BAB 2

LANDASAN TEORI

2.1. Sistem, Model, dan Simulasi Sistem

Sistem didefinisikan oleh Schmidt dan Taylor (1970) sebagai suatu kumpulan

entitas seperti manusia atau mesin yang berinteraksi bersama-sama mencapai suatu

tujuan (Law & Kelton, 1991). Dalam praktiknya yang disebut dengan “sistem”

tergantung pada tujuan studi tertentu. Kumpulam entitas yang membentuk sistem

pada studi sangat mungkin hanya bagian dari sistem pada studi yang lain atau bahkan

bukanlah entitas yang diperlukan untuk membentuk sistem pada studi yang lainnya

lagi. Sistem dapat diklasifikasikan menjadi dua macam yaitu statis dan dinamis.

Sistim dinamis dapat dibagi lagi berdasarkan cara variabel-variabel sistem tersebut

mengalami perubahan dari waktu ke waktu. Sistem diskret adalah sistem yang

perubahan state dari variabelnya terjadi secara instan pada titik-titik waktu yang

terpisah. Sistem kontinyu adalah sistem yang perubahan state dari variabelnya terjadi

secara kontinyu terhadap waktu.

Gambar 2.1 Macam-macam Sistem

Sistem

Statis Dinamis

DiskritKontinu Gabungan

12

Sistem adalah sebuah bagian dari realitas yang difokuskan pada studi. Untuk

menjelaskan atau menganalisa sebuah sistem seseorang harus menyatakan sistem

tersebut dalam bentuk representasi.Representasi dari sistem inilah yang disebut

model.

Gambar 2.2 Hubungan antara realitas, sistem, dan model

Gambar 2.2 Hubungan antara realitas, sistem dan model

Definisi tentang sistem mencakup lima unsur utama yang yang terdapat dalam

sistem, yaitu :

1. Elemen-elemen atau bagian-bagian

2. Adanya interaksi atau hubungan antar elemen-elemen atau bagian-bagian

3. Adanya sesuatu yang mengikat elemen-elemen atau bagian-bagian tersebut

menjadi suatu kesatuan

4. Terdapat tujuan bersama, sebagai hasil akhir

5. Berada dalam suatu lingkungan yang kompleks

Diidentifikasi berdasarkan tujuan dari studi yang diharapkan

Disarikan berdasarkan efisiensi representasinya Sumber : Khoshnevis (1994), hal 28

Realitas

Model

Sistem

13

Elemen-elemen yang saling berinteraksi tersebut sering disebut sebagai subsistem.

Setiap proses menyebabkan terjadinya perubahan dalam sistem disebut aktivitas.

Sinergi (synergy), yaitu kondisi dimana efek terpadu (combined effect) dua macam

tindakan melebihi jumlah dari bagian-bagian individualnya.

Studi terhadap sistem dapat dilakukan dengan dua cara yaitu dengan melakukan

eksperimen langsung terhadap sistem atau melakukan eksperimen terhadap model

dari sistem. Cara yang kedua lebih disukai karena lebih praktis dan ekonomis, dapt

dimodelkan secara fisik dan matematik. Model matematik dapat memberikan solusi

secara anlitis atau secara simulasi.

2.2 Konsepsi Sistem

Konsepsi adalah abstraksi mengenai suatu fenomena yang dirumuskan atas dasar

generalisasi dari sejumlah karakteristik kejadian, keadaan, mengenai obyek tertentu.

Konsepsi sistem adalah penyajian komponen-komponen pembentuk sistem kedalam

suatu definisi yang mantap.

Kerangka dasar sistem dapat digambarkan dengan formula sederhana berikut ini :

Gambar 2.3 Kerangka Dasar Sistem

Bila sistem beropersi dalam situasi tertentu, formula diatas berkembang menjadi

seperti tampak pada gambar berikut

Masukan Proses Keluaran

14

Gambar 2.4 Kerangka Sistem

2.3 Sistem Pakar

Sistem informasi klasik (SIK) secara teknologi disusun oleh sistem informasi (SI)

dan sistem operasi (SO). Sedangkan sistem operasi pakar tersusun dari SIK dan

sistem deduksi (SD). Sistem Informasi atau pengetahuan deklarasi dibentuk oleh

suatu informasi dasar yang didasarkan pada struktur logic (skema konseptual),

struktur fisik (skema internal), dan fisi informasi (skema eksternal). Sistem tersebut

tersusun dari struktur data yang diatur oleh prosedur sistem operasi menurut model

hubungan, jaringan dan hirarki (obyek terformalisasi). Sistem operasi atau

pengetahuan prosedur terdiri dari suatu program penggerak dan perpustakaan yang

berperan dalam menjalankan program terapan. Sistem deduksi atau pengetahuan

hipotetis-deduktif disusun oleh komponen aturan dasar,mekanisme inferensi dan

gabungan obyek. Sistem deduksi ini tidak selalu jelas pemisahannya dengan sistem

TujuanStandar PerformasiKonstrain

Masukan Proses Keluaran

KontrolUmpan balik

15

informasi, terutama pada kasus data dasar deduktif yang mengandung dua aspek dan

masalah akses langsung pemakai ke sistem informasi yang tidak didukung oleh

sistem pakar.

Menurut Feigenbaum di dalam Harmon dan King (1985), sistem pakar adalah

perangkat lunak komputer cerdas yang menggunakan pengetahuan dan prosedur

inferensi untuk memecahkan masalah yang cukup rumit atau memerlukan

kemampuan seorang pakar untuk memecahkannya. Sistem pakar berbeda dengan

program konvensional, karena program yang terakhir hanya dapat dimengerti oleh

pembuat program (programmer). Sistem pakar bersifat interaktif dan mempunyai

kemampuan untuk menjelaskan apa yang ditanyakan pengguna (user friendly).

