Program Studi Teknik Industri Universitas Mercubuana, Jakarta

Jurnal Skripsi – September 2013

PERHITUNGAN OEE (OVERALL EQUIPMENT EFFECTIVENES)

PADA MESIN TRUPUNCH V 5000 I
MENUJU TOTAL PRODUCTIVE MAINTENANCE (TPM)
Study Kasus Pada PT XYZ

Muhammad Kholil (1), Rudini Mulya (2)

Program Studi Teknik Industri
Universitas Mercubuana – Jakarta
Email: 1)m.kholil@mercubuana.ac.id, 2)rudinimenteri@gmail.com

Abstrak Penelitian ini dilakukan bertujuan untuk merumuskan efektivitas dan efisiensi kinerja dari
mesin Trupunch V 5000 I di PT. XYZ berdasarkan nilai Overall Equipment Effectiveness (OEE). Faktor yang
mempengaruhi penurunan efektivitas peralatan disebut Six Big Losses, yaitu Breakdown Loss, Set
Up/Adjustment Loss, Idling and Minor Stoppages, Reduce speed losses, Yield/Scrap Losses, Rework.Pada
laporan skripsi ini Penulis menerapkan metode Overall Equipment Effectiveness (OEE) untuk mengetahui
efektivitas dan efisiensi kinerja dari mesin Trupunch V 5000 I. Dalam penelitian ini dilakukan pengumpulan data
dengan mengambil data kerusakan mesin Trupunch V 5000 I dan mengolah data seperti mencari nilai OEE,
korelasi dan regresi serta menggunakan diagram fishbone.Berdasarkan dari hasil peritungan OEE faktor Six Big
Losses yang memberikan kontribusi terbesar pada mesin Trupunch V 5000 I adalah Reduce Speed Losses
dengan rata-rata nilai sebesar 28,97%, diikuti dengan Yield/Scrap Losses sebesar 16,39%, diikuti dengan Idling
and Minor Stoppages sebesar 7,67%, diikuti dengan Set Up/Adjustment Loss sebesar 2,93 %, dikiuti dengan
breakdown losses sebesar 2,53 % dan rework losses sebesar 0,69 %.

Kata Kunci: Mesin Trupunch V 5000 I, Overall Equipment Effectiveness (OEE), Six Big Losses, Regresi dan
Korelasi.

Abstrac This study was aimed to formulate the effectiveness and efficiency of the performance of the
engine V 5000 I Trupunch in PT. XYZ based on the value of Overall Equipment Effectiveness (OEE). Factors
affecting the decline in effectiveness of equipment called the Six Big Losses, namely Breakdown Loss, Set Up /
Loss Adjustment, Idling and Minor Stoppages, Reduce speed losses, Yield / Losses Scrap, Rework.This paper
reports on the authors apply the method of Overall Equipment Effectiveness (OEE) to examine the effectiveness
and efficiency of the performance of the engine V 5000 Trupunch I. In this research, data collection by retrieving
data Trupunch V 5000 engine failure and process the data as I find the value of OEE, correlation and
regression, and using fishbone diagrams.Based on the results peritungan Six Big Losses OEE factors that
contribute most to the machine I was Trupunch V 5000 Speed Reduce Losses with an average value of 28.97%,
followed by Yield / Scrap Losses amounted to 16.39%, followed by idling and Minor Stoppages by 7.67%,
followed by Set Up / Loss Adjustment for 2.93%, breakdown dikiuti with losses of 2.53% and rework losses of
0.69%.

Keywords: Mechanical Trupunch V 5000 I, Overall Equipment Effectiveness (OEE), Six Big Losses, Regression
and Correlation.

