MODEL SIMULASI SISTEM DINAMIK DALAM SISTEM PRODUKSI DAN PERTUMBUHAN PASAR

Erma, Model Simulasi Sistem dinamik

MODEL SIMULASI SISTEM DINAMIK DALAM SISTEM PRODUKSI DAN PERTUMBUHAN PASAR Erma Suryani Program Studi Sistem Infomasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember Kampus ITS, Jl. Raya ITS, Sukolilo – Surabaya 60111, Telp. + 62 31 5939214, Fax. + 62 31 5913804 E-mail: [email protected]

ABSTRAK Adanya tingkat persaingan yang ketat saat ini, menuntut perusahaan untuk terus melakukan inovasi produk supaya tetap bertahan. Saat yang tepat untuk inovasi produk inilah yang harus diidentifikasi oleh pihak manajemen agar keputusan yang diambil tepat mengenai sasaran, sebelum pangsa pasarnya mengalami penurunan. Hal lain yang tidak kalah pentingnya adalah membuat keputusan berapa banyaknya jumlah produksi dan apakah kapasitas produksi perusahaan mampu untuk memenuhi kebutuhan pasar. Penggunaan model simulasi sistem dinamik akan membantu memecahkan masalah tersebut. Terdapat beberapa sub model yang dikembangkan diantaranya yaitu sub model customer, order serta produksi. Periode simulasi dilakukan selama lima tahun dengan mempertimbangkan umur kapasitas fasilitas produksi dan dinamika customer (konsumen). Dari hasil simulasi didapat bahwa kapasitas produksi suatu perusahaan dipengaruhi oleh kapasitas yang diinginkan (desired production), investasi (investment) dan pengurangan kapasitas akibat umur kapasitas (reduction). Konsumen potensial suatu produk, pada awalnya bisa saja memiliki jumlah yang besar namun bisa berkurang jika mereka beralih ke perusahaan lain karena perusahaan kurang baik dalam mengkomunikasikan produknya dan adanya perubahan selera konsumen yang tidak dapat dibaca oleh perusahaan tersebut. Besarnya jumlah Backlog (timbunan order) dipengaruhi oleh desired backlog yang tergantung pada service level yang ditetapkan oleh manajemen , order yang diterima dan produksi . Kata Kunci: Sistem Dinamik, Kapasitas, Order, Produk, Customer, Investasi,Umur Kapasitas, Simulasi 1.

PENDAHULUAN Seiring dengan meningkatnya preferensi konsumen, perusahaan dituntut untuk melakukan segmentasi pasar secara seksama, dan mengidentifikasi kebutuhan mereka, serta siap untuk mengembangkan dan meluncurkan produk baru. Tingkat persaingan yang ketat saat ini, menuntut perusahaan untuk terus melakukan inovasi produk agar menang dalam persaingan. Perubahan kebutuhan dan selera konsumen serta perkembangan teknologi mengakibatkan siklus hidup produk lebih singkat. Dari uraian diatas, maka permasalahan yang dihadapi diantaranya adalah: 1. Bagaimana merancang model yang dapat meramalkan pertumbuhan pangsa pasar perusahaan 2. Bagaimana merancang model yang dapat meramalkan jumlah order dan produksi 3. Bagaimana merancang model yang dapat meramalkan kapasitas produksi perusahaan 2.

PENGEMBANGAN MODEL SISTEM DINAMIK Model sistem dinamik merupakan metodologi pemodelan sistem yang dikembangkan oleh Jay W. Forrester. Prinsip utama dari metode ini adalah

1

umpan balik (close loop thinking) yang berupa pengiriman dan pengembalian informasi. Adapun tujuan dari pendekatan sistem dinamik adalah memahami perilaku sistem. Pengembangan model dilakukan dengan membuat beberapa sub model yang erat kaitannya dengan tujuan pembuatan model. Beberapa variabel model sistem dinamik diantaranya yaitu : Level yang merupakan akumulasi aliran dari waktu ke waktu, Rate yang menunjukkan laju aliran , dan Auxiliary yang merupakan variabel bantu. Beberapa sub model yang dikembangkan pada pada sistem ini diantaranya yaitu: - Sub Model Customer (konsumen) Pada sub model ini jumlah customer ditentukan oleh jumlah customer awal dan customer potensial. Variabel CONTACT RATE merupakan rata-rata kontak yang dilakukan terhadap customer dalam 1 tahun. Total market mewakili pangsa pasar keseluruhan yang didapat dari variabel potential customer, waiting customer, dan customer. Dalam sub model ini ditampilkan variabel Waiting Customer yang merupakan selisih antara rate completions (customer yang sudah mendapatkan produk) dan committals (customer yang tidak dihubungi dan