Tujuan perancangan sistem pakar adalah untuk mempermudah kerja atau bahkan

mengganti tenaga ahli, penggabungan ilmu dan pengalaman dari beberapa tenaga

ahli, training tenaga ahli baru, penyediaan keahlian yang diperlukan oleh suatu

proyek yang tidak ada atau tidak mampu membayar tenaga ahli. Hal tersebut dapat

dipahami secara rasional, karena kaderisasi tenaga ahli dalam suatu organisasi sangat

diperlukan, terutama untuk badan usaha yang mempunyai keterbatasan dana untuk

menyediakan teaga ahli.

2.3.1 Struktur Sistem Pakar

Sistem pakar terdiri dari dua bagian utama, yaitu bagian pengembangan dan

konsultasi. Bagian pengembangan sistem pakar digunakan oleh penyusunnya untuk

memasukkan pengetahuan dasar ke dalam lingkungan sistem informasi. Sedangkan

16

bagian konsultasi digunakan oleh pemakai untk mendapatkan pengetahuan ahli serta

saran, nasehat ataupun justifikasi dalam hal ini operasionalisasi sistem pakar dibagi 4

modul, yaitu :

1. Pengelolaan dialog (pengertian bahasa alamiah, konteks, dll)

2. Pemecahan masalah (alasan, meta-logika, dll)

3. Pengelolaan pengetahuan (Penempatan fakta, aturan dan akses, program secara

algoritme klasik)

4. Struktur komunikasi antar tiga modul sebelumnya (butir 1-3)

Pada prinsipnya, sistem pakar tersusun dari beberapa komponen yang mencakup :

(1) Fasilitas akuisasi pengetahuan

(2) Sistem berbasis pengetahuan (knowledge based system)

(3) Mesin inferensi (Inference engine)

(4) Fasilitas untuk penjelasan dan justifikasi, dan

(5) Penghubung antara pengguna dan sistem pakar (User interface).

Tiap bagian mempunyai hubungan yang erat dengan bagian yang lainnya.

Keterkaitan antar komponen-komponen tersebut disajikan pada Gambar 2.5.

17

Gambar 2.5 Struktur dasar sistem pakar (dimodiifikasi dari Turban, 1988)

Karakteristik dari sistem pakar menurut Waterman ( 1986 ) adalah :

(1) Domain persoalan terbatas

(2) Memiliki kemampuan memberikan penalaran

(3) Memilki kemampuan mengolah data yang mengandung ketidakpastian

(4) Memisahkan mekanisme inferensi basis pengetahuan

(5) Dirancang untuk dikembangkan secara bertahap (modular )

(6) Keluarannya bersifat anjuran

(7) Basis pengetahuan didasarkan pada kaidah

2.3.2 Akuisisi Pengetahuan

Salah satu tahap pengembangan sistem pakar adalah akuisisi pengetahuan

(Knowledge Aqcuisition). Tahap merupakan tahap penting, kritis dan sangat

18

menentukan keberhasilan sistem pakar yang akan dikembangkan untuk pemecahan

persoalan yang biasanya dapat diselesaikan oleh pakar. Menurut Heng (1987) akuisisi

pengetahuan melibatkan masalah definisi, implementasi dan pemulusan seperti

konsep program komputer, hubungan, prosedur dan strategi pemecahan masalah dari

bidang pekerjaan khusus. Dalam hal ini digunakan pendekatan interaktif secara

bertahap seperti diskemakan pada Gambar 2.6.

Gambar 2.6 Tahapan pengetahuan akuisisi ( Heng, 1987 )

Akuisisi pengetahuan merupakan suatu obyek utama analisis dari pengembangan

paket program sistem pakar, maka dari itu keberadaannya perlu didukung oleh sistem

pengetahuan dasar (Knowledge Based System) yang berupa pendefinisian unsur

(modelisasi masalah) dan struktur dasar (formalisasi penyajian) untuk

menginterprestasikan data (masukan informasi dari pemakai) dan memecahkan

19

masalah (penyajian informasi ke pemakai) menurut tingkat kompleksitasnya

(Schreiber, Breuker, Bredeweg dan Wielinga, 1988). Bentuk penyajian pengetahuan

dasar disimpan dalam bentuk simbolik (sulit diartikan dengan mudah oleh pemakai)

ataupun grafik (mudah dipahami oleh pemakai) sangat berpengaruh terhadap

interface pemakai dari sistem pakar yang dikembangkan.

Menurut Schreiber, et al (1988) sistem pengetahuan dasar (SPD) sebagai kegiatan

modeling didukung oleh metodologi yang didasarkan pada bahasa model (model

artificial), ruang lingkup (analisis dan desain) dan dukungan parangkat lunak. Model

pengembangan sistem pengetahuan dasar pada sistem pakar adalah sebagai berikut :

Gambar 2.7 Model pengembangan SPD ( Schreiber, et al,1988 )

Pada gambar 2.7 dapat dilihat data berupa bahasa (lisan atau tertulis) dapat

dianggap kegiatan identifikasi konsep, tahapan konseptual merupakan kegiatan

klasifikasi masalah (penetapan model M1 atau model proses penyelesaian masalah),

tahapan epistemologi merupakan kegiatan abstraksi kognitif (penetapan model M2

atau model desain), tahapan logika sebagai kegiatan perumusan realisasi yang akan di

20

implementasikan (penetapan model M3 atau sistem desain) dan tahapan implementasi

sebagai penerapan dari program yang disusun (penetapan kode). Dari hal yang

dikemukakan, maka dapat dikatakan bahwa pengetahuan dasar dapat memecahkan

kompleksitas dan keragaman masalah yang dijumpai dengan berbagai cara.

