LAMPIRAN 1. Data Proses Bisnis dan Proses Produksi PT NIC, Tbk

LAMPIRAN 1 Data Proses Bisnis dan Proses Produksi PT NIC, Tbk. Industri Roti Gambaran mengenai industri roti akan dijelaskan berupa ilustrasi mengenai perusahaan, produk yang dihasilkan, proses bisnis dan proses produksi pada PT Nippon Indosari Corpindo (PT NIC. Tbk) yang akan menjadi basis perusahaan dimana rancangan sistem dan model akan dibangun. Berikut ini adalah contoh produk roti yang diproduksi pada PT NIC. Tbk.\

Gambar 67 Produk roti trawar Sari Roti.. Keterangan gambar :  

Berat Bersih : 370 gr Komposisi : Tepung terigu, air, gula pasir, lemak reroti, ragi, garam, susu bubuk, pengemulsi nabati, pengawet kalsium proponat

Gambar 68 Produk roti isi coklat Sari Roti.

146

Keterangan gambar : : 72 gr  Berat Bersih Komposisi : Tepung terigu, pasta coklat, air, gula pasir, margarin, telur,  ragi, susu bubuk, pengganti minyak mentega, garam, pengemulsi nabati. Proses bisnis di PT Nippon Indosari Corpindo (PT NIC) diawali dari diterimanya data pesanan produk (Order To Factory/OTF) oleh Departemen Sales and Marketing. Data tersebut kemudian dikirimkan ke Departemen Production Planning and Inventory Control (PPIC) dan Departemen Finish Good (FG). Data yang diterima oleh Departemen PPIC mencakup nama item produk, jumlah pesanan per item produk, dan kantor penjualan (sales office) atau saluran distribusi (distribution channel) yang dituju. Sedangkan Departemen FG akan menerima data OTF tersebut dalam bentuk dokumen untuk masing-masing sales office. Dokumen ini dikenal dengan istilah Delivery Note (DN). DN bermanfaat untuk memudahkan operator di Departmen FG dalam melakukan proses picking yaitu proses pengelompokan produk sesuai pesanan masing-masing sales office. Proses ini dilakukan kurang lebih 2 jam sebelum pengiriman produk. Selain itu, DN juga digunakan sebagai media komunikasi sekaligus alat untuk memeriksa kesesuaian antara produk yang dikirimkan oleh PT NIC dengan permintaan pelanggan. Selanjutnya, planner di Departemen PPIC mengelompokan pesananpesanan untuk sales office dengan On Time Picking (OTP) yang sama, sehingga didapatkan akumulasi jumlah pesanan yang harus dipenuhi oleh bagian produksi per OTP, yaitu jam 02.00, jam 04.00, jam 09.00, jam 15.00 dan jam 23.00. Data itulah yang merupakan jadwal produksi. Jadwal produksi tersebut selanjutnya dikirimkan ke Departemen Produksi yaitu ke Administrasi Produksi dan checker di Bagian Pengemasan (Packing). Administrator Produksi menggunakan jadwal produksi tersebut untuk menentukan jadwal kerja di Bagian Pencampuran (Mixing), sedangkan checker menggunakan data tersebut untuk memeriksa apakah produk yang telah dihasilkan oleh Departemen Produksi telah memenuhi pesanan per OTP. Selain menghasilkan jadwal produksi, Departemen PPIC juga membuat perencanaan terhadap material yang dibutuhkan untuk memenuhi produksi,

147

Departemen PPIC juga membuat perencanaan terhadap material yang dibutuhkan untuk memenuhi produksi atau yang dikenal dengan Material Requirement Planning (MRP). Berdasarkan perhitungan MRP tersebut, planner PPIC mengeluarkan dokumen yang memuat jenis-jenis material dan banyaknya material yang dibutuhkan untuk memenuhi OTF, total pesanan per-item produk dan ukuran batch yang akan digunakan untuk memenuhi pesanan tersebut beserta jumlah total batch yang dibutuhkan. Dokumen tersebut dikirimkan ke bagian Raw Material (RM) dan Departemen Produksi. Bagian RM akan menggunakan data tersebut guna mempersiapkan material yang sesuai dengan kebutuhan produksi, sedangkan Departemen Produksi menggunakan data tersebut untuk menentukan ukuran batch yang akan dipakai dalam proses produksi. Setelah menerima jadwal produksi dan data mengenai jumlah dan ukuran batch yang akan digunakan, maka administrator produksi mulai menyusun jadwal kerja untuk work center mixing. Jadwal kerja dibuat dengan metode backwarding, yaitu dibuat berdasarkan perhitungan mundur terhadap waktu pengiriman yang harus dipenuhi di masa yang akan datang. Dalam jadwal produksi tersebut, ditentukan pula urutan produk yang akan diproduksi. Urutan produk dibuat dengan mengutamakan produk-produk yang harus dipenuhi pada pengiriman paling awal dengan memperhitungkan lamanya proses persiapan dan pembersihan setiap kali ada pergantian adonan dan ketersediaan jumlah pekerja di masingmasing work center. Selanjutnya proses produksi dimulai sesuai dengan jadwal kerja yang telah disusun oleh administrator produksi. Penjelasan mengenai proses produksi (sebagai contoh akan digunakan penjelasan pembuatan roti tawar).

148

Departemen Sales and Marketing

Penerimaan Pesanan dari Pelanggan

Penerimaan Data Order To Factory (OTF)

Pembuatan Jadwal Produksi berdasarkan On Time Picking (OTP)

Departemen Production Planning and Inventory Control

Perhitungan Material Requirement Planning (MRP) berdasarkan OTF

Pembuatan Jadwal Produksi

Proses Produksi Departemen Production

Pemeriksaan & Perhitungan Jumlah Produk Akhir Ya

Tidak Memenuhi OTF ?

Bahan Baku Mencukupi ?

Tidak

Ya Penyerahan Produk Jadi ke Finish Food Warehouse (FGW)

Penerimaan Produk Jadi

Penerimaan Dokumen OTF

Picking

Pengiriman Produk ke Pelanggan

Penarikan Return

Gambar 69 Proses bisnis perusahaan penghasil roti.

Departemen Finish Good Warehouse (FGW)

149

Gambar 70 Lantai produksi di PT NIC, Tbk, Untuk menghasilkan produk yang berkualitas, salah satu faktor yang sangat berperan adalah pemilihan bahan baku. Bahan baku yang berkualitas akan memberikan hasil dengan kualitas yang cukup baik. Dalam proses pembuatan roti, bahan baku dipilih melalui proses seleksi yang ketat sesuai standar yang telah ditetapkan di internal perusahaan. Bahan baku yang terpilih harus memenuhi syarat dapat memberikan hasil berupa roti yang berkualitas, baik dari segi penampakan, tekstur, aroma, hingga rasa. Selain itu, bahan baku yang digunakan harus memenuhi persyaratan halal agar dapat menjamin status kehalalan roti yang dihasilkan. Bahan baku yang dikirim oleh supplier (pemasok) diperiksa terlebih dahulu melalui proses yang cukup ketat, dengan tujuan agar pemasok yang telah terpilih dapat menjaga konsistensi kualitas dari bahan baku yang diterima. Bahan baku yang diterima selanjutnya disimpan di gudang bahan baku sesuai dengan persyaratan standar penyimpanan masing-masing bahan. Pada saat proses pembuatan roti akan dimulai, bahan baku ditimbang sesuai dengan standar formulasi yang telah ditetapkan. Operator yang bertugas harus memastikan bahwa masing-masing bahan baku yang digunakan telah ditimbang dengan benar agar dapat menjaga konsistensi kualitas roti yang dihasilkan. Berikut dijelaskan mengenai proses kerja pembuatan roti di setiap bagian :

150

1.

Proses Kerja di Work Center Mixing. Proses pencampuran (mixing) adalah proses paling awal dalam pembuatan roti, dimana semua bahan baku yang akan digunakan dicampur dan diaduk menjadi satu sehingga semua unsur bahan tercampur rata. Pada proses mixing, semua adonan diproses secara batch sehingga proses berlangsung secara lebih efisien. a.

Tahap Pencampuran I (Sponge Mixing) Pada proses sponge mixing, bahan yang dicampur adalah adonan utama seperti tepung, gula, air, ragi dan bread improver. Adonan hasil sponge mixing kemudian ditempatkan dalam dough box untuk dimasukkan ke Ruang Fermentasi I.

b.

Tahap Fermentasi Awal Adonan difermentasi pada suhu 27ºC ± 0.5ºC dengan tingkat kelembaban 75% selama kurun waktu kurang lebih 4 jam. Proses fermentasi ini bertujuan untuk mengembangkan adonan sehingga mencapai volume yang diinginkan.

c.

Tahap Pencampuran II (Dough Mixing) Pada proses dough mixing, adonan hasil pencampuran pertama dicampur dengan beberapa bahan tambahan untuk adonan tersebut. Setelah itu adonan diaduk hingga beberapa kali pengadukan sampai semua bahan tercampur rata. Jenis adonan yang dihasilkan dari proses ini adalah adonan yang kalis (tidak lengket). Proses setup di mesin ini juga sama seperti proses setup di sponge mixing. Proses setup dilakukan dengan mengatur tombol untuk menentukan banyaknya tepung terigu dan jumlah air yang dibutuhkan dari silo serta mengatur lamanya proses pencampuran untuk low speed dan high speed.

d.

Tahap Pengistirahatan Adonan (Floor Time) Tahapan ini dilakukan setelah adonan melalui proses dough mixing, dimana adonan diistirahatkan selama 15 menit dalam ruangan fermentasi awal guna menghasilkan adonan yang lebih halus.

151

2.

Proses Kerja di Work Center Make Up. Proses di work center make up meliputi : pembagian adonan (dividing), pembulatan adonan (rounding), pengistirahatan adonan (intermediate proofing), pembentukan (moulding) adonan, peletakan adonan ke dalam loyang (panning) dan penyusunan loyang ke dalam rak (racking). a.

Tahap Pembagian Adonan (Dividing) Adonan

yang

telah

dihasilkan

dari

proses

pencampuran,

selanjutnya dimasukkan ke dalam divider yang berfungsi membagi adonan sesuai dengan berat adonan per potong (piece) untuk masing-masing jenis roti yang diproduksi. Dengan menggunakan alat ini, setiap potong adonan yang dihasilkan memiliki berat yang sama. Untuk memulai proses ini, operator harus terlebih dahulu memasukkan adonan ke dalam dough lift dan mensetup berat adonan per piece serta kecepatan divider per menit. Hal ini dikarenakan berat adonan per piece dan kecepatan divider untuk masing-masing jenis adonan berbeda. b.

Tahap Pembulatan Adonan (Rounding) Setelah adonan dipotong-potong, maka selanjutnya potonganpotongan tersebut dibentuk menjadi bulatan-bulatan kecil dengan menggunakan rounder. Tujuannya yaitu agar pada adonan terbentuk lapisan tipis yang tidak lengket dan mudah dibentuk.

c.

Tahap Pengistirahatan Adonan (Intermediate Proofing) Proses ini dilakukan untuk menstabilkan adonan agar dapat dibentuk dengan mudah pada proses selanjutnya. Tujuannya adalah untuk

menghilangkan

gelembung

yang

disebabkan

proses

pembulatan pada adonan. Proses intermediate proofing dilakukan selama 15-17 menit. d.

Tahap Pembentukan Lembaran Adonan (Pressing & Sheeting) Adonan selanjutnya melalui mesin press agar dihasilkan lembaran adonan yang pipih. Proses ini bertujuan agar distribusi gas merata sehingga roti yang dihasilkan memiliki crumb yang seragam.

152

e.

Tahap Pembentukan Adonan (Moulding) Pada tahap ini, adonan dibentuk sesuai dengan bentuk produk akhir yang telah distandarkan dengan menggunakan dough moulder.

f.

Tahap Pengolesan Loyang (Greasing) Loyang yang telah selesai digunakan untuk proses pemanggangan selanjutnya dikumpulkan dan ditumpuk menjadi satu lalu didinginkan. Bila telah dingin, loyang tersebut akan kembali digunakan dalam proses produksi dengan terlebih dahulu mengolesinya dengan lemak putih (white fat). Tujuannya yaitu agar adonan tidak lengket dan memudahkan pada saat roti dikeluarkan dari loyangnya. Kondisi loyang yang digunakan akan sangat berpengaruh terhadap bentuk dan kualitas produk yang dihasilkan.

g.

Tahap Peletakan Adonan ke Dalam Loyang (Panning) Adonan yang telah dibentuk kemudian dimasukkan ke dalam loyang yang telah disemprot atau diolesi lemak cair oleh operator greasing. Cara menempatkan adonan yaitu membentuk pola menyerupai huruf ”N” agar roti yang dihasilkan memiliki bentuk akhir yang bagus.

h.

Tahap Penyusunan Loyang ke Rak (Racking) Setelah berisi adonan, loyang disusun ke dalam rak untuk dimasukkan ke Ruang Fermentasi II dan mengalami proses fermentasi akhir.

3.

Proses Kerja di Work Center Baking. Proses kerja di work center baking meliputi : tahap fermentasi akhir (Final Proofing), pemanggangan (Baking) dan pengeluaran roti dari loyang (Depanning). a.

Tahap Fermentasi Akhir (Final Proofing) Adonan yang telah selesai disusun ke dalam rak akan dimasukkan ke dalam Ruang Fermentasi II (Final Proofing). Ruang Fermentasi ini bersuhu 38ºC dengan tingkat kelembaban 82%. Tujuan dari proses ini yaitu untuk mengembangkan adonan sehingga mencapai volume yang diinginkan. Kecepatan pengembangan adonan sendiri

153

sangat ditentukan oleh 2 hal, yaitu kestabilan tingkat suhu dan kelembaban di Ruang Fermentasi, serta kualitas adonan itu sendiri. b.

Tahap Pemanggangan (Baking) Proses pemanggangan adonan roti tawar dilakukan dengan menggunakan tunnel oven dan tray oven. Sebelum proses pemanggangan roti dimulai, operator harus terlebih dahulu mensetup oven sesuai dengan suhu yang telah ditetapkan dalam SOP untuk produk yang akan diproses.

c.

Tahap Pengeluaran Roti dari Loyang (Depanning) Adonan yang telah keluar dari oven berarti telah matang. Roti tersebut kemudian dikeluarkan lagi dari loyangnya dengan menggunakan alat yang disebut depanner. Setelah itu, roti diletakkan di atas cooling conveyor guna mengalami proses pendinginan. Loyang yang telah digunakan untuk memanggang roti kemudian dikumpulkan dan ditumpuk menajdi satu untuk selanjutnya diambil oleh operator make up.

4.

Proses Kerja di Work Center Packing. a.

Tahap Pendinginan Roti (Cooling) Roti yang telah dikeluarkan dari oven langsung mengalami proses pendinginan di atas ban berjalan (conveyor).

b.

