1095476 10875 99.01%
3 Maret 1228875 12337 99.00%
Data tersebut menunjukkan bahwa nilai quality rate periode bulan Januari
hingga Maret memiliki presentase yang hampir sama.
IV.2.4 Overall Equipment Effectiveness (OEE)

Setelah di dapatkan nilai availability pada tabel 9, kemudian nilai
performance rate pada tabel 10, dan nilai quality rate pada tabel 11. Maka nilai
OEE bisa di dapatkan dengan menggunakan persamaan 2.4.
Berikut ini merupakan cara perhitungan OEE untuk bulan januari 2021
menggunakan persamaan 2.4 :
OEE=availability × performamce rate× quality rate
OEE=84.25 % × 83.39 % × 99.00%
OEE=69.55 %
Sedangkan untuk perhitungan nilai OEE bulan Februari hingga Maret 2021
akan disajikan pada tabel berikut :
Tabel 12. Hasil Perhitungan OEE
Performance
No Bulan Availability Quality Rate Nilai OEE
Rate
1 Januari 84.25% 83.39% 99.00% 69.55%
2 Februari 81.66% 83.85% 99.01% 67.79%

3 Maret 83.37% 83.88% 99.00% 69.22%

Rata-rata 83.09% 83.71% 99.00% 68.86%
Data tersebut menunjukkan bahwa nilai OEE periode bulan Januari

memiliki presentase terendah, sedangkan periode bulan Maret memiliki
presentase tertinggi. Kemudian terdapat rata-rata nilai OEE sebesar 68,86%.
IV.2.5 Equipment Failure Losses

Equipment failure losses merupakan penyebab kerugian yang terlihat jelas
disebabkan oleh kecacatan peralatan dan membutuhkan perbaikan. Untuk
mendapatkan nilai equipment failure losses dibutuhkan data down time dan
loading time pada tabel 8. Kemudian data-data tersebut dimasukkan ke dalam
persamaan 2.5.
Berikut ini merupakan cara perhitungan equipment failure losses untuk
bulan januari 2021 :
downtime
equpment failure losses= ×100 %
loading time
4134440
equpment failure losses= ×100 %
26248432
equpment failure losses=15.75 %

Sedangkan untuk perhitungan nilai equipment failure losses bulan Februari
hingga Maret 2021 akan disajikan pada- tabel berikut :
Tabel 13. Hasil Perhitungan Equipment Failure Losses
Equipment Failure
No Bulan
Losses
1 Januari 15.75%
2 Februari 18.34%
3 Maret 16.63%
Data tersebut menunjukkan bahwa nilai equipment failure losses periode
bulan Januari memiliki presentase terendah, sedangkan periode bulan Februari
memiliki presentase tertinggi.

IV.2.6 Set Up and Adjustment Losses

Set up and adjusment losses merupakan kerugian waktu yang disebabkan
oleh set up mesin sebelum memulai proses produksi. Untuk mendapatkan nilai
set
up and adjustment losses dibutuhkan loading time pada tabel 6 dan data set up
time pada tabel 14 di bawah ini :
Tabel 14. Data Set Up Time
Set Up Time
No Bulan
(time)
1 Januari 229440
2 Februari 191602
3 Maret 207440
Data tersebut didapatkan melalui kajian yang dilakukan oleh penulis.
Kemudian data-data tersebut dimasukkan ke dalam persamaan 2.6. Berikut ini
merupakan cara perhitungan set up and adjustment losses untuk periode bulan
januari 2021 :
set up time
set up∧adjustment losses= ×100 %
loading time
229440
set up∧adjustment losses= × 100 %
26248432
set up∧adjustment losses=0 .87 %
Sedangkan untuk perhitungan nilai set up and adjustment losses bulan
Februari hingga Maret 2021 akan disajikan pada tabel berikut :
Tabel 15. Hasil Perhitungan Set Up and Adjustment Losses
Set Up and
No Bulan
Adjustment Losses
1 Januari 0.87%
2 Februari 0.75%
3 Maret 0.74%
Data tersebut menunjukkan bahwa nilai set up and adjustment losses

periode bulan Januari memiliki presentase tertinggi, sedangkan periode bulan
Maret memiliki presentase terendah.