1
 Program Studi Teknik Industri Universitas Mercubuana, Jakarta
1 PENDAHULUAN
1.1 LATAR BELAKANG
Usaha perbaikan pada industri manufaktur,
dilihat dari segi peralatan adalah dengan
meningkatkan efektivitas mesin/peralatan yang
ada seoptimal mungkin. Pada prakteknya,
seringkali usaha perbaikan yang dilakukan
tersebut hanya pemborosan, karena tidak
menyentuh akar permasalahan yang
sesungguhnya. Hal ini disebabkan karena tim
perbaikan tidak mendapatkan dengan jelas
permasalahan yang terjadi dan faktor-faktor
yang menyebabkannya. Untuk itu diperlukan
suatu metode yang mampu mengungkapkan
permasalahan dengan jelas agar dapat
melakukan peningkatan kinerja peralatan
dengan optimal.
1.2 Perumusan Masalah
Berdasarkan uraian latar belakang masalah
di atas, perumusan masalah yang menjadi
objek kajian dalan penelitian ini adalah sebagai
berikut :
1. Bagaimanakah efektivitas dan efisiensi
kinerja dari mesin Trupunch V 5000 I di PT.
XYZ berdasarkan nilai Overall Equipment
Effectiveness (OEE) ?
2. Faktor apa yang memberikan kontribusi
terbesar terhadap nilai OEE dari six big
losses pada mesin Trupunch V 5000 I?
3. Bagaimana solusi perbaikan yang dapat
dilakukan PT. XYZ dengan menggunakan
diagram sebab akibat?
1.3 Batasan Masalah
Pembahasan terhadap suatu masalah yang
dikemukakan harus ada suatu pembatasan
agar ruang lingkupnya tidak menyimpang,
terarah dan mudah dipahami sehingga tujuan
dari kerja praktek dapat tercapai dengan
optimal. Adapun batasan – batasan masalah
dalam penelitian ini adalah sebagai berikut :
1. Penelitian yang dilakukan tidak sampai
pada perhitungan biaya.
2. Penelitian yang dilakukan hanya sampai
pada pemberian usulan perbaikan.
3. Pendefinisian permasalahan utama
dilakukan dengan menggunakan diagram
sebab akibat.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai
berikut :
1. Merumuskan efektivitas dan efisiensi
kinerja dari mesin Trupunch V 5000 I di PT.
XYZ berdasarkan nilai Overall Equipment
Effectiveness (OEE).
2
Jurnal Skripsi – September 2013
2. Untuk merumuskan faktor-faktor yang
memberikan kontribusi terbesar terhadap
nilai OEE dari six big losses pada mesin
Trupunch V 5000 I.
3. Untuk mengetahui solusi perbaikan yang
dapat dilakukan PT. XYZ dengan
menggunakan diagram sebab akibat?
2. Landasan Teori
2.1 Pemeliharaan
Menurut Patrick (2001, p407), maintenance
adalah suatu kegiatan untuk memelihara dan
menjaga fasilitas yang ada serta memperbaiki,
melakukan penyesuaian atau penggantian
yang diperlukan untuk mendapatkan suatu
kondisi operasi produksi agar sesuai dengan
perencanaan yang ada.
2.2 Total Productive Maintenance (TPM)
Total Productive Maintenance mula mula
berasal dari pemikiran PM ( Preventive
Maintenance dan Production Maintenance),
dari Amerika masuk ke Jepang dan
berkembang menjadi suatu sistem baru khas
Jepang yang kemudian dikenal sebagai TPM
(Total Productive Maintenance). Total
Productive Maintenance adalah konsep
pemeliharaan yang melibatkan seluruh
pekerja yang bertujuan mencapai efektifitas
pada seluruh sistem produksi melalui
partisipasi dan kegiatan pemeliharaan yang
produktif, proaktif, dan terencana. [Suzaki
Kyoshi, 1999]
2.3 Overall Equipment Effectiveness
Overall Equipment Effectiveness (OEE)
merupakan metode yang digunakan sebagai
alat ukur dalam penerapan program TPM guna
menjaga peralatan pada kondisi ideal dengan
menghapuskan six big losses peralatan.
Pengukuran OEE ini didasarkan pada
pengukuran tiga rasio utama, yaitu:
1. Availability Ratio
Availability ratio merupakan suatu rasio
yang menggambarkan pemanfaatan waktu
yang tersedia untuk kegiatan operasi mesin
atau peralatan. Dengan demikian formula yang
digunakan untuk mengukur availability ratio
adalah:
Availability = x 100 %
Availability = x 100 %
Loading time adalah waktu yang tersedia
(available time) perhari atau perbulan dikurangi
dengan waktu downtime mesin yang
direncanakan (planned downtime).
Loading Time = Total Available Time –
Planned Downtime
 Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Operation time merupakan hasil
pengurangan loading time dengan waktu
downtime mesin (non-operation time). Dengan
kata lain, operation time adalah waktu operasi
yang tersedia setelah waktu-waktu downtime
mesin dikeluarkan dari total available time
yang direncanakan.
2. Performance Ratio
Performance ratio merupakan suatu ratio
yang menggambarkan kemampuan dari
peralatan dalam menghasilkan barang. Tiga
faktor penting yang dibutuhkan untuk
menghitun performance efficiency adalah:
a. Ideal cycle time (waktu siklus ideal)
b. Processed amount (jumlah produk
yang diproses)
c. Operation time (waktu operasi mesin)
Formula pengukuran rasio ini adalah:
Performance Rate (P) = x
100 %
3. Quality Ratio atau Rate of Quality Product.
Quality ratio atau rate of quality product
merupakan suatu rasio yang menggambarkan
kemampuan peralatan dalam menghasilkan
produk yang sesuai dengan standar. Formula
yang digunakan untuk pengukuran rasio ini
adalah:
Rate of quality = x 100
% 3. Defect Loss, terdiri dari :
2.4 Enam Kerugian Utama(Six Big Losses ).
Tujuan dari perhitungan six big losses ini
adalah untuk mengetahui nilai efektivitas
keseluruhan (Overall Equipment Effectiveness
/ OEE). Dari nilai OEE ini dapat diambil
langkah-langkah untuk memperbaiki atau
mempertahankan nilai tersebut. Keenam
kerugian tersebut dapat digolongkan menjadi
tiga macam, yaitu:
1. Downtime Losses, terdiri dari :
a. Breakdown Losses/Equipment Failures
adalah kerusakan mesin/peralatan yang
tiba-tiba atau kerusakan yang tidak
diinginkan tentu saja akan menyebabkan
kerugian, karena kerusakan mesin akan
menyebabkan mesin tidak beroperasi
menghasilkan output. Hal ini akan
mengakibatkan waktu yang terbuang sia-
sia dan kerugian material serta produk
cacat yang dihasilkan semakin banyak.
Breakdown Losses = x mengerti
100%
b. Setup and Adjusment Losses/kerugian
karena pemasangan dan penyetelan,
semua waktu set up termasuk waktu
3
Jurnal Skripsi – September 2013
penyesuaian (adjustment) dan juga waktu
yang dibutuhkan untuk kegiatan-kegiatan
pengganti satu jenis produk ke jenis
produk berikutnya untuk proses produksi
selanjutnya.
Set up/Adjusment Losses =
x 100%
2. Speed Loss, terdiri dari :
a. Idling and Minor Stoppage Losses
disebabkan oleh kejadian-kejadian seperti
pemberhentian mesin sejenak,
kemacetan mesin, dan idle time dari
mesin. Kenyataannya, kerugian ini tidak
dapat dideteksi secara langsung tanpa
adanya alat pelacak.
Idling and minor stoppages losses =
x 100%
b. Reduced Speed Losses adalah kerugian
karena mesin tidak bekerja optimal
(penurunan kecepatan operasi) terjadi jika
kecepatan aktual operasi mesin/peralatan
lebih kecil dari kecepatan optimal atau
kecepatan mesin yang dirancang.
Reduce speed losses =
x 100%
a. Rework Losses adalah kerugian yang
disebabkan karena adanya produk cacat
maupun karena kerja produk diproses
ulang. Produk cacat yang dihasilkan akan
mengakibatkan kerugian material,
mengurangi jumlah produksi, biaya
tambahan untuk pengerjaan ulang dan
