Wahyudi Rusydi1, Takdir Alisyahbana2, Ahmad Padhil3
Universitas Muslim Indonesia, Indonesia123
Email: [email protected]
|
Abstrak |
|
SMK SMTI Makassar adalah salah satu sekolah di
Makassar yang memiliki pabrik pengolahan rumput laut. Namun terdapat
permasalahan yang berada didalam aktivitas pabrik yaitu menurunnya
performansi mesin hidrolik rumput laut SMK SMTI Makassar mengakibatkan target
produksi tidak tercapai. Sehingga penelitian ini bertujuan untuk menganalisis
efektivitas penerapan Total Productive Maintenance (TPM) pada mesin hidrolik
di Pabrik Rumput Laut SMK SMTI Makassar dengan menggunakan metode Overall
Equipment Effectiveness (OEE) serta menganalisis penyebab utama kerugian
produksi melalui pendekatan Six Big Losses. Hasil perhitungan menunjukkan
bahwa nilai OEE pada mesin hidrolik adalah sebesar 63%, yang termasuk dalam
kategori sedang dan belum mencapai standar kelas dunia (85%). Salah satu
faktor utama yang menyebabkan nilai OEE belum optimal adalah rendahnya rasio
performance mesin, terutama pada bulan Mei dan Juni. Analisis Six Big Losses mengidentifikasi bahwa total kerugian produksi mencapai 34,80%, dengan penyebab dominan berupa reduced speed losses sebesar
24,67%. Kerugian ini menyebabkan perlambatan proses produksi, yang jika digambarkan melalui diagram
pareto, memperlihatkan reduced speed losses sebagai kategori kerugian yang paling signifikan.
Berdasarkan hasil ini, disarankan agar SMK SMTI
Makassar menerapkan metode
pemeliharaan baru berupa Total Productive Maintenance (TPM) untuk meningkatkan efektivitas mesin. Kata kunci: TPM,
OEE, Six Big Losses, Mesin Hidrolik |
|
|
|
Abstract |
|
SMK SMTI Makassar
is one of the schools in Makassar that has a seaweed processing plant.
However, there are problems that are in the factory activities, namely the
decline in the performance of the seaweed hydraulic machine of SMK SMTI
Makassar resulting in production targets not being achieved. So this study aims to analyze the effectiveness of the
application of Total Productive Maintenance (TPM) on hydraulic machinery at
the Seaweed Factory of SMK SMTI Makassar using the Overall Equipment
Effectiveness (OEE) method and analyze the main causes of production losses
through the Six Big Losses approach. The calculation results show that the
OEE value of the hydraulic machine is 63%, which is included in the medium
category and has not reached the world-class standard (85%). One of the main
factors causing the OEE value to not be optimal is the low machine
performance ratio, especially in May and June. The Six Big Losses analysis
identified that production losses totaled 34.80%, with the dominant cause
being reduced speed losses of 24.67%. These losses cause a slowdown in the
production process, which when depicted through a pareto diagram, shows
reduced speed losses as the most significant loss category. Based on these
results, it is recommended that SMK SMTI Makassar implement a new maintenance
method in the form of Total Productive Maintenance (TPM) to improve the
effectiveness of the machine... Keywords: TPM, OEE, Six Big Losses, Hydraulic
Machine |
*Correspondence
Author: Wahyudi Rusydi
Email:
[email protected]
PENDAHULUAN
Rumput
laut (seaweed) adalah salah satu komoditi yang potensial dan dapat dijadikan
unggulan untuk upaya pengembangan Usaha Kecil Menegah (UKM) (Priono, 2016). Total produksi rumput laut
nasional saat ini telah mengalami peningkatan yang cukup signifikan. Produksi
rumput laut nasional pada tahun 2014 mencapai 10,2 juta ton atau meningkat
lebih dari tiga kali lipat (Maharany et al., 2017). Sumber daya rumput laut yang
luas di Indonesia apabila dilakukan dengan pengolahan yang tepat bisa
mendapatkan produk pangan fungsional bagi masyarakat luas (Erniati et al., 2016).
SMK
SMTI Makassar adalah salah satu sekolah di Makassar yang memiliki pabrik
pengolahan rumput laut. Pabrik ini Berdiri pada 2016 pada akhir Desember di SMK
SMTI Makassar, yang dimana mulai berjalan efektif sekitar juni 2017. Pabrik
berdiri untuk menjadi sarana belajar siswa dalam mempelajari seluk beluk dunia
industri hasil pertanian sektor olahan rumput laut menjadi produk refine
cerragenan. Dalam menghasilkan sebuah produk maka diperlukannya peran mesin
untuk membantu manusia agar produk yang dibuat dapat sesuai dengan standar yang
diinginkan. Seiring berjalannya seperti manusia, kondisi mesin dan peralatan
akan mengalami penurunan kemampuan dalam melaksanakan tugasnya.
