BAB II LANDASAN TEORI - thesis.binus.ac.idthesis.binus.ac.id/Doc/Bab2/2009-1-00482-TIAS Bab- 2.pdf13...
Transcript of BAB II LANDASAN TEORI - thesis.binus.ac.idthesis.binus.ac.id/Doc/Bab2/2009-1-00482-TIAS Bab- 2.pdf13...
BAB 2
LANDASAN TEORI
2.1. Sistem, Model, dan Simulasi Sistem
Sistem didefinisikan oleh Schmidt dan Taylor (1970) sebagai suatu kumpulan
entitas seperti manusia atau mesin yang berinteraksi bersama-sama mencapai suatu
tujuan (Law & Kelton, 1991). Dalam praktiknya yang disebut dengan “sistem”
tergantung pada tujuan studi tertentu. Kumpulam entitas yang membentuk sistem
pada studi sangat mungkin hanya bagian dari sistem pada studi yang lain atau bahkan
bukanlah entitas yang diperlukan untuk membentuk sistem pada studi yang lainnya
lagi. Sistem dapat diklasifikasikan menjadi dua macam yaitu statis dan dinamis.
Sistim dinamis dapat dibagi lagi berdasarkan cara variabel-variabel sistem tersebut
mengalami perubahan dari waktu ke waktu. Sistem diskret adalah sistem yang
perubahan state dari variabelnya terjadi secara instan pada titik-titik waktu yang
terpisah. Sistem kontinyu adalah sistem yang perubahan state dari variabelnya terjadi
secara kontinyu terhadap waktu.
Gambar 2.1 Macam-macam Sistem
Sistem
Statis Dinamis
DiskritKontinu Gabungan
12
Sistem adalah sebuah bagian dari realitas yang difokuskan pada studi. Untuk
menjelaskan atau menganalisa sebuah sistem seseorang harus menyatakan sistem
tersebut dalam bentuk representasi.Representasi dari sistem inilah yang disebut
model.
Gambar 2.2 Hubungan antara realitas, sistem, dan model
Gambar 2.2 Hubungan antara realitas, sistem dan model
Definisi tentang sistem mencakup lima unsur utama yang yang terdapat dalam
sistem, yaitu :
1. Elemen-elemen atau bagian-bagian
2. Adanya interaksi atau hubungan antar elemen-elemen atau bagian-bagian
3. Adanya sesuatu yang mengikat elemen-elemen atau bagian-bagian tersebut
menjadi suatu kesatuan
4. Terdapat tujuan bersama, sebagai hasil akhir
5. Berada dalam suatu lingkungan yang kompleks
Diidentifikasi berdasarkan tujuan dari studi yang diharapkan
Disarikan berdasarkan efisiensi representasinya Sumber : Khoshnevis (1994), hal 28
Realitas
Model
Sistem
13
Elemen-elemen yang saling berinteraksi tersebut sering disebut sebagai subsistem.
Setiap proses menyebabkan terjadinya perubahan dalam sistem disebut aktivitas.
Sinergi (synergy), yaitu kondisi dimana efek terpadu (combined effect) dua macam
tindakan melebihi jumlah dari bagian-bagian individualnya.
Studi terhadap sistem dapat dilakukan dengan dua cara yaitu dengan melakukan
eksperimen langsung terhadap sistem atau melakukan eksperimen terhadap model
dari sistem. Cara yang kedua lebih disukai karena lebih praktis dan ekonomis, dapt
dimodelkan secara fisik dan matematik. Model matematik dapat memberikan solusi
secara anlitis atau secara simulasi.
2.2 Konsepsi Sistem
Konsepsi adalah abstraksi mengenai suatu fenomena yang dirumuskan atas dasar
generalisasi dari sejumlah karakteristik kejadian, keadaan, mengenai obyek tertentu.
Konsepsi sistem adalah penyajian komponen-komponen pembentuk sistem kedalam
suatu definisi yang mantap.
Kerangka dasar sistem dapat digambarkan dengan formula sederhana berikut ini :
Gambar 2.3 Kerangka Dasar Sistem
Bila sistem beropersi dalam situasi tertentu, formula diatas berkembang menjadi
seperti tampak pada gambar berikut
Masukan Proses Keluaran
14
Gambar 2.4 Kerangka Sistem
2.3 Sistem Pakar
Sistem informasi klasik (SIK) secara teknologi disusun oleh sistem informasi (SI)
dan sistem operasi (SO). Sedangkan sistem operasi pakar tersusun dari SIK dan
sistem deduksi (SD). Sistem Informasi atau pengetahuan deklarasi dibentuk oleh
suatu informasi dasar yang didasarkan pada struktur logic (skema konseptual),
struktur fisik (skema internal), dan fisi informasi (skema eksternal). Sistem tersebut
tersusun dari struktur data yang diatur oleh prosedur sistem operasi menurut model
hubungan, jaringan dan hirarki (obyek terformalisasi). Sistem operasi atau
pengetahuan prosedur terdiri dari suatu program penggerak dan perpustakaan yang
berperan dalam menjalankan program terapan. Sistem deduksi atau pengetahuan
hipotetis-deduktif disusun oleh komponen aturan dasar,mekanisme inferensi dan
gabungan obyek. Sistem deduksi ini tidak selalu jelas pemisahannya dengan sistem
TujuanStandar PerformasiKonstrain
Masukan Proses Keluaran
KontrolUmpan balik
15
informasi, terutama pada kasus data dasar deduktif yang mengandung dua aspek dan
masalah akses langsung pemakai ke sistem informasi yang tidak didukung oleh
sistem pakar.