IV.2.7 Idling and Minor Stopages Losses

Idling and minor stopages losses adalah merupakan kerugian yang
disebabkan karena mesin berhenti dalam waktu yang singkat akibat masalah
sementara harus di restart dan tidak diperlukan perbaikan. Untuk mendapatkan
nilai idling and mirror stopages losses dibutuhkan data loading time pada tabel 6
dan data non productive time pada tabel 16 di bawah ini :
Tabel 16. Data Non Productive Time
Non Productive Time
No Bulan
(menit)
1 Januari 3490597
2 Februari 1293121
3 Maret 1629243
Kemudian data-data tersebut dimasukkan kedalam persamaan 2.7. Berikut

ini merupakan cara perhitungan idling and mirror stopages losses untuk bulan
januari 2021 :
non productive time
idling∧minor stoppage losses= ×100 %
loading time
3490597
idling∧minor stoppage losses= ×100 %
26248432
idling∧minor stoppage losses=13.30 %
Sedangkan untuk perhitungan nilai idling and mirror stopages losses bulan
Februari hingga Maret 2021 akan disajikan pada tabel berikut :
Tabel 17. Hasil Perhitungan Idling and Minor Stopages Losses
Idling and Minor Stopages
No Bulan
Losses
1 Januari 13.30%
2 Februari 5.05%
3 Maret 5.79%
Data tersebut menunjukkan bahwa nilai idling and minor stopage losses
periode bulan Januari memiliki presentase tertinggi, sedangkan periode bulan
Februari memiliki presentase terendah.
IV.2.8 Reduced Speed Losses

Reduced speed losses merupakan kerugian yang disebabkan karena mesin

bekerja lebih lambat dari yang seharusnya. Untuk mendapatkan nilai reduced
speed losses dibutuhkan data operation time dan loading time pada tabel , data
produksi pada tabel 8 serta waktu ideal cycle time dalam 1 kali pemasakan tire
selama 16 menit/unit.

ini merupakan cara perhitungan reduced speed losses untuk bulan januari 2021 :
operation time−( ideal cycle time× total produksi)
RSL= ×100 %
loading time
22113992−(16 × 1152622)
RSL= × 100 %
26248432
RSL=13.99 %
Sedangkan untuk perhitungan nilai reduced speed losses bulan Februari
hingga Maret 2021 akan disajikan pada tabel berikut :
Tabel 18. Hasil Perhitungan Reduced Speed Losses
Reduced Speed
No Bulan
Losses
1 Januari 13.99%
Februar
2 13.18%
i
3 Maret 13.44%
Data tersebut menunjukkan bahwa nilai reduced speed losses periode bulan
Januari memiliki presentase tertinggi, sedangkan periode bulan Maret memiliki
presentase terendah.
IV.2.9 Defect Losses

Defect losses merupakan kerugian yang disebabkan karena, produk tidak di
produksi dengan benar dari awal proses, namun masih dapat di repair atau
diperbaiki. Untuk mendapatkan nilai defect losses dibutuhkan data operation time
dan loading time pada tabel 9, data produksi defect/repair pada tabel 8 serta
waktu ideal cycle time dalam 1 kali pemasakan tire selama 16 menit/unit.
ini merupakan cara perhitungan defect losses untuk bulan januari 2021 :

ideal cycle time× total produk defect
defect losses= ×100 %
loadingtime
16× 213249
defect losses= ×100 %
26248432
defect losses=13,00 %
Sedangkan untuk perhitungan nilai defect losses bulan Februari hingga

Tabel 19. Hasil Perhitungan Defect Losses
No Bulan DefectLosses
1 Januari 13.00%
Februar
2 12.52%
i
3 Maret 13.26%
Data tersebut menunjukkan bahwa nilai defect losses periode bulan Februari
memiliki presentase terendah, sedangkan periode bulan Maret memiliki
presentase tertinggi.
IV.2.10 Scrap Losses

