Modul - PIM - II Aa

DAFTAR ISI
TATA TERTIB LABORATORIUM...................................................................................... i

DAFTAR ISI ............................................................................................................................ v
DAFTAR GAMBAR .............................................................................................................. ix
DAFTAR TABEL................................................................................................................... xi
MODUL I
PERBAIKAN SISTEM KERJA
1.1. Tujuan Praktikum .............................................................................................................. 1.1
1.2. Teori Singkat ..................................................................................................................... 1.2
1.2.1. Sistem Kerja ...................................................................................................................... 1.2
1.2.2. Faktor Lingkungan Kerja dan Hubungannya dengan Performansi Kerja ........................... 1.4
1.2.3. Metode Penelitian Di Dalam Ergonomi dan Perancangan Kerja ..................................... 1.15
1.2.3.1.Studi Deskriptif (Descriptive Studies) ..................................................................... 1.16
1.2.3.2.Penelitian Eksperimen (Experimental Research) .................................................... 1.17
1.2.3.3.Riset Evaluasi (Evaluation Research) ..................................................................... 1.18
1.2.4. Perancangan Eksperimen ................................................................................................. 1.18
1.2.4.1.Eksperimen Satu Faktor (Faktor Tunggal) .............................................................. 1.19
1.2.4.2.Metode Perbandingan Rata-Rata ............................................................................. 1.35
1.2.4.3.Eksperimen Faktorial Penuh 2 Faktor ..................................................................... 1.36
1.2.4.4.Eksperimen faktorial 2k ........................................................................................... 1.39
1.2.5. Perancangan Ekperimen yang Dilakukan Praktikan ........................................................ 1.45
1.3. Alat, Bahan dan Data ....................................................................................................... 1.48
1.4. Prosedur Pelaksanaan Praktikum ..................................................................................... 1.49
1.4.1.Perancangan Eksperimen ........................................................................................ 1.49
1.4.2.Pelaksanaan Eksperimen Faktor Kerja .................................................................... 1.49
1.5.Sistematika Laporan .............................................................................................................. 1.54
1.6.Pustaka .................................................................................................................................. 1.54
MODUL II
PERAMALAN PERMINTAAN
2.1 Tujuan Praktikum .............................................................................................................. 2.1
2.2 Teori Singkat ..................................................................................................................... 2.3
2.2.1. Ruang Lingkup Perencanaan dan Pengendalian Produksi ................................................. 2.3
v
2.2.2. Tahapan Perencanaan dan Pengendalian Produksi ............................................................ 2.4
2.2.3. Peramalan Permintaan ....................................................................................................... 2.4
2.2.3.1.Penentuan Pola Data Permintaan .............................................................................. 2.5
2.2.3.2.Perancangan Sistem Peramalan ................................................................................. 2.5
2.2.3.3.Model Peramalan Model Time Series (deret waktu) ................................................. 2.7
1. Metode Single Moving Average ................................................................................ 2.9
2. Metode Double Moving Average .............................................................................. 2.9
3. Single Exponential Smoothing : ................................................................................ 2.9
4. Metode Double Exponential Smoothing (Metode Linier Brown) .............................. 2.9
5. Metode Regresi Linier ..............................................................................................2.10
6. Metode Multiplicative Seasonal ...............................................................................2.11
7. Metode Dekomposisi ................................................................................................2.12
2.2.3.4.Nilai Kesalahan Peramalan ..................................................................................... 2.16
2.2.3.5.Verifikasi dan Pengendalian Peramalan .................................................................. 2.17
2.2.4. Aplikasi Peramalan Permintaan dengan Menggunakan Software Minitab 13.2 dan Software
WinQSB ...................................................................................................................................... 2.18
2.3 Alat, Bahan Dan Data ...................................................................................................... 2.18
2.4 Prosedur Pelaksanaan Praktikum ..................................................................................... 2.19
2.5 Sistematika Laporan......................................................................................................... 2.19
2.6 Pustaka ............................................................................................................................ 2.19
LAMPIRAN ................................................................................................................................ L2.1
A.Aplikasi Peramalan Permintaan Dengan Menggunakan Software Minitab 13.2 ..................... L2.1
B. Aplikasi Peramalan Permintaan Dengan Menggunakan SoftwareWinQSB............................ L2.10
MODUL III
PERENCANAAN KEBUTUHAN SUMBER DAYA PRODUKSI
3.2. Teori Singkat ..................................................................................................................... 3.2
3.2.1. Definisi dan Ruang Lingkup Perencanaan Fasilitas Produksi ............................................ 3.2
3.2.2. Kebutuhan Jumlah Sumber Daya Produksi Menggunakan Routing Sheet ......................... 3.3
3.3. Alat, Bahan, Dan Data ....................................................................................................... 3.7
3.4. Prosedur Pelaksanaan Praktikum ....................................................................................... 3.7
3.5. Sistematika Laporan........................................................................................................... 3.8
3.6. Pustaka ............................................................................................................................... 3.8
vi
MODUL IV
PERENCANAAN AGREGAT
4.1. Tujuan Praktikum ...............................................................................................................4.1
4.2. Teori Singkat ......................................................................................................................4.2
4.2.1. Perencanaan Agregat ......................................................................................................... 4.2
4.2.2. Langkah-Langkah Perencanaan Agregat ........................................................................... 4.2
4.2.3. Metode Perencanaan Agregat ............................................................................................ 4.5
4.2.3.1. Metode Optimasi ..................................................................................................... 4.5
1. Model Transportasi .................................................................................................... 4.6
2. Model Programa Linier ............................................................................................4.19
4.2.3.2. Metode Trial and Error........................................................................................... 4.23
1. Pure Strategy ........................................................................................................... 4.23
2. Mixed Strategy, ........................................................................................................4.23
4.3. Alat, Bahan Dan Data .......................................................................................................4.29
4.4. Prosedur Pelaksanaan Praktikum ......................................................................................4.29
4.5. Sistematika Laporan..........................................................................................................4.30
4.6. Pustaka ............................................................................................................................. 4.30
MODUL V
PROSES DISAGREGASI, ROUGH-CUT CAPACITY PLANNING, PENENTUAN
KEBUTUHAN SUMBER DAYA PRODUKSI, MRP DAN CRP
5.2. Teori Singkat ......................................................................................................................5.2
5.2.1. Proses Disagregasi ............................................................................................................. 5.2
5.2.2. Rough-Cut Capacity Planning (RCCP) ............................................................................. 5.4
5.2.3. Material Requirement Planning (MRP)............................................................................. 5.7
5.2.3.1.Definisi MRP ............................................................................................................ 5.7
5.2.3.2.Input- Output MRP ................................................................................................... 5.8
5.2.3.3.Bill Of Material (BoM) ............................................................................................. 5.8
5.2.3.4.Lead Time ................................................................................................................. 5.9
5.2.3.5.Lot sizing ................................................................................................................... 5.9
1. Metode Lot for Lot (L-4-L) ....................................................................................... 5.9
2. Metode Part Period Balancing .................................................................................5.10
3. Metode Least Unit Cost ............................................................................................5.10
4. Metode Silver Meal ( Minimum Cost per Period) ....................................................5.11
5.2.3.6.Proses MRP ............................................................................................................ 5.13
vii
5.2.4. CRP (Capacity Requirement Planning) ........................................................................... 5.14
5.3. Alat, Bahan dan Data ........................................................................................................5.15
5.6. Pustaka ..............................................................................................................................5.17
LAMPIRAN WinQSB ................................................................................................................ L5.1
viii
DAFTAR GAMBAR
Gambar 1. 1. Bagan Sistematis dari Langkah-Langkah Perancangan Kerja ...................................... 1.2

Gambar 1.2. Gambar Eksperimen Faktorial 2 k ................................................................................ 1.24
Gambar 1. 3 Bahan dan Peralatan Percobaan Pengecatan ................................................................ 1.30
Gambar 1. 4 Percobaan dengan Teknik Semprot ............................................................................. 1.30
Gambar 1. 5 Proses Pengeringan Hasil Percobaan ........................................................................... 1.31
Gambar 1. 6 Assembly Chart Loko A .............................................................................................. 1.35
Gambar 1. 7 Assembly Chart Loko B .............................................................................................. 1.36
Gambar 1. 8 Assembly ChartLokoC.………………………………………………………………..1.37
Gambar 2. 1 Siklus Manufaktur ......................................................................................................... 2.3

Gambar 2. 2 Peramalan dalam Tahapan Perencanaan dan Pengendalian Produksi ............................ 2.4
Gambar 2. 3 Pola Data Permintaan .................................................................................................... 2.5
Gambar 2. 4 Tahapan Peramalan Permintaan .................................................................................... 2.6
Gambar 2. 5 Taksonomi Model Peramalan ........................................................................................ 2.8
Gambar 2. 6 Moving average untuk 12 bulan ...................................................................................2.14
Gambar 2. 7 Tracking signal………………………………………………………………………..2.18
Gambar L2. 1 Hasil Plot Data Food ................................................................................................. L2.2

Gambar L2. 2 Hasil Plot Data Trade ................................................................................................ L2.2
Gambar L2. 3 Hasil Plot Data Metal ................................................................................................ L2.3
Gambar L2. 4 Hasil Trend Analysis Data Trade .............................................................................. L2.4
Gambar L2. 5 Moving average untuk Data Trade ............................................................................ L2.5
Gambar L2. 6 Single Exponential Smoothing untuk Data Trade ..................................................... L2.6
Gambar L2. 7 Double Exponential Smoothing untuk Data Trade .................................................... L2.7
Gambar L2. 8 Plot Times Series Decomposition untuk Data Trade ................................................. L2.9
Gambar L2. 9 Component Analysis untuk Data Trade ..................................................................... L2.9
Gambar L2. 10 Seasonal Analysis untuk Data Trade ..................................................................... L2.10
Gambar L2. 11 Perintah Load pada Menu File .............................................................................. L2.12
Gambar L2. 12 Problem Specification ........................................................................................... L2.12
Gambar L2. 13 Forecasting and Linear Regression ...................................................................... L2.13
Gambar L2. 14 Data Forecasting and Linear Regression .............................................................. L2.13
Gambar L2. 15 Forecasting Setup untuk metode Single Exponential Smoothing .......................... L2.14
Gambar L2. 16 Forecast Result ..................................................................................................... L2.14
ix
Gambar L2. 17 Forecasting and Linear Regression untuk metode Double Exponential Smoothing
.............................................................................................................................................. L2.15
Gambar L2. 18 Tabel Forecasting Result untuk Contoh Time Series ............................................ L2.15
Gambar L2. 19 Grafik Forecasting Result untuk Contoh Time Series ........................................... L2.16
Gambar L2. 20 Forecasting and Linear Regression untuk metode Linear regression with time ... L2.16
Gambar L2. 21 Tabel Forecasting Result untuk Contoh Time Series ............................................ L2.17
Gambar L2. 22 Grafik Forecasting Result untuk Contoh Time Series ........................................... L2.17
Gambar L2. 23 Forecasting Setup untuk Metode Holt-Winters Additive Algorithm ...................... L2.18
Gambar L2. 24 Tabel Forecasting Result untuk Contoh Time Series…………………………….L2.18
Gambar 3. 1 Keterkaitan Antar Disain Produk – Proses – Skedul – Fasilitas ................................... 3.3
Gambar 4. 1 Perencanaan Agregat dalam Tahapan Perencanaan dan Pengendalian Produksi ............4.2
Gambar 4. 2 Masalah Transportasi…………………………………………………………………4.12
Gambar 5. 1 Proses Input Output MRP ..............................................................................................5.8

Gambar 5. 2. Bill of Material ..............................................................................................................5.8
Gambar 5. 3 Proses MRP..................................................................................................................5.13
Gambar L5. 1 MRP Specification ......................................................................................................... 1

Gambar L5. 2 MRP item master ..................................................................................................... L5.1
Gambar L5. 3. Entry dari BOM ....................................................................................................... L5.2
Gambar L5. 4. Entry MPS ............................................................................................................... L5.2
Gambar L5. 5. Entry Inventory Records .......................................................................................... L5.2
Gambar L5. 6 Pilihan BOM dan setupnya ...................................................................................... L5.3
Gambar L5. 7 Bill Of Material ....................................................................................................... L5.4
Gambar L5. 8 Pilihan Product Structure dan setupnya ................................................................... L5.4
Gambar L5. 9 Struktur Produk Multiple Level ................................................................................ L5.4
Gambar L5. 10 Pilihan Explode Material Requirements dan setupnya ........................................... L5.5
Gambar L5. 11 MRP untuk Explode Material Requirements ……………………………………..L5.5
x
DAFTAR TABEL
Tabel 1. 1. Rekomendasi Temperatur Maksimum dari Occupational Safety and Health Administration
(OSHA) .......................................................................................................................... 1.6
Tabel 1. 2. Color Rendering Index untuk Beberapa Jenis Lampu ...................................................... 1.8
Tabel 1. 3. Tingkat Iluminansi yang Direkomendasikan untuk Desain Pencahayaan Interior .......... 1.10
Tabel 1. 4. Pembobotan Faktor Yang Diperlukan Dalam Memilih Tingkat Iluminansi
Yang Spesifik ................................................................................................................. 1.10
Tabel 1. 5. Skala Intensitas Kebisingan ........................................................................................... 1.11
Tabel 1. 6. Lama Paparan Kebisingan untuk Kebisingan yang Terus Menerus atau
Terputus-putus. .............................................................................................................. 1.12
Tabel 1. 7. Bentuk Umum Tabel Eksperimen Faktor Tunggal Menggunakan Rancangan Acak
Lengkap dan Faktor Bersifat Tetap (Fixed) .................................................................. 1.17
Tabel 1. 8. Tabel Analisis Ragam untuk Eksperimen Faktor Tunggal Menggunakan
Rancangan Acak Lengkap ............................................................................................ 1.18
Tabel 1.9. Tabel Data Eksperimen Kekuatan Tarik ......................................................................... 1.18
Tabel 1. 10. Tabel Rata-Rata Data Eksperimen Kekuatan Tarik ...................................................... 1.19
Tabel 1. 11. Tabel Analisis Ragam Data Eksperimen Kekuatan Tarik ............................................ 1.19
Tabel 1. 12. Tabel Bentuk Umum Eksperimen Faktorial Dua Faktor .............................................. 1.21
Tabel 1.13. Tabel Analisis Ragam Bentuk Umum Eksperimen Faktorial dengan Dua Faktor
Menggunakan RAL dan Kedua Faktor Bersifat Tetap .................................................. 1.22
Tabel 1.14. Tabel Data Hasil Eksperimen Lama Bertahan Suatu Baterai ........................................ 1.23
Tabel 1. 15. Jenis Notasi yang Digunakan pada Eksperimen 2 k....................................................... 1.26
Tabel 1. 16. Tabel Analisis Ragam untuk Eksperimen 22 ................................................................ 1.27
Tabel 1.17. Tabel Data Hasil Eksperimen Konsentrasi Reaktan ...................................................... 1.28
Tabel 1.18. Tabel Analisis Ragam Data Hasil Eksperimen Konsentrasi Reaktan………………….1.29
Tabel 2. 1 Peramalan Regresi Linier .................................................................................................2.11

Tabel 2. 2 Perhitungan Indeks Peramalan Multiplicative Seasonal ...................................................2.11
Tabel 2. 3 Peramalan Multiplicative Seasonal ..................................................................................2.12
Tabel 2. 4 Data Permintaan untuk 48 Periode………………………………………………………2.15
Tabel 4. 1. Hasil Peramalan Terbaik Selama 12 Bulan .......................................................................4.4

Tabel 4. 2 Konversi Data Hasi Peramalan Dalam Satuan Agregate. ...................................................4.5
Tabel 4. 3 Perkiraan permintaan dalam satuan agregat .......................................................................4.5
xi
Tabel 4. 4 Perhitungan Perencanaan Agregat Dengan Metoda Changing Workforce Level ...............4.6
Tabel 4. 5 Perhitungan Perencanaan agregat dengan metoda Changing Inventory Levels ..................4.7
Tabel 4. 6 Perhitungan Perencanaan Agregat Dengan Metoda Subcontracting ..................................4.8
Tabel 4. 7 Perhitungan Perencanaan Agregat Dengan Metoda Mixed Strategy ..................................4.9
Tabel 4. 8 Tabel Transportasi ...........................................................................................................4.13
Tabel 4. 9 Sumber Dan Tujuan Dalam Perencanaan Agregat ...........................................................4.17
Tabel 4. 10 Matriks Transportasi ......................................................................................................4.18
Tabel 4. 11 Hasil Dari Model Transportasi……………………………………………………….....4.19
Tabel 5. 1. Penentuan Item Dalam Family Yang Akan Dibuat ...........................................................5.2

Tabel 5. 2 Data Demand 12 Periode ................................................................................................5.12
Tabel 5. 3 Perhitungan Biaya ............................................................................................................5.12
Tabel 5. 4 Tabel MRP Terbentuk......................................................................................................5.13
Tabel 5. 5 Kapasitas yang tersedia ....................................................................................................5.14
Tabel 5. 6. Routing file untuk setiap work center ..............................................................................5.14
Tabel 5. 7. Total waktu setup di setiap work center ..........................................................................5.14
Tabel 5. 8 Total run time di setiap work center .................................................................................5.15
Tabel 5. 9. Capacity Requirement Planning untuk produk A……………………………………....5.15
xii
TATA TERTIB LABORATORIUM
PERANCANGAN INDUSTRI MANUFAKTUR II (PIM II)
A. Pendaftaran
1. Setiap mahasiswa yang hendak melakukan praktikum diharuskan mencantumkan
dalam KRS yang bersangkutan dan mendaftarkan diri di Laboratorium PIM pada waktu
yang telah ditentukan.
2. Ketentuan mengenai pelaksanaan pendaftaran akan diumumkan tersendiri.
3. Bagi yang terlambat mendaftarkan diri pada waktu yang telah ditetapkan, kesempatan
praktikumnya ditunda pada tahun kuliah berikutnya.
B. Penjelasana Praktikum
1. Praktikan yang telah terdaftar wajib mengikuti Briefing Awal Praktikum menurut
jadwal yang telah ditentukan.
2. Bagi praktikan yang tidak mengikuti Briefing Awal Praktikum tidak diperkenankan
mengikuti praktikum PIM 2 pada semester berjalan, kecuali dengan alasan yang dapat
dipertanggungjawabkan kepada Koordinator PIM 2.
3. Materi Briefing Praktikum meliputi :
a. Tata Tertib Laboratorium PIM 2
b. Teori Perancangan Eksperimen
c. Teori Eksperimen Faktor Kerja
d. Teori Perencanaan dan Pengendalian Produksi yang terdiri dari :
▪ Peramalan Permintaan
▪ Perencanaan Kebutuhan Sumber Daya Produksi
▪ Perencanaan Agregat
▪ Proses Disagregasi, RCCP, MRP dan CRP
▪ Penjadwalan Mesin
▪ Penyeimbangan Lini
e. Teori Simulasi Sistem
f. Teori Otomasi Sistem Produksi
i
C. Syarat Mengikuti Praktikum
1. Praktikan wajib mengikuti semua modul praktikum PIM 2 sesuai dengan jadwal yang
telah ditentukan.
2. Praktikan diharuskan datang 15 menit sebelum waktunya.
3. Praktikan yang terlambat hadir lebih dari 30 menit, tidak diperkenankan mengikuti
praktikum, yang mengakibatkan nilai praktikum untuk modul tersebut sama dengan
nol. Bila tidak mengikuti praktikum lebih dari satu kali akan dinyatakan gugur.
4. Praktikan yang tidak dapat mengikuti praktikum sesuai jadwal, harus memberitahukan
secara tertulis kepada Koordinator PIM 2 sebelum praktikum berlangsung (disertai
dengan surat keterangan dokter, salinan resep dan kwitansinya). Koordinator PIM 2
akan berkoordinasi dengan Koordinator Asisten yang bertugas untuk menentukan
waktu pengganti praktikum (dalam minggu yang sama).
5. Tugas sebelum praktikum dikumpulkan sebelum praktikum dimulai.
6. Tes pendahuluan wajib diikuti oleh setiap praktikan, dan nilainya merupakan salah satu
komponen penilaian praktikum.
7. Laporan praktikum dikumpulkan satu hari sebelum praktikum modul berikutnya
dimulai.
D. Tata Tertib Selama Praktikum

1. Sebelum melakukan praktikum, praktikan wajib mengisi daftar hadir dan menyerahkan
tugas sebelum praktikum kepada asisten yang bertugas.
2. Praktikan wajib berpakaian sopan dan rapi (memakai sepatu dan kemeja).
3. Selama praktikum berlangsung, praktikan harus taat pada petunjuk-petunjuk dari
asisten yang membimbing.
4. Praktikan wajib menjaga kebersihan ruagan praktikum selama praktikum berlangsung.
5. Selama praktikum berlangsung, praktikan wajib menon-aktifkan HP, tidak
diperkenankan merokok, makan/minum dan melakukan perbuatan yang dianggap dapat
mengganggu jalannya praktikum (misalnya tidur pada saat praktikum berlangsung,
membuka lemari arsip, berbicara dengan teman di luar ruangan).
6. Praktikan tidak diperbolehkan meninggalkan ruang praktikum tanpa seijin asisten.
7. Praktikan wajib menjaga peralatan yang ada di Laboratorium secara bertanggungjawab
dan mengembalikan peralatan yang dipinjam dalam keadaan baik.
8. Praktikan wajib mengganti kerusakan atau kehilangan peralatan praktikum yang
dipinjam, dalam jangka waktu paling lambat 3 hari.
ii
E. Pelaksanaan Praktikum
1. Hasil pengumpulan data harus ditulis dengan tinta.
2. Hasil pengumpulan data harus disahkan terlebih dahulu oleh asisten yang bertugas
sebelum mengerjakan laporan.
F. Laporan Praktikum
1. Setiap praktikum yang telah menjalankan praktikum, wajib membuat laporan
praktikum, sesuai sistematika laporan sebagai berikut :
a. Pendahuluan
b. Teori singkat
c. Pengolahan data dan analisis hasil
d. Kesimpulan dan saran
2. Laporan diketik dalam kertas HVS ukuran A4, spasi 1,5 dengan melampirkan hasil
pengamatan yang telah disahkan oleh asisten yang bertugas.
3. Lembaran-lembaran laporan praktikum seperti pada butir (2) harus disusun rapi :
• Diberi nomor halam dikanan atas dengan format bab romawo dan angka arab
(contoh : I-1, II-1, III-1,… dst).
• Laporan harus dijilid dalam bentuk softcover dengan cover depan
menggunakan kertas buffalo dilapisi plastic bening dan cover belakang
menggunakan kertas buffalo.
4. Laporan harus dikerjakan sendiri dan dilarang meng-copy dari teman.
G. Tanda Selesai Praktikum

1. Praktikan dinyatakan lulus praktikum bila memperoleh rata-rata nilai praktikum
minimal 56.
2. Praktikan yang tidak lulus praktikum diharuskan mengulang semua modul praktikum
pada kesempatan berikutnya
H. Ujian Akhir Praktikum

1. Setelah sumua praktikum selesai, akan diadakan Ujian Akhir Praktikum.
2. Praktikan yang berhak mengikuti ujian akhir praktikum adalah praktikan yang telah
menyelesaikan minimal 8 modul.
iii
3. Materi ujian akhir meliputi modul 1-9.
I. Nilai Akhir PIM 2

1. Nilai Akhir PIM 2 merupakan gabungan dari komponen penilaian berikut:
a. Nilai akhir praktikum yang merupakan rata-rata nilai setiap modul praktikum
(teridiri atas; tugas sebelum praktikum, tes pendahuluan, laporan praktikum,
keaktifan selama praktikum dan presentasi).
b. Ujian tertukis (UAS PIM 2).
2. Bila nilai akhir praktikum kurang dari 56 dan nilai UAS PIM 2 kurang dari 56, praktikan
dinyatakan tidak lulus dan harus mengulang semua modul praktikum pada kesempatan
berikutnya.
3. Bila nilai akhir praktikum kurang dari 56 dan nilai UAS PIM 2 sedikitnya 56, maka
praktikan harus mengulang semua modul praktikum pada kesempatan berikutnya
(mengisi KRS) dan nilai UAS PIM 2 disimpan (maksimal 1 tahun penyimpanan).
4. Bila nilai akhir praktikum sedikitnya 56 dan nilai UAS PIM 2 kurang dari 56, praktikum
dinyatakan lulus bila rata-rata nilai komponen 1 a dan 1 b sedikitnya 56.
J. Sanksi-Sanksi
1. Praktikum yang terlambat 1(satu) hari mengumpulkan laporan, mengakibatkan
pengurangan nilai sebesar 50%. Jika lebih dari 1 (satu) hari batas pengumpulan laporan,
maka nilai laporan untuk modul tersebut sama dengan nol.
2. Praktikan dinyatakan gugur bila :
a. Tidak mengikuti praktikum lebih dari satuk kali.
b. Menggantikan atau digantikan oleh orang lain.
Jakarta, 24 Agustus 2020
Mengetahui
(Dr. Rina Fitriana ST,MM) (Ir. Sumiharni Batubara, MSc)

Ketua Jurusan Teknik Industri Usakti Koordinator PIM II
iv
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS TRISAKTI
MODUL PRAKTIKUM
MODUL I
( Integrasi Praktikum Pengendalian Kualitas dan
Praktikum Analisis Perancangan Kerja)
DISUSUN OLEH : HALAMAN I.0 DARI 38
Dian Mardi Safitri, ST, MT & Tim

Anggota Tim Integrasi
DIPERIKSA OLEH : NO. DOKUMEN :
Dr. Ir. Nora Azmi, MT MP-IIP222-01/R.4

Ketua Laboratorium
DISETUJUI OLEH : MULAI BERLAKU :
Dr. Rina Fitriana ST, MM

Ka Jur Teknik Industri
NAMA PRAKTIKUM : PRAKTIKUM PERANCANGAN INDUSTRI

MANUFAKTUR II
KODE MK/ PRAKTIKUM : IIP 222
PROGRAM STUDI : TEKNIK INDUSTRI
LABORATORIUM / STUDIO : DESAIN SISTEM KERJA &ERGONOMI
REKAYASA KUALITAS
Modul I Perbaikan Sistem Kerja hal 1.1 dari 38
MODUL I
1.1. Tujuan Praktikum

1. Mempraktekkan perbaikan sistem kerja melalui suatu rangkaian eksperimen pada sebuah proses
atau sistem dengan perubahan yang sengaja dilakukan pada variabel input, sehingga dapat diamati
dan diidentifikasi penyebab perubahan pada output sistem tersebut.
2. Memperkenalkan perbaikan sistem kerja pada studi kasus pengecatan dan perakitan kereta
mainan.
3. Memperkenalkan paket program Minitab sebagai pendukung dalam perancangan eksperimen.
Setelah menyelesaikan praktikum ini diharapkan :

1. Praktikan mampu melakukan perbaikan sistem kerja melalui eksperimen.
2. Praktikan mampu mengambil kesimpulan dari hasil analisa dan penerapannya di dalam studi
kasus.
3. Praktikan mampu menggunakan paket program Minitab untuk perancangan eksperimen serta
mampu menginterpretasikan hasilnya.
Kata Kunci : sistem kerja, perancangan eksperimen, pengecatan, perakitan, faktor kerja.
Fakultas Teknologi Industri MP-IIP222-01/R.4

Universitas Trisakti
1.2. Teori Singkat

1.2.1. Sistem Kerja
Sistem kerja adalah suatu sistem yang terdiri dari manusia dengan sifat dan kemampuan-
kemampuannya, bahan baku, mesin dan peralatan kerja lainnya, serta lingkungan kerja fisik. Cabang
ilmu Teknik Industri yang memberikan perhatian khusus untuk perbaikan sistem kerja adalah Human
Factors Engineering atau juga sering disebut ergonomic dan Perancangan/Penelitian Kerja (Work
Design). Human Factors memfokuskan kajiannya terhadap manusia dan interaksinya dengan produk,
peralatan, fasilitas, prosedur, dan lingkungan yang digunakan dalam bekerja dan menjalankan
kehidupan sehari-hari. Sementara Work Design menggunakan prinsip-prinsip perancangan kerja untuk
menyesuaikan tugas-tugas dan stasiun kerja secara ergonomis terhadap manusia/pekerja.
Hubungan antara Work Design, ergonomi dan perbaikan sistem kerja dapat dilihat pada
Gambar 1. 1.
PRINSIP-PRINSIP PENGATURAN
METODE KERJA
- Ergonomi
- Studi Gerakan
- Ekonomi Gerakan
Perancangan Kerja
(Work Design)
TEKNIK-TEKNIK PENGUKURAN KERJA

Beberapa
- Pengukuran Waktu Alternatif
alternatif
- Pengukuran Tenaga sistem kerja
sistem kerja
- Pengukuran dampak psikologis & terbaik
yang lebih baik
sosiologis
Produktivitas Lebih Tinggi
Gambar 1. 1. Bagan Sistematis dari Langkah-Langkah Perancangan Kerja
(Sumber : Wignjosoebroto, 2003)
Perbaikan sistem kerja tidak bisa dilepaskan dari cakupan cabang ilmu ergonomic (human
factors), seperti yang didefinisikan oleh Chapanis (1985) di dalam Sanders dan McCormick (1993) :
“Ergonomi (Human Factors) adalah cabang ilmu yang memanfaatkan informasi-informasi tentang
perilaku, kemampuan, keterbatasan dan karakteristik-karakteristik lainnya dari manusia untuk
merancang peralatan, mesin, sistem, tugas, dan lingkungan kerja untuk menghasilkan kondisi yang
lebih produktif, aman, nyaman dan efektif bagi manusia”.

Secara garis besar maksud dan tujuan melakukan perancangan ataupun perbaikan kerja (work
design atau redesign) adalah untuk meningkatkan produktivitas dan performansi kerja dari seluruh
sistem produksi yang dicapai melalui :
• Pengembangan tata cara kerja (work method) yang lebih efektif dan efisien terutama ditujukan
untuk aktivitas operasional yang diperlukan dalam proses produksi.
• Pengaturan kondisi lingkungan kerja yang lebih ergonomic sehingga mampu memberikan
kenyamanan dalam arti fisik maupun sosial psikologis.
• Pemanfaatan dan pendayagunaan secara maksimal semua potensi sumber daya manusia secara
terorganisir melalui analisis jabatan secara tepat.
Lebih jauh Wickens et.al (2004) menambahkan terdapat 5 (lima) pendekatan untuk mencapai
tiga sasaran dari human factors yaitu : peningkatan performansi kerja, peningkatan keselamatan kerja
dan peningkatan kepuasan pengguna (user). Lima pendekatan tersebut adalah:
• Perancangan Peralatan (Equipment Design)
Perancangan peralatan adalah proses merancang atau memperbaiki fasilitas fisik di tempat kerja.
Contohnya botol obat dirancang dengan label yang lebih mudah dibaca dan tutup yang lebih
mudah dibuka.
• Perancangan Kerja (Task Design)
Perancangan kerja lebih difokuskan untuk memperbaiki apa yang dilakukan oleh operator
dibandingkan dengan merubah peralatan yang digunakan. Contohnya stasiun kerja untuk lini
perakitan didesain untuk mengurangi aktivitas mengangkat beban secara manual.
• Perancangan Lingkungan Kerja (Environmental Design)
Perancangan lingkungan kerja mengaplikasikan perubahan dan perbaikan terhadap pencahayaan,
temperature, dan berusaha mengurangi kebisingan pada lingkungan fisik dimana pekerjaan
dilakukan. Pandangan yang lebih luas mengenai lingkungan kerja mencakup iklim organisasi
dimana pekerjaan dilakukan.
• Training
Training dititikberatkan pada persiapan pekerja pada kondisi dan lingkungan kerja dengan cara
pengarahan dan pelatihan keahlian mental dan fisik.
• Seleksi
Seleksi adalah teknik untuk mengenali potensi individual secara mental maupun fisik yang sesuai
untuk menghasilkan kinerja sistem yang baik. Kinerja dapat dioptimalkan dengan memilih
operator yang mempunyai keahlian dan profile yang tepat untuk pekerjaan tertentu. Contohnya
untuk pekerjaan manual handling, seleksi pekerja yang tepat dapat mengurangi resiko terjadinya
kecelakaan kerja dan cedera tulang belakang (low back pain).

1.2.2. Faktor Lingkungan Kerja dan Hubungannya dengan Performansi Kerja

Lingkungan kerja yang sesuai adalah penting, tidak hanya untuk peningkatan produktivitas
dan untuk memperbaiki kesehatan fisik dan keselamatan pekerja tetapi juga untuk mendukung pekerja
secara moral yang akan berakibat terhadap penurunan tingkat absen pekerja dan turnover pekerja.
Walaupun efek dari faktor-faktor ini tidak terlihat secara langsung namun dari eksperimen-
eksperimen yang terkendali telah dibuktikan adanya manfaat yang positif dengan memperbaiki
Iluminansi cahaya, mengurangi kebisingan, tekanan panas, memperbaiki ventilasi dan perbaikan
faktor-faktor lingkungan lainnya.
Pengalaman telah membuktikan bahwa pabrik yang memiliki kondisi kerja yang baik akan
menghasilkan tingkat produksi lebih baik dibandingkan pabrik dengan kondisi lingkungan yang
buruk. Salah satu organisasi yang mengeluarkan standar mengenai level kondisi kerja yang dapat
diterima dan direkomendasikan adalah Occupational Safety and Health Administration (OSHA).
Beberapa faktor-faktor lingkungan kerja yang dapat mempengaruhi performansi pekerja
adalah : cahaya, bunyi, temperatur, kecepatan udara, getaran, radiasi, jam kerja dan shift kerja (Niebel
dan Freivalds, 1999).
Berikut ini diuraikan tiga dari beberapa faktor lingkungan fisik yang mempengaruhi
performansi kerja manusia.
1. Temperatur
Dalam kondisi normal, tiap anggota tubuh manusia mempunyai temperatur yang berbeda-
beda. Tubuh manusia selalu berusaha untuk mempertahankan keadaan normal ini dengan
menyesuaikan diri terhadap setiap perubahan yang terjadi. Untuk kondisi panas batasan perubahan
temperatur tidak melebihi dari 20% dan untuk kondisi dingin tidak lebih dari 35% dari keadaan
normal tubuh.
Pertukaran panas yang terjadi di dalam tubuh manusia dapat digambarkan dalam suatu
persamaan keseimbangan panas sebagai berikut:
S = ( M − W )  R  W  C − E
Dimana :
S = perubahan panas tubuh
M = Panas hasil metabolisme
W = Panas dari kerja yang dilakukan
R = Panas yang diperoleh (hilang) dari radiasi
C = Panas yang diperoleh (hilang) akibat konveksi
E = kehilangan panas akibat penguapan

Selain panas yang terjadi dalam tubuh manusia, juga perlu diperhitungkan pengaruh panas
lingkungan terhadap performansi kerja. Ada 5 (lima) komponen yang membentuk panas lingkungan.
1. Suhu udara atau dry-bulb temperature.
Diukur dengan menggunakan termometer biasa yang dilindungi dari berbagai sumber panas.
2. Kelembaban relatif dari udara
Diukur dengan hidrometer berupa jumlah uap air di udara yang berkaitan dengan jumlah
maksimum uap air yang bisa ditampung udara pada suhu tersebut.
3. Wet bulb temperature
Diukur dengan memaparkan termometer pada sebuah aliran udara. Hal ini dilakukan dengan
mengayunkan termometer yang disarungi dengan kain lembab.
4. Globe temperature
Diukur dengan menggunakan termometer yang ditempatkan di tengah sebuah bola tembaga
hitam.
5. Kecepatan udara yang diukur dengan anemometer.
Peningkatan suhu lingkungan umumnya mempengaruhi suhu tubuh manusia. Peningkatan

1C suhu rectum (anus) akan meningkatkan metabolisme sebesar 10 persen. Peningkatan metabolisme
menyebabkan peningkatan jumlah panas tubuh yang harus dikeluarkan, jika tidak, suhu rectum akan
ikut meningkat dan justru meningkatkan lagi kecepatan metabolisme.
Suatu eksperimen dilakukan dengan mengukur performansi pekerja pada suhu mulai dari 22
sampai 36 C. Hasil yang didapat adalah : performansi pekerja sama baiknya pada suhu 22 – 28 C.
Kemudian menurun tajam sampai 36 C (tinggal 20 % saja). Kecepatan udara pada saat pengukuran
adalah 0.5 – 4.0 meter/detik.
Penelitian lebih lanjut yang dilakukan oleh Ramsey dan Kwon (1988) menunjukkan bahwa
tidak terjadi penurunan signifikan performans pada kegiatan yang membutuhkan logika sederhana
(contoh : mengerjakan soal aritmatika) dalam suhu eksperimen 15 - 44C (temperatur wet bulb) untuk
masa kerja 5 menit sampai 8 jam.
Pada eksperimen lain yang dilakukan terhadap pekerjaan yang kompleks dan membutuhkan
penelusuran terjadi penurunan performansi secara nyata mulai dari suhu 30 – 33C (temperatur wet-
bulb).

Tabel 1. 1. Rekomendasi Temperatur Maksimum dari Occupational Safety and Health Administration
(OSHA)
Kecepatan Udara
Rendah : Tinggi :
Beban kerja
Di bawah 1.5 m/dtk Di atas 1.5 m/detik
Ringan ( < 200 kcal/jam ) 30 oC 32.2 oC
Menengah (201-300
27.8 oC 30.6 oC
kcal/jam )
Berat ( > 300 kcal/jam ) 26 oC 28.9 oC
Suhu udara yang dingin dengan cepat juga dapat menurunkan perfomansi kerja fisik.
Penurunan suhu recum atau otot akan mengurangi kekuatan dan daya tahan otot. Bergh (1980)
menunjukkan bahwa terjadi penurunan kemampuan kerja sebesar 4 – 6 % (untuk lama kerja < 3
menit) untuk setiap penurunan 1C suhu rectum. Dingin juga mengurangi kemampuan tangan dalam
meraba sehingga kegiatan perakitan dan perbaikan menjadi lebih sulit dilakukan.
Secara umum, pendinginan secara lambat akan menghasilkan penurunan performansi lebih
besar dibandingkan dengan pendinginan secara cepat, untuk suhu akhir yang sama.
Enander (1989) menemukan bahwa pelatihan pekerja untuk pertama kali sebaiknya dilakukan
pada iklim yang normal. Setelah keterampilan diperoleh, bekerja di lingkungan yang dingin memang
lebih menguntungkan dibandingkan iklim panas.
Penyesuaian diri dapat dilakukan dengan konveksi, radiasi, dan penguapan. Dalam keadaan
dingin, tubuh manusia akan kehilangan panas tubuh melalui konveksi dan radiasi serta sebagian kecil
melalui penguapan. Dalam keadaan panas, tubuh manusia akan menerima konveksi dan radiasi yang
jauh lebih besar dari penguapan yang dilakukan tubuh. Ini menyebabkan temperatur tubuh jadi ikut
naik sebanding dengan semakin tingginya temperatur udara. Temperatur yang terlampau dingin akan
mengakibatkan gairah kerja menurun, sedangkan temperatur udara yang panas akan mempercepat
kelelahan tubuh dan pekerja akan cenderung lebih banyak melakukan kesalahan. Kondisi optimum
untuk manusia sekitar 24 – 27 0C.
2. Pencahayaan
Pencahayaan mempengaruhi kemampuan manusia untuk melihat sesuatu objek secara jelas,
cepat tanpa menimbulkan kesalahan. Iluminansi adalah cahaya yang menimpa sebuah permukaan dan
diukur dalam satuan foot candles (fc).
Cahaya yang memancar ke dalam berbagai arah berasal dari suatu sumber. Banyaknya
perncahayaan yang dipencarkan, diukur sebagai kuadrat dari jarak (d) yang dipencarkan dari sumber
datangnya cahaya.
IntensitasCahaya
Iluminansi =
d2

Beberapa dari cahaya yang datang ke suatu objek akan diserap oleh objek tersebut, namun
beberapa diantaranya akan dipantulkan. Banyaknya cahaya yang dipantulkan tersebut dinamakan
Luminansi (luminance), yang diukur dalam Foot Lamberts (fL). Hal ini ditentukan oleh permukaan
benda-benda yang memantulkan cahaya disekitar sumber cahaya, yang dikenal dengan reflectance.
Luminansi = Iluminansi x reflectance
Beberapa hal yang harus diperhatikan dalam merancang pencahayaan di suatu tempat kerja
adalah :
• Visibilitas
Visibilitas atau jarak penglihatan adalah tingkat kejelasan seseorang dalam melihat sesuatu baik
itu suatu objek maupun tulisan. Tiga faktor penting yang mempengaruhi visibilitas seseorang
adalah sudut pandang, kontras dan Iluminansi. Sudut pandang adalah sudut lihat seseorang
terhadap objek yang dilihat. Kontras adalah perbedaan tingkat luminansi antara target objek yang
dilihat dengan background nya.
Sudut pandang diukur dalam satuan arc minutes (1/60 derajat)
Sudut Pandang (arc min) = 3438 x h/d

h = tinggi dari objek yang akan dilihat
d = jarak antara mata dengan objek yang akan dilihat
Kontras = (Lmax – Lmin) / Lmax

L = Luminansi
• Sumber Cahaya
Dua parameter penting yang berhubungan dalam penentuan sumber cahaya adalah efisiensi
(keluaran cahaya per unit energi; lumens/watt) dan color rendering. Efisiensi sangat penting
karena berkaitan dengan pengeluaran uang. Penggunaan cahaya secara efisien dapat mengurangi
penggunaan energi.
CIE (1974) telah mengembangkan alat ukur yaitu Color Rendering Index (CRI) yang menghitung
derajat akurasi pengenalan warna objek untuk setiap jenis warna lampu. Contohnya pada tempat
parkir yang menggunakan lampu kuning, kita akan mengalami kesulitan dalam mengenali warna
cat mobil yang ada. Boyce (1988) menyarankan agar tidak menggunakan lampu dengan CRI < 60
jika diperlukan pengenalan warna dengan baik.

Tabel 1. 2. Color Rendering Index untuk Beberapa Jenis Lampu
No Nama Sumber cahaya CRI

1 Gas Natrium tekanan tinggi 30
2 Raksa tekanan tinggi 38
3 Homelite fluorescent 60
4 Tri-band Fluorescent 83
5 Kolorrite fluorescent 85
6 Natural fluorescent 83
7 Daylight fluorescent 60
8 Plus-white fluorescent 70
Merkuri tekanan tinggi dengan
9 80
senyawa Logam Halida
10 Artificial daylight fluorescent 93
Lampu dengan watt yang sama tidak memberikan derajat terang yang sama. Lampu
bohlam dengan daya 100 W bisa memberikan lumen (derajat terang) yang lebih rendah dibanding
dengan lampu neon. Karena itu, yang harus dipertimbangkan juga nilai lumen dan daya listrik
yang diperlukan.
• Silau (Glare)
Silau dialami jika mata mendapatkan terang dari sumber cahaya jauh dari yang dapat diterima
sehingga menimbulkan ketidaknyamanan dan mengurangi kemampuan melihat. Jenis silau antara
lain:
1. Direct glare : disebabkan langsung oleh sumber cahaya.
2. Reflected glare : disebabkan pantulan dari permukaan dibagi lagi menjadi :
a. Specular : dipantulkan oleh permukaan mengkilap, bersifat cermin
b. Spread : dari permukaan yang digosok atau batu (misalnya : granit).
c. Diffuse : dari cat atau permukaan yang dove (tidak mengkilap)
d. Compound : kombinasi 3 jenis di atas
Jendela dapat menjadi sumber silau karena cahaya matahari yang terpantul ke dalam ruangan
biasanya jauh lebih terang daripada lampu ruangan.
Mengurangi Silau dapat dilakukan dengan :
1. Mengurangi Silau dari lampu :
a. Gunakan beberapa lampu yang derajat terangnya rendah, bukan sebuah lampu yang
sangat terang

b. Jauhkan sumber cahaya sejauh mungkin dari garis pandang mata.

c. Gunakan tudung lampu atau lensa yang memendarkan cahaya
2. Mengurangi silau dari jendela
a. Gunakan jendela yang ditempatkan cukup jauh dari lantai.
b. Gunakan tirai.
c. Gunakan kanopi di luar jendela.
d. Gunakan pencahayaan ruangan yang cukup untuk mengimbangi cahaya dari jendela.
3. Mengurangi reflected glare :
a. Jaga tingkat luminansi dari sumber cahaya serendah mungkin.
b. Gunakan pencahayaan tidak langsung dan sumber cahaya yang cukup banyak
c. Posisikan sumber cahaya sehingga pantulannya tidak langsung mengarah ke mata.
d. Gunakan permukaan yang memendarkan cahaya seperti wallpaper yang tidak
mengkilat. Hindari logam mengkilap ataupun gelas.
Kemampuan mata untuk dapat melihat objek dengan jelas ditentukan oleh : ukuran objek,
derajat kontras, luminansi, dan lamanya melihat. Untuk mencari objek yang berukuran kecil
maka cahaya yang diperlukan semakin banyak. Derajat kontras adalah perbedaan derajat
terang relatif antara objek dengan lingkungan sekelilingnya. Luminansi artinya banyaknya
berkas cahaya per unit area yang dipantulkan/dipancarkan dari permukaan suatu objek.
Efektifitas mata dalam melihat suatu objek ditentukan oleh letak sumber cahaya. Sebaiknya
mata tidak langsung menerima cahaya dari sumbernya (akan menyebabkan silau), tetapi
cahaya tersebut harus terpantul dari objek yang ingin dilihat.
Cahaya yang dipantulkan dari objek mempunyai 3 (tiga) karakteristik :
1. Panjang gelombang dominan yang memungkinkan kita mengenali warna dari cahaya
misalnya : kuning, biru, dan lain-lain.
2. Luminance (Terangnya Cahaya) adalah jumlah cahaya yang dipantulkan. Sedangkan
yang dimaksud dengan illuminance adalah cahaya yang menimpa sebuah permukaan.
3. Saturation (Jenuhnya Cahaya) adalah derajat perbedaan cahaya dari warna abu-abu.
Bennet, Chitangia, dan Pangrekar (1977) menemukan bahwa terang sumber cahaya tidak
berhubungan secara linear dengan kecepatan penyelesaian tugas. Ada batas tertentu di mana
penambahan terang sumber cahaya tidak lagi membantu penyelesaian tugas. Ross (1978)
menambahkan, meningkatkan iluminasi lebih dari 500 lx (50 fc) hanya meningkatkan sedikit
performansi kerja. Hal lain yang perlu diperhatikan adalah bekerja di tempat yang terlalu terang
justru menyilaukan mata dan berakibat buruk pada jangka panjang.

Tabel 1. 3. Tingkat Iluminansi yang Direkomendasikan untuk Desain Pencahayaan Interior
Kategori Terang lx (fc) Jenis aktivitas
20-30-50
A Tempat publik dengan lingkungan yang gelap
(2-3-5)
50-75-100
B Daerah untuk kunjungan singkat
(5-7.5-10)
100-150-200
C Area kerja dimana pandangan mata tidak penting
(10-15-20)
200-300-500 Pekerjaan visual dengan keadaaan yang kontras dan ukuran besar:
D
(20-30-50) membaca, mengetik, pemeriksaan, perakitan kasar.
500-750-1000 Pekerjaaan visual dengan kontras medium dan ukuran kecil : membaca
E
(50-75-100) tulisan pensil, inspeksi yang sulit, perakitan medium
1000–1500-2000 Pekerjaan visual dengan kontras rendah dan ukuran kecil : membaca
F
(100-150-200) tulisan pensil tipe H, pemeriksaan yang sangat sulit
2000-3000-5000 Pekerjaan visual dengan kontras rendah dan ukuran yang sangat kecil
G
(200-300-500) dan dalam waktu lama: inspeksi yang sangat sulit, perakitan yang rumit
5000-7500-10000 Pekerjaan yang sangat lama dan membutuhkan pandangan yang eksak :
H
(500-750-1000) perakitan dan inspeksi yang super sulit.
Pekerjaan yang membutuhkan pandangan mata khusus pada kontras

10000-15000-20000
I yang sangat rendah dan ukuran yang sangat kecil : ruang operasi gawat
(1000-1500-2000)
darurat.
Tabel 1. 4. Pembobotan Faktor Yang Diperlukan Dalam Memilih Tingkat Iluminansi Yang Spesifik
Bobot
Karakteristik Pekerjaan dan Pekerja
-1 0 1
Umur < 40 40 - 55 > 55
Tingkat Reflectance > 70% 30 - 70% < 30%
Kecepatan dan Akurasi Not important Important Critical

Ketentuan dalam pemilihan tingkat Iluminansi yang sesuai berdasarkan bobot yang diperoleh adalah :
Bobot Tingkat Iluminansi
-3 s/d -2 Paling Kiri
-1 s/d +1 Tengah
+2 s/d +3 Paling Kanan
3. Kebisingan
Kebisingan dapat didefinisikan sebagai bunyi yang disukai, suara yang mengganggu atau
bunyi yang menjengkelkan. Suara-suara tersebut berasal dari fibrasi dari berbagai objek yang
dialirkan melalui medium seperti udara, air dan lainnya. Suara-suara tersebut tidak hanya berasal dari
udara dan air, tetapi juga dapat berasal dari benda-benda yang solid seperti struktur peralatan mesin.
Tabel 1. 5. Skala Intensitas Kebisingan
Desibel Batas dengan tertinggi

Menulikan 100-120 Halilintar
Meriam
Mesin Uap
Sangat Hiruk 80-100 Jalan hiruk pikuk
Perusahaan sangat gaduh
Peluit polisi
Kuat 60-80 Kantor gaduh
Jalan pada umumnya
Radio
Perusahaan
Sedang 40-60 Rumah gaduh
Kantor pada umumnya
Percakapan kuat
Radio perlahan
Tenang 20-40 Rumah tenang
Auditorium
Percakapan
Sangat Tenang 0-20 Suara daun-daun
Berisik
Batas dengar terendah
Ada tiga aspek yang menentukan kualitas suatu bunyi yang bisa menentukan tingkat
gangguan terhadap manusia, yaitu : lama, intensitas, dan frekuensi. Bising yang keras dan berulang-
ulang dapat menimbulkan hilang pendengaran (hearing loss) sementara. Kebisingan yang berulang-
ulang akan menyebabkan terjadinya tuli yang permanen. Mula-mula kehilangan pendengaran terjadi
pada 4000 Hz, tapi umumnya antara frekuensi 3000 sampai 6000 Hz. Lebih lanjut lagi, kehilangan
pendengaran pada 4000 Hz akan terrus berlangsung dan menyebar ke frekuensi lainnya, Melnick
(1979). Hal ini dapat dipahami karena 4000 Hz adalah frekuensi yang paling sensitif bagi telinga
manusia. Telinga manusia kurang sensitif untuk frekuensi di bawah 1000 Hz dan lebih sensitif untuk

frekuensi di atasnya. Karena itu, untuk suara dengan frekuensi rendah, intensitasnya harus lebih besar
dibanding untuk suara dengan frekuensi lebih tinggi.
Bunyi terputus-putus (non continous) meliputi bunyi yang stabil (contoh : mesin yang
beroperasi untuk waktu yang singkat), bunyi jatuhnya benda dan bunyi ledakan. Dalam kasus yang
berat, bunyi ini juga memungkinkan terjadinya kehilangan pendengaran. Hal yang perlu
dipertimbangkan juga intensitas bunyi, spektrum kebisingan, frekuensi, dan lama paparan.
Meecham (1983) menyebutkan bahwa bunyi bising dapat menimbulkan pengaruh psikologis
yang buruk. Ia melakukan penelitian selama 8 tahun pada 200.000 penduduk yang tinggal di sekitar
Bandar Udara Los Angeles. Ia menemukan meningkatnya jumlah kematian karena serangan jantung
pada penduduk usia 75 tahun dan tingkat bunuh diri pada penduduk usia 45 sampai 54 tahun. Pada
daerah yang paling bising, pesawat terbang melewati mereka pada 115 dB dan pada jam sibuk,
pesawat itu melintas setiap 2,5 menit sekali.
Tabel 1. 6. Lama Paparan Kebisingan untuk Kebisingan yang Terus Menerus atau Terputus-putus.
Intensitas suara (dBA) Waktu yang diijinkan (jam)
80 32
85 16
90 8
95 4
97 3
100 2
102 1,5
105 1
110 0.5
115 < 0.25
Kesimpulan umum mengenai pengaruh dari kebisingan :

1. Untuk dapat mempengaruhi kinerja memori jangka pendek (kegiatan logika sederhana),
diperlukan kebisingan yang lebih dari 95 dBA. Sedangkan Weinstein menemukan bahwa pada
tingkat kebisingan 68 – 70 dBA, operator mengalami kesulitan memahami arti dari bacaan
(kegiatan ini memerlukan proses tata bahasa dan memori jangka pendek).
2. Kinerja dari tugas rutin mungkin tidak akan menampakan pengaruh buruk dari kebisingan,
terkadang justru malah meningkat.

3. Jika seorang operator harus bereaksi pada waktu tertentu, menerima sinyal peringatan dan
memerlukan pandangan yang baik untuk bekerja, maka bising yang terus menerus (> 95 dBA)
sedikit pengaruhnya.
4. Fungsi penglihatan seperti : pembedaan kontras, kecepatan gerak mata, dan lain-lain, tidak
terpengaruh.
5. Pengaruh buruk dari kebisingan umumnya berkaitan dengan tugas yang harus dikerjakan terus
menerus tanpa henti dan tugas yang sulit yang memerlukan pemikiran yang mendalam.
Menurut OSHA, intensitas di atas 115 dBA tidak boleh terdengar oleh manusia.
Catatan : Suatu kesalahan umum yang sering terjadi dengan faktor bunyi dan cahaya ini adalah
anggapan bahwa setiap orang mempunyai batasan yang sama. Kita juga sering keliru dalam membuat
suatu taraf intensitas cahaya rata-rata yang dipergunakan untuk setiap orang, padahal taraf intensitas
yang dianggap optimal untuk setiap orang itu berbeda.
Jika berada pada lingkungan dengan kebisingan yang berbeda-beda maka dapat digunakan rumus
perhitungan Dosis Kebisingan sebagai berikut :
D = 100   1 + 2 + ... + n   100

C C C
 T1 T2 Tn 
D = Dosis Kebisingan
C = Waktu yang dihabiskan pada level kebisingan tertentu (jam)
T = Waktu yang diijinkan pada level kebisingan tertentu (jam) pada tabel
Jika Dosis Kebisingan lebih dari 100, maka pekerjaan tersebut tidak direkomendasikan.
1.2.3. Metode Penelitian Di Dalam Ergonomi dan Perancangan Kerja

(Wickens et.al, 2004; Sanders dan McCormick, 1993)
Secara umum, riset mengenai human factor melibatkan manusia sebagai objeknya. Namun
demikian tidak semua riset human factor melibatkan manusia. Sebagai contoh, Sanders dan Krohn
(1983) meneliti peralatan tambang untuk menilai area pandangan yang paling sesuai dari tempat kerja
operator. Berdasarkan pengumpulan data, tidak ada manusia yang terlibat disini. Riset human factor
diklasifikasikan menjadi tiga tipe riset: yaitu studi deskriptif, penelitian eksperimen dan riset evaluasi.
Ergonomi dan Perancangan Kerja adalah bagian dari ilmu pengetahuan yang bersifat empiris.
Untuk mendapatkan informasi yang bersifat empiris dan mengaplikasikannya dalam perancangan,
seorang ahli ergonomi perlu mengumpulkan data empiris untuk mengevaluasi kesesuaian (goodness)
hasil rancangannya, sehingga suatu riset yang bersifat empiris memainkan peranan penting dalam
perancangan dan pengembangan sistem kerja.

