P. 1
BAB II.Landasan Teori

BAB II.Landasan Teori

|Views: 972|Likes:
Published by Jono Sujono
Landasan Teori Tentang Perencanaan Produksi mengenai Peramalan, Perencanaan Agregat dan Jadwal Induk Produksi
Landasan Teori Tentang Perencanaan Produksi mengenai Peramalan, Perencanaan Agregat dan Jadwal Induk Produksi

More info:

Categories:Types, Research
Published by: Jono Sujono on Mar 05, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

06/06/2014

pdf

text

original

BAB II LANDASAN TEORI

2.1 Peramalan 2.1.1 Definisi Peramalan adalah proses untuk memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan permintaannya relatif kecil. Tetapi peramalan akan sangat dibutuhkan bila kondisi permintaan pasar bersifat komplek dan dinamis. Menurut Gaspersz (2004), aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan permintaan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Dengan demikian peramalan merupakan suatu dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis. Langkah-langkah tersebut termasuk dalam manajemen permintaan yang disebut juga sebagai konsep dasar sistem peramalan, yaitu (Gaspersz 2004): a. Menentukan tujuan dari peramalan. b. Memilih item independent demand yang akan diramalkan.

Bab II Landasan Teori

c. Menentukan horison waktu dari peramalan (jangka pendek, menengah, dan panjang). d. Memilih model-model peramalan. e. Memperoleh data yang dibutuhkan untuk melakukan peramalan. f. Validasi model peramalan. g. Membuat peramalan. h. Implementasi hasil-hasil peramalan. i. Memantau keandalan hasil peramalan. 2.1.2 Jenis-Jenis Peramalan Dalam membuat suatu keputusan bisnis, seorang manajer membutuhkan informasi dari berbagai sisi yang berbeda. Oleh karena itu, seorang manajer perlu melakukan peramalan pada beberapa bidang penting, antara lain peramalan tentang perkembangan teknologi, peramalan tentang kondisi ekonomi dan peramalan permintaan. Pada bidang Perencanaan dan Pengendalian Produksi (PPC), bidang peramalan difokuskan adalah peramalan permintaan. 2.1.3 Faktor-Faktor yang Mempengaruhi Permintaan Permintaan akan suatu produk pada suatu perusahaan merupakan resultan dari berbagai faktor yang saling berinteraksi dalam pasar. Faktor-faktor ini hampir selalu merupakan kekuatan yang berada di luar kendali perusahaan. Berbagai faktor tersebut antara lain : Siklus Bisnis. Penjualan produk akan dipengaruhi oleh permintaan akan produk tersebut dan permintaan akan suatu produk akan dipengaruhi oleh kondisi

Laporan Tugas Akhir II-2

Bab II Landasan Teori

ekonomi yang membentuk siklus bisnis dengan fase-fase inflasi, resesi, depresi dan masa pemulihan. Siklus Hidup Produk. Siklus hidup suatu produk biasanya mengikuri suatu pola yang biasa disebut kurva S. Kurva S menggambarkan besarnya permintaan terhadap waktu, dimana siklus hidup suatu produk akan dibagi menjadi fase pengenalan, fase pertumbuhan, fase kematangan dan akhirnya fase penurunan. Untuk menjaga kelangsungan usaha, maka perlu dilakukan inovasi produk pada saat yang tepat. Faktor-faktor lain. Beberapa faktor lain yang mempengaruhi permintaan adalah reaksi baik dari pesaing, perilaku konsumen yang berubah, dan usahausaha yang dilakukan sendiri oleh perusahaan seperti peningkatan kualitas, pelayanan, anggaran periklanan dan kebijaksanaan pembayaran secara kredit. 2.1.4 Karakteristik Peramalan yang Baik Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi, biaya dan kemudian. Penjelasan dari kriteria-kriteria tersebut adalah sebagai berikut : Akurasi. Akurasi dari suatu hasil peramalan diukur dengan kebiasaan dan kekonsistensian peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut terlalu tinggi atau terlalu rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten. Bila besarmya kesalahan peramalan relatif kecil. Peramalan yang terlalu rendah akan mengakibatkan kekurangan persediaan, sehingga permintaan konsumen tidak segera, akibatnya adalah perusahaan dimungkinkan kehilangan pelanggan dan Laporan Tugas Akhir II-3

Bab II Landasan Teori

kehilangan

keuntungan

penjualan.

