Rekayasa sistem manajemen ahli dalam perencanaan produksi rantai pasok agroindustri karet spesifikasi teknis

REKAYASA SISTEM MANAJEMEN AHLI

DALAM PERENCANAAN PRODUKSI

RANTAI PASOK AGROINDUSTRI

KARET SPESIFIKASI TEKNIS

NOFI ERNI

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2012

PERNYATAAN MENGENAI DISERTASI DAN

SUMBER INFORMASI

Dengan ini saya menyatakan bahwa disertasi yang berjudul :

Rekayasa Sistem Manajemen Ahli Dalam Perencanaan Produksi Rantai Pasok Agroindustri Karet Spesifikasi Teknis

adalah karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini.

Bogor, Januari 2012

Nofi Erni

ABSTRACT

NOFI ERNI. A Design of Expert Management System in Production Planning of Agroindustry Technically Specified Rubber. Under the direction of M. SYAMSUL MA’ARIF, NASTITI S. INDRASTI, MACHFUD, and SOEHARTO HONGGOKUSUMO.

Technically Specified Rubber (TSR) is the most important of natural rubber type which has a higher demand growth of production and exported by

Indonesia. TSR is mostly used as raw material for tire industries, as the world’s

automotive industries grow up the demand for TSR is also rise up. The type of TSR which Indonesia export the most is type SIR 20. This research driven by the

main problem in Indonesia’s TSR agroindustry which is the need of production planning model for making decision on production plan that reduce ineficiency. This model is needed to develop a balance between dynamic of demand and raw material supplies and production capacity available. Research related to production planning are commonly focused on production plan which is based on

company’s accepted demand instead of using an integrated approach as supply chain management. This research is aimed to develop a production planning model for supply chain TSR which is able to integrate the dynamic of market demand, supply of raw material and production capacity available.This research is an improvement of production planning model which the ability to adapt with the dynamic of price and volume of demand forecasting and capacity available. Model was designed in an expert management system (EMS), which was integrated a decision making support system using analytic method, artificial intelligence with an expert system through acquitision of expert knowledge. The EMS on production planning as a result from modeling design was named as Proplan-TSR20. The decision support system consist price and demand volume forecasting model, raw material availability forecasting model, production planning model, capacity availability model and supply chain performance measurement model. The expert system was developed from knowledge is acquired from expert of agroindustry practitioners and researchers using focus group discussion. Data and information are related with supply chain TSR 20 on agroindustry TSR are used to verify and validate the model. The advantages of this EMS are this model is more dynamic and more adaptive in preparing production planning on the changes in supplier and demand side. The limitation of this model is that it has not been viewed as an aggregate plan of TSR and it does not cover the material need planning which consider the inventory yet. The forecasting model is not includes other factors yet such as climate effect,

competitor’s product price, and industry growth.

Keywords :Technically specified rubber, production planning, forecasting, expert management system

R I N G K A S A N

NOFI ERNI. Rekayasa Sistem Manajemen Ahli Dalam Perencanaan Produksi Rantai Pasok Agroindustri Karet Spesifikasi Teknis. Dibawah bimbingan M. SYAMSUL MA’ARIF, NASTITI S. INDRASTI, MACHFUD, dan SOEHARTO HONGGOKUSUMO.

Agroindustri karet alam Indonesia merupakan penyumbang devisa kedua terbesar setelah kelapa sawit dengan nilai ekspor mencapai 7, 32 miliar USD pada tahun 2010 dengan volume ekspor 2.351.915 ton. Karet spesifikasi teknis

(Technically Specified Rubber, TSR) dalam perdagangan karet Indonesia dikenal dengan skema Standar Indonesia Rubber (SIR), merupakan jenis karet alam penyumbang ekspor terbesar dibanding jenis karet alam lainnya. Diantara total ekspor SIR, karet alam jenis SIR 20 atau dalam perdagangan Internasional dikenal dengan TSR 20 mencapai 2.165.148 ton atau 92% dari total ekspor karet alam. Jenis karet SIR 20 adalah karet yang dihasilkan dari koagulum (bekuan) yang berasal dari perkebunan karet yang banyak dibutuhkan sebagai bahan baku industri hilir terutama industri ban.

Pertumbuhan industri otomotif dunia, menyebabkan peningkatan kebutuhan industri ban terhadap TSR 20. Kondisi ini mendorong tingginya permintaan terhadap TSR 20, sehingga harganya mendekati harga jenis karet high grade seperti Ribbed Smoke Sheet jenis RSS 3. Tingginya permintaan dan harga karet jenis TSR merupakan peluang untuk meningkatkan produktivitas agroindustri karet spesifikasi teknis dalam mengelola rantai pasokan sehingga mampu mengikuti perkembangan permintaan konsumen. Agroindustri karet spesifikasi teknis sebagai pelaku utama yang memiliki sarana produksi untuk mengolah koagulum menjadi TSR memiliki peran penting dalam mengelola rantai pasok. Peningkatan produktivitas dalam memenuhi kapasitas terpasang fasilitas produksi dengan mempertimbangkan kebutuhan bahan baku merupakan faktor pendorong untuk mengembangkan suatu model pengambil keputusan.

Perencanan produksi sebagai salah satu aktivitas penting dalam perencanaan level operasional, membutuhkan suatu pendekatan yang memperhatikan berbagai unsur ketidakpastian dan kompleksitas di sepanjang rantai pasok. Berbagai unsur ketidakpastian baik di sisi permintaan maupun pasokan penting dipertimbangkan untuk menghasilkan rencana produksi yang lebih tepat. Perencanaan produksi yang mengintegrasikan dinamika permintaan, dinamika pasokan serta kapasitas produksi memiliki peluang untuk dikembangkan dalam bentuk sistem pendukung keputusan yang adaptif dalam kegiatan perencanaan dan pengendalian produksi.

Penelitian ini bertujuan untuk merekayasa model sistem pendukung keputusan dengan memanfaatkan berbagai metode analitik dan metode kecerdasan buatan serta akuisisi pengetahuan pakar menjadi sistem manajemen ahli perencanaan produksi yang berguna untuk mengoptimalkan kinerja rantai pasok agroindutri karet spesifikasi teknis. Model konseptual yang dibangun dengan mengintegrasikan berbagai model dan sejumlah data serta pengetahuan pakar selanjutnya dikembangkan menjadi program komputasi yang diberi nama Proplan-TSR.

Rekayasa sistem manajemen ahli pada penelitian ini menggunakan basis model yang mengintegrasikan secara simultan lima model yaitu model prakiraan harga dan permintaan, model prakiraan ketersediaan bahan baku, model perencanaan produksi, model ketersediaan kapasitas dan model pengukuran kinerja rantai pasok. Metode kecerdasan buatan yang dipergunakan adalah metode jaringan syaraf tiruan (JST) dan metode Fuzzy Inference System (FIS).

Penelitian dilakukan di PT. Kharisma Pemasaran Bersama Nusantara, PT. Perkebunan Nusantara VIII dan PT. Bakrie Sumatera Plantation Tbk.

Berdasarkan model prakiraan harga dan permintaan dengan menggunakan data transaksi harian pada perdagangan TSR 20 di pasar komoditas Singapore Commodity Exchange (SICOM) tahun 2010 dihasilkan nilai prakiraan harga dan volume permintaan. Model ini menggunakan metode jaringan syaraf tiruan (JST)

backpropagation dengan lima neuron input berbeda yaitu parameter harga tertinggi, harga terendah, harga penutupan, volume pembukaan dan volume penutupan. Keluaran dari model ini adalah prakiraan harga dan prakiraan volume permintaan. Arsitektur JST terbaik diperoleh melalui simulasi, hasil rancangan terbaik terdiri atas 5 neuron pada input layer¸ 15 neuron pada hidden layer, dan 2 neuron pada output layer dengan fungsi aktivasi sigmoid. Berdasarkan target yang ditetapkan dalam pencapaian tingkat kesalahan Mean Square Error (1x 10-5 ) dan jumlah epoch (5000) kali arsitektur ini digunakan untuk melakukan prakiraan harga dan jumah permintaan untuk periode 16 minggu yang akan datang. Selisih antara nilai tertinggi dan nilai terendah dari hasil prakiraan digunakan untuk menyusun kategori tinggi, normal dan rendah dalam menentukan himpunan nilai

fuzzy pada model perencanaan produksi.

Model prakiraan ketersediaan bahan baku berguna untuk meprediksi tingkat pasokan bahan baku dari kebun dan diolah dengan metode (JST)

backpropagation. Data historis pasokan bahan baku digunakan sebagai neuron pada input layer. Hasil simulasi untuk mencapai target MSE sebesar 1x 10-5 dan jumlah epoch (10.000 kali) menunjukkan arsitektur jaringan terbaik adalah dengan12 neuron pada input layer, 60 neuron pada hidden layer serta 1 neuron pada output layer menggunakan fungsi aktivasi sigmoid. Hasil prakiraan ketersediaan bahan baku untuk 12 minggu berikutnya dikategorikan ke dalam nilai tinggi, sedang dan rendah yang digunakan sebagai nilai input fuzzy pada model perencanaan produksi.

Model perencanaan produksi dirancang menggunakan metode Fuzzy Inference System (FIS), untuk memperoleh sejumlah aturan guna menyusun rencana produksi bulan berikutnya. Hasil prakiraan harga, volume permintaan, pasokan bahan baku merupakan input himpunnan fuzzy, sedang jumlah realisasi produksi tahun sebelumnya digunakan untuk menentukan himpunan output fuzzy.

Himpunan output fuzzy jumlah produksi dikategorikan atas nilai tinggi, normal dan rendah. Berdasarkan 27 aturan yang disusun sebagai hasil wawancara mendalam dengan pakar praktisi dan akademisi, menggunakan metode inferensi Mamdani diperoleh keputusan jumlah produksi untuk periode bulan yang akan datang pada rentang nilai tinggi sebesar 161 ton kering SIR 20. Keputusan rencana produksi selanjutnya divalidasi untuk menentukan kebutuhan kapasitas dengan model ketersediaan kapasitas.

Model untuk menentukan ketersediaan kapasitas diolah menggunakan metode perencanaan kapasitas RCCP (Roughcut Capacity Planning) dengan

pendekatan CPOF (Capacity Planning Using Overall Factors). Validasi kapasitas dilakukan untuk memastikan apakah rencana produksi dapat direalisasikan oleh unit produksi berdasarkan ketersediaan kapasitas produksi yang ada. Melalui hasil perbandingan kapasitas yang tersedia dan kapasitas yang dibutuhkan dapat dijadikan dasar untuk melakukan penyesuaian pada rencana produksi. Pada obyek kajian penelitian ini dengan berproduksi 1 shift/hari atau setara dengan 7 jam/hari, menunjukkan bahwa kapasitas tersedia lebih besar dibanding kapasitas dibutuhkan. Kapasitas tersedia lebih besar 21,54% dari yang dibutuhkan artinya utilisasi penggunaan fasilitas produksi belum optimal. Jika dibandingkan antara kapasitas mesin terpasang dan kapasitas terpakai, tingkat utilisasi mesin sebesar 25% sehingga perlu upaya peningkatan jumlah produksi.

