BAB 2 LANDASAN TEORI
2.1
Produksi Aktivitas produksi sebagai suatu bagian dari fungsi organisasi perusahaan yang bertanggung jawab terhadap pengolahan bahan baku menjadi produksi jadi yang dapat dijual. Terdapat tiga fungsi utama dari kegiatan produksi yang dapat kita identifikasi, yaitu (Nasution, 2003): a. Proses produksi, yaitu metode dan teknik yang digunakan dalam mengolah bahan baku menjadi produk. b. Perencanaan produksi, yaitu merupakan tindakan antisipasi di masa mendatang sesuai dengan periode waktu yang direncanakan. c. Pengendalian produksi, yaitu tindakan yang menjamin bahwa semua kegiatan yang dilaksanakan dalam perencanaan telah dilakukan dengan target yang telah ditetapkan. Perencanaan produksi sangat penting bagi perusahaan manufaktur seperti PT. KHI Pipe Industries. Perencanaan produksi yang baik akan mengurangi terjadinya dead stock karena produksi dilaksanakan sesuai dengan kebutuhan pasar.
2.1.1. Sistem Produksi Menurut Tujuan Operasi Terdapat empat jenis sistem produksi, yaitu (Nasution, 2003): a. Engineering to Order (ETO), yaitu bila pemesan meminta produsen untuk membuat produk yang dimulai dari proses perancangannya (rekayasa). b. Assembly to Order (ATO), yaitu bila produsen membuat desain standar, modul-modul opsinya standar yang sebelumnya dan merakit suatu kombinasi tertentu dari modul-modul tersebut bisa dirakit untuk berbagai tipe produk. c. Make to Order (MTO), yaitu bila produsen menyelesaikan item akhirnya jika dan hanya jika telah menerima pesanan kondumen untuk item tersebut. Bila item tersebut bersifat unik dan mempunyai desain yang dibuat menurut pesanan, maka konsumen mungkin bersedia menunggu hingga produsen dapat menyelesaikannya. d. Make to Stock (MTS), yaitu bila produsen membuat item-item yang diselesaikan dan ditempatkan sebagai persediaan sebelum pesanan konsumen diterima. Item akhir tersebut baru akan dikirim dari sistem persediaannya setelah pesanan konsumen diterima. 2.2
Sistem Analisis dan Desain Sistem informasi adalah komponen komputer yang saling berhubungan yang mengumpulkan, memproses, menyimpan dan menyediakan informasi yang dibutuhkan untuk menyelesaikan pekerjaan. Dalam menciptakan sistem informasi ada beberapa hal yang harus dilakukan, yaitu (Satzinger, Jackson, & Burd, 2012): 5
6 a. Sistem Analisis Sistem analisis merupakan aktivitas-aktivitas yang dilakukan untuk mengerti apa yang harus dapat dicapai oleh sistem baru. b. Sistem Desain Sistem desain adalah rancangan sistem secara detail agar dapat menyelesaikan permasalahan yang diperlukan. 2.2.1 Unified Modeling Language (UML) Merupakan salah satu cara dalam menggambarkan desain sistem dengan berbasiskan objek. UML adalah kumpulan model dan notasi standar yang didefinisikan oleh Object Management Group (OMG). Dengan menggunakan UML analyst dan end user () dapat mengerti diagram yang digunakan dalam pengembangan sistem. Terdapat beberapa diagram dalam UML, yaitu (Satzinger, Jackson, & Burd, 2012): a. Use Case Diagram Use Case Diagram adalah model grafis yang merangkum informasi tentang aktor dan use case. Use case terdiri dari empat notasi, yaitu aktor, use case, connecting line dan automation boundary.
Gambar 2.1 Contoh Use Case Diagram Sumber: Satzinger, Jackson, & Burd, 2012: 17 b. Activity Diagram Activity diagram mendeskripsikan berbagai aktivitas user, siapa yang melakukan aktivitas dan urutan dari aktivitas tersebut.
7
Gambar 2.2 Contoh Activity Diagram Sumber: Satzinger, Jackson, & Burd, 2012: 18
c. Use Case Description Use case description adalah deskripsi mengenai proses secara detail dalam use case diagram. Terdapat tiga tingkat dalam use case description, yaitu brief description, intermediate description dan fully developed description. 1. Brief description digunakan untuk use case yang sangat mudah. 2. Intermediate-level use case description menjelaskan lebih detail brief description, termasuk alur internal aktivitas pada use case. 3. Fully developed description merupakan metode paling formal dalam mendokumentasikan use case. Pada tingkatan ini semua komponen dijelaskan secara terperinci.
Gambar 2.3 Contoh Use Case Description Sumber: Satzinger, Jackson, & Burd, 2012: 123
8 d. Domain Class Diagram Domain class diagram digunakan untuk menggambarkan kelas objek pada sebuah sistem dan bagaimana hubungan antar setiap kelas objek.