Beberapa tipe penelitian yang sering dilakukan dalam bidang perancangan sistem kerja dan
ergonomi adalah:
1.2.3.1. Studi Deskriptif (Descriptive Studies)
Pada umumnya, studi deskriptif dilakukan untuk mencari karakteristik dari suatu populasi
(biasanya menyangkut manusia) dalam atribut tertentu. Contohnya meliputi survey dimensi tubuh
manusia, mengidentifikasi kehilangan pendengaran pada rentang usia yang berbeda, dan berat beban
angkat.
Walaupun studi deskriptif tidak terlalu menarik, studi deskriptif sangat penting untuk bidang
keilmuan human factor. Studi deskriptif menghasilkan data utama yang menjadi sumber data-data
penelitian selanjutnya. Hasil dari studi deskriptif ini seringkali digunakan sebagai dasar pembuatan
keputusan. The Nuclear Regulatory Commission (1981) memerlukan survey sebagai bagian dari
perintah dalam proses meninjau tempat kendali human factor.
Dalam memilih kondisi penelitian untuk riset, keputusan yang mendasar adalah bagaimana
melakukan studi dalam dunia nyata atau laboratorium. Dengan studi deskriptif, pilihan kondisi
penelitian adalah sesuatu yang dapat diperdebatkan. Tujuan utama dari studi deskriptif adalah untuk
memperoleh data yang menggambarkan fakta-fakta mengenai populasi suatu masyarakat. Pada studi
deskriptif terdapat dua kelompok variabel yang diukur yaitu: variabel standar dan variabel stratifikasi
(predictor).
• Variabel Standar
Variabel standar menggambarkan karakteristik dan perilaku dari suatu penyelidikan. Variabel
ini dapat dikelompokkan menjadi kelas-kelas menurut tipe data yang dikumpulkan : (1)
karakteristik fisik seperti jangkauan lengan, ukuran perut dan berat badan; (2) performansi
data, seperti reaksi waktu, ketajaman visual, kekuatan pegangan tangan dan waktu memori;
(3) data subjektif seperti pilihan, opini, dan penilaian; (4) indeks fisikologi seperti temperatur
tubuh dan membesarnya mata.
• Variabel Stratifikasi
Pada beberapa survey, digunakan teknik sampling bertingkat yang akan menghasilkan
proporsi data yang mewakili karakteristik populasi seperti usia, jenis kelamin, pendidikan dan
lainnya.

Proses analisa data pada studi deskriptif dilakukan dengan perbandingan data. Banyak orang
sudah mengenal metode statistik dan konsepnya seperti distribusi frekuensi dan pengukuran mean,
median, dan mode.
1.2.3.2. Penelitian Eksperimen (Experimental Research)
Tujuan dari penelitian eksperimen adalah untuk menguji pengaruh beberapa variabel dalam
suatu perlakuan. Keputusan mengenai variabel yang akan diukur dan perilaku variabel apa yang
diamati biasanya didasarkan pada tiap keadaan nyata yang menggambarkan permasalahan sebenarnya,
atau pada teori yang dapat memprediksi variabel dan perilakunya.
Pemilihan kondisi penelitian untuk penelitian eksperimen mengandung trade-off yang
kompleks. Penelitian langsung di lapangan mempunyai keunggulan dalam hal terdapat realisme dari
variabel, pembatas lingkungan, dan karakteristik subyek. Hasil dari penelitian eksperimen lebih
mudah untuk diaplikasikan ke dalam dunia nyata. Kekurangan dari penelitian eksperimen adalah pada
masalah biaya, resiko kerusakan benda kerja, dan lemahnya pengendalian percobaan.
1.2.3.3. Riset Evaluasi (Evaluation Research)
Riset evaluasi mirip dengan penelitian eksperimen dimana tujuannya untuk menilai pengaruh
”sesuatu”. Pada riset evaluasi “sesuatu” tersebut adalah suatu sistem atau benda. Riset evaluasi pada
umumnya lebih global dan luas dibandingkan dengan penelitian eksperimen. Sebuah sistem atau
produk dievaluasi dengan memperbandingkan tujuannya; Konsekuensi yang diharapkan dan hasil
yang tidak diharapkan harus ditaksir. Seringkali studi riset evaluasi mencakup analisa keuntungan.
Contohnya riset evaluasi mencakup evaluasi program pelatihan baru, kemasan software baru untuk
pengolahan kata, atau bentuk jas yang ergonomis.
Seperti pada pemilihan kondisi penelitian untuk studi deskriptif, pemilihan kondisi penelitian
untuk riset evaluasi adalah sesuatu yang juga dapat diperdebatkan. Untuk mendapatkan hasil yang
sesuai, penelitian harus dilakukan pada kondisi yang mirip dengan dunia nyata. Evaluasi display peta
terkomputerisasi yang terdapat pada sebuah mobil menjadi salah satu contoh riset ini. Peneliti
mengendalikan satu atau lebih variabel untuk melihat efeknya pada salah satu variabel tersebut.
Variabel yang dapat dikendalikan disebut independent variable, sedangkan yang tidak dapat
dikendalikan disebut dependent variable.

1.2.4. Perancangan Eksperimen

Perancangan eksperimen adalah suatu tes dengan membuat perubahan-perubahan pada
variabel masukan dari sebuah proses supaya kita dapat mengamati dan mengidentifikasi perubahan
yang terjadi pada keluaran dari proses tersebut (Montgomery, Douglas, 2005).
Tujuan dari perancangan eksperimen adalah sebagai berikut :
1. Menentukan variabel yang paling mempengaruhi variabel respon.
2. Menentukan nilai dari variabel yang berpengaruh supaya variabel respon mendekati nilai
target
3. Menentukan nilai dari variabel yang berpengaruh supaya variasi variabel respon kecil.
4. Menentukan nilai dari variabel yang berpengaruh supaya supaya pengaruh dari faktor
gangguan dapat diperkecil.
Perancangan eksperimen dapat diaplikasikan pada karakterisasi proses, optimisasi proses,

perancangan produk, serta menentukan toleransi sistem dan komponen. Perancangan eksperimen
memiliki tiga prinsip dasar yaitu randomisasi (pengacakan), replikasi (pengulangan) dan
pengelompokkan (blocking). Randomisasi berarti penentuan alokasi material eksperimen dan urutan
pengerjaan eksperimen dilakukan secara acak. Replikasi berarti pengulangan tiap kombinasi faktor
secara independen. Hal ini untuk mengestimasi kesalahan eksperimen serta menghasilkan estimasi
yang lebih teliti dari parameter rata-rata. Pengelompokkan adalah suatu teknik rancangan yang
digunakan untuk meningkatkan ketepatan perbandingan antar faktor yang diteliti. Hal ini digunakan
untuk mengurangi atau mengeleminasi variabilitas yang ditransmisikan dari faktor pengganggu.
Berikut ini adalah beberapa metode – metode dalam perancangan eksperimen :
• Rancangan Acak Lengkap (RAL)
Diterapkan pada percobaan yang dilakukan pada lingkungan homogen (atau dapat dianggap
homogen), Perlu dijelaskan disini bahwa yang disebut “lingkungan” adalah faktor-faktor lain
diluar faktor yang sedang diteliti. Dalam percobaan RAL setiap unit percobaan di acak secara
sempurna, tanpa dibatasi oleh blok dsb.
• Rancangan Acak Kelompok (RAK)
Diterapkan pada percobaan yang dilakukan pada lingkungan tidak homogen (heterogen),
misalnyapercobaan-percobaan yang dilaksanakan di lapangan, dimana terdapat 1 sumber
keragaman diluar faktor penelitian. Dalam percobaan RAK setiap unit percobaan ditempatkan
secara acak pada setiap kelompok.
• Rancangan Bujur Sangkar Latin (RBL)
Diterapkan pada percobaan yang dilakukan pada lingkungan tidak homogen, dimana terdapat
2 sumber keragaman diluar faktor penelitian. Dalam percobaan RBL setiap unit percobaan
ditempatkan sedemikian rupa sehingga tidak ada perlakuan yang sama dalam satu baris atau

kolom. Ciri khas RBL adalah jumlah ulangan yang sama dengan jumlah perlakuan.
Disarankan RBL diterapkan pada percobaan yang memiliki 4 sampai 8 perlakuan.
Eksperimen dapat hanya melibatkan satu faktor saja maupun banyak faktor sekaligus.
Eksperimen dengan banyak faktor (multi factor experiments) dapat menggunakan rancangan faktorial
penuh umum, 2k faktorial penuh, 2k faktorial sebagian, rancangan tersarang, split-plot, mixture dan
sebagainya. Faktor itu sendiri dapat bersifat tetap (fixed) atau random. Untuk pengaturan unit
eksperimennya atau tempat/material dikenakannya perlakuan pada eksperimen faktor tunggal maupun
faktorial dapat menggunakan rancangan acak lengkap, rancangan acak kelompok maupun rancangan
bujur sangkar latin tergantung tingkat homogenitas unit eksperimennya. Praktikum yang akan
dilakukan melibatkan metode RAL, 2k faktorial, dan General Full Factorial, dikarenakan
keterbatasan waktu dan tempat.
1.2.4.1. Eksperimen Satu Faktor (Faktor Tunggal)

Penerapan eksperimen satu faktor dapat dilakukan menggunakan rancangan acak lengkap
(RAL), rancangan acak kelompok (RAK) maupun rancangan bujur sangkar latin (RBL). RAL
biasanya digunakan jika kondisi unit eksperimen yang digunakan relatif homogen. Pada umumnya
digunakan untuk eksperimen yang dilakukan di laboratorium karena kehomogenan unit eksperimen
bisa dijamin sedangkan untuk eksperimen lapangan, kehomogenan unit biasanya sulit dipenuhi
sehingga rancangan ini jarang digunakan. Selain itu eksperimen yang melibatkan unit eksperimen
yang cukup besar juga jarang sekali menggunakan rancangan acak lengkap. Hal ini terjadi karena sulit
sekali mengumpulkan unit eksperimen yang homogen dalam jumlah besar serta pengacakan perlakuan
menjadi sangat tidak efisien. Namun dalam praktikum kali ini, metode RBL dan RAK tidak
diterapkan dalam praktikum karena keterbatasan waktu praktikum.
Jika terdapat suatu eksperimen satu faktor dengan a level perlakuan (1, 2 ... a) dan setiap
perlakuan diulang sebanyak n kali maka unit eksperimen yang dilibatkan sebanyak a x n = an unit
eksperimen. Pengacakan perlakuan dilakukan langsung terhadap an unit eksperimen. Bentuk umum
data hasil eksperimen satu faktor dengan menggunakan rancangan acak lengkap dapat digambarkan
sebagai berikut:
Tabel 1. 7. Bentuk Umum Tabel Eksperimen Faktor Tunggal Menggunakan Rancangan Acak Lengkap
dan Faktor Bersifat Tetap (Fixed)
Perlakuan Observasi Total Rata-rata

1 2 3 .... n
1 Y11 Y12 Y13 .... Y1n Y1. Y 1.
2 Y21 Y22 Y23 .... Y2n Y2. Y2.
: : : : .... : : :
A Ya1 Ya2 Ya3 .... Yan Ya. Y a.
Y.. Y ..

Langkah-langkah perhitungan manual :

1. H0 : 1 = 2 = 3 =... = n (semua perlakuan memberikan respon yang sama)
2. H1 : sekurang-kurangnya dua nilai rata-rata tidak sama
3. Pilih suatu taraf nyata ()
4. Wilayah kritik : Tolak H0, jika F0 > F , a – 1, N – a
5. Perhitungan :
a n
1 a n
y..2
SSTreatment =   n (Yi. - Y..) =   y −
2
i.
2
i =1 j =1 n i =1 j =1 N
t r
SSError =  (Y
i =1 j =1
ij - Yi.) 2 = SSTotal – SSTreatment
a n a n
y..2
SSTotal =   (Y
i =1 j =1
ij - Y..) = 
i =1

j =1
y −
2
ij
N
SS
MeanSquares (MS) =
Dof
Tabel 1. 8. Tabel Analisis Ragam untuk Eksperimen Faktor Tunggal Menggunakan Rancangan Acak
Lengkap
Source of Sum of Squares Degrees of Freedom Mean Squares

F0
Variation (SS) (DoF) (MS)
Between SS T MSTreatment
SSTreatment a–1 F0 =
Treatments DoFT MSE
Error (within SSError SS E
N–a
treatments) DoFE
Total SSTotal N–1
6. Kesimpulan : Terima / tolak H0 dan simpulkan bahwa ….
Contoh Perhitungan Eksperimen Faktor Tunggal : Eksperimen Kekuatan Tarik

Seorang insinyur pengembangan produk tertarik untuk meneliti faktor yang berpengaruh terhadap
respon kekuatan tarik sebuah fiber sintetis yang akan digunakan untuk pakaian pria. Insinyur ini
mengetahui dari pengalaman bahwa kekuatan ini dipengaruhi oleh persen berat dari katun yang
digunakan untuk mencampur bahan fiber. Lebih lanjut, dia menduga bahwa peningkatan persen berat
katun akan meningkatkan kekuatan tarik. Sebagai contoh diketahui bahwa kandungan katun harus
berada antara 10 - 40%. Insinyur ini memutuskan untuk menguji dalam 5 level : 15%, 20%, 25%,
30% dan 35%. Dia juga memutuskan untuk menguji 5 spesimen untuk setiap level eksperimen. Ini

adalah eksperimen faktor tunggal dengan a = 5 level faktor yaitu level berat katun dan n = 5 replikasi
atau pengamatan. Kedua puluh lima eksperimen ini harus dilakukan dalam urutan acak. Rancangan
yang digunakan adalah rancangan acak lengkap dimana setiap unit eksperimen diusahakan homogen.
Berdasarkan eksperimen didapatkan hasil seperti di bawah ini :
Tabel 1.9. Tabel Data Eksperimen Kekuatan Tarik
Observation
Cotton Weight Percent
1 2 3 4 5
15 7 7 15 11 9
20 12 17 12 18 18
25 14 18 18 19 19
30 19 25 22 19 23
35 7 10 11 15 11
Untuk mengetahui apakah persen berat katun mempengaruhi kekuatan tarik dari fiber tersebut maka
dilakukan analisa variansi (ragam) dengan langkah-langkah sebagai berikut:

1. H0 : 1 = 2 = 3 = 4 = 5
3.  = 0.05
4. Wilayah kritik : Tolak H0, jika F0 > F0.05, 4, 20 = 2.87
5. Perhitungan :
Tabel 1. 10. Tabel Rata-Rata Data Eksperimen Kekuatan Tarik
Weight Observed Tensile Strength

(lb/in2) Total Averages
Percent of
1 2 3 4 5 Yi Yi.
Cotton
15 7 7 15 11 9 49 9.8
20 12 17 12 18 18 77 15.4
25 14 18 18 19 19 88 17.6
30 19 25 22 19 23 108 21.6
35 7 10 11 15 11 54 10.8
Y.. = 376 Y.. =15.04

Tabel 1. 11. Tabel Analisis Ragam Data Eksperimen Kekuatan Tarik
Source of Sum of Degrees of Freedom Mean Squares

F0 Pvalue
Variation Squares (SS) (DoF) (MS)
Cotton
475.76 4 118.94 14.76 <0.01
Weight %
Error 161.2 20 8.06
Total 636.96 23
6. Kesimpulan :
Tolak H0 dan simpulkan bahwa persen berat katun mempengaruhi kekuatan tarik.
Berikut ini adalah perhitungan dengan menggunakan Minitab

Hasil Output Minitab:
One-way ANOVA: tensile versus percent
Analysis of Variance for tensile

Source DF SS MS F P
percent 4 475,76 118,94 14,76 0,000
Error 20 161,20 8,06
Total 24 636,96
Individual 95% CIs For Mean
Based on Pooled StDev
Level N Mean StDev ------+---------+---------+---------+
15 5 9,800 3,347 (-----*----)
20 5 15,400 3,130 (----*----)
25 5 17,600 2,074 (----*----)
30 5 21,600 2,608 (----*----)
35 5 10,800 2,864 (-----*----)
------+---------+---------+---------+
Pooled StDev = 2,839 10,0 15,0 20,0 25,0
Analisa hasil Minitab :

1. H0 : 1 = 2 = 3 = 4 = 5
3.  = 0.05
4. Wilayah kritik : Pvalue ≤  = 0.05
5. Berdasarkan hasil perhitungan minitab diperoleh : Pvalue (0.0) ≤ 0.05
6. Kesimpulan : Tolak H0 dan dapat disimpulkan bahwa berat katun mempengaruhi tensile
strength.

Rancangan Acak Kelompok Lengkap sangat baik digunakan jika terdapat unit
percobaan yang hetrogen tetapi masih berasal dari satu sumber keragaman. Percobaan
rancangan acak kelompok cukup baik digunakan untuk mengatasi kesulitan dalam
mempersiapkan unit percobaan homogen dalam jumlah besar. Komponen keragaman unit
yang perlu diperhatikan dalam menentukan pembentukan kelompok adalah komponen
keragaman diluar perlakuan yang ikut mempengaruhi respon dari unit percobaan. Namun
demikian kelompok yang dibentuk hendaknya menghindari terjadinya intraksi dengan
perlakuan yang diberikan terhadap unit-unit percobaan.
Kelompok yang dibentuk harus merupakan kumpulan dari unit-unit percobaan yang
relatif homogen sedangkan keragaman antar kelompok diharapkan cukup tinggi. Banyaknya
unit percobaan pada masing-masing kelompok minimal sebanyak perlakuan yang diteliti. Hal
ini disarankan mengingat perlakuan yang dicobakan harus muncul pada setiap kelompok.
Misalkan kita mempunyai a perlakuan yang akan dibandingkan dengan b kelompok.
Susunan rancangan acak kelompok lengkap ditunjukkan pada gambar di bawah ini. Hanya
ada satu pengamatan tiap perlakuan pada setiap blok, dan susunan dari tiap perlakuan yang
dilakukan dalam tiap blok ditentukan secara acak. Dengan kata lain blok merupakan restriksi
pada randomisasi.
Block 1 Block 2 Block b
y11 y12 y1b
y21 y22 y2b
y31 y32 y3b
. . .
. . .
. . .
ya1 ya2 yab
Gambar 1.2. Rancangan Acak Kelompok Lengkap
Pengacakan dan Bagan Percobaan

Jika terdapat suatu percobaan dengan enam buah perlengkapan (P1, P2, P3, P4, P5,
P6) dan setiap perlakuan diulang dalam tiga kelompok atau blok. Dengan demikian unit
percobaan yang dilibatkan sebanyak 6 unit pada setiap blok sehigga secara keseluruhan
dibutuhkan 3 x 6 = 18 unit percobaan. Pengacakan perlakuan dilakukan pada masing-masing
blok percobaan. Sehingga salah satu bagan percobaan dapat digambarkan sebagai berikut:

Tabel 1. 12. Pengacakan bagan percobaan untuk rancangan acak kelompok lengkap
P1 P3 P2 P4 P6 P5 Block 1
Tabulasi datanya dapat disajikan sebagai berikut:

Tabel 1. 13. Tabulasi data rancangan acak kelompok lengkap
Perlakuan
Block Tabel blok ( Y k )
P1 P2 P3 P4 P5 P6
1 y11 y21 y31 y41 y51 y61 Y1
2 y12 y22 y32 y42 y52 y62 Y2
3 y13 y23 y33 y43 y53 y63 Y3
Total perlakuan (Y i ) Y1 Y2 Y3 Y4 Y5 Y6 Total keseluruhan ( Y )
Langkah – langkah perhitungan manual:

1. Tentukan H0 :
H01 : 1 = 2 = ... = i
H02 : 1 = 2 = ... = j
2. Tentukan H1
H11 : Sekurang-kurangnya terdapat sepasang i yang berbeda nyata
H12 : Sekurang-kurangnya terdapat sepasang j yang berbeda nyata
3. Pilih suatu taraf nyata (
4. Wilayah kritik :
Tolak H01 jika F1 > F =F
Tolak H02 jika F1 > F =F
5. Perhitungan :

• Yijk = Pk + Eijk
• Yijk = Pengamatan pada satuan i yang memperoleh kombinasi perlakuan taraf j

faktor A dan taraf K faktor P
• = Mean populasi
• Pk = Pengaruh taraf k dari faktor kelompok
• = Pengaruh taraf i dari faktor A
• = Pengaruh taraf j dari faktor B
• = Pengaruh taraf i faktor A dan taraf j faktor B
• Eijk = Pengaruh acak dari satuan percobaan ke-k yang memperoleh kombinasi
perlakuan ij.
Tabel 1. 14. Analisis ragam untuk rancangan acak kelompok lengkap

Sources of Degrees of
Sum of Squares Mean Squares F0
Variation Freedom
Treatments SST reatments a- 1
Blocks SSBlocks b- 1
Error SSE (a - 1)(b - 1)
Total SST otal N -1
6. Kesimpulan :
Terima / tolak H01 dan simpulkan bahwa...
Terima / tolak H02 dan simpulkan bahwa...
Contoh Soal (Mesin Uji Kekerasan):

Misalkan kita ingin menentukan apakah 4 tipe indentor (alat tekan) yang berbeda
menghasilkan pembacaan yang berbeda pada mesin uji kekerasan. Mesin ini beroperasi
dengan menekankan ujung indentor pada spesimen logam yang akan diuji, dan dari
kedalaman hasil tekanan, kekerasan dari logam tersebut dapat ditentukan. Peneliti telah
menetapkan untuk melakukan 4 pengamatan untuk masing-masing indentor. Jadi akan
dilakukan ercobaan sebanyak 4 x 4 = 16 unit percobaan. Data hasil uji kekerasan yang
diperoleh adalah sebagai berikut:

Tabel 1. 15. Data percobaan uji kekerasan

Spesimen Logam Uji
Indentor
Aluminium Tembaga Timah Besi
1 9.3 9.4 9.6 10
2 9.4 9.3 9.8 9.9
3 9.2 9.4 9.5 9.7
4 9.7 9.6 10 10.2
Perlu diingat bahwa susunan urutan percobaan di atas ditentukan secara acak. Untuk
memudahkan perhitungan maka akan dilakukan cara coding yaitu seluruh data pengamatan
awal pada tabel di atas dikurangi dengan 9.5 dan mengalikannya dengan 10 sehingga
diperoleh tabel data hasil yang baru sebagai berikut:
Tabel 1. 16. Data hasil percobaan yang di-coding

Spesimen Logam Uji
Indentor yi
1 2 3 4
1 -2 -1 1 5 3
2 -1 -2 3 4 4
3 -3 -1 0 2 -2
4 2 1 5 7 15
yj -4 -3 9 18 y.. = 20
1. : = = =
: = = =
2. : sekurang-kurangnya terdapat sepasang yang berbeda nyata
: sekurang-kurangnya terdapat sepasang yang berbeda nyata
3. = 0.05
4. Wilayah kritik :
Tolak jika > = 3.86
Tolak jika > = 3.86
5. Perhitungan :

Tabel 1. 17. Analisis ragam data hasil percobaan yang di-coding
Source of Sum of Degrees of Mean

P - Value
Variation Squares Freedom Squares
Treatments 38,50 3 12,83 14,44 0,0009
Blocks 82,50 3 27,50 30,90
Error 8,00 9 0,89
Total 129,00 15
6. Kesimpulan :
Tolak dan simpulkan bahwa jenis indentor mempengaruhi rata-rata pembacaan
tingkat kekerasan.
Tolak dan simpulkan bahwa pengelompokkan jenis logam mempengaruhi rata-
rata pembacaan tingkat kekerasan.

Langkah-langkah perhitungan dengan Minitab :

1. Masukkan data pada data window seperti di bawah ini :
Tabel 1. 18. Input data Rancangan Acak Kelompok Lengkap
Uji
Indentor Logam
Kekerasan
1 1 -2
2 1 -1
3 1 -3
4 1 2
1 2 -1
2 2 -2
3 2 -1
4 2 1
1 3 1
2 3 3
3 3 0
4 3 5
1 4 5
2 4 4
3 4 2
4 4 7
2. Pilih Stat > ANOVA > General Linear Model
3. Pada kolom Response masukkan variabel uji kekerasan
4. Pada kolom masukkan variabel indentor dan logam
Keterangan :
• Response : berisi variabel yang akan diuji
• Factors: digunakan untuk mengidentifikasi variabel-variabel yang akan
dianalisa.

Gambar 1. 3. Menu Pilihan General Linear Model

5. Kemudian klik OK
Hasil keluaran pada session window berupa uji ANOVA sebagai berikut :

1. : = = =
: = = =
2. : sekurang-kurangnya terdapat sepasang yang berbeda nyata
: sekurang-kurangnya terdapat sepasang yang berbeda nyata
3. = 0.05

4. Wilayah kritik :
Tolak jika ≤ = 0.05
Tolak jika ≤ = 0.05
5. Perhitungan :
(0.001) ≤ 0.05
(0.001) ≤ 0.05
6. Kesimpulan :
Tolak dan simpulkan bahwa jenis indentor mempengaruhi rata-rata pembacaan
tingkat kekerasan.
Tolak dan simpulkan bahwa pengelompokkan jenis logam mempengaruhi rata-rata
pembacaan tingkat kekerasan.
Rancangan Bujur Sangkar Latin adalah suatu desain untuk mengurangi kesalahan
dalam percobaan dengan menghilangkan varuasi yang ada yang disebabkan oleh variabel
gangguan yang terkontrol dan diketahui. Rancangan ini mengendalikan komponen
keragaman unit-unit percobaan dua arah (sebutlah arah baris dan arah kolom).
Beberapa hal yang perlu diperhatikan dalam menerapkan rancangan bujur sangkar
latin meliputi : banyaknta perlakuan yang dilakukan harus sama banyak dengan jumlah
ulangan. Perlakuan hanya boleh muncul sekali pada setiap baris dan setiap kolom di mana
perlakuan tersebut disimbolkan dengan huruf latin.
Pengacakan dan Bagan Percobaan

Suatu penelitian melibatkan 4 percobaan (A,B,C,D) di mana penempatan perlakuan
diacak berdasarkan posisi baris dan kolom. Dengan demikian diperlukan 4 posisi baris dan 4
posisi kolom. Oleh karena posisi perlakuan ditentukan berdasarkan posisi baris dab kolom,
maka banyak unit percobaan yang diperlukan adalah 4x4 unit percobaan. Salah satu cara
untuk mendapatkan penempatan perlakuan yang tepat maka dapat diambil 3 langkah utama
sebagai berikut :
(i) Penempatan perlakuan searah diagonal
No. Baris
A C D B 1
B A C D 2
D B A C 3
C C B A 4
No. Kolom 1 2 3 4

(ii) Pengacakan penempatan baris

No. Baris
D B A C 3
B A C D 2
C D B A 4
A C D B 1
No. Kolom 1 2 3 4
(iii)Pengacakan penempatan kolom

No. Baris
B C D A 3
A D B C 2
D A C B 4
C B A D 1
No. Kolom 2 4 1 3
Bentuk tabulasi datanya dapat disajikan sebagai berikut :

Tabel 1. 19. Tabulasi data rancangan bujur sangkar latin
Kolom Total Baris
L1 L2 L3 L4
Baris (Yi(j))
B C D A
B1 Y.1(.)
(Y11(2)) (Y12(3)) (Y13(4)) (Y14(1))
A D B C
B2 Y.2(.)
(Y21(1)) (Y22(4)) (Y23(2)) (Y24(3))
D A C B
B3 Y.3(.)
(Y31(4)) (Y32(1)) (Y33(3)) (Y34(2))
C B A D
B4 Y.4(.)
(Y41(3)) (Y42(2)) (Y43(1)) (Y44(4))
Total Kolom
Y.1(.) Y.2(.) Y.3(.) Y.4(.) Y..(.)
(Yj(i))

Langkah-langkah perhitungan manual:

1. : = ... = = 0 (perlakuan tidak berpengaruh terhadap respon yang diamati)
: = ... = = 0 (baris tidak berpengaruh terhadap respon yang diamati)
: = ... = = 0 (kolom tidak berpengaruh terhadap respon yang diamati)
2. : paling sedikit ada satu k dimana ≠0
: paling sedikit ada satu k dimana ≠0

3. Pilih suatu taraf nyata

4. Tolak jika >
5. Perhitungan :
Tabel 2-17. Analisis ragam untuk rancangan bujur sangkar latin
Source of Degrees of
Sum of Squares Mean Square FH
Variation Freedom
Treatments p-1
Rows p-1
Columns p-1
(by subtraction)
(p-2)(p-1
Error
)
Total N-1
6. Kesimpulan :
a. Terima/tolak dan disimpulkan bahwa......
b. Terima/tolak dan disimpulkan bahwa......
c. Terima/tolak dan disimpulkan bahwa......

Contoh:
Suatu percobaan mempelajari efek dari 5 Rocket Propellant Formulation yang berbeda pada
pesawat yang akan digunakan dalam usaha penjelajahan ke Mars. Adapun observasi
dilakukan oleh lima orang operator dengan menggunakan 5 batch raw material yang berbeda
terhadap rata-rata pembakaran. Data yang ada adalah sebagai berikut:
Tabel 1. 20. Data Rancangan Bujur Sangkar Latin
Batch Raw Operator

Material 1 2 3 4 5
1 A = 24 B = 20 C = 19 D = 24 E = 24
2 B= 17 C = 24 D = 30 E = 27 A = 36
3 C = 18 D = 38 E = 26 A = 27 B = 21
4 D = 26 E = 31 A = 26 B = 23 C = 22
5 E = 22 A = 30 B = 20 C = 29 D = 31
Jawab : Setelah tiap nilai perlakuan dikurangi 25 (angka yang diambil secara acak untuk
memudahkan perhitungan), maka kita mendapat tabel sebagai berikut:
Tabel 1. 21. Data Rancangan Bujur Sangkar Latin yang di-coding
Batch Raw Operator

Material 1 2 3 4 5 Yi.
1 A = -1 B = -5 C = -6 D = -1 E = -1 -14
2 B= -8 C = -1 D=5 E=2 A = 11 9
3 C=7 D = 13 E=1 A=2 B = -4 5
4 D=1 E=6 A=1 B=2 C = -3 3
5 E = -3 A=5 B = -5 C=4 D=6 7
y..k -18 18 -4 5 9 10 = y...
1. : = ... = = 0 (perlakuan tidak berpengaruh terhadap respon yang diamati)
: = ... = = 0 (baris tidak berpengaruh terhadap respon yang diamati)
: = ... = = 0 (kolom tidak berpengaruh terhadap respon yang diamati)
2. : paling sedikit ada satu k dimana ≠0

3. = 0.05
4. Wilayah kritik:
Tolak H0 jika Fhitung > F(4,12) = 3.26; Pvalue ≤ 0.05

5. Perhitungan:
SStotal =
SSbatch =
SSoperator =
Total treatment (perlakuan) adalah sebagai berikut:

Angka Latin Total perlakuan
A y-1 - = -1 + 5 + 1 + 2 + 11 = 18
B y- 2 -= -24
C y-3 -= 13
D y-4 -= 24
E y-5 -= 5
SSFormulation =
SSError = SSTotal – SSbatch – SSoperator – SSformulation

= 676 – 68 – 150 – 330 = 128
Tabel 1. 22. Analisis ragam rancangan bujur sangkar latin
Source of Sum of Degrees of Mean

F0 Pvalue
Variation squares freedom Square
Formulation 330 4 82.5 7.73 0.0025
Raw Material 68 4 17 1.59
Operator 150 4 37.5 3.51
Error 128 12 10.67
Total 676 24
6. Kesimpulan:
a. Tolak H01 dan simpulkan bahwa faktor Rocket Propellant Formulation berpengaruh
secara signifikan terhadap rata-rata pembakaran
b. Terima H02 dan simpulkan bahwa faktor batch raw material tidak berpengaruh,
sehingga faktor ini cenderung dapat diabaikan dalam percobaan
c. Tolak H03 dan simpulkan bahwa faktor operator berpengaruh secara signifikan
terhadap rata-rata pembakaran

Langkah-langkah perhitungan dengan Minitab:

1. Masukkan data pada data window seperti di bawah ini:
Raw Rocket Propellants Obs Burning Obs Burning
Operator
Material Formulation Rate rate_1
1 1 A 24 -1
2 1 B 17 -8
3 1 C 18 -7
4 1 D 26 1
5 1 E 22 -3
1 2 B 20 -5
2 2 C 24 -1
3 2 D 38 13
4 2 E 31 6
5 2 A 30 5
1 3 C 19 -6
2 3 D 30 5
3 3 E 26 1
4 3 A 26 1
5 3 B 20 -5
1 4 D 24 -1
2 4 E 27 2
3 4 A 27 2
4 4 B 23 -2
5 4 C 29 4
1 5 E 24 -1
2 5 A 36 11
3 5 B 21 -4
4 5 C 22 -3
5 5 D 31 6
2. Pilih Stat > ANOVA > General Linear Model > Fit General Linear Model
3. Pada kolom Response masukkan variabel Obs Burning Rate_1
4. Pada kolom Factors masukkan variabel Raw Material, Operator, dan Rocket Propellant
Formulation
Keterangan:
• Response: Berisi variabel yang akan diuji
• Model: Digunakan untuk mengidentifikasi variabel-variabel yang akan dianalisa
• Covariates: Jika mempunyai variabel yang bersifat random/acak

5. Kemudian klik OK
Kemudian hasil keluarannya pada session window berupa uji Anova seperti dibawah ini
Analisa hasil minitab:

1. H01 : α1 = α2 = α3 = α4 = α5
H02 : τ1 = τ2 = τ3 = τ4 = τ5
H03 : β1 = β2 = β3 = β4 = β5
2. H11 : Sekurang-kurangnya terdapat sepasang αi yang berbeda nyata
H12 : Sekurang-kurangnya terdapat sepasang τj yang berbeda nyata
H13 : Sekurang-kurangnya terdapat sepasang βk yang berbeda nyata
3. α = 0.05
4. Wilayah kritik:
Tolak H01, jika Pvalue1 ≤ 0.05
5. Perhitungan:
Pvalue1 (0.239) ≥ 0.05

Pvalue2 (0.003) ≤ 0.05

Pvalue3 (0.040) ≤ 0.05
6. Kesimpulan:
Terima H01 dan simpulkan bahwa Raw Material tidak berpengaruh terhadap rata-rata
pembakaran
Tolak H02 dan simpulkan bahwa Rocket Propellant Formulation berpengaruh terhadap
rata-rata pembakaran
Tolak H03 dan simpulkan bahwa Operator berpengaruh terhadap rata-rata pembakaran
1.2.4.2. Metode Perbandingan Rata-Rata

Metode Tukey
Prosedurnya perlu menggunakan q(a,f) untuk menentukan nilai kritik untuk semua pasangan
perbandingan, tanpa memperhatikan berapa banyak rata-rata dalam kelompok. Nilai rata-rata yang
berbeda signifikan jika nilai absolute dari perbedaan sampel-sampel melebihi :
MS E
Tα = qα (a,f) S y = qα (a,f)
i
n
Dari contoh soal Rancangan Acak Lengkap di atas, didapat MS E = 8.06, sehingga S y = 1.27
i
dan menggunakan q0.05(5,20) = 4.23, akibatnya tidak ada pasangan dari nilai rata-rata yang
menunjukkan perbedaan yang signifikan kecuali | y i − y j | melebihi
T0.05 = q 0.05(5,20) S y = (4.23)(1.27) = 5.37

i
Dengan menggunakan ini nilai kritik untuk data sebelumnya, ditemukan bahwa y 3 dan
y 4 tidak berbeda signifikan; begitu pula y 2 dan y 5 tidak berbeda signifikan. Tampilan grafik
hasilnya yaitu
y1 y5 y2 y3 y4
9.8 10.8 15.4 17.6 21.6

Hasil Output Minitab

Tukey's pairwise comparisons
Family error rate = 0.0500

Individual error rate = 0.00722
Critical value = 4.23
Intervals for (column level mean) - (row level mean)
15 20 25 30
20 -10.971
-0.229
25 -13.171 -7.571
-2.429 3.171
30 -17.171 -11.571 -9.371

-6.429 -0.829 1.371
35 -6.371 -0.771 1.429 5.429

4.371 9.971 12.171 16.171
Catatan : Bila selang di atas melewati angka nol, maka kedua rata-rata tidak berbeda signifikan.
Sebaliknya bila selang di atas tidak melewati angka nol, maka kedua rata-rata berbeda signifikan.
1.2.4.3. Eksperimen Faktorial Penuh 2 Faktor

Eksperimen ini melibatkan dua faktor yang berpengaruh terhadap variabel respon, yaitu
faktor A dengan level sebanyak a dan faktor B dengan level sebanyak b.
Tabel 1. 23. Tabel Bentuk Umum Eksperimen Faktorial Dua Faktor
Faktor B
1 2 ... b
1 y111,y112,...,y11n y121,y122,...,y12n y1b1,y1b2,...,y1bn

...
2 y211,y212,...,y21n y221,y222,...,y22n y2b1,y1b2,...,y2bn

...
Faktor A : ...
a ya11,ya12,...,ya1n ya21,ya22,...,ya2n yab1,yab2,...,yabn

...
Langkah-langkah perhitungan manual :.

1.H01 : 1 = 2 = 3 =... = a (faktor A memberikan respon yang sama)
H02 : 1 = 2 = 3 =... = b (faktor B memberikan respon yang sama)
H03 : ()1 = ()2 = ()3 =... = ()ab (interaksi faktor A dan faktor B memberikan respon yang
sama)

2.H11 : sekurang-kurangnya satu nilai i ≠ 0

H12 : sekurang-kurangnya satu nilai j ≠ 0
H13 : sekurang-kurangnya satu nilai ()ij ≠ 0
4. Wilayah kritik : Tolak H0, jika F0 > F , a – 1, ab(n-1)
Tolak H0, jika F0 > F , b – 1, ab(n-1)
Tolak H0, jika F0 > F , (a – 1)(b-1), ab(n-1)
5. Perhitungan :
1 a 2 y 2 ..
SSA = 
bn i =1
y i.. −
abn
1 b 2 y 2 ..
SSB =  y . j. − abn
an i =1
1 a b 2 y 2 ..
SSAB = 
n i =1 j =1
y ij. −
abn
− SS A − SS B
a b n
y 2 ...
SSTotal =  yijk2 −
i =1 j =1 k =1 abn
SSerror = SSTotal – SSA - SSB - SSAB
SS
MeanSquares (MS) =
Dof
Tabel 1.12. Tabel Analisis Ragam Bentuk Umum Eksperimen Faktorial dengan Dua Faktor
Menggunakan RAL dan Kedua Faktor Bersifat Tetap
Source of Sum of Squares Degrees of Freedom Mean Squares
F0
Variation (SS) (DoF) (MS)
A SS A MSA
SSA a–1 F0 =
Treatment a -1 MSE
B SS B MSB
SSB b-1 F0 =
Treatment b -1 MSE
SS AB MSAB
Interaksi AB SSAB (a-1)(b-1) F0 =
(a - 1)(b - 1) MSE
SSError SS Error
Error ab(n-1)
ab(n - 1)
Total SSTotal abn-1

Contoh Perhitungan Eksperimen Faktorial dengan dua Faktor

Eksperimen untuk mengetahui lama bertahannya dari suatu baterai. Faktor yang berpengaruh adalah
suhu dan tipe material. Data hasil eksperimen sebagai berikut :
Tabel 1. 24. Tabel Data Hasil Eksperimen Lama Bertahan Suatu Baterai
Material Temperature (oF)
Type 15 70 125
130 155 34 40 20 70
1
74 180 80 75 82 58
150 188 136 122 25 70
2
159 126 106 115 58 45
138 110 174 120 96 104
3
168 160 150 139 82 60
Hasil Output Minitab :

General Linear Model: Battery Life versus Material Type; Temperature
Factor Type Levels Values
Material fixed 3 1 2 3
Temperat fixed 3 1 2 3
Analysis of Variance for Battery, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P

Material 2 10683,7 10683,7 5341,9 7,91 0,002
Temperat 2 39118,7 39118,7 19559,4 28,97 0,000
Material*Temperat 4 9613,8 9613,8 2403,4 3,56 0,019
Error 27 18230,7 18230,7 675,2
Total 35 77647,0
Unusual Observations for Battery
Obs Battery Fit SE Fit Residual St Resid

10 74,000 134,750 12,992 -60,750 -2,70R
28 180,000 134,750 12,992 45,250 2,01R
R denotes an observation with a large standardized residual.
Analisa Hasil Minitab :

1. H01 : 1 = 2 = 3 =... = a (faktor Material Type memberikan respon yang sama)
H02 : 1 = 2 = 3 =... = b (faktor Temperature memberikan respon yang sama)
H03 : ()1 = ()2 = ()3 =... = ()ab (interaksi faktor Material Type dan faktor Temperature
memberikan respon yang sama)
2. H11 : sekurang-kurangnya satu nilai i ≠ 0
H12 : sekurang-kurangnya satu nilai j ≠ 0
H13 : sekurang-kurangnya satu nilai ()ij ≠ 0

4. Wilayah kritik : Tolak H0, jika Pvalue < 

5. Kesimpulan :
Tolak H01 menyatakan bahwa terdapat pengaruh faktor Material Type didalam eksperimen;
Tolak H02 menyatakan bahwa terdapat pengaruh faktor Temperature di dalam eksperimen;
Tolak H03 menyatakan bahwa terdapat pengaruh interaksi Material type dan temperature di
dalam eksperimen
1.2.4.4. Eksperimen faktorial 2k

Dalam eksperimen faktorial 2k, mengandung k faktor dengan masing-masing faktor
mempunyai 2 level. Eksperimen ini biasa digunakan pada tahap awal eksperimen untuk menyeleksi
faktor (factor screening experiment). Karena hanya melibatkan 2 level, diasumsikan respon bersifat
linier sepanjang level faktor yang dipilih. Asumsi ini dapat diuji dengan cara memasukkan titik pusat
(center point) dalam eksperimen. Ketika digunakan titik pusat dalam eksperimen maka k faktor yang
diuji bersifat kuantitatif atau level faktornya bersifat numerik.
Gambar berikut ini menunjukkan eksperimen dengan 2 dan 3 faktor. Titik-titik yang ada pada
gambar mewakili kombinasi yang unik dari level setiap faktor. Sebagai contoh, dalam eksperimen
dengan dua faktor, titik pada sudut kiri bawah mewakili trial eksperimen ketika faktor A diset pada
level rendah dan faktor B juga diset pada level rendah.
Gambar 1.3. Gambar Eksperimen Faktorial 2k
Model matematis untuk eksperimen 2k mencakup k faktor utama, ( ) interaksi dua faktor, ( )
k
2
k
3
interaksi 3 faktor, . . . , dan satu interaksi k-faktor. Sehingga untuk faktorial penuh 2k akan mempunyai
2k – 1 efek. Notasi yang dipergunakan sama seperti yang sudah dikatakan pada subbab sebelumnya
sebagai contohnya dalam eksperimen 25, abd melambangkan kombinasi perlakuan faktor A, B, dan D
pada level tinggi dan faktor C dan E pada level rendah. Kombinasi perlakuan dapat dituliskan dalam

urutan standar dengan setiap faktor dituliskan kemudian dilanjutkan dengan faktor lainnya yang
dikombinasikan secara berurutan dengan faktor sebelumnya. Contohnya, urutan standar untuk
eksperimen 24 adalah (1), a, b, ab, c, ac, bc, abc, d, ad, bd, abd, cd, acd, bcd, dan abcd.
Untuk menghitung efek atau Sum Of Squares, terlebih dahulu harus ditentukan contrast untuk
efek yang bersangkutan. Secara umum, contrast untuk efek AB . . . K ditentukan dengan cara
menyelesaikan sisi sebelah kanan dari persamaan berikut ini :
ContrastAB . . . K = (a  1)(b  1) . . . (k  1)
Dalam menyelesaikan persamaan di atas simbol angka “1” pada hasil terakhir diubah menjadi “(1)”.
Tanda positif negatif pada setiap suku dalam persamaan tersebut menjadi negatif jika faktor tersebut
termasuk ke dalam efek dan sebaliknya. Sebagai contohnya kita ambil eksperimen 25 maka
ContrastA = (a – 1)(b + 1)(c + 1)(d + 1)(e + 1)

= [a + ab + ac + ad + ae + abc + abd + abe + acd + ace + ade + abcd + abce + abde +
acde + abcde – b – c – d – e – bc – bd – be – cd – ce – de – bcd – bce – bde – cde –
bcde – (1)]
ContrastAB = (a – 1)(b – 1)( c + 1)(d + 1)(e + 1)

= [c + d + e + ab + cd + ce + de + abc + abd + abe + cde + abcd + abce + abde + abcde
+ (1) – a – b – ac – ad – ae – bc – bd – be – acd – ace – ade – bcd – bce – bde – bcde
– acde]
ContrastABCD = (a – 1)(b – 1)( c – 1)(d – 1)(e + 1)

= [e + ab + ac + ad + bc + bd + cd + abe + ace + ade + bce + bde + cde + abcd + abcde
+ (1) – a – b – c – d – ae – be – ce – de – abc – abd– acd – bcd – abce – abde – acde –
bcde]
Begitu juga cara mencari efek untuk yang lainnya sehingga setelah selesai dapat dibentuk
tabel tanda positif dan negatif sesuai dengan contrastnya. Setelah nilai contrast dihitung maka efek
dan Sum Of Squares juga dapat dihitung dengan rumus berikut :
2
Effect (AB . . . K) = Contrast (AB . . . K)
n2 k
1
SumOfSquares(SS) (AB . . . K) = (Contrast AB . . . K ) 2
n2 k
Model yang paling sederhana dari tipe 2 k adalah 22 yaitu 2 faktor A dan B dengan masing-
masing 2 level. Level dari faktornya biasa disebut “low” atau “-“ dan “high” atau “+’. Ada beberapa
notasi khusus yang digunakan untuk menunjukkan banyaknya trial. Biasanya, sebuah trial
dilambangkan dengan beberapa huruf kecil. Sebuah huruf kecil menandakan faktor yang bersangkutan

dilakukan pada level “high” pada trial itu. Jika huruf tersebut tidak ada, berarti faktor dilakukan pada
level “low”.
Sebenarnya ada tiga notasi yang yang digunakan pada eksperimen 2k. Yang pertama adalah
“+” dan “-“, yang kedua label untuk menunjukkan kombinasi perlakuan. Yang terakhir menggunakan
angka 1 dan 0 untuk level “low” dan “high”. Perbedaan notasi tersebut dapat ditunjukkan pada
eksperimen 22 berikut :
Tabel 1. 25. Jenis Notasi yang Digunakan pada Eksperimen 2k
Run A B Labels A B
1 - - (1) 0 0
2 + - a 1 0
3 - + b 0 1
4 + + ab 1 1
Label a mewakili treatment combination dari A pada level “high” dan B pada level “low”. b
mewakili treatment combination dari A pada level “low” dan b pada level “high”. Begitu pula dengan
ab mewakili treatment combination dari A pada level “high” dan B pada level “high”. Label (1)
digunakan untuk menotasikan semua faktor pada level “low”. Notasi ini digunakan untuk semua
model 2k.
Dalam eksperimen faktorial 2 level kita dapat mendefinisikan rata-rata efek sebuah faktor
sebagai perubahan dalam faktor respon yang dihasilkan oleh sebuah perubahan dalam level faktor
yang dirata-rata terhadap level faktor lainnya. Begitu juga dengan notasi (1), a, b, dan ab mewakili
total keseluruhan n replikasi.
Langkah-langkah perhitungan manual:

1. H01 : Faktor A tidak signifikan
H02 : Faktor B tidak signifikan
H03 : Interaksi faktor A dan B tidak signifikan
2. H11 : Faktor A signifikan
H12 : Faktor B signifikan
H13 : Interaksi faktor A dan B signifikan
3. Pilih suatu taraf nyata 
4. Wilayah kritik:
a. Tolak H01 jika f1 > f[dofA, dofE]
b. Tolak H02 jika f2 > f[dofB, dofE]
c. Tolak H03 jika f3 > f[dofA  dofB, dofE]

5. Perhitungan:
ContrastA = [a + ab − b − (1)]
ContrastB = [b + ab − a − (1)]
ContrastAB = [ab + (1) − a − b]
Contrast
Effect =
2n
Contrast 2
SumOfSquares( SS ) =
4n
2 2 n
y...2
SST =  y 2 ijk −
i =1 j =1 k =1 4n
SS E = SS T − SS A − SS B − SS AB
SS
MeanSquares( MS ) =
Dof
dengan n = jumlah replikasi
Kemudian masukkan dalam tabel analisis ragam:
Tabel 1. 13. Tabel Analisis Ragam untuk Eksperimen 22
Source of Mean square

Sum of square (SS) Dof F0
variation (MS)
A SSA level A – 1 SSA/dofA MSA/MSE
B SSB level B – 1 SSB/DofB MSB/MSE
AB SSAB (level A - 1)(level B - 1) SSAB/DofAB MSAB/MSE
Error SSE Dof total - DofA - DofB - Dof AB SSE/DofE
Total SST jumlah data – 1
6. Kesimpulan:
a. Terima / tolak H01 dan simpulkan bahwa ….
b. Terima / tolak H02 dan simpulkan bahwa ….
c. Terima / tolak H03 dan simpulkan bahwa ….
Contoh soal Eksperimen faktorial 22

Sebuah investigasi dari efek konsentrasi reaktan dan jumlah katalis pada konversi proses kimia
berlangsung sebagai berikut : konsentrasi reaktan sebagai faktor A, dengan 2 level, yaitu 15% dan
25%. Jumlah katalis sebagai faktor B, yaitu penggunaan 2 pon katalis sebagai high level dan
penggunaan hanya 1 pon katalis sebagai low level. Pada eksperimen ini, dilakukan pengulangan
sebanyak 3 kali. data yang diperoleh adalah sebagai berikut :

Tabel 1.14. Tabel Data Hasil Eksperimen Konsentrasi Reaktan
Faktor Treatment Replicated

A B Combination I II III Total
(1) - - A low, B low 28 25 27 80
A + - A high, B low 36 32 32 100
B - + A low, B high 18 19 23 60
AB + + A high, B high 31 30 29 90
Jawab :
3. Taraf nyata  = 0.05
4. Wilayah Kritik:
• Tolak H01 jika f1 > f0.05[1, 8] = 5.32
• Tolak H02 jika f2 > f0.05[1, 8] = 5.32
• Tolak H03 jika f3 > f0.05[1, 8] = 5.32
5. Perhitungan:
Efek rata-rata:
1 50
A= (100 + 90 − 60 − 80) = = 8.33
2(3) 6
1 − 30
B= (60 + 90 − 100 − 80) = = −5.00
2(3) 6
1 10
AB = (90 + 80 − 100 − 60) = = 1.67
2(3) 6
(50) 2
SS A = = 208.33
4(3)
(−30) 2
SS B = = 75.00
4(3)
(10) 2
SS AB = = 8.33
4(3)

330 2
SS T = 28 2 + 36 2 + ... + 29 2 − = 323.00
12
SS E = 323 − 208.33 − 75.00 − 8.33 = 31.34
Tabel 1.15. Tabel Analisis Ragam Data Hasil Eksperimen Konsentrasi Reaktan
Source of variation Sum of square (SS) Dof Mean square (MS) F0
A 208.33 1 208.33 53.15

B 75 1 75 19.13
AB 8.33 1 8.33 2.13
Error 31.34 8 3.92
Total 323 11
6. Kesimpulan:
Tolak H01, dan simpulkan bahwa faktor A signifikan
Tolak H02 dan simpulkan bahwa faktor B signifikan
Terima H03 dan simpulkan bahwa interaksi antara faktor A dan B tidak signifikan.
Hasil Output Minitab :

Factorial Design
Full Factorial Design
Factors: 2 Base Design: 2, 4
Runs: 12 Replicates: 3
Blocks: none Center pts (total): 0
All terms are free from aliasing
Fractional Factorial Fit: treatment versus A, B

Estimated Effects and Coefficients for treatmen (coded units)
Term Effect Coef SE Coef T P

Constant 27.500 0.5713 48.14 0.000
A 8.333 4.167 0.5713 7.29 0.000
B -5.000 -2.500 0.5713 -4.38 0.002
A*B 1.667 0.833 0.5713 1.46 0.183
Analysis of Variance for treatmen (coded units)

Main Effects 2 283.333 283.333 141.667 36.17 0.000
2-Way Interactions 1 8.333 8.333 8.333 2.13 0.183
Residual Error 8 31.333 31.333 3.917
Pure Error 8 31.333 31.333 3.917
Total 11 323.000
Alias Structure
I
A
B
A*B


3. Taraf nyata  = 0.05
4. Wilayah kritik: P value  
5. Perhitungan :
untuk H01 → Pvalue : 0.000
6. Kesimpulan :
Tolak H01, dan simpulkan bahwa faktor A signifikan
Tolak H02 dan simpulkan bahwa faktor B signifikan
Terima H03 dan simpulkan bahwa interaksi antara faktor A dan B tidak signifikan
1.2.5. Perancangan Ekperimen yang Dilakukan Praktikan

Eksperimen Pengecatan
Kita ingin meneliti pengaruh teknik pengecatan (kuas dan semprot) serta merek cat terhadap kualitas
visual hasil pengecatan yang dinilai dalam skala 1-10. Sebagai standar untuk nilai 10 adalah produk
dari PT. Sabira Tumbuh Jaya (produsen mainan anak-anak dari kayu). Rancangan yang digunakan
adalah general full factorial menggunakan completely randomize design. Faktor teknik pengecatan
ada 2 level dan faktor merek cat ada 3 level serta 3 ulangan untuk setiap kombinasi perlakukan.
Gambar 1. 4 Bahan dan Peralatan Percobaan Gambar 1. 5 Percobaan dengan Teknik Semprot
Pengecatan

Gambar 1. 6 Proses Pengeringan Hasil Percobaan
Berikut adalah contoh hasil pengolahan data hasil dengan menggunakan software Minitab
General Linear Model: C6 versus metode, merk
Factor Type Levels Values

metode fixed 2 1 2
merk fixed 3 1 2 3
Analysis of Variance for C6, using Adjusted SS for Tests

metode 1 0.0056 0.0056 0.0056 0.01 0.934
merk 2 0.5203 0.5203 0.2601 0.34 0.725
Error 8 6.2063 6.2063 0.7758
Total 11 6.7322
Least Squares Means for C6
metode Mean SE Mean

1 6.207 0.3596
2 6.250 0.3596
merk
1 5.975 0.4404
2 6.225 0.4404
3 6.485 0.4404
Kesimpulan:
1. Karena P value > 0.05, maka metode pengecatan tidak mempengaruhi hasil
pengecatan.
2. Karena P value > 0.05, maka merk pengecatan tidak mempengaruhi hasil
pengecatan.

Berikut adalah gambar Main Effects Plot dan Interaction Plot :
Gambar 1.7 Main Effect Plot
Kesimpulan:
Metode terbaik dalam metode pengecatan adalah metode 2 dengan rata-rata nilai pengecatan
sebesar 6.24 dan merk cat terbaik adalah merk cat 3 dengan rata-rata nilai pengecatan sebesar
6.48.

