Aplikasi Quality Function Development (QFD)

Menurut Kotler (1994) pelayanan adalah pemberian jasa kepada pelanggan sesuai dengan kebutuhannya. Dikatakan pula bahwa jasa dapat didefinisikan sebagai kegiatan atau manfaat yang dapat diberikan oleh satu pihak kepada pihak lainnya yang pada dasarnya tidak berwujud dan tidak pula berakibat pemilikan sesuatu dan produksinya dapat atau tidak dapat dikaitkan dengan suatu produk fisik. Peningkatan mutu pelayanan haruslah mengikuti apa yang menjadi kebutuhan konsumen.

Menurut Schnaars (1991), pada dasarnya tujuan dari suatu bisnis adalah untuk menciptakan para pelanggan yang merasa puas. Terciptanya kepuasan pelanggan dapat memberikan beberapa manfaat, diantaranya hubungan antara perusahaan dengan pelanggannya menjadi harmonis, memberikan dasar yang baik bagi pembelian ulang dan terciptanya loyalitas/kesetiaan pelanggan, dan membentuk suatu rekomendasi dari mulut ke mulut yang menguntungkan perusahaan (Tjiptono:2001).

Quality Function Deployment (QFD) merupakan metode yang digunakan untuk menerjemahkan keinginan konsumen kedalam sebuah produk atau jasa (Lou Cohen,2010). QFD konvensional yang selama ini digunakan memiliki beberapa kekurangan. Menurut Zhang Yu (1998) QFD yang konvensional tersebut hanya mempertimbangkan sisi kepuasan konsumen.

Pengaplikasian QFD hanya berpusat pada maksimisi kebutuhan konsumen dengan mengasumsikan bahwa dana/anggaran yang disediakan oleh perusahaan adalah tidak terbatas dalam hal untuk perbaikan layanan. Padahal perbaikan layanan merupakan suatu proses techno-economic, dimana akan selalu ada tradeoff antara layanan yang akan diperbaiki dengan batas anggaran yang dimiliki pihak perusahaan.

Berdasarkan uraian diatas, dapat disimpulkan bahwa untuk mendapatkan loyalitas pelanggan pihak manajemen perusahaan harus mengetahui kebutuhan-kebutuhan yang diinginkan oleh pelanggan. Jika hal tersebut tidak dipenuhi maka pelanggan akan merasa tidak puas dan mulai membanding-bandingkan pelayanan yang diberikan oleh perusahaan tersebut dengan perusahaan lain. Menurut (buchori, 2004) pelanggan akan lebih selektif dalam memilih lembaga perbankan kepercayaannya untuk bertransaksi, sehingga lembaga perbankan yang memberikan kepuasan tertinggilah yang akan dipilih pelanggan. Dalam prespektifnya, konsumen cenderung memperhatikan nilai-nilai kepuasan yang dirasakannya, sebagai konsekuensinya setiap usaha penyediaan layanan jasa juga perlu memperhatikan kualitas layanan yang diberikan sehingga mampu memenuhi tuntutan pelanggan.

Hal ini bila diperhatikan akan menuntut kita pada suatu faktor penting diluar kekuatan modal yang dibutuhkan untuk menghidupi bank tersebut, yakni kepercayaan pelanggan terhadap perusahaan, pelayanan terhadap pelanggan merupakan satu dari sekian banyak faktor yang harus diperhatikan demi kemajuan perusahaan.

Penelitian menggunakan SmartPLS

Semakin kompleksnya permasalahan yang dihadapi ilmu sosial dan perilaku, meningkat pula berbagai faktor yang perlu dipertimbangkan dalam pengambilan keputusan. Hubungan kausalitas antarvariabel yang dimasa sebelumnya tidak serumit sekarang terkesan tidak dapat dihindari dan memerlukan alat yang memadai untuk memecahkannya. Disamping meningkatnya data yang dianalisis, banyak variabel penting yang tidak dapat diukur secara langsung.

Berbeda dengan ilmu pasti, kegiatan pengukuran dalam ilmu sosial dan perilaku banyak yang tidak dapat diukur secara langsung, tetapi harus melalui indikator-indikatornya; dengan argumentasi bahwa konsep atau variabel dalam ilmu sosial dan perilaku seringkali bersifat laten, sementara itu indikator-indikator dari konsep tersebut dapat diamati dan diukur secara langsung. Ringkasnya, mengukur variabel laten dapat dilakukan melalui indikator-indikatornya.

Nah, Partial Least Square (PLS) adalah salah satu teknik Structural Equation Modeling (SEM) yang mampu menganalisis variabel laten, variabel indikator, dan kesalahan pengukuran secara langsung. Ia dikembangkan sebagai alternatif apabila teori yang digunakan lemah atau indikator yang tersedia tidak memenuhi model pengukuran reflektif.

Dibandingkan Structural Equation Model (SEM) dengan pedekatan covariance based yang sudah banyak digunakan seperti LISREL, AMOS, EQS, COSAN, dan EZPATH, terdapat dua hal penting dari PLS yang menggunakan pendekatan variance based, yaitu kemampuan dia untuk menghindari dua masalah serius, yaitu solisi yang tidak dapat diterima, serta faktor yang tidak dapat ditentukan (inadmissible solution, dan factor indeterminacy).

Keunggulan SmartPLS.

Pada PLS yang berbasis varians tidak akan pernah terjadi masalah matriks singularity. Selain itu, karena PLS bekerja pada model struktural yang bersifat rekursif, maka masalah unidentified, under-unidentified atau over-identified juga tidak terjadi.

Yang kedua adalah, jika terjadi adanya lebih dari satu faktor yang terdapat dalam sekumpulan indikator sebuah variabel, khusus indikator yangbersifat formatif tidak memerlukan adanya common factor, sehingga selalu diperoleh variabel laten yang bersifat komposit.

Perbedaan Variance Based dan Covariance Based.

ASPEK	VARIANCE BASED	COVARIANCE BASED
Landasan Teori	Kuat, Lemah, dan Eksploratif	Kuat
Hubungan	Linier	Linier
Model Struktural	Rekursif	Rekursif & Resiprokal
Asumsi Distribusi	Tidak diperlukan; Pendekatan resampling dengan bootstaping	Normal atau; tidak diperlukan; pendekatan resampling dengan bootstraping
Model Pengukuran	Reflektif; Formatif	Reflektif
Ukuran Sample	Minimal 30	Direkomendasikan minimal 100 – 200
Modifikasi Model	Tidak diperlukan	Jika model tidak fit, dapat dilakukan modifikasi, dengan penuntun indeks modifikasi
Goodness of fit	Q-square predictive relevanve, prisnipnya sama dengan R²	RMSEA, Chisquare/DF, dan lain-lain (terdapat 26 jenis GOF)
Pengujian Model	Theory Trimming, membuang jalur yang non-signifikan	Theory Trimming, membuang jalur yang non-signifikan
Output	Pengukuran Model dan Uji Model Struktural	Pengukuran Model dan Uji Model Struktural
Dasar Penggunaan	Model Prediktif	Pengujian Model

Uji Model dalam SmartPLS

Uji model dilakukan melalui outer model dan inner model. Outer model atau model pengukuran, pada prinsipnya adalah menguji indikator terhadap variabel laten, atau dengan kata lain menguur seberapa jauh indikator itu dapat menjelaskan variabel latennya.

Indikator reflektif diuji dengan convergent validity, discriminant validity atau dengan average variance extracted (AVE), dan composite reliability. Sedangkan indikator formatif diuji berdasarkan substantive content-nya. Yaitu dengan membandingkan besarnya relative weight dan melihat signifikansinya.

Adapun inner model atau model struktural pada prinsipnya adalah menguji pengaruh antara satu variabel laten dengan variabel laten lainnya baik eksogen maupun endogen. Boleh dikatakan juga menguji hipotesis antara satu variabel laten dengan variabel lainnya.

Pengujian dilakukan dengan melihat persentase varian yang dijelaskan yaitu R² untuk variabel laten dependen yang dimodelkan mendapat pengaruh dari variabel laten independen dengan menggunakan ukuran stone-geisser Q square test, serta melihat besarnya koefisien jalur strukturalnya.

Stabilitas dari estimasi ini diuji dengan menggunakan uji t-statistik yang diperoleh lewat prosedur bootstraping. Untuk lebih jelasnya dapat dilihat dari contoh kasus dibawah ini.

Contoh Penelitian SDM

Contoh kasus pada penelitian SDM dilakukan untuk mengetahui besarnya pengaruh tiga variabel independen (eksogen) terhadap satu variabel dependen (endogen). 3 variabel independen yang dimaksudkan adalah Program Pengawasan, Struktur Gaji, dan Jenjang Karier. Sedangkan variabel dependennya adalah Kinerja Pegawai, Data yang diikumpulkan merupkan data primer dengan instrumen pengumpulan data menggunakan kuesioner. Adapun karakter data yang dikumpulkan sebagai berikut:

Tabel – Karakter Data

Data Penilitian SDM

Pada working Area di Smart PLS digambarkan model sesuai dengan penelitian yang lakukan.

 

CRUD menggunakan Ajax Bootstrap CodeIgniter

Untuk membuat CRUD menggunakan Ajax, Bootstraps Modal dan Data Tables dengan serverside guna menambah, edit, update, dan delete data seperti tampilan dibawah ini, maka diperlukan beberapa resources seperti: PHP + MySQL, Codeigniter 3.0.2, jQuery 2.1.4, Twitter Bootstrap 3.3.5, Bootstrap-datepicker 1.4.0, dan DataTables 1.10.7.

Database & Query:

create database crud;
use crud;
CREATE TABLE `persons` (
`id` int(11) unsigned NOT NULL AUTO_INCREMENT,
`firstName` varchar(100) DEFAULT NULL,
`lastName` varchar(100) DEFAULT NULL,
`gender` enum('male','female') DEFAULT NULL,
`address` varchar(200) DEFAULT NULL,
`dob` date DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

-- example data persons
INSERT INTO `persons` (`id`, `firstName`, `lastName`, `gender`, `address`, `dob`)
VALUES
(1, 'Airi', 'Satou', 'female', 'Tokyo', '1964-03-04'),
(2, 'Garrett', 'Winters', 'male', 'Tokyo', '1988-09-02'),
(3, 'John', 'Doe', 'male', 'Kansas', '1972-11-02'),
(4, 'Tatyana', 'Fitzpatrick', 'male', 'London', '1989-01-01'),
(5, 'Quinn', 'Flynn', 'male', 'Edinburgh', '1977-03-24');


Configuring CodeIgniter

Routing
path: config/route.php

$route['default_controller'] = 'person';
$route['404_override'] = '';
$route['translate_uri_dashes'] = FALSE;


Base URL Config (required if using CodeIgniter 3.0.3 or later)
path: config/config.php

Lihat pada dynamic base_url: Dynamic base_url() and site_url() Codeigniter 3.0.3 +
Disini biarkan kosong karena sudah menggunakan codeigniter versi 3.0

model: Person_model.php
path: application/models/Person_model.php

Controller Person.php
path: applications/controllers/Person.php

view: person_view.php
path: application/views/person_view.php

Untuk lembar atau halaman selanjutnya jika view lebih dari yang ditentukan akan tampak seperti view dibawah ini.

Untuk DEMO silahkan klik disini dan untuk download source code silahkan download disini.

HTTP Error on WordPress

Make GD Library Your Default Image Editor

Speaking of magic, did you know WordPress ships with two image editors? That’s right, WordPress uses either Imagick or the GD Library to process images. While they are both great, Imagick is notorious for exhausting the available memory and causing the HTTP error.

