BAB2

LANDASAN TEORI

2.1 Teknik lndustri

2.1.1 Perencanaan Dan Pengendalian Produksi

Menurut Nasution (2003) Perencanaan dan pengendalian produksi (PPC) dapat didefinisikan sebagai proses untuk merencanakan dan mengendalikan aliran material yang masuk, mengalir, dan keluar dari sistem produksi atau operasi sehingga permintaan pasar dapat dipenuhi dengan jumlah yang tepat, waktu penyerahan yang tepat, dan biaya produksi minimum.Menurut Nasution (2003) Perencanaan produksi dilakukan dengan tujuan menentukan arah awal dari tindakan-tindakan yang hams dilakukan dimasa mendatang, apa yang hams dilakukan, berapa banyak melakukannya, dan kapan hams melakukan. Karena perencanaan ini berkaitan dengan masa mendatang, maka perencanaan disusun atas dasar perkiraan yang dibuat berdasarkan data masa Ialu dengan menggunakan beberapa asumsi. Oleh karena itu perencanaan tidak akan selalu memberikan hasil sebagaimana yang diharapkan dalam rencana tersebut, sehingga setiap perencanaan yang dibuat hams terns dievaluasi secara berkala denganjalan melakukan pengendalian.2.1.2 Peramalan

Menurut Nasution (2003) peramalan adalah proses untuk memperkirakan beberapa kebutuhan dimasa mendatang yang meliputi kebutuhan dalam ukurankuantitas, kualitas dan Iokasi yang dibutuhkan dalam rangka memenuhi permintaan

yang stabil, karena perubahan permintaannya relatif kecil. Tetapi perarnalan akan sangat dibutuhkan hila kondisi perrnintaan pasar bersifat kompleks dan dinamis.Menurut Gaspersz (2001) perarnalan merupakan suatu dugaan temadap permintaan yang akan datang berdasarkan pada variabel perarnal, sering berdasarkan deret waktu historis.Menurut Nasution (2003) dalam membuat perarnalan ada beberapa hal yang harus dipertimbangkan, yaitu : Perarnalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi ketidakpastianyang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut. Perarnalan seharusnya memberikan informasi tentang berapa ukuran kesalahan, artinya karena perarnalan pasti mengandung kesalahan maka penting bagi perarnal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi. Perarnalan jangka pendek lebih akurat dibandingkan perarnalan jangka panjang.

Hal ini disebabkan karena pada perarnalan jangka pendek, faktor-faktor yang mempengaruhi permintaan masih konstan, sedangkan semakin panjang periode perarnalan, maka semakin besar pula kemungkinan terjadinya perubahan faktor faktor yang mempengaruhi permintaan.Menurut Baroto (2002) dalarn perarnalan time series terdapat empat jenis pola permintaan, yaitu : Pola Trend. Adalah hila data perrnintaan menunjukan pola kecenderungan

metode peramalan yang sesuai adalah exponential smoothing, double exponential smoothing, dan regresi linear. Pola Musiman. Bila data yang kelihatan berfluktuasi, namun fluktuasi tersebut akan terlihat berulang dalam suatu interval waktu tertentu, maka data tersebut berpola musiman. Disebut musiman karena permintaan biasanya dipengaruhi oleh musim sehingga biasanya interval perulangan data ini adalah satu tahun. Pola Siklikal. Adalah bila fluktuasi permintaan secara jangka panjang membentuk pola sinusoid atau gelombang siklus. Pola siklikal mirip dengan pola musiman. Pola musiman tidak harus berbentuk gelombang, bentuknya dapat bervariasi, namun waktunya berulang setiap tahun. Pola siklikal bentuknya selalu mirip gelombang sinusoid. Pola Eratiklrandom. Pola random dalah bila fluktuasi data permintaan dalam jangka panjang tidak dapat digambarkan oleh ketiga pola lainnya Fluktuasi permintaan bersifat acak atau tidakjelas.Pola data yang ada mempengaruhi teknik peramalan yang dipilih. Seringkali pola data tersebut merupakan karakteristik inheren dari kegiatan yang sedang diteliti. Hubungan data dengan jangka waktu semakin jelas jika kita mengamati bahwa pola trend adalah merupakan kecenderungan jangka panjang, sedangkan variasi musiman menunjukakan pola data yang berulang dalam satu tahun.Dalam evaluasi teknik-teknik yang dikaitkan dengan pola data bisa saja diterapkan Iebih dari satu teknik untuk data yang sama. Misalnya, teknik-tekniktertentu mungkin Iebih akurat dalam memprediksi titik balik, sedangkan lainnyall

Untuk itu pemilihan teknik peramalan yang tepat sangat dibutuhkan dalam proses perencanaan produksi. Tentu saja disesuaikan dengan pola data permintaan produk yang akan dibuat peramalannya Teknik Peramalan Untuk Data Stasioner (Hanke, 2003)

Deret stasioner yang didefinisikan sebagai sesuatu yang nilainya tidak berubah sepanjang waktu. Situasi seperti ini muncul ketika pola permintaan yang mempengaruhi deret relatif stabil. Teknik yang perlu dipertimbangkan dalam peramalan deret stasioner terdiri dari metode nait; metode rata-rata sederhana, rata rata bergerak, pemulusan eksponensiallinier holt sederhana, dan model Box Jenkins Teknik Peramalan Untuk Data Trend (Hanke, 2003)

