Selain gangguan-gangguan pasokan supply, permintaan demand dan internal sistem produksi yang telah teridentifikasi seperti yang tertera pada tabel
diatas, berikut ini adalah sumber-sumber gangguan yang menyebabkan terjadinya supply dan demand :
1. Perubahan Peraturankebijakan pemerintah yang mempengaruhi kebijakan pemasok kebijakan perusahaan.
2. Issue positifnegatif tentang produk dapat mempengaruhi permintaan produk.
3. Perubahan kebijakan perusahaan yang berhubungan dengan produksi antara lain : batch produksi, kebijakan penyimpananinventory, shift
produksi atau jam produksi, prosedur pengendalian kualitas yang diterapkan, kegiatan pemeliharaan maintenance pabrik, perubahan
teknologi produksi : pergantian mesin, penambahan mesin, perubahan variant item produksi, perubahan waktu pengiriman ataupun kebijakan
produksi tentang industri antara lain mengenai tenaga kerja dan lingkungan.
4. Perubahan seleragaya hidup masyarakat konsumen mempengaruhi permintaan produk.
5. Terjadinya gangguan alam yang mempengaruhi penyediaan bahan baku ke pemasok supplier.
6. Terjadinya gangguan produksi pada sistem produksi pemasok.
Mempertimbangkan hal-hal yang dapat menurunkan fungsi PPIC pada industri pangan dibutuhkan pengembangan model PPIC dengan memasukkan
model-model keputusan yang cukup handal dan dapat mengendalikan gangguan sistem produksi. Hasil pengembangan model PPIC ini yang akan disebut dengan
Model PPIC Adaptif Industri Pangan. Berikutnya, Sistem Informasi Pendukung Keputusan Intelijen Intelligent Decision Support System IDSS menjadi
teknologi yang membantu untuk mendapatkan pengetahuan bagi pengambil keputusan secara tepat, pada waktu yang tepat dalam representasi yang tepat
dengan biaya yang tepat. Sistem Pendukung Keputusan Intelijen PPIC Adaptif pada Industri Pangan menjadi jawaban permasalahan kebutuhan sistem PPIC
industri pangan yang intelijen dan adaptif untuk mendukung produktivitas industri pangan. Berikut ini adalah diagram input output sistem untuk mendukung
diperolehnya Sistem Pendukung Keputusan Intelijen PPIC Adaptif Industri Pangan yang dapat meminimasi penyimpangan yang terjadi serta mengendalikan
gangguan pada sistem produksi industri pangan.
4.3 Pengembangan Model PPIC Industri Pangan
Model PPIC menurut Fogarty 1992 menjadi modal awal untuk dikembangkan dalam penelitian ini. Untuk menjalankan sistem produksinya,
perusahaan melakukan fungsi PPIC sesuai dengan subsistem PPIC pada model PPIC yang dikembangkan oleh Fogarty.
Model PPIC Adaptif ini dikembangkan atas dasar kondisi operasional sistem produksi yang terjadi pada industri pangan dengan karakteristik sebagai
berikut : a. Industri pangan merupakan industri dengan skala menengah
– atas yang telah menerapkan model keputusan PPIC, minimum
menggunakan model-model heuristik dengan bantuan komputer untuk membantu melakukan perhitungan.
b. Industri pangan menghasilkan produk-produk yang merupakan produk yang ditawarkan oleh outlet-outlet pasar modern maupun
pasar konvensional secara regular yang merupakan produk titip jual serta produk yang merupakan pesanan pasti pelanggan fixed order.
c. Produk jadi yang dihasilkan memiliki umur simpan yang sangat beragam dalam umur simpan hari-an, minggu-an, bulan-an hingga
tahun-an, bervariasi dalam kualitas dan membutuhkan metode penyimpanan yang khusus
d. Industri pangan menggunakan bahan baku agroindustri yang sangat beragam dalam umur simpan hari-an hingga bulan-an, bervariasi
dalam kualitas dan membutuhkan metode penyimpanan yang khusus untuk tetap terjaga kualitasnya.