Menurut Feigenbaum di dalam Harmon dan King (1985), sistem pakar adalah
perangkat lunak komputer cerdas yang menggunakan pengetahuan dan prosedur
inferensi untuk memecahkan masalah yang cukup rumit atau memerlukan
kemampuan seorang pakar untuk memecahkannya. Sistem pakar berbeda dengan
program konvensional, karena program yang terakhir hanya dapat dimengerti oleh
pembuat program (programmer). Sistem pakar bersifat interaktif dan mempunyai
kemampuan untuk menjelaskan apa yang ditanyakan pengguna (user friendly).
Tujuan perancangan sistem pakar adalah untuk mempermudah kerja atau bahkan
mengganti tenaga ahli, penggabungan ilmu dan pengalaman dari beberapa tenaga
ahli, training tenaga ahli baru, penyediaan keahlian yang diperlukan oleh suatu
proyek yang tidak ada atau tidak mampu membayar tenaga ahli. Hal tersebut dapat
dipahami secara rasional, karena kaderisasi tenaga ahli dalam suatu organisasi sangat
diperlukan, terutama untuk badan usaha yang mempunyai keterbatasan dana untuk
menyediakan teaga ahli.
2.3.1 Struktur Sistem Pakar
Sistem pakar terdiri dari dua bagian utama, yaitu bagian pengembangan dan
konsultasi. Bagian pengembangan sistem pakar digunakan oleh penyusunnya untuk
memasukkan pengetahuan dasar ke dalam lingkungan sistem informasi. Sedangkan
16
bagian konsultasi digunakan oleh pemakai untk mendapatkan pengetahuan ahli serta
saran, nasehat ataupun justifikasi dalam hal ini operasionalisasi sistem pakar dibagi 4
modul, yaitu :
1. Pengelolaan dialog (pengertian bahasa alamiah, konteks, dll)
2. Pemecahan masalah (alasan, meta-logika, dll)
3. Pengelolaan pengetahuan (Penempatan fakta, aturan dan akses, program secara
algoritme klasik)
4. Struktur komunikasi antar tiga modul sebelumnya (butir 1-3)
Pada prinsipnya, sistem pakar tersusun dari beberapa komponen yang mencakup :
(1) Fasilitas akuisasi pengetahuan
(2) Sistem berbasis pengetahuan (knowledge based system)
(3) Mesin inferensi (Inference engine)
(4) Fasilitas untuk penjelasan dan justifikasi, dan
(5) Penghubung antara pengguna dan sistem pakar (User interface).
Tiap bagian mempunyai hubungan yang erat dengan bagian yang lainnya.
Keterkaitan antar komponen-komponen tersebut disajikan pada Gambar 2.5.
17
Gambar 2.5 Struktur dasar sistem pakar (dimodiifikasi dari Turban, 1988)
Karakteristik dari sistem pakar menurut Waterman ( 1986 ) adalah :
(1) Domain persoalan terbatas
(2) Memiliki kemampuan memberikan penalaran
(3) Memilki kemampuan mengolah data yang mengandung ketidakpastian
(4) Memisahkan mekanisme inferensi basis pengetahuan
(5) Dirancang untuk dikembangkan secara bertahap (modular )
(6) Keluarannya bersifat anjuran
(7) Basis pengetahuan didasarkan pada kaidah
2.3.2 Akuisisi Pengetahuan
Salah satu tahap pengembangan sistem pakar adalah akuisisi pengetahuan
(Knowledge Aqcuisition). Tahap merupakan tahap penting, kritis dan sangat
18
menentukan keberhasilan sistem pakar yang akan dikembangkan untuk pemecahan
persoalan yang biasanya dapat diselesaikan oleh pakar. Menurut Heng (1987) akuisisi
pengetahuan melibatkan masalah definisi, implementasi dan pemulusan seperti
konsep program komputer, hubungan, prosedur dan strategi pemecahan masalah dari
bidang pekerjaan khusus. Dalam hal ini digunakan pendekatan interaktif secara
bertahap seperti diskemakan pada Gambar 2.6.
Gambar 2.6 Tahapan pengetahuan akuisisi ( Heng, 1987 )
Akuisisi pengetahuan merupakan suatu obyek utama analisis dari pengembangan
paket program sistem pakar, maka dari itu keberadaannya perlu didukung oleh sistem
pengetahuan dasar (Knowledge Based System) yang berupa pendefinisian unsur
(modelisasi masalah) dan struktur dasar (formalisasi penyajian) untuk
menginterprestasikan data (masukan informasi dari pemakai) dan memecahkan
19
masalah (penyajian informasi ke pemakai) menurut tingkat kompleksitasnya
(Schreiber, Breuker, Bredeweg dan Wielinga, 1988). Bentuk penyajian pengetahuan
dasar disimpan dalam bentuk simbolik (sulit diartikan dengan mudah oleh pemakai)
ataupun grafik (mudah dipahami oleh pemakai) sangat berpengaruh terhadap
interface pemakai dari sistem pakar yang dikembangkan.
Menurut Schreiber, et al (1988) sistem pengetahuan dasar (SPD) sebagai kegiatan
modeling didukung oleh metodologi yang didasarkan pada bahasa model (model
artificial), ruang lingkup (analisis dan desain) dan dukungan parangkat lunak. Model
pengembangan sistem pengetahuan dasar pada sistem pakar adalah sebagai berikut :
Gambar 2.7 Model pengembangan SPD ( Schreiber, et al,1988 )
Pada gambar 2.7 dapat dilihat data berupa bahasa (lisan atau tertulis) dapat
dianggap kegiatan identifikasi konsep, tahapan konseptual merupakan kegiatan
klasifikasi masalah (penetapan model M1 atau model proses penyelesaian masalah),
tahapan epistemologi merupakan kegiatan abstraksi kognitif (penetapan model M2
atau model desain), tahapan logika sebagai kegiatan perumusan realisasi yang akan di
20
implementasikan (penetapan model M3 atau sistem desain) dan tahapan implementasi
sebagai penerapan dari program yang disusun (penetapan kode). Dari hal yang
dikemukakan, maka dapat dikatakan bahwa pengetahuan dasar dapat memecahkan
kompleksitas dan keragaman masalah yang dijumpai dengan berbagai cara.
