Baseline dan Indikator Kinerja Energi, Air dan

Limbah

Oleh :

Aris Ika Nugrahanto, ST, MBA, CEM, CEAs, (Certified ISO 50001 Lead Auditor)
Suranto, ST (certified ISO 50001 Lead Auditor)
 Tujuan Pelatihn
• Peserta memahami pentingnya menyusun baseline dan indikator kinerja yang benar
untuk mengevaluasi kinerja energi, air dan limbah.
• Peserta memahami dan mampu menyusun baseline dan indikator kinerja untuk masing
masing industrinya. Baik untuk level 1 (keseluruhan industry) , maupun level 2 (di
proses atau area tertentu).
• Peserta memahami dan mampu mengevaluasi kinerja energi, limbah dan air untuk
periode Jan-Oktober 2016 dibandingkan baseline di tahun 2015.
• Setiap Divisi di Indofood group memahami cara mengevaluasi keseluruhan kinerja
energi, limbah dan air di divisinya dan mampu mengagregatkan kinerja untuk
keseluruhan indofood group.
 Where are we?
MODUL 1 (Sept-Nov 2016)
Form Kesepakatan (1st week Nov 2016) Data Matrix (1st week Nov 2016) Data 2015 dan 2016 (3rd week Nov 2016)

MODUL 2 (Dec 2016)

Baseline Level 1 & 2 (1st week Evaluasi Kinerja & Sustainability
Indikator Kinerja (1st week Dec2016)
Dec 2016) Reporting 2016 (3rd week Dec 2016)

MODUL 3 (Jan-Feb 2017)

STATISTICAL METHOD UNTUK
CORPORATE OBJECTIVE &TARGET 2017 INDIVIDUAL OBJECTIVE AND TARGET
MENETAPKAN OBJECTIVE & TARGET
(Feb 2017) 2017 (Feb 2017)
(Feb 2017)
 Where are we?

MODUL 4 (March-April 2017)

Energy System Optimization Development Action Plan & Implementation of Action Plan
Training (March 2017) Program (April 2017) and Program (April – Sept 2017)

MODUL 5 (Sept-Dec 2017)

Sustainability Performance
M&V Kinerja 2017 (Sept-Oct Sustainability performance report
Evaluation for individual company
2017) 2017 (Nov-Dec 2017)
and Indofood Group (Nov 2017)
 How we proceed today?
• Fasilitator akan memberikan pengantar teori tentang baseline dan indikator
kinerja.
• Fasilitator akan memberikan pengantar untuk baseline dan indikator kinerja
energi, termasuk menunjukkan contoh mengolah data yang sudah disusun
dalam data matrik menjadi baseline matrix dan menjadi baseline dengan
pendekatan regresi. Sebagai contoh akan dipakai data salah satu pabrik
Indofood divisi noodle.
• Seluruh peserta akan melakukan exercise 1 dan 2 menyusun baseline level 1
untuk perusahaan masing masing, menetapkan EnPI dan mengevaluasi kinerja
energi tahun 2016 Vs baseline 2015, dengan bimbingan fasilitator.
 How we proceed today?
• Fasilitator dan peserta akan mendiskusikan teknik normalisasi data untuk
baseline yang tidak memenuhi persyaratan statistik, dan sekaligus
dipraktekkan.
• Fasilitator akan mendiskusikan teknik penyusunan baseline dengan multiple
regression bagi industri dengan multi variabel.
• Fasilitator akan menjelaskan dengan praktek penyusunan baseline untuk air
dan indikator kinerja serta evaluasi kinerja pengelolaan air, praktek akan
menggunakan data dari salah satu industri di divisi noodle.
• Fasilitator akan menjelaskan dengan praktek penyusunan baseline untuk
limbah dan indikator kinerja serta evaluasi kinerja pengelolaan air, praktek
akan menggunakan data dari salah satu industri di divisi noodle.
 BASELINE
• Baseline adalah nilai acuan yang ditetapkan pada kondisi tertentu di
eriode waktu tertentu (baseyear).
• Baseline digunakan sebagai pembanding apakah kinerja pada
kondisi yang serupa dengan baseline pada periode waktu lain lebih
baik atau lebih buruk.
• Baseline biasanya digunakan sebagai indikator kinerja.
• Indikator kinerja yang baik adalah indikator yang nilainya tidak
terpengaruh oleh apapun kecuali oleh perubahan kinerja, tidak
terpengaruh naik turunnya produksi, cuaca, maupun variabel lain.
ENERGI
 Indikator Kinerja Energi
EnPI type Example Problems
Measured energy value Annualised consumption Misleading results
Do not use variables
Do not measure energy efficiency
Ratio kWh per unit Misleading results
Does not account for baseload
and non-linear effects
Regression Y=mX+C Complex if it is not linear
X: variable value Uncertainty
C: baseload Must be maintained and adjusted
Engineering model Energy simulation Complex
Must be maintained and adjusted