Peramalan

yang

terlalu

tinggi akan

mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini berperan penting dalam menyeimbangkan persediaan yang ideal (meminimasi penumpukan persediaan dan memaksimasi tingkat pelayanan). Biaya. Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang dipakai. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banyak data yang dibutuhkan, bagaimana pengolahan datanya (manual atau komputerisasi), bagaimana penyimpanan datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi dan tingkat akurasi yang ingin didapat, misalnya item-item yang penting yang diramalkan dengan metode yang canggih dan mahal, sedangkan item-item yang kurang penting bisa diramalkan dengan metode yang sederhana dan murah. Prinsip ini merupakan adopsi dari Hukum Pareto (Analisa ABC). Kemudahan. Penggunaan metode peramalan yang sederhana, mudah dibuat dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan pada sistem perusahaan karena keterbatasan dana, sumberdaya manusia, maupun peralatan teknologi. 2.1.5 Metode Peramalan Yang Digunakan

Laporan Tugas Akhir II-4

Bab II Landasan Teori

Penyelesaian peramalan memiliki beberapa metode yang umum seperti metode eksponential smoothing, double eksponential smoothing, holt-winters additive algorithm (HWA) dan holt-winters multiplicative algorithm (HWM). Berikut ini adalah penjelasan dari metode tersebut :
a) Metode Exponential Smoothing (ES)

Metode peramalan dengan pemulusan eksponensial biasanya digunakan untuk pola data yang tidak stabil atau perubahannya besar dan bergejolak. Metode permalan ini bekerja hampir serupa dengan alat thermostat. Apabila galat ramalan (forecast error) adalah positif, yang berarti nilai aktual permintaan lebih tinggi daripada nilai ramalan (A–F>0), maka model pemulusan eksponensial akan secara otomatis meningkatkan nilai ramalannya. Sebaliknya, apabila galat ramalan (forecast error) adalah negatif, yang berarti nilai aktual permintaan lebih rendah dari pada nilai ramalan (A – F < 0), maka metode pemulusan eksponensial akan secara otomatis menurunkan nilai ramalan. Proses penyesuaian ini berlangsung secara terus-menerus, kecuali galat ramalan telah mencapai nol. Peramalan menggunakan metode pemulusan eksponensial dilakukan berdasarkan formula seperti di bawah ini (Gaspersz, 2004). Ft = Ft-1 + α (At-1 – Ft-1) Keterangan : Ft : nilai ramalan untuk periode waktu ke-t

Ft-1 : nilai ramalan untu satu periode waktu yang lalu, t-1 At-1 : nilai aktual untuk satu periode waktu yang lalu, t-1 α : konstanta pemulusan (smoothing constant)

Laporan Tugas Akhir II-5

Bab II Landasan Teori

Cara yang digunakan untuk mengetahui sejauh mana keandalan dari model peramalan berdasarkan pemulusan eksponensial harus menggunakan peta kontrol tracking signal dan membandingkan apakah nilai-nilai ramalan itu telah menggambarkan atau sesuai dengan pola historis dari data aktual permintaan (Gaspersz, 2004).
b) Metode Holt-Winters Additive Algorithm

Metode Holt-Winters aditif (additive Holt-Winter’s method) yang cocok untuk variasi musiman yang bersifat konstan. Karakteristik mendasar dari metode Holt-Winters aditif adalah ukuran dari fluktuasi musiman bersifat tetap (steady seasonal fluctuations) dan tergantung pada pemulusan keseluruhan (overall smoothing) dari deret waktunya.
c)

Metode Holt-Winters Multiplicative Algorithm Metode Holt-Winters multiplikatif (multiplicative Holt-Winter’s method)

yang cocok untuk variasi data musiman yang mengalami peningkatan/penurunan (fluktuasi). Karakteristik mendasar dari metode Holt-Winters multiplikatif adalah ukuran dari fluktuasi musiman bersifat variasi dan tergantung pada pemulusan keseluruhan (overall smoothing) dari deret waktunya. 2.1.7 Ukuran Akurasi Peramalan Validasi metode peramalan terutama dengan menggunakan metode-metode di atas tidak dapat lepas dari indikator-indikator dalam pengukuran akurasi peramalan. Bagaimanapun juga terdapat sejumlah indikator dalam pengukuran akurasi peramalan, tetapi yang paling umum digunakan adalah mean absolute deviation, mean absolute percentage error, dan mean squared error. a. Mean Absolute Deviation (MAD) Akurasi peramalan akan tinggi apabila nilai-nilai MAD, mean absolute percentage error, dan mean squared error semakin kecil. MAD merupakan nilai Laporan Tugas Akhir II-6

Bab II Landasan Teori

total absolut dari forecast error dibagi dengan data. Atau yang lebih mudah adalah nilai kumulatif absolut error dibagi dengan periode. Jika diformulasikan maka formula untuk menghitung MAD adalah sebagai berikut:

