Rancang bangun sistem pendukung keputusan intelijen Production Planning and Inventory Control (PPIC) adaptif pada industri pangan

(1)

RANCANG BANGUN

SISTEM PENDUKUNG KEPUTUSAN INTELIJEN

PRODUCTION PLANNING AND INVENTORY CONTROL

(PPIC) ADAPTIF PADA INDUSTRI PANGAN

IVELINE ANNE MARIE

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2012

(2)

(3)

PERNYATAAN MENGENAI DISERTASI DAN

SUMBER INFORMASI

Dengan ini saya menyatakan bahwa disertasi saya yang berjudul Rancang Bangun Sistem Pendukung Keputusan Intelijen Production Planning and Inventory Control (PPIC) Adaptif Pada Industri Pangan adalah karya saya sendiri dengan arahan komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi manapun. 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

Iveline Anne Marie NRP F361060101

(4)

(5)

ABSTRACT

IVELINE ANNE MARIE. A Design of Intelligent Decision Support System for Adaptive Production Planning and Inventory Control (PPIC) in the Food Industry. Supervised by ERIYATNO, YANDRA ARKEMAN and DADAN UMAR DAIHANI

Raw materials for the food processing industries include plant, animal and marine products, packaging materials, food ingredients and food chemicals. Characteristics of food industry raw material which is perishable and seasonal influenced the availability of the production input. Besides that, major food companies produce large quantities of semi-processed and consumer food products in continuous-flow operations, that must be utilized. The conventional PPIC Model cannot anticipate unpredictable problems and handle disturbances occurred in their production systems effectively. Thus, the objectives of this research were to develop a PPIC Model, which was suitable for food industry, and propose Disturbance Models to increase the PPIC function in order to control disturbances occurred in the production system. The research output was an Intelligent Decision Support System for Adaptive PPIC software, namely SPK IPRADIPA. SPK IPRADIPA can be used to apply the function of production planning and inventory control, which enable to adapt with the boundaries production system in food industries.

The developing PPIC models for food industry consist of Demand Management by Artificial Neural Network, Master Production Scheduling by Fuzzy Multi Objectives Linear Programming, Raw Material Inventory Planning by MRP and EOQ, Raw Material Inventory Control by Continuous Probabilistic Review System and Scheduling by Flow Shop Genetic Algorithm. Whereas, the Disturbances Control Model incorporating Operational Disturbances Control Action Sub Model, Disturbances Control Policy Follow Up Sub Model and Inventory Tolerance Sub Model. The disturbances control models can help in controlling the disturbances occurred and updating the safety stock for Raw Material and safety stock for Finished Good to adapt the PPIC System.

Keywords: food Industry, production system, PPIC models, disturbances control models, adaptive, safety stock

(6)

(7)

RINGKASAN

IVELINE ANNE MARIE. Rancang Bangun Sistem Pendukung Keputusan Intelijen Production Planning and Inventory Control (PPIC) Adaptif Pada Industri Pangan. Dibimbing oleh ERIYATNO, YANDRA ARKEMAN dan DADAN UMAR DAIHANI.

Industri pangan menjadi salah satu industri terbesar di Indonesia dalam hal jumlah perusahaan dan nilai tambah. Dengan meningkatnya jumlah penduduk Indonesia, maka kebutuhan pangan juga semakin meningkat. Hal ini sesuai dengan data Badan Pusat Statistik (BPS) yang menyatakan bahwa pertumbuhan penduduk Indonesia untuk tahun 2010 sebesar 15.21% dengan persentase rata-rata pengeluaran rumah tangga untuk konsumsi makanan pada tahun 2009 mencapai 50.62% didominasi untuk makanan jadi sebesar 12.63% (BPS, 2010). Dengan meningkatnya kebutuhan pangan, maka peluang bagi industri-industri pangan untuk terus berkembang menjadi semakin besar.

Dalam menjalankan kegiatan produksinya, industri pangan melakukan proses transformasi input produksi menjadi output produk pangan dalam suatu sistem yang dinamakan internal sistem produksi. Kegiatan industri ini dilakukan untuk mendapatkan keuntungan berdasarkan nilai tambah yang diperoleh dari kegiatan sistem produksi. Ketersediaan input produksi industri pangan khususnya bahan baku agroindustri yang memiliki karakteristik perishable dan musiman akan mempengaruhi ketersediaan sistem produksi pangan untuk keberlangsungan dan kelancaran berproduksi. Interaksi antar input produksi yang terjadi selama proses produksi berlangsung juga dapat menyebabkan terjadinya penurunan efisiensi produksi. Penurunan efisiensi produksi dalam kegiatan internal sistem produksi ini makin bertambah bila terjadi gangguan dengan adanya input produksi yang tidak berfungsi secara maksimal. Kondisi ketersediaan input produksi dan kegiatan internal sistem produksi yang rawan gangguan, ditambah dengan adanya permintaan yang tidak pasti menjadi permasalahan bagi perusahaan pangan.

Perencanaan Produksi dan Pengendalian Persediaan (Production Planning and Inventory Control) atau umumnya disingkat PPIC menjadi salah satu kegiatan utama sistem produksi. Model PPIC konvensional yang masih banyak digunakan oleh industri saat ini terdiri atas sub model Prakiraan Permintaan, sub model Penjadwalan Induk Produksi, sub model Perencanaan Kebutuhan Bahan Baku, sub model Penjadwalan Produksi yang umumnya tidak terintegrasi dalam pengelolaan data. Tiap sub model juga masih menggunakan metode yang bersifat heuristik dan belum mampu menyesuaikan secara fleksibel untuk mengendalikan gangguan-gangguan sistem produksi industri pangan. Hal ini dinyatakan oleh Koh dan Saad (2003) dalam Nieuwenhuyse, et.al.(2005) yang mengulas perkembangan aplikasi sistem PPIC pada perusahaan agroindustri modern saat ini dengan pemanfaatan sistem Enterprises Resources Planning (ERP), dimana model PPIC yang dikembangkan dalam ERP masih terdapat banyak kelemahan yang ditunjukkan dengan kurang baiknya performansi ERP dalam menghadapi ketidakpastian.

Ketidakpastian sistem produksi timbul dalam bentuk gangguan-gangguan sistem produksi. Adanya gangguan sistem produksi menyebabkan penyimpangan (variansi) antara perencanaan dengan kondisi aktual. Berikutnya, penyimpangan

(8)

yang terjadi akan menyebabkan ketidakefisienan serta menghambat tercapainya target perusahaan sehingga menurunkan produktivitas pada industri.

Pemanfaatan model-model keputusan yang cerdas pada setiap subsistem PPIC akan menurunkan terjadinya penyimpangan sehingga dapat meningkatkan performansi sistem PPIC secara keseluruhan. Model keputusan PPIC yang cerdas didukung dengan kualitas sistem informasi yang baik akan menghasilkan keputusan yang efektif dalam kegiatan perencanaan produksi dan pengendalian persediaan. Dampak dari keputusan yang efektif adalah tercapainya target perusahaan dan peningkatan produktivitas pada industri.

Penelitian ini bertujuan untuk mendapatkan model PPIC Adaptif Industri Pangan yang cerdas dan dapat mengendalikan gangguan pada sistem produksi industri pangan. Luaran penelitian ini menghasilkan perangkat lunak Sistem Pendukung Keputusan Intelijen PPIC Adaptif yang dinamai SPK IPRADIPA yang dapat dipakai untuk menjalankan fungsi perencanaan produksi dan pengendalian persediaan yang mampu mengendalikan gangguan sistem produksi pada industri pangan.

Pada awal penelitian dilakukan kegiatan studi lapangan bersamaan dengan kegiatan studi literatur untuk mendapatkan model-model PPIC yang diterapkan pada industri pangan berbasis tepung terigu (diantaranya industri penghasil roti, mie dan biskuit) yang telah melakukan kegiatan PPIC di perusahaannya. Dari kegiatan studi literatur yang dilakukan didapatkan model-model keputusan dalam PPIC yang sesuai dengan karakteristik industri pangan. Selanjutnya, dilakukan rancang bangun SPK IPRADIPA berupa prototipe sistem. Implementasi SPK IPRADIPA dilakukan dengan menggunakan data sampel pada perusahaan roti, PT NIC, Tbk.

Rancang bangun SPK IPRADIPA menghasilkan model-model keputusan perencanaan produksi dan pengendalian persediaan yang cerdas yaitu model Prakiraan Permintaan menggunakan metode Jaringan Syaraf Tiruan, model Penjadwalan Induk Produksi menggunakan metode Fuzzy Multi Objective Linear Programming, model Perencanaan Persediaan Bahan Baku berdasarkan metode

Material Requirement Planning (MRP) menggunakan teknik lot sizing Economic Order Quantity (EOQ) dan telah memasukkan perhitungan persediaan pengaman (safety stock). SPK IPRADIPA ini selanjutnya didukung oleh model Pengendalian Persediaan Bahan Baku dengan menggunakan pendekatan Continuous Review System dengan memperhatikan titik pemesanan kembali (Reorder Point) yang juga mempertimbangkan persediaan pengaman. Untuk mendukung keputusan penjadwalan produksi, SPK IPRADIPA dilengkapi dengan model penentuan urutan pengerjaan lot produksi menggunakan metode Flowshop Genetic Algorithm.

Mempertimbangkan kebutuhan pengendalian gangguan sistem produksi industri pangan, dikembangkan model Pengendalian Gangguan yang akan diintegrasikan dengan model PPIC Adaptif pada SPK IPRADIPA. Model Pengendalian Gangguan menghasilkan rekomendasi menghasilkan rekomendasi aksi pengendalian gangguan dengan menggunakan mekanisme protokol atau rule base. Sub model Kebijakan Lanjutan Pengendalian Gangguan menghasilkan keputusan kebijakan lanjutan pengendalian gangguan menggunakan teknik klasifikasi dengan pendekatan Data Mining. Sub model Toleransi Persediaan

(9)

menghasilkan nilai persediaan pengaman dengan menggunakan metode Rata-rata Gangguan.

Hasil implementasi prototipe SPK IPRADIPA dengan menggunakan data sampel pada perusahaan roti PT NIC, Tbk, menunjukkan bahwa model PPIC Intelijen memiliki kelebihan dibandingkan dengan model PPIC konvensional, karena memiliki kemampuan intelijen yang dapat meningkatkan performansi sistem produksi dalam hal meminimalkan kesalahan prakiraan permintaan, biaya produksi, biaya persediaan, waktu penyelesaian produksi, serta memaksimalkan utilisasi produksi. Model PPIC Intelijen ini bersifat adaptif karena dapat memperbaharui nilai persediaan pengaman yang diperoleh dari Model Pengendalian Gangguan, dan akan menjadi data masukan dalam model keputusan PPIC Intelijen.

Verifikasi model dilakukan untuk membuktikan bahwa program komputer pendukung sistem dapat menjalankan proses perhitungan sesuai dengan rancangan konsep dan formulasi matematis. Program komputer menggunakan bahasa pemograman MATLAB R2010a versi pelajar dan Microsoft Excel Solver.Teknik validasi model menggunakan validitas rupa yang memungkinkan penilaian model berdasarkan pendapat ahli. Berikutnya hasil rancang bangun IPRADIPA yang telah dirancang secara konseptual ini diterapkan dengan pembuatan prototipe sistem berdasarkan kasus pada industri roti, PT NIC, Tbk.

