BAB 2 LANDASAN TEORI 2.1
Pareto Chart Pareto Chart merupakan jenis khusus dari suatubar chart dimana nilai-nilai diplot dan disusun dengan urutan dari terbesar ke terkecil.Kejadian-kejadian atau hal-hal yang paling sering terjadi dapat diketahui dengan menggunakan sebuah Pareto Chart.Sebagai contoh, dalam sebuah fasilitas jasa ingin mengetahui penyebab paling sering terjadi yang menyebabkan pelanggan mengeluh, situasi tersebut dapat menggunakan Pareto Chart.Pareto Chartdibuat dengan menggunakan data-data yang sudah dikumpulkan, seperti data keluhan pelanggan pada suatu fasilitas jasa.Hanya cacat atau penyebab utama dari suatu studi kasus yang diidentifikasi dengan menggunakan Pareto Chart.Oleh karena itu, penyebab utama suatu masalah atau studi kasus akan berkurang apabila sebagian besar masalah yang menyebabkan terjadinya hal tersebut akan menurun (Yonatan Mengesha, 2013, pp. 4-6). Pareto Chart merupakan suatu alat yang memungkinkan peneliti dari suatu studi kasus dapat mengekspos penyebab paling penting suatu masalah, oleh karena itu metode ini lebih efisien diantara metode pemecahan masalah yang lain. Dengan menggunakan metode ini, apabila terdapat suatu pertanyaan yang menyangkut mengenai kriteria apa yang dapat diandalkan serta dilakukan oleh peneliti untuk memantau studi kasus yang sedang diteliti, Pareto Chart dapat digunakan untuk menjawab hal tersebut (Abdelazis Boumahdi, 2013, p. 11). Berdasarkan pada penelitian Vilfredo Pareto, seorang pakar ekonomi Italia, menyebutkan bahwa sebesar 80% dari kekayaan di Italia dikendalikan oleh 20% dari populasi manusia yang tinggal di Italia. Hasil dari penelitian ini mengarah pada prinsip pareto atau dikenal sebagai aturan 80-20. Sebagai contoh, dalam sebuah bisnis, sebesar 20% dari kekuatan penjualan menghasilkan sebesar 80% penjualan.Hal tersebut merupakan prosedur dan gambaran secara umum mengenaiPareto Chart(Kolarik, 1999).
2.2
Perancangan Tata Letak Fasilitas (PTLF) Perancangan Tata Letak Fasilitas (PTLF) merupakan langkah penting yang mungkin memiliki pengaruh besar pada keberhasilan suatu pabrik atau tempat penyimpanan, terutama ketika permintaan tidak pasti dan variabel.Agar melawan variabilitas ini, salah satu dari dua strategi umumnya diadopsi, yaitu identifikasi baik yang kuat atau tata letak yang tangkas.Konfigurasi fasilitas adalah relevansi yang cukup besar untuk manufaktur sistem saat ini, karena secara signifikan mempengaruhi kinerja sistem produksi.Ketika fasilitas secara optimal diatur, perusahaan dapat mengurangi biaya produk, sehingga meningkatkan posisi kompetitif mereka.Tujuan utama PTLF adalah untuk meminimalkan biaya material handling antara mesin-mesin atau produk, sehingga membutuhkan, sebagai langkah pertama, spesifikasi lokasi relatif dari setiap sumber daya.Langkah kedua adalah relevan dengan solusi dari masalah tata letak rinci(Marcello Braglia, 2003, p. 1). 5
