Login
Section Innovation in Industrial Engineering

Corrugated Box Production Optimization Using Theory of Constraints (TOC) and DBR - Drum-Buffer-Rope (DBR)

Optimasi Produksi Corrugated Box Menggunakan Theory of Constraints (TOC) dan DBR - Drum-Buffer-Rope (DBR)
Vol. 26 No. 4 (2025): October:

Dian Nissa Fitri Budiani (1), Rr Rochmoeljati (2)

(1) Program Studi Teknik Industri, Universitas Pembangunan Nasional “Veteran” Jawa Timur, Indonesia
(2) Program Studi Teknik Industri, Universitas Pembangunan Nasional “Veteran” Jawa Timur, Indonesia
Fulltext View | Download

Abstract:

General Background: Efficient production processes are critical for manufacturing companies to meet output targets and maintain competitiveness. Specific Background: PT XYZ, a corrugated box manufacturer, is experiencing production delays due to bottlenecks at specific workstations. Knowledge Gap: Previous studies have rarely explored the integrated application of the Theory of Constraints (TOC) and Drum Buffer Rope (DBR) methods specifically within the corrugated box industry. Aims: This study aims to identify bottlenecks and propose improvements in PT XYZ’s production process by applying TOC and implementing the DBR scheduling method. Results: Bottlenecks were found at the Converting (SK-2) and Stitching (SK-4) workstations. Through the five focusing steps of TOC and DBR’s structured flow management using drums, buffers, and ropes, along with extended work hours at bottleneck stations, throughput increased from IDR 5,424,572 to IDR 8,040,195—a 32.53% rise. Novelty: This study presents a comprehensive application of TOC and DBR in the corrugated box sector, combining it with linear programming to optimize resource allocation and bottleneck exploitation. Implications: The findings highlight how TOC and DBR can serve as a strategic framework to improve operational efficiency and output in manufacturing systems constrained by limited capacity.


Highlights:



  • Converting and Stitching stations identified as production bottlenecks.

  • Overtime at bottlenecks increased throughput by 32.53%.

  • TOC and DBR integration proved effective in streamlining production.


Keywords: Drum Buffer Rope, Corrugated Box, Throughput, Bottleneck, Theory of Constraints

Downloads

Download data is not yet available.

Corrugated Box Production Optimization Using Theory of Constraints and Drum Buffer Rope

Optimalisasi Produksi Corrugated Box Dengan Theory Of Constraints Dan Drum Buffer Rope

Dian Nissa Fitri Budiani1), Rr. Rochmoeljati *,2)

1)Program Studi Teknik Industri, Universitas Pembangunan Nasional “Veteran” Jawa Timur, Indonesia

2)Program Studi Teknik Industri, Universitas Pembangunan Nasional “Veteran” Jawa Timur, Indonesia

*Email Penulis Korespondensi: 21032010025@student.upnjatim.ac.id

Abstract . PT XYZ is a manufacturing company that produces corrugated boxes and is currently facing challenges in meeting production targets due to the presence of bottlenecks. This study aims to improve production system efficiency by applying the Theory of Constraints (TOC) approach along with the Drum Buffer Rope (DBR) scheduling method. Through a comparative analysis between capacity available and capacity requirement, bottlenecks were identified at the Converting (SK-2) and Stitching (SK-4) workstations. The five steps of TOC were applied to systematically manage constraints, from identification to elimination. The DBR method was implemented to control workflow in coordination with bottleneck capacity to avoid idle time and overproduction. The improvement results showed a 12 % increase in throughput through the strategy of adding overtime at the bottleneck workstations. The study offers practical contributions to the local packaging industry through the combined application of TOC and DBR, which has not been widely explored in previous studies . This research demonstrates that the combination of TOC and DBR is effective in optimizing the corrugated box production process. The novelty of this research lies in the integrated application of TOC and DBR methods in a real-world corrugated box production setting, providing a direct solution to production constraints in the packaging manufacturing sector .

Keywords ; Theory of Constraints ; Drum Buffer Rope ; Bottleneck

Abstrak . PT XYZ merupakan perusahaan manufaktur yang memproduksi corrugated box dan tengah menghadapi kendala dalam pencapaian target produksi akibat adanya bottleneck. Penelitian ini dilakukan untuk meningkatkan efisiensi sistem produksi dengan menerapkan pendekatan Theory of Constraints (TOC) serta metode penjadwalan Drum Buffer Rope (DBR). Melalui analisis perbandingan antara kapasitas tersedia (capacity available) dan kapasitas yang dibutuhkan (capacity requirement), bottleneck berhasil diidentifikasi pada stasiun kerja Converting (SK-2) dan Stitching (SK-4). Lima tahapan dalam TOC digunakan untuk mengelola constraint secara sistematis, mulai dari identifikasi hingga upaya eliminasi. Metode DBR diterapkan untuk mengontrol aliran kerja secara terkoordinasi dengan kapasitas bottleneck guna menghindari idle time dan overproduksi. Hasil perbaikan menunjukkan peningkatan throughput sebesar 12 % melalui strategi penambahan jam lembur di stasiun kerja bottleneck . Studi ini memberikan kontribusi praktis bagi industri kemasan lokal melalui pendekatan gabungan TOC dan DBR yang belum banyak dikaji sebelumnya . Penelitian ini membuktikan bahwa kombinasi Theory of Constraints (TOC) dan Drum Buffer Rope (DBR) efektif dalam mengoptimalkan proses produksi corrugated box. Keunikan penelitian ini terletak pada integrasi metode TOC dan DBR secara aplikatif pada proses produksi corrugated box, yang memberikan solusi langsung terhadap hambatan produksi di sektor manufaktur kemasan .