Untuk mengukur kinerja dari hasil perencanaan produksi diperlukan suatu model pengukuran kinerja. Salah satu ukuran kinerja rantai pasok dalam model SCOR, berkaitan dengan fleksibilitas sebagai ukuran kemampuan beradaptasi dengan perubahan. Pada model ini metode penghitungan Bullwhip Effect (BE)

digunakan untuk mengukur kemampuan pengambilan keputusan dalam mengakomodir perubahan pada sisi permintaan, sisi produksi dan sisi pasokan ke dalam rencana produksi. Nilai variansi antara rencana produksi dan realisasi produksi menunjukkan kemampuan model untuk mengakomodasi dinamika sebagai akibat perubahan pada sisi pasokan, sisi permintaan dan kemampuan produksi. Nilai BE untuk pasokan bahan baku juga dihitung untuk mengukur kinerja pasokan dari kebun ke pabrik.

Berdasarkan hasil validasi di lapangan menunjukkan, prakiraan permintaan dan harga TSR 20 meningkat pada beberap periode prakiraan, namun cenderung memiliki pola yang sama dengan periode yang lalu. Penggunaan metode JST yang mengacu pada data time series belum memasukkan pengaruh dari faktor lainnya. Hasil penyusunan rencana produksi berdasarkan basis aturan yang diperoleh dari pakar menunjukkan, pasokan bahan baku merupakan faktor penting dalam penyusunan rencana produksi. Hasil pemodelan menunjukkan jumlah produksi SIR 20 berada pada level rendah untuk periode pertama yaitu sebesar 101 ton kering. Berdasarkan jumlah produksi sebesar 101 ton kering pabrik sebagai pengolah memiliki kapasitas tak terpakai mencapai 60% karena kurangnya pasokan bahan baku. Kekurangan pasokan bahan baku dapat diupayakan dengan melakukan pembelian dari perkebunan rakyat yang tidak memiliki pabrik melalui suatu mekanisme contract supply yang saling menguntungkan. Hasil pengukuran kinerja menunjukkan nilai amplifikasi yang tidak jauh menyimpang (mendekati satu), yang berarti kinerja perusahaan dalam perencanaan produksi dan perencanaan kebutuhan bahan baku cukup baik.

Implikasi teoritis yang berkaitan dengan teori maupun penelitian terdahulu adalah 1) konfirmasi terhadap penelitian Tang (2006) dan Nakano (2009) untuk melakukan integrasi dan kolaborasi dalam perencanaan produksi agroindustri, 2) konfirmasi pernyataan Siler (2005) penerapan konsep fuzzy inference system dapat digunakan dalam pengambilan keputusan pada kondisi yang dinamis, 3) konfirmasi pendekatan MRP II yang banyak diterapkan di lingkungan manufaktur dapat diterapkan pada agroindustri karet spesifikasi teknis, serta 4) konfirmasi pengukuran kinerja teknis sebgai salah satu ukuran dalam pendekatan SCOR dapat menggunakan penghitungan bullwhip effect.

Sistem manajemen ahli yang diberi nama Proplan-TSR20 ini dapat dimanfaatkan oleh agroindustri karet spesifikasi untuk menyusun rencana produksi dan melakukan penyesuaian terhadap rencana produksi sehingga lebih adaptif terhadap dinamika permintaan, pasokan dan kemampuan produksi. Hasil perancangan masih perlu dikembangkan dengan memperhatikan faktor-faktor lain yang menimbulkan unsur ketidakpastian dan dinamika dalam permintaan karet spesifikasi teknis dan pasokan bahan baku dari perkebunan.

Kata kunci: karet spesifikasi teknis, sistem manajemen ahli, perencanaan produksi, jaringan syaraf tiruan,fuzzy inference system, roughcut capacity planning, bullwhip effect

© Hak Cipta milik IPB, tahun 2012

Hak Cipta dilindungi Undang-undang

Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjuan suatu masalah; dan pengutipan tidak merugikan kepentingan yang wajar IPB

Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB

REKAYASA SISTEM MANAJEMEN AHLI

DALAM PERENCANAAN PRODUKSI

RANTAI PASOK AGROINDUSTRI

KARET SPESIFIKASI TEKNIS

NOFI ERNI

Disertasi

Sebagai salah satu syarat untuk memperoleh gelar Doktor pada

Program Studi Teknologi Industri Pertanian

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2012

Penguji luar komisi

Ujian Tertutup:

1. Dr. Ary Achyar Alfa, MSi Pusat Penelitian Karet, Bogor

2. Dr. Eng. Taufik Djatna, STP, MSi

Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, IPB, Bogor.

Ujian Terbuka:

1. Dr. Ir. Uhendi Haris, MSi Pusat Penelitian Karet, Bogor 2. Dr. Ir. Yandra Arkeman, MEng.

Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, IPB, Bogor.

Judul Disertasi : REKAYASA SISTEM MANAJEMEN AHLI DALAM PERENCANAAN PRODUKSI RANTAI PASOK AGROINDUSTRI KARET SPESIFIKASI TEKNIS

Nama : Nofi Erni

NRP : F 361020011

Disetujui, Komisi Pembimbing

Prof. Dr. Ir. M. Syamsul Ma’arif, MEng. Ketua

Prof. Dr. Ir. Nastiti Siswi Indrasti Dr. Ir. Machfud, MS.

Anggota Anggota

Dr. Soeharto Honggokusumo Anggota

Diketahui,

Ketua Program Studi Dekan Sekolah Pascasarjana Teknologi Industri Pertanian

Dr. Ir. Machfud, MS. Dr. Ir. Dahrul Syah, MSc.Agr.

KATA PENGANTAR

Puji syukur dipanjatkan ke hadirat Allah SWT. atas limpahan rahmat, hidayah, karunia dan petunjukNya, sehingga disertasi ini dapat penulis selesaikan. Keberhasilan penelitian ini tidak terlepas dari peran aktif komisi pembimbing penulis. Oleh karena itu, ucapan terima kasih yang tidak terhingga penulis persembahkan kepada Bapak Prof. Dr. Ir. M. Syamsul Ma’arif, MEng. sebagai ketua komisi pembimbing dan kepada Ibu Prof. Dr. Ir. Nastiti Siswi Indrasti, Dr. Ir. Machfud, MS., Dr. Soeharto Honggokusumo masing-masing sebagai anggota komisi pembimbing yang tulus dan ikhlas membimbing penulis mulai dari penulisan proposal, penelitian dan penulisan hingga disertasi ini terwujud.

Penghargaan dan ucapan terima kasih juga penulis sampaikan kepada Rektor Institut Pertanian Bogor atas kesediaannya menerima penulis menjadi mahasiswa pada program studi Teknologi Industri Pertanian Sekolah Pascasarjana Institut Pertanian Bogor. Penghargaan dan ucapan terima kasih juga penulis sampaikan kepada Dekan Sekolah Pascasarjana, Dekan dan Wakil Dekan Fakultas Teknologi Pertanian, Ketua Program Studi Teknologi Industri Pertanian, dan seluruh staf pengajar Sekolah Pascasarjana IPB khususnya Program Studi Teknologi Industri Pertanian yang telah tulus dan ikhlas memberi ilmu pengetahuan dan bimbingan serta berbagi pengalaman kepada penulis dengan penuh tanggung jawab dan pengabdian.

Terima kasih juga penulis sampaikan kepada Direktorat Jenderal Pendidikan Tinggi Departemen Pendidikan Nasional Republik Indonesia yang telah memberikan bantuan pendidikan melalui proyek BPPS kepada penulis guna kelancaran proses pendidikan. Kepada Rektor Universitas Esa Unggul, Dr. Arief Kusuma AP. dan seluruh jajaran manajemen yang telah mengizinkan dan memberikan dukungan kepada penulis untuk melanjutkan studi sembari menyelesaikan tugas dan aktifitas di Universitas Esa Unggul.

Kepada Bapak M.I. Sobandi Argadipraja, Ibu Ully di PT Kharisma Pemasaran Bersama Nusantara serta manajemen PT Perkebunan Nusantara VIII, Bapak Bambang Aria Wisena, Bapak Masgar di PT Bakrie Sumatera Plantation Tbk. yang telah banyak memberikan bantuan data dan sumbangan pengetahuan untuk penyelesaian model penelitian, penulis ucapkan terima kasih dan penghargaan atas bantuan yang telah diberikan kepada penulis selama melaksanakan penelitian.

Terima kasih yang setinggi-tingginya penulis sampaikan kepada Dr. Ary Achyar Alfa dan Dr. Uhendi Haris di Pusat Penelitian Tanaman Karet yang telah memberikan banyak pengetahuan tentang agroindustri karet. Kepada Ibu Rani dan staf di Gapkindo penulis ucapkan terima kasih untuk dukungan dan bantuan data untuk penulisan.

Kepada yang mulia Ayahanda H. Ahmad dan Ibunda Hj. Rosni serta Ibu mertua Hj. Muthmainah, ananda persembahkan terima kasih atas segala bantuan baik materiil maupun do’a restu, bimbingan, nasehat dan arahan yang tidak henti-hentinya diberikan kepada penulis dalam menjalani ujian dan cobaan dalam kehidupan.

Terima kasih dan penghargaan yang tidak terhingga, penulis persembahkan kepada suami tercinta H. A. Khairul Umam SE dan anak-anakku

tersayang Fadli Aunurrofiq dan Dzaki Muhammad Roqieb atas kesabaran, kesetiaan, pengorbanan dan iringan do’a yang tulus dan ikhlas dalam menyertai setiap langkah penulis selama menempuh pendidikan.

Tidak lupa ucapan terima kasih kepada kakak-kakak dan adik-adik penulis yang tanpa henti mendoakan dan memberikan dukungan untuk menyelesaikan studi. Teman- teman seperjuangan dalam menyelesaikan studi pada program S3 - TIP, Institut Pertanian Bogor atas bantuan dan dukungan semangat untuk menyelesaikan studi di penghujung masa studi. Teman-teman di Fakultas Teknik Universitas Esa Unggul atas pengertian serta dukungannya yang telah banyak membantu dalam penyelesaiaan disertasi ini.

Akhir kata, kepada semua pihak yang telah membantu dan tidak dapat disebutkan satu persatu dalam disertasi ini penulis ucapkan terima kasih, semoga Allah SWT. memberi pahala berlimpah. Penulis berharap semoga disertasi ini memberi manfaat bagi pihak yang memerlukan. Amin.

Bogor, Januari 2012 Nofi Erni

RIWAYAT HIDUP

Penulis dilahirkan di Bukittinggi pada tanggal 15 Nopember 1967, sebagai anak keempat dari sembilan orang bersaudara dari pasangan H. Ahmad dan Hj. Rosni. Penulis memperoleh gelar Sarjana Teknologi Pertanian pada Jurusan Teknologi Industri Pertanian, Fakultas Teknologi Pertanian Institut Petanian Bogor pada tahun 1991. Pendidikan Magister Manajemen pada Program Pascasarjana Universitas Esa Unggul diperoleh pada tahun 2000. Pada tahun 2002 penulis melanjutkan pendidikan program Doktoral pada program studi Teknologi Industri Pertanian sekolah Pascasarjana Institut Pertanian Bogor dengan sponsor biaya pendidikan proyek BPPS Dirjen Dikti Diknas RI Jakarta selama tiga tahun dan tahun berikutnya dilanjutkan dengan biaya sendiri.