Tahap Pengemasan (Packing) Proses pengemasan dilakukan setelah roti mencapai suhu yang lebih rendah akibat proses pendinginan, yaitu 33ºC - 37 ºC. Proses pertama yang dialami roti adalah pemotongan roti (slicing). Pada tahap ini, kedua pangkal roti dibuang, kemudian badan roti dipotong menjadi 30 pieces dengan menggunakan band slicer. Setelah itu, potongan-potongan roti dibagi menjadi 3 bagian (satu cetakan roti menghasilkan 3 pack roti tawar) dengan menggunakan loaf separator. Selanjutnya loaf pusher pada mesin secara otomatis akan mendorong roti masuk ke dalam pembungkus plastik (etiket) yang telah disediakan. Pada mesin juga terdapat blower yang berfungsi memberi angin pada etiket sehingga bentuk roti dalam

154

kemasan tetap terjaga dan tidak mudah rusak selama proses distribusi. Kemasan lalu ditutup dengan menggunakan heat sealer dan diberi segel berupa kwik lok. Warna kwik lok bervariasi disesuaikan dengan waktu (hari) dimana roti diproduksi. Selain itu, kwik lok juga dicantumkan tanggal kadaluarsa produk sehingga konsumen

mengetahui

batas

waktu

yang

baik

dalam

mengkonsumsi produk tersebut. Pada

proses

pengemasan

roti,

berlangsung

pula

kegiatan

pemeriksaan (inspeksi) terhadap kualitas produk. Produk-produk yang tidak memenuhi standar kualitas yang ditetapkan oleh Departemen PDQA akan dipisahkan dari produk-produk yang memenuhi standar kualitas. Produk yang telah dikemas selanjutnya melewati metal detector untuk mencegah terkirimnya roti yang tercemar logam kepada konsumen. Hal ini bertujuan agar roti yang akan dijual kepada konsumen bebas dari kontaminasi fisik dan tidak membahayakan konsumen. Proses metal detecting ini juga merupakan salah satu bagian implementasi sistem HACCP (Hazard Analysis and Critical Control Point) pada proses pembuatan roti. Roti yang terdeteksi mengandung logam akan dipisahkan dan dicatat dalam lembar periksa QC. Setelah itu, roti yang telah siap kirim disusun ke dalam krat kuning untuk diserahterimakan kepada operator di Departemen FG. Selanjutnya, dilakukan proses picking lalu didistribusikan kepada pelanggan. 5. Distribusi Proses pendistribusian produk roti berlangsung selama 24 jam. Dan untuk menjamin bahwa produk yang sampai kepada konsumen adalah produk yang fresh, roti dibuat setiap hari, sehingga setelah roti selesai diproduksi, roti akan segera dikirimkan kepada konsumen, baik melalui jalur traditional market maupun modern market

155

Gambar 71 Lini produksi pengemasan roti tawar.

156

157

LAMPIRAN 2 Hasil Survei Mengenai Operasional PPIC pada Industri Pangan 1 Perusahaan Penghasil Makanan Olahan Daging Pertanyaan dan jawaban terkait PPIC 1. Demand Management : a. Bagaimana kegiatan ini dilakukan oleh perusahaan untuk membantu melakukan perencanaan produksi Jawab : Demand dimaintain oleh bagian Sales, dari demand sales diolah menjadi forecasting setelah itu baru masuk ke PPIC. b. Apakah ada model peramalan yg digunakan : kalau ada, model apa yang digunakan ; siapa yang melakukan ? Jawab : Peramalan dilakukan sederhana dengan melihat historical data 3-6 bulan terakhir dan disesuaikan dengan seasonal kondisi eksternal yang ada. Metodenya menggunakan double moving average yang melakukan adalah bagian PPIC. c. Hal-hal apa saja yang dipertimbangkan dalam melakukan demand management Jawab : Yang dipertimbangkan adalah kapasitas produksi, inventory serta kondisi eksternal yang ada. d. Bagaimana prosedur penerimaan order dan cara memanage order yang masuk untuk dijadikan rencana produksi Jawab : Order biasa berupa PO diolah menjadi Sales order kemudian menjadi Delivery order, historical order yang ada akan dijadikan patokan untuk menentukan produk mana yang fast moving dan slow moving. e. Apakah terdapat item produk jadi pangan yang dijual memiliki batasan umur ? Kalau ya, apakah ada kebijakan produksi terkait dengan keterbatasan tsb ? Jawab : Ada, paling sedikit adalah 3 bulan dan terlama adalah 1 tahun karena produknya adalah produk frozen. Kebijakan produksi

158

tentu ada terkait dengan kapasitas inventory. Produk dengan batasan umur sedikit dan slow moving tentu produksinya tidak terlalu banyak dan tidak akan menyediakan buffer. 2. Production Planning : a. Apakah strategi yang selama ini dilakukan oleh perusahaan : make to stock, make to order, assembly to order atau yang lainnya ? Jawab : Make to stock dan make to order. Make to stock untuk stock produk yang biasa berjalan. Make to order dilakukan untuk memenuhi kebutuhan retailer tertentu. b. Bagaimana selama ini perusahaan membuat rencana produksinya ? Jawab : Rencana produksi dibuat sederhana sesuai dengan kapasitas produksi dan mengacu kepada forecasting. c. Apakah ada model atau metode khusus yang digunakan atau heuristic saja. Jawab : Tidak ada metode khusus dalam merencanakan produksi. d. Apakah dalam menentukan jumlah produksi sudah mempertimbangkan safety stock untuk produk jadi? Kalau ya, bagaimana cara penentuan safety stock untuk produk jadi? Jawab : Ya, safety stock ditentukan dengan historical demand setiap bulannya. Rata – rata demand produk jadi dijadikan acuan untuk safety stock. 3. Pemeriksaan Kapasitas Produksi : RCCP : a. Apakah pemeriksaan kapasitas produksi dilakukan untuk setiap hasil Master Production Schedule yang diperoleh hasil Production Planning ? Jawab : Ya. Jika kapasitas tidak memenuhi maka schedule dapat berubah. b. Apakah ada metode yang digunakan untuk pemeriksaan kapasitas suatu rencana produksi ? Jawab :

159

Tidak ada metode khusus. 4. Perencanaan Kebutuhan Bahan Baku : MRP : a. Bagaimana kegiatan perencanaan kebutuhan bahan baku yang selama ini dilakukan oleh perusahaan ; periode perencanaan nya hari-an atau minggu-an Jawab : Perencanaan bahan baku dilakukan harian, checking stock dilakukan perhari. b. Apakah ada metode Lotting (penentuan ukuran lot) tertentu yang digunakan ? Jawab : Tidak ada metode lotting. c. Apakah faktor safety stock sudah menjadi faktor pertimbangan dalam penentuan kebutuhan bahan baku ? Kalau ya, bagaimana perusahaan menentukan safety stock untuk bahan baku. Jawab : Ya, safety stock ditentukan dengan historical demand setiap bulannya. Rata – rata demand produk jadi dijadikan acuan untuk safety stock. Pemakaian vahan baku setiap bulan dijadikan acuan. d. Apakah terdapat item bahan baku yang memiliki batasan umur ? Apakah ada kebijakan produksi terkait dengan keterbatasan tsb ? Jawab : Ada, kebijakannya bahan baku stocknya tidak terlalu banyak. e. Apakah ada perjanjian kerjasama dengan supplier terkait dengan adanya faktor musiman bahan baku agroindustri yang mempengaruhi ketersediaan bahan baku ataupun karena hambatan lainnya ? Jawab : Tidak ada. 5. Scheduling : apakah dilakukan secara heuristic atau ada model khusus, misalnya penjadwalan batch Jawab : Dengan penjadwalan bacth.

160

6. Perencanaan Distribusi; penentuan rute pengiriman produk jadi ke pelanggan; DRP : apakah menggunakan metode atau model tertentu untuk optimasi ? Jawab : Menggunakan metode area atau district. 7. Production Input/Ouput Control : kriteria apa yang digunakan untuk mengevaluasi nya ? Jawab : Inspeksi umum dan khusus. 8. Dalam pelaksanaan kegiatan PPIC, banyak ketidakpastian dan gangguan sistem produksi yang mungkin terjadi. Gangguan/ketidakpastian dapat dikelompokkan menjadi dikategorikan menjadi environmental uncertainty (mencakup demand uncertainty dan supply uncertainty) serta system uncertainty (ketidakpastian yang terkait dengan proses produksi). a. Gangguan/ketidakpastian perusahaan bapak/ibu

PPIC

apa

saja

yang

dialami

di

Jawab : Ketersediaan bahan baku, kerusakan mesin. b. Selama ini, bagaimana pihak perusahaan mengendalikan atau mengantisipasi gangguan yang terjadi tersebut. Jawab : Mencari subtitute produk atau supplier lain. Melakukan preventive maintenance.

2. Perusahaan Penghasil Tepung Terigu a. Demand Management : apakah ada model peramalan yang digunakan : kalau ada, model apa yang digunakan Jawaban : Utk demand management di perusahaan saya kurang tahu persis karena tidak dibuat oleh PPIC melainkan oleh bagian sales, Support.

tepatnya

Commercial

Comm Support hanya sebagai koordinator, tidak membuat

peramalan sendiri. Di perusahaan, sales terbagi menjadi beberapa wilayah dan

161

masing-masing wilayah dibagi lagi menjadi beberapa region. Masing-masing manager wilayah akan menyetor estimasi atau forecast-nya ke Comm Support, kemudian Comm Support merekapnya dan memasukan kedalam sistem SAP. b. Production Planning : apakah ada model khusus atau heuristic saja. Jawaban : Tidak ada model khusus dalam pembuatan planning. Karena sifat industrinya kontinue, maka pada dasarnya dalam membuat jadwal produksi menjadi lebih mudah. Sebagai staf PPIC saya hanya menggunakan Gantt Chart dengan hitungan yang dibuat di excell. Pembuatan jadwal menjadi kompleks karena banyak sekali konstrain yang harus dipenuhi. c.

RCCP : apakah dilakukan untuk setiap hasil Master Prodution Schedule yang diperoleh hasil Production Planning

Jawaban : Pemeriksaan kapasitas tidak pernah dihitung secara detail. MPS dan MRP di SAP tidak pernah digunakan. RCCP secara kasar dapat dihitung langsung dari Forecast yg diberikan oleh Comm Support untuk menentukan apakah permintaan tepung (agregat) dapat dicapai atau tidak. Tidak pernah dihitung detail per produk. d. MRP : apakah ada metode Lotting tertentu yang digunakan ? Jawaban : Perusahaan tidak menggunakan MRP melainkan menggunakan perhitungan sederhana menggunakan excell. Memang ada beberapa supplier yg menentukan minimum order. e. Scheduling : apakah secara heuristic atau ada model khusus, misalnya penjadwalan batch Jawaban :

162

PPIC tidak menggunakan model khusus untuk menjadwalkan. Sederhana saja, dengan menggunakan hitungan biasa di excell. Tetapi harus memenuhi konstrain yg ada. f. DRP : apakah menggunakan metode atau model tertentu untuk optimasi ? Jawaban : Untuk perencanaan distribusi, tidak menggunakan model tertentu. Karena persuahaan tidak menggunakan truk sendiri untuk mengantar produk ke customer. Customer atau distributor datang langsung ke gudang perusahaan di Tanjung Priok atau depo terdekat. Sebenarnya pengertian depo juga bukan depo milik perusahaan sendiri, melainkan kerjasama dengan distributor yang punya gudang. Perusahaan hanya punya 4 depo utama di luar Jawa (sewa gudang). Pengantaran barang ke depo milik sendiri dilakukan melalui container atau jumbo bag. g. Input/Ouput Control : kriteria apa yang digunakan untuk mengevaluasinya ? Jawaban : Secara harian kita tidak melakukan evaluasi. Secara bulanan kita akan melihat extraksi tepung sebagai kriteria evaluasi pencapaian target. Gangguan yang dialami dan antisipasinya : 1. Ketidaktersediaan gandum dengan spesifikasi yang diinginkan. Gandum bisa di pesan sesuai dengan kebutuhan spesifikasi produk akhir. Namun kadang karena gagal panen, gandum tersebut tidak tersedia di pasar. Antisipasi : dengan mencari gandum alternatif, pengaturan komposisi blending gandum, penambahan

zat aditif pada produk akhir untuk

memperbaiki kualitasnya, menurunkan spesifikasi produk dan menginformasikannya ke customer. 2. Keterlambatan kedatangan kapal pembawa gandum. Bisa terjadi apabila ada cuaca buruk ataupun karena antrian panjang di pelabuhan muat gandum.

163

Antisipasi : melakukan pengaturan komposisi blending gandum, penghematan gandum yang akan habis agar bisa menyambung saat kapal tiba, menjaga inventory days yang tinggi untuk gandum-gandum tertentu 3. Antrian kapal pembawa gandum. Terbalik dengan masalah keterlambatan kapal, hal ini terjadi apabila delivery produk jadi ke customer menurun (demand turun). Karena demand turun, maka produksi juga turun. Produksi turun maka gandum yang terpakai tidak banyak dan tersimpan di silo. Akibatnya kapal yang datang tidak bisa dibongkar. Sementara kapal-kapal lain sedang dalam perjalanan menuju pabrik. Antisipasi : mengatur kembali jadwal kedatangan kapal, mendesak pihak marketing untuk tetap mengusahakan penjualan sesuai dengan targetnya (dibantu dengan program-program) , membatalkan pesanan gandum yang belum deal (selektif) 4. Supply kemasan tidaksesuai spesifikasi. Antisipasi: mempunyai lebih dari satu supplier, mempunyai buffer stok 5. Produksi stop mendadak karena ada kerusakan. Antisipasi: adanya preventive maintenance dan maintenance reguler, apabila tetap terjadi stop mendadak maka harus dilakukan pengaturan kembali jadwal produksi di minggu berjalan 6. Turunnya demand customer. Hal ini akan secara cepat menaikkan stok di gudang produk jadi. Antisipasi: selektif stop line produksi

LAMPIRAN 3 LISTING PROGRAM Model Prakiraan Permintaan JST , Model Penentuan Urutan Job GA, Model Pengendalian Gangguan

Listing Program Jaringan Saraf Tiruan [target1,o_train,target2,o_test,K1,K2]=TRANTESFOR(hl,tf,btf,epoch,lr ,g); %hl = banyaknya jumlah hidden layer %tf = fungsi transfer %btf = fungsi training %epoch = banyaknya epoch yang akan dilakukan %lr = learning rate %g = goal %---------------------------------------------------------%PROGRAM DEMAND MANAGEMENT ANN ROTI SOBEK COKLAT SARI ROTI %Oleh:Iveline Anne Marie %---------------------------------------------------------function [target1,o_train,target2,o_test,K1,K2]=TRANTESFOR(hl,tf,btf,epoch,lr ,g) data=load('data/x.mat')%load data input data = struct2cell(data); data = cell2mat(data); T=load('data/t.mat');%load data Target T = struct2cell(T); T = cell2mat(T); %data training sebanyak 40 pola x = data(:,1:40); target1 = T(1:40); %konversi data input ke 0 - 1 %------------------------------------%Konversi ke sigmoid biner %------------------------------------[m n] = size(x); P = []; for i = 1:m a = min(x(i,:)); b = max(x(i,:)); P = [P ;(0.8*(x(i,:)-a)/(b-a))+0.1]; end a = min(target1); b = max(target1); T1 = (0.8*(target1-a)/(b-a))+0.1;

166

net=newff(minmax(P),[hl,1], {tf,tf},btf);%input, [jumlah neuron pd hidden layer, juml output] net.trainParam.lr=lr; net.trainParam.epochs=epoch; net.trainParam.goal=g; net=train(net,P,T1);%training dgn supervisi (target) [y,Pf,Af,e,perf]=sim(net,P,[],[],T1); net.IW{1,1};%bobot variabel input ke hidden layer net.b{1};%bobot bias input ke hidden layer net.LW{2,1};%bobot variabel hidden layer ke output net.b{2};%bobot bias hidden layer ke output %Performance Program Training TOC'); W=perf; A=ones(1 ,40); % matrix 1x40 B=[0.1];%dikalikan 0.1 spy matrix M berukuran 1x40 bernilai 0.1 M=B*A; E=(b-a)/0.8; %C=[E]% C adalah matrix E(1x1) %D=A'*C % A'adalah matrix berukuran 40x1 yang berisi nilai C F=[a];% F adalah nilai minimum dari input Data Target Training G=F*A; % G adalah matrix berukuran 1x40 yang bernilai = F H=y-M; % Matrix H (1x40) adalah selisih antara output pengujian peramalan y (skala 0 - 1) dengan matrix M (1x40) yg bernilai 0.1 I=H*E; % Matrix I (1x40) adalah hasil perkalian skalar E dengan matrix H o_train=I+G; % TOC1T adalah output pengujian peramalan dengan skala sesuai data input save output/output_training.mato_train; S=o_train-target1; %S adalah error pengujian peramalan K1=abs(S); Pres=0; if K1==0 Pres=Pres+1; L=Pres; PersenPres=(L/40)*100; else L=Pres; PersenPres=(L/40)*100; end PersenPres; Kmax=max(K1); Kmin=min(K1);