Kata Kunci : Theory of Constraints ; Drum Buffer Rope ; Hambatan

Proses produksi merupakan inti dari kegiatan operasional suatu perusahaan karena berfungsi untuk menciptakan nilai tambah dari berbagai sumber daya, seperti mesin, tenaga kerja, dan bahan baku. Apabila proses produksi berjalan secara efisien, perusahaan dapat meningkatkan produktivitas, menekan biaya, dan memperoleh keuntungan yang lebih tinggi. Namun, ketidakseimbangan dalam pengelolaan produksi sering kali menimbulkan kendala seperti keterlambatan, penumpukan material di stasiun kerja tertentu, serta pemborosan waktu, yang pada akhirnya berdampak negatif terhadap kinerja perusahaan. Di era persaingan industri yang semakin sengit, perusahaan diharuskan untuk memproduksi barang dengan kualitas yang tinggi, harga kompetitif, dan waktu produksi cepat. Salah satu aspek krusial yang menentukan pencapaian tersebut adalah kapasitas produksi. Apabila tidak dikelola secara optimal, kapasitas produksi yang terbatas dapat menimbulkan keterlambatan pengiriman, peningkatan biaya operasional, serta menurunnya kepuasan pelanggan [1][2]. Oleh karena itu, pemahaman dan pengelolaan kapasitas produksi yang efektif menjadi kunci dalam menyusun strategi perencanaan dan penjadwalan yang responsif terhadap fluktuasi pada permintaan pasar.

Beberapa penelitian sebelumnya telah mengangkat pentingnya efisiensi produksi melalui pendekatan manajemen operasi, salah satunya adalah penggunaan Theory of Constraints (TOC). Constraint memiliki arti segala sesuatu yang menghambat sistem dalam mencapai kinerja [3]. TOC merupakan metode perbaikan sistem yang menitikberatkan pada identifikasi dan pengelolaan hambatan utama (bottleneck) dalam proses produksi [4]. Bottleneck ini merupakan keterbatasan kapasitas suatu sumber daya yang berdampak pada kemampuan produksi atau fluktuasi permintaan [5]. Metode TOC telah digunakan di berbagai sektor industri untuk meningkatkan performa sistem secara keseluruhan. Salah satu implementasi praktis dari TOC adalah metode Drum-Buffer-Rope (DBR), yang bertujuan untuk menyelaraskan ritme produksi, menjaga ketersediaan material di titik kendala, serta mengatur aliran proses agar tidak terjadi penumpukan [6][7]. Meskipun sudah banyak digunakan, penelitian-penelitian tersebut umumnya belum mengkaji penerapan kombinasi TOC dan DBR secara spesifik dalam industri kemasan berbasis corrugated box.

PT XYZ merupakan perusahaan yang sekarang bergerak pada bidang produksi corrugated box yang berlokasi di Lamongan, Jawa Timur. Berdasarkan observasi awal, perusahaan menghadapi permasalahan berupa hambatan proses produksi (bottleneck) yang terjadi pada tahap Converting dan Stitching. Hambatan ini mengakibatkan penumpukan material dan waktu tunggu yang tinggi, sehingga mengganggu kelancaran aliran produksi dan menurunkan efektivitas operasional. Permasalahan ini menunjukkan perlunya pendekatan yang sistematis dan terstruktur untuk mengidentifikasi serta mengatasi bottleneck demi menciptakan alur produksi yang lebih efisien. Berdasarkan tinjauan terhadap studi terdahulu, terdapat research gap, yaitu minimnya kajian yang secara langsung menerapkan pendekatan Theory of Constraints dan metode Drum-Buffer-Rope dalam industri corrugated box. Maka dari itu, penelitian ini menjadi penting dilakukan untuk mengisi kekosongan tersebut dan memberikan kontribusi dalam pengembangan strategi peningkatan efisiensi produksi di sektor manufaktur lokal. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis bottleneck dalam proses produksi corrugated box di PT XYZ menggunakan pendekatan Theory of Constraints (TOC), serta merancang usulan perbaikan melalui penerapan metode Drum-Buffer-Rope (DBR) guna meningkatkan kelancaran alur produksi dan efektivitas operasional perusahaan.

Penelitian dilakukan pada PT. XYZ yang berada di Lamongan, Jawa Timur yang fokus pada optimalisasi lini produksi corrugated box, khususnya pada stasiun kerja yang mengalami bottleneck. Penelitian dilaksanakan mulai Februari 2025 hingga data yang dibutuhkan tercukupi. Tujuan utamanya adalah mengidentifikasi bottleneck dan mengusulkan perbaikan dengan pendekatan Theory of Constraints serta metode Drum-Buffer-Rope

  • Tempat dan Waktu Penelitian
  • Alur Pemecahan Masalah

Berikut merupakan alur pemecahan masalah pada penelitian ini yang dimana bisa dilihat pada Gambar 1.

Gambar 1. Alur Pemecahan Masalah

Langkah-langkah untuk pemecahan masalah yang perlu dilakukan pada penelitian ini yaitu bisa dilihat pada penjelasan sebagai berikut:

Berdasarkan kategorinya, teknik dalam pengumpulan data ada dua, dimana ada data primer dan juga data sekunder. Data primer dihasilkan dari pengukuran waktu siklus setiap stasiun kerja, sementara data sekunder meliputi informasi terkait permintaan produksi periode Februari 2024-Januari 2025, sumber daya kerja, serta faktor efisiensi dan juga utilitas. Setelah seluruh data terkumpul, dilakukan pengujian keseragaman dan uji kecukupan menggunakan rumus pada Persamaan 1 hingga Persamaan 4. Selanjutnya, data hasil pengukuran dikelompokkan ke dalam beberapa subkelompok (subgroup) untuk keperluan analisis lebih lanjut [8] [9].