To circumvent this problem, you need to make GD Library your default editor. How? Just drop this code to your theme’s functions.php file:

function hs_image_editor_default_to_gd( $editors ) 
{
$gd_editor = 'WP_Image_Editor_GD';
$editors = array_diff( $editors, array( $gd_editor ) );
array_unshift( $editors, $gd_editor );
return $editors;
}
add_filter( 'wp_image_editors', 'hs_image_editor_default_to_gd' );

Save your changes and try to upload the image again. If the HTTP error persists, revert the code change and try the other solution. Good Luck!

Structural Equation Modeling (SEM)

SEM atau Model Persamaan Struktural adalah generasi kedua teknik analisis multivariate yang memungkinkan peniliti dapat menguji hubungan antara variabel yang kompleks baik recursive maupun yang non-recursive guna memperoleh gambaran menyeluruh mengenai keseluruhan model.

Tidak seperti analisis multivarite biasa seperti regresi berganda atau analisis faktor, Structural Equation Modeling  dapat menguji bersama apa yang disebut dengan model struktural (hubungan antara konstuk independen dan dependen), dan apa yang disebut dengan model measurement (hubungan nilai loading antara indikator dengan konstruk atau variabel laten).

Digabungkannya pengujian model struktural dan pengukuran tersebut memungkinkan peneliti untuk:

1. Menguji kesalahan pengukuran (measurement error) sebagai bagian yang tidak terpisahkan dari SEM.
2. Melakukan analisis faktor bersamaan dengan pengujian hipotesis.

Adapun software yang menawarkan analisa SEM di pasaran adalah LISREL, AMOS, SmartPLS, dan EQS. Dalam Jurnal Information System Research mendata bahwa penggunaan SEM dengan LISREL adalah sekitar 15% dari total seluruh riset berbasis struktural dibandingkan dengan total penggunaan EQS dan AMOS yang hanya sekitar 3%.

Untuk tahapan-tahapan dalam analisis SEM biasanya dimulai dari konseptualisasi model, penyususnan diagram alur (path diagram), spesifikasi model, identifikasi model, estimasi parameter, penilain model fit, dan modifikasi model serta validasi silang model.

Structural Equation Modeling memiliki dua tujuan utama dalam analisisnya. Tujuan pertama adalah untuk menentukan apakah model itu plausible (masuk akal) atau fit; atau dengan bahasa lebih muda, apakah model “benar” berdasarkan suatu data yang dimiliki. Sedangkan tujuan yang kedua adalah untuk menguji berbagai hipotesis yang telah dibangun sebelumnya.

PENANGANAN MUATAN KAPAL

1..A. Tuliskan dan jelaskan prinsip2 penanganan muatan ;

1. Apakah maksud dari melindungi kapal ?

Jawab :

1. Prinsip Penanganan Muatan adalah sbb
2. Melindungi kapal
3. Melindungi Muatan
4. Memaksimalkan ruang muat dengan muatan
5. Usahakan bongkar muat,cepat, teratur,aman.
6. Melindungi ABK dan Buruh.

1. Melindungi kapal adalah menciptakan suatu keadaan dimana dalam melaksanakan kegiatan penanganan dan penagturan muatan kapal senantiasa tetap dalam kondisi yang baik,aman serta laik laut.

2.A.Apa yang dimaksud dengan ;

• Long hatch ialah penumpukan suatu jenis muatan dgn jumlah banyak pada satu palka untuk satu pelabuhan tertentu atau pembagian muatan yg tidak merata untuk masing-masing palka bagi suatu pelabuhan tujuan tertentu.
• Over Stowage ialah muatan yg seharusnya dibongkar disuatu pelabuhan tujuan terhalang oleh muatan lain yg berada diatasnya
• Over carriage ialah muatan yg seharusnya dibongkar disuatu pelabuhan tujuan,terbawa kepelabuhan berikutnya.

B.Fungsi Dunnage ialah

• Untuk mengelompokkan suatu jenis muatan dgn lainnya
• Untuk memisahkan muatan satu dengan lainnya agar tidak tercampur
• Untuk meninggihkan muatan (segregation)
• Dapat membongkar muatan secara cepat dansistimatis
• Berfungsi sebagai peranginan.
• Mencegah kerusakan muatan akibat dari

1. Pengembunan(condensation)
2. Cairan bebas(free moisture)
3. Pergeseran (Chafage)
4. Himpitan (Crushing)
5. Panas mendadak(Spontaneous heating)
6. Pencurian ( Pilferage)

 

3.A.Jenis2 muatan digolongkan dalam 3 kelompok tuliskan dan jelaskan

Jawab :

Jenis muatan ada 3 kelompok yaitu ;

1. Ditinjau dari cara pemuatan yakni;

• Muatan curah
• Muatan dingin
• Muatan Cair
• Muatan Gas
• Muatan Campuran
• Muata peti kemas

2. Ditinjau dari sifat atau mutu yaitu

• Muatan basah
• Muatan Kering
• Muatan bersih
• Muatan kotor
• Muatan berbau
• Muatan pekah
• Muatan berbahaya
• Muatan berharga
• Muatan hewan

3. Ditinjau dari perhitungan biaya angkut

• Muatan Berat
• Muatan Ringan
• Muatan standard

1. Tuliskan jenis muatan ditinjau dari perhitungan biaya angkut.

Jawab :

*      Jenis muatan ditinjau dari perhitungan biaya yaitu ;

1. Muatan Berat Yaitu muatan yg mempunyai SF(Stowage factor) < 1,114 m3/tonne. Contoh Semen,besi, timah, plat baja, Marmer.
2. Muatan ringan yaitu Muatan yang mempunyai SF(Stowage Factor) > 1,114m3/tonne. Contohnya,Beras,Plywood,the,tepung,tapioca,tekstil dll.
3. Muatan Standard yaitu Muatan yang mempunyai SF(stowage factor) = 1,114m3/tonne. Contoh Papan,Bahan-bahan kosmetik dll

4. Jelaskan yang dimaksud dgn

• Muatan Berat adalah muatan yg mempunyai SF < 1,114m3/tonne.  Contoh. Semen,Besi,Timah,Plat baja
• Muatan Ringan adalah muatan yg mempunyai SF >1,114m3/tonne. Contoh Beras,plywood,the,tepung,tapioca,textile dll.
• Muatan measurement adalah muatan yg mempunyai SF = 1,114m3/tonne. Contoh Papan,bahan kosmetik dll.
• Muatan OPTIE ialah muatan yg belum jelas pelanuhan tujuannya.

5.A. Jelaskan apa yg dimaksud dgn DECK LOAD CAPACITY.

1. Dimana anda dapatkan data deck capacity (C) dikapal.
2. Jika data Deck capacity (C) dikapal telah hilang,bagaimana cara menghitungnya ?
3. Jelaskan Bagaimana cara menghitung tinggi maksimal muatan disuatu palka sehubungan dgn Deck Load Capacitynya.

Jawab :

1. Deck Load Capacity adalah Kemampuan sebuah geladak untuk menampung sejumlah muatan Berat dinyatakan dalam tonne/m3 dgn lambing “C”  C = Ton/M3

1. Nilai C dapat ditemukan pada capacity plan atau dalam Blue Print kapal dimana dapat mengetahui beberapa besar kemampuan masing-masing geladak, sehingga dapat dihitung berapa tinggi susunan maximum dari muatan agar tdk melampaui kekuatan geladak tsb.

1. Jika data Deck Load Capacity (c) telah hilang maka untuk menghitung nilai c dpt menggunakan rumus pendekatan.

C = H    Tonne/m2

1,4

dimana ;

H = Tinggi tween Deck (m)

C = Deck Load Capacity (t/m2).

SF = Stowage Factor (m3/Tonne).

1. Cara menghitung tinggi maksimal muatan disuatu palka sehubungan dgn Deck Load Capacity adalah dengan menggunakan rumus ;

H = C x SF

Dimana ;

H = Tinggi susunan muatan (m)

C = Deck load Capacity (ton/m2)

SF= Stowage Factor (m3/Ton)

6.A. Apa yang dimaksud dgn DUNNAGE

1. Dunnage harus dapat memenuhi fungsinya,untuk itu dunnage yg baik harus memenuhi syarat.Tuliskan minimal 4 persyaratan dunnage yg baik,

Jawab :

1. DUNNAGE adalah bahan-bahan yg digunakan dalam kegiatan pengaturan muatan (stowage)

1. Persyaratan Dunnage yg baik adalah

• Bahan harus kuat & kering
• Bukan dari bahan HYGROCOPIS atau karma sifatnya dpt merusak muatan
• Dapat memenuhi fungsinya
• Mudah diperoleh
• Harga & Biaya murah

7.A. Jelaskan apakah yang dimaksud dgn istilah FULL & DOWN.

1. Bagaimanakah persyaratan agar sebuah kapal dapat dimuati hingga mencapai keadaan FULL & DOWN

Jawab :

1. FULL & DOWN adalah suatu pemuatan yang dilakukan sedemikian rupa sehingga ruang muatan yang tersedia terisi penuh dan kapal terbenam pada sarat maximal yang diijinkan.

1. Persyaratan untuk FULL & DOWN adalah sebagai berikut ;

• Volume muatan = Volume ruang muat
• Berat Muatan =Daya angkut (Cargo DWT)
• Sarat kapal = Sarat maximal yg diijinkan

8. Jelaskan yang dimaksud.
9. FCL ( Full Container Load) ialah sebuah container yang mana muatan didalamnya dimilik oleh satu shipper saja.

1. LCL (Less than Container Load) ialah dimana muatan didalamnya terdiri dari beberapa shipper.

1. CFS (Container Freight Station) ialah kawasan yg digunakan untuk menimbun peti kemas LCL,melaksanakan stuffing/unstuffing dan untuk menimbun brek-bulk cargo yang akan di stuffing ke peti kemas atau di unstuffing dari peti kemas.

1. BAY PLAN ialah dimana pemuatannya dimuat dari depan kebelakang dan pada container yg bernomor ganjil untuk container yg berukuran 20”,sedangkan container yang bernomor genap untuk container yang berukuran 40’
2. Muatan berupa peti-peti sebanyak 25 peti,tersedia digudang laut untuk dimuat pada sebuah kapal.Muatan tersebut berukuran panjang = 120 cm, Lebar = 60 cm dan tinggi =40 cm,serta berat tiap peti = 1250 KG,Jika muatan ini dimuat maka diperhitungkan terjadi broken stowage sebesar 2%.Hitunglah berapa Volume ruang yang harus disiapkan untuk 25 peti tsb :

Jawab.

Dik ;

G     = 1250 KG

BS   = 2%

P      =25

V      = 120 x 60 x 40 cm

= 288,000cm3

= 0,288 m3

Ditanyakan     = V (Volume yg disiapkan)

Jawab ;

P      = V (1-BS)

v

V      = P x v  .

1 – BS

= 25 x 0,288

1 – 2%

=  7,2  .

0,98

V      = 7,346 m3.

Jadi Volume yg disiapkan sebesar 7,346 m3

10. Sebuah kapal Gale Capacity 7250 m3 dan DWT 5525 Tonne,akan dimuati hingga mencapai kondisi full dan down,sebelum dimuat dikapal telah ada operating Load beberapa FO,FWD dan Store sebanyak 300 ton  Muatan yang akan dimuat adalah muatan A dengan SF = 5,75 m3/Ton B dengan SF = 0,42 m3/ton. Jika dalam pemuatan diperhitungkan BS rata-rata 5 %

Hitunglah beberapa ton masing-masing muatan yg dapat dimuat ?

Jawab ;

Dik  = Kapal akan dimuat FULL and DOWN.