Data trend didefinisikan sebagai deret waktu yang berisi komponen jangka panjang mewakili pertumbuhan atau penurunan dalam deret sepanjang periode waktu. Teknik yang perlu dipertimbangkan ketika peramalan deret trend adalah rata-rata bergerak, pemulusan eksponensial linier Holt, regresi linier sederhana, kurva pertumbuhan, dan model eksponensial. Teknik Peramalan Untuk Data Yang Bersifat Siklis (Hanke, 2003)

Dampak siklis didefinisikan sebelumnya sebagai fluktuasi seperti gelombang di sekitar trend. Pola siklis cenderung berulang pada data setiap dua tahun, tiga tahun atau bisa lebih. Teknik yang perlu dipertimbangkan ketika meramalkan deret siklis terdiri dari dekomposisi klasik, regresi berganda, dan metode Box Jenkins.Menurut Nasution (2003) Ukuran akurasi hasil peramalan yang merupakan

ukuran kesalahan peramalan merupakan ukuran tentang tingkat perbedaan antara

hasil peramalan dengan permintaan yang sebenarnya teijadi. Ada 4 ukuran yang biasa digunakan, yaitu :

Rata-rata deviasi mutlak (mean absolute deviation= MAD). Adalah rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil perarnalan lebih besar atau lebih kecil dibandingkan kenyataannya. Secara matematika MAD dirumuskan sebagai berikut :

Dimana:

A : permintaan aktual pada periode t

Ft : peramalan permintaan (forecast) pada periode t

N : jumlah periode peramalan yang terlibat

Rata-rata kuadrat kesalahan (mean square error = MSE). MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan. Secara matematis, MSE dirumuskan sebagai berikut :MSE = L (At- Ft)2n

a Rata-rata kesalahan Peramalan (mean forecast error= MFE). MFE sangat efektif untuk mengetahui apakah hasil peramalan selama periode tertentu terlalu tinggiatau terlalu rendah. Bila hasil peramalan tidak bias, maka nilai MFE akan

MFE= L(At-Ft)n

Rata-rata persentase kesalahan absolut (mean absolute percentage error =

MAPE). MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibanfingkan dengan MAD karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Secara matematis MAPE dinyatakan sebagai berikut :

Metode Peramalan Double Moving Average

Menurut makridakis et al.(1999) untuk mengurangi galat sistematis yang teljadi hila rata-rata bergerak dipakai pada data yang berkecenderungan maka dikembangkan metode rata-rata bergerak linier. Dasar metode ini adalah menghitunga rata-rata bergerak yang kedua Rata-rata bergerak "ganda" ini merupakan rata-rata bergerak dari rata-rata bergerak, dan menurut simbol dituliskan sebagai MA(MxN) dimana artinya adalah MA M-periode dari MA N-periode.Bila deret data menunjukan trend, maka rata-rata bergerak tunggal akan menghasilkan sesuatu yang menyerupai galat sistematis, dan galat sistematis ini dapat dikurangi dengan mengggunakan perbedaan antara nilai rata-rata bergerak tunggal dan nilai rata-rata bergerak ganda.Prosedur rata-rata bergerak linear secara umum dapat diterangkan melalui

S't = X, +X,_1 +X,_ 2 + ... +X,_,.,n

S"t = S't+S't-t +S't-z+... + S't-n+1n

at = 2S't- S"t

bt = - 2-(S't-S"t)n-1

Ft+m = a. + b1m

Metode Peramalan Double Exponential Snwotlzing 1 Parameter Brown

Menurut Makridakis et al.(1999) Pemulusan eksponensial linear dapat dibitung hanya dengan tiga nilai data dan satu nilai alpha Pendekatan ini juga memberikan bobot yang semakin menurun pada observasi masa lalu. Dengan alasan ini pemulusan eksponensial linear lebib disukai daripada rata-rata bergerak linear sebagai suatu metode peramalan dalam berbagai kasus utama Dasar pemikiran dari pemulusan eksponensial linear dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi pemulusan eksponensial satu-parameter dari Brown adalah sebagai berikut :S't= aXt+(1-a)S't-1

bt = _!!_(S't-S"t)l-a

Ft+m = lit + b,m

:Metode Peramalan Double Exponential Snwotlling 2 Parameter Holt

Menurut Makridakis et al.(1999) metode pemulusan eksponensial linear dari Holt dalam prinsipnya serupa dengan Brown kecuali babwa Holt tidak menggunakan rumus pemulusan berganda secara langsung. Sebagai gantinya Holt memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret yang asli. Ramalan dari pemulusan eksponensiallinear Holt didapat dengan menggunakan dua konstanta pemulusan (dengan nilai antara 0 dan1) dan tiga persarnaan :

St = a Xt + (1- a )(St.J + ht-t) bt = y(St-St-t)+(l-y)bt-t Ft+m = S, + b,m

Metode Peramalan Regresi Sederhana

Istilab regresi sederllana akan di kaitkan dengan setiap regresi dari suatu ukuran Y tunggal (variable tidak bebas) terhadap ukuran X tunggal (variabel bebas). Jika menggunakan Y sebagai variabel tidak bebas dan X=t sebagai variabel bebas, maka tujuan yang ingin kita capai adalab mendapatkan persarnaan garis lurus :Yt= a+ b(t)

