adalah ketersediaan pemasok dan perjanjian kerjasama yang dilakukan dengan pemasok akan menentukan model Perencanaan dan Pengendalian Persediaan
Bahan Baku khususnya dalam penentuan metode lot sizing yang akan diterapkan. Kebijakan perusahaan dapat membedakan fungsi tujuan dan fungsi
pembatas dalam model optimasi penjadwalan induk produksi serta kriteria performansi yang digunakan dalam penentuan urutan job produksi dan penentuan
rute pengiriman.
7 SIMPULAN DAN SARAN
7.1 Simpulan
Industri pangan menghadapi persoalan produksi disebabkan karena karakteristik bahan baku yang perishable dan musiman. Kompleksitas masalah
tersebut belum dapat diantisipasi dengan menggunakan model PPIC konvensional, sehingga dibutuhkan model keputusan yang lebih handal serta mampu
mengintegrasikan pengendalian gangguan. Penelitian ini menghasilkan perangkat lunak Sistem Pendukung Keputusan
SPK IPRADIPA yang mempunyai kapasitas mengintegrasikan perencanaan produksi dan pengendalian persediaan dengan pengendalian gangguan sistem
produksi yang terjadi pada industri pangan. SPK IPRADIPA terdiri dari Model PPIC Adaptif dan Model Pengendalian Gangguan. Model PPIC Adaptif terdiri
dari 5 sub model, yaitu : Prakiraan Permintaan, Penentuan Jadwal Induk Produksi, Perencanaan Persediaan Bahan Baku, Pengendalian Persediaan Bahan Baku dan
Penentuan Urutan JobLot Produksi. Model Pengendalian Gangguan terdiri dari 3 sub model, yaitu : Aksi Pengendalian Gangguan, Kebijakan Lanjutan
Pengendalian Gangguan dan Toleransi Persediaan. Model PPIC Adaptif dikembangkan berdasarkan metode Jaringan Syaraf
Tiruan, teknik optimasi dan Algoritma Genetika. Model ini merupakan model
keputusan yang cerdas dan 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 ini juga bersifat adaptif karena dapat memperbaharui nilai persediaan pengaman untuk bahan baku dan produk jadi
yang menjadi data masukan dalam model keputusan PPIC. Sub model Prakiraan Permintaan melakukan prakiraan permintaan produk
dengan menggunakan metode Jaringan Syaraf Tiruan. Sub model Penentuan Jadwal Induk Produksi menghasilkan optimasi jumlah produk yang diproduksi
berdasarkan minimasi biaya produksi dan maksimasi utilisasi produksi dengan menggunakan metode Fuzzy Multi Objective Linear Programming. Sub model
Perencanaan Persediaan Bahan Baku menghasilkan rencana kebutuhan bahan baku dengan menggunakan metode Material Requirement Planning dan teknik
penentuan ukuran lot EOQ. Sub model Pengendalian Persediaan Bahan Baku menghasilkan revisi pemesanan bahan baku dengan menggunakan pendekatan
Continuous Review System Probabilistic. Sub model Penentuan Urutan JobLot Produksi menghasilkan urutan job produksi dengan menggunakan Algoritma
Genetika. Model Pengendalian Gangguan menghasilkan rekomendasi aksi
pengendalian gangguan dan kebijakan lanjutan pengendalian gangguan, serta dapat memperbaharui nilai persediaan pengaman bahan baku dan produk jadi. Sub
model Aksi Pengendalian Gangguan 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 menghasilkan nilai persediaan pengaman dengan menggunakan metode Rata-rata Gangguan.
Toleransi persediaan untuk bahan baku dan produk jadi dihitung dari nilai pengaruh gangguan operasional dan variansi yang terjadi terhadap perubahan
persediaan pengaman bahan baku ataupun persediaan pengaman produk jadi.
7.2 Saran
Untuk meningkatkan keandalan SPK IPRADIPA disarankan hal-hal berikut : 1. Model PPIC Adaptif agar dapat diperluas pemanfaatannya untuk industri
pangan lainnya dengan mempertimbangkan faktor-faktor pembeda sesuai dengan karakteristik bahan baku dan sistem produksi industri pangan
terkait. 2. Model PPIC Adaptif dapat dikembangkan lebih lanjut oleh pihak
pengembang Enterprise Resources Planning ERP untuk mengatasi kelemahan modul PPIC dalam menghadapi kondisi ketidakpastian.
3. Model Pengendalian Gangguan khususnya sub model Aksi Pengendalian Gangguan dapat dikembangkan lebih lanjut dengan menggunakan sistem
pakar dalam penentuan deteksi gangguan sistem produksi termasuk
gangguan sistem produksi dikaitkan dengan permasalahan kualitas bahan baku.
4. Model PPIC khususnya sub model Perencanaan Persediaan Bahan Baku dapat dikembangkan lebih lanjut dengan menggunakan teknik penentuan
ukuran lot persediaan EOQ yang sudah mempertimbangkan umur simpan bahan baku.