Erma, Model Simulasi Sistem dinamik

beralih ke kompetitor). Diagram simulasi Model Customer dapat dilihat pada gambar 1.

non customer contacts

CONTACT RATE

Sub

customer with non <Waiting Customers> customer contacts

SALES FRACTION

total market customer prevalence Waiting Customers

Potential Customers committals

- Sub Model Produksi Pada sub model produksi dapat dilihat bahwa kapasitas produksi ditentukan oleh besarnya modal investasi yang dimiliki perusahaan serta jumlah produksi yang diinginkan. Dalam sub model ini terdapat tiga buah variabel level yaitu Capacity, Average Order, dan Backlog. Dalam sub model ini diasumsikan umur kapasitas sebesar dua tahun dan waktu order rata-rata 4 kali dalam satu tahun.

INITIAL CUSTOMERS

Customers

replacement investment

TIME TO ADJUST CAPACITY

Capacity investment

completions

reductions

capacity adjustment

CAPACITY LIFE

desired capacity

PRODUCT PER CUSTOMER

Average Orders

TIME TO CORRECT BACKLOG

desired production potential production backlog correction

desired backlog

Gambar 1. Diagram Simulasi Customer

production Backlog

- Sub Model Order (pesanan) Pada sub model order terdapat beberapa variabel level seperti New Backlog, Product In Use, Replacement Backlog. Variabel level mengidentifikasikan adanya akumulasi pada saat tertentu. Variabel Backlog merupakan order yang masih belum bisa dipenuhi oleh perusahaan. Dalam model ini diasumsikan bahwa kecepatan pengiriman normal ( NORMAL DELIVERY DELAY ) adalah delapan kali dalam setahun. Diagram simulasi Sub Model Order dapat dilihat pada gambar 2.

TIME AVERAGE ORDERS

TARGET orders received DELIVERY DELAY

delivery delay

Gambar 3. Diagram Simulasi Produksi

3. SIMULASI MODEL Simulasi dilakukan dalam horizon waktu 5 tahun dengan mempertimbangkan umur kapasitas fasilitas produksi dan dinamika customer (konsumen). Jika jika horizon waktu terlalu panjang, maka karena dalam interval waktu tersebut dapat terjadi PRODUCT berbagai aktivitas yang berada di luar kontrol struktur PRODUCT PER CUST OMER model. Adapun software yang digunakan dalam menjalankan aplikasi ini adalah Ventana Simulations (Vensim). Replacement Product New Backlog In Use Backlog 4. UJI COBA DAN ANALISA new shipments replacement orders new orders Proses uji coba dilakukan dengan menjalankan simulasi tiap sub model dengan horizon waktu 5 replacement shipments NORMAL tahun. Berikut akan dibahas hasil Simulasi dari tiap sub model. DELIVERY total shipments DELAY total backlog - Sub model customer . Beberapa variabel penting diantaranya adalah potential customer dan total market. Hasil Simulasi dari potential total orders customer dapat dilihat pada gambar 4. Gambar 2. Diagram Simulasi Order (Pesanan)