LYLXa=---b-N N

Dimana :

Yt : fungsi terhadap waktu

N : jumlah periode t : periode (Makridakis et al.,l999)2.1.3 Perencanaan Agregat

Baroto (2002) meyatakan peningkatan daya saing industri, salah satunya dapat dicapai melalui perencanaan produksi. Perencanaan produksi herhuhungan dengan penentuan volume, ketepatan waktu penyelesaian, utilisasi kapasitas dan pemerataan hehan.Nasution (2003) menyatakan perencanaan produksi sehagai suatu perencanaan taktis adalah hertujuan memherikan keputusan yang optimum herdasarkan sumherdaya yang dimiliki perusahaan dalam memenuhi permintaan akan produk yang dihasilkan. Yang dimaksud dengan sumherdaya yang dimiliki adalah kapasitas mesin,tenaga keija, teknologi yang dimiliki, dan lainnyaNasution (2003) menyatakan perencanaan produksi akan mudah dihuat hila tingkat permintaan hersifat konstan atau hila waktu produksi tidak menjadi kendala. Tetapi kedua kondisi ini jarang teijadi dalam keadaan sehenamya, dimana secaranyata tingkat permintaan akan herfluktuasi dan perusahaan selalu dihatasi oleh

Perencanaan agregat adalah perencanaan yang dibuat untuk menentukan total perrnintaan dari selurub elemen produksi dan jumlah tenaga keija yang diperlukan (Bedworth). Menurut (Handoko), "perencanaan agregat adalah proses perencanaan kuantitas dan pengaturan waktu keluaran selama periode waktu tertentu (3 bulan sampai satu tahun) melalui penyesuaian variable-variabel tingkat produksi karyawan, persediaan, dan variabel yang dapat dikendalikan lainnya". (Baroto, 2002)Perencanaan agregat merupakan perencanaan produksi jangka menengah. Horizon perencanaannya biasanya berkisar antara 1 sampai 24 bulan atau bisa bervariasi dari 1 sampai 3 tahun. Horizon tersebut tergantung pada karakteristik produk dan jangka waktu produksi.Tujuan perencanaan produksi adalah menyusun suatu rencana produksi untuk memenuhi permintaan pada waktu yang tepat dengan menggunakan sumber sumber atau alternatif-alternatif yang tersedia dengan biaya paling minimum keseluruhan produk. Perencanaan agregat merupakan langkah awal aktifitas perencanaan produksi yang dipakai sebagai pedoman untuk langkah selanjutnya, yaitu penyusunan jadwal induk produksi (JIP).Menurut Nasution (2003) Perencanaan produksi dimulai dengan rneramalkan permintaan secara tepat sebagai input utamanya. Selain peramalan, input-input untuk permintaan produk tersebut juga harus memasukkan pesanan pesanan aktual yang telah dijanjikan, kebutuhan spare-part dan service, kebutuhanpersediaan gudang, dan penyesuaian tingkat persediaan sebagaimana yang telah

Menurut Nasution (2003) Perencanaan agregat kemudian dikembangkan untuk merencanakan kebutuhan produksi bulanan atau triwulanan bagi kelompok kelompok produk sebagaimana yang telah diperkirakan dalam peramalan permintaan.Perencanaan agregat dibuat untuk pasar yang tidak pasti dengan

mengoptimurnkan penggunaan tenaga kelja dan peralatan produksi yang tersedia sehingga ongkos total produksi dapat seminim mungkin. Kata agregat menyatakan bahwa perencanaan dibuat pada tingkat kasar untuk memenuhi total kebutuhan semua produk yang akan dihasilkan (bukan per-individu produk) dengan menggunakan sumberdaya yang ada Dalam sistem manufaktur, faktor-faktor yang mempertimbangkan dalam membuat perencanaan agregat adalah semua sumberdaya yang berupa kapasitas mesin yang tersedia, jumlah tenaga kelja yang ada, tingkat persediaan yang ditentukan, dan penjadwalannya. Dengan demikian, perencanaan agregat akan dimulai dengan langkah menyamakan satuan kuantitas dari total jenis item yang akan diproduksi (unit grup produk, ton, liter, dan sebagainya).Menurut Nasution (2003) Pada umumnya ada empat jenis strategi yang dapat dipilih dalam membuat perencanaan aregat. Pemilihan strategi tersebut tergantung dari kebijaksanaan perusahaan, keterbatasan perusahaan dalam prakteknya, dan pertimbangan biaya. Keempat jenis strategi tersebut adalah sebagai berikut: Memproduksi banyak barang saat permintaan rendah dan menYJmpan