Penulis pernah bekerja di Bank Muamalat Indonesia dari tahun 1991 sampai 1994. Saat ini penulis bekerja sebagai staf pengajar pada jurusan Teknik Industri Universitas Esa Unggul sejak tahun 1994 dengan jabatan fungsional terakhir adalah Lektor. Selama mengikuti studi pada program S3 penulis memangku jabatan sebagai Ketua Jurusan Teknik Industri hingga tahun 2006, dan sejak tahun 2008 hingga sekarang memangku jabatan sebagai Kepala Pusat Studi Teknik Industri, Universitas Esa Unggul. Penulis juga aktif pada organisasi BKSTI (Badan Kerjasama Penyelenggara Pendidikan Tinggi Teknik Industri) Korwil Jakarta (2009-sekarang)

Penulis menghasilkan beberapa karya ilmiah, yang merupakan bagian dari program S3, antara lain; 1) Rancangan Model Sistem Manajemen Ahli untuk Perencanaan Produksi Karet Spesifikasi Teknis yang diterbitkan pada Jurnal Inovisi , Teknik Industri Universitas Esa Unggul Volume 10, No.2 Edisi Oktober 2011, dan 2) Model Prakiraaan Harga dan Permintaan pada Rantai Pasok Karet Spesifikasi Teknis yang akan diterbitkan pada Jurnal Teknik Industri – Universitas Al Azhar Indonesia, Volume I No. 3 Edisi Maret 2012.

DAFTAR ISI

Halaman

DAFTAR TABEL ... xviii

DAFTAR GAMBAR ... xix

DAFTAR LAMPIRAN ... xxi

1. PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Tujuan Penelitian ... 5

1.3 Ruang lingkup ... 5

1.4 Manfaat Penelitian ... 6

2. TINJAUAN PUSTAKA ... 7

2.1 Manajemen Rantai Pasok ... 7

2.2 Pengukuran Kinerja Rantai Pasok ... 8

2.3 Bullwhip Effect ... 10

2.4 Perencanaan Produksi ... 13

2.5 Kapasitas Produksi ... 14

2.6 Prakiraan (Forecasting) dan Pengelolaan Permintaan ... 19

2.7 Pendekatan Sistem ... 22

2.8 Sistem Manajemen Ahli ... 22

2.9 Sistem Kecerdasan Buatan ... 26

2.9.1 Sistem Fuzzy Logic ... 27

2.9.2 Jaringan Syaraf Tiruan ... 30

2.10 Posisi Penelitian ... 35

3. METODE PENELITIAN ... 39

3.1 Kerangka Pemikiran ... 39

3.2 Tahapan Penelitian ... 43

3.3 Pengumpulan dan Teknik Pengolahan Data ... 44

3.4 Lokasi Penelitian ... 46

4. ANALISIS SISTEM ... 47

4.1 Kondisi Situasional ... 47

4.1.1 Agroindustri Karet Alam ... 47

4.1.2 Karet Spesifikasi Teknis ... 51

4.1.3 Bahan Baku dan Proses Produksi Karet Spesifikasi Teknis . 57 4.1.4 Sistem Rantai Pasokan Karet Spesifikasi Teknis ... 60

4.2 Pendekatan Sistem ... 64

Halaman

4.2.2 Formulasi Permasalahan ... 66

4.2.3 Identifikasi Sistem ... 66

5. PEMODELAN SISTEM ... 69

5.1 Konfigurasi Model ... 69

5.2 Kerangka Sistem ... 72

5.2.1 Sistem Manajemen Dialog ... 72

5.2.2 Sistem Pengolahan Pusat ... 72

5.2.3 Sistem Manajemen Basis Data ... 72

5.2.4 Sistem Manajemen Basis Pengetahuan ... 74

5.2.5 Mekanisme Inferensi ... 75

5.2.6 Sistem Manajemen Basis Model ... 75

5.3 Rekayasa Model ... 76

5.3.1 Model Prakiraan Harga dan Permintaan ... 76

5.3.2 Model Prakiraan Ketersediaan Bahan Baku ... 80

5.3.3 Model Perencanaan Produksi ... 82

5.3.4 Model Ketersediaan Kapasitas Produksi ... 86

5.3.5 Model Pengukuran Kinerja Rantai Pasok ... 88

6. IMPLEMENTASI MODEL ... 91

6.1 Verifikasi Model ... 91

6.1.1 Prakiraan Harga dan Permintaan ... 92

6.1.2 Ketersediaan Bahan Baku ... 100

6.1.3 Penyusunan Rencana Produksi ... 104

6.1.4 Ketersediaan Kapasitas Produksi ... 111

6.1.5 Pengukuran Kinerja Rantai Pasok ... 115

6.2 Validasi Model ... 119

6.3 Implikasi Model ... 121

6.3.1 Implikasi Teoritis ... 122

6.3.2 Implikasi Manajerial ... 123

6.4 Kelebihan dan Keterbatasan Model ... 125

7. KESIMPULAN DAN SARAN ... 127

7.1 Kesimpulan ... 127

7.2 Saran ... 128

DAFTAR PUSTAKA ... 129

DAFTAR TABEL

Halaman 1 Model dan Teknik Pengolahan Data ... 45 2 Ekspor Karet Alam Indonesia Tahun 2005 – 2010 ... 48 3 Skema Standard Indonesian Rubber (SIR) (SNI 06-1903-1990) ... 52 4 Ekspor TSR dari Indonesia, Malaysia, dan Thailand ... 53 5 Harga Beberapa Jenis Karet Bulan Desember 2011 ... 55 6 Jumlah Impor Karet Alam oleh Negara Pengimpor Utama ... 57 7 Analisis Kebutuhan Pelaku Utama Pengelolaan Rantai Pasok Karet

Spesifikasi Teknis ... 65 8 Himpunan Nilai Fuzzy untuk Data Input dan Data Output ... 83 9 Alternatif aturan Jika – Maka untuk FIS ... 85 10 Pemilihan Arsitektur JST untuk Karet Spesifikasi Teknis ... 93 11 Bobot dari Lapisan Input ke Lapisan Tersembunyi ... 96 12 Bobot dari Lapisan Tersembunyi ke Lapisan Output ... 97 13 Hasil Pengujian Harga dan Volume Permintaan TSR 20 ... 97 14 Hasil Prakiraan Harga dan Volume Permintaan TSR 20 ... 98 15 Hasil Perhitungan Tingkat Akurasi Prakiraan Pasokan Bahan Baku ... 101 16 Hasil Prakiraan Pasokan Bahan Baku ... 102 17 Representasi Kurva untuk Variabel Input dan Variabel Output ... 105 18 Tahapan dan Waktu Proses Pembuatan SIR 20 ... 112 19 Perhitungan Kapasitas yang Dibutuhkan dengan Metode CPOF dari

bulan ke-1 sampai ke-12 ... 114 20 Perhitungan Nilai Bullwhip Effect Kinerja Produksi ... 117 21 Perhitungan Nilai Bullwhip Effect Kinerja Pasokan Bahan Baku ... 118

DAFTAR GAMBAR

Halaman 1 Komponen Utama Proses Manajemen dalam SCOR Model ... 9 2 Distorsi Informasi dari Hilir ke Hulu dalam Rantai Pasok 11 ... 11 3 Manufacturing Resources Planning, MRP II ... 14 4 Hubungan Aktifitas Perencanaan dan Pengendalian Produksi ... 15 5 Evolusi Manajemen Persediaan ... 21 6 Demand Management Process Model ... 21 7 Konfigurasi Model Dasar Sistem Manajemen Ahli ... 23 8 Tahap Pembentukan Sistem Pakar ... 25 9 Fungsi Keanggotaan Linier Fuzzy Berbetuk Segitiga dan Trapesium.. 28 10 Sistem Inferensi Logika Fuzzy ... 29 11 Arsitektur Jaringan Syaraf Tiruan Backpropagation ... 33 12 Kerangka Pemikiran Penelitian ... 41 13 Keterkaitan Model Perencanaan Produksi Karet Spesifikasi Teknis ... 42 14 Diagram Alir Tahapan Penelitian ... 44 15 Pohon Industri Karet ... 49 16 Ekspor Karet Alam Indonesia ... 50 17 Perkembangan Harga Karet, Minyak Mentah, dan Nilai Tukar

JPY/USD ... 51 18 Grafik Perbandingan Ekspor Karet Spesifikasi Teknis ... 53 19 Ekspor Karet Alam Jenis SIR ... 54 20 Perkembangan Harga TSR 20 dan RSS3 di pasar Fisik dan Bursa

SICOM pada bulan Desember 2011 ... 56 21 Perkembangan Jumlah Impor Negara Pengimpor Utama ... 57 22 Proses Pengolahan Karet Spesifikasi Teknis ... 60 23 Rantai Pasok Karet Alam Pada PTPN VIII ... 61 24 Grafik Jumlah Ekspor Karet Alam Produksi PTPN VIII ... 63 25 Diagram Input-Output Karet Spesifikasi Teknis ... 67 26 Konfigurasi Sistem Manajemen Ahli Perencanaan Produksi ... 70 27 Diagram Alir Model Sistem Manajemen Ahli Perencanaan Produksi

Rantai Pasok Karet Spesifikasi Teknis ... 71 28 Tahapan Perancangan JST Prakiraan Harga dan Volume Permintaan . 78 29 Perancangan Arsitektur JST untuk Prakiraan Ketersediaan Bahan

Baku ... 81 30 Tahapan Penentuan Rencana Produksi ... 82 31 Diagram Alir Penghitungan Kapasitas Tersedia ... 88

Halaman 32 Diagram Alir Penghitungan Kinerja Rantai asok ... 90 33 Tampilan Menu Prakiraan Harga dan Permintaan Karet Spesifikasi

Teknis (TSR 20) ... 99 34 Pola Data Aktual, Data Pengujian, dan Prakiraan ... 103 35 Tampilan Menu untuk Prakiraan Pasokan Bahan Baku ... 103 36 Tampilan Parameter Input pada Fuzzy Inference System ... 108 37 Fungsi Keanggotaan dan Nilai Input untuk Prakiraan Harga ... 108 38 Tampilan Hasil Input Output FIS untuk Jumlah Produksi ... 109 39 Dekomposisi Fungsi Implikasi ... 110 40 Perbandingan Antara Rencana dan Realisasi Produksi ... 117 41 Perbandingan Permintaan Bahan Baku dan Realisasi Pasokan Bahan

Baku ... 119 42 Tampilan Depan Sistem Manajemen Ahli Proplan-TSR 90 ... 121

DAFTAR LAMPIRAN

Halaman 1 Realisasi Penjualan Ekspor Karet Alam Produksi PTPN Semester I

tahun 2009 ... 141 2 Realisasi Penjualan Ekspor Karet Alam Produksi PTPN Semester II

tahun 2009 ... 142 3 Ekspor Karet Alam Produksi PTPN VIII tahun 2009 ... 143 4 Ekspor Berbagai Jenis Karet Alam Produksi PTPN VIII Semester I

Tahun 2009 ... 144 5 Data Trasaksi Harian TSR 20 di Bursa SICOM tahun 2010 ... 145 6 Pola Training JST untuk Data SICOM tahun 2010 ... 151 7 Pola Testing JST untuk Data SICOM tahun 2010 ... 155 8 Pengolahan Data JST untuk Prakiraan Harga dan Permintaan TSR 20 165 9 Data Kapasitas Pabrik PT. BSP Tahun 2011 ... 165 10 Data Kapasitas Pabrik PT. BSP Tahun 2011 ... 166 11 Data Kapasitas Pabrik PT. BSP Tahun 2011 ... 167 12 Data Pasokan Bahan Baku Tahun 2009-2011 ... 168 13 Data Pola untuk Pelatihan dan Pengujian JST Bahan Baku ... 169 14 Pengolahan Data FIS Perencanaan Produksi ... 172 15 Data Rencana dan Realisasi Produksi 2009-2011 ... 179 16 Data Permintaan Bahan Baku dan Realisasi Pasokan Bahan Baku

2009-2011 ... 180 17 Petunjuk Penggunaan Aplikasi Proplan-TSR20 ... 181

1 PENDAHULUAN

1.1 Latar Belakang

Pendekatan manajemen rantai pasok telah banyak digunakan sebagai salah satu model untuk meningkatkan keunggulan bersaing dalam industri. Manajemen rantai pasok merupakan pendekatan penggunaan sumber daya secara efisien yang mengintegrasikan fungsi bisnis dari hulu ke hilir sehingga barang dapat diproduksi dan didistribusikan dalam jumlah yang tepat, pada lokasi dan waktu yang tepat untuk meminimumkan biaya sistem secara keseluruhan dan memenuhi tingkat pelayanan yang diinginkan (Levi et al. 2003; Vokurka et al., 2002 ; Blanchard, 2004).