= (1)

(2)

(3)

Jika data sudah seragam, maka selanjutnya adalah uji kecukupan dengan rumus:

(4)

Keterangan:

= Rata – rata dari waktu pengamatan

n = Banyak data yang diukur

= Standar Deviasi

= Derajat Ketelitian

N’ = Kecukupan data

BKA = Batas Kontrol Atas

BKB = Batas kontrol bawah

Metode pengolahan data dalam penelitian ini salah satunya melibatkan perhitungan dari waktu normal juga waktu baku. Untuk waktu normal merupakan waktu kerja dengan pertimbangan faktor penyesuaian, dimana berasal dari hasil pengalian rata-rata waktu siklus dan faktor penyesuaian. Kemudian untuk, waktu baku digunakan untuk menyelesaikan tugas yang diterima tenaga kerja dalam kondisi normal [10]. Untuk perhitungannya bisa dilihat pada persamaan 5 dan persamaan 6.

Ws x p (5)

Wn (6)

Keterangan:

Wn = Waktu Normal

Ws = Waktu Siklus

P = Faktor Penyesuaian

Wb = Hasil Waktu Baku

Langkah identifikasi constraint dilakukan secara menyeluruh sepanjang proses guna mengetahui pada titik mana terdapat adanya constraint pada sebuah sistem. Proses identifikasi ini mencakup aktivitas yang berkaitan dengan proses kerja [11]. Berikut Rumus yang digunakan untuk menghitung ketersediaan dan kebutuhan kapasitas bisa dilihat pada persamaan 7, 8, dan 9:

CA = Waktu Tersedia x Efisiensi x Utititas (7)

(8)

Varians = CA-CR (9)

Keterangan:

CA = Kapasitas Tersedia

CR = Kapasitas Dibutuhkan

= Waktu Standar Untuk Menyelesaikan Elemen k Di Stasiun Kerja i

= Total Dari Produk k Yang Mau Diproses

Setelah titik bottleneck yang terjadi berhasil diidentifikasi, maka tahap selanjutnya adalah perlu dilakukan suatu ekploitasi constraint. Tahapan ini bertujuan untuk menentukan jumlah produksi optimal berdasarkan sumber daya yang tersedia, sehingga output yang dihasilkan dapat dimaksimalkan.

Langkah ini dilakukan untuk menyelaraskan semua sumber daya yang tidak mengalami bottleneck dengan ritme kerja bottleneck. Penyesuaian dilakukan menggunakan metode Drum-Buffer-Rope (DBR) yang terdiri dari tiga elemen utama: drum sebagai pengatur irama produksi, buffer sebagai penyangga waktu atau material untuk menghindari idle, dan rope sebagai pengontrol aliran material [12]. Penerapan metode ini bertujuan agar seluruh proses terfokus pada mendukung kinerja bottleneck.

  • Pengumpulan Data
  • Pengolahan Data
  • Identifikasi Constraint
  • Eksploitasi Constraint
  • Sub Ordinasi Non-Constraint
  • Elevasi Constraint

Tahap ini bertujuan untuk meningkatkan kapasitas atau mengatasi hambatan yang terjadi pada stasiun kerja yang mengalami bottleneck. Langkah ini dilakukan agar stasiun tersebut tidak lagi menjadi kendala dalam sistem produksi dan dapat mengimbangi permintaan yang ditetapkan.

Untuk pengumpulan data disini meliputi data permintaan, data sumber daya kerja, data efisiensi dan utilitas, dan pengukuran waktu baku dimana didapatkan dari perhitungan waktu siklus dengan jam henti, pengukuran waktu jam henti yang dimaksud adalah metode pengukuran waktu kerja (saat sedang melakukan beraktivitas) dengan dengan menggunakan alat utama berupa stopwatch untuk mencatat durasi aktivitas tersebut [13], pada produksi corrugated box dengan tipe B1dan Deicut dengan lima stasiun kerja yaitu Corrugating, Converting, Gluing, Stitching, dan Packing. Untuk pengukuran tenaga kerja dan waktu penting bagi perusahaan sebagai acuan untuk menilai capaian kerja, serta membantu dalam pengendalian produksi [14]. Dan berikut merupakan data yang digunakan dalam pengolahan data pada permasalahn ini:

Tabel 1. Data Permintaan Produk dan Hari Kerja

Bulan B1 Deicut Hari Kerja
Feb 2024 1480 443 23
Mar 2024 1735 969 24
Apr 2024 1303 543 24
Mei 2024 1745 708 22
Jun 2024 1599 956 23
Jul 2024 1483 768 26
Ags 2024 1588 814 27
Sep 2024 1593 697 25
Okt 2024 1653 737 27
Nov 2024 1513 686 25
Des 2024 1625 676 25
Jan 2025 438 610 26

Tabel 2. Sumber Daya Kerja, Faktor Efisiensi, Faktor Utilitas

Stasiun Kerja Jumlah Mesin Jam Kerja /Hari Ef U
Corrugating 4 8 96% 92%
Converting 3 8 90% 92%
Gluing 3 8 90% 92%
Stitching 3 8 95% 92%
Packing 4 8 80% 92%

Berdasarkan hasil perhitungan uji keseragaman dan juga uji kecukupan data, diperoleh pengukuran waktu baku untuk masing-masing dari stasiun kerja diproses produksi corrugated box dengan tipe B1 dan Deicut, yang tertera pada Tabel 3 berikut.