Source: ISO 50006

9
 Pentingnya Baseline yg Benar
• Penetapan baseline dan Indikator Kinerja Energi yang tidak
tepat dapat menghasilkan kesimpulan kinerja yang tidak tepat
• Penetapan kinerja yang tidak tepat bisa menyebabkan
hilangnya potensi perbaikan dan merugikan secara financial
maupun non financial.
• Apabila kinerja menjadi bagian dari evaluasi kinerja personel
bisa menyebabkan demotivasi.
"How many managers have been told by their staff that bad coal
consumption was due to low output? How is it possible for them
to judge whether this is an excuse or a reason?”

These are the opening words from a fuel efficiency bulletin, published in 1943 by the Ministry of Fuel and Power, which criticises the "ton of coal
per ton of output" metric as a misleading indicator of fuel efficiency.

The author was Oliver Lyle, managing director of the eponymous sugar refinery, a very knowledgeable and eminent engineer who had no time
whatever for the Specific Energy Ratio. Any works engineer today will know that SERs vary continuously for reasons nothing to do with energy
efficiency.

11
 Energy per unit of production
140
126
120
100 99
100 95

80
60
40
20
0
2008 2009 2010 2011
Car assembly industry
12
 Which is right?

-16.74 %

-8.94 %
+2.19 %

Brewing industry
13
 Typical example

 Which was the worse energy

performance?
Foundry industry
14
 Typical example

Worse
Better

0.805

0.870

Foundry industry
15
 Regression vs SEC

SEC: kWh / UNIT

REGRESSION TREND

kWh

baseload

Using SEC shows

not only non-precise results (YELLOW)
but usually contrary results (RED)
baseload
Variable

16
EXERCISE 1 & 2.
Menyusun Baseline, Indikator Kinerja Energi dan Evaluasi Kinerja
Energi Level 1. Keseluruhan Pabrik
 Exercise 1
• Tujuan: baseline untuk konsumsi listrik di Indofood noodle pasuruan
• Baseyear : 2015
• Y : KWh, Listrik Total
• X : Ton, Berat adonan total
• Periode Evaluasi: Jan-Okt 2016
• Susun dan lengkapi, “Baseline Matrix”, sbb:
Bulan Ton Adonan KWh listrik Prediction Diff CUSUM
Exercise II. Develop level 1 Baseline & Performance Evaluation
Metode : Single regression
• Step 1. Buat grafik scatter with only markers untuk X dan Y yang
telah ditentukan di baseline matrix.
• Step 2. add trendline dari grafik tersebut dan munculkan equation
dn nilai R2.
• Step 3. analisa korelasiya ;
a. R2 ≥ 0.75 (IPMVP) berarti well correlated
b. Slope atau koefisien dari X positif.
c. Konstanta atau baseload positif.
 Understand and interpret results
• R2:
– What does the R2 mean?: % of variation explained by variables
• High R2:
a) If all predicted variables were included:
a) Strong correlation. Not necessarily good performance.
b) If not all predicted variables were included. Think why.
a) The other ones were not really variables.
b) Saving Opportunities in operational control.
• Low R2:
a) There are other variables.
b) Saving Opportunities in operational control.

20
Exercise II. Develop level 1 Baseline & Performance Evaluation

• Step 4. Jika kondisi di step 3 terpenuhi , maka persamaan yang

dihasilkan adalah persamaan baseline : y=a1 X1 + C.
Persamaan ini dapat diguakan untuk memprediksi atau
memproyeksikan nilai y (konsumsi energi) pada nilai x
(driver) dimasa akan datang.
• Step 5. Hitunglah nilai y prediksi berdasarkan persamaan yang
dihasilkan di step.4 dengan nilai x aktual di bulan Jan-Okt
2016.
Exercise II. Develop level 1 Baseline & Performance Evaluation