Gambar 1.8 Interaction Plot
Kesimpulan:
Terdapat interaksi antara dua faktor, yaitu faktor metode dan faktor merk karena garis yang
saling bersinggungan.
1.3. Alat, Bahan dan Data

1. Seperangkat audio player
2. Kaset
3. Lampu yang dapat diatur intensitasnya
4. Lux meter
5. Sound level meter
6. Komponen kereta api mainan
7. Stopwatch
8. Animasi proses pengecatan
9. Software Minitab

1.4. Prosedur Pelaksanaan Praktikum

1.4.1. Perancangan Eksperimen
1. Praktikan diajarkan penggunaan Software Minitab di Laboratorium Rekayasa Kualitas
2. Praktikan melakukan eksperimen pengecatan di Ruangan Pengecatan
3. Pengenalan dan penentuan permasalahan; pemilihan variabel respon, faktor, level, jumlah
pengulangan; pemilihan rancangan eksperimen. Jumlah pengulangan (replikasi) sebesar 2 kali.
Rancangan eksperimen adalah dibatasi hanya faktorial penuh dengan rancangan acak lengkap.
2. Praktikan melakukan randomisasi eksperimen dengan bantuan Minitab. Pilih menu “Stat” →
”DOE” → “Factorial” → “Create Factorial Design” → “General Full Factorial Design”
3. Hasil eksperimen kemudian dimasukkan ke dalam kolom variabel respon hasil randomisasi
Minitab
4. Lakukan analisis statistika dari hasil eksperimen dengan bantuan Minitab. Pilih menu ”Stat” →
”DOE” → ”Factorial” → ”Analyze Factorial Design”.
2. Interpretasikan hasilnya dan tariklah suatu kesimpulan praktis.
1.4.2. Pelaksanaan Eksperimen Faktor Kerja

Kegiatan yang akan dilakukan dalam praktikum ini adalah merakit komponen-komponen
kereta api mainan (lokomotif dan gerbong, sesuai dengan yang ditentukan) menjadi kereta yang utuh.
Praktikum dilaksanakan di dalam ruangan faktor kerja (climate chamber) yang bisa diatur kondisi
lingkungan kerjanya.
Faktor kerja yang akan diamati dalam praktikum “Merakit Kereta Api Mainan” adalah:
1. Pencahayaan, yaitu pengaruh dari lampu penerangan dengan kondisi:
a. Terang (Iluminansi = …..fc)
b. Redup (Iluminansi = ……fc)
Dari faktor pencahayaan ini, diharapkan dapat dianalisa pencahayaan dengan kondisi lampu yang
mana yang lebih baik.
2. Kebisingan:
a. Rendah : seperti suasana rumah yang tenang (intensitas bunyi = ………dB)
b. Tinggi : seperti suasana pasar bursa saham (intensitas bunyi = ……..dB)
Dari faktor kebisingan ini, diharapkan dapat dianalisa tingkat kebisingan mana yang akan
menghasilkan performansi yang lebih baik.
Variabel respon yang diamati adalah lamanya proses perakitan kereta (menit) untuk setiap
kombinasi perlakuan. Berdasarkan faktor-faktor diatas, maka akan ada 4 kombinasi perlakuan dengan
pengulangan sebanyak 2 kali untuk tiap kombinasi perlakuan. Penambahan titik pusat (centre point)
dilakukan untuk menguji asumsi linieritas dengan replikasi (pengulangan) sebanyak dua kali. Titik
pusat diset pada titik tengah dari rentang level dari masing-masing faktor. Untuk setiap perlakuan

akan dilakukan aktivitas merakit kereta api mainan dengan urutan perakitan yang telah ditentukan dan
dapat dilihat pada Gambar 1.8.-1.10 Randomisasi urutan percobaan dilakukan dengan bantuan
program Minitab.

Loko A
Cerobong Ketel Uap SSA-1

(1)
SSA-2 SA-1
Pin Penahan (1)
SSSA
SSA-3
-1
Male Connector (1)

Pin Penahan (4)
Muatan Balok Dua

Lubang (2)
Muatan Silinder
(1)
Muatan Kotak (1)
Male Connector (1) A
SSS
A-2
SSA-4 SA-2
Lantai Lubang 3 (1)

Pin Muatan (3)
Female Connector (1)
Muatan Balok Tiga

Lubang (2)
Muatan Kotak (2)
SA-3
SSS
SSA-5
A-3
Lantai Lubang 4 (1)

Pin Muatan (4)
Gambar 1. 9 Assembly Chart Loko A

Loko B

(1)
SSA-2 SA-1
Pin Penahan (1)
SSSA
SSA-3
-1
Male Connector (1)

Pin Penahan (4)
Muatan Balok Tiga

Lubang (2)
Muatan Kotak (2)
SSS
A-2
SSA-4 SA-2
Lantai Lubang 4 (1)

Pin Muatan (4)
Muatan Balok Empat

Lubang (2)
Muatan Kotak (1)
SA-3
SSS
SSA-5
A-3
Lantai Lubang 5 (1)

Pin Muatan (5)
Gambar 1. 10 Assembly Chart Loko B

Loko C

(1)
SSA-2 SA-1
Pin Penahan (1)
SSSA
SSA-3
-1
Male Connector (1)

Pin Penahan (4)
Muatan Balok Dua

Lubang (2)
Muatan Silinder
(1)
Muatan Kotak (1)
SSS
A-2
SSA-4 SA-2
Lantai Lubang 3 (1)

Pin Muatan (3)
Muatan Balok Tiga

Lubang (2)
Muatan Kotak (1)
SA-3
SSS
SSA-5
A-3
Lantai Lubang 4 (1)

Pin Muatan (4)
Muatan Silinder (1)
Gambar 1. 11 Assembly Chart Loko C

1.5. Sistematika Laporan

Laporan dikumpulkan satu minggu setelah praktikum berlangsung dengan sistematika sebagai
berikut :
BAB I PENDAHULUAN
1.1 Tujuan Praktikum
1.2 Pembatasan Masalah
BAB II TEORI SINGKAT
BAB III PENGOLAHAN DATA DAN ANALISA HASIL
3.1. Penggunaan Minitab untuk Perancangan Eksperimen (Kasus 1 s/d 3)
3.2. Eksperimen Faktor Kerja
BAB IV KESIMPULAN DAN SARAN
4.1. Kesimpulan
4.2. Saran
1.6. Pustaka
1. Montgomery D.C, Design and Analysis of Experiments, 5th ed., John Wiley&sons, New York,
2005.
2. Niebel, B.W. dan A. Freivalds, Methods, Standards and Work Design, 10th ed., McGraw-Hill,
USA, 1999.
3. Sanders, M.S. dan E.J. Mc Cormick, Human Factor in Engineering and Design, 7th ed., McGraw-
Hill, New York, 1993.
4. Wickens, C.D., J.D. Lee, Y. Liu dan S.E.G. Becker, An Introduction to Human Factors
Engineering, 2nd ed., Pearson Prentice-Hall, New Jersey, 2004.
5. Wignjosoebroto, Sritomo, Ergonomi, Studi Gerak dan Waktu, PT. Guna Widya, Surabaya, 2000.

MODUL PRAKTIKUM
MODUL II
DISUSUN OLEH : HALAMAN 2.0 DARI 20

Dr. Ir. Iveline AM, MT
Ir. Amal Witonohadi, MT MP-IIP222-02/R.5
Ka.Lab Sistem Produksi

Dr. Rina Fitriana ST, MM, IPM 28 Agustus 2020

MANUFAKTUR II
LABORATORIUM / STUDIO : SISTEM PRODUKSI
Modul II Peramalan Permintaan hal 2. 1 dari 20
MODUL II
Tujuan Praktikum
1. Menjelaskan manfaat dan posisi peramalan dalam siklus manufaktur.
2. Menjelaskan tahapan penggunaan metode peramalan.
3. Menjelaskan macam-macam pola data permintaan sebagai dasar pemanfaatan teknik peramalan
kuantitatif.
4. Menjelaskan cara-cara perhitungan dengan menggunakan teknik-teknik peramalan kuantitatif serta
beberapa cara menghitung kesalahan peramalan baik secara manual maupun dengan menggunakan
software Excel, dan WinQSB
5. Menjelaskan beberapa cara untuk verifikasi hasil peramalan baik secara manual maupun dengan
menggunakan software Excel, dan WinQSB
Setelah menyelesaikan praktikum ini praktikan diharapkan :

1. Mampu menjelaskan posisi peramalan dalam siklus manufaktur
2. Mampu menjelaskan fungsi/peran peramalan dalam siklus manufaktur
3. Mampu menuliskan macam-macam pola data permintaan
4. Mampu membuat flowchart dan menuliskan tahapan penggunaan metode peramalan
5. Mampu menuliskan teknik-teknik peramalan kuantitatif (metode deret waktu) serta penggunaan
teknik peramalan dihubungkan dengan pola data
6. Mampu menuliskan rumus yang digunakan untuk melakukan perhitungan pengujian peramalan,
serta menjelaskan cara untuk menentukan aturan peramalan berdasarkan MAE, MSE. MAPE.
7. Mampu menjelaskan cara untuk melakukan verifikasi hasil peramalan dan menuliskan rumus yang
digunakan menggunakan perhitungan Tracking Signal.
8. Mampu menggunakan Microsoft Excel untuk menginput data permintaan dan membuat plot
datanya, menentukan macam pola data serta menentukan teknik-teknik peramalan yang sesuai
untuk pola data tsb
9. Mampu melakukan perhitungan peramalan dengan menggunakan teknik peramalan yang sesuai
dengan memanfaatkan Microsoft Excel, dan software WinQSB serta melakukan perhitungan
kesalahan peramalan untuk tiap teknik peramalan yang digunakan dan membandingkan hasilnya
dengan memanfaatkan Microsoft Excel, dan software WinQSB.
Fakultas Teknologi Industri MP-IIP222-

02/R.5
10. Mampu melakukan verifikasi hasil peramalan: Tracking Signal dengan memanfaatkan Microsoft
Excel.
Kata Kunci : peramalan, regresi linier, moving average, exponential smoothing, multiplicative
seasonal, dekomposisi, kesalahan peramalan, MAE, MSE, MAPE, tracking signal

02/R.5
Teori Singkat
2.2.1. Ruang Lingkup Perencanaan dan Pengendalian Produksi

Perencanaan dan pengendalian produksi bertujuan untuk mengelola faktor-faktor produksi agar
permintaan konsumen dapat dipenuhi. Perencanaan produksi merupakan aktivitas untuk menentukan
jenis dan jumlah produk yang akan diproduksi sesuai dengan yang diramalkan, serta sumber daya apa
yang dibutuhkan. Pengendalian Produksi merupakan aktivitas untuk memastikan apakah sumber-
sumber yang digunakan dapat memenuhinya, apakah produksi dapat dijalankan sesuai rencana, serta
tindakan perbaikan apa yang perlu dilakukan bila keduanya tidak dapat dilaksanakan.
Perencanaan dan pengendalian produksi merupakan bagian dari siklus manufaktur (Groover,
2001), seperti terlihat dalam Gambar 2.1.
Perancangan Perancangan
Pemasaran
Produk Process
Perancangan
Metoda Kerja,
Pengendalian Perencanaan
Waktu Standar,
Persediaan Produksi dan Perbaikan
Pemasok
Produktivitas
Konsumen
Penyimpanan
Proses
Penerimaan
Pembuatan
Pengiriman
Pengendalian Pengendalian Pengendalian Pengendalian

Kualitas Produksi Proses Peralatan
Gambar 2. 1 Siklus Manufaktur
Tujuan Perencanaan Produksi :

• Memberikan pelayanan maksimal kepada konsumen
• Mengoptimalkan penggunaan sumber daya

02/R.5
2.2.2. Tahapan Perencanaan dan Pengendalian Produksi

Secara garis besar (Fogarty, 1991), perencanaan dan pengendalian produksi memiliki tahapan
seperti terlihat pada Gambar 2.2. Pada level perencanaan strategis menentukan produk apa yang akan
dibuat, serta sistem manufaktur apa yang tepat untuk membuat produk tersebut. Pada level perencanaan
taktis dibahas rincian dari rencana strategis, yaitu proses disagregasi dari rencana agregat serta
penentuan planned order releases. Sedangkan pada level eksekusi dilakukan dispatching planned order
releases dengan day-by-day basis, serta upaya meminimasi manufacturing lead time dan WIP.
Forecasting
Strategic
Planning Capacity Management
Resource
Aggregate
Requirements
Planning
Planning (RRP)
Master Rough Cut

Production Capacity
Schedule Planning (RCCP)
Tactical
Planning
Material Capacity
Requirements Requirements
Planning Planning (CRP)
Purchase
Work Orders Rescheduling
Orders
Execution
Planning
Production Activity Control (PAC/SFC)
Gambar 2. 2 Peramalan (Forecasting) dalam Tahapan Perencanaan dan Pengendalian Produksi
2.2.3. Peramalan Permintaan

Peramalan atau forecasting termasuk dalam tahap perencanaan strategis dalam tahapan
perencanaan dan pengendalian produksi (Lihat Gambar 2.2). Peramalan adalah suatu proses dalam
menggunakan data historis (data masa lalu) yang telah dimiliki untuk diproyeksikan ke dalam sebuah
model dan menggunakan model ini untuk memperkirakan keadaan di masa mendatang. Tujuan dari
peramalan adalah untuk menentukan jumlah permintaan produk pada masa yang akan datang. Dalam
melakukan peramalan perlu ditentukan batasan-batasan, yaitu produk yang diminta sudah teridentifikasi
dan jumlah produk yang diminta dapat dibuat produsen.

02/R.5
2.2.3.1. Penentuan Pola Data Permintaan

Terdapat 5 pola data permintaan yaitu (Krajewski, 2013) :
1. Horizontal atau fluktuasi data sekitar rata-rata yang konstan
2. Trend, atau kenaikan/penurunan rata-rata yang sistematis
3. Seasonal, kenaikan/penurunan yang berulang tergantung pada waktu, hari, minggu, bulan, musim
4. Siklis, atau kenaikan/penurunan yang bertahap untuk periode yang panjang
5. Random, tidak dapat diramalkan dengan menggunakan metode kuantitatif
Gambar 2. 3 Pola Data Permintaan
2.2.3.2. Perancangan Sistem Peramalan

Prosedur Peramalan
1. Plot data permintaan vs. waktu
2. Pilih beberapa metoda peramalan sesuai dengan pola data hasil plot data permintaan
3. Lakukan perhitungan dan pengujian peramalan dengan menggunakan metode peramalan
sesuai plot data.
4. Evaluasi kesalahan peramalan berdasarkan kriteria kesalahan peramalan
5. Pilih metoda peramalan dengan kesalahan peramalan terkecil
6. Lakukan verifikasi peramalan berdasarkan metode peramalan terpilih.
7. Interpretasi hasil verifikasi peramalan.
8. Hitung peramalan permintaan untuk periode mendatang sesuai dengan kebutuhan
perencanaan produksi dengan menggunakan metode peramalan terpilih.

02/R.5
Data Historis
Data
Datachecked
diperiksafor
accuracy
untuk and
akurasi
dan kelayakan
reasonableness
Tujuan Update sesuai

model kebutuhan
Knowledge of
Pengetahuan
tentang perubahan
changed
kondisi
condition
Forecast Pembandingan
(Prediction) dengan kondisi
aktual
Umpan balik
Feedback on
dari akurasi
forecast
peramalan
accuracy
Gambar 2. 4 Tahapan Peramalan Permintaan
Terdapat 3 (tiga) hal yang juga harus dipertimbangkan sebelum mempergunakan teknik peramalan:
1. Menentukan apa yang akan diramalkan
2. Memilih metode peramalan yang akan digunakan
3. Menentukan jenis Hardware atau Software yang akan dipergunakan
Penjelasan :
1. Menentukan apa yang akan diramalkan
Tingkat agregasi :
Peramalan untuk satu item kesalahannya lebih besar
• Item dikelompokkan dalam satu cluster, agar peramalan lebih akurat.
• Tahapannya:
▪ Membuat peramalan untuk family produk berdasarkan kesamaan permintaan, proses
dan sebagainya.
▪ Uraikan menjadi masing-masing kelompok item
▪ Tentukan satuan unit yang digunakan
2. Memilih metoda Peramalan yang akan digunakan
• Judgment method, berdasarkan opini manajer, pakar atau hasil survey.
• Causal method, mempergunakan data masa lalu sebagai variabel bebas.

02/R.5
• Time series Analysis, pendekatan statistik yang menitik beratkan pada data permintaan masa
lalu untuk diproyeksikan ke masa mendatang
JANGKA PENDEK (0-3 bulan)

▪ Untuk meramalkan permintaan akan suatu produk atau jasa
▪ Umumnya digunakan analisa time series, causal dan judgement
▪ Untuk jangka pendek manajer jarang ingin menunggu.
▪ Judgement digunakan apabila data masa lalu tidak tersedia
▪ Keputusan untuk manajemen persediaan, penjadwalan final assembly, penjadwalan tenaga
kerja, master production scheduling (MPS)
JANGKA MENENGAH (3 bln-2 thn)

▪ Dikaitkan dengan perencanaan kapasitas, total penjualan, sekelompok produk (family)
▪ Umumnya digunakan metoda causal
▪ Judgment digunakan, apabila data masa lalu tidak tersedia
▪ Analisa time series tidak memberikan hasil yang akurat, karena asumsi yang berlaku untuk
jangka pendek belum tentu berlaku untuk jangka panjang
▪ Untuk perencanaan staff, perencanaan produksi, MPS, pembelian dan distribusi
JANGKA PANJANG (> 2 thn)

▪ Peramalan biasanya dikembangkan untuk menghitung penjualan total.
▪ Tiga (3) jenis keputusan: lokasi fasilitas, perencanaan kapasitas dan pemilihan proses.
▪ Umumnya digunakan metoda causal dan judgement.
3. Menentukan jenis Hardware atau Software yang akan dipergunakan

Peramalan dengan komputer
1. Sistem manual. User memilih teknik peramalan yang akan digunakan dan menentukan
parameternya.
2. Sistem semi-automatic. User menentukan teknik peramalan, tetapi program yang akan
menentukan parameter untuk model tersebut.
3. Sistem automatic. Program mengamati data dan mengusulkan teknik peramalan yang sesuai
2.2.3.3. Model Peramalan Model Time Series (deret waktu)

Beberapa model peramalan yang akan diuraikan sesuai dengan taksonomi peramalan yang
terdapat pada Gambar 2.5

02/R.5
Linier
Kuadratik
Regresi
Eksponensial
Model
Kualitatif
Siklik
Time
Peramalan Series
Rata-rata
Model
Kuantitatif
Moving
Average
Metode
Smoothing
Exponential
Kausal
Smoothing
Dekomposisi
Gambar 2. 5 Taksonomi Model Peramalan
Pada modul praktikum ini hanya dilakukan dengan menggunakan model kuantitatif, khususnya model
peramalan time series.
Pada model time series ini permintaan merupakan fungsi dari waktu. Pola permintaan ada masa
yang akan datang (yang diramalkan) diperkirakan serupa / identik dengan pola data masa lalu. Model
ini dikembangkan berdasarkan informasi masa lalu, dengan variabel tidak bebas dan asumsi, bahwa
variabel tidak bebas ini akan memiliki pola yang sama dengan masa lalu.
Metode Peramalan yang termasuk dalam model time series : (Makridakis, 1983)
▪ Average (Perataan) : Single Moving Average (SMA), Weighted Moving Average (WMA), Double
Moving Average (DMA)
▪ Smoothing (Pemulusan) : Single Exponential Smoothing (SES), Double Exponential Smoothing
(DES) : 1 parameter dari Brown, 2 parameter dari Holt
▪ Trend, modifikasi dari Exponential Smoothing : Trend-Adjusted Exponential Smoothing ,
Dekomposisi
▪ Seasonal : Multiplicative Seasonal Method ; Winter
▪ Regresi : Linier, Kuadratis, Siklis

02/R.5
1. Metode Single Moving Average

▪ Model SMA berasumsi bahwa nilai rata-rata beberapa periode terbaru baik digunakan untuk
memperkirakan pola mendatang
▪ Cocok untuk pola data tanpa trend
jumlah n demand terakhir Dt −1 + Dt − 2 + ... + Dt − n

Ft = =
n n
2. Metode Double Moving Average

▪ Digunakan untuk pola data trend
▪ Merupakan SMA yang dirata-ratakan kembali untuk mendapatkan trend.
▪ SMA digunakan pada waktu t (S’t)
▪ Penyesuaian merupakan perbedaan antara SMA dan DMA pada waktu t (S’t-S’’t)
▪ Penyesuaian digunakan untuk trend dari periode t ke periode t+1 ( atau periode t+m jika
diramalkan untuk m periode mendatang)
D t + Dt −1 + Dt − 2 + ... + Dt − n +1
S 't =
n
S 't + S 't −1 + S 't − 2 +... + S 't − n +1

S ' 't =
n
at = S 't +( S 't − S ' 't ) = 2 S 't − S ' 't
2
bt = ( St' − St'' )
N −1
Ft + m = at + bt m
3. Single Exponential Smoothing :

▪ Tidak semua data mempunyai bobot yang sama
▪ Premise : data terbaru akan mempunyai nilai prediksi tertinggi
▪ Oleh karena itu data terbaru harus diberi bobot lebih besar daripada data sebelumnya
Ft = Ft −1 +  ( Dt −1 − Ft −1 )
4. Metode Double Exponential Smoothing (Metode Linier Brown)

Double Exponential Smoothing 1 Parameter :
▪ Disebut juga Metode Linear Brown

02/R.5
▪ Untuk pola data ada trend

▪ Hampir sama dengan Double Moving Average
▪ Penyesuaian dari SES dilakukan dengan penambahan satu parameter
St' = D t +(1 −  ) St'−1
St'' = St' + (1 −  ) St''−1
at = S 't +( S 't − S ' 't ) = 2 S 't − S ' 't

bt = ( St' − St'' )
1−
Ft + m = at + bt m
5. Metode Regresi Linier

Salah satu bentuk peramalan yang paling sederhana adalah regresi linier. Dalam aplikasi regresi
linier diasumsikan bahwa terdapat hubungan antara variabel yang ingin diramalkan (variabel dependen)
dengan variabel lain (variabel independen). Selanjutnya, peramalan ini didasarkan pada asumsi bahwa
pola pertumbuhan dari data historis bersifat linier (walaupun pada kenyataannya tidak linier 100%).
Pola pertumbuhan ini didekati dengan suatu model yang menggambarkan hubungan-hubungan yang
terkait dalam suatu keadaan. Model tersebut dapat dijabarkan sebagai berikut :
Y(t) = a + bt
dimana Y merupakan fungsi terhadap waktu. Variabel a dan b adalah parameter yang kan ditentukan
dalam perhitungan. Rumus- rumus dalam menghitung variabel a dan b adalah sebagai berikut :
N N N
N  tY (t ) −  Y (t ) t
b= t =1 t =1
2
t =1
N
 N
Nt2 − t 
t =1  t =1 
N N
1 1
a=
N
 Y (t ) − N b t
t =1 t =1

02/R.5
Contoh :
Tabel 2. 1 Peramalan Regresi Linier
Periode Penjualan Y(t)

Bulan tY(t) t2
(t) (unit)
Januari 1 100000 100000 1
Februari 2 75000 150000 4
Maret 3 120000 360000 9
April 4 185000 740000 16
Mei 5 130000 650000 25
Juni 6 80000 480000 36
Juli 7 175000 1225000 49
Agustus 8 165000 1320000 64
September 9 140000 1260000 81
Oktober 10 115000 1150000 100
November 11 95000 1045000 121
Desember 12 120000 1440000 144
Jumlah (Σ) = 78 1500000 9920000 650
b = (12)(9.920.000) − (1.500.2000)(78) = 1.188.811

(12)(650) − (78)
a = 1.500.000 − (1.188,811)(78) = 117.272,727

12 12
Jadi, Y(t) = 117.272,727 + 1.188,811t
Dengan demikian hasil peramalan untuk bulan Januari pada tahun yang akan datang ialah :
Y(13) = 117.272,727 + 1.188,811(13) = 132.727,27  132.728 unit
6. Metode Multiplicative Seasonal

Peramalan dengan metode seasonal sangat baik jika digunakan untuk menghadapi data-data
yang berbentuk seasonal.
Dimisalkan kita mempunyai data sebanyak 24 bulan dari dua tahun terakhir.
Tabel 2. 2 Perhitungan Indeks Peramalan Multiplicative Seasonal
Tahun 1 Tahun 2 Total Average Index
Januari 120000 100000 220000 110000 1,062
Februari 95000 75000 170000 85000 0,821
Maret 140000 120000 260000 130000 1,255
April 20000 185000 205000 102500 0,99
Mei 16000 130000 146000 73000 0,705
Juni 11000 80000 91000 45500 0,439
Juli 19000 175000 194000 97000 0,936
Agustus 180000 165000 345000 172500 1,665
September 130000 140000 270000 135000 1,303
Oktober 105000 115000 220000 110000 1,062
Nopember 10000 95000 105000 52500 0,507

02/R.5
Desember 140000 120000 260000 130000 1,255

Total 986000 1500000 2486000 1243000
Year Average 82167 125000
Rata-rata perbulan = 1243000/12 = 103583,33 = 103583 ( bulatkan ke yang terdekat )
Index bulan January = 110000/103583= 1,062
Index bulan February = 85000/103583 = 0,821
Misalkan peramalan untuk periode ke depan didapat dengan cara regresi linear.
X ( period ) Y ( year avg )
1 82167
2 125000
Dari perhitungan regresi linear maka akan didapatkan :
a = 39334
b = 42833
Jadi Y(t) = 39334 + 42833 (t)
( untuk perhitungan regresi linear lebih jelas lihat di bagian regresi linear )
Jadi, hasil peramalan rata-rata tahun ke 3 ialah : Y(t) = 39334 + 42833 (3) = 167833
Dari hasil ini baru kemudian dipecah perbulannya
Hasil peramalan untuk satu tahun ke depan dapat dilihat pada Tabel 2.3.
Tabel 2. 3 Peramalan Multiplicative Seasonal
Tahun 3 (1) Index (2) (1)*(2)

Januari 167833 1,062 178239
Februari 167833 0,821 137791
Maret 167833 1,255 210630
April 167833 0,99 166155
Mei 167833 0,705 118322
Juni 167833 0,439 73679
Juli 167833 0,936 157092
Agustus 167833 1,665 279442
September 167833 1,303 218686
Oktober 167833 1,062 178239
Nopember 167833 0,507 85091
Desember 167833 1,255 210630
Kolom (1) * (2) = hasil peramalan
7. Metode Dekomposisi (Fogarty, 1991)

Metode dekomposisi merupakan metode peramalan time series dengan pendekatan additive dan
multiplicative yang digunakan bila data historis memiliki pola trend, siklis atau musiman. Metode
dekomposisi mencoba memisahkan tiga komponen dari pola dasar yakni faktor trend (kecenderungan)

02/R.5
dan musiman. Faktor trend menggambarkan perilaku data dalam jangka panjang yang dapat meningkat,
menurun atu tidak berubah. Faktor musiman berkaitan dengan fluktuasi periodik dengan panjang
konstan yang disebabkan oleh hal-hal seperti curah hujan, saat liburan dan lain-lain.
Dekomposisi memiliki asumsi bahwa data tersusun sebagai berikut :
Data = pola + kesalahan (error)
= f(trend, musiman) + kesalahan
Model multiplicative adalah :
Yt = trend * seasonal + kesalahan
Model additive adalah :
Yt = trend + seasonal + kesalahan
Dimana : Yt = nilai observasi pada waktu t.
Menentukan Index Seasonal

Pendekatan untuk metode dekomposisi time series biasanya mempunyai 5 langkah, yaitu :
Langkah 1 adalah menghitung centered moving average selama 12 bulan. Karena rata-ratanya untuk
sepanjang tahun, untuk menghilangkan sifat seasonal.
Langkah 2 untuk memperkirakan index seasonal digunakan rasio dari permintaan aktual centered
moving average selama 12 bulan.
Langkah 3 menyesuaikan sebuah garis pada data yang deseasonalized. Intercept dan kemiringan dari
garis ini menyediakan nilai yang dibutuhkan untuk memperkirakan faktor trend.
Langkah 4 adalah untuk meng-extrapolate garis pada langkah 3 ke masa yang akan datang,
menyediakan sebuah peramalan dari permintaan apa yang ”like were seasonality non existent”.
Langkah 5 adalah untuk mengkalikan setiap nilai peramalan deseasonalized dengan index seasonal
untuk memperoleh nilai peramalan final.
Detail dari prosedur ini diterangkan berikut ini:
Pada langkah 1, moving average dari setiap 12 bulan dihitung. Rata-rata ini ditempatkan di hari pertama
dari bulan ke-7 dimana bulan tersebut merupakan pertengahan dari periode 12 bulan. Jadi, 1 Juli
merupakan pertengahan dari 1 Januari sampai 31 Desember. 1 Agustus merupakan pertengahan dari 1
Februari sampai 31 Januari, dan seterusnya. Sayangnya, moving average selama 12 bulan ini tidak
selaras dengan data per bulan. Permintaan bulanan dari 1 Juli sampai 31 Juli memiliki pertengahan di
15 Juli, bukan 1 Juli. Untuk menselaraskan data asli dan moving average dengan benar, sebuah moving
average selama 2 bulan dijalankan pada moving average 12 bulan. Rata-rata dari moving average 12
bulan yang memiliki pertengahan di 1 Juli dan 1 Agustus memiliki pertengahan di 15 Juli. Jadi, moving
average dari 2 periode yang diambil dari moving average 12 bulan memiliki pertengahan tepat dimana
”monthly values are centered”.

02/R.5
Langkah 2 : dari proses menghitung seasonal index adalah untuk mencari rasio dari permintaan aktual
setiap periode terhadap pertengahan moving average selama 12 bulan. Apabila data untuk beberapa
tahun tersedia, rata-rata dari seluruh indeks bulanan untuk bulan Juli dihitung dan digunakan sebagai
nilai indeks untuk bulan Juli. Semua index bulanan yang lain dihitung dengan cara yang sama. Indeks
yang telah kita hitung tersebut kita sebut seasonal factor. Istilah seasonal index merupakan rata-rata
akhir dari seasonal factor. Keefektifan proses merupakan fungsi dari ukuran komponen random. Jika
komponen random-nya besar, estimasi dari komponen seasonalnya tidak seakurat ketika komponen
random-nya kecil.
Gambar 2. 6 Moving average untuk 12 bulan

02/R.5
Tabel 2. 4 Data Permintaan untuk 48 Periode

Centered
Moving Average Seasonal Seasonal
Periode Bulan Permintaan Moving Average
12 bulan Factor Index
12 bulan
1 January 90
2 February 106
3 March 152
4 April 244
5 May 302
6 June 274
7 July 162 211.33 211.50 0.766
8 August 194 211.67 212.46 0.913
9 September 312 213.25 213.04 1.465
10 October 359 212.83 214.04 1.677
11 November 215 215.25 217.21 0.990
12 December 126 219.17 220.67 0.571
13 January 94 222.17 222.83 0.422 0.487
14 February 125 223.50 223.00 0.561 0.532
15 March 147 222.50 222.96 0.659 0.676
16 April 273 223.42 225.13 1.213 1.183
17 May 349 226.83 228.38 1.528 1.495
18 June 310 229.92 232.13 1.335 1.324
19 July 178 234.33 235.88 0.755 0.771
20 August 182 237.42 238.13 0.764 0.835
21 September 323 238.83 240.46 1.343 1.401
22 October 400 242.08 243.50 1.643 1.659
23 November 252 244.92 246.96 1.020 0.993
24 December 179 249.00 250.58 0.714 0.668
25 January 131 252.17 253.79 0.516
26 February 142 255.42 257.33 0.552
27 March 186 259.25 261.79 0.710
28 April 307 264.33 266.83 1.151
29 May 398 269.33 270.21 1.473
30 June 348 271.08 272.21 1.278
31 July 217 273.33 274.21 0.791
32 August 228 275.08 275.04 0.829
33 September 384 275.00 275.33 1.395
34 October 460 275.67 277.58 1.657
35 November 273 279.50 281.63 0.969
36 December 206 283.75 286.54 0.719
37 January 152 289.33 290.13 0.524
38 February 141 290.92 291.96 0.483
39 March 194 293.00 294.50 0.659
40 April 353 296.00 297.83 1.185
41 May 449 299.67 302.58 1.484
42 June 415 305.50 305.50 1.358
43 July 236
44 August 253
45 September 420

02/R.5
46 October 504
47 November 343
48 December 231
Nilai dari seasonal index ditentukan dengan merata-ratakan semua pengamatan yang relevan.
Untuk Juli, ada 3 pengamatan yaitu 0.766; 0.755 dan 0.791. Nilai yang digunakan dalam peramalan
adalah rata-rata dari 3 nilai di atas yaitu 0.771. Demikian pula dengan bulan yang lain.
Dari gambar di atas jelas bahwa untuk periode dengan permintaan tertinggi, seasonal factor nya lebih
besar dari 1, dan untuk periode dengan permintaan terendah, seasonal factor nya kurang dari 1. Dari
gambar terlihat pula bahwa proses pembuatan centered moving average 12 bulan akan menghasilkan
moving averagenya mempunyai data 1 tahun lebih sedikit dari data sebenarnya. Jadi 48 bulan dari
permintaan menghasilkan 36 bulan Moving average. Karena kita harus mempunyai demand dan rata-
rata untuk memperkirakan seasonal factor, hanya 36 perkiraan yang mungkin, 3 untuk setiap bulan dari
12 bulan.
Langkah 3 : dari proses dekomposisi adalah memperkirakan trend line. Kita dapat menggunakan data
36 bulan dari data yang terdapat dalam centered moving average 12 bulan atau 48 bulan dari data yang
terdapat dalam permintaan. Prosedur yang biasa adalah untuk menggunakan data aktual dengan sifat
seasonalnya dihilangkan. Untuk menghilangkan sifat seasonal kita membagi setiap permintaan dengan
seasonal index yang berhubungan. Metode Least Square dapat digunakan untuk mencocokkan satu
garis pada deseasonalized data.
Langkah 4 dan 5:menghasilkan peramalan yang sebenarnya. Di langkah 4, trend line untuk data
deseasonalized diekstrapolasikan ke masa yang akan datang. Di langkah 5, data yang sudah
diekstrapolasikan, direseasonalisasikan dengan mengkalikan “datum” dengan seasonal index yang
bersangkutan. Trend line diperpanjang dengan substitusi nilai x dengan jumlah periode yang akan
datang.
Memperkirakan Komponen Random
Apabila prosedur peramalan tidak bias, rata-rata error peramalan harus nol. Umumnya, frekuensi error
bernilai positif harus sesering frekuensi error bernilai negatif. Sebenarnya, sebuah peramalan yang tidak
bias diperkirakan untuk menghasilkan serangkaian error yang random, mengikuti distribusi normal,
dengan rata-rata nol. Satu cara untuk mengevaluasi kualitas peramalan adalah dengan memeriksa plot
error seiring dengan berjalannya waktu.
2.2.3.4. Nilai Kesalahan Peramalan (Krajewski, 2013)

Dalam melakukan peramalan, hasil peramalan yang kita peroleh tidak mungkin benar-benar
tepat. Selisih yang terjadi antara nilai peramalan dengan nilai yang sesungguhnya dapat kita sebut
sebagai error (kesalahan). Melalui nilai kesalahan ini dapat kita lakukan beberapa analisa sehingga kita

02/R.5
dapat membandingkan metode peramalan mana yang paling sesuai dengan data yang kita miliki serta
seberapa baik metode yang digunakan tersebut. Hal ini dapat diketahui dari perbandingan antara nilai-
nilai kesalahan yang dihasilkan oleh masing-masing metode. Metode yang terbaik / paling sesuai
dengan data kita akan memiliki nilai kesalahan peramalan yang paling kecil. Secara umum perhitungan
kesalahan peramalan dapat dijabarkan sebagai berikut:
ei = xi – Fi
dimana :
ei = kesalahan pada periode ke-i
xi = nilai sesungguhnya pada periode ke-i
Fi = nilai hasil peramalan pada periode ke-i
Jumlah kesalahan peramalan bukan merupakan suatu ukuran yang tepat untuk menentukan
seberapa efektif metode peramalan yang digunakan tetapi hanya merupakan ukuran bias atau selisih
bias yang dihasilkan. Jumlah kesalahan yang dihasilkan akan mendekati nilai nol pada metode-metode
peramalan regresi. Untuk menghindari masalah dimana nilai kesalahan peramalan positif menetralkan
nilai kesalahan peramalan negatif maka beberapa alternatif metode kesalahan peramalan yang banyak
digunakan adalah sebagai berikut:
1. Mean Square Error (MSE)

N
e
2
i
MSE = i =1
N
2. Mean Absolute Error (MAE)
N
e i
MAE = i =1
3. Mean Absolute Percent Error (MAPE)

n
 PE t
MAPE = t =1
n
2.2.3.5. Verifikasi dan Pengendalian Peramalan (Krajewski, 2013)
Tracking Signal
Tracking signal dihitung sebagai jumlah kesalahan peramalan (running sum forecast
error/RSFE) dibandingkan dengan nilai MAD (Mean Absolute Deviation).
Secara umum, Tracking signal dituliskan sebagai berikut :

02/R.5
RSFE
Tracking signal (TS) =
MAD
=
 (data aktual periode i - data peramalan periode i)
MAD
dimana :
MAD =
 kesalahan peramalan = e i
n n
n = jumlah periode yang bersangkutan.
Nilai positif tracking signal menunjukkan bahwa data aktual masih lebih besar dibandingkan
dengan data peramalannya. Sedangkan negatif tracking signal berarti bahwa data aktual lebih kecil
dibandingkan dengan data peramalannya. Sebuah tracking signal yang baik adalah tracking signal yang
memiliki nilai RSFE yang kecil dimana jumlah kesalahan peramalan positif hampir sama jumlahnya
dengan kesalahan peramalan negatif. Dengan kata lain, sedikit penyimpangan bukanlah suatu masalah
tetapi nilai positif dan negatif dari kesalahan peramalan haruslah seimbang sehingga pusat atau titik
tengah dari tracking signal mendekati nilai nol.
Tracking Signal berada

di luar batas kontrol
Tracking Signal
Upper Control Limit

+
Daerah
0 MAE
penerimaan
-
Lower Control Limit
Periode
Gambar 2. 7 Tracking signal
2.2.4. Aplikasi Peramalan Permintaan dengan Menggunakan Software WinQSB

Dapat dilihat pada Lampiran
Alat, Bahan Dan Data

1. Software Microsoft Excel, dan WinQSB.
2. Data hasil peramalan untuk 6 periode.

02/R.5
3. Lembar Kerja untuk mencatat Data.
Prosedur Pelaksanaan Praktikum

1. Praktikan mengikuti briefing praktikum beberapa hari sebelum pelaksanaan praktikum pada hari
yang telah ditentukan.
2. Praktikan mengerjakan Tugas Pendahuluan yang dikerjakan di rumah berupa perhitungan
peramalan permintaan dengan cara manual ataupun memanfaatkan software Microsoft Excel dan
mengumpulkan pada saat sebelum pelaksanaan praktikum.
3. Praktikan mengikuti kuis awal dan briefing singkat oleh Dosen/Asisten PIM 2 Modul 2 tentang
outline pelaksanaan praktikum serta tugas-tugas praktikum yang harus diselesaikan oleh setiap
kelompok praktikum selama jam praktikum di Ruang Komputer kemudian langsung mengerjakan
Kuis Pendahuluan PIM 2 Modul 2.
4. Dosen/Asisten PIM 2 Modul 2 menjelaskan cara-cara menggunakan Microsoft Excell dan Software
WinQSB untuk aplikasi peramalan.
5. Praktikan mengerjakan Tugas Praktikum Perhitungan Peramalan dengan menggunakan Software
WinQSB yang dimonitor oleh Asisten PIM 2. Tugas Praktikum dikumpulkan berupa file data yang
didalam CD.
6. Praktikan mengikuti briefing singkat tentang Penjelasan Laporan Praktikum Modul 2
Sistematika Laporan
Sistematika Laporan Modul 2 adalah sebagai berikut :
BAB I PENDAHULUAN
1.2. Pembatasan Masalah
BAB II PENGOLAHAN DATA DAN ANALISIS HASIL
2.1. Plot Data Permintaan
2.2. Perhitungan Pengujian Peramalan Permintaan
2.3. Perhitungan Tracking signal
2.5. Peramalan Permintaan
2.6. Pemanfaatan Software dalam Peramalan Permintaan
BAB III KESIMPULAN DAN SARAN
3.1. Kesimpulan
3.2. Saran

02/R.5
Pustaka
1. Bedworth, Davis D., James E. Bailey, Integrated Production Control System : Analysis Design,
2nd ed., John Willey & Sons, 1987.
2. Fogarty, Donald W, John H. Blanckstone & Thomas R. Hoffmann, : Production & Inventory
Management, 2nd edition, South-Western Publishing Co., 1991
3. Groover, Mikell. P, Automation Production Systems and Computer Integrated Manufacturing,
2nd ed., Prentice Hall, 2001
4. Krajewski, Lee J., Larry P. Ritzman, Operations Management : Processes and Supply Chains”
10th Edition, Pearson USA., 2013
5. Makridakis, S., Stevan C. Wheelwright & Victor E. McGee, “Forecasting Methods and
Application, 2nd Edition, John Wiley & Sons, 1983

02/R.5
MODUL PRAKTIKUM
MODUL 3
PERENCANAAN KEBUTUHAN SUMBER DAYA PRODUKSI
Disusun oleh :
Emelia Sari ST. MT. PhD Hal 3.1 dari 8
Diperiksa oleh :
Ir.Amal Witonohadi, MT No. Dokumen :
Kepala Laboratorium Sistem MP-IIP222-05/R.4
Produksi
Disetujui oleh :
Mulai berlaku :
Dr. Rina Fitriana, ST, MM.
28 Agustus 2020
Ketua Jurusan Teknik Industri
Nama Praktikum : Perancangan Industri Manufaktur II

Kode MK/ Praktikum : IIP 222
Program Studi : Teknik Industri
Laboratorium/Studio : Sistem Produksi
Modul III" Perencanaan Kebutuhan Sumber Daya Produksi Hal 3.1 dari 8
MODUL III
PERENCANAAN KEBUTUHAN SUMBER DAYA
PRODUKSI

Secara umum, praktikum ini akan memberikan pemahaman kepada para praktikan
mengenai cara merencanakan kebutuhan sumber daya produksi yang meliputi mesin/
stasiun kerja, bahan baku/ komponen, serta operator dan supervisor dalam format routing
sheet. Adapun tujuan khusus praktikum ini adalah untuk memberikan pemahaman
mengenai hal-hal sebagai berikut :
1. Cara menentukan urutan proses produksi (routing) produk berdasarkan Peta Proses
Operasi dan Peta Rakitan pembuatan produk.
2. Cara menentukan jumlah produksi yang harus dipenuhi pada kapasitas produksi
tertentu berdasarkan proyeksi permintaan.
3. Cara menentukan jumlah bahan baku/ komponen yang harus disiapkan.
4. Cara menghitung jumlah mesin/ stasiun kerja yang sebenarnya untuk setiap jenis
mesin/stasiun kerja serta total jumlah mesin/ stasiun kerja yang akan digunakan.
5. Cara menghitung jumlah operator produksi dan supervisor yang dibutuhkan untuk
mengawasi operator produksi.
Setelah menyelesaikan praktikum ini, praktikan diharapkan dapat :

1. Memahami dan memanfaatkan hasil perancangan produk, perancangan proses dan
peramalan permintaan (forecasting) pada praktikum sebelumnya dalam suatu
perancangan skedul (dengan menggunakan format routing sheet) dalam rangka
menentukan kebutuhan sumber daya produksi berupa : bahan baku/ komponen,
mesin/stasiun kerja produksi serta operator dan supervisor produksi.
2. Memahami pemanfaatan hasil perhitungan routing sheet untuk kebutuhan perencanaan
produksi ataupun perancangan fasilitas.
Kata kunci : kebutuhan jumlah mesin teoritis menggunakan routing sheet, jumlah mesin
sebenarnya, jumlah operator, jumlah supervisor, kelonggaran penggunaan, kelonggaran lalu
lintas

3.2. Teori Singkat
3.2.1. Definisi dan Ruang Lingkup Perencanaan Fasilitas Produksi

Tata letak pabrik (plant layout) atau tata letak fasilitas (facilities layout) dapat didefinisikan
sebagai tata cara pengaturan fasilitas – fasilitas pabrik guna menunjang kelancaran proses produksi.
(Wignjososoebroto, 2003)
Perancangan fasilitas tidak selalu merupakan kegiatan yang berhubungan dengan susunan
peralatan produksi saja, namun merupakan serangkaian kegiatan dari bidang – bidang yang luas dan
saling berhubungan sehingga membentuk kegiatan rancangan tata letak fasilitas.
Proses perancangan fasilitas meliputi tahapan sebagai berikut: (Tompkins, 2010)

▪ Menyatakan yatakan produk yang akan dimanufaktur
▪ Menspesifikasi proses manufaktur yang kegiatan yang berhubungan yang dibutuhkan untuk
menghasilkan produk
▪ Menentukan keterkaitan diantara seluruh kegiatan
▪ Menentukan kebutuhan ruang untuk seluruh kegiâtan
▪ Membuat alternatif rencana fasilitas
▪ Mengevaluasi alternatif rencana tersebut
▪ Memilih rencana fasilitas yang diinginkan
▪ Implementasi rencana fasilitas tersebut
▪ Memelihara dan sesuaikan rencana fasilitas tersebut
▪ Memperbaharui produk yang dimanufaktur dan menyatakan kembali sasaran dan fasilitas.
Sebelum dibuat alternatif rencana fasilitas, sebaiknya kita dapat menjawab pertanyaan-pertanyaan
sebagai berikut :
1. Apa yang akan diproduksi?
2. Bagaimana produk tersebut diproduksi?
3. Kapan produk akan diproduksi?
4. Seberapa banyak produk akan diproduksi?
5. Untuk berapa lama produk akan diproduksi?
6. Dimana produk akan diproduksi?

Gambar 3. 1 Keterkaitan Antar Disain Produk – Proses – Skedul – Fasilitas
Disain produk akan menentukan produk akhir (dalam dimensi, komposisi material, kemasan).
Sedangkan Disain proses akan menentukan bagaimana produk akan diproduksi. Disain skedul akan
menentukan jumlah produk serta menjadwalkan peralatan produksi. Disain fasilitas tergantung dan
input yang diperoleh berdasarkan disain produk, disain proses & disain skedul.
3.2.2. Kebutuhan Jumlah Sumber Daya Produksi Menggunakan Routing Sheet

Disain skedul menjawab pertanyaan berapa banyak dan kapan harus diproduksi dengan
memanfaatkan informasi proyeksi permintaan produksi dari bagian pemasaran serta akan menentukan
kebutuhan jumlah peralatan produksi yang dibutuhkan supaya sesuai dengan jadwal produksi. Untuk
kebutuhan perhitungan tersebut, digunakan format Routing Sheet.
Routing Sheet adalah tabulasi langkah-langkah yang tercakup dalam memproduksi komponen-
komponen tertentu dan terdiri dari perincian dari hal-hal yang berkaitan.(Apple, 1990, hal 86)
Perincian pada lembar pengurutan produksi :
1. Nomor operasi
2. Nama operasi
3. Nama mesin atau alat yang dipakai
4. Waktu baku, diperoleh dari tabel Waktu Baku
5. Waktu Setup
6. Persentase skrap, merupakan persentase kegagalan proses dan tidak dapat digunakan lagi.
Persentase skrap bukan sisa bahan yang tidak terpakai lagi.
7. Kapasitas mesin teoritis / hari, diperoleh dari :
Jam Kerja tiap hari - Waktu Setup mesin tiap hari

Kapasitas mesin teoritis per hari =
Waktu baku proses

8. Jumlah yang diharapkan

Kolom ini berisi jumlah produk yang ingin dicapai. Nilai jumlah yang diharapkan untuk operasi
ke–n diperoleh dari nilai jumlah yang disiapkan pada operasi ke –(n+1) dikalikan dengan jumlah
pieces yang diperlukan, sedangkan operasi terakhir didapat dari kapasitas produksi yang
diinginkan.
9. Jumlah yang disiapkan
Jumlah yang disiapkan nilainya selalu sama atau lebih besar daripada jumlah yang diharapkan,
tergantung dari persentase skrap untuk proses produksi yang bersangkutan.
Jumlah Diharapkan
Jumlah Disiapkan =
1 − Persentase Skrap
10. Produksi pada efisiensi

Tingkat produksi pada efiensi adalah tingkat produksi mesin dengan mempertimbangkan
tingkat efisiensi rata-rata yang dimiliki pabrik.
Jumlah yang disiapkan

Produksi pada efisiensi =
Efisiensi Pabrik
11. Reliabilitas mesin

Dapat dilihat pada tabel Reliabilitas Mesin.
12. Jumlah mesin teoritis dapat dihitung dengan rumus dibawah ini:
Jumlah mesin teoritis = Produksi pada efisiensi
Reliabilit as mesin x kapasitas mesin teoritis
3.2.1.1. Perhitungan Routing Sheet

1. Dari Peta Proses Operasi pertama-tama tuliskan nama komponen beserta operasinya berurutan dari
yang paling kecil kemudian diikuti oleh sub-sub assembly dan assembly.
2. Sebelum menuliskan operasinya, terlebih dahulu dituliskan nomor komponen, nama komponen atau
bahan, ukuran dan jumlah pieces-nya. Untuk assembly hanya dituliskan assembly-nya beserta
jumlah piecesnya saja.
3. Operasi dituliskan secara berurutan sesuai dengan urutan pengerjaan pada Peta Proses Operasi.
4. Nama mesin atau stasiun dituliskan berdasarkan dimana operasi tersebut berlangsung.
5. Kolom Waktu Baku, Persentase Skrap, Waktu Setup dan Reliabilitas Mesin diisi berdasarkan data
yang diberikan dari Lab.

Contoh Perhitungan Routing Sheet :

1. Departemen Pengemasan :
Diketahui : Jam kerja/hari = 7 jam
Waktu baku = 92.55 detik
Waktu set up = 0 detik
Efisiensi pabrik = 85 %
Reabilitas mesin = 87 %
Skrap produksi = 2%
Persentase daur ulang = 5%
Jawab :
▪ Kapasitas alat teoritis / hari = (7 x 3600) / 92,55 = 272,29 unit / hari
▪ Jumlah yang diharapkan = kapasitas produksi = 380 unit diffuser / hari
▪ Jumlah yang disiapkan = 380 / (1 – 2 %) = 387.76 unit / hari ; dengan 5 % produk cacat
bisa didaur ulang berarti dapat mengurangi jumlah yang disiapkan sebesar : ( 387.76
– 380 ) x 5 % = 7.76 x 5 % = 0.388 unit.
▪ Dengan demikian untuk jumlah yang disiapkan menjadi sebesar : 387.76 – 0.388 =
387.37 unit
▪ Produksi dengan efisiensi = 387.37 / 0.85 = 455.73 unit / hari
▪ Jumlah mesin teoritis = 455.73 / (0.87 x 272.29) = 1.92 mesin
2. Departemen Pemeriksaan :
▪ Kapasitas alat teoritis / hari = (7 x 3600) / 19.23 = 1310.45 unit / hari
▪ Jumlah yang diharapkan = 380 unit diffuser / hari (didapat dari jumlah yang disiapkan
pada Departemen Pengemasan (Departemen sesudahnya).
▪ Skrap produksi = 0 %
▪ Jumlah yang disiapkan = 380 / (1 – 0%) = 380 unit / hari
▪ Produksi dengan efisiensi = 380 / 0.85 = 447.06 unit / hari
▪ Jumlah mesin teoritis = 457.83 / (0.87 x 1310.45) = 0.40 mesin
3.2.1.2. Perhitungan Kebutuhan Jumlah Mesin Sebenarnya

Tabel routing sheet (dapat dilihat pada lembar kerja modul 3) dipergunakan untuk menghitung
jumlah mesin yang sesungguhnya, dasar perhitungannya dapat dilihat pada buku (Apple, 1990, hal 92).
Tata letak fasilitas pada pabrik ini terbagi menjadi dua yaitu process layout dan product layout. Process
layout merupakan proses machining sedangkan product layout merupakan proses perakitan.

Perincian Pembuatan Tabel Kebutuhan Jumlah Mesin Sebenarnya

1. Pada kolom Jumlah Mesin Teoritis, Isilah dengan hasil penjumlahan total mesin teoritis
untuk masing-masing jenis mesin dari 3 jenis produk.
2. Pada kolom Jumlah Mesin Sebenarnya pada Process layout, isilah pembulatan jumlah mesin
dengan aturan pembulatan sbb :
▪ (angka di belakang koma / angka di depan koma)  a ; dibulatkan ke bawah.
▪ (angka di belakang koma / angka di depan koma) > a ; dibulatkan ke atas.
▪ Bila jumlah mesin sebenarnya < 1 maka dibulatkan menjadi 1.
▪ a adalah maksimum persentase lembur yang diperkenankan pada mesin.
Contoh :
▪ Jumlah maksimum persentase lembur yang diperkenankan = 0,1
▪ Jumlah mesin teoritis = 17,12 → 0,12/ 17 ≤ 0,1
→ Jumlah mesin sebenarnya = 17.
▪ Jumlah mesin teoritis = 3,89 → 0,89 / 3 > 0,1
▪ Jumlah mesin teoritis = 0,07 → 0,07 < 1
3. Pada baris terakhir diisi penjumlahan keseluruhan mesin sebenarnya yang telah dibulatkan.
3.2.1.3. Perhitungan Jumlah Supervisor

Jumlah supervisor dihitung dengan ketentuan sebagai berikut :
1. Supervisor terdiri dari supervisor produksi dan supervisor gudang.
2. Supervisor produksi mengawasi maksimal 12 orang operator.
3. Jumlah operator merupakan jumlah keseluruhan operator dari hasil perkalian jumlah mesin
sebenarnya dengan operator per mesin.
4. Masing-masing gudang diawasi oleh 1 orang supervisor.
5. Jumlah supervisor produksi diperoleh dengan membagi total jumlah operator dengan 12
(maksimal 1 supervisor mengawasi 12 operator) dengan pembulatan ke atas.
6. Total Jumlah Supervisor = Jumlah Supervisor Produksi + Jumlah Supervisor Gudang.
7. Perhitungan untuk supervisor secara lengkap dapat dilihat pada lampiran perhitungan
jumlah supervisor.

3.3. Alat, Bahan, dan Data

Software Microsoft Excel.
Data hasil peramalan permintaan
Data waktu baku dan waktu set – up proses permesinan dan waktu baku perakitan untuk 4
jenis item.
Data : Peta Proses Operasi (OPC) dan Peta Rakitan (Assembly Chart).
Data : efisiensi pabrik, persen lembur, persen reliabilitas, persen skrap dan gambar mesin
diberikan oleh lab.
Lembar kerja untuk mencatat data.

1. Praktikan mengikuti briefing praktikum beberapa hari sebelum pelaksanaan praktikum pada
hari yang telah ditentukan.
2. Praktikan menguikuti kuis awal dan briefing singkat oleh Dosen/Asisten PIM 2 tentang outline
pelaksanaan praktikum serta tugas – tugas praktikum yang harus diselesaikan oleh setiap
kelompok praktikum selama jam praktikum di Ruang Komputer kemudian langsung
mengerjakan Kuis Pendahuluan PIM 2 Modul 3.
3. Praktikan mengerjakan Tugas Praktikum Perhitungan Kebutuhan Jumlah Mesin Teoritis
Menggunakan Routing Sheet, Perhitungan Jumlah Mesin Sebenarnya, Perhitungan Jumlah
Supervisor dengan menggunakan software Microsoft Excel yang dimonitor oleh Asisten PIM
2. Satu (1) orang asisten menangani 2 kelompok praktikum.
4. Dengan menggunakan data kapasitas pabrik (berdasarkan data hasil peramalan), data OPC,
data waktu baku, waktu setup, efisiensi pabrik, persentase lembur, persentase reliabilitas, dan
persentase skrap (yang akan diberikan oleh lab) praktikan membuat perencanaan kebutuhan
jumlah mesin teoritis dengan menggunakan Lembar Routing Sheet. Setelah itu dihitung
kebutuhan jumlah mesin sebenarnya dengan mengikuti cara perhitungan pada sub bab 2.2.
5. Praktikan membuat perhitungan Jumlah Supervisor berdasarkan hasil kebutuhan jumlah
mesin sebenarnya yang telah dihitung pada point 4.
6. Praktikan mengumpulkan laporan Modul 3 sebelum praktikum minggu berikutnya.