2.3.3 Representasi Pengetahuan

Dalam sistem pakar, basis pengetahuan merupakan bagian yang memuat objek-

objek pengetahuan serta hubungan yang dimiliki antar objek-objek tersebut. Basis

pengetahuan tersebut merupakan sumber kecerdasan sistem dan hal ini dimanfaatkan

oleh mekanisme inferensi untuk mengambil kesimpulan. Sebagai ilustrasi, basis

pengetahuan dapat terdiri dari 3-5 komponen angka yaitu model base, data base,

gugus connection graph, gugus frames dengan referensi model base dan bidang

pengetahuan lain yang tidak bersifat bebas (Asumsi dan parameter) (Fedorowicz dan

Williams, 1986).

Gambar 2.8 Tahapan akuisisi pengetahuan dalam sistem pakar

21

Menurut Marimin (1991) ada empat kriteria dalam memilih metode representasi

pengetahuan yaitu :

1. Kemampuan representasi, artinya metode harus mampu merepresentasikan

semua jenis pengetahuan yang diperlukan dalam sistem pakar.

2. Kemudahan dalam penalaran, artinya metode harus mudah diproses untuk

mencapai tahap kesimpulan.

3. Efisiensi proses akuisisi, artinya metode harus membantu translasi pengetahuan

pakar kedalam sistem komputer secara efisien. Menurut Fedorowicz dan

Williams (1986) hal tersebut dipengaruhi oleh pengolah masalah (problem

processor) ketika pemakai berinteraksi dengan pengetahuan yang tersimpan,

terutama pada pemilihan strategi pemecahan yang tepat.

4. Efisiensi proses penalaran, artinya metode dapat diproses secara efisien untuk

mencapai kesimpulan.

2.3.4 Mekanisme inferensi

Mesin inferensi merupakan komponen sistem pakar yang memanipulasi dan

mengarahkan pengetahuan dari basis pengetahuan, sehingga tercapai kesimpulan.

Tugas utama dari mesin inferensi adalah menguji fakta dan kaidah serta menambah

fakta baru jika memungkinkan serta memutuskan perintah sesuai dengan hasil

penalaran yang telah dilaksanakan.

22

2.4 Peramalan

2.4.1 Faktor-Faktor Pcrtimbangan Dalam Peramalan Kuantitatif

Menurut Sofjan Assauri, " Peramalan adalah kegiatan untuk memperkirakan apa

yang akan terjadi pada masa yang akan datang " (Sofjan Assauri, 1984:1). Sedangkan

menurut Hendra Kusuma, "Peramalan adalah perkiraan tingkat permintaan satu atau

lebih produk selama beberapa periode mendatang" (Hendra Kusuma, 1999:13).

Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas:

1) Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan

antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan

deret waktu, atau "time series ".

2) Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan

antara variabel yang akan diperkirakan dengan variabel yang lain yang

mempengaruhinya, yang bukan waktu, yang disebut metode korelasi atau sebab

akibat " causal methods " (Sofian Assauri, 1984:9).

Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai

berikut:

1. Adanya informasi tentang keadaan yang lain.

2. Informasi tersebut dapat dikuantifikasikan dalam bentuk data.

3. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang

akan datang.

Ada empat jenis pola data, antara lain:

23

1. Pola horizontal atau stationary, bila nilai-nilai dari data observasi berfluktuasi

disekitar nilai konstan rata-rata. Dengan demikian dapat dikatakan pola ini

sebagai stationary pada rata-rata hitungnya (means).

2. Pola seasonal atau musiman, bila suatu deret waktu dipengaruhi oleh faktor

musim (seperti kuartalan, bulanan , mingguan dan harian).

3. Pola cyclical atau siklus bila data observasi dipengaruhi oleh fluktuasi ekonomi

jangka panjang yang berkaitan atau bergabung dengan siklus usaha (business

cycle).

4. Pola trend bila ada pertambahan atau kenaikan atau penurunan dari data obserfasi

untuk jangka panjang. Pola ini terlihat pada penjualan produk dari banyak

perusahaan. Pendapatan Domestik Nasional Bruto (GDP/GNP) dan indikator

ekonomi.

2.4.2 Model Peramalan Moving Averages

Metode moving averages diperoleh melalui penjumlahan dan pencarian nilai rata-

rata dari sejumlah periode tertentu, setiap kali menghilangkan nilai terlama dan

menambah nilai baru.

Keterangan:

= Nilai peramalan pada periode berikutnya

24

= Nilai aktual permintaan periode sebelumnya

n = Periode dalam rata-rata bergerak

Dengan tambahan bahwa satu nilai Y diganti setiap periode. Perhitungan rata-rata

dilakukan dengan bergerak ke depan untuk memperkirakan periode yang akan datang

dan dicatat dalam posisi terpusat pada rata-ratanya. Moving Averages secara efektif

meratakan dan menghaluskan fluktuasi pola data yang ada. Tentu saja semakin

panjang periodenya, semakin rata kurvanya. Kebaikan lainnya adalah bahwa metode

Moving Averages dapat diterapkan pada data apapun juga, apakah data sesuai dengan

kurva matematik atau pun tidak.

Kelemahan metode ini adalah tidak mempunyai persamaan untuk peramalan.

Sebagai gantinya digunakan rata-rata bergerak terakhir sebagai ramalan periode

berikutnya.