• Step 6. Isilah kolom diff dengan selisih antara aktual kosumsi

energi sesuai dengan catatan dengan prediksi konsumsi energi
berdasarkan hitungan dari baseline. Diff = Actual-Prediksi. Jika
diff (-) berarti terjadi penghematan energi. Lakukan untuk
bukan Jan-Okt 2016.
• Step. 7. Isilah kolom CUSUM degan perhitungan akumulatif
dari diff mulai Jan-Okt 2016. Buatlah grafik line dari CUSUM
ini. Trend CUSUM menunjukkan kinerja energi dibandingkan
baseline di tahun 2015.
 Normalisasi Data Baseline
Jika nilai R2 rendah atau slope dan Konstanta negatif (-) , maka
ada beberapa kemungkinan :
1. Data error, terdapat data anomali yang harus dicari dan dikeluarkan dari persamaan
baseline dengan cara mendelete row data tersebut. Data ini harus ditandai dan
diinvestigasi darimana sumber errornya. (recordingnya/ time framenya/ equipment
error/ human error).
2. Variabel X tersebut memang tidak berkorelasi dengan Y atau ada variabel lain yang
berpengaruh yang belum masuk ke persamaan. Solusinya : ganti variabelnya atau
tambahkan variabel lain dan buatlan baseline dengan regresi multi variable
(multiple regression).
Exercise III. Develop Baseline & Performance Evaluation with
Multiple Variable
 Exercise III. Develop Baseline & Performance Evaluation with
Multiple Variabel
Kapan multiple variabel diperlukan :
• Ketika ada lebih dari satu variabel X yang mempengaruhi nilai Y.
• Diindikasikan dengan nilai R2 yang rendah.
• Awas antar variable tidak boleh saling terkait (colinearrity)
Contoh : Jumlah produksi sirup akan memberikan pengaruh yang
berbeda thd konsumsi energi dibandingkan jumlah produksi
kecap dan saos.
 Exercise III. Develop Baseline & Performance Evaluation with
Multiple Variabel
Metode : Multiple Regression.
• Step 1. Pastikan tools Data > Data Anaysis di Ms. Excell
berfungsi.
• Step 2. Susunlah matrix baseline dengan urutan berikut :

Bulan Liter saos Liter kecap Liter sirup KWh listrik Prediction Diff CUSUM
 Exercise III. Develop Baseline & Performance Evaluation with
Multiple Variabel
• Step 3. Klik Data > Data Analysis > Regresi
Pilih data X1 sampai Xn di bagian data X
Pilih data Y dibagian data Y, lalu klik OK, Maka akan keluar
data sebagai berikut di sheet baru di excel.
 Exercise III. Develop Baseline & Performance Evaluation with
Multiple Variabel
Step 4. Lakukan analisa terhadap annova yang dihasilkan oleh step 3. meliputi :
1. Apakah coeficient X1, X2…Xn positif
2. Apakah Konstanta (intercept) positif
3. Nilai multiple R2 diatas 0.75
4. Nilai P Value dari X1, X2…Xn < 0.05
5. Nilai Significant F < 0.1
Apabila 5 persyaratan diatas terpenuhi maka persamaan baselinenya adalah :
Y = a1 X1 + a2 X2 + …an Xn + C
Testing significance of relevant variables

Coefficients P-value < 0.1?

29
 Understand and interpret results
• P-value:
– What does the P-value mean?: Probability of being significant.
• Low P-value:
a) The variable is significant.
• High P-value:
a) The variable is not significant.
b) Some variables are correlated. Colinearity. Check it.
c) The variable is significant but there are other variables.
d) Saving Opportunities in operational control.

30
Testing significance of the model

Significance F < 0.1?

31
 Understand and interpret results
• Significance F:
– What does this mean?: Probability of being significant.
• Low Significance F:
a) The model is significant.
• High Significance F:
a) The model is not significant.
b) Some variables are non-linear.
– But:
• Low significance F + high P-value
a) Colinearity