Beberapa model penerapan manajemen rantai pasok telah dikembangkan, salah satu kerangka untuk implementasi adalah model SCOR (Supply Chains Operational Reference). Model ini memberikan acuan untuk merencanakan, menganalisis dan mendesain guna meningkatkan kinerja rantai pasokan. Aktifitas bisnis antar komponen rantai pasokan dari hulu ke hilir dikelompokan ke dalam lima proses yaitu : perencanaan (plan), pengadaan sumber daya (source), produksi (make), pengiriman (delivery) dan pengembalian (return). Setiap proses didekomposisi dari proses yang bersifat umum ke dalam sub proses yang lebih detil sesuai dengan jenis kegiatan bisnis (SCOR, 2005; Bolstorff , 2003)

Perencanaan sebagai langkah awal kegiatan merupakan faktor penting untuk melaksanakan proses bisnis lainnya yang terkait dengan mata rantai di sisi hulu (downstream channel) dan di sisi hilir (upstream channel) pada rantai pasokan. Perencanaan produksi sebagai aktifitas perencanaan operasional membutuhkan suatu sistem pengambilan keputusan terstruktur untuk menyusun rencana produksi yang mengintegrasikan dinamika pemasok dan dinamika perkembangan permintaan. Perencanaan produksi berkaitan dengan bagaimana mengelola unsur ketidakpastian dan kompleksitas di sepanjang rantai pasok. Berbagai unsur ketidakpastian dari sisi permintaan, maupun pasokan penting dipertimbangkan, sehingga dihasilkan rencana produksi yang lebih tepat dan tidak bersifat konstan (Croxton et al., 2001; Galasso, 2009)

2

Akurasi perencanaan produksi merupakan salah satu faktor penentu untuk pencapaian kinerja rantai pasok berupa penurunan biaya atau peningkatan pelayanan terhadap konsumen. Perencanaan produksi yang tidak tepat dapat menyebabkan terjadinya peningkatan jumlah persediaan atau di sisi lain juga berakibat adanya kekurangan bahan baku sehingga menimbulkan biaya akibat rendahnya utilisasi sarana dan prasarana produksi.

Penelitian yang berkaitan dengan pentingnya kolaborasi dan integrasi dalam pengelolaan rencana produksi telah dilakukan oleh peneliti terdahulu. Penelitian Nakano (2009), menunjukkan kolaborasi dalam menyusun rencana produksi memiliki hubungan yang positif dalam peningkatan kinerja produksi dan logistik. Penelitian Attaran et al. (2007), dan Donk (2008) menunjukkan pentingnya suatu sistem perencanaan produksi terintegrasi yang disusun dalam suatu paket program dalam memudahkan pengelolaan rantai pasok. Hasil penelitian menunjukkan perangkat lunak perencanaan produksi yang dikembangkan dengan konsep Enterprise Resources Planning memiliki kompleksitas dan biaya yang relatif tinggi sehingga sulit diterapkan pada beberapa jenis industri.

Beberapa pendekatan berkaitan dengan perencanaan produksi telah dikembangkan, diantaranya teknik Material Requirement Planning (MRP I). Teknik MRP I merupakan metode perencanaan produksi khususnya menentukan kebutuhan bahan baku yang didasarkan kepada hasil prakiraan permintaan. Dalam perkembangan perencanaan produksi dengan pendekatan MRP I diperluas menjadi Manufacturing Resources Planning (MRP II) yang menggambarkan kerangka hubungan antara perencanaan strategi bisnis dengan mekanisme pengendalian produksi (Fogarty et al. 1991; Gupta, 2003; Sheikh, 2002)

Pada MRP II, hasil prakiraan permintaan menjadi dasar dalam menyusun

Master Production Scheduling (jadwal induk produksi). Teknik MRP II hanya mempertimbangkan prakiraan permintaan dalam menyusun jadwal induk produksi, belum mempertimbangkan kemampuan pasokan bahan baku dari pemasok. Untuk menunjang penerapan MRP II dalam perencanaan produksi rantai pasok, perlu dipertimbangkan dinamika antara mata rantai pemasok, prosesor sehingga dihasilkan rencana produksi yang lebih adaptif terhadap

3

perubahan permintaan konsumen. Menurut Tang (2006), agroindustri merupakan industri yang bersifat consumer-produser driven sehingga perencanaan permintaan perlu mempertimbangkan kedua sisi secara bersama-sama dalam perencanaan produksi.

Agroindustri karet alam memiliki peran strategis sebagai sumber devisa negara, sumber lapangan kerja, pemasok bahan baku industri barang jadi karet. Indonesia merupakan negara dengan areal perkebunan terluas dan penghasil karet alam terbesar kedua di dunia. Kebutuhan industri pengguna karet alam di dunia ditunjukkan besarnya penggunaan karet alam untuk keperluan industri. Konsumsi karet alam dunia meningkat sejalan dengan pertumbuhan industri dan perekonomian dunia.

Peran strategis agroindustri karet alam sebagai pemasok bahan baku untuk berbagai industri menjadikan agroindustri karet termasuk industri yang mendapat prioritas penguatan dan pertumbuhan dalam Rencana Pembangunan Jangka Menengah Nasional (Peraturan Presiden No. 7/2005). Kementrian Perindustrian menetapkan tiga wilayah klaster industri karet di Indonesia adalah propinsi Sumatera Utara, Sumatera Selatan dan Jawa Barat. Pengembangan klaster ini untuk memperkuat industri hilir karet sehingga mampu meningkatkan penggunaan konsumsi karet dalam negeri. Peningkatan konsumsi dalam negeri semakin membuka peluang bagi agroindustri karet alam untuk meningkatkan produksi.

Indonesia sebagai negara dengan perkebunan terluas di dunia memiliki potensi sebagai penghasil karet terbesar di dunia. Pada tahun 2009 total luas perkebunan karet Indonesia sebesar 3.435.270 hektar dengan produksi total karet alam sebanyak 2.440.347 ton. Total luas kebun dan produksi karet alam meningkat pada tahun 2010 menjadi 3.445.121 hektar dengan total produksi karet alam sebesar 2.591.935 ton (Ditjenbun, 2012).

Ekspor karet alam merupakan penghasil devisa kedua setelah kelapa sawit. Nilai ekspor karet alam pada tahun 2010 berdasarkan data Gapkindo (2011) mencapai US$ 7. 326. 605. 391. Porsi ekspor terbesar adalah karet spesifikasi teknis (Technically Spesified Rubber,TSR). Ekspor TSR dengan kodifikasi

Standar Indonesian Rubber (SIR) jenis SIR 20 mencapai 2.165.148 ton atau sekitar 92 % dari total ekspor karet alam. Pertumbuhan permintaan karet alam

4

sejalan dengan pertumbuhan industri hilir khususnya industri otomotif. Tingkat konsumsi agregat karet alam dunia tumbuh sebesar 18%, sedangkan laju pertumbuhan produksi Indonesia hanya sebesar 8,7%. Tahun 2010 terjadi peningkatan produksi kendaraan bermotor sebesar 21% yang mendorong meningkatnya permintaan karet spesifikasi teknis (Honggokusumo 2011). Besarnya pertumbuhan industri hilir pengguna karet alam merupakan peluang untuk meningkatkan produksi karet untuk memenuhi kebutuhan industri hilir seperti industri ban.

Perkebunan karet berskala besar pada umumnya memiliki unit pengolah dengan fasilitas produksi yang mampu menghasilkan berbagai jenis karet, yang dikelompokkan menjadi lateks pekat, Ribbed Smoke Sheet (RSS) dan karet spesifikasi teknis. Permasalahan dalam agroindustri karet alam berskala besar adalah diperlukan suatu sistem pengambilan keputusan untuk menentukan jenis karet alam yang akan diproduksi dengan mempertimbangkan dinamika harga dan permintaan dunia serta kemampuan kebun dalam memasok bahan baku.

Berdasarkan masalah yang dihadapi agroindustri karet alam dan dalam rangka mengembangkan metode perencanaan produksi menggunakan kerangka manajemen rantai pasok maka diperlukan suatu pengkajian yang mendalam dan menyeluruh dengan memperhatikan kebutuhan stakeholder menggunakan pendekatan sistem. Salah satu metode pendekatan sistem yang dapat digunakan dalam pengambilan keputusan adalah sistem manajemen ahli (SMA). Sistem manajemen ahli merupakan integrasi antara sistem pendukung keputusan (SPK) dan sistem pakar (Eriyatno, 2003; Buede, 2009; Stairs et.al, 2010). Penerapan SMA dalam penelitian diantaranya telah dilakukan dalam pengembangan agroindustri minyak atsiri (Machfud, 2001). Penelitian penggabungan SPK dan sistem pakar dalam bentuk SPK intelejen telah dikembangkan untuk agroindustri tapioka (Astuti, 2010) dan untuk sistem rantai pasokan beras (Surjasa, 2011). Belum ditemukan suatu penelitian yang mengembangkan SMA untuk perencanaan produksi dalam rantai pasok agroindustri karet spesifikasi teknis.

Rekayasa SMA perencanaan produksi dibatasi pada agroindustri karet spesifikasi teknis, mengingat potensi permintaan dunia yang cukup besar, kapasitas pabrik relatif besar serta memungkinkan penyerapan bahan baku dari

5

perkebunan rakyat. Model SMA perencanaan produksi rantai pasok ini dirancang untuk membantu pengambil keputusan dengan memanfaatkan pengetahuan pakar, guna menentukan rencana produksi yang mengakomodir perubahan pada sisi pasokan dan sisi permintaan serta kapasitas produksi yang dimiliki perusahaan.

Model ini dilengkapi dengan model pengukuran kinerja sebagai salah satu komponen dalam pengelolaan rantai pasok. Model kinerja ini berfungsi untuk mengukur tingkat keberhasilan dari rencana produksi yang telah disusun dalam memodelkan dinamika pada rantai pasok sebagai salah satu metrik ukuran kinerja. Operasionalisasi dan implementasi hasil penelitian rancangan sistem manajemen ahli perencanaan produksi ini diharapkan dapat digunakan oleh agroindustri untuk mengambil keputusan dalam menyusun rencana produksi sehingga mampu mengoptimalkan kinerja rantai pasok guna mencapai tingkat produksi lebih optimal pada tingkat respon pasar yang diinginkan.

1.2 Tujuan Penelitian

Mengacu pada latar belakang pemikiran dan tantangan dalam mengelola rantai pasok, maka tujuan penelitian ini adalah :

1. Mengembangkan model sistem manajemen ahli yang dapat membantu pengambil keputusan untuk menyusun rencana produksi yang dinamis dengan mengintegrasikan dinamika permintaan, dinamika pasokan bahan baku, dan ketersediaan kapasitas produksi untuk optimalisasi rantai pasok agroindustri karet spesifikasi teknis.

2. Menghasilkan model prakiraan permintaan dengan memperhatikan pola harga dan pola permintaan pasar dunia serta interaksi keduanya yang akan digunakan sebagai masukan untuk menyusun rencana produksi.