5. Untuk operasionalisasi, SPK Intelijen PPIC Adaptif perlu dilengkapi dengan Model Penentuan Rute Pengiriman Produk Jadi menggunakan
metode Travelling Salesman Problem TSP berdasarkan Algoritma Genetika.
DAFTAR PUSTAKA
Al-Dulaimi, Buthainah and Ali, Hamza A.. 2008. Enhanced Traveling Salesman Problem Solving by Genetic Algorithm Technique TSPGA. World
Academy of Science, Engineering and Technology:38. Austin, J.E. 1992. Agroindustrial Project Analysis.Critical Design Factor. EDI
Series in Economic Development. The Johns Hopkins University Press. Bahagia, Senator Nur. 2006. Sistem Inventori. Bandung: Penerbit ITB.
Baroto, Teguh. 2002. Perencanaan dan Pengendalian Produksi. Jakarta: Ghalia
Indonesia. Bedworth, David D. and Bailey, James E. 1987. Integrated Production Control
Systems : Management, Analysis, Design 2E. Canada: John Wiley Sons, Inc.
Bonney, Maurice. 2000. Reflection On Production Planning And Control PPC. Gestao Producao 7 3:181-207
Boukef, Hela, Benrejeb, Mohamed and Borne, Pierre, 2007, A Proposed Genetic Algorithm Coding for Flow-Shop Scheduling Problems, International
Journal of Computers, Communications Control II 2007 3:229- 240
Connor JM, Schiek WA. 1997. Food Processing. An Industrial Power-house in Transition 2
nd
Edition. USA: Wiley. Daihani, Dadan Umar. 2001. Komputerisasi Pengambilan Keputsuan. Jakarta: PT
Elex Media Komputindo. Datta, Partha Priya. 2007. A Complex System, Agent Based Model for Studying
and Improving the Resilience of Production and Distribution Networks. [Disertasi]. Cranfield University : Cranfield School of
Management.
Davis, Gordon B., Alih Bahasa : Andreas S. Adiwardana. 1995. Kerangka Dasar Sistem Informasi Manajemen. Jakarta: PT Pustaka Binaman Pressindo.
Edmund, Prater. 2005. A Framework for Understanding the Interaction of Uncertainty and Information Systems on Supply Chains . International
Journal of Physical Distribution Logistics Management 35. 78 : 524-539.
Fogarty, Donald W., et al. 1991. Production Inventory Management. USA: South-Western Publishing Co.
Fransoo, Jan C. 1994. A Typology of Production Control Situations in Process
Industries. International Journal of Operations Production Management, Vol. 14 No. 12 : 47-57.
Hejazi, S.Reza and S.Saghafian. 2005. Flowshop-scheduling Problems with Makespan Criterion : A Review. International Journal of Production
Research 43 14:2895-2929. Hermawan, Arief. 2006. Jaringan Saraf Tiruan, Teori dan Aplikasi. Yogyakarta:
ANDI. Jain, Lakhmi C and ChTee Peng Lim. 2010. Handbook on Decision Making Vol 1
: Techniques and Application. Berlin: Springer-Verlag Berlin Heidelberg.
Kadarsah, Suryadi, dan Ramdhani, Ali. 1998. Sistem Pendukung Keputusan : Suatu Wacana Struktural Idealisasi dan Implementasi Konsep
Pengambilan Keputusan. Bandung: PT Remaja Rosdakarya. Kendall, Keneth E. and Kendall, Julie E. 1998. System Analysis and Design,
Third Edition. Prentice Hall International Inc: Australia. Kilic, Onur Alper. 2011. Planning and Scheduling in Process Industries
Considering Industry-Specific Characteristics. Thesis. Netherlands : University of Groningen.
Koh, S.C.L., Jones, M.H., Saad, S.M., Arunachalam, S. and Gunasekaran, A. 2000. Measuring uncertaintiesin MRP environment. Logistics
Information Management: An International Journal, Vol. 13 No. 3 : 177-183.
Kim, C.O., et.al., 2005. Adaptive Inventory Control Models for Supply Chain Management.
International Journal
Advanced Manufacturing
Technology 26 : 1184 -1192. Koh, S.C.L. 2004. MRP-controlled Batch-manufacturing Environment under
Uncertainty. Journal of The Operational Research Society Vol. 55 No. 3 : 219-32.
Koh, S.C.L., M, Simpson, and Y, Lin, Y. 2006. Uncertainty and Contingency
Plans in ERP-Controlled Manufacturing Environments. Journal of Enterprise Information Management 19. Â6 : 625-645.
Kusumadewi, Sri dan Purnomo, Hari. 2005. Penyelesaian Masalah Optimasi dengan Teknik-teknik Heuristik. Yogyakarta: Penerbit Graha Ilmu..