limbah produksi meningkat.
Rework Losses = x 100%
b. Reduced Yield Losses adalah kerugian
waktu dan material yang timbul selama
waktu yang dibutuhkan oleh
mesin/peralatan untuk menghasilkan
produk baru dengan kualitas produk yang
telah diharapkan. Kerugian yang timbul
tergantung pada faktor-faktor seperti
keadaan operasi yang tidak stabil, tidak
tepatnya penanganan dan pemasangan
mesin/peralatan ataupun operator tidak
dengan kegiatan proses
produksi yang dilakukan.
Reduced Yield Losses = x
100%
 Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Diagram 2.1 Hubungan Antara Enam Kerugian Besar
Dalam Peralatan & Keefektifan Seluruh Peralatan
2.5 Fishbone Diagram / Diagram Sebab
Akibat
Instrumen dasar dalam peningkatan
kualitas yang lain adalah diagram Ishikawa.
Dinamakan Ishikawa sesuai dengan nama
penemunya yang berasal dari negara jepang
yang bernama “Kaaru Ishikawa” pada tahun
1943. Diagram Ishikawa juga dikenal sebagai
diagram sebab akibat atau Fishbone. Fungsi
dasarnya adalah untuk mengidentifikasi dan
mengorganisasi penyebab-penyebab yang
mungkin timbul dari suatu efek spesifik dan
kemudian memisahkan akar penyebabnya.
Diagram Fishbone terdiri dari 2 macam
yaitu:
1. Standar Fishbone: mengidentifikasi
penyebab-penyebab yang mungkin dari
suatu masalah yang tidak diinginkan dan
bersifat spesifik.
2. Diagram fishbone terbalik: mengidentifikasi
tindakan yang harus dilakukan untuk
menghasilkan efek atau hasil yang
diinginkan.
Langkah-langkah dalam pembuatan
diagram sebab akibat atau fishbone adalah
sebagai berikut:
1. Definisikan masalah yang ada, langkah ini
dapat menggunakan dari hasil diagram
pareto.
2. Gambarkan kotak masalah (kepala ikan)
dan panah utama serta garis-garis samping
(tulang ikan)
3. Tuliskan pernyataan masalah tersebut pada
kepala ikan yang merupakan akibat.
4. Spesifikasi kategori utama yang merupakan
sumber-sumber penyebab timbulnya
masalah dan tuliskan pada tulang ikan.
4
Jurnal Skripsi – September 2013
5. Identifikasi penyebab-penyebeb sekunder
yang mempengaruhi penyebab utama dan
tuliskan pada tulang ikan yang lebih kecil.
6. Analisis sebab-sebab timbulnya
permasalahan dan kemudian diambil
tindakan korektifnya untuk perbaikan.
Diagram 2.2 Contoh Fishbone
Berikut ini manfaat fishbone diagram:
1. Merupakan alat yang luar biasa untuk
mengumpulkan ide dan input-input
kelompok, merupakan metode dasar dari
brainstorming terstruktur.
2. Dengan mengelompokan penyebab-
penyebab yang mungkin, maka kelompok
dapat memikirkan banyak kemungkinan
ketimbang hanya memfokuskan pada
beberapa area tipikal.
3. Membantu dimulainya fase analyze.
Dengan menggunakan fishbone diagram,
maka dapat digunakan untuk
mengidentifikasi beberapa penyebab
dengan lebih fokus untuk memulai analisis
proses dan data. Fishbone diagram juga
membawa kita kembali ke isu variasi. Kita
perhatikan bahwa sebuah proses memiliki
dua tipe variasi.
Selanjutnya akar-akar penyebab masalah yang
ditemukan dimasukan ke dalam fishbone
diagram yang telah mengkategorikan sumber-
sumber penyebab berdasarkan prinsip 7M,
yaitu:
1. Manpower (tenaga kerja), yaitu berkaitan
dengan kekurangan dalam pengetahuan,
kekurangan dalam keterampilan dasar yang
berkaitan dengan mental dan fisik,
kelelahan, stress, ketidakpedulian dan lain-
lain.
2. Machines (mesin-mesin) dan peralatan,
yaitu berkaitan dengan tidak ada sistem
perawatan preventif terhadap mesin-mesin
produksi, termasuk fasilitas dan peralatan
lain, tidak sesuai dengan spesifikasi tugas,
tidak dikalibrasi dan lain-lain.
 Program Studi Teknik Industri Universitas Mercubuana, Jakarta
3. Methods (Metode kerja), yaitu berkaitan
dengan tidak ada prosedur dan metode
kerja yang benar, tidak jelas, tidak
diketahui, tidak terstandarisasi, tidak cocok
dan lain-lain.
4. Materials (bahan baku dan bahan
pendukung), yaitu berkaitan dengan
ketiadaan spesifikasi kualitas dari bahan
baku dan bahan pendukung yang
digunakan, ketiadaan penanganan yang
efektif terhadap bahan baku dan bahan
pendukung tersebut dan lain-lain.
5. Media, yaitu berkaitan dengan tempat dan
waktu kerja yang tidak memperhatikan
aspek-aspek kebersihan, kesehatan,
keselamatan kerja, kekurangan lampu
penerangan, ventilasi yang buruk dan lain-
lain.
6. Motivation (motivasi), yaitu berkaitan
dengan ketiadaan sikap kerja yang benar
dan professional, yang dalam hal ini
disebabkan sistem balas jasa dan
penghargaan yang tidak adil kepada tenaga
kerja.
7. Money (keuangan), yaitu berkaitan dengan
ketiadaan dukungan financial (keuangan)
yang cukup guna memperlancar proses
pembuatan produk yang berkualitas
(Gaspersz, 2002:241).
2.6 Regresi
Analisa Regresi digunakan untuk
mempelajari dan mengukur hubungan statistik
yang terjadi antara dua atau lebih variabel.
Dalam analisa regresi, suatu persamaan
regresi hendak ditentukan dan digunakan
untuk menggambarkan pola atau fungsi
hubungan yang terdapat antar variabel. Sumbu
Y : variabel terikat (variabel yang akan
diestimasi nilainya) Sumbu X : variabel bebas
(variabel yang diasumsikan member pengaruh
terhadap variasi variabel terikat) Untuk
mempelajari hubungan – hubungan antara
variabel bebas maka regresi linier terdiri dari
dua bentuk, yaitu:
1. Analisis regresi sederhana (Simple analysis
regresi)
2. Analisis regresi berganda (Multiple analysis
regresi).
2.7 Korelasi
Korelasi adalah derajat hubungan linier
antara dua variabel atau lebih dari data hasil
pengamatan. Dua variabel dikatakan
berkorelasi apabila perubahan dalam satu
variabel diikuti oleh perubahan variabel lain,
baik yang searah maupun tidak. Hubungan
antara variabel dapat dikelompokkan menjadi
tiga jenis :
5
Jurnal Skripsi – September 2013
1. Korelasi positif, terjadi apabila perubahan
antara variabel yang satu diikuti oleh
variabel lainnya dengan arah yang sama
(berbanding lurus). Artinya apabila
variabel yang satu meningkat, maka akan
diikuti peningkatan variabel lainnya.
2. Korelasi negatif, terjadi korelasi negatif
apabila perubahan antara variabel yang
satu diikuti oleh variabel lainnya dengan
arah yang berlawanan (berbanding
terbalik). Artinya apabila variabel yang
satu meningkat, maka akan diikuti
penurunan variabel lainnya.
3. Korelasi nihil, terjadi korelasi nihil apabila
perubahan antara variabel yang satu
diikuti oleh variabel lainnya dengan arah
yang tidak teratur (acak). Artinya apabila
variabel yang satu meningkat, kadang
diikuti dengan peningkatan pada variabel
lain dan kadang diikuti dengan penurunan
pada variabel lain.
Analisa korelasi digunakan untuk mengukur
seberapa kuat atau derajat kedekatan, suatu
relasi yang terjadi antar variabel, dengan
keterangan interval kekuatan hubungan
sebagai berikut (Sugiyono) :
Tabel 2.1 Interval Kekuatan
Interval
Keterangan
Kekuatan
0 Tidak ada korelasi
0,00 - 0,25 Korelasi sangat lemat
0,25 - 0,50 Korelasi cukup
0,50 - 0,75 Korelasi kuat
0,75 - 0,99 Korelasi sangat kuat
1 Korelasi sempurna
Gambar 2.2 Beberapa Bentuk Diagram
Pancar
 Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013