MAD =

∑ (Absolut dari forecast error) n

b. Mean Squared Error (MSE) Menurut Gaspersz (2004), mean squared error biasa disebut juga galat peramalan. Galat peramalan ini juga dapat berfungsi untuk menghitung nilai MAD yang telah dibahas pada sub bab sebelumnya. Galat ramalan tidak dapat dihindari dalam sistem peramalan, namun galat ramalan itu harus dikelola dengan benar. Pengelolaan terhadap galat ramalan akan menjadi lebih efektif apabila peramal mampu mengambil tindakan mengambil tindakan yang tepat berkaitan dengan alasan-alasan terjadinya galat ramalan itu. Dalam sistem peramalan, penggunaan berbagai model peramalan akan memberikan nilai ramalan yang berbeda dan derajat dari galat ramalan yang berbeda pula. Rata-rata kesalahan kuadrat memperkuat pengaruh angka kesalahan besar, tetapi memperkecil angka kesalahan prakiraan yang lebih kecil dari satu unit. MSE =

∑ ei
n

Laporan Tugas Akhir II-7

Bab II Landasan Teori

c. Mean Absolute Percentage Error (MAPE) Rata-rata persentase kesalahan kuadrat merupakan pengukuran ketelitian dengan cara persentase kesalahan absolute. MAPE menunjukkan rata-rata kesalahan absolut prakiraan dalam bentuk persentasenya terhadap data aktualnya.

MAPE = d. Tracking Signal

∑ xi (100)
n

e

Menurut Gaspersz (2004), suatu ukuran bagaimana baiknya suatu ramalan memperkirakan nilai-nilai aktual suatu ramalan diperbaharui setiap minggu, bulan atau triwulan, sehingga data permintaan yang baru dibandingkan terhadap nilainilai ramalan. Tracking signal dihitung sebagai running sum of the forecast errors dibagi dengan mean absolute deviation. Tracking Signal = RSFE MAD

Tracking signal yang positif menunjukkan bahwa nilai aktual permintaan lebih besar daripada ramalan, sedangkan apabila negatif berarti nilai aktual permintaan lebih kecil dari pada ramalan. Pada setiap peramalan, tracking signal terkadang digunakan untuk melihat apakah nilai-nilai yang dihasilkan berada di dalam atau di luar batas-batas pengendalian dimana nilai-nilai tracking signal itu bergerak antara -4 sampai +4. Laporan Tugas Akhir II-8

Bab II Landasan Teori

e. Moving Range (MR) Moving range dibuat untuk membandingkan nilai-nilai observasi atau data aktual dengan nilai peramalan dari kebutuhan yang sama. Dapat dikatakan bahwa moving range adalah peta kontrol statistik yang digunakan pada pengendalian kualitas. Peta moving range memiliki batasan-batasan yang terdiri dari batas kontrol atas dan batas kontrol bawah. Jika ada sebuah titik atau data yang berada di luar batas tersebut maka ada beberapa data yang harus dihilangkan atau mencari metode peramalan yang lain. Moving Range digunakan untuk mengetahui sejauh mana arah pergerakan (misal: permintaan) bergerak. Perhitungan Moving Range menggunakan rumus: MR = ( Ft −1 − At −1 ) − ( Ft − At ) 2.2 Perencanaan Produksi Perencanaan produksi sebagai suatu perencanaan taktis adalah bertujuan memberikan keputusan yang optimum berdasarkan sumber daya yang dimiliki perusahaan (kapasitas mesin, tenaga kerja, teknologi yang dimiliki dan lainnya) dalam memenuhi permintaan akan produk yang dihasilkan. Keterlibatan manajemen puncak pada tahap perencanaan produksi sangat diperlukan khususnya perencanaan mengenai penentuan pabrikasi, pemasaran dan keuangannya. Dari sudut pandang pabrikasi, perencanaan produksi membantu dalam menentukan berapa peningkatan kapasitas yang dibutuhkan dan penyesuaian-penyesuaian kapasitas apa saja yang dibutuhkan. Dari sudut pandang pemasaran, perencanaan produksi menentukan “berapa” jumlah produk yang akan Laporan Tugas Akhir II-9

Bab II Landasan Teori

disediakan untuk memenuhi permintaan. Dari sudut pandang keuangan, perencanaan produksi mengidentifikasikan besarnya kebutuhan dana dan memberikan dasar dalam pembuatan anggaran. Perencanaan produksi akan mudah dibuat bila tingkat permintaan bersifat konstan atau bila waktu produksi tidak menjadi kendala. Tetapi kedua kondisi ini jarang terjadi dalam keadaan sebenarnya, dimana secara nyata tingkat permintaan akan berfluktuasi dan perusahaan selalu dibatasi oleh tanggal waktu penyerahan produk. Perencanaan tingginya/rencahnya produksi tingkat yang tidak tepat dapat mengakibatkan ongkos

persediaan,

sehingga

mengakibatkan

simpan/ongkos kehabisan persediaan. Dan yang lebih fatal, hal tersebut dapat mengurangi pelayanan kepada konsumen karena keterlambatan penyerahan produk. 2.2.1 Perencanaan Agregat Dalam suatu organisasi yang sehat, para perencana terus-menerus merencanakan jadwal terinci aktivitas untuk beberapa periode mendatang, merencanakan bagaimana kondisi optimal ketersediaan sunber daya dengan ekspektasi permintaan produk, serta mengembangkan strategi penggunaan sumber daya itu. Perencanaan agregat mencari kombinasi terbaik untuk meminimasi ongkos atas beberapa pilihan yang dihadapi untuk memenuhi permintaan produk. Tujuan perencanaan agregat ialah merencanakan jadwal induk produksi untuk beberapa periode mendatang, merencanakan kondsisi optimal ketersediaan