6 5S, alat dasar Lean, adalah yang paling sederhana untuk mengimplementasikan untuk mengatur dan standardisasi tempat kerja.5S digambarkan sebagai teknik untuk membangun dan mempertahankan kualitas lingkungan dalam suatu organisasi. 5S adalah proses perbaikan alat berbasis tim yang berfokus pada menciptakan ketertiban di lingkungan kerja, dan pemeliharaan secara preventif. Masing-masing S yaitu, Sort, Set to order, Shine, Standardize, dan Sustain. Hal terebut merupakan tindakan yang diperlukan untuk menciptakan lingkungan kerja yang diinginkan.Hasil dari 5S adalah departemen yang terorganisasi dengan baik, di mana karyawan dapat dengan mudah membedakan kondisi umum dan tidak umum untuk memastikan pengurangan cacat dan biaya, serta untuk mempertahankan lingkungan kerja yang aman. Selain itu, sebagian besar profesional 5S Jepang mempertahankan bahwa 5S tidak hanya meningkatkan lingkungan fisik tetapi juga proses berpikir. Baru-baru ini, alat ini berhasil digunakan dalam seluruh industri kesehatan.Tradisional 5S singkatan dari limakata Jepang yaitu,Seiri, Seiton, Seiso, Seiketsu, dan Shitsuke.Setelah popularitas besar di Jepang, manfaatnya tersebar di negara-negara barat dan diterjemahkan dalam bahasa Inggris (Sanjith Venkateswaran, 2013, pp. 3-4). 2.3
Forecasting Forecastingmerupakan permulaan dari sebuah proses pengambilan keputusan dalam skala besar. Terdapat beberapa karakteristik forecasting yang baik, yaitu (Ginting, 2007, pp. 31-34): a. Keakuratan. Keakuratan forecasting dari hasil perhitungan dengan hasil dari kebiasaan dan konsitensi forecasting. Hasil forecasting dikatakan menjadi bias jika hasil dari forecasting tersebut terlalutinggi atau rendah dibandingkan dengan realita yang sebenarnya terjadi. b. Biaya. Biaya dibutuhkan dalam pembuatan sebuah forecast dari jumlah produk, panjang dari periode untuk forecast, dan metode forecasting yang digunakan. c. Kemudahan. Penggunaan dari metode forecasting ini sederhana, mudah untuk dibuat, mudah untuk diaplikasikan, dan menguntungkan perusahaan.
7
Taksonomi dari forecasting adalah sebagai berikut:
Sumber: (Ginting, 2007, p. 41)
Gambar 2.1 TaksonomiForecasting Model kualitatif (Judgement Method) secara umum adalah subjektif, dipengaruhi oleh intuisi, emosi, edukasi, dan pengalaman.Oleh karena itu, hasil forecasting dari satu orang dengan orang lainnya dapat berbeda.Sedangkan model kuantitatif didasarkan pada penggunaan dari analisis hubungan antara variabel-variabel untuk diestimasikan dengan variabel waktu (time series) atau bukan waktu kausal. Berikut merupakan metode-metode yang umum digunakan dalam forecasting(Ginting, 2007, pp. 51-55): a. Weighted Moving Average
Dimana: W1 = weightdiberikan di periode t-1 W2 = weight diberikan di periode t-2 Wn = weightdiberikan di periode t-n
8 n
= jumlah periode
b. Double Exponential Smoothing 1) Satu parameter (Brown Linear Method) Merupakan metode yang hampir sama dengan metode linear moving average, disesuaikan dengam menambahkan satu parameter. S’t = α Xt + (1-α) S’t-1 S”t = α S’t + (1-α) S”t-1 Dimana S’t merupakan single exponential smoothing, sedangkan S”t merupakan double expontial smoothing. at = S’t + (S’t – S”t) = 2S’t – S”t bt = (α / (1– α)) (S’t – S”t) Rumus perhitungan forecasting pada periode ke t adalah sebagai berikut: Ft+m = at + bt m 2) Dua parameter (Holt Method) Merupakan metode untuk time series dengan pola linear. Terdapat konstanta yaitu α dan β. Adapun rumus pada metode ini adalah sebagai berikut: St = α Dt + (1– α) (St-1 + Gt-1) Gt = β (St– St-1) + (1– β) Gt-1 Dimana Stmerupakanintercept pada waktu t, sedangkan Gt merupakan slope pada