2.3.3 Representasi Pengetahuan
Dalam sistem pakar, basis pengetahuan merupakan bagian yang memuat objek-
objek pengetahuan serta hubungan yang dimiliki antar objek-objek tersebut. Basis
pengetahuan tersebut merupakan sumber kecerdasan sistem dan hal ini dimanfaatkan
oleh mekanisme inferensi untuk mengambil kesimpulan. Sebagai ilustrasi, basis
pengetahuan dapat terdiri dari 3-5 komponen angka yaitu model base, data base,
gugus connection graph, gugus frames dengan referensi model base dan bidang
pengetahuan lain yang tidak bersifat bebas (Asumsi dan parameter) (Fedorowicz dan
Williams, 1986).
Gambar 2.8 Tahapan akuisisi pengetahuan dalam sistem pakar
21
Menurut Marimin (1991) ada empat kriteria dalam memilih metode representasi
pengetahuan yaitu :
1. Kemampuan representasi, artinya metode harus mampu merepresentasikan
semua jenis pengetahuan yang diperlukan dalam sistem pakar.
2. Kemudahan dalam penalaran, artinya metode harus mudah diproses untuk
mencapai tahap kesimpulan.
3. Efisiensi proses akuisisi, artinya metode harus membantu translasi pengetahuan
pakar kedalam sistem komputer secara efisien. Menurut Fedorowicz dan
Williams (1986) hal tersebut dipengaruhi oleh pengolah masalah (problem
processor) ketika pemakai berinteraksi dengan pengetahuan yang tersimpan,
terutama pada pemilihan strategi pemecahan yang tepat.
4. Efisiensi proses penalaran, artinya metode dapat diproses secara efisien untuk
mencapai kesimpulan.
2.3.4 Mekanisme inferensi
Mesin inferensi merupakan komponen sistem pakar yang memanipulasi dan
mengarahkan pengetahuan dari basis pengetahuan, sehingga tercapai kesimpulan.
Tugas utama dari mesin inferensi adalah menguji fakta dan kaidah serta menambah
fakta baru jika memungkinkan serta memutuskan perintah sesuai dengan hasil
penalaran yang telah dilaksanakan.
22
2.4 Peramalan
2.4.1 Faktor-Faktor Pcrtimbangan Dalam Peramalan Kuantitatif
Menurut Sofjan Assauri, " Peramalan adalah kegiatan untuk memperkirakan apa
yang akan terjadi pada masa yang akan datang " (Sofjan Assauri, 1984:1). Sedangkan
menurut Hendra Kusuma, "Peramalan adalah perkiraan tingkat permintaan satu atau
lebih produk selama beberapa periode mendatang" (Hendra Kusuma, 1999:13).
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas:
1) Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan
antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan
deret waktu, atau "time series ".
2) Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan
antara variabel yang akan diperkirakan dengan variabel yang lain yang
mempengaruhinya, yang bukan waktu, yang disebut metode korelasi atau sebab
akibat " causal methods " (Sofian Assauri, 1984:9).
Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai
berikut:
1. Adanya informasi tentang keadaan yang lain.
2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data.
3. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang
akan datang.
Ada empat jenis pola data, antara lain:
23
1. Pola horizontal atau stationary, bila nilai-nilai dari data observasi berfluktuasi
disekitar nilai konstan rata-rata. Dengan demikian dapat dikatakan pola ini
sebagai stationary pada rata-rata hitungnya (means).
2. Pola seasonal atau musiman, bila suatu deret waktu dipengaruhi oleh faktor
musim (seperti kuartalan, bulanan , mingguan dan harian).
3. Pola cyclical atau siklus bila data observasi dipengaruhi oleh fluktuasi ekonomi
jangka panjang yang berkaitan atau bergabung dengan siklus usaha (business
cycle).
4. Pola trend bila ada pertambahan atau kenaikan atau penurunan dari data obserfasi
untuk jangka panjang. Pola ini terlihat pada penjualan produk dari banyak
perusahaan. Pendapatan Domestik Nasional Bruto (GDP/GNP) dan indikator
ekonomi.
2.4.2 Model Peramalan Moving Averages
Metode moving averages diperoleh melalui penjumlahan dan pencarian nilai rata-
rata dari sejumlah periode tertentu, setiap kali menghilangkan nilai terlama dan
menambah nilai baru.
Keterangan:
= Nilai peramalan pada periode berikutnya
24
= Nilai aktual permintaan periode sebelumnya
n = Periode dalam rata-rata bergerak
Dengan tambahan bahwa satu nilai Y diganti setiap periode. Perhitungan rata-rata
dilakukan dengan bergerak ke depan untuk memperkirakan periode yang akan datang
dan dicatat dalam posisi terpusat pada rata-ratanya. Moving Averages secara efektif
meratakan dan menghaluskan fluktuasi pola data yang ada. Tentu saja semakin
panjang periodenya, semakin rata kurvanya. Kebaikan lainnya adalah bahwa metode
Moving Averages dapat diterapkan pada data apapun juga, apakah data sesuai dengan
kurva matematik atau pun tidak.