Bale capacity     =   7250

BS 5% x 7250   =      362,5-

Vol efectif         = 6887,5 m3

DWT                   =  5525 tone

Opp                     =    300 tone

C.DWT                =  5225 tone

A + B                   =  5225 tone

5,75 A+ 0,41 B   =  6887,5 m3

5,75 A + 0,41 B  = 6887,5

0,41 A x 0,41 B  = 2142,25 –

5,34 A                = 4745,25

A  = 4745,25

5,34

A  =888,624 tone

B   =5225-888,624

=4336,4 ton

Jadi muatan A   = 888,624 tone

Dan muatan B    = 4336,4 ton

11. Ruang muat sebuah palka 1000m3,akan dimuati dgn textile dalam peti dengan ukuran tiap peti = 1 x 0,75 x 0,25 (m) berat tiap peti 30 kg, bila dlm pemuatan BS = 5 %
12. Berapa tonne tekstil dapat dimuat?
13. Berapa jumlah peti yang dimuaat ?

Jawab.

Dik.

Ruang muat        = 1000m3 (v)

V      = 1 x o,75 x 0,25 = 0,1875 m3

G     = 30 kg

BS   = 5 %

Dit;

1. Berapa ton tekstil dpt dimuat
2. Berapa jumlah pety dpat diangkut

SF = 1000 x v

G

=1000 x 0,1875 m3

30

= 6,25

a,     T = V(1-BS)  = 1000(1-5%)

SF             6,25

= 152 Tonne.

b,     P = V(1-BS)     = 1000(1-5%)

V              0,1875

= 1000 x 95 %

0,1875

= 5066,66

= 5066 Peti.

12. Sebuah tangki ukuran P X L X T = 20 x 10 x 8 m,diisi solar dgn BJ = 0,845 hingga mencapai ullage = 0,75 m,bila suhu saat itu = 12° C koreksi BJ = 0,00075 °/C berapa tonne solar yang dapat dimuat ?

Jawab.

V tangki     = 20 x 10 x 8      = 1600 m3

V Ullage     = 20 x 10 x 7,25 = 150 m3

Volumen Muatan                   = 1450 m3

S2   = S1 – C (t2-t1)

= 0,845 – 0,00075 (12º-15,6º)

= 0,845 – (- 0,0027)

= 0,8477

W    = V X Bj

= 1450 x 0,8477

= 1299,165 ton

DECK LOAD CAPACITY CALCULATION

Deck  Load Capacity  adalah Kemampuan sebuah geladak  untuk  menampung  sejumlah  muatan  berat, dinyatakan dalam ton/m² dengan lambang ”C”.

C  =  ton/m².

Nilai C dapat ditemukan pada Capacity plan atau dalam  Blue  print  kapal  dimana  dapat mengetahui berapa besar  kemampuan  masing – masing geladak,  sehingga  dapat  dihitung berapa tinggi susunan maksimun dari muatan agar tidak melampaui kekuatan geladak tersebut.

Pembebanan geladak akibat adanya muatan geladak menurut Lloyds Rule adalah sbb :

1. Pada bagian atas geladak tak terputus 0,87 ton/m²
2. Ambang Palka di geladak 1,08 ton/m²
3. Untuk muatan geladak antara 0,72 h/ton (h = angka ketinggiangeladak antara dalam meter)

Contoh  :

PERMISSIBLE  LOADS

1. Deck (Main Deck) (Incl. Hatch Covers) =1,75 t/m²
2. Deck (Tween Deck) (Excl Hatch Covers) = 2,45 t/m²
3. Hatch Covers Tween Deck = 3,30 t/m²
4. Tank Top = 8,00 t/m²

Untuk menghitung tinggi susunan suatu muatan berat  pada suatu geladak antara agar tidak melampaui batas kemampuan geladak antara tersebut dengan  menggunakan rumus  :

h = C x SF

h    = Tinggi susunan muatan (m)

C   = Deck Load Capacity (ton/m²)

SF =  Stowage Factor (m³/ton)

Bilamana Nilai Deck Load Capacity atau Permissible loads sudah tidak dapat ditemukan akibat referensi hilang, maka untuk menghitung Nilai C dapat menggunakan rumus pendekatan  :

C    =  H / 1.4  ton/m²

C    =  Deck Load Capacity (t/m²)

H    =  Tinggi Tween Deck (m)

1,4  =  Stowage Factor TD (m³/ton)

Soal Latihan. 1

Sebuah Geladak antara memiliki DLC = 2,6 ton/m². Akan dimuati dengan Besi yang memiliki SF = 0,42 m³/ton. Hitunglah tinggi susunan muatan Besi tersebut agar tidak melampaui kekuatan geladak antara itu.

Soal Latihan. 2

Sebuah Upper deck dengan tinggi = 6,20 meter. Akan dimuati muatan yang memiliki BJ = 2,1 ton/m³.   Hitunglah berapa tinggi susunan muatan tersebut agar tidak merusak konstruksi geladak.

Soal Latihan. 3

Sebuah kapal memiliki geladak antara berukuran panjang = 11,40 meter, lebar = 3,50 meter dan tinggi = 3,20 meter. Daya tampung geladak tersebut (DLC) = 2,15 ton/m². Akan dimuati Timah batangan dengan BJ = 2,4 ton/m³. Bila dalam pemuatannya broken stowage diperhitungkan terjadi sebesar 2 %, Hitunglah berapa ton berat Timah yang dapat dimuat agar tidak merusak konstruksi geladak.

Soal Latihan. 4

Sebuah geladak antara diketahui memiliki tinggi = 3,40 meter, dengan panjang = 15,80 meter dan lebar = 3,60 meter. Akan dimuati hingga penuh dengan 2 (dua) jenis muatan yakni Besi batangan yang memiliki SF= 0,56 m³/ton dan Peti-peti berukuran sama dengan SF= 2,18 m³/ton. Bila dalam pemuatan broken stowage diperhitungkan akan terjadi rata-rata sebesar 5 %, Hitunglah berapa ton berat masing-masing muatan tersebut yang dapat dimuat agar tidak merusak konstruksi geladak.

Simulasi menggunakan VenSim

Buatlah suatu skenario pertumbuhan kenaraan di DKI Jakarta pada tahun 2017. Data yanga da menunjukkan jumlah kendaraan 15.000.000 mobil dan 25.000.000 motor. Tingkat pertumbuhan motor dengan mudahnya kredit dapat mencapai 4.6% per tahun, sementara pertumbuhan mobil mencapai 2.5% per tahun. Sementara itu tingkat kehilangan yang menyebabkan tidak beredarnya motor di wilayah DKI hanya 2% per tahun dan mobil 0.5% per tahun.

Diminta:

• Gambar diagram simpal kausal model pertumbuhan kendaraan bermotor tersebut
• Gambar diagram stok dan flow pertumbuhan kendaraan bermotor di DKI Jakarta tersebut
• Berapa jumlah populasi kendaraan pada tahun ke-5
• Jika di berlakukan kebijakan pembatan pakai tahun kendaraan bermotor untuk mobil 10 tahun dan motor 5 tahun, maka berapa jumlah kendaraan bermotor tersebut pada tahun ke-10
• Gunakan Simula VENSIM

Penyelesaian:

Diagram simpal kausal model pertumbuhan mobil

Diagram stok dan flow pertumbuhan kendaraan

System Thinking (Berfikir System)

System Thinking merupakan sebuah pendekatan; dan pendekatan ini bisa digunakan untuk menguji kebenaran ilmiah maupun praktik di dalam penelitian. Contoh misalnya, buatlah suatu susunan urutan penelitian dengan menggunakan pendekatan diatas, sesuai dengan permasalahan yang akan diteliti untuk sebuah tesis.

Misalnya:

1. Hubungan antara populasi dan kelahiran adalah sebuah link positif. Semakin banyak populasi akan menyebabkan semakin banyak kelahiran.
2. Hubungan antara kelahiran dan populasi adalah sebuah link yang juga positif. Semakin banyak kelahiran akan menyebabkan semakin banyak populasi.
3. Kedua link positif ini akan membentuk loop positif. Artinya penambahan pada salah satu variabel, baik populasi maupun kelahiran akan menyebabkan penambahan terus menerus pada dua variabel tersebut.
4. Hubungan antara populasi dengan kematian adalah sebuah link positif. Semakin banyak populasi akan menyebabkan orang yang mati semakin banyak.
5. Sebaliknya hubungan antara kematian dengan populasi adalah link negatif. Semakin banyak kematian maka jumlah populasi akan semakin menurun.
6. Hubungan keseluruhan antara populasi dengan kematian membentuk loop negatif.

Pada umumnya penggunaan pendekatan system thinking menghasilkan beberapa alternatif pemecahan masalah atau sering disebut dengan policy scenario planning. Seluruh skenario tersebut akan sangat tinggi validitasnya apabila dilakukan dengan menggunakan system dynamic. Mengapa? Adakah alasan lain yang dapat dilakukan untuk menvalidasi penelitian dengan pendekatan system thinking?

Alasannya karena dengan menggunakan system dynamic, metode ini

• Mampu merepresentasikan keterkaitan antar variabel-variabel yang dikaji dan mampu menggambarkan interaksi dari masing-masing sistem serta mensimulasikan perilaku sistem apabila dilakukan intervensi terhadap sistem tersebut.
• Lebih menekankan pada tujuan peningkatan pemahaman tentang bagaimana perilaku dimunculkan oleh struktur eksisting, serta bagaimana implikasi-implikasi perilaku yang dimunculkan pada saat sebuah kebijakan diintervensikan ke dalam struktur eksisting.

Alasan lain:

• Kita tahu bahwa interaksi yang terjadi di dalam sistem sepanjang waktu akan mempengaruhi keadaan unsur-unsur lain di dalam sistem, sehingga struktur suatu sistem (system structure) sangat ditentukan oleh pola hubungan diantara unsur-unsurnya, sedangkan batasan sistem (system boundary) akan membatasi/memisahkan sistem dengan lingkungannya.
• Karena itu, maka perilaku sistem yang selalu dipengaruhi oleh strukturnya maka analisis sistem lebih banyak mempertimbangkan hubungan antar unsur (inter relasi) dalam sistem dibandingkan dengan detil input dan output data. Melalui pemodelan interelasi, maka analisis sistem akan mampu menjelaskan perubahan-perubahan dari masing-masing unsur sistem terhadap perubahan waktu. Disini kita punya banyak rencana skenario terhadap kebijakan apa yang nanti akan kita ambil. Dinamika perilaku suatu sistem sangat ditentukan oleh struktur umpan balik (feedback loops) yang menyatakan hubungan sebab akibat antar unsur bukan hubungan karena adanya korelasi-korelasi statistik saja.

 

 

 

 

 

Kriteria Jembatan Belly

Struktur Jembatan Bailey mempunyai sistem panjang per-panel 3,048 meter, dengan bentang jembatan kelipatan dari panjang setiap panel. Pada jembatan Truss Rangka Baja, pedoman standard yang dipakai adalah ‘berat minimal’, sedangkan pada jembatan Bailey menggunakan pedoman standard ‘berat maksimal’. Hal tersebut dikarenakan konstruksi jembatan Bailey sangat mengutamakan keringanan beban.

Jembatan Bailey menggunakan komponen High Grade Material dengan persyaratan Yield Strength / titik leleh minimal = 345 MPa.