3 Metodologi Penelitian Tabel 0.2 Data Waktu Kerusakan

Pada bagian ini akan dijelaskan langkah- (Breakdown) Mesin Trupunch V 5000 I
langkah yang digunakan untuk memecahkan Set up Breakdown Downtime
Bulan
suatu masalah agar hasil penelitian sesuai (Jam) (Jam) (Jam)
Nov-12 14,00 12,20 26,20
dengan tujuan yang telah ditetapkan. Des-12 14,57 11,48 26,15
Jan-13 19,17 4,00 23,17
Feb-13 11,50 16,00 27,50
Mar-13 12,43 18,00 30,43
Apr-13 16,50 10,33 26,53
Mei-13 10,50 8,00 18,50
Jun-13 7,92 12,00 19,52
Planned Downtime merupakan waktu yang
sudah dijadwalkan dalam rencana produksi,
termasuk pemeliharaan terjadwal dan kegiatan
manajemen yang lain seperti pertemuan. Data
waktu pemeliharaan dapat dilihat pada tabel
4.3.
Tabel 0.3 Data Waktu Planned Downtime
Bulan Planned Downtime (Jam)
Nov-12 7,10
Des-12 11,49
Jan-13 6,75
Feb-13 11,56
Mar-13 8,42
Apr-13 14,17
Mei-13 6,33
Jun-13 11,52
Dari hasil pengamatan pada mesin
Trupunch V 5000 I, faktor-faktor yang dapat
menyebabkan mesin tidak produktif adalah
sebagai berikut :
1. Penyetelan mesin (set up).
2. Planned downtime, waktu downtime
Diagram 3.1 Alir Penelitian yang telah direncanakan.
4 Pengolahan dan Pengumpulan Data 3. Machine break, gangguan yang terjadi
4.1 Data Produksi pada mesin yang menyebabkan mesin
Tabel 0.1 Data Produksi Box Panel Bulan berhenti beroperasi.
November 2012 - Juni 2013 4. Power cut off, berhentinya operasi
Produksi Actual Total Total mesin dikarenakan gangguan listrik dari
Bulan Panel Product Rework Scrap
Box (m²) (m²) (m²) (m²)
PLN.
Nov-12 8.617 8.617 19 2.154 Tabel 0.4 Data Waktu Nonproduktif Mesin
Des-12 14.309 6.582 25 1.646
Jan-13 12.073 6.882 51 1.721 Total
Total Available
Feb-13 3.871 3.871 48 968 Bulan Nonproduktif
Time (Jam)
Mar-13 7.905 4.664 25 1.166 (Jam)
Apr-13 4.936 2.715 11 679 Nov-12 588 33,30
Mei-13 3.553 3.553 84 888 Des-12 462 37,64
Jun-13 9.976 5.088 104 1.272 Jan-13 483 29,92
Waktu downtime adalah waktu yang Feb-13 399 39,36
terbuang karena mesin tidak beroperasi seperti Mar-13 594 39,75
yang seharusnya sehingga menghentikan Apr-13 462 41,00
proses produksi yang telah direncanakan
Mei-13 378 24,83
misalnya seperti terjadi kerusakan atau
Jun-13 399 31,84
gangguan pada mesin sehingga mesin tidak
dapat beroperasi. Data waktu downtime dapat
dilihat pada tabel 4.2.