Tabel 3. Pengukuran Waktu Baku

Stasiun Kerja Waktu Baku ( menit )
B1 Deicut
Corrugating 8,11 7,85
Converting 11,43 11,38
Gluing 5,02 4,17
Stitching 13,46 12,94
Packing 9,69 10,13

Identifikasi stasiun kerja yang menjadi bottleneck dilakukan yaitu membandingkan antara kapasitas tersedia (CA) dan kapasitas yang dibutuhkan (CR). Perbedaan antara keduanya menjadi indikator utama untuk menilai apakah kapasitas di setiap stasiun kerja mencukupi. Bila selisih tersebut bernilai negatif, berarti kapasitas yang tersedia tidak mampu memenuhi permintaan produksi, sehingga stasiun kerja tersebut dikategorikan sebagai bottleneck. Sebaliknya, apabila selisih bernilai positif, maka kapasitas dianggap memadai dan tidak menjadi sumber hambatan dalam proses produksi, untuk hasilnya tertera pada Tabel 4 berikut.

Tabel 4. Identifikasi Constraint

Stasiun Kerja Bulan CA CR Varians Presentase Keterangan
1 Feb 2024 39002 15481 23521 39,69% NonBottleneck
Mar 2024 40698 21680 19018 53,27% NonBottleneck
Apr 2024 40698 14831 25867 36,44% NonBottleneck
Mei 2024 37306 19711 17595 52,84% NonBottleneck
Jun 2024 39002 20475 18527 52,50% NonBottleneck
Jul 2024 44089 18058 26032 40,96% NonBottleneck
Ags 2024 45785 19270 26515 42,09% NonBottleneck
Sep 2024 42394 18392 24002 43,38% NonBottleneck
Okt 2024 45785 19193 26592 41,92% NonBottleneck
Nov 2024 42394 17657 24737 41,65% NonBottleneck
Des 2024 42394 18487 23907 43,61% NonBottleneck
Jan 2025 44089 8342 35747 18,92% NonBottleneck
2 Feb 2024 27423 21956 5467 80,06% NonBottleneck
Mar 2024 28616 30857 -2241 107,83% Bottleneck
Apr 2024 28616 21072 7544 73,64% NonBottleneck
Mei 2024 26231 28001 -1770 106,75% Bottleneck
Jun 2024 27423 29155 -1731 106,31% Bottleneck
Jul 2024 31000 25689 5311 82,87% NonBottleneck
Ags 2024 32193 27413 4780 85,15% NonBottleneck
Sep 2024 29808 26139 3669 87,69% NonBottleneck
Okt 2024 32193 27279 4913 84,74% NonBottleneck
Nov 2024 29808 25099 4709 84,20% NonBottleneck
Des 2024 29808 26265 3543 88,11% NonBottleneck
Jan 2025 31000 11948 19052 38,54% NonBottleneck
3 Feb 2024 27423 9273 18150 33,81% NonBottleneck
Mar 2024 28616 12748 15868 44,55% NonBottleneck
Apr 2024 28616 8802 19813 30,76% NonBottleneck
Mei 2024 26231 11708 14523 44,64% NonBottleneck
Jun 2024 27423 12011 15412 43,80% NonBottleneck
Jul 2024 31000 10645 20356 34,34% NonBottleneck
Ags 2024 32193 11363 20829 35,30% NonBottleneck
Sep 2024 29808 10900 18908 36,57% NonBottleneck
Okt 2024 32193 11368 20825 35,31% NonBottleneck
Nov 2024 29808 10453 19355 35,07% NonBottleneck
Des 2024 29808 10973 18835 36,81% NonBottleneck
Jan 2025 31000 4743 26257 15,30% NonBottleneck
4 Feb 2024 28947 25646 3301 88,60% NonBottleneck
Mar 2024 30205 35882 -5677 118,79% Bottleneck
Apr 2024 30205 24558 5647 81,30% NonBottleneck
Mei 2024 27688 32640 -4952 117,88% Bottleneck
Jun 2024 28947 33884 -4937 117,06% Bottleneck
Jul 2024 32723 29891 2832 91,35% NonBottleneck
Ags 2024 33981 31899 2082 93,87% NonBottleneck
Sep 2024 31464 30453 1011 96,79% NonBottleneck
Okt 2024 33981 31777 2204 93,51% NonBottleneck
Nov 2024 31464 29234 2230 92,91% NonBottleneck
Des 2024 31464 30611 853 97,29% NonBottleneck
Jan 2025 32723 13786 18937 42,13% NonBottleneck
5 Feb 2024 32502 18831 13671 57,94% NonBottleneck
Mar 2024 33915 26631 7284 78,52% NonBottleneck
Apr 2024 33915 18129 15786 53,45% NonBottleneck
Mei 2024 31089 24084 7005 77,47% NonBottleneck
Jun 2024 32502 25182 7320 77,48% NonBottleneck
Jul 2024 36741 22153 14588 60,29% NonBottleneck
Ags 2024 38154 23636 14518 61,95% NonBottleneck
Sep 2024 35328 22499 12829 63,69% NonBottleneck
Okt 2024 38154 23486 14668 61,56% NonBottleneck
Nov 2024 35328 21613 13715 61,18% NonBottleneck
Des 2024 35328 22597 12731 63,96% NonBottleneck
Jan 2025 36741 10425 26316 28,37% NonBottleneck

Berdasarkan Tabel 4 tersebut, diketahui bahwa bottleneck terjadi pada stasiun kerja Converting (SK-2) dan Stitching (SK-4) di bulan Maret, Mei dan Juni 2024. Hal ini disebabkan oleh kapasitas waktu produksi yang tidak mencukupi untuk memenuhi kebutuhan produksi. Kondisi ini menunjukkan adanya kendala pada stasiun-stasiun tersebut dalam mendukung aliran produksi yang optimal.