Permasalahan
pada Pabrik Rumput Laut SMK SMTI Makassar yaitu seringkali terjadi adanya
penurunan performa mesin hidrolik pada proses tahap pengurangan air produksi
rumput laut. Hal ini berpengaruh pada jumlah target produksi yang telah
ditentukan, tentu hal ini sangat merugikan bagi pabrik karena selain tidak
mencapainya target produksi. Mesin hidrolik merupakan salah satu mesin yang digunakan
dalam proses produksi di Pabrik Rumput Laut SMK SMTI Makassar yang memadatkan
rumput laut yang telah dikeringkan menjadi ukuran tertentu agar mempermudah dan
memperingkas proses penyimpanan dan pengiriman rumput laut kering (Nazemi et al.,
2021; Nilsson & Martin, 2022). Menurunnya performansi mesin
hidrolik tersebut muncul Pabrik Rumput Laut SMK SMTI Makassar mengakibatkan
target produksi tidak tercapai, sehingga perlu dilakukan tindakan berupa
pemeliharaan (maintenance) peralatan kerja dan peningkatan kualitas produk. Dalam
upaya maintenance yang tepat perlu diketahui persentase tingkat kinerja
peralatan produksi agar dapat dilakukannya pemeliharaan yang baik dan tepat.
Dalam pemecahan permasalahan tersebut dapat dilakukan menggunakan metode Total
Productive Maintenance (TPM).
TPM
adalah total dari pemeliharaan produktif secara permanen untuk meningkatkan
keseluruhan efektifitas peralatan dengan melibatkan operator secara aktif (Pinto et al., 2020;
Tortorella et al., 2021). TPM dilakukan agar gabungan
antara produksi dan pemeliharaan secara bersama-sama mengalami peningkatan
berkelanjutan. Pemeliharaan yang baik sangat penting untuk sistem produksi yang
produktif (Hairiyah et al., 2019). Dalam menerapkan metode TPM
dapat dilakukan dengan perhitungan Overall Equipment Effectiveness (OEE) yang
bertujuan untuk mengetahui seberapa efektif proses produksi berjalan.
OEE
adalah metode yang mengukur keseluruhan efektivitas mesin/peralatan yang mampu
untuk mengevaluasi keadaan proses produksi untuk tingkat kualitas produk (Andersson &
Bellgran, 2015; Ridwan et al., 2024). Perusahaan bisa melakukan
perbaikan pada bagian yang tidak tepat karena metode ini dapat menghitung nilai
tingkat ketersediaan, kinerja dan kualitas hasil yang merupakan faktor penting
OEE (Prabowo et al., 2018).
Berdasarkan
uraian diatas, maka peneliti melakukan penelitian yang berjudul �Analisis
Efektivitas Productive Maintenance (TPM) Dengan Menggunakan Metode Overall
Equipment Effectiveness (OEE) Pada Hidrolic Machine Di SMK SMTI Makassar�
METODE PENELITIAN
Jenis dan Sumber Data
Jenis penelitian ini adalah
penelitian studi kasus, yang dilakukan berdasarkan pengamatan yang dilakukan
dengan sengaja dan sistematis terhadap aktivitas individu atau objek lain yang
diselidiki (Wamba et al., 2015). Pengumpulan data dalam
penelitian ini dibagi menjadi dua, sebagai berikut:
a.
Data primer yaitu data yang diperoleh melalui observasi langsung
terhadap proses produksi serta wawancara dengan pihak-pihak yang terkait,
seperti manajer, staf produksi, dan pelanggan. Pengumpulan data primer ini
bertujuan untuk mendapatkan informasi yang akurat dan mendalam mengenai praktik
dan tantangan yang dihadapi.
b.
Data Sekunder yaitu data yang dikumpulkan dari
sumber-sumber yang telah ada, seperti buku, jurnal, dan dokumen terkait
penelitian, termasuk data perusahaan yang mencakup informasi tentang cacat
produk dan struktur organisasi. Data sekunder ini digunakan untuk memberikan
konteks tambahan dan mendukung analisis yang dilakukan.
Dengan kombinasi kedua jenis data ini,
penelitian diharapkan dapat memberikan analisis yang komprehensif dan mendalam
mengenai objek yang diteliti, serta memungkinkan peneliti untuk menarik
kesimpulan yang lebih valid dan relevan terhadap masalah yang diidentifikasi.
Selain itu, penggunaan data primer dan sekunder secara bersamaan dapat membantu
mengurangi bias dan meningkatkan keandalan temuan penelitian.
