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. Sistem
Statis
Dinamis
Kontinu
Diskrit
Gambar 2.1 Macam-macam Sistem
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. Realitas
Diidentifikasi berdasarkan tujuan dari studi yang diharapkan Disarikan berdasarkan efisiensi representasinya
Sistem
Sumber : Khoshnevis (1994), hal 28
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
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 :
Masukan
Proses
Keluaran
Gambar 2.3 Kerangka Dasar Sistem Bila sistem beropersi dalam situasi tertentu, formula diatas berkembang menjadi seperti tampak pada gambar berikut
14
Tujuan Standar Performasi Konstrain
Masukan
Proses
Keluaran
Kontrol Umpan balik
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
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 (modelisasi
masalah)
dan
Based System) yang berupa pendefinisian unsur 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 objekobjek 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 ratarata 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 = Periode dalam rata-rata bergerak
n
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 -anderor" (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 ratarata 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 : Past Due
Periode
1
2
3
4
5
6
7
8
9
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
time (waktu
untuk
mendapatkan
lead
time
antara purchasing lead
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.
10
31
6) Project
Available
terencana)
Balance
merupakan
=
PAB
(keseimbangan
perkiraan jumlah
sisa produk
persediaan pada
akhir
periode. PAB dapat dihitung dengan rumus: PABt = PABt-1 + MSt – AOt PABDTF
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 akan
menjamin secara
produksi
peninjauan
persediaan. MRP
tepat sistem prioritas yang harus diperhatikan dalam
merancang produksi dan dengan cepat diperlukan
dan pengendalian
kembali
perubahan-perubahan yang tidak terduga.
memberikan
informasi
apabila
terhadap penjadwalan karena adanya
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
menentukan secara memenuhi 3.
kebutuhan
tepat sistem
akhir, sistem MRP penjadwalan
(prioritas)
dapat untuk
semua kebutuhan minimal setiap item.
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
yang dijadwalkan
ada tidak mampu
memenuhi
pada waktu yang diinginkan,
pemesanan
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
akhirnya dibuat
(sebagai perencanaan rencana
produksi
yang dibutuhkan
waktunya
untuk
Perencanaan Tahap pertama
jangka
jangka
panjang,
menengah),
yang
yaitu menentukan
untuk setiap produk
pada jumlah
akhir beserta periode
suatu jangka perencanaan. jadwal
induk produksi
adalah menentukan
operasi yang diinginkan. Perencanaan
dilakukan
besarnya ini biasanya
dalam
kapasitas dilakukan
dua tahap.
atau kecepatan 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 item yang
dibeli
adalah
rentang
barang diterima. Lead time
waktu
sejak pesanan
dari suatu
dilakukan
sampai
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 MRP
harus disertakan
dalam
penerapan
sistem MRP.
Sistem
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 perubahanperubahan, 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 Lead Time
:
Description
:
:
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
atau memanufaktur suatu komponen.
yang
dibutuhkan
untuk
me-release
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
ketika dibutuhkan
sehingga
oleh induk item-nya.
komponen Kapan
itu tersedia
suatu order harus
di-release ditetapkan dengan sebelum dibutuhkan. 14) Projected Available Balance2 (PAB2) yang ada di tangan sebagai persediaan
menyatakan kuantitas material 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 perusahaan
meliputi dan
semua barang
dipergunakan
dalam
dan
bahan
proses
yang
produksi
dimiliki oleh 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 memecahkan
dapat
diartikan sebagai suatu sistem yang
atau menguraikan
digunakan
untuk
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
simulasi, yaitu sebagai berikut :
yang
bisa diperoleh
dengan
memanfaatkan
42
1. Compress Time (Menghemat Waktu) Kemampuan di dalam menghemat waktu ini dapat dilihat dari pekerjaan yang bila dikerjakan disimulasikan kasus hanya
akan
memakan
hanya
dalam
dalam hitungan
waktu beberapa
tahunan menit,
tetapi kemudian dapat bahkan
detik. Kemampuan
dalam beberapa
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
analisis
statistik
bebas
(independent)
dalam
digunakan
simulasi
ini
untuk meninjau
dengan
variabel
tampak
terutama
apabila
hubungan
antara
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
simulasi
dalam
komputer
mencatat
jarang
hasil
ditemukan
–
hasilnya. kesalahan
Sebaliknya, 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
kepentingan
peninjauan
Kembali). Simulasi
komputer
dapat
dihentikan
untuk
ataupun pencatatan semua keadaan yang relevan tanpa berakibat buruk terhadap program simulasi tersebut. Dalam dunia nyata, percobaan tidak dapat begitu
saja. Dalam
simulasi
komputer,
setelah dilakukan penghentian
maka kemudian dapat dengan cepat dijalankan kembali (restart). 6. Easy to Replicate (Mudah Diperbanyak).
dihentikan
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
perubahan
pada
kondisi
operasinya,
ataupun
pada parameternya,
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
Pendekatannya meniadakan
pun
simulation cukup
ini
sederhana.
terlihat Pada
berbagai hal yang fundamental
secara umumnya
langsung. banyak
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
mengumpulkan
planning
menggunakan
data dan untuk
pemain.
Komputer
memainkan
berbagai
aksi secara random
komputer
mengolah
informasi
peran penting
yang merupakan
untuk
dari para
untuk menjalankan 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 tingkah
yang kemudian laku yang
diprogramkan
dijadikan
sebagai
ke dalam persoalan
komputer. Semua
dialihkan
ke dalam
program, termasuk ketentuan logika pengambilan keputusan dan pelaksanaannya. (Thomas J. Kakiay, 2004, p11).
