performa vol 8.no.1

Performa (2009) Vol. 8, No.1: 1-8

Integrasi Data Envelopement Analysis dan Fault Tree Analysisuntuk Peningkatan Efisiensi Perusahaan Wholesaler: Studi Kasus

Yuniaristanto, Ramadhany A.T, dan Wahyudi SutopoLaboratorium Sistem Logistik dan Bisnis, Jurusan Teknik Industri, Universitas Sebelas Maret

Jl. Ir. Sutami 36A, Surakarta 57126, Telp/Fax. (0271) 632110

AbstraksiTujuan penelitian ini dimaksudkan untuk mengetahui tingkat efisiensi strategi dan mengetahui faktor-faktor yang mempengaruhi ketidak-efisienan strategi pemasaran pada suatu perusahaan Wholesaler.Pendekatan Data Envelopment Analysis digunakan mengukur tingkat efisien pada banyak input danbanyak output dari suatu Strategi Pemasaran. Pendekatan Fault Tree Analysis digunakan untuk mencaripenyebab ketidak-efisienan strategi pemasaran. Hasil penelitian yang diperoleh bahwa nilai efisiensipada Bagian Tele dan Promo adalah kuran dari satu atau belum efisien. Dari pendekatan Fault TreeAnalysis diketahui bahwa faktor artikel produk yang di jual tidak lengkap, paket kemasan terlalu besar,aksi borong pedagang besar, pengiriman Supplier terlambat, pelayanan kurang ramah dan tidak adadelivery menyebabkan rendahnya nilai efisien.

Keywords: data envelopment analysis, fault tree analysis, wholesaler, efisiensi, strategi pemasaran

1. PendahuluanDate Envelopment Analysis (DEA) adalah suatu metodologi yang digunakan untuk

mengevaluasi produktivitas dari suatu unit pengambilan keputusan (unit kerja) yangmenggunakan sejumlah input untuk memperoleh suatu output yang ditargetkan (Cooper et. al,2000). DEA merupakan teknik berbasis linear programming yang dapat menangani banyakinput dan output, tidak membutuhkan asumsi hubungan fungsional antara variable input danoutput, serta input dan output dapat memiliki satuan yang berbeda (Purwantoro, 2003). MetodeDEA banyak digunakan untuk penilaian evaluasi kerja, efisiensi dan produktivitas danselanjutnya digunakan untuk pengukuran kinerja. Penelitian terdahulu dengan Metode DEAantara lain dilakukan oleh Makmun (2002) dan Abidin (2007) tentang efisiensi suatuperusahaan jasa keuangan; serta Purwantoro (2003) dan Sudaryanto (2006) tentang efisiensisuatu sistem operasi sektor riil. Fault Tree Analysis (FTA) merupakan salah satu alat (tool)untuk mengidentifikasi penyebab dari masalah (fault event) yang berkontribusi. Penelitianterdahulu dengan Metode FTA antara lain dilakukan oleh Sutopo and Damayanti (2008) tentangperbaikan proses bisnis pasang baru telepon kabel.

Pada penelitian ini, integrasi Metode DEA dan FTA akan digunakan untuk mengukurefisiensi strategi pemasaran dan mencari penyebab masalah efisiensi pada suatu perusahaanwholesaler. Perusahaan wholesaler adalah sebuah unit usaha yang membeli dan menjualkembali barang-barang kepada pengusaha (Swastha, 1996). Obyek kajian pada penelitian iniadalah perusahaan wholesaler yang ditujukan untuk para konsumen profesional seperti hotel,restoran, warung, katering, pedagang eceran, rumah sakit, intansi pemerintah serta perusahaan

Correspondence : [email protected]

mailto:[email protected]

2 Performa Vol.8, No. 1

jasa. Artikel produk yang dapat dikelompokkan menjadi tiga jenis yaitu: 1) non food, 2) dryfood, dan 3) fresh food. Konsumen perusahaan ini dapat dikelompokan menjadi tiga, yaitu: 1)kelompok retail, 2) kelompok horeka (Hotel, Restoran dan Katering), dan 3) kelompokperusahaan jasa. Penelitian ini dilakukan karena berdasarkan kajian Manajemen Perusahan,Stratei Pemasaran tidak dapat dijalankan dengan baik hal ini dibuktikan dengan hasil penjualanpada rentang Bulan September 200X-Januari 200Y adalah kurang dari 75% dari target. Bagianyang bertanggung-jawab terhadap keberhasilan strategi perusahaan adalah Bagian CustomerDevelopment Officer (CDO), Bagian Promo dan Bagian Tele Customer. Ketiga bagian inimempunyai tugas utama meningkatkan tingkat keaktifan pelanggan dan meningkatkan hasilpenjualan. Tujuan penelitian ini adalah mengetahui strategi pemasaran yang telah efisien danyang belum efisien dan mengetahui faktor apa saja yang mempengaruhi ketidak-efisienanstrategi pemasaran tersebut.

2. Metode PenelitianKajian ini merupakan suatu riset terapan sebagai upaya investigasi yang terorganisir,

sistematis, kritis, objektif, dan ilmiah dari suatu masalah strategi pemasaran yang tidak efisien.Prinsip dasar pada bisnis perusahaan wholesaler adalah memberikan penghematan bagipelanggan karena wholesaler membeli suatu komoditas dalam jumlah besar, memecah-mecahjumlah yang sangat besar tersebut menjadi unit-unit yang lebih kecil dan kemudianmenjualannya kembali (Kotler, 2001). Salah satu fungsi dari strategi pemasaran adalahmeningkatkan penjualan dan mendatangkan konsumen. Dalam meningkatkan penjualan danmendatangkan konsumen diperlukan usaha-usaha untuk mengoptimalkan fungsi dari strategipemasaran. Rendahnya jumlah konsumen aktif dan belum tercapainya target dari strategipemasaran menandakan belum efisien dalam menggunakan input untuk menghasilkan output.

Gambar 1. Kerangka Pemikiran Pemecahan Masalah

Pada penelitian ini akan ditentukan seberapa efisien kegiatan CDO, Promo dan TeleCustomer dalam mencapai tujuan yaitu meningkatkan kedatangan konsumen, frekuensikedatangan dan jumlah belanja sehingga dapat digunakan untuk perbaikan sistem pemasaran.

Yuniaristanto, Ramadhany dan Sutopo - Integrasi Data Envelopement Analysis dan Fault Tree Analysis untuk Peningkatan Efisiensi... 3

Metode Data Envelopment Analysis (DEA) digunakan untuk menganalisis dan mengukurtingkat efisien dari strategi pemasaran dengan menggunakan banyak input dan banyak output.Pendekatan Fault Tree Analysis (FTA) digunakan untuk mencari akar dari permasalahan darirendahnya efisiensi. Pada Gambar 1 disajikan Kerangka Pemikiran untuk memecahkan masalahpada penelitian ini.

Input dan output diperoleh dari karakteristik sistem yang terdiri dari Rich PictureDiagram, System integritas, Influence diagram. Rich Picture Diagram digunakan untukmenggambarkan situasi sistem secara keseluruhan. System integritas digunakan untukmendiskripsikan dan mengkelaskan sistem. Influence diagram digunakan untukmenggambarkan hubungan sebab-akibat dalam komponen sistem.

Metode DEA merupakan sebuah pendekatan non-parametrik yang pada dasarnyamerupakan teknik berbasis linier programming dengan menggunakan fungsi tujuan maksimasidan fungsi batasan. Dalam penelitian ini, fungsi maksimasi diformulasikan sebagai berikut:

Max Z =

3

1jjlmq jlmu (1)

Untuk fungsi batasan atau kendala diformulasikan sebagai berikut:

-

2

1iilmx ilmv +

3

1jjlmq jlmu 0 m (2)

2

1iilmx ilmv = 1 m v i , u j

(3)

dimana :

ilmx : jumlah input i pada wilayah l yang dimaintain oleh UKE m.

ilmv : bobot input i pada wilayah l yang dihasilkan oleh UKE m.

jlmq : jumlah output j pada wilayah l yang dihasilkan oleh UKE m.

jlmu : bobot output j pada wilayah l yang dihasilkan oleh UKE m.

i : input ( m = 1,2 ) dimana angka satu (1) menyatakan jumlah yang dijaga danangka dua (2) menyatakan frekuensi maintain.

l : wilayah konsumen ( l = 1,2,3….6 )m : unit kegiatan ekonomi (UKE ) ( m = 1,2,3 ) yang mana angka 1: CDO, angka

2: TELE dan angka 3: PROMO.j : Output ( j = 1,2,3 ) yanga mana 1 = kedatangan konsumen; 2 = frekuensi

kedatangan; 3 = rata-rata belanja konsumen

Penelusuran permasalahan dengan FTA pada penelitian ini dilakukan dengan:i. mengelompokkan permasalahan (undesired events);ii. menentukan permasalahan yang akan diselesaikan (top level event);iii. membangun diagram FTA; daniv. menentukan akar permasalahan (basic events).

3. Hasil dan PembahasanDari hasil karakteristik sistem menggunakan rich picture diagram, sistem integritas dan

influence diagram maka dapat di tentukan atribut input dan output yang akan digunakan dalamperhitungan. Variabel input terdiri dari data konsumen pada Bagian Tele, CDO dan Promo sertadata frekuensi aktivitas dari staf pada Bagian Tele, CDO dan Promo. Variabel output yang akan


diukur terdiri dari tiga komponen yaitu tingkat kedatangan konsumen, frekuensi kedatangan darikonsumen Tele, CDO dan Promo serta rata-rata belanja dari konsumen tersebut.

3.1. Hasil perhitungan DEAHasil perhitungan dengan metode DEA akan diperoleh nilai efisien dari strategi pemasaran

yang beragam. Penelitian efisiensi secara keseluruhan dari masing-masing UKE dilakukan padabulan September 200x-Januari 200y. Pada Tabel 1 disajikan hasil efisiensi pada setiap unitkegiatan ekonomi (UKE) yang diteliti.

Tabel 1. Hasil perhitungan efisiensi bulan September 200x-Januari 200y

Wilayah(l = 1 s/d 6)

UKE(m=1 s/d 3)

Tingkat Efisiensi

Sept Okt Nov Des Jan.

11=CDO 0,989 0,992 1,000 1,000 1,0002=TELE 0,744 0,853 0,813 0,962 0,7213=PROMO 0,675 0,815 0,692 0,968 0,575

21=CDO 1,000 1,000 1,000 1,000 1,0002=TELE 0,753 0,845 0,829 0,964 0,6643=PROMO 0,695 0,854 0,657 0,982 0,593

31=CDO 1,000 1,000 1,000 1,000 1,0002=TELE 0,711 0,825 0,802 0,938 0,6103=PROMO 0,657 0,736 0,748 1,000 0,574

41=CDO 1,000 1,000 1,000 1,000 1,0002=TELE 0,804 0,830 0,743 0,936 0,6893=PROMO 0,819 0,666 0,701 0,971 0,507

51=CDO 1,000 1,000 1,000 1,000 1,0002=TELE 0,748 0,898 0,776 0,982 0,6023=PROMO 0,622 0,814 0,558 0,963 0,350

61=CDO 1,000 1,000 1,000 1,000 1,0002=TELE 0,797 0,877 0,808 0,962 0,689

3=PROMO 0,590 0,854 0,681 0,982 0,516

Berdasarkan hasil uji efisiensi dengan program DEA terdapat UKE yang telah mencapaiefisien dan terdapat pula yang tidak efisien. Hasil penelitian yang diperoleh menunjukkanbahwa CDO mencapai rata-rata nilai efisien dengan nilai objective function adalah 1 (nilaiefisiensi = 100 %). Sedangkan Tele dan Promo mempunyai nilai objective function kurang dari1 (nilai efisiensi < 100%).

3.2.Hasil perhitungan Fault Tree AnalysisTahap Fault Tree Analysis digunakan untuk mengetahui adanya kejadian dan atau

kombinasi kejadian dalam sistem pemasaran yang menyebabkan tidak efisien. Berdasarkanpembuatan FTA maka didapat beberapa penyebab mengapa terjadi tidak efisien dari padastrategi pemasaran yang disebut basic event. Basic event tersebut harus segera diperbaiki untukmeningkatkan nilai efisien.

Berdasarkan hasil perhitungan efisiensi pada Tabel 1 maka kedatangan konsumen,frekuensi kedatangan, dan jumlah belanja dari konsumen mempengaruhi tingkat efisiensi dariUKE. Langkah penyusunan diagram kesalahan dilakukan untuk mengetahui dan mencarikeberadaan event atau kombinasi event yang dapat mengakibatkan munculnya sistem pemasaranyang tidak efisien dan aktif konsumen sedikit. Diagram pohon kesalahan berasal dari


permasalahan konsumen yang datang berbelanja. Diagram pohon kesalahan disajikan padaGambar 2.