Waktu dan Tempat Penelitian
Penelitian ini dilakukan di
Pabrik Rumput Laut SMK SMTI Makassar yang berlokasi di Jl. Pajjaiang No.18 A,
Sudiang Raya, Kec. Biringkanaya, Kota Makassar, Sulawesi Selatan. Waktu
penelitian dilaksanakan selama bulan Januari� Desember 2023.
Metode Pengumpulan Data
Dalam penelitian ini, data
dikumpulkan melalui tiga cara, yaitu dengan melakukan observasi, studi
literatur, dan wawancara:
a.
Observasi Lapangan: Mengamati
langsung kondisi dan aktivitas di lokasi penelitian. Observasi ini dilakukan
pada bulan Januari hingga bulan Desember 2023.Kegiatan observasi ini bertujuan
untuk mendapatkan informasi yang dibutuhkan pada penelitian.
b.
Studi Pustaka: Melakukan
kajian literatur untuk mendapatkan informasi dari buku dan sumber akademik
lainnya.
c.
Wawancara: Mengumpulkan data
melalui diskusi langsung dengan informan atau pihak-pihak yang relevan. Sumber
yang dilakukan dalam penelitian ini yaitu data kerusakan mesin , Set-up mesin
,data downtime, planned downtime, data produksi, data available time, data
loading time, breakdown mesin, data produksi pada bulan januari � Desember 2023.
Metode Analisis Data
����������� Langkah-langkah dalam pengolahan data atau analisis data
dalam penelitian ini adalah sebagai berikut:
a) Metode Overall Equipment
Effectiveness (OEE): OEE adalah alat yang digunakan untuk mengukur efisiensi
operasional dari peralatan produksi (Setiawan et al.,
2024). Metode ini mencakup tiga
komponen utama: ketersediaan, kinerja, dan kualitas. Dalam langkah ini,
peneliti akan menghitung persentase waktu produksi yang efektif dengan
mempertimbangkan waktu yang hilang akibat downtime, kecepatan produksi yang
tidak optimal, dan produk cacat. Dengan menganalisis OEE, peneliti dapat
mengidentifikasi area yang memerlukan perbaikan dan mengembangkan strategi
untuk meningkatkan efisiensi produksi secara keseluruhan.
b) Metode Six Big Losses: Metode
ini berfokus pada identifikasi dan pengurangan enam jenis kerugian yang umum
terjadi dalam proses produksi, yang meliputi: downtime, kecepatan yang tidak
optimal, cacat produk, pengaturan yang tidak efisien, dan kehilangan waktu
akibat operasi tidak terencana (SUPRIYONO, 2016). Dalam langkah ini, peneliti
akan menganalisis data yang dikumpulkan untuk mengidentifikasi penyebab utama
dari setiap jenis kerugian dan mengembangkan rencana tindakan yang tepat untuk
meminimalkan dampaknya. Dengan menggunakan metode ini, peneliti bertujuan untuk
meningkatkan kinerja produksi dan mengoptimalkan penggunaan sumber daya.
����������� Setelah kedua metode tersebut diterapkan, analisis akan
dilanjutkan dengan pengolahan data statistik untuk membandingkan hasil yang
diperoleh sebelum dan sesudah implementasi perbaikan. Peneliti juga akan
menggunakan perangkat lunak analisis data untuk memvisualisasikan hasil dan
memberikan gambaran yang lebih jelas mengenai dampak dari langkah-langkah
perbaikan yang diambil. Dengan pendekatan ini, penelitian diharapkan dapat
memberikan rekomendasi yang berbasis data untuk meningkatkan produktivitas dan
efisiensi di lingkungan produksi.
HASIL DAN PEMBAHASAN
Untuk mengetahui efektivitas
mesin hidrolik rumput laut SMK SMTI Makasssar maka perlu mengukur nilai Overall
Equipment Effectiveness dengan cara mengkalikan semua parameter seperti
Availability Rate, Performance Rate dan Quality Rate.Beberapa parameter
tersebut dapat dihitung setelah data produksi, data downtime, data kualitas,
diperoleh. Proses produksi yang dilakukan perusahaan selama bulan Januari
Desember 2023.
