BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA. pihak perusahaan PT. Muliapack Intisempurna. Pengumpulan data ini

Transkripsi

1 98 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4. Pengumpulan Data Proses pengumpulan data dilakukan dengan dua cara, yaitu pengumpulan data secara langsung dan secara tidak langsung. Pengumpulan data secara langsung dilakukan melalui observasi dan wawancara terhadap pihak perusahaan PT. Muliapack Intisempurna. Pengumpulan data ini bertujuan untuk mengetahui permasalahan dan topik yang akan diambil pada PT. Muliapack Intisempurna. Pengumpulan data tidak langsung meliputi pengambilan data historis dari laporan operasional mesin. Pada tahap ini, dilakukan penyaringan data dan menentukan batasan serta ruang lingkup masalah untuk memudahkan pengumpulan data. Data yang diperoleh antara lain data interval waktu kedatangan pallet ke mesin slitting, waktu pelayanan, dan rata-rata waktu proses dari tiap mesin di perusahaan tersebut. Selanjutnya data yang dikumpulkan akan diolah sehingga dapat dilakukan analisa hasil dan pembahasan penelitian. Data-data waktu pada tabel pengumpulan data semua satuannya telah diganti dalam bentuk menit agar lebih memudahkan perhitungan. Adapun data-data yang diperoleh dari perusahaan PT. Muliapack Intisempurna ditampilkan dan dikelompokkan sebagai berikut.

2 Data Waktu Proses Mesin Printing, Laminating, dan Slitting Tabel 4. Data Waktu Proses Keseluruhan Mesin Job Printing Laminating Slitting SUMBER TABEL : PT. Muliapack Intisempurna 4..2 Data Interval Kedatangan Mesin Slitting Dalam perhitungan waktu kedatangan, waktu memasuki dan meninggalkan sistem dalam Tabel 4.2 sampai 4.0, karena dilakukan pengamatan selama 3 hari maka pada hari kedua ditambahkan 24 jam dan ketiga ditambahkan 48 jam.

3 00 No Tabel 4.2 Data Interval Kedatangan Mesin Slitting Interval Kedatangan (menit) Waktu Kedatangan Waktu Memasuki Sistem Waktu Proses (menit) Waktu Meninggalkan Sistem SUMBER TABEL : PT. Muliapack Intisempurna 4..3 Data Interval Kedatangan Mesin Slitting 2 No Tabel 4.3 Data Interval Kedatangan Mesin Slitting 2 Interval Kedatangan (menit) Waktu Kedatangan Waktu Memasuki Sistem Waktu Proses (menit) Waktu Meninggalkan Sistem SUMBER TABEL : PT. Muliapack Intisempurna

4 Data Interval Kedatangan Mesin Slitting 3 No Tabel 4.4 Data Interval Kedatangan Mesin Slitting 3 Interval Kedatangan (menit) Waktu Kedatangan Waktu Memasuki Sistem Waktu Proses (menit) Waktu Meninggalkan Sistem SUMBER TABEL : PT. Muliapack Intisempurna 4..5 Data Interval Kedatangan Mesin Slitting 4 No Tabel 4.5 Data Interval Kedatangan Mesin Slitting 4 Interval Kedatangan (menit) Waktu Kedatangan Waktu Memasuki Sistem Waktu Proses (menit) Waktu Meninggalkan Sistem SUMBER TABEL : PT. Muliapack Intisempurna

7 Data Interval Kedatangan Mesin Slitting 9 No Tabel 4.0 Data Interval Kedatangan Mesin Slitting 9 Interval Kedatangan (menit) Waktu Kedatangan Waktu Memasuki Sistem Waktu Proses (menit) Waktu Meninggalkan Sistem SUMBER TABEL : PT. Muliapack Intisempurna 4.. Earliest Due Date (EDD) Mesin Slitting Tabel 4. Earliest Due Date (EDD) Mesin Slitting SUMBER TABEL : PT. Muliapack Intisempurna Task (i) Processing Due Date Time (ti) (di)