Hasil rancang bangun SPK IPRADIPA memiliki submodel PPIC yang berkolaborasi dengan model pengendalian gangguan yang sesuai untuk industri pangan. Model PPIC Adaptif ini memiliki nilai tambah dibandingkan model PPIC konvensional karena memiliki subfungsi PPIC yang intelijen dan adaptif yang dapat meningkatkan performansi industri pangan untuk tujuan efisiensi dan efektivitas sistem produksi. Kriteria performansi yang terukur adalah: minimasi kesalahan (error) prakiraan permintaan, minimasi biaya produksi, maksimasi utilisasi produksi, minimasi biaya persediaan bahan baku dan minimasi waktu penyelesaian produksi (makespan).

Untuk penelitian selanjutnya, dapat dilakukan perluasan pemanfaatan model PPIC Adaptif pada industri pangan lainnya dengan mempertimbangkan faktor-faktor pembeda sesuai dengan kebutuhan industri pangan terkait. Rancang bangun model PPIC Adaptif dapat dikembangkan lebih lanjut oleh pihak pengembang Enterprise Resources Planning untuk mengatasi kelemahan modul PPIC dalam menghadapi kondisi ketidakpastian. Aplikasi rancang bangun SPK IPRADIPA ini diharapkan dapat meningkatkan produktivitas dan nilai tambah industri pangan untuk mendukung pemenuhan kebutuhan pangan bagi masyarakat Indonesia.

Kata kunci : perencanaan produksi, persediaan, adaptif, industri pangan, pengendalian Gangguan, persediaan pengaman, intelijen, optimasi, algoritma genetika.

(10)

(11)

© Hak cipta milik IPB, tahun 2012 Hak cipta dilindungi Undang-undang

1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber

a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah.

b. Pengutipan tidak merugikan kepentingan yang wajar IPB.

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

(12)

(13)

RANCANG BANGUN

SISTEM PENDUKUNG KEPUTUSAN INTELIJEN

PRODUCTION PLANNING AND INVENTORY CONTROL

(PPIC) ADAPTIF PADA INDUSTRI PANGAN

IVELINE ANNE MARIE

Disertasi

Sebagai salah satu syarat untuk memperoleh gelar Doktor pada

Program Studi Teknologi Industri Pertanian

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2012

(14)

Ujian Tertutup 1. : 2. 3. 4.

Penguji Luar Komisi 5. : 6. 1. Prof. Dr. Ir. Ani Suryani, DEA 7. Guru Besar Teknologi Industri Pertanian 8. Fakultas Teknologi Pertanian

9. Institut Pertanian Bogor

2. Dr. Ir. Hartrisari Hardjomidjojo, DEA

Head of Enterprise Development Centre, SEAMEO BIOTROP

Pelaksanaan : 22 Desember 2011

Ujian Terbuka :

Penguji Luar Komisi : 1. Prof. Dr. Ir. T. Yuri M. Zagloel, MEng.,Sc. Ketua Departemen Industri Universitas Indonesia

2. Prof. Dr. Ir. Purwiyatno Hariyadi, MSc. Direktur Seafast Center Institut Pertanian Bogor

(15)

Judul Disertasi : Rancang Bangun Sistem Pendukung Keputusan Intelijen

Production Planning and Inventory Control (PPIC) Adaptif pada Industri Pangan

Nama Mahasiswa : Iveline Anne Marie

NIM : F361060101

Program Studi : Teknologi Industri Pertanian

Disetujui

Komisi Pembimbing

Prof. Dr. Ir. Eriyatno, MSAE Dr. Ir. Yandra Arkeman,M.Eng.

Ketua Anggota

Prof. Dr. Ir. Dadan Umar Daihani, DEA Anggota

Diketahui

Ketua Program Studi Dekan Sekolah Pascasarjana Teknologi Industri Pertanian

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

(16)

(17)

PRAKATA

Puji syukur kepada Allah Bapa, Putra dan Roh Kudus penulis haturkan karena berkat, kasih dan kuasaNya yang begitu besar, disertasi yang berjudul Rancang Bangun Sistem Pendukung Keputusan Intelijen Production Planning and Inventory Control (PPIC) Adaptif Pada Industri Pangan dapat terselesaikan dengan baik. Disertasi ini disusun sebagai salah satu syarat untuk mendapatkan gelar Doktor pada Program Studi Teknologi Industri Pertanian, Sekolah Pascasarjana Institut Pertanian Bogor.

Pada kesempatan ini, penulis ingin menyampaikan hormat, penghargaan dan ucapan terimakasih yang mendalam kepada Bapak Prof. Dr. Ir. Eriyatno, MSAE sebagai ketua komisi pembimbing yang telah memberikan bimbingan, pengetahuan, pemikiran, arahan dan waktu tanpa kenal lelah serta terus memotivasi dan mendorong semangat penulis untuk terus berjuang hingga terselesaikannya disertasi ini. Juga kepada kepada Bapak Prof. Dr. Ir. Dadan Umar Daihani, DEA, yang telah bersedia menjadi anggota komisi pembimbing bersama Dr. Ir. Yandra Arkeman, MEng. yang secara konsisten dan tidak bosan untuk terus membimbing dan memberikan pemikiran dan pengarahan dengan sangat baik hingga terselesaikannya disertasi ini.

Kelancaran kegiatan penelitian tidak terlepas dari bantuan Bapak Yusuf Hady selaku Direktur PT NIC, Tbk., Bapak Marlan Rustiawan, Bapak Leo Ginting, Ibu Wahyuni, ibu Biah Subriah dan kawan-kawan PT NIC, Tbk. lainnya yang telah memberikan banyak kemudahan dan bantuan selama proses studi lapangan yang dilakukan penulis.

Penulis bersyukur atas kasih, dukungan dan pengertian keluarga penulis terkasih, suami, Andrew Hartono Budiarso dan anak-anak (Michael Nathaniel, Marvel Nathaniel dan Maria Nathania) yang tidak henti berharap untuk terselesaikannya studi S-3 penulis di IPB dengan baik.

Penyelesaian disertasi ini tak luput dari doa dan dukungan motivasi terus menerus yang penulis dapatkan dari ayahanda, Bapak Herman J. Kusumadiantho, kakak, Ivonne Krisanty, adik, Edward William dan Bernard Wiradharma, keluarga

(18)

ibunda terkasih (alm. Angela Lidwina) dan anggota keluarga lainnya yang sangat mengharapkan penyelesaian studi S-3 ini.

Ucapan terimakasih juga disampaikan kepada Rektor Universitas Trisakti, Dekan Fakultas Teknologi Industri Universitas Trisakti dan Ketua Jurusan Teknik Industri Universitas Trisakti yang telah memberikan ijin studi S-3 , bantuan dana pendidikan dan dukungan motivasinya sejak tahun akademik 2006/2007 hingga terselesaikannya studi ini.

Pada kesempatan ini penulis juga mengucapkan banyak terimakasih pada Ketua Program Studi TIP Dr. Ir. Machfud, MS, Sekretaris Program Studi TIP Dr. Ir. Taufik Djatna serta semua staf dosen dan karyawan TIP IPB. Ucapan terimakasih juga penulis sampaikan secara khusus kepada pada ibu Ir. Hendrastuti Agoeng, MT, teman seperjuangan di TIP, ibu Dr.dra. Pudji Astuti, MT dan juga ibu Juniati Gunawan, Ph.D atas semua bantuan, pemikiran, empati dan dukungan motivasi untuk penyelesaian studi ini. Tidak terlupa ucapan terimakasih penulis sampaikan kepada kawan-kawan staf dosen dan karyawan di Jurusan Teknik Industri Universitas Trisakti serta kawan-kawan program Pascasarjana Teknologi Industri Pertanian IPB lainnya yang tak kenal lelah memotivasi penyelesaian studi S-3 penulis di IPB.

Ucapan terimakasih juga penulis haturkan kepada Gibtha Fitri Laxmi, SKom. dan bapak Roni Wijaya, ST yang telah membantu dalam perancangan perangkat lunak, juga kepada banyak pihak lainnya yang telah memberikan bantuan dan saran hingga terselesaikannya disertasi ini dengan baik. Semoga tulisan disertasi ini dapat memberikan manfaat untuk banyak pihak serta menjadi titik awal penulis untuk terus menghasilkan karya-karya lainnya.

Jakarta, Januari 2012 Iveline Anne Marie

(19)

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta pada tanggal 19 Januari 1969 sebagai anak kedua dari pasangan Herman J. Kusumadiantho dan alm. Angela Lidwina. Pendidikan Sarjana Strata 1 ditempuh di Jurusan Teknik Industri Universitas Trisakti, Fakultas Teknologi Industri, Universitas Trisakti (USAKTI), masuk pada tahun 1987 dan lulus pada tahun 1992. Selama menempuh studi S-1 di USAKTI pada tahun 1989, penulis berkesempatan untuk mendapatkan pengalaman sebagai guru musik electone di beberapa sekolah musik lisensi Yayasan Musik Indonesia di Jakarta hingga tahun 2000.

Setelah tamat S-1 pada tahun 1992, sejak tahun 1993 hingga saat ini, penulis diterima sebagai staf pengajar di Jurusan Teknik Industri Universitas Trisakti. Pada tahun 1995, penulis menikah dengan Andrew Hartono Budiarso dan dikaruniai tiga putra/i : Michael Nathaniel Budiarso (15 tahun), Marvel Nathaniel Budiarso (11 tahun) dan Maria Nathania Budiarso (6 tahun).

Pada tahun 1997, penulis diberi tugas belajar untuk melanjutkan studi S-2 di Jurusan Teknik Mesin kekhususan Manajemen Industri pada Program Pascasarjana Universitas Indonesia (UI) dan lulus pada tahun 1999. Pada tahun 2006 penulis mendapatkan kesempatan untuk melanjutkan studi program Doktor pada Program Studi Teknologi Industri Pertanian di Sekolah Pascasarjana Institut Pertanian Bogor (IPB).

Sebuah artikel telah diterbitkan dengan judul Prakiraan Permintaan Produk Roti Berdasarkan Metode Jaringan Syaraf Tiruan Untuk Peningkatan Fungsi PPIC Pada Industri Pangan pada Jurnal Teknologi Industri No. 3 Volume 13 pada tahun 2011. Artikel lain yang juga telah diterbitkan berjudul Model Design of Adaptive Production Planning and Inventory Control (PPIC) in the Food Industry pada jurnal Asian Transactions on Engineering (ATE ISSN:2221-4267) bulan September 2011. Berikutnya, artikel berjudul Penentuan Jumlah Produksi Menggunakan Model Fuzzy Multi Objective Linear Programming pada Industri Pangan (Studi Kasus pada Industri Roti PT NIC) akan diterbitkan pada Jurnal Teknik Industri pada bulan Maret 2012. Karya-karya ilmiah tersebut merupakan bagian dari program S3 penulis.