Kelemahan metode ini adalah tidak mempunyai persamaan untuk peramalan.
Sebagai gantinya digunakan rata-rata bergerak terakhir sebagai ramalan periode
berikutnya.
2.4.3 Model Peramalan Linier Moving Averages
Linier Moving Averages atau rata-rata bergerak linier melibatkan 3 aspek dalam
prosedur peramalannya, diantaranya sebagai berikut :
• Penggunaan Single Moving Average pada waktu t, dinotasikan dengan S’t.
• Penyesuaian, adalah selisih antara single dan double moving average pada
waktu t, dinotasikan dengan S’t – S’’t
• Penyesuaian untuk trend dari periode t ke periode t +1 (atau ke periode t + m
jika diinginkan peramalan untuk m periode)
25
2.4.4 Model Peramalan Exponential Smoothing
Exponential Smoothing adalah suatu tipe teknik peramalan rata-rata bergerak yang
melakukan penimbangan terhadap data masa lalu dengan cara eksponensial sehingga
data paling akhir mempunyai bobot atau timbangan lebih besar dalam rata-rata
bergerak. Dengan exponential smoothing sederhana, peramalan dilakukan dengan
cara ramalan periode terakhir ditambah dengan porsi perbedaan (disebut α) antara
permintaan nyata periode terakhir dan ramalan periode terakhir. Persamaan
exponential smoothing adalah :
Keterangan :
= Peramalan Pada Periode t
= Peramalan Pada Periode t-1
a. = Konstanta Pemulusan
= Data Permintaan Aktual pada Periode t-1
N = Banyaknya Periode Data Permintaan Aktual
Exponential smoothing sederhana tidak memperhitungkan trend , sehingga tidak
ada nilai a yang sepenuhnya menggantikan trend dalam data. Nilai-nilai a rendah
akan menyebabkan jarak yang lebih lebar dengan trend karena hal itu akan
memberikan bobot yang lebih kecil pada permintaan yang sekarang.
26
Nilai a yang rendah terutama cocok bila permintaan produk relatif stabil (yang
berat, tanpa trend atau variasi siklikal) tetapi variasi acak adalah tinggi. Nilai-nilai a
lebih tinggi adalah lebih berguna dimana perubahan - perubahan yang sesungguhnya
cenderung terjadi karena lebih responsif terhadap fluktuasi permintaan. Sebagai
contoh nilai a tidak mungkin cocok bagi industri barang-barang mode yang cepat dan
dramatik. Pengenalan-pengenalan produk baru, kampanye promosional, dan bahkan
antisipasi terhadap resesi juga memerlukan penggunaan nilai-nilai a yang lebih i.
Nilai α yang tepat pada umumnya dapat ditentukan dengan pengujian "trial -and-
eror" (coba-coba) terhadap a yang berbeda-beda untuk menemukan satu nilai α yang
menghasilkan kesalahan terkecil bila digunakan pada data masa lalu.
Dengan cara analogi yang dipakai waktu berangkat dari rata-rata bergerak tunggal
ke pemulusan {smoothing) eksponensial tunggal, kita juga dapat berangkat dari rata-
rata bergerak ganda ke pemulusan eksponensial ganda. Perpindahan seperti itu
mungkin menarik karena salah satu keterbatasan dari rata-rata bergerak tunggal yaitu
perlunya menyimpan N nilai terakhir masih terdapat pada rata-rata bergerak linear,
kecuali bahwa jumlah nilai data yang diperlukan sekarang adalah 2N-1. Pemulusan
eksponensial linear dapat dihitung hanya dengan tiga nilai data dan satu nilai untuk a.
Pendekatan ini juga memberikan bobot yang semakin menurun pada observasi masa
lalu. Perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai
pemulusan tunggal dan disesuaikan untuk trend. Adapun persamaannya sebagai
berikut:
27
2.4.5 Model Peramalan Linear Regretion
Model analisis garis kecenderungan dipergunakan sebagai peramalan apabila pola
hitoris data aktual permintaan menunjukan adanya suatu kecenderungan naik dari
waktu ke waktu. Model analisis garis kecenderungan yang paling sederhana adalah
menggunakan persamaan garis lurus (straight line equation), sebagai berikut:
1. Perhitungan slope
2. Perhitungan intercept
Nilai ramalan permintaan periode t
a + bt
Keterangan:
= Nilai ramalan pada periode t
a = intercept
28
b = Slope dari garis kecenderunga (trend line), merupakan tingkat
perubahan dalam permintaan
t = Indeks waktu
2.4.6 Analisis Kesalahan Peramalan
Beberapa alternatif analisis kesalahan peramalan yang digunakan adalah:
- Mean Squared Eror (MSE) :
Keterangan:
Nilai Tengah Kesalahan Kuadrat (Mean Squared Error)
- Mean Absolute Percentage Error (MAPE)
Keterangan:
Nilai Tengah Kesalahan Persentase Absolut (Mean Absolute Percentage Error)
Dua ukuran tersebut, merupakan alat evaluasi teknik-teknik peramalan untuk
berbagai macam parameter. Semakin rendah nilai MAPE dan MSE, peramalan
semakin baik (mendekati data masa lalu). Tetapi nilai terendah (kecuali nol) tidak
memberikan indikasi seberapa baik metode peramalan yang digunakan dibandingkan
dengan metode lainnya (Hendra Kusuma, 199:38).
29
2.5 Master Production Schedule (MPS)
Menurut Vincent Garpersz (Production planning and inventory control
2001, p141) Master Production Schedule (Penjadwalan Produksi Induk) adalah satu
aset perencanaan yang menggambarkan beberapa jumlah yang akan dibuat untuk
setiap end item pada periode tertentu.