tingkat produksi relatif konstan, tetapi mengakibatkan ongkos persediaan yang tinggi. Merekrut (menambah) tenaga keija pada saat permintaan tinggi dan memberhentikannya pada saat permintaan rendah. Penambahan biaya tenaga keija memerlukan biaya rekruitmen dan pelatihan. Karena kapasitas fasilitas produksi adalah tetap, maka penurunan produktifitas mungkin akan teijadi jika penambahan tenaga keija tanpa disertai dengan penambahan peralatan produksi Melemburkan tenaga keija Altematif ini sering dipakai dalam perencanaan agregat, tetapi ada keterbatasannya dalam menjadwalkan kapasitas mesin dan tenga keija yang ada Jika permintaan naik, maka kapasitas produksi dapat dinaikkan dengan melemburkan pekeija. Tetapi penggunaan lembur hanya dapat dilakukan dalam batas-batas maksimum keija lembur yang diizinkan. Biasanya pemerintah mengatur pembatasan keija lembur yang bisa dilakukan perusahaan, misalnya pemerintah mengatur keija lembur tidak boleh melebihi 25% dari waktu keija reguler. Kenaikan kapasitas produksi melebihi aturan tersebut hanya dapat dilakukan melalui penambahan tenaga keija Jika permintaan turun, maka kapasitas produksi dapat disesuaikan dengan menganggurkan tenaga keija (undertime). Undertime akan mengakibatkan biaya tetap yang harus dibayar meskipun tenaga keija menganggur. Mensubkontrakkan sebagian pekeijaan pada saat sibuk. Altematif ini akan mengakibatkan tambahan ongkos karena subkontrak dan ongkos kekecewaankonsumen bila kelambatan penyerahan dari barang yang di subkontrakkan.

Menurut Nasution (2003) ongkos-ongkos yang terlibat dalam perencanaan agregat adalah : Hiring Cost (ongkos penambahan tenaga keija). Penambahan tenaga keija menimbulkan ongkos untuk iklan, proses seleksi dan training. Firing Cost (ongkos pemberhentian tenaga keija). Pemberhentian tenaga keija biasanya teljadi karena semakin rendahnya permintaan produk yang dihasilkan, sehingga tingkat produksi menurun drastis. Pemberhentian ini mengharuskan perusahaan mengeluarkan uang pesangon bagi karyawan yang di PHK, menurunnya moral keija dan produktivitas karyawan yang masih bekeija, dan tekanan yang bersifat sosial. Overtime Cost dan Undertime Cost (ongkos lembur dan ongkos menganggur).

Penggunaan waktu lembur bertujuan untuk meningkatkan output produksi, tetapi konsekuensinya perusahaan harus mengeluarkan ongkos tambahan lembur yang biasanya 150% dari ongkos keija reguler. Kebalikan dari kondisi diatas adalah bila perusahaan memiliki kelebihan tenaga keija dibandingkan dengan jumlah tenaga keija yang dibutuhkan untuk kegiatan produksi. Tenaga keija yang berlebih ini akan menimbulkan biaya karena perusahaan dianggap menanggung ongkos menganggur yang besarnya erupakan perkalian antara jumlah jam kelja yang tidak terpakai dengan tingkat upah dan tunjangan lainnya. Inventory Cost dan Backorder Cost (ongkos persediaan dan ongkos kehabisan persediaan). Konsekuensi dari kebijakan persediaan bagi perusahaan adalahtimbulnya ongkos penyimpanan yang berupa ongkos tertahannya modal, pajak,

diatas, kebijaksanaan tidak mengadakan persediaan seolah-olah menguntungkan, etapi sebenamya dapat menimbulkan kerugian dalam bentuk ongkos kehabisan persediaan. Subcontract Cost (ongkos subkontrak). Pada saat perrnintaan melebihi kemampuan kapasitas reguler biasanya perusahaan mensubkontrakan kelebihan permintaan yang tidak bisa ditanganinya sendiri kepada perusahaan lain. Konsekuensi dari kebijakan ini adalah timbulnya ongkos subkontrak, dimana biasanya ongkos subkontrak lebih mahal dibandingkan dengan memproduksi sendiri dan adanya resiko keterlambatan penyerahan dari kontraktor.

2.1.4 Perencanaan Agregat dengan Pendekatan Metode Linear Goal Programming

menyatakan Linear goal programming merupakan modifikasi atau variasi khusus dari linear programming. Oleh karena itu linear goal programming pada banyak aspek memiliki persamaan dengan linear programming. Diantara keduanya menggunakan model matematis linear dan dapat diselesaikan dengan algoritrna simpleks. Perbedaan antara kedua metode diatas adalah:1. Linear programming hanya bergerak dalam analisis masalah-masalah yang mempunyai satu tujuan, sedangkan linear goal programming dapat bergerak dalam masalah-masalah yang mempunyai tujuan lebih dari Satu2. Linear goal programming menggunakan struktur prioritas tujuan dan pembobotan. Struktur prioritas menentukan urutan kepentingan diantara tujuantujuan derajat preferensi untuk tujuan-tujuan yang berada pada level prioritas,

tidak diperbaiki lagi, begitu seterusnya Sedangkan untuk tujuan tujuan yang berada pada level yang sama pemenuhannya, akan lebih diutamakan pada tujuan yang memiliki nilai bobot yang lebih tinngi (Baroto, 2002)Ada beberapa istilah yang digunakan pada linear goal programming, antara lain sebagai berikut :a) Variabel keputusan (decision variable), adalah seperangkat variable yang tidak diketahuiyang berada dibawah control pengambilan keputusan, yang berpengaruh terhadap solusi dan keputusan yang akan diambil. Biasanya dilambangkan XiG = 1,2,3,... ,n).b) Nilai sisi kanan (right hand sides values), merupakan nilai-nilai yang biasanya menunjukan ketersediaan sumber daya (dilambangkan dengan b) yang akan ditentukan kekurangan atau kelebihan penggunaanc) Koefisien teknologi (technology coefficient), merupakan nilai-nilai numeric yang dilambangkan dengan aij yang akan dikombinasikan dengan variabel keputusan dimana akan menunjukan penggunaan terhadap pemenuhan nilai kanan.d) Fungsi tujuan, adalah fungsi matematis dari variable-variabel keputusan yang menunjukan hubungan dengan nilai sisi kanannya.e) Fungsi pencapaian, adalah fungsi matematis dari variable-variabel simpangan yang menyatakan kombinasi sebuah objektif) Fungsi tujuan mutlak, merupakan tujuan yang tidak boleh dilanggar dengan pegertian . mempunyai penyimpangan positif dan atau negative bemilai 0.Prioritas pencapaian dari fungsi tujuan ini berada pada urutan pertama. Solusi