(20)

(21)

DAFTAR ISI

1 PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Tujuan Penelitian ... 4

1.3 Ruang Lingkup ... 5

1.4 Manfaat Penelitian ... 5

2 TINJAUAN PUSTAKA ... 7

2.1 Production Planning and Inventory Control (PPIC) ... 7

2.2 Ketidakpastian dalam PPIC ... 9

2.3 Industri Pangan ... 12

2.4 Persediaan (Inventory) ... 14

2.5 Manajemen Permintaan ... 17

2.6 Metode Jaringan Syaraf Tiruan ... 18

2.7 Penentuan Jadwal Induk Produksi (Master Production Scheduling/MPS) ... 21

2.7.1 Model Fuzzy Multi Objective Linear Programming ... 21

2.7.2 Fungsi Keanggotan Kurva-S Termodifikasi ... 22

2.8 Perencanaan Kebutuhan Bahan Baku / Material Requirement Planning (MRP) ... 24

2.9 Penjadwalan Flowshop – Genetic Algorithm ... 26

2.10 Sistem Pendukung Keputusan Intelijen ... 29

2.11 Teknik Klasifikasi dalam Data Mining ... 31

3 METODOLOGI PENELITIAN ... 33

3.1 Kerangka Pemikiran ... 33

3.2 Tahapan Penelitian ... 35

3.3 Tata Laksana ... 37

3.3.1 Waktu dan Lokasi Penelitian ... 37

3.3.2 Jenis dan Sumber Data ... 37

4 PEMODELAN SISTEM ... 39

(22)

4.2 Identifikasi Sistem ... 43 4.2.1 Kegiatan PPIC pada Industri Pangan ... 43 4.2.2 Identifikasi Gangguan Sistem Produksi Industri Pangan .... 46 4.3 Pengembangan Model PPIC pada Industri Pangan ... 50

4.3.1 Model Keputusan Prakiraan Permintaan : Artificial

Neural Network/Jaringan Syaraf Tiruan (JST) ... 52 4.3.2 Model Keputusan Penjadwalan Induk Produiksi : Fuzzy

Multi Objective Linear Programming ... 56 4.3.3 Model Keputusan Perencanaan dan Pengendalian

Persediaan Bahan Baku : Material Requirement Planning

(MRP) ... 60 4.3.4 Model Penentuan Urutan Job Produksi : Penjadwalan

Flowshop Genetic Algorithm ... 62 4.3.5 Model Penentuan Rute Pengiriman : Travelling Salesman

Problem Genetic Algorithm ... 63 4.4 Model Pengendalian Gangguan ... 63 4.4.1 Sub Model Aksi Pengendalian Gangguan ... 66 4.4.2 Sub Model Kebijakan Lanjutan ... 66 4.4.3 Sub Model Perhitungan Toleransi Persediaan ... 70 4.5 Keterkaitan Model PPIC dan Model Pengendalian Gangguan ... 78 4.6 Performansi Model PPIC Adaptif ... 83 5 RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN ... 85

5.1 Analisis Kebutuhan Sistem Pendukung Keputusan Production

Planning and Inventory Control (PPIC) Adaptif ... 85 5.2 Perancangan SPK IPRADIPA ... 88 5.2.1 Pemodelan Aliran Proses ... 88 5.2.2 Pemodelan Database ... 99 5.2.3 Perancangan Sistem Dialog ... 101 6 IMPLEMENTASI ... 103 6.1 Implementasi SPK PPIC Adaptif ... 103 6.1.1 Implementasi Model Prakiraan Permintaan ... 105 6.1.2 Implementasi Model Penjadwalan Induk Produksi ... 109

(23)

6.1.3 Implementasi Model Perencanaan dan Pengendalian

Persediaan Bahan Baku ... 113 6.1.4 Implementasi Model Penentuan Urutan Job Produksi ... 118 6.1.5 Implementasi Model Pengendalian Gangguan ... 122 6.2 Analisis Hasil Implementasi SPK PPIC Adaptif ... 127 6.3 Analisis Rancangan SPK PPIC Adaptif pada Industri Pangan .... 131 6.3.1 Keunggulan SPK PPIC Adaptif ... 131 6.3.2 Keterbatasan SPK PPIC Adaptif ... 132 6.4 Pemanfaatan SPK PPIC Adaptif untuk Industri Pangan

Lainnya ... 133 7 Simpulan dan Saran ... 137 7.1 Simpulan ... 137 7.2 Saran ... 138

DAFTAR PUSTAKA……… 141

(24)

(25)

DAFTAR TABEL

Tabel 1 Gangguan internal dan eksternal ... 46 Tabel 2 Faktor penilaian gangguan ... `68 Tabel 3 Aturan keputusan penentuan follow up kebijakan pengendalian

gangguan ... 69 Tabel 4 Pelaksana kebijakan lanjutan pengendalian gangguan ... 69 Tabel 5 Faktor lain-lain yang mempengaruhi % persediaan pengaman

...

Tabel 6 Keterkaitan model PPIC dan variansi pada model pengendalian

gangguan ... 82 Tabel 7 Perbandingan akurasi metode time series dan JST ... 188 Tabel 8 Recipe bahan baku untuk tiap produk roti ... 190 Tabel 9 Data waktu produksi dan kapasitas produksi lini roti tawar ... 191 Tabel 10 Perhitungan nilai fungsi tujuan MPS hari ke-1 untuk berbagai

nilai µbi ... 192 Tabel 11 Perhitungan nilai dan ranking untuk berbagai nilai µbi data MPS

hari ke-1 ... 193 Tabel 12 Nilai fuzzy untuk variabel model MPS dengan µbi = 0.6 untuk

MPS hari ke-1 ... 194 Tabel 13 Model matematis optimasi MPS ... 199 Tabel 14 Hasil prakiraan permintaan jangka menengah produk roti untuk

perhitungan MRP ... 202 Tabel 15 Recipe roti dan batas minimum persediaan bahan baku ... 204 Tabel 16 Informasi bahan baku kelas A untuk produksi roti ... 205 Tabel 17 Perhitungan kebutuhan tepung terigu (gram) berdasarkan

prakiraan permintaan ... 206 Tabel 18 Rekapitulasi kebutuhan bahan baku sesuai prakiraan

permintaan seluruh varian produk roti ... 208 Tabel 19 Input data perhitungan EOQ bahan baku tepung terigu ... 210 Tabel 20 Hasil perhitungan EOQ dan total biaya persediaan bahan baku

(26)

tepung terigu ... 211 Tabel 21 Rekapitulasi perhitungan EOQ dan total biaya persediaan ... 212 Tabel 22 Rekapitulasi ukuran pemesanan dan total biaya persediaan

perusahaan ... 213 Tabel 23 Perhitungan % persediaan pengaman bahan baku dan Reorder

Point ... 214 Tabel 24 Contoh perhitungan MRP tepung terigu ... 215 Tabel 25 Output MPS ... 216 Tabel 26 Perhitungan kebutuhan bahan baku sesuai MPS hari ke-1 ... 218 Tabel 27 Perhitungan pengendalian persediaanbahan baku tepung terigu . 218 Tabel 28 Permintaan produk roti hari ke 1 – 5 ... 219 Tabel 29 Ukuran batch produk roti ... 219 Tabel 30 Job pada lini 1 dan lini 2 roti tawar ... 220 Tabel 31 Waktu proses lini roti tawar ... 221 Tabel 32 Hasil perhitungan kebutuhan waktu proses pengerjaan job pada

lini 1 roti tawar ... 222 Tabel 33 Kegiatan pengendalian gangguan ... 225 Tabel 34 Sumber gangguan ... 232 Tabel 35 Penentuan kebijakan lanjutan pengendalian gangguan ... 233 Tabel 36 Input data untuk perhitungan perubahan % persediaan

pengaman ...

234

Tabel 37 Contoh perhitungan % persediaan pengaman bahan baku(RM)

dan % persediaan pengamanproduk jadi (FG) ... 246 Tabel 38 Kategori gangguan dalam penentuan kebutuhan kebijakan

lanjutan pengendalian gangguan ... 247 Tabel 39 Data keputusan kebutuhan Kebijakan Lanjutan Pengendalian

Gangguan ... 248 Tabel 40 Keputusan Kategori Frekuensi ... 249 Tabel 41 Keputusan Kategori Keparahan ... 249 Tabel 42 Keputusan Kategori Dampak ... 249 Tabel 43 Keputusan tabulasi silang Frekuensi Sering – Keparahan ... 250 Tabel 44 Keputusan tabulasi silang Frekuensi Sering – Dampak ... 250

(27)

Tabel 45 Keputusan tabulasi silang Keparahan – Sangat Parah dengan

(28)

DAFTAR GAMBAR

Gambar 1 Lingkup kegiatan Production Planning & Inventory Control

(PPIC) sebagai bagian dari Manufacturing Resources

Planning (MRP II) ... 9 Gambar 2 Struktur jaringan syaraf tiruan ... 20 Gambar 3 Fungsi sigmoid biner ... 20 Gambar 4 Fungsi keanggotaan μbi dan interval fuzzy bi ... 23 Gambar 5 Kerangka pemikiran mengenai gangguan sistem produksi

industri pangan ... 33 Gambar 6 Kerangka pemikiran adanya variansi yang disebabkan

gangguan ... 34 Gambar 7 Tahapan penelitian ... 36 Gambar 8 Diagram lingkar permasalahan PPIC industri pangan ... 41 Gambar 9 Diagram input output sistem pendukung keputusan PPIC

Adaptif pada industri pangan ... 49 Gambar 10 Model PPIC pada industri pangan ... 52 Gambar 11 Flowchart model Prakiraan Permintaan menggunakan JST ... 53 Gambar 12 Tahapan perhitungan Perencanaan Jadwal Induk Produksi

berdasarkan Fuzzy Multi Objective Linear Programming ...

Gambar 13 Kerangka pemikiran model pengendalian gangguan ... 64 Gambar 14 Keterkaitan antar sub model Pengendalian Gangguan ... 65 Gambar 15 Sub model Kebijakan Lanjutan Pengendalian Gangguan ... 67 Gambar 16 Pohon keputusan penentuan perlunya kebijakan lanjutan

pengendalian gangguan ... 68 Gambar 17 Keterkaitan antara variansi dengan % persediaan pengaman

produk jadi dan % persediaan pengaman bahan baku ... 73 Gambar 18 Flowchart perhitungan % persediaan pengaman bahan baku

dan % persediaan pengaman produk jadi berdasarkan

metode rata-rata gangguan ... 78 Gambar 19 Keterkaitan antara % persediaan pengaman produk jadi , %

(29)

persediaan pengaman bahan baku dan model PPIC ... 79 Gambar 20 Keterkaitan antar model keputusan PPIC ... 86 Gambar 21 Kerangka Sistem Pendukung Keputusan Intelijen PPIC

Adaptif ... 87 Gambar 22 Diagram konteks SPK Intelijen PPIC Adaptif pada industri

pangan ...

Gambar 23 Dekomposisi fungsi SPK Intelijen PPIC Adaptif industri pangan ...