Tabel 1 Data Produksi dan
|
No |
Bulan |
Waktu kerja mesin (menit) |
Operation
Time (menit) |
Ideal cycle
time (menit) |
Jumlah Produksi
(Kg) |
Jumlah Produk
NG (Kg) |
Breakdown mesin (menit) |
Planned
downtime (menit) |
|
|
|
||||||||||
|
1 |
Januari 2023 |
8640 |
7680 |
12,5 |
396 |
17 |
480 |
480 |
|
|
|
2 |
Februari 2023 |
8860 |
8120 |
12,5 |
485 |
12 |
260 |
480 |
|
|
|
3 |
Maret 2023 |
8588 |
7576 |
12,5 |
422 |
19 |
532 |
480 |
|
|
|
4 |
April 2023 |
8800 |
8000 |
12,5 |
465 |
13 |
320 |
480 |
|
|
|
5 |
Mei 2023 |
8800 |
8000 |
12,5 |
385 |
16 |
320 |
480 |
||
|
6 |
Juni 2023 |
8805 |
8010 |
12,5 |
386 |
20 |
315 |
480 |
||
|
7 |
Juli 2023 |
8900 |
8200 |
12,5 |
462 |
11 |
220 |
480 |
||
|
8 |
Agustus 2023 |
8690 |
7780 |
12,5 |
397 |
19 |
430 |
480 |
|
|
|
9 |
September 2023 |
8730 |
7860 |
12,5 |
500 |
13 |
390 |
480 |
|
|
|
10 |
Oktober 2023 |
8660 |
7720 |
12,5 |
487 |
15 |
460 |
480 |
|
|
|
11 |
November 2023 |
8980 |
8360 |
12,5 |
405 |
16 |
140 |
480 |
|
|
|
12 |
Desember 2023 |
8700 |
7800 |
12,5 |
394 |
16 |
420 |
480 |
|
|
|
Total |
105153 |
95106 |
150 |
5184 |
187 |
4287 |
5760 |
|
||
|
Rata- Rata |
8763 |
7926 |
13 |
432 |
16 |
357 |
480 |
|
||
1.
Hasil Perhitungan Nilai
Overall Equipment Effectiveness
Dalam melakukan perhitungan
Overall Equipment Effectiveness perlu menggunakan software Microsoft Excel
untuk mengolah data-data perusahaan yang sudah dikumpulkan. Berikut
perhitungannya;
a. Availibility Rate
Availability ratio merupakan
gambaran dari rasio efektivitas kegiatan produksi dalam memanfaatkan waktu yang
tersedia (Luo et al., 2023;
Zhang et al., 2021). Dalam menghitung
availability menggunakan rumus:
Dengan melakukan perhitungan
dengan rumus tersebut, maka contoh akan didapatkan persentase availability pada
bulan Januari 2023 berikut ini:
b. Performance Rate
Perhitungan rasio performance
digunakan untuk mengetahui rasio kemampuan dalam menghasilkan produk pada suatu
mesin atau peralatan. Dalam menhitung nilai rasio performance menggunakan
persamaan sebagai berikut:
Dengan melakukan perhitungan
dengan rumus tersebut, maka contoh akan didapatkan persentase performance pada
bulan Januari 2023 berikut ini:
c. Quality Rate
Perhitungan rasio quality
digunakan untuk mengetahui rasio kemampuan mesin dalam menghasilkan produk yang
sesuai dengan standar yang telah ditetapkan. Dalam menghitung nilai rasio
quality menggunakan persamaan sebagai berikut:
Dengan persamaan tersebut,
maka dapat diketahui persentase quality. Sebagai contoh adalah perhitungan
nilai performance pada bulan bulan Januari 2023:
Setelah didapatkan persentase
availability, performance, dan quality maka dapat dihitung nilai Overall
Equipment Effectiveness (OEE) dengan menggunakan persamaan berikut ini:
Contoh Perhitungan Untuk
Desember
Tabel 2 Hasil Perhitungan OEE
|
No |
Bulan |
Availability % |
Performance % |
Quality % |
OEE% |
|
1 |
Januari 2023 |
94% |
64% |
96% |
58% |
|
2 |
Februari 2023 |
97% |
75% |
98% |
71% |
|
3 |
Maret 2023 |
93% |
70% |
95% |
62% |
|
4 |
April 2023 |
96% |
73% |
97% |
68% |
|
5 |
Mei 2023 |
96% |
60% |
96% |
55% |
|
6 |
Juni 2023 |
96% |
60% |
95% |
55% |
|
7 |
Juli 2023 |
97% |
70% |
98% |
67% |
|
8 |
Agustus 2023 |
95% |
64% |
95% |
58% |
|
9 |
September 2023 |
95% |
80% |
97% |
74% |
|
10 |
Oktober 2023 |
94% |
79% |
97% |
72% |
|
11 |
November 2023 |
98% |
61% |
96% |
57% |
|
12 |
Desember 2023 |
95% |
63% |
96% |
57% |
|
Rata-Rata Overall Equipment Effectiveness
(OEE) |
63% |
||||
Pada Tabel 2 dapat diketahui
besar nilai rata-rata OEE adalah 63%, nilai ini tidak memenuhi ketetapan
standar nilai OEE yaitu 85%. Nilai OEE tertinggi berada pada September yaitu
sebesar 74% dan nilai OEE terendah pada Juni yaitu sebesar 55%. Nilai
availability rate adalah yang paling berpengaruh pada rendahnya nila OEE pada
November 2023.