3. Merumuskan model pengukuran kinerja dari rencana produksi dan pasokan bahan baku sebagai ukuran optimalisasi yang terintegrasi dengan model perencanaan produksi.

1.3 Ruang Lingkup Penelitian

Ruang lingkup penelitian adalah aktifitas perencanaan produksi dan pengukuran kinerja dalam pengelolaan rantai pasok yang dirancang dalam satu

6

kesatuan sistem manajemen ahli. Rencana produksi merupakan integrasi model prakiraan harga dan volume permintaan, model prakiraan pasokan bahan baku, model perencanaan produksi, model ketersediaan kapasitas produksi dan kinerja rantai pasok.

Kajian sistem rantai pasok agroindustri karet spesifikasi teknis yang diteliti adalah untuk jenis SIR 20, yang dilakukan di PT Perkebunan Nusantara (PTPN) VIII dan perkebunan besar milik swasta di PT Bakrie Sumatera Plantation Tbk. Porsi produksi SIR 20 pada perkebunan negara relatif kecil jika dibanding dengan RSS sehingga untuk kepentingan verifikasi dan validasi model digunakan data dan informasi dari PT. BSP karena jumlah produksi SIR relatif berimbang. Sistem rantai pasok yang menjadi fokus penelitian adalah pabrik sebagai pengolah dan kebun sebagai pemasok bahan baku yang berada dalam satu entitas yang sama (inbound supply chain). Pabrik dan kebun memiliki sistem manajemen yang terpisah dengan tingkat otoritas keputusan pada lingkup kerja masing-masing.

1.4 Manfaat Penelitian

Penelitian ini diharapkan bermanfaat bagi pengembangan ilmu pengetahuan, baik secara akademik maupun penerapannya sehingga berkontribusi nyata dalam pengembangan agroindustri Beberapa kegunaan dari hasil penelitian ini sebagai berikut :

1. Model perencanaan produksi hasil penelitian ini dapat digunakan oleh pengambil keputusan untuk menyusun rencana produksi yang dinamis dan terintegrasi, sehingga mampu mengoptimalkan kinerja rantai pasok agroindustri karet spesifikasi teknis.

2. Rancangan sistem manajemen ahli menjadi sarana kordinasi antara pengambil keputusan pada pengelola pasokan bahan baku, pabrik karet spesifikasi teknis dan distributor.

3. Memberikan kontribusi dalam pengembangan keilmuan perencanaan produksi dalam suatu tatanan rantai pasok agroindustri dan pengembangan sistem pengambilan keputusan yang memanfaatkan pengetahuan pakar.

2 TINJAUAN PUSTAKA

2.1 Manajemen Rantai Pasok

Manajemen rantai pasok (Supply Chain Management) merupakan pendekatan untuk mengintegrasikan seluruh mata rantai pengadaan barang mulai dari hulu ke hilir, yang terlibat secara langsung dan bersama-sama bekerja mengelola aliran barang, aliran uang dan aliran informasi untuk memproduksi dan mendistribusikan barang ke pemakai akhir. Pendekatan manajemen rantai pasok mengkordinasikan dan mengintegrasikan semua aktifitas proses dalam satu kesatuan, sehingga keseluruhan rantai bekerja bersama agar menjadi lebih kompetitif (Levi et al. 2003; Chopra dan Meindl, 2001; Vokura et al., 2002)

Tujuan penerapan pendekatan manajemen rantai pasok menurut Levi et al.

(2002) adalah pengelolaan sumber daya secara efisien yang mengintegrasikan

suppliers, manufacturers, warehouses and store, sehingga barang dapat diproduksi dan didistribusikan dalam jumlah yang tepat, pada lokasi dan waktu yang tepat untuk meminimumkan biaya sistem secara keseluruhan (systemwide)

dan memenuhi tingkat pelayanan (service level) yang diinginkan. Penurunan biaya diantaranya berupa biaya transportasi, biaya penyimpanan dan biaya karena terjadinya idle capacity.

Sistem rantai pasok adalah jaringan perusahaan-perusahaan yang terlibat secara langsung dan bersama-sama bekerja dari hulu ke hilir mengelola aliran barang, aliran uang dan aliran informasi untuk menciptakan dan mengantarkan produk ke tangan pemakai akhir. Manajemen rantai pasok merupakan pendekatan terintegrasi dari upstream yaitu pemasok atau downstream yaitu konsumen. Aktifitas rantai pasok dibedakan ke dalam inbound logistic yaitu aliran material dan jasa dari pemasok ke produsen dan outbound logistic yaitu aliran barang atau jasa dari produsen ke konsumen. Kegiatan-kegiatan logistik masuk (in-bound logistics) diantaranya prakiraan kebutuhan dan pembelian, sedang bagian logistik ke luar (out bound logistics) berkaitan dengan kegiatan perencanaan distribusi dan transportasi (Blanchard, 2004 ; Rutner, 2007).

Keberhasilan perusahaan besar dalam menerapkan SCM memungkinkan terjadinya kompetisi antar supply chain bukan lagi antar perusahaan, melainkan

8

antar jaringan. Prinsip utama dalam SCM adalah saling berbagi (sharing) terhadap aliran material, aliran informasi yang menggabungkan keseluruhan elemen dalam rantai pasok. Menurut Frazelle (2001) dan Croxton et.al (2001) manajemen rantai pasok mengacu pada berbagai trade-off dalam cara mengelola delapan proses bisnis kunci yaitu :

1. Pengelolaan hubungan dengan konsumen ( customer relationship management)

2. Pengeloaan layanan konsumen (customer service management)

3. Pengelolaan permintaan (demand management)

4. Pemenuhuan pesanan (order fulfilment)

5. Pengelolaan aliran manufaktur (manufacturing flow management)

6. Pengadaan ( procurement)

7. Komersialisasi pengembangan produk (product development commercialization)

8. Pengembalian (return)

2.2 Pengkuran Kinerja Rantai Pasok

Untuk membangun kinerja yang efektif diperlukan suatu sistem pengukuran dalam manajemen rantai pasok untuk mencapai perbaikan secara berkelanjutan. Sistem pengukuran kinerja dibutuhkan untuk melakukan pemantauan dan pengendalian, menentukan arah perbaikan untuk menciptakan keunggulan bersaing. Beberapa metode yang telah dikembangkan untuk penerapan manajemen rantai pasok, salah satu pendekatan tersebut adalah Model Supply Chain Operations Reference (SCOR) yang dikembangkan oleh kelompok perusahaan yang bergabung dalam Supply Chain Council (Pujawan, 2005 ; Aranyam et al., 2006 ; Bolstorff, 2007).

SCOR adalah suatu kerangka untuk menggambarkan aktiftas bisnis antar komponen rantai pasok mulai dari hulu (suppliers) ke hilir (customers) untuk memenuhi permintaan pelanggan dan tujuan dari rantai pasok. Model ini terdiri atas 5 komponen utama dalam mengelola proses yaitu : perencanaan (plan), sumber daya (source), proses produksi (make), pengiriman (deliver) dan pengembalian (return) seperti yang disajikan pada Gambar 1. Fungsi dari ke lima proses inti dalam model SCOR dijelaskan sebagai berikut :

9

1. Perencanaan (plan) yaitu proses merencana untuk mencapai keseimbangan antara permintaan dan pasokan yang terkait dengan kegiatan pengadaan (procurement), produksi dan distribusi. Perencanaan terdiri atas perencanaan dan pengendalian persediaan, perencanaan material, perencanaan kapasitas, perencanaan kebutuhan distribusi, serta melakukan penyesuaian (aligment)

antara supply chain plan dan financial plan.

2. Pengadaan sumber daya (source) merupakan proses pengadaan barang maupun jasa untuk memenuhi permintaan. Proses yang dicakup termasuk penjadwalan pengiriman dan proses penerimaan dari pemasok, memilih pemasok, mengevaluasi kinerja pemasok. Jenis proses berbeda tergantung apakah barang yang dibeli termasuk stocked, make to order, atau engineer to order.

Gambar 1 Komponen utama proses manajemen dalam SCOR model (Bolstorf dan Rosenbaum, 2003)

3. Produksi (make) merupakan proses untuk mentransformasi bahan baku atau komponen menjadi produk yang diinginkan pelanggan. Kegiatan produksi dilakukan atas dasar ramalan untuk memenuhi target persediaan sesuai dengan strategi produksi make to stock, make to order atau engineer to order. Kegiatan yang dilakukan antara lain penjadwalan produksi, melakukan kegiatan produksi, pengendalian kualitas, mengelola persediaan.

10

4. Pengiriman (delivery) merupakan proses untuk memenuhi permintaan pelanggan, meliputi pengelolaan pesanan, transportasi dan distribusi. Proses yang terlibat diantaranya menangani pesanan pelanggan, memilih perusahaan jasa pengiriman dan mengirim tagihan kepada pelanggan

5. Pengembalian (return) yaitu proses yang meliputi kegiatan menerima pengembalian produk dari pelanggan karena berbagai alasan, mengidentifikasi kondisi produk, meminta otorisasi pengembalian produk, penjadwalan serta melakukan pengiriman kembali.

Kerangka SCOR menyediakan berbagai variasi ukuran kinerja untuk mengevaluasi rantai pasok yang disusun dalam beberapa tingkatan metrik ukuran yang berasosiasi pada salah satu dari atribut kinerja yaitu 1) reliability berkaitan dengan keandalan dalam pemenuhan pesanan, 2) responsiveness berkaitan dengan kecepatan waktu respon dalam memenuhi pesanan, 3) flexibility berkaitan dengan fleksibilitas dalam beradaptasi terhadap perubahan, 4) cost berkaitan dengan biaya-biaya dalam pengelolaan proses rantai pasok 5) asset berkaitan dengan efektifitas dalam mengelola asset untuk mendukung kepuasan konsumen (Bolstorf dan Rosenbaum, 2003; Marimin et al. 2011). Salah satu ukuran yang dapat dikembangkan untuk mengukur kegiatan perencanaan yang mengacu pada metrik fleksibilitas dan realibilitasadalah bullwhip effect.

2.3 Bullwhip Effect

Menurut Pujawan (2005) dan Wang (2006) bullwhip effect atau efek cambuk adalah suatu keadaan yang terjadi dalam rantai pasok dimana pergerakan informasi permintaan dari sisi hilir (pelanggan) mengalami distorsi dan teramplifikasi sehingga terdapat variansi nilai yang cukup signifikan ketika informasi sampai pada rantai di sisi hulu. Distorsi informasi tersebut mengakibatkan serangkaian efek yang akan mengacaukan rantai pasok. Kekacauan ini disebabkan oleh terjadinya amplifikasi yang berakibat pada variabilitas permintaan dari hulu ke hilir. Diantara penyebab utama dari bullwhip effect adalah penyesuaian prakiraan permintaan (demand forecast updating) dan fluktuasi harga. Ilustrasi terjadinya distorsi informasi dalam rantai pasok dari hilir

11

ke hulu antara pengecer, distributor dan manufaktur pada suatu rantai pasok disajikan pada Gambar 2.