Gambar 24 Data flow diagram level 1 SPK Intelijen PPIC Adaptif pada

industri pangan ... 93 Gambar 25 Data flow diagram level 2 Prakiraan Permintaan ... 94 Gambar 26 Data flow diagram level 2 Penjadwalan Induk Produksi ... 94 Gambar 27 Data flow diagram level 2 Perencanaan Persediaan Bahan

Baku ... 95 Gambar 28 Data flow diagram level 2 Pengendalian Persediaan Bahan

Baku ... 96 Gambar 29 Data flow diagram level 2 Penentuan Urutan Job Produksi.... 97 Gambar 30 Data flow diagram level 2 Pengendalian Gangguan ... 98 Gambar 31 Diagram keterkaitan entitas SPK Intelijen PPIC Adaptif ... 100 Gambar 32 Tampilan halaman utama SPK Intelijen PPIC Adaptif

Industri Pangan (IPRADIPA) ...

103

Gambar 33 Tampilan menu bar SPK Intelijen PPIC Adaptif Industri

Pangan ... 104 Gambar 34 Tampilan sub menu Demand Management ... 105 Gambar 35 Tampilan menu input Demand Management ... 105 Gambar 36 Tampilan input parameter JST ... 106 Gambar 37 Tampilan menu output JST produk roti ... 107 Gambar 38 Tampilan menu proses JST ... 108 Gambar 39 Tampilan grafik MSE proses training JST setelah

performansi terbaik diperoleh ... 108 Gambar 40 Tampilan menu output model JST ... 109 Gambar 41 Tampilan menu MPS_Sub Menu Demand Total ... 110

(30)

Gambar 42 Tampilan menu MPS_Sub Menu Bahan Baku ... 110 Gambar 43 Tampilan menu MPS_Sub Menu Waktu Produksi ... 111 Gambar 44 Tampilan menu MPS_Sub Menu Koefisien Fuzzy ... 111 Gambar 45 Tampilan menu MPS_Sub Menu Linear Programming ... 112 Gambar 46 Tampilan menu optimasi MPS_Output Hari -1 MPS ... 113 Gambar 47 Tampilan menu MRP_Sub Menu Peramalan Permintaan ... 114 Gambar 48 Tampilan menu MRP_Sub Menu Kebutuhan Bahan .,... 115 Gambar 49 Tampilan menu MRP_Sub Menu Deskripsi Bahan ... 115 Gambar 50 Tampilan menu MRP_Sub Menu Perhitungan EOQ ... 116 Gambar 51 Tampilan menu MRP_Sub Menu Resume EOQ ... 117 Gambar 52 Tampilan menu MRP_Sub Menu Perencanaan Inventory 117 Gambar 53 Tampilan menu MRP_Ketersediaan Bahan Baku

mempertimbangkan output MPS hari-1 ... 118 Gambar 54 Tampilan menu input Genetic Algorithm .... 119 Gambar 55 Tampilan input data menu Genetic Algorithm... 119 Gambar 56 Tampilan output proses Genetic Algorithm ... 120 Gambar 57 Tampilan output urutan job produksi hasil Genetic

Algorithm ... 121 Gambar 58 Tampilan menu output Gantt Chart urutan job produksi ... 122 Gambar 59 Tampilan Tool Bar Gangguan ... 122 Gambar 60 Tampilan menu input Aksi Pengendalian Gangguan... 123 Gambar 61 Tampilan input waktu terjadinyanya gangguan ... 123 Gambar 62 Tampilan menu output rekap nilai gangguan dan kebijakan

lanjutan ... 125 Gambar 63 Tampilan menu input perhitungan Toleransi Persediaan ... 126 Gambar 64 Tampilan output perhitungan % persediaan pengaman ... 127 Gambar 65 Plot data penjualan produk RTG ... 128 Gambar 66 Faktor pembeda dalam pemanfaatan SPK Intelijen PPIC

Adaptif Indusri Pangan ... 134 Gambar 67 Produk roti tawar Sari Roti ... 147 Gambar 68 Produk roti isi coklat Sari Roti ... 147 Gambar 69 Proses bisnis perusahaan penghasil roti ... 150

(31)

Gambar 70 Lantai produksi di PT NIC, Tbk ... 151 Gambar 71 Lini produksi pengemasan roti tawar ... 157 Gambar 72 Proses pembuatan roti tawar ... 158 Gambar 73 Struktur produk roti tawar spesial (RTS) ... 189

(32)

DAFTAR LAMPIRAN

Lampiran 1 Proses Bisnis dan Proses Produksi PT NIC, Tbk. ... 147 Lampiran 2 Hasil Survei PPIC pada Perusahaan Pangan ... 159 Lampiran 3 Listing Program Model JST, Model Penentuan Urutan Job

Produksi Berdasarkan Algoritma Genetika dan Model

Pengendalian Gangguan ... 167 Lampiran 4 Data Pendukung Perhitungan Model PPIC Adaptif

...

187 Lampiran 5 Perhitungan Menggunakan Teknik Klasifikasi Untuk

Penentuan Aturan Keputusan Kebijakan Lanjutan

(33)

DAFTAR ISTILAH

NO ISTILAH PENGERTIAN

1 Adaptif Kemampuan untuk menyesuaikan diri (adaptasi) dengan keadaan dengan melakukan pengendalian untuk mendukung tujuan sistem

2 Agroindustri Industri pertanian yaitu industri yang menghasilkan produk-produk yang komponen utamanya berasal dari hewan atau tanaman.

3 Algoritma Genetika adalah suatu metode meta heuristic yang merupakan salah satu algoritma pemodelan evolusi dengan tujuan memodelkan perkembangan kemampuan adaptasi sebuah sistem.

4 BPS Badan Pusat Statistik, Lembaga Pemerintah Non Departemen yang memiliki fungsi pokok sebagai penyedia data statistik untuk kebutuhan pemerintah dan masyarakat umum secara regional maupun nasional

5 Continuous Review System

Pendekatan dalam pengendalian persediaanm dimana dilakukan proses review secara kontinyu atas posisi persediaan item.

6 Cross over Proses pemisahan dua kromosom induk pada posisi yang ditentukan secara acak untuk menghasilkan kromosom anak

7 Demand Management

Penentuan permintaan secara agregat yang mencerminkan proyeksi permintaan produk, mencakup order customer yang diterima, order dari warehouse, promosi khusus, kebutuhan safety stock serta komponen-komponen servis dan persediaan untuk mengantisipasi kebutuhan permintaan yang tinggi.

8 Eror Selisih yang antara nilai hasil prakiraan permintaan dengan nilai yang sesungguhnya.

9 Fungsi aktivasi Fungsi pada model Jaringan Syaraf Tiruan yang mentransformasikan penjumlahan sinyal berbobot yang masuk untuk menentukan sinyal keluaran. 10 Fungsi keanggotaan Adalah suatu kurva yang menunjukkan pemetaan

titik-titik input data ke dalam nilai keanggotaannya yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah melalui pendekatan fungsi. 11 Gangguan sistem

produksi

Hal-hal yang menyebabkan sistem produksi menjadi tidak stabil dengan terjadinya penyimpangan antara perencanaan dan aktual, sehingga perlu dilakukan tindakan penyesuaian (adjustment).

12 Heuristic Teknik pemecahan masalah yang berbasiskan pada pengalaman

(34)

NO ISTILAH PENGERTIAN

13 Informasi Data yang telah diproses ke dalam bentuk yang berarti untuk penerimanya dan memiliki nilai sebagai dasar untuk mengambil tindakan/keputusan.

14 Industri Produksi dalam skala besar yakni aktivitas ekonomi yang terorganisir yang terkait dengan produksi, manufaktur, atau konstruksi suatu produk atau sejumlah produk atau dapat juga diartikan sebagai kumpulan dari sejumlah perusahaan yang bersama-sama melakukan serangkaian proses produksi untuk menghasilkan sejenis barang atau jasa tertentu. 15 Industri pangan Adalah bagian dari sistem pangan yang mencakup

kegiatan produksi, pemrosesan, distribusi dan konsumsi produk-produk pangan dalam agroindustri. Bahan baku untuk industri pangan mencakup hasil-hasil pertanian, peternakan, produk-produk laut, bahan pengemas, perasa makanan dan bahan kimia untuk makanan.

16 Learning Rate Laju pembelajaran, salah satu parameter pelatihan yang digunakan dalam aplikasi metode Jaringan Syaraf Tiruan yang berfungsi untuk mengendalikan perubahan nilai bobot dan bias selama pelatihan 17 Lot sizing Merupakan tahapan yang dilakukan dalam

perhitungan MRP dengan menggunakan algoritma yang mencoba untuk mencari jumlah pesanan yang optimal berdasarkan pertimbangan biaya pesan dan biaya simpan.

18 MRP Singkatan dari Material Requirement Planning, merupakan salah satu teknik perencanaan dan pengendalian yang menjadi dasar untuk membuat atau membeli bahan baku/ item yang bersifat dependend demand.

19 Model Persediaan Probabilistik

Model untuk menjawab permasalahan persediaan dimana fenomenanya tidak diketahui secara pasti, namun nilai ekspektasi, variansi, dan pola distribusi kemungkinannya dapat diprediksi.

20 Model Time Series Model yang dikembangkan berdasarkan informasi masa lalu, dengan variabel tidak bebas dan asumsi bahwa variabel tidak bebas ini akan memiliki pola yang sama dengan masa lalu.

21 Model Regresi Linier

Aplikasi perhitungan model prakiraan permintaan yang mengasumsikan bahwa terdapat hubungan antara variabel yang ingin diramalkan (variabel dependen) dengan variabel lain (variabel independen) dan didasarkan pada asumsi bahwa pola pertumbuhan dari data historis bersifat linier . Pola pertumbuhan ini didekati dengan suatu model yang menggambarkan hubungan-hubungan yang terkait dalam suatu keadaan.

(35)

NO ISTILAH PENGERTIAN 22 Model

Dekomposisi

Merupakan metode prakiraan permintaan time series dengan pendekatan additive dan multiplicative yang digunakan bila data historis memiliki pola trend, siklis atau musiman dengan melakukan proses pemisahan tiga komponen dari pola dasar yakni faktor trend (kecenderungan) dan musiman.

23 MPS Master Production Scheduling (Penjadwalan Induk Produksi) yaitu kegiatan untuk penentuan rencana pengadaan item termasuk kebutuhan jumlahnya selama periode perencanaan. Kegiatan ini merupakan suatu komitmen untuk memenuhi kebutuhan pasar dan untuk memanfaatkan kapasitas produksi.

24 Mutasi Proses perubahan (rekonstruksi) gen-gen dalam sebuah kromosom dengan tujuan untuk memperkenalkan kembali bahan genetika (genetic material) yang kemungkinan hilang dalam generasi keturunan dan memperoleh kromosomkromosom anak yang diharapkan memiliki performansi yang lebih baik daripada induknya.

25 Persediaan Sumber daya yang menganggur yang keberadaannya harus diminimalkan, dengan tetap menjamin terpenuhinya permintaan produk dari pelanggan. 26 Penjadwalan Merupakan alokasi dari sumber daya terhadap waktu

untuk mendapatkan suatu urutan pekerjaan.

27 PPIC Production Planning and Inventory Control adalah bagian dari kegiatan manajemen produksi dan persediaan yan g bertujuan untuk melakukan perencanaan produksi dan persediaan dalam rangka pemanfaatan sumber secara efektif serta dapat melakukan pengendalian produksi dan persediaan dengan melakukan penyesuaian dari perencanaan yang telah dibuat dengan kegiatan produksi sehari-hari.