8 Pengolahan Data Pengolahan data yang dilakukan berdasarkan pada data-data yang telah dikumpulkan baik sumbernya berasal dari data aktual perusahaan, hasil pengamatan, wawancara dan observasi langsung, data historis, maupun hasil perhitungan lainnya. Pengolahan data ini bertujuan untuk memperoleh suatu hasil atau nilai dengan menggunakan dasar-dasar metode perhitungan yang nantinya akan dianalisa dampak dan pengaruhnya bagi perusahaan Gantt Chart Gantt Chart berfungsi untuk menunjukkan adanya antrian yang terjadi di pabrik, terutama pada mesin Slitting. Berikut adalah gambaran antrian yang digambarkan dengan Gantt Chart menggunakan software Microsoft Project 2007, yang menggambarkan tingkat antrian yang terjadi setelah pengerjaan 20 job menggunakan empat seri mesin printing-laminating-slitting.

9 06 SUMBER GAMBAR: Software Microsoft Project 2007 Gambar 4. Gantt Chart Kelompok Mesin SUMBER GAMBAR: Software Microsoft Project 2007 Gambar 4.2 Gantt Chart Kelompok Mesin 2 Gambar 4.3 Gantt Chart Kelompok Mesin 3 SUMBER GAMBAR: Software Microsoft Project 2007

10 07 SUMBER GAMBAR: Software Microsoft Project 2007 Gambar 4.4 Gantt Chart Kelompok Mesin 4 Dari Gantt Chart diatas dapat terlihat pengerjaan job semakin lama semakin besar waktu tunggunya, terutama pada mesin slitting. Pengerjaan di mesin pertama yaitu pada mesin printing, tidak menunggu terlalu lama karena merupakan pengerjaan tahap pertama. Namun pada mesin slitting dapat terlihat bar yang semakin lama semakin panjang disebabkan oleh waktu tunggu yang lama menunggu selesainya pengerjaan job-job sebelumnya Diagram Sebab-Akibat Terjadinya Antrian Diagram Sebab-Akibat yang dikenal sebagai diagram Fishbone merupakan salah satu metode paling sederhana namun efektif untuk menganalisa sumber-sumber penyebab dari suatu masalah yang dihadapi oleh perusahaan. Pada diagram berikut digambarkan berbagai penyebab antrian dengan permasalahan utama di ujung depan tulang ikan berikut rincian penyebab umum dan khususnya digambarkan sebagai tulang utama dan

11 08 tulang-tulang kecil untuk menganalisis secara keseluruhan penyebab dari permasalahan antrian dengan perilaku Multiple Waiting Line With Jockeying pada mesin slitting. SUMBER GAMBAR : Hasil Pengamatan Gambar 4.5 Diagram Sebab Akibat Distribusi Data Kedatangan dan Pelayanan Dalam perhitungan dan analisa antrian kita perlu mengetahui terlebih dahulu distribusi data tingkat kedatangan dan pelayanan dari antrian dan server yang tersedia saat ini. Berikut adalah pengujian distribusi data kedatangan (λ) dan tingkat pelayanan (μ) dengan perhitungan menggunakan software Minitab 4.0.

12 Pengujian Distribusi Tingkat Kedatangan dengan Software Minitab 4.0 Percent Weibull Probability Plot for Interval Kedatangan LSXY Estimates-Censoring Column in Censor Percent Lognormal C orrelation C oefficient Weibull Lognormal Exponential * Normal Interval Kedatangan Interval Kedatangan 0000 Percent Exponential Percent Normal Interval Kedatangan Interval Kedatangan Gambar 4.6 Grafik Probability Plot of Interval Kedatangan SUMBER GAMBAR: Software Minitab Goodness-of-Fit Anderson-Darling Correlation Distribution (adj) Coefficient Weibull Lognormal Exponential * Normal Table of Percentiles Standard 95% Normal CI Distribution Percent Percentile Error Lower Upper Weibull Lognormal Exponential Normal