2.
Perhitungan Six Big Losses
Tujuan dilakukan perhitungan
six big losses adalah untuk mengetahui penyebab belum tercapainya nilai OEE
sesuai standar yang ditetapkan oleh JIPM.
1) Breakdown Losess
Breakdown losses adalah
kerugian yang disebabkan terhentinya proses produksi karena terjadi kerusakan
mesin di luar planned downtime. Untuk mengetahui persentase breakdown losses
dapat menggunakan persamaan berikut ini:
Dengan melakukan perhitungan
dengan rumus tersebut, maka akan didapatkan persentase breakdown looses.
2) Set Up and Adjustment
Dalam kasus ini tidak
ditemukan waktu set-up pada masa produksi, sehingga untuk perhitungan yang
menggunakan waktu set-up bernilai 0 (nol) jam.
3) Speed Loss
Speed loss terjadi pada saat
mesin tidak beroperasi sesuai dengan kecepatan produksi maksimum yang sesuai
dengan kecepatan mesin yang dirancang. Faktor yang mempengaruhi speed losses
ini adalah idling and minor stoppages dan reduced speed
4) Iddling and minor stoppages
Idling and minor stoppages
terjadi jika mesin berhenti secara berulang-ulang atau mesin beroperasi tanpa
menghasilkan produk. Jika ini sering terjadi maka dapat mengurangi efektivitas
mesin. Untuk mengetahui besarnya nilai ini digunakan rumusan sebagai berikut:
Dengan melakukan perhitungan
dengan rumus tersebut, maka akan didapatkan persentase Idling and minor
stoppages pada bulan Januari 2023 berikut ini:
5) Reduces Speed
Reduced Speed adalah selisih
antara waktu kecepatan produksi aktual dengan kecepatan produksi mesin yang
ideal. Untuk mengetahui besarnya persentase faktor reduced speed yang hilang,
maka digunakan rumusan sebagai berikut:
Dengan melakukan perhitungan
dengan rumus tersebut, maka akan didapatkan persentase reduces speed looses
pada bulan Januari 2023 berikut ini:
6) Defect Losess
Defect loss artinya adalah
mesin tidak menghasilkan produk yang sesuai dengan spesifikasi dan standar
kualitas produk yang telah ditentukan. Faktor yang dikategorikan ke dalam
defect loss adalah rework loss dan yield/scrap loss.
a. Rework loss adalah produk yang
tidak memenuhi spesifikasi kualitas yang ditentukan walaupun masih dapat diperbaiki
ataupun dikerjakan ulang. Untuk mengetahui persentase faktor rework loss yang
mempengaruhi efektivitas penggunaan mesin dapat menggunakan rumus sebagai
berikut:
Contoh nilai rework loss pada
bulan Januari 2023 berikut ini:
b. Yield/scrap loss adalah
kerugian yang timbul selama proses produksi belum mencapai keadaan produksi
yang stabil. Pada saat proses produksi mulai dilakukan sampai tercapainya
keadaan stabil produk tidak memenuhi spesifikasi kualitas yang diharapkan.
Untuk mengetahui persen tase faktor yield/scrap loss yang mempengaruhi
efektivitas penggunaan mesin dapat menggunakan rumusan sebagai berikut:
Contoh nilai yield/scrap pada
bulan Januari 2023 berikut ini:
Berdasarkan hasil pengukuran
six big losess, terdapat lima losses yang terjadi antara lain reduced speed
losses, idling and speed losses, breakdown time, setup and adjustment time, dan
defect or rework losses. Pada tahap ini dilakukan perhitungan waktu kerugian
dari masing-masing losses (total time losses) untuk mengetahui persentase dari
setiap losses dari aspek waktu. Waktu yang menjadi acuan dalam melakukan
perhitungan total time losses adalah equipment operating time.