28 PPIC Cerdas PPIC yang memiliki model-model keputusan dengan fungsi intelijen sehingga dapat menghasilkan keputusan yang akurat sehingga dapat meminimasi variansi yang terjadi.

29 PPIC Adaptif PPIC yang memiliki fungsi untuk dapat melakukan penyesuaian,dalam hal ini penyesuaian persediaan pengaman bahan baku serta persediaan pengaman produk jadi dengan mempertimbangkan gangguan sistem produksi yang terjadi dengan tujuan untuk meminimasi variansi yang terjadi.

30 Prakiraan Permintaan

Subsistem model PPIC yang berfungsi untuk memperkirakan jumlah permintaan produk jadi dengan melakukan proses perhitungan menggunakan data historis (data masa lalu) yang telah dimiliki untuk diproyeksikan ke dalam sebuah

(36)

NO ISTILAH PENGERTIAN

model , kemudian menggunakan model ini untuk memperkirakan keadaan di masa mendatang.

31 Pendekatan Sistem Adalah pendekatan analisis organisatoris yang menggunakan ciri-ciri sistem sebagai titik tolak analisis. Pendekatan ini merupakan cara penyelesaian persoalan yang dimulai dengan dilakukannya identifikasi terhadap adanya sejumlah kebutuhan sehingga dapat menghasilkan suatu operasi dari sistem yang dianggap efektif.

32 Safety Stock Merupakan persediaan pengaman yakni persediaan tambahan yang disimpan sebagai penyangga untuk mencegah terjadinya kekurangan persediaan (stockout) disebabkan adanya gangguan acak dari alam atau lingkungan.

33 Sampel Merupakan suatu himpunan bagian dari populasi. Suatu penelitian biasanya menarik kesimpulan dengan kelompok konsumen besar dengan mempelajari sampel dari jumlah populasi.

34 Service level Adalah kemungkinan bahwa stockout tidak akan

terjadi selama lead time.

35 Sistem adalah suatu kesatuan usaha yang terdiri dari bagian-bagian yang berkaitan satu sama lain yang berusaha mencapai suatu tujuan dalam suatu lingkungan kompleks.

36 Sistem informasi adalah suatu sistem di dalam suatu organisasi untuk memenuhi kebutuhan pengolahan transaksi sistem dan operasional organisasi, bersifat manajerial ataupun strategis serta mampu menyediakan laporan-laporan yang diperlukan.

37 Sistem Pendukung Keputusan (SPK)

Adalah suatu sistem berbasis komputer yang digunakan untuk mendukung seluruh tahapan pengambilan keputusan mulai dari definisi masalah, pemilihan data yang relevan, menentukan pendekatan yang digunakan dalam proses pengambilan keputusan hingga evaluasi pemilihan alternatif. Sistem ini memiliki kemampuan interaktif berdasarkan komputer untuk menolong si pengambil keputusan dalam menggunakan data dan model untuk memecahkan permasalahan yang tidak terstruktur. Sistem ini juga memiliki karakteristik fleksibel dan adaptif, mampu mengakomodasi perubahan-perubahan akibat lingkungan maupun pendekatan keputusan dari pengguna.

38 SPK Intelijen SPK berbasis Pengetahuan atau berbasis Model yang memanfaatkan sejumlah teknik intelijensia buatan dalam perancangannya

39 System Life Cycle

(SLC)

Siklus kehidupan sistem merupakan metode untuk merancang suatu sistem informasi dengan mengikuti proses evolusioner.

(37)

NO ISTILAH PENGERTIAN

40 Tepung terigu Merupakan bagian endosperm gandum yang diekstrak melalui proses milling (size reduction) dan separation yang berukuran max 180μ(mikron) dan berwarna putih. Komponen yang terdapat dalam tepung terigu antara lain adalah starch(pati), air, protein, enzim, mineral, pigmen, fiber, lemak dan vitamin

41 Validasi model Proses penentuan representasi keakuratan model konseptual matematis (sebagai tandingan program komputer) yang bertujuan untuk menjamin kemampuan suatu model untuk merepresentasikan sistem nyata.

Validitas rupa Proses validasi model dengan berdasarkan penilaian para ahli terhadap suatu alat ukur dengan melakukan penilaian atribut yang konkrit tanpa memerlukan inferensi.

Verifikasi model Proses pemeriksaan dari suatu model yang bertujuan untuk menjamin kebenaran suatu model secara matematis dan konsisten secara logika.

(38)

1 PENDAHULUAN

1.1 Latar Belakang

Perencanaan Produksi dan Pengendalian Persediaan (Production Planning and Inventory Control) atau umumnya disingkat PPIC menjadi salah satu kegiatan utama dalam suatu sistem produksi. Tujuan PPIC adalah perencanaan dan pengendalian input produksi pada suatu industri seefisien mungkin untuk menghasilkan output produksi yang sesuai dengan permintaan pasar.

Sistem PPIC jangka menengah – pendek terdiri atas beberapa subsistem atau sub fungsi meliputi antara lain Manajemen Permintaan, Penjadwalan Induk Produksi, Perencanaan Kapasitas Kasar, Perencanaan Kebutuhan Bahan Baku, Perencanaan Sumberdaya Distribusi dan Penjadwalan Perakitan Akhir (Fogarty, 1992). Model PPIC konvensional tidak mampu menyesuaikan secara fleksibel untuk mengantisipasi dan mengendalikan kompleksitas dan gangguan-gangguan

(39)

pada sistem produksi dalam industri pangan. Hal ini dinyatakan oleh Koh dan Saad (2003) dalam Nieuwenhuyse, et.al.(2005) yang mengulas mengenai perkembangan aplikasi sistem PPIC pada perusahaan agroindustri modern saat ini. Disampaikan bahwa perkembangan aplikasi sistem PPIC terbaru saat ini adalah dengan pemanfaatan sistem Enterprises Resources Planning (ERP), dimana PPIC merupakan modul ERP yang paling sering diterapkan. Saat ini model PPIC yang dikembangkan dalam ERP masih terdapat banyak kelemahan yang ditunjukkan dengan kurang baiknya performansi ERP dalam menghadapi ketidakpastian.

Terkait dengan sistem produksi, ketidakpastian dikategorikan menjadi dua kelompok yaitu ketidakpastian lingkungan dan ketidakpastian yang terkait dengan proses produksi (Ho 1989 dalam Mula, et.al., 2006). Ketidakpastian sistem produksi timbul dalam bentuk gangguan-gangguan sistem produksi. Adanya gangguan sistem produksi menyebabkan penyimpangan (variansi) antara perencanaan dengan kondisi aktual. Berikutnya, penyimpangan yang terjadi akan menyebabkan ketidakefisienan serta menghambat tercapainya target perusahaan sehingga menurunkan produktivitas pada industri.

Ketersediaan input produksi industri pangan khususnya bahan baku agroindustri yang memiliki karakteristik perishable dan musiman dapat mengganggu sistem produksi industri pangan dalam menjalankan kegiatan produksinya. Karakteristik bahan baku yang perishable dan musiman akan mempengaruhi ketersediaan sistem produksi pangan untuk keberlangsungan dan kelancaran berproduksi. Interaksi antar input produksi yang terjadi selama proses produksi berlangsung juga dapat menyebabkan terjadinya penurunan efisiensi produksi. Penurunan efisiensi produksi dalam kegiatan internal sistem produksi ini makin bertambah bila terjadi gangguan dengan adanya input produksi yang tidak berfungsi secara maksimal (misalnya terjadi kerusakan mesin, kesalahan operator produksi atau terputusnya aliran listrik). Kondisi ketersediaan input produksi dan kegiatan internal sistem produksi yang rawan gangguan, ditambah dengan adanya permintaan yang tidak pasti menjadi permasalahan bagi perusahaan pangan.

(40)

Menurut Krajewski (2002), kegagalan satu atau beberapa subsistem akan mengakibatkan gagalnya sistem, berikutnya, ketidakandalan subsistem juga akan mempengaruhi keandalan sistem keseluruhan. Untuk menjalankan fungsi PPIC secara efektif, dibutuhkan pemanfaatan model keputusan yang handal pada setiap subsistem PPIC. Pemanfaatan model keputusan yang handal akan menurunkan terjadinya penyimpangan-penyimpangan sehingga dapat meningkatkan performansi sistem PPIC secara keseluruhan.

Terkait dengan permasalahan yang terjadi pada industri pangan, beberapa masalah penting telah teridentifikasi. Berikut ini adalah masalah yang dapat menurunkan fungsi PPIC dan membutuhkan adanya pengembangan model PPIC pada industri pangan :

a. Pemasok Industri Pangan. Jumlah dan ragam bahan baku yang dibutuhkan menyebabkan banyaknya vendor yang harus dikelola.

b. Permintaan Industri Pangan. Angka penjualan yang besar berdasarkan order dari berbagai saluran distribusi baik yang bersifat reguler (Reguler Outlet) berdasarkan sistem konsinyasi maupun fixed order berdasarkan sistem putus jual, menyebabkan permintaan (demand) perlu dikelola dengan baik. c. KarakteristikBahan Baku Agroindustri. Karakteristik musiman dan rawan

gangguan karena sangat tergantung pada faktor alam menyebabkan input produksi sangat bervariasi dalam kualitas dan cenderung ketersediaannya tak tentu. Karakteristik perishable (memiliki keterbatasan umur simpan) dan bulky

menyebabkan perlunya kegiatan pengendalian persediaan bahan baku serta pengendalian persediaan produk jadi. Hal tersebut mendukung adanya kebutuhan kegiatan perencanaan dan pengendalian input-input produksi yang dapat melakukan optimasi persediaan bahan baku yang mempertimbangkan ukuran lot pemesanan bahan baku serta membutuhkan persediaan pengaman bahan baku.

d. Karakteristik Produk Jadi Industri Pangan. Karakteristik produk jadi yang

perishable mendukung strategi perusahaan pangan untuk meminimasi persediaan produk jadi namun tetap dapat memenuhi permintaan pelanggan. e. Karakteristik Sistem Produksi Industri Pangan. Kegiatan operasional

(41)

kebutuhan ketersediaan input sistem produksi yang terus menerus. Hal ini amat penting mengingat bila kegiatan produksi terhenti, maka akan menyebabkan kerugian ekonomis yang cukup besar bagi industri.

f. Adanya ketidakpastian menyebabkan terjadinya gangguan supply, demand

dan internal sistem produksi industri pangan yang berikutnya akan menyebabkan timbulnya variansi (penyimpangan) antara perencanaan produksi yang dengan kondisi aktual.