Fungsi MPS, yaitu:
• Menjadwalkan jumlah tiap end item yang akan diproduksi.
• Memberikan input bagi MRP
• Merupakan dasar untuk menetapkan janji pengiriman kepada customer.
Sedangkan tujuan dari MPS adalah :
• Memenuhi target tingkat pelayanan terhadap customer.
• Mencapai target tingkat produksi tertentu.
Kriteria-kriteria yang ada dalam menyusun MPS adalah sebagai berikut :
• Kebutuhannya dapat diramalkan.
• Mempunyai Bill of Material (BOM) sehingga kebutuhan material atau
komponennya dapat diketahui.
• Dapat diperhitungkan dalam penentuan kapasitas.
• Menyatakan konfigurasi produk yang dapat dikirim.
Secara umum bentuk tabel MPS adalah sebagai berikut:
30
Tabel 2.1 Format Master Production Schedule
Description : Stock Awal :
Periode Past Due 1 2 3 4 5 6 7 8 9 10
Forecast Actual Order Project Available Balance Available To Promise Master Schedule
Keterangan untuk tabel diatas adalah sebagai berikut:
1) Description menyatakan deskripsi material secara umum.
2) Demand Time Fences (batas waktu pemintaan) merupakan batas waktu
penyesuaian permintaan. Panjangnya = assembly lead time. PAB dihitung
dari aktual demand. Disini perubahan demand tidak akan dilayani.
3) Planning Time Fences (batas waktu perencanaan) merupakan batas
waktu penyesuaian perencanaan pemesanan dimana demand masih boleh
berubah. Perubahan masih dilayani selama kapasitas dan material masih
tersedia. Panjangnya = kumulatif lead time antara purchasing lead
time (waktu untuk mendapatkan material), fabrication lead time ,
dan assembly lead time.
4) Forecast (peramalan) merupakan hasil peramalan sebelumnya sebagai hasil
dari perencanaan agregat.
5) Actual Order = AO (pemesanan sebenarnya) merupakan jumlah order yang
sudah diterima sebelumnya.
31
6) Project Available Balance = PAB (keseimbangan persediaan
terencana) merupakan perkiraan jumlah sisa produk pada akhir
periode. PAB dapat dihitung dengan rumus:
PABt = PABt-1 + MSt – AOt
PABDTF<t<PTF = PABt-1 + MSt – AOt atau Ft (Pilih yang paling besar)
7) Available To Promise = ATP merupakan jumlah yang dapat dijanjikan kepada
konsumen untuk bisa dipenuhi atau dengan kata lain ATP
merupakan jumlah material on hand pada inventory yang sebenarnya. ATP
dapat dihitung dengan rumus:
ATP = ATPt-1 + MSt – Actual Order ampai pada periode yang sudah
dijadwalkan pada master schedule.
8) Master Schedule (MS) merupakan jadwal produksi.
2.6 Material Requirement Planning (MRP)
Perencanaan kebutuhan material (MRP) adalah metode penjadwalan
untuk purchased planned order dan manufactured lanned order. (Vincent Gaspersz,
2004). Terdapat dua hal yang sekaligus ingin dicapai oleh MRP, yaitu
ingin memenuhi penjadwalan produksi dan pengendalian persediaan. MRP
akan menjamin secara tepat sistem prioritas yang harus diperhatikan dalam
merancang produksi dan dengan cepat memberikan informasi apabila
diperlukan peninjauan kembali terhadap penjadwalan karena adanya
perubahan-perubahan yang tidak terduga.
32
Sistem MRP adalah suatu sistem yang bertujuan untuk menghasilkan
informasi yang tepat untuk melakukan tindakan yang tepat (pembatalan pesanan,
pesan ulang, dan penjadwalan ulang). Tindakan ini juga merupakan dasar untuk
membuat keputusan baru mengenai pembelian atau produksi yang
merupakan perbaikan atas keputusan yang telah dibuat sebelumnya.
Ada 4 tujuan yang menjadi ciri utama sistem MRP, yaitu sebagai berikut :
1. Menentukan kebutuhan pada saat yang tepat
Menentukan secara tepat kapan suatu pekerjaan harus selesai atau material
harus tersedia untuk memenuhi permintaan atas produk akhir yang sudah
direncanakan dalam jadwal induk produksi.
2. Menentukan kebutuhan minimal setiap item
Dengan diketahuinya kebutuhan akhir, sistem MRP dapat
menentukan secara tepat sistem penjadwalan (prioritas) untuk
memenuhi semua kebutuhan minimal setiap item.
3. Menentukan pelaksanaan rencana pemesanan
Memberikan indikasi kapan pemesanan atau pembatalan pemesanan harus
dilakukan. Pemesanan perlu dilakukan lewat pembelian atau dibuat pada
pabrik sendiri.
4. Menentukan penjadwalan ulang atau pembatalan atas suatu jadwal
yang sudah direncanakan.
Apabila kapasitas yang ada tidak mampu memenuhi pemesanan
yang dijadwalkan pada waktu yang diinginkan, maka sistem MRP
33
dapat memberikan indikasi untuk melakukan rencana penjadwalan
ulang (jika mungkin) dengan menentukan prioritas pesanan yang realistik.