Tabel 3. Rekapitulasi
perhitungan Six Big Losses berdasarkan total time losses.
|
No |
Bulan |
Breakdown Losses |
Set up and adjustment |
Idling and Minor
Stoppages |
Reduces Speed Losses |
Rework Loss |
Scrap Losses (%) |
|
(%) |
(%) |
(%) |
(%) |
(%) |
|||
|
1 |
Januari 2023 |
5,88% |
0% |
5,88% |
28% |
0 |
2,60% |
|
2 |
Februari 2023 |
3,10% |
0% |
3,10% |
21% |
0 |
1,79% |
|
3 |
Maret 2023 |
6,56% |
0% |
6,56% |
22% |
0 |
2,93% |
|
4 |
April 2023 |
3,85% |
0% |
3,85% |
22% |
0 |
1,95% |
|
5 |
Mei 2023 |
3,85% |
0% |
3,85% |
34% |
0 |
2,40% |
|
6 |
Juni 2023 |
3,78% |
0% |
3,78% |
34% |
0 |
3,00% |
|
7 |
Juli 2023 |
2,61% |
0% |
2,61% |
26% |
0 |
1,63% |
|
8 |
Agustus 2023 |
5,24% |
0% |
5,24% |
29% |
0 |
2,89% |
|
9 |
September 2023 |
4,73% |
0% |
4,73% |
15% |
0 |
1,97% |
|
10 |
Oktober 2023 |
5,62% |
0% |
5,62% |
14% |
0 |
2,29% |
|
11 |
November 2023 |
1,65% |
0% |
1,65% |
37% |
0 |
2,35% |
|
12 |
Desember 2023 |
5,11% |
0% |
5,11% |
30% |
0 |
2,43% |
Untuk mengetahui faktor losses
apa yang paling dominan penyebab terjadinya kerugian, maka langkah selanjutnya
adalah menghitung rata-rata dari setiap losses yang terjadi. Hasil dari
perhitungan rata-rata losses dapat dilihat pada table 4 berikut ini:
Tabel 4 Hasil Rata-Rata Setiap
Losses
|
Jenis Losses |
Total Time Loss |
Rata-rata |
Persentase |
|
(Menit) |
losses % |
Losses % |
|
|
Breakdown Losses |
4287 |
4,33% |
12,44% |
|
Set up and adjustment |
0 |
0 |
0,00% |
|
Idling and Minor
Stoppages |
5760 |
5,80% |
16,67% |
|
Reduces Speed Losses |
2045,5 |
24,67% |
70,89% |
|
Rework Loss |
0 |
0 |
0,00% |
|
Total |
|
34,80% |
100% |
Sumber: Hasil Pengolahan Data,
2024
3.
Analisa Perhitungan Overall
Equipment Effectiveness (OEE)
Overall Equipment
Effectiveness yang didapat adalah 63 % yang masuk ke dalam kategori SEDANG sehingga
perlu dilakukan tindakan perbaikan agar nilai OEE masuk ke dalam kategori Kelas
Dunia. Penyebab persentase OEE yang belum optimal salah satunya disebabkan
karena rasio performance mesin hidrolik yang masih rendah terutama di bulan Mei
dan Juni. Persentase OEE yang berada pada rentang 60% sampai dengan 84 % masuk
kedalam kategori SEDANG, yang artinya perlu dilakukan perbaikan performa system
agar performansi OEE meningkat hingga dapat dikategorikan Kelas Dunia.
4.
Analisa Perhitungan Six Big
Losess
Berdasarkan hasil perhitungan
rata-rata losses, dapat dilihat bahwa total losses yang terjadi di mesin
hidrolik produksi rumput laut adalah sebesar 34,80 % dimana faktor yang paling
dominan adalah reduced speed losses yang masuk ke dalam kategori speed losses.
Terjadinya speed losses juga dapat mengakibatkan terjadinya perlambatan dalam
melakukan proses produksi rumput laut. Persentase losses diatas juga dapat
dibuat ke dalam bentuk diagram pareto untuk memudahkan dalam mengidentifikasi
losses yang paling dominan. Diagram pareto dapat dilihat pada gambar 1. Dari
diagram pareto dapat dilihat bahwa losses yang paling dominan adalah reduced
speed losses dengan persentase sebesar 24,67% yang termasuk kedalam kategori
speed losses.
Gambar 1. Diagram Pareto Losses mesin
Hidrolik Press
Berdasarkan diagram pareto
diatas dapat disimpulkan faktor losses yang paling dominan dalam mesin hidrolik
press rumput laut pada SMK SMTI Makassar adalah reduced speed losses.
Berdasarkan perhitungan losses
yang telah dilakukan, maka didapatkan losses terbesar yang menyebabkan belum
optimalnya mesid hidrolik rumput laut SMK SMTI Makassar yaitu reduced speed
losses. Langkah selanjutnya adalah melakukan analisis akar penyebab terjadinya
reduced speed losses dengan menggunakan diagram sebab akibat seperti pada
gambar 2 berikut ini.
Gambar 2. Diagram Sebab Akibat Reduces
Speed
Berdasarkan diagram sebab
akibat yang telah dibuat dapat diketahui penyebab terjadinya reduced speed
losses ada pada aspek man, machine, method, dan material dan environment.