Sistematika Laporan Modul 3 adalah sebagai berikut:
BAB I PENDAHULUAN


2.1. Perhitungan Routing Sheet
2.2. Penentuan Bahan Baku Produksi.
2.3. Penentuan Operator & Supervisor Produksi.
BAB III PENGOLAHAN DATA DAN ANALISIS HASIL
3.1. Perhitungan Routing Sheet.
▪ Semua perhitungan dibulatkan 2 desimal biasa dengan round (….,2 ) kecuali untuk
jumlah yang diharapkan dan jumlah yang disiapkan dibulatkan menjadi 4 desimal.
▪ Dibuat di kertas A3 (landscape) dengan huruf Times New Roman ukuran 10
▪ Header dan format tabel sesuai contoh tabel, huruf header memakai Times New
Roman ukuran 12.
3.2. Perhitungan Kebutuhan Bahan Baku Produksi
▪ Diprint pada kertas A4 portrait dengan huruf Times New Roman ukuran 12.
▪ Format Tabel dan Header sesuai dengan yang disampaikan pada saat briefing.
3.3. Perhitungan Jumlah Mesin/Stasiun Kerja Produksi
▪ Diprint pada kertas A4 portrait dengan huruf Times New Roman ukuran 12.
▪ Format Tabel dan Header sesuai dengan yang disampaikan pada saat briefing.
3.4. Perhitungan Jumlah Operator dan Supervisor Produksi
▪ Dibuat di kertas ukuran A4 portrait
▪ Penulisan dengan huruf Times New Roman 12
▪ Dibuat sesuai dengan format yang diberikan.
4.1. Kesimpulan
4.2. Saran
DAFTAR PUSTAKA
3.6. Pustaka
1. Apple, J. M. (1990). Plant Layout and Material Handling. The Macmillan Company New
York.
2. Tompkins, James A. et.al. (2010) . Facilities Planning 2nd Edition. John Wiley & Sons,
Inc. USA.
3. Wignjosoebroto, S. (2003). Tata Letak Pabrik dan Pemindahan Bahan. Penerbit Guna Widya.
Surabaya.

MODUL PRAKTIKUM
MODUL IV
PERENCANAAN AGREGAT
Fani Puspitasari, ST, Msc.

Dr. Pudji Astuti, MT MP-IIP222-04/R.4

KaLab SSI
Dr. Rina Fitriana,ST,MM 28 Agustus 2020

KaJur Teknik Industri

MANUFAKTUR II
LABORATORIUM / STUDIO : SIMULASI SISTEM INDUSTRI
SISTEM PRODUKSI
Modul IV Perencanaan Agregat hal 4.1 dari 23
MODUL IV
PERENCANAAN AGREGAT

1. Menjelaskan manfaat dan posisi perencanaan agregat dalam siklus manufaktur.
2. Menjelaskan cara pembuatan perencanaan produksi agregat dengan menggunakan model
optimasi dan metode trial and error.
Setelah menyelesaikan praktikum ini praktikan diharapkan :

1. Mampu membuat rencana produksi agregat dengan menggunakan model optimasi dan metode
trial and error.
Kata Kunci : perencanaan agregat, produk family dan item, model transportasi, model linier
programming, metode trial and error

4.2.Teori Singkat
4.2.1 Perencanaan agregat.
Perencanaan agregat termasuk dalam tahap perencanaan strategis dalam tahapan perencanaan
dan pengendalian produksi dengan input data hasil dari peramalan seperti dijelaskan pada Gambar 4.1.
Forecasting
Strategic
Planning Capacity Management
Resource
Aggregate
Requirements
Planning
Planning (RRP)
Master Rough Cut

Production Capacity
Schedule Planning (RCCP)
Tactical
Planning
Material Capacity
Requirements Requirements
Planning Planning (CRP)
Purchase
Work Orders Rescheduling
Orders
Execution
Planning
Production Activity Control (PAC/SFC)
Gambar 4. 1 Perencanaan Agregat dalam Tahapan Perencanaan dan Pengendalian Produksi
Perencanaan agregat merupakan rencana produksi yang dinyatakan dalam kelompok produk,
dimana kelompok produk disebut Family (agregat). Pada umumnya kelompok produk tersebut
menggunakan sumber daya yang sama. Produk yang sampai di tangan konsumen disebut Item
(Bedworth, 1987).
Tujuan Perencanaan Agregat :
1. Sebagai perencanaan awal untuk perencanaan produksi lebih rinci menjadi item produk dalam
jadwal induk produksi.
2. Sebagai masukan untuk perencanaan sumber daya yang dibutuhkan.
3. Mengantisipasi fluktuasi permintaan.
4.2.2. Langkah-Langkah Perencanaan Agregat

Langkah- langkah dalam merencanakan produksi agregat, yakni:
1. Tentukan periode waktu perencanaan dan bagi ke dalam periode waktu yang diinginkan.

2. Dari hasil ramalan permintaan item produk agregasikan ke dalam satuan agregat dengan cara
mengunakan waktu baku sebagai faktor konversi, dimana angka peramalan produk yang terbesar
mempunyai faktor konversi = 1.
3. Tentukan dari hasil konversi ramalan estimasi permintaan dalam jangka waktu perencanaan dan
terjemahkan permintaan ke dalam bentuk sumber yang dibutuhkan.
4. Untuk setiap periode, lakukan evaluasi kapasitas yang tersedia saat ini dengan produksi yang
dibutuhkan. Apabila ada ketidakseimbangan antara jumlah kapasitas yang dibutuhkan dengan
kapasitas yang tersedia dalam satu atau lebih periode perencanaan, maka adakan penyeimbangan
kapasitas.
Ada beberapa cara yang dapat digunakan untuk menyeimbangkan kapasitas.
▪ Penyesuaian tingkat tenaga kerja. Kadang-kadang merekrut dan memberhentikan pekerja
dapat menjadi cara yang efektif. Namun jika terlalu sering, kita akan menemui kesulitan dalam
mendapatkan pekerja yang berkualitas dengan gaji yang kompetitif.
▪ Merencanakan waktu lembur. Menggunakan waktu lembur dapat membuat perusahaan
menghindari perekrutan tenaga kerja yang biasanya diberhentikan ketika jumlah produksi
sedikit. Namun terlalu banyak waktu lembur akan cepat menimbulkan kelelahan dan penurunan
kualitas produk.
▪ Memperpanjang hari kerja. Beberapa perusahaan meminta pekerjanya untuk bekerja lebih
lama selama musim sibuk (busy season) sebagai pengganti untuk jam kerja lebih pendek selama
musim sepi (slow season).
▪ Pemakaian bersama (share capacity). Jika sebuah perusahaan tidak dapat memenuhi
permintaan, ia dapat mengadakan sub kontrak dengan pesaing lokal (local competitor).
▪ Persediaan antisipasi. Persediaan dapat diakumulasikan dalam musim yang sepi (off season)
untuk memenuhi permintaan pada musim sibuk (peak season).
▪ Mengizinkan pelanggan menunggu (backlog). Pelanggan dapat menyetujui untuk menunggu
dalam waktu yang tidak terlalu lama atau ditempatkan dalam daftar tunggu (waiting list). Jika
industri telah memiliki saingan, hal ini akan mengurangi order dan pelanggan di masa yang
akan datang.
▪ Perjanjian sub kontrak dengan perusahaan lain. Hal ini dilakukan dengan cara membayar
perusahaan lain untuk membuat produk yang diminta oleh pelanggan. Perjanjian sub kontrak
ini dapat lebih menguntungkan daripada harus kehilangan pelanggan.
▪ Stockouts. Perusahaan dapat memilih untuk tidak dapat memenuhi permintaan. Hal ini
tergantung dengan kondisi pesaing (competitor), apakah perusahaan ini akan mengurangi
permintaan di masa yang akan datang.

5. Pilih metode perencanaan agregat yang digunakan.baik menggunakan metode optimasi maupun
teknik heuristic. Tujuan akhirnya adalah untuk mendapatkan perencanaan produksi yang
memberikan biaya produksi terendah.
Contoh: : Konversi ke satuan Agregat :

Data hasil peramalan permintaan selama 12 bulan berdasarkan hasil peramalan terbaik disajikan pada
Tabel 4.1.
Tabel 4. 1. Hasil Peramalan permintaan dan waktu baku
HASIL PERAMALAN
Periode (Bulan) Produk A Produk B
(unit) (unit)
1 1400 400
2 700 200
3 450 100
4 650 300
5 1700 200
6 1100 400
7 500 200
8 750 100
9 700 200
10 750 500
11 850 500
12 900 400
Total 10450 3500
Waktu baku (jam) 2 3
Persediaan awal untuk Produk A = 170 unit

Persediaan awal untuk Produk B = 20 unit
Solusi:
1. Tentukan terlebih dahulu faktor konversinya. Karena produk A memiliki total hasil peramalan yang
terbesar, maka waktu baku produk A memiliki faktor konversi 1, sedangkan produk B memiliki
3
faktor konversi  1 = 1.50
2
2. Setelah mendapatkan faktor konversinya, maka harus dikalikan hasil peramalan untuk Produk A
dengan 1 dan hasil peramalan produk B dengan 1.50. Apabila hasilnya ternyata dalam bentuk
desimal maka dilakukan pembulatan ke atas.

Tabel 4. 2 merupakan tabel konversi data hasil peramalan dalam satuan agregat.
Tabel 4. 2 Konversi Data Hasil Peramalan Dalam Satuan Agregat.
HASIL PERAMALAN
Jumlah
Periode (Bulan) Produk A Produk B
(unit)
(unit) (unit)
1 1400 600 2000
2 700 300 1000
3 450 150 600
4 650 450 1100
5 1700 300 2000
6 1100 600 1700
7 500 300 800
8 750 150 900
9 700 300 1000
10 750 750 1500
11 850 750 1600
12 900 600 1500
3. Kemudian mengkonversikan persediaan awal ke dalam satuan agregat:

Produk A = 170 x 1 = 170
Produk B = 20 x 1.50 = 30
Jumlahnya = 170 + 30 = 200 satuan agregat
4. Selanjutnya, kurangkan jumlah hasil konversi bulan pertama dengan jumlah persediaan awal,
sehingga diperoleh perkiraan permintaan dalam satuan agregat seperti Tabel 4. 3.
Tabel 4. 3 Perkiraan permintaan dalam satuan agregat
Periode (Bulan) Jumlah (satuan agregat)
1 2000-200 = 1800
2 1000
3 600
4 1100
5 2000
6 1700
7 800
8 900
9 1000
10 1500
11 1600
12 1500
4.2.3. Metoda Perencanaan Agregat

4.2.3.1. Model Optimasi
Perencanaan agregat dengan pendekatan model optimasi merupakan metoda yang lebih baik
karena merupakan model analitik dengan proses optimasi. Perencanaan Agregat dengan struktur
biaya linier dan atau tenaga kerja tetap dapat dilakukan dengan beberapa metode, antara lain :
1. Model Transportasi
2. Model Linear Programming
1. Model Transportasi
Secara umum masalah transportasi digambarkan dalam bentuk jaringan, kerja dimana terdapat
m sumber dan n tujuan yang masing-masing dinyatakan sebagai node. Sedangkan rute yang
menghubungkan sumber ke tujuan digambarkan sebagai arc (anak panah). Arc(i,j) menyatakan adanya
hubungan transportasi dari sumber i ke tujuan j, pada hubungan ini diperlukan 2 informasi yaitu biaya
transportasi per-unit (cij) dan jumlah komoditi yang dikirimkan (xij). Kapasitas sumber dinyatakan
sebagai ai dan permintaan tujuan dinyatakan sebagai bj. Tujuan dari model transportasi ini adalah
menentukan jumlah variabel xij yang akan meminimumkan total biaya transportasi dengan tetap
memenuhi batasan kapasitas sumber (supply) dan permintaan tujuan.
Sumber Tujuan
A B
x 11 b1
a1 i=1 j=1
x 1n x 12
j=2 b2
a2 i=2
x 22
x 2n
x m1
x m2
bn
i=m j=n
am x mn
Gambar 4. 2 Struktur jaringan model Transportasi
Aplikasi model transportasi pada perencanaan agregat, sumber merupakan sumber produksi untuk
memenuhi permintaan, seperti produksi pada waktu kerja reguler, produksi pada waktu kerja lembur,
sub-kontrak dan persediaan awal dan kebijakan produksi lainnya. Kapasitas sumber merupakan
kapasitas dalam satuan agregat untuk masing-masing sumber produksi. Sedangkan tujuan merupakan
permintaan produk dalam satuan agregat pada setiap periode permintaan. Biaya transportasi dalam
satuan agregat dinyatakan sebagai biaya produksi reguler/unit produk, biaya produksi lembur/unit
produk, biaya simpan/unit produk per-periode, harga sub-kontrak/unit produk, dan biaya stock-out/.unit
produk, biaya backorder/unit produk per-periode. Fungsi tujuan perencanaan agregat dengan model
transportasi ini adalah meminimumkan total biaya ( biaya produksi, simpan, sub-kontrak, stockout, back
order) agar semua permintaan dipenuhi. Secara rinsi dijelaskan pada Tabel 4.4 berikut.

Tabel 4.4 Elemen model transportasi pada perencanaan agregat
Elemen model Model Transportasi secara Aplikasi model transportasi pada

umum perencanaan agregat
Persediaan awal
Sumber produksi jam kerja reguler
pada` periode ke-i
Sumber Sumber pengiriman i
Sumber produksi jam kerja lembur
pada` periode ke-i
Sub-kontrak pada periode ke-i
Tujuan Tujuan pengiriman j Permintaan pada periode ke -j
Biaya persediaan/unit per-periode
Biaya produksi reguler /unit
Biaya transportasi dari sumber Bproduksir kerja lembur /unit
Biaya
i ke tujuan j Harga Sub-kontrak /unit
Biaya back-orde/unit
Biaya stock-out /unit
Jumlah persediaan awal
Kapasitas produksi jam kerja reguler
pada` periode ke-i
Kapasitas
Kapasitas supply sumber i Kapasitas produksi jam kerja lembur
sumber
pada` periode ke-i
Kapasitas Sub-kontrak pada periode ke-
i
Permintaan Permintaan tujuan j Permintaan periode j

Tabel 4.5 Tabel Transportasi secara umum
Ke TUJUAN
Supply
Dari 1 2 . .. j . .. n
c11 c12 c1j c1n
1 x 11 . .. . .. x 1n a1
c21 c22 c2j c2n
S 2 x 21 x 22 . .. x 21 . .. x 2n a2
U ... ... ... ... ... ...
M
B ci1 ci2 cij cin
E i . .. . .. ai
R
... ... ... ... ... ...
cm1 cm2 cmj cmn

m x m1 x m2 x mj x mn am
Demand b1 b2 . .. bj . .. bn b \ a
j i
Keterangan:
1. Jumlah penawaran dan jumlah permintaan
Terdapat 2 kemungkinan dari jumlah penawaran dan permintaan:
• Masalah transportasi seimbang (  bi =  a j )
• Masalah transportasi tidak seimbang (  bi   ai )
a. Keseimbangan Masalah Transportasi

Masalah transportasi dikatakan seimbang bila total kapasitas (jumlah penawaran) sumber sama dengan
total permintaan tujuan, atau :
m n
a = b
i =1
i
j=1
j
Dalam persoalan yang sebenarnya, batasan ini tidak selalu terpenuhi, atau kapasitas yang tersedia
mungkin lebih besar atau lebih kecil daripada jumlah yang diminta. Jika hal ini terjadi maka masalah
persoalannya disebut sebagai masalah yang tidak seimbang.
b. Ketidakseimbangan Masalah Transportasi

Jika jumlah permintaan tidak sama dengan kapasitas yang tersedia, maka agar masalah tersebut dapat
diselesaikan dibuat kolom semu (dummy column) atau baris semu (dummy row) sehingga jumlah kolom
sama dengan jumlah baris.

▪ Jika jumlah permintaan melebihi penawaran (  b j   ai ) , maka dibuat suatu sumber dummy
yang akan menyediakan kekurangan tersebut, dengan kata lain ditambahkan baris dummy
dengan kapasitas sebanyak :
b −  a
j i
▪ Sebaliknya jika jumlah persediaan melebihi jumlah permintaan(  ai   b j ), maka dibuat suatu
tujuan dummy untuk menyerap kelebihan tersebut, ditambahkan kolom dummy dengan
permintaan sebanyak:  a − b
i j
Keterangan:
1. Biaya transportasi per unit (cij) dari sumber dummy ke seluruh tujuan adalah nol. Hal ini dapat
dipahami karena pada kenyataannya dari sumber dummy tidak terjadi pengiriman. Begitu pula
dengan biaya transportasi per unit (cij) dari semua sumber ke tujuan dummy adalah nol.
2. Jika pada suatu persoalan transportasi dinyatakan bahwa dari sumber ke - k tidak dilakukan atau
tidak boleh terjadi pengiriman ke tujuan ke-l, maka nyatakanlah ckl dengan suatu harga M yang
besarnya tak terhingga. Hal ini dilakukan agar dari k ke l itu benar-benar tidak terjadi pendistribusian
komoditi.
c. Metode Pemecahan Masalah Transportasi

Pada prinsipnya dalam memecahkan permasalahan transportasi perlu dilakukan langkah-
langkah sebagai berikut:
1. Menentukan solusi layak awal
2. Pengujian Optimalitas
d. Solusi layak awal
Pada bentuk umum masalah transportasi diatas, terdapat m kendala penawaran dan n kendala
permintaan, keseluruhannya terdapat m+n kendala. Dalam masalah programa linier, banyaknya variabel
basis dalam tabel simpleks sama dengan banyaknya kendala. Namun, dalam masalah transportasi,
m n
terdapat sebuah kendala yang berlebih (redundant) yaitu kondisi keseimbangan  ai =  bj ,
j =1 j =1
memberikan kenyataan bahwa jika m+n–1 kendala terpenuhi maka m+n persamaan juga akan terpenuhi
sehingga hanya terdapat m+n–1 persamaan independent yang menyatakan bahwa solusi awal hanya
memiliki m+n–1 variabel basis.
Ada beberapa metode untuk mencari solusi layak dasar awal. Tiga dari metode yang dikenal adalah :
1. Aturan sudut barat laut (Northwest Corner Rule).

Dimulai dari pojok barat laut (sudut kiri atas) tabel, alokasikan sebanyak mungkin pada x11 tanpa
menyimpang dari kendala penawaran atau permintaan.
Langkah-langkah aturan sudut barat laut:
• Isi sel sudut barat laut (kiri atas) semaksimal mungkin
• Lanjutkan isi sel dari kolom disebelah kanannya atau baris dibawahnya semaksimal mungkin
• Demikian seterusnya hingga permintaan/supply terpenuhi semua.
• Periksa apakah jumlah variabel basis = jumlah baris+jumlah kolom -1
• Jika sama, lanjutkan uji optimalitas
• Jika tidak sama, tambahkan “0” pada sembarang sel sejumlah kekurangannya.
2. Metode biaya terkecil (Least Cost Method) .

Metode ini berusaha mencapai tujuan minimasi biaya dengan alokasi sistematik kepada kotak-kotak
sesuai dengan besarnya biaya transportasi per unit.
Langkah-langkah metoda biaya terkecil:
• Tentukan sel dengan biaya terkecil dan isikan dengan jumlah semaksimal mungkin
• Lanjutkan pada sel dengan biaya terkecil berikutnya dengan jumlah semaksimal mungkin
3. Metode pendekatan Vogel (Vogel’s Approximation Method disingkat VAM)

VAM melakukan alokasi dalam suatu cara yang akan meminimumkan penalty (opportunity cost)
dalam memilih kotak yang salah untuk suatu alokasi.
• Buat penalty kolom dan penalty baris, yaitu selisih antara biaya terkecil dengan biaya terkecil
berikutnya pada kolom/baris
• Tentukan penalty terbesar dan isikan dengan jumlah semaksimal mungkin
• Hitung kembali penalty kolom dan penalty baris dengan tidak mengikut sertakan baris /kolom
yang sudah terisi penuh sesuai kapasitasnya.
• Tentukan penalty terbesar dan isikan dengan jumlah semaksimal mungkin

e. Pengujian Optimalitas
1. Menentukan variabel masuk (variabel bukan basis yang akan menjadi basis), bila semua variabel
sudah memenuhi kondisi optimum, maka langkah pengerjaan dihentikan. Bila belum lanjutkan
ke langkah 2.
2. Menentukan leaving variable (variabel basis yang akan menjadi nonbasis), kemudian
menghitung solusi yang baru. Selanjutnya kembali ke langkah 1.
Langkah 1 dan 2 merupakan langkah untuk menentukan solusi optimum, yang dilakukan dengan
menggunakan Metode Stepping Stone atau MODI.
Uji Optimalitas dengan MODI

• Variabel basis ( Variabel yang tdk sama dengan 0 atau sel yang terisi): cij = ui + v j
• Variabel non basis ( Variabel yang sama dengan 0 atau sel yang kosong : cij = cij − ui − v j
• Optimal Jika : semua cij  0
f. Formulasi Perencanaan Agregat dengan Model Transportasi

xij = jumlah unit yang diproduksi oleh sumber ke i untuk memenuhi kebutuhan permintaan dalam
periode j
C = Biaya simpan per unit per periode
I = Jumlah persediaan awal
KRi = Kapasitas produksi reguler periode i
KOi = Kapasitas produksi lembur periode i
KSi = Kapasitas sub-kontrak periode i
Dj = Ramalan permintaan untuk periode j
Ri = Biaya per unit untuk produksi regular periode i
Oi = Biaya per unit untuk produksi lembur periode i
Si = Biaya per unit untuk sub-kontrak periode i
Z = Total biaya produksi dan penyimpanan untuk semua periode.

Tabel 4.6 Model tranportasi untuk perencanaan agregat
Periode Permintaan
Supply
Sumber produksi 1 2 … j n
C 2C jC nC
Periode 0
Persediaan
I
awal
x11 x12 x1j x1n
R1 R1+C R1+(j-1)C R1+(n-1)C

Reguler
x21 x22 x2j x2n KR1
Periode 1
O1 O1+C O1+(j-1)C O1+(n-1)C

Lembur KO1
x31 x32 x3j x3n
S1 S1+C S1+(j-1)C S1+(n-1)C
Sub-
KS1
kontrak x41 x42 x4j x4n
- R2 R2+(j-2)C R2+(n-2)C
Reguler KR2
x51 x52 x5j x5n
Periode 2
- O2 O2+(j-2)C O2+(n-2)C KO2

Lembur
x61 x62 x6j x6n
Sub- - S2 S2+(j-1)C S2+(n-1)C

KS2
kontrak x71 x72 x7j x7n
Permintaan D1 D2 .. Dj Dn
Berikut ini adalah tabel matriks biaya dengan model Transportasi (Cost dalam Ribuan Rupiah ) :
Contoh PT. XYZ, saat ini perusahaan memiliki 7 orang pekerja. Waktu siklus 1 unit diambil dari waktu
baku produk yang memiliki total permintaan yang terbesar, yaitu 2 jam. Dalam 1 bulan terdapat 4
minggu dan 1 minggu terdiri dari 6 hari kerja dimana setiap harinya pekerja bekerja selama 8 jam.
Biaya persediaan untuk 1 unit per bulannya adalah Rp. 2500,-. Biaya subkontrak untuk 1 unit adalah
Rp. 30.000,- (sudah termasuk biaya bahan baku) .Upah reguler 1 pekerja tiap jam Rp. 1500,- dan upah
overtime per jam Rp. 2000,-. Biaya bahan baku per-unit produk adalah Rp.5000,-. Permintaan yang
diperkirakan disajikan pada Tabel 4.2. Tentukan perencanaan aggregat selama 6 bulan pertama untuk
mendapatkan minimasi biaya produksi.
Solusi:
Konversi permintaan pada satuan agregat:
Kapasitas sub-kontrak:
Produk A = 850 unit x 1 = 850 satuan agregat
Produk B = 100 unit x 1.50 = 150 satuan agregat

Maksimum subcontract = 850 + 150 = 1000 satuan agregat / bulan
Data permintaan dalam satuan agregat digunakan data dari Tabel 4.3
Tabel 4.7 Tabel biaya perencanaan agregat model transportasi
Periode Sumber Periode permintaan
Kapasitas
Produksi Produksi 1 2 3 4 5 6
Persediaan I 2,5 5 7,5 10 12,5 15 200
R 6,5 9 11,5 14 16,5 19 672
Periode 1 L 7 9,5 12 14,5 17 19,5 168
S 30 32,5 35 37,5 40 42,5 1000
R - 6,5 9 11,5 14 16,5 672
Periode 2 L - 7 9,5 12 14,5 17 168
S - 30 32,5 35 37,5 40 1000
R - - 6,5 9 11,5 14 672
Periode 3 L - - 7 9,5 12 14,5 168
S - - 30 32,5 35 37,5 1000
R - - - 6,5 9 11,5 672
Periode 4 L - - - 7 9,5 12 168
S - - - 30 32,5 35 1000
R - - - - 6,5 9 672
Periode 5 L - - - - 7 9,5 168
S - - - - 30 32,5 1000
R - - - - - 6,5 672
Periode 6 L - - - - - 7 168
S - - - - - 30 1000
Permintaan 1800 1000 600 1100 2000 1700
Catatan:
Sumber dari persediaan :
- untuk memenuhi permintaan periode 1, biaya = 1xRp.2.500,-/unit
- untuk memenuhi permintaan periode 2, biaya = 2xRp.2.500,-/unit
- dst
Sumber produksi Reguler periode 1:
- untuk memenuhi permintaan periode 1, biaya/unit produk = biaya produksi reguler+ biaya
bahan baku = Rp. 1500,-+ Rp.5000,-=Rp.6500,-
- untuk memenuhi permintaan periode 2, biaya = biaya produksi reguler+ biaya bahan baku +
biaya persediaan 1 periode= Rp. 1500,-+ Rp.5000,-+1xRp.2500 =Rp.9000,-
- dst

Sumber produksi Lembur periode 1:
- untuk memenuhi permintaan periode 1, biaya/unit produk = biaya produksi lembur+ biaya
bahan baku = Rp. 2000,-+ Rp.5000,-=Rp.7000,-
- untuk memenuhi permintaan periode 2, biaya = biaya produksi reguler+ biaya bahan baku +
biaya persediaan 1 periode= Rp. 2000,-+ Rp.5000,-+1xRp.2500 =Rp.9500,-
- dst
Sumber produksi dari subkontrak periode 1:
- untuk memenuhi permintaan periode 1, biaya/unit produk = harga sub-kontrak/unit
=Rp.30000,-
- untuk memenuhi permintaan periode 2, biaya = harga sub-kontrak per-unit + biaya persediaan
1 periode= Rp. 30.000,-+1xRp.2500 =Rp.32.500,-
- dst
Kapasitas Produksi Reguler (unit produk) : (7 orang x 8 jam / hari x 6 hari/minggu x 4 minggu/bulan )
/ waktu baku 2 jam/unit produk = 672 unit
Kapasitas Produksi lembur (unit produk) : (7 orang x 2 jam / hari x 6 hari/minggu x 4 minggu/bulan ) /
waktu baku 2 jam/unit produk = 168 unit
Kapasitas sub-kontrak :
- Produk A = 850 unit x 1 = 850 satuan agregat
- Produk B = 100 unit x 1.50 = 150 satuan agregat
- Maksimum subcontract = 850 + 150 = 1000 satuan agregat / bulan
Karena tidak ada back order atau loss sales maka biaya produksi periode 2 untuk memenuhi
permintaan periode 1 tidak ada (“-“). Pada perhitungan dikenakan biaya yang relatif besar misalnya
Rp.1.000.000,-
Untuk menyelesaikan permasalahan di atas dapat digunakan software WinQSB pada subprogram
Network - Transportation
• Entering the Problem
1. Buka Network Modelling (NET)
2. Buka New Problem dari menu File atau klik icon dari tool bar untuk memulai.
3. Pada Net Spesifikasi Problem, Klik Transportation Problem pada Problem Type, klik
Minimization pada Objective Criterion, klik Spreadsheet Matrix Form pada Data Entry
Format. (lihat Gambar 4.3).
4. Isikan Problem Title, number of sources (19), number of destination (6)

5. Untuk mengubah nama Node, pilih Node Names dari menu Edit untuk mengubah
nama-nama node. Gambar 4.4 memperlihatkan nama node yang telah diganti.
6. Masukkan data model ke dalam dialog box (Spreadsheet Matrix Form) seperti pada
Gambar 4.5.
Setelah data dimasukkan semua, pilih Save Problem As dari menu File atau klik icon dari tool
bar untuk menyimpan.
Gambar 4.3 Problem spesification form
Gambar 4.4 Entering form

Gambar 4.5 Editing node form
Isikan data biaya, kapasitas produksi (supply) dan permintaan untuk setiap periode, seperti pada Gambar
4.6. Karena kebijakan tidak memperbolehkan back order, maka biaya pada kolom biaya periode n+1
untuk memenuhi permintaan periode n diberikan biaya besar. Pada contoh ini diberikan biaya sebesar
1000, karena relatif lebih besar daripada biaya lainnya, sehingga soulusi optimal yang ditawarkan akan
menyebabkan back order tidak akan terpilih.
Gambar 4.6 Matrik input

• Menjalankan program
1. Setelah masalah telah dimasukkan, mendapatkan hasil dan atau menganalisa. Gunakan perintah
Solve the Problem dari menu Solve and Analyze atau pilih icon dari menu toolbar untuk
menjalankan program dari model yang disusun. Atau bisa juga menggunakan perintah Solve
and Display Steps – Network dari menu Solve and Analyze atau pilih icon dari menu
toolbar untuk memunculkan grafik network simplex iteration.
2. Pilih perintah dari menu Result atau klik icon dari menu toolbar untuk menunjukkan
analisa, termasuk solusi dari grafik, jarak optimalitas dan analisa what-if, dan analisa
parametric. Tabel 4.8 menunjukkan solusi untuk contoh soal diatas.
Tabel 4.8 Solusi optimal masalah perencanaan agregat
Analisis :
Tabel 4.8 menunjukkan bahwa total biaya minimum adalah Rp.123.564.000,-. Dengan perencaan
produksi sebagai berikut:
Persediaan awal 200 unit digunakan untuk memenuhi permintaan periode 1.Selain dipenuhi dari
persediaan awal, permintaan periode 1dipenuhi dari produksi reguler dengan kapasitas penuh (672 unit),
dari produksi lembur dengan kapasitas penuh (168 unit), sisanya dipenuhi dari sub-kontrak sebesar 760
unit. Kapasitas sub-kontrak adalah 1000 unit, berarti ada sejumlah 240 unit dari kapasitas sub-kontrak
yang tidak dipakai, hal ini dalam program transportasi disebut unused supply, pada pergitungan manual

unsude supply ini adalah dummy tujuan / periode permintaan. Unsude supply / dummy tujuan ini diberi
biaya =0. Demikian juga analisis untuk bulan-bulan selanjutnya hingga bulan ke-6. Pada kolom terakhir
Tabel 4.8 terdapat angka reduced cost =0. Reduced cost ini adalah biaya untuk mengubah variabel non
basis menjadi variabel basis. Karena semua variabel model diatas adalah variabel basis maka nilai
reduced cost = 0 .
Analisa sensitivitas.
Perubahan kapasitas sumber produksi.
Untuk menampilkan analisis sensitivitas kelayakan dilakukan dengan meng-klik Results →
range of feasibility, maka akan muncul seperti Tabel 4.9. Perubahan kapasitas supply/sumber produksi
akan berpengaruh terhadap kelayakan solusi. Tabel 4.9 menampilkan Allowable minimum value untuk
persediaan awal adalah 200 unit dan Allowable maximum value adalah 960 unit. Artinya seandainya
ada peningkatan persediaan awal maksimum menjadi 960 agar solusi tetap layak. Setiap peningkatan 1
unit produk dari persediaan awal ini maka akan menurunkan biaya sebesar Rp.27,50. Perubahan
kapasitas produksi reguler pada periode 1 bisa ditingkatkan maksimum menjadi 1432 unit. Peningkatan
kapasitas ini akan menurunkan total biaya sebesar Rp.23,5 /unit. Kapasitas produksi lemburpun boleh
ditingkat maksimum menjadi 928 unit, dan peningkatan ini akan menurunkan total biaya sebesar
Rp.23,50 /unit. Sedangkan allowable maximum value untuk sub-kontrak adalah M (sebuah bilangan
besar) dengan shadow price sama dengan 0. Hal ini menunjukkan bahwa kapasitas suplly boleh
ditingkatkan seberapapun, tetapi peningkatan tersebut tidak berpengaruh terhadap penurunan total
biaya. Dari ke 4 sumber produksi pada periode 1 ini terlihat bahwa semakin rendah biaya produksi
semakin besar peningkatan kapasitas yang diijinkan. Penambahan kapasitas ini akan mengurangi
jumlah produksi dari sumber produksi yang lebih mahal (misalnya sub-kontrak), sehingga akan
menurunkan total biaya produksi. Demikian seterusnya analisis untuk periode selanjutnya.
Tabel 4.9 Range of feasibility

2. Model Programa Linier
Model Programa Linier merupakan metoda optimasi pada perencanaan agregat dan lebih
bersifat umum dari pada model transportasi, misalnya pada model ini memungkinkan melakukan
hire/layoff, backorder dan sebagainya.
Asumsi :
1. Tingkat permintaan Dt, diketahui dan diasumsikan telah ditentukan pada semua periode
yang akan datang.
2. Biaya produksi selama regular time diasumsikan meningkat secara linear.
3. Ongkos perubahan level produksi dapat digambarkan sebagai fungsi linear.
4. Upper Bound dan Lower Bound menyatakan kuantitas produksi, tetapi jika pada inventory
level, menyatakan limit dari kapasitas dan ruang yang tersisa.
a. Formulasi model Programa Linier pada Perencanaan agregat

Fungsi tujuan :
Minimalkan total biaya produksi = biaya produksi reguler + biaya produksi lembur+ biaya produksi
dengan penambahan tenaga kerja + biaya karena pengurangan
tenaga kerja + biaya persediaan.
k k k k k
Minimumkan C = r  Pt + h At + f  Rt + v Ot + c It
t =1 t =1 t =1 t =1 t =1
Dengan batasan
Pt ≤ Mt ; t = 1,2, ..., k
Ot ≤ Yt ; t = 1,2, ..., k
It = It-1+Pt+Ot-Dt ; t = 1,2, ..., k
At  Pt - Pt-1 ; t = 1,2, ..., k
Rt  Pt-1 - Pt ; t = 1,2, ..., k
At, Rt, It, Pt, Ot  0
Dimana :
r = Biaya produksi/unit untuk produksi waktu reguler
v = Biaya produksi/unit untuk produksi overtime
Pt = Jumlah produksi reguler pada periode t
Ot = Jumlah produksi overtime pada periode t
h = Hiring Cost
f = Layoff Cost
At = Jumlah kenaikan produksi selama penambahan tenaga kerja pada periode t

Rt = Jumlah penurunan produksi selama pengurangan tenaga kerja pada periode t
c = Biaya simpan per unit per periode
Dt = Permintaan untuk periode t
It = Jumlah persediaan pada periode t
Mt = Kapasitas produksi reguler pada periode t
Yt = Kapasitas produksi overtime pada periode t
k = jumlah periode perencanaan
Contoh :
Modelkan data-data dibawah ini dengan model linear agar diperoleh tingkat produksi dan
jumlah tenaga kerja yang optimal. Back order tidak diperbolehkan.
D1 = 200 unit M1 = 180 Y1 = 30
D2 = 50 unit M2 = 120 Y2 = 20
D3 = 75 unit M3 = 120 Y3 = 20
v = $15 / unit f = $10 / unit Io = 0
c = $5 / unit r = $10 / unit
h = $30 / unit Po = 150
Solusi : Problem ini diformulasikan dengan meminimasi,

C = 10 (P1+P2+P3) + 30 (A1+A2+A3) + 10 (R1+R2+R3) + 15(O1+O2+O3) + 5(I1+I2+I3)
Persamaan-persamaan lainnya :
P1 ≤ 180
P2 ≤ 120
P3 ≤ 120
O1 ≤ 30
O2 ≤ 20
O3 ≤ 20
P1 + O1 – I1 = 200
P2 + O2 – I1 – I2 = 50
P3 + O3 – I2 – I3 = 75
P1 – A1 ≤ 150
-P1 + P2 – A2 ≤ 0
-P2 + P3 – A3 ≤ 0
P1 + R1  150
-P1 + P2 + R2  0
-P2 + P3 +R3  0
Pt, Ot, At, Rt, It  0

Selanjutnya permasalahan diatas dapat diselesaikan dengan menggunakan program WinQSB pada sub
program Linear Programming
• Entering the Problem
1. Buka Software WinQsb
2. Buka Sub program LP-ILP atau klik gambar
3. Buka File →klik new atau klik

4. Untuk entry data klik Spreadsheet pada data entry jika diinginkan entri data dalam bentuk
matrik
5. Isikan :
i. Problem Title
ii. Number of variable :15
iii. Number of constraints : 15
iv. Objective criterion : Minimization
v. Variabel keputusan merupakan bilangan bulat klik nonnegative integer.
6. Isikan data model programa linier pada kolom-kolom pada spreadsheed matrix form ( Gambar
4.7)
7. Setelah data dimasukkan semua, pilih Save Problem As dari menu File atau klik icon
dari tool bar untuk menyimpan data model.
Gambar 4.7 Entering form

Tabel 4.10. Matrik isian model linear programmming
Tabel 4.11 Solusi optimal
Total biaya produksi sebesar Rp.5.450,- . Permintaan periode 1 sebanyak 200 unit (C8)
dipenuhi dari produksi reguler sebanyak 170 unit (P1) dari kapasitas reguler periode 1 yaitu 180 unit,
produksi overtime 30 unit (O1). Permintaan periode 2 sebanyak 50 unit dipenuhi dari produksi reguler
sebanyak 50 unit, tidak ada over time ( O2=0) dan tidak ada hire maupun layoff tenaga kerja. Permintaan
periode 3 dipenuhi dari produksi reguler sebanyak 55 unit dan overtime sebanyak 20 unit.

4.2.3.2. Metode Trial and Error
Metode trial and error merupakan metoda coba-coba yang sederhana mudah digunakan dalam
perencanaan agregat, namun tidak menjamin hasilnya optimal. Hanya membandingkan hasil yang lebih
baik dari metoda yang lain. Pada umumnya metoda trial and error ini ada 2 jenis yaitu pure strategy
meliputi changing workforce level (Zero inventory), Changing inventiry level, subcontracting dan
mixed strategy yang merupakan gabungan dari ketiga metode tersebut.
1. Pure Strategy
a. Changing Workforce level (Zero Inventory), berproduksi sesuai dengan jumlah peramalan,
dengan cara: dapat menambah tenaga kerja, mengurangi tenaga kerja atau lembur untuk
menghindari adanya persediaan.
b. Changing Inventory Level , berproduksi pada tingkat produksi konstan untuk menghindari
kegiatan hire dan fire. Untuk itu dilakukan penyamaan jumlah produksi berdasarkan rata-rata
permintaan dan menutupi kekurangan produksi dengan persediaan yang berasal dari produksi
periode terdahulu., sehingga dengan metoda ini dapat mengakibatkan terjadi persediaan atau
back order.
c. Subcontracting, berproduksi denganmelakukan subkontrak kepada perusahaan lainnya jika
tingkat produksi tidak mencukupi jumlah permintaan.
2. Mixed Strategy,
Berproduksi dengan menggunakan penggabungan dari metoda pure strategy.
Contoh:
PT. XYZ, saat ini perusahaan memiliki 7 orang pekerja. Waktu siklus 1 unit diambil dari waktu baku
produk yang memiliki total permintaan yang terbesar, yaitu 2 jam. Dalam 1 bulan terdapat 4 minggu
dan 1 minggu terdiri dari 6 hari kerja dimana setiap harinya pekerja bekerja selama 8 jam. Biaya untuk
merekrut 1 pekerja baru membutuhkan biaya Rp. 2.500.000,- dan untuk memberhentikan 1 pekerja
membutuhkan biaya Rp.3.000.000,-. Biaya persediaan untuk 1 unit per bulannya adalah Rp. 5000,-.
Biaya subkontrak untuk 1 unit adalah Rp. 30.000,- sedangkan biaya kehilangan pelanggan tiap 1 unit
Rp. 60.000,-. Upah reguler 1 pekerja tiap jam Rp. 1500,- dan upah overtime per jam Rp. 2000,-.
Maksimum overtime adalah 2 jam per hari. Maksimum subkontrak produk A dan B masing-masing
adalah 850 unit/bulan dan 100 unit/bulan. Data hasil peramalan permintaan produk agregat pada Tabel
4.3. Biaya bahan baku Rp. 5000,-.Tentukan perencanaan aggregat untuk mendapatkan minimasi biaya
produksi .

1a. Changing Workforce Levels
Tabel 4.12 Perhitungan Perencanaan Agregat Dengan Metoda Changing Workforce Level
Permintaan Permintaan Waktu Waktu Jumlah
Bulan Hire Fire
(satuan agregat) (jam) Reguler Overtime Pekerja
1 1800 3600 2880 720 8 0 15
2 1000 2000 2112 0 0 4 11
3 600 1200 1344 0 0 4 7
4 1100 2200 1920 280 3 0 10
5 2000 4000 3264 736 7 0 17
6 1700 3400 3264 136 0 0 17
7 800 1600 1728 0 0 8 9
8 900 1800 1728 72 0 0 9
9 1000 2000 1728 272 0 0 9
10 1500 3000 2496 504 4 0 13
11 1600 3200 2688 512 1 0 14
12 1500 3000 2688 312 0 0 14
Σ 27840 3544 23 16
Biaya reguler 27840 x 1.500 = 41.760.000

Biaya overtime 3544 x 2.000 = 7.088.000
Biaya hire 23 x 2.500.000 = 57.500.000
Biaya fire 16 x 3.000.000 = 48.000.000
Biaya bahan baku 15500 x 5000 = 77.500.000
Total biaya 231.848.000
Waktu siklus adalah 2 jam, sesuai dengan produk yang memiliki faktor konversi 1.
Reg = waktu reguler selama periode yang diperhitungkan contoh dalam soal ini satu periode ialah satu
bulan maka waktu kerja selama satu bulan ini ialah : 8 jam x 4 minggu x 6 hari = 192 jam
OT = ialah waktu over time yang diperbolehkan selama bulan itu dalam contoh ini satu hari kerja max
2 jam ot maka : 2jam x 4 minggu x 6 hari = 48 jam.
Algoritma :
1. Tentukan permintaan (jam) = permintaan (satuan agregat) x cycle time. Pembulatan ke atas.
2. Apakah pekerja sekarang x reguler >= permintaan (jam) [ya lanjutkan ke a, jika tidak ke langkah 3].
3. Apakah pekerja sekarang x (reg + ot ) >= permintaan (jam) [ya lanjut ke 6, jika tidak ke langkah 4].
4. Cari jumlah pekerja baru = [ permintaan (jam) / (reg + ot) ]. Pembulatan ke atas.
5. Hire = jumlah pekerja baru – jumlah pekerja periode sebelumnya.
6. Tentukan waktu reguler dengan mengalikan jumlah pekerja baru dengan reg.
7. Tentukan waktu over time dengan cara permintaan dalam jam – reg.
8. Maju ke perhitungan bulan berikutnya (balik ke langkah satu)
a. Jumlah pekerja yang dibutuhkan = permintaan (jam) /reg. Pembulatan ke atas
Fire = jumlah pekerja awal – jumlah pekerja yang dibutuhkan.
9. Lanjutkan ke langkah 6.
1b. Changing Inventory Levels

Tabel 4. 13 Perhitungan Perencanaan agregat dengan metoda Changing Inventory Levels
Permintaan Permintaan Produksi Produksi Jumlah Inventori Lost
Bulan
(satuan agregat) (jam) (satuan agregat) (jam) Pekerja (satuan agregat) Permintaan
1 1800 3600 1344 2688 14 0 456
2 1000 2000 1344 2688 14 344 0
3 600 1200 1344 2688 14 1088 0
4 1100 2200 1344 2688 14 1332 0
5 2000 4000 1344 2688 14 676 0
6 1700 3400 1344 2688 14 320 0
7 800 1600 1344 2688 14 864 0
8 900 1800 1344 2688 14 1308 0
9 1000 2000 1344 2688 14 1652 0
10 1500 3000 1344 2688 14 1496 0
11 1600 3200 1344 2688 14 1240 0
12 1500 3000 1344 2688 14 1084 0
Σ 15500 31000 16128 32256 11404 456
32256 x 1500 = 48.384.000

Biaya reguler
Biaya hire/fire 7 x 2.500.000 = 17.500.000
Biaya inventori 11404 x 5000 = 57.020.000
Biaya lost
456 x 60000 = 27.360.000
permintaan
Biaya Bahan Baku 16128 x 5000 = 80.640.000
Total 230.904.000
Algoritma:
1. Tentukan permintaan dalam jam = [(permintaan dalam satuan agregat) x cycle time]. Pembulatan ke
atas.
2. Jumlah pekerja (untuk 12 bulan) = total permintaan (jam) dalam 12 periode / (12 x reg). Dilakukan
pembulatan ke atas.
3. Prod (jam) = jml pekerja x reg.
4. Prod (satuan agregat) = prod (jam) / waktu siklus. Pembulatan ke bawah.
5. Inventori / Lost Permintaan = produksi (satuan agregat ) - permintaan (satuan agregat), bila positif
maka masuk inventori jika negatif maka masuk lost permintaan.
Nb: hire atau fire hanya terjadi pada permulaan periode.

1c. Subcontracting
Tabel 4. 14 Perhitungan Perencanaan Agregat Dengan Metoda Subcontracting

Permintaan Produksi Produksi Jumlah Subkontrak
Bulan
(satuan agregat) (satuan agregat) (jam) Pekerja (satuan agregat)
1 1800 600 1200 7 1200
2 1000 600 1200 7 400
3 600 600 1200 7 0
4 1100 600 1200 7 500
5 2000 600 1200 7 1400
6 1700 600 1200 7 1100
7 800 600 1200 7 200
8 900 600 1200 7 300
9 1000 600 1200 7 400
10 1500 600 1200 7 900
11 1600 600 1200 7 1000
12 1500 600 1200 7 900
Σ 14400 8300
Biaya reguler 14400X1500 = 21.600.000

Biaya hire/Fire 0= 0
Biaya subkontrak 8300x30000 = 249.000.000
Biaya Bahan Baku (15500-8300)x5000 = 36.000.000
Total Biaya 306.600.000
Algoritma:
1. Tentukan permintaan (satuan agregat yang paling kecil) untuk produksi satuan agregat selama 12
periode.
2. Produksi (jam) = produksi satuan agregat x waktu siklus. Pembulatan ke atas.
3. Jumlah pekerja = produksi ( jam ) / reg. Pembulatan ke atas.
4. Subkontrak = permintaan ( satuan agregat ) - produksi ( satuan agregat ).
Nb: hire atau fire hanya terjadi pada permulaan periode.
2.Mixed Strategy
Sedangkan jika diinginkan menggunakan Mixed Strategy dengan pembatasan jumlah subkontrak
adalah 1000 satuan agregat tiap bulan, maka perhitungannya adalah:
Keterangan perhitungan maksimum subcontract (konversi) :
Produk A = 850 unit x 1 = 850 satuan agregat
Produk B = 100 unit x 1.50 = 150 satuan agregat
Maksimum subcontract = 850 + 150 = 1000 satuan agregat / bulan

Tabel 4. 15 Perhitungan Perencanaan Agregat Dengan Metoda Mixed Strategy
Permintaan Inventori Subcontracting
Permintaan Waktu Waktu Jumlah
Bulan (satuan (satuan (satuan Hire
(jam) Reguler Overtime Pekerja
agregat) agregat) agregat)
1 1800 3600 1344 0 336 960 0 7
2 1000 2000 1344 0 336 160 0 7
3 600 1200 1344 72 0 0 0 7
4 1100 2200 1344 0 336 188 0 7
5 2000 4000 1728 0 432 920 2 9
6 1700 3400 1728 0 432 620 0 9
7 800 1600 1728 64 0 0 0 9
8 900 1800 1728 28 0 0 0 9
9 1000 2000 1728 0 216 0 0 9
10 1500 3000 1728 0 432 420 0 9
11 1600 3200 1728 0 432 520 0 9
12 1500 3000 1728 0 432 420 0 9
Σ 19200 164 3384 4208 2
Biaya regular 19200 x 1500 = 28.800.000
Biaya overtime 3384 x 2000 = 6.768.000
Biaya inventori 164 x 5000 = 820.000
Biaya subkontrak 4208 x 30.000 = 126.240.000
Biaya hire 2 x 2.500.000 = 5.000.000
Biaya Bahan Baku [ (19200+3384) / 2jam) ] x 5000 = 56.460.000
Total Biaya
224.088.000
Algoritma:
1. Tentukan permintaan (jam) untuk satu tahun = permintaan (satuan agregat) x waktu siklus.
2. Apakah : pekerja sekarang x reguler + (inventori x waktu siklus) >= permintaan (jam) [jika ya maka
pekerja baru = pekerja awal dan lanjut ke 6, jika tidak ke langkah 3].
3. Apakah : pekerja sekarang x (reg + ot ) +(inventori x waktu siklus) >= permintaan (jam) [jika ya
maka pekerja baru = pekerja awal dan lanjut ke 6, jika tidak ke langkah 4].
4. Apakah : [ pekerja sekarang x (reg + ot ) + (inventori x waktu siklus) + max subcontract (jam) ] >=
permintaan (jam) [jika ya maka pekerja baru = pekerja awal dan lanjut ke 6, jika tidak ke langkah 5
].
5. Cari jumlah pekerja baru = [permintaan (jam) – (inventori x waktu siklus) – max subcontract ( jam
)] / (reg + ot). Pembulatan ke atas.
6. Tentukan waktu reguler dengan mengalikan jumlah pekerja baru dengan reg.
7. Jika waktu reguler > dari permintaan (jam) tentukan inventori dengan cara mengurangi waktu
reguler dengan permintaan(jam) / waktu siklus. Pembulatan ke bawah. Lanjutkan ke langkah 10.

8. Jika waktu reguler < permintaan dan inventori periode sebelumnya > 0, tentukan inventori periode
sekarang dengan cara :
Inventori periode sekarang = inventori sebelumnya -  demand(jam ) − waktu reguler(ja m) 

 waktu siklus 
Dimana  demand(jam ) − waktu reguler(ja m)  di bulatkan keatas.

 waktu siklus 
Jika hasil inventori periode sekarang negatif (-) maka nilai inventori periode sekarang = 0, lanjut
langkah 8. Jika hasil inventori periode sekarang positif(+), lanjut ke langkah 10.
9. Tentukan waktu OT dengan cara jumlah pekerja dikalikan dengan max over time.
Jika jumlah OT dengan waktu reguler dan dengan (inventori sebelumnya x waktu siklus) lebih
besar dari permintaan (jam) maka kurangi waktu OT sehingga jumlahnya dengan waktu reguler dan
dengan (inventori sebelumnya x waktu siklus) = permintaan (jam); lanjutkan ke langkah 10 .
Jika jumlah OT dengan waktu reguler dan dengan (inventori sebelumnya x waktu siklus) lebih kecil
dari permintaan dalam jam lanjut ke langkah 11.
10. Tentukan Subcontract = permintaan (satuan agregat) – inv (satuan agregat) –
 waktureguler ( jam) + OT ( jam) 
 waktusiklus 
waktureguler ( jam) + OT ( jam) 

Dimana  dibulatkan ke bawah.
 waktusiklus 
11. Maju ke perhitungan bulan berikutnya (balik ke langkah 2).

Keterangan :
Biaya bahan baku = (( waktu reguler + waktu overtime ) / waktu siklus)*biaya bahan baku.
Dimana (( waktu reguler + waktu overtime ) / waktu siklus ) pembulatan ke bawah.

Alat dan bahan yang dibutuhkan dalam praktikum ini adalah:
1. Software WinQSB dan Microsoft Excel.
2. Data hasil peramalan untuk 6 periode.
3. Data waktu baku proses permesinan dan waktu baku perakitan untuk 4 jenis item.
4. Data : Peta Proses Operasi (OPC) dan Peta Perakitan (Assembly Chart).
5. Data biaya : biaya produksi regular time, biaya produksi overtime, hiring/firing cost, biaya
persediaan, biaya backorder, biaya undertime, biaya subkontrak, biaya Lost-sales.
6. Data persediaan pengaman (safety stock), persediaan awal dan persediaan akhir.
7. Data : jumlah mesin, jumlah tenaga kerja, kapasitas tersedia dan maksimum lembur.
8. Lembar Kerja untuk mencatat data.

Prosedur pelaksanaan praktikum ini adalah sebagai berikut:
1. Praktikan menentukan konversi produk ke satuan agregat
2. Praktikan menghitung komponen biaya produksi.
3. Praktikan menyusun perencanaan agregat ke dalam model transportasi.
4. Praktikan menginput data dan menjalankan software WinQsb sub-program transportation.
5. Praktikan melakukan analisis hasil optimasi dan melakukan analisis sensitivitas.
6. Praktikan menyusun perencanaan agregat ke dalam model linear programming.
7. Praktikan menginput data dan menjalankan software WinQsb sub-program linear
programming.
8. Praktikan melakukan analisis hasil optimasi perencanaan agregat model linear programming.
9. Praktikan melakukan perencanaan agregat metoda trial and error dengan microsoft Excel.