Gambar 2. Diagram pohon kesalahan

Analisa pohon kesalahan diperlukan untuk memperoleh informasi yang jelas dari suatusistem dan perbaikan-perbaikan apa saja yang harus dilakukan pada sistem. Kode 1 sampaidengan kode 14 pada diagram pohon kesalahan adalah menyatakan hal-hal sebagai berikut:tidak efisien; jumlah belanja turun; frekuensi kedatangan turun; jumlah konsumen yang datangturun; harga mahal; stock habis; konsumen pindah ke pesaing; kecewa; tidak ada delivery;artikel produk yang di jual tidak lengkap; paket kemasan terlalu besar; aksi borong pedagangbesar; pengiriman supplier terlambat dan pelayanan kurang ramah.

Minimal cut-set merupakan kumpulan basic event dan atau kombinasi yang menyebabkanmunculnya top level event jika terjadi bersama-sama. Pada penelitian ini, minimal cut-setmerupakan kumpulan penyebab tidak tercapainya nilai efisien pada setiap UKE. Minimal cut-set ditentukan berdasarkan diagram pohon kesalahan. Langkah-langkah penentuan cut-setdisajikan pada Tabel 2.

Tabel 2. Penentuan minimal cut-set

Top level event, = 1= 2, 3, 4= ( 10 + 5 + 6 ) + ( 7 + 8 + 9 + 10 ) + ( 9 + 10 )

= ((11 + ( 12 + 13 )) + ((10 ) + ( 14)) + ( 9 + 10 )Minimal cut-set = 11 + 12 + 13 +10 + 14 + 9

Berdasarkan minimal cut-set maka basic event yang dapat menyebabkan tidak efisienpada UKE adalah: artikel produk yang di jual tidak lengkap (kode 10); paket kemasan terlalubesar (kode 11); aksi borong pedagang besar (kode 12); pengiriman supplier terlambat (kode13); pelayanan kurang ramah (kode 14) dan tidak ada layanan delivery (kode 9). Pada Tabel 3dijelaskan lebih lanjut dari basic event dan KPIs yang dipilih pada model acuan.


Tabel 3. Basic event hasil dari Fault Tree AnalysisBasic events Variabel KPI Definisi operasional

- artikel produk yang di jualtidak lengkap

- data kebutuhan konsumen - data kebutuhan konsumen yang dapatdisediakan oleh perusahaan

- paket kemasan terlalu besar - paket kemasan - jumlah kemasan, produk dalamkemasan

- aksi borong pedagang besar - safety stock - permintaan dan pembagian kebutuhankonsumen

- pengiriman supplierterlambat

- make time dan responsetime

- waktu proses pemesanan dan waktupemenuhan pesanan.

- pelayanan kurang ramah - sikap - keramahan dan kecekatan dalampelayanan

- tidak ada delivery - sistem order pengiriman - jarak pengiriman, sistem pembayarandan jumlah belanjaan

3.3.Perbaikan peta proses bisnisPeta proses bisnis digunakan untuk memfokuskan kerja dan dapat juga digunakan untuk

memantau kinerja dari UKE. Pada Gambar 3 sampai Gambar 6. disajikan peta proses bisnisuntuk UKE CDO, Tele dan Promosi. Kegiatan utama CDO adalah menjalankan proses bisnisuntuk nmenggali kebutuhan konsumen kemudian hasilnya serahkan ke bagian pengadaan untuksegera dipenuhi kebutuhan konsumen tersebut. Setelah kebutuhan dapat dipenuhi maka bagianCDO memberikan kabar kepada konsumen, kemudian konsumen belanja. Dengan peta bisnistersebut dapat dipantau kinerja dari bagian-bagian yang terkait. Peta proses bisnis CDO dapatdisajikan pada Gambar 3.

Gambar 3. Peta proses bisnis CDO

Kegiatan Tele harus selalu mengetahui kebutuhan konsumen terlebih dahulu sebelummelakukan interaksi dengan konsumen, serta menawarkan artikel produk yang dibutuhkan danharga yang murah. Dengan mengetaui kebutuhan konsumen maka memudahkan dalammembagi kesetiap konsumen. Peta proses bisnis Tele dapat disajikan pada Gambar 4.


Gambar 4. Peta proses bisnis Tele

Kegiatan promo perlu memperhatikan artikel produk yang dipromosikan, selain itu jugaperlu diperhatikan ketersediaan dari produk tersebut. Dalam kegiatan promo, selain produk yangditawarkan harga sangat berpengaruh. Peta proses bisnis Promo dapat disajikan pada Gambar 5.

Gambar 5. Peta proses bisnis Promo

4. Kesimpulan dan SaranHasil penelitian yang diperoleh menunjukkan bahwa CDO mencapai rata-rata nilai nilai

efisiensi sebesar 100%. Sedangkan pada Bagian Tele dan Promo mempunyai rata-rata nilaiefisiensi dibawah 100%. Pencarian akar masalah dengan metode FTA diperoleh bahwa artikelproduk yang di jual tidak lengkap, paket kemasan terlalu besar, aksi borong pedagang besar,pengiriman Supplier terlambat, pelayanan kurang ramah dan tidak ada fasilitas deliverymenyebabkan rendahnya nilai efisien. Untuk perbaikan selanjutnya, ada beberapa saran yangdapat dijadikan pertimbangan bagi perusahaan maupun penelitian selanjutnya yaitu (i)perusahaan dapat mengelaborasi kebutuhan dan melakukan perubahan perbaikan pada strategipemasaran dengan terlebih dahulu memenuhi kebutuhan konsumen; dan (ii) ketersediaan darikebutuhan konsumen harus selalu di jaga agar konsumen tidak berpindah ke pesaing.


Daftar Pustaka

Abidin, Z. (2007). Kinerja Efisiensi Pada Bank Umum. Proceeding PESAT. Jakarta, Vol. 2,pp.113-119.

Abidin dan Cabanda (2006). Financial and Production Performances of Domestic and ForeignBanks in Indonesia: Pre and Post Financial Crisis. Manajemen Usahawan Indonesia, No.6.

Berman, B. and Evans, J.R. (1995). Retail Management: A Strategic Approach. Prentice HallInc, United State of America.

Blanchard, B.S. (2004). Logistics Engineering and Management, 6 th Edition Virginiapolytechnic Institute and State University, Pearson Education International, Virginia.

Cooper, W.W., Seiford, L.M. and Zhu, J. (2000). A unified additive model approach forevaluating inefficiency and congestion with associated measures in DEA. Socio-Economic Planning Sciences, Vol. 34, No. 1.

Daellenbach, Hans. G. (1995). System and Decision Making A Management Science Approach.John Wiley & Son Ltd, USA.

Kotler, P. (1993). Manajemen Pemasaran: Analisis, perencanaan, implementasi danpengendalian. Edisi Terjemahan. Penerbit Fakultas Ekonomi Universitas Indonesia,Jakarta.

Makmun, (2002). Efisiensi Kinerja Asuransi Pemerintah. Jurnal Kajian ekonomi dan keuangan,Vol. 6, No. 1. pp. 81-98.

Purwantoro, R.N, (2003). Penerapan DEA Dalam Kasus Pemilikan Produk Inkjet PersonalPrinter. Usahawan, Vol 10, pp. 36-41.

Samosir, A.P. (2005). Analisis Kelayakan Penggabungan Usaha PT. Pelindo I (Persero) danPT. Pelindo II (Persero). Jurnal Kajian Ekonomi dan Keuangan, Vol 9, No. 4, pp 110-142.

Sianturi, T.A.P. (2002). Basic Principles on Creating Effective Performance Appraisal System.Jurnal Pemasaran Fakultas Ekonomi, Universitas Indonesia, pp 1-23.

Sudaryanto, B. (2006). Analisis efisiensi kinerja pengelolaan Tempat Pelelangan Ikan (TPI)dengan Data Envelopment Analysis (DEA): Studi di Kabupaten Pati dan KabupatenRembang Jawa Tengah. Empirika, Vol. 19 No. 1, pp. 35-39.

Sutopo, W. dan Damayanti, R.W. (2007). Perbaikan Proses Bisnis Pasang Baru Telepon Kabeldi Wilayah Pemasangan Baru Surakarta dengan Metode Fault Tree Analysis,PERFORMA, Vol. 6, No. 2. ISSN 1412-8624.

Swastha, B. (1996). Azas-Azas Marketing. Edisi ketiga. Penerbit Liberty, Yogyakarta.

Performa (2009) Vol. 8, No.1: 9-13

Rancang Bangun Alat Pemotong Bulu Ayam Untuk MendukungPembuatan Produk Shuttle Cock Daerah Pengrajin Serengan

Kota Surakarta

Lobes Herdiman, Eko Liquiddanu, Taufiq RochmanJurusan Teknik Industri Fakultas Teknik Universitas Sebelas Maret Surakarta

Jl. Ir. Sutami 36A, Surakarta 57126, Telp/Fax. (0271) 632110

AbstraksiSalah satu proses produksi shuttle cock yang kritis dalam arti dapat mempengaruhi kualitas produkadalah pada waktu pemotongan bulu ayam. Hal ini dikarenakan bentuk bulu hasil potongan dapatmempengaruhi bentuk cock itu sendiri. Selama ini pemotongan bulu ayam untuk produk cock dilakukansecara manual dengan bantuan alat gunting satu persatu sehingga hasil yang diperoleh sangat lambatdan memiliki bentuk cenderung beragam. karena itu pengusaha industri kecil memerlukan alat bantupemotong bulu yang dapat digerakkan secara manual. Kegiatan ini mencoba membuat alat potong yangdapat membantu proses pemotongan bulu. Nilai tambah dari alat yang digunakan adalah adanya alatpemanas untuk membantu proses pemotongan bulu. Dengan alat pemanas ini bentuk potongan menjadilebih rapi, dan dapat memotong tiga hingga lima buah bulu ayam.

Kata kunci: ergonomi, shuttle cock

1. PendahuluanSejak tahun 1970an daerah Serengan terkenal sebagai penghasil shuttle cock yang murah.

Industri ini banyak terdapat di RW 09 Kelurahan Tipes dan RW 08 Kelurahan Serengan ,Kecamatan Serengan Kota Surakarta. Saat ini ada sekitar 50 pengrajin shuttle cock yang telahmampu memasarkan sendiri produk shuttle cock-nya karena telah memiliki merk dagang.Dalam memproduksi shuttle cock, para pengrajin melibatkan anggota keluarga dan tetangganyauntuk terlibat dalam proses produksi. Mayoritas industri kerajinan shuttle cock di sentra iniberskala kecil, rata-rata memiliki 10 orang karyawan. Tetapi ada juga beberapa UKM yangberskala lebih besar dengan jumlah karyawan mencapai 20-50. Kapasitas produksi masing-masing pengusaha bervariasi mulai dari 200 dosin/minggu hingga 1000 dosin/minggu.

Bilamana diperhatikan secara seksama maka salah satu keberhasilan kualitas shuttle cockadalah pada waktu pemotongan bulu ayam, karena bentuk bulu ini akan mempengaruhi bentukcock itu sendiri. Selama ini pemotongan bulu ayam untuk produk cock dilakukan secara manualdengan bantuan alat gunting satu persatu sehingga hasil yang diperoleh sangat lambat danmemiliki bentuk cenderung beragam.

Meskipun daerah Serengan terkenal sebagai sentra industri shuttle cock, kualitas produkyang dihasilkan masih rendah yang tercermin dari harga jual di pasar masih rendah. Dalampengabdian ini difokuskan pada perbaikan kualitas potongan dengan cara mencoba memberikanalat potong yang diharapkan dapat meningkatkan kecepatan produksi dan menyeragamkan hasilpotongan bulu

Correspondence: [email protected]


Gambar 1. Bentuk potongan bahan baku bulu ayam dan dop.

2. Rumusan Masalah, dan Tujuan PenelitianTeknologi yang digunakan pada industri shuttle cock Serangan umumnya masih

tergolong masih sederhana, sehingga mengakibatkan mutu dari produk termasuk rendah. Salahsatu penyebab mutu produksi yang rendah adalah bentuk potongan bulu ayam yang tidakseragam. Disamping itu dengan alat yang ada, produksi shuttle cock terasa sangat lambat karenabulu dipotong satu-persatu dan ketika memotong bulu tangan dapat cedera.