2.4.3 Model Peramalan Linier Moving Averages

Linier Moving Averages atau rata-rata bergerak linier melibatkan 3 aspek dalam

prosedur peramalannya, diantaranya sebagai berikut :

• Penggunaan Single Moving Average pada waktu t, dinotasikan dengan S’t.

• Penyesuaian, adalah selisih antara single dan double moving average pada

waktu t, dinotasikan dengan S’t – S’’t

• Penyesuaian untuk trend dari periode t ke periode t +1 (atau ke periode t + m

jika diinginkan peramalan untuk m periode)

25

2.4.4 Model Peramalan Exponential Smoothing

Exponential Smoothing adalah suatu tipe teknik peramalan rata-rata bergerak yang

melakukan penimbangan terhadap data masa lalu dengan cara eksponensial sehingga

data paling akhir mempunyai bobot atau timbangan lebih besar dalam rata-rata

bergerak. Dengan exponential smoothing sederhana, peramalan dilakukan dengan

cara ramalan periode terakhir ditambah dengan porsi perbedaan (disebut α) antara

permintaan nyata periode terakhir dan ramalan periode terakhir. Persamaan

exponential smoothing adalah :

Keterangan :

= Peramalan Pada Periode t

= Peramalan Pada Periode t-1

a. = Konstanta Pemulusan

= Data Permintaan Aktual pada Periode t-1

N = Banyaknya Periode Data Permintaan Aktual

Exponential smoothing sederhana tidak memperhitungkan trend , sehingga tidak

ada nilai a yang sepenuhnya menggantikan trend dalam data. Nilai-nilai a rendah

akan menyebabkan jarak yang lebih lebar dengan trend karena hal itu akan

memberikan bobot yang lebih kecil pada permintaan yang sekarang.

26

Nilai a yang rendah terutama cocok bila permintaan produk relatif stabil (yang

berat, tanpa trend atau variasi siklikal) tetapi variasi acak adalah tinggi. Nilai-nilai a

lebih tinggi adalah lebih berguna dimana perubahan - perubahan yang sesungguhnya

cenderung terjadi karena lebih responsif terhadap fluktuasi permintaan. Sebagai

contoh nilai a tidak mungkin cocok bagi industri barang-barang mode yang cepat dan

dramatik. Pengenalan-pengenalan produk baru, kampanye promosional, dan bahkan

antisipasi terhadap resesi juga memerlukan penggunaan nilai-nilai a yang lebih i.

Nilai α yang tepat pada umumnya dapat ditentukan dengan pengujian "trial -and-

eror" (coba-coba) terhadap a yang berbeda-beda untuk menemukan satu nilai α yang

menghasilkan kesalahan terkecil bila digunakan pada data masa lalu.

Dengan cara analogi yang dipakai waktu berangkat dari rata-rata bergerak tunggal

ke pemulusan {smoothing) eksponensial tunggal, kita juga dapat berangkat dari rata-

rata bergerak ganda ke pemulusan eksponensial ganda. Perpindahan seperti itu

mungkin menarik karena salah satu keterbatasan dari rata-rata bergerak tunggal yaitu

perlunya menyimpan N nilai terakhir masih terdapat pada rata-rata bergerak linear,

kecuali bahwa jumlah nilai data yang diperlukan sekarang adalah 2N-1. Pemulusan

eksponensial linear dapat dihitung hanya dengan tiga nilai data dan satu nilai untuk a.

Pendekatan ini juga memberikan bobot yang semakin menurun pada observasi masa

lalu. Perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai

pemulusan tunggal dan disesuaikan untuk trend. Adapun persamaannya sebagai

berikut:

27

2.4.5 Model Peramalan Linear Regretion

Model analisis garis kecenderungan dipergunakan sebagai peramalan apabila pola

hitoris data aktual permintaan menunjukan adanya suatu kecenderungan naik dari

waktu ke waktu. Model analisis garis kecenderungan yang paling sederhana adalah

menggunakan persamaan garis lurus (straight line equation), sebagai berikut:

1. Perhitungan slope

2. Perhitungan intercept

Nilai ramalan permintaan periode t

a + bt

Keterangan:

= Nilai ramalan pada periode t

a = intercept

28

b = Slope dari garis kecenderunga (trend line), merupakan tingkat

perubahan dalam permintaan

t = Indeks waktu

2.4.6 Analisis Kesalahan Peramalan

Beberapa alternatif analisis kesalahan peramalan yang digunakan adalah:

- Mean Squared Eror (MSE) :

Keterangan:

Nilai Tengah Kesalahan Kuadrat (Mean Squared Error)

- Mean Absolute Percentage Error (MAPE)

Keterangan:

Nilai Tengah Kesalahan Persentase Absolut (Mean Absolute Percentage Error)

Dua ukuran tersebut, merupakan alat evaluasi teknik-teknik peramalan untuk

berbagai macam parameter. Semakin rendah nilai MAPE dan MSE, peramalan

semakin baik (mendekati data masa lalu). Tetapi nilai terendah (kecuali nol) tidak

memberikan indikasi seberapa baik metode peramalan yang digunakan dibandingkan

dengan metode lainnya (Hendra Kusuma, 199:38).

29

2.5 Master Production Schedule (MPS)

Menurut Vincent Garpersz (Production planning and inventory control

2001, p141) Master Production Schedule (Penjadwalan Produksi Induk) adalah satu

aset perencanaan yang menggambarkan beberapa jumlah yang akan dibuat untuk

setiap end item pada periode tertentu.