Sistematika Laporan Modul IV adalah sebagai berikut :
BAB I PENDAHULUAN
1.2. Ruang lingkup praktikum
2.1 Optimasi Perencanaan agregat
2.1.1 Pemodelan perencanaan agregat dengan model transportasi
2.1.2 Pengolahan data perencanaan agregat model transportasi dengan software
WinQsb
2.1.3 Analisis sensitivitas Perencanaan Agregat dengan model transportasi
2.1.4 Pemodelan Perencanaan Agregat dengan model Linear Programming
2.1.5 Pengolahan data Perencanaan Agregat model Linear Programming dengan
software WinQsb
2.2 Perencanaan Agregat Metode Trial and Error
BAB III KESIMPULAN
3.1. Kesimpulan
* Laporan Praktikum maksimal 15 halaman pada kertas A4.
4.6. Pustaka
1. Bedworth, Davis D., James E. Bailey, Integrated Production Control System : Analysis Design,
2nd ed., John Willey & Sons, 1987.
2. Fogarty, Donald W, John H. Blanckstone & Thomas R. Hoffmann, : Production & Inventory
Management, 2nd edition, South-Western Publishing Co., 1991
3. Groover, Mikell. P, Automation Production Systems and Computer Integrated Manufacturing,
2nd ed., Prentice Hall, 2001
4. Narasimhan, Seetharama L., D. W. McLeavey, P.J. Billington, Production Planning & Inventory
Control, 2nd edition, PHI, 1995 (2d)
5. Sipper, Danile, Robert L. Bulfin, “Production : Planning, Control and Integration”, McGraw-Hill
Companies, Inc., !997
6. Taha, A. Hamdy, Operation Research : An Introduction, 7th edition, Prentice Hall, New Jersey,
2003

MODUL PRAKTIKUM
MODUL V
PROSES DISAGREGASI, ROUGH-CUT CAPACITY
PLANNING (RCCP), MATERIAL REQUIREMENT PLANNING
(MRP), DAN CAPACITY REQUIREMENT PLANNING (CRP)
DISUSUN OLEH : HALAMAN 5.0 DARI

Ir. Sumiharni Batubara, MSc & Tim 17



MANUFAKTUR II
Modul V Proses Disagregasi , RCCP, MRP dan CRP hal 5.1 dari 17
MODUL V
PROSES DISAGREGASI, ROUGH-CUT CAPACITY
PLANNING (RCCP), MATERIAL REQUIREMENT
PLANNING (MRP) DAN CAPACITY REQUIREMENT
PLANNING (CRP)

1. Menjelaskan proses disagregasi item sehingga diperoleh jadwal induk produksi
2. Menjelaskan cara melakukan validasi kapasitas terhadap jadwal induk produksi dengan
menggunakan Rough-Cut Capacity Planning (RCCP)
3. Memberi penjelasan tentang fungsi perencanaan kebutuhan bahan.(MRP)
4. Menjelaskan input dan output MRP.
5. Menjelaskan cara perhitungan Ukuran Lot Pemesanan : Lot For Lot (LFL), Least Unit Cost, Part
Period Balancing dan Metode Silver Meal (minimum cost per period )
6. Menjelaskan BOM dan peranannya dalam membuat MRP.
7. Memberi penjelasan tentang cara memvalidasi rencana kebutuhan bahan dengan CRP.
8. Menjelaskan perhitungan CRP dengan data referensi routing file.
Setelah menyelesaikan praktikum ini praktikan diharapkan dapat :

1. Praktikan memahami dan mampu membuat jadwal induk produksi melalui proses disagregasi.
2. Praktikan memahami dan mampu melakukan validasi kapasitas dengan menggunakan Rough-Cut
Capacity Planning.
3. Mampu menerjemahkan produk akhir menjadi struktur produk, baik dalam bentuk tabel maupun
dalam bentuk diagram.
4. Mampu menentukan ukuran lot pemesanan dengan metode LFL, , Least Unit Cost, Part Period
Balancing dan Metode Silver Meal (minimum cost per period)
5. Mampu melakukan perencanaan kebutuhan bahan dengan menggunakan proses MRP.
6. Mampu memvalidasi rencana kebutuhan bahan dengan membuat CRP.
7. Mampu menganalisis kelayakan MRP berdasarkan hasil perhitungan CRP.
Kata Kunci : produk family dan item, proses disagregasi, jadwal induk produksi, rough-cut capacity
planning, lead time, lot size, routing file, work center master file, item master record, MRP, CRP.

5.2. Teori Singkat
5.2.1. Proses Disagregasi

Dalam perencanaan agregat jumlah produksi dan ukuran tenaga kerja dinyatakan dalam
jumlah keseluruhan. Dalam kenyataannya, rencana ini harus diurai menjadi jumlah produksi untuk
setiap produk secara individual, yang disebut item produk. Hasil proses disagregasi adalah Jadwal
Induk Produksi.
Proses Disagregasi menggunakan metode Britan and Hax :
•  
Bila terdapat item j dalam famili i yang memenuhi : min I ij ,t −1 − Dij ,t − Bij  0 , maka seluruh
item j dalam famili i harus dibuat.

Tabel 5. 1. Penentuan Item Dalam Family Yang Akan Dibuat
Expected
Family Item Inventory Demand Conversion Safety Stock
Quantity
i j Iij,t-1 Dij,t-1 Kij Bij Iij,t-1- Dij,t-1
A 1 240 170 0,85 50 70
A 2 285 200 1,10 75 85
A 3 122 100 0,90 40 22
B 4 223 130 1,15 50 93
B 5 290 170 1,05 50 120
B 6 193 110 1,20 40 83
B 7 420 210 1,15 60 210
C 8 235 150 0,75 40 85
C 9 135 100 0,85 50 35
C 10 180 140 0,80 50 40
• Fungsi tujuan :
hi xi Si
Min C =  + K ij Dij ,t
iz 2 xi ji
Kendala :
x
iz
i = x*
xi  Li
xi  U i

Li =  Max 0, K ij ( Dij ,t − I ij ,t −1 ,+ Bij ) 
ji
 n−1 
U i =  K ij ( Dij ,t + k ) − I ij ,t −1 ,+ Bij ) ]
Si j=  ksetup
i Biaya =0 untuk memproduksi famili i

x* = Kebutuhan produksi yang ditunjukkan oleh rencana agregat

Kij = Faktor konversi unit item j, famili i menjadi unit agregat
Dij,t = Permintaan item j, famili i pada perioda produksi t
hi = Biaya simpan famili i
xi = Jumlah unit famili i yang harus dibuat
Li = Batas bawah produksi famili i
Ui = Batas atas produksi famili i
Bij = Safety stock item j, famili i
z = Set famili terpilih yang harus diproduksi
• Bila U
iz
i  x* maka produksi di atas upper bound, dan ini menyebabkan terjadi inventory. Bila
biaya inventory sama untuk semua famili, maka kuantitas produksi masing-masing famili adalah
(agar biaya inventory terdistribusi secara adil):
x*U i
yi =
*
U iiz
• Bila L
iz
i  x* maka inventory akan lebih rendah dari safety stock sehingga timbul biaya stock
out. Bila biaya stockout konstan, maka kuantitas produksi masing-masing famili adalah (agar
backorder risk terdistribusi secara adil):
x*U i
y *i =
U i
iz
Algoritma Bitran and Hax :

▪ Bitran and Hax (1981) menawarkan algoritma pemecahan, untuk kondisi:
 L  x  U
iz
i
*
iz
i
▪ Algoritma tersebut terdiri atas:

o Algoritma Disagregasi Famili (ADF)
o Algoritma Disagregasi Item (ADI)
▪ ADF untuk membagi agregate plan menjadi nilai kuantitas produksi masing-masing famili
▪ ADI untuk membagi nilai kuantitas famili-famili tersebut menjadi nilai kuantitas item dalam
famili masing-masing
Algoritma Disagregasi Item :

1. Untuk setiap famili i yang sedang diproduksi, tentukan jumlah perioda N sehingga dapat
dihitung
N 
yi*   K ij  Dij ,n + Bij − I ij ,t −1 
ji  n =1 
2. Hitung
N 
Ei   K ij  Dij ,n + Bij − I ij ,t −1  − yi*
ji  n =1 
3. Untuk setiap item dalam famili i, hitung kuantitas produksi
N Ei Dij , N
yij* =  Dij ,n + Bij − I ij ,t −1 −
n =1 K
ji
ij Dij , N
Bila yij*  0 untuk item manapun, misal j=g, maka nyatakan yig* = 0 . Keluarkan item g dari
famili tersebut, dan kurangkan sebesar KijDig,N dari penyebut persamaan di atas. Ulangi
Langkah 3.
Hasil disagregasi ini menjadi jadwal induk produksi (Master Production Schedule) untuk
produk jadi yang dinyatakan dalam jumlah yang akan diproduksi dan kapan akan diproduksi
(Bedworth, 1987).
Kegunaan Jadwal Induk Produksi :

1. Menjadwalkan produksi dan pembelian material untuk produk (item)
2. Masukan data untuk Material Requirement Planning (MRP)
3. Dasar penentuan kebutuhan sumber daya , seperti tenaga kerja, mesin melalui perhitungan Rough-
Cut Capacity Planning (RCCP)
4. Penentuan pengiriman produk kepada konsumen
5.2.2. Rough-Cut Capacity Planning (RCCP)

RCCP adalah proses mengkonversikan Jadwal Induk Produksi ke dalam kebutuhan sumber,
yang meliputi tenaga kerja, mesin-mesin dan sumber-sumber fisik yang dibutuhkan untuk mencapai
tujuan produksi yang telah direncanakan. Kapasitas yang dibutuhkan dibandingkan dengan kapasitas
yang tersedia, untuk memeriksa kelayakan dari Jadwal Induk Produksi.
Tahap pertama dalam RCCP adalah identifikasi sumber daya yang utama, seperti work center,
tenaga kerja, yang kemudian tentukan faktor penggunaan sumber daya per unit untuk setiap item, dan
diasumsikan bahwa sumber daya tersebut digunakan dalam periode yang sama sesuai dengan jadwal
pesanan yang telah disusun. Kemudian faktor penggunaan tersebut dikalikan dengan jumlah rencana
produksi untuk menentukan RCCP.

Selanjutnya beban sumber dibandingkan dengan kapasitas yang tersedia, apakah underload
atau overload. Jika overload, kapasitas harus ditambah atau jadwal induk produksi harus dikurangi.
RCCP sangat penting bagi MPS, karena RCCP digunakan untuk memberikan peringatan apabila
kapasitas sumber tidak mencukupi (Fogarty, 1991).
Pendekatan yang digunakan untuk pengecekan kapasitas Bill Of Labour. Metode Bill Of
Labour menggunakan data yang rinci mengenai waktu baku setiap produk pada sumber-sumber
utama. Bill Of Labour merupakan suatu daftar yang berisi jumlah tenaga kerja yang digunakan untuk
memperkirakan kebutuhan kapasitas untuk suatu item tertentu.dan dapat digunakan kelompok item
dalam satu family.
Input yang dibutuhkan dalam teknik Bill Of Labour, yaitu Jadwal Induk Produksi dan Bill Of
Labour item produk di setiap work centre.
• Bill of labor adalah total waktu operasi yang dibutuhkan untuk memproduksi satu unit
produk, yang diperoleh dari jumlah waktu proses pada masing-masing stasiun kerja (operasi).
• Input data: -MPS

-Bill of labor
Bill of Labor
-. Perakitan : 0,10 jam
-. Oven : 0.01 jam
-. Base Forming : 0,05 jam
-. Plastic molding : 0,02 jam
-. Socket Assembly : 0,04 jam
Total : 0,22 jam
n
Kapasitas dibutuhkan :
a
k =1
b
ik kj i, j
aik jumlah bill of labour untuk produk k pada Work Center I

bkj jumlah k yang akan di produksi pada periode j
Teknik Bill Of Labour (BOLA)

Contoh : membuat 2 produk untuk 2 bulan pada 2 stasiun kerja.

P1 P2 T1 T2
WC1 .a11 .a12 .b11 .b12
P1
WC2 .a21 .a22 .b21 .b22
P2
T1 T2
WC1 .C11 .C12
WC2 .C21 .C22
RCCP ; c11=a11b11+a12b21
n c12=a11b12+a12b22
cij =  aik bkj c21=a21b11+a22b21
k =1 c22=a21b12+a22b22
P1 P2 T1 T2
WC1 0,3 0,2 100 200
P1
WC2 1,0 0,7 300 400
P2
T1 T2
WC1 .90 140
WC2 310 480

5.2.3. Material Requirement Planning (MRP)

5.2.3.1. Definisi MRP
MRP (Material Requirement Planning) merupakan salah satu teknik perencanaan dan pengendalian
produksi dimana Jadwal induk produksi digunakan untuk membuat atau membeli material/item yang
bersifat “dependent demand”.
Dari hasil perencanaan agregat kita akan mendapatkan Jadwal Induk Poduksi atau MPS. MPS (Master
Production Schedule) ini menunjukkan berapa banyak produk yang akan dibuat atau dirakit dari
komponen-komponennya per periode.
Untuk menunjang MPS ini maka diperlukan Material Requirement Planning yaitu suatu sistem untuk
mengatur agar komponen-komponen yang diperlukan tersebut dapat tersedia dalam jumlah dan waktu
yang tepat.
Sebuah produk terdiri dari :
Independent demand ialah kebutuhan yang tidak berkaitan dengan produk lain. Dependent
demand ialah kebutuhan yang berkaitan dengan produk lain.
Jika pada peramalan dan agregat berfokus pada independent demand maka pada MRP juga
akan berfokus pada dependent demand.
Oleh karena itu dalam membuat MRP kita harus menjabarkan dependent demand.

5.2.3.2. Input- Output MRP

Master Production Schedule
Material
Product Requirements Inventory
Structure Master
Planning
File File
Planned Order Releases
Work Orders Purchase Orders Rescheduling
Gambar 5. 1 Proses Input Output MRP
5.2.3.3. Bill Of Material (BoM)

Suatu cara untuk mempermudah dalam berfokus pada dependent demand ialah dengan
metode BoM (Bill of Material). BoM merupakan suatu metode untuk memecah suatu independent
demand menjadi dependent demand.
Contoh :
A
B) (1) C) (2)
D) (1) E) (1) F)(1) G) (2)

Gambar 5. 2. Bill of Material
Keterangan :
Satu unit A terdiri dari satu unit B dan 2 unit C.
Satu unit B terdiri dari 1 unit D dan 1 unit E.
Satu unit C terdiri dari 1 unit F dan 2 unit G.

5.2.3.4. Lead Time

Lead Time ada dua jenis:
1. Lead time pembelian
2. Lead time manufacturing
Jika elemen pada BoM (dalam hal ini elemen-elemennya adalah A-B-C-D-E-F-G) dibeli
maka lead time nya merupakan lead time pembelian, sedangkan bila elemen tersebut dibuat sendiri
maka lead timenya dinamakan lead time manufacturing.
Jika F ialah suatu part yang harus dibeli oleh perusahaan, maka sebelum F tersedia dan dapat
dipergunakan oleh perusahaan maka perusahaan harus memesan part F terlebih dahulu. Selang waktu
antara pemesanan dengan waktu diterimanya part tersebut lead time pemesanan.
Jika B merupakan hasil perakitan antara satu unit part D dan satu unit part E. Maka sebelum
part B terbentuk maka perusahaan harus dapat merakit terlebih dahulu part D dan part E. Waktu
perakitan part D dan E ini disebut dengan lead time manufacturing. Suatu part dipesan atau dibeli
selalu diketahui.
5.2.3.5. Lot sizing
Lot sizing (lotting) merupakan suatu algoritma Heuristics yang mencoba untuk mencari
jumlah pesanan yang optimal berdasarkan pertimbangan :
• Biaya pesan adalah biaya yang harus dikeluarkan setiap kali memesan barang ke supplier, atau
biaya setup yang terjadi setiap kali ada pergantian proses produksi dari satu produk ke produk
lainnya.
• Biaya simpan adalah biaya yang harus dikeluarkan karena harus menyimpan barang. Biaya-biaya
yang termasuk kelompok ini misalnya listrik, pajak, premi asuransi, biaya tenaga kerja yang
mengawasi persediaan, dan lain-lain.
Metode ini sangat berguna untuk mencari biaya yang serendah mungkin dalam perhitungan
untuk pemesanan barang. Penting untuk diingat bahwa dalam mencari metode lot sizing yang terbaik
digunakan perbandingan total biaya yang terdiri dari biaya simpan dan biaya pesan. Sedangkan biaya
pembelian tidak dapat digunakan sebagai perbandingan dalam mencari metode terbaik tetapi apabila
metode terbaik sudah diperoleh maka dalam total biaya dapat dimasukkan biaya pembelian.
1. Metode Lot for Lot (L-4-L)

Metode Lot for Lot merupakan metode yang paling sederhana dimana pada dasarnya metode
ini mengadakan pemesanan persediaan setiap sub-periode. Tujuannya adalah untuk meminimasi biaya
simpan, karena tidak adanya persediaan yang tersisa setiap pergantian sub-periode.

2. Metode Part Period Balancing

Metode Part Period Balancing merupakan variasi dari metode LTC. Prosedur Part Period Balancing
berusaha menyeimbangkan biaya setup dan biaya simpan dengan menggunakan Economic Part
Period ( EPP) yaitu :
Ongkos Set Up / pemesanan (S)
EPP =
Ongkos Simpan perunit tiap periode (H)
Rumus untuk menghitung banyaknya jumlah persediaan pada suatu periode (disebut juga Part
Period) yang disebabkan oleh ukuran lot tentatif tertentu adalah sebagai berikut:
L
PP(L) =  [(t − T) * dt]
t =T
dimana:
PP = Part period (unit)
t = periode ke-t
T = periode awal dimana lot tentatif mulai dihitung
L = periode terakhir yang kebutuhannya termasuk dalam lot tentatif.
dt = kebutuhan pada periode t.
3. Metode Least Unit Cost

Metode Least Unit Cost ini sebenarnya serupa dengan metode Silver Meal. Perbedaannya
adalah pada metode Silver Meal yang dihitung adalah biaya per periode sedangkan pada metode ini
yang dihitung adalah biaya per unit.
Rumus untuk menghitung biaya per unit adalah :
L
s + (h  ( t − T )dt )
U ( L) = t =T
Di mana :
s = biaya pesan
h = biaya simpan
dt = kebutuhan pada periode t
T = periode awal dimana lot kumulatif mulai dihitung
L = periode terakhir yang kebutuhannya termasuk dalam lot kumulatif
J = jumlah lot kumulatif tiap periode
t = periode ke – t

Langkah- langkah dalam Metode Least Unit Cost :

1. Ukuran lot tentatif ditentukan mulai periode T. Ukutannya sama dengan dT, yaitu kebutuhan pada
periode T. Dengan rumus di atas hitunglah biaya per unit dalam periode ini.
2. Tambahkan kebutuhan periode berikutnya pada lot awal tersebut. Kemudian hitung kembali biaya
per unitnya.
3. Bandingkan biaya per unit periode sekarang U(L) dengan ongkos per unit satu periode
sebelumnya U(L-1), dimana L adalah nomor periode pada langkah 2.
Jika U(L)  U(L-1), kembali ke langkah 2
Jika U(L) > U(L-1), lanjutkan ke langkah 4
L −1
4. Ukuran lot pada periode T adalah :  dt
t =T
5. Sekarang, T=L. Jika akhir dari perencanaan telah dicapai, langkah pembuatan selesai. Jika belum
kembali ke langkah 1.
4. Metode Silver Meal ( Minimum Cost per Period)

Metode Silver Meal merupakan salah satu metode yang digunakan dalam lot sizing yang
dikembangkan oleh Edward Silver dan Harlan Meal yang didasarkan pada least period cost.
Metode ini bertujuan untuk meminimasi onkos per periode. Ukuran lot ditentukan dengan
cara menjumlahkan kebutuhan beberapa periode yang berturut-turut sebagai Cum. Demand.
Penjumlahan dilakukan terus sampai ongkos total ( Total Holding Cost ) dibagi dengan banyaknya
periode yang kebutuhannya termasuk dalam Cum. Demand tersebut meningkat.
Rumus untuk menghitung ongkos total per periode adalah :
OrderingCost + Cum.Inv.Cost
Cost per periode =
P
L
C + h (t − T ) Rk
t =T
Cost per periode =
P
dimana :
C = biaya pesan
h = biaya simpan
Rk = kebutuhan pada periode t
t = periode ke-t
T = periode yang bersangkutan dimana penambahan pesanan mulai dihitung
P = jumlah periode yang kebutuhannya termasuk dalam penambahan pesanan
L = periode terakhir yang kebutuhannya termasuk dalam penambahan pesanan

Rumus untuk memilih T yaitu meminimasi Total Holding Cost yaitu dievaluasi dengan penambahan
nilainya sampai :
TotalHoldingCost ( L + 1) TotalHoldingCost ( L + 1)

L +1 L
Contoh Soal
Diketahui : Biaya pembelian per unit = Rp 100.000,00
Biaya pemesanan = Rp 500.000,00
Biaya simpan = Rp 60.000,00/unit/tahun
Tabel 5. 2 Data Demand 12 Periode
Periode 1 2 3 4 5 6 7 8 9 10 11 12
Demand 30 40 25 35 50 70 40 20 40 50 60 30
Tabel 5. 3 Perhitungan Biaya

Periode Demand Cum. Inventory Cum.Inv. Total Cost per
Demand Cost Cost Hold. Periode
Cost
1 30 30 0 0 500000 500000
2 40 70 200000 200000 700000 350000
3 25 95 250000 450000 950000 316666,67*
4 35 130 525000 975000 1475000 368750
4 35 35 0 0 500000 500000
5 50 85 250000 250000 750000 375000*
6 70 155 700000 950000 1450000 483333,33
6 70 70 0 0 500000 500000
7 40 110 200000 200000 700000 350000
8 20 130 200000 400000 900000 300000*
9 40 170 600000 1000000 1500000 375000
9 40 40 0 0 500000 500000
10 50 90 250000 250000 750000 375000
11 60 150 600000 850000 1350000 450000
11 60 60 0 0 500000 500000
12 30 90 150000 150000 650000 325000*
Keterangan : * = Ongkos Minimal
Penyimpanan perbulan = 60000/12 = 5000
Inventory cost = PPB (n) * penyimpanan perbulan
Untuk perhitungan PPB(n) lihat pada algoritma metode PPB (Part Period Balancing)
Total holding cost = biaya pemesanan + cum. Inventory cost (n)

Kita lihat pada periode pertama sampai dengan ke empat cost per periode berangsur-angsur
menurun. Perhitungan dilanjutkan terus bila cost per periode terus menurun. Bila kemudian cost per
periode meningkat seperti pada periode ke lima maka pilih cost per periode yang terkecil. Cum
demand pada cost periode yang terkecil itu kita jadikan lot pemesanan yang pertama. Special case
pada periode 11 dan 12 kita lihat cost per periode belum meningkat tapi periode sudah habis. Maka
langsung pilih cost per periode yang paling kecil.
Sehingga MRP berbentuk :
Tabel 5. 4 Tabel MRP Terbentuk
Periode -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12
Net Requirement 30 40 25 35 50 70 40 20 40 50 60 30
Projected On Hand 65 25 0 50 0 60 20 0 50 0 30 0
Planned Order
Receipt 95 85 130 90 90
Planned Order
Release 95 85 130 90 90
Biaya Pemesanan 5*500000 = 2500000
Biaya Penyimpanan (65+25+50+60+20+50+30)*5000 = 1500000 +
Total Biaya 4000000
5.2.3.6. Proses MRP

START
Tentukan kebutuhan kasar (Gross

Requirement) untuk setiap level produk
(level 0 ditentukan JIP) untuk setiap
periode
Tentukan kebutuhan bersih (Net

Requirement) untuk setiap tingkat
untuk periode t NETTING
N(t)= G(t) - S(t) - H(t-1)
G(t) = Gross requirement
S(t) = Scheduled receipt
H(t-1) = projected on hand
Tentukan lot size pesanan untuk dijadikan

penerimaan pesanan (planned order
receipt)
Hitung projected on hand pada periode t

untuk semua level produk LOTTING
Selesaikan
periode Semua periode terhitung
berikutnya
Lakukan offset rencana penerimaan

pesanan sesuai lead time OFFSETTING
Semua level selesai STOP
Explode sampai seluruh level produk EXPLODING

selesai
Gambar 5. 3 Proses MRP

5.2.4. CRP (Capacity Requirement Planning)

CRP merupakan urutan ketiga dari perencanaan kapasitas yang memberikan penilaian secara
terperinci dari sumber-sumber daya yang dibutuhkan untuk melaksanakan pesanan-pesanan
manufacturing yang diciptakan melalui proses MRP. CRP melakukan validasi terhadap MRP yang
juga menempati urutan ketiga dalam hierarki perencanaan prioritas.
Pembuatan CRP
Berdasarkan MRP yang telah kita buat, maka dapat dilanjutkan ke pembuatan CRP (Capacity
Requirement Planning). Dimana CRP ini berguna untuk mengetahui apakah MRP yang dibuat
feasible atau tidak sesuai dengan kapasitas yang tersedia.
Diketahui kapasitas yang tersedia untuk setiap work center dapat dilihat pada tabel berikut.
Tabel 5. 5 Kapasitas yang tersedia
Workcenter Kapasitas (menit )
1 150
2 200
Routing file untuk setiap work center dapat dilihat pada tabel berikut.
Tabel 5. 6. Routing file untuk setiap work center
Part Work center Setup Time (menit) Run Time (menit)
A 1 10 1.5
B 1 15 0.5
2 12 2.5
Berdasarkan data yang telah tersedia diatas, maka proses pengerjaan CRP dapat dimulai sebagai
berikut :
1. Menentukan total waktu setup di setiap work center
Tabel 5. 7. Total waktu setup di setiap work center
Part -2 -1 0 1 2 3 4 5 6 7 8 9 10 11
WC1 A 10 10 10 10 10 10 10 10 10 10 10 10
B 15 15 15 15 15 15 15 15 15 15 15 15
Total 15 15 25 25 25 25 25 25 25 25 25 25 10 10
WC2 A
B 12 12 12 12 12 12 12 12 12 12 12 12
Total 12 12 12 12 12 12 12 12 12 12 12 12
Keterangan :
Masukkan data-data waktu setup untuk setiap work center berdasarkan MRP yang telah dibuat.
Kemudian untuk part yang mempunyai tempat operasi lebih dari satu work center, maka waktu setup

untuk work center yang kedua dimasukkan satu periode lebih maju dibandingkan work center
sebelumnya.
2. Menentukan total runtime di setiap workcenter

Tabel 5. 8 Total run time di setiap work center
e Part -2 -1 0 1 2 3 4 5 6 7 8 9 10 11
WC1 A 75 60 37.5 52.5 75 105 60 30 60 75 90 45
B 25 20 12.5 17.5 25 35 20 10 20 25 30 15
Total 25 20 87.5 77.5 62.5 87.5 95 115 80 55 90 90 90 45
WC2 A
B 125 100 62.5 87.5 125 175 100 50 100 125 150 75
Total 125 100 62.5 87.5 125 175 100 50 100 125 150 75
Keterangan :
Masukkan data-data run time untuk setiap work center berdasarkan MRP yang telah dibuat.
Kemudian untuk part yang mempunyai tempat operasi lebih dari satu work center, maka run time
untuk work center yang kedua dimasukkan satu periode lebih maju dibandingkan work center
sebelumnya. Perhitungan waktu run time adalah perkalian antara jumlah produk yang dibuat pada
MRP dan run time.
3. Capacity Requirement Planning untuk produk A adalah

Tabel 5. 9. Capacity Requirement Planning untuk produk A
-2 -1 0 1 2 3 4 5 6 7 8 9 10 11
WC1 40 35 112.5 102.5 87.5 112.5 120 140 105 80 115 115 100 55
WC2 137 112 74.5 99.5 137 187 112 62 112 137 162 87
Keterangan :
Waktu setup dan run time dijumlahkan untuk setiap work center di setiap periode.
Setelah CRP didapatkan lalu dibandingkan dengan kapasitas yang mungkin dimana untuk WC1
kapasitas yang tersedia sebesar 150 dan WC2 sebesar 200.
Berdasarkan hal ini terlihat MRP feasible karena memenuhi kapasitas yang tersedia.

1. Software WinQSB, Minitab dan Microsoft Excel.
2. Data waktu baku proses permesinan dan waktu baku perakitan untuk 4 jenis item
3. Data persediaan pengaman (safety stock), persediaan awal dan persediaan akhir
4. Data : jumlah mesin, jumlah tenaga kerja, kapasitas tersedia dan maksimum lembur
5. Lembar kerja

6. Jadwal Induk Produksi selama 6 periode

7. Data Lead Time Pemesanan produk dan komponen-komponennya
8. Data biaya simpan per unit per periode, biaya pesan, dan biaya-biaya material lainnya
9. Routing file, work center master file, item master record.

1. Praktikan memilih hasil perencanaan agregat yang mempunyai biaya perencanaan paling kecil,
untuk dilakukan proses disagregasi
2. Praktikan melakukan perhitungan kapasitas yang dibutuhkan oleh Jadwal Induk Produksi (JIP),
hasil proses disagregasi
3. Paraktikan melakukan validasi Jadwal Induk Produksi (JIP) terhadap kapasitas yang tersedia
(RCCP)
4. Praktikan melakukan analisis apakah Jadwal Induk Produksi (JIP) feasible (layak), bila tidak, apa
yang harus dilakukan (pilih, apakah akan dilakukan penyesuaian kapasitas atau JIP).
5. Praktikan menerjemahkan produk menjadi struktur produk (bill of material)
6. Praktikan menghitung ukuran lot masing-masing produk di setiap level, dengan metode : LFL,
LUC, PPB dan Metode Silver Meal
7. Praktikan membuat MRP untuk setiap produk mulai dari produk akhir (item) sampai
komponen/part pada level terendah.
8. Praktikan menentukan komponen/part yang akan diproduksi berdasarkan data dari PIM I
9. Praktikan membuat CRP komponen yang diproduksi untuk setiap work center pada setiap
periode.

BAB I PENDAHULUAN
2.1. Perhitungan Disagregasi
2.2. JIP
2.3. RCCP
2.4. BOM
2.5. Lot Sizing
2.6. MRP
2.7. CRP

2.8. Analisis Hasil

3.1. Kesimpulan
3.2. Saran
5.6. Pustaka
1. Bedworth, Davis D., James E. Bailey, Integrated Production Control System : Management,
Analysis Design, 2nd ed., John Willey & Sons, 1987.
2. Chang, Yih-Long, WinQSB : Decision Support Software for MS/OM, John Wiley & Sons, Inc.,
1998.
3. Fogarty, Donald W, John H. Blanckstone & Thomas R. Hoffmann, Production & Inventory
Management, 2nd Ed, South-Western Publishing Co, 1991
4. Krajewski, Lee J., dan Larry P. Ritzman, Operation Management : Strategy and Analysis, 6th
Edition, Prentice Hall, 2002.
5. Narasimhan, Seetharama L., D.W. McLeavey, dan P.J. Billington, Production Planning &
Inventory Control, 2nd ed, PHI, 1995.

Lamp. Modul 3 JIP, RCCP, Penentuan Kebutuhan Sumber Daya, MRP dan CRP hal L3.1 dari 6

DAFTAR ISI
TATA TERTIB LABORATORIUM...................................................................................... i

DAFTAR ISI ............................................................................................................................ v
DAFTAR GAMBAR ............................................................................................................... x
DAFTAR TABEL................................................................................................................. xiii
MODUL VI
PEN JADWALAN MESIN
6.2. Teori Singkat ......................................................................................................................6.2
6.2.1. Definisi Penjadwalan ......................................................................................................... 6.2
6.2.2. Tujuan Penjadwalan (Scheduling) ..................................................................................... 6.2
6.2.3. Istilah dan Kriteria ............................................................................................................. 6.3
6.2.4. Permasalahan Penjadwalan ................................................................................................ 6.4
6.2.5. Klasifikasi Penjadwalan..................................................................................................... 6.4
6.2.6. Penjadwalan Flow Shop..................................................................................................... 6.8
6.2.7. Penjadwalan Job Shop ....................................................................................................... 6.9
6.2.8. Job Shop Sequencing ......................................................................................................... 6.9
6.6. Pustaka ............................................................................................................................. 6.16
MODUL VII
PENYEIMBANGAN LINI
7.2. Teori Singkat ......................................................................................................................7.2
7.2.1. Definisi Line Balancing ..................................................................................................... 7.2
7.2.2. Permasalahan Keseimbangan Lintasan Produksi ............................................................... 7.2
7.2.3. Terminologi Line Balancing .............................................................................................. 7.4
7.2.4. Langkah-Langkah dalam Line Balancing .......................................................................... 7.7
7.2.5. Metode Keseimbangan Lini Produksi ................................................................................ 7.7
7.2.6. Metode Heuristic ............................................................................................................... 7.7
7.2.6.1.Reversed Ranked Positional Weight Method (Reversed RPW) ................................ 7.8
v
7.2.6.2.Moddie-Young Method ............................................................................................ 7.11
7.2.6.3.COMSOAL (Computer Method for Sequencing Operations for Assembly Lines)
……..…………………………………………………………………………………..7.14
7.2.6.4.Kilbridge-Wester Method ....................................................................................... 7.17
7.2.7. Mixed Model Assembly Lines .......................................................................................... 7.20
7.4. Prosedur Praktikum ...........................................................................................................7.27
7.6. Pustaka ............................................................................................................................. 7.28
MODUL VIII
SIMULASI LANTAI PRODUKSI
8.2. Teori Singkat ......................................................................................................................8.2
8.2.1. Simulasi ............................................................................................................................. 8.2
8.2.2. Elemen Dasar Model ......................................................................................................... 8.2
A. Location (lokasi) ............................................................................................................ 8.2
B. Entities (bahan/produk) .................................................................................................. 8.3
C. Arrivals (kedatangan) ..................................................................................................... 8.3
D. Processing (proses) ......................................................................................................... 8.4
8.2.3. Menjalankan Simulasi ....................................................................................................... 8.4
8.2.4. Elemen Dasar Lanjutan...................................................................................................... 8.8
A. Path Network ................................................................................................................. .8.8
B. Resources ....................................................................................................................... 8.9
C. Move Logic .................................................................................................................. 8.11
D. Move For ...................................................................................................................... 8.11
E. Move On ...................................................................................................................... 8.11
F. Move With ................................................................................................................... 8.11
G. Conveyor ...................................................................................................................... 8.14
H. Queue ........................................................................................................................... 8.16
I. Statemen Group/Ungroup ............................................................................................ 8.18
J. Statemen Joint .............................................................................................................. 8.19
K. Statemen Load/Unload ................................................................................................. 8.20
L. Statemen Combine........................................................................................................ 8.22
8.2.5. Elemen Logika ................................................................................................................ 8.23
A. Variabel ........................................................................................................................ 8.23
vi
B. Shift & Break ............................................................................................................... 8.25
8.2.6. Uji Distribusi Statistik menggunakan software Stat::Fit .................................................. 8.25
8.2.7. Uji Validasi Model .......................................................................................................... 8.26
8.6.Pustaka…………………………………..……………………………………………………8.28
MODUL IX
OTOMASI SISTEM PRODUKSI
9.2. Teori Singkat ..................................................................................................................... 9.2
9.2.1. Otomasi dan Robotika ....................................................................................................... 9.2
9.2.1.1.Pengenalan Otomasi.................................................................................................. 9.2
9.2.1.2.Jenis-jenis Otomasi ................................................................................................... 9.2
9.2.1.3.Elemen Dasar dari sistem terotomasi ........................................................................ 9.3
9.2.1.4.Power Untuk Menyelesaikan Proses Otomasi ........................................................... 9.3
9.2.1.5.Power Untuk Suatu Proses ........................................................................................ 9.3
9.2.1.6.Power untuk Otomasi ................................................................................................ 9.4
9.2.1.7.Program Intruksi ....................................................................................................... 9.5
9.2.2. Sistem Kontrol ................................................................................................................... 9.6
9.2.3. Fischer Teknik ................................................................................................................... 9.8
9.2.3.1.Pengenalan Fischer Teknik ....................................................................................... 9.8
9.2.3.2.Actuator .................................................................................................................... 9.8
9.2.3.3.Controller .................................................................................................................. 9.9
9.2.3.4.Pneumatic ............................................................................................................... 9.10
9.2.3.5.Sistem Kerja Switch ................................................................................................ 9.10
9.2.4. Menu Perintah Software ROBOPRO ............................................................................... 9.11
9.2.4.1.Menu Utama ........................................................................................................... 9.13
9.2.4.2.Basic Elemen .......................................................................................................... 9.14
9.2.4.3.Contoh Program Level 1 ......................................................................................... 9.15
9.2.4.4.Subprogram (Level 2) ............................................................................................. 9.17
9.2.4.5.Menu Utama Level 2............................................................................................... 9.18
9.2.4.6.Basic Element Level 2 ............................................................................................ 9.18
9.2.4.7.Pembuatan Subprogram .......................................................................................... 9.19
9.2.5. Arduino ........................................................................................................................... 9.21
vii
9.2.6. Part Programming .......................................................................................................... 9.23
9.2.6.1.NC Part Programming............................................................................................ 9.23
9.2.6.2.Prinsip mesin NC .................................................................................................... 9.24
9.2.6.3.Pemrograman NC.................................................................................................... 9.25
9.2.7. Parameter dan Kondisi Pemesinan ................................................................................... 9.33
9.2.7.1.Facing ............................................................................................................................. 9.34
9.2.7.2.Turning ........................................................................................................................... 9.34
9.2.7.3.Drilling............................................................................................................................ 9.35
9.2.7.4.Boring ............................................................................................................................. 9.36
9.2.7.5.Milling ............................................................................................................................ 9.36
9.2.7.6.Grinding .......................................................................................................................... 9.37
9.3. Alat Dan Bahan ................................................................................................................ 9.37
9.4. Prosedur Pelaksanaan Praktikum ..................................................................................... 9.38
9.5. Sistematika Laporan......................................................................................................... 9.39
9.6.Pustaka................................................................................................................................... 9.39
viii
DAFTAR GAMBAR
Gambar 6. 1. Skema Penjadwalan ......................................................................................................6.2

Gambar 6. 2. Algoritma Hudgson .......................................................................................................6.7
Gambar 6. 3 Flow Shop .....................................................................................................................6.8
Gambar 6. 4. Penjadwalan Job Shop...................................................................................................6.9
Gambar 6. 5 Jenis Penjadwalan Pada Job Shop ................................................................................6.11
Gambar 6. 6. Penjadwalan Job Shop.................................................................................................6.12
Gambar 6. 7 Gantt Chart jadwal aktif ..............................................................................................6.14
Gambar 6. 8 Gantt Chart jadwal Non Delay.....................................................................................6.16
Gambar 7. 1 Metode Reversed RPW ...................................................................................................7.9

Gambar 7. 2 Penempatan Elemen ke Dalam Stasiun ........................................................................7.11
Gambar 7. 3 Diagram AON ..............................................................................................................7.12
Gambar 7. 4 Precedence diagram.....................................................................................................7.15
Gambar 7. 5 Contoh Soal Precedence Diagram ................................................................................7.17
Gambar 7. 6 Pembagian Elemen Kerja dengan Met. Kilbridge & Wester ........................................7.18
Gambar 7. 7 Precedence diagram Model A, Model B, dan Model Gabungan. .................................7.22
Gambar 7. 8 Penempatan Elemen ke dalam Stasiun .........................................................................7.24
Gambar 8. 1 Dialog Box General Information ....................................................................................8.6

Gambar 8. 2 Layout Location .............................................................................................................8.7
Gambar 8. 3 Location System .............................................................................................................8.7
Gambar 8. 4 Entities System ...............................................................................................................8.7
Gambar 8. 5 Process System ...............................................................................................................8.8
Gambar 8. 6 Arrival System ...............................................................................................................8.8
Gambar 8. 7 Specification ..................................................................................................................8.9
Gambar 8. 8 Model Layout ...............................................................................................................8.12
Gambar 8. 9 Path Network System ...................................................................................................8.13
Gambar 8. 10 Path and Interfaces .....................................................................................................8.13
Gambar 8. 11 Resources System.......................................................................................................8.13
Gambar 8. 12 Spesifikasi untuk AGV...............................................................................................8.14
Gambar 8. 13 Spesifikasi untuk Operator .........................................................................................8.14
Gambar 8. 14 Proses dan Routing .....................................................................................................8.14
ix
Gambar 8. 15 Grafik Window ..........................................................................................................8.15
Gambar 8. 16 Layout Conveyor........................................................................................................8.15
Gambar 8. 17 Dialog Box Conveyor.................................................................................................8.15
Gambar 8. 18 Conveyor Option ........................................................................................................8.16
Gambar 8. 19 Model layout untuk contoh 4 ......................................................................................8.17
Gambar 8. 20 Model Location untuk contoh 4 .................................................................................8.17
Gambar 8. 21 Model Conveyor Option untuk contoh 4 ....................................................................8.17
Gambar 8. 22 Proses dan routing untuk contoh 4 .............................................................................8.17
Gambar 8. 23 Group/Ungroup ..........................................................................................................8.19
Gambar 8. 24 EntA di-join ke EntB ..................................................................................................8.19
Gambar 8. 25 Process and Routing untuk Join .................................................................................8.20
Gambar 8. 26 Logika joint ................................................................................................................8.20
Gambar 8. 27 Load/Unload ..............................................................................................................8.21
Gambar 8. 28 Proses dan Routing untuk Load/Unload .....................................................................8.21
Gambar 8. 29 Combine .....................................................................................................................8.22
Gambar 8. 30 Proses dan Roting untuk Combine .............................................................................8.22
Gambar 8. 31 PPO untuk contoh 5 ...................................................................................................8.23
Gambar 8. 32 Layout Location untuk contoh 5 .................................................................................8.24
Gambar 8. 33 Variabel ......................................................................................................................8.24
Gambar 8. 34 Processing untuk contoh 5..........................................................................................8.25
Gambar 9. 1 Hubungan Elemen Dalam Sistem Terotomasi ................................................................9.3

Gambar 9. 2Sistem Kontrol Sinyal Balik ............................................................................................9.6
Gambar 9. 3 Sistem Kontrol Loop Terbuka .......................................................................................9.7
Gambar 9. 4 Sistem Pemosisian Satu Aksis Meliputi Pemutar Sekrup Yang Dikendalikan Dengan
Servometer .................................................................................................................9.7
Gambar 9. 5 Silinder Kerja .................................................................................................................9.9
Gambar 9. 6 Motor .............................................................................................................................9.9
Gambar 9. 7 Relay ............................................................................................................................9.10
Gambar 9. 8 Switch dengan sistem NO ............................................................................................9.10
Gambar 9. 9 Switch dengan sistem NC ............................................................................................9.11
Gambar 9. 10 Tampilan Menu Perintah Software LLWin 3.0 ..........................................................9.11
Gambar 9. 11 Block-block fungsi dalam Toolbox ............................................................................9.13
Gambar 9. 12 Motor ........................................................................................................................9.13
Gambar 9. 13 Lampu ........................................................................................................................9.14
Gambar 9. 14 Elektromagnet ...........................................................................................................9.14
x
Gambar 9. 15 Pushbutton.................................................................................................................9.14
Gambar 9. 16 Phototransistor ...........................................................................................................9.15
Gambar 9. 17 Reed contact ..............................................................................................................9.15
Gambar 9. 18 Toolbar Project ...........................................................................................................9.19
Gambar 9. 19 New Project ................................................................................................................9.19
Gambar 9. 20 Merangkai Blok-Blok.................................................................................................9.20
Gambar 9. 21 Diagram Pemograman ................................................................................................9.21
Gambar 9. 22 Coulomn Type Robot .................................................................................................9.22
Gambar 9. 23 Program control pertama (level 1) ..............................................................................9.23
Gambar 9. 24 Menu Utama...............................................................................................................9.23
Gambar 9. 25 Contoh Tampilan Program Level 1 ............................................................................9.26
Gambar 9. 26 Tampilan program level 2 ..........................................................................................9.27
Gambar 9. 27 Menu utama dan basic elemen level 2 ........................................................................9.27
Gambar 9. 28 Basic Element level 2 .................................................................................................9.28
Gambar 9. 29 Toolbar Subprogram I/O ............................................................................................9.29
Gambar 9. 30 New Subprogram .......................................................................................................9.30
Gambar 9. 31 Contoh Program Entry untuk Subprogram .................................................................9.30
Gambar 9. 32 Subprogram Pada Main Program ...............................................................................9.31
Gambar 9. 33 Sistem NC ..................................................................................................................9.33
Gambar 9. 34 Kaedah tangan kanan (sistem koordinat) ....................................................................9.34
Gambar 9. 35 Sistem koordinat mesin bubut ....................................................................................9.34
Gambar 9. 36 Sistem koordinat mesin drill.......................................................................................9.35
Gambar 9. 37 Sistem koordinat mesin milling ..................................................................................9.35
Gambar 9. 38 Punched Card .............................................................................................................9.36
Gambar 9. 39 Form Penulisan Kode .................................................................................................9.36
xi
DAFTAR TABEL
Tabel 6. 1. Waktu Proses dan Routing ..............................................................................................6.13

Tabel 6. 2. Jadwal Aktif ....................................................................................................................6.13
Tabel 6. 3 Jadwal Non Delay ............................................................................................................6.15
Tabel 7. 1 Contoh Soal Elemen Kerja dengan Waktu dan Predecessornya .........................................7.8
Tabel 7. 2 Metode Reversed RPW sebelum dan sesudah diurutkan ....................................................7.9
Tabel 7. 3 Susunan stasiun kerja berdasarkan bobot RPW ...............................................................7.10
Tabel 7. 4 Susunan Elemen Kerja Yang Dibalik ...............................................................................7.10
Tabel 7. 5 Susunan Elemen Kerja menurut LCR ..............................................................................7.12
Tabel 7. 6 Matriks P dan F ................................................................................................................7.13
Tabel 7. 7 Elemen Kerja 7 Dipindah Dari Stasiun IV Ke Stasiun V. ................................................7.13
Tabel 7. 8 Pemindahan Elemen Kerja 9 dari Stasiun V ke Stasiun VI ..............................................7.14
Tabel 7. 9 Proses Iterasi-Iterasi Dari Metode COMSOAL................................................................7.15
Tabel 7. 10 Proses Iterasi-Iterasi Dari Metode COMSOAL (lanjutan) .............................................7.16
Tabel 7. 11 Susunan stasiun kerja menurut COMSOAL...................................................................7.16
Tabel 7. 12 Elemen Kerja Yg Disusun Berdasarkan Kolom .............................................................7.18
Tabel 7. 13 Hasil Perhitungan ...........................................................................................................7.19
Tabel 7. 14 Rasio Minimum Untuk Elemen Pekerjaan Pada Model A dan Model B ........................7.22
Tabel 7. 15 Total Waktu untuk Setiap Elemen pada Masing-masing Model ....................................7.22
Tabel 7. 16 Eleman kerja disusun dalam kolom metode Kilbrigde & Wester ...................................7.23
Tabel 7. 17 Elemen pada Stasiun dengan Metode Kilbridge & Wester .............................................7.23
Tabel 7. 18 Nilainya minimum untuk model A.................................................................................7.25
Tabel 9. 1 Proses Manufaktur Yang Sering Digunakan ......................................................................9.4

Tabel 9. 2 Fitur Program dan Contoh Aplikasinya..............................................................................9.5
Tabel 9. 3 Contoh Rencana Pembuatan Program NC .......................................................................9.32
xii
MODUL PRAKTIKUM
MODUL VI
PENJADWALAN MESIN

Dr. Rahmi Maulidya ST, MT


MANUFAKTUR II
Modul VI Penjadwalan Mesin hal 6.1 dari 17
MODUL VI
PENJADWALAN MESIN
• Hasil penjadwalan haal aktif dan jadwal non delay
6.1. TUJUAN PRAKTIKUM
1. Memberikan pemahaman mengenai cara melakukan penjadwalan pada proses
permesinan untuk beberapa kondisi lantai produksi.
2. Memberi pemahaman bagaimana melaksanakan proses produksi sesuai dengan hasil
penjadwalan.
Setelah menyelesaikan praktikum ini diharapkan praktikan mampu :

1. Membuat penjadwalan untuk satu mesin.
2. Membuat penjadwalan flow shop.
3. Membuat penjadwalan job shop.
4. Melaksanakan proses produksi sesuai hasil penjadwalan.
Kata kunci : penjadwalan flow shop, penjadwalan job shop

6.2. Teori Singkat
6.2.1. Definisi Penjadwalan
Long Range
(Capacity Planning)
D
E
M
A
Operational Planning N
D
T M
I A
M N
E A
G
Shop Floor Control E
Scheduling : M
- Daily Production Schedules E
- Resource Schedules N
(Machine, Tooling, Material Receipts) T
- Preventive Maintanances Schedules
Gambar 6. 1. Skema Penjadwalan
Penjadwalan merupakan proses pengurutan pembuatan secara menyeluruh pada

beberapa mesin. Baker (2009) mengatakan penjadwalan adalah pengalokasian sumber daya
atau mesin yang ada untuk menjalankan sekumpulan tugas dalam jangka waktu tertentu.
Definisi ini mengandung arti :
1. Penjadwalan merupakan fungsi pengambilan keputusan, artinya penjadwalan merupakan
proses untuk menentukan sebuah jadwal.
2. Penjadwalan merupakan suatu teori, artinya penjadwalan adalah kumpulan dari prinsip-
prinsip dan model, teknik, dan kesimpulan logis dalam pengambilan keputusan.
Penjadwalan merupakan bagian dari shop floor control.
6.2.2. Tujuan Penjadwalan (Scheduling)

Aktivitas penjadwalan menurut Bedworth (1987) bertujuan untuk:
1. Meningkatkan penggunaan sumber daya atau mengurangi waktu tunggunya, sehingga
total waktu proses dapat berkurang, dan produktivitas dapat meningkat.

2. Mengurangi persediaan barang setengah jadi atau mengurangi sejumlah pekerjaan yang
menunggu dalam antrian ketika sumber daya yang ada masih mengerjakan tugas yang
lain.
3. Mengurangi kelambatan pekerjaan yang mempunyai saat tenggat (due date) tertentu,
sehingga akan meminimasi penalti cost (biaya keterlambatan)
4. Membantu pengambilan keputusan mengenai perencanaan kapasitas pabrik dan jenis
kapasitas yang dibutuhkan, sehingga penambahan biaya yang mahal dapat dihindarkan.
6.2.3. Istilah dan Kriteria

Proses penjadwalan memerlukan tiga informasi dasar untuk setiap order yaitu:
• PROCESSING TIME (WAKTU PROSES)
Lamanya waktu yang diperlukan untuk menyelesaikan suatu operasi pada suatu mesin.
Simbol yang digunakan untuk waktu proses pekerjaan i adalah ti.
ti = waktu proses untuk tugas ke-i
• DUE DATE (SAAT TENGGAT)
Merupakan saat maksimal yang dapat diterima untuk menyelesaikan suatu pekerjaan.
Kelebihan waktu dari saat yang ditetapkan, merupakan suatu kelambatan. Batas waktu ini
disimbolkan sebagai di
di = due date untuk tugas ke-i
• READY TIME (SAAT SIAP)
Menunjukkan saat sebuah job/order siap dikerjakan, disimbolkan dengan ri.
Keputusan penjadwalan menurut Baker (1974) dapat dievaluasi menggunakan beberapa

kriteria berikut:
• COMPLETION TIME (SAAT SELESAI)
Merupakan saat pemrosesan suatu pekerjaan selesai. Disimbolkan dengan Ci.
• FLOW TIME (WAKTU ALIR)
Merupakan rentang waktu antara saat pekerjaan siap diproses sampai saat selesai. Fi = Ci
– ri. Jika ri = 0 maka Fi = Ci
• LATENESS (KELAMBATAN)
Merupakan waktu dimana saat penyelesaian pekerjaan melebihi saat tenggat yang telah
ditentukan. Suatu pekerjaan mempunyai kelambatan positif (tardiness) jika diselesaikan

sesudah saat tenggat dan kelambatan negatif (earliness) jika diselesaikan sebelum saat
tenggat. Simbol kelambatan ini adalah Li
Li = Ci – di
• TARDINESS (KELAMBATAN POSITIF)
Merupakan lateness positif. Jika suatu pekerjaan mempunyai lateness negatif, maka Ti = 0,
tetapi jika positif, maka Ti = Li
• EARLINESS (KELAMBATAN NEGATIF)
Saat penyelesaian terlalu awal (sebelum due date atau saat tenggat), disebut juga lateness
negative dan disimbolkan dengan Ei.
• MAKESPAN (Cmax)
Adalah interval waktu yang dibutuhkan untuk memroses semua komponen pada seluruh
operasi yang dijadwalkan sejak saat mulai sampai saat komponen terakhir selesai diproses.
• SLACK (KELONGGARAN)
Selisih antara waktu yang tersisa untuk menyelesaikan suatu tugas dengan waktu yang
dibutuhkan untuk memroses pekerjaan tersebut.
Jika jadwal dalam pendekatan forward scheduling dimulai pada t = 0, dan due date (saat
tenggat) dianggap sebagai maksimum waktu setelah jadwal dimulai, maka slack dihitung
sebagai berikut:
SLi = di - ti
Berdasarkan kriteria evaluasi di atas, dikenal beberapa kriteria performansi penjadwalan

sebagai berikut:
– Minimasi shop time: flow time, makespan
– Maksimasi utilization (minimasi idle time)
– Minimasi WIP (work in process): Minimasi flow time, minimasi earliness
– Minimasi customer waiting time: number of tardy jobs, mean lateness, maximum lateness,
mean queue time.
6.2.4. Permasalahan dalam Penjadwalan

Permasalahan penjadwalan umumnya berkaitan dengan hal-hal berikut:
1. Jumlah job yang akan dijadwalkan, waktu yang dibutuhkan untuk setiap proses dan
jenis mesin yang digunakan
2. Jumlah mesin yang digunakan

3. Jenis manufaktur (flow shop atau job shop)

4. Pola kedatangan job pada fasilitas (static atau dynamic)
5. Pendekatan penyelesaian penjadwalan (forward atau backward)
6. Metode yang digunakan dalam menyelesaikan permasalahan penjadwalan (optimal,
heuristik atau metaheuristik)
6.2.5. Klasifikasi Penjadwalan

Secara umum penjadwalan (scheduling) dapat dibagi menjadi yaitu:
1. Berdasarkan jumlah dan hubungan antar mesin yang digunakan :
a. Penjadwalan pada mesin tunggal (single machine shop)
b. Penjadwalan pada mesin jamak (m-machine)
1. Penjadwalan n job pada m mesin paralel
2. Penjadwalan n job pada m mesin seri (flow shop)
3. Penjadwalan n job pada m mesin job shop
2. Berdasarkan pola kedatangan job:
a. Penjadwalan static yaitu data job yang akan diproses telah diketahui sebelum
penjadwalan dimulai, tidak ada interupsi terhadap jadwal yang ditetapkan atau tidak
ada job sisipan.
b. Penjadwalan dynamic yaitu kedatangan job tidak menentu (intermittent) dan
dimungkinkan untuk menginterupsi jadwal yang sedang berjalan dengan
melakukan penjadwalan ulang (rescheduling)
3. Pendekatan penyelesaian penjadwalan
a. Pendekatan forward (maju) yaitu jadwal dimulai dari saat nol t=0, job ditempatkan
dari titik nol (t = 0) sampai saat selesai job dikerjakan.
b. Pendekatan backward (mundur) yaitu job ditempatkan pada jadwal dari belakang
yaitu dari saat tenggat (due date) sampai saat mulai pertama job dikerjakan pada
mesin pertama.
Penjadwalan n Pekerjaan Pada 1 Mesin (n Job, One Machine)

Persoalan penjadwalan yang paling dasar adalah menyelesaikan satu set pekerjaan
dengan menggunakan sebuah mesin (mesin tunggal).
• Teorema 1:

Aturan SPT (Shortest Processing Time) untuk meminimumkan Flow Time rata-
rata pada 1 processor.
t[1]  t[ 2]  ...  t[ n ]
1
Fs = ( F[1] + ... + F[ n ] )
MFT = n
1
MFT = (n.t[1] + (n − 1).t[ 2] + ... + 2.t[ n −1] + t[ n ] )
n
Minimasi Flow Time rata-rata dengan aturan SPT, juga meminimasi Lateness
rata-rata, Waiting Time rata-rata dan jumlah rata-rata pekerjaan yang menunggu
sebagai persediaan work in-process.
• Teorema 2:
o Aturan WSPT (Weighted SPT) untuk meminimasi Weighted Flow Time
rata-rata pada sebuah mesin tunggal
o Merupakan variasi dari aturan SPT dengan w = pembobotan nilai
kepentingan pada setiap pekerjaan
Untuk penjadwalan n pekerjaan pada 1 mesin (processor) dimana setiap pekerjaan i
memiliki nilai/bobot kepentingan wi, Weighted Mean Flow Time dengan nilai minimum
diperoleh jika penjadwalan dilakukan sesuai:
t[1] t[ 2 ] t[ n ]
  ... 
w[t ] w[ 2] w[ n ]
n
w F t t
WMFT = Fw, s = t =1
n
w
t =1
t
• Teorema 3:
Aturan SPT untuk minimasi rata-rata Lateness pada 1 processor.
Pada penjadwalan n pekerjaan pada 1 processor, minimasi rata-rata lateness diperoleh
dengan menyusun jadwal mengikuti:
t[1]  t[ 2]  ...  t[ n ]

1 n
Ls =  ( Fi − d i )
n i =1
1 n 1 n
= 
n i =1
Fi −  d i = Fs − d s
n i =1
Keterangan:
d s = rata-rata saat tenggat yang bernilai konstan. Jadi minimasi Ls, diperoleh dengan
minimasi Fs, mengikuti aturan SPT.
• Teorema 4:
Aturan EDD untuk minimasi Lateness maksimum pada 1 processor.
Pada penjadwalan n pekerjaan pada 1 processor, Lateness atau Tardiness pekerjaan
maksimum dapat diminimasi dengan urutan pekerjaan sesuai dengan EDD, dimana :
d1  d 2  ...  d n
• Teorema 5
Algoritma Hudgson untuk meminimasi jumlah tardy job (pekerjaan terlambat)

Mulai
Buat aliran pekerjaan dengan aturan EDD (Earliest

Due Date-Batas Waktu Terawal)
Tidak Buat urutan

Ada Pekerjaan
sesuai dengan
Terlambat ? EDD
Ya
Lihat Pekerjaan yang Pertama Kali Terlambat.