Tujuan penelitian ini terciptanya alat pemotong bulu ayam yang berguna untukmeningkatkan kualitas jumlah produk shuttle cock yang diproduksi dan meningkatkan kualitasproduk shuttle cock yang dihasilkan oleh industri kecil di kelurahan serengan yang bekerjasamadengan perancang produk di laboratorium perencanaan dan perancangan produk (P3) TeknikIndustri

3. Target, Sasaran dan Indikator keberhasilan PengabdianSeperti diketahui dari latar belakang permasalahan , bahwa para pengusaha shuttle cock

masih memiliki kendala dalam menjaga mutu atau kualitas potongan bulu ayam agar seragam.Karena itu diperlukan alat bantu pemotong bulu yang dapat digerakan dengan tangan. Denganalat bantu ini diharapakan bentuk hasil potongan bulu menjadi seragam dan lebih cepat ataujika diukur dengan waktu pengerjaan yang sama maka hasil yang diperloleh akan jauh lebihbanyak. Jadi target atau ouput dari program vocer ini adalah: Adanya alat bantu pemotong bulu ayam untuk pembuatan shuttle cock yang dapat menjaga

kepresisian hasil pemotongan bulu ayam Penyerahan alat pemotong bulu ayam ini ke pengusaha shuttle cock

Yang menjadi sasaran program adalah sentra industri (klaster industri) penghasil shuttlecock di Kota Surakarata adalah Kelurahan Serengan, di wilayah Kota Surakarta. Salah satu dari40 pengrajin shuttle cock yang ada di kelurahan tersebut, adalah milik pengusaha bapak Sarnodi Jalan Makam Bergulo RT. 04. RW 08 Kelurahan Serengan kota solo.Indikator Keberhasilan kegiatan pengabdian, adalah alat bantu pemotong bulu ayam untukpembuatan shuttle cock yang dapat menjaga kepresisian hasil pemotongan bulu ayam

4. Pelaksanaan KegiatanUntuk menyelesaian masalah mutu bulu hasil pemotongan dan kecepatan pemotongan

maka program ini merancang ulang alat pemotong bulu ayam yang aman, cepat danmenghasilkan bentuk bulu yang seragam. Berikut ini rancangan awal alat pemotong bulu ayamyang akan dibuat:


Herdiman, Liquiddanu dan Rochman - Rancang Bangun Alat Pemotong Bulu Ayam Untuk Mendukung Pembuatan Produk Shuttle cock... 11

Gambar 2. Rancangan alat pemotong bulu

Gambar 3. Uji coba pengoperasional alat pemotong bulu

Setelah dibuat alat pemotong, maka sebelum diserahkan ke pengusaha alat ini dilakukanuji coba. Untuk melakukan uji coba, bulu ayam yang sudah siap dipotong diletakkan disampingalat pemotong bulu ayam. Uji coba pengoperasian alat potong bulu ayam melalui beberapalangkah, diantaranya, yaitu:

a) Seteker pada diem dihubungkan dengan arus listrik 220 V. Diem dimaksimalkan agarheater cepat memanaskan pisau potong. Setelah pisau potong panas, atur panas pisaupotong melalui pengatur panas pada diem.


b) Buka dies atas, lalu ambil bulu ayam yang siap dipotong, kemudian masukkan buluayam kedalam dies bawah dan selanjutnya dies atas ditutup.

c) Tekan tuas kebawah yang bertujuan untuk menggerakkan pisau yang dihubungkan olehbatang penghubung. Pisau bergerak secara vertikal dan bolak balik, sehingga bulu ayamdapat dipotong dengan baik.

d) Buka dies atas kemudian ambil bulu ayam dari proses pemotongan tersebut. Ujung buluayam yang tidak digunakan akan terbuang kebawah landasan alat potong

5. Serah TerimaSetelah alat pemotong bulu dirakit dan diuji coba di Lab Perancangan Produk, maka

langkah berikutnya adalah penyerahan alat kepengusaha dan pelatihan penggunaan alat. Padasaat serah terima alat, pengusaha merasa bersyukur dan berterima kasih atas bantuan alat danadanya perhatian perguruan tinggi terhadap pengusaha kecil. Pada saat uji coba oleh pekerjapemotong, mereka tidak mengalami kesulitan. Pengusaha merasakan manfaatnya yaitupemotongan menjadi lebih cepat , karena dapat memotong bulu ayam hingga 5 (lima) bulu. Halini dikarenakan selain menggunakan mata pisau yang tajam juga dengan adanya alat pemanasmenghasilkan bentuk bulu yang baik.

Gambar 4. Pelatihan penggunaan alat oleh pekerja di tempat kerja

Gambar 5. Serah terima alat ke pengusaha

6. Monitoring dan EvaluasiBerdasarkan kegiatan yang telah dilaksanakan dan dilakukan monitoring penggunaan

alat, ada beberapa hal yang perlu dicatat antara lain:

Herdiman, Liquiddanu dan Rochman - Rancang Bangun Alat Pemotong Bulu Ayam Untuk Mendukung Pembuatan Produk Shuttle cock... 13

a. Setelah diserahterima alat potong ke pengusaha dan digunakan untuk produksi. Ditemukanperlu adanya modifikasi alat, karena pada awalnya alat masih menggunakan tangansebagai penggerak. Penggunaan tangan untuk menggerakkan alat potong dalam jangkawaktu lama menyebabkan tangan mudah lelah dan tidak praktis. Setelah dilakukan diskusiantara peneliti, pengusaha dan pekerja selaku pengguna, maka pihak pengusaha dibantuseorang pekerjanya melakukan modifikasi alat. Modifikasi yang dilakukan pengusahaadalah mengganti meja kerja dengan menambah pedal kaki. Pedal kaki ini terbuat darisebatang kayu ukuran panjang 30 cm dan lebar 10 cm. Pedal kaki ini diletakkan di mejadengan tumpuan sebuah batang besi ke meja dan pada ujung pedal kaki ini dikaitkan dengantali plastik atau kain ke ujung pegangan tuan dari alat pemotong bulu.

b. Mata pisau yang telah dibuat di lab sistem produksi, setelah digunakan untuk produksibeberapa hari mulai mengalami penurunan ketajaman atau tumpul. Kondisi inimenyebabkan mata pisau harus diasah dengan kikir agar tajam kembali. Pekerjaan ini dapatdiganti dengan menggantikan mata pisau dengan alat potong pisau silet yang banyaktersedia dipasar. Untuk itu perlu adanya perubahan rancangan rumah mata pisau agar dapatmenampung . Karena itu pada akhir program ini tim perancangan berhasil membuat sebuahrumah mata pisau yang dapat menampung

7. KesimpulanDari kegiatan ini dapat disimpulkan sebagai berikut :a. Alat potong bulu ayam untuk membantu memproduksi komponen shuttle cock telah

terbukti dapat beroperasi dan dapat memotong bulu ayam hingga lima bulu ayam.Kualitas hasil potongan memiliki bentuk dan ukuran bulu yang seragam.

b. Untuk memudahkan pengoperasian alat potong bulu ini, telah dilakukan modifikasipenggerak kaki dengan cara menambahkan pedal kaki pada meja tempat alat inidiletakkan.

c. Agar mata pisau ini selalu tajam dan mampu menghasilkan kualitas potongan bulu yangbaik, maka mata pisau diganti dengan mata pisau silet (alat potong kumis/jenggot) yangbanyak tersedia dipasar. Untuk keperluan ini telah dilakukan modifikasi rumah tempatmata pisau ini diletakkan.

Daftar Pustaka

Mitra, Amitava. Fundamental of Quality Control and Improvement. New York: MacmillanPublishing Company, 1993

Nurmianto, Eko. Ergonomi Konsep Dasar Dan Aplikasinya. Surabaya: Guna Widya, 2004Rochim, Taufik. Teknik Pengukuran (Metrologi Industri). Departemen Pendidikan dan

Kebudayaan, 1981Sutalaksana, I.Z. dkk. Teknik Tata Cara Kerja. Laboratorium Tata Cara Kerja dan Ergonomi

Dept. Teknik Industri- ITB, 1979Walpole, Ronald E. Pengantar Statistika Ed.3 Terjemahan: Bambang Sumantri. Jakarta:

Gramedia Pustaka Utama, 1988Wignjosoebroto, Sritomo. Ergonomi, Studi Gerak dan Waktu. Surabaya: Guna Widya 1995news.bbc.co.uk diakses tanggal 30 Oktober 2006www.kompas.com diakses pada tanggal 14 November 2006www.shuttle cock.com diakses pada tanggal 30 Oktober 2006

www.kompas.com

Performa (2009) Vol. 8, No.1: 14-22

Optimasi Pengalokasian Sampah Wilayah Ke TempatPembuangan Sementara dengan Model Integer Linear

Programming (Studi Kasus Kota Surakarta)

I Wayan Suletra , Eko Liquiddanu, Sigit Bagus PamungkasJurusan Teknik Industri, Universitas Sebelas Maret, SurakartaJl. Ir. Sutami 36A, Surakarta 57126, Telp/Fax. (0271) 632110

AbstractThis reserach proposes an integer linear programming model for the allocation of municipal solid wasteto the optimal transfer station. This model involves trade-off between two kind of transportation cost,that is transportation cost from village to trasfer station and cost from transfer station tolandfill/treatment center. Branch-and-bound method is used to find optimum decision, which transferstation should serve which village.This model is applied to city of Surakarta that consist of 596 village and 62 transfer stations. Fromanalysis we know that this model can reduce total transportation cost per day by 5,38% and balances theaccumulated waste in all trasfer station

Key words: municipal solid waste, Integer Linear Programming, transfer station, transportation cost.

1. PendahuluanSampah merupakan objek yang tidak berguna sehingga harus dibuang agar tidak

mengganggu lingkungan. Menurut Bahar (1985: 7-8), sampah yang menumpuk dan dibiarkanbegitu saja pada tempat terbuka, menyebabkan rendahnya nilai estetika di kawasan tersebut.Untuk itu, penanganan sampah seperti pembuangan, pengumpulan, pengangkutan, pemanfaatandan pemusnahan sampah harus terlayani dengan baik.

Penelitian terapan yang berfokus pada manajemen sampah perkotaan (municipal solidwaste management) sedang booming saat ini karena permasalahan sampah di kota-kota besarsemakin kompleks. Bautista dan Pereira (2006) memodifikasi model dasar set-covering problemuntuk menentuan lokasi recycling plant (TPA) terpisah masing-masing untuk sampah gelas,plastik, kertas dan material organik dan diterapkan di metropolitan area of Barcelona.Selanjutnya, Boffey et al. (2008) mengembangkan model multicriteria penentuan lokasipembuangan sampah dengan empat fungsi tujuan yang semuanya bersifat minimasi.Permasalahan ini diformulasikan dengan network model dan diaplikasikan di district of Algarve,Portugal. Erkut et al.(2008) mengusulkan model location-allocation problem yang berbasispada multicriteria mix-interger linear programming untuk manajemen sampah perkotaan diCentral Macedonia. Ketiga model diatas berfokus pada pemilihan lokasi treatment center (TPA)maupun TPS dan belum mempertimbangkan penugasan (assigment) TPS ke wilayah padahalpenentuan TPS mana melayani wilayah mana sangat menentukan total biaya pengangkutan.Penelitian ini ditujukan untuk mengembangkan suatu model untuk mengalokasikan RW ke TPSuntuk meminimumkan total biaya transportasi. Total biaya transportasi merupakan fungsi dari

Corespondence : [email protected]

Suletra, Liquiddanu dan Pamungkas - Optimasi Pengalokasian Sampah Wilayah Ke Tempat Pembuangan Sementara...15

biaya pengangkutan sampah yang berhubungan dengan jarak untuk sekali pengangkutan baikdengan menggunakan gerobak maupun truk sampah. Gerobak digunakan untuk pengumpulansampah dari RW ke TPS, sedangkan truk sampah digunakan untuk pengangkutan sampah dariTPS ke TPA. Model yang dikembangkan ini diaplikasikan di kota Surakarta yang merupakansalah satu kota besar di Indonesia, mempunyai luas wilayah 44,04 km2 dan jumlah pendudukpada tahun 2008 adalah 566.141 jiwa (Dinas Kependudukan dan Capil, 2008).