Berdasarkan data yang diperoleh, diketahui bahwa produk corrugated box tipe B1 memiliki nilai throughput sebesar Rp18.000, sementara tipe Diecut menghasilkan Rp24.000. Untuk mencapai throughput dan jumlah produksi yang optimal, diperlukan upaya eksploitasi terhadap constraint dengan meningkatkan kinerja stasiun kerja yang menjadi bottleneck. Proses ini dilakukan menggunakan pendekatan linear programming. Pemrograman linier adalah teknik matematis untuk mangatur penggunaan sumber daya terbatas agar bisa mencapai hasil optimal, seperti keuntungan yang maksimal atau bisa meminimalkan biaya. Modelnya terdiri dari fungsi tujuan dan sejumlah persamaan linier [15]. Berdasarkan hasil identifikasi bottleneck pada Tabel , ditemukan bahwa stasiun kerja converting (SK-2) dan Stitching (SK-4) merupakan titik kendala dalam proses produksi. Oleh karena itu, fokus eksploitasi constraint diarahkan pada kedua stasiun kerja ini setiap bulan, dengan rincian sebagai berikut:

Perhitungan model matematis Linear Programming yang telah dibuat digunakan sebagai data input dalam worksheet pada software WinQSB untuk memperoleh solusi yang optimal. Tampilan input perhitungan tersebut disajikan pada Gambar 4.

Gambar 2. Input data pada software WinQSB

Untuk outputdari perhitungan dari linear programming dengan software WinQSB ditunjukan pada gambar 3. di bawahi ini.

Gambar 3. Output data pada software WinQSB

Berdasarkan output dari software WinQSB tersebut dapat disimpulkan hasil diketahui nilai dan Maka untuk nilai dari adalah = Rp 55.987.380

Eksploitasi terhadap constraint bertujuan untuk mengoptimalkan output dari titik kendala dalam sistem produksi. Namun, upaya ini harus didukung oleh keputusan operasional yang selaras dengan kapasitas dari stasiun kerja yang menjadi constraint. Untuk memastikan kinerja sistem tetap stabil, stasiun kerja non-constraint perlu disesuaikan atau dengan menerapkan metode Drum-Buffer-Rope. Berdasarkan hasil identifikasi, stasiun kerja converting (SK-2) dan stitching (SK-4) diketahui sebagai bottleneck, sehingga keduanya berperan sebagai drum dalam tahap ini. Setelah itu, dilakukan penentuan buffer menggunakan pendekatan time buffer.

Tabel 5. Perhitungan Time Buffer

Stasiun Kerja Bulan Kapasitas Tersedia Kapasitas yang Dibutuhkan Time Buffer
2 Mar 2024 28616 30857 2241
Mei 2024 26231 28001 1770
Jun 2024 27423 29155 1731
4 Mar 2024 30205 35882 5677
Mei 2024 27688 32640 4952
Jun 2024 28947 33884 4937

Berdasarkan hasil perhitungan, untuk nilai time buffer diperoleh dari selisih antara kapasitas dibutuhkan dan kapasitas tersedia. Dimana pada bulan Maret, stasiun kerja Stitching (SK-4) tercatat memiliki nilai bottleneck tertinggi, yaitu sebesar 35882 menit. Oleh karena itu, diperlukan pembuatan peta Drum-Buffer-Rope untuk menyinkronkan stasiun kerja bottleneck tersebut dengan stasiun kerja lainnya. Untuk peta DBR bisa dilihat pada gambar 4

Gambar 4. Peta Drum-Buffer Rope

Dalam peta tersebut, metode Drum-Buffer-Rope diterapkan pada stasiun kerja yang teridentifikasi sebagai bottleneck, yaitu stasiun Stitching dan Converting. Drum ditempatkan pada kedua stasiun tersebut sebagai penanda bahwa keduanya merupakan titik kendala yang dibatasi oleh kapasitas waktu. Time buffer yang telah dihitung sebelumnya diletakkan sebelum stasiun bottleneck, dengan tujuan untuk menjaga kelancaran aliran produksi (throughput) dari proses sebelumnya, sekaligus meminimalkan gangguan dan mencegah terjadinya penumpukan produk di dalam sistem produksi.

  • Pengumpulan Data
  • Pengolahan Data
  • Identifikasi Constraint
  • Ekploitasi Constraint
  • Sub Ordinasi Non-Constraint
  • Elevasi Constraint

Tahap elevasi dilakukan sebagai langkah lanjutan dalam upaya perbaikan, di mana usulan pada tahap ini bertujuan untuk menghilangkan constraint dalam proses produksi. Berdasarkan hasil analisis dan eksploitasi pada stasiun kerja converting (SK-2) dan packing (SK-5), diketahui bahwa kapasitas pada kedua stasiun tersebut masih perlu ditingkatkan. Solusi yang diajukan adalah dengan menambahkan jam kerja lembur sebagai bentuk optimalisasi. Penambahan lembur ini direncanakan akan diterapkan di stasiun converting (SK-2) dan packing (SK-5) pada bulan Maret, Mei, dan Juni 2025, dengan durasi lembur 2 jam per hari. Solusi penambahan lembur dipilih karena merupakan pendekatan yang paling cepat dan tidak memerlukan investasi besar.Perhitungan mengenai kapasitas waktu tersedia (CA), kapasitas waktu dibutuhkan (CR), serta varians setelah penambahan waktu lembur ditampilkan pada Tabel 6.