2

Erma, Model Simulasi Sistem dinamik

ER_PROD2 Potential Customers 20 M

ER_PROD2 15 M

total market 20 M

10 M 5M

15 M

0 committals 6M

10 M Customers 20 M

4.5 M 3M

10 M

1.5 M 0

0

1.25

2.5 Time

3.75

5

0 Potential Customers 20 M 10 M

Gambar 4. Hasil Simulasi Potential Customer

0 Waiting Customers 800,000

ER_PROD2 Customers 20 M

400,000 15 M

0 10 M

0

1.25

2.5 Time

3.75

5

5M

Gambar 6. Hasil Simulasi Variabel Total Market

0 completions 6M 4.5 M 3M 1.5 M 0

0

1.25

2.5 Time

3.75

5

Gambar 5. Hasil Simulasi Variabel Customer Dari hasil simulasi pada gambar 4 dapat diinterpretasikan bahwa potensial customer terhadap suatu produk, awalnya memiliki jumlah yang besar di tahun pertama. Namun di tahun kedua, banyak customer potensial yang beralih karena perusahaan kurang baik dalam mengkomunikasikan produknya dan adanya perubahan selera konsumen yang tidak dapat dibaca oleh perusahaan , sehingga perusahaan kehilangan pangsa pasarnya. Sedangkan dari hasil simulasi terhadap variabel customer pada gambar 5 dapat dilihat bahwa pada tahun pertama s/d tahun ke tiga mengalami pertumbuhan, namun mendekati tahun ke empat s/d tahun ke lima, jumlah customer mengalami stagnasi. Untuk melihat pangsa pasar keseluruhan kita dapat menggunakan hasil simulasi terhadap variabel total market seperti terlihat pada gambar 6.

3

Dari gambar 6 dapat dilihat bahwa total market selama 5 tahun praktis tidak mengalami perubahan, karena dipicu oleh variabel customer yang hanya tumbuh di tahun pertama s/d tahun ke dua, potensial customer yang mulai menurun setelah tahun pertama dan menurun terus di tahun-tahun berikutnya, serta waiting customer yang mencapai puncak di tahun ke dua dan menurun lagi ditahun-tahun berikutnya. -

Sub model Orders. Beberapa variabel penting diantaranya adalah total orders, new orders, dan replacement orders. Hasil Simulasi dari variabel total orders dapat dilihat pada gambar 7. Dari hasil simulasi ini dapat dilihat bahwa total orders mengalami peningkatan di tahun pertama dan mencapai puncaknya di tahun ke dua, namun kemudian menurun lagi sampai di tahun ke tiga dan akhirnya stagnan mulai tahun ke empat sampai dengan tahun ke lima. New order memiliki peningkatan yang drastis memasuki tahun kedua, namun setelah tahun ke dua mengalami penurunan yang drastic, karena dipicu oleh meningkatnya variabel replenishment order yang erat kaitannya dengan umur produk (AVERAGE LIFE PRODUCT )

Erma, Model Simulasi Sistem dinamik

ER_PROD2

ER_PROD2

total orders 8M

production 6M 4.5 M

6M

3M

4M

1.5 M

2M

0 desired production 8M

0 new orders 6M

6M 4M

4.5 M

2M

3M

0 potential production 6M

1.5 M 0 replacement orders 6M

4.5 M 3M 1.5 M

4.5 M

0

3M

0

1.25

2.5 Time

3.75

5

1.5 M 0

Gambar 8. Hasil Simulasi Variabel Production

0

1.25

2.5 Time

3.75

5

Gambar 7. Hasil Simulasi Variabel Total Orders -

4

Sub model Produksi. Beberapa variabel penting dalam sub model produksi diantaranya adalah production, desired production, potential production, capacity dan backlog. Dari gambar 8 dapat dilihat bahwa produksi di tahun pertama dan kedua mengalami stagnasi beberapa varibel yang mempengaruhi seperti desired production dan potential production juga mengalami hal yang sama. Variabel potential production sangat dipengaruhi oleh kapasitas produksi yang dimiliki oleh suatu perusahaan, dalam simulasi ini terlihat mencapai puncaknya setelah tahun ketiga dan menurun secara perlahan sampai tahun ke lima. Hasil simulasi variabel kapasitas dapat dilihat pada gambar 9. Dari gambar 9 dapat dilihat bahwa kapasitas produksi suatu perusahaan dipengaruhi oleh kapasitas yang diinginkan (desired production), investasi (investment) , dan pengurangan kapasitas akibat umur kapasitas (reduction). Hasil simulasi variabel investment dapat dilihat pada gambar 10. Sedangkan hasil simulasi variabel desired production dapat dilihat pada gambar 11.