Biaya pengangkutan sampah terdiri dari biaya angkut dari wilayah (RW) ke lokasi TPSdan biaya angkut dari lokasi TPS ke lokasi TPA. Pengalokasian yang tidak tepat akanmenyebabkan pembengkakan biaya. Model yang dikembangkan harus dapat mengalokasikan596 RW ke salah satu dari 62 TPS yang ada di Kota Surakarta. Trade-off biaya pada modelterjadi antara biaya angkut dengan gerobak (dari RW ke TPS) dan biaya angkut dengan truk(dari TPS ke TPA).

2. PemodelanSampah yang dihasilkan dari wilayah (RW) berasal dari sumber sampah, seperti rumah

tangga, pertokoan, fasilitas umum dan perkantoran. Sampah tersebut dibuang langsung ketempat sampah yang diletakkan di depan rumah (sumber sampah) masing-masing tanpa melaluiproses terlebih dahulu. Dari tempat sampah, sampah diambil oleh petugas pengumpul sampahdengan menggunakan gerobak yang kemudian dibuang ke TPS jika muatannya penuh. Sampahyang terkumpul di TPS atau pada container dimuat oleh petugas ke atas truk sampah untukdibawa ke TPA. Jika muatan sampah sudah memenuhi kapasitas angkut, maka truk sampahakan menuju TPA untuk membongkar muatan sampah. Skema aliran proses yang terjadi dalampengangkutan sampah dapat dilihat pada Gambar 1.

Sampah yang terangkut ke TPA ditumpahkan dari atas truk sampah, kemudian didorong,diratakan dan dipadatkan dengan alat-alat berat. Setelah itu, truk pengangkut sampah bergeraklagi menuju TPS untuk memuat sampah dan diangkut ke TPA jika muatannya sudah memenuhikapasitas angkut. Setelah selesai truk kembali ke pool truk.

2.1 Biaya Pengangkutan SampahBiaya pengangkutan merupakan fungsi dari biaya pengangkutan sampah yang

berhubungan dengan jarak untuk sekali pengangkutan. Biaya sekali angkut dari wilayah (RW)ke lokasi TPS dirumuskan pada persamaan (1), sedangkan biaya angkut dari lokasi TPS kelokasi TPA dirumuskan pada persamaan (2).

ijaij dBASc .................................................................................. (1)

11 jbj dBASc .................................................................................. (2)



dimana,

ijc = biaya pengangkutan untuk sekali angkut gerobak dari RW ke-i ke lokasi TPS ke-

j (Rp/gerobak)

1jc = biaya pengangkutan untuk sekali angkut truk dari lokasi TPS ke-j ke lokasi TPA

(Rp/truk)

aBAS = biaya angkut per meter dengan alat transportasi gerobak (Rp/m/gerobak)

bBAS = biaya angkut per kilometer dengan alat transportasi truk (Rp/km/truk)

ijd = jarak dari RW ke-i ke lokasi TPS ke-j (m)

1jd = jarak dari TPS ke-j ke lokasi TPA (km)

i = nomor lokasi wilayah (RW)j = nomor lokasi TPS

2.2 Frekuensi Pengangkutan SampahFrekuensi pengangkutan merupakan banyaknya pengangkutan sampah dari wilayah (RW)

ke TPS dengan alat angkut gerobak per hari. Beban setiap gerobak masing-masing wilayah(RW) diasumsikan sama. Perhitungan untuk frekuensi pengangkutan ini menggunakanpersamaan (3).

ger

ii k

vf ............................................................................................ (3)

dimana,

if = frekuensi angkut per hari dari RW ke-i ke lokasi TPS dengan alat angkut

gerobak (gerobak/hari)

iv = volume sampah dari RW ke-i ke lokasi TPS per hari (liter/hari)

gerk = kapasitas maksimal sekali angkut alat transportasi gerobak

(liter/gerobak)i = nomor lokasi wilayah (RW)

2.3 Fungsi TujuanFungsi tujuan pada model yang dikembangkan adalah meminimasi biaya pengangkutan

sampah yang terdiri dari biaya angkut dari wilayah (RW) menuju ke lokasi TPS (suku ke-1) danbiaya angkut dari lokasi TPS menuju ke lokasi TPA (suku ke-2). Fungsi tujuan ini didefinisikandengan persamaan (4).

Minimize

2

1 111

1

1

3

1

m

iij

n

jjj

m

i jijiij xfcxfcTC .................... (4)

2.4 Variabel KeputusanVariabel keputusan yang dicari dalam formulasi matematis pada persamaan (4) adalah:

ijx =

tidakjika0

j,-keTPSlokasikeandialokasiki-ke(RW) wilayahdarisampahjika1

pada model ini setiap RW hanya diberikan tiga alternatif TPS terdekat sebagai pilihan tempatmenampung sampah. Melalui proses optimisasi akan dipilih satu TPS yang optimum untuk


setiap RW. Trade-off antara biaya angkut dari RW ke TPS dan biaya angkut dari TPS ke TPAmenjamin bahwa masalah ini bukan masalah yang trivial (setiap RW memilih TPS terdekat).

2.5 Batasan-batasanKriteria-kriteria yang menjadi kendala pada formulasi matematis diatas, adalah sebagai

berikut :1. Setiap lokasi TPS ke-j tidak dapat menerima sampah dari wilayah (RW) melebihi kapasitas

yang dapat ditampung

m

iiv

1jij Kx untuk j = 1, 2, 3, ..., n

2. Satu wilayah (RW) hanya dapat membuang sampah pada satu lokasi TPS

13

1

j

ijx untuk i = 1, 2, 3, ..., m

3. Variabel keputusan, ijx merupakan bilangan biner

1,0ijx

4. Frekuensi pengangkutan sampah dari TPS menuju TPA merupakan bilangan integer denganpembulatan ke atas

.int1 jf

m

iiji xv

1trukj kf 1 untuk j = 1, 2, 3, ..., n

dimana,TC = total biaya pengangkutan sampah (Rp/hari)

ijc = biaya pengangkutan untuk sekali angkut gerobak dari RW ke-i ke

lokasi TPS ke-j (Rp/gerobak)

1jc = biaya pengangkutan untuk sekali angkut truk dari lokasi TPS ke-j ke

lokasi TPA (Rp/truk)

if = frekuensi angkut per hari dari RW ke-i ke TPS dengan alat angkut

gerobak (gerobak/hari)

1jf = frekuensi angkut per hari dari TPS ke-j ke TPA dengan alat angkut

truk (truk/hari)

ijx = keputusan mengalokasikan sampah dari RW ke-i ke lokasi TPS ke-j

iv = volume sampah dari RW ke-i ke lokasi TPS per hari (liter/hari)

jK = kapasitas TPS ke-j

trukk = kapasitas sekali angkut alat transportasi truk (liter/truk)

i = nomor lokasi wilayah (RW)j = nomor lokasi TPSm = jumlah wilayah (RW)n = jumlah lokasi TPS

3. Pengolahan DataParameter-parameter yang digunakan untuk mengaplikasikan model ini di Kota Surakarta

adalah sebagai berikut:


1. Kapasitas gerobak, gerk = 1 m3 (1 m3 = 1000 liter).

2. Kapasitas truk, ktruk = 8 m3

3. Kapasitas TPS, Kj = 8 m 3

4. Jumlah lokasi TPS, n = 625. Jumlah wilayah/RW, m = 596

Volume sampah per hari pada tiap RW dihitung berdasarkan jumlah penduduk denganketentuan 3 liter/jiwa/hari berpedoman pada Revisi SNI 03-3242-1994 tentang tata cara

pengelolaan sampah di permukiman. Sementara nilai aBAS dan bBAS dihitung dengan

mempertimbangkan biaya bahan bakar, upah petugas/sopir, biaya maintenance truk dangerobak, biaya depresiasi truk dan gerobak sehingga diperoleh nilai sebagai berikut:

aBAS = Rp. 3,13 /meter

bBAS = Rp. 4.776,11 /kilometer

Selanjutnya, parameter biaya satuan dari RW ke TPS (cij) dan biaya satuan dari TPS ke TPA

(cj1) dihitung dari nilai aBAS dan bBAS di atas dengan mempertimbangkan jarak tempuh riil

dari RW ke TPS dan jarak tempuh riil TPS ke TPS yang diukur dengan GPS kemudian diolahdengan software ArcGIS. Sebaran lokasi 62 TPS dan satu TPA digambarkan pada gambar 2.

Gambar 2. Peta Lokasi TPS dan TPASumber: DKP Kota Surakarta, Desember 2008

Keterangan :V0 : pool trukV1-V62 : Tempat Pembuangan Sementara (TPS)V63 : Tempat Pembuangan Akhir (TPA)

Variabel keputusan yang optimal (global), yaitu RW mana membuang sampah ke TPSmana dapat diperoleh dengan metode branch-and-bound dengan bantuan software Lingo 8.0.Dari hasil optimasi didapatkan usulan alokasi sampah wilayah (RW) ke TPS tahun 2009 denganbiaya pengangkutan sampah yang minimum seperti pada Tabel 1.


Tabel 1. Usulan Alokasi Sampah Wilayah (RW) ke TPS tahun 2009

No. Nama TPS Wilayah (RW) yang dilayani

1 Sampangan BaratPasar kliwon RW : 1, 2, 3, 4Kedung lumbu RW : 1Semanggi RW : 16, 17, 19, 20, 21

2 Sampangan TimurSangkrah RW : 8, 9, 10Semanggi RW : 1, 2, 3, 22

3 Silir Semanggi RW : 4, 5, 6, 10

4 SemanggiJoyosuran RW : 2Pasar kliwon RW : 12Semanggi RW : 12, 13, 14, 15, 18

5 Hadijayan

Baluwarti RW : 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12Gajahan RW : 1, 2, 3, 4, 9Joyosuran RW : 1Pasar kliwon RW : 6, 7, 8, 9, 10, 11Danukusuman RW : 2, 3, 4

6 Sadinu

Keprabon RW : 1, 2, 3, 4, 5, 6Setabelan RW : 7, 8, 9Kampung baru RW : 1, 3, 4, 5Kauman RW : 1, 3Kemlayan RW : 1

7 Balai Kota

Kampung baru RW : 6Kauman RW : 4, 5, 6Kedung lumbu RW : 2, 4, 5, 6, 8Pasar kliwon RW : 5

8 JoyotakanJoyosuran RW : 5, 7, 9, 10, 11, 12Joyotakan RW : 2, 3, 4, 5, 6

9 Dawung

Joyosuran RW : 6Danukusuman RW : 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15Joyotakan RW : 1Serengan RW : 11, 14, 15

10 Makam BergoloSerengan RW : 5, 6, 7, 8, 9, 10, 12, 13Tipes RW : 10, 11

11 TipesPanularan RW : 2, 4Tipes RW : 4, 6, 7, 8, 9, 12, 13, 14, 15

12 Mugen Lepas

Gajahan RW : 5, 6, 7, 8Danukusuman RW : 1Jayengan RW : 9Kratonan RW : 1, 2, 4, 5, 6Serengan RW : 1, 2, 3, 4Tipes RW : 5

13 Kartopuran

Panularan RW : 6, 8Jayengan RW : 2, 3, 4, 5, 6, 7, 8Kratonan RW : 3Tipes RW : 1, 3

14 Mugono

Sriwedari RW : 2Kauman RW : 2Jayengan RW : 1Kemlayan RW : 2, 3, 4, 5

15 SPSAManahan RW : 13Jajar RW : 1Kerten RW : 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12

16 Panti WaluyoKerten RW : 1, 13Pajang RW : 10, 11, 12

17 NorowangsanKarangasem RW : 1, 2Pajang RW : 13, 16

18 Perum Becak Karangasem RW : 3, 5, 6, 9


Lanjutan Tabel 1.19 Sondakan Kuburan Sondakan RW : 1, 2, 3, 4, 5, 6, 7, 8, 1520 Sondakan I Sondakan RW : 9, 10, 11, 12, 13, 1421 Pajang Rel Pajang RW : 5, 6, 7, 8, 1422 Pajang Gentan Pajang RW : 1, 2, 3, 4

23 Mangkuyudan I

Bumi RW : 5, 6Panularan RW : 1Penumping RW : 4, 5Purwosari RW : 1

24 Mangkuyudan II Purwosari RW : 2, 4, 8

25 Mangkuyudan IIIBumi RW : 1, 2, 3, 4, 7Purwosari RW : 3, 5, 6, 7

26 BrengosanPurwosari RW : 9, 10, 11, 12, 13, 14Sondakan RW : 1

27 SamsatJajar RW : 2, 3, 4, 5, 6, 7, 8Karangasem RW : 4

28 Pramuka

Ketelan RW : 7, 8Mangkubumen RW : 12, 13, 14Punggawan RW : 5Timuran RW : 1, 2, 3, 4, 5Sriwedari RW : 4

