Cari

Muhammad Burhanuddin

Specialty in Industrial Engineering

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. Continue reading “Mengukur Faktor yang Mempengaruhi Strategi Perusahaan”

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.

2 prime

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 = 5o

Ditanyakan:

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

img784

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(5o) 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:

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.

tarif

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).

daya listrik soldering iron

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.

daya listrik lcd monitor

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:

Pengaruh Aktiva Hutang Equitas terhadap Profitabilitas

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:

Hasil Uji regresi Berganda

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.

corelative

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

Hasil Uji:

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

rumus cronbach

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.

Continue reading “Validitas & Reliabilitas”

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:

Pengaruh Dosen &amp; IQ pada Nilai MHS

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

Anacova-Univariate

  • Tekan/Click OK

Hasil Outputnya:

Hasil Univariate Analysis of Variance

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 Hditolak 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 Hditolak 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 Hditolak 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.

12038186_992675850796632_1538670030856576750_n

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

12118778_10206742988246263_8766537267946097673_n

 

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

Load_0_1
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

Result_0_1
1st Principal Stress

Result_0_6
3rd Principal Stress

Result_0_8

Displacement

Result_0_2

Safety Factor

Result_0_57

 

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:

tes kecukupan data
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. Continue reading “Pengujian Data”

Peluang Teknik Industri dibidang Perminyakan & Gas


Kita ketahui bahwa minyak dan gas adalah bahan energi yang tidak bisa diperbarui. Sumur-sumur minyak, jika dieksploitasi terus menerus akan berkurang cadangannya dan akan akhirnya akan habis pada waktunya. Hal itu yang terjadi pada sumur-sumur minyak Indonesia, yang sebagian besar adalah sumur-sumur tua dan mulai lelah karena telah dipompa keluar secara terus menerus. Bahkan ada yang telah dieksploitasi sejak abad ke 19, seperti di Sumatera Utara.

gerbang_260_9

Kondisi tersebut juga terjadi di seluruh dunia. Sejak tahun 2000-an, di seluruh dunia, tidak ditemukan lagi lapangan minyak raksasa. Kendati teknologi eksplorasi semakin canggih seperti system pengelolahan lapangan minyak shale-oil, namun yang ditemukan adalah lapangan minyak kecil dan terus semakin kecil. Demikian pula halnya dengan kegiatan eksplorasi yang dilakukan di seluruh Indonesia. Sejak sepuluh tahun terakhir tidak berhasil menemukan lapangan minyak dengan cadangan produksi yang besar. Kebanyakan yang ditemukan adalah sumur-sumur minyak marjinal dengan kapasitas produksi di bawah 10.000 barrel per hari (Nasti, 2015).

Tantangan berikut yang dihadapi Indonesia sekarang, khususnya SKK Migas adalah turun tajamnya harga minyak mentah. Bahkan saat ini harga minyak sudah di bawah USD 40,- barel per hari. Hal itu antara lain disebabkan ditemukannya minyak jenis baru yang diproduksi oleh AS, seperti shale-oil yang diolah dari batuan dan ongkos produksinya lebih murah.

peta-cekungan-2012

Meskipun demikian, berbeda dengan di negara-negara maju yang cadangan minyaknya mulai habis, berdasarkan data yang tersedia, sebenarnya cadangan minyak Indonesia sebenarnya cukup melimpah. Masih ada 44 cekungan yang memiliki cadangan minyak prospektif, yang belum kita garap. Masih tersedia sekitar 7549,81 Million Stock Tank Barrels (MMSTB) dan cadangan gas yang sudah terbukti adalah 108,40 Trillion Standard Cubic Feet (TSCF) dan diproyeksikan potensinya mencapai 48,74 TSCF sehingga cadangan gas total adalah 157,14 sebagai cadangan prospektif di dalam perut bumi Indonesia (LEMIGAS, 2011).

Yang menjadi masalah adalah 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.

12038186_992675850796632_1538670030856576750_n

Biaya yang diperlukan untuk kegiatan eksplorasi, khususnya pengeboran sumur migas di laut dalam bisa mencapai US$ 100 juta per sumur, dan di darat hampir rata-rata sekitar US$ 15 juta. Padahal, sumur yang perlu dibor pada setiap lapangan migas bisa puluhan sumur. Sehingga suatu kegiatan eksplorasi membutuhkan dana ratusan juta sampai miliaran dollar, dan itu tanpa kepastian bahwa dana yang dihabiskan bisa kembali, atau justru ikut hanyut di laut dalam.

Dalam pengusahaan teknologi eksplorasi migas ini, perusahaan-perusahaan migas nasional kita pada umumnya baru sampai pada penguasaan teknologi untuk kegiatan eksplorasi di daratan (onshore). Untuk kegiatan eksplorasi di darat kita juga sudah memiliki SDM yang cukup memadai. Masalahnya, kegiatan eksplorasi migas sekarang sudah mulai bergeser ke laut dalam (offshore), yang teknologinya masih bayak dikuasai perusahaan migas asing.

download

Peluang teknik bidang Industri di Oil & Gas dari upstream hingga downstream masih terbuka luas. Bukan hanya sebatas Supply Chain Management saja, namun dapat juga berkecimpung dalam lintas operasional seperti Safety Management, Method Engineering, Project Management, HRD, Operation, Logistik, dan lain-lain yang menerapkan standar mutu industri di industri oil & gas.

Seorang teknik industri masih sangat dibutuhkan oleh industri oil & gas sebagai support, dan oleh sebab kebutuhan support yang sangat luas tersebut memungkinkan seorang engineer teknik industri dapat beradaptasi di industri oil & gas. Proyek pembangunan di bidang migas masih akan terus melibatkan berbagai macam bidang disiplin ilmu di teknik baik itu Teknik Sipil, Mesin, Elektro, Industri, yang semuanya akan saling berinteraksi dan terintegrasi baik itu pada tahapan feasibility study, conceptual study, design engineering, construction (EPCI), maupun operasionalnya.

Menghitung Titik Pusat Pada Obyek 3D


Bagaimana caranya kita mengetahui titik pusat berat suatu benda tiga dimensi seperti model gangsing dimana terdiri dari obyek berbentuk silinder, kemudian ada obyek kotaknya dan dibawahnya ada bentuk kerucut? Anggaplah semua benda bisa berbentuk apa saja, contoh misalnya:

TPyJB

Berikut ukurannya adalah:

  • Silinder Atas Radius=12, Tinggi=50
  • Kotak Tengah Lebar=70, Tinggi=56, Dalam=70
  • Kerucut Bawah (posisi terbalik): Radius: 35, Tinggi: 28

Kita asumsikan bahwa berat sama dengan 1, dan ini tidak akan mempengaruhi dari titik pusat benda tersebut.

