SISTEM PENDUKUNG KEPUTUSAN RANTAI PASOK
KOPERASI PENGOLAHAN SUSU X DI JAWA BARAT
Rina Fitriana1, Taufik Djatna2
1Jurusan Teknik Industri, Fakultas Teknologi Industri, Universtas Trisakti
2Departemen Teknologi Industri Pertanian. Sekolah Pasca Sarjana. Institut Pertanian Bogor
ABSTRACT
A decision support system is a computerized information system, designed to support business and organizational decision-making activities. Agroindustrial Supply Chain Management (Agro-SCM) is the management of the entire set of production, transformation/processing, distribution and marketing activities in agroindustry by which a consumer is supplied with a desired product. Milk Processing Cooperation has a strategic role to support the milk industry development in Indonesia. The purpose of this research is to make a proposal supply chain decision support system of Milk Processing Cooperative X in West Java. The first sub model is Sales and Purchase. The second sub model is a Quality Risk. Third sub model is the Forecasting. The fourth sub model is Transportation. The Fift sub model is Supply Chain Management. Validation and Verification of Decison Support System conducted through case studies with empirical data in Milk Processing Cooperative X in West Java.
Keywords : Decision Support System, Agro-SCM, Milk Processing Cooperative
1. PENDAHULUAN1
Sistem Pendukung Keputusan adalah sistem informasi terkomputerisasi didesain untuk mendukung bisnis dan aktivitas pengambilan keputusan (N Liu, 2009). Rantai Pasok berisi semua pihak yang terlibat baik langsung maupun tidak langsung dalam memenuhi permintaan pelanggan (Chopra, 2007). Koperasi Pengolahan Susu (KPS) adalah lembaga yang mengelola persusuan dan mendistribusikan susu kepada Industri Pengolahan Susu dari peternak dan sebagai
perwakilan peternak dalam
memperjuangkan aspirasi peternak, selain itu koperasi juga berperan sebagai Industri Pengolahan Susu Skala Kecil Menengah.
Permasalahan dalam Rantai Pasok Agroindustri KPS (Koperasi Pengolahan Susu) difomulasikan sebagai berikut: Belum maksimalnya efisiensi dan efektivitas manajerial (Quality, Cost, Delivery) koperasi susu, dalam rangka mendapatkan
Korespondensi : 1Rina Fitriana
hasil yang optimal. Pengusaan teknologi diversifikasi produk juga belum maksimal.
Tujuan dari penelitian ini adalah menghasilkan suatu Sistem Pendukung Keputusan dari rantai pasokan koperasi pengolahan susu studi kasus di Koperasi Pengolahan Susu (KPS) X di Jawa Barat.
2. LANDASAN TEORI
2.1 Manajemen Rantai Pasok
Manajemen Rantai Pasok adalah keterpaduan antara perencaaan, koordinasi dan kendali seluruh proses dan aktivitas bisnis dalam rantai pasok untuk mengantarkan nilai superior dari konsumen dengan biaya termurah kepada pelanggan. Rantai pasok lebih ditekankan pada seri aliran bahan dan informasi, sedangkan manajemen rantai pasok menekankan pada upaya memadukan kumpulan rantai pasok (Vorst, 2004, Hadiguna, 2007)
Gambar 1. Skema rantai pasok pertanian (Sumber: Vorst, 2004, Hadiguna, 2007)
Manajemen rantai pasok produk pertanian berbeda dengan manajemen rantai pasok produk manufaktur karena: (1) produk pertanian bersifat mudah rusak, (2) proses penanaman, pertumbuhan dan pemanenan tergantung pada iklim dan musim, (3) hasil panen memiliki bentuk dan ukuran yang bervariasi, (4) produk pertanian bersifat kamba sehingga produk pertanian sulit untuk ditangani (Austin, 1992; Brown, 1994). Seluruh faktor tersebut harus dipertimbangkan dalam desain manajemen rantai pasok produk pertanian karena kondisi rantai pasok produk pertanian lebih kompleks daripada rantai pasok pada
umumnya. Selain lebih kompleks, manajemen rantai pasok produk pertanian juga bersifat probabilistik dan dinamis.
Berdasarkan konsep supply chain terdapat tiga tahapan dalam aliran material. Bahan mentah didistribusikan ke manufaktur membentuk suatu sistem physical supply, manufaktur mengolah bahan mentah, dan produk jadi didistribusikan kepada konsumen akhir membentuk sistem physical distribution. Aliran material tersebut dapat dilihat pada Gambar 2 (Arnold dan Chapman, 2004).