29 Kreteg BangMangkubumen RW : 3, 7Punggawan RW : 2, 3, 4, 6

30 SambengGilingan RW : 1, 2, 3, 4, 7Manahan RW : 1Mangkubumen RW : 1, 2, 8

31 TirtonadiGilingan RW : 5, 13, 14, 15Nusukan RW : 18, 19

32 Depok Manahan RW : 4, 5, 6, 7, 8

33 Dr. YeniManahan RW : 2, 3Nusukan RW : 6, 7, 8, 10Sumber RW : 2, 3, 4

34 Manahan Jam Sumber RW : 5, 6, 7, 8, 1235 SSS Manahan RW : 10, 11, 12

36 Sumber BKBanyuanyar RW : 4, 5, 6, 9, 12Sumber RW : 9, 10, 11, 13, 14, 15, 16, 17

37 MinapadiKadipiro RW : 16, 17Nusukan RW : 1, 2, 3, 4, 9, 10, 11, 12, 13, 14, 15, 16, 17

38 Bonoloyo Kadipiro RW : 4, 10, 11, 12, 13, 14, 15, 22, 23, 24, 25, 26

39 NgemplakGilingan RW : 17Kadipiro RW : 18, 19, 20Nusukan RW : 20, 21, 22, 24

40 BKIAGilingan RW : 12Setabelan RW : 1, 2, 3, 4, 5, 6Kepatihan Kulon RW : 1, 2

41 Hotel DSKestalan RW : 1Ketelan RW : 4, 5, 6, 9

42 Marconi

Gilingan RW : 6, 8, 9, 10, 11Kestalan RW : 2, 3, 4, 5, 6Ketelan RW : 1, 2, 3Punggawan RW : 1

43 TurisariManahan RW : 9Mangkubumen RW : 4, 5, 6, 8, 9, 10, 11Penumping RW : 1

44 Ringin SemarGilingan RW : 16, 18, 19, 20Jebres RW : 1, 2, 3, 4, 30Tegalharjo RW : 2, 3, 4, 5, 6


Lanjutan Tabel 1.

45 RCJebres RW : 28, 29, 32Mojosongo RW : 2, 7, 8, 9, 35

46 UNS Cargo Jebres RW : 5, 6, 9, 10, 11, 12, 23, 24, 25, 26, 27, 2847 UNS Jebres RW : 17, 18, 19, 20, 21, 2248 Jurug Jebres RW : 14, 15, 16, 36

49 SariwarnaJagalan RW : 8, 9, 10, 11, 12Jebres RW : 7, 8, 13Pucangsawit RW : 2, 3, 11, 14, 15

50 Jurnasan Pucangsawit RW : 1, 9, 10

51 NlipakanJagalan RW : 14, 15Pucangsawit RW : 4, 5, 6, 7, 8, 12, 13Sewu RW : 1, 2, 3, 5, 6

52 Tanggul

Gandekan RW : 1, 3, 9Jagalan RW : 13Sewu RW : 4, 7, 8, 9Sangkrah RW : 1, 2, 6, 7, 11, 12, 13

53 BatoarJagalan RW : 1, 2, 3, 4, 5, 6, 7Purwodiningratan RW : 4, 5, 6, 7, 8, 9, 10

54 PT. King

Kepatihan wetan RW : 1, 2Kepatihan kulon RW : 3Purwodiningratan RW : 2, 3Sudiroprajan RW : 6, 7, 8, 9Kampung baru RW : 2

55 MojosongoKadipiro RW : 21, 27Mojosongo RW : 12, 13, 14, 15, 20, 21, 22, 23, 27, 31, 32

56 Kerkop

Gandekan RW : 2, 4, 5, 6, 7, 8Purwodiningratan RW : 1Sudiroprajan RW : 1, 2, 3, 4, 5Kedung lumbu RW : 3, 7Sangkrah RW : 3, 4, 5

57 Panti Kosala

Gilingan RW : 21Nusukan RW : 23Jebres RW : 31, 33, 34, 35Mojosongo RW : 1, 3, 4, 5, 6Tegalharjo RW : 1

58 Silir BaruJoyosuran RW : 3, 4, 8Semanggi RW : 7, 8, 9, 11, 23Joyosuran RW : 9

59 Sondakan IILaweyan RW : 1, 2, 3Pajang RW : 9, 15

60 Ken Dedes Karangasem RW : 7, 8

61 Sriwedari

Panularan RW : 3, 5, 7Penumping RW : 2, 3, 6Sriwedari RW : 1, 3, 5, 6Kemlayan RW : 6Tipes RW : 2

62 Komplang

Banyuanyar RW : 1, 2, 3, 7, 8, 10, 11Kadipiro RW : 1, 2, 3, 5, 6, 7, 8, 9Nusukan RW : 5Sumber RW : 1

63 TPA Putri CempoMojosongo RW : 10, 11, 16, 17, 18, 19, 24, 25, 26, 28, 29,

30, 33, 34


Dari hasil running optimasi software Lingo 8.0 di atas, didapatkan total biayapengangkutan sampah dari rumah tangga (wilayah/RW) sampai TPA sebesar Rp.18.080.030,00/hari. Sementara kebijakan alokasi sekarang yang berdasarkan kelurahanmenghasilkan biaya Rp. 19.107.310,53/hari.

4. Kesimpulan Dan SaranModel alokasi sampah dari wilayah (RW) ke TPS di kota Surakarta dengan menggunakan

integer linear programming mampu meminimasi biaya pengangkutan sampah menjadi sebesarRp. 18.080.030,00/hari dari biaya pengangkutan sampah sekarang sebesar Rp.19.107.310,53/hari dengan penghematan sebesar Rp. 1.027.280,53/hari atau 5,38%. Selain itu,dengan model ini, beban sampah setiap TPS menjadi lebih merata dan tidak melebihikapasitasnya dengan rata-rata persentase utilitas sebesar 84,19% dengan simpangan baku 22%sementara sistem sekarang memiliki simpangan baku 59% (sangat tidak merata beban setiapTPS).

Penelitian ini berasumsi bahwa truk mengangkut sampah dari satu TPS langsung menujuTPA dan akan kembali lagi ke TPS tersebut jika sampah masih tersisa tanpa singgah ke TPSlain. Untuk penelitian lebih lanjut dapat dikembangkan model yang mengintegrasikanpenentuan alokasi dan routing pengangkutannya sehingga biaya pengangkutan dapat lebihdiminimumkan lagi.

Daftar Pustaka

Bahar, Yul H. (1985). Teknologi Penanganan dan Pemanfaatan Sampah. Jakarta : PT. WacaUtama Pramesti.

Bautista, J. and Pereira, J. (2006). Modeling the problem of locating collection areas for urbanwaste management: an application to the metropolitan area of Barcelona. Omega, 34,617-629.

Boffey, T.B., Mesa, J.A. and Rodrigues, J.I. (2008). Locating a low-level waste disposal site.Computers&Operations Research, 35, 701-716.

BSN. (2005). “Revisi SNI 03-3242-1994.” Tata Cara Pengelolaan Sampah di Permukiman.Jakarta : Badan Standarisasi Nasional.

Dinas Kependudukan dan Capil. (2008). Laporan Monografi Dinamis Kota Surakarta.Surakarta : Dinas Kependudukan dan Catatan Sipil.

DKP. (2008). Laporan Pekerjaan Inventarisasi Timbulan Sampah Kota Surakarta TahunAnggaran 2008. Surakarta : Dinas Kebersihan dan Pertamanan.

Erkut, E., Karagiannidis, A., Perkoulidis, G. and Tjandra, S.A. (2008). A multicriteria facilitylocation model for municipal solid waste management in North Greece. EuropeanJournal of Operational Research, 187,1402 – 1421.

Winston, W.L. (2004). Operation Research:application and algorithms, 4th edition.Brooks/cole-Thomson Learning, Belmont, California.

Performa (2009) Vol. 8, No.1: 23-33

Perancangan Program Aplikasi untuk Analisis PekerjaanPengangkatan Berdasarkan Model Revised NIOSH Lifting

Equation

Henri Winandar, Irwan Iftadi, dan Lobes HerdimanJurusan Teknik Industri Fakultas Teknik Universitas Sebelas Maret Surakarta

Jl. Ir. Sutami No.36 Surakarta telp. 57126 fax.532110

AbstrakPekerjaan pengangkatan merupakan salah satu penyebab utama low back pain. Kompensasi ekonomiyang diberikan perusahaan dalam penanganan low back pain sangat besar. Salah satu model analisispekerjaan pengangkatan yang banyak digunakan yaitu model Revised NIOSH Lifting Equation. Tujuandari model Revised NIOSH Lifting Equation adalah mengurangi resiko kecelakaan kerja akibatpekerjaan pengangkatan. Model ini rumit sehingga memerlukan ketelitian tinggi dalam perhitunganmanual, khususnya untuk kasus multi task. Program aplikasi untuk model tersebut sudah tersedia tetapibersifat komersial. Adapun program aplikasi gratis memiliki fitur kurang lengkap. Perancangan programaplikasi menggunakan pendekatan berorientasi objek dengan bahasa permodelan UML. Perancanganuser interface program aplikasi berdasarkan diagram UML. Rancangan human model dibuat untukmemodelkan input data berupa hand location dan asymetric angle. Tahap akhir penelitian yaitumenterjemahkan perancangan ke dalam bahasa pemograman. Hasil penelitian yaitu program aplikasiyang mendukung penuh analisis model Revised NIOSH Lifting Equation baik kasus single task maupunkasus multi task. Program aplikasi mampu memodelkan data input berupa hand location dan asymetricangle. Program aplikasi dapat mencetak laporan dengan standar publikasi NIOSH. Disamping ituterdapat beberapa fitur lain, seperti error message berupa pesan kesalahan apabila terjadi kesalahaninput data dan help file yang dapat digunakan oleh pengguna untuk mempelajari program aplikasi.

Kata Kunci : low back pain, Revised NIOSH Lifting Equation, program aplikasi

1. PendahuluanLow back pain merupakan fenomena umum yang terjadi dalam dunia kesehatan dan

keselamatan kerja serta mengeluarkan banyak biaya dalam penanganannya [6]. Penyebab utamadari low back pain yaitu pekerjaan pengangkatan secara manual. Pengangkatan dengan kondisimembungkuk adalah posisi pengangkatan yang sering digunakan, mekanisme punggung sebagaipengungkit dan pinggul sebagai titik tumpu. Pada aktifitas mengangkat, batang tubuhmembungkuk ke depan dan sejumlah kekuatan tarikan harus dihasilkan untuk memeliharakeseimbangan sehingga membebani kolom spinal pekerja [1]. Tempat yang paling terkenadampak dari pekerjaan pengangkatan yaitu pada tulang belakang bagian L5/S1 [3]. Penyebablain low back pain adalah mengangkat beban yang terlalu berat atau pekerjaan pengangkatanyang berulang dengan frekuensi yang tidak mampu ditoleransi oleh tubuh pekerja.

Berdasarkan dari hasil review beragam literatur NIOSH merekomendasikan kriteriamengenai kapasitas maksimal pekerja dalam pekerjan pengangkatan. NIOSH menggunakankriteria yang dihasilkan untuk membuat formulasi baru mengenai analisis pekerjaanpengangkatan dengan memperhatikan keempat aspek tersebut dan formulasi tersebut dinamakan

Corespondence : [email protected]


Revised NIOSH Lifting Equation. Tujuan dari Revised NIOSH Lifting Equation adalah untukmelindungi atau mengurangi resiko kecelakaan kerja yang akan dialami pekerja dalammelakukan aktivitas pekerjaan pengangkatan [6].

Program aplikasi sering membantu manusia dalam membantu memecahkan berbagaimasalah dengan cepat dan tepat. Adapun beberapa produk program aplikasi untuk analisispekerjaan pengangkatan dengan model Revised NIOSH Lifting Equation baik komersial maupunnon komersial. Diharapkan dengan penelitian ini mampu menghasilkan suatu program aplikasiyang mampu melakukan analisis pekerjaan pengangkatan berdasarkan model Revised NIOSHLifting Equation dengan fitur yang lengkap.