Untuk meningkatkan keandalan sistem PPIC yang dijalankan oleh perusahaan industri pangan, dikembangkan model PPIC Industri Pangan dengan
model-model keputusan sebagai berikut : 1. Model Prakiraan PermintaanDemand Management dengan kriteria
performansi adalah minimasi error, menggunakan metode Analytical Neural Network ANN.
Metode ANN memiliki performansi yang unggul dalam memperkirakan permintaan berdasarkan pola data penjualan masa lalu dengan menghasilkan
nilai kesalahan misalnya kriteria Mean Square Error hasil pengujian yang sangat kecil dibandingkan metode perkiraan permintaan yang lainnya antara
lain metode Dekomposisi, metode Exponential Smoothing dan Moving Average
2. Model Penjadwalan Induk Produksi Master Production Scheduling MPS dengan kriteria minimasi biaya produksi dan maksimasi utilisasi produksi
menggunakan metode Fuzzy Multi Objective Linear Programming. Ketersediaan bahan baku agroindustri yang bersifat tidak pasti dalam
kuantitas dan kualitas serta kemungkinan terjadinya gangguan internal produksi menyebabkan adanya toleransi dalam pemakaian bahan baku, waktu
penyelesaian produksi dan biaya produksi. 3. Model Perencanaan Persediaan Bahan Baku dengan kriteria minimasi biaya
persediaan menggunakan metode Perencanaan Kebutuhan Material Material Requirement Planning MRP berdasarkan teknik penentuan lot Economic
Order Quantity EOQ serta mempertimbangkan adanya persediaan pengaman safety stock.
4. Model Pengendalian Persediaan Bahan Baku berdasarkan pendekatan Continuous Review System Probabilistic dengan mempertimbangkan kualitas
bahan baku agroindustri yang bervariasi. Dalam aplikasinya, diusulkan untuk dilakukan perhitungan Stock Opname persediaan bahan baku dan produk jadi
secara periodik dan menambahkan persediaan pengaman safety stock bahan baku untuk mengantisipasi adanya ketidakpastian.
5. Model Penentuan Urutan Job Produksi Scheduling dengan menggunakan metode Penjadwalan Flowshop-Genetic Algorithm
6. Model Penentuan Rute Pengiriman berdasarkan metode Travelling Salesman Problem-Genetic AlgorithmTSPGA
Metode Genetic Algorithm merupakan metode meta-heuristic yang direkomendasikan untuk diaplikasikan pada masalah praktis yang berfokus
pada pencarian parameter-parameter optimal. Untuk itu, dalam penentuan urutan pengerjaan item produk pada industri pangan serta penentuan jalur
distribusi untuk distributor atau konsumen akan digunakan metode Genetic Algorithm untuk mendapatkan performansi output model yang mendekati
optimal.
Keterkaitan antar model keputusan PPIC adalah sesuai dengan gambar berikut.
1. PRAKIRAAN PERMINTAAN : Artificial
Neural Network
4. PENGENDALIAN PERSEDIAAN BAHAN BAKU
: Continuous Review System Probabilistic :
- EOQ
- Reorder Point
2. PENJADWALAN INDUK PRODUKSI :
Fuzzy Multi Objective Linier Programming
5. PENENTUAN URUTAN JOB PRODUKSI : Flow Shop
Genetic Algorithm
Jk Pendek
Jk Men
en g
ah
3. PERENCANAAN PERSEDIAAN BAHAN BAKU :
Material Requirement Planning MRP berdasarkan Receipt
- Lotting : EOQ dan perjanjian dgn supplier
6. Penentuan Rute Pengiriman : Travelling Salesman Problem
Genetic Algorithm
Gambar 10 Model PPIC pada industri pangan.
Penjelasan mengenai masing-masing model diuraikan dalam pembahasan detil berikut ini.
4.3.1 Model Keputusan Prakiraan Permintaan : Jaringan Saraf Tiruan JST
Metode Jaringan Syaraf Tiruan JST merupakan metode yang dapat diaplikasikan untuk memperkirakan apa yang akan terjadi di masa mendatang
berdasarkan pola kejadian yang terjadi di masa lampau dikarenakan kemampuan JST untuk mengingat dan membuat generalisasi pola data yang telah
dipelajarinya. Performansi dari pemanfaatan JST dalam prakiraan permintaan