Gambar 2.4 Contoh Domain Class Diagram Sumber: Satzinger, Jackson, & Burd, 2012: 16
e. Sequence Diagram System sequence diagram merupakan diagram yang digunakan untuk menggambarkan urutan dari pesan antara aktor eksternal dengan sistem selama use case atau skenario.
Gambar 2.5 Contoh Sequence Diagram Sumber: Satzinger, Jackson, & Burd, 2012: 127 2.3
Decision Support System (DSS) DSS adalah sistem informasi berbasis komputer yang menyediakan informasi yang informatif untuk mendukung manager dalam proses pembuatan keputusan (O'Brien & Marakas, 2010). Dengan menggunakan DSS, maka dapat membantu PT KHI Pipe Industries dalam menentukan berapa jumlah produksi
9 yang optimal agar seluruh permintaan dapat terpenuhi. Decision Support System terdiri dari empat bagian, yaitu: 1. Model Analitik (Model Matematik) 2. Database 3. Knowledge Management 4. User Interface 2.4
Forecasting Setiap perusahaan yang akan melakukan produksi, pada dasarnya harus dilakukan peramalan, untuk mengetahui jumlah permintaan di masa yang akan datang. Dengan mengetahui jumlah permintaan yang akan datang, maka dapat melakukan penjadwalan proses produksi dan penjadwalan pemesanan barang bagi PT KHI Pipe Industries, sehingga dapat mengurangi kemungkinan terjadinya kelebihan produksi. Berikut definisi peramalan menurut para ahli: 1. Menurut Arman Hakin Nasution (2003), Peramalan adalah proses untuk memperkirakan beberapa kebutuhan di masa mendatang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan permintaannya relatif kecil. Tetapi peramalan akan sangat dibutuhkan bila kondisi permintaan pasar bersifat komplek dan dinamis. 2. Menurut Teguh Baroto (2002), peramalan digunakan sebagai dasar untuk menentukan kebijakan pengendalian dari sistem persediaan (inventory), membuat perencanaan produksi, pembebanan mesin, menentukan kebutuhan mesin, peralatan, bahan, serta untuk menentukan tingkat tenaga kerja selama periode produksi. 3. Menurut Nahmias (2009), peramalan memainkan peran sentral dalam fungsi operasi dari suatu perusahaan. Penjualan produk baru dan yang sudah ada, kebutuhan bahan baku, ketersediaan bahan baku dan kapasitas persyaratan hanya beberapa faktor yang mempengaruhi keberhasilan di masa depan bagi perusahaan.
2.4.1 Peramalan Permintaan Menurut Arman Hakim Nasution, peramalan permintaan menjadi masukan yang sangat penting dalam keputusan perencanaan dan pengendalian perusahaan (Nasution, 2003). Karena bagian operasional produksi bertanggung jawab terhadap pembuatan produk yang dibutuhkan konsumen, maka keputusan-keputusan operasi produksi sangat dipengaruhi hasil dari peramalan permintaan.
10 2.4.2 Pola Permintaan Setiap jenis perusahaan memiliki jenis pola permintaan yang berbeda pula. Menurut Teguh Baroto, pola permintaan dapat diketahui dengan membuat “Scatter Diagram”, yaitu pemplotan data historis secara interval waktu tertentu (Baroto, 2002). Dalam Time Series terdapat empat jenis pola permintaan, yaitu (Baroto, 2002): 1. Pola Trend Bila data permintaan menunjukkan pola kecenderungan gerakan penurunan atau kenaikan jangka panjang. Data yang kelihatannya berfluktuasi, apabila dilihat pada rentang waktu yang panjang akan dapat ditarik suatu garis maya. Metode peramalan yang sesuai adalah metode regresi linear, exponential smoothing, atau double exponential smoothing.
Gambar 2.6 Fluktuasi Permintaan Berpola Trend Sumber: Baroto, 2012: 32
2. Pola Musiman Bila data yang kelihatannya berfluktuasi, namun fluktuasi tersebut akan terlihat berulang dalam suatu interval waktu tertentu, maka data tersebut berpola musiman. Disebut pola musiman karena permintaan ini biasanya dipengaruhi oleh musim, sehingga biasanya interval pengulangan data ini adalah satu tahun. Metode peramalan yang sesuai dengan pola musiman adalah metode winter (sangat sesuai), atau moving average atau weight moving average.
Gambar 2.7 Fluktuasi Permintaan Berpola Musiman Sumber: Baroto, 2012: 33
11 3. Pola Siklikal Bila fluktuasi permintaan secara jangka panjang membentuk pola sinusoid gelombang atau siklus. Pola siklikal mirip dengan pola musiman, pola musiman tidak harus berbentuk gelombang, bentuknya dapat bervariasi namun waktunya akan berulang setiap tahun, pola siklikal bentuknya selalu mirip gelombang sinusoid. Metode yang sesuai bila data berpola siklikal adalah metode moving average, weight moving average dan exponential smoothing.