Sehingga:

  • Mc = berat silinder = π x r² x t = π×144×50=22619.4671
  • Mb = berat kotak = tinggi x lebar x dalam = 70×56×70=274400
  • Mk = berat kerucut = (1/3) x r² x t = (1/3) x 35² x 28 = 35918.876

Kita gunakan koordinat z untuk menentukan posisi tengah dari benda tersebut dari tanah, sehingga ujung dari benda tersebut adalah z = 0

  • zk = titik tengah kerucut = ¾ x 28 = 21
  • zb = titik tengah kotak = 28 + (½ x 56) = 56
  • zc = titik tengah silinder = 28 + 56 + (½ x 50) = 109

Dengan demikian maka kita sudah bisa mendapatkan titik pusat dari benda tersebut dengan menggunakan formula:

z formula

Maka hasilnya adalah z=55.8248

Mekanika Teknik Dasar


Pada dasarnya gaya merupakan suatu beban yang memiliki berat atau satuan. Berdasarkan bebannya gaya dibagi menjadi 2 yaitu:

  1. Beban Titik
    Beban titik merupakan gaya yang bekerja pada sebuah bidang atau tumpuan, dimana luas bidang yang terpengaruh atau dikenai relatif kecil.
    misalnya; kolom, tekanan kaki meja, roda mobil, dan lain-lain.
  2. Beban Terbagi Rata
    Beban terbagi rata merupakan gaya yang bekerja pada suatu struktur atau bidang, dimana luas permukaan beban dan bidang yang terpengaruh relatif luas.
    contoh; balok sloof, pondasi, plat, dan lainnya.

Tumpuan merupakan suatu penyangga atau penahan konstruksi sebagai sistem untuk menahan gaya-gaya luar yang bekerja pada konstruksi tersebut.

Reaksi merupakan gaya atau perlawanan yang diberikan oleh tumpuan akibat adanya gaya aksi.

Contoh Soal #1
Contoh Soal #1

Hitung besarnya reaksi dari tumpuan diatas:
· ∑MA = 0
-RB . 10m + P . 5m = 0
-RB . 10m + 10 ton . 5m = 0
-RB . 10m + 50tm = 0
-RB . 10m = -50tm

RB = 5ton

· ∑MB = 0
RA . 10m – P . 5m = 0
RA . 10m – 10 ton . 5m = 0
RA . 10m – 50tm = 0
RA . 10m = 50tm

RA = 5ton

Kontrol :
RA + RB = P
5 ton + 5 ton = 10 ton
10 ton = 10 ton……………….OK!

Misalnya contoh soal 2

Conto Soal #2
Conto Soal #2

Hitunglah besarnya reaksi tumpuan A dan B?

Hitunglah besarnya reaksi tumpuan A dan B ?

∑H = 0
HA – P2. Cos 300 = 0
HA = P2 cos 300
HA = 1,5 . 0,866
HA = 1,299t

∑V = 0
= P1 + P2 sin 300
= 2t + 1,5 . 0,5
= 2,75 t
∑MA = 0
-RB . 8m + P1. sin 30 . 5m + P2 . 3m= 0
-RB . 8m + 1,5 t . 0,5 . 5m + 2t . 3m= 0
-RB . 8m + 3,75tm + 6tm= 0
-RB . 8m = -9,75tm

RB = 1,22ton

∑MB = 0
RA . 8m – P1 . 5m – P2. sin 30 . 3m = 0
RA . 8m – 2 t . 5m – 1,5t . 0,5 . 3m= 0
RA . 8m – 10tm – 2,25tm= 0
RA . 8m = 12,25tm

RA = 1,53ton
Kontrol : P1 + P2 . sin 300 = RA + RB
2t + 1,5 . 0,5 = 1,53 + 1,22
2,75 ton = 2,75 ton……………ok!

jawaban soal #2
jawaban soal #2

Optimasi Hidro-Termis


Dalam sistem tenaga listrik yang terdiri dari kelompok pembangkit hidro dan kelompok pembangkit termis, diperlukan jalur pembagian beban antara kedua kelompok pembangkit ini agar dicapai keadaan operasi yang optimum dalam arti tercapai biaya bahan bakar yang minimum.

Hal ini terutama diperlukan:

  • Kelompok pembangkit hidro tidak semua PLTA run-off river, tetapi ada yang mempunyai kolam tando harian.
  • Kemompok pembangkit termis terdiri dari beberapa macam jenis pembangkit, misalnya PLTU batubara, PLTGU gas, dan PLTG bahan bakar minyak dengan biaya bahan bakar Rp/kWh yang berbeda.

Pada prinsipnya, harus diusahakan agar yang tersedia untuk PLTA tepakai habis dan unit pembangkit termis yang termahal biaya bahan bakarnya mempunyai produksi kWh yang minimal. Dasar pemikiran ini memerlukan suatu prinsip yang harus diikuti dalam pelaksanaan operasinya, khususnya dalam memenuhi neraca daya sistem. Untuk itu, PLTA run-off river harus dibebani maksimum sesuai air yang tersedia. Sedangkan PLTA dengan kolam tando harian harus dioperasikan saat nilai air tinggi, yaitu saat incremental cost system tinggi.

Secara singkat, prinsip optimasi hidro-termis adalah agar menggunakan air sebanyak mungkin sewaktu nilai air tinggi, yaitu saat incremental cost system tinggi, dan hematlah air sebanyak mungkin sewaktu nilai air rendah, yaitu saat incremental cost system rendah.

Incremental cost system adalah nilai dF/dP pada kurva input-output.

Bahkan apabila variasi nilai incremental cost system ini besar sebagai fungsi waktu, melakukan pemompaan saat incremental cost system rendah merupakan langkah yang layak.

20140422115729_40934.jpg

PLTA pompa sering disebut dengan pumped storage hydrostation mempunyai turbin dan generator yang dibuat khusus, artinya unit PLTA ini dapat beroperasi sebagai unit pembangkit maupun sebagai unit pompa dengan arah putaran yang berlawanan agar turbinnya menjadi pompa. Sewaktu memompa, turbin diputar oleh motor sinkron yang sewaktu menjadi unit pembangkit adalah generator sinkron. Pemompaan bisa juga dilakukan tanpa membalik putara turbin tetapi dengan mengubah kemiringan sudu sudu jalan dari turbin tersebut.

PLTA pompa harus dilengkapi dengan kolam bawah untuk menampung air yang akan dipompa kembali ke atas. Efesiensi keseluruhan dari PLTA pompa kira-kira 67%, artinya jika dikeluarkan energi sebesar 1 kWh untuk memompa air ketas, maka hasil air pemompaan ini bisa menghasilkan 0,67 kWh.

Pengaruh Jumlah Putaran Mesin PLTD


Untuk keperluan pembangkitan tenaga listrik, umumnya digunakan mesin diesel 4-langkah karena maslaah ruangan tidak menjadi soal dan yang lebih penting ialah pemakaian BBM-nya lebih hemat. Karena fekwensi yang harus dihasilkan generator mesti konstan 50 hz atau 60 hz, maka putrana mesin diesel harus konstan.