Scrap losses adalah merupakan kerugian yang di sebabkan karena adanya
kecacatan diawal proses produksi, namun tidak dapat di repair dan harus di
buang. Untuk mendapatkan nilai scrap losses dibutuhkan data operation time dan
loading time pada tabel 9, data produksi scrap pada tabel 8 serta waktu ideal
cycle time dalam 1 kali pemasakan tire selama 16 menit/unit.
Kemudian data-data tersebut dimasukkan kedalam persamaan 2.10.
Berikut ini merupakan cara perhitungan defect losses untuk bulan januari 2021 :
ideal cycle time × scrap
scrap losses= ×100 %
loading time
16 × 11565
scrap losses= ×100 %
26248432
scrap losses=0.70 %
Sedangkan untuk perhitungan nilai scrap losses bulan Februari hingga


Tabel 20. Hasil Perhitungan Scrap Losses
No Bulan Scrap Losses
1 Januari 0.70%
Februar
2 0.68%
i
3 Maret 0.70%
Data tersebut menunjukkan bahwa nilai scrap losses periode bulan Januari
hingga bulan Maret memiliki presentase yang hampir sama.
IV.2.11 Six Big Losses

Dari perhitungan yang telah dilakukan, didapatkan nilai six big losses
sebagai berikut :
Tabel 21. Six Big Losses
Nilai Rata-
No Six Big Losses
Januari Februari Maret rata
1 Equipment Failure 15.75% 18.34% 16.63% 16.91%
2 Set Up and Adjustment 0.87% 0.75% 0.74% 0.79%
3 Idling and Minor Stopages 13.30% 5.05% 5.79% 8.05%
4 Reduces Speed 13.99% 13.18% 13.44% 13.54%
5 Defect 13.00% 12.52% 13.26% 12.93%
6 Scrap 0.70% 0.68% 0.70% 0.70%
Data tersebut menunjukkan bahwa losses tertinggi selama periode Januari
hinga Maret 2021 disebabkan oleh Equipment Failure Losses.
IV.3 Analisa
Pada bagian akan dilakukan pembahasan mengenai analisa terhadap nilai
overall equipment effectiveness (OEE) dan six big losses.
IV.3.1 Analisa Availability

Avalilability adalah rasio perbandingan antara waktu perencanaan operasi
mesin dengan waktu actual operasi mesin. Maka, availability semakin baik jika
semakin tinggi nilainya. Berikut adalah hasil perhitungan nilai availability :

Availability
90.00% 84.25% 81.66% 83.37%
80.00%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00% 0.00%
0.00%
Januari Februari Maret
Gambar 2.Nilai Availability

Dari gambar grafik diatas, dapat diketahui bahwa nilai availability tertinggi
terdapat di bulan januari dengan presentase sebesar 84,25%. Kemudian diikuti
oleh bulan Maret sebesar 83,37%. Sedangkan nilai availability terendah terdapat
di bulan Februari dengan presentase sebesar 81,66%. Namun, nilai tersebut secara
keseluruhan masih belum memenuhi standar availability yaitu sebesar 90%.
IV.3.2 Analisa Performance Rate

Performance rate mempertimbangkan faktor yang menyebabkan proses
produksi tidak sesuai dengan kecepatan maksimum yang seharusnya ketika di
operasikan. Berikut adalah hasil prhitungan nilai performance rate:

Performance Rate
90.00% 83.39% 83.85% 83.88%
80.00%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00% 0.00%
0.00%
Gambar 3. Nilai Performance Rate
Dari gambar grafik diatas, dapat diketahui bahwa nilai performance rate
periode bulan Januari hingga Maret 2021 stabil di angka 83%. Namun, secara
keseluruhan nilai tersebut masih belum memenuhi standar performance rate yaitu
sebesar 95%.
IV.3.3 Analisa Quality Rate

Quality rate ialah perbandingan antara produk yang lolos proses quality
control dengan jumlah total produksi. Berikut adalah hasil perhitungan nilai
quality rate :
Quality Rate
120.00%
99.00% 99.01% 99.00%
100.00%
80.00%
60.00%
40.00%
20.00%
0.00%
0.00%
Gambar 4. Nilai Quality Rate

Dari gambar grafik diatas, dapat diketahui bahwa nilai quality rate tertinggi
periode Januari hingga Maret 2021 stabil di angaka 99%. Kemudian secara
keseluruhan nilai quality rate yang didapat sudah memenuhi standar yaitu sebesar
99%.
IV.3.4 Analisa Overall Equipment Effectiveness (OEE)