13 0 Weibull Lognormal Exponential Normal Weibull Lognormal Exponential Normal Weibull Lognormal Exponential Normal Table of MTTF Standard 95% Normal CI Distribution Mean Error Lower Upper Weibull Lognormal Exponential Normal

14 Pengujian Distribusi Tingkat Pelayanan dengan Software Minitab 4.0 Probability Plot for Pelayanan LSXY Estimates-Censoring Column in Censor Percent Weibull 200 Pelayanan 500 Percent Lognormal Pelayanan 500 C orrelation C oefficient Weibull Lognormal Exponential * Normal Percent Exponential Percent Normal Pelayanan Pelayanan 500 Gambar 4.7 Grafik Probability Plot of Tingkat Pelayanan SUMBER GAMBAR: Software Minitab Goodness-of-Fit Anderson-Darling Correlation Distribution (adj) Coefficient Weibull Lognormal Exponential * Normal Table of Percentiles Standard 95% Normal CI Distribution Percent Percentile Error Lower Upper Weibull Lognormal Exponential Normal

15 2 Weibull Lognormal Exponential Normal Weibull Lognormal Exponential Normal Weibull Lognormal Exponential Normal Table of MTTF Standard 95% Normal CI Distribution Mean Error Lower Upper Weibull Lognormal Exponential Normal Perhitungan Antrian Yang Terjadi Pada Mesin Slitting Dari Gantt Chart ditunjukkan bahwa tingkat antrian yang tinggi terjadi di mesin Slitting. Melalui pengujian diatas, diketahui bahwa distribusi interval kedatangan berdistribusi Poisson dikarenakan hasil yang didapat bahwa interval kedatangan memiliki distribusi eksponensial, dimana kedua distribusi tersebut memiliki sifat yang sama., sedangkan tingkat pelayanannya terdistribusi secara eksponensial. Antrian pada mesin Slitting saat ini berupa antrian multi-channel, dengan perilaku antrian multiple waiting line with jockeying dan jumlah server yang memadai saat ini sebanyak 9 server. Pada pengamatan selama 58 jam diketahui total tingkat kedatangan ke mesin Slitting sebanyak 87 pallet.

16 3 87pallet Mean waktu kedatangan = 58jam =.5 pallet / jam Karena interval kedatangan terdistribusi Poisson, maka: jam Poisson exp = menit / pallet Mean waktu pelayanan = 37 menit / pallet Tingkat Kedatangan (λ) = Tingkat Pelayanan (μ) = 60menit =.5 pallet / jam 60menit 37 = 0.6 pallet / jam ρ = Dengan c (server) = 9, maka peluang terjadi antrian adalah: λ c. μ =.5 9x0.6 =.05 ρ > ; traffic intensity tinggi sehingga terjadi antrian yaitu : Dengan jumlah server 9, maka perhitungan rata-rata waktu tunggu saat ini

17 4 Tabel 4.2 Tabel Perhitungan Waktu Tunggu Dengan c = 9 Waktu Kedatangan Waktu Memasuki Sistem Waktu tunggu

18 5 Tabel 4.2 Tabel Perhitungan Waktu Tunggu Dengan c = 9 (Lanjutan) Waktu Kedatangan Waktu Memasuki Sistem Waktu tunggu

19 6 Tabel 4.2 Tabel Perhitungan Waktu Tunggu Dengan c = 9 (Lanjutan) Waktu Kedatangan Waktu Memasuki Sistem Waktu tunggu Rata -rata 2208,62