Gambar 2 Distorsi informasi dari hilir ke hulu dalam rantai pasok. Sumber : Flansoo dan Wouters (2000)

Variansi yang terjadi antara pesanan dan realisasi permintaan menurut Flansoo dan Wooter (2000) adalah ukuran bullwhip effect. Pengukuran bullwhip effect membutuhkan beberapa ukuran statistik, antara lain rata – rata, standar deviasi, dan koefisien variansi. Secara matematis pengukuran bullwhip effect

diformulasikan sebagai berikut :

12

Keterangan :

CV = Koefisien variansi σ = Standar deviasi µ = Rata – rata xi = Data ke – i

n = jumlah data/sampel

Koefisien Bullwhip Effect (BE) yang lebih besar dari 1 (satu) mengisyaratkan bahwa terjadi amplifikasi permintaan untuk sebuah produk. Sedangkan untuk koefisien bullwhip effect yang kurang dari 1 ( satu ) mengisyaratkan adanya penghalusan pola pesanan pada produk yang bersangkutan. Menurut Pujawan (2005) terdapat dua tantangan langsung yang harus dihadapi dalam mengelola rantai pasok, yaitu kompleksitas struktur rantai pasok dan ketidakpastian.

a. Kompleksitas struktur rantai pasok

Sistem rantaipasok sangat kompleks, melibatkan banyak pihak di dalam maupun di luar perusahaan. Kompleksitas suatu rantai pasok juga dipengaruhi oleh perbedaan bahasa, zona waktu, dan budaya antara satu perusahaan dengan perusahaan lain.

b. Ketidakpastian (uncertainty)

Ketidakpastian merupakan sumber utama kesulitan pengelolaan suatu rantai pasok Ketidakpastian menimbulkan ketidakpercayaan diri terhadap rencana yang telah dibuat. Sebagai akibatnya, perusahaan sering menciptakan pengamanan di sepanjang rantai pasok. Berdasarkan sumbernya, ada tiga klasifikasi utama ketidakpastian pada rantai pasok, yaitu : 1) ketidakpastian permintaan, 2) ketidakpastian pasokan, 3) ketidakpastian lingkungan internal.

Pengurangan bullwhip effect bisa dilakukan apabila penyebabnya dimengerti dengan baik oleh pihak – pihak pada rantai pasok. Beberapa pendekatan yang diyakini bisa mengurangi bullwhip effect adalah : 1) information

13

sharing, 2) memperpendek atau mengubah struktur rantai pasok, 3) pengurangan biaya tetap 4) menciptakan sabilitas harga, dan 5) pemendekan lead time

2.4 Perencanaan Produksi

Perencanaan produksi merupakan proses untuk merencanakan aliran bahan dari suatu sistem produksi sehingga permintaan dapat dipenuhi dalam jumlah yang tepat, waktu yang tepat dengan biaya produksi minimum. Perecanaan produksi dilakukan dengan maksud menentukan arah tindakan dalam berproduksi dengan cara mengatur, menganalisa, mengorganisasi dan koordinasi bahanm mesin, peralatan, tenaga kerja dan tindakan lain yang dibutuhkan. Salah satu model perencanaan produksi yang banyak digunakan adalah model

Manufacturing Resources Planning (MRP II) yang ditunjukkan pada Gambar 3.

Gambar 3 Manufacturing Resources Planning, MRP II

(Forgarty et al., 1991: Sheikh 2002) Perencanaan

Strategi dan Bisnis

Mengelola permintaan Perencanaan Kapasitas Kasar (RCCP) Jadual Induk Produksi (MPS) Perencanaan kebutuhan kapasitas (CRP) Perencanaan kebutuhan pemasok (VRP) Perencanaan Kebutuhan Bahan (MRP I) Perencanaan Operasi dan Penjualan Realistis Realistis Perencanaan Pengendalian Pembelian Pengendalian Lantai Pabrik Membuat Membeli Tidak Tidak Ya Ya

14

Teknik MRP II merupakan pengembangan dari teknik MRP I (Material Requirement Planning. Teknik MRP II merupakan metode perencanaan seluruh sumber daya yang dikembangkan pada industri manufaktur. Pendekatan yang digunakan adalah keterkaitan antara perencanaan pada 1) tingkat strategis yaitu perencanaan strategis dan bisnis, 2) perencanaan pada tingkat taktis yaitu pengelolaan permintaan dan 3) perencanaan operasional yang terkait dengan keputusan rencana produksi dan perencanaan kebutuhan material.

Hasil perencanaan produksi untuk diimplementasikan pada tahap produksi perlu disusun dalam bentuk rencana kebutuhan material. Pendekatan yang banyak digunakan adalah Material Requirements Planning (MRP I) merupakan pendekatan untuk menjamin agar produk dibuat tepat waktu dan tepat jumlah. Input utama MRP adalah jadwal induk produksi sedangkan output MRP adalah

Planned Order Release (rencana pemenuhan pesanan).

Masalah yang biasa ditemui dalam pengoperasian sistem MRP adanya

overstated MPS, yaitu kondisi jadwal induk produksi yang memiliki kuantitas lebih besar daripada kapasitas yang dimiliki. Hal ini akan menyebabkan persediaan bahan baku dan jumlah persediaan dalam bentuk WIP (Work In Process) meningkat yang mengakibatkan penambahan biaya. Kerangka yang menunjukkan hubungan aktifitas perencanaan dan pengendalian produksi pada MRP I yang banyak diterapkan pada industri manufaktur merupakan kegiatan perencanaan sumber daya, perencanana kapasitas hingga aktifitas pengendalian pada lantai produksi.

Untuk memeriksa kelayakan hasil rencana produksi agar dapat dilanjutkan pada tahap keputusan memproduksi atau membeli, perlu dilakukan verifikasi kelayakan melalui proses validasi dengan metode Rough Cut Capacity Planning (RCCP). Perencanaan kebutuhan kapasitas yang baik menjamin tersedianya sumber daya pada saat dibutuhkan.

2.5 Kapasitas Produksi

Rencana produksi pada umumnya disusun dalam bentuk Jadwal Induk Produksi Master Production Sheduling. MPS berfungsi untuk memberikan input

15

(MRP dan CRP), menjadwalkan pesanan produksi dan pembelian, memberikan landasan untuk penentuan kebutuhan sumber daya dan kapasitas serta memberikan dasar untuk pembuatan janji tentang penyerahan produk kepada pelanggan. Kapasitas adalah suatu ukuran kemampuan produktif dari suatu fasilitas per unit waktu. Kekurangan maupun kelebihan kapasitas memberikan dampak yang merugikan, sehingga diperlukan perencanaan kapasitas . Perencanaan kapasitas yang efektif adalah perencanaan yang menyediakan kapasitas sesuai dengan kebutuhan pada waktu yang tepat. Keterkaitan aktifitas penting dalam proses perencanaan produksi ditunjukkan pada Gambar 4. (Fogarty 1991 ; Sheikh, 2002).

Gambar 4. Hubungan aktifitas perencanaan dan pengendalian produksi (Forgarty et al., 1991: Sheikh 2002)

Untuk memeriksa apakah rencana produksi sesuai dengan ketersediaan sumber daya yang dimiliki seperti tenaga kerja dan jam mesin maka dilakukan validasi melalui penghitungan Rough Cut Capacity Planning (RCCP).

Perhitungan RCCP menentukan apakah sumber daya yang direncanakan cukup

Demand Management

Production Planning

Material Requirement

Planning Final

Assembly Shedulling

Rough Cut Capacity Planning Master

Requirement Planning

Resource Requirement

Planning

Capacity Requirement

Planning

Production Activity Control

Input/Output control

Operation Sequencing

16

untuk melaksanakan jadwal induk produksi. RCCP merupakan langkah menghitung beban untuk semua item yang dijadwalkan dan dalam periode waktu yang aktual. Jika proses RCCP mengindikasikan bahwa MPS layak dilaksanakan maka MPS akan diteruskan ke proses MRP guna menentukan bahan baku atau material, komponen dan subassemblies yang dibutuhkan.

Tahapan dalam melakukan RCCP dimulai dengan mengidentifikasi sumber daya utama, seperti work center, tenaga kerja atau material kritis, kemudian menentukan kebutuhan tiap sumber daya untuk memenuhi MPS setiap periode. Tahap selanjutnya perhitungan kapasitas nominal (Calculated Capacity)

sumber data yang tersedia setiap periode lalu melakukan perbandingan terhadap beban sumber daya, apakah terjadi underload atau overload. Penyesuaian kapasitas atau jadwal MPS harus dilakukan ketika beban sumber daya overload.

Langkah yang diperlukan untuk melaksanakan RCCP, yaitu: 1. Memperoleh informasi tentang rencana produksi dari MPS.

2. Memperoleh informasi tentang struktur produk dan waktu tunggu (lead time).

3. Menentukan bill of resources.

4. Menentukan sumber daya spesifik dan membuat laporan RCCP.

Hasil RCCP ditampilkan dalam suatu diagram yang dikenal sebagai load profile untuk menggambarkan kapasitas yang dibutuhkan dibandingkan dengan kapasitas yang tersedia. Analisis ini dilakukan untuk menguji ketersediaan kapasitas fasilitas produksi yang tersedia di dalam memenuhi jadwal induk produksi yang telah disesuaikan, karena telah memberikan ketersediaan kapasitas untuk memenuhi jadwal induk produksi yang telah ditetapkan. Proses pengolahan data ini menghasilkan jadwal induk produksi yang telah disesuaikan, karena telah memberikan gambaran tentang ketersediaan kapasitas untuk memenuhi target produksi yang disusun dalam jadwal induk produksi.

Menurut Fogarty (1991) dan Sheikh (2002) selain MPS, sumber daya yang terdapat dalam pabrik (jumlah tenaga kerja, mesin dan waktu yang tersedia) dalam melakukan RCCP dibutuhkan informasi-informasi lain, yaitu utilisasi dan efesiensi. Utilisasi adalah faktor yang mengukur performansi aktual dari pusat kerja relatif terhadap standar yang diterapkan. Sedangkan efisiensi adalah pecahan yang menggambarkan persentase waktu yang tersedia dalam pusat kerja yang

17

secara aktual digunakan untuk produksi berdasarkan pengalaman lalu. Dapat dijelaskan dengan rumus sebagai berikut:

jadwal menurut tersedia

yang jam

produksi untuk

digunakan yang

jam

Utilisasi

Penerapan RCCP juga membutuhkan data-data jumlah mesin yang digunakan, jam kerja per hari, jumlah shift per hari, dan jumlah hari kerja perbulan. Data-data tersebut diperlukan untuk menentukan jumlah kapasitas yang tersedia di dalam pabrik menggunakan rumus berikut :

Keterangan :

AC : Kapasitas yang tersedia (jam/bulan) T : Waktu yang tersedia (jam/bulan) M : Jumlah Mesin

S : Jumlah shift per hari H : Jumlah jam kerja per hari W : Jumlah hari kerja per bulan U : Utilisasi

E : Waktu Efektif (%)

Pengujian kelayakan kapasitas dalam konsep MRP dapat dilakukan dengan beberapa metode berikut :

1. Capacity Planning Using Overall Factors (CPOF)

CPOF merupakan perencanaan yang memerlukan input berupa MPS, waktu total pabrik untuk memproduksi satu item tertentu dan proporsi historis. Pendekatan ini membutuhkan data dan teknik perhitungan yang paling sedikit dibandingkan teknik lainnya, sehingga pendekatan ini paling mudah terpengaruh bila terjadi perubahan dalam volume produk maupun jumlah waktu yang diperlukan untuk menyelesaikan suatu produk. Perhitungannya dengan mengalikan proporsi historis dengan total kuantitas MPS pada periode tertentu untuk masing-masing stasiun kerja. Dari hasil perhitungan ini nantinya diperoleh waktu total yang diperlukan, total waktu ini kemudian dirata-ratakan dan dibandingkan dengan waktu kapasitas.