Tabel 6. Penambahan Waktu Lembur

Stasiun Kerja Bulan CA CR Varians Presentase Keterangan
2 Mar 2024 35770 30857 4913 86,27% NonBottleneck
Mei 2024 32789 28001 4788 85,40% NonBottleneck
Jun 2024 34279 29155 5124 85,05% NonBottleneck
4 Mar 2024 37757 35882 1874 95,04% NonBottleneck
Mei 2024 34610 32640 1970 94,31% NonBottleneck
Jun 2024 36184 33884 2299 93,65% NonBottleneck

Oleh karena itu, perlu dilakukan reformulasi model menggunakan pendekatan linear programming untuk mengakomodasi penambahan kapasitas, dengan rincian sebagai berikut::

Model matematis Linear Programming yang telah dihitung digunakan sebagai input dalam worksheet pada software WinQSB untuk memperoleh solusi yang optimal. Tampilan input tersebut disajikan pada Gambar 5.

Gambar 5. Input data pada software WinQSB

Sehingga dihasilkan output perhitungan dari linear programming dengan software WinQSB ditunjukan pada gambar 5 di bawahi ini.

Gambar 6. Output data pada software WinQSB

Berdasarkan hasil output dari software WinQSB diketahui nilai dan Maka untuk nilai dari adalah = 69.974.360

Untuk peningkatan biaya lembur pekerja, perusahaan perlu mengeluarkan biaya lembur. Jika dalam satu hari dilakukan lembur selama 2 jam maka total biaya yang dikeluarkan perusahaan adalah Rp 26.000 per tenaga kerja, maka total tambahan waktu dapat dikonversikan kedalam jumlah hari lembur. Diawal kondisi SK-2 memiliki kapasitas waktu sebesar 28616 menit, dan untuk SK-4 sebesar 30205 menit. Setelah dilakukan penambahan jam lembur maka waktu meningkat untuk SK-2 menjadi 35770 menit dan SK-4 menjadi 37757 menit. Dari tambahan tersebut menghasilkan peningkatan untuk SK-2 sebesar 7154 menit (119 jam) dan SK-4 sebesar 7552 menit (126 jam). Berikut merupakan perhitungan biaya lembur secara rincinya

Tabel 7. Biaya Lembur Per Hari

Stasiun kerja Hari Kerja Biaya Lembur/Hari Total Biaya Lembur
2 60 Rp 52.000 Rp 3.120.000
4 63 Rp 52.000 Rp 3.276.000
Total Rp 6.396.000

Jadi, Throughput Akhir =

= Rp 63.578.360

Perbandingan hasil throughput yang didapatkan pada proses perbaikan constraints pada stasiun kerja pada sistem yang mengalami bottleneck dapat dilihat pada Tabel 8.

Tabel 8. Rekapitulasi Throughput

X1 X2 Throughput
Kondisi Awal 0 2332 55.978.380
Setelah Perbaikan 0 3348 63.578.360

Hasil kenaikan throughput = Hasil Akhir Throughput – Hasil Awal Throughput

= Rp 63.578.360 - Rp 55.978.380

= Rp 7.599.980

Peningkatan peningkatan throughtput =

= 100% - 88%

= 12%

Dari tabel tersebut, menunujkan bahwa throughput pada kondisi awal sebesar Rp 55.978.380, sedangkan throughtput setelah penambahan waktu lembur sebesar Rp 63.578.360. Sehingga didapatkan kenaikan throughput sebesar Rp 7.599.980 atau persentase kenaikan sebesar 12%, dicapai dengan biaya lembur sebesar Rp 6.396.000. Artinya, rasio keuntungan terhadap biaya lembur mencapai 1,19 kali lipat. Namun, untuk menilai efisiensi jangka panjang, perusahaan juga perlu mempertimbangkan dampak kelelahan operator, potensi overtime fatigue, dan biaya pemeliharaan mesin akibat jam kerja berlebih.

Hasil analisis yang dikerjakan dengan pendekatan Theory of Constraints (TOC) mengungkapkan bahwa titik bottleneck utama dalam proses produksi berada di dua stasiun kerja yaitu Converting (SK-2) dan Stitching (SK-4). Kondisi ini menyebabkan terjadinya hambatan pada aliran produksi secara keseluruhan, sehingga perlu dilakukan penanganan khusus untuk mengatasi keterbatasan kapasitas di kedua stasiun tersebut. Dengan menerapkan tahapan-tahapan TOC mulai dari identifikasi bottleneck, eksploitasi sumber daya yang ada, subordinasi proses lain terhadap bottleneck, hingga tahap elevasi dengan penambahan kapasitas, serta diiringi oleh pengaturan alur kerja yang terstruktur menggunakan metode Drum-Buffer-Rope (DBR), maka dilakukan pengendalian ketat terhadap kapasitas dan waktu produksi di setiap stasiun kerja. Pada tahap elevasi, langkah yang diambil adalah penambahan waktu lembur sebanyak 8 jam per hari pada stasiun bottleneck tersebut, yang berhasil memberikan kontribusi signifikan terhadap peningkatan throughput. Hasilnya, throughput meningkat dari Rp 55.978.380 pada kondisi awal menjadi Rp 63.578.360 setelah penambahan lembur, yang berarti terjadi kenaikan sebesar 12%. Berdasarkan hasil tersebut, bisa disimpulkan bahwa penggunaan kombinasi metode Theory of constraints dan Drum Buffer Rope secara menyeluruh dan sistematis terbukti efektif dalam mengoptimalkan proses produksi, sehingga secara signifikan mampu meningkatkan jumlah output yang dihasilkan dan membantu mencapai target produksi yang telah ditetapkan. Penelitian ini memiliki beberapa keterbatasan, antara lain keterbatasan data aktual yang hanya mencakup satu tahun produksi, serta ketergantungan pada data historis yang belum tentu mewakili kondisi normal. Untuk pengembangan lebih lanjut, perusahaan dapat melakukan pendekatan automasi pada proses converting dan stitching juga berpotensi meningkatkan efisiensi dan mengurangi ketergantungan terhadap lembur. Evaluasi berkala terhadap efektivitas strategi yang diterapkan juga penting dilakukan sebagai bagian dari upaya perbaikan berkelanjutan.