Gambar 2. Pola Aliran Material
Dari gambar di atas dapat diketahui bahwa bahan mentah didistribusikan kepada pemasok dan pabrik melakukan pengolahan
sehingga menjadi barang jadi siap didistribusikan kepada konsumen melalui distributor. Aliran produk terjadi mulai dari
pemasok hingga ke konsumen, sedangkan arus balik aliran ini adalah aliran permintaan dan informasi. Dimana, permintaan dari konsumen diterjemahkan oleh distributor, dan distributor menyampaikan pada pabrik selanjutnya pabrik menyalurkan informasi tersebut pada pemasok.
Rantai pasok intelijen adalah inisiatif baru yang menyediakan kapabilitas untuk mengungkapkan kesempatan untuk memotong biaya, meningkatkan penjualan dan meningkatkan kepuasan pelanggan dengan memanfaatkan kolaborasi pengambilan keputusan (Stefanovic, 2009).
2.2 Failure Mode And Effect Analysis (FMEA)
FMEA adalah suatu prosedur terstruktur untuk mengidentifikasi dan mencegah sebanyak mungkin mode kegagalan (failures mode). Suatu failures mode adalah apa saja yang termasuk dalam kecacatan/kegagalan dalam desain, kondisi di luar batas spesifikasi yang telah diterapkan, atau perubahan-perubahan dalam produk yang menyebabkan terganggunya fungsi dari produk itu. Melalui menghilangkan mode kegagalan, maka FMEA akan meningkatkan keandalan dari produk dan pelayanan sehingga meningkatkan kepuasan pelanggan yang menggunakan produk dan pelayanan itu (Gaspersz, 2002).
FMEA desain akan membantu menghilangkan kegagalan-kegagalan yang terkait dengan desain, misalnya kegagalan karena kekuatan yang tidak tepat, material yang tidak sesuai, dan lain-lain. FMEA proses akan membantu menghilangkan kegagalan yang disebabkan oleh perubahan-perubahan dalam variable proses, sebagai misalnya: kondisi diluar batas-batas spesifikasi yang ditetapkan seperti ukuran yang tidak tepat, tekstur dan warna yang tidak sesuai, ketebalan yang tidak tepat, dan lain-lain (Gaspersz, 2002).
Dalam pembutan FMEA dilakukan masalah kerumitan (severity) yang kemudian dapat dilakukan dengan karakteristik yang spesial. Penilaian dengan mengunakan skala 1-10, dimana masalah yang lebih serius mendapat rating lebih tinggi. Menilai kemudahan pendeteksian
terhadap produk cacat (detection) dengan menggunakan skala 1-10. Menghitung Risk Priority Number (RPN) dan tindakan-tindakan prioritas untuk mengetahui masalah yang paling serius.
RPN = Severity x Occurrence x Detection (1) Nilai RPN dari setiap masalah yang ada dijumlahkan, dimana nilai RPN yang paling tinggi menandakan bahwa masalah tersebut memerlukan penanganan yang serius RPN maksimum adalah 1000 (Gaspersz, 2002).
2.3 Sistem Pendukung Keputusan
Definisi Sistem Pendukung Keputusan (SPK) adalah sistem informasi terkomputerisasi, didesain untuk mendukung bisnis dan aktivitas pengambilan keputusan organisasi (Niu et.al, 2009).
Menurut Eriyatno (1998) pendekatan sistem adalah metodologi yang bersifat rasional sampai bersifat intuitif yang memecahkan masalah guna mencapai tujuan tertentu. Permasalahan yang sebaiknya menggunakan pendekatan sistem dalam pengkajiannya yaitu masalah yang memenuhi karakteristik :
1. Kompleks, yaitu interaksi antar elemen cukup rumit
2. Dinamis, dalam arti faktornya ada yang berubah menurut waktu dan ada pendugaan ke masa depan
3. Probabilistik yaitu diperlukannya fungsi peluang dalam inferensi kesimpulan maupun rekomendasi.
Komponen SPK adalah (Vercelis, 2009) :
1. Manajemen Data. Termasuk database,
yang mengandung data yang relevan untuk berbagai situasi dan diatur oleh software yang disebut Database Management Systems (DBMS).
2. Manajemen Model. Melibatkan model
finansial, statistika, manajemen pengetahuan, atau berbagai model kuantitatif lainnya, sehingga dapat memberikan ke sistem suatu kemampuan analitis, dan manajemen software yang diperlukan.
3. Interaksi. Pengetahuan pekerja dapat berinteraksi pada SPK untuk melakukan analisa.
4. Manajemen Pengetahuan. Modul
Manajemen Pengetahuan juga berinterkoneksi dengan Sistem Integrasi Manajemen Pengetahuan Perusahaan.