20 7 *) Perhitungan biaya tunggu (waiting cost) setiap hari dengan 9 server Asumsi : Cost akibat menunggu mengakibatkan lost sales Rp. 2000,-/menit Total produksi/hari = 24 jamx60menit 37 = 3.88 pallet Operator cost = Rp ,- (Rp /shift) Maka waiting cost = Wq x cost x total produksi/hari = 2208,62 menit x Rp.2000 x 3.88 pallet = Rp ,- Total cost = Rp Rp = Rp ,- ρ = Jika dilakukan penambahan server menjadi 0 server (c = 0) λ c. μ =.5 0x0.6 = 0.94 ρ < ; masih terjadi antrian, namun dapat diatasi dengan 0 server Dengan jumlah server 0, probabilitas sistem antrian kosong yaitu : c c (c. ρ) (c. ρ) Po = + c!( ρ) n= 0 n! n

21 8 = 0 c (0x0.94) (0x0.94) + 0!( 0.94) n= 0 0! 0 (0x0.94) +! (0x0.94) ! 0 = [ ( ) ] = [ ] = [ ] - = Probabilitas antrian kosong sangat kecil *) Banyak pallet yang membentuk antrian λ Po.. ρ μ Lq = 2 c!( ρ) c = x 0.6 0!( 0.94) 0 2 x0.94 = = 2.9 pallet *) Banyak pallet yang mengantri dalam sistem Ls = Lq + μ λ =

22 9 = pallet. *) Waktu menunggu rata-rata dalam antrian Wq = λ Lq = = 8.55 jam *) Waktu yang diperlukan untuk menunggu dalam sistem Ws = Wq + μ = = 4.80 jam *) Probabilitas terjadi delay dalam sistem D = c (c. ρ).po c!( ρ) = = 0 (0x0.94) x !( 0.94) D = 0.79

23 20 *) Perhitungan biaya tunggu (waiting cost) setiap hari dengan 0 server Asumsi : Cost akibat menunggu mengakibatkan lost sales Rp. 2000,-/menit Total produksi/hari = 24 jamx60menit 37 = 3.88 pallet Operator cost = Rp ,- (Rp /shift) Maka waiting cost = Wq x cost x total produksi/hari = 8.55 jam (53 menit) x Rp.2000 x 3.88 pallet = Rp ,- Total cost = Rp Rp = Rp ,- ρ = Jika dilakukan penambahan server menjadi server (c = ) λ c. μ =.5 x0.6 = 0.86 ρ < ; masih terjadi antrian, namun dapat diatasi dengan server Dengan jumlah server, probabilitas sistem antrian kosong yaitu : c c (c. ρ) (c. ρ) Po = + c!( ρ) n= 0 n! n

24 2 = c (x0.86) (x0.86) +!( 0.86) n= 0 0! 0 (x0.86) +! (x0.86) ! = [ ( ) ] = [ ] = [ ] - = Probabilitas antrian kosong sangat kecil *) Banyak pallet yang membentuk antrian λ Po.. ρ μ Lq = 2 c!( ρ) c = x 0.6!( 0.86) 2 x0.86 = = 3.20 pallet *) Banyak pallet yang mengantri dalam sistem Ls = Lq + μ λ =

25 22 = pallet. *) Waktu menunggu rata-rata dalam antrian Wq = λ Lq = = 2.2 jam *) Waktu yang diperlukan untuk menunggu dalam sistem Ws = Wq + μ = = 8.37 jam *) Probabilitas terjadi delay dalam sistem D = c (c. ρ).po c!( ρ) = = (x0.86) x !( 0.86) D = 0.53

26 23 *) Perhitungan biaya tunggu (waiting cost) setiap hari dengan server Asumsi : Cost akibat menunggu mengakibatkan lost sales Rp. 2000,-/menit Total produksi/hari = 24 jamx60menit 37 = 3.88 pallet Operator cost = Rp ,- (Rp /shift) Maka waiting cost = Wq x cost x total produksi/hari = 2.2 jam (27.2 menit) x Rp.2000 x 3.88 pallet = Rp ,- Total cost = Rp Rp = Rp ,- ρ = Jika dilakukan penambahan server menjadi 2 server (c = 2) λ c. μ =.5 2x0.6 = 0.79 ρ < ; masih terjadi antrian, namun dapat diatasi dengan 2 server Dengan jumlah server 2, probabilitas sistem antrian kosong yaitu : c c (c. ρ) (c. ρ) Po = + c!( ρ) n= 0 n! n