Berikut spesifikasi lengkap jembatan Bailey berdasar pedoman teknis yang dikeluarkan Bintek Pekerjaan Umum Direktorat Jendral Bina Marga dan memenuhi kriteria (SK.SNI) serta sesuai dengan standard AASHTO Internasional:

STRUKTUR: Jembatan Bailey
TIPE: SS, SSR, DS, DSR1, DSR2, TSR2,TSR3, QSR4
BENTANG: 30 s/d 200 FEET (dari 9,144 s/d 60,960 METER)

KRITERIA DISAIN:

AASHTO HS 15-44, memenuhi RSNI T-03-2005
AASHTO HS 20-44, memenuhi RSNI T-03-2005
AASHTO HS 25-44, memenuhi RSNI T-03-2005

KRITERIA PEMBEBANAN:

AASHTO HS 15-44, memenuhi RSNI T-02-2005
AASHTO HS 20-44, memenuhi RSNI T-02-2005
AASHTO HS 25-44, memenuhi RSNI T-02-2005
SISTEM PANJANG : Panjang per-Panel adalah 3,048 meter
BENTANG JEMBATAN : Bentang jembatan adalah kelipatan dari panjang setiap panel

LEBAR EFFEKTIF:

3,150 meter – Standard Wide(Single lane)
4,200 meter – Extra Wide(Single lane)
7,350 meter – Double Lane

TINGGI PANEL: 2,134 meter (Jarak center ke center Pin atas dan bawah dalam satu Panel)
SISTEM LANTAI: Lantai baja checker plate – Structure Ortho Tropic

PANEL UTAMA:

Baja profil Hot Rolled Chanel–100 (Titik leleh minimal = 345 MPa)
Baja profil Hot Rolled IWF–80 (Titik leleh minimal = 345 MPa)

GELAGAR UTAMA:

Baja profil Hot Rolled IWF 400 x 200 (Titik leleh minimal = 345 MPa)

MUTU TIPE MATERIAL:

Struktur Rangka Utama: Yield Strength / Titik leleh minimal = 345 MPa
Struktur RangkaSekunder: Yield Strength / Titik leleh minimal = 235 MPa
Pin Material 30 CrMnTi: Yield Strength / Titik leleh minimal = 1300 MPa
Baut, mur dan ring: High Strength Friction Grip Gr 8.8 atau ekivalen
Lantai Baja: Grade 4.6 atau ekivalen

Menghitung Kekuatan Pad Eyes Lashing

Menyambung tulisan saya zaman dulu waktu awal mula otak atik tentang kupingan pad eyes untuk keperluan lashing atau pengikatan, baik untuk securing atau untuk lifting, jadi senyum sendiri karena masih belum banyak tahu tentang apa itu pad eyes. Sederhana namun kadang menghitungnya tidak sesederhana itu.

Pada pin hole ada bearing stress check, and shear stress check. Ada tensile stress check, dan ada Hertz atau Contact Stress Check. Sedangkan pada base plate, ada tensile stress check, bending stress check, shear stress check, von mises stress check, dan kombinasi stress check sesuai dengan standard AISC H2-1.

Dari contoh kasus ditas, maka cara tercepat menghitung kekuatan pad eyes untuk lashing seperti itu dengan program stress analysis yang disediakan di Autodesk Inventor.

Dimana:

• Assign Material = Steel, Mild, Welded
• Loadnya = 10 Tons
• Pin Hole Diameter = 34 mm

Hasilnya:

Kriteria:

• Von Mises < 90% dari Yield Strength
• Tensile Stress < 0.40 dari Yield Strength
• Displacement < L/200

Kesimpulannya:

Von mises didapat 141.2 MPa < 225 MPa, untuk Tensile hasilnya 69.49 MPa < 100 MPa, dan untuk Displacement hasilnya 0.04mm < 1 mm. Oleh sebab itu maka design diatas cukup kuat untuk lashing SWL 10 Ton.

Ramp Way untuk Roll On Roll Off

Sebuah jembatan (ramp way) sudah harus disiapkan agar sarana angkut yang membawa struktur tersebut dapat masuk ke atas tongkang dengan selamat. Kegagalan pada proses ini dapat mengakibatkan jatuhnya struktur ke laut selama pengangkutan; dan tidak menutup kemungkinan kegagalan tersebut bisa terjadi pada saat proses Roll On/Roll Off tersebut.

Oleh karena itu desain jembatan rampa (ramp) harus benar-benar cukup kuat dan stabil sesuai dengan standar yang diminta dan berlaku. Tujuannya adalah untuk menunjukkan bahwa material yang digunakan adalah aman untuk proses RORO tersebut;- yang menggunakan modular trailer saat beban maksimum terjadi pada 1 (satu) line axle saat diatas rampa.

Contoh misalnya jika harus melakukan analisa kekuatan pada kondisi ramp plate yang dihamparkan antara dermaga (jetty) untuk menutupi cela atau gap dengan kapal tongkang tersebut. Akibat beban statis yang berada diatasnya, ada tegangan yang terjadi pada konstruksi ramp plate tersebut bagaimana mengetahui jika ramp way dari steel plate itu cukup kuat untuk dilewati oleh trailer?

Tegangan ini tidak boleh melebihi batas maksimum tegangan yield (σ_ultimate) dari material ramp plate yang digunakan, dan tegangan ijin (σ_allowable) berdasarkan standar dari Biro Klasifikasi Indonesia (BKI) atau menggunakan rujukan standar lain seperti kriteria dari AISC ASD 9th Edition.

Contoh misalnya sebuah ramp way dari steel plate yang dianalisa adalah double steel plate ASTM 36 dengan masing-masing ketebalan 1 inch yang akan digunakan untuk proses loadout module dengan menggunakan SPMT (Self Propeller Modular Trailer).

Maka, analisa kekuatan ramp plate dapat dilakukan dengan pendekatan ultimate dari beban maksimum bahan yang digunakan, sehingga dari hasil analisa, dapat diketahui beban yang terjadi pada posisi maksimal di 45 ton per axle line dan karakteristiknya.

Pada akhirnya, terdapat dua tujuan utama dari kajian ini, yaitu; untuk menerangkan pemodelan Finite Element ramp plate untuk loadout; dan untuk mengetahui beban ultimate yang bisa diberikan dan menguraikan perilaku ramp plate tersebut.

Perhitungan kekuatan ramp way dengan steel plate dapat menggunakan Metode Elemen Hingga (Fenite Element Method) yang bisa dibantu dengan software berbasis FEM selain menggunakan perhitungan manual.

Contoh Frame Analysis

Buat kita yang belajar Structure Engineering, maka hal ini adalah makanan sehari-hari, namun akan berbeda rasanya ketika kita yang biasa bekerja di perusahaan logistik untuk transportasi barang-barang proyek harus membuat atau menyediakan perhitungan ini sebagai salah satu syarat untuk melengkapi sebuah metode kerja.

Contohnya adalah ketika kita diminta untuk menghitung apakah skid frame untuk strand jack seperti contoh dibawah ini sudah cukup aman untuk mengangkat Steam Turbine Generator seberat 178 Ton termasuk untuk menggesernya dari suatu titik pengangkatan ke titik penurunan?

Rencana Pengangkatan Generator

Permasalahan:

• Barang yang diangkat adalah sebesar 178 Ton ± 2 Ton = 180 Ton
• Pengangkatan menggunakan alat Strand Jack dimana akan diperlukan 4 unit strand jack yang akan digunakan untuk menarik Generator tersebut dari bawah ke atas.
• Frame H-Beam telah disediakan sebagaimana gambar dibawah ini, namun bagaimana cara memastikan Skid Frame tersebut aman untuk dipakai sebagai pendukung strand jack tersebut pada saat pengangkatan Generator seberat 180 ton tersebut?
• Apa kriteria keselamatannya?

Gambak Skid Frame tampak Depan

Gambar Skid Frame tampak Samping

Batasan Masalah:

• Kriteria keselamatan hanya sebatas untuk pengangkatan berat tersebut berdasarkan berat beban 180 Ton + 10% konsekuwensi faktor jika ada tambahan tambahan berat yang lain.
• Hanya menganalisis skid frame saja berdasarkan material yang tersedia, dan berdasarkan sketsa gambar yang ada.

Metode:

• Frame Analysis menggunakan Autodesk Inventor

Kriteria:

• Kriteria AISC untuk Allowable Span = L/200
• Kriteria ASD untuk Allowable Stress < Yield Strength (350 MPa)

Hasilnya:

Static Result Summary

Displacement < ASCI Criteria (L/200)

Kesimpulan:

Skid Frame tersebut diatas cukup aman untuk pengangkatan Beban seberat 180 Ton dikarenakan Simulasi Beban pada Frame Analysis sebesar 275 kN per Titik x 8 titik (atau Total Beban = 220 Tons), dengan Displacement yang terjadi sebesar 34.48mm atau lebih kecil dari L/200 (7220mm/200), dan Maksimum Stress yang terjadi di Sumbu Y semuanya kurang dari Allowable Stress

Demikian terima kasih.

Oh ya, Umumnya, di dalam banyak desain seperti baja struktural, tegangan maksimum (yield stress) dianggap sebagai tegangan patah. Meskipun baja atau bahan lainnya itu belum benar-benar patah (rupture) pada titik ini, dan biasanya akan terjadi deformasi dulu yang cukup signifikan pada kondisi ini.

Contoh Pemodelan System (Infinite Model)

Model ini mensimulasikan bahwa obyek yang akan datang tidak tentu atau bersifat acak. Misalnya, kendaraan bermotor yang akan tiba di SPBU tidak dapat dipastikan asal dan jumlahnya. Ada kemungkinan ia singgah di SPBU A hari ini, besok harinya akan mengisi di SPBU lain dan seterusnya.

Postulat yang dipakai pada model ini adalah sebagai berikit:

• Pelanggan yang tiba memiliki distribusi Poisson. Maksudnya, terdapat kecenderungan (probablilitas) jumlah obyek yang tiba pada jumlah yang lebih besar daripada tingkat rata-rata kedatangan adalah kecil, sedangkan kecenderungan (probabilitas) jumlah obyek yang tiba pada jumlah lebih kecil daripada tingkat rata-rata kedatangan adalah besar.
• Kampuan melayani memiliki diatribusi ekaponensial negatif, dimana; waktu pelayanan kepada pelanggan yang lebih singkat daripada waktu pelayanan rata-rata memiliki probabilita yang lebih besar, sedangkan untuk lebih lama dari waktu pelayanan rata-rata memiliki probabilitas yang lebih kecil.
• Pelayanan pelanggan di fasilitas servis mengikiti disiplin:- Datang Pertama, Dilayani Pertama atau First In First Service.
• Pada system dengan model Single Chanel, Single Phase, tingkat mampu layani ()> tingkat rata-rata kedatangan pelanggan.

Berikut adalah contoh-contoh dengan pemodelan ini:

Case #1

Rata-rata mobil yang tiba untuk diservice adalah 3 buah per jam  (λ=3) dan montir yang mengerjakan sekarang hanya satu orang dengan kapasitas pelayanan 4 unit mobil per jam (μ= 4). Hitung mobil yang antri dan lamanya dalam antrian; mobil yang ada dalam system dan lamanya mobil berada dalam syatem; serta hitung faktor penggunaan fasilitas.

Case #2:

Sebuah bandara udara hanya mempunyai sebuah landasan pacu (running way) dan setiap pesawat udara memerlukan waktu 5 menit untuk meluncur di landasan pacu pada waktu take-off dan landing. Jika diketahui pesawat yang landing 6 buah per jam, hitung jumlah pesawat  yang menunggu  giliran terbang atau mendarat; berapa jumlah pesawat yang ada dalam sistem; lama rata-rata untuk menunggu; lamanya dalam sistem; dan rasio penggunaan landasan pacu tersebut?

Case #3

Pelanggan (mobil) yang tiba di sebuah stasiun pengisian BBM (SPBU) memiliki distribusi dengan interval waktu yang tidak beraturan dan datanya disajikan dalam daftar dibawah ini.