AC = T * U * E T = M * S * H * W

18

Data yang dibutuhkan rencana produksi dan waktu proses (unit/satuan waktu) pada setiap stasiun kerja. Rumus yang digunakan untuk perhitungan proporsi historis adalah :

T i i

WP WP PH

Dimana :

PHi : Proporsi Historis pada work center ke i WPi : Waktu proses pada work center ke i WPT : Total waktu proses.

Perhitungan untuk masing-masing stasiun kerja adalah perkalian proporsi historis masing-masing stasiun kerja dengan kapasitas total yang dibutuhkan :

KBij = PHT * KBj Keterangan :

KBij : Kebutuhan Kapasitas stasiun kerja i pada periode j PHT : Proporsi historis pada stasiun kerja i

KBj : Kapasitas yang dibutuhkan pada periode j

2. Bill of Labor Approach (BOL)

Bill of Labor Approach didefinisikan sebagai suatu daftar yang berisi jumlah tenaga kerja yang dibutuhkan untuk memproduksi suatu item. BOL

bukan merupakan routing, melainkan suatu alat untuk memperkirakan kebutuhan agar dapat digunakan item atau kelompok item-item yang yang telah terjadwal untuk menentukan kebutuhan kapasitas. Pendekatan dengan teknik ini menggunakan data yang rinci mengenai waktu baku setiap produk pada sumber-sumber utama dan masukan yang dibutuhkan adalah MPS.

Pendekatan BOL membutuhkan data rencana produksi dan data waktu standar dalam masing-masing stasiun kerja dengan cara perhitungan sebagai berikut :

Perhitungan kapasitas total pada tiap periode yaitu:

KBj = WPT * RPj

Perhitungan kebutuhan kapasitas untuk stasiun kerja i pada periode j yaitu:

19

3. Resources Profile Approach

Teknik perhitungan resource profile hampir sama dengan dua metode sebelumnya yang menggunakan pendekatan data waktu baku. Selain itu juga membutuhkan data lead time yang diperlukan pada stasiun-stasiun kerja tertentu. Pendekatan ini membutuhkan input due date untuk tiap-tiap stasiun kerja. Due date merupakan waktu dimana suatu pekerjaan harus selesai.

2.6 Prakiraan dan Pengelolaan Permintaan

Berbagai definisi dan pemahaman tentang prakiraan (forecasting) telah dikembangkan, secara garis besar prakiraan adalah proses menganalisis data historis (masa lalu) yang diproyeksikan ke dalam sebuah model untuk meperkirakan keadaan di masa yang akan datang (Groover, 2001). Teknik prakiraan dikelompokkan atas ; 1) metode kualitatif dan 2) metode kuantitatif. Peramalan dengan metode kualitatif adalah peramalan dengan melibatkan pendapat pribadi dan pakar. Metode kuantitatif dibedakan menjadi dua kategori yaitu; 1) model deret waktu (time series) yang, dan 2) metode kausal yaitu didasarkan pada hubungan sebab akibat.

Metode time series relatif banyak digunakan dalam melakukan prakiraan untuk menyusun rencana produksi, beberapa metode time series adalah, 1) metode pemulusan terdiri atas rata-rata bergerak, pemulusan eksponensial, 2) metode ARIMA yaitu gabungan metode autoregresif dan rata-rata bergerak. 3) metode Fourier, dan 4) metode jaringan syaraf tiruan.

Beberapa hal yang perlu dipertimbangkan dalam mengimplementasikan hasil prakiraan adalah nilai kesalahan peramalan dan jangka waktu (periode) prakiraan. Prakiran pasti mengandung kesalahan, besarnya nilai kesalahan dapat dihitung sebagai selisih antara nilai prakiraan dengan nilai sesungguhnya yang dikenal dengan istilah error (kesalahan). Menurut Groover (2001) dan Makridarkis et al. (1998), besarnya nilai error dapat digunakan untuk menganalisa ketepatan metode yang digunakan. Formula umum perhitungan nilai kesalahan prakiraan adalah :

20

dimana :

e

t

: kesalahan pada periode ke-i

x

t

: nilai sesungguhnya pada periode ke-i

F

t

: nilai hasil prakiraan pada periode ke-i

Ukuran nilai kesalahan sebagai ukuran bias atau selisih tidak efektif untuk menghitung jumlah kesalahan. Untuk menghindari kondisi saling menetralkan antara nilai kesalahan positif dan negatif sehingga ada kemungkinan nilai kesalahan menjadi nol, pada umunya digunakan perhitungan nilai kesalahan adalah Mean Square Error (MSE) dengan formula :

Nilai kesalahan hasil prakiraan menunjukkan kemampuan model prakiraan mengurangi ketidakpastian yang terjadi. Panjang periode prakiraan menentukan akurasi hasil peramalan, prakiraan untuk perioe yang lebih pendek lebih akurat karena faktor-faktor yang mempengaruhi permintaan relatif masih konstan. Periode yang lebih panjang mengkibatkan semakin besarnya kemungkinan terjadinya perubahan faktor-faktor yang mempengaruhi permintaan (Santoso, 2009). Terjadinya perubahan pada faktor-faktor yang mempengaruhi permintaan, mengakibatkan hasil prakiraan memiliki bias yang tinggi, sehingga diperlukan penyesuaian pada hasil prakiraan sehingga adaptif terhadap perubahan. Menurut Hanna (2009) prakiraan adalah kunci untuk menyeimbangkan antara kelebihan atau kekurangan pada tingkat produksi atau pasokan.

Pada umumnya perencanaan produksi disusun berdasarkan hasil prakiraan permintaan. Prakiraan permintaan merupakan bagian dari aktifitas pengelolaan permintaan (demand management). Pada dekade 30 tahun yang lalu prakiraan permintaan dianggap suatu aktifitas yang kurang penting. Era berkembangnya kekuatan bersaing melalui keberhasilan pengelolaan rantai pasok, demand management menjadi salah satu faktor penting untuk menciptakan keunggulan. Berbagai metode dikembangkan sehingga terjadi sinkronisasi dan kolaborasi antara sisi permintaan dan pasokan dalam sistem rantai pasok. Gambaran evolusi dari konsep demand management disajikan pada Gambar 5.

21

Gambar 5 Evolusi manajemen permintaan(Crum dan Palmatier, 2003)

Pada konsep demand management hasil prakiraan permintaan yang dijadikan landasan dalam kegiatan produksi harus dapat beradaptasi dengan perubahan sehingga penyesuaian (demand updating) bisa dilakukan dalam horizon waktu yang lebih pendek. Proses mengelola permintaan dalam model

demand mangement yang dikembangkan oleh Crum dan Palmatier (2003) yang ditunjukkan pada Gambar 6, meliputi ; 1) perencanaan permintaan, 2) komunikasi permintaan, 3) pengaruh permintaan dan 4) prioritas permintaan.

Gambar 6 Demand management process model (Crum dan Palmatier, 2003)

Pemasok dan konsumen melakukan komunikasi dalam rangka berkolaborasi dalam penyebaran informasi yang berkaitan dengan rencana permintaan. Hasil perencanaan dianalisis sehingga dapat diidentifikasi faktor yang mempengaruhi tercapainya rencana. Tidak semua rencana permintaan dapat

22

direalisasi, namun diperlukan suatu proses penyesuaian berdasarkan skala tingkat kepentingan sehingga pengelolaan permintaan ini dapat mengurangi faktor-faktor ketidakpastian.

2.7 Pendekatan Sistem

Pendekatan sistem merupakan pendekatan terpadu sebagai metodologi pemecahan masalah yang kompleks dan bersifat interdisiplin dalam suatu sistem. Ciri-ciri pendekatan sistem adalah memiliki suatu metodologi perencanaan dan pengelolaan, bersifat multidisiplin terorganisir, menggunakan model matematik, berpikir secara kualitatif serta dapat diaplikasikan dengan komputer.

Menurut Eriyatno (1999) persyaratan suatu substansi yang dikaji melalui pendekatan sistem adalah : 1) kompleks yang menggambarkan interaksi antar elemen yang cukup rumit, 2) dinamis dalam arti terdapat faktor yang berubah menurut waktu dan ada pendugaan ke masa depan, 3) probabilistik yaitu diperlukan suatu fungsi peluang didalam inferensi kesimpulan maupun rekomendasi.

Sistem dapat didefinisikan sebagai suatu gugus dari elemen yang saling berhubungan dan terorganisasi untuk mencapai suatu tujuan atau merupakan suatu gugus dari tujuan-tujuan. Tahapan pemecahan masalah dalam pendekatan sistem dimulai dengan analisis kebutuhan, identifikasi sistem dan formulasi masalah dari suatu sistem nyata. Pengkajian masalah menggunakan pendekatan sistem didasari alasan 1) memastikan bahwa pandangan menyeluruh telah dilakukan, 2) mencegah analis menyajikan secara dini definisi masalah yang spesifik, 3) mencegah analis menerapkan secara dini model tertentu, 4) memastikan lingkungan masalah didefinisikan secara luas sehingga berbagai kebutuhan yang relevan dapat dipenuhi (Simatupang 1995; Eriyatno, 1999).

2.8 Sistem Manajemen Ahli

Sistem Manajemen Ahli (SMA) merupakan integrasi dari Sistem Penunjang Keputusan (SPK) dan Sistem Pakar (Turban, 2001). SPK didefinisikan sebagai sistem berbasis komputer interaktif yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan

23

masalah-masalah tidak terstruktur (Gorry dan Scott Morton, 1971 dalam Turban, 2001). Sedangkan sistem pakar adalah suatu sistem yang menggunakan pengetahuan manusia yang tersimpan pada suatu komputer untuk menyelesaikan masalah yang membutuhkan keahlian pakar. Dalam proses pengambilan keputusan, banyak masalah tidak terstruktur dan bahkan semi terstruktur yang sangat kompleks sehingga solusinya memerlukan keahlian yang dapat diberikan oleh suatu sistem pakar. Banyak SPK canggih yang dilengkapi dengan satu komponen yang disebut sub sistem manajemen berbasis pengetahuan. Komponen ini dapat menyediakan keahlian yang diperlukan untuk memecahkan beberapa aspek masalah dan memberikan pengetahuan yang dapat meningkatkan operasi komponen SPK yang lain (Turban, 2001).

Selanjutnya Turban (2001) menyatakan integrasi sistem pakar dengan SPK dapat berupa memasukkan sistem pakar ke dalam komponen-komponen SPK atau dengan membuat sistem pakar sebagai komponen yang terpisah dari SPK. Nama lain untuk integrasi sistem pakar dengan SPK adalah SPK intelejen dan Sistem Manajemen Ahli. Konfigurasi model dasar dalam sistem manajemen ahli ditampilkan pada Gambar 7.

Gambar 7 Konfigurasi model dasar sistem manajemen ahli (Turban, 2001)

Sistim Pengolahan Terpusat Sistem Manajemen

Dialog

Model

Sistem Manajemen Basis

Model

SMA

Mekanisme Inferensi (rule-base skenario)

Pengetahuan

Sistem Manajemen Basis Pengetahuan

Data

Sistem Manajemen

Data

Pengguna

24

Tujuan perancangan sistem pakar adalah untuk mempermudah kerja atau bahkan mengganti tenaga ahli, penggabungan ilmu dan pengalaman dari beberapa tenaga ahli. Pada prinsipnya sistem pakar tersusun dari beberapa komponen yang mencakup (Marimin, 2005) :

1. Fasilitas akuisisi pengetahuan

2. Sistem berbasis pengetahuan (knowledge based system) 3. Mesin inferensi (inference engine)

4. Fasilitas untuk penjelasan dan justifikasi

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

Fasilitas akuisisi pengetahuan digunakan sebagai alat untuk mengisi atau mendapatkan pengetahuan, fakta, aturan dan model yang diperlukan oleh sistem pakar dari berbagai sumber. Tahap akuisisi pengetahuan merupakan tahap penting, kritis dan sangat menentukan keberhasilan sistem pakar yang akan dikembangkan untuk pemecahan persoalan yang biasanya dapat diselesaikan oleh seorang pakar.