Misal : pekerjaan ke-n
Dari Pekerjaan n
Pilih Waktu Proses Terlama
Hilangkan pekerjaan n denagn waktu proses

terlama untuk penagturan ulang
Tempatkan pekerjaan yang dihapuskan dari list

pada alhir penjadwalan
Masukkan ke Jadwal Induk
Selesai
Gambar 6.2. Algoritma Hudgson
o Langkah 1: Jadwalkan semua pekerjaan sesuai aturan EDD. Jika jumlah pekerjaan
tardy nol atau satu, solusi optimal. Jika tidak, lanjut ke langkah 2
o Langkah 2: Mulai dari urutan EDD yang paling awal dan seterusnya. Tentukan job
yang terlambat. Jika tidak ada lagi job yang terlambat. Lanjutkan ke
langkah 4. Jika sebaliknya lanjutkan ke langkah 3.
o Langkah 3: Seandainya job yang terlambat (tardy) pada posisi i dalam urutan. Amati
job pertama dalam urutan dan tentukan job yang memiliki waktu proses
pengerjaan paling lama. Keluarkan job dari urutan. Kembali ke langkah
2.
o Langkah 4: Tempatkan urutan job yang dikeluarkan pada urutan terakhir sesuai
dengan urutan keluarnya.

• Teorema 6:
o Aturan EDD untuk meminimasi Mean Tardiness pada sebuah mesin
tunggal.
o Jika aturan EDD menghasilkan satu atau tidak ada sama sekali job yang
terlambat, maka ini berarti EDD menghasilkan minimasi mean tardiness.
Penjadwalan n job pada m mesin paralel

Pada dasarnya, hampir semua teorema di atas berlaku pada penjadwalan satu mesin dan berlaku
juga pada penjadwalan m mesin paralel. Tetapi ada beberapa algoritma yang memerlukan
modifikasi pada saat diterapkan pada kondisi ini, diantaranya adalah algoritma Hudgson. Ada
pula algoritma yang hanya dapat diterapkan pada mesin paralel tetapi tidak dapat digunakan
pada kondisi mesin tunggal.
6.2.6. Penjadwalan Flow Shop

Usaha terbanyak yang dibutuhkan untuk melaksanakan suatu bentuk penjadwalan flow
shop dilakukan pada tahapan desain sistem produksinya. Pada flow shop ini, terjadilah suatu
pergerakan unit-unit yang terus-menerus melalui suatu rangkaian stasiun-stasiun kerja yang
disusun berdasarkan produk.
Suatu permasalahan kritis dalam flow shop adalah pengelompokan tugas-tugas yang
dibutuhkan dalam stasiun kerja, sehingga dicapai suatu kondisi yang memenuhi pembatas-
pembatas urutan dan terjadi keseimbangan pada tingkat output produksi. Jika tingkat output
bervariasi untuk masing-masing stasiun kerja, maka hal ini berarti bahwa lintasan produksi
tersebut tidak seimbang.
Gambar 6.3. Flow Shop
Penjadwalan n job pada m mesin seri (flow shop)

1. Johnson’s Algorithm

Langkah-langkah Johnson’s Algorithm untuk minimasi makespan:

1. Tentukan waktu proses yang terpendek di antara seluruh job dalam daftar job yang akan
diproses.
2. a. Bila waktu proses terpendek berada di mesin M1, maka jadwalkan job dengan waktu
terpendek itu pada posisi paling kiri pada urutan yang dimungkinkan, dan lanjutkan ke
Step 3.
b. Bila waktu proses terpendek berada di mesin M2, maka jadwalkan job dengan waktu
terpendek itu pada posisi paling kanan pada urutan yang dimungkinkan, lanjutkan ke
Step 3.
c. Bila terdapat beberapa nilai waktu proses terpendek, maka pilih sembarang; dan
jadwalkan job dengan waktu proses terpilih di posisi paling kiri atau kanan sesuai
dengan keberadaan waktu proses terpilih tersebut.
3. Keluarkan job yang sudah dijadwalkan dari daftar job. Bila masih ada job yang belum
dijadwalkan, maka kembali ke Step 1. Bila seluruh job sudah dijadwalkan maka stop.
2. Campbell, Dudeck and Smith (CDS) Algorithm

Campbell mengembangkan suatu algoritma yang menghasilkan suatu rangkaian penjumlahan
untuk masing-masing pekerjaan yang sama untuk tahap kedua menghasilkan penjumlahan di
dalam n pekerjaan, permasalahan 3 mesin (M1 dan M2). Dengan M mesin, M-1 tahap kolom-
2 waktu pekerjaan bisa dikembangkan kemudian diselesaikan dengan menggunakan algoritma
Johnson’s untuk n pekerjaan, 2 mesin.
6.2.7. Penjadwalan Job Shop

Penjadwalan pada proses produksi tipe job shop lebih sulit dibandingkan penjadwalan flow
shop. Hal ini disebabkan oleh 3 alasan:
1. Job shop menangani variasi produk yang sangat banyak, dengan pola aliran yang berbeda
melalui pusat-pusat kerja.
2. Peralatan pada job shop digunakan secara bersama-sama oleh bermacam-macam order
dalam prosesnya, sedangkan peralatan pada flow shop digunakan khususnya hanya untuk
satu jenis produk.
3. Job-job yang berbeda mungkin ditentukan oleh prioritas yang berbeda pula. Hal ini
mengakibatkan order tertentu yang dipilih harus diproses seketika pada saat order tersebut

ditugaskan pada suatu pusat kerja. Sedangkan pada flow shop tidak terjadi permasalahan
seperti diatas karena keseragaman output yang diproduksi untuk persediaan. Prioritas order
pada flow shop dipengaruhi terutama pada pengirimannya dibandingkan tanggal
pemrosesan.
Gambar 6.4. Job Shop
6.2.8. Job Shop Sequencing

Penjadwalan Job Shop melibatkan aturan-aturan prioritas sequencing. Aturan-aturan
prioritas sequencing diaplikasikan untuk seluruh job yang sedang menunggu dalam antrian.
Bila pusat kerja telah lowong untuk satu job baru, maka job dengan prioritas terdahulu akan
diproses.
Pemilihan prioritas sequencing tersebut mempertimbangkan efisiensi penggunaan
fasilitas dengan kriteria antara lain biaya setup, biaya persediaan WIP, waktu menganggur
stasiun kerja, persentase waktu menganggur, rata-rata jumlah job yang menunggu, dan
sebagainya.
Beberapa aturan-aturan prioritas sequencing yang umum antara lain adalah :

1. First-Come-First-Served (FCFS)
Job yang datang diproses sesuai dengan job mana yang datang terlebih dahulu.
2. Earliest Due Date (EDD)
Prioritas antara diberikan kepada job yang mempunyai saat tenggat (due date) penyerahan
paling awal
3. Shortest Processing Time (SPT)

Job dengan waktu proses terpendek akan diproses lebih dahulu, demikian berlanjut untuk
job yang waktu prosesnya terpendek kedua. Aturan SPT ini tidak memperdulikan due date
maupun kedatangan order baru.
Jenis jadwal pada job shop:

1. Jadwal semiaktif
– adalah satu set jadwal yang tidak memungkinkan lagi untuk melakukan geser-
kiri lokal
– adalah satu set jadwal yang tidak memiliki superfluous idle time
Superfluous idle time terjadi pada jadwal yang apabila suatu operasi dimulai lebih
awal tidak menyebabkan perubahan urutan pada mesin manapun.
2. Jadwal Aktif
adalah satu set jadwal yang tidak memungkinkan lagi untuk melakukan geser-kiri
global.
3. Jadwal non-delay
adalah jadwal aktif yang tidak membiarkan mesin menjadi idle bila suatu operasi dapat
dimulai.
Gambar 6.5 Jenis Penjadwalan Pada Job Shop
Algoritma Pembangkitan Jadwal Aktif

PSt = Jadwal parsial yang terdiri t buah operasi terjadwal
St = Set operasi yang dapat dijadwalkan pada stage t, setelah diperoleh PSt
t = Waktu tercepat operasi j  St dapat dimulai
t = Waktu tercepat operasi j  St dapat diselesaikan
Berikut adalah algoritma untuk mendapatkan/membangkitkan salah satu jadwal aktif :

Step 1. Tentukan t=0, dan kemudian mulai dengan PS0 sebagai jadwal parsial nol. Tentukan
seluruh operasi tanpa predecessor sebagai S0.
 * = min jS  j 
Step 2. Tentukan t dan mesin m* yaitu mesin tempat * dapat direalisasikan
Step 3. Untuk setiap operasi j  St yang membutuhkan mesin m* dan berlaku j > *, buat
jadwal parsial baru dengan menambahkan operasi j pada PSt dengan saat mulai operasi pada j
Step 4. Untuk setiap jadwal parsial baru PSt+1, yang dihasilkan pada Step 3, perbaharui (up-
date) set data berikut:
– Keluarkan operasi j dari St
– Tambahkan suksesor langsung operasi j ke dalam St+1
– Naikkan nilai t dengan 1
Step 5. Untuk setiap PSt+1 yang dihasilkan pada Step 3, kembali ke Step 2. Lanjutkan langkah-
langkah ini sampai suatu jadwal aktif dihasilkan.
 j  *
Gambar 6.6. Penjadwalan Job Shop
Contoh:
Tabel 6.1. Waktu Proses dan Routing
Waktu Proses Routing
Operasi 1 Operasi 2 Operasi 3 Operasi 1 Operasi 2 Operasi 3
Job J1 4 3 2 Job J1 1 2 3
Job J2 1 4 4 Job J2 2 1 3
Job J3 3 2 3 Job J3 3 2 1
Job J4 3 3 1 Job J4 2 3 1
t untuk Job 4 operasi 3 adalah 1 satuan waktu dan dikerjakan di mesin 1, dinotasikan sebagai
berikut t431 = 1 satuan waktu.
Tabel 6.2. Jadwal Aktif
Tabel 6.2 Jadwal Aktif (lanjutan)

Jadwal aktif pada Tabel 6.2 menghasilkan makespan untuk masing-masing mesin secara
berurutan yaitu 12, 9 dan 15 dengan urutan pengerjaan job seperti terlihat pada Gambar 6.7.
Gambar 6.7 Gantt Chart jadwal aktif
Algoritma Pembangkitan Jadwal Non Delay

Berikut adalah algoritma untuk mendapatkan/membangkitkan salah satu jadwal Non Delay :
Step 1. Tentukan t=0, dan kemudian mulai dengan PS0 sebagai jadwal parsial nol. Tentukan
seluruh operasi tanpa predecessor sebagai S0.
 
Step 2. Tentukan  * = min jSt  j dan mesin m* yaitu mesin tempat  * dapat direalisasikan
Step 3. Untuk setiap operasi j  S t yang membutuhkan mesin m* dan berlaku  j =  * , buat
jadwal parsial baru dengan menambahkan operasi j pada PSt dengan saat mulai operasi
pada j
Step 4. Untuk setiap jadwal parsial baru PSt+1, yang dihasilkan pada Step 3, perbaharui (up
date) set data berikut:
• Keluarkan operasi j dari St
• Tambahkan suksesor langsung operasi j ke dalam St+1
• Naikkan nilai t dengan 1
Step 5. Untuk setiap PSt+1 yang dihasilkan pada Step 3, kembali ke Step 2. Lanjutkan langkah-
langkah ini sampai seluruh jadwal aktif dihasilkan.
Contoh yang sama pada Tabel 6.1 diselesaikan dengan jadwal non delay menggunakan aturan
prioritas SPT seperti yang terdapat pada Tabel 6. 3.
Tabel 6. 3 Jadwal Non Delay
Stage Mesin St Cj tij rj C* m* PSt

1 2 3
0 0 0 0 111 0 4 4 0 1 111
212 0 1 1 2 212
313 0 3 3 3 313
412 0 3 3
1 4 1 3 122 4 3 7
221 4 4 8
322 3 2 5
412 1 3 4 1 2 412
2 4 4 3 122 4 3 7 4
221 4 4 8 1 221
322 4 2 6 2 322
423 4 3 7 3 423
3 8 6 7 122 6 3 9 6 2 122
233 8 4 12
331 8 3 11
431 8 1 9
4 8 9 7 133 9 2 11
233 8 4 12 8 3 233
331 8 3 11
431 8 1 9 1 431
5 9 9 12 133 12 2 14
331 9 3 12 9 1 331
6 12 9 12 133 12 2 14 12 3 133
12 9 14
Jadwal Non delay pada Tabel 6. 3 menghasilkan makespan untuk masing-masing mesin secara
berurutan yaitu 12, 9 dan 14 dengan urutan pengerjaan job seperti terlihat pada Gambar 6.8.

M1 31 42 233 1
3 4 78 1 1
M2 2 4 3 12
1 4 6 9
M3 111 221 4 3
4 8 9 1
Gambar 6.8. Gantt Chart jadwal Non Delay

Alat dan bahan yang dibutuhkan dalam praktikum ini adalah :
1. Komputer dengan Software Excel dan Lekin
2. Bahan Baku Komponen Produk Kereta Mainan
3. Mesin-mesin pembuat komponen kereta mainan
4. Lembar Pengamatan
5. Alat Tulis
6. Stopwatch
7. Data Planned Order Release
8. Data waktu baku pemesanan
9. Data rencana proses
10. Data jam kerja pabrik

1. Asisten membuat WAG yang digunakan untuk Modul 6.
2. Pembagian shift praktikum diupload di GCR.
3. Asisten membuat video penjelasan Materi Praktikum dan dievaluasi bersama dengan
Dosen Penanggung Jawab Modul.
4. Penanggung Jawab Modul, Mengupload Modul Praktikum di GCR dan Video penjelasan
materi Praktikum.
5. Asisten menetapkan nama Asisten untuk masing-masing kelompok melalui WAG
6. Praktikan masuk ke GCR sesuai jadwal Praktikum
7. Praktikan mengisi kehadiran menggunakan Google Form yang ada di GCR.
8. Asisten mengupload soal QUIZ di GCR.
9. Praktikan mengisi QUIZ di GCR.

10. Pelaksanaan Praktikum secara Daring, sesuai dengan pembagian shift yang ditetapkan
asisten. Penanggung jawab Modul dapat melakukan supervisi dengan hadir pada saat
pelaksanan praktikum.
11. Bimbingan praktikan dengan asisten secara daring.
12. Praktikan Upload Laporan akhir di GCR dengan menuliskan nama asisten pada nama
filenya (dalam bentuk PDF).
13. Asisten memeriksa laporan Akhir.

Laporan praktikum dikumpulkan satu minggu setelah praktikum dengan sistematika sebagai
berikut:
BAB I PENDAHULUAN
1.2. Ruang Lingkup
BAB II PENGOLAHAN DATA DAN ANALISIS
2.1. Data order
2.2. Hasil penjadwalan beserta performansinya
- Urutan pengerjaan job beserta Gantt Chart
- Performansi penjadwalan (Makespan, flow time, dan lain-lain)
2.3. Data waktu proses hasil pengukuran
- Data waktu proses pengerjaan setiap job
- Data waktu penyelesaian seluruh job
2.4. Perhitungan performansi hasil pengukuran
- Perhitungan makespan, flow time, dan lain-lain
2.5. Analisis hasil
6.6. Pustaka
1. Baker, Kenneth R., Introduction to Sequencing and Scheduling, John Wiley & Sons, New
York, 1974.
2. Baker, Kenneth R. dan D. Trietsch, Principles of Sequencing and Scheduling, John Wiley
& Sons, New Jersey, 2009.

3. Bedworth, David D. and James E. Bailey, Integrated Production Control System:

Management, Analysis, Design, 2nd ed, John Wiley and Sons, New York, 1987.
4. Groover, Mikell P., Automation, Production Systems, and Computer-Integrated
Manufacturing, Second Edition, New Jersey, Prentice Hall, 2001.

MODUL PRAKTIKUM
MODUL VII
PENYEIMBANGAN LINI
DISUSUN OLEH : HALAMAN 7.0 DARI

Ir. Sumiharni Batubara, MSc & 27
Tim



MANUFAKTUR II
Modul VII Penyeimbangan Lini hal 7.1 dari 27
MODUL VII
PENYEIMBANGAN LINI

1. Memberikan pengertian mengenai proses penyeimbangan lini perakitan.
2. Memberikan pemahaman tentang metode-metode untuk menyeimbangkan lini perakitan
Setelah penyelesaian modul ini diharapkan praktikan dapat :

1. Mengerti dan mampu menganalisis kondisi lantai produksi yang memerlukan penyeimbangan
lini
2. Mengerti dan mampu menganalisis input dan output dari analisis Line Balancing
3. Melakukan penyeimbangan lini dengan mixed model assembly lines
4. Menerapkan hasil penyeimbangan lini pada lantai produksi
5. Menganalisis kelebihan dan kekurangan metode berdasarkan hasil penerapan
Kata kunci : line balancing, RPW, Revised RPW, Moddie Young Method, Comsoal, Kilbridge
Wester Method, Mixed Model Assembly Lines

7.2. Teori Singkat
7.2.1. Penyeimbangan Lini
Keseimbangan lini produksi bermula dari lini produksi massal, dimana dalam proses
produksinya harus dibagikan pada seluruh operator sehingga beban kerja operator merata. Jadi
dalam line balancing mempelajari bagaimana kita merancang suatu lintasan produksi agar
tercapai keseimbangan beban yang dialokasikan pada setiap stasiun kerja dalam menghasilkan
produk.
Istilah Keseimbangan Lini/Assembly Line balancing merupakan suatu metode penugasan
sejumlah pekerjaan ke dalam stasiun kerja-stasiun kerja yang saling berkaitan dalam satu lini
produksi sehingga setiap stasiun kerja memiliki waktu yang tidak melebihi waktu siklus dari
stasiun kerja tersebut. Keterkaitan sejumlah pekerjaan dalam suatu lini produksi harus
dipertimbangkan dalam menentukan pembagian pekerjaan ke dalam masing-masing stasiun kerja.
Hubungan atau saling keterkaitan antara satu pekerjaan dengan pekerjaan lainnya digambarkan
dalam suatu precedence diagram atau diagram pendahuluan, sedangkan hubungan itu disebut
precedence job atau precedence network (Bedworth, David.D, 361; Elsayed, A, 259).
7.2.1.1. Permasalahan Keseimbangan Lintasan Produksi
Persoalan keseimbangan lintasan perakitan bermula dari adanya kombinasi penugasan kerja
kepada operator atau grup operator yang menempati tempat kerja tertentu. Karena penugasan
elemen kerja (work element) yang berbeda akan menyebabkan perbedaan dalam sejumlah waktu
yang tidak produktif dan variasi jumlah pekerja yang dibutuhkan untuk menghasilkan output
produksi tertentu di dalam suatu lintas perakitan.
Masalah kombinasi tersebut menjadi masalah penyeimbangan lintas perakitan,
penyeimbangan operasi atau stasiun kerja dengan tujuan untuk mendapatkan waktu yang sama di
setiap stasiun kerja sesuai dengan kecepatan produksi yang diinginkan.
Masalah utama yang dihadapi dalam lintasan produksi adalah : (Biegel, 1992)
1. Kendala sistem, yang erat kaitannya dengan maintenance (perawatan)
2. Menyeimbangkan beban kerja pada beberapa stasiun kerja (work station) untuk :
• Mencapai suatu efisiensi yang tinggi
• Memenuhi rencana produksi yang telah dibuat
Gejala ketidakseimbangan lintasan produksi :
• Adanya stasiun kerja yang sibuk dan idle yang menyolok
• Adanya work in process (produk setengah jadi) pada beberapa stasiun kerja

Sedangkan hal-hal yang dapat mengakibatkan ketidakseimbangan pada lintasan produksi antara
lain :
• Rancangan lintasan yang salah
• Peralatan atau mesin sudah tua sehingga seringkali break down dan perlu diset-up ulang
• Operator yang kurang terampil
• Metode kerja yang kurang baik
Rancangan lintasan produksi yang seimbang bertujuan :
1. Untuk menyeimbangkan beban kerja yang dialokasi pada setiap stasiun kerja sehingga
pekerjaan dapat selesai dalam waktu yang seimbang dan mencegah terjadinya bottleneck
2. Menjaga lini perakitan agar tetap lancar dan kontinu berlangsung (Elsayed, 1985)
Pada usaha pencapaian keseimbangan lini, terdapat beberapa cara yang dikenal antara lain :
1. Penumpukan material
2. Pergerakan operator
3. Pemecahan elemen pekerjaan
4. Perbaikan operasi
5. Perbaikan performansi operator
6. Pengelompokkan operasi
Pada umumnya, merencanakan suatu keseimbangan di dalam sebuah lintas perakitan
meliputi usaha yang bertujuan untuk mencapai suatu kapasitas optimal, dimana tidak terjadi
penghamburan fasilitas. Tujuan tersebut dapat tercapai bila :
1. Lintas perakitan bersifat seimbang, setiap stasiun kerja mendapat tugas yang sama nilainya
diukur dengan waktu
2. Stasiun-stasiun kerja berjumlah minimum
3. Jumlah waktu menganggur di setiap stasiun kerja sepanjang lintas perakitan minimum
Dengan demikian, kriteria yang umum digunakan dalam suatu keseimbangan lintas perakitan
adalah :
• Minimum waktu menganggur
• Minimum keseimbangan waktu senggang (balance delay)
Selain itu ada pula yang menggunakan maksimum efisiensi, tetapi pada prinsipnya ketiga hal
tersebut sama. Waktu menganggur biasanya digunakan untuk menyatakan ukuran
ketidakseimbangan suatu lintas produksi.
Berdasarkan uraian di atas, dapat ditarik kesimpulan bahwa keseimbangan lintas
perakitan tersebut didasarkan pada hubungan antara :
1. Kecepatan produksi (production rate)

2. Operasi-operasi yang diperlukan dan urut-urutan kebergantungan (sequence)

3. Waktu yang diperlukan untuk menyelesaikan setiap operasi (work element time)
4. Jumlah operator / pekerja yang melakukan operasi tersebut
7.2.1.2. Terminologi Line Balancing
1. Work Element
Bagian dari keseluruhan pekerjaan dalam proses assembly. Umumnya, N didefinisikan
sebagai jumlah total dari elemen kerja yang dibutuhkan untuk menyelesaikan suatu assembly
dan i adalah elemen kerja.
2. Workstation (WS)
Lokasi pada lini assembly atau pembuatan suatu produk dimana pekerjaan diselesaikan baik
manual maupun otomatis. Jumlah minimum dari stasiun kerja adalah K, dimana K harus  i.
3. Minimum Rational Work Element (Elemen Kerja Terkecil)
Untuk menyeimbangkan pekerjaan dalam setiap stasiun yang ada maka pekerjaan tersebut
harus dipecah menjadi elemen-elemen pekerjaan. Elemen kerja minimum adalah elemen
pekerjaan terkecil dari suatu pekerjaan yang tidak dapat dibagi lagi.
4. Total Work Content (Total Waktu Pengerjaan)
Jumlah dari seluruh waktu pengerjaan setiap elemen pekerjaan dari suatu lini.
5. Workstation Process Time (Waktu Proses Stasiun Kerja)
• Elemen pekerjaan yang diselesaikan dalam satu stasiun kerja (work station) dapat terdiri
dari satu elemen pekerjaan atau lebih.
• Waktu proses dalam stasiun kerja merupakan penjumlahan dari seluruh waktu
pengerjaan setiap elemen kerja yang berada di dalam stasiun kerja tersebut.
6. Precedence Constraints (Pembatas Pendahulu)
Dalam menyelesaikan suatu elemen pekerjaan seringkali terdapat urutan-urutan teknologi
yang harus terpenuhi sebelumnya agar elemen itu dapat dijalankan.
Contoh : saklar harus dipasang pada bracket motor sebelum dipasang penutupnya.
Beberapa tipe pembatas dalam keseimbangan lini adalah :
• Pembatas teknologi (technological restriction)
Pembatas ini disebut juga precedence constraints dalam bahasa keseimbangan lintasan.
Yang dimaksud dengan pembatas teknologi adalah proses pengerjaan yang sudah tertentu.
Urutan proses serta ketergantungannya digambarkan dalam suatu diagram ketergantungan
(precedence diagram) dan operating process chart (OPC).
• Pembatas fasilitas (facility restriction)
Pembatas di sini adalah akibat adanya fasilitas/mesin yang tidak dapat dipindahkan
(fasilitas tetap).
• Pembatas posisi (positional restriction)

Membatasi pengelompokkan elemen-elemen kerja karena orientasi produk terhadap

operator yang sudah tertentu.
• Zoning constraint
Zoning constraint terdiri atas Positive Zoning Constraint dan Negative Zoning Constraint.
Positive Zoning Constraint berarti bahwa elemen-elemen pekerjaan tertentu harus
ditempatkan saling berdekatan dalam stasiun kerja yang sama.
Negative Zoning Constraints menyatakan bahwa jika satu elemen pekerjaan
dengan elemen pekerjaan lain sifatnya saling mengganggu maka sebaiknya tidak
ditempatkan saling berdekatan. Sebagai ilustrasi, suatu elemen pekerjaan membutuhkan
koordinasi yang baik dan hati-hati sebaiknya tidak ditempatkan berdekatan dengan
stasiun kerja yang menimbulkan kegaduhan dan getaran keras/berat.
7. Precedence Diagram (Diagram Pendahuluan)
Diagram pendahuluan adalah suatu gambaran secara grafis dari suatu urutan pekerjaan yang
memperlihatkan keseluruhan operasi pekerjaan dan ketergantungan masing- masing operasi
pekerjaan tersebut dimana elemen pekerjaan tertentu tidak dapat dikerjakan sebelum elemen
pekerjaan yang mendahuluinya dikerjakan lebih dulu.
8. Balance Delay
Merupakan rasio dari total waktu menganggur dengan keterkaitan waktu siklus dan jumlah
stasiun kerja atau dengan kata lain jumlah antara balance delay dan line efficiency sama
dengan 1.
Secara matematis, dapat dituliskan sebagai berikut :
BD = 100% - LE
9. Assembled Product
Produk yang melewati suatu urutan stasiun kerja dimana pekerjaan-pekerjaan diatur dan
mencapai pada stasiun akhir.
10. Cycle Time (CT)

Waktu rata-rata yang dibutuhkan untuk menyelesaikan produk dari lini perakitan dengan
asumsi setiap assembly mempunyai kecepatan yang konstan. Nilai minimum dari waktu siklus
 waktu stasiun yang terpanjang.
CT  max TSi

11. Delay Time of A Station

Merupakan selisih antara waktu siklus dengan waktu stasiun. Perbedaan antara waktu stasiun
dengan waktu siklus atau disebut juga idle time.
Waktu Menganggur Stasiun = Wd - Wi
n
Total Waktu Menganggur = n.Wd -  Wi
i =1
12. Line Efficiency (Efisiensi Lini)

Rasio dari total waktu stasiun terhadap keterkaitan waktu siklus dengan jumlah stasiun kerja
yang dinyatakan dalam persentase.
LE =
 TSi  100%
( K )(CT )
dimana :
TSi = station time atau waktu stasiun ke-i
K = jumlah total stasiun kerja
CT = cycle time atau waktu siklus terpanjang
13. Station Efficiency (Efisiensi Stasiun Kerja)
Rasio dari waktu stasiun kerja terhadap waktu siklus atau waktu stasiun kerja terbesar.
TSi
SE =  100%
CT
14. Smoothness Index (SI)
Merupakan suatu index yang menunjukkan kelancaran relatif dari suatu keseimbangan lini
assembly. Suatu smoothness index sempurna jika nilainya 0 atau disebut perfect balance.
SI =  (TSi max − TSi ) 2
dimana :
TSimax = waktu stasiun maksimum
TSi = waktu stasiun ke-i
7.2.1.3. Langkah-Langkah dalam Line Balancing
Langkah-langkah yang perlu diketahui dalam melakukan penyeimbangan lini adalah :
(Chase dan Aquilano, 369)
1. Tentukan hubungan antara pekerjaan-pekerjaan yang terlibat dalam suatu lini produksi dan
hubungan atau keterkaitan antara pekerjaan tersebut digambarkan dalam precedence diagram.
2. Menentukan waktu siklus yang dibutuhkan dengan menggunakan rumus :
production time per hari
CT =
output per hari (unit )

3. Menentukan jumlah minimum stasiun kerja teoritis yang dibutuhkan untuk memenuhi
pembatas waktu siklus dengan menggunakan rumus :
jumlah total dari waktu pekerjaan setiap elemen
N=
waktu siklus (CT )
4. Memilih metode untuk melakukan penyeimbangan lini.
5. Menghitung efisiensi lini, efisiensi stasiun kerja, waktu menganggur dan balance delay
berdasarkan metode yang dipilih untuk melihat performansi keseimbangan lintasan produksi.
6. Menghitung kapasitas produksi (production output) yang dihasilkan dan produktivitas pekerja
(labour productivity).
waktu produksi
Kapasitas produksi =
waktu siklus (CT )
kapasitas produksi
Produktivitas pekerja =
waktu produksi ( jam)  jumlah pekerja
7.2.2. Metode-Metode Penyeimbangan Lini
Terdapat beberapa metode yang dapat digunakan untuk menyeimbangkan lintasan

produksi. Secara umum terdapat tiga metode dasar, yaitu :
1. Metode Probabilistik, yaitu metode yang menggunakan ilmu-ilmu statistika
2. Metode Analitik, yaitu metode matematis yang dapat menghasilkan solusi optimal
3. Metode Heuristik
Pembahasan dalam modul ini hanya fokus pada metode heuristik.
Metode Heuristic
Heuristic berasal dari bahasa Yunani yang berarti menemukan. Metode Heuristik ini
pertama kali digunakan oleh Simon and Newll untuk menggambarkan pendekatan tertentu untuk
memecahkan masalah dan membuat keputusan. Model Heuristic menggunakan aturan-aturan
yang logis dalam memecahkan masalah.
Model heuristic tidak menjamin hasil yang optimal, tetapi model ini dirancang untuk
menghasilkan strategi yang relatif lebih baik dengan mengacu pada pembatas-pembatas tertentu.
Model Heuristic ini banyak dipakai dalam masalah line balancing (Starr, Martin.K, 201).
Kriteria pokok pendekatan dengan metode ini adalah :
• Pemecahan yang lebih baik dan lebih cepat
• Lebih murah daripada metode yang lainnya
• Usaha yang dikeluarkan relatif lebih kecil

Berikut adalah contoh soal yang dapat diselesaikan dengan 4 metode Heuristic.
Tabel 7. 1 Contoh Soal Elemen Kerja dengan Waktu dan Predecessornya
Elemen
Rasio minimum elemen sebelumnya
No. Penjelasan elemen
kerja (menit)
(Precedence)
1 Place frame on workholder and clamp 0.2 -
2 Assemble plug, grommet to power cord 0.4 -
3 Assemble brackets to frame 0.7 1
4 Wire power cord. To motor 0.1 1,2
5 Wire power cord. To switch 0.6 2
6 Assemble mechanism plate to bracket 0.11 3
7 Assemble blade to bracket 0.32 3
8 Assemble motor to bracket 0.3 3,4
9 Align blade and attach to motor 0.27 6,7,8
10 Assemble switch to motor bracket 0.38 5,8
11 Attach cover, inspect, and test 0.5 9,10
12 Place in tote pan for packing 0.12 11
Total elemen kerja : 4
7.2.2.1. Reversed Ranked Positional Weight Method (Reversed RPW)

Bobot (RPW) = waktu proses operasi tersebut + waktu proses operasi-operasi yang mengikutinya
Metode Reversed RPW memiliki cara pengerjaan yang hampir sama dengan metode RPW. Hanya
saja pengerjaannya dibalik. Metode ini memberikan prioritas bagi operasi-operasi kerja yang lebih
lama berada di lintasan lini. Untuk lebih jelasnya, cara pengerjaannya adalah sebagai berikut:
1) Gambar jaringan precedence sesuai dengan keadaan sebenarnya. Kemudian diagram Precedence
dibalik atau dicerminkan dengan urutan sebagai berikut:
▪ Elemen kerja terakhir menjadi elemen kerja pertama pada diagram baru.
▪ Elemen kerja terakhir kedua menjadi elemen kerja kedua pada diagram baru
2) Tentukan positional weight (bobot posisi) untuk setiap elemen pada diagram precedence baru
sesuai dengan aturan rumus yang telah dipaparkan di atas.
3) Urutkan elemen pekerjaan berdasarkan positional weight pada langkah kedua di atas. Elemen
pekerjaan yang memiliki positional weight tertinggi diurutkan pertama kali.
4) Lanjutkan dengan menempatkan elemen pekerjaan yang memiliki positional weight tertinggi
hingga yang terendah ke setiap stasitun kerja.
5) Jika pada setiap stasiun kerja terdapat kelebihan waktu, dalam hal ini waktu stasiun melebihi
waktu siklus, tukar atau ganti elemen pekerjaan yang ada dalam stasiun kerja tersebut ke stasiun kerja
berikutnya selama tidak menyalahi diagram precedence.

6) Ulangi langkah ke-4 dan ke-5 diatas sampai seluruh elemen pekerjaan sudah ditempatkan ke
dalam stasiun kerja. (Bedworth, David.D, 1987; Elsayed, 1999; Buffa, Elwood.S, 366)
7) Setelah didapat pembagian stasiun kerja yang baru, kemudian stasiun kerja yang ada dibalik
posisinya. Stasiun kerja pertama menjadi terakhir, stasiun kerja kedua menjadi kedua terakhir, dan
seterusnya. Elemen-elemen kerja yang ada di dalamnya juga dikembalikan ke posisi awal.
Contoh Soal: Seperti soal di atas, pembahasan dengan metode Reversed RPW.
0,11' 0,11'
6 7
0,7' 0,32' 0,27' 0,27' 0,32' 0,7'

3 7 9 4 6 10
0,2' 0,2'
1 12
0,1' 0,3' 0,5' 0,12' 0,12' 0,5' 0,3' 0,1'
dicerminkan
4 8 11 12 1 2 5 9
0,4' 0,38' 0,4'

2 10 0,38' 11
0,6' 3 0,6'
5 8
Gambar 7. 1 Metode Reversed RPW
Tabel 7. 2 Metode Reversed RPW sebelum dan sesudah diurutkan

Sebelum Diurutkan Sesudah diurutkan
Elemen Elemen Rasio Elemen Elemen Rasio
RPW RPW Precedence
Kerja Baru Kerja Lama Minimum Kerja Baru Kerja Lama Minimum
1 12 0,12 4 1 12 0,12 4 -
2 11 0,5 3,88 2 11 0,5 3,88 1
3 10 0,38 2,68 3 10 0,38 2,68 2
4 9 0,27 2,4 4 9 0,27 2,4 2
5 8 0,3 1,7 5 8 0,3 1,7 3,4
6 7 0,32 1,22 6 7 0,32 1,22 4
7 6 0,11 1,01 7 6 0,11 1,01 4
8 5 0,6 1 8 5 0,6 1 3
9 4 0,1 0,7 10 3 0,7 0,9 5,6,7
10 3 0,7 0,9 9 4 0,1 0,7 5
11 2 0,4 0,4 11 2 0,4 0,4 8,9
12 1 0,2 0,2 12 1 0,2 0,2 9,10
Diasumsikan waktu siklus (Cycle Time) adalah 1 menit.
Elemen kerja yang disusun dalam stasiun kerja (menurut bobot RPW) dapat dilihat pada Tabel 7. 3.
Tabel 7. 3 Susunan stasiun kerja berdasarkan bobot RPW
Elemen Rasio Total Waktu Efisiensi
Stasiun Waktu Menganggur
Minimum Stasiun Kerja Stasiun Kerja
Kerja Baru Lama (menit)
(menit) (menit) (%)
1 12 0,12
I 2 11 0,5 1 100 0
3 10 0,38
II 4 9 0,27 1 100 0

5 8 0,3
6 7 0,32
7 6 0,11
8 5 0,6
III 0,7 70 0,3
9 4 0,1
10 3 0,7
IV 0,9 90 0,1
12 1 0,2
V 11 2 0,4 0,4 40 0,6
Elemen kerja disusun dalam stasiun kerja baru yang dibalik berdasarkan stasiun kerja di atas (menurut
RPW) dapat dilihat pada tabel berikut.
Tabel 7. 4 Susunan Elemen Kerja Yang Dibalik
Stasiun Elemen Rasio Minimum Total Waktu Stasiun Efisiensi Stasiun Wkt Menganggur
Kerja Kerja (menit) Kerja (menit) Kerja (%) (menit)
I 2 0,4 0,4 40 0,6
1 0,2
II 0,9 90 0,1
3 0,7
4 0,1
III 0,7 70 0,3
5 0,6
6 0,11
7 0,32
IV 1 100 0
8 0,3
9 0,27
10 0,38
V 11 0,5 1 100 0
12 0,12
4
Efisiensi Lini : LE =  100% = 80%
(5)(1)
(5)(1) − 4
Balance Delay: BD =  100% = 20% atau 100% - 80% = 20%
(5)(1)
Efisiensi Stasiun Kerja:
0.4
Stasiun Kerja I =  100% = 40%
1
0.9
Stasiun Kerja II =  100% = 90%
1
dst...
Waktu Menganggur:
Stasiun Kerja I = 1 – 0,4 = 0,6 menit
Stasiun Kerja II = 1 – 0,9 = 0,1 menit
dst…
Smoothness Index: SI = (1 − 0.4) 2 + (1 − 0,9) 2 + (1 − 0,7) 2 + (1 − 1) 2 + (1 − 1) 2 = 0,678

Stasiun I Stasiun II Stasiun III Stasiun IV Stasiun V

Aliran
Kerja Elemen Elemen Elemen Elemen Elemen
2 1,3 4,5 6,7,8,9 10,11,12
Gambar 7. 2 Penempatan Elemen ke Dalam Stasiun
7.2.2.2. Moddie-Young Method

Metode Moodie-Young terdiri dari 2 tahap, yaitu :
• Tahap 1
Elemen kerja di tugaskan ke dalam stasiun kerja pada lini perakitan dengan menggunakan
metode Largest Candidate Rule. Setelah masing-masing elemen kerja ditugaskan, elemen-elemen
kerja yang tersedia akan ditugaskan menurut urutan waktu secara menurun. Kita akan
menggunakan matriks P sebagai acuan untuk menandai tiap-tiap elemen pendahulu dan matriks F
digunakan sebagai acuan untuk menandai tiap-tiap elemen untuk operasi berikutnya sesuai dengan
prosedur penugasan.
• Tahap 2
Tahap 2 merupakan usaha untuk mendistribusikan waktu kosong atau menganggur yang sama
kepada semua stasiun melalui mekanisme perpindahan elemen kerja diantara stasiun (dengan
mempertahankan diagram pendahulu). Berikut ini adalah langkah-langkah tahap 2 :
1. Hitunglah waktu stasiun yang memiliki waktu terbesar dan waktu yang terkecil dari
keseimbangan yang telah dilakukan pada tahap 1.
2. Hitunglah perbedaan kedua nilai GOAL.
STmax − STmin
GOAL =
2
3. Hitunglah semua elemen-elemen tunggal di dalam STMax yang lebih kecil dua kalinya dari nilai
GOAL dan tidak akan melanggar diagram pendahuluan jika elemen dipindahkan ke STMin
4. Hitunglah semua kemungkinan trades elemen-elemen tunggal dari STMax untuk elemen tunggal
dari STMin, dimana hal tersebut akan mengurangi waktu dalam ST Max dan menambah STMin yang
nilainya kurang dari 2 x GOAL
5. menyelesaikan perpindahan elemen yang ditandai dengan nilai mutlak yang paling kecil
perbedaan antara nilai tersebut dengan nilai GOAL.
6. Jika tidak ada perpindahan yang mungkin dilakukan antara stasiun yang memiliki waktu yang
terbesar dengan waktu yang terkecil, usahakan perpindahan dilakukan antara stasiun yang disusun
di dalam tabel : dengan N (Stasiun Nth yang disusun dengan mempunyai waktu kosong atau
menganggur yang paling besar ), N-1,…,3, 2, 1.

7. Langkah terakhir adalah jika perpindahan tidak mungkin dilakukan lagi, pembatasan nilai GOAL,
dan langkah-langkah pertama sampai keenam masih tidak dapat menurunkan nilai asli dari waktu
CT.
Contoh Soal :
Diagram AON
3 4 2 6
2 3 7 8
5 5 1 7
1 6 9 12
3 6 4 4
4 5 10 11
CT = 10
Gambar 7. 3 Diagram AON

Tahap 1 :
Menyelesaikan dengan menggunakan metode Largest Candidate Rule :
Cara untuk menyelesaikan dengan metode Largest Candidate Rules sama seperti cara metode Largest
Candidate Rules diatas, berikut ini adalah tabel akhir penugasan elemen kerja ke dalam stasiun kerja
dengan metode Largest Candidate Rule.
Elemen kerja yang disusun dalam stasiun kerja (menurut LCR) dapat dilihat pada Tabel 7. 5.
Tabel 7. 5 Susunan Elemen Kerja menurut LCR

Elemen Rasio Total Waktu Efisiensi Stasiun Waktu
Stasiun Kerja
Kerja Minimun Stasiun Kerja Kerja ( % ) Menganggur
1 5
I 8 80 2
2 3
4 3
II 9 90 1
5 6
3 4
III 9 90 1
6 5
10 4
IV 11 4 10 100 0
7 2
8 6
V 7 70 3
9 1
VI 12 7 7 70 3
50
LE = x100% = 83.3%
6 x10
BD = 100% − 83.3% = 16.7%
SI = 4.89

Tahap 2 :
Matriks P dan F
Tabel 7. 6 Matriks P dan F
Elemen kerja Matriks P Matriks F
1 0 0 0 2 4 0
2 1 0 0 3 0 0
3 2 0 0 6 0 0
4 1 0 0 5 0 0
5 4 0 0 6 0 0
6 3 5 0 7 9 10
7 6 0 0 8 0 0
8 7 0 0 12 0 0
9 6 0 0 12 0 0
10 6 0 0 11 0 0
11 10 0 0 12 0 0
12 8 9 11 0 0 0
10 − 7
GOAL = = 1.5
2
Dengan memindahkan elemen kerja 7 pada stasiun IV ke stasiun V menghasilkan Tabel 7. 7.
Tabel 7. 7 Elemen Kerja 7 Dipindah Dari Stasiun IV Ke Stasiun V.

Stasiun Kerja
Kerja Minimun Stasiun Kerja Kerja ( % ) Menganggur
1 5
I 8 88.89 1
2 3
4 3
II 9 100 0
5 6
3 4
III 9 100 0
6 5
10 4
IV 8 88.89 1
11 4
7 2
V 8 6 9 100 0
9 1
VI 12 7 7 77.78 2
9−7
GOAL = =1
2
Dari Nilai GOAL diatas, maka elemen yang mungkin dipindahkan adalah elemen 9 di stasiun V ke
stasiun VI.
Tabel 7. 8 Pemindahan Elemen Kerja 9 dari Stasiun V ke Stasiun VI
Stasiun Kerja
Kerja Minimun Stasiun Kerja Kerja Menganggur
1 5
I 8 88.89 1
2 3
II 4 3 9 100 0

5 6
3 4
III 9 100 0
6 5
10 4
IV 8 88.89 1
11 4
7 2
V 8 88.89 1
8 6
9 1
VI 8 88.89 1
12 7
50
LE = x100% = 92.6%
6 x9
BD = 100% − 92.6% = 7.4%
SI = 4
Kesimpulan : dengan metode Moodie-Young menunjukkan terjadinya penurunan Cycle Time,
meningkatkan Efisiensi Lini (LE), menurunkan Balance Delay (BD), dan menurunkan Smoothness
Index (SI).
7.2.2.3. COMSOAL (Computer Method for Sequencing Operations for Assembly Lines)
Metodologi dasar COMSOAL yang dikembangkan oleh A.L. Arcus (1966), didasarkan pada
berkembangnya sejumlah besar pemecahan yang layak bagi keseimbangan lini dengan metode ‘biased
sampling’. Pemecahan alternatif untuk masalah keseimbangan lini tertentu kemudian didasarkan pada
pemecahan terbaik yang dihasilkan. Metodologi yang dikembangkan oleh Arcus ini dilakukan dengan
pembobotan untuk memilih tugas yang sesuai dengan precedence diagram melalui hasil perkalian
lima bobot dasar sebagai berikut :
a) Bobotlah tugas yang sesuai dengan proporsi waktu tugas (a). Pengaruh pembobotan ini adalah
memberikan tugas yang lama peluang lebih tinggi untuk dipilih ketimbang tugas yang
singkat.
b) Bobotlah tugas yang sesuai dengan 1/X, dimana X adalah sama dengan jumlah total tugas
yang belum terpilih ke dalam stasiun dikurangi 1, dikurangi dengan jumlah semua tugas yang
mengikuti tugas yang sedang dipertimbangkan. Pengaruh dari aturan dua ini adalah
memberikan kepada tugas-tugas yang mempunyai banyak tugas yang mengikutinya peluang
lebih besar untuk terpilih dibandingkan dengan tugas yang mempunyai sedikit tugas yang
mengikutinya.
c) Bobotlah tugas yang sesuai dengan jumlah total semua tugas yang mengikutinya ditambah 1.
(b)
Akibat dari aturan ini adalah mendahulukan tugas yang bila terpilih akan digantikan dan dengan
demikian memperluas daftar tersedia.

d) Bobotlah tugas yang sesuai dengan waktu tugas tersebut dan waktu semua tugas yang
mengikutinya. Hasil dari aturan ini adalah menggabungkan manfaat aturan satu dan tiga dengan
memilih tugas yang lama secara dini pada tiap-tiap stasiun di keseluruhan urutan atau dengan
memdahulukan tugas yang walaupun singkat tetapi cenderung akan memperluas daftar tersedia.
e) Bobotlah tugas yang sesuai dengan jumlah total tugas yang mengikutinya ditambah 1, dibagi
dengan jumlah tingkat (level) yang ditempati oleh tugas-tugas yang mengikutinya. (d)
Pengaruh dari pembobotan ini adalah memberikan tugas yang memiliki rantai terpanjang untuk
terpilih.
f) Hitunglah rasio yang diperoleh dari perkalian faktor-faktor di atas sehingga elemen yang
memiliki rasio terbesar dapat masuk ke dalam pembagian stasiun. Namun yang perlu diingat
bahwa suatu elemen dapat masuk ke dalam stasiun bila elemen-elemen yang mendahuluinya
sudah lebih dahulu ditugaskan dan waktu siklus yang tersisa masih mencukupi.
Contoh soal : Seperti soal diatas, pembahasan dengan metode COMSOAL
Precedence diagram
0.11
6
0.7 0.32 0.27

3 7 9
0.2
1
0.1 0.3 0.5 0.12
4 8 11 12
0.4
0.38
2
0.6 10
Gambar 7. 4 Precedence diagram

Diasumsikan waktu siklus (Cycle Time) adalah 1 menit.
Proses iterasi-iterasi dari metode COMSOAL dapat dilihat pada tabel berikut.
Tabel 7. 9 Proses Iterasi-Iterasi Dari Metode COMSOAL
Waktu Jumlah Elemen Jumlah
Elemen Bobot Nilai
Iterasi Elemen Yang Belum Elemen yang x 1/x b d Rasio
Kerja Waktu RA
(a) Ditugaskan mengikutinya
1 0.2 12 9 2 0.50 10 3.00 6 1.67 5.0
I
2 0.4 12 7 4 0.25 8 2.67 6 1.33 2.85
2 0.4 11 7 3 0.33 8 2.67 6 1.33 3.8
II
3 0.7 11 7 4 0.25 7 2.70 5 1.40 4.63

Tabel 7. 10 Proses Iterasi-Iterasi Dari Metode COMSOAL (lanjutan)

2 0.4 10 7 2 0.50 8 2.67 6 1.33 5.7
III 6 0.11 10 3 6 0.17 4 1.00 4 1.00 0.07
7 0.32 10 3 6 0.17 4 1.21 4 1.00 0.26
4 0.1 9 5 3 0.33 6 1.67 5 1.20 0.40
5 0.6 9 3 5 0.20 4 1.60 4 1.00 0.77
IV
6 0.11 9 3 5 0.20 4 1.00 4 1.00 0.09
7 0.32 9 3 5 0.20 4 1.21 4 1.00 0.31
4 0.10 8 5 2 0.50 6 1.67 5 1.20 0.60
V 6 0.11 8 3 4 0.25 4 1.00 4 1.00 0.11
7 0.32 8 3 4 0.25 4 1.21 4 1.00 0.39
6 0.11 7 3 3 0.33 4 1.00 4 1.00 0.15
VI 7 0.32 7 3 3 0.33 4 1.21 4 1.00 0.52
8 0.30 7 4 2 0.50 5 1.57 4 1.25 1.47
6 0.11 6 3 2 0.50 4 1.00 4 1.00 0.22
VII 7 0.32 6 3 2 0.50 4 1.21 4 1.00 0.77
10 0.38 6 2 3 0.33 3 1.00 3 1.00 0.38
Elemen 6 dapat masuk ke dalam stasiun 3 (dari elemen 6 dan 10, hanya elemen 6 yang memenuhi sisa waktu
stasiun)
9 0.27 4 2 1 1.00 3 0.89 3 1.00 0.72
VIII
10 0.38 4 2 1 1.00 3 1.00 3 1.00 1.14
Elemen 9 dapat masuk ke dalam stasiun 4 karena hanya elemen tersebut yang dapat dikerjakan
Elemen 11 dapat masuk ke dalam stasiun 5 karena hanya elemen tersebut yang dapat dikerjakan
Elemen 12 masuk ke dalam stasiun 5 karena hanya elemen tersebut yang tersisa dan tidak perlu dilakukan
iterasi
Elemen pekerjaan yang disusun ke dalam stasiun kerja menurut metode COMSOAL:
Tabel 7. 11 Susunan stasiun kerja menurut COMSOAL
Rasio Total Waktu Efisiensi Waktu
Stasiun Elemen
Minimum Stasiun Kerja Stasiun Kerja Menganggur
Kerja Kerja
(menit) (menit) (%) (menit)
1 0.2
1 0.9 90 0.1
3 0.7
2 0.4
2 1.0 100 0
5 0.6
4 0.1
8 0.3
3 0.83 83 0.17
7 0.32
6 0.11
10 0.38
4 0.65 65 0.35
9 0.27
11 0.5
5 0.62 62 0.38
12 0.12
4
Efisiensi Lini : LE =  100% = 80%
(5)(1.0)
(5)(1) - 4
Balance Delay : BD =  100% = 20%
(5)(1.0)
Smoothness Index : SI = (1.0 − 0.9) 2 + .. + (1.0 − 0.62) 2 = 0.736

7.2.2.4. Kilbridge-Wester Method
Prosedur pengelompokan operasi menurut metode yang dikemukakan oleh Kilbridge dan
Wester adalah sebagai berikut :
1. Buat diagram Precedence untuk masing-masing operasi
2. Kelompokkan operasi-operasi ke dalam region / kolom, tampilan dalam kolom I semua operasi
yang tidak memiliki precedence. Dalam kolom II menampilkan operasi-operasi yang mengikuti
operasi di kolom I dan seterusnya, dengan cara yang sama untuk kolom-kolom berikutnya. Jika
ada elemen yang dapat diletakkan pada lebih dari satu kolom maka semua alternative kolom
harus dicantumkan. Namun, elemen yang berada pada kolom terkecil tetap didahulukan dalam
proses pengurutan elemen. Jadi dengan kata lain, semua elemen harus dibuat rapat kiri.
3. Tugaskan / kelompokkan operasi-operasi ke dalam stasiun kerja dengan jumlah waktu operasi
tidak melebihi waktu siklus.
4. Jika waktu stasiun kerja ke-I melebihi waktu siklus maka operasi terakhir yang masuk dalam
stasiun kerja tersebut harus ditugaskan ke dalam stasiun kerja berikutnya.
5. Ulangi langkah 4 dan 5 sampai semua operasi sudah dikelompkkan dalam stasiun kerja.
Contoh:
0.11
0.7 0.32 0.27
3 7 9
0.2 0.5 0.12
1 11 12
0.1 0.3
4 8
0.4 0.38
2 10
0.6
Gambar 7. 5 Contoh Soal Precedence Diagram

Pembagian elemen pekerjaan ke dalam kolom (menurut Kilbridge & Wester):
0.11
0.7 0.32 0.27
3 7 9
0.2 0.5 0.12
1 11 12
0.1 0.3
4 8
0.4
0.38
2
10
0.6
I II III IV V VI
Gambar 7. 6 Pembagian Elemen Kerja dengan Met. Kilbridge & Wester
Tabel 7. 12 Elemen Kerja Yg Disusun Berdasarkan Kolom

Elemen Kolom Rasio Minimum Total Waktu per
Kerja (Menit) Kolom (menit)
2 I 0.4 0.6
1 I 0.2
3 II 0.7 1.4
5 II 0.6
4 II 0.1
7 III 0.32 0.73
8 III 0.3
6 III 0.11
10 IV 0.38 0.65
9 IV 0.27
11 V 0.5 0.5
12 VI 0.12 0.12
DIASUMSIKAN CT = 1 MENIT

Tabel 7. 13 Hasil Perhitungan

Stasiun kerja Elemen kerja Rasio Total waktu Efisiensi Waktu
minimum stasiun kerja stasiun kerja menganggur
(mnt) (mnt) (%) (mnt)
1 2 0.4 0.7 70 0.3
1 0.2
4 0.1
2 3 0.7 1 100 0
8 0.3
3 5 0.6 0.92 92 0.08
7 0.32
4 6 0.11 0.76 76 0.24
10 0.38
9 0.27
5 11 0.5 0.62 62 0.38
12 0.12
7.2.3. Mixed Model Assembly Lines
Mixed Model Assembly Lines merupakan suatu lini produksi manual yang dapat
memproduksi variasi dari berbagai jenis produk secara simultan dan kontinu. Dalam metode ini,
setiap stasiun kerja dirancang untuk merakit sejumlah elemen kerja tetapi stasiun kerja tersebut tetap
fleksibel sehingga dapat pula digunakan untuk mengerjakan model rakitan yang memiliki beberapa
elemen kerja yang berbeda dari elemen kerja pada model rakitan sebelumnya.
1. Jumlah pekerja pada lini
p
WL
w= → WL =  R pjTwcj
AT j =1
Rpj = kecepatan produksi model j (unit/jam)

Twcj = work content model j
P = jumlah model yang harus diproduksi dalam satu periode
WL
w = min integer 
60 E
AT = 60 E ErEb
2. Mixed model line balancing

p
TTk =  R pjTejk
j =1

TTk : total waktu yang harus dialokasikan pada elemen k untuk seluruh produk (menit)
Tejk : waktu untuk mengerjakan elemen kerja k pada produk j
TTsi =  TTk Eb =  TTk

ki ki
TTsi : total waktu service pada stasiun i
3. Model launching dalalam mixed model lines

Aturan launching menentukan interval antara dua pengerjaan produk yang berurutan. Dua
alternatif aturan launching :
• Variable rate launching, interval waktu antar launching base part sekarang dan
berikutnya ditetapkan sama dengan waktu siklus produk yang dibuat saat ini.
• Fixed rate launching for two models, interval waktu antara dua launching yang
berurutan ditetapkan konstan. Interval waktu tergantung pada product mix dan
kecepatan produksi masing-masing model
▪ Variable rate launching
Twcj o Tcv(j) : interval waktu sebelum launching berikutnya
Tcv ( j ) =
wE r Eb o Twcj : waktu work content dari produk yang baru di
launching
▪ Fixed rate launching for two models
p o Rp : kecepatan produksi total dari seluruh model
1
Rp R
j =1
T
pj wcj pada jadwal yang merupakan jumlah dari nilai Rpj
Tcf = o Tcf : interval waktu antar launhing dengan
wE r Eb
kecepatan launching yang tetap (menit)
▪ Dalam fixed rate launching akan ada congestion time atau idle time
m m : urutan launching
 (T
h =1
cjh − mT f ) o h : indeks nomor launching
o Tcjh : waktu siklus jika model j dilaunching pada
posisi h (menit)
m
Jika  (T
h =1
cjh − mT f )  0 congestion time, menunjukkan bahwa jumlah aktual
waktu penugasan untuk model yang baru dilaunching (m) melebihi waktu penugasan
kumulatif yang direncanakan
m
Jika  (T
h =1
cjh − mT f )  0 idle time, menunjukkan bahwa jumlah aktual waktu
penugasan lebih kecil dari yang direncanakan pada launching m

Setiap launching m pilih j untuk meminimasi

2
 m 
  (Tcjh − mT f ) 
 h=1 
▪ Fixed rate launching untuk tiga atau lebih model
✓ Fenomena : model-model dengan nilai Tcjh yang mendekati Tcf menjadi diproduksi berlebih,
sementara model dengan nilai Tcjh berbeda nyata dengan Tcf kekurangan produksi atau bahkan
dihilangkan dari jadwal. R pj
Q jm
o Oleh karena itu perlu diadaptasi dengan menambahkan
▪ Rpj : ukuran produksi model j dalam periode tersebut (kecepatan produksi
model j dalam unit/jam)
▪ Qjm : jumlah sisa model j yang belum di launching selama periode tersebut,
sejalan dengan peningkatan m (nomor launching) (unit/jam)
✓ Jadi, untuk lebih dari dua model, untuk setiap launching m, pilih j untuk meminimasi :
2
 m  R pj
  (Tcjh − mT f )  +
 h =1  Q jm
✓ Pemilihan urutan dalam fixed rate launching kadang-kadang dapat disederhanakan dengan
membagi semula nilai Rpj pada jadwal dengan faktor persekutuan terbesar dari Rpj
Contoh soal :
Laju produksi kerja (Rpj ) dan total waktu kerja (Twcj ) untuk dua jenis model produk, yaitu produk A
dan produk B, ialah sebagai berikut :
Model j Rpj (unit/jam) Twcj (menit)
A 4 27
B 6 25
Untuk dua model A dan B, kebanyakan elemen pekerjaannya adalah sama. Tetapi dalam beberapa hal,
waktu elemen untuk satu model lebih lama dibandingkan dengan model lainnya. Elemen kerja, waktu,
dan precedencenya terdapat pada tabel. Juga diketahui E = 0.96, waktu repositioning 0.15, dan
manning level = 1. (a) buatlah precedence diagram, (b) gunakan killbridge and Wester untuk
menyelesaikan masalah LB (c) hitung balance efficiency.
Rasio minimum untuk elemen pekerjaan pada model A dan model B dapat dilihat pada :
Tabel 7. 14 Rasio Minimum Untuk Elemen Pekerjaan Pada Model A dan Model B
Elemen Kerja k Te Ak (menit) Precedence Te Bk (menit) Precedence
1 3 - 3 -
2 4 1 4 1
3 2 1 3 1
4 6 1 5 1
5 3 2 - -
6 4 3 2 3
7 - - 4 4
8 5 5,6 4 6,7
Total Waktu Kerja (Twc) 27 25

Solusi :
(a) Precedence diagram
4 3 4
2 5 2
3 2 4 5 3 4
3 2
1 3 6 8 1 3 6 8
6 5 4
4 4 7
(a) A (b)
AB
2 5
AB AB AB AB
1 3 6 8
AB B
4 7
(c)
Gambar 7. 7 Precedence diagram Model A, Model B, dan Model Gabungan.