g) Variabel s1mpangan, adalah variabel yang menunjukan kemungkinan penyimpangan-penyimpangan negatif dan positif dari nilai sisi kanan fungsi tujuan. Dalam model linear goal programming dilambangkan dengan dr untuk penyimpangan negative dan dt untuk penyimpangan positif dari nilai sisi kanan tujuan.h) Prioritas, adalah suatu sistem urutan yang dilambangkan dengan Pk, dimana menunjukan banyaknyatujuan pada model yang memungkinkan tujuan-tujuan tersebut disusun secara ordinal dalam linear goal programming. Sistem urutan tersebut menempatkan tujuan-tujuan tersebut dalam susunan dengan hubungan seri. Hubungan tersebut dapat dilambangkan sebagai berikut: Pl>P2....>Pki) Pembobotan, merupakan timbangan matematis yang dinyatakan dengan angka ordinal, dilambangkan dengan Wki, dimana K = 1,2,... ,n serta i=l,2,...,n dan digunakan untuk membedakan variabel simpangan i dalam suatu tingkat prioritas k,Model umum dari linear goal programming, pada model ini fungsi fl:x) di transformasikan dalam bentuk linear yang lebih spesifik, yaitu Cij. Bentuk umum dari permasalahan linear goal programming dapat dirumuskan sebagai berikut :

Tentukan x = (xl,x2, ...,xi) agar meminimumkan;;= [gr (n,p),g2 (n,p), ...,gk (n,p)] Sedemikian hingga memenuhi

jL (i,xj)+dr - di+ = bij=1

= koefisien yang berkaitan dengan variabel keputusan ke j pada

tujuan ke i

XJ

bi

fi(x)

gk (d-, d+) = variabel keputusan ke j

= Tetapan sisi kanan untuk sasaran atau kendala i sisi kiri dari kendala untuk sasaran linier= fungsi linier variabel deviasi yang berkaitan dengan tujuan atau

kendala pada tingkat prioritas ke k

Perumusan permasalahan linear goal programming hampir sama dengan

perumusan linear programming. Perbedaannya adalah dalam penentuan fungsi tujuan, yang digunakan pada linear programming ada variabel simpangannya, sementara pada linear goal programming adalah variabel keputusannya Berikut ini adalah beberapa langkah dalam perumusan masalah linear goal programming:a. Penentuan variabel keputusan, merupakan dasar dalam pembuatan model keputusan untuk mendapatkan solusi yang dicari. Makin tepat penentuan variabel keputusan akan mempermudah pengambilan keputusan yang dicari.b. Penentuan fungsi tujuan. Langkah-langkah yang dilakukan dalam memformulasikan fungsi tujuan adalah sebagai berikut:)> Setiap fungsi tujuan hams dinyatakan sebagai fungsi dari variabel keputusan yang disimbolkan dengan fi(xi), yaitu fungsi dari variabel keputusan yang berhubungan dengan tujuan ke i, sedangkan x adalah vektor variabel keputusan yang disimbolkan dengan a;ixi, dimana a;i merupakan konstanta koefisienteknologi.

Setiap fungsi tujuan merniliki nilai yang berhubungan dengan nilai sisi kanan (bi) yang merupakan target atau tujuan dari fungsi tujuan tersebut. Ada 3 macam kemungkinan hubungan tersebut, yaitu f;(x;) = bi, f;(x;) 2: bi dan atau f;(x;)::; bic. Perumusan fungsi sasaran. Pada langkah ini tiap tujuan pada sisi kirinya ditambahkan dengan variabel simpangan, baik simpangan positif maupun negati Dengan ditambahkannya variabel simpangan, maka bentuk dari fungsi sasaran menjadi f;(x;) + di-- di+ = bid. Penentuan prioritas utama Pada langkah ini dibuat urutan dari tujuan-tujuan.

Penentuan tujuan ini tergantung pada hal-hal berikut: Keinginan dari pengambil keputusanKeterbatasan sumber-sumber yang ada

Batasan-batasan yang lain yang secara eksplisit ataupun implisit menentukan dalam pemilihan variabel keputusan.e. Penentuan pembobotan. Pada tahap ini merupakan kunci dalam menentukan urutan dalam suatu tujuan dibandingkan dengan tujuan yang lain. Penentuan fungsi pencapaian (achievement JUnction). Disini kuncinya adalah memeilih variabel simpangan yang benar untuk dimasukkan kedalam fungsi pencapaian dan kemudian ditambahkan prioritas dan bobot yang diperlukan. Langkah pertama yang dilakukan adalah fungsi linear variabel simpangan. Selanjutnya dalam mernformulasikan fungsi pencapaian adalah menggabungkan setiap tujuan yang berbentuk minimasi variabel simpangan sesuai denganprioritasnya Dengan dernikian, persamaan matematis dapat ditulis sebagai26

Minimasi a= {p,(gi,dr,di"'), pz( dh-,diz"'), ..., Pk(gk(dk-, dk+))}Minimasi yang dilakukan tergantung pada pertimbangan nilai sisi kanannya terhadap nilai variabel keputusan yang diinginkan, terlihat pada tabel berikut ini.