Diesel-Power-PlantDipasaran terdapat , terdapat unit pembangkit diesel dengan putaran (untuk frekwensi 50hz) dari 300 rpm sampai 1500 rpm. Untuk daya yang sama, makin tinggi nilai rpm-nya, makin kecil dimensi unit pembangkitnya dan harga per kW terpasang juga lebih murah. Tetapi karena banyaknya bagian yang bergerak pada mesin Diesel, makin tinggi nilai rpm mesin Diesel, makin sering mesin Diesel tersebut mengalami gangguan. Oleh karena itu, untuk unit pembangkit diesel yang harus beroperasi kontinu, lebih baik digunakan pembangkit yang mempunyai nilai rpm rendah. Sedangkan unit pembangkit cadangan, dapat menggunakan unit dengan nilai rpm yang tinggi.

Dengan memperhatikan buku petunjuk pabrik, mesin mesin diesel yang mempunyai nilai rpm rendah sampai dengan 500 rpm, dapat menggunakan BBM dengan kualitas No. 2 dan No. 3 yang harganya relatif lebih murah daripada BBM kualitas No. 1. BBM yang tersedia di Indonesia yang disediakan oleh Pertamina:

  • Kualitas No. 1 : High Speed Diesel Oil, biasa disingkat HSD
  • Kualitas No. 2 : Intermediate Diesel Oil, biasa disingkat IDO
  • Kualitas No. 3 : Marine Fuel Oil, atau disingkat MFO

Mesin diesel dengan nilai rpm diatas 500 rpm, harus menggunakan HSD. Mesin Diesel dengan nilai rpm rendah, sampai 500 rpm, memakai MFO dimana harus dipanaskan terlebih dahulu agar tercapai viskositas yang cukup rendah. Apabila menggunakan IDO, maka tidak diperlukan pemanasan terlebih dahulu.

Gas dapat juga digunakan sebagai bahan bakar Diesel, tetapi mesn Diesel seperti ini harus didesain khusus. Ada juga mesin Diesel yang di desain dapat menggunakan BBM maupun BBG. Umumnya apabila digunakan BBG, maka daya keluar dari mesin Diesel lebih rendah dibanding dengan menggunakan BBM (kira-kira 80%).

Daya keluaran dari poros mesin Diesel dinyatakan oleh persamaan:

P = S.A.I.BMEP x (n/2 atau 1) x k [daya kuda]

dimana:

  • P = Daya yang keluar dari poros mesin (HP)
  • S = Jumlah Silinder
  • A = Luas Permukaan Torak (cm²)
  • I = Langkah Torak (meter)
  • BMEP = Brake Mean Effective Pressure = Tekanan Rata-Rata (kg/cm²)
  • n = Jumlah Putaran Poros per detik (ppd atau rps)
  • 2 = Pembagi n untuk mesin Diesel 4-langkah
  • 1 = Pembagi n untuk mesin Diesel 2-langkah
  • k = Konstanta satuan = 1/75, mengingat 1 HP = 75 kgm/detik

Dengan memperhitungkan efisiensi generator yang diputar oleh mesin diesel dan mengingat bahwa 1 HP = 736 watt, maka apabila daya keluat mesin diesel diketahui, selanjutnya dapat dihitung daya keluar dari generator yang diputar mesin diesel.

Dalam pembangkitan tenaga listrik yang menggunakan mesin diesel, putaran mesin diesel harus konstan agar frekwensi yang didapat dari generator selalu konstan 50hz atau 60hz sehingga pengaturan daya keluar dari generator sesuai dengan persamaan diatas, yang dapat diatur hanya nilai BMEP. Pengaturan nilai BMEP ini dilakukan dengan mengatur pemberian bahan bakar yang harus diikuti oleh pengaturan pemberian udara. Hal ini disebabkan bahan bakar memerlukan udara untuk pembakaran.

 

Efisiensi Mesin PLTDTerlalu banyak udara atau terlalu sedikit udara untuk pembakaran menyebabkan pembakaran bahan bakar dalam silinder mesin menjadi tidak effisien. Masalahnya, di dalam mesin diesel yang putarannya konstan, perubahan pemberian bahan bakar tidak dapat diikuti oleh pemberian udara pembakaran secara seimbang sehingga nilai efisiensi maupun nilai BMEP tidak konstan sebagai fungsi beban seperti grafik disamping ini. Oleh karena itu, unit pembangkit disesel sebaiknya dioperasikan dengan beban konstan yang menghasilkan efesiensi maksimum, yaitu pada kira-kira beban 80%.

Dalam perkembangan mesin diesel, pembuatan (pabrik) berusaha membuat mesin diesel dengan daya sebesar mungkin tetpi dimensinya sekecil mungkin sehingga dicapai ongkos pembuatan yang serendah mungkin, agar dapat bersaing dalam pasar. Untuk melaksanakan hal ini, para pembuat mesin diesel berusaha menaikkan nilai BMEP dan nilai n dari persamaan diatas. Usaha lainnya adalah menambah jumlah silinder (s). Dalam praktek mesin diesel paling banyak mempunyai 16 buah silinder.

 

Potensi Tenaga Air untuk PLTA


Dalam PLTA, potensi air dikonversikan menjadi tenaga listrik. Mula-mula potensi tenaga air dikonverso menjadi tenaga mekanik untuk memutar turbin, kemudian turbin akan memutara generator yang dapat menghasilkan listrik.

skema PLTA

Adapun persamaan atas Daya yang dibangkitkan generator yang diputar oleh Turbin Air adalah:

Ρ = k . η . H . q . [kW]

dimana:

  • P = daya [kW]
  • H = tinggi air terjun (meter)
  • q = debit air [m³/detik]
  • η = efesiensi turbnin bersama generator
  • k = konstanta

Konstanta (k) dihitung berdasarkan pengertian bahwa 1 daya kuda = 75 kgm/detik dan 1 daya kuda = 0,736 kW sehingga apabila P ingin dinyatakan dalam kW, sedangkan tinggi air terjun (H) dinyatakan dalam meter dan debit air (q) dalam m³/detik, maka:

hitung konstanta

CONTOH:

Sebuah PLTA mempunyai debit air penggerak turbin sebesar 14 m³/detik dengan tinggi terjun 125 meter. Apabila efesiensi turbin bersama generator adalah 95% hitunglah besar potensi daya akan dibangkitkan generator tersebut!

JAWAB:

Daya yang dibangkitkan generator:

Ρ = k . η . H . q . [kW]

  • P = 9,8 x 0,95 x 125 x 14
  • P = 16.292,5 kW

Pertanyaan berikutnya adalah:

  1. Jika PLTA berbeban penuh selama 24 jam, berapa banyak jumlah produksi kWh-nya?
  2. Berapa banyak pemaikaian airnya?
  3. Berapa banyak pemakaian air yang diperlukan untuk memproduksi 1 MWh?