2. Metodologi Penelitian

Gambar 1. Metodologi Penelitian


Winandar, Iftadi dan Herdiman - Perancangan Program Aplikasi Untuk Analisis Pekerjaan Pengangkatan... 25

Adapun tahapan yang dilakukan dalam penelitian, sebagai berikut:i. Studi Pendahuluan. Studi pendahuluan ini dilakukan untuk mengetahui segala sesuatu

tentang analisis pekerjaan pengangkatan dari berbagai jenis model dan aplikasi umumyang biasa digunakan untuk melakukan analisis pekerjaan pengangkatan.

ii. Perumusan Masalah. Merumuskan permasalahan yang diangkat dalam penelitian secararingkas, jelas, dan fokus sebagai sebuah pertanyaan yang harus dapat dijawab dengan hasilpenelitian.

iii. Tujuan Penelitian. Dalam tahapan ini ditentukan tujuan yang hendak dicapai olehpenelitian sebagai jawaban atas permasalahan yang telah dirumuskan pada tahapansebelumnya.

iv. Studi Literatur. Studi literatur dilakukan dengan mencari bahan penunjang materi untukmembuat penelitian ini.

v. Studi Materi. Tahapan ini dilakukan sebagai persiapan untuk pengumpulan data berupamateri analisis pekerjaan pengangkatan dari berbagai sumber.

vi. Pengumpulan Data. Tahapan ini merupakan inti dalam penelitian yaitu mengumpulkansemua data yang terkait terdiri dari 2 tahapan, yaitu penjelasan model serta alur logikamodel analisis pekerjaan sesuai dengan model Revised NIOSH Lifting Equation.

vii. Pengolahan Data. Tahapan pengolahan data dilakukan setelah semua data yangdibutuhkan telah terkumpul untuk kemudian diolah lebih lanjut. Ada empat tahappengolahan data yaitu permodelan sistem, perancangan human model, perancangan userinterface dan tahap programming and debugging.

viii. Analisis dan Interpretasi Hasil. Tahapan analisis yaitu mengevaluasi aplikasi dengantujuan penelitian yang telah ditetapkan.

ix. Kesimpulan dan Saran. Tahapan terakhir yang dilakukan adalah penarikan kesimpulanserta mengemukakan saran dan penelitian lanjutan.

3. Hasil dan Perancangan3.1. Model Revised NIOSH Lifting Equation

Model Revised NIOSH Lifting Equation merupakan model analisis pekerjaanpengangkatan yang memerlukan berbagai data pendukung untuk dihitung dalam persamaan-persamaan dalam model. Model Revised NIOSH Lifting Equation adalah sebuah alat bantupenghitungan yang digunakan untuk mengetahui tekanan fisik dari pengangkatan manualdengan dua tangan. Sebagaimana alat penghitungan yang lain, aplikasi dari persamaan initerbatas pada kondisi yang telah dirancang oleh NIOSH. Persamaan ini dirancang untuk kondisipengangkatan yang spesifik yang erat kaitannya pada segi biomekanika, fisiologi kerja, danasumsi psikologis serta data yang telah teridentifikasi

Gambar 2. merupakan alur logika model Revised NIOSH Lifting Equation secara umum.Adapun keterangan yang lebih spesifik dapat dijelaskan, sebagai berikut:1. Pemilihan task

Model Revised NIOSH Lifting Equation adalah suatu alat untuk mengakses tekanan fisikakibat pekerjaan pengangkatan manual, sama seperti kebanyakan alat lain, aplikasinyatanya sangat terbatas pada kondisi yang telah dirancang. Analisis bergantung padapilihan pekerjaan yang dianalisis yaitu single task atau multi task dan significant controlyang diperlukan pada pekerjaan pengangkatan.


Gambar 2. Alur logika model Revised NIOSH Lifting Equation

2. Pengumpulan dataVariabel dari suatu pekerjaan yang akan dianalisis harus diukur secara hati-hati dan dicatatdalam format yang telah ditentukan. Data yang diperlukan setiap task, sebagai berikut:

a. Berat objek yang diangkatb. Hand locationc. Asymetric angle (A)d. Frekuensi (F)e. Durasi pengangkatanf. Coupling (C)


3. Perhitungan Faktor PengaliFaktor pengali merupakan komponen penting untuk penghitungan RWL. Rumus danbesaran faktor pengali menggunakan desain kriteria dari model biomekanik, fisiologi danpsikofisik. Adapun langkah perhitungan faktor pengali, sebagai berikut:

a. Horizontal Multiplier (HM)b. Vertical Multiplier (VM)c. Distance Multiplier (DM)d. Asymetric Multiplier (AM)e. Frequency Multiplier (FM)f. Coupling Multiplier (CM)

4. Perhitungan untuk Single TaskAda dua prosedur utama untuk analisis pekerjaan pengangkatan dengan kategori single taskyaitu menghitung RWL dan Lifting Index untuk kemudian dianalisis. Adapunpenjelasannya, sebagai berikut:

a. Menghitung RWLb. Menghitung Lifting Index. Lifting Index merupakan output dalam analisis pekerjaan

pengangkatan menggunakan model Revised NIOSH Lifting Equation. Lifting Indexyang aman adalah kurang atau sama dengan 1.

5. Perhitungan untuk Multi TaskAda lima prosedur untuk analisis pekerjaan pengangkatan dengan kategori multi task,sebagai berikut:

a. Menghitung Frequency Independent Recommended Weight Limit (FIRWL)b. Menghitung Single Task Recommended Weight Limit (STRWL)c. Menghitung Frequency Independent Lifting Index (FILI)d. Menghitung Single Task Lifting Index (STLI)e. Menghitung Composite Lifting Index (CLI)

6. Standar NIOSH untuk Model Revised NIOSH Lifting EquationNIOSH memberikan standar bahwa apabila nilai LI atau CLI lebih besar dari 1 makapekerjaan pengangkatan beresiko mengakibatkan kecelakaan kerja pada bagian punggung.LI kurang dari 1 secara tidak langsung berarti pekerja memiliki Disc Compresion Forcepada L5/S1 kurang dari 3.4 kN, dengan Energi Expenditur diantara 2.28 kcal/min – 3.18kcal/min [1].

3.2. Permodelan SistemLangkah awal pengembangan program aplikasi, terlebih dahulu harus memodelkan

program aplikasi ke dalam bahasa permodelan software. Dalam penelitian ini digunakanpermodelan berorientasi objek dengan bahasa permodelan UML 2.0.

Dalam permodelan berorientasi objek suatu software dibedakan menjadi 2 macam yaitumonolithic sistem dan distributed sistem, dalam penelitian ini program aplikasi yang akan dibuathanya akan bekerja untuk satu komputer atau monolithic [5]. Untuk sistem monolithic makaview yang dipakai dalam permodelan terbatas pada dua view yaitu use case view dan desainview. Use case view dalam UML 2 direpresantasikan oleh use case diagram dan desain viewdirepresentasikan oleh class diagram dan sequence diagram [4].


3.3. Use Case DiagramDalam pembuatan use case diagram, hal pertama yang dilakukan yaitu mengidentifikasi

actor [4]. Dalam aplikasi direncanakan tidak ada pembedaan actor, actor hanya satu jenis yaitupengguna aplikasi.

Gambar 3. Use case diagram program aplikasi

Use case diagram menjelaskan requirement suatu program aplikasi. Dari gambar 4.2.dapat dijelaskan bahwa user dapat langsung melakukan dua hal dari aplikasi yaitu melakukananalisis pekerjaan atau membuka fitur help. Untuk melakukan analisis pekerjaan pengangkatanmaka dibutuhkan perantara yaitu untuk pemilihan klasifikasi pekerjaan yaitu single task ataumulti task. Spesifikasi selanjutnya yaitu user membutuhkan fitur input data, eksekusi hasil,pembuatan laporan dan penyimpanan file.

3.4. Class DiagramClass Diagram berfungsi sebagai representasi dari sebuah struktur perangkat lunak [4].

Dari class diagram dapat diketahui bagaimana program akan berjalan dan spesifikasi userinterface dari sebuah program aplikasi. Class diagram merupakan struktur atau arsitektur darisebuah program aplikasi. Perancangan class diagram harus sesuai dengan use case diagram.

Class diagram dari program aplikasi disusun berdasarkan alur logika perhitungan modelRevised NIOSH Lifitng Equation ditambah dengan beberapa fitur tambahan guna mendukungprogram aplikasi. Class diagram pada gambar 4., menunjukkan strusktur program aplikasi yangterdiri dari beberapa class yang saling berhubungan.


Gambar 4. Class diagram program aplikasi

3.5. Sequence DiagramSequence diagram merupakan bagian dari diagram interaksi dalam UML 2.0, fungsi

utama dari sequence diagram yaitu untuk memperlihatkan perilaku objek dalam suatu kasus [4].Dari sequence diagram dapat menunjukkkan kolaborasi antar objek dalam sistem. Sequencediagram pada gambar 5. menunjukkan bagaimana interaksi objek pada waktu melakukananalisis suatu pekerjaan pengangkatan. Ada 4 objek yang berperan dalam analisis pekerjaanpengangkatan yang diwakili oleh 4 class yaitu main, klasifikasi, single task dan multi task.

Gambar 5. Sequence diagram program aplikasi


3.6. DatabaseAplikasi membutuhkan database sebagai storage file yang berguna untuk keperluan

report dan saving output aplikasi. Adapun pembuatan database menggunakan Microsoft Access2003. Karena fungsi database hanya sebagai storage file maka tidak diperlukan rancangankhusus dan komponen database yang dibutuhkan dibuat berdasarkan class diagram aplikasi.Dari class diagram dapat dilihat bahwa terdapat dua klasifikasi data yaitu data single task dandata multi task sehingga database dibagi menjadi dua tabel data.

3.7. Perancangan Human ModelHuman model digunakan untuk memodelkan posisi postur manusia dari data input ke

dalam bentuk gambar model manusia. Model manusia yang digunakan yaitu model manusiabasemale.blend yang diperoleh dari www.katorlegaz.com dan diolah dengan aplikasi Blender3D. Untuk kemudian file hasil render yaitu file picture dengan ekstensi .jpg diaplikasikan keVisual Basic 6. Dalam program aplikasi, human model digunakan untuk memodelkan posisihorizontal location (H) dan vertical location (V) serta asymmetric angle (A) dari suatupekerjaan pengangkatan.

Gambar 6. Human model dengan Blender 3D

3.8. User Interface Program AplikasiUser interface program aplikasi dibuat berdasarkan diagram UML serta memperhatikan

alur logika model Revised NIOSH Lifting Equation. Adapun bahasa pemograman yangdigunakan berupa bahasa BASIC dengan aplikasi Microsoft Visual Basic 6.

Gambar 7. User interface form utama dan klasifikasi form program aplikasi

www.katorlegaz.com


Dalam program aplikasi terdiri dari 4 form utama yaitu main form, klasifikasi form, singletask form dan multi task form. Adapun langkah dalam analisis pekerjaan pengangkatan melaluiprogram aplikasi terdiri dari 4 langkah utama yaitu membuka program aplikasi, memasukkandata, eksekusi hasil dan membuat laporan. User tinggal memasukkan data yang diperlukanuntuk keperluan analisis pekerjaan pengangkatan setelah terlebih dahulu menentukan klasifikasipekerjaan pengangkatan yang akan dianalisis. Ada dua pilihan yang disediakan oleh programaplikasi dalam melakukan input data yaitu secara manual dan membuka file database yangdisediakan.

Gambar 8. User interface input program aplikasi

Program aplikasi akan menghitung berdasarkan model dengan output berupa hasilanalisis berupa RWL dan Lifting Index. Disamping itu program aplikasi mampu memodelkanposisi hand location dan asymetric angle dari input data yang dimasukkan secara real time.Output program aplikasi ada dua yaitu hasil analisis yang dikeluarkan dalam output form dalamprogram aplikasi dan report file dalam format standar yang dapat langsung dicetak. OutputAplikasi merupakan keluaran dari aplikasi, tetapi masih berada dalam form input. Outputaplikasi berupa hasil perhitungan dan analisis dalam bentuk text serta human model. Outputaplikasi disesuaikan dengan input aplikasi yang ada yaitu akan ada 2 output aplikasi denganklasifikasi task yang dilakukan yaitu single task dan multi task.

Gambar 9. User interface output program aplikasi


Output report merupakan keluaran aplikasi tetapi berbentuk report form yang telah terformatdan langsung dapat dicetak.

Gambar 10. User interface output report program aplikasi

Report form disamping berfungsi sebagai laporan hasil analisis program aplikasidalam bentuk print out juga sebagai tool dokumentasi karena terdapat fitur save dalam berbagaiformat file yang sudah tertanam didalamnya. Dalam Visual Basic 6 format file yang didukungyaitu .html dan .txt [2]. Penggunaan report form memerlukan komponen data environment yangotomatis memerlukan file database. Untuk itu dibuat file database dimana memuat keseluruhaninput dan output program aplikasi untuk digunakan dalam data environment.