PPIC yang saat ini diterapkan pada industri pangan tidak didukung oleh model keputusan yang handal yang dapat meminimasi penyimpangan yang terjadi serta belum mampu mengendalikan gangguan sistem produksi yang terjadi. Dibutuhkan suatu sistem cerdas yang dapat mendukung kegiatan PPIC dalam rangka mengantisipasi dan mengendalikan gangguan pasokan dan permintaan, juga gangguan operasional sistem produksi. Sistem cerdas pendukung kegiatan PPIC diharapkan memiliki atribut yang menunjukkan karakteristik level tinggi Sistem Informasi Pendukung Keputusan Intelijen (Intelligent Decision Support System / IDSS) yang berhasil, yakni : 1) memiliki kemampuan interaktif, 2) mampu mendeteksi adanya kejadian dan perubahan, 3) memiliki kemampuan representatif dan memudahkan dalam berkomunikasi secara efektif, 4) dapat mendeteksi kesalahan yang dilakukan pengguna, 5) dapat mengekstraksi informasi yang berguna dari sejumlah besar data juga menangani outlier-outlier

yang muncul mengingat sifat ambiguitas dari sumber data, serta 6) memiliki kemampuan prediktif yang bersifat taktis ataupun strategis (Jain, 2010).

Sistem Pendukung Keputusan PPIC yang cerdas ini diharapkan dapat mendukung kegiatan-kegiatan perusahaan untuk menentukan keputusan-keputusan perencanaan produksi dan pengendalian persediaan yang sifatnya taktis ataupun operasional.

1.2 Tujuan Penelitian

Tujuan penelitian ini adalah merancang model Intelijen PPIC Adaptif Industri Pangan yang dapat meminimasi penyimpangan yang terjadi serta mengendalikan gangguan pada sistem produksi industri pangan. Luaran

(42)

penelitian ini menghasilkan perangkat lunak Sistem Pendukung Keputusan Intelijen PPIC Adaptif Industri Pangan yang dinamakan SPK IPRADIPA. Sistem ini menjalankan fungsi perencanaan produksi dan pengendalian persediaan yang mampu beradaptasi terhadap gangguan sistem produksi pada industri pangan.

Kebaruan dari penelitian ini adalah hasil rancang bangun model pengendalian gangguan yang diintegrasikan dengan model Intelijen PPIC sehingga melengkapi kemampuan PPIC menjadi intelijen dan adaptif dalam menghadapi gangguan sistem produksi pada industri pangan. Rancang bangun model Intelijen PPIC Adaptif dalam SPK IPRADIPA ini diharapkan dapat mendukung peningkatan produktivitas industri pangan.

1.3 Ruang Lingkup

Ruang lingkup penelitian ini adalah :

1. Industri pangan yang akan menjadi sampel penelitian untuk kebutuhan model PPIC Adaptif adalah industri makanan berbasis tepung terigu, khususnya industri roti.

2. Model PPIC Adaptif yang dimaksud adalah model PPIC yang dapat melakukan penyesuaian nilai persediaan pengaman bahan baku dan nilai persediaan pengaman produk jadi secara periodic berdasarkan gangguan sistem produksi yang terjadi.

3. Output rancang bangun sistem adalah berupa prototipe sistem yang akan memanfaatkan kasus pada salah satu perusahaan penghasil roti.

1.4 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat bermanfaat, baik untuk pengembangan ilmu maupun aplikasinya pada industri. Sebagai pengembangan ilmu, hasil penelitian ini dapat digunakan sebagai rujukan dalam penelitian lanjutan mengenai model PPIC pada karakteristik industri yang berbeda. Hasil penelitian ini juga diharapkan dapat bermanfaat sebagai rujukan bagi pengembangan agroindustri lainnya.

(43)

2 TINJAUAN PUSTAKA

2.1 Production Planning & Inventory Control (PPIC)

Production Planning and Inventory Control (umumnya disingkat dengan PPIC) adalah bagian dari kegiatan manajemen produksi dan persediaan. Tujuan dari kegiatan PPIC adalah untuk dapat melakukan perencanaan produksi dan persediaan. Kegiatan ini dilakukan dalam rangka pemanfaatan sumber secara efektif serta dapat melakukan pengendalian produksi dan persediaan dengan melakukan penyesuaian dari perencanaan yang telah dibuat dengan kegiatan produksi sehari-hari. Permasalahan yang harus dihadapi dalam PPIC antara lain adalah : penyesuaian apa (dilakukan pada level sistem manufaktur), berapa banyak, kapan, siapa serta bagaimana penyesuaian harus dilakukan.

Dalam arah pengembangan sistem perencanaan dan pengendalian produksi, Bedworth menggambarkan PPIC sebagai aliran material dan informasi fungsi pengendalian produksi dalam kegiatan perencanaan sumber daya manufaktur pada perusahaan.

Perkembangan fungsi perencanaan produksi dan pengendalian persediaan diawali oleh Oliver Wigth dan Joseph Orlicky pada tahun 1960 yang memperkenalkan Material Requirement Planning (MRP) untuk membantu menyediakan bahan baku yang tepat untuk menghasilkan produk jadi yang tepat dengan jumlah yang sesuai sehingga produsen dapat mengirimkan produk sesuai dengan permintaan konsumen (Koh, 2006).

Pada tahun 1975, sistem MRP diperluas menjadi sistem Manufacturing Resources Planning yang sering disebut dengan MRP II, dimana MRP merupakan fungsi utama sistem MRP II. MRP II mengintegrasikan informasi, teknologi manufaktur, rencana dan sumber daya untuk perbaikan efisiensi pada perusahaan manufaktur. MRP II berisi berbagai fungsi yang saling terkait meliputi : perencanaan bisnis, perencanaan penjualan dan operasional, perencanaan produksi, Master Production Scheduling (MPS), MRP, perencanaan kebutuhan kapasitas serta sistem pendukung untuk operasionalisasi kapasitas dan bahan baku. Output dari sistem ini terintegrasi dengan laporan finansial seperti rencana bisnis, laporan pembelian, anggaran pengiriman dan proyeksi persediaan dalam nilai finansial.

(44)

Konsep Enterprise Resource Planning (ERP) mulai dikembangkan pada sekitar tahun 1990 dan makin berkembang menjadi versi lengkap MRP II (Davenport, 2000 dalam Koh, 2006). Sistem ini mengintegrasikan sejumlah fungsi bisnis seperti penjualan, pemasaran, akuntansi, pembelian, logistik dan sumber daya manusia. Terkait dengan sistem ERP, dinyatakan oleh Berchat & Habechi (2005) bahwa perencanaan produksi merupakan modul terpenting yang mendukung sistem Enterprise Resources Planning (ERP). Dalam makalah tersebut, dinyatakan oleh Stadtler (2005) bahwa kekuatan ERP bukan berada pada area perencanaan, melainkan cenderung untuk fokus pada aspek integrasi.

Fogarty (1991) memperjelas kegiatan perencanaan produksi dan pengendalian persediaan dengan menggambarkan secara detil kegiatan PPIC dalam framework Manufacturing Resources Planning (MRP II) sesuai dengan gambar 1 berikut. Sesuai dengan konsep MRP II yang telah dikembangkan oleh Fogarty (1991), diketahui bahwa lingkup kegiatan Production Planning & Inventory Control (PPIC) pada industri manufaktur meliputi kegiatan perencanaan dan pengendalian produksi yang bersifat jangka panjang, jangka menengah dan jangka pendek, tergantung dari waktu yang dibutuhkan untuk menyelesaikan pelaksanaan produksi. Perencanaan jangka panjang mencakup kegiatan : Business Forecasting, Product & Sales Planning, Resources Requirement Planning dan Financial Planning. Kegiatan yang termasuk dalam perencanaan jangka menengah meliputi : Distribution Resources Planning (DRP),

Demand Management, Master Production Scheduling (MPS), Rough Cut Capacity Planning (RCCP), Material Requirement Planning (MRP) dan Capacity Requirement Planning (CRP). Perencanaan jangka pendek terdiri atas : Final Assembly Scheduling (FAS) dan Input/Output Planning & Control (meliputi kegiatan Production Activity Control / PAC dan Purchase Planning & Control).

Kegiatan PPIC dimulai dari kegiatan Perencanaan Produksi yang telah mempertimbangkan Perencanaan Produk dan Penjualan, Perencanaan Kebutuhan Sumber Daya dan Perencanaan Finansial. Kegiatan ini umumnya dilakukan pada awal perusahaan mulai melakukan kegiatannya dalam berproduksi untuk mengetahui strategi berproduksi yang sesuai untuk diterapkan perusahaan dengan mempertimbangkan keterbatasan dan ketersediaan sumber daya yang dimiliki

(45)

perusahaan termasuk rencana penjualan dan produk yang dilakukan perusahaan. Kegiatan Perencanaan Produksi ini akan dilakukan peninjauan kembali apabila terjadi perubahan cukup radikal dari rencana produk dan penjualan perusahaan ataupun kondisi finansial dan sumber daya yang dimiliki perusahaan.

Sasaran Organisasi Perencanaan Kebutuhan Sumber Daya Perencanaan Produk dan Penjualan Perencanaan Produksi Perencanaan Finansial Peramalan Bisnis Perencanaan Sumberdaya Distribusi Manajemen Permintaan Penjadwalan Induk Produksi Perencanaan Kapasitas Kasar Perencanaan Kebutuhan Bahan Baku Perencanaan Kebutuhan Kapasitas Pengendalian Kegiatan Produksi Pengendalian dan Perencanaan Pembelian Penjadwalan Perakitan Akhir JANGKA PANJANG JANGKA MENENGAH JANGKA PENDEK

PERENCANAAN DAN PENGENDALIAN MASUKAN/LUARAN

Kegiatan

Production Planning & Inventory Control (PPIC)

Gambar 1 Lingkup kegiatan Production Planning & Inventory Control (PPIC) sebagai bagian dari Manufacturing Resources Planning (MRP II)

(46)

Setelah diketahui strategi berproduksi yang diterapkan perusahaan, dengan mempertimbangkan permintaan produk, dilakukan kegiatan manajemen permintaan dengan melakukan prakiraan permintaan, dilanjutkan dengan kegiatan penjadwalan induk produksi yang juga telah mempertimbangkan rencana sumberdaya distribusi.

Kegiatan penjadwalan induk produksi yang telah mempertimbangkan kapasitas produksi yang dimiliki perusahaan menghasilkan rencana jadwal induk produksi dan berikutnya dapat dilakukan perencanaan kebutuhan bahan baku. Rencana jadwal induk produksi ini akan menjadi dasar dalam kegiatan penjadwalan produksi. Kegiatan perencanaan bahan baku menjadi masukan dalam kegiatan pengendalian kegiatan produksi serta perencanaan dan pengendalian kegiatan pembelian.

2.2 Ketidakpastian dalam PPIC

Bonney (2000) dalam makalahnya yang berjudul : “Deflection on Production Planning & Control (PPC)” telah mengidentifikasi beberapa perubahan sistem PPC untuk mengantisipasi kebutuhan pasar. PPC diharapkan menjadi lebih fleksibel untuk dapat merespon secara efektif perubahan internal dan eksternal. Untuk menjalankan sistem PPC dibutuhkan perbaikan prosedur perencanaan serta perbaikan pengendalian operasional pada lantai produksi sedemikian sehingga dapat merespon ketidakpastian dalam lingkungan produksi dan pasar. Koh dan Saad (2003) mendukung yang disampaikan oleh Bonney dan menyatakan bahwa performansi ERP kurang baik dalam menghadapi ketidakpastian. Untuk itu dibutuhkan tambahan fasilitas pendukung keputusan dalam area perencanaan ERP.