Laporan Tugas Akhir II-10

Bab II Landasan Teori

sumber daya terhadap ekspektasi permintaan produk, serta pengembangan strategi penggunaan sumber daya itu. Perencanaan agregat membutuhkan masukan diantaranya : 1) Akurasi tingkat persediaan produk jadi Akurasi tingkat persediaan produk jadi merupakan hal yang penting dalam perencanaan produksi. Sebelum melakukan perencanaan untuk menghasilkan jadwal induk produksi, tingkat persediaan produk jadi perlu diketahui dengan tepat. Untuk itu dibutuhkan filing system yang mencakup dokumentasi dan pengecekan data yang teratur sehingga tingkat persediaan produk jadi diketahui dengan tingkat akurasi yang tinggi. Maksud adanya persediaan produk jadi adalah untuk meredam fluktuasi permintaan. Dalam hal tersebut terjadi kekurangan pasokan produk jadi dipasaran akibat permintaan tak terduga (karena pola musiman atau karena kejadian luar biasa) maka untuk memenuhinya akan digunakan pasokan yang berasal dari persediaan produk jadi yang disimpan perusahaan. Jika persediaan produk jadi terlalu tinggi akan dapat mengakibatkan perusahaan harus mengeluarkan dana yang cukup besar untuk modal yang tertanam dalam persediaan produk jadi. Jika tingkat persediaan produk jadi rendah maka perusahaan harus cepat merespon permintaan fluktuatif pasar. 2) Kebijaksanaan manajemen dan data biaya-biaya

Laporan Tugas Akhir II-11

Bab II Landasan Teori

Maksud perencanaan produksi yang utama adalah menghaluskan atau meredam gangguan produksi yang disebabkan fluktuasi permintaan. Ini dilakukan dengan cara menjadwalkan pekerjaan guna memenuhi pola permintaan masa depan selama beberapa periode. Misalnya ketika permintaan rendah, manajer produksi mengadakan pemberhentian pegawai atau mengurangi waktu kerja dan ketika permintaan tinggi, manajer produksi merekrut karyawan, menambah lembur, atau tidak memenuhi pesanan yang datang. Reaksi jangka pendek semacam ini akan mengurangi moral kerja, menurunkan produktivitas, serta menambah biaya tenaga kerja. Pada dasarnya perencanaan produksi menggunakan kombinasi empat masukan bagi proses produksi diantaranya srategi variasi jumlah tenaga kerja, variasi jam kerja, variasi tingkat persediaan produk jadi dan subkontrak. 3) Peramalan permintaan Syarat mutlak penyusunan jadwal induk produksi ialah ketersediaan peramalan. Peramalan permintaan yang diperlukan ialah peramalan keseluruhan tingkatan produk dalam satu lintas produksi bukan hanya produk tertentu. 4) Pengetahuan mengenai kapasitas Kapasitas pabrik adalah jumlah produk yang dapat dibuat pada satu periode waktu tertentu. Istilah kapasitas sendiri harus dilihat dari tiga perspektif agar lebih jelas. Kapasitas desain adalah keluaran Laporan Tugas Akhir II-12

Bab II Landasan Teori

maksimum pada kondisi ideal (tidak ada konflik pendajdwalan, tidak ada produk rusak/cacat, maintencance hanya yang rutin, dan lain sebagainya). Kapasitas efektif menunjukkan keluaran maksimum pada tingkat operasi tertentu. Umumnya efektif lebih rendah dari pada kapasitas desain. Kapasitas aktual menunjukkan keluaran nyata yang dapat dihasilkan oleh fasilitas. Kapasitas aktual harus diusahakan sama dengan kapasitas efektif. Perencanaan kapasitas ditujukan untuk mengetahui jumlah sumber daya yang dimiliki sehinggga mampu memenuhi permintaan pasar yang diramalkan. Jika tidak maka harus diputuskan dengan mempertinggi sumber daya yang dimiliki yaitu dengan

pembangunan pabrik baru, penambahan mesin dan perkakas baru dan kebijaksanaan pemenuhan kebutuhan kapasitas jangka pendek. 5) Satuan agregat Satuan agregat adalah satuan yang dapat mewakili berbagai macam produk sehingga total kebutuhan untuk produk-produk tersebut dapat dibandingkan dengan kapasitas fasilitas produksi yang tersedia. Dalam penyusunan jadwal induk produksi perlu diingat bahwa penggunaan satu fasilitas produksi memiliki dampak ongkos yang sama dan sukar untuk dibebankan pada tiap produk yang menggunakan fasilitas produksi tersebut. Adanya satuan agregat ini diperlukan mengingat berbagai item produk membutuhkan jam mesin dan waktu setup yang berlainan serta ongkos produksi yang Laporan Tugas Akhir II-13