TujuanKemungkinan simpanganProsedmXi ;:: bieliMinimasi eliXi::; bidrMinimasi di'Xi=bidi,diMinimasi di', di

Tabel 2.1 Tabel prosedur fungsi pencapaian

g. Tentukan nilai non-negatif Langkab ini merupakan bagian resmi untuk perumusan linear goal programming karena semua variabel yang digunakan pada model linear goal programming tidak boleh bemilai negatifh. Penyelesaian model linear goal programming dengan metodologi solusi seperti metode simpleks yang dimodifikasi

2.1.5 Pengukuran Waktu Dengan Menggnakan Metode Jam Henti

Sutalaksana et al.(l979), pengukuran waktu dengan jam henti yaitu melakukan pengukuran waktu menggunakan jam henti sebagai alat utamanya. Berikut ini adalab secara garis besar hal-hal yang perlu diperhatikan dalam pelaksanaan pengukuran waktu kelja secara langsung dengan metode jam henti yang dapat diuraikan sebagai berikut :

1. Mendefinisikan pekeljaan yang akan diteliti untuk diukur waktunya dan memberitahukan maksud dan tujuan ini kepada supervisor dari pekelja yang akan diamati.2. Mencatat semua informasi yang berkaitan erat dengan penyelesaian seperti

layout, karakteristik mesin atau peralatan kelja lain yang digunakan.

3. Membagi operasi kelja dalam elemen-elemen kelja

4. Mengamati, mengukur, dan mencatat waktu yang dibutuhkan oleh operator untuk menyelesaikan elemen kelja tersebut.5. Menetapkan jumlah siklus kelja yang harus diukur dan dicatat, teliti apakah

jumlah siklus kelja ini sudah memenubi syarat atau tidak.

6. Menetapkan rate of performance dari operator saat melaksanakan aktifitas kelja yang diukur dan dicatat waktunya tersebut. Rate of peiformance adalah nilai yang diberikan terhadap operator meliputu kemampuan, usaha, kondisi, dan konsistensi yang ada Rate of peiformance ini ditetapkan untuk setiap elemen kelja yang ada dan hanya ditujukan untuk performance operator.7. Menyesuaikan waktu pengamatan berdasarkan peiformance kelja yang ditujukan oleh operator tersebut sehingga akhimya diperoleh waktu kelja normal.8. Menetapkan waktu Ionggar (allowance time) guna memberikan fleksibilitas.

Waktu Ionggar yang diberikan ini guna menghadapi kondisi-kondisi seperti kebutuhan personil yang bersifat pribadi, faktor kelelahan, keterlambatan material, dii.9. Menetapkan waktu kelja baku (standard time) yaitu jumlah total antara waktu

2.1.6 Menentukan Faktor Penyesnaian Dengan Metode Westinghouse

Setelah pengukuran berlangsung, pengukur harus mengamati kewajaran keija yang ditunjukan operator. Ketidakwajaran dapat saja teijadi misalnya bekeija tanpa kesungguhan, sangat cepat seolah-olah diburu waktu, atau karena menjumpai kesulitan-kesulitan seperti karena kondisi ruangan yang buruk. Sebab - sebab seperti ini mempengaruhi kecepatan keija yang berakibat terlalu singkat atau terlalu panjangnya waktu penyelesaian. Hal ini jelas tidak diinginkan karena waktu baku yang dicari adalah waktu yang diperoleh dari kondisi dan cara keija yang baku yang diselesaikan secara wajar.Konsep yang dikemukakan oleh Lawry Maynard dan Stegemarten adalah konsep penyesuaian melalui cara penyesuaian Westinghouse. Mereka berpendapat bahwa ada 4 faktor yang menyebabkan kewajaran atau ketidakwajaran dalam bekeija, yaitu keterampilan, usaha, kondisi keija, dan konsistensi.(Sutalaksana et al.,l979).Keterampilan didefinisikan sebagai kemampuan untuk melakukan keija dengan metode yang telah ditetapkan, dan Iebih Ianjut akan berhubungan dengan pengalaman dalam melakukan pekeijaan tersebut.Usaha didefinisikan sebagai hal yang menunjukan kemampuan untuk bekeija secara efektif Usaha dapat dlihat dengan kecepatan pada tingkat kemampuan yang dimiliki dan dapat dikendalikan pada tingkat yang tinggi olehoperatorKondisi keija adalah kondisi fisik Iingkungan keija seperti keadaan

2.1.7 Uji Keseragaman Data

Uji keseragaman data perlu dilakukan terlebih dahulu sebelum kita menggunakau data yaug diperoleh guna menetapkan waktu baku. Data-data yaug diperoleh dalam suatu pengukurau keija pasti memiliki tingkat variabilitas tertentu. Tingkat variabilitas suatu data masih dapat diterima selama tidak melewati batas- batas yang telah ditetapkan, atau dapat dikatakan data berada dalam keadaan yang seragam. Suatu data yang berada didalam batas kendali yang telah ditetapkan yaitu batas kendali atas dan batas kendali bawah dapat dikatakau berada dalam keadaan terkendali. Suatu data yang berada dalam keadaan tidak terkendali harus dibuaug untuk kemudiau dilakukau uji keseragaman kembali hingga tidak ada Iagi data yaug berada diluar batas kendali. Rumus-rumus yang dipakai untuk menentukau Bataskendali adalah sebagai berikut :