Berikut ini merupakan penjelasan dari masing � masing aspek penyebab terjadinya
reduced speed losses:
1) Man
Kurangnya keterampilan atau
pelatihan operator dalam hal ini siswa-siswi SMK SMTI Makassar dalam pengoperasian
mesin hidrolik atau kurangnya pengawasan dari tenaga kerja dalam hal ini
pengawas lab dapat menyebabkan reduced speed losses. Operator yang tidak
terlatih tidak dapat mengidentifikasi masalah atau mengoperasikan mesin secara
efisien, yang pada akhirnya dapat memperlambat proses produksi.
2) Machine
Kerusakan, keausan, atau
masalah teknis pada mesin hidrolik dan peralatan pendukungnya dapat menjadi
penyebab utama reduced speed losses. Contohnya, kebocoran pada sistem hidrolik,
kerusakan pada pompa hidrolik, atau keausan pada katup dapat mengganggu kinerja
mesin dan mengurangi efisiensi produksi.
3) Material
Kualitas rumput laut yang
tidak konsisten atau bahan baku yang tidak sesuai dapat mempengaruhi kinerja
mesin hidrolik. Misalnya, jika rumput laut memiliki tingkat kelembaban yang
tinggi atau mengandung kontaminan seperti pasir atau kerikil, ini dapat
menyebabkan gangguan pada sistem hidrolik dan memperlambat proses.
4) Method
Ketidakoptimalan dalam
pengaturan atau eksekusi proses produksi dapat mengakibatkan reduced speed
losses pada mesin hidrolik. Misalnya, jika parameter operasional mesin tidak
disesuaikan dengan benar, atau jika terjadi kesalahan dalam tahapan proses,
seperti pemasangan komponen yang tidak benar, hal ini dapat menyebabkan
penurunan kecepatan produksi.
5) Environment
Faktor lingkungan seperti
kondisi cuaca yang ekstrem atau suhu lingkungan yang tidak sesuai juga dapat
memengaruhi kinerja mesin hidrolik. Misalnya, suhu lingkungan yang terlalu
tinggi atau rendah dapat mempengaruhi viskositas oli hidrolik dan kinerja
sistem secara keseluruhan.
KESIMPULAN
Berdasarkan
penelitian yang telah dilakukan, diperoleh kesimpulan bahwa nilai Overall
Equipment Effectiveness (OEE) pada mesin hidrolik di Pabrik Rumput Laut SMK SMTI
Makassar sebesar 63%, yang masih di bawah standar ideal 85%, menunjukkan
perlunya peningkatan efektivitas produktivitas mesin. Analisis Six Big Losses
mengungkapkan bahwa kerugian terbesar berasal dari Idling and Minor Stoppages
yang mencapai 5,80% dengan total waktu kerugian 2.045,5 menit, serta Speed
Reduced Losses sebesar 24,67% dengan total waktu kerugian 5.760 menit selama
tahun 2023. Implikasi dari kesimpulan ini sangat signifikan bagi manajemen
pabrik dan proses produksi, mengindikasikan adanya potensi besar untuk
meningkatkan produktivitas dan efisiensi operasional melalui evaluasi
menyeluruh terhadap proses produksi, penerapan strategi peningkatan seperti
pemeliharaan preventif, dan peningkatan keterampilan operator. Selain itu,
temuan mengenai Idling and Minor Stoppages serta Speed Reduced Losses
memberikan gambaran jelas mengenai area yang membutuhkan perhatian lebih, di
mana langkah-langkah perbaikan harus difokuskan pada pengurangan waktu henti
yang tidak direncanakan dan peningkatan kecepatan produksi. Implementasi
program pelatihan untuk operator dan peninjauan kembali prosedur operasional
dapat membantu mengatasi kerugian ini. Hasil penelitian ini juga relevan untuk
industri sejenis yang menghadapi tantangan serupa, dengan potensi untuk meningkatkan
efektivitas produktivitas mesin dan berkontribusi pada daya saing serta
keberlanjutan operasional dalam jangka panjang.
Andersson, C., & Bellgran, M. (2015).
On the complexity of using performance measures: Enhancing sustained production
improvement capability by combining OEE and productivity. Journal of
Manufacturing Systems, 35, 144�154.
https://doi.org/10.1016/j.jmsy.2014.12.003
Erniati, E., Zakaria, F. R., Prangdimurti,
E., & Adawiyah, D. R. (2016). Potensi rumput laut: Kajian komponen bioaktif
dan pemanfaatannya sebagai pangan fungsional. Acta Aquatica: Aquatic
Sciences Journal, 3(1), 12�17. https://doi.org/10.29103/aa.v3i1.332
Hairiyah, N., Rizki, R., & Wijaya, R.