Unit Ke Waktu untuk mengisi BBM (menit)

Case #4:

Sebuah bengkel ingin mengevaluasi keefektifian sebuah sistem yang dimilikinya, dimana rata-rata mobil yang tiba untuk diservice adalah 3 buah per jam. Montir yang dipekerjakan sekarangbhanya satu orang dengan kapasitas pelayanan 4 mobil per jam. Akan tetapi apabila montir ditambah menjadi  2 orang diharapkan dapat meningkat menjadi 12 unit per jam. Upah mekanik per jam 75.000,- dan jam kerja mekanik sehari 8 jam. Kerugian karena pelanggan tidak dapat dilayani diperkirakan 300.000,- Hitunglah mobil yang antri; lamanya dalam antrian; mobil yang ada dalam system; laba mobil berada dalam sistem; dan faktor penggunaan fasilitas, apakah penambahan tenaga mekanik menguntungkan perusahaan?

Hayoo silahkan dipecahkan.

Operasionalisasi QFD

Sample of Designing Car Door

Langkah awal dari Quality Function Deployment (QFD) adalah membuatkannya sebuah rumah mutu atau house of quality. Oleh karenanya lebih dahulu harus diketahui hal-hal seperti apakah yang diinginkan oleh konsumen, dan apa yang disyaratkan oleh produsen. Ada customer requirements dan ada engineering characteristics. Hal yang diinginkan oleh konsumen umumnya diperoleh melalui survey pasar, baik yang dilakukan oleh aparatur penjualan (salesperson) ataupun oleh peneliti yang dikoordinasikan oleh departemen riset dan pengembangan.

Sebelum masuk ke penerappan QFD, lebih dahulu akan dikemukakan bentuk umum house of quality (HOQ). Bentuk umum rumah mutu dimaksud untuk mengetengahkan kasus guna menemukan keinginan pelanggan terhadap suatu produk (misalnya pintu mobil), kemudian menerjemahkan keinginan itu menjadi desain pintu.

Keinginan pelangggan dihubungkan dengan persyaratan yang ditetapkan oleh produsen guna menemukan besaran koefisien korelasinya. Koefesien korelasi yang menyatakan derajat keeratan hubungan spesifikasi konsumen dengan spesifikasi produsen dipetakan dalam matriks di badan utamah rumah mutu tersebut.

Korelasi bermanfaat sebagai informasi mengenai faktor yang sangat berpengaruh terhadap keberhasilan mengenai produk yang diinginkan oleh pelanggan dimaksud. Sudah barang tentu koefisien korelasi tersebut diperoleh melalui aplikasi metode statistika, dimana spesifikasi keiingin atai persyaratan produsen dinyatakan sebagai variabel gayut (Y) dan spesifikasi keinginan pelanggan sebagai variabel bebas (X_i).

Erat atau tidak eratnya hubungan atau korelasi dinyatakan dalam matriks yang tersedia dengan menggunakan simbol seperti yang dinyatakan dalam contoh kasus pada gambar 1 dibawah ini.

Gambar (1) Rumah Mutu Usaha Laundry

Dengan QFD seperti diatas, keiinginan dan kebutuhan pelangggan dapat diterjemahkan ke dalam desain dan proses produksi atau jasa yang ditawarkan. Keberatan dan tanggapan pelangggan dalam proses pelayanan atau penyerahan produk (process of feedback) berguna sebagai alat untuk memperbaiki mutu pelayanan yang ditawarkan atau produk yang dihasilkan.

Menghitung Rasio Likuiditas Perusahaan

Rasio Likuiditas menunjukkan  kemampuan suatu  perusahaan  untuk  memenuhi kewajiban  keuangannya  yang  harus segera  dipenuhi, atau  kemampuan   perusahaan  untuk memenuhi  kewajiban  keuangan pada saat ditagih (S. Munawir, 1995 hal 31).

Rasio  likuiditas  terdiri dari :

Current Ratio

Merupakan Rasio yang digunakan untuk mengukur kemampuan perusahaan dalam membayar kewajiban jangka pendeknya dengan menggunakan aktiva lancar yang dimiliki.

Rumus  :

Current ratio = (Aktiva Lancar / hutang lancar)

Pada tahun 2010, CR = (227.819.168.461 / 123.450.557.939) = 1,845

Setiap Rp. 1 utang lancer dijamin oleh 1,8 harta lancar atau perbandingannya antara aktiva lancar dengan hutang lancar adalah 1,8 : 1

 

Acid test ratio (Ratio Immediate Solvency)

Merupakan rasio yang digunaka untuk mengukur kemampuan perusahaan dalam membayar kewajiban jangka pendeknya dengan menggunakan aktiva yang lebih likuid.

Rumus :

Quick Ratio = ((Aktiva Lancar – Persediaan) / Hutang lancar))

Pada tahun 2010, ((QR = 227.819.168.461 – 82.424.270.814 / 123.450.557.939)) = 1.17

Rata-rata industri tingkat liquidnya / quick ratio adalah 0,5 kali sedangkan perusahaan tersebut 1,17 maka keadaanya sangat baik karena perusahaan dapat membayar hutang walaupun sudah dikurangi persediaan.

Ratio Solvabilitias

Rasio ini disebut juga Ratio leverage yaitu mengukur perbandingan dana yang disediakan oleh pemiliknya dengan dana yang dipinjam dari kreditur perusahaan tersebut. Rasio ini dimaksudkan untuk mengukur sampai seberapa jauh aktiva perusahaan dibiayai oleh hutang rasio ini menunjukkan indikasi tingkat keamanan dari para pemberi pinjaman (Bank). Suatu  perusahaan yang solvable belum tentu likuid dan sebaliknya sebuah perusahaan yang insolvable belum tentu likuid.

Total debt to equity ratio (Rasio hutang terhadap Equitas)

Merupakan Perbandingan antara hutang – hutang dan ekuitas dalam pendanaan perusahaan dan menunjukkan kemampuan modal sendiri, perusahaan untuk memenuhi seluruh kewajibanya .

Rumus:

Total Debt to Equity Ratio = (Total Hutang / Ekuitas Pemegang Saham) x 100%

pada tahun 2010, = (140.879.700.667 / 134.499.083.729) x 100% = 1,04 = 100%

Perusahaan dibiayai oleh utang 100% untuk tahun 2010  menunjukan kreditor menyediakan Rp. 100,- untuk setiap Rp. 100

Total debt to asset ratio (Rasio Hutang terhadap Harta)

Rasio ini merupakan perbandingan antara hutang lancar dan hutang jangka panjang dan jumlah seluruh aktiva diketahui. Rasio ini menunjukkan berapa bagian dari keseluruhan aktiva yang dibelanjai oleh hutang.

Rumus:

Total Debt  to Asset  Ratio = (Total Hutang / Total aktiva) x 100%

Pada tahun 2010, = (140.879.700.667 / 275.390.730.449) = 0,511 = 51%

Pendanaan perusahaan dibiayai dengan utang untuk tahun 2010 artinya bahwa setiap Rp. 100,- pendanaan perusahaan Rp. 51,- dibiayai dengan utang dan Rp. 49 disediakan oleh pemegang saham.

Ratio Rentabilitas

Rasio ini disebut juga sebagai Ratio Profitabilitas yaitu rasio yang digunakan untuk mengukur kemampuan perusahaan dalam memperoleh laba atau keuntungan, profitabilitas suatu perusahaan mewujudkan perbandingan antara laba dengan aktiva atau modal yang menghasilkan laba tersebut. Yang termasuk dalam ratio ini adalah :

Gross Provit Marginal (Margin Laba Kotor)

Merupakan perandingan antar penjualan bersih dikurangi dengan Harga Pokok penjualan dengan tingkat penjualan, rasio ini menggambarkan laba kotor yang dapat dicapai dari jumlah penjualan.

Rumus :

GPM = (Laba Kotor / Penjualan Bersih) x 100%

Pada tahun 2010, = (62.009.766.595 / 516.581.827.768) 100% = 0,12 = 12%

Kemampuan perusahaan dalam menghasilkan menghasilkan laba kotor dari pejualan bersih adalah sebesar 12%

Net Profit Marginal (Margin Laba Bersih)

Merupakan rasio yang digunaka nuntuk mengukur laba bersih sesudah pajak lalu dibandingkan dengan volume penjualan.

Rumus:

NPM = (Laba setelah pajak / Total Aktiva) x 100%

Pada tahun 2010, = (28.441.593.720 / 516.581.827.768) 100% = 0,05 = 5%

Kemampuan perusahaan dalam menghasilkan laba bersih dari penjualan bersih adalah sebesar 5%

Operating Profit Margin

Untuk mengukur kemampuan perusahaan dalam menghasilkan keuntungan. Operating profit margin mengukur persentase dari profit yang diperoleh perusahaan dari tiap penjualan sebelum dikurangi dengan biaya bunga dan pajak. Pada umumnya semakin tinggi rasio ini maka semakin baik

RUMUS:

OPM = (Laba usaha / Penjualan Bersih) x 100%

Pada tahun 2010, = (39.294.864.546 / 516.581.827.768) x 100% = 0,07 = 7%

Operating ratio mencerminkan tingkat efesiansi perusahaan, sehingga ratio ini rendah menunjukan keadaan yang baik karena berarti bahwa setiap rupiah penjualan yang terserap dalam biaya juga rendah, dan yang tersedia untuk laba besar.

Return of Asset

Adalah salah satu bentuk dari rasio profitabilitas untuk mengukur kemampuan perusahaan dalam menghasilkan laba dengan menggunakan total aktiva yang ada dan setelah biaya-biaya modal (biaya yang digunakan mendanai aktiva) dikeluarkan dari analisis.

RUMUS:

ROA = (Laba bersih setelah pajak / total aktiva) x 100%

Pada tahun 2010, = (28.441.593.720 / 275.390.730.449) x 100% = 0,10 = 10%

Laba bersih yang diperoleh dari operasi perusahaan dengan jumlah aktiva yang digunakan untuk  menghasilkan keuntungan adalah sebesar 10%

Return of Equity

Adalah Tingkat pengembalian yang dihasilkan oleh perusahaan untuk setiap satuan mata uang yang menjadi modal perusahaan. Dalam pengertian ini, seberapa besar perusahaan memberikan imbal hasil tiap tahunnya per satu mata uang yang diinvestasikan investor ke perusahaan tersebut.

RUMUS:

ROE = (Laba Bersih Setelah Pajak / Total Modal Pemegang Saham) x 100%

Pada tahun 2010, = (28.441.593.720 / 134.499.083.729) x 100% =  0,021 = 2%

 

Rasio Perputaran Piutang

Piutang yang dimiliki oleh suatu perusahaan mempunyai hubungan yang erat dengan volume penjualan kredit, karena timbulnya piutang disebabkan oleh penjualan barang-barang secara kredit dan hasil dari penjualan secara kredit netto dibagi dengan piutang rata-rata merupakan perputaran piutang.

RUMUS:

Perputaran Piutang = (Penjualan / piutang usaha)

dalam hasil ini tingkat pengembalian atau imbal balik perusahaan terhadap investor setiap tahunnya adalah sebsar 2%

Yang dimaksudkan dengan “Penjualan” dalam formula ini adalah: Total nilai penjualan untuk periode yang diukur, 1 Jan s/d 31 Des 2012 misalnya.

Sedangkan “Rata-rata Piutang” adalah: Rata-rata saldo piutang untuk periode yang sama. Menghitung nilai rata-rata ini yang kadang menjebak.

Dalam menghitung rata-rata saldo piutang, terkadang seseorang hanya menggunakan “saldo awal” dan “saldo akhir” piutang, dijumlahkan, lalu dibagi dua. Misalnya: Yang diambil hanya saldo piutang dagang per 31 Januari ditambah saldo piutang dagang per 31 Desember, lalu dibagi dua. Cara ini akan menghasilkan nilai rata-rata piutang yang tidak tepat.

