BAB II.Landasan Teori
-
Upload
jono-sujono -
Category
Documents
-
view
851 -
download
15
description
Transcript of BAB II.Landasan Teori
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.
c. Menentukan horison waktu dari peramalan (jangka pendek, menengah,
dan panjang).
Bab II Landasan Teori
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
ekonomi yang membentuk siklus bisnis dengan fase-fase inflasi, resesi, depresi
dan masa pemulihan.
Laporan Tugas Akhir II-2
Bab II Landasan Teori
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 usaha-
usaha 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
kehilangan keuntungan penjualan. Peramalan yang terlalu tinggi akan
mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang
Laporan Tugas Akhir II-3
Bab II Landasan Teori
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
Penyelesaian peramalan memiliki beberapa metode yang umum seperti
metode eksponential smoothing, double eksponential smoothing, holt-winters
Laporan Tugas Akhir II-4
Bab II Landasan Teori
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)
Cara yang digunakan untuk mengetahui sejauh mana keandalan dari model
peramalan berdasarkan pemulusan eksponensial harus menggunakan peta kontrol
Laporan Tugas Akhir II-5
Bab II Landasan Teori
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
total absolut dari forecast error dibagi dengan data. Atau yang lebih mudah
Laporan Tugas Akhir II-6
MAD =
MSE
Bab II Landasan Teori
adalah nilai kumulatif absolut error dibagi dengan periode. Jika diformulasikan
maka formula untuk menghitung MAD adalah sebagai berikut:
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.
Laporan Tugas Akhir II-7
∑ (Absolut dari forecast error)
n
MAPE
Tracking Signal =
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.
d. Tracking Signal
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 nilai-
nilai ramalan.
Tracking signal dihitung sebagai running sum of the forecast errors dibagi dengan
mean absolute deviation.
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
RSFE
MAD
MR
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:
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
disediakan untuk memenuhi permintaan. Dari sudut pandang keuangan,
Laporan Tugas Akhir II-9
Bab II Landasan Teori
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 produksi yang tidak tepat dapat mengakibatkan
tingginya/rencahnya tingkat persediaan, sehingga mengakibatkan ongkos
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
sumber daya terhadap ekspektasi permintaan produk, serta pengembangan strategi
penggunaan sumber daya itu.
Laporan Tugas Akhir II-10
Bab II Landasan Teori
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
Maksud perencanaan produksi yang utama adalah menghaluskan
atau meredam gangguan produksi yang disebabkan fluktuasi
permintaan. Ini dilakukan dengan cara menjadwalkan pekerjaan
Laporan Tugas Akhir II-11
Bab II Landasan Teori
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
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
Laporan Tugas Akhir II-12
Bab II Landasan Teori
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
digunakan secara bersama-sama. Satuan agregat akan mewakili
agregasi seluruh item produk sehingga permintaan total untuk
kebutuhan selama satu kurun perencanaan dapat dihitung.
Laporan Tugas Akhir II-13
Bab II Landasan Teori
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
dengan asumsi optimistik bahwa tingkat produksi (yang dipengaruhi
oleh hiring dan training pekerja) dapat dirubah dengan cepat.
Laporan Tugas Akhir II-14
Bab II Landasan Teori
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
produksi pada dasarnya berkaitan dengan aktifitas melakukan empat fungsi utama
adalah sebagai berikut:
Laporan Tugas Akhir II-15
Bab II Landasan Teori
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), pesanan-
pesanan 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. Jenis item tidak terlalu banyak
2. Kebutuhannya dapat diramalkan
3. Mempunyai BOM, sehingga kebutuhan komponen dapat dihitung
4. 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
sudah sampai pada versi 2.0. Disebut WinQSB karena merupakan perkembangan
Laporan Tugas Akhir II-17
Bab II Landasan Teori
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 Fungsi Utama
1
Linear Programming (LP) dan
Integer Linear Programming
(ILP)
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.
2
Linear Goal Programming (GP)
dan Integer Linear Goal
Programming (IGP)
Memecahkan masalah goal programming, yaitu masalah
dengan fungsi tujuan linear lebih dari satu dengan sejumlah
batasan linear.
3
Quadratic Programming (QP) dan
Integer Quadratic Programming
(IQP)
Memecahkan masalah optimalisasi (baik minimum
maupun maksimum) dengan fungsi tujuan kuadratik
(nonliear) dan batasan linear.
4 Network Modeling (NET) Memecahkan masalah-masalah jaringan seperti
transportasi, penugasan, aliran maksimum (maximum
flow), penyebaran [diagram] pohon minimal (minimum
spanning tree), jaringan terpendek dan perjalanan
Laporan Tugas Akhir II-18
Bab II Landasan Teori
pramuniaga. Model ini mencakup juga lingkaran (node)
dan sambungan (link atau connection)
5 Nonlinear Programming (NLP)
Memecahkan fungsi tujuan nonliear dengan batasan linear
maupun nonliear. Variabel keputusan bisa terbatas maupun
tak terbatas. NLP dapat digolongkan sebagai masalah
variabel tunggal tak terkendala serta masalah multivariabel
tak terkendala dan terkendala, dan memecahkan masalah
tersebut dengan teknik yang berbeda.
6 Dynamic Programming (DP)
Teknik matematis untuk membuat serangkaian kepurusan
yang saling berkaitan. Setiap masalah bersifat unik. Modul
ini mampu mengatasi tiga masalah pemrograman dinamis,
yaitu: knapsack, stagecoach dan production and inventory
scheduling.
7 PERT/CPM
Modul ini digunakan untuk memecahkan masalah
manajemen proyek, baik yang berupa PERT, CPM, atau
keduanya. Sebuah proyek terdiri atas aktivitas dan
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.