Perhitungan overall equipment effectiveness bertujuan untuk mengetahui
seberapa efektif kinerja suatu mesin dalam menghasilkan produk. Berikut adalah
hasil perhitungan nilai OEE periode bulan Januari hingga Maret 2021 :
Overall Equipment Effectiveness

80.00%
69.55% 67.79% 69.22%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00% 0.00%
0.00%
Gambar 5. Nilai OEE
Dari gambar grafik diatas, dapat diketahui bahwa nilai OEE tertinggi
terdapat di bulan Januari dengan presentase sebesar 69,55%. Kemudian diikuti
oleh bulan Maret sebesar 69,22%. Sedangkan nilai terendah terdapat di bulan
Februari dengan presentase sebesar 67,79%. Namun, nilai tersebut secara
keseluruhan masih belum memenuhi standar OEE yaitu sebesar 85%.
IV.3.5 Analisa Six Big Losses

Setelah perhitungan losses dilakukan, lalu dilakukan analisa tentang

kerugian-kerugian apa saja yang paling berdampak terhadap perusahaan. Terdapat

6 kerugian/losses yang terjadi di mesin curing. Data hasil perhitungan dari bulan
Januari 2021 ditampilkan pada diagram pareto di bawah ini :
Six Big Losses Januari

18.00%
60.00%
12.00% 40.00%
6.00% 20.00%
0.00% 0.00%
re s ct t
lu ed ge fe en ra
p
ai pe op
a e ts m Sc
tF sS t D j u
en ce o rS Ad
pm du in d
u i Re M an
Eq an
d p
tU
l in
g Se
Id
Gambar 6. Diagram Pareto Six Big Losses Januari
Faktor terbesar yang berpengaruh pada nilai OEE di bulan Januari ialah
akibat nilai equipment failure loseses yang tinggi dengan 15,75%. Equipment
failure losses berpengaruh langsung terhadap nilai availability. Data hasil
perhitungan dari bulan Februari 2021 ditampilkan pada diagram pareto di bawah
ini :
Six Big Losses Februari

20.00% 60.00%
16.00% 50.00%
12.00% 40.00%
30.00%
8.00% 20.00%
4.00% 10.00%
0.00% 0.00%
re d ct es t p
lu ee fe ag en ra
ai Sp De op tm Sc
tF es t us
en uc or
S
A dj
pm e d in d
qui R
d
M an
E an t Up
g Se
lin
Id
Gambar 7. Diagram Pareto Six Big Losses Februari
Faktor terbesar yang berpengaruh pada nilai OEE di bulan Februari ialah
akibat nilai equipment failure losses yang tinggi sebesar 18,34%. Equipment
failure losses berpengaruh langsung terhadap nilai availability. Data hasil

perhitungan dari bulan Maret 2021 ditampilkan pada diagram pareto di bawah
ini :
Six Big Losses Maret

60.00%
16.00% 50.00%
12.00% 40.00%
8.00% 30.00%
20.00%
4.00% 10.00%
0.00% 0.00%
re d t es t p
lu e ec g en ra
Fa
i
S pe De
f pa st
m Sc
t s S to ju
en ce or A d
pm e du in d
qui R
d
M an
E an t Up
g Se
lin
Id
Gambar 8. Diagram Pareto Six Big Losses Maret
Faktor terbesar yang berpengaruh pada nilai OEE di bulan Maret ialah
akibat nilai equipment failure losses yang tinggi sebesar 16,63%. Equipment
failure losses berpengaruh langsung terhadap nilai availability.
Six Big Losses Keseluruhan

18.00% 60.00%
16.00%
50.00%
14.00%
12.00% 40.00%
10.00%
30.00%
8.00%
6.00% 20.00%
4.00%
10.00%
2.00%
0.00% 0.00%
Equipment Reduces Defect Idling and Set Up and Scrap
Failure Speed Minor Adjustment
Stopages
Gambar 9. Diagram Pareto Six Big Losses Keseluruhan

Dari data yang diperoleh dari bulan Januari hingga Maret, disimpulkan
bahwa nilai equpment failure losses menjadi penyumbang terbesar dalam
mempengaruhi presentase OEE di area curing PT. Kakak Adik. Diketahui bahwa
nilai equipment failure losses sebesar 16,91%.

