sistem dengan tiap entitas terlihat pada gambar panah yang terhubung antara entitas dengan sistem.
Dekomposisi fungsi SPK Intelijen PPIC Adaptif Industri Pangan meliputi 2 level fungsi seperti pada gambar 23 berikut ini.
Untuk memperjelas aliran data yang terjadi pada setiap proses akan dibuat ekstraksi Diagram Konteks dalam bentuk Data Flow Diagram Level 0 dalam hal
ini dikaitkan dengan implementasi model-model yang terdapat dalam SPK Intelijen PPIC Adaptif Industri Pangan, maka digambarkan Diagram Konteks
level berikutnya level 1 atau sering disebut dengan Data Flow Diagram DFD Level 1 Lihat gambar 24 berikut. Berdasarkan diagram konteks dan dekomposisi
fungsi SPK Intelijen PPIC Adaptif industri pangan, model-model yang dijalankan SPK Intelijen PPIC Adaptif dibuatkan model secara lebih rinci untuk memperjelas
aliran proses ataupun aliran data atau informasi antara entitas dengan pengguna sistem.
Berikutnya, untuk mendukung operasional SPK Intelijen PPIC Adaptif Pada Industri Pangan, dilakukan perancangan Data Flow Diagram DFD Level 2
untuk memperjelas ekstraksi sistem yang terdiri atas basis model sebagai berikut : 1. Basis model Prakiraan Permintaan Demand Management berdasarkan
metode Artificial Neural Network ANN. 2. Basis model Penjadwalan Induk Produksi Master Production
SchedulingMPS berdasarkan metode Fuzzy Multi Objective Linear Programming.
3. Basis model Perencanaan Persediaan Bahan Baku berdasarkan metode Material Requirement Planning MRP.
4. Basis model Pengendalian Persediaan Bahan Baku, 5. Basis model Penentuan Urutan Job Produksi berdasarkan metode
penjadwalan Flowshop Genetic Algorithm. 6. Basis model Pengendalian Gangguan.
Gambar DFD untuk masing-masing model dapat dilihat pada gambar-gambar berikut ini.
Departemen Penjualan dan
Pemasaran
Riwayat Penjualan
Departemen PPIC
Prakiraan Permintaan Jk Pendek
Prakiraan Permintaan Jk Menengah
KONSUMEN Pesa
nan R O, F
O Va
ria n
1. PRAKIRAAN PERMINTAAN :
Metode ANN
Produk Jadi
Gambar 25 Data flow diagram level 2 Prakiraan Permintaan. Dengan memanfaatkan informasi riwayat penjualan dari Departemen
Penjualan dan Pemasaran dilakukan pemrosesan SPK untuk fungsi PPIC model Manajemen Permintaan, menghasilkan output yang akan diterima oleh
Departemen PPIC berupa data Prakiraan Permintaan Jangka Pendek berikutnya akan dimanfaatkan sebagai input model Penjadwalan Induk Produksi serta data
Prakiraan Permintaan Jangka Menengah berikutnya akan dimanfaatkan sebagai input model Perencanaan Persediaan Bahan Baku.
Departemen Produksi
Departemen PPIC
Prakiraan Permintaan Jk
Pendek P
er sed
iaa n
Ka p
a si
ta s
2. PENJADWALAN INDUK PRODUKSI : Metode Fuzzy Multi
Objective Linear Programming
Operator Produksi
Ka pa
sit as
Mesin Bahan Baku
P er
se di
aa n
Produk Jadi
JIP
Loss Produk Jadi
Gambar 26 Data flow diagram level 2 Penjadwalan Induk Produksi
Sistem akan menggunakan input Prakiraan Permintaan Jangka Pendek Model Penjadwalan Induk Produksi yang dimiliki Departemen PPIC sekaligus
input data persediaan pengaman Produk Jadi yang didapatkan dari pemrosesan model Pengendalian Gangguan periode sebelumnya.
Untuk awal pemrosesan, sistem akan menggunakan data awal persediaan pengaman Produk Jadi yang merupakan nilai batas minimum
persediaan pengaman yang sesuai dengan kebijakan perusahaan terkait berdasarkan pertimbangan pengguna sistem.
Departemen PPIC
Departemen Pembelian
Waktu dan Ukuran
Pemesanan SUPPLIER
Prakiraan Pemintaan Jk
Menengah
Lot P em
esa nan
3. PERENCANAAN PERSEDIAAN BAHAN BAKU : Metode Material
Requirement Planning :
Netting Lotting : EOQ
Time Offsetting
Bahan Baku
P er
se di
aan
Persediaan Pengaman Bahan
Baku
Gambar 27 Data flow diagram level 2 Perencanaan Persediaan Bahan Baku.