[1]F. E. Rubik and E. Rusnita, “Analisis Penerapan Rough Cut Capacity Planning ( RCCP ) Dan Theory Of Constraint ( TOC ) Untuk Perencanaan Kapasitas Produksi Di Koncoveksi Jogja,” Ind. Inov. Tek. Ind. ITN Malang, no. September, pp. 249–253, 2024.

[2]A. Sugiatna, “Analisis Perencanaan Kapasitas Produksi Dengan Menggunakan Metoda Rought Cut Capacity Planning Pendekatan Cpof Di Pt. XYZ,” Sist. J. Ilm. Nas. Bid. Ilmu Tek., vol. 9, no. 02, pp. 28–32, 2021, doi: 10.53580/sistemik.v9i02.61.

[3]R. Ervil and Z. N. Yulanda, “Identifikasi Kendala Pada Proses Produksi Dengan Menggunakan Theory of Constrain (TOC) Dalam Mengoptimalkan Kapasitas Produksi PDAM Gunung Pangilun,” J. Sains dan Teknol. J. Keilmuan dan Apl. Teknol. Ind., vol. 20, no. 2, p. 162, 2020, doi: 10.36275/stsp.v20i2.295.

[4]O. C. Situmorang, R. R. D. Satya, and A. Herliawan, “Optimalisasi Perencanaan Kapasitas Produksi Dengan Metode Theory of Constraints Dan Rough Cut Capacity Planning,” Barometer, vol. 8, no. 1, pp. 19–28, 2023, doi: 10.35261/barometer.v8i1.6826.

[5]M. G. Ramadhan and P. Moengin, “Perancangan Model Simulasi Lantai Produksi Pt. Elangperdana Tyre Industry Menggunakan Metode Theory of Constrraint Untuk Meminimasi Waktu Produksi,” J. Tek. Ind., vol. 10, no. 3, pp. 283–297, 2020, doi: 10.25105/jti.v10i3.8492.

[6]R. F. Adhiputra, “Optimalisasi kapasitas produksi produk PDS Fender pada PT Arkha Jayanti Persada dengan theory of constraints menggunakan Lindo dan PomQm,” J. Ind. Serv., vol. 7, no. 1, p. 83, 2021, doi: 10.36055/jiss.v7i1.12049.

[7]A. Bidiawati and L. Setiawati, “Kajian Drum-Buffer-Rope Berbasis Theory of Contraint Untuk Menyeimbangkan Aliran Produksi,” Ina. J. Ind. Qual. Eng., vol. 8, no. 1, pp. 59–68, 2020, doi: 10.34010/iqe.v8i1.2764.

[8]N. Fathurohman, “Usulan Waktu Standar Kerja Pada Produksi Kaos Polos Menggunakan Metode Stopwatch Time Study Di Suckseed Konveksi Tasikmalaya,” J. Mhs. Ind. Galuh, vol. 1, no. 1, pp. 31–40, 2020.

[9]A. Latief, P. F. Melu, I. H. Lahay, and Hasanuddin, “Pengukuran Waktu Kerja Karyawan pada Pengemasan Es Kristal Menggunakan Metode Time Study,” Jambura Ind. Rev., vol. 1, no. 2, pp. 48–57, 2021, doi: 10.37905/jirev.1.2.48-57.

[10]M. Rahayu and S. Juhara, “Pengukuran Waktu Baku Perakitan Pena Dengan Menggunakan Waktu Jam Henti Saat Praktikum Analisa Perancangan Kerja,” J. Pendidik. dan Apl. Ind., vol. 7, no. 2, pp. 93–97, 2020.

[11]S. Salimah, M. Dzikron, and Nita P. A. Hidayat, “Reduksi Stasiun Kerja Bottleneck pada Produksi Pakaian Gamis dan Koko dengan Menggunakan Theory of Constraints,” J. Ris. Tek. Ind., vol. 1, no. 1, pp. 49–57, 2021, doi: 10.29313/jrti.v1i1.140.

[12]G. F. Auliya, D. D. Damayanti, and P. P. Suryadhini, “Perancangan Penjadwalan Flow Shop dengan Metode Drum Buffer Rope untuk Meminimasi Makespan pada Proses Percetakan Buku Teks Pelajaran di PT Thursina Mediana Utama,” e-proceeding Eng., vol. 11, no. 3, pp. 2617–2625, 2024.

[13]D. D. Saputra, “Usulan Penerapan Theory of constraints Guna Mengoptimalkan Kapasitas Produksi Pada PT XYZ,” Sci. J. Ind. Eng., vol. 1, no. 2, pp. 7–11, 2020.

[14]A. Y. Pradana and F. Pulansari, “Analisis Pengukuran Waktu Kerja Dengan Stopwatch Time Study Untuk Meningkatkan Target Produksi Di Pt. XYZ,” Juminten J. Manaj. Ind. dan Teknol., vol. 2, no. 1, pp. 13–24, 2021, doi: 10.33005/juminten.v2i1.217.