IV.3.6 Analisis Diagram Fishbone

Setelah melalui proses perhitungan, diketahui bahwa equpiment failure
losses menjadi faktor penyumbang terbesar dari rendahnya nilai OEE yang
diperoleh. Untuk itu diperlukan analisa lebih lanjut untuk mengetahui sebab dan
akibat yang terjadi menggunakan diagram fishbone. Berikut ini merupakan
gambar dari diagram fishbone yang menjadi penyebab rendahnya nilai OEE di
departemen curing PT. Kakak Adik.

Machine
Unloader problem
Segment
Problem Squeeze problem
Internal pressure
Topring problem
problem Nilai
OEE
Rendah
Suhu tinggi No spare part
PLN off
Spare part
Ruangan gelap
Spare part ad a di plant lain
Environment Material
ment
Gambar 10. Diagram Fishbone

Dari gambar diagram diatas, ada 3 kategori yang menjadi penyebab terbesar
dari rendahnya nilai OEE di area curing PT. Kakak Adik, diantaranya ialah
sebagai berikut :
1. Machine
Machine atau mesin menjadi faktor pertama yang berpengaruh besar
terhadap rendahnya nilai OEE. Hal ini dikarenakan banyak sekali terjadi
kegagalan atau kerusakan pada mesin yang terjadi. Untuk lebih jelasnya
dapat dilihat data kerusakan selama periode bulan Januari hingga Maret
2021. Data tersebut berasal dari hasil observasi selama penelitian :
Tabel 22. Data Kerusakan Mesin
Waktu
Problem (dalam
menit)
Handling/ Unloader problem 462070.71
Segment problem 344737.52
Squezee problem 284256.98
Internal pressure problem 283794.5
Topring problem 251630.66
Dari data tersebut handling/unloader problem menjadi kerusakan

yang menyababkan loss time tertinggi. Kemudian diikuti oleh segment

problem, squeeze problem, internal pressure problem dan top ring

problem secara berturut turut.
2. Material
Permasalahan terhadap ketersediaan spare part mesin sering kali
menjadi penghambat engineer dalam menyelesaikan pekerjaannya dalam
memperbaiki mesin. Tak jarang, seorang engineer membutuhkan waktu
yang lama untuk mendapatkan spare part tersebut, hal itu disebabkan
karena stok spare part yang dibutuhkan di gudang kosong. Ataupun stok
di spare part tersebut ada, namun tidak ada di gudang plant tersebut
melainkan berada di plant lain. Untuk mengambil spare part tersebut di
plant lain membutuhkan waktu yang tidak sebentar karena waktu
perjalanan yang harus di tempuh. Berikut ini terdapat data losstime akibat
ketidaktersediaan spare part. Data tersebut merupakan data hasil observasi
selama dilakukan magang di PT. Kakak Adik :
Tabel 23. Data No Sparepart
Waktu
Problem
(dalam menit)
No Spare Part 426449.6
Dapat di lihat bahwa waktu mesin berhenti karena spare part tidak
tersedia cukup tinggi.
3. Environment
Environment atau lingkungan menjadi faktor selanjutnya yang
mempengaruhi nilai OEE. Hal pertama yang menjadi penyebab ialah suhu
udara yang tinggi ada di area curing, hal ini tidak di pungkiri lagi karena
curing adalah tempat untuk memasak tire yang menggunakan temperatur
tinggi dari steam untuk proses pemasakan. Suhu yang tinggi menyebabkan
para karyawan yang bekerja menjadi lebih mudah lelah. Kemudian
penyebab lainnya ialah ruangan yang cukup gelap, terutama ketika para
engineer harus memperbaiki problem yang mengharuskan mereka masuk
ke sela-sela mesin. Lalu yang tak jarang menjadi penyebab lainnya ialah
karena PLN off atau mati listrik. Hal tersebut sangat berpengaruh karena

jika PLN off otomatis proses produksi harus berhenti sementara, untuk
kemudian sumber listrik diganti dengan generator sembari menungu listrik
kembali hidup. Berikut adalah data dimana environment mempengaruhi
nilai OEE yang ada :
Tabel 24. Data Environment
Waktu
Problem
(dalam menit)
PLN OFF 195540.49
IV.4 Usulan Pemecahan Masalah