Gambar 2.8 Fluktuasi Permintaan Berpola Siklis Sumber : Baroto, 2012: 34 4. Pola Acak Bila fluktuasi data permintaan dalam jangka panjang tidak dapat digambarkan oleh ketiga pola lainnya. Fluktuasi permintaan bersifat acak atau tidak jelas. Tidak ada metode peramalan yang direkomendasikan untuk pola ini. Hanya saja, tingkat kemampuan seorang analis peramalan sangat menentukan dalam pengambilan kesimpulan mengenai pola data, seorang analisis untuk sama mungkin menyimpulkan berpola random dan analisis lainnya menyimpulkan musiman. Jika pola data acak, maka perlu secara subjektif dalam melakukan peramalan.
Gambar 2.9 Fluktuasi Permintaan Berpola Acak Sumber: Baroto, 2012: 35
Dengan mengetahui jenis pola permintaan apa yang terdapat pada PT KHI Pipe Industries, maka dapat diketahui metode perhitungan forecast yang sesuai untuk PT KHI Pipe Industries.
12 2.4.3 Metode Forcasting Menurut Baroto, Untuk membuat peramalan permintaan harus menggunakan suatu metode tertentu. Pada dasarnya semua metode peramalan memiliki ide sama, yaitu menggunakan data masa lalu untuk memperkirakan atau memproyeksikan data di masa yang akan datang. Metode yang digunakan dalam penelitian ini adalah menggunakan metode Holt, Brown dan Winter. 1. Metode Holt (Double Exponential Smoothing Double Parameter)
St = αDt + (1 − α)(St −1 + Gt −1 )
Gt = β(St − St−1 ) + (1 − β)Gt−1 F t, t + τ = S
t
+ τG
t
Dimana:
St Gt α β Ft τ
= Intercept of period t = Slope of period t = Smoothing constant of intercept = Smoothing constant for slope = Forecast amount period t = Range of forecast period
2. Metode Brown (Double Exponential Smoothing Single Parameter)
S't = αDt + (1 − α)S't −1
S''t = αS't +(1− α)S''t−1 a t = 2S't −S'' t bt =
α (S' t − S' ' t ) 1− α
Ft = a t −1 + bt−1N Dimana :
S't = Single Exponential Smoothing period t S' 't = Double Exponential Smoothing period t α
= Smoothing Constant
bt at Ft
= Slope = Intercept = Forecast amount period t
3. Metode Winter (Exponential Smoothing Triple Parameter) D S t = α t C t−N
+ (1 − α )(S t −1 + G t −1 )
Gt = β (St − St −1) + (1− β )Gt −1
13 D C t = γ t + (1 − γ )C t − N St F t, t + τ = (S t - 1 + τG t - 1 )C t − τ − N
Dimana:
St
= Series of period t
Gt Ct
= Trend of period t
α β γ Ft τ
N
= Seasonal of period t = Smoothing constant for series = Smoothing Constant for trend = Smoothing Constant for seasonal = Forecast at period t = Range of forecast period = Number of the time series
2.4.4 Ukuran Akurasi Hasil Peramalan Besarnya kesalahan peramalan dapat dihitung dengan beberapa cara, seperti (Nahmias, 2009): 1. MSE (Mean Square Error)
2. MAPE (Mean Absolute Percentage Error)
Dimana: Dt = order pada periode t Ft = forecast pada periode t n = jumlah periode Dengan menggunakan ukuran-ukuran di atas, maka dapat diketahui apakah hasil dari perhitungan metode forecasting mendekati dengan kenyataan yang terjadi di PT KHI Pipe Industries atau tidak. Apabila mendekati dengan kenyataan, maka metode forecasting tersebut dapat digunakan untuk forecasting pada periode berikutnya. 2.4.5 Karakteristik Peramalan
1. 2. 3. 4. 5.
Terdapat beberapa karakteristik peramalan yaitu (Nahmias, 2009): Tidak selalu benar. Semakin banyak perbandingan data, semakin baik. Agregat forecast lebih akurat. Semakin pendek forecast horizon, semakin akurat. Perhatikan informasi tambahan.