Fungsi MPS, yaitu:

• Menjadwalkan jumlah tiap end item yang akan diproduksi.

• Memberikan input bagi MRP

• Merupakan dasar untuk menetapkan janji pengiriman kepada customer.

Sedangkan tujuan dari MPS adalah :

• Memenuhi target tingkat pelayanan terhadap customer.

• Mencapai target tingkat produksi tertentu.

Kriteria-kriteria yang ada dalam menyusun MPS adalah sebagai berikut :

• Kebutuhannya dapat diramalkan.

• Mempunyai Bill of Material (BOM) sehingga kebutuhan material atau

komponennya dapat diketahui.

• Dapat diperhitungkan dalam penentuan kapasitas.

• Menyatakan konfigurasi produk yang dapat dikirim.

Secara umum bentuk tabel MPS adalah sebagai berikut:

30

Tabel 2.1 Format Master Production Schedule

Description : Stock Awal :

Periode Past Due 1 2 3 4 5 6 7 8 9 10

Forecast Actual Order Project Available Balance Available To Promise Master Schedule

Keterangan untuk tabel diatas adalah sebagai berikut:

1) Description menyatakan deskripsi material secara umum.

2) Demand Time Fences (batas waktu pemintaan) merupakan batas waktu

penyesuaian permintaan. Panjangnya = assembly lead time. PAB dihitung

dari aktual demand. Disini perubahan demand tidak akan dilayani.

3) Planning Time Fences (batas waktu perencanaan) merupakan batas

waktu penyesuaian perencanaan pemesanan dimana demand masih boleh

berubah. Perubahan masih dilayani selama kapasitas dan material masih

tersedia. Panjangnya = kumulatif lead time antara purchasing lead

time (waktu untuk mendapatkan material), fabrication lead time ,

dan assembly lead time.

4) Forecast (peramalan) merupakan hasil peramalan sebelumnya sebagai hasil

dari perencanaan agregat.

5) Actual Order = AO (pemesanan sebenarnya) merupakan jumlah order yang

sudah diterima sebelumnya.

31

6) Project Available Balance = PAB (keseimbangan persediaan

terencana) merupakan perkiraan jumlah sisa produk pada akhir

periode. PAB dapat dihitung dengan rumus:

PABt = PABt-1 + MSt – AOt

PABDTF<t<PTF = PABt-1 + MSt – AOt atau Ft (Pilih yang paling besar)

7) Available To Promise = ATP merupakan jumlah yang dapat dijanjikan kepada

konsumen untuk bisa dipenuhi atau dengan kata lain ATP

merupakan jumlah material on hand pada inventory yang sebenarnya. ATP

dapat dihitung dengan rumus:

ATP = ATPt-1 + MSt – Actual Order ampai pada periode yang sudah

dijadwalkan pada master schedule.

8) Master Schedule (MS) merupakan jadwal produksi.

2.6 Material Requirement Planning (MRP)

Perencanaan kebutuhan material (MRP) adalah metode penjadwalan

untuk purchased planned order dan manufactured lanned order. (Vincent Gaspersz,

2004). Terdapat dua hal yang sekaligus ingin dicapai oleh MRP, yaitu

ingin memenuhi penjadwalan produksi dan pengendalian persediaan. MRP

akan menjamin secara tepat sistem prioritas yang harus diperhatikan dalam

merancang produksi dan dengan cepat memberikan informasi apabila

diperlukan peninjauan kembali terhadap penjadwalan karena adanya

perubahan-perubahan yang tidak terduga.

32

Sistem MRP adalah suatu sistem yang bertujuan untuk menghasilkan

informasi yang tepat untuk melakukan tindakan yang tepat (pembatalan pesanan,

pesan ulang, dan penjadwalan ulang). Tindakan ini juga merupakan dasar untuk

membuat keputusan baru mengenai pembelian atau produksi yang

merupakan perbaikan atas keputusan yang telah dibuat sebelumnya.

Ada 4 tujuan yang menjadi ciri utama sistem MRP, yaitu sebagai berikut :

1. Menentukan kebutuhan pada saat yang tepat

Menentukan secara tepat kapan suatu pekerjaan harus selesai atau material

harus tersedia untuk memenuhi permintaan atas produk akhir yang sudah

direncanakan dalam jadwal induk produksi.

2. Menentukan kebutuhan minimal setiap item

Dengan diketahuinya kebutuhan akhir, sistem MRP dapat

menentukan secara tepat sistem penjadwalan (prioritas) untuk

memenuhi semua kebutuhan minimal setiap item.

3. Menentukan pelaksanaan rencana pemesanan

Memberikan indikasi kapan pemesanan atau pembatalan pemesanan harus

dilakukan. Pemesanan perlu dilakukan lewat pembelian atau dibuat pada

pabrik sendiri.

4. Menentukan penjadwalan ulang atau pembatalan atas suatu jadwal

yang sudah direncanakan.

Apabila kapasitas yang ada tidak mampu memenuhi pemesanan

yang dijadwalkan pada waktu yang diinginkan, maka sistem MRP

33

dapat memberikan indikasi untuk melakukan rencana penjadwalan

ulang (jika mungkin) dengan menentukan prioritas pesanan yang realistik.

Ada tiga input yang di butuhkan oleh sistem MRP. Ketiga input itu adalah sebagai

berikut :

a. Jadwal induk produksi

b. Catatan kesehatan Persediaan

c. Struktur Produk

Jadwal induk produksi dibuat berdasarkan permintaan (yang diperoleh dari daftar

pesanan atau peramalan) terhadap semua produk jadi yang di buat. Hasil

peramalan (sebagai perencanaan jangka panjang) dipakai untuk membuat rencana

produksi agregat (sebagai perencanaan jangka menengah), yang pada

akhirnya dibuat rencana jangka panjang, yaitu menentukan jumlah

produksi yang dibutuhkan untuk setiap produk akhir beserta periode

waktunya untuk suatu jangka perencanaan.