6
 Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013

4.2 Pengolahan Data Persentase Jam Kerja =1– x100%=

4.2.1 Perhitungan Avaibility 94,34%
Untuk menghitung nilai Availability Dengan cara yang sama, maka perhitungan
digunakan rumus sebagai berikut : Persentase Jam Kerja untuk bulan November
2012 - Juni 2013 disajikan dalam Tabel 4.7.
Availability = x 100 %
Tabel 0.7 Perhitungan Persentase Jam
Availability = x 100 % Kerja
Di mana : Total
Total
Loading Time = Total availability - Planned Bulan
Available
Nonproduktif
Jam
downtime Time Kerja (%)
(Jam)
(Jam)
Operation Time = Loading Time – Downtime Nov-12 588 33,30 94,34%
Hasil perhitungan Loading Time dapat Des-12 462 37,44 91,83%
dilihat pada Tabel 4.5 Jan-13 483 29,52 93,81%
Tabel 0.5 Perhitungan Loading Time Feb-13 399 39,36 90,14%
Mar-13 594 39,75 93,31%
Total Apr-13 462 41,00 91,13%
Planned
Available Loading Mei-13 378 24,43 93,43%
Bulan Downtime
Time Time (Jam)
(Jam) Jun-13 399 31,54 92,02%
(Jam)
Nov-12 588 7,10 580,9 Perhitungan Cycle Time untuk bulan
Des-12 462 11,49 450,51 November 2012 sebagai berikut:
Jan-13 483 6,75 476,25 Cycle Time = = 0,067
Feb-13 399 11,36 387,14
Mar-13 594 8,42 585,08 Dengan cara yang sama, maka perhitungan
Apr-13 462 14,17 447,83 Cycle Time untuk bulan November 2012 – Juni
Mei-13 378 6,33 371,57 2013 disajikan dalam Tabel 4.8.
Jun-13 399 11,52 387,08 Tabel 0.8 Perhitungan Cycle Time
Perhitungan Availability untuk bulan Produksi
Loading Cycle
November 2012 sebagai berikut: Bulan
Box
Time Time
Panel
Availability = x 100 %= 95,49% (m²)
(Jam) (Jam/m²)
Nov-12 8.617 580,9 0,067
Dengan cara yang sama, maka perhitungan Des-12 14.309 450,51 0,031
Availability untuk bulan November 2012 – Juni Jan-13 12.073 476,25 0,039
2013 disajikan dalam Tabel 4.6 Feb-13 3.871 387,14 0,100
Tabel 0.6 Perhitungan Avaibility Mar-13 7.905 585,08 0,074
Apr-13 4.936 447,83 0,090
Loadin Total Actual
Mei-13 3.553 371,67 0,104
Bulan g Time Downtim Operatio Availabilit
Jun-13 9.976 387,08 0,038
(Jam) e (Jam) n (Jam) y (%)
Nov-12 580,9 26,20 554,70 95,49% Perhitungan Ideal Cycle Time untuk bulan
Des-12 450,51 26,15 424,36 94,20% November 2012 sebagai berikut:
Jan-13 476,25 23,17 453,08 95,14% Ideal Cycle Time = 0,067 x 94,34
Feb-13 387,14 27,50 359,54 92,90% = 0,064
Mar-13 585,08 30,83 554,25 94,73%
Apr-13 447,53 26,53 421,00 94,01%
Dengan cara yang sama, maka perhitungan
Mei-13 371,47 18,50 353,17 95,02% Ideal Cycle Time untuk bulan November 2012
Jun-13 387,08 19,92 367,16 94,85% – Juni 2013 disajikan dalam Tabel 4.9.
Tabel 0.9 Perhitungan Ideal Cycle Time
4.2.2 Perhitungan Performance Efficiency Ideal
Untuk menghitung nilai Performance Cycle Jam
Cycle
Efficiency digunakan rumus sebagai berikut : Bulan Time Kerja
Time
Performance Rate (P) = (Jam/m²) (%)
(Jam/m²)
x 100 % Nov-12 0,067 94,34% 0,064
Di mana : Des-12 0,031 91,85% 0,029
Ideal Cycle Time = Cycle Time x Persentase Jan-13 0,039 93,83% 0,037
Jam Kerja Efektif Feb-13 0,100 90,14% 0,090
Cycle Time = Mar-13 0,074 93,31% 0,069
Apr-13 0,090 91,13% 0,082
Persentase Jam Kerja = 1 – Mei-13 0,104 93,43% 0,097
x 100% Jun-13 0,038 92,02% 0,035
Perhitungan Persentase Jam Kerja untuk
bulan November 2012 sebagai berikut:

7
 Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013

Setelah Persentase Jam Kerja, Cycle Time OEE = 95,49% x 98,79% x 74,78% x 100% =
dan Ideal Cycle Time diketahui maka 70,54%
Perhitungan Performance Efficiency untuk Dengan cara yang sama, maka perhitungan
bulan November 2012 sebagai berikut: Overall Equipment Effectiveness (OEE) untuk
bulan November 2012 – Juni 2013 disajikan
Performance Rate (P) = x 100 % dalam Tabel 4.12.
= 98,79%
Dengan cara yang sama, maka perhitungan Tabel 0.12 Perhitungan Overall Equipment
Performance Efficiency untuk bulan November Effectiveness (OEE)
2012 – Juni 2013 disajikan dalam Tabel 4.10 Rate of
Performance
Tabel 0.10 Perhitungan Performance Bulan
Availability
Efficiency
Quality
OEE (%)
Efficiency (%) Product
(%)
(%)
Ideal Perform Nov-12 95,49% 98,79% 74,78% 70,54%
Actual Actual Des-12 94,20% 44,86% 74,62% 31,53%
Cycle ance
Bulan Operatio Produ
Time Efficienc Jan-13 95,14% 56,21% 74,26% 39,71%
n (Jam) ct (m²)
(Jam/m²) y Feb-13 92,90% 97,03% 73,76% 66,48%
Nov-12 554,70 0,064 8.617 98.79% Mar-13 94,73% 58,11% 74,46% 40,99%
Des-12 424,36 0,029 6.582 44.86% Apr-13 94,01% 53,32% 74,59% 37,39%
Jan-13 453,08 0,037 6.882 56.21% Mei-13 95,02% 98,33% 72,64% 67,86%
Feb-13 359,64 0,090 3.871 97.03% Jun-13 94,85% 49,48% 72,96% 34,24%
Mar-13 554,24 0,069 4.664 58.11%
Apr-13 421,00 0,082 2.715 53.32% 4.2.5 Perhitungan OEE Six Big Losses
Mei-13 353,17 0,097 3.553 98.33% 4.2.5.1 Perhitungan Downtime Losses
Jun-13 367,16 0,035 5.088 49.48% Downtime Losses terdiri dari Breakdown
4.2.3 Perhitungan Rate of Quality Product Losses/Equipment Failures dan Setup and
Untuk menghitung nilai Rate of Quality Adjusment Losses.Untuk menghitung nilai
Product digunakan rumus sebagai berikut : Breakdown Losses/Equipment Failures
Rate of quality = digunakan rumus sebagai berikut :
– Breakdown Losses = x 100 %
x 100 %
Perhitungan Rate of Quality Product untuk
bulan November 2012 sebagai berikut: Perhitungan Breakdown Losses/Equipment
Failures untuk bulan November 2012 sebagai
Rate of Quality Product = x100 %
berikut:
= 74,78%
Breakdown Losses = x 100 %
Dengan cara yang sama, maka perhitungan
Rate of Quality Product untuk bulan November = 2,10 %
2012 – Juni 2013 disajikan dalam Tabel 4.11. Dengan cara yang sama, maka perhitungan
Tabel 0.11 Perhitungan Rate of Quality Breakdown Losses/Equipment Failures untuk
Product bulan November 2012 – Juni 2013 disajikan
Actual Total Total
Rate of dalam Tabel 4.13.
Quality Tabel 0.13 Perhitungan Breakdown Losses
Bulan Product Rework Scrap
Product
(m²) (m²) (m²)
(%) Breakdown Loading Breakdown
Nov-12 8.617 19 2.154 74,78% Bulan
(Jam) Time (Jam) Loss (%)
Des-12 6.582 25 1.646 74,62% Nov-12 12,20 580,9 2,10%
Jan-13 6.882 51 1.721 74,26% Des-12 11,48 450,51 2,55%
Feb-13 3.871 48 968 73,76% Jan-13 4,00 476,25 0,84%
Mar-13 4.664 25 1.166 74,46% Feb-13 16,00 387,14 4,13%
Apr-13 2.715 11 679 74,59% Mar-13 18,00 585,08 3,08%
Mei-13 3.553 84 888 72,64% Apr-13 10,33 447,53 2,31%
Jun-13 5.088 104 1.272 72,96% Mei-13 8,00 371,67 2,15%
4.2.4 Perhitungan Overall Equipment Jun-13 12,00 387,08 3,10%
Effectiveness (OEE) Untuk menghitung nilai Setup and
Untuk menghitung nilai Overall Equipment Adjusment Losses digunakan rumus sebagai
Effectiveness (OEE) digunakan rumus sebagai berikut :
berikut : Setup/Adjusment Losses =
OEE = Availability x Performance efficiency x x 100 %
Rate of quality product x 100%
Perhitungan Overall Equipment Perhitungan Setup and Adjusment Losses
Effectiveness (OEE) untuk bulan November untuk bulan November 2012 sebagai berikut:
2012 sebagai berikut: Setup/Adjusment Losses = x 100 = 2,41%