Cara terbaik untuk menghitung nilai rata-rata piutang adalah dengan jalan: menjumlahkan semua saldo piutang disepanjang periode (dari 31 Jan + 28 Feb + 31 Mar… dan seterusnya hingga 31 Desember), lalu dibagi total bulan—atau 12 jika perusahaan menggunakan periodisasi tahunan.

Skripsi tentang Alat Weighing (Pengantar)

Puji syukur kehadirat Tuhan Allah SWT yang telah melimpahkan segala rahmat dan karunia-Nya sehingga Tugas Akhir ini dapat diselesaikan dengan baik. Tak lupa semoga sholawat serta salam tetap tercurahkan kepada Nabi besar Muhammad SAW yang telah memberikan pengaruh besar bagi kehidupan dan peradaban manusia maupun ilmu pengetahuan.

Dimulainya Masyarakat Ekonomi ASEAN akan memberikan dampak positif dan negatif bagi Indonesia. Liberalisme pasar bebas barang dan jasa akan memacu investasi dalam negeri dan menarik tenaga kerja asing ke Indonesia. Masuknya tenaga kerja asing ke Indonesia dimungkinkan dapat menjadi ancaman apabila tenaga kerja Indonesia tidak mempunyai daya saing yang sebanding. Oleh karena itu, peningkatan daya saing tenaga kerja harus tetap dilakukan agar bangsa Indonesia tidak menjadi buruh di negeri sendiri. Hal tersebut dapat di antisipasi dengan mengkorelasikan input penunjang tenaga kerja sehingga tenaga kerja Indonesia memiliki kesiapan mental dan kemampuan.

Tantangan berikut yang dihadapi Indonesia sekarang dalam industri minyak dan gas bumi, khususnya SKK Migas adalah turun tajamnya harga minyak mentah. Bahkan saat ini harga minyak masih di bawah USD 40,- barel per hari. Meskipun demikian Indonesia masih memiliki kepentingan dalam eksplorasi sumber-sumber minyak baru dan pengelalolaan sumber-sumber tersebut untuk menunjang perekonomian Indonesia dan kemakmuran bangsa. Namun demikian, cadangan minyak dan gas tersebut masih bersembunyi di lapisan perut bumi yang cukup dalam. Banyak pula cadangan migas tersebut berada di bawah dasar laut dalam yang ombaknya ganas. Karenanya, industri migas merupakan industri padat modal dan padat teknologi serta penuh resiko.

Dalam Tugas Akhir ini, menimbang atau weighing barang yang ukuranya besar dan sangat berat hingga ratusan ton bahkan ribuan ton khususnya untuk industri eksplorasi minyak lepas pantai memerlukan cara (metode kerja) yang khusus. Informasi akhir dari hasil penimbangan juga harus berkualitas serta dapat dipertanggungjawabkan.

Indonesia Project Logistics adalah perusahaan jasa yang bergerak di bidang transportasi proyek minyak dan gas, dan salah satu jasanya adalah menimbang (weighing) struktur/module anjungan minyak lepas pantai seperti Jacket dan Topside.

Analisis Desain Operasional Perhitungan Weighing menggunakan mesin EVO Synchronous Jacking & Weighing System adalah studi kasus di PT. Indonesia Project Logistics untuk proyek Husky-CNOOC Madura BD Field Development yang diproduksi dan difabrikasi di PT. PAL Indonesia selaku perusahaan EPC.

Analisisnya tentang system perancangan kerja (work study) yang meliputi metode-metode kerja, parameter-parameternya, tentang kelesamatan kerja (dengan job risk assement-nya), tentang teknik operasionalnya yang sesuai dengan standar yang diharuskan, serta penilaian terhadap kualitas hasil akhir (output) dari kegiatan operasional tersebut. Ada perancangan (design) yang matang sehubungan dengan pendukung beban saat penimbangan (weighing). Ada pengaturan dan pengorganisasian SDM yang berhubungan dengan kegiatan operasional tersebut termasuk didalamnya jalur komunikasi hingga masalah keselamatan kerja, kemudian pelaksanaan pekerjaan yang sesuai, serta pengendalian hasil keluaran dari operasi penimbangan agar kualitas hasil laporan tersebut terverifikasi dan sesuai dengan kaidah kaidah yang berlaku dibidang teknik, keindustrian, dan keselamatan kerja.

Penulis menyadari bahwa dalam Tugas Akhir ini masih banyak terdapat kekurangan dalam banyaknya aspek yang harus dipelajari dan dikaji, dan dengan penuh kerendahan hati penulis mengharapkan saran serta kritik dari pembaca untuk perbaikan dan pengembangan kajian selanjutnya.

Dan dalam kesempatan ini, ijinkanlah penulis juga mengucapkan banyak terima kasih kepada semua orang yang mengenal penulis dan telah menghabiskan waktu bersama selama belajar di Universitas Borobudur, semoga apa yang sudah kita luangkan ada manfaatnya dan berguna bagi bangsa dan negara.

Mengukur Faktor yang Mempengaruhi Strategi Perusahaan

Strategi adalah penjabaran dari misi dan misi lahir dari visi yang konsisten. Strategi berada di beberapa tingkat, mulai dari corporate atau group of companies, kemudian divisi, lalu departmen, dan terakhir unit yang terkecil dalam perusahaan.

Setelah sekian tahun berjalan, bisa saja visi yang biasanya datang dari pemilik atau pendiri perusahaan mengalami perubahan dalam arti penyempurnaan atau perluasan karena perkembangan yang dialami, dan karenanya misi serta strategi juga perlu disesuaikan. Visi merupakan tanggung jawab dari pemilik atau pendiri perusahaan, misi biasanya menjadi tanggung jawab top manajemen dan strategi menjadi tanggung jawab middle dan low level manajemen.

Biasanya antara visi dan misi tidak terlalu jauh penyimpangan dan jaraknya. Tetapi, yang sering terjadi adalah antara misi dan strategi, tanpa kendali, akan terjadi penyimpangan atau arah, oleh karena para pembuat strategi dihadapkan dengan fakta di lapangan yang tidak sinkron dengan misi yang dikehendaki. Oleh karena itulah perlu dari waktu ke waktu dilakukan kaji ulang, di mana strategi harus disesuaikan dengan mengakomodasi faktor internal (visi dan misi) dan faktor eksternal (implementasi di lapangan).

Metode Pengukuran: Regression Multinomial Logistics

Jika kita belajar tentang Analisis Regresi Logistik Multinomial, maka kita dapat menggunakannya untuk melihat apakah ada pengaruh variable independen terhadap variable dependen yang berbentuk kategori lebih dari dua nilai.

Contoh Kasus:

Sebuah perusahaan ingin mengetahui faktor-faktor apa saja yang mempengaruhi strategi perusahaan tersebut ketika tiga pilihan diterapkan, yaitu:

• Inovasi
• Minimalisasi Biaya, dan
• Imitasi

Adapun parameternya, dilihat dari:

• Free Cashflow
• Pengalaman (Experience)
• Reputasi
• Lingkungan (Environment)
• Suasana Kerja (Volatility), dan
• Komplekisitas yang terjadi (Complexity)

 

File Download disini.

Bagaimana Cara Analisisnya atas Pengukuran tersebut?

Strategi dibuat untuk memenangkan sebuah persaingan, untuk mencapai sasaran pada waktunya, untuk meningkatkan performa, namun tidak semudah seperti membuat strategi itu sendiri dalam pelaksanaannya. Kita harus pandai-pandai membaca faktor eksternal, faktor lingkungan baik pada saat kita membuat strategi maupun beberapa tahun ke depan sesuai dengan program jangka menengah dan jangka panjang.

Menghitung HP prime mover untuk tanjakan

Ada pertanyaan dari teman sebelah, katanya ingin tahu cara menghitung berapa Horse Power sih yang diperlukan untuk menarik Module seberat 300 Ton apabila jalan menanjak 5 derajat dengan asumsi kecepatan kendaraan saat berjalan misalnya hanya 5 km/jam. Untuk menjawab kasus seperti ini diperlukan beberapa konversi satuan dengan mengabaikan friksi, jarak jalan, ataupun tinggi tanjakan, apalagi ada tikungan.

Dengan demikian dapat dihitung dengan cara sebagai berikut:

Diketahui:

• Berat Barang Total = 300 Ton (300.000 kg)
• Gravitasi = 10 m/detik
• Kecepatan = 5 km/jam
• Tanjakan = 5^o

Ditanyakan:

• Berapa Horse Power agar Kendaraan dengan Beban tersebut dapat menanjak?

Jawab:

• Berat = Massa x Gravitasi = 3.000.000 N (newton)
• Gaya yang diperlukan untuk mendorong = Berat x Sin (Tanjakan) =  261,467.23 N

Keperluan Power yang diperlukan untuk naik menanjak menggunakan rumus:

P = f.v + W.sinθ.v

Karena pada saat kendaraan naik menanjak pada kemiringan tertentu yang dinyatakan dengan θ, maka ada gaya lain yang memaksakan kendaraan tersebut turun sebesar f’= W.sinθ, dan oleh karenanya maka kesimbangan gayanya dimasukkan seperti formulasi diatas, sehingga didapatkan:

• P = 261467.23 N x 5 km/jam + 3.000.000 x SIN(5^o) x 5 km/jam =  726,297.86 N.m/det
• Dikonversi ke HP 726,297.86 N.m/det x  0.00135962 = 987.49 HP (metric)

Kira-kira begitu Mbak Titan :) Jadi pakai 2 Prime Mover (misal FH 16 @550 HP buatan Volvo)

Referensi:

• EngineeringToolBox
• Richard Fitzpatrick, Professor of Physics, The University of Texas at Austin

Menghitung Biaya Pemakaian Listrik

Di dalam Industri Manufaktur, peralatan yang paling banyak dipakai dalam produksi adalah peralatan yang menggunakan daya listrik sebagai energi atau tenaga untuk dapat mengerakkan peralatan tersebut. Peralatan-peralatan Listrik tersebut antara lain: Soldering Iron, Electric Screw Driver (Obeng Listrik), Mesin Solder, Mesin Bonding, Ionizer, Komputer, Air Conditioner (AC), Kompresor Angin dan Alat-alat uji dan pengukuran seperti  Osciloscope, Voltmeter, Signal Generator dan  Audio Analyzer.

Biaya Listrik merupakan salah satu biaya operasional produksi yang tertinggi setelah biaya Tenaga Kerja (Manpower). Di negara maju seperti Amerika Serikat, biaya listik yang digolongkan sebagai “Electric Utility Cost” memakan porsi biaya sekitar 7% ~ 16% dari total biaya operasional produksi (EIA, 2015) sehingga sangat penting sekali bagi kita untuk melakukan penghematan dan optimasi pemakaian peralatan listrik tersebut.

Untuk meng-optimasi-kan pemakaian listrik dan penghematan biaya listrik, tentunya kita harus mengetahui seberapa banyak peralatan tersebut meng-konsumsi-kan listriknya yang kemudian akan kita konversikan ke dalam biaya pemakaian listrik. Untuk melakukan perhitungan biaya pemakaian listrik, kita juga harus mengetahui tarif listrik yang telah ditetapkan oleh PLN setempat.

Berikut ini cara untuk menghitung biaya pemakaian listrik untuk peralatan-peralatan yang sering digunakan dalam produksi.

Kita mengambil contoh sebuah Pabrik yang berskala industri menengah ke atas, maka tarif yang kita gunakan adalah tarif yang ditentukan oleh PLN.  Contohnya di golongan I-1/TR (industri golongan 1 dengan memakai Tegangan Rendah) seperti lampiran dibawah ini.