Ada tiga input yang di butuhkan oleh sistem MRP. Ketiga input itu adalah sebagai
berikut :
a. Jadwal induk produksi
b. Catatan kesehatan Persediaan
c. Struktur Produk
Jadwal induk produksi dibuat berdasarkan permintaan (yang diperoleh dari daftar
pesanan atau peramalan) terhadap semua produk jadi yang di buat. Hasil
peramalan (sebagai perencanaan jangka panjang) dipakai untuk membuat rencana
produksi agregat (sebagai perencanaan jangka menengah), yang pada
akhirnya dibuat rencana jangka panjang, yaitu menentukan jumlah
produksi yang dibutuhkan untuk setiap produk akhir beserta periode
waktunya untuk suatu jangka perencanaan.
Perencanaan jadwal induk produksi dilakukan dalam dua tahap.
Tahap pertama adalah menentukan besarnya kapasitas atau kecepatan
operasi yang diinginkan. Perencanaan ini biasanya dilakukan pada tingkat
agregat (dengan meminimalkan total biaya produksi untuk keseluruhan produk yang
dibuat) sesuai dengan kapasitas yang dimiliki. Tahap kedua perencanaan
adalah menentukan jumlah total tenaga kerja yang dibutuhkan di setiap
periode, jumlah mesin, dan jumlah shift kerja yang diperlukan untuk
penjadwalan. Output dari sistem MRP adalah berupa rencana pemesanan atau
34
rencana produksi yang dibuat atas dasar lead time. Lead time dari suatu
item yang dibeli adalah rentang waktu sejak pesanan dilakukan sampai
barang diterima. Lead time item yang dibuat adalah rentang waktu sejak
perintah pembuatan sampai dengan item selesai diproses.
Sistem MRP memiliki suatu prosedur tertentu. Agar prosedur ini
dapat diterapkan dengan hasil yang tepat, maka ada beberapa prinsip dan
persyaratan yang harus disertakan dalam penerapan sistem MRP. Sistem
MRP memiliki empat langkah utama yang selanjutnya keempat langkah ini harus
diterapkan satu per satu pada periode perencanaan dan pada setiap item.
Langkah-langkah tersebut adalah sebagai berikut:
• Lotting : Penentuan ukuran lot.
• Netting : Perhitungan kebutuhan bersih.
• Offsetting : Penetapan besarnya lead time.
• Explosion : Perhitungan selanjutnya untuk item level di bawahnya.
Dalam sistem MRP terdapat lima faktor yang menyebabkan
kesulitan dalam proses perhitungan. Kelima proses tersebut adalah sebagai berikut :
• Struktur Produk
Struktur Produk merupakan sesuatu yang mutlak harus ada untuk diterapkan
sistem MRP. Struktur produk yang rumit dan banyak levelnya akan membuat
perhitungan semakin kompleks terutama proses eksplosion. Proses eksplosion
merupakan suatu prosedur untuk menghitung jumlah kebutuhan kotor dalam
35
tingkat yang lebih bawah setelah dilakukan proses offsetting pada item
produknya.
• Ukuran Lot
Dalam sistem MRP dikenal berbagai macam teknik penentuan
lot. Berdasar tingkatannya, teknik penentuan lot dapat dikategorikan sebagai
berikut :
a. Teknik ukuran lot untuk satu tingkat dengan kapasitas tak terbatas.
b. Teknik ukuran lot untuk satu tingkat dengan kapasitas terbatas.
c. Teknik ukuran lot untuk banyak tingkat dengan kapasitas tak
terbatas.
d. Teknik ukuran lot untuk banyak tingkat dengan kapasitas terbatas.
Teknik penetapan ukuran lot dalam satu tingkat dengan asumsi kapasitas tak
terbatas dapat diklasifikasikan lagi ke dalam empat cara sebagai
berikut:
a. Fixed Order Quantity (FOQ)
Salah satu cirinya adalah ukuran lotnya selalu tetap, tetapi periode
pemesannya selalu berubah.
b. Economic Order Point (EOQ)
Metode ini biasanya dipakai untuk horizon perencanaan selama satu
tahun sebesar 12 bulan. Metode ini baik digunakan bila semua data konstan
dan perbandingan biaya pesan dan simpan sangat besar.
36
c. Lot For Lot (LFL)
Teknik ini digunakan untuk item-item yang mempunyai biaya
simpan per unit sangat mahal. Di samping itu, teknik ini sering
digunakan pada sistem produksi manufaktur yang mempunyai sifat set-up
permanen pada proses produksinya.
d. Fixed Period Requirement (FPR)
Dalam metode FPR penentuan ukuran lot didasarkan pada periode waktu
tertentu saja.
• Lead time yang berbeda-beda
Salah satu data erat kaitannya dengan waktu adalah lead time, dimana lead time
akan mempengaruhi offsetting. Lead time produksi juga akan tergantung pada
berapa jumlah produksi.
• Kebutuhan yang berubah
Sistem MRP dirancang untuk menjadi system yang fleksibel terhadap perubahan-
perubahan, baik perubahan dari luar (permintaan) maupun dari dalam (kapasitas).
Perubahan kebutuhan akan produk akhir tidak hanya berpengaruh pada
penentuan rencana pemesanan (timing) namun mempengaruhi pula penentuan
jumlah kebutuhan yang diinginkan.
• Komponen Umum
Komponen umum berarti komponen tersebut dibutuhkan lebih baik satu induk
item-nya.
37
2.6.1 Format MRP
Terdapat bermacam-macam format MRP. Intinya, format MRP
harus memberikan informasi yang dibutuhkan secara tepat. Tabel 2.2 menunjukkan
contoh format MRP yang akan digunakan dalam penelitian ini.
Tabel 2.2 Format MRP
Part No : Description : Lead Time : On Hand : Safety Stock : Lot Size : Bulan Februari 2009
Periode Past Due 1 2 3 4 5 6 Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipt Planned Order Release PAB 2
Dimana :
1) Bulan : Nama bulan yang akan dihitung MRP-nya.