8
 Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013

Dengan cara yang sama, maka perhitungan = x 100%

Setup and Adjusment Losses untuk bulan
November 2012 – Juni 2013 disajikan dalam = 1,15%
Tabel 4.14. Dengan cara yang sama, maka perhitungan
Tabel 0.14 Perhitungan Setup/Adjusment Reduce Speed Losses untuk bulan November
Losses 2012 – Juni 2013 disajikan dalam Tabel 4.16.
Tabel 0.16 Perhitungan Reduce Speed
Loading Set
Bulan
Set up
Time Up/Adjustment Losses
(Jam) Ideal Reduce
(Jam) Loss (%) Actual Actual Loading
Nov-12 14,00 580,9 2,41% Cycle Speed
Bulan Operation Product Time
Time Losses
Des-12 14,57 450,51 3,26% (Jam) (M²) (Jam)
(Jam/M²) (%)
Jan-13 19,17 476,25 4,02%
Nov-12 554,7 0,064 8.617 580,9 1,15%
Feb-13 11,50 387,14 2,97%
Des-12 424,36 0,029 6.582 450,51 51,94%
Mar-13 12,53 585,08 2,19%
Jan-13 453,00 0,037 6.882 476,25 41,66%
Apr-13 16,50 447,43 3,68%
Feb-13 359,59 0,090 3.871 387,14 2,76%
Mei-13 10,50 371,57 2,83%
Mar-13 554,24 0,069 4.664 585,08 39,68%
Jun-13 7,92 387,08 2,05%
Apr-13 421,00 0,082 2.715 447,53 43,89%
Mei-13 353,17 0,097 3.553 371,47 1,59%
4.2.5.2 Perhitungan Speed Losses Jun-13 367,16 0,035 5.088 387,08 47,92%
Speed Losses terdiri dari Idling and Minor 4.2.5.3 Perhitungan Defect Losses
Stoppage Losses dan Reduced Speed Losses. Defect Losses terdiri dari Rework Losses
Untuk menghitung nilai Idling and Minor dan Reduced Yield/Scrap Losses. Untuk
Stoppage Losses digunakan rumus sebagai menghitung nilai Rework Losses digunakan
berikut : rumus sebagai berikut :
Idling and minor stoppages losses =
Rework Losses =
x 100%
x 100%

Perhitungan Idling and Minor Stoppage Perhitungan Rework Losses untuk bulan
Losses untuk bulan November 2012 sebagai November 2012 sebagai berikut:
berikut:
Rework Losses = x 100%
Idling and minor stoppages losses
= 0,21 %
= x 100%
Dengan cara yang sama, maka perhitungan
= 5,73 % Rework Losses untuk bulan November 2012 –
Dengan cara yang sama, maka perhitungan Juni 2013 disajikan dalam Tabel 4.17.
Idling and Minor Stoppage Losses untuk bulan Tabel 0.17 Perhitungan Rework Losses
November 2012 – Juni 2013 disajikan dalam Ideal
Loading Total
Tabel 4.15. Bulan Time
Cycle
Rework
Rework
Tabel 0.15 Perhitungan Idling and Minor Time Loss
(Jam) (m²)
(Jam/m²) (%)
Stoppages Losses Nov-12 580,9 0,064 19 0,21%
Idling and Des-12 450,5 0,029 25 0,16%
Total
Loading Minor
Bulan Nonproduktif Jan-13 476,2 0,037 51 0,40%
Time (Jam) Stoppages
(Jam) Feb-13 387,1 0,090 48 1,12%
(%)
Mar-13 585,0 0,069 25 0,30%
Nov-12 580,9 33,30 5,73%
Apr-13 447,8 0,082 11 0,20%
Des-12 450,51 37,44 8,35%
Mei-13 371,6 0,097 84 2,21%
Jan-13 476,25 29,52 6,28%
Jun-13 387,0 0,035 104 0,96%
Feb-13 387,14 39,36 10,17%
Mar-13 585,08 39,75 6,59% Untuk menghitung nilai Reduced
Apr-13 447,53 41,00 9,16% Yield/Scrap Losses digunakan rumus sebagai
Mei-13 371,47 24,53 6,58% berikut :
Jun-13 387,08 31,54 8,22% Reduced Yield Losses =
Untuk menghitung nilai Reduced Speed
x 100%
Losses digunakan rumus sebagai berikut
:Reduce Speed Losses =
Perhitungan Reduced Yield Losses untuk
bulan November 2012 sebagai berikut:
x 100%
Perhitungan Reduced Speed Losses untuk Reduced Yield Losses
bulan November 2012 sebagai berikut:
Reduce Speed Losses
= x 100%= 23,58 %