32
 Exercise III. Develop Baseline & Performance Evaluation with
Multiple Variabel
• Step 5,6 & 7. lakukan seperti langkah langkah untuk single
regresi.
 Next for ENERGY
1. Lakukan penyusunan baseline untuk Y dan X yang berbeda,
misal untuk batubara Vs Ton steam.
2. Lakukan penyusunan baseline untuk level 2, misal konsumsi
listrik (KWh) untuk cup noodle Vs adonan (Ton) cup noodle.
3. Baseline level 2 hanya memungkinkan apabila terdapat cukup
submeter.
WASTE/ LIMBAH
 Baseline untuk limbah
Untuk waste tidak ada baseload, sehingga baseline dengan
intensity cukup dan tidak memerlukan regresi.
Beberapa baseline untuk limbah antara lain :
Level 1 :
• Solid Waste Non Hazardous (All solid waste non Hazardous –
Domestic Waste) / Processed material or <finish good + reject>
• Solid Waste B3 / Processed material or <finish good + reject>
 Baseline untuk limbah
Level 2 :
• Domestic solid waste non B3 / HOK
• Solid Valuable Waste non B3 Recycle rate
• Solid Valuable Waste B3/ Processed material or <finish good + reject>;
Recycle rate.
• Solid Industrial Waste B3/ Processed material or <finish good + reject>;
Recycle rate.
• Liquid waste B3 non industrial waste water / Processed material or <finish
good + reject>, Recycle rate.
• Liquid B3 industrial waste water / Processed material or <finish good +
reject>
Exercise IV. Baseline & Performance Evaluation Waste
 Exercise IV. Baseline & Performance Evaluation Waste

• Susunlah baseline untuk waste tahun 2015 level 1 dan level 2

seperti daftar diatas.
• Berdasarkan baseline tahun 2015, evaluasi kinerja manajemen
waste di bulan Jan-Oktober 2016.
NO Baseline of Baseline 2015 Actual Jan-Oct % Improved Qty
2016
1 Solid waste non B3 vs Finish 0.5 Kg/1000 pcs 0.46 Kg/1000 pcs 8% 800 Kg
Good + reject
2 Solid Valuable Waste B3 2 kg/ 1000 pcs 2.1 kg/1000 pcs - 5% 500 Kg
3 Solid Valuable Waste Recycle 90% 100% 10% 1000 Kg
Rate
WATER/ AIR
 Baseline untuk limbah
Untuk water/Air tidak ada baseload, sehingga baseline dengan
intensity cukup dan tidak memerlukan regresi.
Beberapa baseline untuk air antara lain :
Level 1 :
• (Total Water Consumption – Domestic used water)/ Output
produk
• Domestic used water / HOK
 Baseline untuk limbah
Level 2 :
• Domestic water recycle rate
• Processed water recycle rate
• Ground water intake / Total water consumed
• Renewable source water (lagoon, rain harvest)/Total water consumption
Exercise V. Baseline & Performance Evaluation Water
 Exercise V. Baseline & Performance Evaluation Water

• Susunlah baseline untuk Air tahun 2015 level 1 dan level 2

seperti daftar diatas.
• Berdasarkan baseline tahun 2015, evaluasi kinerja manajemen
Air di bulan Jan-Oktober 2016.
NO Baseline of Baseline 2015 Actual Jan-Oct % Improved Qty
2016
1 Industrial Water 15 lt/1000 pcs 12 lt/1000 pcs 20% 200.000 lt
2 Domestic used water 100 lt/ HOK 115 lt/HOK - 15% 4.000 M3
3 Rain Harvest/Total water 5% 6% 1% 2000 M3
 Follow Up Before Coaching
• Selesaikan :
- Baseline & Evaluasi kinerja (sampai grafik CUSUM) untuk
energi level 1 & 2
- Baseline & Evaluasi kinerja Water level 1 & 2
- Baseline & Evaluasi kinerja Waste level 1 & 2
• Kirim baseline dan evaluasi kinerjanya ke Indofood corporate dalam bentuk
file excel (data detail tidak perlu dikirimkan)
• Agregat per divisi dan indofood group total akan dibantu disusun oleh
fasilitator.
• Hasil agregat akan dikomunikasikan ke peserta sebagai feed back.
 Coaching
Division Name Scheduled Coach
1.NOODLE 5 Des, Pagi Aris Nugrahanto
2.DIARY 5 Des, Siang Aris Nugrahanto
3. SNACK FOOD
4. BISCUIT 6 Des, Siang Gema
5. FOOD SEASONING
6. FOOD INGREDIENT
7. BOGASARI 6 Des, Pagi Aris Nugrahanto
8. BEVERAGES PEPSI 5 Des, Pagi Gema
9. BEVERAGES CLUB 5 Des, Siang Gema
10.BEVERAGES 6 Des, Pagi Gema
11.FLEXIBLE PACKAGING
12.CORRUGATED PACKAGING
13.AGRIBUSINESS 6 Des , Siang Aris Nugrahanto
14.NUTRITION SPECIAL FOOD
Terima Kasih