%Program TESTING dengan pola 25 y = data(:,41:65); target2 = T(41:65); %konversi data input ke 0 - 1 %-------------------------------------

167

%Konversi ke sigmoid biner %------------------------------------[m n] = size(y); Q = []; for i = 1:m a = min(y(i,:)); b = max(y(i,:)); Q = [Q; (0.8*(y(i,:)-a)/(b-a))+0.1]; end a = min(target2); b = max(target2); T2 = (0.8*(target2-a)/(b-a))+0.1; net=newff(minmax (Q),[hl,1], {tf,tf},btf); net.trainParam.lr=lr; net.trainParam.epochs=epoch; net.trainParam.goal=g; net=train(net,Q,T2); [u,Pf,Af,e,perf]=sim(net,Q,[],[],T2); W1=perf; A1=ones(1 ,25); B1=[0.1]; M1=B1*A1; E1=(b-a)/0.8; F1=[a]; G1=F1*A1; H1=u-M1; I1=H1*E1; o_test=I1+G1; save output/output_testing.mato_test; %disp('Output training roti SOBEK COKLAT disimpan dalam file dataTOC2Y.txt'); S1=o_test-target2; K2=abs(S1); Pres1=0; if K2==0 Pres1=Pres1+1; L1=Pres1; PersenPres1=(L1/25)*100; else L1=Pres1; PersenPres1=(L1/25)*100; end PersenPres1; K2max=max(K2); K2min=min(K2); %Program Forecasting MRP ; f1 = data(:,66:107); %konversi data input ke 0 - 1 %------------------------------------%Konversi ke sigmoid biner

168

%------------------------------------[m n] = size(f1); J=[]; FF = []; for i = 1:m a = min(f1(i,:)); b = max(f1(i,:)); FF = [FF;(0.8*(f1(i,:)-a)/(b-a))+0.1]; J = [J a b]; end net=newff(minmax (FF),[hl,1], {tf,tf},btf); net.IW{1,1};%bobot variabel input ke hidden layer net.b{1};%bobot bias input ke hidden layer net.LW{2,1};%bobot variabel hidden layer ke output net.b{2};%bobot bias hidden layer ke output Ramal = sim(net,FF) W2=perf; A2=ones(1,42); B2=[0.1]; M2=B2*A2; E2=(max(J)-min(J))/0.8; F2=[min(J)]; G2=F2*A2; H2=Ramal - M2; I2=H2*E2; o_mrp=I2+G2; output_MRP = o_mrp(1:35); name_file = load('type.mat'); name_file = cell2mat(struct2cell(name_file)); name ='MRP' save temp.matname; name_file = ['output/','output_',name_file,'_MRP']; save (name_file,'output_MRP'); save (name_file,'output_MRP','-ascii');%dataRTG2Y.txt RTG2Y -ascii; matriks = []; matriks = output_MRP; save matriks.matmatriks; %Program Forecasting Untuk MPS; [m n] = size(data); if n ==121 %Program Forecasting MPS'); f2 = data(:,108:121); %konversi data input ke 0 - 1 %------------------------------------%Konversi ke sigmoid biner %-------------------------------------

169

[m n] = size(f2); OO = []; Jm=[]; for i = 1:m a = min(f2(i,:)); b = max(f2(i,:)); OO = [OO ;(0.8*(f2(i,:)-a)/(b-a))+0.1]; Jm = [Jm a b]; end net=newff(minmax (OO),[hl,1], {tf,tf},btf); net.IW{1,1};%bobot variabel input ke hidden layer net.b{1};%bobot bias input ke hidden layer net.LW{2,1};%bobot variabel hidden layer ke output net.b{2};%bobot bias hidden layer ke output RamalMPS = sim(net,OO) Wm2=perf; Am2=ones(1,14); Bm2=[0.1]; Mm2=Bm2*Am2; Em2=(max(Jm)-min(Jm))/0.8; Fm2=[min(Jm)]; Gm2=Fm2*Am2; Hm2=RamalMPS-Mm2; Im2=Hm2*Em2; o_mps=Im2+Gm2; output_MPS = o_mps(1:7); name_file = load('type.mat'); name_file = cell2mat(struct2cell(name_file)); a = ['output_',name_file,'_MPS']; name = 'MPS' name_file = ['output/','output_',name_file,'_MPS']; save (name_file,'output_MPS'); save (name_file,'output_MPS','-ascii'); matriks = [matriks output_MPS]; save matriks.matmatriks; save temp.matname; end

170

Listing Program Genetic Algorithm file = load('file.mat'); file = struct2cell(file); file = cell2mat(file);

%parameter seleksi = handles.seleksi; pindahsilang = handles.pindahsilang; pc = str2num(get(handles.pc_edit,'String')); pm = str2num(get(handles.pm_edit,'String')); generasi = str2num(get(handles.generasi_edit,'String')); jmlpop = str2num(get(handles.jmlpop_edit,'String')); stage = str2num(get(handles.stage_edit,'String')); lini = handles.lini; [inputn input_text] = read_data(file,lini) [nbatch input_text] = batch_job(inputn, input_text) [job1 job2] = lini_part(nbatch,input_text); JumGen1 = size(job1,2); JumGen2 = size(job2,2); %program GA %inisialisasi populasi popawal1 = myrand(jmlpop,1,JumGen1); popawal2 = myrand(jmlpop,1,JumGen2); maxFit1 = 0; maxFit2 = 0; %generasi = 100; populasi1 = popawal1; populasi2 = popawal2; matriks1 = []; ms1 = []; matriks2 = []; ms2 = []; for iterasi = 1 : generasi temp1=populasi1; temp2=populasi2; %check constrain every chromosome by stage for m = 1 : jmlpop kromosom1 = populasi1(m,:); [nm_job1 b_job1 f_time1 Zp1 data1] = check_constrain(kromosom1, lini,1); ftime1(m,:)=f_time1; nmjob1(m,:) = nm_job1; bjob1(m,:)=b_job1; makespan1(m)= Zp1; kromosom2 = populasi2(m,:); [nm_job2 b_job2 f_time2 Zp2 data2] = check_constrain(kromosom2, lini,2);

171

ftime2(m,:)=f_time2; nmjob2(m,:) = nm_job2; bjob2(m,:)=b_job2; makespan2(m)= Zp2; end %evaluasi kromosom_edit fit1 = fitness(makespan1); fit2 = fitness(makespan2); [sortFit1 m1] = sort(fit1,'ascend'); temp1 = temp1(m1,:); maxF1 = max(fit1); [sortFit2 m2] = sort(fit2,'ascend'); temp2 = temp2(m2,:); maxF2 = max(fit2); %proses elitisme if maxFit1>maxF1 maxF1 = maxFit1; else elit_11 = temp1(size(temp1,1),:); elit_21 = temp1(size(temp1,1)-1,:); maxFit1 = maxF1; end if maxFit2>maxF2 maxF2 = maxFit2; else elit_12 = temp2(size(temp2,1),:); elit_22 = temp2(size(temp2,1)-1,:); maxFit2 = maxF2; end %proses seleksi if seleksi == 1 newPop_rout1 = RouletteWheel(temp1(3:end,:),fit1(3:end)) ; newPop_rout2 = RouletteWheel(temp2(3:end,:),fit2(3:end)) ; else newPop_rout1 = tournament(temp1(3:end,:),fit1(3:end)); newPop_rout2 = tournament(temp2(3:end,:),fit2(3:end)); end newPop1 = [elit_11; elit_21; newPop_rout1]; newPop2 = [elit_12; elit_22; newPop_rout2]; %proses Pindah silang Pindex1 = pilihKros(jmlpop,pc); Pindex2 = pilihKros(jmlpop,pc); switch pindahsilang case 2 Anak1 = dua_titik_x(newPop1, Pindex1,JumGen1); Anak2 = dua_titik_x(newPop2, Pindex2,JumGen2); case 1

172

Anak1 = PindahSilang(newPop1,Pindex1,JumGen1); Anak2 = PindahSilang(newPop2,Pindex2,JumGen2); case 3 Anak1 = sojx(newPop1,Pindex1,JumGen1); Anak2 = sojx(newPop2,Pindex2,JumGen2); end %Mutasi(revisi) newPop_mutasi1 = mutasi(Anak1,pm); newPop_mutasi2 = mutasi(Anak2,pm); populasi1 = newPop_mutasi1; populasi2 = newPop_mutasi2; for m = 1 : jmlpop kromosom1 = populasi1(m,:); [nm_job1 b_job1 f_time1 Zp1 data1] = check_constrain(kromosom1, lini,1); ftime1(m,:)=f_time1; nmjob1(m,:) = nm_job1; bjob1(m,:)=b_job1; makespan1(m)= Zp1; kromosom2 = populasi2(m,:); [nm_job2 b_job2 f_time2 Zp2 data2] = check_constrain(kromosom2, lini,2); ftime2(m,:)=f_time2; nmjob2(m,:) = nm_job2; bjob2(m,:)=b_job2; makespan2(m)= Zp2; end %evaluasi kromosom_edit [minM1 indexm1] = min(makespan1); fit1 = fitness(makespan1); max_F1 = double(max(fit1)); [minM2 indexm2] = min(makespan2); fit2 = fitness(makespan2); max_F2 = max(fit2); fitness1(iterasi)=max_F1; fitness2(iterasi)=max_F2; end

Fungsi Check_Constrain.m Fungsi ini untuk menghitung besar makespan dari setiap kromosom. function [nmjob bjob ftime Zp data] = check_constrain(kromosom, jenis, lini) %jenis untuk tipe roti, RTG,RTS,...dst %jenis roti akan diproses menggunakan 2 lini : roti tawar atau roti manis %lini : pembagian lini mesin

173

%waktu mesin if jenis == 1 load data/roti_tawar.mat stage_mesin = roti_tawar; else load data/roti_manis.mat stage_mesin = roti_manis; end %me-load pembagian bobot lini if lini == 1 load data/w_lini1.mat jjob = job1; else load data/w_lini2.mat jjob = job2; end %teks jenis roti, RTS,RTG,...dst if lini == 1 load data/lini1.mat tjob = input_text1; else load data/lini2.mat tjob = input_text2; end finish_time = zeros(1,size(kromosom,2)); for i = 1 : size(kromosom,2) job = kromosom(i); bjob(i) = jjob(job); nmjob(i) = tjob(job); end temp = 0; ftemp = []; data = []; for stage = 1 : size(stage_mesin,1) time_stage=0; for i = 1 : size(kromosom,2) job = kromosom(i); if finish_time(job) < time_stage time_stage = time_stage + (jjob(job)*stage_mesin(stage)); else time_stage = finish_time(job) + (jjob(job)*stage_mesin(stage)); end finish_time(job) = time_stage; end

174

if temp < time_stage Zp = time_stage; temp = time_stage; else Zp = temp; end data(stage,:) = finish_time; end for i = 1 : size(kromosom,2) job = kromosom(i); bjob(i) = jjob(job); nmjob(i) = tjob(job); ftime(i) = finish_time(job); end %mengurutkan berdasarkan urutan job/kromosom temp=[]; for i = 1 : size(kromosom,2) job = kromosom(i); temp(:,i) = data(:,job); end data = temp save data/data_makespan.matdata

Fungsi fitness.m Fungsi evaluasi dari algoritme genetika. function fit = fitness(temp_populasi) %nilai makespan terkecil yang memiliki nilai fit yang baik fit = 1./temp_populasi*10^10;

Fungsi Roulettewheel.m Fungsi seleksi induk menggunakan fungsi roulette wheel. function newPop = RouletteWheel(PopulasiAwal,Fitness) %PopulasiAwal : populasi yang akan dipilih untuk dijadikan induk %Fitness : besar fungsi evaluasi untuk mengetahui peluang Jum_Krom=size(PopulasiAwal,1); total_eval = sum(Fitness); prob = Fitness/total_eval; prob = sort(cumsum(prob)); a = min(prob); b = max(prob);

175

RN=a+(b-a)*rand(1,Jum_Krom); %membuat kumpulan nilai random untuk menentukan kemungkinan fitIn = 1; newIn = 1; newPop = PopulasiAwal; while newIn <= Jum_Krom & fitIn <=Jum_Krom if (RN(newIn) <= prob(fitIn)) newPop(newIn,:)=PopulasiAwal(fitIn,:); newIn=newIn+1; fitIn = 1; else fitIn=fitIn+1; end end

Fungsi tournament.m Fungsi seleksi induk menggunakan fungsi tournament. function newPop = tournament (PopulasiAwal,Fitness) %PopulasiAwal : populasi yang akan dipilih untuk dijadikan induk %Fitness : besar fungsi evaluasi untuk mengetahui peluang jmlpop = size(PopulasiAwal,1); for i = 1:jmlpop TP = sort(1 + fix(rand(1,2)*(jmlpop))); if Fitness(TP(1)) > Fitness(TP(2)) newPop(i,:)=PopulasiAwal(TP(1),:); else newPop(i,:)=PopulasiAwal(TP(2),:); end end

Fungsi pilihkros.m Berfungsi untuk memilih kromosom induk yang akan dipindahsilangkan berdasarkan peluang pindah silang yang telah ditentukan. function Pindex = pilihKros(jmlpop,Psilang); %jmlpop = jumlah populasi %Psilang = peluang pindahsilang j=1; RN=rand(1,jmlpop); for i = 1 : jmlpop if RN(i)
176

Fungsi Pindahsilang.m Fungsi pindahsilang untuk menyilangkan antar induk yang terpilih dengan menggunakan fungsi PMX (Partially Mapped Crossover) function Induk = PindahSilang(Induk,indeks,JumGen) %induk = populasi yang telah terseleksi %indeks = ialah populasi yang terpilih untuk di pindahsilang %JumGen = jumlah job parent = Induk; u_indeks = size(indeks,2); u_Induk = size(Induk,2); %jika banyaknya yang dikros ganjil..maka dikurangi 1 u_indeks = size(indeks,2); if mod(u_indeks,2)~=0 u_indeks = u_indeks-1; end for i = 1 : 2 : u_indeks a = indeks(i); b = indeks(i+1); TP = sort(1 + fix(rand(1,2)*(JumGen-1))); %menentukan titik potong temp1=Induk(a,TP(1):TP(2)); temp2=Induk(b,TP(1):TP(2)) ; Induk(a,TP(1):TP(2))=temp2; Induk(b,TP(1):TP(2))=temp1; %checking legalization for n=1 : numel(Induk(a,:)) if( n >= TP(1) & n <= TP(2) ) else loop = 1; while loop == 1 [ok idx] = find(Induk(a,n) == temp2); if numel(ok) == 1 Induk(a,n) = temp1(idx); else loop=0; end end end end for n=1 : numel(Induk(b,:)) if( n >= TP(1) & n <= TP(2) ) else

177

loop = 1; while loop == 1 [ok idx] = find(Induk(b,n) == temp1); if numel(ok) == 1 Induk(b,n) = temp2(idx); else loop = 0; end end end end end

Fungsi mutasi.m function pop = mutasi(newPop,Pmutasi) %newPop = populasi hasil pindahsilang %Pmutasi = peluang mutasi [m n] = size(newPop); %banyaknya yang akan termutasi banyakMutasi = Pmutasi*(m*n); for i = 1 : banyakMutasi x = fix(1+((m+1)-1)*rand); %baris y = fix(1+((n+1)-1)*rand); %kolom %proses pertukaran if y ~= n temp = newPop(x,y); newPop(x,y) = newPop(x,(y+1)); newPop(x,(y+1)) = temp; else%jika berada diurutan belakang maka dipertukarkan dengan urutan awal temp = newPop(x,y); newPop(x,y) = newPop(x,1); newPop(x,1) = temp; end end pop = newPop;