Mula, J. et al. (2006) dalam makalahnya mengatakan bahwa Galbraith (1973) mendefinisikan ketidakpastian sebagai perbedaan antara kebutuhan informasi untuk melakukan kegiatan dengan informasi yang telah dimiliki. Terdapat berbagai bentuk ketidakpastian yang mempengaruhi proses produksi yang dikategorikan oleh Ho (1989) menjadi 2 kelompok besar yaitu :

a. Environmental uncertainty : meliputi demand uncertainty dansupply uncertainty

(47)

b. System uncertainty, meliputi antara lain : operation yield uncertainty

danproduction lead time uncertainty.

Dalam makalah tersebut, Yano dan Lee (1995) juga Sethi, et.al. (2002) memformalisasikan berbagai model ketidakpastian dalam sistem manufaktur yang memanfaatkan antara lain konsep safety stocks dan safety lead time dengan menggunakan pendekatan berbasis intelijensia buatan maupun model analitis.

Berikutnya dinyatakan oleh Koh et al. (2002) bahwa ketidakpastian dalam lingkungan ERP belum dipelajari secara sistematis sehingga banyak peneliti berusaha menemukan cara untuk menghadapi ketidakpastian dan bukannya mendiagnosa penyebab terjadinya ketidakpastian tersebut. Menurut Koh et al. (2000), terdapat asumsi-asumsi yang mendasari MRP sehingga menjadi keterbatasan MRP, yaitu : waktu ancang yang tetap dalam pembelian bahan baku dan produksi, urutan proses dan aliran material yang tetap yang tidak memungkinkan adanya terhentinya mesin atau terjadinya keterlambatan waktu proses, serta jumlah produk dengan prosentase cacat yang tetap sehingga tidak memungkinkan terjadinya kejadian tak terduga yang sebenarnya dapat menambah jumlah produk cacat. Asumsi-asumsi ini menyebabkan ketidakmampuan MRP dalam mengantisipasi ketidakpastian yang terjadi pada lingkungan nyata manufaktur, sehingga perencana harus menggunakan beberapa teknik lain seperti penjadwalan ulang, subkontrak atau teknik lainnya untuk mengantisipasi ketidakpastian yang terjadi (Mandal dan Gunasekaran, 2003).

Vollman et al. (1999) mengkategorikan 4 tipe ketidakpastian yang terjadi disebabkan karena kebutuhan pergantian antar periode, kekurangan atau kelebihan bahan baku dari yang direncanakan, pemasok tidak mengirimkan pesanan bahan baku tepat waktu serta adanya ketidaksesuaian jumlah pesanan yang diterima dari pemasok. Koh et al. (2002) juga mengkategorikan ketidakpastian menjadi ketidakpastian input dan ketidakpastian proses meliputi : kekurangan/ketidaktersediaan bahan baku, kekurangan/ketidaktersediaan operator produksi, kekurangan/ketidaktersediaan kapasitas mesin, produk rusak/cacat dan keterlambatan pengiriman produk.

(48)

Mengantisipasi permasalahan ketidakpastian yang terjadi dalam lingkungan manufakatur tersebut, Koh dan Saad telah mengembangkan rencana kontingensi yang dapat memudahkan proses diagnosa dan antisipasi ketidakpastian yang terjadi dalam lingkungan manufaktur MRP/MRP II/ERP dengan merekomendasikan pemberian persediaan penyangga (buffering) atau penambahan waktu ancang (dampening).

Edmund (2005) dalam penelitiannya berjudul “A framework for Understanding the Interaction of Uncertainty and Information System on Supply Chains” menyatakan adanya ketidakpastian dalam rantai pasok dan menyampaikan pemikirannya mengenai alternatif pemecahan dan metode yang tepat untuk menyelesaikan permasalahan ketidakpastian pada rantai pasok.

Datta, Partha Priya (2007) dalam penelitiannya yang berjudul : “A Complex System, Agen Based Model for Studying and Improving the Resiliance of Production and Distribution Networks”, mengupas berbagai permasalahan mengenai resiliansi dalam rantai pasok dengan berbagai pendekatan dan metode penyelesaiannya lengkap dengan ulasan mengenai kelebihan dan keterbatasannya. Peneliti sekaligus memberikan ulasan teoritis untuk penelitian lanjutan dalam resiliansi rantai pasok yang membantu dalam mengembangkan prosedur yang efektif untuk mengelola berbagai situasi ketidakpastian dengan kasus pada rantai pasok manufaktur kertas tissue. Pada penelitian tersebut juga diuraikan beberapa penelitian yang juga dikembangkan berdasarkan pendekatan sistem agen, antara lain oleh Parunak et al. (1998) yang mengeksplorasi kemampuan model berbasis agen dalam permasalahan jaringan pasokan manufaktur. Schicritz dan Grobler (2003) mencoba mengintegrasikan pemodelan dinamika sistem dan pemodelan berbasis agen, juga Ahn et al. (2003) yang mengusulkan sistem agen yang fleksibel yang dapat beradaptasi dengan perubahan-perubahan dinamis pada transaksi di suatu rantai pasok.

(49)

2.3 Industri Pangan

Industri pangan adalah bagian dari sistem pangan yang mencakup kegiatan produksi, pemrosesan, distribusi dan konsumsi produk-produk pangan dalam agroindustri. Bahan baku untuk industri pangan mencakup hasil-hasil pertanian, peternakan, produk-produk laut, bahan pengemas, perasa makanan dan bahan kimia untuk makanan. Industri ini umumnya memiliki karakteristik yang membutuhkan perhatian khusus dibandingkan agroindustri yang lainnya dalam hal tingkat variabilitas dan sensitivitas bahan baku utamanya disamping adanya kebutuhan perhatian untuk masalah kualitas dan standard produk yang harus mempertimbangkan masalah kesehatan dan keselamatan konsumennya.

Salah satu industri di sektor pangan yang mengalami pertumbuhan cukup pesat adalah industri yang berbasis tepung terigu. Pertumbuhan industri ini di Indonesia dipacu oleh beberapa faktor, antara lain adalah adanya peningkatan kesadaran bahwa tepung terigu adalah makanan yang sehat dan bergizi serta peningkatan kesadaran makanan berbasis tepung terigu sebagai alternatif diversifikasi pangan.

Industri roti adalah contoh industri pangan berbasis tepung terigu. Berdasarkan data yang bersumber dari Asosiasi Produsen Tepung Terigu Indonesia (APTINDO) tahun 2001 diketahui bahwa 25% dari industri berbasis tepung terigu adalah industri roti. Tingkat persaingan industri ini dari tahun ke tahun semakin ramai dengan makin banyaknya industri yang bergerak pada bidang ini. Bersumber dari Bisnis Indonesia Online, diketahui bahwa hingga akhir tahun 2007, terdapat lebih dari 15.000 UKM di tingkat nasional dan 2.000 unit industri menengah besar dan modern yang masuk dalam persaingan industri roti ini (Sekarasih, 2008).

Kebanyakan perusahaan besar pada industri pangan menghasilkan produk-produk makanan setengah jadi atau produk-produk jadi yang akan dikonsumsi langsung dalam suatu kegiatan operasional produksi yang memiliki aliran produksi kontinyu yang sesuai dengan karakteristik industri proses. Industri-industri ini membutuhkan investasi modal yang besar untuk melakukan produksi dan mengendalikan peralatan yang akan digunakan secara kontinyu. Untuk itu,

(50)

aplikasi komputer akan membantu kegiatan pemrosesan dan meningkatkan efisiensi dalam operasional pabrik (Connor, 1997).

Dengan karakteristik sistem produksi yang bersifat kontinyu, dibutuhkan ketersediaan yang kontinyu pula dari input-input sistem produksinya (seperti mesin/peralatan dan material). Sehingga terhentinya kegiatan produksi yang diakibatkan adanya gangguan yang menyebabkan ketidaktersediaan input pendukung kegiatan produksi akan menyebabkan kerugian ekonomis yang sangat besar bagi perusahaan.

APICS mendefinisikan industri proses sebagai bisnis yang menambah nilai pada materia melalui proses pencampuran, pemisahan, pembentukan ataupun reaksi kimia. (Fransoo, 1994). Proses-proses tersebut dapat bersifat kontinyu atau batch dan umumnya membutuhkan pengendalian proses yang ketat dan investasi modal yang tinggi. Proses-proses tersebut juga sulit untuk dikendalikan dan sering menyebabkan dihasilkannya output yang bervariasi.

Burt dan Kraemer dalam Fransoo (1994) menunjukkan strategi untuk mengantisipasi output yang bervariasi , antara lain dengan menyediakan persediaan pengaman (safety stock) untuk bahan baku yang paling banyak menyebabkan terjadinya variasi output. Bahan baku pada industri proses juga bervariasi dalam kualitas mengakibatkan output ataupun potensi kerusakan kualitas umumnya tidak diketahui ataupun tidak terukur hingga dimulainya proses. Variabilitas dari kualitas bahan baku juga sering digunakan sebagai informasi untuk menentukan produk yang akan dihasilkan. Bila didapatkan kualitas yang tidak standard, maka dapat dilakukan pemesanan kembali atau proses daur ulang yang menyebabkan terjadinya kekurangan persediaan. Terjadinya kekurangan persediaan ini dapat dikendalikan dengan adanya persediaan pengaman.

Berikutnya disampaikan oleh Rutten dalam Fransoo (1994) bahwa variasi dalam kualitas bahan baku dapat menyebabkan timbulnya variasi dalam struktur produk (recipes).

Pada industri proses, umumnya digunakan lini produksi yang akan menghasilkan berbagai varian produk dengan variasi yang rendah diantara produk. Variasi yang rendah, kompleksitas produk yang rendah dan tahapan proses yang

(51)

relatif tidak banyak menyebabkan seluruh produk memiliki urutan proses (routing) yang sama.

Berikutnya disampaikan bahwa dengan penggunaan lini produksi pada industri proses secara kontinyu, maka perhitungan penentuan ketersediaan kapasitas produksi untuk industri proses menjadi lebih sederhana.

Metode penjadwalan produksi yang dikembangkan untuk industri proses adalah metode yang sesuai untuk permasalahan penjadwalan mesin tunggal - banyak produk (single machine – multiproduct). Leachman dan Gascon dalam Fransoo (1994) telah melakukan investigasi mengenai aplikasi model-model deterministik pada situasi stokastik dan mengusulkan pendekatan heuristik untuk mengantisipasi adanya ketidakpastian.

2.4 Persediaan (Inventory)

Persediaan adalah sumber daya menganggur yang dipandang sebagai pemborosan karena dapat menimbulkan biaya persediaan yang tinggi jika terdapat dalam jumlah yang berlebihan. Keberadaan persediaan harus diminimalkan, dengan tetap menjamin terpenuhinya permintaan produk dari pelanggan. Efisiensi produksi (salah satu muaranya adalah penurunan biaya produksi) dapat ditingkatkan melalui pengendalian sistem persediaan. Menurut Baroto (2002 ) terdapat beberapa fungsi persediaan sebagai berikut :

1. Fungsi independensi. Persediaan barang jadi diperlukan untuk memenuhi permintaan pelanggan yang tidak pasti. Permintaan pasar tidak dapat diduga dengan tepat, demikian pula dengan pasokan dari pemasok.