Ada dua Jenis label informasi tentang penggunaan daya listrik pada peralatan produksi tersebut, yaitu adanya penulisan pemakaian Watt dan yang satu jenis lagi hanya tertuliskan Voltage dan Ampere. Berikut ini adalah cara perhitungan untuk kedua jenis label pada peralatan-peralatan listrik:

Adanya Informasi tentang Daya (Wattage) Pemakaian Listrik di Peralatan

Contoh Kasus I
Contoh Peralatan yang ingin dihitung biaya pemakaian listriknya adalah Solder yang bermerek Hakko dengan konsumsi daya sebesar 60W dan Tegangan listrik yang dipakainya adalah 230 Volt (label konsumsi daya listrik, seperti digambar bawah ini).

Penyelesaiannya :

Diketahui :
Tarif / kWh: Rp. 1112,-
Konsumsi listrik : 60W (0.06kW)
Biaya Listrik per Jam = tariff/kWh x Wattage
Biaya Listrik per Jam = Rp. 1112 x 0.06 kW
Biaya Listrik per Jam = Rp. 66,72/Jam

Jika di Pabrik tersebut memiliki 30 unit Soldering Iron yang dihidupkan selama 24 Jam per hari dalam 30 hari kerja. Maka Biaya pemakaian Listrik dalam sebulan adalah :

Rp. 66,72 x 30 unit x 24 Jam x 30 hari = Rp. 1.441.152,- per bulan.

Contoh Kasus II
Di Pabrik yang sama, Mesin yang ingin dihitung biaya pemakaiannya adalah Mesin Solder dengan Konsumsi daya listrik sebesar 33 KiloWatt pada tegangan 380Volt.

Penyelesaiannya :

Diketahui :
Tarif / kWh: Rp. 1112,-
Konsumsi listrik : 33 kW
Biaya Listrik per Jam = tariff/kWh x Wattage
Biaya Listrik per Jam = Rp. 1112 x 33kW
Biaya Listrik per Jam = Rp. 36.696,-/Jam

Jika di Pabrik tersebut memiliki 5 unit Mesin Solder yang dihidupkan selama 24 Jam per hari dalam 30 hari kerja. Maka Biaya pemakaian Listrik Solder Mesin tersebut dalam sebulan adalah :

Rp. 36.696,- x 5 unit x 24 Jam x 30 hari = Rp. 132.102.600,- per bulan.

Hanya terdapat informasi tentang Voltage (Tegangan) dan Ampere (Arus Listrik) di Peralatannya

Jika di peralatan tersebut tidak tertulis Daya atau Wattage pemakaian Listrik, maka kita dapat melakukan perhitungan Daya atau Wattage-nya berdasarkan Voltage dan Ampere yang tertera di Peralatan tersebut.

Contoh Kasus III
Masih di Pabrik yang sama, Sebuah LCD Monitor hanya tertulis Power Rating AC 100~240 Volt dengan pemakaian Arus Listrik sebanyak 1.5 Ampere. Berapakah Biaya Pemakaian Listrik tersebut ?

Penyelesaiannya
Tarif / kWh: Rp. 960,-
Tegangan: 220 Voltage (karena di Indonesia, PLN mengeluarkan tegangan 220V)
Arus Listrik: 1.5A

Pertama, kita harus hitung Daya (Wattage) pemakaian listriknya terlebih dahulu.
Watt = Volt x Ampere
Watt = 220V x 1.5A
Watt = 330 Watt (0.33kW)

Setelah kita mengetahui Watt-nya, perhitungan selanjutnya sama dengan cara diatas, yaitu :
Biaya Listrik per Jam = tariff/kWh x Wattage
Biaya Listrik per Jam = Rp. 960 x 0.33
Biaya Listrik per Jam = Rp. 316.8/Jam

Jika di Pabrik tersebut memiliki 15 unit LCD Monitor yang dihidupkan selama 12 Jam per hari dalam 20 hari kerja. Maka Biaya pemakaian Listrik untuk LCD Monitor tersebut dalam sebulan adalah :

Rp. 316.8 x 15 unit x 12 Jam x 20 hari = Rp. 1.140.480,- per bulan.

Catatan :
Karena Satuan perhitungan Listrik adalah Kilo Watt Per Jam atau Kilo Watt per Hour (kWh) maka Daya atau Wattage pada peralatan tersebut harus di dijadikan ke Kilo Watt terlebih dahulu (1 Watt = 0.001 kilo Watt).

Keterangan Kategori Ketinggian Tegangan berdasarkan PT. PLN :

• Tegangan Rendah (TR) : Tegangan dibawah 1,000 Volt
• Tegangan Menengah (TM) : Tegangan 1,000 Volt sampai 35,000 Volt
• Tegangan Tinggi (TT) : Tegangan 35,000 sampai 245,000 Volt
• Tegangan Extra Tinggi (TET) : Tegangan diatas 245,000 Volt

(Masing-masing kategori dikenakan Tarif Dasar yang berbeda-beda)

Cara Perhitungan Pemakaian Listrik di atas dapat juga dipakai untuk pemakai Listrik lainnya seperti perumahan, pertokoan dan kampus/sekolah.

Pengaruh Hutang, Ekuitas, dan Aktiva terhadap Profitabilitas

Sebuah industri pembuatan pembuatan textile ingin mengetahui hubungan antara Jumlah Aktiva Tetap, Hutang Jangka Panjang, dan Equity secara bersama-sama berpengaruh terhadap Kinerja Keuangan dilihat dari Profitabilitas Perusahaan. Data Hasil dari Laporan Keuangan Perusahaan didapatkan data sebagai berikut:

Bagaimana analisisnya?

Untuk itu, sebelumnya harus faham dahulu apa itu regresi, regresi linier, regresi linier berganda, multikolinieritas, autokorelasi, statistik, pengujian Durbin-Watson, mana variable dependent-nya dan mana variable independent-nya.

Dengan menggunakan metode analisa statistik regresi bergandan (multiple regression) hasil penelitian didapat sebagai berikut:

Dari output diatas diketahui:

• R-square sebesar 81,5%
• Variabel yang digunakan adalah X₁ aktiva tetap, X₂ hutang jangka panjang,  X₃ ekuitas dengan F sebesar 3.955 dan p-Sig. = 0.072.
• Dengan pengujian hipotesis maka:H₀ = model regresi tidak layak digunakan, H₁ = model regresi layak digunakan
• α = 0.05
• Daerah kritis. H₀ ditolak jika p value < 0.05
• Statistik Uji. P value = 0.072
• Kesimpulan: karena p value > 0.05 maka H₁ ditolak sehingga model regresi tidak layak digunakan.
• Adapun model regresi yang diperoleh yaitu:Y = 329832997.865 – 0.008X₁ – 0.103X₂ + 0.138X₃
• Nilai Durbin-Watson adalah 1.075

Metode pengujian Durbin-Watson (uji DW) harus mengikuti ketentuan sebagai berikut:

• Jika d lebih kecil dari dL atau lebih besar dari (4-dL) maka hopotesis nol ditolak, yang berarti terdapat autokorelasi.
• Jika d terletak antara dU dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
• Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.

Lampiran Tabel Durbin-Watson (DW) bisa dilihat disini.

Dari hasil output di atas didapat nilai DW yang dihasilkan dari model regresi adalah 1.075. Sedangkan dari tabel DW dengan signifikansi 0,05 dan jumlah data (n) = 10, seta k = 3 (k adalah jumlah variabel independen) diperoleh nilai dL sebesar 0.525 dan dU sebesar 2.016. Karena nilai DW (1,.075) berada pada daerah antara dL dan dU, maka tidak menghasilkan kesimpulan yang pasti atau berada di daerah keragu-raguan.

Catatan: Model regresi yang baik adalah regresi yang bebas dari autokorelasi atau tidak terjadi autokorelasi.

Hubungan Pengaruh (correlations)

Hipotesis:

• H₀ = tidak ada korelasi antara dua variabel
• H₁ = terdapat korelasi antara dua variabel

Kriteria:

Pengujian menggunakan uji dua sisi dengan tingkat signifikasi (α) 5% dengan demikian:

• Jika P_value (Sig) > 0,025 maka H₀ diterima
• Jika P_value (Sig) < 0,025 maka H₀ ditolak

Hasil Uji:

• Profitabilitas → Aktiva Tetap, P_value (Sig = 0.380) > 0.05, maka H₀ diterima
• Profitabilitas → Hutang Jangka Panjang, P_value (Sig = 0.889) > 0.05, maka H₀ diterima
• Profitabilitas → Ekuitas, P_value (Sig = 0.191) > 0.05, maka H₀ diterima
• Aktiva Tetap → Hutang Jangka Panjang, P_value (Sig = 0.244) > 0.05, maka H₀ diterima
• Aktiva Tetap → Ekuitas, P_value (Sig = 0.899) > 0.05, maka H₀ diterima
• Hutang Jangka Panjang → Ekuitas, P_value (Sig = 0.006) < 0.05, maka H₀ ditolak

Kesimpulan:

• Korelasi Aktiva Tetap → Profitabilitas : tidak ada
• Korelasi Hutang Jangka Panjang → Profitabilitas : tidak ada
• Korelasi Ekuitas → Profitabilitas  : tidak ada
• Korelasi Hutang Jangka Panjang → Aktiva Tetap: tidak ada
• Korelasi Ekuitas → Hutang Jangka Panjang : tidak ada
• Korelasi Hutang Jangka Panjang → Ekuitas: ada

Validitas & Reliabilitas

Membahas masalah validitas, artinya berkaitan dengan instrumen atau alat ukur (Gendro Wiyono, 2011). Definisi pengukuran menurut Jogiyanto (2007) adalah pemberian nilai properti dari suatu obyek. Obyek dalam hal ini dapat berupa berusahaan, manusia, barang, dan lain-lain. Sedangkan properti adalah karakteristik dari obyek, bisa berupa propoerti fisik, ekonomi, sosial, ataupun psikologis.

Setelah instrumen disusun, selanjutnya harus diyakini bahwa instrumen tersebut memang benar-benar dapat mengukur senyatanya (actually) dan seakuratnya (accurately) terhadap konsep yang diukur. Pengukuran konsep senyatanya berhubungan dengan validitas, dan pengukuran seakuratnya berhubungan dengan reliabilitas. Instrumen yang valid artinya intruumen tersebut dapat digunakan untuk mengukur apa yang seharusnya diukur.

Ada beberapa pendekatan yang digunakan untuk mengukur reliabilitas instrumen, diantaranya adalah test berulang (test and retest); bentuk paralel (parallel form); model belah dua (split half) Spearman Brown; dan Metode Alpha (Cronbach’s).

Disini saya hanya ingin membahas metode Alpha, karena metode ini banyak dipakai dan rumus yang digunakan tidak terpengaruh jika varian dan kovarian dan komponen-komponennya tidak sama.

Persamaannya adalah:

Dimana:

• ∝ = Cronbach’s Coefficient Alpha atau reliabilitas instrumen
• k = jumlah pecahan atau banyak butir pertanyaan
• ∑σ²xL = total dari varian masing-masing pecahan
• σ²x = varian dari total skor

Uji reliabilitas dapat digunakan untuk mengetahui konsistenasi alat ukur, apakah alat pengukur yang  digunakan dapat diandalkan  dan tetap konsisten jika pengukuran tersebut diulang.