27 24 = 2 c (2x0.79) (2x0.79) + 2!( 0.79) n= 0 0! 0 (2x0.79) +! (2x0.79) ! 2 = [ ( ) ] = [ ] = [53.08] - = Probabilitas antrian kosong sangat kecil *) Banyak pallet yang membentuk antrian λ Po.. ρ μ Lq = 2 c!( ρ) c = = x 0.6 2!( 0.79) x0.79 = 0.26 pallet *) Banyak pallet yang mengantri dalam sistem Ls = Lq + μ λ =

28 25 = pallet. *) Waktu menunggu rata-rata dalam antrian Wq = λ Lq = = 0.7 jam *) Waktu yang diperlukan untuk menunggu dalam sistem Ws = Wq + μ = = 6.42 jam *) Probabilitas terjadi delay dalam sistem D = c (c. ρ).po c!( ρ) = = 2 (2x0.79) x !( 0.79) D = 0.32

29 26 *) Perhitungan biaya tunggu (waiting cost) setiap hari dengan 2 server Asumsi : Cost akibat menunggu mengakibatkan lost sales Rp. 2000,-/menit Total produksi/hari = 24 jamx60menit 37 = 3.88 pallet Operator cost = Rp ,- (Rp /shift) Maka waiting cost = Wq x cost x total produksi/hari = 0.7 jam (0.2 menit) x Rp.2000 x 3.88 pallet = Rp ,- Total cost = Rp (Rp x 3) = Rp ,- Asumsi biaya pengoperasian sarana per hari (EOCi) = Biaya Tenaga Kerja + Biaya lain-lain (listrik, maintenance) = Rp / hari + Rp / hari = Rp / hari Dari perhitungan diatas dengan sistem untuk model i, dari rumus (M/M/) : (GD/ / ), dapat diketahui tingkat pelayanan yang optimum sebagai berikut.

30 27 Tabel 4.3 Tabel Perhitungan Pelayanan Optimum Model i EOCi EWCi ETCi 9 server Rp Rp Rp server Rp Rp Rp server Rp Rp Rp server Rp Rp Rp Dari tabel perhitungan pelayanan yang optimum dapat diketahui bahwa jumlah server yang optimum adalah server, dimana dapat dikatakan optimum jika tingkat pelayanan meningkat, biaya waktu menunggu menurun (jumlah kedua biaya ini minimum).

31 Perancangan Tata Letak Untuk Penambahan Mesin Slitting Gambar 4.8 Tata Letak Ruangan Mesin Slitting (sekarang) SUMBER GAMBAR: PT. Muliapack Intisempurna

32 29 Gambar 4.9 Tata Letak Ruangan Mesin Slitting setelah penambahan mesin (usulan) SUMBER GAMBAR: PT. Muliapack Intisempurna

33 Perhitungan BEP Penambahan Server (Mesin) Dari perhitungan penentuan jumlah server antrian yang optimal, diketahui bahwa jumlah server yang memadai untuk jumlah antrian saat ini adalah 0 server. Sedangkan saat ini hanya tersedia 9 mesin. Oleh karena itu diperlukan pembelian mesin baru. Berikut perhitungan BEP untuk penambahan mesin Slitting baru. Biaya pembelian mesin = $ = Rp Fixed Cost = Biaya mesin + Biaya Bangunan (Biaya bangunan diasumsikan 0 sebab ruang yang dibutuhkan telah tersedia) Variable Cost = Tenaga Kerja + Bahan Baku + Maintenance Cost TC ( Total Cost ) = Fixed Cost + Variable Cost p = rata-rata harga jual per satuan produk = Rp / roll c = ongkos variabel untuk membuat produk Ongkos total pembuatan 325 roll produk (Jan 2009) = Rp ,- Ongkos total pembuatan 33 roll produk (Feb 2009) = Rp ,- Asumsi ongkos-ongkos variabel berhubungan secara proposional dengan jumlah produk yang dihasilkan.