Jika sudah terjawab, berikut adalah data debit air per tahun:

BULAN DEBIT (m³/det)
JAN 23
FEB 22
MAR 20
APR 16
MAY 13
JUN 10
JUL 8
AUG 6
SEP 5
OCT 10
NOV 14
DEC 20

Bila dibuatkan kolam tando untuk menampung air kelebihan pemakaian PLTA:

  • Berapa besar volum kolam tando ini dengan catatan ada air yang menguap 5%
  • Dengan adanya kolam tando sebesar itu, berapa lama PLTA ini bisa berbeban penuh dalam masa 1 tahun?
  • Dengan adanya kolam tando sebesar itu, berapa besar jumlah produksi yang bisa dicapai dalam satu tahun?

 

Market Commitment Model


Model ini berdasarkan pemahaman mendalam tentang pasar dan konsumen bagaimana pasar berkembang dan kebutuhan konsumen berubah setiap saat. Model ini menyediakan fasilitas untuk mengembangkan strategi berdasarkan customer value shingga lebih kompetitif dan efektif daripada perusahaan pesaing. Strategi tersebut menyatu dengan keunggulan bersaing sehingga seluruh sumber daya perusahaan tersebut dapat dikelolah secara bertahap untuk memanfaatkan peluang yang muncul dan untuk meningkatkan kinerja serta penjualan.

Titik awalnya bukan dimulai dari apa yang baik dimiliki oleh perusahaan, tetapi dari apa yang ingin diketahui oleh konsumen dan bagaimana perusahaan dapat memuaskan keinginan konsumen tersebut dengan lebih baik daripada yang dilakukan oleh perusahaan pesaing.

Market Commitment Model (MCM) tidak tergantung pada core competencies perusahaan, tetapi lebih jauh dari itu, yaitu pada apa yang diinginkan dan bermanfaat untuk konsumen, kekuatan perusahaan dalam mempengaruhi customer value, kekuatan nilai tersebut untuk mengubah pola belanja dari perusahaan A ke perusahaan B, pengenalan secara mendalam persepsi konsumen, dan pada pemahaman mengenai perbedaan yang dibuat oleh perusahaan B, dalam arti bahwa apakah B memiliki komitmen untuk memberikan hal yang terbaik pada konsumennya.

Memulai dari pasar dan konsumen, model ini memerlukan respons aktif terhadap kebutuhan konsumen. Di lain sisi, konsep bahwa perushaan harus proaktif perlu diartikan bahwa tindakan atau langkah perusahaan harus sesuai dengan keinginan konsumen dan pasar. Contoh: Sony dengan Walkman-nya. Perusahaan harus memahami pasarnya sehingga ia dapat mengembangkan posisi produk barang/jasa yang lebih baik daripada produk pesaing.

MCM bukan strategi jangka pendek, juga bukan kegiatan bermain harga, atau kebijakan yang diberikan kepda distributor, atau penawaran insentif terhadap promisi penjualan, atau peningkatan komisi untuk tenaga salesman. Semua kegiatan tersebut mungkin effektif untuk jangka pendek sebagai taktik pemasaran, tetapi hal ini tidak akan menunjang keberhasilan persaingan di masa yang akan datang.

Model ini menciptakan kesejahteraan seluruh karyawan, karena perusahaan akan memperoleh manfaat dari meningkatnya kepuasan konsumen. Contohnya: Microsoft, Coca-Cola, Procter & Gamble, dan Du Pont. Kuncinya adalah tujuan yang jelas sehingga perusahaan terdorong untuk mencapainya.

Sukses model ini sangat dipengaruhi oleh bagaimana model ini digunakan serta diimplementasikan. Kuncinya adalah pada kerja keras, disiplin, konsistensi pada tujuan pemahaman akan keinginan konsumen, evaluasi produk/jasa yang diberikan, dan perbandingan dengan pesaing. Manajemen yang proaktif yang selalu memperhatikan jadinya perubahan (bukan sekedar mendiskusikannya), memiliki komitmen terhadap perkembangan keselauruhan potensi perusahaan, merealisasikan strategi, dan selalu berorientasi jangka panjang.

Model ini dapat ditetapkan untuk semua jenis industri, semua skala industri, karena model ini selalu memberikan tantangan dan mengembangkan posisi strateginya. MCM memiliki tiga dimensi:

  1. Komitmen
  2. Memiliki empat bentuk keunggulan bersaing
  3. Memiliki dukungan potensi yang dapat diukur pada keempat bentuk keunggulan bersaing.

Model ini bersifat holistik, artinya masing-masing dari ketiga dimensitersebut harus saling berkaitan dan terus menerus dievaluasi. Ketiga dimensi ini merupakan tahapan untuk menentukan dan mengembangkan keunggulan bersaing dan keberhasilan merebut pasar. Model dasarnya berasal dari dua dimensi, yaitu komitmen dan empat unsur keunggulan bersaing, sebagaimana ditunjukkan dalam diagram berikut ini:

Diagram MCM
Gb. 1 – Diagram MCM *)

Continue reading “Market Commitment Model”

Perencanaan Bisnis – Pengantar


Perencanaan Bisnis merupakan alat yang sangat penting bagi pengusaha maupun pengambil keputusan kebijakan perusahaan. Tujuan perencanaan bisnis adalah agar kegiatan bisnis yang akan dijalankanan maupun yang sedang berjalan tetap berda dalam jalur yang benat sesuai dengan yang direncanakan. Perencanaan bisnis juaga merupakan pedoman untuk mempertajam rencana rencana yang diharapkan, karena didalam perencanaan bisnis kita dapat mengetahui posisi perusahaan kita saat ini, arah tujuan perusahaan, dan cara mencapai sasaran yang ingin kita capai. Perencanaan bisnis yang baik harus memuat tahap-tahap yang harus dilakukan untuk memaksimalkan peluang keberhasilan.

Perencanaan bisnis juga dapat dipakai sebagai alat untuk mencari dana dari pihak ketiga, seperti pihak perbankan, investor, lembaga keuangan, dan sebagainya. Bantuan dana yang dikperlukan tersebut dapat berupa bantuan dana jangka pendek untuk modal kerja maupun jangka panjang untuk perluasan atau biaya investasi.

Setaip rencana bisnis memliki karakteristik yang berbeda-beda. Perencana bisnis harus dapat menangkap faktor-faktor apa saja yang dimiliki oleh perusahaan tersebut sehingga penggunanaanya dapat dioptimalkan. Selain itu perencana bisnis dapat membuat kerangka pengendalian faktor-faktor keberhasilan, sehingga kinerja actual perushaan dapat dievaluasi secara terus menerus untuk menuju ke arah yang lebih baik.

Empat hal penting yang harus ada dalam perencanaan bisnis adalah:

  1. Penjelasan mengenai bisnis yang sedang digeluti dan rencana yang bersifat strategis
  2. Rencana pemasaran
  3. Rencana manajemen mengenai keuangan, dan
  4. Rencana manajemen secara operasional

Rencana yang bersift strategis merupakan prasyarat yang sangat penting untuk memenangkan persaingan (Lewis, 1982). Persoalannya adalah bagaimana cara bersaing? Faktor-faktor apa yang menentukan persaingan? Continue reading “Perencanaan Bisnis – Pengantar”

Simulasi Dengan GPSS


Bahasa Sistem Simulasi Bertujuan Umum atau GPSS (General Purpose Simulation System) telah dikembangkan selama bertahun-tahun semenjak Geoffrey Gordon mengembangkannya pertama kali dan memutuskan untuk merelease program tersebut di pasaran. Sistim yang disimulasikan dalam GPSS digambarkan dalam blok dimana blok-blok itu merepresentasikan aktivitas dan garis-garis yang menghubungkan blok-nlok tersebut adalah urutan eksekusi aktivitas.