9
 Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013

Dengan cara yang sama, maka perhitungan disesuaikan dengan banyaknya variabel
Reduced Yield Losses untuk bulan November (derajat bebas) dalam model. Seringkali
2012 - Juni 2013 disajikan dalam Tabel 4.18. juga disarankan, jika variabel bebas
Tabel 0.18 Perhitungan Reduced lebih dari dua, sebaiknya menggunakan
Yield/Scrap Losses adjusted R square. Dengan melihat nilai
Ideal Adjusted R Square 0,999 itu berati nilai
Loading Total Scrap
Cycle 2
Bulan Time Scrap Loss
(Jam)
Time
(m²) (%)
persamaan nilai R yang telah
(Jam/m²) disesuaikan dengan derajat bebas dan
Nov-12 580,9 0,064 2.154 23,58% nilai variabel terikat masih diterangkan
Des-12 450,5 0,029 1.646 10,56%
Jan-13 476,2 0,037 1.721 13,37%
sebesar 99,9% oleh variabel bebas.
Feb-13 387,1 0,090 968 22,53%  Standard Error. Merupakan standar
Mar-13 585,0 0,069 1.166 13,76% error dari estimasi variabel terikat
Apr-13 447,8 0,082 679 12,53% (dalam kasus kita adalah permintaan).
Mei-13 371,6 0,097 888 23,36% Jika dibandingkan nilai standar error
Jun-13 387,0 0,035 1.272 11,73%
(SE) 0.0001 dengan standar deviasi
Sebelum digunakan untuk menjawab
(SD) 0,164 maka dapat dilihat nilai
permasalahan dan mencapai tujuan penelitian,
SE<SD maka model regresi semakin
hasil regresi yang disajikan pada model
tepat dalam memprediksi nilai OEE
regresi perlu dilakukan validasi atau dikaji
Tabel 0.20 ANOVA
lebih lanjut dengan indikator statistik seperti:
2 d Significa
t-test, F-Test, dan ukuran goodness of fit (R ). SS MS F
f nce F
Hasil regresi berganda (Uji t) dari persamaan Regre 0,19011 0,03168 261911
model awal yang dihasilkan dalam penelitian 6 0,00047
ssion 6863 6144 7,592
ini disajikan pada Tabel 4.20 Residu
1
1,2098 1,2098
Tabel 0.19 SUMMARY OUTPUT al E-08 E-08
0,19011
Total 7
6875
Regression Statistics Dengan membandingkan nilai Fhitung
Multiple R 0.9999 dengan Ftabel yaitu 2619117,592 > 233,98
R Square 0.9999 dengan tingkat signifikansi 0,000 (lebih kecil
Adjusted R dari α = 0,05 ) artinya model persamaan
Square 0.9999 regresi tersebut signifikan.
5. Analisa dan Pemecahan Masalah
Standard Error 0.0001
5.1 Analisa Perhitungan Overall Equipment
Observations 8 Effectiveness (OEE)
Analisa perhitungan overall equipment
 Multiple R (R majemuk) adalah suatu effectiveness di PT. Laser Metal Mandiri
ukuran untuk mengukur tingkat (LMM) dilakukan untuk melihat tingkat
(keeratan) hubungan linear antara efektivitas penggunaan mesin Trupunch V
variabel terikat dengan seluruh 5000 I selama bulan November 2012 - Juni
variabel bebas secara bersama-sama. 2013. Pengukuran Overall Equipment
dengan melihat nilai Multiple R sebesar Effectiveness (OEE) ini merupakan perkalian
0,999 maka dapat dikatan bahwa Six antara Availability, Performance Efficiency dan
Big Losses (x1, x2, x3, x4, x5 dan x6) Rate of Quality Products. Hasil pengolahan
sangat mempengaruhi Nilai OEE (Y) data yang dilakukan pada periode November
2 2012 - Juni 2013 di PT. Laser Metal Mandiri
 R Square (R ) sering disebut dengan
(LMM) adalah sebagai berikut :
koefisien determinasi, adalah mengukur
1. Selama periode November 2012 – Juni
kebaikan sesuai (goodness of fit) dari
2013 diperoleh nilai Availability dari mesin
persamaan regresi; hal ini berarti 99.9%
Trupunch V 5000 I sekitar 92,90% -
nilai OEE diterangkan oleh Six Big
95,49%. Nilai dari Performance Efficiency
Losses dan sisanya (100% - 99,99%
dari mesin Trupunch V 5000 I sekitar
= 0,01%) diterangkan oleh faktor-faktor
44,86% - 98,79%. Nilai dari Rate of Quality
lain
Products dari mesin Trupunch V 5000 I
 Adjusted R Square. Suatu sifat
sekitar 72,64% - 74,78%. Dan hasil dari
2
penting R adalah square”. Istilah Overall Equipment Effectiveness (OEE)
penyesuaian berarti nilai R2 sudah yang berkisar antara 31,53% - 70,54%.

10
 Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013

2. Nilai OEE tertinggi terdapat pada bulan bedasarkan hasil perhitungan dengan
November 2012 sebesar 70,54%. Nilai Microsoft Excel adalah sebagai berikut :
OEE ini didapat dari nilai Availability Tabel 0.21 Tabel Kolerasi Antara Six
sebesar 95,49% nilai Performance Big Losses dengan OEE
Efficiency sebesar 98,79% dan nilai Rate of Kaku
Kolerasi Antara Hubungan Interval
Quality Products sebesar 74,78%. atan
Six Big Losses Antar Kekuatan
Koler
Sedangkan nilai OEE terendah terdapat dengan OEE Variable Kolerasi
asi
pada bulan Desember 2012 sebesar Breakdown Sangat
Positif 0,161
31,53%. Hal ini disebabkan karena nilai Losses Lemah
Availability sebesar 94,20%, Nilai Set
Sangat
Up/Adjustment Negatif 0,213
Performance Efficiency sebesar 44,86% Losses
Lemah
dan nilai Rate of Quality Products sebesar Idling and Minor
Sangat
74,62%. Stoppages Negatif 0,19
Lemah
5.1 Analisa Perhitungan OEE six big Losses
losses Reduce Speed
Negatif 0,999 Sangat Kuat
Losses
Setelah nilai OEE didapat maka selanjutnya Yield/Scrap
melakukan perhitungan OEE six big losses. Positif 0,999 Sangat Kuat
Losses
Semua data yang bersangkutan dengan OEE Rework Positif 0,505 Kuat
six big losses diolah dan menghasilkan nilai Korelasi yang dihasilkan dari faktor six big
OEE six big losses sebagai berikut : losses adalah korelasi negatif (Set
1. Nilai Breakdown Losses pada bulan Up/Adjustment Losses, and Minor Stoppages
November 2012 – Juni 2013 sekitar Losses , Reduce Speed Losses ) yang berarti
0,84% - 4,13%. jika ada salah satu faktor dari six big losses
2. Nilai Set up/Adjustment Losses pada yang meningkat maka faktor-faktor lain dari six
bulan November 2012 – Juni 2013 big losses akan mengalami penurunan, dan
sekitar 2,05% - 4,02%. korelasi Positif (Breakdown Losses,
3. Nilai Idling and Minor Stoppage Losses Yield/Scrap Losses, Rework) yang berarti jika
pada bulan November 2012 – Juni 2013 ada salah satu faktor dari six big losses yang
sekitar 5,73% - 10,17%. meningkat maka faktor-faktor lain dari six big
4. Nilai Reduce Speed Losses pada bulan losses akan ikut mengalami peningkatan.
November 2012 – Juni 2013 sekitar Dari hasil pengolahan data yang telah
1,15% - 51,94%. dilakukan maka faktor-faktor yang mempunyai
5. Nilai Rework Losses pada bulan pengaruh yang besar terhadap OEE adalah
November 2012 – Juni 2013 sebesar 0,16 Reduce Speed Losses dengan interval
– 2,21 %. kekuatan hubungan dengan OEE di atas 90%
6. Nilai Reduced Yield Losses/scrap pada yang berarti memiliki korelasi yang sangat
bulan November 2012 – Juni 2013 sekitar kuat.
10,56% - 23,58%. 5.4 Analisa Diagram Sebab Akibat
Dari hasil analisa di atas dapat diketahui Agar perbaikan dapat segera dilakukan,
bahwa faktor Reduce Speed Losses dalam maka analisa terhadap penyebab faktor-faktor
OEE six big losses merupakan faktor yang six big losses yang mengakibatkan rendahnya
memberikan kontribusi terbesar dalam OEE efektivitas mesin dalam perhitungan OEE
dengan persentase rata-rata sebesar 28,97%. dilakukan dengan menggunakan diagram
5.3 Analisa Perhitungan Regresi dan sebab akibat. Analisa dilakukan dengan
Korelasi melihat faktor dari six big losses yang
Dari hasil perhitungan OEE six big losses memberikan kontribusi yang besar dan
dari data yang didapat selanjutnya dilakukan memiliki korelasi yang kuat terhadap OEE
analisa regresi dan korelasi dari variabel yang yaitu Idling and Minor Stoppage Losses. Maka
terdapat pada OEE six big losses. Hal ini analisa diagram sebab akibat dari faktor ini
bertujuan untuk mengukur seberapa kuat, adalah sebagai berikut :
suatu relasi yang terjadi antar variabel dan a. Mesin/peralatan
membuat perkiraan nilai suatu variabel  Sering terjadi gangguan tiba-tiba karena
(variabel dependen) jika nilai variabel yang lain preventive maintenance yang belum
yang berhubungan dengannya (variabel optimal.
lainnya) sudah ditentukan.  Kecepatan mesin yang mulai berkurang
Selama periode November 2012 – Juni karena kurang terawat.
2013 pengolahan data hasil analisa regresi  Banyak komponen yang aus pada mesin
dan korelasi di PT. Laser Metal Mandiri (LMM), yang belum diganti dan dipaksakan