2. Fungsi ekonomis. Seringkali dalam kondisi tertentu, memproduksi dengan jumlah produksi tertentu (lot) akan lebih ekonomis daripada memproduksi secara berulang atau sesuai permintaan. Pada beberapa kasus, membeli dengan jumlah tertentu juga akan lebih ekonomis daripada membeli sesuai kebutuhan.

3. Fungsi antisipasi. Fungsi ini diperlukan untuk mengantisipasi perubahan permintaan atau pasokan.

(1)

Mula-mula dilakukan perhitungan jumlah keputusan untuk tiap kategori, dimana hasil perhitungan akan menjadi dasar penentuan percabangan pohon keputusan.

Tabel 40 Keputusan Kategori Frekuensi

Komponen Keputusan Jumlah Q1 0

1 Tidak 15 Q2 0,98523

1 Ya 0 Q3 0,67937

2 Tidak 8 E 0,53166

2 Ya 6

3 Tidak 3

3 Ya 8

Tabel 41 Keputusan Kategori Keparahan

Komponen Keputusan Jumlah Q1 = 0

1 Tidak 14 Q2 = 0,99403

1 Ya 0 Q3 = 0,97095

2 Tidak 6 E = 0,63746

2 Ya 5

3 Tidak 6

3 Ya 9

Tabel 42 Keputusan Kategori Dampak\

Komponen Keputusan Jumlah Q1 = 0

1 Tidak 10 Q2 = 0,98523

1 Ya 0 Q3 = 0,95443

2 Tidak 6 E = 0,7266

2 Ya 8

3 Tidak 10

3 Ya 6

Berdasarkan hasil perhiungan di atas, dipilih kategori Frekuensi yang memiliki nilai enthropy minimum. Untuk kategori Frekuensi, pada tabel terlihat bahwa kategori Frekuensi untuk sub kategori Jarang dan sub kategori Cukup didominasi oleh keputusan Tidak, maka ke-2 sub kategori ini menjadi cabang dengan output keputusan Tidak dan berikutnya tidak akan dilanjutkan percabangannya.

Untuk menentukan percabangan berikutnya dilakukan perhitungan tabulasi silang untuk Kategori terpilih dengan Kategori lainnya yaitu antara Kategori Frekuensi Sering dan

(2)

Kategori Keparahan juga tabulasi silang antara Kategori Frekuensi Sering dan Dampak Keparahan seperti yang terlihat pada tabel di bawah ini.

Tabel 43 Keputusan tabulasi silang Frekuensi Sering - Keparahan Keparahan Keputusan Jumlah

1 Tidak 3 Q1 = 0

1 Ya 0 Q2 = 0

2 Tidak 0 Q3 = 0

2 Ya 4 E = 0

3 Tidak 0

3 Ya 4

Tabel 44 Keputusan tabulasi silang Frekuensi Sering – Dampak Dampak Keputusan Jumlah

1 Tidak 1 Q1 = 0

1 Ya 0 Q2 = 0

2 Tidak 0 Q3 = 1

2 Ya 5 E = 0

3 Tidak 2

3 Ya 3

Hasil perhitungan enthropy menunjukkan nilai yang sama, maka dapat dipilih salah satu diantaranya, yaitu Kategori Dampak yang tidak akan dilakukan perhitungan untuk penentuan percabangan selanjutnya, dan yang akan dilakukan perhitungan untuk penentuan percabangan berikutnya adalah Kategori Keparahan. Kategori Kaparahan didominasi oleh keputusan Ya untuk sub kategori Sangat Parah dan sub kategori Biasa Saja serta keputusan Tidak untuk sub kategori Ringan. Berikutnya dilakukan perhitungan untuk penentuan percabangan dengan melakukan tabulasi silang antara kategori Keparahan – Sangat Parah dan kategori Dampak.

Tabel Keputusan tabulasi silang Frekuensi Sering – Keparahan menunjukkan bahwa kategori Frekuensi Sering dengan Tingkat Keparahan Ringan didominasi oleh keputusan Tidak. Lanjutnya, Tabel Keputusan tabulasi silang Frekuensi Sering – Dampak menunjukkan bahwa kategori Frekuensi Sering dengan Dampak tidak berpotensi didominasi oleh keputusan Tidak.

(3)

Tabel 45 Keputusan tabulasi silang Keparahan – Sangat Parah dengan Dampak Gangguan

Dampak Gangguan

Keputusan Tidak Ya Tidak Berpotensi 3 0

Biasa saja 1 4

Sangat Berpotensi 2 5

Berdasarkan tabel tabulasi silang di atas, dapat ditentukan bahwa cabang Frekuensi Sering – Keparahan Sangat Parah dengan Dampak Biasa Saja dan dan Sangat Berpotensi didominasi oleh keputusan Ya, sedangkan Dampak Tidak Berpotensi didominasi oleh keputusan Tidak.

Uraian penjelasan berdasarkan perhitungan dengan menggunakan Teknik Klasifikasi yang merupakan bagian dari pendekatan Data Mining membentuk aturan keputusan dalam penentuan kebutuhan kebijakan lanjutan pengendalian gangguan. Gambar pohon keputusan dan aturan keputusan yang terbentuk terlihat pada bab Pemodelan Sistem.

(4)

RINGKASAN

Perencanaan Produksi dan Pengendalian Persediaan (Production Planning

and Inventory Control) atau umumnya disingkat PPIC menjadi salah satu kegiatan

utama sistem produksi. Model PPIC konvensional yang masih banyak digunakan oleh industri saat ini terdiri atas sub model Prakiraan Permintaan, sub model Penjadwalan Induk Produksi, sub model Perencanaan Kebutuhan Bahan Baku, sub model Penjadwalan Produksi yang umumnya tidak terintegrasi dalam pengelolaan data. Tiap sub model juga masih menggunakan metode yang bersifat heuristik dan belum mampu menyesuaikan secara fleksibel untuk mengendalikan gangguan-gangguan sistem produksi industri pangan. Hal ini dinyatakan oleh Koh dan Saad (2003) dalam Nieuwenhuyse, et.al.(2005) yang mengulas perkembangan aplikasi sistem PPIC pada perusahaan agroindustri modern saat ini dengan

pemanfaatan sistem Enterprises Resources Planning (ERP), dimana model PPIC

yang dikembangkan dalam ERP masih terdapat banyak kelemahan yang ditunjukkan dengan kurang baiknya performansi ERP dalam menghadapi ketidakpastian.

(5)

yang terjadi akan menyebabkan ketidakefisienan serta menghambat tercapainya target perusahaan sehingga menurunkan produktivitas pada industri.

Penjadwalan Induk Produksi menggunakan metode Fuzzy Multi Objective Linear

Programming, model Perencanaan Persediaan Bahan Baku berdasarkan metode

Material Requirement Planning (MRP) menggunakan teknik lot sizing Economic

Order Quantity (EOQ) dan telah memasukkan perhitungan persediaan pengaman

(safety stock). SPK IPRADIPA ini selanjutnya didukung oleh model Pengendalian

Persediaan Bahan Baku dengan menggunakan pendekatan Continuous Review

System dengan memperhatikan titik pemesanan kembali (Reorder Point) yang

juga mempertimbangkan persediaan pengaman. Untuk mendukung keputusan penjadwalan produksi, SPK IPRADIPA dilengkapi dengan model penentuan

urutan pengerjaan lot produksi menggunakan metode Flowshop Genetic

Algorithm.

aksi pengendalian gangguan dengan menggunakan mekanisme protokol atau rule

base. Sub model Kebijakan Lanjutan Pengendalian Gangguan menghasilkan

keputusan kebijakan lanjutan pengendalian gangguan menggunakan teknik klasifikasi dengan pendekatan Data Mining. Sub model Toleransi Persediaan

(6)

menghasilkan nilai persediaan pengaman dengan menggunakan metode Rata-rata Gangguan.

pemograman MATLAB R2010a versi pelajar dan Microsoft Excel Solver.Teknik

validasi model menggunakan validitas rupa yang memungkinkan penilaian model berdasarkan pendapat ahli. Berikutnya hasil rancang bangun IPRADIPA yang telah dirancang secara konseptual ini diterapkan dengan pembuatan prototipe sistem berdasarkan kasus pada industri roti, PT NIC, Tbk.

pengembang Enterprise Resources Planning untuk mengatasi kelemahan modul

PPIC dalam menghadapi kondisi ketidakpastian. Aplikasi rancang bangun SPK IPRADIPA ini diharapkan dapat meningkatkan produktivitas dan nilai tambah industri pangan untuk mendukung pemenuhan kebutuhan pangan bagi masyarakat Indonesia.

Kata kunci : perencanaan produksi, persediaan, adaptif, industri pangan, pengendalian Gangguan, persediaan pengaman, intelijen, optimasi, algoritma genetika.

Rancang bangun sistem pendukung keputusan intelijen Production Planning and Inventory Control (PPIC) adaptif pada industri pangan

RANCANG BANGUN

SISTEM PENDUKUNG KEPUTUSAN INTELIJEN

PRODUCTION PLANNING AND INVENTORY CONTROL

(PPIC) ADAPTIF PADA INDUSTRI PANGAN

IVELINE ANNE MARIE

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2012

PERNYATAAN MENGENAI DISERTASI DAN

SUMBER INFORMASI

ABSTRACT

RINGKASAN

RANCANG BANGUN

SISTEM PENDUKUNG KEPUTUSAN INTELIJEN

PRODUCTION PLANNING AND INVENTORY CONTROL

(PPIC) ADAPTIF PADA INDUSTRI PANGAN

IVELINE ANNE MARIE

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2012

PRAKATA

RIWAYAT HIDUP

DAFTAR ISI

DAFTAR TABEL

DAFTAR GAMBAR

DAFTAR LAMPIRAN

DAFTAR ISTILAH

1 PENDAHULUAN

2 TINJAUAN PUSTAKA

RINGKASAN

Parts

Dokumen yang terkait

Proses Penerimaan Barang Persediaan Pada Bagian Production Planning Inventori Control ( PPIC ) di PT. Bio Farma (Persero)

Sistem Informasi Production Palnning And Inventory Control (PPIC) Berbasis Web Di PT. Penta Sukses Mandiri

Rancang Bangun Sistem Intelijen Untuk Enterprise Resource Planning (Erp) Pada Industri Tepung Jagung

TA : Rancang Bangun Penjadwalan Produksi dan Inventory Control Menggunakan Material Requirements Planning Pada ROXENINDO UTAMA di Balikpapan.

Rancang Bangun Sistem Informasi Production Planning And Inventory Control (PPIC) Dengan Metode MRP.

Pelaksanaan Production Planning dan Inventory Control pada PT. Tirta Investama Klaten IMG 20150706 0001

Pengembangan Sistem Tutorial Adaptif Ber

SISTEM INFORMASI PRODUCTION PLANNING AND INVENTORY CONTROL UNIT KDF PADA DEPARTEMEN SKM PT NOJORONO TOBACCO INTERNATIONAL

RANCANG BANGUN SISTEM INFORMASI PRODUCTIONS PLANNING AND CONTROL PADA CV. HARAPAN JAYA TENDA SURABAYA

Steps for Solving Quantity Discount

Dokumen yang Anda mencari sudah siap untuk unduhkan