Bila terdapat suatu pilihan aktivitas, akan terdapat lebih dari satu garis meninggalkan sebuah blok dan kondisi untuk pilihan ini dinyatakan pada blok. Metode deskriptif bahasa pemrogramnan ini menghendaki agar setiap blok harus memiliki makna tertentu. Pendekatan yang dilakukan dalam GPSS adalah dengan mendefinisikan 48 jenis blok yang masing-masing mempresentasikan kegiatan karakteristik sistem.

Pemakai program ini harus menggambar diagram blok sistem hanya dengan mamakai jenis-jenis blok ini. Setiap blok sistem diberi nama yang merupakan penggambaran kegiatan blok tersebut dan dipresentasikan oleh sebuah lambang khusus.

Contoh:

Kasus antrian bank yang memiliki seorang teller yang bekerja stiap hari. Waktu kedatangan dari para nasabah adalah setiap 10 menit (± 4 menit) sekali. Sedangkan waktu pelayanan teller ke nasabah rata-rata sekitar 6 menit (± 4 menit). Simulasi dilakukan untuk kedatangan 100 orang nasabah.

Diagram Proses Antrian Bank
Diagram Proses Antrian Bank

Program dengan menggunakan GPSS untuk kasus diatas ditulis:

; GPSS World Sample File - ANTRIANTELLER.GPS
**********************************************************************
*                                                                    *
*              Antrian Nasabah didepan Teller Bank                   *
*                                                                    *
**********************************************************************
GENERATE  10,4       ;Nasabah Datang setiap 10 menit +/- 4 menit.
QUEUE     Teller     ;Mulai Antrian.
SEIZE     Teller     ;Baris dalam Antrian.
DEPART    Teller     ;Menghadap Teller.
ADVANCE   6,4        ;Waktu pelayanan sekitar 6 menit +/- 4 menit.
RELEASE   Teller     ;Urusan selesai dengan Teller.
TERMINATE 1          ;Nasabah Pergi.

Setelah Program dijalankan, maka hasilnya adalah seperti gambar dibawah ini:

hasilgpss

Dari hasil diatas didapatkan:

Entries Jumlah waktu dari fasilitas yang diseize (tahan). Ada 100 nasabah yang di-seize didalam fasilitas yang beranama Teller
Util. Tingkat kegunaan teller selama 1024.095 satuan waktu adalah sebesar 0.585 atau 58.5%
Ave. Time Waktu rata-rata dari transaksi individu selama pengukuran waktu atau waktu teller bekerja adalah 5.988 menit per nasabah
Avail. Fasilitas yang bekerja/terpakai di akhir simulasi adalah 1. Jika menunjukkan angka 0 itu berarti fasilitas tersebut sedang menganggur
Owner Jumlah transaksi yang memiliki fasilitas entity. Angka 0 menunjukkan bahwa fasilitas tersebut sedang tidak dimiliki
Pend. Jumlah transaksi yang menunggu untuk mengePREEMPT fasilitas ini dengan masuk pada Interrupt Mode di Blok PREEMPT.

Sumber:

  • Program Simulasi GPSS Student Version dapat didownload sini.

Model Antrian


Beberapa contoh berikut ini menunjukkan bahwa penggunaan sistem antrian sangat membantu dalam melancarkan pelayanan kepada pelanggan atau konsumen seperti:

  1. Pelanggan menunggu pelayanan di depan kasir.
  2. Mahasiswa menunggu untuk konsultasi dengan dosen pembimbing.
  3. Mahasiswa menunggu untuk registrasi dan pembayaran uang kuliah.
  4. Para penumpang kereta api menunggu pelayanan loket penjualan karcis.
  5. Para pengendara kendaraan menunggu untuk mendapatkan pelayanan pengisian BBM.
  6. Pelanggan menunggu pelayanan di KFC.
  7. Pesawat terbang menunggu pelayanan menara pengawas untuk take-off maupun landing.

Beberapa contoh diatas, sebenarnya dapat didesain lebih efisien dengan menggunakan teori antrian.

Gambar (1)
Gambar (1)

Gambar diatas menunjukkan struktur umum dari model antrian yang memiliki dua komponen utama yaitu:

  • Garis tunggu atau sering disebut antrian (queue), dan
  • Fasilitas pelayanan (service facility).

Pelanggan atau konsumen menunggu untuk mendapatkan jasa pelayanan. Setiap pelanggan menunggu giliran untuk memasuki fasilitas pelayanan, menerima pelayanan, dan akhirnya keluar dari sistem pelayanan.

gambar2-modelantrian
Gambar (2)

Contoh yang tepat untuk menggambarkan keadaan ini adalah pelayanan pengisian BBM di SPBU. Seandainya sebuah SPBU memiliki 3 pompa dan 1 garis tunggu seperti gambar 2, dengan asumsi bahwa setiap pelanggan yang datang lebih awal dilayanani lebih dulu (first come-first out / FIFO).

Pemilihan bagaimana model sebuah sistem antrian adalah sangat penting dalam mencapai keberhasilan aplikasi model antrian. Dalam contoh SPBU pada gambar 2, mungkin kita akan mengatakan bahwa akan lebih realistis apabila garis tunggu dilakukan untuk setiap pompa bensin. Disamping itu untuk meningkatkan kapasitas pelayanan, mungkin lebih baik menggunakan satu pompa untuk premium, satu pompa untuk pertamax dan satu pompa untuk solar.

Langkah-langkah dalam Analisa Antrian
Secara umum prosedur dalam mengerjakan teknik antrian adalah sebagai berikut :

Langkah 1.
Tentukan sistem antrian apa yang harus dipelajari.

Langkah 2.
Tentukan model antrian yang cocok dalam menggambarkan sistem. Dalam kasus
pompa bensin paling sedikit ada tiga model yang dapat digunakan yaitu:
(a) tiga pompa untuk premium dengan satu garis tunggu,
(b) tiga pompa untuk premium dengan masing-masing memiliki satu garis tunggu,
(c) satu pompa untuk premium, satu pompa untuk pertamax dan satu pompa untuk solar yang masing-masing memiliki satu garis tunggu.

Langkah 3.
Gunakan formula matematik atau metode simulasi untuk menganalisa model antrian.