11
 Program Studi Teknik Industri Universitas Mercubuana, Jakarta
Jurnal Skripsi – September 2013

bekerja sehingga peluang mesin Speed Losses dengan rata-rata nilai

tersebut rusak menjadi lebih tinggi. sebesar 28,97%.
b. Manusia/operator 3. Usulan pebaikan yang dihasilkan dari
 Kurangnya konsentrasi operator dalam analisa diagram sebab akibat terhadap
bekerja sehingga mengakibatkan faktor yang menjadi prioritas utama adalah :
produktifitas yang menurun. a. Langkah perbaikan terhadap faktor
c. Lingkungan mesin/peralatan
 Tingkat kebisingan sangat tinggi  Mengoptimalkan preventive
mengakibatkan pekerja kurang maintenance.
berkonsentrasi. b. Langkah perbaikan terhadap faktor
 Kurangnya pencahayaan di dalam tenaga kerja
pabrik sehingga mengganggu  Memberikan pelatihan kepada para
penglihatan. operator.
d. Metode  Memberikan reward dan punishment
 Proses set up mesin tidak sesuai untuk pekerja.
dengan standar, set up hanya seadanya  Perusahaan perlu mengadakan
yang penting mesin masih tetap gathering karyawan.
berjalan. c. Langkah perbaikan terhadap faktor
 Pemakaian mesin secara terus menerus lingkungan
sehingga hanya sedikit waktu untuk  Membersihkan area kerja sebelum
mesin tersebut beristirahat. dan sesudah proses produksi.
e. Material d. Langkah perbaikan terhadap faktor
 Kurangnya ketersediaan material di line metode
produksi dikarenakan crane yang  Pelaksanaan set up mesin harus
diperlukan tidak sesuai dengan sesuai dengan aturan yang telah
kebutuhan. dibuat.
 Fokus pemeliharaan pada mesin
yang digunakan secara kontinu.
Manusia Mesin/peralatan Material e. Langkah perbaikan terhadap faktor
material
Kurang Konsentrasi Sering Gangguan  Meningkatkan inspeksi produk pada
Kecepatan Mesin Kurangnya crane setiap stasiun kerja agar tidak
berkurang
menjadi masalah dalam stasiun kerja
Kurang Teliti
Banyak Part Aus yang lain.
Idling and Minor Stoppage Losses 6.2 Saran
Adapun saran yang dapat diberikan
Lingkungan Kotor
berdasarkan penelitian ini yang mungkin akan
Pemakaian Mesin
Secara Terus Menerus berguna sebagai masukan yang bermanfaat
Kurang Pencahayaan
Set Up Tidak
Sesuai Standar
bagi perusahaan adalah sebagai berikut :
1. Melakukan perhitungan OEE pada setiap
Lingkungan Metode mesin secara rutin, agar diperoleh informasi
yang akurat untuk melakukan pemeliharaan
6. Kesimpulan dan Saran dan perawatan secara terus menerus
6.1 Kesimpulan dalam upaya peningkatan efektifitas
Berdasarkan hasil pengolahan dan analisa penggunaan mesin/peralatan.
data sebelumnya pada mesin Trupunch V 2. Melakukan pelatihan kepada seluruh
5000 I di PT. Laser Metal Mandiri (LMM), maka operator untuk meningkatkan kemampuan
diperoleh beberapa kesimpulan sebagai dan keterampilan mereka dalam
berikut : menanggulangi permasalahan yang terjadi
1. Dengan melihat nilai rata-rata hasil pada mesin produksi sehingga perusahaan
perhitungan OEE pada mesin Trupunch V dapat menerapkan autonomous
5000 I yaitu sebesar 48,59 %, dapat maintenance untuk meningkatkan
disimpulkan bahwa efektifitas mesin produktivitas mesin.
Trupunch V 5000 I jauh dari standar 3. Menanamkan kesadaran kepada seluruh
worldclass (85 %). karyawan untuk berperan aktif dalam
2. Faktor six big losses yang memberikan peningkatan produktivitas dari tingkat
kontribusi terbesar terhadap nilai OEE pada operator hingga top management.
mesin Trupunch V 5000 I adalah Reduce

12