Bab II Landasan Teori

digunakan secara bersama-sama. Satuan agregat akan mewakili agregasi seluruh item produk sehingga permintaan total untuk kebutuhan selama satu kurun perencanaan dapat dihitung. 2.2.2 Metode Perencanaan Agregat Ada beberapa metode yang dapat digunakan untuk menyelesaikan permasalahan pada perencanaan produksi agregat. Beberapa diantaranya adalah sebagai berikut: • Jumlah tenaga kerjanya tetap dan struktur biayanya linier 1) Trial and Error 2) Program Linier 3) Transportasi 4) Programa Dinamis • Jumlah tenaga kerjanya berubah-ubah dan struktur biayanya linier 1) Program Linier • Jumlah tenaga kerjanya berubah-ubah dan struktur biayanya non linier 1) Linier Decision Rule 2) Heuristic Search Dari beberapa metode yang ada, model transportasi merupakan model perencanaan produksi yang paling optimal dan praktis diaplikasikan seperti yang diusulkan Biegel dengan menggunakan teknik Transport Shipment Problem (TSP). Metode ini mengijinkan penggunaan produksi reguler, overtime, inventori, backorder dan subkontrak. Hasil perencanaan yang diperoleh dapat dijami optimal Laporan Tugas Akhir II-14

Bab II Landasan Teori

dengan asumsi optimistik bahwa tingkat produksi (yang dipengaruhi oleh hiring dan training pekerja) dapat dirubah dengan cepat. Supaya metode ini dapat diaplikasikan, kita harus memformulasikan persoalan perencanaan agregat sehingga:
1. Kapasitas tersedia (supply) dinyatakan dalam unit yang sama

dengan kebutuhan (demand).
2. Total kapasitas untuk horison perencanaan harus sama

dengan total peramalan kebutuhan. Bila tidak sama, kita gunakan variabel bayangan (dummy) sebanyak jumlah selisih tersebut dengan unit cost = 0. 3. Semua hubungan biaya merupakan hubungan linier. 2.2.3 Master Production Schedule (MPS) Menurut Vincent Gaspersz (2004), pada dasarnya jadwal produksi induk (master production schedule = MPS) merupakan suatu pernyataan tentang produk akhir (termasuk parts pengganti dan suku cadang) dari suatu perusahaan industri manufaktur yang merencanakan memproduksi output berkaitan dengan kuantitas dan periode waktu. Aktifitas penjadwalan induk produksi (master production schedulling, MPS) pada dasarnya berkaitan dengan bagaimana menyusun dan memperbaharui jadwal produksi induk (master production schedule = MPS), memproses transaksi dari MPS, memelihara catatan MPS, mengevaluasi efektifitas dari MPS dan memberikan laporan evaluasi dalam periode waktu yang teratur untuk keperluan umpan-balik dan tinjauan ulang. Penjadwalan induk

Laporan Tugas Akhir II-15

Bab II Landasan Teori

produksi pada dasarnya berkaitan dengan aktifitas melakukan empat fungsi utama adalah sebagai berikut: 1. Menyediakan atau memberikan input utama kepada sistem perencanaan kebutuhan material dan kapasitas material and capacity requirement planning. 2. Menjadwalkan pesanan-pesanan produksi dan pembelian (production and purchase orders) untuk item-item MPS. 3. Memberikan landasan untuk penentuan kebutuhan sumber daya dan kapasitas. 4. Memberikan basis pembuatan janji tentang penyerahan produk kepada pelanggan. Sebagai suatu aktivitas proses, penjadwalan produksi induk (MPS) membutuhkan lima input utama. Berikut ini adalah lima input utama dalam penjadwalan induk produksi: 1. Data Permintaan Total merupakan salah satu sumber data bagi proses penjadawalan produksi induk. Data permintaan total berkaitan dengan ramalan penjualan (sales fore cast) dan pesanan-pesanan (orders). 2. Status Inventori berkaitan dengan informasi tentang on-hand inventory,stok yang dialokasikan untuk penggunaan tertentu (allocated stock), pesananpesanan produksi dan pembelian yang dikeluarkan (released production and purchase orders), dan firm planned orders. MPS harus mengetahui secara akurat berapa banyak inventori yang tersedia dan menentukan berapa banyak yang harus dipesan. Laporan Tugas Akhir II-16

Bab II Landasan Teori

3.

Rencana Produksi memberikan sekumpulan batasan kepada MPS. MPS harus menjumlahkannya untuk meningkatan tingkat produksi, inventori, dan sumber-sumber daya lain dalam rencana produksi itu.