Setelah analisis perhitungan dilakukan, losses terbesar yang menjadi
penyebab rendahnya nilai OEE yakni reduced speed losses. Kemudian analisis
berikutnya dilakukan dengan fishbone diagram, lalu diketahui bahwa ada 3 faktor
utama yang menjadi penyebabnya, diantaranya ialah faktor machine (mesin),
faktor material dan faktor environment (lingkungan). Jika perusahaan ingin
meningkatkan nilai OEE, maka losses yang terjadi tersebut harus dikurangi atau
diminimalisir.
Faktor machine menjadi salah satu faktor yang sangat vital, karena jika
mesin mengalami kerusakan akan menghambat jalannya produksi. Mesin-mesin
yang ada di area curing PT. Kakak Adik sudah cukup tua dan banyak mengalami
kerusakan. Contoh dari banyaknya kerusakan yang terjadi, unloader problem,
segment problem, squeeze problem, internal pressure problem, dan top ring
problem menjadi penyumbang kerusakan yang paling tinggi periode bulan januari
hingga maret 2021. Sehingga kelima problem tersebut harus menjadi fokus utama
tim preventive maintenance engineering agar kerusakan tersebut dapat di cegah
atau diminimalisir.
Faktor material juga menjadi masalah yang cukup serius, ketersediaan spare
part untuk perbaikan mesin sering kali menjadi masalah. Hal ini dikarenakan
spare part yang dibutuhkan sering kali habis atau tidak tersedia di gudang,
sehingga menghambat pekerjaan tim engineering untuk perbaikan. Oleh karena
itu, perusahaan diharapkan dapat menyiapkan spare part lebih banyak agar tidak
terjadi loss time yang diakibatkan karena pengerjaan perbaikan mesin yang lama.

Faktor environment juga tak kalah berpengaruh, yang menjadi sorotan dalam
faktor ini ialah PLN off, suhu yang panas serta ruangan yang gelap. Tak dapat
dipungkiri hal tersebut terjadi karena mesin curing merupakan mesin yang
digunakan untuk proses pemasakan tire, sehingga suhu ruangan pun tinggi.
Kemudian ruangan yang gelap disebabkan oleh banyaknya mesin yang terdapat di
area curing dan juga mesin mesin tersebut saling berdekatan. Jadi ketika terjadi
kerusakan pada mesin dan mengharuskan seorang engineer untuk masuk ke
bagian belakang mesin, headlamp flashlight sangat dibutuhkan. Headlamp
flashlight merupakan lampu yang dapat diletakkan pada bagian kepala sehingga
seorang engineer dapat dengan bebas bergerak sambil mendapat pencahayaan dari
senter headlamp ini. Karena untuk saat ini, para engineer sering kali
menggunakan senter di handphone (hp) mereka masing-masing. Hal tersebut tentu
berisiko terjadi kerusakan pada hp jika terjatuh ke bawah mesin. Oleh karena itu,
diharapkan perusahaan dapat menyediakan headlamp flashlight agar dapat
mempermudah pekerjaan engineer dan mempercepat waktu pengerjaan kerusakan
mesin.

BAB 5 – PENUTUP
V.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan, terdapat kesimpulan sebagai
berikut :
1. Presentase nilai Overall Equipment Effectiveness (OEE) mesin curing PT.
Kakak Adik ialah 69,55%.
2. Berdasarkan six big losses, penyebab losses tertinggi ialah equipment
failure losses dengan 16,91%.
3. Dari analisis yang dilakukan dengan diagram fishbone, diketahui bahwa
faktor utama yang menjadi penyebab dari rendahhya nilai OEE,
diantaranya ialah faktor machine (mesin), faktor material dan faktor
environment (lingkungan).
V.2 Saran
Berikut ini terdapat beberapa saran yang diberikan untuk perusahaan
berdasarkan penelitian yang telah dilakukan :
1. Perusahaan sebaiknya lebih memperhatikan peralatan dan juga
perlengkapan yang dibutuhkan oleh tim engineering agar kegiatan
maintenance berjalan dengan lancar.
2. Jika perusahaan telah melakukan improvisasi terhadap masalah yang ada,
maka harus dilakukan kembali perhitungan OEE untuk mengetahui apakah
improvisasi tersebut berhasil atau tidak.
46
GLOSARIUM
Spare part = Komponen dari mesin yang dicadangkan untuk