178

Listing Program Gangguan Fungsi ini untuk menyimpan semua input gangguan yang terjadi. function waktu_masalah(d,tanggal,bulan,y,p,t_p,t_d,index_list,tindakan,input, sumber,lakukan) %d = hari %y = year (tahun) %p =keyword %t_p = tingkat keparahan %t_d =tingkat dampak gangguan %indeks_list = gangguan history yang mirip dengan yang terjadi %tindakan = input tindakan yang dilakukan %input = input masalah yang terjadi %sumber = sumber PPIC %lakukan = apakah tindakan tersebut dilakukan atau tidak load('temp/temp_history.mat') load('data/history.mat') day =load('data/day.mat'); month = load('data/month.mat'); problem = load('data/problem.mat'); load('data/keyword_lain.mat') day = struct2cell(day); day = cellstr(day{1,1}); month = struct2cell(month); month = cellstr(month{1,1}); problem = struct2cell(problem); problem = cellstr(problem{1,1}); load('data/db_trouble.mat'); masalah = masalah(index_list); n = size(history,1); m = size(temp_history,1); if p == 2 masalah =strcat(x); else masalah=problem(p) end temp=[]; if isempty(history)==1 temp = num2cell(d); history(1,1)=temp; date = num2str(tanggal); tanggal = [date,'-',char(month(bulan)),'-',y] history(1,2) = cellstr(tanggal); history(1,3) = cellstr(masalah); history(1,4) = cellstr(input); history(1,5) = num2cell(t_p); history(1,6) = num2cell(t_d); history(1,7) = cellstr(masalah);

179

history(1,8) = cellstr(tindakan); history(1,9) = cellstr(lakukan); history(1,10) = cellstr(sumber); else temp = num2cell(d); history(n+1,1) = temp; date = num2str(tanggal); tanggal = [date,'-',char(month(bulan)),'-',y] history(n+1,2) = cellstr(tanggal); history(n+1,3) = cellstr(problem(p)); history(n+1,4) = cellstr(input); history(n+1,5) = num2cell(t_p); history(n+1,6) = num2cell(t_d); history(n+1,7) = cellstr(masalah); history(n+1,8) = cellstr(tindakan); history(n+1,9) = cellstr(lakukan); history(n+1,10) = sumber; end if isempty(temp_history)==1 temp_history(1,1) = temp; temp_history(1,2) = history(1,2); temp_history(1,3) = cellstr(problem(p)); temp_history(1,4) = cellstr(input); temp_history(1,5) = num2cell(t_p); temp_history(1,6) = num2cell(t_d); temp_history(1,7) = cellstr(masalah); temp_history(1,8) = cellstr(tindakan); temp_history(1,9) = cellstr(lakukan); temp_history(1,10) = cellstr(sumber); else temp_history(m+1,1) = temp; temp_history(m+1,2) = cellstr(tanggal); temp_history(m+1,3) = cellstr(problem(p)); temp_history(m+1,4) = cellstr(input); temp_history(m+1,5) = num2cell(t_p); temp_history(m+1,6) = num2cell(t_d); temp_history(m+1,7) = cellstr(masalah); temp_history(m+1,8) = cellstr(tindakan); temp_history(m+1,9) = cellstr(lakukan); temp_history(m+1,10) = sumber; end

save data/history.mathistory; save temp/temp_history.mattemp_history function waktu_masalah_cont(var_FG,var_RM,pic,hub_FG, hub_RM) %var_FG = nilai yang mempengaruhi FG %var_RM = nilai yang mempengaruhi RM

180

%PIC = Person in Charge yang terlibat %hub_FG = hubungan gangguan dengan FG %hub_RM = hubungan gangguan dengan RM load data/history.mat; load temp/temp_history.mat; n = size(history,1); m = size(temp_history,1); if isempty(history)==1 history(1,11) history(1,12) history(1,13) history(1,14) history(1,15)

= = = = =

num2cell(var_RM); num2cell(var_FG); cellstr(pic); cellstr(hub_FG); cellstr(hub_RM);

history(n,11) history(n,12) history(n,13) history(n,14) history(n,15)

= = = = =

num2cell(var_RM); num2cell(var_FG); cellstr(pic); cellstr(hub_RM); cellstr(hub_FG);

else

end if isempty(temp_history)==1 temp_history(1,11) temp_history(1,12) temp_history(1,13) temp_history(1,14) temp_history(1,15)

= = = = =

num2cell(var_RM); num2cell(var_FG); cellstr(pic); cellstr(hub_RM); cellstr(hub_FG);

temp_history(m,11) temp_history(m,12) temp_history(m,13) temp_history(m,14) temp_history(m,15)

= = = = =

num2cell(var_RM); num2cell(var_FG); cellstr(pic); cellstr(hub_RM); cellstr(hub_FG);

else

end

save data/history.mathistory; save temp/temp_history.mattemp_history;

Listing Program Follow Up Setiap gangguan yang terjadi dalam 1 periode akan dilihat apakah gangguan tersebut terjadi followup function data=get_follow_up(keyword) %keyword, load setiap database gangguan 1 periode berdasarkan keyword

181

load ('temp/temp_history.mat'); keyword = char(keyword); indeks = strfind(temp_history(:,3), keyword); n = size(indeks, 1); ind=[]; for i = 1 : n if isempty(indeks{i})==0 ind=[ind i]; end end frekuensi = size(ind,2); if isempty(ind)==1 mp=0; md=0; else %hitung banyaknya parah mp= skala_parah(ind); %hitung banyaknya dampak md= skala_dampak(ind); end %check sumber dan PIC hist_sumber = temp_history(:,10); hist_PIC = temp_history(:,13); hist_fg = temp_history(:,11); hist_rm = temp_history(:,12); for i = 1:size(ind,2) a = ind(i); hasil_sumber(i,:) = hist_sumber(a,:); PIC(i,:) = hist_PIC(a,:); FG(i,:) = hist_fg(a,:); RM(i,:) = hist_rm(a,:); end sumber = unique(hasil_sumber) m = size(sumber,1); a = []; for i = 1:m a = strcat(a, ',', hasil_sumber(i,:)); end hasil_sumber = a; PIC = unique(PIC); m = size(PIC,1); a = []; for i = 1:m a = strcat(a, ',', PIC(i,:)); end PIC = a FG = cell2mat(FG); FG = sum(FG)

182

RM = cell2mat(RM); RM = sum(RM) if (frekuensi < 7) | (frekuensi>=7 & frekuensi<18) follow = ['Tidak Perlu Follow Up']; follow = char(follow); end if (frekuensi > 18) & mp==1 follow = ['Tidak Perlu Follow Up']; follow = char(follow); end if (frekuensi > 18) & mp==2 follow = ['Tidak Perlu Follow Up']; follow = char(follow); end if (frekuensi > 18) & (mp==3 & md ==1) follow = ['Follow Up']; follow = char(follow); end if (frekuensi > 18) & (mp==3 & (md==2|md==3)) follow = ['Follow Up']; follow = char(follow); end %untuk ditampilkan dalam tabel data = [cellstr(keyword), cellstr(hasil_sumber),mat2cell(frekuensi),mat2cell(mp),mat2cell(md), cellstr(follow),cellstr(PIC)]

Listing Program Update % Loss load ('temp/hist_variansi.mat'); load ('temp/temp_history.mat'); load ('data/db_persenloss.mat'); %mengambil data dari database gangguan gangguan = temp_history(:,4); keyword = temp_history(:,3); sumber = temp_history(:,10); hist_rm = temp_history(:,11); hist_fg = temp_history(:,12); hub_rm = temp_history(:,14); hub_fg = temp_history(:,15); matrix =[gangguan, keyword, sumber, hist_fg, hist_rm,hub_rm, hub_fg]; load ('temp/hist_variansi.mat'); load ('data/db_variansi.mat'); temp = [db_variansi(:,1),db_variansi(:,2),db_variansi(:,3), data(:,2),data(:,3),db_variansi(:,4),db_variansi(:,5)]; matriks=[matrix;temp]; n = size(matriks,1); save matriks1.matmatriks

183

jml_FG = cell2mat(matriks(:,4)); jml_RM = cell2mat(matriks(:,5)); loss_FG = sum(jml_FG)/n; loss_RM = sum(jml_RM)/n; last_loss(1)=get(handles.loss_edit_fg,'String'); last_loss(2)=get(handles.loss_edit_rm,'String'); update_FG = sum([loss_FG str2num(last_loss(1))]); update_RM = sum([loss_RM str2num(last_loss(2))]); %fungsi menampilkan set(handles.uitable1,'Data',matriks); set(handles.loss_update_FG,'String',update_FG); set(handles.loss_update_RM,'String',update_RM);

LAMPIRAN 4 Data Pendukung Perhitungan Model PPIC Adaptif

MODEL PRAKIRAAN PERMINTAAN Berdasarkan penelitian sebelumnya yang menggunakan data penjualan periode yang berbeda untuk empat varian produk roti, diperoleh hasil bahwa metode JST memberikan hasil pengujian yang jauh sangat akurat dibandingkan metode time series. Hasil perbandingan perhitungan kesalahan beberapa metode untuk empat varian produk di PT NIC (roti tawar RTS, roti isi ICK, roti sobek TOC dan roti kasur RKJ) dapat dilihat pada tabel berikut :

188

189

190

191

Tabel 9 Data waktu produksi dan kapasitas produksi lini roti tawar No.

Stasiun Kerja

Waktu (detik)

Kapasitas (detik)

1

Penimbangan

13.734

172800

2

Mixing Sponge

2.681

172800

3

Fermentasi

16.786

172800

4

Mixing Dough

3.432

172800

5

Floor Time

2.198

172800

6

Dividing

8.556

172800

7

Rounder

8.284

172800

8

Intermediate Proofing

3.330

172800

9

Pressing

18.621

172800

10

Make Up

20.535

172800

11

Panning

20.778

172800

12

Racking

1.270

172800

13

Final Proofing

12.953

172800

14

Baking

7.298

172800

15

Cooling

9.003

172800

16

Slicing

14.538

172800

17

Sortasi

14.538

172800

18

Packaging

15.732

172800

Total waktu

194.267

Keterangan : RTS dan RTG diproses pada Lini Roti Tawar ; ICK, IKJ, TOC dan RKJ diproses pada Lini Roti Manis

192

Hasil percobaan untuk berbagai nilai µbi memberikan hasil nilai fungsi tujuan dalam model sebagai berikut : Tabel 10 Perhitungan nilai fungsi tujuan MPS hari ke-1 untuk berbagai nilai µbi. Biaya Produksi (Rp.)

Utilisasi Produksi (detik)

μ = 0.001

39881876

1964789,63

μ = 0.1

38647232

1903913,88

μ = 0.2

38431628

1893414,63

μ = 0.5

38067128

1875497,75

μ = 0.6

37959496

1870248,13

μ = 0.7

37843732

1864551,25

μ = 0.8

37706500

1857559

μ = 0.9

37490896

1847081,5

μ = 0.95

37295944

1837430,5

μ = 0.99

36864460

1816096

μ = 0.995

36678792

1807071,25

μ = 0.999

36256248

1786205,63

Min

36256248

1786205,63

Max

39881876

1964789,63

Dengan menggunakan metode

Composite Performance Index (CPI) untuk

menentukan nilai µbi terpilih, didapatkan hasil bahwa untuk pemberian bobot fungsi tujuan yang sama antara biaya produksi dan utilisasi produksi (50 : 50) atau bobot biaya produksi yang lebih besar dibandingkan bobot utilisasi produksi

193

(misal 60 : 40), nilai µbi = 0.999 memiliki nilai alternatif terbesar. Berdasarkan hasil tersebut, ditentukan nilai µbi = 0.999 dalam perhitungan nilai fuzzy. Dengan menggunakan nilai µbi = 0.999 tersebut, angka fuzzy untuk tiap variabel dalam perhitungan model MPS adalah sama dengan nilai batas bawahnya (bia) sesuai dengan hasil pada tabel berikut: Tabel 11 Perhitungan nilai dan ranking untuk berbagai nilai µbi data MPS hari ke1

μ

Biaya Produksi (Rp.)

Utilisasi Produksi (detik)

Nilai Alternatif

Ranking

μ = 0.001

90,90908361

100

94,54545017

12

μ = 0.1

93,81331113

96,90166575

95,04865298

11

μ = 0.2

94,33961007

96,36729557

95,15068427

10

μ = 0.5

95,24292981

95,45539743

95,32791686

9

μ = 0.6

95,51298574

95,18821259

95,38307648

8

μ = 0.7

95,80516002

94,89826399

95,44240161

7

μ = 0.8

96,15384085

94,5423862

95,50925899

6

μ = 0.9

96,70680583

94,009123

95,6277327

5

μ = 0.95

97,21230813

93,51792538

95,73455503

4

μ = 0.99

98,35013995

92,43208394

95,98291754

3

μ = 0.995

98,84798823

91,97275995

96,09789692

2

μ = 0.999

100

90,91078265

96,36431306

1

Bobot

0,6

0,4

194

Hasil perhitungan nilai fuzzy untuk nilai parameter fungsi sigmoid sebagai berikut, dapat dilihat pada tabel berikut : B=

1

C=

0,001001

α=

13,81381

µbi =

0,6

Tabel 12 Nilai fuzzy untuk variabel model MPS dengan µbi = 0.6 untuk MPS hari ke-1 Atribut Biaya

Fuzzy Interval bia

bib

bi

1

RTS

3750

4125

3926

2

RTG

5000

5500

5235

3

ICK

2000

2200

2094

4

IKJ

2250

2475

2356

5

TOC

4500

4950

4712

6

RKJ

5000

5500

5235

.

.

.

Utilitas 1

RTS

194,27

213,69

203,41

2

RTG

194,27

213,69

203,41

3

ICK

216,75

238,43

226,95

4

IKJ

216,75

238,43

226,95

5

TOC

216,75

238,43

226,95

6

RKJ

216,75

238,43

226,95

195

Atribut

Fuzzy Interval

bi

Waktu Produksi 1

Penimbangan Tawar

13,73

15,11

14,38

2

Penimbangan Manis

13,73

15,11

14,38

3

Mixing Sponge Tawar

2,68

2,95

2,81

4

Mixing Sponge Manis

2,68

2,95

2,81

5

Fermentasi Tawar

16,79

18,46

17,58

6

Fermentasi Manis

16,79

18,46

17,58

7

Mixing Dough Tawar

3,43

3,78

3,59

8

Mixing Dough Manis

3,43

3,78

3,59

9

Floor Time Tawar

2,20

2,42

2,30

10

Floor Time Manis

2,20

2,42

2,30

11

Dividing Tawar

8,56

9,41

8,96

12

Dividing Manis

8,56

9,41

8,96

13

Rounder Tawar

8,28

9,11

8,67

14

Rounder Manis

8,28

9,11

8,67

15

Interm. Proofing Tawar

3,33

3,66

3,49

16

Interm. Proofing Manis

3,33

3,66

3,49

17

Pressing Tawar

18,62

20,48

19,50

18

Pressing Manis

18,62

20,48

19,50

19

Filling Manis

37,02

40,73

38,77

20

Make Up Tawar

20,54

22,59

21,50

21

Make Up Manis

20,54

22,59

21,50

22

Panning Tawar

20,78

22,86

21,76

23

Panning Manis

20,78

22,86

21,76

24

Racking Tawar

1,27

1,40

1,33

25

Racking Manis

1,27

1,40

1,33

196

Atribut

Fuzzy Interval

bi

26

Final Proofing Tawar

12,95

14,25

13,56

27

Final Proofing Manis

12,95

14,25

13,56

28

Baking Tawar

7,30

8,03

7,64

29

Baking Manis

7,30

8,03

7,64

30

Cooling Tawar

9,00

9,90

9,43

31

Cooling Manis

9,00

9,90

9,43

32

Slicing Tawar

14,54

15,99

15,22

33

Sortasi Tawar

14,54

15,99

15,22

34

Sortasi Manis

14,54

15,99

15,22

35

Packaging Tawar

15,73

17,31

16,47

36

Packaging Manis

15,73

17,31

16,47

Total Produksi 1

Produksi RTS

3.865

3865

3.865

2

Produksi RTG

2.905

2905

2.905

3

Produksi ICK

1.153

1153

1.153

4

Produksi IKJ

0

0

0

5

Produksi TOC

337

337

337

6

Produksi RKJ

683

683

683

Bahan Baku Terigu 1

Terigu RTS

245,72

270,292

257,28

2

Terigu RTG

179,92

197,912

188,39

3

Terigu ICK

35,80

39,38

37,48

4

Terigu IKJ

35,80

39,38

37,48

5

Terigu TOC

143,20

157,52

149,94

197

Atribut 6

Terigu RKJ

Fuzzy Interval

bi

91,13

100,243

95,42

Bahan Baku Gula 1

Gula RTS

13,40

14,74

14,03

2

Gula RTG

10,01

11,011

10,48

3

Gula ICK

6,45

7,095

6,75

4

Gula IKJ

6,45

7,095

6,75

5

Gula TOC

25,80

28,38

27,01

6

Gula RKJ

20,70

22,77

21,67

Bahan Baku Shortening 1

Shortening RTS

16,240

17,864

17,00

2

Shortening RTG

12,020

13,222

12,59

Bahan Baku Telur 1

Telur ICK

0,95

1,05

0,99

2

Telur IKJ

0,95

1,05

0,99

3

Telur TOC

3,80

4,18

3,98

4

Telur RKJ

7,60

8,36

7,96

Bahan Baku Full Cream 1

Full Cream ICK

0,75

0,83

0,79

2

Full Cream IKJ

0,75

0,83

0,79

3

Full Cream TOC

3,00

3,30

3,14

4

Full Cream RKJ

5,60

6,16

5,86

198

Atribut

Fuzzy Interval

bi

Bahan Baku Coklat Pasta 1

Coklat Pasta ICK

23,00

25,3

24,08

2

Coklat Pasta TOC

92,00

101,2

96,33

Bahan Baku Keju 1

Keju IKJ

23,00

25,3

24,08

2

Keju RKJ

30,00

33

31,41

24,00

26,4

25,13

Bahan Baku Cheddar Cheese 1

Cheddar Cheese RKJ

199

199

Tabel 13 Model matematis optimasi MPS.