2) Description menyatakan deskripsi material secara umum.
3) Part No. menyatakan kode komponen atau material yang akan dirakit.
4) Lead time menyatakan waktu yang dibutuhkan untuk me-release
atau memanufaktur suatu komponen.
38
5) Safety Stock menyatakan cadangan material yang harus ada di tangan
sebagai antisipasi kebutuhan di masa yang akan datang.
6) On Hand menyatakan jumlah material yang ada di tangan sebagai
sisa periode sebelumnya.
7) Lot size menyatakan penentuan ukuran lot saat memesan barang.
8) Gross Requirement menyatakan jumlah yang akan di produksi
atau dipakai pada setiap periode. Untuk end item (finished product), kuantitas
gross requirement sama dengan Master Production Schedule
(MPS). Untuk komponen, kuantitas gross requirement diturunkan dari
Planned Order Release induknya.
9) Scheduled Receipts menyatakan material yang dipesan dan akan diterima pada
periode tertentu.
10) Projected Available Balance 1 (PAB 1) menyatakan kuantitas material
yang ada di tangan sebagai persediaan pada awal periode. Projected
Available Balance 1 dapat dihitung dengan menambahkan material on
hand periode sebelumnya dengan Schedul Receipts pada periode itu dan
menguranginya dengan Gross Requirement pada periode yang sama. Atau jika
dimasukkan pada rumus adalah sebagai berikut :
PABt = PABt-1 – (Gross Requirement)t + (Schedule Receipts)
11) Net Requirement menyatakan jumlah bersih (netto) dari setiap komponen
yang harus disediakan untuk memenuhi induk komponennya atau untuk
39
memenuhi Master Production Scheduled. Net Requirement = 0
jika PAB > 0 dan Net Re quirement (-) PAB1 jika PAB1 < 0 .
12) Planned Order Receipts menyatakan kuantitas pemesanan yang
dibutuhkan pada suatu periode. Planned Order Receipts muncul pada saat
yang sama dengan Net Requirement, akan tetapi ukuran pemesanannya
(lot sizing) bergantung kepada order policy-nya. Selain itu juga
harus mempertimbangkan Safety Stock juga.
13) Planned Order Release menyatakan kapan suatu order sudah harus
di- release atau dimanufaktur sehingga komponen itu tersedia
ketika dibutuhkan oleh induk item-nya. Kapan suatu order harus
di-release ditetapkan dengan sebelum dibutuhkan.
14) Projected Available Balance2 (PAB2) menyatakan kuantitas material
yang ada di tangan sebagai persediaan pada akhir periode. Projected
Available Balance 2 dapat dihitung dengan cara mengurangkan Planned
Order Receipts pada Net Requirements.
PAB 2 = PABt-1 + (Schedule Receipts) - (Gross Requirement)t
+ (Planned Order Receipt)t
atau dapat disingkat :
PAB 2 = PABt + (Planned Order Receipt)t
40
2.7 Persediaan
2.7.1 Pengertian Persediaan
Persediaan meliputi semua barang dan bahan yang dimiliki oleh
perusahaan dan dipergunakan dalam proses produksi atau dalam
memberikan jasanya. (Donald J. Bowersox, 1995, p151).
2.7.2 Fungsi Persediaan
Persediaan dapat melayani beberapa fungsi yang akan menambahkan
fleksibilitas operasi perusahaan. Empat fungsi persediaan adalah :
1. Untuk men-”decouple” atau memisahkan beragam bagian proses
produksi.
2. Untuk men-decouple perusahaan dari fluktuasi permintaan dan
menyediakan persediaan barang – barang yang akan memberikan pilihan bagi
pelanggan.
3. Untuk mengambil keuntungan diskon kuantitas, sebab pembelian dalam jumlah
lebih besar dapat mengurangi biaya produksi atau pengiriman barang.
4. Untuk menjaga pengaruh inflasi dan naiknya harga. (Jay Heizer and
Barry Render, 2005, p60).
Untuk dapat mengakomodasi fungsi persediaan, maka suatu perusahaan memiliki
empat jenis persediaan yaitu :
41
• Persediaan bahan baku, yaitu material yang pada umumnya dibeli tetapi
belum memasuki proses produksi.
• Persediaan barang setengah jadi, yaitu produk atau komponen
yang tidak lagi berupa bahan baku tetapi belum menjadi produk jadi.
• Persediaan pemeliharaan / perbaikan / operasi, yaitu barang –
barang pemeliharaan, perbaikan, dan operasi.
• Persediaan barang jadi, yaitu sebuah produk akhir yang siap untuk
dijual, tetapi tetap merupakan sebuah aset dalam buku perusahaan. (Jay
Heizer and Barry Render, 2005, p61).
2.8 Simulasi
2.8.1 Pengertian Simulasi
Simulasi dapat diartikan sebagai suatu sistem yang digunakan untuk
memecahkan atau menguraikan persoalan – persoalan dalam kehidupan
nyata yang penuh dengan ketidakpastian dengan tidak atau menggunakan
model atau metode tertentu dan lebih ditekankan pada pemakaian komputer untuk
mendapatkan solusinya. (Thomas J. Kakiay, 2004, p1).