perbaikan mesin yang mengalami kerusakan.
Preventive Maintenance = Kegiatan perawatan pencegahan terhadap
kerusakan mesin.
Engineer = Seseorang yang bekerja di bidang engineering
dan
membantu memecahkan masalah dalam teknologi
yang ada
Loss Time = Kerugian yang diakibatkan oleh terbuangnya
waktu yang seharusnya dapat digunakan untuk
menghasilkan produk.
Plant = Sebutan untuk pabrik-pabrik yang ada di suatu
perusahaan.
47
DAFTAR RUJUKAN
Arifianto, A. (2018). Penerapan Total Productive Maintenance (Tpm) Dengan

Menggunakan Metode Overall Equipment Effectiveness (Studi Kasus : Pt.
Triangle Motorindo). April. Papers2://Publication/Uuid/512ebce8-D635-
4348-A67d-22dd52988f4c
Budi Harja, H., & Ahmad Nugraha, N. (2019). Usulan Pembaharuan Jadwal
Kegiatan Preventive Maintenance Pada Mesin Curing Pcr Pt.Xyz
Menggunakan Metoda Distribusi Weibull. Jurnal Teknologi Dan Rekayasa
Manufaktur, 1(1), 23–35. Https://Doi.Org/10.48182/Jtrm.V1i1.3
Handoyo, Y. (2014). Analisis Performance Ban Dengan Alat Drum Test. Jurnal
Ilmiah Teknik Mesin, 2(1), 17–26.
Jannah, M., & Siswanti, D. (2017). Analisis Penerapan Lean Manufacturing
Untuk Mereduksi Over Production Waste Menggunakan Value Stream
Mapping Dan Fishbone Diagram. 6(2), 1–10.
Https://Media.Neliti.Com/Media/Publications/78000-Id-Analisis-Penerapan-
Environmental-Managem.Pdf
Jannah, R. M., & Nalhadi, S. A. (2017). A Nalisis Efektivitas Pada Mesin
Centrifugal Dengan Menggunakan Metode O Verall Equipment
Effectiveness ( Oee ). Universitas Serang Raya, 2013.
Jawad, A. A., & Nurrokhman, A. (2020). Pengaruh Adhesion Resin Terhadap
Performance Rubber Compound Untuk Steel Belt Pada Proses Pembuatan
Tire. Teknologi, 3.
Saragih, J., & Riawati. (2018). Aplikasi Six Sigma Dan Full Factorial Pada Proses
Curing Di Pt X. Itn Malang, 90–96.
Wahid, A., & Agung, R. (2016). Perhitungan Total Produktifitas Maintenance
(Tpm) Pada Mesin Bobin Dengan Pendekatan Overall Equipment
Effectiveness Di Pt. Xy. Journal Knowledge Industrial Engineering, 3(3),
40–49.
48
Biodata Penulis 1
Data Pribadi Penulis
Nama : Calvin Wahyu Saputra

Tempat Tanggal Lahir : Sediamaju, 28 Januari 1999
Agama : Islam
Alamat : Jl. Udayana 12 Blok UU No. 08 Cluster Udayana
RT 02 RW 20 Kelurahan Sukamamantri,
Kecamatan Pasar Kemis, Kabupaten Tangerang
E-mail : calvinwsaputra@gmail.com
Nomor HP : 08988699815
Latar Belakang Pendidikan

2004 – 2010 : SD Negeri 2 Sidodadi
2010 – 2013 : SMP Negeri 1 Gadingrejo
2013 – 2016 : SMA Negeri 11 Kota Tangerang
49
Biodata Penulis 2
Data Pribadi Penulis
Nama : Fandy Gunawan

Tempat Tanggal Lahir : Surabaya, 14 Juli 1999
Agama : Islam
Alamat : Jl. Jaksa Agung Suprapto No. 53 RT 04 RW 01
Kelurahan Jogoyudan, Kecamatan Lumajang, Kab.
Lumajang Jawa Timur
E-mail/ : fandy14gunawan@gmail.com
No HP : 081357771540
Latar Belakang Pendidikan