Minimasi Biaya Produksi (Rp.) Maksimasi Utilisasi Produksi (detik)

Fungsi Tujuan

Variabel Keputusan RTS RTG ICK X1 X2 X3 3750 5000 2000 194.27 194.27 216.75

IKJ X4 2250 216.75

TOC X5 4500 216.75

RKJ X6 5000 216.75

Fungsi Pembatas

STASIUN KERJA

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Penimbangan Tawar

13.73

13.73

Penimbangan Manis Mixing Sponge Tawar

13.73 2.68

2.68 16.79

Mixing Dough Manis Floor Time Tawar Floor Time Manis Dividing Tawar Dividing Manis Rounder Tawar Rounder Manis Intermediate Proofing Tawar Intermediate Proofing Manis

16.79 3.43

2.2 8.56 8.28 3.33

13.73

13.73

2.68

2.68

2.68

16.79

Fermentasi Manis Mixing Dough Tawar

13.73

2.82

Mixing Sponge Manis Fermentasi Tawar

Tanda Pembatas ≤ 172800

16.79

16.79

16.79

3.43

3.43

3.43

3.43

3.43

2.2

2.2

2.2

2.2

8.56

8.56

8.56

8.56

8.28

8.28

8.28

8.28

3.33

3.33

3.33

3.33

2.2 8.56 8.28 3.33

≤

172800

≤

172800

≤

172800

≤

172800

≤

172800

≤

172800

≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤

172800 172800 172800 172800 172800 172800 172800 172800 172800 199

199

200

200

Minimasi Biaya Produksi (Rp.) Maksimasi Utilisasi Produksi (detik)

Fungsi Tujuan

Variabel Keputusan RTS RTG ICK X1 X2 X3 3750 5000 2000 194.27 194.27 216.75

IKJ X4 2250 216.75

TOC X5 4500 216.75

RKJ X6 5000 216.75

Fungsi Pembatas 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

Pressing Tawar Pressing Manis Filling Manis Make Up Tawar Make Up Manis Panning Tawar Panning Manis Racking Tawar Racking Manis Final Proofing Tawar Final Proofing Manis Baking Tawar Baking Manis Cooling Tawar Cooling Manis Slicing Tawar Sortasi Tawar Sortasi Manis

18.62

20.54 20.78 1.27 12.95 7.3 9 14.54 14.54

18.62 18.62 37.02

18.62 37.02

18.62 37.02

18.62 37.02

20.54

20.54

20.54

20.54

20.78

20.78

20.78

20.78

1.27

1.27

1.27

1.27

12.95

12.95

12.95

12.95

7.3

7.3

7.3

7.3

9

9

9

9

14.54

14.54

14.54

14.54

20.54 20.78 1.27 12.95 7.3 9 14.54 14.54

Tanda ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤

Pembatas 172800 172800 172800 172800 172800 172800 172800 172800 172800 172800 172800 172800 172800 172800 172800 172800 172800 172800

201

Minimasi Biaya Produksi (Rp.) Maksimasi Utilisasi Produksi (detik)

Fungsi Tujuan

Variabel Keputusan RTS RTG ICK X1 X2 X3 3750 5000 2000 194.27 194.27 216.75

IKJ X4 2250 216.75

TOC X5 4500 216.75

RKJ X6 5000 216.75

Fungsi Pembatas

PRODUKSI

BAHAN BAKU

35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52

Packaging Tawar Packaging Manis RTS RTG ICK IKJ TOC RKJ Terigu Gula Shortening Telur Full Cream Coklat Pasta Keju Cheddar Cheese Lower Bound Upper Bound

15.73

15.73 15.73

15.73

15.73

15.73

1 1 1 1 1 245.72 179.92 35.8 13.4 10.01 6.45 16.24 12.02 0.95 0.75 23

35.8 6.45

143.2 25.8

0.95 0.75

3.8 3 92

23 0 M

0 M

0 M

0 M

0 M

1 91.13 20.7 7.6 5.6 30 24 0 M

Tanda ≤ ≤ ≥ ≥ ≥ ≥ ≥ ≥ ≤ ≤ ≤ ≤ ≤ ≤ ≤ ≤

Pembatas 172800 172800 3,865 2,905 1,153 0 337 683 10000000 650000 600000 60000 50000 600000 500000 200000

201

201

202

Tabel 14 Hasil prakiraan permintaan jangka menengah produk roti \untuk perhitungan MRP. Hari 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

RTS 2788 3093 2565 2956 2335 2992 3102 2468 2926 3066 2626 2841 2788 2579 2366 2511 2437 2523 2826

RTG 1928 2076 1873 2105 2377 1905 1964 2112 2110 1837 2286 2086 1879 1863 1983 1957 1902 2271 2236

JENIS ROTI ICK IKJ 1910 1568 2396 1568 2222 1572 2457 1366 2271 1431 1224 1573 1608 1331 864 1562 2518 1525 1878 1564 2403 1357 716 1394 281 1600 2296 1504 2219 1559 2433 1497 2322 1534 2398 1510 2325 1429

TOC 15 206 390 225 251 71 75 369 325 391 397 297 184 266 125 293 238 162 199

RKJ 534 843 266 270 931 890 368 462 781 539 557 561 496 456 200 67 550 907 646

202

MODEL PERENCANAAN DAN PENGENDALIAN PERSEDIAAN BAHAN BAKU

203

RTS 2784 2227 2200 2449 2812 2421 2122 2392 2398 2572 2243 2183 2270 2621 2854 2217 2184 2384 2698 2352

RTG 1873 1890 2087 2072 1918 2257 2150 1934 1882 1962 1996 1903 2078 1941 1858 1887 1913 1862 1915 1835

40 41 42

2090 2211 2401

1866 1859 1874

2313 2040 2063

1467 1532 1572

TOC 179 179 279 165 271 127 159 102 323 333 107 388 112 414 294 80 51 146 221 240

RKJ 319 220 528 477 388 374 614 522 549 906 762 143 0 136 621 451 647 516 471 245

356 2 158

478 639 662

203

20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39

JENIS ROTI ICK IKJ 2067 1541 2316 1531 2176 1534 2169 1572 2233 1581 2455 1536 2406 1459 2255 1434 1447 1393 1516 1297 2032 1502 2229 1558 2473 1453 921 1482 141 1573 809 1584 1668 1587 2194 1539 2327 1558 2376 1552

Hari

204

RTS 245,72 13,4 16,24 0 0 0 0 0 0

0

0

0

0

24

200000

204

Bahan Baku Terigu Gula Shortening Fine Bran Telur Full Cream Coklat Pasta Keju Cheddar Cheese

Tabel 15 Recipe roti dan batas minimum persediaan bahan baku Produk Roti Batas Minimum Persediaan (gr) RTG ICK IKJ TOC RKJ 179,92 35,8 35,8 143,2 91,13 10000000 10,01 6,45 6,45 25,8 20,7 650000 12,02 0 0 0 0 600000 26,32 0 0 0 0 1000000 0 0,95 0,95 3,8 7,6 60000 0 0,75 0,75 3 5,6 50000 0 23 0 92 0 600000 0 23 30 500000

Persediaan (kg) 10000 650 600 1000 60 50 600 500 200

205

Berikut adalah informasi terkait bahan baku kelas A yang digunakan untuk membuat produk roti. Tabel 16 Informasi bahan baku kelas A untuk produksi roti NO 1 2 3

Material RM101001 RM101024 RM221004

Material Description Tepung Terigu Gula Pasir Filler Keju

Pack #N/A Sack Dus

Kg/pack 10000 50 5

Tempat Penyimpanan Trevira silo

20 ton o

o

suhu ruang 28 c -35 c o

Umur Simpan (hari) 7

7

365

o

5

180

o

chiller 0 c -4 c (besar) o

Tumpukan Maks (pack)

4

RM221003

Filler Coklat

Pcs

20

AC 16 c -23 c

5

180

5

RM221018

Cheedar Cheese

Dus

16

chiller 0 o c -4o c (besar)

5

180

6

RM101014

Milk Full Cream

Sack

25

suhu ruang 28 o c -35o c

7

365

7

300

4

7

7 8

RM101005 RM101011

Shortening Telur Ayam

Dus Krat

15 20

o

o

suhu ruang 28 c -35 c o

o

chiller 0 c -4 c (kecil)

Berdasarkan data prakiraan permintaan produk roti yang merupakan hasil prakiraan permintaan jangka menengah berdasarkan metode Jaringan Syaraf Tiruan, data Recipe untuk tiap varian roti, kemudian dilakukan perhitungan kebutuhan bahan baku untuk tiap-tiap varian bahan baku. Berikut ini adalah tabel kebutuhan tepung terigu berdasarkan prakiraan permintaan berbagai varian produk roti:

205

206

Hari 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

RTS

RTG

JENIS ROTI ICK IKJ

685045 760123 630225 726469 573670 735125 762142 606412 719006 753274 645153 698039 685072 633685 581302 617047 598704 619915 694353 684112 547098

346954 373498 336960 378656 427587 342717 353329 379980 379655 330583 411279 375288 338145 335132 356861 352026 342258 408519 402220 336936 340106

68395 85786 79539 87956 81315 43817 57549 30927 90162 67225 86035 25645 10047 82200 79424 87108 83142 85865 83236 73994 82920

56141 56143 56276 48910 51231 56304 47662 55928 54595 55997 48581 49907 57275 53851 55801 53591 54911 54063 51141 55183 54825

TOC

RKJ

2098 29501 55918 32164 36008 10224 10669 52871 46505 56061 56912 42539 26375 38046 17875 42003 34038 23131 28442 25574 25661

48673 76860 24251 24622 84854 81126 33572 42126 71193 49160 50732 51117 45168 41594 18186 6124 50143 82691 58852 29056 20015

Total (gr)

Total (kg)

1207306 1381910 1183169 1298777 1254665 1269313 1264923 1168244 1361116 1312301 1298692 1242534 1162081 1184507 1109449 1157899 1163196 1274184 1318245 1204855 1070625

1207 1382 1183 1299 1255 1269 1265 1168 1361 1312 1299 1243 1162 1185 1109 1158 1163 1274 1318 1205 1071

206

Tabel 17 Perhitungan kebutuhan tepung terigu (gram) berdasarkan prakiraan permintaan.

207

Hari 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 Total

RTS

RTG

JENIS ROTI ICK IKJ

540550 601717 690906 594927 521379 587679 589124 631987 551165 536321 557858 643941 701211 544739 536611 585824 662896 577865 513552 543390 589910 26259521

375455 372872 344998 406096 386779 348039 338593 353048 359122 342427 373811 349167 334338 339516 344129 334970 344624 330175 335725 334558 337211 15034344

77915 77656 79955 87902 86143 80740 51803 54269 72756 79781 88537 32971 5043 28962 59718 78551 83308 85045 82804 73042 73851 2913035

54907 56270 56602 54992 52218 51341 49863 46440 53771 55776 52018 53043 56314 56694 56827 55103 55766 55562 52514 54844 56265 2265446

TOC

RKJ

40001 23608 38806 18257 22722 14588 46268 47651 15275 55610 16046 59245 42132 11448 7235 20895 31610 34434 50912 295 22558 1312211

48132 43478 35364 34104 55970 47553 50015 82552 69412 13002 0 12430 56589 41056 58963 47040 42920 22307 43529 58243 60282 1913058

Total (gr)

Total (kg)

1136960 1175600 1246631 1196277 1125211 1129939 1125666 1215946 1121501 1082917 1088269 1150797 1195628 1022416 1063483 1122383 1221124 1105387 1079037 1064372 1140079 49697615

1137 1176 1247 1196 1125 1130 1126 1216 1122 1083 1088 1151 1196 1022 1063 1122 1221 1105 1079 1064 1140 49698 207

208

Untuk keseluruhan varian bahan baku kelas A yang diamati, rekapitulasi kebutuhan bahan baku dapat dilihat pada tabel berikut.

Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Tepung Terigu Gula Pasir 1.207 91 1.382 111 1.183 93 1.299 97 1.255 105 1.269 97 1.265 90 1.168 89 1.361 111 1.312 103 1.299 104 1.243 92 1.162 83 1.185 94 1.109 83 1.158 88 1.163 94 1.274 105 1.318 103 1.205 91 1.071 83

Data Permintaan Bahan Baku (dalam kg) Filler Keju Filler Coklat Cheedar Cheese Milk Full Cream Shortening 1 Telur Ayam 52 45 13 6 68 7 61 74 20 8 75 7 44 87 6 6 64 7 40 77 6 5 73 7 61 75 22 9 66 12 63 35 21 7 71 10 42 44 9 4 74 6 50 54 11 6 65 7 59 88 19 8 73 11 52 79 13 7 72 9 48 92 13 7 70 9 49 44 13 6 71 7 52 23 12 5 68 6 48 77 11 6 64 8 42 63 5 4 62 6 36 83 2 4 64 5 52 75 13 7 62 9 62 70 22 8 68 11 52 72 15 7 73 9 45 64 8 5 68 7 42 70 5 5 59 6

208

Tabel 18 Rekapitulasi kebutuhan bahan baku sesuai prakiraan permintaan seluruh varian produk roti.