A. (2019). ANALISIS TOTAL PRODUCTIVE MAINTENANCE (TPM) PADA STASIUN KERNEL
CRUSHING PLANT (KCP) DI PT. X. Jurnal Teknologi Pertanian Andalas, 23(1).
https://doi.org/10.25077/jtpa.23.1.103-110.2019
Luo, X., Zhang, L., Lin, Y., Wen, D., &
Hou, E. (2023). Nitrogen availability mediates soil organic carbon cycling in
response to phosphorus supply: a global meta-analysis. Soil Biology and
Biochemistry, 185, 109158. https://doi.org/10.1016/j.soilbio.2023.109158
Maharany, F., Nurjanah, Suwandi, R., Anwar,
E., & Hidayat, T. (2017). Kandungan Senyawa Bioaktif Rumput Laut Padina
Australis dan Eucheuma Cottonii Sebagai Bahan Baku Krim Tabir Surya. Jphpi,
20(1).
Nazemi, F., Karimi, K., Denayer, J. F. M.,
& Shafiei, M. (2021). Techno-economic aspects of different process
approaches based on brown macroalgae feedstock: A step toward commercialization
of seaweed-based biorefineries. Algal Research, 58, 102366.
https://doi.org/10.1016/j.algal.2021.102366
Nilsson, J., & Martin, M. (2022).
Exploratory environmental assessment of large-scale cultivation of seaweed used
to reduce enteric methane emissions. Sustainable Production and Consumption,
30, 413�423. https://doi.org/10.1016/j.spc.2021.12.006
Pinto, G., Silva, F. J. G., Baptista, A.,
Fernandes, N. O., Casais, R., & Carvalho, C. (2020). TPM implementation and
maintenance strategic plan�a case study. Procedia Manufacturing, 51,
1423�1430. https://doi.org/10.1016/j.ijpe.2021.108224
Prabowo, H. A., Suprapto, Y. B., &
Farida, F. (2018). The Evaluation Of Eight Pillars Total Productive Maintenance
(Tpm) Implementation And Their Impact On Overall Equipment Effectiveness (Oee)
And Waste. SINERGI, 22(1). https://doi.org/10.22441/sinergi.2018.1.003
Priono, B. (2016). Budidaya Rumput Laut
Dalam Upaya Peningkatan Industrialisasi Perikanan. Media Akuakultur, 8(1).
https://doi.org/10.15578/ma.8.1.2013.1-8
Ridwan, D. Z., Himawan, H. M., &
Kurniawan, A. (2024). Otomatisasi Perhitungan OEE pada Mesin Filling ILAPAK 50g
Menggunakan PLC dan HMI. Elposys: Jurnal Sistem Kelistrikan, 11(3),
173�178. https://doi.org/10.33795/elposys.v11i3.6103
Setiawan, R., Prasetyo, Z., Marhan, Z. I.,
Agustin, D. N., & Setiawan, I. (2024). Aplikasi Metode Overall Equipment
Effectiveness Di Industri Manufaktur: Literature Review. Industri Inovatif:
Jurnal Teknik Industri, 14(2), 161�170.
https://doi.org/10.36040/industri.v14i2.5851
Supriyono, H. (2016). Pengaruh Parameter
Six Big Losses Terhadap Efektivitas Proses Produksi Dengan Metode Overall
Equipment Effectiveness (Studi Kasus Di Packaging Line PT Multi Bintang
Indonesia).
Tortorella, G. L., Fogliatto, F. S.,
Cauchick-Miguel, P. A., Kurnia, S., & Jurburg, D. (2021). Integration of
industry 4.0 technologies into total productive maintenance practices. International
Journal of Production Economics, 240, 108224.
https://doi.org/10.1016/j.ijpe.2021.108224
Wamba, S. F., Akter, S., Edwards, A.,
Chopin, G., & Gnanzou, D. (2015). How �big data�can make big impact:
Findings from a systematic review and a longitudinal case study. International
Journal of Production Economics, 165, 234�246.
https://doi.org/10.1016/j.ijpe.2014.12.031
Zhang, M., Leung, K.-T., Lin, H., &
Liao, B. (2021). Membrane fouling in a microalgal-bacterial membrane
photobioreactor: Effects of P-availability controlled by N: P ratio. Chemosphere,
282, 131015. https://doi.org/10.1016/j.chemosphere.2021.131015
|
|
� 2025 by the authors. Submitted for possible open access publication
under the terms and conditions of the Creative Commons Attribution (CC BY SA) license (https://creativecommons.org/licenses/by-sa/4.0/). |