Output model Prakiraan Permintaan berdasarkan metode Artificial Neural Network ANN berupa informasi Prakiraan Permintaan Jangka Menengah akan
digunakan sebagai input pemrosesan model Perencanaan Persediaan Bahan Baku berdasarkan metode Material Requirement Planning MRP dengan tahapan
proses sebagai berikut : 1. Netting, yaitu penentuan nilai bersih berdasarkan data kebutuhan bahan
baku hasil konversi data prakiraan permintaan sesuai dengan receipt produk yang telah mempertimbangkan data stok persediaan pada awal
periode perencanaan. 2. Lotting, yaitu penentuan ukuran pemesanan ekonomis berdasarkan
optimasi antara biaya simpan dan biaya pesan untuk tiap jenis bahan baku dengan menggunakan rumus EOQ.
3. Penentuan kebutuhan ketersediaan bahan baku yang dioperasionalkan dalam penentuan Planned Order Receipt sejumlah lot tertentu yang telah
disesuaikan dengan kebijakan pemasok supplier terkait. dengan mempertimbangkan nilai kebutuhan bersih yang nilainya
≤ nilai safety stock persediaan pengaman Bahan Baku.
4. Time Offsetting. Pada tahapan ini dilakukan pemesanan sejumlah ukuran pemesanan bahan baku dengan mempertimbangkan waktu ancang-ancang
Lead Time tertentu untuk mendapatkan bahan baku. Informasi pemrosesan adalah berupa data waktu dan ukuran pemesanan
bahan baku yang akan diterima oleh Departemen Pembelian untuk kemudian ditindaklanjuti dengan kegiatan administrasi pemesanaan kepada pemasok terkait.
Berikut adalah penjelasan pemrosesan model Pengendalian Persediaan Bahan Baku yang akan memanfaatkan input data Stok Opname Bahan Baku dari
Departemen Gudang, data hasil Jadwal Induk Produksi JIP output model Penjadwalan Induk Produksi yang dimiliki Departemen Produksi. Apabila ada
perbedaan antara output model Perencanaan Persediaan Bahan Baku informasi Planned Order Release, maka akan dilakukan revisi sesuai hasil model ini berupa
data Revisi Waktu Pemesanan yang akan diterima oleh Departemen Pembelian dan berikutnya didiskusikan dengan pemasok bahan baku terkait.
Departemen PPIC
Departemen Pembelian
Revisi Waktu Pemesanan
SUPPLIER
Pla nn
ed Orde
r Re
lease Revis
i W aktu
Pem esanan
4. PENGENDALIAN PERSEDIAAN BAHAN BAKU : Pendekatan
Continuous Review System Probabilistic :
EOQ Safety Stock
Reorder Point ROP
Stok O pname B
ahan B aku
Departemen Produksi
JI P
Departemen Gudang
Gambar 28 Data flow diagram level 2 Pengendalian Persediaan Bahan Baku.
Model berikut adalah pemrosesan yang dilakukan SPK PPIC Adaptif untuk mendapatkan data urutan job produksi yang memberikan nilai waktu
penyelesaian seluruh job makespan minimum dengan menggunakan metode Penjadwalan Flowshop Genetic Algorithm. Proses pembagian job dilakukan oleh
sistem berdasarkan data Jadwal Induk Produksi JIP, output model Penjadwalan Induk Produksi, data urutan proses untuk tiap job dan waktu proses mesin yang
digunakan untuk melakukan proses.
Departemen Produksi
Departemen PPIC
Urutan Job Pembagian Job
U ru
ta n
P ro
se s
Wa ktu
P ros
es
5.PENENTUAN URUTAN JOB PRODUKSI : Metode FlowShop
Genetic Algorithm
Mesin
Job
Gambar 29 Data flow diagram level 2 Penentuan Urutan Job Produksi. Untuk mempermudah pengguna sistem mempelajari hasil pemrosesan,
sistem juga akan memberikan output berupa diagram yang menunjukkan waktu penyelesaian untuk tiap-tiap job sesuai dengan urutan job yang sudah mendekati
optimal berdasarkan running model yang memanfaatkan metode Genetic Algorithm.
Hal-hal yang membedakan hasil rancang bangun SPK Intelijen PPIC Adaptif Industri Pangan dengan SPK PPIC lainnya adalah adanya model
Pengendalian Gangguan yang dapat memberikan output aksi pengendalian gangguan berdasarkan input gangguan yang terjadi, hasil rekomendasi kebijakan
lanjutan berdasarkan rekapitulasi nilai gangguan serta informasi toleransi persediaan berupa persediaan pengaman Bahan Baku dan persediaan
pengaman Produk Jadi hasil perhitungan persediaan pengaman yang juga sudah mempertimbangkan gangguan sistem produksi yang terjadi.