2006 – 2012 : SD Negeri Tompokersan 03 Lumajang
2012 – 2015 : SMP Negeri 1 Lumajang
2015 – 2018 : SMA Negeri 3 Lumajang
50

Ta TB2 Kharisma

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Ta TB2 Kharisma

Diunggah oleh

Hak Cipta:

Format Tersedia

RANCANG BANGUN ALAT VISKOSITAS METER OIL PUMP PT ABC

Kharisma Ramdahan [41422110061]

UNIVERSITAS MERCU BUANA

Diterima dan dinyatakan memenuhi syarat kelulusan pada tanggal . . . . .

Pembimbing TA Mentor Pabrik

Puguh Elmiawan Wiku Ajie Satmoro

Ridwan Arief Cahyono

Dr. Ita Mariza

ANALISIS KEEFEKTIFAN PADA MESIN CURING GUNA

Calvin Wahyu Saputra & Fandy Gunawan

POLITEKNIK GAJAH TUNGGAL

ANALISIS KEEFEKTIFAN PADA MESIN CURING GUNA

Calvin Wahyu Saputra & Fandy Gunawan

POLITEKNIK GAJAH TUNGGAL

Keywords : Overall Equipment Effectiveness; Six Big Losses; FishBone

Tugas akhir ini kami persembahkan untuk diri kami

Puji syukur Alhamdulillah dan terima kasih penulis panjatkan kepada

Penulis menyadari, banyak pihak yang telah membantu dan membimbing

Penulis ucapkan terimakasih kepada semua pihak yang terlibat dalam

Tangerang, 21 Juli 2021

BAB 4 - HASIL KAJIAN DAN PEMBAHASAN................................................23

Gambar 1. Alur Penelitian.....................................................................................18

Tabel 1. Kajian Sebelumnya...................................................................................5

I.1 Latar Belakang

Perlu dilakukan analisa untuk mengetahui faktor-faktor yang menyebabkan

I.2 Rumusan Masalah

3. Faktor apa saja yang mempengaruhi nilai Overall Equipment Effectiveness

I.2 Batasan Masalah

I.4 Tujuan Penelitian

I.5 Manfaat Penelitian

Beberapa pihak dapat memperoleh manfaat yang diperoleh dari penelitian

adalah sebagai berikut :

a. Dapat menambah daftar referensi tugas akhir Poltieknik Gajah Tunggal

Calvin Wahyu Saputra & Fandy Gunawan

BAB 2 – TINJAUAN PUSTAKA

II.1 Kajian Sebelumnya

1. 2018 Asyrof PENERAPAN Hasil yang dari pada kajian ini

2. 2016 Tamrin ANALISA Hasil dari kajian ini didapatkan

5 Calvin Wahyu Saputra & Fandy Gunawan

utama agar di eliminasi.

5 Calvin Wahyu Saputra & Fandy Gunawan

II.2 Landasan Teori

3. Ban Tanpa Tube

II.2.2 Proses Pembuatan Ban

Calvin Wahyu Saputra & Fandy Gunawan

Calvin Wahyu Saputra & Fandy Gunawan

Calvin Wahyu Saputra & Fandy Gunawan

II.2.3 Mesin Curing

II.2.4 Overall Equipment Effectiveness (OEE)

Calvin Wahyu Saputra & Fandy Gunawan

Calvin Wahyu Saputra & Fandy Gunawan

running time=loading time−downtime ..........................................(2.1.2)

II.2.4.2 Performance Rate

Aspek yang menimbulkan proses produksi tidak sesuai dengan kecepatan

jumlah produksi × waktu siklus per unir

II.2.4.3 Quality Rate

Nilai OEE di dapatkan dengan mengalikan ketiga komponen tersebut.

OEE= Availability x Performance Rate x Quality Rate...................................(2.4)

II.2.5 Six Big Losses

1. Equipment Failure Losses

2. Set Up And Adjustment Losses

3. Idling And Minor Stoppage Losses

Losses yang diakibatkan karena mesin stop dalam waktu yang