ER_PROD2 Capacity 6M 3M 0 desired capacity 8M 4M 0 investment 6M 3M 0 reductions 4M 2M 0

0

1.25

2.5 Time

3.75

Gambar 9. Hasil Simulasi Variabel Capacity

5

Erma, Model Simulasi Sistem dinamik

ER_PROD2

Hasil simulasi variabel Backlog dapat dilihat pada gambar 12. Dari gambar 12 dapat dilihat bahwa variabel Backlog dipengaruhi oleh desired backlog, order received dan production. Desired backlog ini dipengaruhi oleh service level yang ditetapkan oleh manajemen perusahaan. Di tahun pertama s/d tahun ke dua backlog mengalami stagnasi, meningkat dengan tajam s/d tahun ke tiga serta mulai menurun sampai dengan tahun ke lima. Hal ini disebabkan karena order yang diterima dan timbunan order (backlog) yang diinginkan cenderung datar mulai tahun ke tiga s/d ke lima, sedangkan produksi mencapai puncak mendekati tahun ke empat, kemudian mulai menurun s/d tahun ke lima.

investment 6M 4.5 M 3M 1.5 M 0 capacity adjustment 4M 2.85 M 1.7 M 550,000 -.6 M replacement investment 4M 3M 2M

ER_PROD2

1M 0

0

1.25

2.5 Time

3.75

5

Backlog 2M

Gambar 10. Hasil Simulasi Variabel Investment

1M ER_PROD2

0 desired backlog 600,000

desired production 8M 6M 4M

400,000

2M

200,000 orders received 6M

0 Average Orders 4M 3.5 M

4M

3M 2.5 M

2M production 6M

2M backlog correction 4M 3M

3M

2M 1M 0

0 0

1.25

2.5 Time

3.75

5

0

1.25

2.5 Time

3.75

Gambar 12. Hasil Simulasi Variabel Backlog Gambar 11. Hasil Simulasi Variabel Desired Production

5

5

Erma, Model Simulasi Sistem dinamik

5. KESIMPULAN Dari analisa hasil simulasi diatas dapat diambil beberapa kesimpulan diantaranya yaitu: 1. Konsumen potensial (potensial customer) suatu produk, pada awalnya memiliki jumlah yang besar namun bisa berkurang jika mereka beralih ke perusahaan lain karena perusahaan kurang baik dalam mengkomunikasikan produknya dan adanya perubahan selera konsumen yang tidak dapat dibaca oleh perusahaan tersebut. 2. Kapasitas produksi suatu perusahaan dipengaruhi oleh kapasitas yang diinginkan (desired production), investasi (investment) dan pengurangan kapasitas akibat umur kapasitas (reduction). 3. Besarnya jumlah Backlog (timbunan order) dipengaruhi oleh desired backlog, order received

6

dan production. Desired backlog ini dipengaruhi oleh service level yang ditetapkan oleh manajemen perusahaan.

6. DAFTAR PUSTAKA 1. R. G. Coyle, ”System Dynamics Modeling”, cranfield university. 2. Jay W forrester,” Industrial Dynamics”, mit press. Cambridge. 3. Sushil, “System Dynamics: A Practical Approach for Managerial Problems”, Wiley Eastern Limited. 4. “Vensim Reference Manual”, Ventana Systems Inc. 5. “Vensim User’s Guide” Ventana Systems Inc.

Erma, Model Simulasi Sistem dinamik

Gambar 10. Hasil Simulasi Variabel Backlog 7. KESIMPULAN Dari analisa hasil simulasi diatas dapat diambil beberapa kesimpulan diantaranya yaitu: 1. Konsumen potensial (potensial customer) suatu produk, pada awalnya memiliki jumlah yang besar namun bisa berkurang jika mereka beralih ke perusahaan lain karena perusahaan kurang baik dalam mengkomunikasikan produknya dan adanya perubahan selera konsumen yang tidak dapat dibaca oleh perusahaan tersebut. 2. Kapasitas produksi suatu perusahaan dipengaruhi oleh kapasitas yang diinginkan (desired production), investasi (investment) dan pengurangan kapasitas akibat umur kapasitas (reduction). 3. Besarnya jumlah Backlog (timbunan order) dipengaruhi oleh desired backlog, order received dan production. Desired backlog ini dipengaruhi oleh service level yang ditetapkan oleh manajemen perusahaan.

8. 6. 7. 8. 9.

DAFTAR PUSTAKA R. g. coyle, ”System Dynamics Modeling”, cranfield university. Jay w forrester,” Industrial Dynamics”, mit press. Cambridge. Sushil, “System Dynamics: A Practical Approach for Managerial Problems”, Wiley Eastern Limited. “Vensim Reference Manual”, Ventana Systems Inc.

“VENSIM USER’S GUIDE” VENTANA SYSTEMS

7