Perencanaan jadwal induk produksi dilakukan dalam dua tahap.

Tahap pertama adalah menentukan besarnya kapasitas atau kecepatan

operasi yang diinginkan. Perencanaan ini biasanya dilakukan pada tingkat

agregat (dengan meminimalkan total biaya produksi untuk keseluruhan produk yang

dibuat) sesuai dengan kapasitas yang dimiliki. Tahap kedua perencanaan

adalah menentukan jumlah total tenaga kerja yang dibutuhkan di setiap

periode, jumlah mesin, dan jumlah shift kerja yang diperlukan untuk

penjadwalan. Output dari sistem MRP adalah berupa rencana pemesanan atau

34

rencana produksi yang dibuat atas dasar lead time. Lead time dari suatu

item yang dibeli adalah rentang waktu sejak pesanan dilakukan sampai

barang diterima. Lead time item yang dibuat adalah rentang waktu sejak

perintah pembuatan sampai dengan item selesai diproses.

Sistem MRP memiliki suatu prosedur tertentu. Agar prosedur ini

dapat diterapkan dengan hasil yang tepat, maka ada beberapa prinsip dan

persyaratan yang harus disertakan dalam penerapan sistem MRP. Sistem

MRP memiliki empat langkah utama yang selanjutnya keempat langkah ini harus

diterapkan satu per satu pada periode perencanaan dan pada setiap item.

Langkah-langkah tersebut adalah sebagai berikut:

• Lotting : Penentuan ukuran lot.

• Netting : Perhitungan kebutuhan bersih.

• Offsetting : Penetapan besarnya lead time.

• Explosion : Perhitungan selanjutnya untuk item level di bawahnya.

Dalam sistem MRP terdapat lima faktor yang menyebabkan

kesulitan dalam proses perhitungan. Kelima proses tersebut adalah sebagai berikut :

• Struktur Produk

Struktur Produk merupakan sesuatu yang mutlak harus ada untuk diterapkan

sistem MRP. Struktur produk yang rumit dan banyak levelnya akan membuat

perhitungan semakin kompleks terutama proses eksplosion. Proses eksplosion

merupakan suatu prosedur untuk menghitung jumlah kebutuhan kotor dalam

35

tingkat yang lebih bawah setelah dilakukan proses offsetting pada item

produknya.

• Ukuran Lot

Dalam sistem MRP dikenal berbagai macam teknik penentuan

lot. Berdasar tingkatannya, teknik penentuan lot dapat dikategorikan sebagai

berikut :

a. Teknik ukuran lot untuk satu tingkat dengan kapasitas tak terbatas.

b. Teknik ukuran lot untuk satu tingkat dengan kapasitas terbatas.

c. Teknik ukuran lot untuk banyak tingkat dengan kapasitas tak

terbatas.

d. Teknik ukuran lot untuk banyak tingkat dengan kapasitas terbatas.

Teknik penetapan ukuran lot dalam satu tingkat dengan asumsi kapasitas tak

terbatas dapat diklasifikasikan lagi ke dalam empat cara sebagai

berikut:

a. Fixed Order Quantity (FOQ)

Salah satu cirinya adalah ukuran lotnya selalu tetap, tetapi periode

pemesannya selalu berubah.

b. Economic Order Point (EOQ)

Metode ini biasanya dipakai untuk horizon perencanaan selama satu

tahun sebesar 12 bulan. Metode ini baik digunakan bila semua data konstan

dan perbandingan biaya pesan dan simpan sangat besar.

36

c. Lot For Lot (LFL)

Teknik ini digunakan untuk item-item yang mempunyai biaya

simpan per unit sangat mahal. Di samping itu, teknik ini sering

digunakan pada sistem produksi manufaktur yang mempunyai sifat set-up

permanen pada proses produksinya.

d. Fixed Period Requirement (FPR)

Dalam metode FPR penentuan ukuran lot didasarkan pada periode waktu

tertentu saja.

• Lead time yang berbeda-beda

Salah satu data erat kaitannya dengan waktu adalah lead time, dimana lead time

akan mempengaruhi offsetting. Lead time produksi juga akan tergantung pada

berapa jumlah produksi.

• Kebutuhan yang berubah

Sistem MRP dirancang untuk menjadi system yang fleksibel terhadap perubahan-

perubahan, baik perubahan dari luar (permintaan) maupun dari dalam (kapasitas).

Perubahan kebutuhan akan produk akhir tidak hanya berpengaruh pada

penentuan rencana pemesanan (timing) namun mempengaruhi pula penentuan

jumlah kebutuhan yang diinginkan.

• Komponen Umum

Komponen umum berarti komponen tersebut dibutuhkan lebih baik satu induk

item-nya.

37

2.6.1 Format MRP

Terdapat bermacam-macam format MRP. Intinya, format MRP

harus memberikan informasi yang dibutuhkan secara tepat. Tabel 2.2 menunjukkan

contoh format MRP yang akan digunakan dalam penelitian ini.

Tabel 2.2 Format MRP

Part No : Description : Lead Time : On Hand : Safety Stock : Lot Size : Bulan Februari 2009

Periode Past Due 1 2 3 4 5 6 Gross Requirement Schedule Receipts PAB 1 Net Requirement Planned Order Receipt Planned Order Release PAB 2

Dimana :

1) Bulan : Nama bulan yang akan dihitung MRP-nya.