2.8.2 Keuntungan Simulasi
Berbagai keuntungan yang bisa diperoleh dengan memanfaatkan
simulasi, yaitu sebagai berikut :
42
1. Compress Time (Menghemat Waktu)
Kemampuan di dalam menghemat waktu ini dapat dilihat dari pekerjaan yang
bila dikerjakan akan memakan waktu tahunan tetapi kemudian dapat
disimulasikan hanya dalam beberapa menit, bahkan dalam beberapa
kasus hanya dalam hitungan detik. Kemampuan ini dapat dipakai oleh
para peneliti untuk melakukan berbagai pekerjaan desain operasional yang
mana juga memperhatikan bagian terkecil dari waktu untuk kemudian
dibandingkan dengan yang terdapat pada sistem nyata berlaku.
2. Expand Time (Dapat Melebar – luaskan Waktu).
Hal ini terlihat terutama dalam dunia statistik dimana hasilnya
diinginkan dapat tersaji dengan cepat. Simulasi dapat digunakan untuk
menunjukkan perubahan struktur dari suatu sistem nyata (real system)
yang sebenarnya tidak dapat diteliti pada waktu yang seharusnya (real time).
Dengan demikian simulasi dapat membantu mengubah real system
hanya dengan memasukkan sedikit data.
3. Control Sources of Variation (Dapat Mengawasi Sumber – sumber yang
Bervariasi).
Kemampuan pengawasan dalam simulasi ini tampak terutama apabila
analisis statistik digunakan untuk meninjau hubungan antara variabel
bebas (independent) dengan variabel terkait (dependent) yang
merupakan faktor – faktor yang akan dibentuk dalam percobaan. Hal ini dalam
kehidupan sehari – hari merupakan suatu kegiatan yang harus dipelajari
43
dan ditangani dan tidak dapat diperoleh dengan cepat. Dalam simulasi
pengambilan data dan pengolahannya pada komputer, ada beberapa
sumber yang dapat dihilangkan atau sengaja ditiadakan. Untuk memanfaatkan
kemampuan ini peneliti harus mengetahui dan mampu menguraikan
sejumlah input dari sumber – sumber yang bervariasi yang dibutuhkan oleh
simulasi tersebut.
4. Error In Meansurment Correction (Mengoreksi Kesalahan – kesalahan
Perhitungan).
Dalam prakteknya, pada suatu kegiatan ataupun percobaan dapat saja
muncul ketidak-benaran dalam mencatat hasil – hasilnya. Sebaliknya,
dalam simulasi komputer jarang ditemukan kesalahan perhitungan
terutama bila angka – angka diambil dari komputer secara teratur dan
bebas. Komputer mempunyai kemampuan untuk melakukan perhitungan dengan
akurat.
5. Stop Simulation and Restart (Dapat Dihentikan dan Dijalankan
Kembali).
Simulasi komputer dapat dihentikan untuk kepentingan peninjauan
ataupun pencatatan semua keadaan yang relevan tanpa berakibat buruk terhadap
program simulasi tersebut. Dalam dunia nyata, percobaan tidak dapat dihentikan
begitu saja. Dalam simulasi komputer, setelah dilakukan penghentian
maka kemudian dapat dengan cepat dijalankan kembali (restart).
6. Easy to Replicate (Mudah Diperbanyak).
44
Dengan simulasi komputer percobaan dapat dilakukan setiap saat dan
dapat diulang – ulang. Pengulangan dilakukan terutama untuk mengubah berbagai
komponen dan variabelnya, seperti dengan perubahan pada parameternya,
perubahan pada kondisi operasinya, ataupun dengan memperbanyak
output. (Thomas J. Kakiay, 2004, p3)
2.8.3 Jenis Simulasi
Beberapa jenis sistem simulasi yaitu sebagai berikut :
1. Identity Simulation (Simulasi Identitas).
Penggunaan identity simulation ini terlihat secara langsung.
Pendekatannya pun cukup sederhana. Pada umumnya banyak
meniadakan berbagai hal yang fundamental dari aturan pemodelan.
Identity simulation biasanya cukup mahal dan tidak begitu layak, hanya
memberikan sedikit kontrol atau bahkan tidak sama sekali terhadap
situasi atau keadaan untuk mendapatkan jawaban yang efektif.
2. Quasi Identity Simulation (Simulasi Identitas Semu).
Simulasi ini selangkah lebih maju dibanding identity simulation.
Simulasi identitas semu ini memodelkan berbagai aspek yang terkait
dari sistem yang sebenarnya dan dapat mengeluarkan unsur – unsur
yang dapat membuat setiap identity simulation tidak berfungsi dengan
baik.
3. Laboratory Simulation (Simulasi Laboratorium).
45
Simulasi ini lebih murah dan lebih layak daripada identity simulation
dan quasi identity simulation dan akan dapat memberikan jawaban yang lebih
esensial pada masa yang akan datang. Ada dua tipe laboratory
simulation yaitu :
• Operating Planning
Dalam operating planning menggunakan komputer untuk
mengumpulkan data dan untuk mengolah informasi dari para
pemain. Komputer memainkan peran penting untuk menjalankan
berbagai aksi secara random yang merupakan jawaban dari para
pemain.
• Man Machine Simulation
Simulasi ini memberikan sudut pandang lain dalam menyelidiki
berbagai konsep teknis dengan tujuan – tujuan tertentu. Disini aturan
permainan tidak begitu dipentingkan, sementara komputer –
komputer digunakan untuk mengolah dan menganalisis data.
4. Computer Simulational (Simulasi Komputer).
Simulasi ini hanya menggunakan komputer untuk memecahkan masalah sesuai
kebutuhan yang kemudian diprogramkan ke dalam komputer. Semua
tingkah laku yang dijadikan sebagai persoalan dialihkan ke dalam
program, termasuk ketentuan logika pengambilan keputusan dan pelaksanaannya.
(Thomas J. Kakiay, 2004, p11).