Sistem basis pengetahuan merupakan bagian yang memuat obyek-obyek pengetahuan serta hubungan yang dimiliki antar obyek-obyek tersebut. Basis pengetahuan merupakan sumber kecerdasan sistem dan hal ini dimanfaatkan oleh mekanisme inferensi untuk mengambil kesimpulan. Basis pengetahuan dapat dilakukan dengan cara jaringan semantik, ekspresi logika, obyek-atribut-nilai, frame, script, kaidah produksi, jaringan neural, representasi fuzzy dan pattern invocked program.

Mesin inferensi merupakan komponen sistem pakar yang memanipulasi dan mengarahkan pengetahuan dari basis pengetahuan sehingga tercapai kesimpulan. Penarikan kesimpulan dilakukan melalui pemilihan aturan –aturan yang ada pada basis pengetahuan yang dianggap sesuai dengan fakta yang dimasukkan oleh pengguna. Mekanisme inferensi juga dapat memberikan prioritas kepada setiap aturan yang dipilih dari basis pengethauan.Terdapat dua strategi dalam mesin inferensi yaitu strategi penalaran dan strategi pengendalian (Marimin, 2005).

Fasilitas penjelasan merupakan bagian yang menerangkan penalaran, aksi ataupun rekomendasi yang dilakukan oleh sistem pakar. Interaksi manusia-mesin

25

merupakan bagian fisik dari hardware terutama yang berkaitan dengan kemudahan pengguna berkomunikasi dengan sistem masukan atau keluaran (Leary, 1985 dalam Marimin, 2005). Penghubung antara pengguna dengan sistem pakar (user inerface) merupakan tampilan sistem pakar, merupakan bagian dimana pengguna dan dan sistem pakar dapat saling berkomunikasi. Pembentukan sistem pakar secara garis besar adalah pembentukan basis pengetahuan yang diperoleh melalui akuisisi atau penyerapan pengetahuan pakar. Hasil akuisis pengetahuan disusun dalam representasi pengetahuan pada basis pengetahuan. Basis pengetahuan merupakan sumber kecerdasan yang dimanfaatkan untuk pengambilan kesimpulan oleh mesin inferensi. Tahapan pembentukan sistem pakar secara lebih rinci disajikan pada Gambar 8.

Iderntifikasi Masalah

Representasi Pengetahuan

Implementasi

Pengujian

Pengembangan Mesin Inferensi

Akuisisi Pengetahuan Mencari Sumber Pengetahuan

Mulai

Mewakili Human Expert

?

Selesai Ya Tidak

Aplikasi PROPLAN-TSR20

plikasi PROPLAN-TSR20 merupakan aplikasi pendukung model Rekayasa model sistem manajemen ahli perencanaan produksi karet spesifikasi teknis yang dirancang dalam suatu paket komputer yang dengan nama PROPLAN-TSR20. Paket program ini disusun untuk membantu pengguna, baik peneliti, pengambil kebijakan, investor, lembaga pembiayaan maupun lembaga ekonomi dalam melakukan analisa sistem perencanaan produksi karet spesifikasi teknis. Adapun uraian ini dirancang untuk membantu operasionalisasi penggunaan aplikasi PROPLAN-TSR20.

Menjalankan Aplikasi PROPLAN-TSR20

Aplikasi PROPLAN-TSR20 dapat dijalankan apabila proses instalasi berjalan dengan baik. Apabila terjadi kesalahan dalam prosedur instalasi ataupun pada saat eksekusi program, laporkan kembali kesalahan tersebut kepada system designer. Untuk menjalankan aplikasi PROPLAN-TSR20, klik tombol [Start] pada taskbar windows – kemudian pada menu Programs ditampilkan beberapa aplikasi (program group) yang terinstal dalam windows dan salah satunya adalah PROPLAN-TSR20. Arahkan pointer pada grup PROPLAN-TSR20 kemudian klik shortcut PROPLAN-TSR20 untuk mengaktifkannya.

Gambar 1. Dialog Akses Aplikasi PROPLAN-TSR20.

Halaman pertama yang ditampilkan aplikasi PROPLAN-TSR20 adalah dialog akses aplikasi yang berguna sebagai gerbang otorisasi penggunaan aplikasi. Pada dialog ini ditanyakan mengenai

passowrd akses aplikasi. Silahkan masukkan password yang sesuai untuk melanjutkan, kemudian klik

tombol [Lanjut] atau tekan [Enter] untuk menyetujuinya dan klik [Batal] atau tekan [Esc] untuk membatalkannya. Password sangat sensitif pada jenis karakter, silahkan perhatikan kembali tombol [Caps Lock] akses aplikasi tidak sukses.

Struktur Aplikasi PROPLAN-TSR20

Secara struktural konfigurasi aplikasi PROPLAN-TSR20 terdiri dari beberapa modul yang masing-masing dikonstruksi untuk memproses input berupa data untuk menghasilkan output yang berbentuk informasi, alternatif keputusan, strategi kebijakan, atau saran/upaya pengembangan. Modul-modul tersebut secara umum dikelompokkan ke dalam 3 (tiga) bagian antara lain: Perencanaan, Kapasitas Produksi, dan Kinerja. Kelompok modul tersebut dapat diakses dengan cara meng-klik kelompok bersesuaian pada panel yang ditempatkan pada bagian kanan-atas aplikasi. Sedangkan modul-modul dalam kelompok masing-masing dikumpulkan pada panel yang ditempatkan pada bagian kiri aplikasi.

Gambar 2. Struktur Sistem Aplikasi PROPLAN-TSR20 Kelompok Modul ’Home’, merupakan kelompok modul yang menyajikan deskripsi singkat aplikasi dan konfigurasi aplikasi PROPLAN-TSR20. Klik perintah ‘Home’ untuk mengaktifkan kelompok modul tersebut, kemudian pada panel kiri aplikasi disediakan beberapa perintah (shortcut) untuk menampilkan halaman-halaman dialog yaitu ‘Tentang Aplikasi’. Arahkan pointer pada shortcut yang diinginkan, kemudian klik shortcut tersebut untuk menampilkan halaman yang sesuai.

Tentang Aplikasi. Berisi informasi mengenai kredit aplikasi yang terdiri dari nama dan pemilik

aplikasi.

Home

Home:

Halaman depan aplikasi

Prakiraan:

Prakiraan harga dan volume permintaan

Perencanaan:

Perencanaan Produksi menggunakan FIS

Kapasitas Produksi:

Ketersediaan kapasitas produksi

Kinerja:

Konfigurasi Aplikasi. Berguna untuk mengganti password aplikasi. Arahkan pointer pada tombol

perintah ’Konfigurasi’ kemudian klik tombol tersebut untuk menampilkan halaman konfigurasi aplikasi.

Gambar 3. Konfigurasi Password dalam PROPLAN-TSR20

Kelompok Modul Prakiraan’ pada aplikasi PROPLAN-TSR20 dirancang untuk melakukan prakiraan harga, volume permintaan, dan kebutuhan bahan baku karet spesifikasi teknis. Untuk mengaktifkan kelompok modul tersebut dapat dilakukan dengan meng-klik tombol perintah

‘Prakiraan’ yang diletakan pada panel bagian kanan-atas aplikasi. Dalam modul ini terdapat dua sub modul yaitu sub modul prakiraan harga dan permintaan dan prakiraan kebutuhan bahan baku. Arahkan pointer pada tombol perintah yang sesuai kemudian klik tombol tersebut untuk menampilkan modul yang diinginkan.

Modul prakiraan harga dan permintaan maupun modul prakiraan kebutuhan bahan baku diolah menggunakan metode Jaringan Syaraf Tiruan (JST) yang dibangun dengan perangkat lunak eksternal yaitu Matlab. Pada dialog yang ditampilkan, pilih tombol ’Klik disini untuk melanjutkan’ untuk menampilkan modul JST dalam perangkat lunak Matlab.

Petunjuk pengguanan modul prakiraan harga dan permintaan maupun modul prakiraan kebutuhan bahan baku dengan bahasa matlab akan dijelaskan pada bagian terpisah dari dokumen petunjuk penggunaan ini.

Gambar 4. Halaman Pembuka Modul Prakiraan Harga, Permintaan, dan Bahan Baku dalam PROPLAN-TSR20

Modul ’Perencanaan’ pada aplikasi PROPLAN-TSR20 dirancang untuk untuk menyusun Jadual Induk Produksi (Master Production Scheduling, MPS). Metode yang digunakan adalah metode Fuzzy Inference System (FIS) oleh Mamdani dimana pengambilan keputusan didasarkan pada sejumlah aturan If Then Rules. Untuk mengaktifkan modul ‘Perencanaan’ dapat dilakukan dengan

meng-klik tombol perintah ‘Perencanaan’ yang diletakan pada panel bagian kanan-atas aplikasi.

Modul ’Perencanaan’ diolah menggunakan metode Jaringan Syaraf Tiruan (JST) yang dibangun

dengan perangkat lunak eksternal yaitu Matlab. Pada dialog yang ditampilkan, pilih tombol ’Klik disini untuk melanjutkan’ untuk menampilkan modul JST dalam perangkat lunak Matlab.

Petunjuk pengguanan modul ’Perencanaan’ dengan bahasa matlab akan dijelaskan pada bagian terpisah dari dokumen petunjuk penggunaan ini.

Modul ’Kapasitas Produksi’ pada aplikasi PROPLAN-TSR20 dirancang dirancang digunakan untuk menghitung apakah sumber daya yang direncanakan cukup untuk melaksanakan rencana produksi karet spesifikasi teknis jenis SIR 20 di unit pengolahan karet spesifikasi teknis. Hasil perhitungan kapasitas selanjutnya digunakan untuk menjaga keseimbangan antara kebutuhan kapasitas yang ditetapkan dalam jadual induk produksi dengan ketersediaan kapasitas di lantai produksi. Untuk menampilkan detail modul ‘Kapasitas Produksi’, arahkan pointer pada perintah

‘Kapasitas Produksi’ yang ditempatkan pada panel kanan-atas aplikasi, kemudian klik perintah tersebut.

Perencanaan

Gambar 5. Halaman Pembuka Modul Perencanaan

Gambar 6. Modul Kapasitas Produksi

Membuat dokumen baru Membuka dokumen Menyimpan dokumen

Modul ’Kinerja’ pada aplikasi PROPLAN-TSR20 dirancang dirancang untuk mengukur keberhasilan

penyusunan rencana produksi dalam

mengoptimalkan performansi rantai pasokan yang disusun disusun mengacu pada model pengukuran kinerja SCOR (Supply Chain Operations Reference Model). Untuk menampilkan detail modul Kinerja, arahkan pointer pada perintah

‘Kinerja’ yang ditempatkan pada panel kanan-atas aplikasi, kemudian klik perintah tersebut.

Gambar 7. Modul Kinerja Rantai Pasok

Mengakhiri Aplikasi

Untuk mengakhiri aplikasi PROPLAN-TSR20, gunakan tombol  ‘Close’ yang diletakkan pada

bagian kanan atas aplikasi.

Kinerja

Membuat dokumen baru Membuka dokumen Menyimpan dokumen Menampilkan nilai variasi data rencana dan realisasi Isikan angka pada sel ini untuk menambahkan data baru