2) Description menyatakan deskripsi material secara umum.

3) Part No. menyatakan kode komponen atau material yang akan dirakit.

4) Lead time menyatakan waktu yang dibutuhkan untuk me-release

atau memanufaktur suatu komponen.

38

5) Safety Stock menyatakan cadangan material yang harus ada di tangan

sebagai antisipasi kebutuhan di masa yang akan datang.

6) On Hand menyatakan jumlah material yang ada di tangan sebagai

sisa periode sebelumnya.

7) Lot size menyatakan penentuan ukuran lot saat memesan barang.

8) Gross Requirement menyatakan jumlah yang akan di produksi

atau dipakai pada setiap periode. Untuk end item (finished product), kuantitas

gross requirement sama dengan Master Production Schedule

(MPS). Untuk komponen, kuantitas gross requirement diturunkan dari

Planned Order Release induknya.

9) Scheduled Receipts menyatakan material yang dipesan dan akan diterima pada

periode tertentu.

10) Projected Available Balance 1 (PAB 1) menyatakan kuantitas material

yang ada di tangan sebagai persediaan pada awal periode. Projected

Available Balance 1 dapat dihitung dengan menambahkan material on

hand periode sebelumnya dengan Schedul Receipts pada periode itu dan

menguranginya dengan Gross Requirement pada periode yang sama. Atau jika

dimasukkan pada rumus adalah sebagai berikut :

PABt = PABt-1 – (Gross Requirement)t + (Schedule Receipts)

11) Net Requirement menyatakan jumlah bersih (netto) dari setiap komponen

yang harus disediakan untuk memenuhi induk komponennya atau untuk

39

memenuhi Master Production Scheduled. Net Requirement = 0

jika PAB > 0 dan Net Re quirement (-) PAB1 jika PAB1 < 0 .

12) Planned Order Receipts menyatakan kuantitas pemesanan yang

dibutuhkan pada suatu periode. Planned Order Receipts muncul pada saat

yang sama dengan Net Requirement, akan tetapi ukuran pemesanannya

(lot sizing) bergantung kepada order policy-nya. Selain itu juga

harus mempertimbangkan Safety Stock juga.

13) Planned Order Release menyatakan kapan suatu order sudah harus

di- release atau dimanufaktur sehingga komponen itu tersedia

ketika dibutuhkan oleh induk item-nya. Kapan suatu order harus

di-release ditetapkan dengan sebelum dibutuhkan.

14) Projected Available Balance2 (PAB2) menyatakan kuantitas material

yang ada di tangan sebagai persediaan pada akhir periode. Projected

Available Balance 2 dapat dihitung dengan cara mengurangkan Planned

Order Receipts pada Net Requirements.

PAB 2 = PABt-1 + (Schedule Receipts) - (Gross Requirement)t

+ (Planned Order Receipt)t

atau dapat disingkat :

PAB 2 = PABt + (Planned Order Receipt)t

40

2.7 Persediaan

2.7.1 Pengertian Persediaan

Persediaan meliputi semua barang dan bahan yang dimiliki oleh

perusahaan dan dipergunakan dalam proses produksi atau dalam

memberikan jasanya. (Donald J. Bowersox, 1995, p151).

2.7.2 Fungsi Persediaan

Persediaan dapat melayani beberapa fungsi yang akan menambahkan

fleksibilitas operasi perusahaan. Empat fungsi persediaan adalah :

1. Untuk men-”decouple” atau memisahkan beragam bagian proses

produksi.

2. Untuk men-decouple perusahaan dari fluktuasi permintaan dan

menyediakan persediaan barang – barang yang akan memberikan pilihan bagi

pelanggan.

3. Untuk mengambil keuntungan diskon kuantitas, sebab pembelian dalam jumlah

lebih besar dapat mengurangi biaya produksi atau pengiriman barang.

4. Untuk menjaga pengaruh inflasi dan naiknya harga. (Jay Heizer and

Barry Render, 2005, p60).

Untuk dapat mengakomodasi fungsi persediaan, maka suatu perusahaan memiliki

empat jenis persediaan yaitu :

41

• Persediaan bahan baku, yaitu material yang pada umumnya dibeli tetapi

belum memasuki proses produksi.

• Persediaan barang setengah jadi, yaitu produk atau komponen

yang tidak lagi berupa bahan baku tetapi belum menjadi produk jadi.

• Persediaan pemeliharaan / perbaikan / operasi, yaitu barang –

barang pemeliharaan, perbaikan, dan operasi.

• Persediaan barang jadi, yaitu sebuah produk akhir yang siap untuk

dijual, tetapi tetap merupakan sebuah aset dalam buku perusahaan. (Jay

Heizer and Barry Render, 2005, p61).

2.8 Simulasi

2.8.1 Pengertian Simulasi

Simulasi dapat diartikan sebagai suatu sistem yang digunakan untuk

memecahkan atau menguraikan persoalan – persoalan dalam kehidupan

nyata yang penuh dengan ketidakpastian dengan tidak atau menggunakan

model atau metode tertentu dan lebih ditekankan pada pemakaian komputer untuk

mendapatkan solusinya. (Thomas J. Kakiay, 2004, p1).