[15]S. Aini, A. . Fikri, and R. . Sukandar, “Optimalisasi Keuntungan Produksi Makanan Menggunakan Pemrograman Linier Melalui Metode Simpleks,” J. Bayesian, vol. 1, no. 1, pp. 1–16, 2021.

References

[1] F. E. Rubik and E. Rusnita, "Analisis Penerapan Rough Cut Capacity Planning (RCCP) dan Theory of Constraint (TOC) untuk Perencanaan Kapasitas Produksi di Konveksi Jogja," Industrial Innovation and Industrial Engineering Technology ITN Malang, no. September, pp. 249–253, 2024.

[2] A. Sugiatna, "Analisis Perencanaan Kapasitas Produksi dengan Menggunakan Metoda Rough Cut Capacity Planning Pendekatan CPOF di PT. XYZ," Sistemik: Jurnal Ilmiah Nasional Bidang Ilmu Teknik, vol. 9, no. 2, pp. 28–32, 2021, doi: 10.53580/sistemik.v9i02.61.

[3] R. Ervil and Z. N. Yulanda, "Identifikasi Kendala pada Proses Produksi dengan Menggunakan Theory of Constraints (TOC) dalam Mengoptimalkan Kapasitas Produksi PDAM Gunung Pangilun," Jurnal Sains dan Teknologi: Jurnal Keilmuan dan Aplikasi Teknologi Industri, vol. 20, no. 2, p. 162, 2020, doi: 10.36275/stsp.v20i2.295.

[4] O. C. Situmorang, R. R. D. Satya, and A. Herliawan, "Optimalisasi Perencanaan Kapasitas Produksi dengan Metode Theory of Constraints dan Rough Cut Capacity Planning," Barometer, vol. 8, no. 1, pp. 19–28, 2023, doi: 10.35261/barometer.v8i1.6826.

[5] M. G. Ramadhan and P. Moengin, "Perancangan Model Simulasi Lantai Produksi PT. Elangperdana Tyre Industry Menggunakan Metode Theory of Constraints untuk Meminimasi Waktu Produksi," Jurnal Teknik Industri, vol. 10, no. 3, pp. 283–297, 2020, doi: 10.25105/jti.v10i3.8492.

[6] R. F. Adhiputra, "Optimalisasi Kapasitas Produksi Produk PDS Fender pada PT. Arkha Jayanti Persada dengan Theory of Constraints Menggunakan Lindo dan POM-QM," Journal of Industrial Services, vol. 7, no. 1, p. 83, 2021, doi: 10.36055/jiss.v7i1.12049.

[7] A. Bidiawati and L. Setiawati, "Kajian Drum-Buffer-Rope Berbasis Theory of Constraints untuk Menyeimbangkan Aliran Produksi," Indonesian Journal of Industrial Quality Engineering, vol. 8, no. 1, pp. 59–68, 2020, doi: 10.34010/iqe.v8i1.2764.

[8] N. Fathurohman, "Usulan Waktu Standar Kerja pada Produksi Kaos Polos Menggunakan Metode Stopwatch Time Study di Suckseed Konveksi Tasikmalaya," Jurnal Mahasiswa Teknik Industri Universitas Galuh, vol. 1, no. 1, pp. 31–40, 2020.

[9] A. Latief, P. F. Melu, I. H. Lahay, and Hasanuddin, "Pengukuran Waktu Kerja Karyawan pada Pengemasan Es Kristal Menggunakan Metode Time Study," Jambura Industrial Review, vol. 1, no. 2, pp. 48–57, 2021, doi: 10.37905/jirev.1.2.48-57.

[10] M. Rahayu and S. Juhara, "Pengukuran Waktu Baku Perakitan Pena dengan Menggunakan Waktu Jam Henti saat Praktikum Analisa Perancangan Kerja," Jurnal Pendidikan dan Aplikasi Industri, vol. 7, no. 2, pp. 93–97, 2020.

[11] S. Salimah, M. Dzikron, and N. P. A. Hidayat, "Reduksi Stasiun Kerja Bottleneck pada Produksi Pakaian Gamis dan Koko dengan Menggunakan Theory of Constraints," Jurnal Riset Teknik Industri, vol. 1, no. 1, pp. 49–57, 2021, doi: 10.29313/jrti.v1i1.140.

[12] G. F. Auliya, D. D. Damayanti, and P. P. Suryadhini, "Perancangan Penjadwalan Flow Shop dengan Metode Drum-Buffer-Rope untuk Meminimasi Makespan pada Proses Percetakan Buku Teks Pelajaran di PT. Thursina Mediana Utama," E-Proceeding of Engineering, vol. 11, no. 3, pp. 2617–2625, 2024.

[13] D. D. Saputra, "Usulan Penerapan Theory of Constraints guna Mengoptimalkan Kapasitas Produksi pada PT. XYZ," Scientific Journal of Industrial Engineering, vol. 1, no. 2, pp. 7–11, 2020.

[14] A. Y. Pradana and F. Pulansari, "Analisis Pengukuran Waktu Kerja dengan Stopwatch Time Study untuk Meningkatkan Target Produksi di PT. XYZ," Juminten: Jurnal Manajemen Industri dan Teknologi, vol. 2, no. 1, pp. 13–24, 2021, doi: 10.33005/juminten.v2i1.217.

[15] S. Aini, A. Fikri, and R. Sukandar, "Optimalisasi Keuntungan Produksi Makanan Menggunakan Pemrograman Linier Melalui Metode Simpleks," Jurnal Bayesian, vol. 1, no. 1, pp. 1–16, 2021.