8 Queuing Analysis (QA)
Memecahkan sistem antrian satu tingkat (single stage
queuing line system) dengan memungkinkan pemakai
untuk memilih satu diantara 15 distribusi probabilitas,
termasuk simulasi Monte Carlo. Output menunjukkan
pengukuran kinerja sistem antrian, termasuk analisis cost-
benefit.
9 Queuing System Simulation (QSS) Menjalankan simulasi kejadian antrian tunggal dan
berganda. Kebutuhan inputnya adalah populasi kedatangan
customer, jumlah penyedia, antrian dan kolektor sisa
(costumer meninggalkan sistem sebelum jasanya).
Laporan Tugas Akhir II-19
Bab II Landasan Teori
Keluarannya menunjukkan kinerja sistem antrian, baik
dalam bentuk tabular maupun grafik.
10Inventory Theory and Systems
(ITS)
Memecahkan masalah dan mengevaluasi pengendalian
persediaan, termasuk model EOQ, model diskon kuantitas,
model persediaan stokastik, simulasi Monte Carlo dan
model periode tunggal.
11 Forecasting (FC)
Memberi sebelas model perkiraan (forecasting) yang
berbeda-beda. Keluarannya meliputi perkiraan,
penelusuran sinyal dan pengukuran residual. Output dapat
ditampilkan dalam format grafik.
12 Decision Analysis (DA)
Memecahkan empat masalah pembuatan keputusan: Bayes,
pohon keputusan, tabel payoff dan teori permainan jumlah
nol (game play dan simulasi Monte Carlo)
13 Markov Process (MKP)
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
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.
14 Quality Control Chart (QCC)
Menjalankan analisis statistika dan menyusun diagram
pengendalian kualitas. Modul ini mampu menyusun 21
diagram yang berbeda, termasuk diagram batang X,
diagram R, diagram P dan diagram C. Modul ini juga
menjalankan analisis proses kemampuan. Keluaran
ditampilkan dalam bentuk tabel maupun grafik.
15 Acceptance Sampling Analysis Mengembangkan dan menganalisis rencana penerimaan
Laporan Tugas Akhir II-20
Bab II Landasan Teori
(ASA)
sampling (acceptance sampling plan) untuk atribut dan
karakteristik kualitas variabel, seperti sampling tunggal,
sampling berganda dan sebagainya. Modul ini menyusun
OC, AOQ, ATI, kurva kos ASN dan dapat melakukan
analisis what-if.
16 Job Scheduling (JOB)
Memecahkan masalah penjadwalan untuk job shop
maupun flow shop. Ada 15 aturan prioritas yang tersedia
untuk penjadwalan job shop, termasuuk solusi terbaik
berdasarkan kriteria tertentu. Juga tersedia tujuh heuristic
umum untuk penjadwalan flow shop termasuk solusi
terbaik. Output berupa grafik dan tabel.
17 Agregate Planning (AP)
Berhubungan dengan perencanaan kapasitas dan jadwal
produksi untuk memenuhi kebutuhan permintaan atas
intermediate planning horizon. Keputusan yang umum
adalah produksi agregat, penjadwaln dan kebutuhan tenaga
kerja, tingkat persediaan, subkontrak, backorder dan/atau
penjualan rugi.
18
Facility Location and Layout
(FLL)
Mengevaluasi lokasi fasilitas untuk pola dua atau tiga
dimensi (pabrik dan/atau gudang), rancangan fasilitas
untuk rancangan fungsi (job shop) dan alur produksi (flow
shop). Lokasi fasilitas menemukan lokasi yang jaraknya
paling dekat. Rancangan fasilitas fungsional didasarkan
pada algoritma CRAFT modifikasian. Untuk rancangan
flow shop (line balancing) tersedia tiga algoritma yang
berbeda.
19 Material Requirement Planning
(MRP)
Memecahkan masalah yang berkaitan dengan MRP dalam
perencanaan produksi. Didasarkan pada kebutuhan
permintaan final, baik dalam jumlah maupun waktu produk
harus diantar ke customer, metode MRP akan menetukan
kebutuhan neto, jumlah direncanakan dan prediksi
persediaan atas material dan komponen. Modul ini akan
Laporan Tugas Akhir II-21
Bab II Landasan Teori
melakukan analisis kapasitas dan analisis kos.
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:
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 , ramalkan penjualan 12 bulan kedepan.
Bulan Penjualan Bulan Penjualan Bulan Penjualan
1 398 9 430 17 487
2 395 10 460 18 500
3 290 11 465 19 530
4 400 12 473 20 500
5 410 13 480 21 505
6 425 14 465 22 550
7 450 15 435 23 555
8 440 16 470 24 580
Laporan Tugas Akhir II-22
Bab II Landasan Teori
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.
Gambar 1 Spesifikasi permasalahan
Laporan Tugas Akhir II-23
Bab II Landasan Teori
Gambar 2 Data Historis
Solve Problem (Penyelesaian Masalah)
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.
Laporan Tugas Akhir II-24
Bab II Landasan Teori
Gambar 3 Metode Forecasting
Gambar 4 Hasil Forecasting
Laporan Tugas Akhir II-25
Bab II Landasan Teori
Gambar 5 Lanjutan Hasil Forecasting
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.
Laporan Tugas Akhir II-26
Bab II Landasan Teori
Gambar 6 Detail Peramalan
Gambar 7 Lanjutan Detail Peramalan
Laporan Tugas Akhir II-27
Bab II Landasan Teori
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.
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.
Laporan Tugas Akhir II-28
Bab II Landasan Teori
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.
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