4.

Data Perencanaan berkaitan dengan aturan-aturan tentang lot-sizing yang harus digunakan, stock pengaman (safety stock), dan waktu tinggu (lead time) dari masing-masing item yang biasanya tersedia dalam file induk dari item (item Master file).

5.

Informasi dari RCCP berupa kebutuhan kapasitas untuk mengimpletasikan MPS menjadi salah satu input bagi MPS.

Terdapat juga beberapa kriteria-kriteria dasar pada JIP, yaitu sebagai berikut: 1. 2. 3. 4. Jenis item tidak terlalu banyak Kebutuhannya dapat diramalkan Mempunyai BOM, sehingga kebutuhan komponen dapat dihitung Dapat diperhitungkan dalam penentuan kapasitas

5. Menyatakan konfigurasi produk yang dapat dikirim.

2.4 Mengenal Software WinQSB Versi 2.0 Salah satu program komputer yang dirancang untuk menyelesaikan masalah-masalah kuantitatif di bidang manajemen adalah WinQSB. Program ini dibuat oleh Profesor Yih-Long Chan dari Georgia Institute of Technology, Amerika Serikat. Program ini merupakan pengembangan dari program QSB (Quantitative System for Business), QSB+, dan QS (Quantitative System) yang sudah banyak digunakan pada akhir tahun 1980-an. Program WinQSB saat ini Laporan Tugas Akhir II-17

Bab II Landasan Teori

sudah sampai pada versi 2.0. Disebut WinQSB karena merupakan perkembangan dari program QSB yang dulu berbasis sistem operasi DOS, dan sekarang sudah dapat dijalankan pada komputer berbasis Microsoft Windows. Seperti program-program pendahulunya, WinQSB cukup banyak digunakan oleh para pembuat keputusan dan para akademisi karena kemudahan dan kecanggihannya. Di sisi lain, program inii tidak memerlukan konfigurasi komputer yang berlebihan. Bahkan WinQSB dapat dijalankan pada sistem komputer dengan sistem operasi MS. Windows 95 dengan memori RAM 36 MB dan memakan kapasitas hardisk tidak lebih dari 10 MB. Kelebihan WinQSB adalah adanya 19 modul terpisah yang memiliki ikon dan fungsi tersendiri dalam memecahkan masalah kuantitatif dalam bidang manajemen. Adapun fungsi utama dari 19 modul akan dijelaskan berikut ini:
No. Nama Modul Linear Programming (LP) dan 1 Integer Linear Programming (ILP) Linear Goal Programming (GP) 2 dan Integer Linear Goal Programming (IGP) Quadratic Programming (QP) dan 3 4 Integer Quadratic Programming (IQP) Network Modeling (NET) Fungsi Utama Mencari nilai minimum atau maksimum dari suatu fungsi tujuan linear dengan sejumlah batasan linear. Keluaran bisa berupa grafik (bila hanya 2 variabel), solusi akhir, tabel simpleks setiap langkah atau detail, hingga analisis sensitivitas. Memecahkan masalah goal programming, yaitu masalah dengan fungsi tujuan linear lebih dari satu dengan sejumlah batasan linear. Memecahkan masalah optimalisasi (baik minimum maupun maksimum) dengan fungsi tujuan kuadratik (nonliear) dan batasan linear. Memecahkan masalah-masalah jaringan seperti

transportasi, penugasan, aliran maksimum (maximum flow), penyebaran [diagram] pohon minimal (minimum spanning tree), jaringan terpendek dan perjalanan pramuniaga. Model ini mencakup juga lingkaran (node) dan sambungan

Laporan Tugas Akhir II-18

Bab II Landasan Teori

(link atau connection) Memecahkan fungsi tujuan nonliear dengan batasan linear maupun nonliear. Variabel keputusan bisa terbatas maupun tak terbatas. NLP dapat digolongkan sebagai masalah 5 Nonlinear Programming (NLP) variabel tunggal tak terkendala serta masalah multivariabel tak terkendala dan terkendala, dan memecahkan masalah tersebut dengan teknik yang berbeda. Teknik matematis untuk membuat serangkaian kepurusan yang saling berkaitan. Setiap masalah bersifat unik. Modul 6 Dynamic Programming (DP) ini mampu mengatasi tiga masalah pemrograman dinamis, yaitu: knapsack, stagecoach dan production and inventory scheduling. Modul ini digunakan untuk memecahkan masalah