34 3 c = c = a b n a n b c = c = Rp / roll p = Rp / roll Jumlah yang harus diproduksi sehingga BEP tercapai: n = = FC p c Rp Rp Rp = 2875 roll Perusahaan memproduksi rata-rata meter produk per bulan Panjang gulungan (roll) = 8000 m Rata-rata jumlah roll yang diproduksi = = 32.5 roll / bulan Maka BEP akan tercapai pada: BEP = = 4.2 bulan 3.43 tahun

35 Perhitungan Kelayakan Penambahan Mesin Slitting Biaya Pembelian Mesin (P) = $ = Rp Waktu proses palet pada mesin slitting = 37 menit Waktu proses per roll = menit / roll = 2.06 jam / roll Jumlah roll yang dapat diproduksi buah mesin slitting selama tahun = 300harix24 jam = roll / tahun 2.06 jam Annual Worth (A) = roll x Rp = Rp / tahun Asumsi bahwa MARR (i) = 0% dan mesin dapat berproduksi hingga 0 tahun kedepan. NPW = - Rp Rp (P/A, 0%, 0) = - Rp Rp (6,446) = - Rp Rp = Rp NPW > 0

36 Penjadwalan Metode CDS (Campbell, Dudek, and Smith) Pengolahan data dengan metode penjadwalan CDS menggunakan data waktu proses untuk mengerjakan 20 pekerjaan yang sudah dikelompokkan dalam 4 kelompok seri mesin printing, laminating dan slitting. Masingmasing 4 kelompok seri mesin mengerjakan 5 pekerjaan sehingga jika digabungkan jumlah total yang dikerjakan adalah 20 pekerjaan. Dari gambar Gantt Chart terbukti terjadi antrian pada mesin slitting. Total Flow Time pada pengerjaan 20 job dapat dilihat dan dibandingkan pada perhitungan sebelum dan sesudah menggunakan penjadwalan dengan metode CDS. Satuan waktu dalam tabel perhitungan adalah dalam menit. Tabel 4.4 Data Waktu Proses Mesin Printing, Laminating, Slitting Mesin/Job M M M Tabel 4.5 Kumulatif Waktu Proses Mesin Printing, Laminating, Slitting dengan Metode FCFS (Sekarang) Mesin/Job M M M

37 34 Total Flow Time (TFT) = Ft i = menit Makespan = 8735 menit n i= Perhitungan CDS Tahap Tabel 4.6 Perhitungan Tahap CDS Mesin/Job M M Alternatif Urutan : Tabel 4.7 Perhitungan Alternatif Mesin/Job M M M

38 35 Tabel 4.8 Kumulatif Alternatif Mesin/Job F F F Total Flow Time (TFT) = Ft i = menit Makespan = 8625 menit n i= Alternatif 2 Urutan : Tabel 4.9 Perhitungan Alternatif 2 Mesin/Job M M M

39 36 Tabel 4.20 Kumulatif Alternatif 2 Mesin/Job F F F n Total Flow Time (TFT) = Ft i = menit Makespan = 8625 menit i= Alternatif 3 Urutan : Tabel 4.2 Perhitungan Alternatif 3 Mesin/Job M M M

40 37 Tabel 4.22 Kumulatif Alternatif 3 Mesin/Job F F F Total Flow Time (TFT) = Ft i = menit Makespan = 8625 menit n i= Alternatif 4 Urutan : Tabel 4.23 Perhitungan Alternatif 4 Mesin/Job M M M

47 44 Tabel 4.36 Kumulatif Alternatif 0 Mesin/Job F F F Total Flow Time (TFT) = Ft i = 9365 menit Makespan = 8625 menit n i= Alternatif Urutan : Tabel 4.37 Perhitungan Alternatif Mesin/Job M M M