Sistem antrian memiliki beberapa komponen seperti berikut:

  1. Populasi masukan (input population). Berapa banyak pelanggan potensial yang dapat memasuki sistem antrian.
  2. Distribusi kedatangan. Menggambarkan bagaimana distribusi pelanggan memasuki sistem. Para pelanggan mungkin datang setiap lima menit (constant arrival distribution), atau mungkin datang secara acak (arrival pattern random). Dengan demikian terdapat dua pola kedatangan (arrival pattern) yaitu: (1) menggambarkan tingkat kedatangan per unit waktu, atau (2) menggambarkan jumlah kedatangan dalam periode waktu tertentu secara berturut-turut dalam waktu yang berbeda.
  3. Disiplin pelayanan. Menggambarkan pelanggan mana yang harus dilayani lebih dulu. Pedoman umum yang digunakan dalam disiplin pelayanan adalah first come-first served (FCFS), dan last come-first served. Disamping itu pelanggan mungkin dilayani secara acak dan bahkan mungkin dilayani berdasarkan prioritas.
  4. Fasilitas pelayanan. Pengelompokan fasilitas pelayanan menurut jumlah yang tersedia. Sistem single-channel merupakan sistem yang terdiri dari satu saluran untuk memasuki sistem pelayanan dengan satu fasilitas pelayanan. Atau menggunakan sistem multiple-channel yang terdiri dari satu antrian dengan beberapa fasilitas pelayanan.
  5. Distribusi pelayanan. Dapat ditetapkan berdasarkan salah satu dari dua cara berikut: (a) berapa banyak pelanggan yang dapat dilayani per satuan waktu. Atau (b) Berapa lama pelanggan dapat dilayani. Dalam kasus yang lain, suatu distribusi probabilitas mungkin digunakan untuk menentukan rata-rata waktu pelayanan.
  6. Kapasitas sistem pelayanan. Memaksimumkan jumlah pelanggan yang diperkenankan masuk dalam sistem. Kapasitas sistem mungkin terbatas atau mungkin berlebih.
  7. Karakteristik sistem lainnya. Dalam praktek sistem antrian mungkin pelanggan tidak akan memasuki sistem antrian jika mengetahui sudah banyak pelanggan yang menunggu, dengan kata lain mungkin pelanggan meninggalkan antrian.

Single Channel Model (M/M/1)

Salah satu model paling sederhana adalah model saluran tunggal (single-channel model) yang ditulis dengan notasi “sistem M/M/1”. Komponen dari sistem ini adalah:

  1. Populasi input tak terbatas yaitu jumlah kedatangan pelanggan potensial tak terbatas.
  2. Distribusi kedatangan pelanggan potensial mengikuti distribusi Poisson. Rata-rata kedatangan pelanggan per satuan waktu adalah variabel random suatu distribusi probabilitas Poisson. Dalam notasi (M/M/1), tanda M pertama menunjukkan rata-rata kedatangan yang mengikuti distribusi probabilitas Poisson. Sedangkan arti M kedua adalah tingkat pelayanan yang mengikuti distribusi probabilitas Poisson. Angka satu menunjukkan jumlah fasilitas pelayanan dalam sistem atau satu
    saluran (one channel).
  3. Disiplin pelayanan mengikuti pedoman FCFS.
  4. Fasilitas pelayanan terdiri dari saluran tunggal.
  5. Distribusi pelayanan mengikuti distribusi Poisson. Diasumsikan bahwa lamda lebih kecil dari miu (λ < μ) yaitu rata-rata jumlah kedatangan pelanggan per satuan waktu lebih kecil dari rata-rata jumlah pelanggan yang dapat dilayani per satuan waktu dalam sistem.
  6. Kapasitas sistem diasumsikan tak terbatas.
  7. Tidak ada penolakan maupun pengingkaran.

Multiple Channel Model (M/M/s)

Perbedaan dengan single channel model terletak pada jumlah pelayanan. Fasilitas pelayanan yang dimiliki model (M/M/s) lebih dari satu. Huruf (s) yang terdapat pada (M/M/s) menyatakan jumlah fasilitas pelayanan.

Menghitung Antrian di POM Bensin


Suatu antrian merupakan formasi baris-baris penungguan dari pelanggan (satuan) yang memerlukan pelayanan dari satu atau lebih pelayan atau fasilitas pelayanan (server). Peristiwa antrian merupakan fenomena yang biasa terjadi bila kebutuhan akan pelayanan melebihi kemapuan (kapasitas) pelayanan, sehingga pelanggan yang tiba tidak dapat segera mendapatkan pelayanan dan membentuk suatu formasi barus-baris penungguan. Jika kita menambah fasilitas pelayanan (server) maka akan ada biaya tambahan, dan jika fasilitas pelayanannya kurang maka akan ada potensi pelanggan yang hilang.

Contoh dalam pelayanan di POM Bensin, disediakan 5 buah POM, dimana:

  • POM 1 – ada 2 unit pelayanan untuk BIO SOLAR (khusus bis & truck)
  • POM 2 – ada 2 unit pelayanan untuk Premium (khusus mobil)
  • POM 3 – ada 2 unit pelayanan untuk Pertamax (khusus mobil)
  • POM 4 – ada 1 unit pelayanan untuk Premium (khusus sepeda motor)
  • POM 5 – ada 2 unit pelayanan untuk Premium (khusus sepeda motor)

Dari kasus diatas, khusus sepeda motor ada tempat pengisian Premium di POM 4 (1 unit) dan POM 5 (2 unit), total 3 unit (3 petugas pelayanan pengisian bahan bakar Premium untuk sepeda motor).

Data pemantauan di lapangan didapatkan sebagai berikut: Pom 4 - Single Pom 5 - Double

Dari pengumpulan data diatas maka bagaimana pengolahan datanya? Termasuk menghitung model antrian di POM Bensin tersebut? Continue reading “Menghitung Antrian di POM Bensin”

Perhitungan Sistem Antrian SPBU


Suatu sistem antrian dapat dianalisis uji distribusinya, model antriannya, dan ukuran kinerja sistem. Contoh misalnya adalah sistem antrian berdasarkan data pengamatan di SPBU Jatiwaringin dalam suluran tunggal (single channel model) adalah sebagai berikut:

Banyak Pelanggan di Sistem Frekuensi Terjadi Tiap Menit (Oi) Jumlah Kedatangan
0 0 8
1 0 10
2 0 9
3 1 5
4 2 6
5 3 8
6 2 12
7 1 15
8 4 10
9 3 9
10 2 6
11 2 13
Total 20 111
Modelkan Sistem SPBU tersebut jika diketahui juga Pelayanan SPBU dalam tabel berikut:
Pelayanan Dalam Detik Frekuensi Kejadian
0 0
1 0
2 0
3 0
4 0
5 0
6 0
7 0
8 0
9 0
10 0
11 0
12 0
13 1
14 2
15 1
16 1
17 2
18 0
19 1
20 1
21 2
22 1
23 0
24 1
25 1
26 1
27 2
28 2
29 0
30 1
Total = 20

Continue reading “Perhitungan Sistem Antrian SPBU”

Menghitung Distribusi Poisson


Dalam teori probabilitas dan statistika, distribusi Poisson (dilafalkan [pwasɔ̃]) adalah distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa yang terjadi pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam waktu yang saling bebas sejak kejadian terakhir. (distribusi Poisson juga dapat digunakan untuk jumlah kejadian pada interval tertentu seperti jarak, luas, atau volume).