4. KesimpulanKesimpulan yang dapat diambil dalam penelitian, sebagai berikut:a. Hasil perancangan adalah program aplikasi untuk analisis pekerjaan pengangkatan

berdasarkan model Revised NIOSH Lifting Equation. Progam aplikasi terdiri dari form-formyang berisi kode pemrograman, rancangan human model, rancangan report dan rancangansistem pendukung user.

b. Penyusunan form dan proses menggunakan perancangan berorientasi objek dengan bahasapermodelan yang digunakan UML 2.

c. Rancangan human model berupa posisi postur manusia yang mewakili input data berupahand location dan asymetric angle.

d. Rancangan report digunakan untuk keperluan dokumentasi pengguna berupa laporan yangtelah terformat sesuai dengan publikasi NIOSH.

e. Rancangan sistem pendukung user berupa error message dan help file.


Daftar Pustaka

[1] Blanton, Douglas. (2004). Effects of Increased Body Mass on Biomechanical StressesAffecting Worker Safety and Health during Static Lifting Tasks, Master Thesis. UniversityOf Cincinnati. Cincinnati.

[2] Bradley, Julia Case. (1999). Programming in Visual Basic, version 6.0. Irwin/McGraw-Hill. Boston

[3] Chaffin D.B, Andersson G.B.J, Martin B.J. (1999). Occupational Biomechanics, ThirdEdition. John Wiley & Sons. New York

[4] Fowler, Martin. (2003). UML Distilled: A Brief Guide to the Standard Object ModelingLanguage, Third Edition. Addison Wesley. Boston.

[5] Ojo Adegboyega, Elsa Estevez. (2005). Object Oriented Analysis and Design with UMLTraining Course. Diakses 14 Februari 2008, dari http://www.emacao.gov.mo/documents/18/01/report19.pdf

[6] Waters, Thomas R. (1994). Applications Manual for The Revised NIOSH Equation.Diakses 23 April 2008, dari http://www.cdc.gov/niosh/94-110.html.

http://www.emacao.gov.mo/

Performa (2009) Vol. 8, No.1: 34-41

Analisis Sistem Antrian di Plasa Telkom Solo denganMetode Simulasi

Eko Liquiddanu, Wakhid Ahmad Jauhari dan Yaning Tri HapsariJurusan Teknik Industri, Universitas Sebelas Maret, SurakartaJl. Ir. Sutami 36A, Surakarta 57126, Telp/Fax. (0271) 632110

AbstractPlasa Telkom Solo is a service place belonging to Telkom which is provided to serve Telkom customerwith nine service servers. Those nine services servers can handle new setting and mutation, complains,information, and cash payment and non cash payment. Queue in the scale of customer service isimportant to be considered because the long queue will make the customer uncomfortable. The queuehappens because the need of service is bigger than the capacity of service. Therefore, the customercannot be served immediately because the busy service. This research is conducted to analyze the queuesystem to find the best number of the server and service system in Plasa Telkom Solo. This research usessimulation method to find the best solution for the company to decide the number of the servers. Thesimulation model is used because this model can give solution if analytic model is failed to do that.Analytic model cannot be used in this research since in Plasa Telkom Solo there are four kinds of servicewith different approximate time service.Based on the research, the best numbers of server is seven. Meanwhile, the service system model arecombining service 1 (new setting and mutation) and service 2 (complain) with the number of server 5 andservice 3 (information) combines with service 4 (cash payment and non cash payment) with number ofserver is 2. This model can reduce the queue time for 21,7325 minutes (before the simulation) to be17,8694 minutes (after simulation). The time difference is 3.8631 minutes with utilization 0,8996(89,96%) or 458,796 minutes (7,65 hours) per day and the free time for the server is 0,1004 (10,04%)atau 51,2040 minutes (0,85 hours) per day, in which per day there is 8,5 work time.

Key Words: Server, service kind, queues time, server free time, simulation, model.

1. PendahuluanSuatu proses antrian (queueing process) adalah suatu proses yang berhubungan dengan

kedatangan seorang pelanggan pada suatu fasilitas pelayanan, kemudian menunggu dalam suatubaris (antrian) jika semua pelayannya sibuk, dan akhirnya meninggalkan fasilitas tersebut.Sebuah sistem antrian adalah suatu himpunan pelanggan, pelayan dan suatu aturan yangmengatur kedatangan pada pelanggan dan pemrosesan masalahnya (Bronson dan Wospakrik1993: 308). Antrian terjadi karena kebutuhan akan layanan melebihi kemampuan (kapasitas)pelayanan atau fasilitas layanan, sehingga pengguna fasilitas (pelanggan) yang tiba tidak bisasegera mendapat layanan disebabkan kesibukan layanan.

Penelitian ini menggunakan metode simulasi untuk memberikan solusi bagi pihakperusahaan dalam menentukan jumlah server. Model simulasi digunakan karena simulasi dapatmemberi solusi jika model analitik gagal melakukannya. Model analitik tidak dapat digunakandalam penelitian ini karena di Plasa Telkom terdapat empat jenis pelayanan dengan rata-ratawaktu pelayanan yang berbeda-beda yaitu pasang baru dan mutasi (jenis pelayanan 1),

Correspondence : [email protected]

Liquiddanu, Jauhari dan Hapsari - Analisis Sistem Antrian di Plasa Telkom Solo dengan Metode Simulasi... 35

penanganan keluhan/komplain (jenis pelayanan 2), informasi (jenis pelayanan 3), danpembayaran tunai dan non tunai (jenis pelayanan 4).

Berdasarkan uraian diatas, dapat dirumuskan permasalahan yaitu bagaimanakahmenentukan model pelayanan di Plasa Telkom Solo agar diperoleh hasil model pelayanan yangoptimal. Tujuan dari penelitian ini adalah menentukan jumlah server dan menentukan modelsistem pelayanan yang optimal. Adapun batasan masalah yang digunakan adalah:1. Penelitian dilakukan pada tanggal tersibuk yaitu pada tanggal 19 dan 20 dimana banyak

terjadi antrian.2. Permasalahan yang diambil hanya pada sistem antrian dan hanya mengamati 7 server yang

melayani pengguna jasa Telkom.

2. Metodologi PenelitianLangkah-langkah kerangka pemecahan masalah yang digunakan dalam penelitian adalah

sebagai berikut:

Gambar 1. Metodologi Penelitian

3. Hasil dan PembahasanPengolahan data dilakukan pada waktu pelayanan (WP), waktu antar kedatangan (WAK),

dan waktu antri (WA), dengan hasil sebagai berikut:



Tabel 1. Mean dan Standar Deviasi (SD) WP dan WAKJenis

Pelayanan Mean SD Mean SD1 26,39 0,33 7,17 8,922 22,49 8,57 24,74 28,123 19,36 0,34 14,28 15,834 1,88 0,41 13,24 18,61

WP (Menit) WAK (Menit)

Tabel 2. Mean dan Standar Deviasi (SD) WAJenis

Pelayanan Mean SD1,3,4 26,31 19,81

2 17,16 17,34Jumlah 43,47

Rata-Rata 21,73

WA (Menit)

Tabel 3. Jenis Distribusi WAK dan WPJenis

Pelayanan WAK WP1 Poisson Normal2 Poisson Normal3 Poisson Normal4 Poisson Normal

Distribusi

3.1 Pembuatan Model Simulasi3.1.1 Karakteristik Sistem

Plasa Telkom mempunyai 9 server, dari 9 server tersebut terdapat satu server yangmelayani pengguna jasa Telkomsel, satu server yang digunakan untuk input data Telkom, danada 7 server yang melayani pengguna jasa Telkom. Untuk penelitian ini hanya mengamati 7server yang melayani pengguna jasa Telkom dan ketujuh server tersebut aktif. Untuk jenispelayanan 1, 3, dan 4 dilayani S1, S2, S3, S4, S6, dan S7, sedangkan untuk jenis pelayanan 2dilayani S9. Layout dari Plasa Telkom Solo dijelaskan pada Gambar 2.

Gambar 2. Layout Plasa Telkom Solo

Keterangan: S = server S1-S4 dan S6-S9 = server TelkomK = kursi S5 = server TelkomselM = mesin antrian S8 = server khusus input data Telkom

Setiap pelanggan yang datang mengambil nomer antrian lewat mesin antrian yangtersedia di dekat pintu masuk. Kemudian pelanggan menunggu nomer antriannya dipanggil.Selama mengantri pelanggan duduk di kursi yang telah disediakan yang dapat menampung 29pelanggan. Setelah nomer antriannya dipanggil maka pelanggan akan dilayani oleh server

S1S2S3S4

S7

S6

S8

K1

K2K3K4

K5

K6

S5

MS9


hingga selesai dilayani dan keluar dari Plasa. Jam kerja Plasa Telkom dari Senin sampai Kamisdimulai pukul 08.00 – 16.30, Jumat dimulai pukul 08.00 – 16.00, dan pada hari Sabtu dimulaipukul 08.00 - 12.00. Pukul 11.30 server mulai istirahat, dimana setiap satu jam dua orang serveristirahat. Jam sibuk Plasa Telkom yaitu pada tanggal 19 dan 20.

3.1.2 Pembuatan Model SimulasiSiklus Data Flow Diagram (DFD) dari model simulasi yang dibuat dapat dilihat pada

Gambar 3. Create 1, create 2, create 3, dan create 4 menjelaskan waktu antar kedatangan jenispelayanan 1, 2, 3, dan 4 sesuai dengan distribusi waktu antar kedatangannya. Assign 1, assign 2,assign 3, dan assign 4 menjelaskan waktu pelayanan jenis pelayanan 1, 2, 3, dan 4. Pelayanan 1,3, 4 menjelaskan proses pelayanan jenis 1, 3, dan 4 sesuai dengan distribusi waktupelayanannya. Pelayanan 2 menjelaskan proses pelayanan jenis 2 sesuai dengan distribusi waktupelayanannya. Record 1 menjelaskan jumlah pelanggan yang telah selesai dilayani untuk jenispelayanan 1, 3, dan 4. Record 2 menjelaskan jumlah pelanggan yang telah selesai dilayani untukjenis pelayanan 2. Keluar menjelaskan bahwa pelanggan telah selesai dilayani dan keluar darisistem.

Create 1

Create 2

Create 3

Create 4

Assign 1

Assign 2

Assign 3

Assign 4

1.3.4Pelayanan Jenis

Pelayanan Jenis 2

Record 1

Keluar

Record 2

0

0

0

0

0

0

0

0

0

Gambar 3. DFD Sistem Pelayanan Plasa Telkom

3.2 Jumlah ReplikasiHasil simulasi dengan 20 replikasi dapat dilihat pada Tabel 4. Didapatkan mean-nya

154,2 pelanggan yang keluar dari sistem dan standar deviasinya 3,9. Karena standar deviasiyang dihasilkan mempunyai nilai yang kecil maka tidak perlu dilakukan perhitungan untukmenentukan jumlah replikasi yang diperlukan.

Tabel 4. Simulasi Dengan 20 ReplikasiNumber Number

Out Out1 157 11 1532 154 12 1483 160 13 1574 156 14 1595 159 15 1536 153 16 1567 148 17 1478 148 18 1559 156 19 15810 153 20 154

Jumlah 3084Mean 154,2

SD 3,9

Replikasi Replikasi


3.3 Uji RagamUntuk membandingkan keragaman antara data nyata yang didapatkan dari lokasi

penelitian dan hasil dari running model simulasi maka dilakukan uji ragam, sebagai berikut:

Misalkan: 21 = ragam populasi yang didapatkan dari lokasi penelitian22 = ragam populasi yang didapatkan dari running model simulasi

Dimana: n1 = 2 data S1 = 10,6n2 = 20 replikasi S2 = 3,9

1. H0:22

21

2. H1:22

21

3. α = 0,104. Wilayah kritis:

v1 = n1 – 1 = 2 - 1 = 1 v2 = n2 – 1 = 20 – 1 =19

),( 212/ vvf = f0,05(1,19) = 4,38

),(

1),(

122/212/1 vvf

vvf

= f0,95(1,19) =

)1,19(

1

05,0f= 0,004

H0 ditolak bila f < 0,004 atau f > 4,385. Perhitungan:

2

1S = 10,62 = 112,5,

22S = 3,92 = 15,4

f =22

21

S

S=

4,15

5,112= 7,3

6. Keputusan: tolak H0 dan terima H1, sehingga dapat disimpulkan bahwa kedua ragampopulasi dari model simulasi dengan data yang didapatkan dari lokasi penelitian tidak sama.