48 45 Tabel 4.38 Kumulatif Alternatif Mesin/Job F F F Total Flow Time (TFT) = Ft i = menit Makespan = 8625 menit n i= Alternatif 2 Urutan : Tabel 4.39 Perhitungan Alternatif 2 Mesin/Job M M M

54 5 Tabel 4.50 Kumulatif Alternatif 7 Mesin/Job F F F Total Flow Time (TFT) = Ft i = 9360 menit Makespan = 8625 menit n i= Alternatif 8 Urutan : Tabel 4.5 Perhitungan Alternatif 8 Mesin/Job M M M

61 58 Tabel 4.64 Kumulatif Alternatif 24 Mesin/Job F F F Total Flow Time (TFT) = Ft i = menit Makespan = 8625 menit n i= Perhitungan CDS Tahap 2 Tabel 4.65 Perhitungan Tahap 2 CDS Mesin/Job M + M M 2 + M Alternatif Urutan :

62 59 Tabel 4.66 Perhitungan Tahap 2 Alternatif Mesin/Job M M M Tabel 4.67 Kumulatif Tahap 2 Alternatif Mesin/Job F F F Total Flow Time (TFT) = Ft i = menit Makespan = 8625 menit n i= Alternatif 2 Urutan :

63 60 Tabel 4.68 Perhitungan Tahap 2 Alternatif 2 Mesin/Job M M M Tabel 4.69 Kumulatif Tahap 2 Alternatif 2 Mesin/Job F F F Total Flow Time (TFT) = Ft i = 9390 menit Makespan = 8625 menit n i= Alternatif 3 Urutan :

64 6 Tabel 4.70 Perhitungan Tahap 2 Alternatif 3 Mesin/Job M M M Tabel 4.7 Kumulatif Tahap 2 Alternatif 3 Mesin/Job F F F Total Flow Time (TFT) = Ft i = menit Makespan = 8625 menit n i= Alternatif 4 Urutan :

67 64 Tabel 4.76 Perhitungan Tahap 2 Alternatif 6 Mesin/Job M M M Tabel 4.77 Kumulatif Tahap 2 Alternatif 6 Mesin/Job F F F Total Flow Time (TFT) = Ft i = menit Makespan = 8625 menit n i= Maka pilihan tahap alternatif 24 karena memiliki total flow time terkecil yaitu menit dengan urutan pekerjaan [ ] TFT sekarang TFT usulan Efisiensi waktu alir = x00% TFT sekarang = x00% = 3.29 % 96675

68 Perhitungan dengan Metode Penjadwalan Sekarang dengan First Come First Serve (FCFS) Tabel 4.78 Processing Time Mesin Slitting Selama 3 Hari (Sekarang) Processing Time Task (i) (ti) Urutan = Rata-rata waktu alir : Fs = ((n ti) + (n ti) +...) n Fs = (0 x x x x x x x x x x 285 ) = 820 menit

69 66 Tabel 4.79 Perhitungan Lateness Mesin Slitting Sekarang dengan Metode FCFS Task (i) Processing Time (ti) Cumulative Processing Time (Ci) Due Date (di) Lateness (Ci - di) Total Lateness Rata-rata lateness = lateness = task(i) = menit = - 5,67 jam Urutan = Rata-rata lateness = - 5,67 jam = 0 Max lateness = 0

70 Perhitungan dengan Metode Penjadwalan Shortest Processing Time (SPT) Tabel 4.80 Processing Time Mesin Slitting Selama 3 Hari Setelah Diurutkan dari Processing Time yang Paling Kecil Processing Task (i) Time (ti) Urutan : Rata-rata waktu alir : Fs = ((n ti) + (n ti) +...) n Fs = (0 x x x x x x x x x x 435 ) = 250,2 menit

Menunjukkan lagi