waktu t. Adapun rumus perhtiungan peramalan pada periode ke t adalah sebagai berikut: Ft+m = St Gt m c. Regresi Metode kecenderungan dengan regresi merupakan dasar garis kecenderungan untuk suatu persamaan, sehingga dengan dasar persamaan tersebut dapat diproyeksikan hal-hal yang akan diteliti pada masa yang akan datang. Untuk forecasting jangka pendek dan jangka panjang, ketepatan forecast dengan metode ini sangat baik. Bentuk fungsi dari metode ini dapat berupa: 1) Konstan, dengan fungsi peramalan (Yt): Yt = a, dimana a = ∑YI/N Dimana: Yt = nilai tambah N = jumlah periode 2) Linier, dengan fungsi peramalan:
9
Yt = a + bt Dimana: a = (Y – bt)/n b = n∑ty – ∑(t) ∑(y) 2.3
Inventory Management Inventory management adalah sebuah kegiatan mengenai manajemen operasi yang utama.Inventory management yang baik sangat penting untuk keberhasilan operasi dalam bisnis dan rantai suplai.Inventory merupakan sebuah stock atau store of goods(Stevenson, 2009, p. 549). a. Inventory Cost Terdapat tiga biaya dasar pada inventory management, yaitu(Stevenson, 2009, p. 556): 1) Biaya Simpan (Holding Cost) Biaya simpanmerupakan biaya yang memiliki hubungan secara fisik pada barang dalam penyimpanan. 2) Biaya Pesan (Order Cost) Biaya pesanmerupakan biaya yang berhubungan dengan aktivitas memesan dan menerima inventory. 3) Biaya Kekurangan (Shortage Cost). Ketika permintaanmelebihi persediaan inventory di tangan, maka biaya tersebut disebut dengan shortage cost. b. Economic Order Quantity (EOQ) EOQ digunakan untuk mengidentifikasi ukuran pesanan yang tetap, yang akan meminimasi jumlah annual cost dari order cost dan holding costuntuk inventory. Berikut merupakan rumus yang digunakan untuk menghitung EOQ(Stevenson, 2009, p. 559):
Dimana: Qo = kuantitas order (unit) D = permintaan annual S = biaya pesan (order cost) H = biaya simpan (holding cost) Adapun metode ini dapat digunakan apabila hanya satu produk yang terlibat, annual demand diketahui, lead time tidak bervariasi, setiap order diterima dalam satu pengiriman, dan permintaan tersebar merata sepanjang tahun sehingga tingkat demand cukup konstan. Untuk mengetahui metode yang baik, maka dilakukan sebuah perbandingan yang membandingkan total cost.Metode yang baik akan menghasilkan total cost yang kecil. Berikut merupakan rumus dari total cost untuk metode EOQ (Stevenson, 2009, p. 562):
10
TC = (Qo/2)*H + (D/Qo)S Dimana: TC = totalbiaya c. Wagner Within Algorithm Algoritma adalah sebuah prosedur dimana mencapai sebuah solusi dari masalah yang diberikan dengan proses yang berulang. Prosedur algoritma lebih kompleks dibandingkan dengan mensubtitusikan ke dalam sebuah persamaan.Algoritma Wagner Within menentukan sebuah solusi yang optimum untuk masalah jumlah pemesananyang dinamis dengan jangka waktu yang ditentukan.Hal tersebut membutuhkan semua periode permintaan dan periode dalam jangka waktu perencanaan ditentukan secara pasti, serta pemesananpemesanan tersebut ditempatkan untuk menentukan kedatangan dari barang atau produk pada awal periode waktu.Algoritma Wagner Within adalah sebuah pendekatan pemrograman dinamis yang bisa digunakan untuk menentukan minimum biaya yang dapat dikendalikan. Metode tersebut menggunakan beberapa teorema dalam perhitungan sebagaimana dijelaskan oleh langkah-langkah berikut (Tersine, 1994, pp. 182-183): 1) Hitung total matriks biaya variabel dari semua alternatif pemesanan yang mungkin untuk sebuah jangka waktu yang terdiri dari N periode. Jumlah biaya variable terdiri dari biaya pemesanan dan biaya penyimpanan. Tentukan Zce untuk menjadi total variabel yang dibutuhkan dalam periode c melalui e: Zce = C + hP