Dosen Vs Mahasiswa + IQ (Anacova)

Dilakukan sebuah penelitian untuk mengetahui apakah ada pengaruh perbedaan dosen pengajar terhadap nilai mata kuliah mahasiswa, misalnya mata kuliah menggambar teknik. Terdapat 3 dosen pengajar mata kuliah yang sama (namanya dosen 1, dosen 2, dan dosen 3). Dalam kenyataannya, terdapat faktor lain yang mempengaruhi mahasiswa, misalnya IQ-nya Mahasiswa. Bener nggak sih ada pengaruhnya? Nah, datanya sepetrti tabel dibawah ini:

Bagaimana cara teknis analisisnya?

Disini kita memerlukan Analysis of Covariance atau sering disebut dengan Anacova. Teknik analisis sangat berguna untuk meningkatkan presisi sebuah percobaan, karena didalamnya dilakukan pengaturan terhadap pengaruh peubah bebas lain yang tidak terkontrol (Joko Sulistyo, 2011). Anacova digunakan jika peubah bebasnya mencakup peubah kuantitatif dan kualitatif.

Langkah Pengujian:

• Definisikan variable dan masukkan data ke SPSS (version 23)
• Pilih menu Analyze → General Linier Model → Univariate
• Masukkan variabel Nilai ke Dependent Variable, variabel Dosen ke Fixed Factor(s), dan IQ ke Covariate seperti screen dibawah ini

• Tekan/Click OK

Hasil Outputnya:

Uji Hipotesis I:

1. H₀ = Tidak terdapat hubungan antara IQ dan nilai Mahasiswa.H₁ = Terdapat hubungan antara IQ dan nilai Mahasiswa
2. α = 0.05
3. Daerah kritis. H₀ ditolak jika p value (Sig.) < 0.05
4. Statistik Uji. Hasil p value (Sig.) = 0.000
5. Kesimpulan: Karena p value (Sig.) < 0.05 maka H₀ ditolak sehingga dapat disimpulkan bahwa terdapat hubungan antara IQ dengan nilai Mahasisswa. Pernyataan ini mengindikasikan bahwa asumsi Anacova telah terpenuhi.

Uji Hipotesis II:

1. H₀ = Tidak terdapat hubungan antara Dosen Pengajar dan nilai Mahasiswa.H₁ = Terdapat hubungan antara Dosen Pengajar dan nilai Mahasiswa
2. α = 0.05
3. Daerah kritis. H₀ ditolak jika p value (Sig.) < 0.05
4. Statistik Uji. Hasil p value (Sig.) = 0.024
5. Kesimpulan: Karena p value (Sig.) < 0.05 maka H₀ ditolak sehingga dapat disimpulkan bahwa terdapat hubungan antara Dosen Pengajar dengan nilai Mahasisswa.

Uji Hipotesis III:

1. H₀ = Tidak terdapat hubungan antara IQ dan Dosen terhadap nilai Mahasiswa.H₁ = Terdapat hubungan antara IQ dan Dosen terhadap nilai Mahasiswa
2. α = 0.05
3. Daerah kritis. H₀ ditolak jika p value (Sig. Corrected Model) < 0.05
4. Statistik Uji. Hasil p value (Sig. Corrected Model) = 0.000
5. Kesimpulan: Karena p value (Sig. Corrected Model) < 0.05 maka H₀ ditolak sehingga dapat disimpulkan bahwa terdapat pengaruh IQ dan Dosen terhadap nilai Mahasisswa.

Data Materi silahkan download disini.

Sumber: Joko Sulistyo Si., 6 hari Jago SPSS 17, Penerbit Cakrawala, 2011, Jakarta

Analisis Tumpuan Beban

Kasus terjadi pada saat kita diminta untuk menimbang struktur besar dengan sekali angkat untuk diketahui berapa sih total beratnya dan dimana sih letak titik tengahnya.

Kemudian kita ingin mengetahui apakah benar support seperti gambar dibawah ini cukup kuat ketika kita jack dengan kapasitas jack 200 Ton?

 

Untuk mengetahuinya maka diperlukan pemodelan. Disini saya simulasikan dengan menggunakan Autodesk Inventor Professional dengan desain sebagai berikut:

Takanan Sebesar 200 Ton

Physical

Mass	10.8074 kg
Area	2294150 mm^2
Volume	10807400 mm^3
Center of Gravity	x=-22.9126 mm y=120.174 mm z=0 mm

Simulation:1

General objective and settings:

Design Objective	Single Point
Simulation Type	Static Analysis
Last Modification Date	12/2/2015, 7:57 AM
Detect and Eliminate Rigid Body Modes	No
Separate Stresses Across Contact Surfaces	No
Motion Loads Analysis	No

Mesh settings:

Avg. Element Size (fraction of model diameter)	0.1
Min. Element Size (fraction of avg. size)	0.2
Grading Factor	1.5
Max. Turn Angle	60 deg
Create Curved Mesh Elements	No
Use part based measure for Assembly mesh	Yes

 Material(s)

Name	STEEL A36
General	Mass Density	7.75037 g/cm^3
	Yield Strength	220.632 MPa
	Ultimate Tensile Strength	399.896 MPa
Stress	Young’s Modulus	199.948 GPa
	Poisson’s Ratio	0.26 ul
	Shear Modulus	79.3444 GPa
Part Name(s)	TUBE PLATESTUBES

 Operating conditions

 Force:1

Load Type	Force
Magnitude	2000000.000 N
Vector X	0.000 N
Vector Y	2000000.000 N
Vector Z	0.000 N

Results

  Reaction Force and Moment on Constraints

Constraint Name	Reaction Force		Reaction Moment
	Magnitude	Component (X,Y,Z)	Magnitude	Component (X,Y,Z)
Fixed Constraint:1	908682 N	0 N	0 N m	0 N m
		-908682 N		0 N m
		0 N		0 N m
Fixed Constraint:2	1091640 N	0 N	0 N m	0 N m
		-1091640 N		0 N m
		0 N		0 N m

 Result Summary

Name	Minimum	Maximum
Volume	10807400 mm^3
Mass	83.7615 kg
Von Mises Stress	0.000130799 MPa	483.862 MPa
1st Principal Stress	-93.9799 MPa	371.473 MPa
3rd Principal Stress	-407.068 MPa	96.53 MPa
Displacement	0 mm	2.38745 mm
Safety Factor	0.455982 ul	15 ul

 Figures

Von Mises Stress

1st Principal Stress

3rd Principal Stress

Displacement

Safety Factor

 

Standar Kriteria:

Longitudinal Span = 600mm
Transversal Span = 600mm
Allowable Span = L/200 (according to AISC criteria)
= 3mm (Longitudinal)
= 3mm (Transversal)
Allowable Stress = 0.75 x Yield Stress (according to AISC criteria F2-1)
Allowable Stress = 0.75 x 220.632 Mpa (165.474 Mpa)
Poisson Ration = 0.26 ul

Standar Kondisi:

• Von Mises GAGAL, jika nilai maximum Von Mises stress material lebih dari kekuatan bahan (strength of the material).
• 1st Principal Stress akan membantu kita memahami maximum tegangan tarik (tensile) akibat adanya pembebanan
• 3rd Principal Stress akan membantu kita memahami maximum gaya tekan (compressive stress) karena adanya tekanan.
• Rasio Poisson adalah regangan lateral yang dibagi dengan regangan aksial (strain lateral tentang daerah, dan regangan aksial adalah tentang perubahan panjang)

Kesimpulan:

• Metrial Besi yang digunakan adalah A36 dengan density sekitar 7,800 kg/m3 (0.28 lb/cu in). Young’s modulus untuk besi A36 adalah 200 GPa (29,000,000 psi). Besi A36 steel memiliki Poisson’s ratio sekitar 0.26, dan shear modulus sekitar 75 GPa (10,900,000 psi). Sedangkan plat besi A36 bars, dan shapes dengan ketebalan kurang dari 8 in (203 mm) mempunyai minimum yield strength sekitar 36,000 psi (250 MPa) dan ultimate tensile strength sekitar 58,000–80,000 psi (400–550 MPa).
• Beban yang disimulasikan adalah 200 Ton tekanan ke atas
• Desain Support Beban tidak seluruhnya OK

Misalnya:

• Von Mises ketika disimulasikan pada bagian elemen sepert itu hasilnya menunjukkan angka 483.862 MPa, padahal elemen tersebut di desain untuk 165.474 Mpa. (Harus dikoreksi lagi mengapa bisa sampai hasilnya begitu?)
• Sedangkan untuk Plat baja akan mengalami ledutan ketika ada pembebanan 200 Ton di tengah. Yang diperbolehkan ledutannya terjadi hanya 3mm sedangkan dalam simulasi tersebut kita dapatkan Displacement sebesar 2.38745 mm, artinya masih diperbolehkan atau diterima oleh kriteria AISC.
• Tegangan Tarik didapatkan 93.9799 MPa dengan arah minus, padahal yang diperbolehkan adalah 165.474 Mpa, jadi masih OK.
• Tegangan Tekan didapatkan 96.53 MPa, padahal yang diperbolehkan adalah 165.474 Mpa, jadi masih OK.
• Safety Factor didaptkan 0.46 ul, padahal yang dikriteriakan adalah 0.26 ul untuk material tersebut, jadi masih OK.

Mudah mudahan penjelasan ini ada manfaatnya.

Tribut to Pak Gun :)

Pengujian Data

Misalnya dalam proses pengukuran penimbangan (weighing) diperlukan kegiatan pengujian terhadap data yang didapatkan dari data log pembacaan mesin terhadap beban yang ditimbang. Kegiatan pengujian tersebut dimulai dari analisis atas jumlah data yang seharusnya dikumpulkan sampai dengan analisis atas konistensi kerja mesin weighing tersebut.

Uji Kecukupan Data

Uji kecukupan data diperlukan untuk memastikan bahwa yang telah dikumpulkan dan disajikan dalam laporan penimbangan tersebut adalah cukup secara obyektif.

Idealnya pengukuran harus dilakukan dalam jumlah banyak, bhakan sampai jumlah yang tak terhingga agar data hasil pengukuran layak untuk digunakan. Namun pengukuran dalam jumlah yang tak terhingga sulit dilakukan mengingat keterbatasan-keterbatasan yang ada; baik dari segi biaya, tenaga, waktu dan sebagainya.

Sebaliknya, pengumpulan data dalam jumlah yang sekedarnya juga kurang baik karena tidak mewakili keadaan yang sebenarnya. Untuk itu, pengujian kecukupan data dilakukan dengan berpedoman pada konsep statistic, yaitu tingkat ketelitian dan tingkat keyakinan.

Tingkat ketelitian dan tingkat keyakinan adalah pencerminan tingkat kepastian yang diinginkan oleh pengukur setelah memutuskan tidak akan melakukan pengukuran dalam jumlah yang banyak. Tingkat ketelitian menunjukkan penyimpangan maksimum hasil pengukuran dari waktu penyelesian sebenarnya.

Sedangkan tingkat keyakinan menunjukkan besarnya keyakinan pengukur akan ketelitian data pembacaan beban saat penimbangan dari mesin tersebut. Pengaruh tingkat ketelitain dan keyakinan adalah; bahwa semakin tinggi tingkat ketelitian dan semakin besar tingkat keyakinan, maka semakin banyak banyak pengukuran yang diperlukan.

Tes kecukupan data dapat dilakukan dengan menggunakan rumus sebagai berikut:

Rumus Tes Kecukupan Data

Dimana:
k= Tingkat Keyakinan (99% ≈ 3, 95% ≈ 2)
s = Derajat Ketelitian
N = Jumlah Data Pengamatan
N’ = Jumlah Data Teoritis
x = Data Pengamatan

Jika N’ ≤ N maka data dianggap cukup, namun jika N’ > N data tidak cukup (kurang) dan perlu dilakukan penambahan data.