Distribusi ini pertama kali diperkenalkan oleh Siméon-Denis Poisson (1781–1840) dan diterbitkan, bersama teori probabilitasnya, pada tahun 1838 dalam karyanya Recherches sur la probabilité des jugements en matière criminelle et en matière civile (“Penelitian Probabilitas Hukum Masalah Pidana dan Perdata”). Karyanya memfokuskan peubah acak N yang menghitung antara lain jumlah kejadian diskret (kadang juga disebut “kedatangan”) yang terjadi selama interval waktu tertentu.

Apabila nilai harapan kejadian pada suatu interval adalah λ, maka probabilitas terjadi peristiwa sebanyak k kali (k adalah bilangan bulat non negatif, k = 0, 1, 2, …) maka sama dengan:

f(k; \lambda)=\frac{\lambda^k e^{-\lambda}}{k!},\,\!

dimana:

  • e adalah basis logaritma natural (e = 2.71828…)
  • k adalah jumlah kejadian suatu peristiwa  — peluang yang diberikan oleh fungsi ini
  • k! adalah faktorial dari k
  • λ adalah bilangan riil positif, sama dengan nilai harapan peristiwa yang terjadi dalam interval tertentu. Misalnya, peristiwa yang terjadi rata-rata 4 kali per menit, dan akan dicari probabilitas terjadi peristiwa k kali dalam interval 10 menit, digunakan distribusi Poisson sebagai model dengan λ = 10×4 = 40.

Sebagai fungsi k, ini disebut fungsi massa probabilitas. Distribusi Poisson dapat diturunkan sebagai kasus terbatas distribusi binomial. Distribusi Poisson dapat diterapkan pada sistem dengan kejadian berjumlah besar yang yang mungkin terjadi, yang mana kenyataannya cukup jarang. Contoh klasik adalah peluruhan nuklir atom. Continue reading “Menghitung Distribusi Poisson”

Uji Kecocokan/Kesesuaian (Goodness of Fit Test)


Dalam pemodelan sistem uji kecocokan atau kesesuaian ini sangatlah penting karena uji goodness of fit merupakan pengujian kecocokan atau kebaikan suai antara hasil pengamatan (frekuensi pengamatan) tertentu dengan frekuensi yang diperoleh berdasarkan nilai harapannya (frekuensi teoretis).

Katakan kita mempunyai sebuah hipotesa (dugaan) tentang populasi yang menyatakan probabilitas atau kemungkinan bahwa sebuah observasi sampel akan berada pada setiap kategori yang ada. Observasi-observasi dalam sampel tersebut digunakan untuk mengecek hipotesa tersebut. Jika jumlah dari nilai sampel dalam setiap kategori mendekati dengan nilai harapan dalam hipotesa tersebut, maka kenyataan ini dapat mendukung hipotesa tersebut. Dalam situasi seperti ini, dapat kita katakan bahwa data tersebut mendekati kecocokan/kesesuaian (fit) pada distribusi probabilitas populasi yang diasumsikan.

Ketika hipotesa nol benar, yaitu ada kecocokan/kesesuaian antara jumlah observasi dan harapan serta jumlah sampel cukup besar (perkiraan ini akan bekerja dengan baik jika setiap nilai harapan sedikitnya adalah 5), maka  variabel random akan mengikuti distribusi Chi-Square (Chi-Kuadrat). Uji dari hipotesa nol versus hipotesa alternatif yang menyatakan sebaliknya yaitu probabilitas tidak benar dengan tingkat kesalahan α.

Persamaannya adalah:

rumus uji kecocokan

Dimana:

  • Oi = nilai obeservasi pada kategori ke-i
  • Ei = nilai harapan pada kategori ke-i
  • Ei = np(i) dimana i = 1,2,..k
  • k = banyaknya kategori

Keputusan:

Tolak Ho jika Ho ditolak jika

Contoh Misalnya:

Pada tahun lalu didapatkan hasil bahwa pembayaran tagihan adalah sebagai berikut:

Pembayaran Persentase
Bayar Penuh 80%
1 Bulan 10%
2 Bulan 6%
> 2 Bulan 4%

Sedangkan pada tahun ini ada 400 pelanggannya yang secara random ternyata 287 pelanggan membayar langsung tagihannya, 49 pelanggan menunda satu bulan, 30 pelanggan menunda dua bulan, dan 34 menunda tagihan lebih dari dua bulan.

Apakah data tersebut masih mempunya pola tertentu (distribusi) yang sama seperti tahun-tahun sebelumnya. Kita gunakan α sebesar 1%. Continue reading “Uji Kecocokan/Kesesuaian (Goodness of Fit Test)”

Tahapan Proses Penelitian Deskriptif


Tahapan penelitian deskriptif, secara umum tidak jauh berbeda dengan tahapan penelitian-penelitian yang lain. Berikut ini disajikan tahapan penelitian deskriptif.

Mengidentifikasi, memilih dan merumuskan masalah penelitian

Penelitian deskriptif dimulai dari munculnya minat peneliti terhadap suatu fenomena yang sedang menjadi perhatian peneliti.. Pada suatu saat selalu ada fenomena yang belum sepenuhnya dimengerti atau mungkin terjadi perbedaan pendapat tentang suatu fenomena tertentu. Atau mungkin juga dalam situasi tertentu tidak dapat berjalan dengan semestinya sesuai rencana dan prosedur yang telah ada. Situasi tersebut menunjukkan ada kesenjangan antara yang seharusnya dengan kenyataan, antara yang diperlukan dengan yang tersedia, antara harapan dengan capaian. Hal tersebut dapat dijadikan obyek penelitian yang unik dan menarik, sehingga perlu pengembangan atau penyempurnaan melalui penelitian. Fenomena tersebut kemudian disusun menjadi masalah penelitian yang lebih jelas dan sistematis dengan memanfaatkan informasi ilmiah yang sudah tersedia dalam literatur yaitu teori

Ada beberapa alasan perlunya diadakan suatu penelitian di bidang tertentu: 1) tidak ada informasi sama sekali pada aspek tertentu pada bidang tersebut; 2) informasi yang ada belum lengkap pada aspek tertentu pada bidang tersebut; 3) banyak informasi namun perlu pembuktian kembali kebenarannya dengan data yang lebih mutakhir.

Untuk memperoleh permasalahan penelitian tidaklah mudah, seorang peneliti perlu peka, bersikap kritis dan berfikir logis terhadap fenomena yang terjadi. Penting untuk selalu mengembangkan ketajaman persepsinya, sehingga lebih cermat dan teliti pada sesuatu yang perlu dipertanyakan. Selain itu, untuk memperoleh permasalahan penelitian, seorang peneliti perlu dibekali dengan scientific mind dan prepared mind. Scientific mind adalah selalu berpandangan obyektif yang mampu melepaskan diri dari praduga dan  opini pribadi. Bersikap independen, yaitu tidak mudah terpengaruh oleh pandangan orang lain. Mempunyai wawasan yang luas berkaitan dengan permasalahan penelitian. Prepared mind maksudnya selalu siap untuk dapat menangkap permasalahan yang timbul.