manajemen proyek, baik yang berupa PERT, CPM, atau keduanya. Sebuah proyek terdiri atas aktivitas dan 7 PERT/CPM pendahulu. Modul ini dapat menunjukkan kegiatan kritis, slack yang tersedia untuk kegiatan lain dan kebutuhan waktu untuk menyelesaikan proyek. Modul ini juga dapat menampilkan diagram Gantt. Memecahkan sistem antrian satu tingkat (single stage queuing line system) dengan memungkinkan pemakai untuk memilih satu diantara 15 distribusi probabilitas, 8 Queuing Analysis (QA) termasuk simulasi Monte Carlo. Output menunjukkan pengukuran kinerja sistem antrian, termasuk analisis costbenefit. Menjalankan simulasi kejadian antrian tunggal dan berganda. Kebutuhan inputnya adalah populasi kedatangan customer, jumlah penyedia, antrian dan kolektor sisa 9 Queuing System Simulation (QSS) (costumer meninggalkan sistem sebelum jasanya). Keluarannya menunjukkan kinerja sistem antrian, baik 10 Inventory Theory and Systems (ITS) dalam bentuk tabular maupun grafik. Memecahkan masalah dan mengevaluasi pengendalian persediaan, termasuk model EOQ, model diskon kuantitas, model persediaan stokastik, simulasi Monte Carlo dan

Laporan Tugas Akhir II-19

Bab II Landasan Teori

model periode tunggal.

Memberi sebelas model perkiraan (forecasting) yang berbeda-beda. 11 Forecasting (FC) penelusuran sinyal dan pengukuran residual. Output dapat ditampilkan dalam format grafik. Memecahkan empat masalah pembuatan keputusan: Bayes, 12 Decision Analysis (DA) pohon keputusan, tabel payoff dan teori permainan jumlah nol (game play dan simulasi Monte Carlo) Sebuah sistem yang muncul pada berbagai kondisi (misalnya pemilihan merek produk oleh konsumen). Pada akhirnya, sistem akan berganti dari satu kondisi ke kondisi lainnya. Proses Markov akan memberi probabilitas 13 Markov Process (MKP) perpindahan dari satu kondisi ke kondisi lain. Contoh yang umum adalah pergantian merek oleh customer. Modul ini akan memecahkan masalah probabilitas kondisi stabil dan menganalisis kos total atau imbalan hasilnya. Menjalankan analisis statistika dan menyusun diagram pengendalian kualitas. Modul ini mampu menyusun 21 diagram yang berbeda, termasuk diagram batang X, 14 Quality Control Chart (QCC) diagram R, diagram P dan diagram C. Modul ini juga menjalankan analisis proses kemampuan. Keluaran Keluarannya meliputi perkiraan,

ditampilkan dalam bentuk tabel maupun grafik. Mengembangkan dan menganalisis rencana penerimaan sampling (acceptance sampling plan) untuk atribut dan Acceptance Sampling Analysis 15 (ASA) sampling berganda dan sebagainya. Modul ini menyusun OC, AOQ, ATI, kurva kos ASN dan dapat melakukan 16 Job Scheduling (JOB) analisis what-if. Memecahkan masalah penjadwalan untuk job shop maupun flow shop. Ada 15 aturan prioritas yang tersedia untuk penjadwalan job shop, termasuuk solusi terbaik karakteristik kualitas variabel, seperti sampling tunggal,

berdasarkan kriteria tertentu. Juga tersedia tujuh heuristic

Laporan Tugas Akhir II-20

Bab II Landasan Teori

umum untuk penjadwalan flow shop termasuk solusi terbaik. Output berupa grafik dan tabel. Berhubungan dengan perencanaan kapasitas dan jadwal produksi untuk memenuhi kebutuhan permintaan atas intermediate planning horizon. Keputusan yang umum 17 Agregate Planning (AP) adalah produksi agregat, penjadwaln dan kebutuhan tenaga kerja, tingkat persediaan, subkontrak, backorder dan/atau penjualan rugi. Mengevaluasi lokasi fasilitas untuk pola dua atau tiga dimensi (pabrik dan/atau gudang), rancangan fasilitas untuk rancangan fungsi (job shop) dan alur produksi (flow Facility Location and Layout shop). Lokasi fasilitas menemukan lokasi yang jaraknya 18 (FLL) paling dekat. Rancangan fasilitas fungsional didasarkan pada algoritma CRAFT modifikasian. Untuk rancangan flow shop (line balancing) tersedia tiga algoritma yang berbeda. Memecahkan masalah yang berkaitan dengan MRP dalam perencanaan Material Requirement Planning 19 (MRP) kebutuhan neto, jumlah direncanakan dan prediksi persediaan atas material dan komponen. Modul ini akan melakukan analisis kapasitas dan analisis kos. harus diantar ke customer, metode MRP akan menetukan produksi. Didasarkan pada kebutuhan

permintaan final, baik dalam jumlah maupun waktu produk

2.5.1 Cara umum menjalankan Software WinQSB Meskipun WinQSB memiliki 19 modul yang seolah-olah terpisah (karena memang fungsinya berbeda-beda), namun sebenarnya masing-masing modul memiliki kemiripan dalam penggunaannya. Langkah-langkah tersebut akan diuraikan berikut ini:

Laporan Tugas Akhir II-21

Bab II Landasan Teori

Dalam seksi ini, akan diberikan contoh kasus untuk menunjukkan bagaimana cara dalam memasukkan dan menyelesaikan masalah. Contoh kasus : Volume penjualan dari perusahaan untuk dua puluh empat bulan terakhir ditunjukkan pada tabel 1. Dengan menggunakan single exponential smoothing dengan constan smoothing α = 0.3 , ramalkan penjualan 12 bulan kedepan. Bulan 1 2 3 4 5 6 7 8 Penjualan 398 395 290 400 410 425 450 440 Bulan 9 10 11 12 13 14 15 16 Penjualan 430 460 465 473 480 465 435 470 Bulan 17 18 19 20 21 22 23 24 Penjualan 487 500 530 500 505 550 555 580

Enter the Problem (Masukkan Permasalahan) 1. Jalankan salah satu modul WinQSB misalnya forecasting dengan klik menu Start → Program → WinQSB → Forecasting. 2. Pilih atau klik new problem pada menu file. 3. Gambar 1 menunjukkan problem spesifikation (spesifikasi dari masalah). Pilih time series forecasting. 4. Gambar 2 menunjukkan data historis selama 24 bulan terakhir.

Laporan Tugas Akhir II-22

Bab II Landasan Teori

Gambar 1 Spesifikasi permasalahan

Gambar 2 Data Historis

Solve Problem (Penyelesaian Masalah) Laporan Tugas Akhir II-23

Bab II Landasan Teori

1. Pilih “Perform Forecasting” dari menu “solve and analyze”. Gambar 3 akan menampilkan model forecasting dan interaksinya. Klik option “single exponential smoothing”. Program akan meminta parameter yang dispesifikasikan, kemudian klik “OK”. Setelah beberapa detik, peramalan dapat ditampilkan hasilnya. Gambar 4 dan gambar 5 akan menunjukkan hasil dari peramalan.

Gambar 3 Metode Forecasting

Laporan Tugas Akhir II-24

Bab II Landasan Teori

Gambar 4 Hasil Forecasting

Gambar 5 Lanjutan Hasil Forecasting

Laporan Tugas Akhir II-25

Bab II Landasan Teori

2. Setelah peramalan dilakukan, pilih “show the forecasting detail” dari menu “Result “ untuk menunjukkan hasil detail dari peramalan. Gambar 6 dan gambar 7 menunjukkan forecasting detail.

Gambar 6 Detail Peramalan

Laporan Tugas Akhir II-26

Bab II Landasan Teori

Gambar 7 Lanjutan Detail Peramalan 3. anda juga dapat memilih “show the forecasting in graph” dari menu “Result” untuk memplotkan hasil dari peramalan. Gambar 8 menunjukkan chart/grafik dari peramalan. Jika hasil dari plot lebih dari satu halaman, gunakan panah kiri dan kanan untuk memilih halaman. Anda dapt menekan “P” untuk mengeprint Chart/Grafik.

Laporan Tugas Akhir II-27

Bab II Landasan Teori

Gambar 8 Grafik Hasil Peramalan Mencari Dengan Parameter Terbaik Kita dapat mencoba parameter lain dan mengulang program peramalan untuk mencapai hasil yang lain. TSFC menyediakan petunjuk pencarian untuk menemukan parameter terbaik. Pada bagian ini akan dicoba mendemontrasikan proses pencariam parameter terbaik. 1. Pilih “Perform Forecasting” dari menu “Solve and Analyze” dan pilih single expenential smoothing. Program akan meminta parameter yang dicari dan ukuran performance peramalan. Gambar 9 menunjukkan spesifikasi dari parameter dan spesifikasi ukuran perfomance MAD. Setelah interaksi beakhir, program akan mencaari parameter terbaik untuk ukuran performance yang dispesifikasikan. Laporan Tugas Akhir II-28

Bab II Landasan Teori

Gambar 9 Spesifikasi Parameter dan Ukuran Performance 2. Setelah pencarian/peramalan dilakukan, pilih “show the forecasting detail” dari menu “Result” untuk menampilkan detail dari hasil peramalan. Gambar 10 dan gambar 11 menunjukkan hasil detail dari peramalan. MAD baru adalah 26.2609.

Laporan Tugas Akhir II-29

Bab II Landasan Teori

Gambar 10 Hasil Detail Peramalam Dengan Search The Best

Gambar 11 Lanjutan Hasil Detail Peramalam Dengan Search The Best

Laporan Tugas Akhir II-30

Bab II Landasan Teori

3. Anda dapat memilih “show the forecasting in chart” dari menu “Result” untuk memplotkan hasil peramalan dalam bentuk grafik. Gambar 12 menunjukkan grafik hasil peramalan.

Gambar 12 Grafik Hasil Peramalan Dengan Search The Best

Laporan Tugas Akhir II-31

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->