(b) Untuk menggunakan metode Killbridge and Wester harus dilakukan hal berikut (1) hitung waktu
produksi total yang diperlukan oleh masing-masing elemen (2) susun elemen ke dalam kolom-kolom
dalam precedence diagram (3) alokasikan elemen ke dalam stasiun kerja.
Langkah 1
Tabel berikut menunjukkan total waktu yang dibutuhkan setiap elemen kerja pada masing-masing
model guna menentukan produksi rata-rata untuk kedua model tersebut.
Tabel 7. 15 Total Waktu untuk Setiap Elemen pada Masing-masing Model
Elemen RpA . Te Ak RpB . Te Bk R

j = A, B
aj .Tejk
Kerja (menit) (menit)
(menit)
1 12 18 30
2 16 24 40
3 8 18 26
4 24 30 54
5 12 0 12
6 16 12 28
7 0 24 24
8 20 24 44
258
R
j = A, B
aj .Tejk = Rasio Minimum elemen kerja k

Langkah 2
Eleman kerja disusun dalam kolom (metode Kilbrigde & Wester).
Tabel 7. 16 Eleman kerja disusun dalam kolom metode Kilbrigde & Wester
Rasio Total Waktu
Elemen
Kolom Minimum per Kolom Precendence
Kerja
(Menit) (menit)
1 I 30 30 -
4 II 54 1
2 II 40 120 1
3 II 26 1
6 III 28 3
7 III 24 64 4
5 III 12 2
8 IV 44 44 5,6,7
Langkah 3
Untuk menyelesaikan langkah ketiga harus dihitung available time per pekerja :
- Kecepatan produksi total : R = 4 + 6 = 10 unit/jam
- Waktu siklus : Tr = 60(0.96)/10 = 5.76 menit
- Waktu service : Ts = 5.76 – 0.15 = 5.61 menit
- Efisiensi repositioning : Er = 5.61/5.76 = 0.974
- Available time : AT = 60(0.96)(0.974) = 56.1 menit
Alokasi elemen pada stasiun dengan metode Kilbridge & Wester adalah :
Tabel 7. 17 Elemen pada Stasiun dengan Metode Kilbridge & Wester
Rasio Total Waktu Efisiensi Waktu
Stasiun Elemen
Minimum Stasiun Kerja Stasiun Kerja Menganggur
Kerja Kerja
(menit) (menit) (%) (menit)
1 30
1 56 100 0
3 26
2 4 54 54 96.43 2
2 40
3 52 92.86 4
5 12
6 28
4 52 92.86 4
7 24
5 8 44 44 78.57 12
258
Efisiensi Lini : LE =  100% = 92.1%
(5)(56)
Balance Delay : BD = 1 − LE = 100 % − 92 .1% = 7.9%
Efisiensi Stasiun Kerja :

(56)(100%)
Stasiun Kerja 1 = = 100 %
56

(54)(100%)
Stasiun Kerja 2 = = 96.43 % , dan seterusnya
56
Waktu Menganggur
Stasiun Kerja 1 = 56 – 56 = 0 menit
Stasiun Kerja 2 = 56 – 54 = 2 menit, dan seterusnya
Smoothness Index : SI = (56 − 56 ) 2 + .. + (56 − 44 ) 2 = 13.42

Stasiun I Stasiun II Stasiun III Stasiun IV Stasiun V
Aliran
Kerja Elemen Elemen Elemen Elemen Elemen
1,3 4 2,5 6,7 11,12
Gambar 7. 8 Penempatan Elemen ke dalam Stasiun
Tentukan variable rate launching interval untuk model A and B

Solusi :
Dari hasil sebelumnya diketahui Er = 0.974 dan Eb =0.921
Untuk model A :
27
Tcv = = 6.02 min
5(0.974)(0.921)
Untuk model B :
25
Tcv ( B) = = 5.574 min
5(0.974)(0.921)
Untuk memilih launching pertama, bandingkan :
Untuk model A : (6.020 - 1(5.752))2 = 0.072
Untuk model B : (5.574 - 1(5.752))2 = 0.032
Nilainya minimum untuk model B, oleh karena itu, base part funtuk model B dilaunching pertama
(m = 1)
Untuk memilih launching kedua, bandingkan :

Untuk model A : (5.574 + 6.020 – 2(5.752))2 = 0.008
Untuk model B : (5.574 + 5.574 – 2(5.752))2 = 0.127
Nilainya minimum untuk model A, oleh karena itu, base part untuk model A dilaunching kedua
(m=2). Prosedur diteruskan sampai didapatkan Tabel 7. 18.

Tabel 7. 18 Nilainya minimum untuk model A
Launch mTcf 2 2 Model

 m−1   m−1 
m   Tcjh + TcAm − mTcf    Tcjh+TcBm − mTcf 
 h =1   h =1 
1 5.572 0.072 0.032 B
2 11.504 0.008 0.127 B
3 17.256 0.128 0.008 B
4 23.008 0.032 0.071 B
5 28.760 0.201 0.000 A
6 34.512 0.073 0.031 B
7 40.264 0.008 0.125 A
8 46.016 0.130 0.007 A
9 51.768 0.033 0.070 B
10 57.520 0.202 0.000 A


Alat, bahan dan data yang dibutuhkan dalam praktikum ini adalah :
1. Conveyor
2. Komponen Produk Truk Ekskavator
3. Lembar Pengamatan
4. Alat Tulis
5. Palu Kayu
6. Stop Watch
7. Data jadwal induk produksi.
8. Data waktu baku perakitan
9. Data jam kerja pabrik
10. Data precedence diagram.
7.4. Prosedur Praktikum

1. Praktikan mendengarkan penjelasan materi dari asisten.
2. Setiap kelompok praktikan melakukan proses penyeimbangan lini sesuai dengan data
masing-masing berdasarkan jadwal induk produksi saat itu
3. Seluruh praktikan memilih hasil penyeimbangan lini terbaik pada shift itu.
4. Seluruh praktikan dibagi menjadi beberapa stasiun kerja sesuai dengan jumlah stasiun kerja
pada hasil no.2. Pada setiap stasiun kerja terdapat operator perakit dan pengukur/pencatat.
5. Praktikan melakukan proses perakitan sesuai kondisi hasil penyeimbangan lini terbaik.
6. Praktikan mencatat hasil pengukuran waktu proses masing-masing elemen pekerjaan pada
lembar pengamatan.
7. Praktikan menghitung efisiensi lini untuk masing masing metode penyeimbangan lini dan
pilih metode penyeimbangan dengan efisiensi lini tertinggi


Laporan praktikum dikumpulkan satu minggu setelah praktikum dengan sistematika sebagai berikut :
BAB I PENDAHULUAN
1.2. Ruang Lingkup
BAB II PENGOLAHAN DATA DAN ANALISIS
2.1. Hasil penyeimbangan lini (teoritis)
2.2. Hasil pengukuran setelah penyeimbangan lini (aktual)
2.3. Analisis hasil
3.1 Kesimpulan
3.2. Saran
7.6. Pustaka
1. Elsayed, A. dan Thomas O. Boucher, Analysis and Control of Production Systems, Prentice Hall,
Inc, New Jersey, 1994.
2. Groover, Mikell P., Automation, Production Systems, and Computer-Integrated Manufacturing,
Second Edition, New Jersey, Prentice Hall , 2001.

MODUL PRAKTIKUM
MODUL VIII

( Praktikum Simulasi Sistem)
Dr. Winnie Septiani, ST, MSi

Dr. Pudji Astuti, MT MP-IIP222-08/R.4

KaLab SSI
Dr. Rina Fitriana, ST, MM 28 Agustus 2020

KaJur Teknik Industri
NAMA PRAKTIKUM : PRAKTIKUM PERANCANGAN INDUSTRI MANUFAKTUR II

LABORATORIUM / STUDIO : SISTEM & SIMULASI INDUSTRI
SISTEM PRODUKSI
Modul VIII Simulasi Lantai Produksi hal 8.1 dari 28
MODUL VIII
1. Membangun sebuah model lantai produksi (menentukan elemen-elemen struktural,

elemen-elemen operasional dan numerik) yang diberikan dan melakukan verifikasi
terhadap model yang telah dibangun.
2. Menjelaskan dan menjalankan simulasi lantai produksi yang telah dibangun, serta
melakukan validasi dan interpretasi terhadap output simulasi.
Setelah menyelesaikan praktikum ini praktikan diharapkan dapat :

1. Praktikan memahami dan mampu membangun lantai produksi yang diberikan dan
melakukan verifikasi terhadap model.
2. Menjalankan simulasi, melakukan validasi dan melakukan interpretasi terhadap
output simulasi.
Kata Kunci : membangun model, menjalankan model, verifikasi, validasi dan

interpretasi.

8.2. Teori Singkat

8.2.1. Simulasi
Simulasi menurut Shannon adalah : “The process of designing a model of a real

system and conducting experiment with this model for the purpose of understanding the
behavior of the system or of evaluating various strategies for the operation of the system
(within the limits imposed by a criterion or set of criteria)”.
Dengan demikian, simulasi adalah proses pemahaman tingkah laku sistem dengan
jalan mengembangkan suatu model deskriptif dari sistem tersebut dan mempertimbangkan
strategi – strategi operasi yang berlaku.
Perilaku sistem dalam simulasi sering dijadikan dasar yang kuat bagi pihak pengambil
keputusan, karena dengan simulasi, dampak dari keputusan dapat dianalisa tanpa membuat
perubahan pada sistem nyatanya sehingga sistem yang sudah ada tidak terganggu,
keuntungan-keuntungan menggunakan simulasi adalah:
• Tidak mempengaruhi keadaan sistem aslinya sehingga dapat dilakukan “Trial and
Error”.
• Dapat dilakukan dalam “Compresed Times” sehingga menghemat waktu percobaan.
• Simulation adalah “Cost Effective”.
• Simulasi mendorong terciptanya solusi yang total dan kreatif.
• Dalam simulasi, perilaku sistem dapat diamati secara menyeluruh.
Adapun jenis-jenis model yang mampu dibuat dengan ProModel 4.0 adalah :
• Assembly Lines, Transfer Lines, Job Shop.
• Flexible Manufacturing System (FMS).
• JIT dan KANBAN system
8.2.2. Elemen Dasar Model
Untuk membuat model sebuah sistem, Software ProModel 4.0 telah menyediakan
beberapa elemen yang telah disesuaikan untuk model sistem produksi sehingga sangat
membantu penyusunan model. Elemen-elemen tersebut antara lain :
A. Location (lokasi)
Location dalam promodel merepresentasikan sebuah area tetap di mana bahan baku,
bahan setengah jadi ataupun bahan jadi mengalami atau menunggu proses, ataupun mencari

aliran material atau proses selanjutnya. Yang termasuk dalam locations antara lain stasiun
kerja, buffer, mesin, conveyor, dll.
Adapun atribut-atribut dari lokasi dapat kita ubah atau setting pada Locations Table
Window yang antara lain berisi :
1. Icon, merupakan petunjuk grafik yang mewakili lokasi yang bersangkutan.
2. Name, merupakan nama dari lokasi , nama harus dimulai dengan huruf, dan tidak boleh
ada spasi (digantikan “_”) dan nama adalah “case sensitive”.
3. Cap, (capacity) adalah banyaknya produk yang dapat diproses dalam satu unit waktu.
4. Unit , merupakan banyaknya unit lokasi tersebut.
5. Dts, merupakan pilihan untuk mensetting Down-times dari mesin dapat berupa
berdasarkan waktu , banyak material yang masuk , ataupun lama pemakaian
6. Stat, merupakan pilihan seberapa detail lokasi tersebut akan dicatat secara statistik pada
saat simulasi dijalankan, time series merupakan pilihan paling detail. (detail ini juga
akan mempengaruhi besarnya resources komputer untuk me-run model anda)
7. Rules , merupakan aturan bagaimana barang akan masuk, keluar dan diproses di lokasi
tersebut apakah FIFO, LIFO, random dan sebagainya.
B. Entities (bahan/produk)
Entities adalah kesatuan barang / produk yang mengalami proses di dalam sistem.
Barang tersebut dapat berupa barang setengah jadi, bahan baku, pallet, ataupun barang jadi.
Adapun atribut-atribut yang dapat kita ubah pada Entities Table Window adalah:
1. Icon, merupakan petunjuk grafik yang mewakili entity yang bersangkutan pada saat
simulasi dijalankan.
2. Name, merupakan nama dari entity. (aturan penamaannya sama dengan penamaan lokasi)
3. Speed (Fpm), digunakan untuk menentukan kecepatan entity yang bergerak sendiri
(bukan kecepatan entity akan diproses), dengan default 50 m per menit.
4. Stat, merupakan pilihan seberapa detail lokasi tersebut akan dicatat secara statistik pada
saat simulasi dijalankan.
5. Note, digunakan untuk menambahkan keterangan mengenai lokasi yang bersangkutan.

C. Arrivals (kedatangan)
Kedatangan menunjukkan masuknya entity ke dalam sistem, baik banyaknya, lokasi
tempat kedatangannya ataupun, frekuensi serta waktu kedatangannya baik secara periodik,
menurut interval tertentu, dan peningkatan dan pengurangannya.
Adapun atribut-atribut dari kedatangan adalah:
1. Entity, merupakan nama atau jenis entity yang akan diatur kedatangannya, dapat juga
dipilih di antara entity yang telah kita buat pada window tools pada bagian kiri layout.
2. Locations, menunjukkan pada lokasi mana entity tersebut akan memasuki sistem.
3. Qty each, menunjukkan banyaknya entity yang tiba pada setiap kedatangan.
4. First Time , menunjukkan waktu pada saat entity pertama kali memasuki sistem.
5. Occurrences , merupakan jumlah kedatangan entity selama 1 kali simulasi dijalankan.
6. Frequency , merupakan interval waktu antara dua kedatangan.
7. Logic, merupakan tempat menambahkan logika pemrograman untuk mengatur
kedatangan entity dengan lebih detail.
8. Disable, pilihan Yes atau No, digunakan jika kita ingin untuk menonaktifkan kedatangan
yang bersangkutan secara sementara karena alasan tertentu.
D. Processing (proses)
Elemen proses menentukan rute yang dilalui oleh tiap – tiap entity dan operasi yang
dialaminya pada tiap – tiap lokasi yang dilaluinya. Proses menggambarkan apa yang dialami
oleh entity mulai dari saat pertama entity memasuki sistem sampai keluar dari sistem. Elemen
ini akan terdiri dari dua bagian, yaitu window process dan window routing.
Langkah – langkah menentukan proses adalah :
• pilih new process pada window tools
• click kiri pada lokasi tempat entity mulai masuk, kemudian click pada urutan lokasi
berikutnya. Ulangi sampai pada lokasi terakhir.
• Dapat kita perhatikan bahwa window process akan terisi dengan otomatis
Keterangan proses pada window process terdiri dari:
Process
1. Entity, menunjukkan entity yang sedang kita buat prosesnya.
2. Location, menunjukkan lokasi tempat entity tersebut mengalami proses atau operasi.

3. Operation, menunjukkan operasi yang dialami, apakah perakitan, dikumpulkan, join, atau
yang paling sederhana menunggu (bagian ini diisi dengan logic builder yang akan
dijelaskan kemudian)
Routing
1. Output, menunjukkan entity yang keluar dari operasi tersebut.
2. Destination, menunjukkan lokasi tujuan entity yang berikutnya.
3. Rule, berisi aturan-aturan rute, termasuk probabilitasnya (jika ada).
4. Move Logic, berisikan baris program untuk aturan perpindahan route entity.
8.2.3. Menjalankan Simulasi
Setelah selesai mendefinisikan model, kini saatnya menjalankan model. Sebelum

menjalankan model ada beberapa setting yang dapat diatur agar simulasi dapat berjalan sesuai
keiginan kita . Caranya, pada pulldown menu pilih simulation – option, maka akan muncul
window simulation option yang berisi:
1. Define Run Length by Date, yaitu apakah kita akan menjalankan simulasi berdasarkan
tanggal tertentu atau hanya ditentukan jangka waktunya (lamanya) saja.
2. Run Hours, menentukan lama pendataan statistik selama simulasi berjalan.
3. Warmup Hours, menentukan berapa lama simulasi berjalan sebelum mulai dilakukan
pendataan secara statistik.
4. Output Reporting , menentukan bagaimana report akan dibuat
5. Number of Replication, menentukan berapa banyak simulasi akan diulang
6. Clock Precision, menentukan tingkat ketelitian perhitungan waktu yang diinginkan.
7. Disable Time Series, menon-aktifkan perhitungan statistik secara time-series
8. Disable Animation, menon-aktifkan animasi selama simulasi
9. Disable Cost, menon-aktifkan perhitungan biaya dalam simulasi
10. Pause at Start, memulai simulasi dalam keadaan pause.
11. Display Note, menampilkan catatan yang sudah dibuat sebelumnya
Setelah semuanya ditentukan maka simulasi dapat mulai dirun dengan memilih
simulation – run pada pulldown menu, maka akan tampil window run.
Adapun kegiatan yang bisa kita lakukan selama simulasi berjalan untuk lebih
memudahkan kita mengamati jalannya simulasi adalah:
1. Zooming, untuk memperbesar atau memperkecil tampilan dapat kita lakukan dengan
memilih pada menu View – Zoom kemudian pilih besaran Zoom yang dikehendaki.

2. Mempercepat, memperlambat simulasi, dilakukan dengan cara menggeser slider.

3. Information, dari menu ini kita dapat memperoleh informasi mengenai status light, status
dan kondisi masing-masing atau keseluruhan lokasi, dan informasi mengenai variabel
atau array jika ada.
4. View Text, menampilkan tampilan text urut-urutan simulasi yang sedang dijalankan.
5. Trace, merekam simulasi ke dalam text file agar dapat diamati dengan lebih teliti untuk
keperluan Validasi dan Verifikasi.
6. Mengatur tampilan waktu, dengan cara mengclick command button kecil yang berada
pada pojok kanan dari display waktu.
Jika simulasi telah berakhir ataupun dihentikan, akan muncul pertanyaan apakah kita
ingin melihat hasil dari simulasi yang kita jalankan, untuk melihat hasilnya pilih Yes. Maka
akan muncul window Promodel Output yang berisi:
1. General Report, window ini berisi laporan text mengenai lokasi, resources, entity
yang berupa utilisasi, blocking, idle-time, jumlah entity yang keluar dan masuk, dan
informasi-informasi lainnya.
2. State & Utilization Graph, yaitu untuk membuat grafik batang yang menunjukkan
persentase utilisasi, blocking, idle, waiting, setup, down dan waiting untuk tiap-tiap
lokasi yang ada.
3. Plot grafik, pada bagian ini kita bisa membuat grafik plot untuk informasi stastistikal
yang kita inginkan.
4. Histogram, sama seperti plot grafik, tapi pada bagian ini kita dapat membuat
histogram untuk informasi yang diinginkan.
5. Hasil report ini dapat disimpan untuk pengamatan lebih lanjut dengan cara pilih File
pada pulldown menu, kemudian pilih Save as, tentukan nama file dan Save maka
report akan disimpan dalam bentuk file txt.
Contoh 1: Pembuatan Project Sederhana :

1. Pembuatan General Information
Pada saat membuat file baru akan mucul dialog box General Information. Pilih Time
units dalam detik (seconds) dan distance unit dalam meter (Gambar 8.1).

Gambar 8. 1 Dialog Box General Information

2. Pembuatan Lokasi
Pilih pada menu Build kemudian pilih Locations sehingga akan muncul graphic
library yang akan digunakan. Buat lokasi sesuai dengan gambar dengan mengclick
icon yang ada (Gambar 8.2 dan Gambar 8.3)).
Gambar 8. 2 Layout Location

Gambar 8. 3 Location System
3. Pembuatan Entity
Pilih pada menu Build pilih Entity, kemudian click icon entity graphic di sebelah kiri
layar sehingga muncul dialog entities seperti terlihat pada Gambar 8.4.
Gambar 8. 4 Entities System
4. Pembuatan Proses
Dalam pembuatan proses ini pilih menu Build kemudian pilih Processing. Buat
proses dari satu mesin ke mesin lain sesuai dengan dialog box seperti pada Gambar
8.5.

Gambar 8. 5 Process System
kemudian isi distribusinya pada bagian operation dengan menggunakan perintah wait
5. Pembuatan Arrivals
Pilih menu Build kemudian pilih Arrivals seperti ditunjukan pada Gambar 8.6
Gambar 8. 6 Arrival System

6. Penjalanan Program
Pilih pada menu Simulation kemudian pilih Run. Setelah dijalankan tampilkan pula
Statistic reportnya.
8.2.4. Elemen Dasar Lanjutan
A. Path network
Path network digunakan untuk menentukan arah dan jalur yang ditempuh oleh resource
yang mengiringi entity ketika bergerak dari satu lokasi ke lokasi lainnya. Path network
merupakan keharusan jika kita memakai resources yang bergerak.
B. Resources
Resources adalah sumber daya yang dipergunakan untuk melaksanakan operasi
tertentu dalam suatu sistem. Contoh resources antara lain: operator, forklift, truk, dan

sebagainya. Resources dapat berupa peralatan, perlengkapan. Penggunaan resources yang

bergerak harus ditempatkan pada path-network tertentu.
Pemodelan resources pada ProModel dimulai dari menu Build – Resources. Setelah
itu, isikan informasi yang diperlukan pada Tabel Resources.
– Icon. Icon dipilih menggunakan Resource Graphics Windows. Jika lebih dari 1 icon
dipilih untuk resources, icon pertama yang ditunjukkan.
– Name. Nama dari resources.
– Units. Jumlah unit yang direpresentasikan oleh nama resources ini antara 1 sampai
999.
– DTs. Pilih field ini untuk mendefinisikan sembarang downtimes bagi resources ini.
Pilihan yang tersedia yaitu Clock dan Usage sebagai dasar downtimes.
– Stats. Statistik bisa dikumpulkan sebagai laporan catatan seluruh unit-unit resources,
atau secara individual untuk setiap unit resources. Pilihan untuk Stats. ini yaitu :
• None, jika tidak ada statistik yang dikumpulkan.
• Basic, penggunaan (utilisasi) rata-rata dan waktu aktivitas rata-rata direkam
secara kolektif untuk semua unit resources.
• By Unit, statistik dikumpulkan untuk tiap-tiap unit secara individual dan
kolektif.
– Specs… Pilih field ini untuk membuka kotak dialog Resources Specifications, di
mana ini digunakan untuk menentukan path network, mendefinisikan kecepatan
resources, waktu mengambil dan waktu deposit, dan lain-lain (Gambar 8.7).
Gambar 8. 7 Specification
• Path network, menunjukkan path network yang akan diikuti oleh resources.
• Home, menentukan posisi awal resources pada awal simulasi.

• Return Home If Idle, men-set posisi dari resources untuk kembali ke posisi awal
jika tidak dalam keadaan bekerja.
• Off Shift, menunjukkan lokasi yang harus dituju oleh resources jika terjadi off
shift (tidak bekerja).
• Break, menunjukkan lokasi yang harus dituju pada saat break (istirahat).
• Resources search, jika sebuah entity membutuhkan resource, dan jika terdapat
beberapa unit resource yang sama (Multiple unit resource), maka dapat diset
aturan pencarian sebagai berikut: Closest Resource, Least Utilized Resource,
Longest Idle Resource.
• Entity Search, jika terjadi dua atau lebih entity meminta resources dalam waktu
yang bersamaan dan tidak terdapat perbedaan prioritas dan entity, maka
resources harus memilih entity yang akan dilayani dengan mengikuti pilihan
aturan: longest waiting entity, closest entity, entity dengan nilai minimum dari
atribut tertentu, atau entity dengan nilai maksimum dari atribut tertentu.
– Search. Jika path network sudah ditugaskan (assigned), pilih field ini untuk
mengakses tabel pengeditan Work Search dan Park Search, yang digunakan untuk
mendefinisikan pilihan search work dan park.
– Logic. Jika path network sudah ditugaskan (assigned), pilih field ini untuk
mendefinisikan beberapa pilihan logic untuk dieksekusi kapan saja sebuah resources
memasuki atau meninggalkan node path. Jika node entry dan exit logic sudah
didefinisikan, field logic akan menunjukkan jumlah node dari node entry dan exit
logic yang sudah didefinisikan.
– Pts. Jika path network sudah ditugaskan (assigned), pilih field ini untuk
mendefinisikan point-point resources.
– Notes, masukkan catatan pada field ini, atau click tombol diatasnya untuk membuka
window Notes yang lebih besar untuk memasukkan catatan.
Resources Statik dan Dinamik

Resources dibagi menjadi dua, yaitu resources statik dan dinamik. Resources statik
adalah resources yang tidak dialokasikan ke suatu path network tertentu. Resources statik ini
hanya muncul pada lokasi dimana dia berada atau bekerja, namun tidak berpindah tempat.
Meskipun tidak berpindah tempat, namun resources statik dapat digunakan pada beberapa
lokasi yang berbeda, akan tetapi tidak pada saat yang bersamaan.

Resources dinamik adalah resources yang dapat bergerak mengikuti suatu path
network tertentu. Pergerakan ini biasanya disebabkan aktivitas mentransportasikan entity
antar lokasi, misalnya forklift mengangkut barang setengah jadi ke lokasi selanjutnya atau
operator yang mengangkut produk ke lokasi lain. Selain melakukan aktivitas transportasi,
resources dinamik juga dapat dipergunakan untuk memproses di lokasi yang berbeda.
Pendefinisian resources dinamik dengan men-set path network yang harus diikuti dan
menentukan berbagai aturan yang terdapat pada dialog box Resources Specifications seperti
telah dijelaskan di atas.
C. Move Logic
Move logic digunakan untuk mendefinisikan metode pergerakan dan logika lain untuk
dijalankan/dieksekusi selama pergerakan berlangsung.
D. Move For
Kegunaan Move For adalah untuk menentukankan jumlah waktu yang dibutuhkan
untuk memindahkan entity. Waktu pindah bisa ditiadakan/dinolkan agar kejadian untuk entity
lain dapat berjalan bersamaan pada saat simulasi sebelum logika tambahan lain diproses
untuk entity yang sekarang. Jika tidak ada pernyataaan yang berhubungan dengan move
(MOVE FOR, MOVE ON, MOVE WITH), entity secara langsung ke lokasi berikut dan
langsung memulai menjalankan logika operasi untuk lokasi tersebut.
Syntax MOVE FOR <time>
Contoh MOVE
MOVE FOR Var1
MOVE FOR N(8,.5)
E. Move On
Kegunaan Move On adalah untuk menggerakan entity sepanjang path network.
Entities tidak dapat berjalan sepanjang jaringan crane menggunakan pernyataan ini.
Pernyataan tersebut hanya sesuai pada bagian Move Logic. Lihat juga MOVE WITH.
Syntax MOVE ON <path network>
Example MOVE ON StatPath

F. Move With
Kegunaan Move With adalah untuk menggerakkan entity menggunakan resources
yang didesain khusus seperti crane atau forklift. Dengan operator OR, kita bisa mendesain
resource alternatif untuk membuat pergerakan. Dalam kasus ini, pernyataan akan
menugaskan pertama kali pada resource yang tersedia yang didesain dalam ekspresi dan
membuat pergerakan. Segera setelah tempat tujuan tersedia, entity secara langsung akan
mengambil resource. Bagaimanapun juga, jika salah satu dari resource telah membawa
entity, maka sistem akan menggunakan resources tersebut. Hal tersebut juga membebaskan
Anda untuk menetapkan prioritas (p1) untuk mengakses resources yang telah didesain. Jika
resources telah membawa entity, prioritas akan diabaikan.
Jika resourcenya statis, sebuah waktu (FOR <time expression>) dapat dispesifikan
untuk perpindahannya. Resource digunakan untuk melakukan perpindahan dan hanya
dibebaskan jika pernyataan THEN FREE digunakan. Pernyataan ini hanya berlaku pada
Move Logic.
Syntax MOVE WITH <res1> {,{p1}{,{p2}{,{p3}}}} {OR <res2> {,{p1} {,{p2}
{,{p3}}}}} {FOR <time>} {THEN FREE}
Example MOVE WITH Crane3, 99, 230, 425
MOVE WITH Operator1, 399 FOR 3 min
MOVE WITH Truck1,99 THEN FREE
MOVE WITH Operator1 OR Operator2
Contoh 2:
Sebuah entity akan bergerak dari stasiun A ke B dengan menggunakan Forklift1 ataupun
Forklift2 tergantung yang tersedia pertama. Setelah digunakan maka resources akan
melepaskan entity.
MOVE WITH Forklift1 OR Forklift2 THEN FREE
Atau dalam bentuk panjang:
GET Forklift1 OR Forklift2
MOVE WITH OwnedResource( )
FREE OwnedResource( )
Contoh 3:
Buat suatu proses di mana Bahan A dan Bahan B datang di Gudang Bahan setiap 5 menit
dengan kuantitas 100, kemudian Bahan A dibawa oleh AGV ke Loc 1 dan Bahan B ke Loc 2.
Dari Loc1 Bahan A dibawa Operator ke Mesin 1 dan Operator itu menunggui proses di mesin

tersebut dengan waktu 5 menit dan distribusi pergerakan operator tersebut yaitu U(3,.5).
Setelah selesai di Mesin1, outputnya yaitu Gear dibawa oleh operator ke Loc3. Untuk
BahanB juga berlaku demikian yaitu dari Loc2 ke Mesin2 dan kemudian ke Loc3. Dari Loc3,
Gear tersebut EXIT. Model Layout dapat dilihat pada Gambar 8.8
Operator
AGV
Net1
Net2
Gambar 8. 8 Model Layout
Langkah – Langkah :
1. Build | Entities
2. Build | Locations
3. Build | Arrival
4. Build | Path networks
Gambar 8. 9 Path network System

Untuk Net1 :
- Paths : - Interfaces :

Untuk Net2 :
- Paths : - Interfaces :
Gambar 8. 10 Path and Interfaces
5. Build | Resources (Gambar 8.11)
Gambar 8. 11 Resources System
- Specifications untuk AGV (Gambar 8.12).
Gambar 8. 12 Spesifikasi untuk AGV
- Specifications untuk Operator (Gambar 8.13)
Gambar 8. 13 Spesifikasi untuk Operator

6. Build | Processing
Gambar 8. 14 Proses dan Routing
G. Conveyor
Conveyor adalah suatu lokasi yang mensimulasikan pergerakan entity, baik
accumulating conveyor maupun non-accumulating conveyor dan digambarkan dengan
gambar conveyor. Entity hanya dapat memasuki conveyor pada ujung awal dan meninggalkan
conveyor pada ujung akhir conveyor. Untuk accumulating conveyor, jika entity yang di depan
tidak bisa keluar dari conveyor, maka entity yang mengikutinya berbaris mengantri persis di
belakangnya. Untuk yang non-accumulating conveyor, jika entity yang di depan berhenti,
maka conveyor dan entity lainnya juga berhenti. Entity dalam conveyor tidak bisa diganggu
(preempted) oleh entity lainnya.
Kapasitas yang diberikan pada conveyor membatasi jumlah entity yang bisa masuk ke
conveyor. Total kumulatif dari panjang atau lebar entity dalam conveyor tidak bisa melebihi
panjang conveyor. Tidak seperti lokasi lain, untuk conveyor, entity tidak akan dikirim (di-
route) ke conveyor jika tidak tersedia tempat/space untuk entity tersebut.
Perintah yang digunakan dalam conveyor adalah MOVE. Waktu perpindahan entity di
conveyor didasarkan atas panjang dan kecepatan conveyor, demikian juga panjang dan
lebarnya entity.
Langkah-langkah untuk membuat conveyor:
1. Click icon conveyor pada Graphic Window (Gambar 8.15)
Click
Gambar 8. 15 Grafik Window

2. Lalu click Layout Area, kemudian tarik panjang conveyor sesuai dengan yang
dikehendaki dan akhiri dengan click kanan (Gambar 8.16).
Click Kiri Click kanan

Kanan
Gambar 8. 16 Layout Conveyor
3. Untuk mengubah statusnya menjadi conveyor, click dua kali pada gambar tersebut,
pilih conveyor dan tentukan panjang conveyor yang diinginkan (Gambar 8.17).
Clic
k
Gambar 8. 17 Dialog Box Conveyor
4. Untuk mendefinisikan spesifikasi conveyor, click Conveyor Options (Gambar 8.18)
Gambar 8. 18 Conveyor Option
• Accumulating Pilih check box ini jika menginginkan conveyornya bersifat

accumulating.
• Entity Orientation Pilih Lengthwise atau Widthwise tergantung apakah
jalannya entity di atas conveyor dengan arah sisi panjangnya atau sisi lebarnya.
• Length Panjang conveyor dalam satuan sesuai pilihan pada spesifikasi di kotak
dialog General Information.
• Speed Kecepatan conveyor dalam feet atau meter pe menit. Unit jarak bisa di
set pada kotak dialog General Information.

H. Queue
Antrian (queue) adalah suatu lokasi yang menirukan suatu jalur antrian dari suatu lini
tunggu. Ketika suatu entity masuk ke dalam suatu antrian, ProModel akan mengeksekusi
logika operasi untuk entity tersebut dan menggerakkan entity tersebut dari awal antrian ke
ujung antrian. Logic yang mengatur pergerakan ini diletakkan pada bagian Processing-
Routing dan logic-nya adalah perintah MOVE. Perintah MOVE ini akan menggerakkan entity
sampai ke ujung antrian di mana entity akan mengalami proses selanjutnya. Perintah berikut
ini tidak boleh mengikuti perintah MOVE yaitu : CREATE, SPLIT, UNGROUP UNLOAD,
dan MOVE yang lain.
Jika perintah MOVE diikuti oleh waktu geraknya (misal MOVE FOR 5.3 sec), artinya
kecepatan entity dan panjang antrian diabaikan. Jika waktu MOVE tidak ditentukan, maka
waktu pergerakan dalam antrian akan dihitung berdasarkan panjang antrian dan kecepatan
entity (jika panjang antrian, dan kecepatan entity tidak didefinisikan maka waktu pindahnya
adalah nol). Entity dalam antrian tidak dapat diganggu (preempted) oleh entity lainnya. Sekali
entity memasuki antrian, maka entity tersebut tidak dapat melewati entity lain yang ada di
depannya.
Langkah-langkah untuk membuat queue:
1. Sama seperti membuat conveyor.
2. Untuk mengubah statusnya menjadi queue, click dua kali pada gambar tersebut.
3. Pilih queue dan tentukan panjang antrian yang diinginkan.
4.
Contoh 4:
Lanjutkan latihan sebelumnya, tetapi dilakukan sedikit perubahan yaitu Gear dari Loc3 tidak
EXIT tetapi dijalankan di atas Conveyor (Conv1), baru setelah itu EXIT (Gambar 8.19)
Gambar 8. 19 Model layout untuk contoh 4

Langkah-langkah:
1. Build | Locations. tambahkan lokasi baru, yaitu Conv1 (Gambar 8.20 dan 8.21)

Gambar 8. 20 Model Location untuk contoh 4
Click
Gambar 8. 21 Model Conveyor Option untuk contoh 4
2. Build | Processing (Gambar 8.22)
Gambar 8. 22 Proses dan routing untuk contoh 4
Menggunakan Entity Attributes

Atribut bisa dianggap sebagai variabel yang berhubungan dengan lokasi individu atau
entity. Atribut, seperti variabel, bisa bertipe integer atau real. Atribut diklasifikasikan sebagai
berikut:
1. Atribut entity
Sebuah entity mempunyai atribut hanya ketika berada di dalam sistem dan dapat
digunakan dalam konteks yang berhubungan dengan entity seperti arrival logic,
operation logic, location exit logic, routing quantity designations, routing priority

designations, dan lain-lain. Dalam location exit logic, atributnya menunjukkan atribut
entity yang dirutekan.
2. Atribut Lokasi
Atribut lokasi adalah atribut yang berhubungan dengan lokasi tertentu. Atribut lokasi
hanya dapat digunakan oleh entity atau downtime pada lokasi yang digunakan. Untuk
sejumlah tempat di mana atribut lokasi dapat digunakan.
I. Statemen Group/Ungroup
GROUP
Kegunaan: Menggabungkan sejumlah tipe entity tertentu atau banyak tipe entity tertentu
ke dalam unit tunggal entity. Entity-entity itu terdiri dari group entity yang
disimpan dan diaktifkan kembali ketika perintah ungroup dijalankan.
Syntax GROUP <expression> {AS <entity name>}
Contoh GROUP 10
GROUP 10 AS EntX
UNGROUP
Kegunaan: Memisahkan entity yang dikelompokkan menggunakan perintah group.
Syntax UNGROUP {LIFO}
Contoh UNGROUP
UNGROUP LIFO
Misalkan beberapa entity, EntA, EntB, dan EntC, dikelompokkan bersama dan disebut
Batch. Masing-masing entity asal mempunyai atribut dengan nilai yang diberikan sebelum
mereka dikelompokkan. Batch itu di proses dalam 30 menit, dikirim ke Loc5 dan kemudian
di-ungroup menjadi entity asal lagi. Nilai atribut dari entity individu tidak ditransfer ke Batch
entity yang dikelompokkan (grouped entity Batch). Dengan kata lain, Att1 sama dengan 0
untuk entity Batch. Akan tetapi, ketika entity-entity di ungroup, mereka tetap memiliki nilai
atribut asalnya. Konsep ini ditunjukan pada Gambar 8.23.

Batch
E E
nt nt
E
Group Ungroup
nt
E Loc4 Loc5 E
E E
nt nt
nt nt
E E
nt nt
Gambar 8. 23 Group/Ungroup
Tiga entity di-group bersama untuk membentuk sebuah Batch yang kemudian di Ungroup
J. Statemen Joint
JOINT
Kegunaannya adalah untuk menggabungkan sejumlah entity tertentu ke dalam entity
lain yang sedang diproses di dalam lokasi yang sama. Entity-entity yang digabungkan berasal
dari perintah JOINT dan berubah identitasnya setelah digabungkan.
Syntax JOINT <expression> <entity name> {priority}
Contoh JOINT 4 EntA
JOINT 2 EntA,1
Sering satu entity bergabung dengan entity lain menggunakan statement JOIN. Jika
kedua entity memiliki atribut sebelum mereka bergabung bersama, hasil gabungannya
memiliki nilai atribut dari entity yang sudah digabung dengan statement join pada operation
logic. Dengan kata lain, entity yang mempunyai join routing rule dihilangkan ketika entity ini
digabungkan. Perhatikan Gambar 8. 24 menunjukan dimana EntA digabungkan ke EntB.
E
nt
Loc2
E E
nt nt
Gambar 8. 24 EntA di-join ke EntB

Logika untuk Gambar 8. 24 dapat dilihat pada Gambar 8.25

Processing Routing
Entity Loc Opn(min) Blk Output Dest Rule Move
EntA Loc1 Att1=1 1 EntA Loc2 Join 1 1 min
Wait 2 min
EntB Loc2 Att1=2 1 EntB Loc3 First 1 1 min
Join 1 EntA
EntB Loc3 ... ... ... ... ... ...
Gambar 8. 25 Process and Routing untuk Join
3. Pada contoh di atas, EntB mempunyai nilai atribut, yaitu Att1, sama dengan 2 setelah
EntA digabung dengan EntB.
Logika untuk diagram tersebut dapat dilihat pada Gambar 8.26.
Processing Routing
Entity Loc Opn(min) Blk Output Dest Rule Move
EntA Loc1 Att1=1 1 EntA Loc4 First 1 1 min
EntC Loc3 Att1=3 1 EntC Loc4 First 1 1 min
ALL Loc4 Group 3 1 Batch Loc5 First 1 1 min
Batch Loc5 Ungroup
ALL Loc5 ... ... ... ... ... ...
Gambar 8. 26 Logika joint
K. Statemen Load/Unload
LOAD
Kegunaannya adalah untuk mengisi dengan jumlah tertentu (atau sampai sejumlah
tertentu dengan batasan waktu) dari entity yang sedang diproses di lokasi yang sama. Entity-
entity yang diisi tersebut tetap menggunakan identitasnya di proses selanjutnya melalui
pernyataan unload. Entity yang diisikan harus dirutekan ke lokasi ini dengan menggunakan
aturan routing LOAD.
Syntax LOAD <expression> {IF <Boolean expression>}{IN <time>}{,priority}
Contoh LOAD 5
LOAD 5 IF Attr3 > 2
LOAD 5 IF Attr3 > 2 IN 5 min
LOAD 5 IN 5 min
LOAD 5,3
UNLOAD
Kegunaannya adalah untuk menyebabkan entity membawa entity-entity lain melalui
pernyataan LOAD atau GROUP untuk mengeluarkan sejumlah entity dalam kondisi tertentu.

Syntax UNLOAD <expression> {IF <Boolean expression>}

Contoh UNLOAD 5
UNLOAD 5 IF entity() = EntA
Statement Load mengisi sejumlah tertentu dari entity yang sedang diproses. Entity
yang di-load mempertahankan identitas mereka untuk unloading yang akan datang
menggunakan statement Unload. Ketika entity di-load ke entity yang sekarang, hasilnya tetap
memiliki nilai atribut dari entity sekarang.
Contoh, entity yang disebut Frames di-load ke entity lainnya yaitu Pallet. Frames
tersebut adalah diberi nilai atribut, Att1=1. Palet juga diberi nilai atribut, Att1=2. Ketika
Frames di-load ke Pallet, Pallet yang terisi berubah namanya menjadi Batch. Batch tersebut
kemudian mempunyai nilai atribut, Att1=2 karena mempertahankan nilai atribut dari Pallet.
Akan tetapi, kita kemudian memberi nilai atribut kepada Batch, Att1=3. Setelah Frames di-
unload dari pallet, Frames mempertahankan nilai atribut asalnya, Att1=1. Akan tetapi, Pallet
sekarang mempunyai nilai atribut yang berbeda, Att1=3, di mana telah diberikan nama yang
baru, Batch. Perhatikan Gambar 8.27 dan logika berikut di mana dua Frames di-load ke
dalam Pallet yang kemudian di ganti namanya menjadi Batch sebagai entity output.
Fram Fram
es es
Batch
Load Unload
Pall Loc
Fram
Loc Pall
2 4 et
et es
Gambar 8. 27 Load/Unload
Dua frame di-load ke Pallet dan diganti namanya menjadi Batch pada outputnya. Kedua
frame tersebut kemudian di-unload dari Batch. Batch diganti namanya menjadi Pallet pada
outputnya. Proses dan Routing untuk Load/Unload dapat dilihat pada Gambar 8.28.
Processing Routing
Entity Loc Opn(min) Blk Output Des Rule Move
Frame Loc1 Att1=1 1 Frame Loc2 Load 1 1 min
Wait 2 min
Pallet Loc2 Att1=2 1 Batch Loc3 First 1 3 min
Load 2
Batch Loc3 Att1=3 1 Batch Loc4 First 1 .5
Wait 20
Batch Loc4 Unload 2 1 Pallet Loc5 First 1 1 min
Frame Loc4 Wait 10 1 Frame Loc5 First 1 2 min
Gambar 8. 28 Proses dan Routing untuk Load/Unload

L. Statemen Combine
COMBINE
Kegunaan: Untuk menggabungkan sejumlah tipe entity tertentu atau banyak tipe entity
tertentu ke dalam entity tunggal yang bisa diganti namanya.
Syntax COMBINE <expression> {AS <new entity name>}
Contohs COMBINE 3
COMBINE 3 AS EntQ
Perhatikan contoh di bawah di mana beberapa entity dikombinasikan secara permanen

ke dalam entity tunggal, yaitu Box. Jika tiga entity, EntA, EntB, dan EntC, dikombinasikan
untuk membentuk entity tunggal yang disebut Box, dan EntC merupakan entity terakhir yang
dikombinasikan, Box akan mempunyai nilai atribut yang sama dengan EntC. Oleh karena itu,
jika EntC mempunyai atribut (Att1=5), maka Att1=5 digunakan untuk entity yang di-
combine, yaitu Box. Diagram berikut memperlihatkan tiga entity dikombinasikan kedalam
satu entity.
E
nt
Combine
E Loc4 Bo
nt x
E
nt
Gambar 8. 29 Combine
Processing Routing
EntityLocation Opn(min) Blk Output Dest Rule Move
EntA Loc1 Att1=1 1 EntA Loc4 First 1 1 min
Wait 2 min
Wait 3 min
EntC Loc3 Att1=5 1 EntC Loc4 First 1 .5
Wait 6
ALL Loc4 Combine 3 1 Box Loc5 First 1 1 min
ALL Loc5 ... ... ... ... ... ...
Gambar 8. 30 Proses dan Routing untuk Combine

Pada contoh diatas, EntC adalah entity terakhir yang dikombinasikan sehingga entity Box
disamakan nilai atributny dengan EntC, Att1=5.
8.2.5. Elemen Logika
Elemen-elemen logika menyediakan berbagai cara untuk mengontrol bagaimana elemen

model (lokasi, proses dan lain-lain) bekerja.
A. Variabel
Variabel adalah suatu simbol yang dipergunakan untuk menyimpan suatu nilai
numerik tertentu. Tipe variabel dapat real ataupun integer. Terdapat dua jenis variabel yaitu
variabel global dan lokal. Pada kesempatan ini akan dibahas mengenai variabel global.
Cara mendefinisikan variabel global adalah Build | More Elements | Variable
(global). Lalu akan muncul tabel edit variabel seperti di bawah ini
▪ Icon : Pilih YES jika ingin menampilkan icon variabel pada layout. Icon
variabel tampak seperti counter dan menampilkan nilai variabel tersebut.
▪ ID : Menunjukkan nama dari variabel.
▪ Type : Untuk memilih tipe variabel (Real/Integer).
▪ Intial Value : Untuk menentukan nilai awal dari variabel.
▪ Stats… : Untuk mengumpulkan statistik dari masing-masing variabel.
Contoh 5:
Buatlah sebuah model sistem untuk Operation Process Chart di bawah ini.

Sub-Assy 1 Base Plate

Alumunium 50x30x30 Alumunium 100x30x30
Finishing
Buat Poros
Permukaan
N(2,1) O-2 N(10,2) O-1
Mesin Lathe
Mesin Mill
Buat drill hole 3"

N(5,1) O-3
Mesin Drill
Finishing
N(3,0.5) O-4
Mesin Mill
Packaging
Akhir
N(4,1.2) O-5
Out Area
Gambar 8. 31 PPO untuk contoh 5
Tambahkan antrian masing-masing sebelum lokasi Lathe, Drill dan Mill. Tambahkan
Conveyor accumulating dengan kapasitas 30 sebelum OutArea. Entities yang datang akan
masuk ke antrian sebelum diproses di lokasi tertentu. Proses Perakitan dilakukan di stasiun
Milling. Produk setelah dirakit disebut sebagai TollRack. Waktu Transportasi dari satu
stasiun ke stasiun lainnya adalah 30 detik. Kapasitas Receiving Area adalah 100, sedangkan
lainnya adalah 1 dan jumlah unit adalah 1. Berapa lama waktu yang dibutuhkan untuk
memproduksi 100 unit TollRack ?
Langkah pengerjaan location, entities, processing dan arrival sama seperti pada bab
sebelumnya. Untuk menjawab berapa lama proses untuk pengerjaan 100 unit kita dapat
membuatnya dengan bantuan variabel. Layout Location untuk contoh 5 dapat dilihat pada
Gambar 8.32.

Gambar 8. 32 Layout Location untuk contoh 5
Langkah-langkahnya:
1. Build | More Elements | Variabel (Global) (Gambar 8.33)
Gambar 8. 33 Variabel
Click kursor pada windows location, maka akan muncul counter.
2. Setelah kita membuat variabel tersebut maka kita perlu menambah suatu perintah di
tabel processingnya, yaitu perintah INC().
INC (nama variabel, jumlah penambahan) → untuk menambah nilai dari variabel
yang digunakan
DEC (nama variabel, jumlah pengurangan) → untuk mengurangi nilai dari variabel
yang digunakan
Tambahkan Perintah ini pada MOVE LOGIC pada bagian routing keluar ke EXIT,
serta tambahkan Perintah “If Total_Finish_Goods=100 then Stop” untuk
memberhentikan simulasi jika variabel Total_Finish_Goods sama dengan 100.

Gambar 8. 34 Processing untuk contoh 5

B. Shift & Break
Dalam sistem nyata, dapat saja ada pembagian jam kerja (shift) dan istirahat (break).
Pada ProModel dapat didefinisikan shift dan breaks ini, yaitu untuk location dan resources.
8.2.6. Uji Distribusi Statistik menggunakan software Stat::Fit
Pada software Stat::Fit terdapat dua buah fitur untuk menguji kesesuaian distribusi
statistic dari data yang diinput oleh user dengan berbagai macam distribusi yang ada.
1. Pengujian secara manual
Pengguna (user) memasukkan data hasil pengamatan ke dalam data tabel, dan
mengklik tombol Test untuk mendapatkan hasil test untuk setiap distribusi yang akan diuji
kesesuaiannya. Hasil output dari test secara manual merupakan ringkasan dari hasil pengujian
kesesuaian setiap distribusi dan kesimpulan dari hasil pengujian kesesuaian, yaitu reject
(ditolak) dan do not reject (jangan ditolak).
2. Pengujian dengan menggunakan fitur Auto::Fit.
Dalam fitur ini, pengguna (user) memasukkan data hasil pengamatan ke dalam data
table dan kemudian mengklik tombol Auto::Fit untuk mendapatkan hasil pengujian yang
dilakukan. Hasil output dari Auto::Fit adalah peringkat (rank) dari setiap distribusi yang diuji
berdasarkan tingkat kesesuaiannya dan kesimpulan penerimaan atau penolakan hasil uji
kesesuaian.
Pada pilihan parameternya ada 3 pilihan : Unbounded di mana perhitungan
distribusinya tidak ada batasan, lowerbound dimana perhitungan distribusinya berdasarkan
nilai terendah dari data yang ada, sedangkan fixed lower bound merupakan perhitungan
distribusi yang nilai terendahnya berdasarkan nilai tertentu yang ditetapkan oleh user.
Meskipun sekilas tampak sama, namun terdapat perbedaan yang mendasar antara
Manual Fit dengan Auto::Fit, dimana fitur Auto::Fit lebih cocok untuk melakukan pengujian

terhadap distribusi statistic yang kontinu, sedangkan Manual Fit lebih cocok untuk
melakukan pengujian terhadap distribusi statistic diskrit.
Secara umum tes-tes tersebut di atas mempunyai tingkat sensitivitas tersendiri, namun
mereka memiliki satu kriteria yang umum, yaitu jumlah data yang tidak mencukupi tidak
akan menghasilkan hasil yang baik. Stat::Fit akan menolak untuk melakukan pengujian bila
data yang ada tidak mencukupi.
Stat::Fit secara otomatis akan mengurutkan distribusi yang terbaik (dari paling atas).
Double klik pada distribusi tersebut untuk mendapatkan grafiknya.
8.2.7. Uji Validasi Model
Sebelum melakukan uji validasi, dilakukan uji verifikasi terhadap model yang sudah
dibangun. Secara umum, sebuah model dikatakan sudah lolos verifikasi jika model tersebut
dapat dijalankan (running). Dalam praktikum simulasi lantai produksi, jika model simulasi
dapat dijalankan, maka dikatakan bahwa model tersebut sudah lolos verifikasi. Langkah
selanjutnya setelah uji verifikasi adalah uji validasi.
Untuk melakukan validasi model, digunakan uji perbedaan rata-rata terhadap output,
WIP dan utilitas di antara hasil simulasi dengan data riil sistem. Ada beberapa uji perbedaan
rata-rata, diantaranya adalah menggunakan : (a). Interval kepercayaan Welch, (b). Interval
kepercayaan berpasangan-t. Untuk simulasi, tidak cocok jka kita menggunakan interval
kepercayaan Welch karena observasi di antara populasi (sistem yang disimulasikan) bersifat
independen, maka dari itu untuk simulasi lebih baik jika menggunakan interval kepercayaan
berpasangan-t.
Langkah-langkah yang digunakan dalam metode interval kepercayaan berpasangan-t
adalah :
1. Ho : 1 − 2 = 0
H1 : 1 − 2  0
Dimana 1 adalah rata-rata (baik output, WIP maupun utilitas) dari sistem nyata dan
 2 adalah rata-rata dari hasil simulasi.
2. Hitunglah sample mean dengan rumus :

n
j
x(1− 2) j
Sample mean = x (1− 2) =
n
3. Hitunglah sample standar deviation dengan rumus :


n
j =1
[x (1− 2) j − x (1− 2) ]2
Sample standar deviation = s(1− 2) =
n −1
4. Hitunglah half – width equation (hw) dengan rumus :
(tn −1, / 2 )s(1− 2)
hw =
n
5. Terima Hojika interval x (1− 2) − hw  (1− 2)  x (1− 2) + hw memuat bilangan nol (0).
Tolak Ho jika interval x (1− 2) − hw  (1− 2)  x (1− 2) + hw tidak memuat bilangan nol
(0).
Catatan : Model dikatakan valid jika Ho diterima dan model dikatakan tidak valid jika
Ho ditolak.