Ada beberapa sumber informasi masalah penelitian. Masalah penelitian yang bersumber dari literatur sering dan lazim dgunakan, terutama literatur primer seperti jurnal akademik dan profesional, jurnal penelitian, laporan penelitian, skripsi. tesis, desertasi, makalah, buku dan tinjauan pustaka. Tentunya literatur sebagai sumber masalah penelitian harus memiliki kriteria tertentu yaitu aktualitas isi sumber tersebut. Pengalaman empirik di lapangan di bidang profesi se hari-hari merupakan sumber masalah yang potensial. Sumber masalah penelitian lainnya adalah hasil komunikasi dengan para ahli atau teman sejawat di bidang terkait, dan juga hasil pengamatan. Hasil berfikir pribadi seorang peneliti sendiri dapat juga menjadi sumber masalah penelitian.

Seperti telah disebutkan dimuka bahwa dalam penelitian deskriptif hanya melibat-kan satu variabel penelitian. Oleh karena itu, variabel penelitian tertentu  yang ditentukan, berangkat dari suatu permasalahan yang menjadi perhatian pada suatu fenomena. Permasalahan dalam suatu fenomena tersebut merupakan sesuatu yang urgen terjadi pada masa kini. Penelitian penting untuk dilakukan yang diharapkan memberikan kontribusi  atau andil yang jelas dalam bidang profesi atau untuk kepentingan praktis.  Pengulangan penelitian dengan permasalahan yang sama dalam penelitian deskriptif memungkinkan untuk dilakukan. Misalnya penelitian pada suatu kurun waktu tertentu atau tempat yang berlainan tentang masalah yang sama dapat dilakukan pengulangan penelitian.

Ada beberapa kriteria kelayakan yang perlu diperhatikan dalam menentukan suatu masalah untuk diteliti. Masalah yang akan diteliti memiliki kontribusi profesionil dan signifikansi secara ilmiah terhadap ilmu pengetahuan (teoritik) maupun secara praktis;  mempunyai derajad keunikan dan keaslian; tersedia sumber data dan memungkinkan untuk pengumpulan data; tersedianya instrumen pengukuran data; tersedianya dana dan waktu untuk melaksanakan penelitian; dan sesuai dengan kemampuan peneliti.

Setelah menentukan permasalahan penelitian yang akan diteliti, selanjutnya  dirumuskan masalah penelitian tersebut secara singkat jelas padat dalam bentuk kalimat tanya. Ditinjau dari cakupan aspek-aspek yang terkait dengan masalah penelitian maka rumusan masalah penelitian dapat dibedakan secara umum dan khusus. (Ibnu, Mukhadis, Dasna: 2003). Rumusan masalah umum menunjukkan keseluruhan permasalahan penelitian secara utuh. Contoh: Bagaimanakah pelaksanaan Pendidikan Jasmani di Sekolah Menengah Umum I Malang berdasarkan Kurikulum Berbasis Kompetensi?

Rumusan masalah khusus yang berfokus pada aspek-aspek tertentu dari permasalahan yang dikaji. Contoh: 1) Bagaimanakah kegiatan Guru dalam pelaksanaan Proses Belajar Mengajar Pendidikan Jasmani berdasarkan Kurikulum Berbasis Kompetensi? 2) Bagaimanakah kegiatan Siswa dalam pelaksanaan Proses Belajar Mengajar Pendidikan Jasmani berdasarkan Kurikulum Berbasis Kompetensi? 3) Bagaimanakah ketersediaan sarana dan prasarana untuk mendukung kegiatan Proses Belajar Mengajar Pendidikan Jasmani berdasarkan Kurikulum Berbasis Kompetensi? Continue reading “Tahapan Proses Penelitian Deskriptif”

Economic analyses for the evaluation of is projects


Information system projects usually have numerous uncertainties and several conditions of risk that make their economic evaluation a challenging task. Each year, several information system projects are cancelled before completion as a result of budget overruns at a cost of several billions of dollars to industry. Although engineering economic analysis offers tools and techniques for evaluating risky projects, the tools are not enough to place information system projects on a safe budget/selection track. There is a need for an integrative economic analysis model that will account for the uncertainties in estimating project costs benefits and useful lives of uncertain and risky projects. The fuzzy set theory has the capability of representing vague data and allows mathematical operators and programming to be applied to the fuzzy domain. The theory is primarily concerned with quantifying the vagueness in human thoughts and perceptions. In this article, the economic evaluation of information system projects using fuzzy present value and fuzzy B/C ratio is analyzed. A numerical illustration is included to demonstrate the effectiveness of the proposed methods.

Keywords: Information Systems; Project Evaluation; Fuzzy Present Value Analysis; B/C Ratio; Fuzzy Numbers.

Continue reading “Economic analyses for the evaluation of is projects”

Metode Fuzzy untuk analisa Kelayakan Usaha


Analisa finansial diperlukan untuk menghindari kegagalan setelah proyek dilakukan sehingga hambatan dan resiko yang mungkin timbul di masa yang akan datang dapat diminimalkan karena keadaan yang akan datang penuh dengan ketidakpastian. Pendekatan fuzzy merupakan salah satu metode untuk mengkaji ketidakpastian tersebut. Penelitian ini dilakukan dengan tujuan untuk mengkaji indikator kelayakan finansial /uzzy, menyusun model kelayakan finansial fuzzy dan mengimplementasikan model kelayakan nnansial fuzzy pada industri bioethanol sebagai salah satu produk derivat tebu. Fuzzy Investment Model disusun dengan indikator kelayakan yang dikaji adalah NPV fuzzy, IRR fuzzy dan B/C Ratio fuzzy dan harga bahan baku, harga jual, dan suku bunga sebagai variabel yang difuzzikan dengan representasi Triangular Fuzzy Number (TFN). Informasi kelayakan Fuzzy Investment Model dikategorikan dalam 4 kategori yaitu tidak layak, cukup layak, layak, dan sangat layak. Validasi model dilakukan dengan membandingkan hasil keluaran metode fuzzy dengan metode konvensional. Hasil verifikasi model pada industri bioethanol dengan menggunakan metode fuzzy menunjukkan bahwa industri ini layak untuk dikembangkan dengan asumsi umur proyek x tahun, dengan hasil analisa sebagai berikut: NPV dengan nilai Rp x milyar, B/C Ratio dengan nilai x,y dan IRR dengan nilai x persen. Pada trend yang searah, hasil penghitungan dengan metode fuzzy biasanya berbeda dengan hasil perhitungan dengan metode konvensional.

Buat situs web atau blog gratis di WordPress.com. | Tema Baskerville.

Atas ↑

Ikuti

Kirimkan setiap pos baru ke Kotak Masuk Anda.

Bergabunglah dengan 177 pengikut lainnya