209

Periode 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 Total

Tepung Terigu Gula Pasir 1.137 92 1.176 92 1.247 96 1.196 92 1.125 92 1.130 89 1.126 89 1.216 100 1.122 91 1.083 86 1.088 79 1.151 84 1.196 88 1.022 75 1.063 84 1.122 89 1.221 96 1.105 86 1.079 90 1.064 85 1.140 92 49.698 3.872

Data Permintaan Bahan Baku (dalam kg) Filler Keju Filler Coklat Cheedar Cheese Milk Full Cream Shortening 1 Telur Ayam 51 76 13 7 61 9 50 65 11 6 65 8 48 76 9 6 69 8 47 68 9 5 66 7 52 70 15 7 60 9 49 61 13 6 62 8 48 63 13 6 62 8 57 65 22 8 65 11 57 57 18 7 60 10 40 87 3 5 58 6 33 67 0 3 62 4 38 59 3 4 66 5 55 30 15 6 69 7 50 26 11 5 59 6 56 43 16 6 58 8 51 64 12 6 61 8 50 74 11 6 67 8 43 77 6 5 60 7 48 86 11 7 56 9 54 47 15 6 58 8 56 62 16 7 62 9 2.085 2.715 504 254 2.740 328

209

210

ekonomis untuk tiap varian bahan baku (Economic Order Quantity/EOQ). Berikut ini adalah input data untuk perhitungan EOQ bahan baku di PT NIC. Untuk contoh perhitungan EOQ akan diberikan contoh bahan baku Tepung Terigu. Tabel 19 Input data perhitungan EOQ bahan baku tepung terigu Produk yang diamati

TEPUNG TERIGU

Cp biaya pesan (Rp)

120.000,00 190,29

per sekali pesan

Cs

biaya simpan (Rp)

D

permintaan slama T periode (Kg)

49.697,62

kg untuk 42 hari

T

periode perencanaan

42

hari

P

harga beli

Lt

lead time

2,00

hari

d

permintaan selama T periode (Kg)

1.183,28

kg untuk 1 hari

6.750,00

per kg/42 hari

/ kg

210

Setelah diketahui data kebutuhan bahan baku tiap varian, tahap perhitungan berikutnya adalah menentukan ukuran pemesanan

211

Tabel 20 Hasil perhitungan EOQ dan total biaya persediaan bahan baku tepung terigu. EOQ (Kg)

7.917

Qpack

1

Ukuran pemesanan ; Q** (Kg)

10.000

Interval pemesanan ; t* (hari)

8,45

Frekuensi pemesanan ; n (kali)

5

Ongkos simpan (Rp.)

951.472,60

Ongkos pesan (Rp.)

600.000,00

Total Biaya Persediaan ;TC (Rp.)

1.551.472,60

Berikut adalah rekapitulasi hasil perhitungan EOQ dan Total Biaya Persediaan untuk seluruh bahan baku yang menjadi fokus bahasan dalam penelitian ini. Sesuai dengan hasil perhitungan EOQ yang merupakan fase Lotting dalam perhitungan MRP, data EOQ akan disesuaikan dengan ukuran pemesanan dan minimum order berdasarkan kesepakatan dengan masing-masing suplier bahan baku.

211

212

Tabel 21 Rekapitulasi perhitungan EOQ dan total biaya persediaan. Material

Material Description

Min Order (kg)

EOQ

1

RM101001

Tepung Terigu

10.000

7.917

10.000

1.551.472,60

2

RM101024

Gula Pasir

100

1.967

2.000

480.334,93

3

RM221004

Filler Keju

100

689

700

729.217,89

4

RM221003

Filler Coklat

100

1.191

700

635.715,62

5

RM221018

Cheedar Cheese

80

268

320

509.770,53

6

RM101014

Milk Full Cream

50

244

250

368.625,00

7

RM101005

Shortening

75

1.580

1.650

457.534,12

8

RM101011

Telur Ayam

100

483

500

204.575,34

Pemesanan

TC (Rp)

Berikut adalah hasil perhitungan total biaya persediaan berdasarkan ukuran pemesanan yang dilakukan oleh perusahaan.

.

212

Ukuran

NO

213

Tabel 22 Rekapitulasi ukuran pemesanan dan total biaya persediaan perusahaan. NO

Material

1 2 3 4 5 6 7 8

RM101001 RM101024 RM221004 RM221003 RM221018 RM101014 RM101005 RM101011

Material Description Tepung Terigu Gula Pasir Filler Keju Filler Coklat Cheedar Cheese Milk Full Cream Shortening Telur Ayam

Min Order (kg) 10.000 100 100 100 80 50 75 100

EOQ 7.917 1.967 689 1.191 268 244 1.580 483

Ukuran Pemesanan 20.000 1.000 1.000 1.000 160 250 750 1.000

TC (Rp) 2.262.945,21 600.167,47 887.454,12 699.526,03 614.885,27 368.625,00 578.879,15 289.150,68

Berdasarkan hasil perhitungan EOQ kemudian dilakukan perhitungan percent loss bahan baku (% Loss RM) atau umumnya dinamakan persediaan pengaman (safety stock) dan nilai titik pemesanan kembali (Reorder Point/ROP) untuk seluruh varian bahan baku.

213

214

No

Material

Material Description

1 2 3 4 5 6 7 8

RM101001 RM101024 RM221004 RM221003 RM221018 RM101014 RM101005 RM101011

Tepung Terigu Gula Pasir Filler Keju Coklat Pasta Cheedar Cheese Milk Full Cream Shortening Telur Ayam

Demand Demand Lead / 42 hari / hari Time (D) (d) (hari) 49698 3872 2085 2715 504 254 2740 328

1183,28 92,2 49,65 64,63 12 6,04 65,24 7,82

2 3 7 7 14 7 7 2

214

Tabel 23 Perhitungan % Loss bahan baku dan Reorder Point. % Loss

Safety Stock (kg)

ROP unit (kg)

4,00% 3,00% 4,00% 4,00% 4,00% 3,00% 3,00% 4,00%

331 19 14 18 3 1 14 2

2698 296 362 471 172 44 471 18

215

Berikut adalah perhitungan MRP untuk bahan baku Tepung Terigu:

Tabel 24 Contoh perhitungan MRP tepung terigu Tepung Safety Stock = 331 Terigu kg Lead Time = 2 hari Period -1 0 1 Gross 1.207 Requirement 10000 8.793 Inventory Net -8.793 Requirement Planned 0 Order Receipt Planned 0 0 Order Release

Persediaan Awal = 10000 kg = 1E+07 gram

2

3

1.382

1.183

4

5

6

7

8

9

1.299 1.255

1.269

1.265

1.168

1.269

7.411 6.228 4.929 3.674 -6.228 7.411 4.929 3.674

2.405

1.140 1.140

9.972

8.702 8.702

-2.405

28

0

0

0

0

0

0

10000

0

0

0

0

0

10000

0

0

0

215

216

Untuk mengendalikan persediaan bahan baku, diusulkan pendekatan Continuous Review System dengan mempertimbangkan Stock Opname untuk item bahan baku kelas A dimana untuk PT NIC, kegiatan ini dilakukan setiap hari. Selain itu, model ini juga mempertimbangkan output jadwal induk produksi (MPS). Dengan dilakukannya pendekatan ini, apabila terjadi gangguan internal sistem produksi, dapat diketahui apakah perlu dilakukan penyesuaian atas MRP yang telah dibuat. Contoh perhitungannya dapat dilihat untuk contoh bahan baku Tepung Terigu berikut ini. Tabel 25 Output MPS Output Jadwal Induk Produksi Roti (bungkus) Hari ke-

X1

X2

X3

X4

X5

X6

(RTS)

(RTG)

(ICK)

(IKJ)

(TOC)

(RKJ)

1

3865

2905

1153

0

337

683

2

2674

2747

2004

35

269

410

3

2909

2776

2532

225

598

334

4

2776

2532

225

598

610

328

5

3578

2257

8

144

176

81

217

Tabel 26 Perhitungan kebutuhan bahan baku sesuai MPS hari ke-1 Bahan Baku Produk Roti

Terigu

Gula Pasir

Shortening

Telur

Full Cream

Coklat Pasta

Keju

Cheddar Cheese

RTS

949707,80

51791,00

62767,60

0,00

0,00

0,00

0,00

0,00

RTG

522667,60

29079,05

34918,10

0,00

0,00

0,00

0,00

0,00

ICK

41277,40

7436,85

0,00

1095,35

864,75

26519,00

IKJ

0,00

0,00

0,00

0,00

0,00

0,00

TOC

17204,20

8694,60

0,00

1280,60

1011,00

31004,00

RKJ

62241,79

14138,10

0,00

5190,80

3824,80

0,00

20490,00

16392,00

1593098,79

111139,60

97685,70

7566,75

5700,55

57523,00

20490,00

16392,00

1593,10

111,14

97,69

7,57

5,70

57,52

20,49

16,39

0,00 0,00

0,00 0,00

Gross Requirement_MP S hari-1 (gr) Gross Requirement_MP S hari-1 (kg)

217

218

Tabel 27 Perhitungan pengendalian persediaan bahan baku tepung terigu.

Hari ke0 1 2 3 4 5 6 7

ROP (gr) = 2698000

Tepung Terigu Lead Time (hari) = 2

Gross Req.

Ending OH

Stock Opname

Order Revised

8406901 7099824 5570971 3715618 2391708

8400000 7000000 5000000 3715000 2490000

0 0 0 0 0

1593099 1300176 1429029 1284382 1323292

Beginning OH 1,00E+07 1,00E+07 8400000 7000000 5000000 3715000 2490000

Q (gram )= 10.000.000 1 Sched. Receipt

0 0 0 0 0

219

MODEL PENJADWALAN FLOWSHOP Berdasarkan output model Master Production Scheduling (MPS) diperoleh item produk yang akan diproduksi per-hari selama 7 hari seperti yang terlihat pada tabel berikut : Tabel 28 Permintaan produk roti hari ke 1 - 5 Produk Roti Periode

RTS

RTG

ICK

IKJ

TOC

RKJ

Hari-1

3865

2905

1153

0

337

683

Hari-2

2674

2747

2004

35

269

410

Hari-3

2909

2776

2532

225

598

334

Hari-4

2776

2532

225

598

610

328

Hari-5

3578

2257

8

144

176

81

Terdapat dua lini produksi yang akan menghasilkan roti tawar (RTS dan RTG) dimana sudah terdapat ketentuan pembagian batch sesuai dengan kebutuhan adonan roti, seperti yang terlihat pada tabel berikut. Tabel 29 Ukuran batch produk roti. Produk Roti

Ukuran batch (unit)

RTS

225

250

180

RTG

175

200

IKJ,ICK

40

50

60

TOC

40

50

60

RKJ

40

50

60

70

140

220

Algorithm. Berdasarkan data output MPS hari ke-1 untuk produk RTS dan RTG, ditentukan hasil penjadwalan batch sebagai berikut : Tabel 30 Job pada lini 1 dan lini 2 roti tawar. Lini 1 Roti Tawar RTS RTS RTS RTS RTS RTS RTS RTS RTG RTG RTG RTG RTG RTG RTG RTG RTG 250

250

250

250

250

250

250

225

200

200

200

200

200

200

175

175

Lini 2 Roti Tawar RTS RTS RTS RTS RTS RTS RTS RTS RTG RTG RTG RTG RTG RTG RTG RTG 250

250

250

250

250

250

225

180

200

200

200

200

200

200

175

175

175

220

Sebagai contoh perhitungan, akan dilakukan perhitungan penjadwalan lini produksi roti tawar dengan menggunakan metode Genetic

221

Batch roti tersebut akan dikerjakan pada lini roti tawar sesuai dengan kebutuhan waktu sebagai berikut : Tabel 31 Waktu proses lini roti tawar. No. Stasiun Kerja

Waktu (detik) per-unit

1

Penimbangan

13,734

2

Mixing Sponge

2,681

3

Fermentasi

16,786

4

Mixing Dough

3,432

5

Floor Time

2,198

6

Dividing

8,556

7

Rounder

8,284

8

Intermediate Proofing 3,330

9

Pressing

18,621

10

Make Up

20,535

11

Panning

20,778

12

Racking

1,270

13

Final Proofing

12,953

14

Baking

7,298

15

Cooling

9,003

16

Slicing

14,538

17

Sortasi

14,538

18

Packaging

15,732

Total waktu

194,267

Pada penjelasan operasional model, akan dilakukan penjelasan perhitungan dengan menggunakan data job pada Lini 1 Roti Tawar. Hasil perhitungan kebutuhan waktu proses pengerjaan job pada Lini 1 Roti Tawar adalah sebagai berikut :

222 Tabel 32 Hasil perhitungan kebutuhan waktu proses pengerjaan job pada lini 1 roti tawar.

222

Job (Ji)

M1

M2

M3

M4

M5

M6

M7

M8

M9

M10

M11

M12

M13

M14

M15

M16

M17

M18

1

3433,5

670,2

4196,5

858

549,5

2139

2071

832,5

4655,2

5133,7

5194,5

317,5

3238,2

1824,5

2250,7

3634,5

3634,5

3933

2

3433,5

670,2

4196,5

858

549,5

2139

2071

832,5

4655,2

5133,7

5194,5

317,5

3238,2

1824,5

2250,7

3634,5

3634,5

3933

3

3433,5

670,2

4196,5

858

549,5

2139

2071

832,5

4655,2

5133,7

5194,5

317,5

3238,2

1824,5

2250,7

3634,5

3634,5

3933

4

3433,5

670,2

4196,5

858

549,5

2139

2071

832,5

4655,2

5133,7

5194,5

317,5

3238,2

1824,5

2250,7

3634,5

3634,5

3933

5

3433,5

670,2

4196,5

858

549,5

2139

2071

832,5

4655,2

5133,7

5194,5

317,5

3238,2

1824,5

2250,7

3634,5

3634,5

3933

6

3433,5

670,2

4196,5

858

549,5

2139

2071

832,5

4655,2

5133,7

5194,5

317,5

3238,2

1824,5

2250,7

3634,5

3634,5

3933

7

3433,5

670,2

4196,5

858

549,5

2139

2071

832,5

4655,2

5133,7

5194,5

317,5

3238,2

1824,5

2250,7

3634,5

3634,5

3933

603,2

3776,8

772,2

494,5

1925,1

1863,9

749,2

4189,7

4620,3

4675

285,7

2914,4

1642

2025,6

3271

3271

3539,7

3090,1 8 9

2746,8

536,2

3357,2

686,4

439,6

1711,2

1656,8

666

3724,2

4107

4155,6

254

2590,6

1459,6

1800,6

2907,6

2907,6

3146,4

10

2746,8

536,2

3357,2

686,4

439,6

1711,2

1656,8

666

3724,2

4107

4155,6

254

2590,6

1459,6

1800,6

2907,6

2907,6

3146,4

11

2746,8

536,2

3357,2

686,4

439,6

1711,2

1656,8

666

3724,2

4107

4155,6

254

2590,6

1459,6

1800,6

2907,6

2907,6

3146,4

12

2746,8

536,2

3357,2

686,4

439,6

1711,2

1656,8

666

3724,2

4107

4155,6

254

2590,6

1459,6

1800,6

2907,6

2907,6

3146,4

13

2746,8

536,2

3357,2

686,4

439,6

1711,2

1656,8

666

3724,2

4107

4155,6

254

2590,6

1459,6

1800,6

2907,6

2907,6

3146,4

14

2746,8

536,2

3357,2

686,4

439,6

1711,2

1656,8

666

3724,2

4107

4155,6

254

2590,6

1459,6

1800,6

2907,6

2907,6

3146,4

15

2403,4

469,1

2937,5

600,6

384,6

1497,3

1449,7

582,7

3258,6

3593,6

3636,1

222,2

2266,7

1277,1

1575,5

2544,1

2544,1

2753,1

16

2403,4

469,1

2937,5

600,6

384,6

1497,3

1449,7

582,7

3258,6

3593,6

3636,1

222,2

2266,7

1277,1

1575,5

2544,1

2544,1

2753,1

17

2403,4

469,1

2937,5

600,6

384,6

1497,3

1449,7

582,7

3258,6

3593,6

3636,1

222,2

2266,7

1277,1

1575,5

2544,1

2544,1

2753,1

223

Dalam penjadwalan urutan pengerjaan batch roti tawar pada lini roti tawar, diusulkan pemanfaatan model Genetic Algorithm Flow Shop (GAFS) sesuai dengan karakteristik proses produksi pada industri pangan umumnya serta pada pada PT NIC khususnya. Sesuai dengan kebutuhan penyelesaian penjadwalan dengan menggunakan model GAFS, dikembangkan populasi awal meliputi dua populasi, dimana pada tiap populasi masing-masing terdapat 10 kromosom. Dalam penentuan kromosom yang akan mengalami proses cross over maupun mutasi, sebagai contoh akan digunakan angka acak berdasarkan pendekatan LCG. Selain itu pendekatan LCG ini juga akan dimanfaatkan untuk menentukan posisi gen pada tiap kromosom terpilih yang akan mengalami proses cross over dan mutasi. Tahapan perhitungan di atas dilakukan sebanyak n generasi sesuai dengan kebutuhan.