Alat dan bahan yang dibutuhkan dalam praktikum ini adalah:
1. Software ProModel 4.0 dan Stat::Fit
2. Routing Sheet
3. Data waktu siklus setiap proses
4. Data waktu kedatangan bahan baku
5. Data mesin (banyak mesin, kapasitas, downtime, jenis, kegunaan)
6. Data operator/resources
7. Data hasil penjadwalan (Modul II)
8. Data hasil penyeimbangan lini perakitan.

Prosedur pelaksanaan praktikum ini adalah sebagai berikut:
1. Praktikan menentukan distribusi waktu siklus dan waktu kedatangan bahan baku
menggunakan Stat::Fit yang tersedia di Promodel.
2. Praktikan membangun model simulasi dengan Promodel dari routing sheet yang tersedia
(seperti menentukan location, entities, process dan lainnya).
3. Praktikan menjalankan simulasi dari model yang telah dibangun pada langkah 2.
4. Praktikan melakukan verifikasi model dengan cara melakukan debugging atau melihat
animasi simulasi yang terjadi.

5. Praktikan melakukan validasi model dengan cara membandingkan hasil simulasi dengan
hasil sistem produksi nyata menggunakan uji perbedaan rata-rata performansi yang ada.
6. Praktikan melakukan interpretasi dan analisis terhadap output simulasi dibandingkan
dengan hasil Modul V.

Laporan dikumpulkan satu minggu setelah praktikum berlangsung, dengan
sistematika sebagai berikut:
BAB I PENDAHULUAN
1.1. Latar Belakang
1.2 Tujuan Praktikum
(Uraikan teori singkat yang digunakan untuk melakukan simulasi lantai produksi.
Teori yang tidak ada kaitannya dengan praktikum tidak perlu ditulis dalam bab
ini)
BAB III PENGOLAHAN DATA DAN ANALISIS HASIL
3.1. Data sistem nyata (data output, WIP dan utilitasnya)
3.2 Data yang diperlukan untuk membangun model simulasi
3.3 Uji distribusi terhadap data model simulasi dengan Stat::Fit
3.4 Model Simulasi yang dibangun
3.5. Menjalankan simulasi dan menentukan banyaknya replikasi
3.6 Uji verifikasi dan validasi
3.3. Interpretasi hasil simulasi
3.4. Analisa Hasil
4.1. Kesimpulan
4.2. Saran
BAB V DAFTAR PUSTAKA

8.6. Pustaka
1. Harrell, C., B.K. Ghosh and R.O. Bowden, Jr. “Simulation Using Promodel.” 2nd ed.
Boston: McGraw-Hill, 2003.
2. Law, A.M. and W.D. Kelton. “Simulation Modeling and Analysis.” 3rd ed. . Boston:
McGraw-Hill, 2000.

MODUL PRAKTIKUM
MODUL IX
(Praktikum Otomasi)

Nilla, ST, MT & Tim

Ka. Laboratorium Sistem Produksi

Dr. Rina Fitriana, ST, MM 28 Agustus 2020
Ka. Jur Teknik Industri

MANUFAKTUR II
Modul IX Otomasi Sistem Produksi hal 9.1 dari 39
MODUL IX

1. Mengenal dan memahami berbagai penerapan robot yang terotomasi pada industri
manufaktur.
2. Mempelajari dan memahami pemograman robot-robot Fischer Teknik
3. Mengenal dan memahami berbagai actuator dan kontroller untuk mendesain
sistem otomasi pada industri manufaktur.
4. Praktikan mampu membuat rencana kerja dan program sebuah operasi dengan
menggunakan robot (Fischer Teknik).
5. Praktikan mampu mengembangkan bahasa program untuk menjalankan mesin
secara terotomasi (part programming)
Setelah menyelesaikan praktikum ini praktikan diharapkan dapat:

1. Praktikan memahami proses dan pemrograman dasar bagi operasi robot.
2. Menggerakkan robot Fischer Teknik melalui software RoboPro.
3. Menerapkan sistem robot yang terotomasi pada industri manufaktur
4. Praktikan dapat mengenal dan membuat part programming dengan menggunakan
bahasa pemograman.
5. Praktikan dapat memahami bahasa pemograman “G Code”
Kata Kunci : Fischer Teknik, RoboPro, Otomasi, Part Programming, G Code.

9.2. Teori Singkat
9.2.1. Otomasi dan Robotika

9.2.1.1. Pengenalan Otomasi
Otomasi merupakan teknologi yang didasari atas aplikasi mekanis, elektronis dan
komputer, untuk operasi dan kontrol produksi.
Teknologi yang dimaksud dapat meliputi :
1. Mesin-mesin pemrosesan yang otomatis
2. Mesin perakitan yang otomatis
3. Robot-robot industri
4. Sistem pemindahan dan penyimpanan yang otomatis
5. Sistem inspeksi yang otomatis
6. Proses pengendalian terkomputerisasi
7. Sistem perencanaan, pengumpulan data, pengambilan keputusan untuk aktivitas
manufaktur yang terkomputerisasi.
9.2.1.2. Jenis-jenis Otomasi
Beberapa macam otomasi ditinjau dari sistem manufaktur (atas dasar macam, variasi
dan jumlah produk) antara lain ;
1. Fixed Automation (Otomasi Detroit)

Merupakan sistem otomasi yang mempunyai konfigurasi peralatan tetap,
sesuai dengan tahapan proses operasinya ataupun perakitannya.
2. Programmable Automation
Pada Otomasi jenis ini, alat-alat produksi dirancang dengan kemampuan dapat
dirubah urutan operasinya, sehingga dapat mengakomodasikan perubahan
konfigurasi sesuai dengan perubahan macam-macam produk.
3. Flexible Automation
Ini merupakan pengembangan dari programabel otomasi. Jadi merupakan
sistem yang mampu memproduksi macam-macam produk, tanpa kehilangan
waktu secara virtual akibat perubahan bentuk produk yang satu ke bentuk
berikutnya.

9.2.1.3. Elemen Dasar dari sistem terotomasi

Sistem terotomasi terdiri dari 3 elemen dasar:
1. Kekuatan untuk menyelesaikan suatu proses dan mengoperasikan suatu sistem
2. Program instruksi untuk mengarahkan suatu proses
3. Sistem control untuk mengaktuasikan instruksi.
Hubungan antara 3 elemen tersebut digambarkan seperti gambar dibawah ini:
Gambar 9. 1 Hubungan Elemen Dalam Sistem Terotomasi
9.2.1.4. Power Untuk Menyelesaikan Proses Otomasi

Sistem terotomasi digunakan untuk mengoperasikan beberapa proses, dan power
dibutuhkan untuk mengarahkan proses yang fungsinya sama seperti control. Sumber power
dari sistem terotomasi adalah listrik.
Power listrik memiliki beberapa keuntungan dalam otomasi:
 Power listrik dapat berfungsi sebagai biaya yang efisien
 Power listrik dapat diubah menjadi energi alternative dalam bentuk: mekanik,
suhu, cahaya, akustik/suara, hidrolik, dan pneumatic
 Power listrik pada level rendah dapat digunakan untuk menyelesaikan fungsi
seperti transmisi sinyal, proses informasi, simpanan dan komunikasi data.
 Power listrik dapat disimpan dalam baterai yang tahan lama untuk digunakan pada
suatu lokasi dimana power listrik tidak tersedia.
9.2.1.5. Power Untuk Suatu Proses
Dalam suatu produksi, kata proses berarti operasi manufaktur yang ditampilkan dalam
suatu unit kerja. Power juga dibutuhkan untuk fungsi suatu material handling:
 Loading dan unloading suatu unit kerja
 Transport material antar operasi

Dibawah ini merupakan proses manufaktur yang sering digunakan:

Tabel 9. 1 Proses Manufaktur Yang Sering Digunakan
Proses Bentuk Power
Casting Suhu
Electric discharge Listrik
machining (EDM)
Forging Mekanik
Heat Treating Suhu
Injection molding Suhu dan mekanik
Laser Beam Cutting Cahaya dan suhu
Machining Mekanik
Sheet Metal punching and Mekanik
blanking
Welding Suhu / mekanik
9.2.1.6. Power untuk Otomasi

Power tambahan dapat digunakan untuk suatu otomasi. Power tambahan dapat
digunakan untuk beberapa fungsi sebagai berikut:
 Unit Control
Kontrol industri modern berdasarkan pada computer digital yang membutuhkan
power listrik untuk membaca program instruksi, membuat kalkulasi control dan
melaksanakan instruksi dengan mengubah perintah ke actuator.
 Power untuk mengaktuasi sinyal control
Perintah dikirim melalui unit control oleh alat electromekanik.
Dan sehingga control signal harus diperkuat untuk menghasilkan kekuatan yang
dibutuhkan untuk menjalankan alat.
 Perolehan data dan proses informasi. Didalam kebanyakan system control, data harus
diambil dari proses dan digunakan masukan pada algoritma control. Dalam
pengembangannya proses dapat merekam performansi proses atau kualitas produk.
Perolehan data dan perekaman ini membutuhkan tenaga walaupun dalam jumlah yang
rendah.

9.2.1.7. Program Intruksi

Fitur-fitur pada Penggunaan Program Siklus Kerja pada Sistem Otomatis:
Tabel 9. 2 Fitur Program dan Contoh Aplikasinya
Fitur Program Contoh atau Alternatif

Langkah-langkah pada siklus kerja Contoh :
 Rangkaian khas dari langkah-
langkah : (1) load, (2) proses, (3)
unload
Parameter proses pada setiap langkah Alternatif:
 Satu parameter melawan banyak
parameter dimana harus diganti
setiap langkahnya.
 Parameter yang teru-menerus
melawan parameter diskret
 Parameter yang berganti pada setiap
langkah; contoh, memposisikan
sistem yang mana nilai axis selama
pemrosesan langkah
Langkah-langkah manual dalam siklus Alternatif:
kerja  Langkah-langkah manual melawan
bukan langkah-langkah manual
(siklus kerja yang seluruhnya
otomatis)
Contoh:
 Operator memasukkan dan
mengeluarkan part dari dan ke
mesin
Interaksi operator Alternatif:
 Interaksi operator melawan siklus
kerja yang seluruhnya otomatis
Contoh:
 Operator memasukkan informasi
pemrosesan untuk part kerja
Perbedaan jenis part atau produk Alternatif:
 Jenis part atau produk yang identik
setiap siklus (produksi mass atau
batch) melawan perbedaan jenis part
atau produk setiap siklus (otomasi
fleksibel)
Variasi pada unit-unit kerja awal Contoh:
 Variasi pada dimensi awal atau fitur
part

9.2.2. Sistem Kontrol

Elemen kontrol dari sistem yang otomatis menjalankan instruksi dari program. Sistem
kontrol menyebabkan proses bekerja sebagaimana mestinya, dimana untuk tujuan kita adalah
untuk membuat operasi manufaktur.
Kontrol pada sistem yang otomatis dapat dalam bentuk rangkaian terbuka dan
tertutup. Sistem rangkaian tertutup, juga dikenal dengan sistem kontrol umpan balik, adalah
salah satu dimana variabel output membandingkan parameter input, dan perbedaan diantara
dua pengendalian output menjadi diterima dengan input. Seperti terlihat pada gambar
rangkaian tertutup terdiri dari enam elemen dasar: (1) parameter input, (2) proses, (3) variabel
output,(4) sensor umpan balik, (5) pengendali, (6) aktuator.
Gambar 9. 2Sistem Kontrol Sinyal Balik
Berlawanan dengan sistem kontrol loop tertutup, suatu sistem kontrol loop terbuka
beroperasi tanpa loop sinyal balik, sesuai dengan gambar 3.4. Dalam kasus ini, kontrol
beroperasi tanpa mengukur variabel – variabel keluaran, jadi tanpa perbandingan yang dibuat
antara nilai keluaran aktual dan parameter masukan. Kontroler bergantung pada keakuratan
efek dari model actuator dalam variabel proses. Dengan sistem loop terbuka, selalu ada resiko
bahwa actuator tidak memiliki efek yang konstan dalam proses, dan ini merupakan kerugian
dari sistem loop terbuka. Keuntungannya ialah pada umumnya lebih simple dan murah
dibandingkan dengan sistem loop tertutup. Sistem loop terbuka pada umumnya sesuai
diaplikasikan dengan kondisi sebagai berikut: (1) Kegiatan yang dilakukan oleh sistem
kontrol lebih simpel (2) Fungsi – fungsi kegiatan aktuasi. dapat diandalkan, dan (3) tekanan
reaksi berlawanan dari actuator cukup kecil untuk memberi efek yang kecil dalam kegiatan

aktuasi. Jika karakter – karakter ini tidak dapat diaplikasikan, maka sistem kontrol loop
tertutup mungkin lebih sesuai.
Gambar 9. 3 Sistem Kontrol Loop Terbuka
Gambar 9. 4 Sistem Pemosisian Satu Aksis Meliputi Pemutar Sekrup Yang Dikendalikan Dengan
Servometer
Melihat lebih jauh perbedaan antara sistem loop tertutup dan terbuka untuk kasus
sistem pemosisian. Sistem – sistem pemosisian adalah hal yang umum dalam sistem
manufaktur untuk meletakan part-kerja ke alat atau benda- kerja. Gambar 3.5
mengilustrasikan suatu kasus dari sistem pemosisian tertutup. Dalam operasinya, sistem
diarahkan untuk menggerakkan meja kerja ke lokasi tertentu yang didefinisikan dalam suatu
nilai kordinat dalam Cartesius atau sistem koordinat yang lain. Kebanyakan sistem – sistem
pemosisian memiliki sedikitnya dua aksis ( contohnya: posisi meja x – y ) dengan sistem
kontrol untuk setiap aksisnya, tetapi diagram tersebut hanya mengilustrasikan salah satu aksis
dari kedua aksis tersebut. Motor deservo dihubungkan ke pemutar skrup yang merupakan
actuator umum untuk setiap aksis. Sinyal yang menunjukkan nilai koordinat (contohya: nilai-
x) dikirim melalui kontroler ke motor yang menggerakkan pemutar skrup, yang
perputarannya dikonversikan menjadi gerakan linier dari pemosisian meja. Saat meja
bergerak mendekati ke nilai kordinat x, perbedaan antara posisi-x yang actual dan masukan
nilai-x dapat dikurangi. Posisi-x yang actual diukur oleh sinyal balik sensor (contohnya:

sensor optik). Kontroler terus menggerakkan motor sampai posisi meja yang actual mewakili
nilai masukan posisi.
Untuk kasus loop terbuka, untuk sistem pemosisian akan sama dengan sebelumnya,
kecuali tidak ada loop sinyal balik dan motor stepper digunakan di dalam deserve motor.
Motor stepper didesain untuk memutar jumlah fraksi putaran tiap pulsa yang diterima dari
kontroler. Sejak corong motor terhubung dengan pemutar sekrup, maka pemutar sekrup
menggerakan meja kerja, setiap pulsa berkonversi menjadi gerakan linier konstan yang kecil
dari meja kerja. Untuk menggerakkan meja kerja pada jarak tertentu, jumlah pulsa yang
dikirimkan ke motor mewakili jarak pergerakkannya.
9.2.3. Fischer Teknik

9.2.3.1. Pengenalan Fischer Teknik
Fischer merupakan perusahaan pengembang Fischer Teknik dari Jerman yang bergerak di
bidang manufaktur sejak tahun 1969. Ide terciptanya fischer teknik ini dikarenakan
berkembangnya sistem otomasi yang dikerjakan oleh robot – dimana robot tersebut
dikendalikan oleh komputer – dalam proses-proses manufaktur dalam dunia industri. Fischer
teknik adalah bentuk simulasi sistem gerakan-gerakan dari model-model robot yang telah
dirakit dimana gerakan-gerakan tersebut mensimulasikan sistem aktivitas manufaktur,
misalnya: transfer material antar stasiun, transfer barang jadi ke gudang, loading mesin, dsb.
Dalam fischer teknik pemograman untuk melakukan simulasi gerakan-gerakan dari robot
yang dirakit menggunakan software Lucky Logic for Windows atau disingkat LLWin. Saat
ini, seri software LLWin yang digunakan adalah software LLWin 3.0. Sebelum masuk ke
dalam penjelasan mengenai fischer teknik, pertama-tama akan dibahas mengenai pengertian
dan fungsi dari actuator, controller, pneumatic serta fungsi switch dengan sistem Normally
Open (NO) dan Normally Closed (NC).
9.2.3.2. Actuator
Actuator adalah alat yang bekerja merespon input dari controller atau alat yang
pengaktuasiannya diatur oleh controller dalam suatu sistem otomasi.
Actuator yang paling banyak pengaplikasiannya dalam dunia industri adalah motor dan
silinder kerja (konsep pneumatic).

Gambar 9. 5 Silinder Kerja
Gambar 9. 6 Motor
9.2.3.3. Controller
Controller adalah alat yang berfungsi untuk mengaktuasi dan mengendalikan actuator. Ada
beberapa jenis control yang umum digunakan dalam sistem otomasi, yaitu:
 Kontrol Manual, yaitu kontrol yang langsung dilakukan oleh manusia secara manual.
Tipe kontrol manual: Switch (Pushbutton) , Tuas, Pedal dan Switch (Pushbutton)
Detend.
 Kontrol Mekanik, yaitu kontrol yang dilakukan oleh mekanik atau mesin. Tipe kontrol
mekanik: Plunyer, Pegas, Rol dan Tuas Rol dengan kembali bebas.
 Kontrol Elektrik, yaitu kontrol yang dilakukan oleh arus listrik. Tipe kontrol elektrik:
solenoid dengan 1 koil efektif, solenoid dengan dua koil yang bergerak dalam arah yang
sama dan solenoid dengan dua koil yang bergerak dalam arah yang berlawanan.

Contoh:
Gambar 9. 7 Relay
9.2.3.4. Pneumatic
Pneumatic dapat diartikan sebagai salah satu cabang ilmu fisika yang mempelajari tentang
gerakan udara dan fenomena udara yang dimampatkan sehingga tekanan yang terjadi akan
menghasilkan gaya sebagai penyebab gerak atau aktuasi pada actuator yang berupa tabung
silinder kerja.
9.2.3.5. Sistem Kerja Switch

Untuk sistem kontrol manual yang umum digunakan adalah switch. Sistem kerja yang
digunakan pada switch ada 2 jenis yaitu:
a) Normally Open (NO)
Arus tidak mengalir Arus Mengalir

Gambar 9. 8 Switch dengan sistem NO

b) Normally Closed (NC)
Arus mengalir Arus tidak mengalir

Gambar 9. 9 Switch dengan sistem NC
9.2.4. Menu Perintah Software ROBOPRO

Robopro merupakan software yang digunakan untuk pemrograman Robot
Fischer,robot fischer yang digunakan adalah Coulomn Type Robot. Robot ini merupakn
sebuah replika robot industri, yang dapat mensimulasikan proses material handling. Coulomn
Type Robot, memiliki 4 buah sendi yang masing – masing berfungsi berbeda – beda. Sendi
yang pertama berfungsi untuk menggerakkan badan robot supaya dapat bergerak ke kanan
dan ke kiri atau berputar secara horisontal,. Sendi yang kedua berfungsi untuk menggerakkan
motor gripper untuk dapat bergerak ke depan atau ke belakang.
Gambar 9. 10 Coulomn Type Robot

Sendi berikutnya adalah sendi yang berfungsi untuk menggerakkan motor gripper
supaya dapat bergerak ke atas dan ke bawah. Sendi yang terakhir berfungsi untuk
menggerakkan gripper untuk bergerak membuka atau menutup (menjepit), dengan jangkauan
maksimum ± 5 cm dan berat ± 0.5 kg.
Software Robopro dirancang sedemikian rupa untuk memudahkan penggunanya,
terdapat beberapa menu baru seperti variable dan object, penggunaan subprogram yang
dirancang tepisah dengan main program juga memudahkan / memperingkas panjangnya
bahasa pemrograman. Selain itu koneksi yang dapat digunakan dapat menggunakan kabel
Com ataupun USB. Berikut ini adalah tampilan awal penggunaan software robopro.
Gambar 9. 11 Program control pertama (level 1)

9.2.4.1. Menu Utama

Menu utama digunakan untuk mengawali program , terdapat beberapa tampilan yang
ada seperti berikut ini :
Gambar 9. 12 Menu Utama
New Merupakan Toolbar untuk memulai program baru.
Open Merupakan Toolbar untuk membuka program yang

telah dikerjakan
Save Merupakan Toolbar untuk mensimpan program yang
dikerjakan
Delete Merupakan Toolbar untuk menghapus basic elemen.
Start Merupakan Toolbar untuk Menjalankan program yang

dibuat.
Stop Merupakan Toolbar untuk menghentiakan program

yang berjalan.
Download Merupakan Toolbar untuk medownload program yang

akan dijalankan
Set Merupakan Toolbar untuk memilih interface yang
Interface digunakan apakah menggunakan COM atau USB
Test Merupakan Toolbar untuk mengetes apakah controller
Interface dengan computer terkoneksi dengan baik.
Continue Merupakan Toolbar untuk menjalankan program yang
terhenti
Pause Merupakan Toolbar untuk memberhentikan sementara
program
Step Merupakan Toolbar untuk menjalankan program
dengan step yang ada

Zoom out Merupakan Toolbar untuk memperbesar tampilan.
Zoom in Merupakan Toolbar untuk memperkecil tampilan.
9.2.4.2. Basic Elemen

Basic elemen digunakan sebagai logika pemrograman untuk membuat program sesuai
dengan keinginan pembuat program level 1.
Start Digunakan pada Awal program, berfungsi sebagai

penanda awal program. Tanpa awal program ini
program tidak dapat dijalankan .
End Digunakan untuk mengakhiri program yang telah
selesai dibuat.
Digital Elemen ini digunakan sebagai cabang untuk sensor dan

Branch counter. Digital input ini terdiri dari I1 – I8, Ini
digunakan sebagai input untuk interface.
Analog Elemen ini digunakan apabila menggunakan
Branch variable.analog branch terdiri dari 6 analog input: A1
voltage, A2 voltage, AX resistance, AY resistance, D1
distance sensor 1, D2 distance sensor 2.
Time Delay Elemen ini digunakan untuk memberikan keterangan
waktu, lama gerakan diatur berdasarkan waktu.
Motor Elemen ini digunakan untuk mengatur motor yang

Output berfungsi sebagai sendi robot. Motor ini terdiri dai M1-
M4. M1 digunakan untuk bergerak kekanan dan kekiri,
M2 digunakan untuk bergerak maju dan mundur, M3
digunakan untuk bergerak naik dan turun, dan M4
digunakan untuk gerakan membukan dan menutup
gripper. Dan pergerakknya terdiri dari ccw, cw dan

stop dimana ccw menunjukkan pergerakkan

berlawanan arah jarum jam , cw bergerak searah jarum
jam dan stop untuk berhenti.
Wait for Elemen ini digunakan sebagai sensor. Element ini
input menunggu input dari interface.
Pulse counter Elemen ini digunakan untuk mengatur lamanya

pergerakan berdasarkan counter.
Loop Elemen ini digunakan untuk pengulangan satu urutan

Counter program yang dilakukan beberapa kali.
Drawing Memberikan keterangan dengan menggunakan tulisan.

function
9.2.4.3. Contoh Program Level 1

Berikut ini adalah contoh dari program level 1. Pembuatan program level 1 ini
dilakukan dengan cara men-drag icon yang yang ada pada basic element kedalam
lembar kerja. Bentuk program ini seperti bentuk flowchart.
Gambar 9. 13 Contoh Tampilan Program Level 1

Hasil dari pemrograman diatas adalah:

Robot bergerak kearah atas (M1 CW) dengan kecepatan 8 selama 1 detik kemudian
berhenti
Tabel 9. 3 Langkah-langkah Pembuatan Contoh Program Level 1

9.2.4.4. Subprogram (Level 2)

SUBPROGRAM digunakan untuk mempersingkat pemrograman. Tampilan subprogram (
program level 2)
Gambar 9. 14 Tampilan program level 2
Hampir sama dengan level 1, dimana terdapat menu utama pada bagian atas dan basic
elemen pada kiri atas.perbedaan terletak pada tambahan 3 toolbar pada menu utama dan pada
menu basic elemen terdapat tambahan yaitu subprogram elemen didalam program elemen
(Kiri atas) . Dapat dilihat dari gambar dibawah ini.
Gambar 9. 15 Menu utama dan basic elemen level 2

9.2.4.5. Menu Utama Level 2

Menu utama pada level ini hamper sama dengan menu utama pada level 1 , hanya saja pada
level ini ada beberapa menu tambahan yang digunakan dalam pembentukan sub program.
Create a new Digunakan untuk membuat subprogram baru.

subprogram
Copy the Digunakan untuk membuat subprogram baru
current menggunakan duplikasi dari program yang ada.
subprogram
Delete Digunakan untuk menghapus Subprogram.
Subprogram
9.2.4.6. Basic Element Level 2

Penggunaan basic element ini dibedakan dengan pemanggilan program melalui program
element.
Gambar 9. 16 Basic Element level 2
Dari gambar diatas dapat ditunjukkan bahwa program element terdiri dari basic element dan
sub program I/O. Dan toolbar element subprogram I/O dapat dilihat dari gambar berikut ini:

Gambar 9. 17 Toolbar Subprogram I/O
Subprogram Sebagai icon untuk mengawali subprogram , untuk

entry menghubungkan subprogram dengan main program
Subprogram Sebagai icon untuk mengakhiri subprogram , untuk

exit menghubungkan subprogram dengan main program
9.2.4.7. Pembuatan Subprogram

Pembuatan subprogram ini digunakan untuk meringkas program yang dibuat. Dimulai
dengan memilih new subprogram pada menu level 2. Kemudian akan tampil pilihan
seperti ini:

Gambar 9. 18 New Subprogram
Kemudian beri nama pada kolom Name, misalkan tertulis pada kolom name Sub1,
maka pada kolom atas disamping mainprogram akan muncul kolom Sub1.
kemudian buat program dengan awal entry

(Subprogram elemen).
Gambar 9. 19 Contoh Program Entry untuk Subprogram
Kemudian kembali ke main program, kamudian loaded program masukan sub 1 yang
ada hubungkan dengan start dan end. Seperti Gambar 9. 20:

Gambar 9. 20 Subprogram Pada Main Program
Program yang sama seperti contoh program dasar telah disingkat dengan adannya
subprogram yang diwakili oleh sub1, maka didapatkan program yang lebih sederhana
daripada program yang sudah ada.
9.2.5. Arduino
Arduino adalah pengendali mikro single-board yang bersifat open-source, dirancang
untuk memudahkan penggunaan elektronik dalam berbagai bidang. Hardware dalam Arduino
memiliki prosesor Atmel AVR dan menggunakan software dan bahasa sendiri. Hardware
dalam arduino memiliki beberapa jenis, yang mempunyai kelebihan dan kekurangan dalam
setiap papannya. Penggunaan jenis arduino disesuaikan dengan kebutuhan, hal ini yang akan
mempengaruhi dari jenis prosessor yang digunakan. Jika semakin kompleks perancangan dan
program yang dibuat, maka harus sesuai pula jenis kontroler yang digunakan. Yang
membedakan antara arduino yang satu dengan yang lainnya adalah penambahan fungsi dalam
setiap boardnya dan jenis mikrokontroler yang digunakan.
Salah satu produk Arduino adalah Arduino Uno. Arduino Uno adalah salah satu
produk berlabel arduino yang sebenarnya adalah suatu papan elektronik yang mengandung
mikrokontroler ATMega328 (sebuah keping yang secara fungsional bertindak seperti sebuah
komputer). Piranti ini dapat dimanfaatkan untuk mewujudkan rangkaian elektronik dari yang
sederhana hingga yang kompleks. Pengendalian LED hingga pengontrolan robot dapat
diimplementasikan dengan menggunakan papan berukuran relatif kecil ini.

Gambar 9. 33 Papan Arduino Uno
Software arduino yang digunakan adalah driver dan IDE, walaupun masih ada
beberapa software lain yang sangat berguna selama pengembangan arduino. Integrated
Development Environment (IDE), suatu program khusus untuk suatu komputer agar dapat
membuat suatu rancangan atau sketsa program untuk papan Arduino. IDE arduino merupakan
software yang sangat canggih ditulis dengan menggunakan java.
Gambar 9. 34 Tampilan Software Arduino
Contoh pengaplikasian Arduino adalah membuat lengan robot dan mengendalikannya

menggunakan potensiometer. Papan UNO Arduino diprogram untuk mengontrol motor servo
dan masukan analog arduino diberikan kepada potensiometer. Lengan robot adalah bagian
dari industri mekatronika karakteristiknya berupa ekstensi, pemosisian, orientasi, alat, dan
objek yang dapat dibawa.

Gambar 9. 35 Robotic Arm
9.2.6. Part Programming

9.2.6.1. NC Part Programming
Pemrograman Mesin NC dapat dilaksanakan dalam tiga cara. Pertama, Pemrograman
Manual (Manual Programming) yang dilakukan pada mesin NC (online, machine tool level,
manual NC Data input). Kedua, Pemrograman dengan komputer pembantu (Computer
Assisted Programming) yang dilakukan pada komputer lain (off line). Ketiga, Pemrograman
Terintegrasi dalam sistem CAD/CAM yang memanfaatkan basis data geometrik (internal
geometrical data base) yang dihasilkan oleh perancang produk dengan sistem CAD.
Dalam pembuatan program NC untuk proses pemesinan suatu produk diperlukan tiga
langkah utama, yaitu (1) langkah persiapan, (2) langkah pelaksanaan (pembuatan program),
dan (3) langkah percobaan.

Tabel 9. 4 Contoh Rencana Pembuatan Program NC
TUGAS INFORMASI / DATA

Gambar Teknik Perangkat Keras
Ukuran Toleransi Kehalusan Jumlah Mesin Tools Material
Langkah Persiapan
1. Merencanakan cara pembuatan
- Jenis urutan proses
- Memilih mesin
- Urutan operasi
2. Perhitungan/analisa proses
- Urutaan dan cara pencekaman
- Urutan proses
- Pemilihan pahat
- Kondisi pemesinan
Langkah Pemrograman
1. Manual Programming
- Penulisan kode pemrograman
dan pengelohan mesin
2. Automatic Programming
- Pendefinisian geometri
- Perintah gerakan dan
pengelolaan mesin
- Penerjemahan / Post
Processing
Langkah Percobaan
1. Dry Run
2. Pemesinan material pengganti
3. Pemesinan benda sesungguhnya
4. Konfirmasi kualitas (sertifikasi
program)
9.2.6.2. Prinsip mesin NC

NC adalah pengontrolan mesin perkakas menggunakan pita berlobang (punched tape)
atau program. NC dikembangkan oleh Electronic Industries Association (EIA) sebagai suatu
sistem yang aktivitasnya dikontrol oleh data numerik yang diisikan pada beberapa titik.
Sistem harus secara otomatis diterjemahkan pada pengendalian mesin dan sekurang-
kurangnya dengan porsi data tertentu. Suatu part program merupakan sekumpulan data
numerik yang diperlukan untuk menghasilkan suatu komponen.

Gambar 9. 36 Sistem NC
Sistem mesin NC
 Sistem mesin perkakas NC terdiri dari
o Machine control unit (MCU) merupakan otak dari mesin NC/CNC. Bertugas
membaca program dan menerjemahkan program untuk menjadi perintah-
perintah yang mengontrol gerakan-gerakan dan spindel. MCU terdiri dari:
 Data processing unit (DPU), yang memproses pembacaan coded data
dari tape atau media lain dan meneruskan informasi (arah gerakan,
feed, dan kontrol fungsi tambahan) setiap axis ke CLU.
 Control-loops unit (CLU), mengoperasikan mekanisme gerakan mesin,
menerima isyarat feed back tentang posisi aktual dan kecepatan gerak
setiap axis dan menginformasikan kapan operasi pemesinan selesai
dikerjakan (signal control).
o Mesin Perkakas
9.2.6.3. Pemrograman NC
1. Sistem Koordinat
2. Media penyimpanan program NC
3. Kode simbolik
4. Format masukan tape
5. NC words
Sistem Koordinat
 Setiap gerak axis dilengkapi dengan sumber penggerak.

 Sumber penggerak antara lain adalah motor DC, motor stepper, dan aktuator hidrolik.
 Gerak relatif antara tool dan benda kerja akan diatur oleh mekanisme gerakan slides
mesin perkakas.
 Gerakan utama tiga axis akan selalu berpedoman pada sumbu x, y dan z.
Gambar 9. 37 Kaedah tangan kanan (sistem koordinat)
Gambar 9. 38 Sistem koordinat mesin bubut
Sistem Koordinat
 Axis Z
 Pada mesin dengan benda kerja berputar, seperti bubut, axis Z paralel dengan spindle,
dan gerak positif sesuai dengan arah tool menjauhi benda kerja.
 Pada mesin dengan tool yang berputar, seperti mesin milling atau boring, axis Z
paralel pada tool axis, dan gerak positif sesuai dengan arah tool menjauhi benda kerja.
 Pada mesin press, planning atau shearing, axis Z tegak lurus tool set, dan gerak positif
akan menambah jarak antara tool dan benda kerja.
 Axis X
 Pada mesin bubut, axis X adalah arah gerakan tool dan gerak positif sesuai dengan
arah tool menjauhi benda kerja
 Pada mesin milling horizontal, axis X paralel dengan meja.
 Pada mesin milling vertikal, axis X positif ke kanan.
 Axis Y
 Axis ke arah kiri pada standar sistem koordinat Cartesian

Gambar 9. 39 Sistem koordinat mesin drill
Gambar 9. 40 Sistem koordinat mesin milling
Media penyimpanan program NC

Ada 4 jenis media penyimpanan program NC :
1. Punched card; data hanya bisa sebagai input ke MCU dengan tingkat kelajuan rendah
2. Punched tape; pembacaan sebaris dalam waktu yang sama. Pembacaan dilakukan
persetiap blok.
3. Magnetic tape; dipersiapkan mengunakan metoda berbasis komputertidak dapat editing
pada tape dan kemampuan terbatas.
4. Direct communication link; transmisi data NC dengan melalui jaringan, MCU digantikan
dengan mikrokomputer, dapat memonitor beberapa mesin secara simultan

Gambar 9. 41 Punched Card

Kode simbolik
Dalam aplikasi NC selalu digunakan kode:
 BCD (binary-coded decial)
o Data berupa simbol, kata, angka harus merepresentasikan 8 mark.
o Berdasarkan EIA Standard RS-244A
 ASCII (American Standard Code for Information Interchange)
o Juga digunakan pada komputer dan telekomunikasi
o Mempunyai karakter yang lebih lengkap dibandingkan BC
Gambar 9. 42 Form Penulisan Kode

NC words
 Nomor urut (kode N); khusus untuk penomoran secara berurutan yang dapat juga untuk
identifikasi setiap blok.
 Preparatory word (kode G); digunakan sebagai alat komunikasi untuk persiapan masuk ke
MCU. Sesuai dengan EIA standar RS-273
 Koordinat (X, Y dan Z); memberikan posisi koordinat tool. Perpindahan sejauh 0.6in
dengan arah positif pada sistem NC dengan BLU=0.001in. Dan jumlah pergeseran 600,
maka dalam NC part program akan ditulis X+600.
 Laju pemakanan (kode F); untuk berhubungan dengan suapan (feed) pada operasi
pemesinan. Unit: inchi per minute (ipm)
 Kecepatan spindle (kode S); dikhususkan kecepatan pemotongan pada proses pemesinan.
Unitnya revolusion per minute (rpm)
 Pemilihan tool (kode T); dirancang untuk mesin yang berhubungan dengan tool turret
atau automatic tool changer
 Miscellaneous function (kode M); dirancang untuk partikular mode dari operasi mesin
perkakas NC. Misalnya aktifkan media pendingin (on/off). Sesuai dengan EIA standar
RS-273.

F Code. feed speed.

inch/min (ipm), or ipr.
F code must be given before either G01, G02, or G03 can be used.
N0100 G02 X7.000 Y2.000 I5.000 J2.000 F6.00
S Code. cutting speed code.
It is programmed in rpm.
S code does not turn on the spindle, spindle is turned on by a M code.
N0010 S1000


Kompensasi radius-tool
G40: batalkan kompensasi radius-tool
G41: kompensasi – kiri
G42: kompensasi – kanan
M96: Blok tambahan untuk kurva eksternal
M97: Menuju titik pemesinan ketika memotong kurva eksternal

9.2.7. Computer Numerically Controlled (CNC)

CNC adalah singkatan dari Computer Numerically Controlled, yakni komputer yang
dikendalikan oleh sejumlah angka dan huruf. Dengan demikian mesin CNC (CNC Machine =
Computerized Numerically Controlled) adalah mesin yang dilengkapi dengan komputer yang
mampu menyimpan dan memproses sejumlah angka dan huruf (data) yang selanjutnya
menjadi data lintasan, dan data perintah. Pada prinsipnya cara kerja mesin CNC ini adalah
benda kerja dipotong oleh sebuah pahat yang berputar dan kontrol gerakannya diatur oleh
komputer melalui program yang disebut G-Code. Komputer ini merupakan komponen yang
sangat penting dan sangat vital dalam sistem kontrol numerik (NC) . Komputer dapat
memecahkan persamaan-persamaan matematika dan pekerjaan yang sulit dalam waktu

singkat. Selain itu sebuah komputer dapat dengan mudah memahami bentuk dan ukuran
benda kerja, fungsi kontrol dari mesin dan operasi pengerjaannya.
Mesin CNC dapat dibagi menjadi dua kelompok: mesin bubut dan mesin milling.
Mesin bubut umumnya terdiri dari alat yang memutar benda kerja dengan kecepatan tinggi
dan mata pahat (ujung tajam) yang memotong bagian yang tidak diinginkan dari benda kerja
(di mana alat tersebut digerakkan maju mundur dan keluar masuk sampai bentuk yang
diinginkan. tercapai). Mesin milling adalah mesin yang memiliki spindel (alat yang mirip
dengan router) dengan alat khusus yang berputar dan memotong ke berbagai arah dan
bergerak dalam tiga arah yang berbeda sepanjang sumbu x, y, dan z.
Proses penggerakan pahat dan meja potongnya ini yang dijalankan oleh sistem
komputer. Dalam mengoperasikan mesin CNC milling ini hanya dibutuhkan 1 orang operator
untuk menjalankannya dengan cara memasukan program NC menggunakan software khusus
yang telah terpasang, setelah itu mesin akan bekerja secara otomatis. Ada pun Software
pendukung yang dapat digunakan oleh mesin CNC adalah Software CAD (Computer Aided
Design) ataupun CAM (Computer Aided Manufacturing).
Hasil pengerjaan mesin CNC biasanya lebih rapih dan lebih akurat dibandingkan
mesin milling yang masih menggunakan sistem manual. Jika dilihat dari segi keamanan kerja,
tentunya kedua mesin ini beresiko menimbulkan kecelakaan tapi mesin CNC milling lebih
minim menimbulkan kecelakaan karena tidak tidak melibatkan banyak tangan (operator)
dalam sistem pengerjaannya.
Gambar 9. 43 Sistem kerja mesin CNC

Bagian-bagian mesin CNC :

1. Part Program : Sebagai media penyimpanan program (pita berlubang).
2. Program Input Device : mekanisme memasukan part program ke dalam kontrol CNC.
3. Machine Control Unit (MCU) : merupakan otak dari mesin NC/CNC. Bertugas membaca
program dan menerjemahkan program untuk menjadi perintah-perintah yang mengontrol
gerakan-gerakan dan spindel. MCU terdiri dari Data processing Unit (DPU) dan Clontrol
Loop Unit (CLU).
4. Drive Motor : Sebagai motor penggerak ball lead-screws ke posisi meja kerja.
5. Work Table : Meja kerja proses CNC
6. Feedback Device : Sebagai Alat umpan balik yang sistemnya menggunakan tranduser
(pengubah) posisi dan kecepatan untuk memonitor secara terus-menerus dari pahat setiap
saat.
Keuntungan penggunaan mesin CNC antara lain adalah :

o Pengurangan waktu setup
Mesin CNC dapat mengurangi waktu setup karena waktu setup yang sebenarnya
seharusnya tidak menjadi masalah besar, dengan adanya modular fixturing (alat bantu
pegang), perkakas standar (alat potong), pencari lokasi tetap, penggantian perkakas
otomatis, dan fitur lanjutan lainnya yang ada di mesin CNC membuat waktu penyetelan
lebih efisien daripada waktu setup mesin konvensional yang sebanding.
o Pengurangan Lead Time
Setelah program bagian ditulis dan terbukti benar, program tersebut siap digunakan lagi
di masa mendatang, bahkan dalam waktu singkat. Meskipun lead time proses pertama
biasanya lebih lama, hampir nihil untuk semua proses berikutnya. Bahkan jika perubahan
teknik pada desain bagian memerlukan modifikasi program, hal itu biasanya dapat
dilakukan dengan cepat, sehingga mengurangi waktu tunggu.
o Accuracy and repeatability
Pada saat pembuatan benda kerja, mesin CNC ini mampu mengulangi membuat beberapa
benda kerja dengan bentuk yang sama persis dan tepat dengan aslinya.
o Membuat kontur berbentuk kompleks
Mesin CNC dapat digunakan untuk berbagai bentuk pengerjaan/bermacam-macam
kontur sesuai dengan kebutuhan.

o Waktu pemotongan yang konsisten dan Peningkatan produktivitas

Mesin CNC dapat memproduksi benda kerja secara terus menerus dengan hasil yang
baik, sehingga dapat meningkatkan produktifitas pengerjaan.
Kerugian penggunaan mesin CNC antara lain adalah:

o Modal awal yang besar.
o Pabrikasi komponen benda kerja yang sederhana menjadi sulit karena menggunakan
format yang rumit.
o Memerlukan tenaga ahli yang mempunyai pengetahuan pemograman komputer dan
peralatan NC.
o Perawatan yang sulit dan memerlukan biaya perawatan yang tinggi.
9.2.8. Parameter dan Kondisi Pemesinan

Pemesinan merupakan suatu proses manufaktur yang berhubungan dengan
mekanisme material removal [Groover, 1997]. Masalah material removal membahas
pergerakan relatif antara benda kerja dengan pahat potong (tools). Dengan mengendalikan
proses pergerakan pahat potong ini, geometri suatu benda kerja yang diinginkan dapat dibuat.
Parameter pemesinan sangat berguna dalam mengendalikan proses pemesinan untuk
mendapatkan bentuk geometri yang diinginkan. Parameter-parameter yang sering digunakan
tersebut antara lain adalah speed, feed, dan kedalaman potong.
9.2.7.1. Facing
Untuk operasi Facing, waktu proses pemesinan dihitung berdasarkan persamaan
berikut ini:
D  alowance
T ……….……………………..………..(Groover, 2002 )
2 f  N
dimana:
T= waktu potong (menit)
D=diameter benda kerja (mm)
Allowance=0.5
f=gerak makan (mm/put)

V 1000
N …………………………………….........(Groover, 2002 )
D
dimana:
N= kecepatan putar (put/menit)
V=kecepatan potong (m/menit)
D=diameter akhir benda kerja (mm)
9.2.7.2. Turning
Untuk operasi Turning, waktu proses pemesinan dihitung berdasarkan persamaan
berikut ini:
L
T ……………..….……………………..………..(Groover, 2002 )
f N
dimana:
T= waktu pemotongan (menit)
L=panjang benda kerja yang dimesin (mm)
V 1000
N ……..….……………………..………..(Groover, 2002 )
 ( D  2d )
dimana:
d=kedalaman potong (mm)
9.2.7.3. Drilling
Untuk operasi Drilling, waktu proses pemesinan dihitung berdasarkan persamaan
berikut ini:
Lubang Tembus:

tA
T …………………………………..………..(Groover, 2002)
f N
Lubang Buntu:
d
T ……….……….…………………..………..(Groover, 2002 )
f N
dimana:
t=tebal benda kerja (mm)
d=jarak dari permukaan benda kerja terhadap titik lubang
 
A=approach allowance (mm)=0,5.D.tan  90  
 2
θ=drill point angle=118º
V 1000
N ……….…………….…………..………..(Groover, 2002 )
D
dimana:
D=diameter tools (mm)
9.2.7.4. Boring
Untuk operasi Boring, waktu proses pemesinan dihitung berdasarkan persamaan
berikut ini:
L
T ……….…….……………………..………..(Groover, 2002 )
f Nz
dimana:
T=waktu pemotongan (menit)
L=panjang benda kerja yang dimesin (mm)
z=mata pahat= 2

V 1000
N ……….………..………………..………..(Groover, 2002 )
D
dimana:
Untuk operasi Tapping dan Counterboring, waktu proses pemesinan dihitung berdasarkan
persamaan Drilling, berbeda pada parameter yang digunakan.
9.2.7.5. Milling
Untuk operasi Milling, waktu proses pemesinan dihitung berdasarkan persamaan berikut
ini:
L  2A
T ……….…………........…………..………..(Groover, 2002 )
f N
dimana:
L=kedalaman potong (mm)
D D
A=approach allowance= for W= up to D
2 2
V 1000
N ……….…………........…………..………..(Groover, 2002 )
D
dimana:
D=diameter tools (mm)
9.2.7.6. Grinding
Untuk operasi Grinding, waktu proses pemesinan dihitung berdasarkan persamaan
berikut ini (taufiq Rochim,1993):

lt  h 
tc     tdw t sp  ………........…………..………..(Taufiq Rochim, 1993)
V f t  f r 
dimana:
tc=waktu penggerindaan (s)
lt=jarak gerak melintang (mm)
Vft=kecepatan makan tangensial, gerak meja (mm/s)
h=tebal geram (mm)
fr=gerak makan radial=0.025 m/langkah
tdw+tsp=waktu dwell =4 s; sedangkan sparking out=(2 s.d. 6)x lt/Vfa
Vfa=wheel speed (mm/s)
9.3. Alat Dan Bahan

1. Peralatan yang digunakan:
a. 1 unit komputer dengan software LLWin 3.0.
b. 3 unit microcontroller ( 2 unit untuk Robot Konveyor dan 1 unit untuk Robot
Industri ).
c. 4 Model Industri Robot:
 Swivel Robot
 Welding Robot
 Column Type Robot
 Kink-arm Robot
d. Cable Connector
2. Software pemrograman Fischer Technik
3. Gambar produk
4. Kode Material
5. Karakteristik Mesin yang digunakan
6. Dimensi Tools yang digunakan
7. Waktu proses
8. Rencana proses


Pelaksanaan praktikum dilakukan praktikan di Laboratorium Sistem Produksi :
1. Praktikan mempelajari tools dan proses kerja robot Fischer Teknik serta kemampuannya
2. Praktikan mempelajari cara visualisasi robot Fischer Teknik.
3. Praktikan mendapat tugas (mengerjakan lembar kerja praktikum) untuk membuat
program robot Fischer Teknik terkait dengan proses pembuatan komponen kereta
mainan pada PIM I.
a. Pemberian soal yang berhubungan dengan proses dan pembuatan komponen dari
kereta main pada PIM I. Misal proses handling material dari proses cutting ke
drilling.
b. Pembuatan skenario proses dengan mendeskripsikan skenario gerak robot yang
diinginkan dari sistem yang akan dibuat berdasarkan soal. Misal untuk proses
cutting dilakukan dengan lengan robot mengambil material setelah material
menyentuh sensor lalu material diletakkan pada mesin cutting dan mesin cutting
mulai bergerak.
c. Praktikan membuat Allocation list dengan mengidentifikasikan input dan output
yang akan digunakan dengan melihat sistem yang ada. Misal untuk proses cutting
dibutuhkan input berupa sensor, sedangkan untuk outputnya berupa motor atau
lampu.
d. Pembuatan program dilakukan berdasarkan skenario yang telah dibuat dan
disesuaikan dengan allocation list-nya.
e. Pembuatan analisa dilakukan dengan membandingkan antara proses manual
dengan proses otomasi yang disimulasikan.
4. Praktikan mendapat penjelasan tentang pemrograman untuk robot FT.
5. Praktikan mengembangkan program part programming.

Laporan dikumpulkan satu minggu setelah praktikum berlangsung, dengan
sistematika sebagai berikut :
BAB I PENDAHULUAN
1.1. Tujuan Penelitian
BAB II PROGRAM UNTUK OPERASI ROBOT FISCHER TEKNIK

2.1. Skenario proses

2.2. Allocation List
2.3. Program
2.4. Analisa
BAB III PEMBUATAN BAHASA PEMROGRAMAN UNTUK KOMPONEN (Part
Programming)
3.1. Gambar Komponen
3.2. Menyusun langkah kerja komponen
3.3. Pembuatan Bahasa pemrograman komponen dengan “G Code”
BAB IV KESIMPULAN AN SARAN
4.1. Kesimpulan
4.2. Saran
9.6. Pustaka
[1] Chang, Tien-Chien, et.al., Computer-Aided Manufacturing, 2nd Ed, Prentice Hall,
2000.
[2] Groover, Fundamentals of Modern Manufacturing, John Wiley & Sons, 2000.
[3] Groover M., Automation, Production System and Computer Integrated
Manufacturing, Prentice Hall Inc., New Jersey, 2001.
[4] Machining Data Handbook 3rd Edition, Machinability Data Center, Institute of
Advanced Manufacturing Sciences, Inc.
[5] Sato G.T., Sugiharto N., Menggambar Mesin : Menurut Standar ISO, Pradnya
Paramita, Jakarta, 1992.
[6] Smid, Piter, CNC Programming Handbook, 3rd Edition, Industrial Press, Inc., New
York, 2000.


Modul - PIM - II Aa

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

Modul - PIM - II Aa

Diunggah oleh

Hak Cipta:

Format Tersedia

DAFTAR ISI

TATA TERTIB LABORATORIUM...................................................................................... i

Gambar 1. 1. Bagan Sistematis dari Langkah-Langkah Perancangan Kerja ...................................... 1.2

Gambar 2. 1 Siklus Manufaktur ......................................................................................................... 2.3

Gambar L2. 1 Hasil Plot Data Food ................................................................................................. L2.2

Gambar 5. 1 Proses Input Output MRP ..............................................................................................5.8

Gambar L5. 1 MRP Specification ......................................................................................................... 1

Tabel 2. 1 Peramalan Regresi Linier .................................................................................................2.11

Tabel 4. 1. Hasil Peramalan Terbaik Selama 12 Bulan .......................................................................4.4

Tabel 5. 1. Penentuan Item Dalam Family Yang Akan Dibuat ...........................................................5.2

PERANCANGAN INDUSTRI MANUFAKTUR II (PIM II)

D. Tata Tertib Selama Praktikum

G. Tanda Selesai Praktikum

H. Ujian Akhir Praktikum

I. Nilai Akhir PIM 2

Jakarta, 24 Agustus 2020

(Dr. Rina Fitriana ST,MM) (Ir. Sumiharni Batubara, MSc)

Dian Mardi Safitri, ST, MT & Tim

Dr. Ir. Nora Azmi, MT MP-IIP222-01/R.4

DISETUJUI OLEH : MULAI BERLAKU :

Dr. Rina Fitriana ST, MM

NAMA PRAKTIKUM : PRAKTIKUM PERANCANGAN INDUSTRI

1.1. Tujuan Praktikum

Setelah menyelesaikan praktikum ini diharapkan :

Fakultas Teknologi Industri MP-IIP222-01/R.4

1.2. Teori Singkat

TEKNIK-TEKNIK PENGUKURAN KERJA

Produktivitas Lebih Tinggi

Gambar 1. 1. Bagan Sistematis dari Langkah-Langkah Perancangan Kerja

(Sumber : Wignjosoebroto, 2003)

Fakultas Teknologi Industri MP-IIP222-01/R.4

Fakultas Teknologi Industri MP-IIP222-01/R.4

1.2.2. Faktor Lingkungan Kerja dan Hubungannya dengan Performansi Kerja

Fakultas Teknologi Industri MP-IIP222-01/R.4

Peningkatan suhu lingkungan umumnya mempengaruhi suhu tubuh manusia. Peningkatan

Fakultas Teknologi Industri MP-IIP222-01/R.4

Fakultas Teknologi Industri MP-IIP222-01/R.4

Sudut Pandang (arc min) = 3438 x h/d

Kontras = (Lmax – Lmin) / Lmax

Fakultas Teknologi Industri MP-IIP222-01/R.4

Tabel 1. 2. Color Rendering Index untuk Beberapa Jenis Lampu

No Nama Sumber cahaya CRI

Fakultas Teknologi Industri MP-IIP222-01/R.4

b. Jauhkan sumber cahaya sejauh mungkin dari garis pandang mata.

Fakultas Teknologi Industri MP-IIP222-01/R.4

Tabel 1. 3. Tingkat Iluminansi yang Direkomendasikan untuk Desain Pencahayaan Interior

Kategori Terang lx (fc) Jenis aktivitas

Pekerjaan yang membutuhkan pandangan mata khusus pada kontras

Fakultas Teknologi Industri MP-IIP222-01/R.4

Tabel 1. 5. Skala Intensitas Kebisingan

Desibel Batas dengan tertinggi

Fakultas Teknologi Industri MP-IIP222-01/R.4

Intensitas suara (dBA) Waktu yang diijinkan (jam)

Kesimpulan umum mengenai pengaruh dari kebisingan :

Fakultas Teknologi Industri MP-IIP222-01/R.4

D = 100   1 + 2 + ... + n   100

1.2.3. Metode Penelitian Di Dalam Ergonomi dan Perancangan Kerja

Fakultas Teknologi Industri MP-IIP222-01/R.4

1.2.3.1. Studi Deskriptif (Descriptive Studies)

Fakultas Teknologi Industri MP-IIP222-01/R.4

1.2.3.2. Penelitian Eksperimen (Experimental Research)

1.2.3.3. Riset Evaluasi (Evaluation Research)

Fakultas Teknologi Industri MP-IIP222-01/R.4