2.8.2 Keuntungan Simulasi

Berbagai keuntungan yang bisa diperoleh dengan memanfaatkan

simulasi, yaitu sebagai berikut :

42

1. Compress Time (Menghemat Waktu)

Kemampuan di dalam menghemat waktu ini dapat dilihat dari pekerjaan yang

bila dikerjakan akan memakan waktu tahunan tetapi kemudian dapat

disimulasikan hanya dalam beberapa menit, bahkan dalam beberapa

kasus hanya dalam hitungan detik. Kemampuan ini dapat dipakai oleh

para peneliti untuk melakukan berbagai pekerjaan desain operasional yang

mana juga memperhatikan bagian terkecil dari waktu untuk kemudian

dibandingkan dengan yang terdapat pada sistem nyata berlaku.

2. Expand Time (Dapat Melebar – luaskan Waktu).

Hal ini terlihat terutama dalam dunia statistik dimana hasilnya

diinginkan dapat tersaji dengan cepat. Simulasi dapat digunakan untuk

menunjukkan perubahan struktur dari suatu sistem nyata (real system)

yang sebenarnya tidak dapat diteliti pada waktu yang seharusnya (real time).

Dengan demikian simulasi dapat membantu mengubah real system

hanya dengan memasukkan sedikit data.

3. Control Sources of Variation (Dapat Mengawasi Sumber – sumber yang

Bervariasi).

Kemampuan pengawasan dalam simulasi ini tampak terutama apabila

analisis statistik digunakan untuk meninjau hubungan antara variabel

bebas (independent) dengan variabel terkait (dependent) yang

merupakan faktor – faktor yang akan dibentuk dalam percobaan. Hal ini dalam

kehidupan sehari – hari merupakan suatu kegiatan yang harus dipelajari

43

dan ditangani dan tidak dapat diperoleh dengan cepat. Dalam simulasi

pengambilan data dan pengolahannya pada komputer, ada beberapa

sumber yang dapat dihilangkan atau sengaja ditiadakan. Untuk memanfaatkan

kemampuan ini peneliti harus mengetahui dan mampu menguraikan

sejumlah input dari sumber – sumber yang bervariasi yang dibutuhkan oleh

simulasi tersebut.

4. Error In Meansurment Correction (Mengoreksi Kesalahan – kesalahan

Perhitungan).

Dalam prakteknya, pada suatu kegiatan ataupun percobaan dapat saja

muncul ketidak-benaran dalam mencatat hasil – hasilnya. Sebaliknya,

dalam simulasi komputer jarang ditemukan kesalahan perhitungan

terutama bila angka – angka diambil dari komputer secara teratur dan

bebas. Komputer mempunyai kemampuan untuk melakukan perhitungan dengan

akurat.

5. Stop Simulation and Restart (Dapat Dihentikan dan Dijalankan

Kembali).

Simulasi komputer dapat dihentikan untuk kepentingan peninjauan

ataupun pencatatan semua keadaan yang relevan tanpa berakibat buruk terhadap

program simulasi tersebut. Dalam dunia nyata, percobaan tidak dapat dihentikan

begitu saja. Dalam simulasi komputer, setelah dilakukan penghentian

maka kemudian dapat dengan cepat dijalankan kembali (restart).

6. Easy to Replicate (Mudah Diperbanyak).

44

Dengan simulasi komputer percobaan dapat dilakukan setiap saat dan

dapat diulang – ulang. Pengulangan dilakukan terutama untuk mengubah berbagai

komponen dan variabelnya, seperti dengan perubahan pada parameternya,

perubahan pada kondisi operasinya, ataupun dengan memperbanyak

output. (Thomas J. Kakiay, 2004, p3)

2.8.3 Jenis Simulasi

Beberapa jenis sistem simulasi yaitu sebagai berikut :

1. Identity Simulation (Simulasi Identitas).

Penggunaan identity simulation ini terlihat secara langsung.

Pendekatannya pun cukup sederhana. Pada umumnya banyak

meniadakan berbagai hal yang fundamental dari aturan pemodelan.

Identity simulation biasanya cukup mahal dan tidak begitu layak, hanya

memberikan sedikit kontrol atau bahkan tidak sama sekali terhadap

situasi atau keadaan untuk mendapatkan jawaban yang efektif.

2. Quasi Identity Simulation (Simulasi Identitas Semu).

Simulasi ini selangkah lebih maju dibanding identity simulation.

Simulasi identitas semu ini memodelkan berbagai aspek yang terkait

dari sistem yang sebenarnya dan dapat mengeluarkan unsur – unsur

yang dapat membuat setiap identity simulation tidak berfungsi dengan

baik.

3. Laboratory Simulation (Simulasi Laboratorium).

45

Simulasi ini lebih murah dan lebih layak daripada identity simulation

dan quasi identity simulation dan akan dapat memberikan jawaban yang lebih

esensial pada masa yang akan datang. Ada dua tipe laboratory

simulation yaitu :

• Operating Planning

Dalam operating planning menggunakan komputer untuk

mengumpulkan data dan untuk mengolah informasi dari para

pemain. Komputer memainkan peran penting untuk menjalankan

berbagai aksi secara random yang merupakan jawaban dari para

pemain.

• Man Machine Simulation

Simulasi ini memberikan sudut pandang lain dalam menyelidiki

berbagai konsep teknis dengan tujuan – tujuan tertentu. Disini aturan

permainan tidak begitu dipentingkan, sementara komputer –

komputer digunakan untuk mengolah dan menganalisis data.

4. Computer Simulational (Simulasi Komputer).

Simulasi ini hanya menggunakan komputer untuk memecahkan masalah sesuai

kebutuhan yang kemudian diprogramkan ke dalam komputer. Semua

tingkah laku yang dijadikan sebagai persoalan dialihkan ke dalam

program, termasuk ketentuan logika pengambilan keputusan dan pelaksanaannya.

(Thomas J. Kakiay, 2004, p11).