224

MODEL PENGENDALIAN GANGGUAN

Berikut adalah contoh gangguan yang terjadi dan kegiatan pengendalian gangguan yang dilakukan

225

Tabel 33 Tabel kegiatan pengendalian gangguan PERIODE

1 Sumber

No.

1

2

Nama Gangguan Divider masih belum normal untuk memotong adonan dimana hal ini menyebabkan adonan masih sering double Kadang sering tidak mengikat etiket dengan sempurna dan hasil seal terkadang miring, sehingga produk harus dirework.

Keyword

S

Internal Sistem Produksi ISP-1

Divider

Kwiklock

Aksi

√

ISP-2

ISP-3

ISP-4

ISP-5

D

Pengendalian

Keteranga n

√

Perbaikan teknik

Adonan

√

Perbaikan teknik

Roti Tawar

3

Silo eror pada mixer SB

Silo

√

Perbaikan teknik

Silo CKE

4

Telur di rejec sebanyak 20.215 kg yang merupakan telur sisa dari tanggal 07/09/10 karenakan kondisinya yang tidak segar lagi(agak bau) dan warnanya tampak coklat

Telur

√

Sampaikan informasi pada leader RM

Telur

Adonan

5

Water Meter Tinggi

√

Perbaikan teknik

225

Water meter tinggi yaitu 11,5 dan sampai selesai proses mixing suhu water temperatur tetap masih tinggi dan mencapai 13,5 dimana hal ini menyebabkan suhu adonan setelah di mixing mencapai 27,9

226

226

PERIODE

1 Sumber

No.

Nama Gangguan

Keyword

6

Water meter di area mixer WB sering error, air yang di tranfer ke mixer tidak sesuai dengan yang di display(lebih banyak) dimana hal ini menyebabkan adonan menjadi lembek dan selama perbaikan penambahan air di lakukan secara manual oleh produksi

Water Meter Eror

7

Perusahaan melakukan promosi penjualan karena tuntutan penambahan pabrik baru oleh share holder

Demand Naik

8

Jumlah karyawan dibawah kbthn standard karena ijin atau alasan yang jelas & direncanakan sebelum ketidakhadiran, namun tidak didapatkan karyawan pengganti

Operator Absen

9

Kesalahan penentuan jumlah produksi oleh PPIC dikarenakan kelalaian

Kesalahan Planning

S

Aksi

Internal Sistem Produksi ISP-1

ISP-2

ISP-3

ISP-4

ISP-5

√

√

√

√

D

Pengendalian

Keteranga n

Perbaikan teknik

Adonan

Penyesuaian jumlah produksi

Umum

Supervisor membantu operator produksi

Umum

Hitung kekurangan jumlah produk utk Revisi MPS periode berikutnya

Umum

227

PERIODE

1 Sumber

No.

Nama Gangguan

Keyword

10

Kesalahan penyampaian order oleh point outlet

Kesalahan Informasi

11

Keterlambatan pengiriman bahan baku dikarenakan supplier mengalami hambatan untuk memperoleh bahan baku berkualitas untuk diproduksi

Supply RM

12

RR4 roti banyak yang gosong pada bagian bawah sehingga banyak yang dirijek

S

Aksi

Internal Sistem Produksi ISP-1

ISP-2

ISP-3

ISP-4

ISP-5

√

√

√

D

Pengendalian Hitung kekurangan jumlah produk utk Revisi MPS periode berikutnya Periksa Stock Opname RM terkait siapkan antisipasi perubahan item yang diproduksi bila RM terkait blm tersedia Produk direjec

Keteranga n

Umum

Telur

RR4

227

228

228

PERIODE

1 Sumber

No.

Nama Gangguan

Keyword

13

RTS banyak yang bagian bawahnya sobek dikarenakan pada saat RTS di transfer dari cooling conveyor oven ke cooling conveyor packing posisinya banyak yang berdempetan (tidak ada jarak) sehingga roti yang ada di cooling conveyor mernimpa batas-batasnya dan a

Kesalahan Operator Produksi

14

Kwiklok kadang tidak dapat mengikat etiket dengan sempurna dimana hal ini menyebabkan produk banyak dirework dan di kwiklok manual

Kwiklock

15

Kwiklok tidak mencetak dengan sempurna sehingga roti banyak yang tercecer, dan dimasukkan kedalam krat cooling.

Kwiklock

16

Hasil divider masih kadang dobel.

Divider

S

Aksi

Internal Sistem Produksi ISP-1

ISP-2

ISP-3

ISP-4

ISP-5

D

Pengendalian

Keteranga n

Sampaikan informasi pada Shift Leader

RTS

√

Perbaikan teknik

Kwiklock

√

Perbaikan teknik

Kwiklock

Perbaikan teknik

Umum

√

√

229

PERIODE

1 Sumber

No.

Nama Gangguan

Keyword

S

Aksi

Internal Sistem Produksi ISP-1

ISP-2

Timbangan

18

Kwiklok tidak berfungsi

Kwiklock

19

Item CCP dirijek sebanyak 219 pcs karena permukaan atas pada pecah

Rejeck Produk

20

Hasil cetak Kwiklok, harga dan exp date kadang tidak jelas

Kwiklock

21

Dividernya kadang tidak berfungsi dengan baik

Divider

√

22

Lampu Oven Chiffon mati

Lampu Oven

√

√

√ √ √

ISP-4

ISP-5

D

Pengendalian

Perbaikan teknik

Silo CKE

Perbaikan teknik

Kwiklock

Produk Dirijeck

CCP

Perbaikan teknik berulang Perbaikan sering dilakukan tetapi masih sering rusak (adonan sering double) Perbaikan teknik

Kwiklock

Umum

Chiffon

229

17

Timbangan tepung (silo) error, tidak sesuai dengan display, rata-rata kelebihan tepung untuk spong dan dough SB sekitar 20 - 45 kg dan hal yang sama juga terjadi di line WB, selama perbaikan penimbangan tepung dilakukan secara manual oleh RM dan produksi

ISP-3

Keteranga n

230

230

PERIODE

1 Sumber

No.

Nama Gangguan

Keyword

S

Aksi

Internal Sistem Produksi ISP-1

ISP-2

ISP-3

ISP-4

ISP-5

D

Pengendalian

Keteranga n

23

Humidity final proofing kadang dibawah standar antara 40-47 %

Final Proofing

√

Perbaikan teknik berulang

Adonan

24

Mesin seal tidak dapat mengeseal etiket

Mesin Seal

√

Perbaikan teknik

Etiket

25

RH & Suhu ruang Final Proofing, mencapai 94 % & 44ºC

Final Proofing

√

Perbaikan teknik

Umum

√

Buang RM bermasalah, laporkan ke leader untuk ditindaklanjuti

FG & RM Raisin

Perbaikan teknik

Kwiklock

26

Ditemukan Box yang berisi Raisin diarea MIxer WB berlumut

RM Raisin

27

Kwiklock tidak dapat berfungsi dengan baik

Kwiklock

28

Krat cooling SB kurang sehingga beberapa item roti manis menggunakan krat tawar dan ditumpuk

Krat kurang

√

Sudah di informasikan ke leader

Umum

29

Cutting tidak dapat memotong dengan baik

Cutting

√

Perbaikan teknik

Umum

30

Print Inkjet eror (tdk dapat mengeprint), produk pukul 07.55 s.d. 08.22 & 10.59 s.d. 11.17 di pack tanpa kode produksi

Print Inkjet

√

Perbaikan teknik berulang

Etiket

31

Slicer sering macet

Slicer

√

Perbaikan teknik

Umum

√

231

PERIODE

1 Sumber

No.

Nama Gangguan

Keyword

S

Aksi

Internal Sistem Produksi ISP-1

ISP-2

ISP-3

ISP-4

ISP-5

D

Pengendalian

Keteranga n

32

Sering ditemukan logam, umumnya sisa dari clening mesin (oli) & loyang (scotbrigh)

Detector Logam

√

Sampaikan informasi pada Shift Leader

Umum

33

CCP di rejec di karenakan pada bagian permukaanya banyak yang retak sebanyak 149 pcs, disebabkan pada saat proses mixing BJ dari adonan ccp adalah 0.36 (agak kental)

Produk Rejeck

√

Produk dirijek

CCP

34

Mesin Slicer putus

Slicer

√

Perbaikan teknik

Umum

35

Mesin seal tidak dapat bekerja dengan baik (macet), selama perbaikan coolong conveyor dimatikan.

Mesin Seal

√

Perbaikan teknik

Umum

231

232

Tabel 34 Sumber gangguan Kode Sumber ISP-1 ISP-2 ISP-3 ISP-4 ISP-5 S D

Nama Sumber

Keterangan

Internal Sistem Produksi Internal Sistem Mesin Produksi Internal Sistem Operator Produksi Internal Sistem Energi Produksi Internal Sistem Kebijakan/Metode/Budaya/Teknologi/Lingkungan Produksi Supply Supply Demand Demand Raw Material

Sebagai contoh, akan digunakan data gangguan berdasarkan sub model sebelumnya, sebagai berikut :

233

Tabel 35 Penentuan kebijakan lanjutan pengendalian gangguan.

Keyword

S

Sumber Internal Sistem Produksi ISP-1

Divider

?

Kwiklock Telur Water Meter

ISP-2

ISP-3

ISP-4

Skala ISP-5

? ? ? ? ?

Demand Naik

?

Operator Absen

? ?

Kesalahan Planning Kesalahan Informasi Supply RM

? ?

Kesalahan Oprt Produksi

? ? ? ? ? ?

Timbangan Reject Produk Lampu Oven Final Proofing Mesin Seal Krat Kurang

?

RM Raisin

? ? ? ?

Cutting Print Inkjet Slicer Detector Logam Retur Order FG Mendadak SL Supplier

? ?

Frekuensi

2 3 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 2 1 1 1 2 1 1 1

Dampak

Follow Up

PIC

Keparahan Gangguan

2 2 3 1 1 1 2 1 2 1 2 1 1 1 1 1 1 1 1 2 2 1 1 1 1 1

2 1 2 1 1 1 1 1 2 1 2 1 2 2 1 1 1 2 1 2 2 2 2 1 3 1

Tidak Ya

Div PPIC dan Div Maintenance

Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak

233

? ? ?

Bauran Pemasaran

Kualitas RM

D

Tingkat

234

234

Sebagai contoh perhitungan penyesuaian nilai % Loss dapat dilihat tabel berikut : Tabel 36 Input data untuk perhitungan perubahan % Loss.

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1 1

Divider masih belum normal untuk memotong adonan dimana hal ini menyebabkan adonan masih sering double

Divider

2

Kadang sering tidak mengikat etiket dengan sempurna dan hasil seal terkadang miring, sehingga produk harus dirework.

Kwiklo ck

3

Silo eror pada mixer SB

4

Telur di reject sebanyak 20.215 kg yang merupakan telur sisa dari tanggal 07/09/10 karenakan kondisinya yang tidak segar lagi(agak bau) dan warnanya tampak coklat

ISP-2

ISP-3

ISP-4

D ISP-5

Pengaruh nya pada

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

FG Terkait

RM Terkait

√

0

3

0

3

Umum

Umum

√

0

4

0

4

RTS, RTG

Umum

Silo

√

0

5

0

3

Umum

Tepung Terigu

Telur

√

0

1

0

3

Umum

Telur

√

235

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1

ISP-2

ISP-3

ISP-4

D ISP-5

Pengaruh nya pada

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

FG Terkait

RM Terkait

5

Water meter tinggi yaitu 11,5 dan sampai selesai proses mixing suhu water temperatur tetap masih tinggi dan mencapai 13,5 dimana hal ini menyebabkan suhu adonan setelah di mixing mencapai 27,9

Water Meter Tinggi

√

0

2

0

2

Umum

Umum

6

Water meter di area mixer WB sering error, air yang di tranfer ke mixer tidak sesuai dengan yang di display(lebih banyak) dimana hal ini menyebabkan adonan menjadi lembek dan selama perbaikan penambahan air di lakukan secara manual oleh produksi

Water Meter Eror

√

0

2

0

3

Umum

Umum

7

Perusahaan melakukan promosi penjualan karena tuntutan penambahan pabrik baru oleh share holder

Deman d Naik

0

4

0

4

Umum

Umum

√

235

236

236

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1

8

Jumlah karyawan dibawah kbthn standar karena ijin atau alasan yang jelas & direncanakan sebelum ketidakhadiran, namun tidak didapatkan karyawan pengganti

9

Kesalahan penentuan jumlah produksi oleh PPIC dikarenakan kelalaian

10

Kesalahan penyampaian order oleh point outlet

11

Keterlambatan pengiriman bahan baku dikarenakan supplier mengalami hambatan untuk memperoleh bahan baku berkualitas untuk diproduksi

12

Roti ICK banyak yang gosong pada bagian bawah sehingga banyak yang dirijek

ISP-2

Operato r Absen

ISP-4

ISP-5

√

Kesalah an Plannin g Kesalah an Informa si Supply RM

ISP-3

D

√

√

Pengaruh nya pada

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

FG Terkait

RM Terkait

0

0

0

0

Umum

Umum

√

0

1

0

1

Umum

Umum

√

0

1

0

1

Umum

Umum

0

0

0

3

Umum

Telur

0

2

0

1

ICK

Umum

237

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1

Kesalah an Operato r Produk si

14

Kwicklock kadang tidak dapat mengikat etiket dengan sempurna dimana hal ini menyebabkan produk banyak dirework dan di kwiklok manual

Kwiklo ck

15

Kwicklock tidak mencetak dengan sempurna sehingga roti banyak yang tercecer, dan dimasukkan kedalam krat cooling.

Kwiklo ck

16

Hasil divider masih kadang dobel.