14 2.5
Inventory Menurut Arman Hakim Nasution, inventory atau persediaan adalah sumberdaya menganggur (idle resources) yang menunggu proses lebih lanjut (Nasution, 2003). Yang dimaksud proses lebih lanjut tersebut adalah berupa kegiatan produksi pada sistem manufaktur, kegiatan pemasaran pada sistem distribusi ataupun kegiatan konsumsi pangan pada sistem rumah tangga. Secara fisik, item persediaan dapat dikelompokkan dalam lima kategori menurut Teguh Baroto, yaitu (Baroto, 2002): 1. Bahan Mentah (Raw Material) 2. Komponen 3. Barang Setengah Jadi (Work in Process) 4. Barang Jadi 5. Bahan Pembantu
2.5.1 Inventory Control Inventory Control adalah pengawasan persediaan, penyimpanan dan akses terhadap produk untuk memastikan pasokan yang cukup tanpa berlebihan. Hal ini juga dapat disebut sebagai kontrol internal - prosedur akuntansi atau sistem yang dirancang untuk meningkatkan efisiensi atau menjamin pelaksanaan kebijakan atau menjaga aset atau menghindari penipuan dan kesalahan. Fungsi inventory control adalah menghitung lot size dan mencari alternatif dengan biaya terkecil. Ada lima cara untuk mencari pengeluaran dalam inventory control, yaitu (Nahmias, 2009): 1. EOQ Lot Sizing EOQ lot sizing merupakan metode yang termudah dan mendasar dalam inventory model. Pada EOQ lot sizing jumlah pemesanan yang dilakukan ditentukan oleh biaya yang paling murah, baik biaya pengiriman maupun biaya pengiriman.
Dimana: K = biaya setup λ = laju permintaan h = biaya penyimpan per unit 2. The Silver-Meal Heuristic Silver-Meal Heuristic merupakan metode yang membutuhkan penentuan biaya rata-rata untuk setiap periode sebagai fungsi untuk angka dari periode pada order yang sekarang sampai dengan periode berikutnya dan berhenti menghitung ketika fungsi tersebut angkanya bertambah. K (m) = 1/m (A + hD2 + 2hD3 +…+ (m-1) hDm) Dimana: K (m)= biaya total A = biaya pemesanan h = biaya penyimpanan per unit Dm = kebutuhan pada periode m
15 3. Least Unit Cost Least unit cost serupa dengan silver-meal heuristic, perbedaannya adalah ketika pembagian. Pada silver-meal heuristic dibagi dengan periode, sedangkan pada least unit cost dibagi dengan permintaan. C
j
= ( k + hr 1 + 2 hr 2 + ... + ( j − 1 ) hr j ) /( r1 + r 2 + ... + r j )
Dimana: = biaya rata-rata penyimpanan dan setup Cj k = biaya setup h = biaya penimpanan r = permintaan 4. Part Periode Balancing Pada metode ini order horizon yang dilakukan sama dengan jumlah periode yang paling mendekati antara jumlah biaya penyimpanan dengan setup cost pada periode tersebut. PPm = D2 + 2D3 + 3D4 +….+ (m-1)Dm ≅ A/h Dimana: PPm = part period untuk periode m Dm = kebutuhan pada periode m A = biaya pemesanan H = biaya penyimpanan per unit 5. Wagner-Whitin Method
Dimana : Kt,l = jumlah biaya pada kolom t dan baris l Dj = jumlah dari permintaan pada periode j A = biaya pemesanan H = biaya penyimpanan per unit per periode perencanaan , where l = 1,2,…,N
16 2.6
Fuzzy Logic Konsep fuzzy sets pertama kali diperkenalkan oleh Zadeh pada tahun 1965. Tujuan dari fuzzy sets adalah untuk menggeneralisasi pengertian satu set dan proposisi untuk mengakomodasi jenis ketidakjelasan dalam pengambilan keputusan. Fuzzy logic telah diaplikasikan dalam berbagai jenis bidang, dari bidang industri hingga manajemen investasi. Secara garis besar, terdapat empat langkah dalam melakukan fuzzy logic, yaitu (Badiru & Cheung, 2002): 1. Pembentukan himpunan fuzzy (Fuzzifikasi) 2. Aplikasi fungsi implikasi 3. Komposisi aturan 4. Defuzzifikasi
2.6.1 Fuzzy Logic dalam Penentuan Order Quantity dan Reorder Point Faktor yang mempengaruhi jumlah order quantity dan reorder point adalah jumlah demand dan supply. Di bawah ini merupakan model fuzzy logic yang digunakan dalam menentukan order quantity dan reorder point (Tanthatemee & Phruksaphanrat, 2012).
Gambar 2.10 Membership Function Demand Sumber: Tanthatemee & Phruksaphanrat, 2002: 3
Gambar 2.11 Membership Function Supply Sumber: Tanthatemee & Phruksaphanrat, 2002: 3
17
Gambar 2.12 Membership Function Order Quantity Sumber: Tanthatemee & Phruksaphanrat, 2002: 3
Gambar 2.13 Membership Function Reorder Points Sumber: Tanthatemee & Phruksaphanrat, 2002: 3
18