--BKA= x+Ka dau BKB= x-Ka

dimaua:

BKA : batas kendali atas

BKB : batas kendali bawah

x: rata-rata waktu yang diukur

a: staudar deviasi

K : konstanta tingkat keyakinau

Tingkat keyakinan 0% - 68% harga k adalah 1

Tingkat keyakinau 69%- 95% harga k adalah 2

Tingkat keyakinau 96% - 100% harga k adalah 3

2.1.8 Uji Kecukupan Data

Uji kecukupan data dilakukanuntuk mengetahui apakah jumlah data yang diperoleh telah memenuhi jumlah pengamatan yang dibutuhkan dalam pengukuran sesuai dengan tingkat ketelitian yang diinginkan. Uji kecukupan data dilakukan untuk menentukan jumlah data yang dibutuhkan sesuai dengan ketelitian yang diinginkan. Data dikatakan cukup apabila N' < N. Rumus yang dipakai untuk melakukan uji kecukupan data adalah sebagai berikut :

dimana:

N : jumlah data pengamatan yang diperoleh N' : jumlah data pengamatan yang diperlukan s: tingkat ketelitiank : tingkat keyakinan

Tingkat keyakinan 0% - 68% harga k adalah 1

Tingkat keyakinan 69%- 95% harga k adalah 2

Tingkat keyakinan 96%- 100% harga k adalah 3

Jika jumlah data pengamatan yang diperlukan yang didapat dari UJI kecukupan data lebih besar daripada jumlah data pengamatan yang diperoleh maka perlu dilakukan pengambilan data kembali hingga jumlah data pengamatan yang diperlukan lebih kecil atau sama dengan jumlah data pengamatan yang diperoleh(Sutalaksana et al., 1979).

2.1.9 Perhitungan Safety Stock

Metode yang digunakan dalam me1akukan perhitungan safety stock menggunakan target customer service level dan kumulatif dari kesalahan peramalan dari data historis untuk menentukan jumlah minimum safety stock yang dibutuhkan untuk berjaga-jaga terhadap permintaan sampai dengan penjadwalan selanjutnya Langkah pemitungannya adalah sebagai berikut :1. Hitung penyimpangan (deviasi) peramalan untuk masing-masing bulan.

2. Kuadratkan masing-masing deviasi

3. Hitung standar deviasi dengan menggunakan formula :

L deviation2

n-1

dimana n adalah jumlah observasi

4. Hitung safety stock dengan menggunakan :

dimana Z adalah nilai berdasarkan customer service value dan LT adalah lead time(Liljana Femar Tratar, 2009)

2.2 Sistem Informasi

2.2.1 Sistem lnformasi

Menurut O'Brien (2006) Sistem informasi dapat merupakan kombinasi teratur apa pun dari orang-orang, perangkat keras, perangkat lunak, jaringan komunikasi, dan sumber daya data yang mengumpulkan, mengubah, dan meyebarkan informasi dalam sebuah organisasi. Orang bergantung pada sistem informasi untuk berkomunikasi antara satu sama lain dengan menggunakan berbagai jenis alat fisik (hardware), perintah dan prosedur pemrosesan informasi (software), saluran komunikasi Garingan), dan data yang disimpan (sumber daya data) sejak permulaan peradahan.Sumber daya sistem informasi menurut O'Brien (2006) mencakup :

1. Sumber daya manusia

Sumber daya manusia dibutuhkan untuk pengoperasian semua sistem informasi. Sumber daya manusia meliputi pemakai akhir dan pakar Sl. Pemakai akhir adalah orang-orang yang menggunakan sistem informasi yang dihasilkan sistem tersebut.Pakar SI adalah orang-orangyang mengembangkan dan mengoperasikan sistem informasi. Mereka meliputi analis sistem, pembuat software, operator sistem dan personel tingkat manajerial, teknis, dan staf administrasi SI lainnya. Singkatnya, analis sistem mendesain sistem informasi berdasarkan pada kebutuhan informasi dari pemakai akhir, pembuat software membuat program komputer berdasarkan pada spesifikasi analis sistem, danoperator sistem membantu mengawasi serta mengoperasikan sistem komputer

2. Sumber daya software

Meliputi semua rangkaian perintah pemrosesan informasi. Konsep umum software ini meliputi tidak hanya rangkaian perintah operasi yang disebut program, dengan hardware komputer pengendalian dan langsung, tetapi juga rangkaian perintah pemrosesan informasi yang disebut prosedur yang dibutuhkan orang-orang. Contoh-contoh sumberdaya software antara lain adalah : software sistem, software aplikasi, dan prosedur.3. Sumber daya hardware

Meliputi semua peralatan dan bahan fisik yang digunakan dalam pemrosesan informasi. Secara khusus, sumberdaya ini meliputi tidak hanya mesin, seperti komputer dan perlengkapan lainnya, tetapi juga semua media data, yaitu objek berwujud tempat data dicatat, dari lembaran kertas hingga disk magnetis atau optikal.4. Sumber dayajaringan