Divider

ISP-3

√

ISP-4

ISP-5

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

FG Terkait

RM Terkait

0

2

0

1

RTS,

Umum

√

0

0

0

2

RTS,R TG

Kwikloc k

√

0

1

0

2

RTS,R TG

Kwikloc k

0

2

0

2

RTS,R TG

Umum

√

237

13

RTS banyak yang bagian bawahnya sobek dikarenakan pada saat RTS di transfer dari cooling conveyor oven ke cooling conveyor packing posisinya banyak yang berdempetan (tidak ada jarak) sehingga roti yang ada di cooling conveyor mernimpa batas-batasnya dan a

ISP-2

D

Pengaruh nya pada

238

238

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1

17

Timbangan tepung (silo) error, tidak sesuai dengan display, rata-rata kelebihan tepung untuk spong dan dough SB sekitar 20 - 45 kg dan hal yang sama juga terjadi di line WB, selama perbaikan penimbangan tepung dilakukan secara manual oleh RM dan produksi

Timban gan

18

Kwicklock tidak berfungsi

Kwiklo ck

19

Item IKJ dirijek sebanyak 219 pcs karena permukaan atas pada pecah

Rejeck Produk

20

Hasil cetak Kwicklock, harga dan exp date kadang tidak jelas

Kwiklo ck

21

Dividernya kadang tidak berfungsi dengan baik

Divider

22

Lampu Oven mati

23

Humidity final proofing kadang dibawah standar antara 40-47 %

Lampu Oven Final Proofin g

ISP-2

ISP-3

ISP-4

D ISP-5

Pengaruh nya pada

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

FG Terkait

RM Terkait

1

0

0

Umum

Tepung Terigu

1

0

2

RTS, RTG,R KU

Kwikloc k

0

2

0

2

ICK

Umum

0

1

0

2

Umum

Kwikloc k

√

0

1

0

2

Umum

Umum

√

0

0

0

0

Umum

Umum

√

0

1

0

1

Umum

Umum

√

0

√

√ √

239

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1

ISP-2

ISP-3

ISP-4

D ISP-5

Pengaruh nya pada

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

FG Terkait

RM Terkait

Mesin seal tidak dapat mengeseal etiket

Mesin Seal

√

0

1

0

2

Umum

Etiket

25

RH & Suhu ruang Final Proofing, mencapai 94 % & 44ºC

Final Proofin g

√

0

0

0

0

Umum

Umum

26

Ditemukan Box yang berisi Keju diarea MIxer WB berlumut

RM Raisin

√

0

0

0

2

Umum

Keju

27

Kwiklock tidak dapat berfungsi dengan baik

Kwiklo ck

0

1

0

2

RTS, RTG,R KU

Kwikloc k

28

Krat cooling SB kurang sehingga beberapa item roti manis menggunakan krat tawar dan ditumpuk

Krat kurang

√

1

0

0

0

Umum

Umum

29

Cutting tidak dapat memotong dengan baik

Cutting

√

0

0

0

0

Umum

Umum

30

Print Inkjet eror (tdk dapat mengeprint), produk pukul 07.55 s.d. 08.22 & 10.59 s.d. 11.17 di pack tanpa kode produksi

Print Inkjet

√

0

1

0

0

Umum

Etiket

31

Slicer sering macet

Slicer

√

0

1

0

0

Umum

Umum

√

239

24

240

240

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1

ISP-2

ISP-3

ISP-4

D ISP-5

Pengaruh nya pada

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

FG Terkait

RM Terkait

32

Sering ditemukan logam, umumnya sisa dari clening mesin (oli) & loyang (scotbrigh)

Detecto r Logam

√

0

0

0

0

Umum

Umum

33

RKJ di rejec di karenakan pada bagian permukaanya banyak yang retak sebanyak 149 pcs, disebabkan pada saat proses mixing BJ dari adonan ccp adalah 0.36 (agak kental)

Produk Rejeck

√

0

2

0

2

RKJ

Umum

34

Mesin Slicer putus

Slicer

√

0

1

0

0

Umum

Umum

35

Mesin seal tidak dapat bekerja dengan baik (macet), selama perbaikan coolong conveyor dimatikan.

Mesin Seal

√

0

1

0

0

Umum

Umum

36

Adanya permintaan yang belum terpenuhi kebutuhannya pada periode sebelumnya

Deman d Naik

√

0

2

0

2

RKU

Umum

37

Adanya perubahan selera masyarakat yang memicu permintaan produk roti

Deman d Naik

√

0

3

0

3

RTG

Umum

38

Adanya rencana promosi pada periode berikutnya

Bauran Pemasa ran

√

0

3

0

3

RTS

Umum

241

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1

ISP-2

ISP-3

ISP-4

D ISP-5

Pengaruh nya pada

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

FG Terkait

RM Terkait

39

Adanya rencana penetrasi pasar atau penambahan pasar baru

Bauran Pemasa ran

√

0

2

0

2

TOC

Umum

40

Dugaan kecenderungan peningkatan permintaan item tertentu

Deman d Naik

√

0

1

0

1

RTS

Umum

41

Adanya informasi dari customer yang menyampaikan keluhan mengenai kesulitan memperoleh item produk tertentu (suara pelanggan)

Deman d Naik

√

0

1

0

1

RTG

Umum

42

Adanya kebutuhan FG yang belum terpenuhi, yang ditandai dengan adanya peningkatan angka % variansi d (penyimpangan antara rencana produksi output MPS dengan aktual produksi )

Varians id

√

0

2

0

2

RTS

Umum

241

242

2472

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1

ISP-2

ISP-3

ISP-4

D ISP-5

Pengaruh nya pada

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

FG Terkait

RM Terkait

RTS

Umum

RKJ, TOC

Umum

43

Adanya kebutuhan FG yang belum terpenuhi, yang ditandai dengan adanya peningkatkan angka %variansi e (penyimpangan antara waktu target penyelesaian produksi output Penjadwalan Flowshop Genetic Algorithm dengan makespan produksi actual)

Varians ie

√

0

2

0

44

Adanya % produk yang tidak terjual sehingga menyebabkan retur

Retur

√

1

0

1

45

Adanya kondisi internal sistem produksi dimana terjadi kecenderungan penurunan kejadian-kejadian gangguan yang bisa menurunkan jumlah produksi

Ganggu an ISP

0

0

0

0

Umum

Umum

46

Adanya permintaan yang berlebih dikarenakan adanya : peningkatan angka %variansi a (penyimpangan antara Purchase Order (PO) item produk hasil prakiraan permintaan (DM – ANN) dengan Aktual Penjualan)

Varians ia

2

0

2

0

RKJ

Umum

√

2

243

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1

ISP-2

ISP-3

ISP-4

D ISP-5

Pengaruh nya pada

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

FG Terkait

RM Terkait

47

Adanya permintaan yang berlebih dikarenakan adanya peningkatan % variansi f (penyimpangan antara rencana distribusi sesuai pesanan RO dan FO dengan penerimaaan aktual distribusi)

Varians if

√

1

0

1

0

RTS, ICK, IKJ

Umum

48

Adanya permintaan yang berlebih dikarenakan adanya peningkatan % variansi g (penyimpangan antara waktu tempuh jalur distribusi output Genetic Algorithm dengan aktual waktu tempuh distribusi)

Varians ig

√

1

0

1

0

RTS, ICK, IKJ

Umum

49

Adanya kebutuhan RM yang supply-nya belum terpenuhi pada periode sebelumnya (à diperoleh dari analisis bagian purchasing dan gudang RM dengan mempertimbangkan adanya : % variansi b (penyimpangan antara PO bahan baku ke supplier dengan aktual penerimaan bahan baku

Varians ib

0

0

0

1

Umum

Umum

√

243

244

244

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1

50

Adanya penurunan ketersediaan jumlah RM yang tidak direncanakan yang ditandai dengan adanya kecenderungan peningkatan % variansi c (penyimpangan antara jumlah persediaan bahan baku hasil perhitungan MRP dengan aktual Stock Opname bahan baku.)

51

Terjadinya kecenderungan penurunan kualitas RM terkait

52

Adanya kecenderungan peningkatan order mendadak atau sisipan.

53

Adanya penurunan % service level rata-rata oleh supplier RM terkait.

54

Adanya kecenderungan penurunan order mendadak atau sisipan.

55

Adanya peningkatan % service level rata-rata oleh supplier RM terkait.

Varians ic

Kualita s RM Order FG Menda dak SL Supplie r Order FG Menda dak SL Supplie r

ISP-2

ISP-3

ISP-4

D ISP-5

Pengaruh nya pada

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

√

0

√

0

√

√

√

√

0

FG Terkait

RM Terkait

0

1

Umum

Umum

0

1

Umum

Umum

Umum

Umum

0

1

0

0

0

0

1

Umum

Umum

2

0

0

0

Umum

Umum

0

0

2

0

Umum

Umum

245

Sumber No.

Nama Gangguan

Keywo rd

Internal Sistem Produksi

S ISP-1

56

Adanya kondisi internal sistem produksi yang menyebabkan terjadinya penurunan kejadiankejadian gangguan yang bisa menurunkan ketersediaan jumlah RM

Kualita s RM

57

Adanya peningkatan ketersediaan jumlah RM yang tidak sesuai dengan rencana yang ditandai dengan adanya kecenderungan penurunan % variansi c (penyimpangan antara jumlah persediaan bahan baku hasil perhitungan MRP dengan aktual Stock Opname bahan baku.)

Varians ic

√

ISP-2

ISP-3

ISP-4

D ISP-5

Pengaruh nya pada

Pengaruh nya pada

% Loss FG ↓ ↑

% Loss RM ↓ ↑

FG Terkait

RM Terkait

0

0

1

0

Umum

Umum

0

0

1

0

Umum

Umum

245

246

Tabel 37 Contoh perhitungan % Loss bahan baku (RM) dan % Loss produk jadi (FG) %

Loss

Produk %

BAHAN BAKU TEPUNG TERIGU Jadi

Baku

JUMLAH

--

--

9

∆

--

--

43

RATA-RATA

--

--

0,75

% Loss Periode ini

--

--

3

% Loss Periode Berikutnya

--

--

3,75

% PRODUK JADI RTS

Jadi

JUMLAH

5

∆

Bahan

Loss

52

Produk %

Bahan

Baku 51

--

--

46

--

--

RATA-RATA

0,81

--

--

% Loss Periode ini

3

--

--

% Loss Periode Berikutnya

3,81

--

--

LAMPIRAN 5

PERHITUNGAN MENGGUNAKAN TEKNIK KLASIFIKASI UNTUK PENENTUAN ATURAN KEPUTUSAN KEBIJAKAN LANJUTAN PENGENDALIAN GANGGUAN

Untuk membentuk aturan keputusan yang mendukung Model Pengendalian Gangguan khususnya sub model Kebijakan Lanjutan Pengendalian Gangguan, digunakan teknik klasifikasi yang merupakan bagian dari pendekatan Data Mining. Dalam proses perhitungan digunakan data hipotetik yang telah mengakomodasi seluruh kemungkinan keputusan untuk kategori penentu keputusan sesuai tabel 38 berikut ini.

Tabel 38 Kategori gangguan dalam penentuan kebutuhan kebijakan lanjutan pengendalian gangguan Gangguan Skala Frekuensi Tingk Keparahan Dampak Jarang Ringan Tidak Berpotensi Mengganggu 1 Cukup Biasa saja Berpotensi Mengganggu 2 Sering Sangat Parah Sangat Berpotensi Mengganggu 3 Data keputusan untuk ke-3 kategori dapat dilihat pada tabel 39 berikut ini.

Tabel 39 Data keputusan kebutuhan Kebijakan Lanjutan Pengendalian Gangguan Data

Frekuensi Gangguan

Tingkat Keparahan Gangguan

Dampak Gangguan

Keputusan

1

2

1

2

Tidak

2

3

1

1

Tidak

3

1

1

1

Tidak

4

2

2

1

Tidak

5

1

1

3

Tidak

6

2

1

1

Tidak

7

1

3

3

Tidak

8

1

3

1

Tidak

9

1

1

1

Tidak

10

2

1

3

Tidak

11

3

3

2

Ya

12

1

1

2

Tidak

13

1

2

2

Tidak

14

3

2

2

Ya

15

2

3

3

Ya

16

2

2

1

Tidak

17

2

3

2

Ya

18

3

2

2

Ya

19

3

3

3

Ya

20

3

1

3

Tidak

21

3

3

3

Ya

22

2

3

1

Tidak

23

1

3

2

Tidak

24

2

1

3

Tidak

25

3

1

3

Tidak

26

1

2

2

Tidak

27

2

1

3

Tidak

28

3

3

3

Ya

29

1

3

3

Tidak

30

1

1

1

Tidak

31

2

2

3

Ya

32

3

2

2

Ya

33

2

3

3

Ya

34

1

1

2

Tidak

35

2

3

2

Ya

36

1

2

3

Tidak

37

1

3

1

Tidak

38

1

2

3

Tidak

39

2

3

2

Ya

40

3

2

2

Ya

Mula-mula dilakukan perhitungan jumlah keputusan untuk tiap kategori, dimana hasil perhitungan akan menjadi dasar penentuan percabangan pohon keputusan. Tabel 40 Keputusan Kategori Frekuensi Komponen Keputusan 1 Tidak 1 Ya 2 Tidak 2 Ya 3 Tidak 3 Ya

Jumlah 15 0 8 6 3 8

Q1 Q2 Q3 E

0 0,98523 0,67937 0,53166

Tabel 41 Keputusan Kategori Keparahan Komponen Keputusan 1 Tidak 1 Ya 2 Tidak 2 Ya 3 Tidak 3 Ya

Jumlah 14 0 6 5 6 9

Q1 = Q2 = Q3 = E=

0 0,99403 0,97095 0,63746

Tabel 42 Keputusan Kategori Dampak\ Komponen Keputusan 1 Tidak 1 Ya 2 Tidak 2 Ya 3 Tidak 3 Ya

Jumlah 10 0 6 8 10 6

Q1 = Q2 = Q3 = E=

0 0,98523 0,95443 0,7266

Berdasarkan hasil perhiungan di atas, dipilih kategori Frekuensi yang memiliki nilai enthropy minimum. Untuk kategori Frekuensi, pada tabel terlihat bahwa kategori Frekuensi untuk sub kategori Jarang dan sub kategori Cukup didominasi oleh keputusan Tidak, maka ke-2 sub kategori ini menjadi cabang dengan output keputusan Tidak dan berikutnya tidak akan dilanjutkan percabangannya. Untuk menentukan percabangan berikutnya dilakukan perhitungan tabulasi silang untuk Kategori terpilih dengan Kategori lainnya yaitu antara Kategori Frekuensi Sering dan

Kategori Keparahan juga tabulasi silang antara Kategori Frekuensi Sering dan Dampak Keparahan seperti yang terlihat pada tabel di bawah ini. Tabel 43 Keputusan tabulasi silang Frekuensi Sering - Keparahan Keparahan 1 1 2 2 3 3

Keputusan Tidak Ya Tidak Ya Tidak Ya

Jumlah 3 0 0 4 0 4

Q1 = Q2 = Q3 = E=

0 0 0 0

Tabel 44 Keputusan tabulasi silang Frekuensi Sering – Dampak Dampak 1 1 2 2 3 3

Keputusan Tidak Ya Tidak Ya Tidak Ya

Jumlah 1 0 0 5 2 3

Q1 = Q2 = Q3 = E=

0 0 1 0

Hasil perhitungan enthropy menunjukkan nilai yang sama, maka dapat dipilih salah satu diantaranya, yaitu Kategori Dampak yang tidak akan dilakukan perhitungan untuk penentuan percabangan selanjutnya, dan yang akan dilakukan perhitungan untuk penentuan percabangan berikutnya adalah Kategori Keparahan. Kategori Kaparahan didominasi oleh keputusan Ya untuk sub kategori Sangat Parah dan sub kategori Biasa Saja serta keputusan Tidak untuk sub kategori Ringan. Berikutnya dilakukan perhitungan untuk penentuan percabangan dengan melakukan tabulasi silang antara kategori Keparahan – Sangat Parah dan kategori Dampak. Tabel Keputusan tabulasi silang Frekuensi Sering – Keparahan menunjukkan bahwa kategori Frekuensi Sering dengan Tingkat Keparahan Ringan didominasi oleh keputusan Tidak. Lanjutnya, Tabel Keputusan tabulasi silang Frekuensi Sering – Dampak menunjukkan bahwa kategori Frekuensi Sering dengan Dampak tidak berpotensi didominasi oleh keputusan Tidak.

Tabel 45 Keputusan tabulasi silang Keparahan – Sangat Parah dengan Dampak Gangguan

Dampak Gangguan Tidak Berpotensi Biasa saja Sangat Berpotensi

Keputusan Tidak Ya 3 0 1 4 2 5

Berdasarkan tabel tabulasi silang di atas, dapat ditentukan bahwa cabang Frekuensi Sering – Keparahan Sangat Parah dengan Dampak Biasa Saja dan dan Sangat Berpotensi didominasi oleh keputusan Ya, sedangkan Dampak Tidak Berpotensi didominasi oleh keputusan Tidak. Uraian penjelasan berdasarkan perhitungan dengan menggunakan Teknik Klasifikasi yang merupakan bagian dari pendekatan Data Mining membentuk aturan keputusan dalam penentuan kebutuhan kebijakan lanjutan pengendalian gangguan. Gambar pohon keputusan dan aturan keputusan yang terbentuk terlihat pada bab Pemodelan Sistem.