untuk 1 ≤ c ≤ e ≤ N
Dimana: C = biaya pesan setiap pemesanan h = biaya penyimpanan setiap periode P = biaya pembelian unit Qce = Rk = demand rate di periode k 2) Tentukan fe untuk menjadi biaya yang seminimum mungkin dalam periode 1 melalui e, diketahui bahwa tingkat inventory pada akhir dari periode e adalah nol. Algoritma tersebut dimulai dengan fo = 0 dan hitung f1, f2, …,fN dalam pesanan tersebut. Kemudian, fe dihitung dari kecil ke yang paling besar menggunkan rumus berikut: fe
= Min (Zce + fc-1)
untuk c = 1, 2, .., e
Dengan kata lain, untuk masing-masing periode semua kombinasi dari alternatif pemesanan dan suplementari strategi fe dibandingkan. Kombinasi yang paling baik (biaya paling rendah) adalah dicatat sebagai strategi fe untuk menentukan kebutuhan untuk periode 1
11 melalui e. Nilai dari fN adalah biaya dari jadwal pemesanan yang optimal. 3) Untuk menerjemahkan solusi yang optimum (fN) ditentukan dengan algoritma ke kuantitas pemesanan, diaplikasikan sebagai berikut: fN
= ZwN + fw-1
fw-1
= Zvw-1 + fv-1 • •
Fu-1
= Z1u-1 + f0
Pemesanan akhir terjadi pada periode w dan untuk menentukan permintaan di periode w melalui N. Pemesanan utama pada akhir pemesanan terjadi pada periode v melalui w-1.Pemesanan pertama terjadi di periode 1 dan menentukan permintaan di periode 1 melalui u-1. d. Silver Meal Algorithm Edward Silver dan Harlan Meal mengembangkan sebuah algoritma heuristic lot sizing yang didasarkan pada biaya periode terakhir.Metode ini menentukan biaya rata-rata setiap periode sebagai jumlah periode dalam suatu pemesanan tambahan yang naik.Suatu pemesanan tambahan direncanakan ketika biaya rata-rata setiap periode pertama meningkat. Pesanan tambahan direncanakan untuk periode pertama dengan sebuah persyaratan bersih yang positif dan semua periode yang berturut-turut dimana biaya rata-rata setiap periode pertama meningkat. Jika sebuah pemesanan datang pada awal dari periode pertama dan menutup persyaratan melalui akhir dari periode ke-T, total biaya yang relevan setiap periode adalah sebagai berikut (Tersine, 1994, pp. 186-187):
Dimana: C h P Ph TRC(T) T Rk
= biaya pesan setiap pemesanan = biaya simpan setiap periode = biaya pembelian = biaya pesan setiap periode = total biaya yang relevan lebih dari T periode = waktu persediaan dari penambahan dalam periode = tingkat permintaan dalam periode k
Tujuan metode ini adalah untuk memilih T untuk meminimalkan total biaya yang relevan setiap periode. Evaluasi yang heuristis meningkatkan nilai T hingga:
12
Kuantitas tambahan Q diasosiasikan dengan nilai tertentu dari T adalah sebagai berikut:
Silver Meal menjamin hanya sebuah minimum local untuk penambahan saat ini.Hal tersebut mungkin bahwa nilai T yang lebih besar dapat menghasilkan bahkan biaya yang lebih rendah setiap waktunya, namun kemungkinan dari peningkatan pada kasus nyata yang sering terjadi adalah kecil.