3.4 Validasi ModelUntuk menguji validasi model maka dilakukan uji hipotesis nilai tengah yaitu dengan

membandingkan rata-rata pelanggan yang telah dilayani hasil dari running model simulasidengan rata-rata pelanggan yang telah dilayani pada data nyata yang didapatkan dari lokasipenelitian. Berikut hasil perhitungan dalam uji hipotesa.Misalkan: µ1 = rata-rata yang didapatkan dari lokasi penelitian

µ2 = rata-rata yang didapatkan dari running model simulasi

Dimana: n1 = 2 data 1x = 152,5 S1 = 10,6

n2 = 20 replikasi 2x = 154,2 S2 = 3,9

1. H0: µ1 - µ2 = 02. H1: µ1 - µ2 ≠ 03. α = 0,104. Wilayah kritis: t’ < -3,078 dan t’ > 3,078

1

)/(

1

)/(

)]/()/[(

2

22

22

1

21

21

22

221

21

n

nS

n

nS

nSnSv

120

)20/9,3(

12

)2/6,10(

)]20/9,3()2/6,10[(2222

222

= 1,03

5. Perhitungan:


)/()/('

2221

21

21

nSnS

xxt

)20/9,3()2/6,10(

2,1545,15222

= 0,23

6. Keputusan : terima H0 dan tolak H1, sehingga dapat disimpulkan bahwa rata-rata pelangganyang telah dilayani hasil dari model simulasi dengan rata-rata pelanggan yang telah dilayanipada data yang didapatkan dari lokasi penelitian sama.

3.5 Running ProgramAda tiga cara membangkitkan model sehingga didapatkan alternatif model simulasi. Tiga

cara (kelompok alternatif model) membangkitkan alternatif model adalah sebagai berikut: Kelompok alternatif model I: membagi menurut jenis pelayanannya untuk dilayani sejumlah

server tanpa menambah jumlah server yang ada.Kelompok alternatif model ini menggabungkan jenis pelayanan yang memiliki waktupelayanan tinggi dan yang memiliki waktu pelayanan rendah atau menggabungkan jenispelayanan yang memiliki waktu antar kedatangan tinggi dan waktu antar kedatangan rendahdengan kombinasi jumlah server yang berbeda.

Kelompok alternatif model II: menggabung beberapa jenis pelayanan untuk dilayanisejumlah server tanpa menambah jumlah server yang ada.Kelompok alternatif model ini dibuat dengan menggabungkan jenis pelayanan yangmemiliki waktu pelayanan rendah dan jenis pelayanan yang memiliki waktu pelayanantinggi atau menggabungkan jenis pelayanan yang memiliki waktu antar kedatangan rendahdan jenis pelayanan yang memiliki waktu antar kedatangan tinggi dengan kombinasi jumlahserver yang berbeda.

Kelompok alternatif model III: menambah jumlah server untuk jenis pelayanan tertentu,baik dengan membagi menurut jenis pelayanannya atau menggabung beberapa jenispelayanan. Pembuatan kelompok alternatif model ini adalah kombinasi dari kelompokalternatif I dan II dengan menambah jumlah server.

Hasil running semua alternatif model dapat dilihat pada Tabel 5. Alternatif model 1 - 3adalah kelompok alternatif model I, alternatif model 4 - 13 adalah kelompok alternatif model II,dan alternatif model 14 - 20 adalah kelompok alternatif model III.

Tabel 5. Hasil Running Semua Alternatif ModelAlternatif Rata-Rata WA Rata-Rata W. Menganggur W. Mengganggur Jenis Pelayanan Total

Model (Menit) Server (Menit) Server (1-Utilization) (Jumlah Server) Server1 1 66,8623 168,7590 0,3309 1 (2), 2 (2), 3 (2), 4(1) 72 2 61,0282 133,2375 0,2613 1 (2), 2 (1), 3 (3), 4(1) 73 3 55,9940 135,3795 0,2655 1 (3), 2 (1), 3 (2), 4(1) 74 4 17,8694 51,2040 0,1004 1+2 (5), 3+4 (2) 75 5 33,0021 97,1040 0,1904 1+2 (4), 3+4 (3) 76 6 20,8299 95,8800 0,1880 1+3 (5), 2+4 (2) 77 7 28,2843 47,4045 0,0930 1+3 (6), 2+4 (1) 78 8 22,0338 48,6285 0,0954 1+4 (4), 2+3 (3) 79 9 27,2964 28,2540 0,0554 1+4 (5), 2+3 (2) 710 10 18,5003 222,2835 0,4359 1+2+3 (6), 4 (1) 711 11 17,3324 62,2710 0,1221 1+2+4 (5), 3 (2) 712 12 39,9537 46,4355 0,0911 1+2+4 (6), 3 (1) 713 13 27,0930 152,6600 0,2993 1 (4), 2+3 (2), 4(1) 714 14 14,1090 106,2840 0,2084 1+2 (5), 3+4 (3) 815 15 8,5230 71,3745 0,1400 1+2 (6), 3+4 (2) 816 16 9,0237 109,8285 0,2154 1+3 (6), 2+4 (2) 817 17 5,8215 126,0720 0,2472 1+2 (6), 3+4 (3) 918 18 17,8993 148,0020 0,2902 1 (4), 2 (1), 3 (4), 4(1) 1019 19 13,8062 180,8843 0,3547 1 (4), 2 (2), 3 (4), 4(1) 1120 20 4,1908 200,8763 0,3939 1 (5), 2 (2), 3 (5), 4(1) 13

No.


3.6 Analisis3.6.1 Analisis Pemilihan Alternatif Model Simulasi

Pemilihan alternatif model dilakukan dengan membandingkan lama mengantri pelanggandan waktu menganggur server untuk semua alternatif model. Alternatif model I memiliki waktuantri yang sangat tinggi dibanding alternatif model lainnya sehingga kurang baik untuk dipilih.Alternatif model III memiliki waktu antri yang rendah namun waktu menganggur server sangattinggi, sehingga alternatif model III juga kurang baik untuk dipilih. Alternatif model II cukupbaik untuk dipilih karena waktu antri dan waktu menganggur server tidak terlalu tinggi. Selainitu, juga karena tidak perlu menambah jumlah server.

Kelompok alternatif model yang dipilih adalah kelompok alternatif model II, yaitualternatif model 4. Waktu antrinya adalah 17,8694 menit dan waktu menganggur server-nya51,2040 menit. Penggabungan jenis pelayanan 1 yang memiliki waktu antar kedatangan rendahdan jenis pelayanan 2 yang memiliki waktu antar kedatangan tinggi menyebabkan waktu antridan waktu menganggur server rendah. Selain itu penggabungan jenis pelayanan 3 yangmemiliki waktu pelayanan tinggi dan jenis pelayanan 4 yang memiliki waktu pelayanan rendahjuga menyebabkan waktu antri dan waktu server menganggur rendah.

3.6.2 Analisis Perbandingan Sebelum Simulasi dan Setelah SimulasiBerdasarkan hasil sebelum simulasi, jenis pelayanan 1, 3, dan 4 digabung dengan jumlah

server 6 dan jenis pelayanan 4 dilayani 1 server. Penggabungan jenis pelayanan 1, 3, dan 4kurang tepat karena selisih waktu pelayanannya sangat besar. Untuk jenis pelayanan 1 waktupelayanannya 26,4 menit, jenis pelayanan 3 waktu pelayanannya 19,4 menit, dan jenispelayanan 4 waktu pelayanannya 1,9 menit. Selisih waktu pelayanan untuk jenis pelayanan 1dan 4 adalah 24,52 menit dan untuk jenis pelayanan 3 dan 4 adalah 17,49 menit. Selain itu, padahasil sebelum simulasi jenis pelayanan 2 yang hanya dilayani 1 server memiliki waktupelayanan (22,5 menit) dan waktu antar kedatangan (24,5 menit) cukup besar sehinggaantriannya tidak terlalu panjang. Waktu pelayanan yang tinggi dan waktu antar kedatangan yangrendah menyebabkan adanya antrian. Antrian yang lama dapat menyebabkan perusahaankehilangan pelanggan.

Berdasarkan hasil setelah simulasi, alternatif model yang dipilih yaitu alternatif model 4,yaitu menggabungkan jenis pelayanan 1 dan 2 dengan jumlah server 5 dan jenis pelayanan 3dan 4 dengan jumlah server 2. Jenis pelayanan 1 memiliki waktu antar kedatangan (7,17 menit)lebih kecil dari waktu antar kedatangan jenis pelayanan 2 (24,17 menit) sehingga penggabunganini menyebabkan waktu antri rendah. Penggabungan jenis pelayanan 3 yang memiliki waktupelayanan tinggi (19,36 menit) dan jenis pelayanan 4 yang memiliki waktu pelayanan rendah(1,88 menit) juga dapat mengurangi waktu antri dan waktu menganggur server. Tabel 6menjelaskan perbandingan hasil sebelum simulasi dan alternatif simulasi yang dipilih.

Tabel 6. Perbandingan Hasil Sebelum Simulasi dan Alternatif Model Yang DipilihSebelum Alternatif ModelSimulasi Yang Dipilih

WA (Menit) 21,7325 17,8694Jenis Pelayanan 1+3+4 (6) 1+2 (5)(Jumlah Server) 4 (1) 3+4 (2)

Berdasarkan hasil sebelum simulasi didapatkan waktu antri 21,7325 menit dan waktuantri alternatif model yang dipilih adalah 17,8694 menit. Selisih waktu antrinya adalah 3,8631menit. Berarti alternatif model 4 dapat mengurangi waktu antri sebesar 3,8631 menit denganwaktu menganggur server 51,2040 menit (0,1004 atau 10,04%). Gambar 4 menjelaskanperbandingan waktu antri sebelum simulasi dengan hasil alternatif model yang dipilih.


Perbandingan WA Sebelum Simulasi DanAlternatif Model Yang Dipilih

0

5

1015

20

25

Sebelum Simulasi Alternatif Model yangDipilih

WA

(Men

it)

Series1

Gambar 4. Grafik Perbandingan Waktu Antri Sebelum Simulasi danAlternatif Model yang Dipilih

4. KesimpulanBerdasarkan penelitian yang telah dilakukan dapat diperoleh kesimpulan sebagai berikut:a. Jumlah server yang tepat berdasarkan hasil simulasi adalah 7 server, sehingga perusahaan

tidak perlu menambah jumlah server yang ada.b. Model sistem pelayanan yang tepat berdasarkan hasil simulasi adalah alternatif model 4

yaitu menggabungkan jenis pelayanan 1 (pasang baru dan mutasi) dan jenis pelayanan 2(keluhan/komplain) dengan jumlah server 5 dan jenis pelayanan 3 (informasi) dan jenispelayanan 4 (pembayaran tunai dan non tunai) dengan jumlah server 2. Model ini dapatmengurangi waktu antri dari 21,7 menit (sebelum simulasi) menjadi 17,9 menit (setelahsimulasi). Selisih waktu antrinya adalah 3,9 menit dengan utilization 0,90 (90%) atau 458,8menit (7,65 jam) per hari dan waktu menganggur server-nya sebesar 0,10 (10%) atau 51,2menit (0,85 jam) per hari, dimana per hari terdapat 8,5 jam kerja.

Daftar Pustaka

Bronson, R. dan Wospakrik, H. J. 1993. Teori Dan Soal-Soal Operation Research. Jakarta:Erlangga.

Hardiyatmo, A. 2007. Usulan Perancangan Sistem Antrian Dan Jumlah Kasir Swalayan LuwesDengan Metode Simulasi. Surakarta: Jurusan Teknik Industri, Fakultas Teknik,Universitas Sebelas Maret, Surakarta,

Harinaldi. 2005. Prinsip-Prinsip Statistik Untuk Teknik Dan Sains. Erlangga: Jakarta.Kelton, W. D., Sadowski, R. P., and Sturrock, D. T. 2004. Simulation With Arena 3nd ed.

Singapore: McGraw-Hill.Subagyo, P., Asri, M., dan Handoko, T. H. 1983. Dasar-dasar Operation Research.

Yogyakarta: PT BPFE.Siswanto. 2006. Operation Research. Jilid 2. Erlangga: Jakarta.Suletra, I W. 2007. Modul Kuliah Simulasi Sistem. Surakarta: Jurusan Teknik Industri, Fakultas

Teknik, Universitas Sebelas Maret, Surakarta.Walpole, R. E. 1995. Pengantar Statistika. Jakarta: PT. Gramedia Pustaka Utama.

performa vol 8.no.1

Documents