Jaringan telekominikasi terdiri dari komputer, pemrosesan komunikasi, dan peralatan lainnya yang dihubungkan satu sama lain melalui media komunikasi serta dikendalikan melalui software komunikasi. Konsep sumber daya jaringan menekankan bahwa teknologi informasi dan jaringan adalah komponen sumberdaya dasar dari semua sistem informasi. Sumberdaya jaringan meliputi : media komunikasi dan dukungan jaringan.34

5. Sumber daya data

Data hams dilihat sebagai sumberdaya data yang hams dikelola secara efektif agar dapat memberi manfaat pada pemakai akhir dalam sebuah organisasi. Data adalah fakta atau observasi mentah, yang biasanya mengenai fenomena fisik atau transaksi bisnis. Lebih rincinya data adalah pengukuran objektif dari atribut (karakteristik) dari entitas (seperti manusia,tempat, barang, dan kejadian).2.2.2 Sistem Pendukung Keputusan (Decision Support System)

Turban Efraim et al.(2005) menuliskan, menurut Little (1970) mendefinisikan DSS sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para manajer mengambil keputusan.Menurut Turban Efraim et al.(2005) Karakteristik dan kapabilitas DSS

adalah:

Dukungan untuk pengambil keputusan, terutama pada permasalahan sem1 terstruktur dan tidak terstruktur, dengan menyertakan penilaian manusia dan penilaian terkomputerisasi. Dukungan untuk semua level manajerial, dari eksekutif puncak sampai manajer

Iini.

Dukungan untuk individu dan kelompok

Dukungan untuk keputusan independen dan atau sekuensial. Keputusan dapat dibuat satu kali, beberapa kali, atau berulang. Dukungan di semua fase proses pengambilan keputusan : intelegensi, desain,

pilihan, dan implementasi.35

Adaptivitas sepanjang waktu

Pengguna merasa seperti dirumah. User friendly, kapabilitas grafis yang sangat kuat, dan antarmuka manusia-mesin interaktif dengan bahasa alami dapat meningkatkan keefektifan DSS. Peningkatan terhadap keefektifan pengambilan keputusan (akurasi, timeliness, kualitas) ketimbang pada efisiensinya(biaya pengambilan keputusan). Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses pengambilan keputusan dalam memecahkan suatu masalah. Pengguna akhir dapat mengembangkan dan memodifikasi sendiri sistem sederhana Biasanya model-model digunakan untuk menganilisis situasi pengambilan keputusan. Akses disediakan untuk berbagai sumber data, format, dan tipe. Mulai dari sistem informasi geografis sampai sistem berorientasi objek. Dapat dilakukan sebagai alat stand alone yang digunakan oleh seorang pengambil keputusan pada satu lokasi atau didistribusikan disatu organisasi keseluruhan dan di beberapa organisasi sepanjang rantai persediaan.

2.2.3 Analisis dan Perancangan Sistem Berorientasi ObjekAnalisis dan perancangan berorientasi objek adalah cara baru dalam memikirkan suatu masalah dengan menggunakan model yang dibuat menurut konsep sekitar dunia nyata. Dasar pembuatan adalah objek, yang merupakan

"berorientasi objek" berarti bahwa kita mengorganisasi perangkat lunak sebagai kumpulan dari objek tertentu yang memiliki struktur data dan perilakunya.Objek menurut Mathiassen et al.(2000) adalah suatu entitas yang memiliki

identitas, state, dan behaviour. Dalam kegiatan analisa, objek digunakan untuk mengelola pemahaman akan konteks sistem. Dalam perancangan, objek digunakan untuk memahami dan mendefinisikan sistem.Class menurut mathiassen et al.(2000) adalah deskripsi dari kumpulan dari objek yang berbagi struktur, behavioral pattern, dan atribut. Kelas berguna untuk memahami dan menggambarkan objek dimana daripada mendeskripsikan masing masing objek yang ada, akan lebih baik untuk membuat kelas yang berisi objek objek dengan deskripsi yang sama.Keuntungan dari object-orientation menurut Mathiassen (2000) adalah :

1. Menyediakan informasi yang jelas mengenai konteks sistem. Dimana OOAD

memfokuskan dengan kejelasan yang sama antara sistem dan konteksnya

2. Hubungan yang erat antara analisa berorientasi objek dengan perancangan berorientasiobjek, antara muka pengguna yang berorientasi objek dan programming yang berorientasi objek. Dalam kegiatan analisa, objek digunakan untukmenentukan system requirements dan dalam perancangan, objek digunakan untuk mendeskripsikan sistem. Objek juga digunakan untuk menggambarkan dan sebagai model dari situasi dalam organisasi maupun situasi diluar organisasi.3. Objek memungkinkan pemaharnan dengan cara yang alami terhadap masalah

Aktivitas utama dalam OOAD mencakup kegiatan utama yaitu problem domain analyis, application domain analysis, architecture design dan component design. Selain itu juga terdapat kegiatan tambahan yaitu preliminary analysis yang dilakukan sebelum keempat aktifitas tersebut untuk menentukan sistem yangdibutubkan dengan cara memahami situasi yang ada mengumpulkan ide-ide.

-\Co - :)]SC>Il'Qfe:n; Q!COITIJ'.IOnC