3. METODE PENELITIAN
Pengembangan Sistem Pendukung Keputusan untuk Pengelolaan Rantai Pasok Agroindustri Susu mengacu kepada tahapan penelitian menggunakan pendekatan sistem sebagai berikut:
1. Mempelajari sistem rantai pasok agroindustri susu dengan transaksi penjualan dan pembelian koperasi susu, resiko mutu, peramalan dan transportasi.
Wawancara mendalam untuk
mendapatkan variable- variabel keputusan penting dalam rantai pasok agroindustri susu.
2. Mengidentifikasi faktor-faktor pemicu resiko mutu, kegiatan kunci, merumuskan basis aturan agregasi nilai dan penanganan resiko mutu berdasarkan pendapat para pakar.
3. Desain sistem untuk merancang model-model pengambilan keputusan, basis data dan user interface pada sistem penunjang keputusan.
4. Verifikasi model menggunakan data Koperasi Pengolahan Susu (KPS) X sebagai studi kasus
4. HASIL DAN PEMBAHASAN
4.1. Rantai Pasok Agroindustri Susu
Rantai pasok agroindustri susu yang dibahas dalam penelitian ini terdiri dari Pemasok yaitu Petani Susu, Kemudian petani susu menyalurkan ke koperasi Susu, kemudian sebagian kecil susu diolah dalam Industri kecil/menengah Koperasi Susu, Susu kemudian ada yang diolah menjadi yoghurt dan susu pasteurisasi sedangkan sebagian besar susu segar dipasok ke Industri Pengolahan Susu skala Besar yang diolah menjadi susu cair kotak, susu bubuk, susu kental manis dll. Produk jadi baik dari koperasi susu maupun dari IPS kemudian disalurkan ke Retailer, kemudian konsumen dapat membelinya dari retailer.
Petani Susu Koperasi Susu Industri
Pengolahan Susu Retailer Konsumen
Industri Kecil Menengah Koperasi Susu
Gambar 1 Rantai Pasok Agroindustri Susu
4.2. Pemodelan Sistem Penunjang
Keputusan untuk Koperasi Susu
Pemodelan sistem yang dirancang untuk rancangan aplikasi SPK untuk penilaian aplikasi SPK untuk penilaian Rantai Pasok Koperasi Susu, dirancang dalam bentuk paket komputer yang terdiri dari komponen sistem manajemen basis data, sistem manajemen basis pengetahuan dan sistem manajemen model yang dihubungkan dengan sistem manajemen
dialog yang akan memudahkan komunikasi dengan pengguna yang bersifat interaktif.
Konfigurasi model sistem penunjang keputusan menggambarkan komponen di dalam sistem dan keterkaitan antar komponen sistem. Konfigurasi model SPK disajikan pada gambar yang terdiri dari tiga komponen utama yaitu Sistem Manajemen Basis Model, Sistem Manajemen Basis Data dan Sistem Manajemen Dialog.
Basis data yang terdapat dalam sistem manajemen basis data digunakan oleh basis model yang terdapat pada sistem manajemen basis model, proses eksekusi data oleh model berlangsung di dalam sistem pengolahan terpusat. Alternatif keputusan yang dapat dihasilkan oleh sistem pengolahan terpusat dapat diminta dan diperoleh hasilnya oleh penggunan SPK melalui sistem manajemen dialog.
Model SPK dirancang untuk mampu menghasilkan informasi dan alternatif keputusan untuk pengguna koperasi susu
Jawa Barat keluarannya berupa informasi transaksi penjualan dan pembelian, peramalan, penilaian resiko mutu susu, penjadwalan, transportasi dan kualitas rantai pasok agroindustri.
Pemodelan sistem untuk rancangan SPK rantai pasok koperasi pengolahan susu (KPS) dapat dilihat pada Gambar 2 yang terdiri dari tiga komponen utama yaitu sistem manajemen basis model, sistem manajemen basis data dan sistem manajemen dialog.
Data Model Pengetahuan
Sistem Manajemen Basis
Data Sistem Manajemen Basis Model
Sistem Manajemen Basis Pengetahuan
Data Pembelian Data Penjualan Data Kualitas Susu Data Transportasi
Sub Model Pembelian dan Penjualan
Sub Model Resiko Mutu Susu Sub Model Peramalan Sub Model Transportasi Sub Model Kuaitas Rantai Pasok
-Pengetahuan Pembelian dan Penjualan
-Penanganan Resiko Mutu -Pengetahuan Peramalan -Pengetahuan Penjadwalan -Pengetahuan Transportasi Susu
Sistem Pengolahan Terpusat Sistem Manajemen Dialog Pengguna
Berikut adalah Diagram Alir SPK KPS : Mulai Transaksi penjualan dan pembelian Data/informasi eksternal Basis Data internal Basis Data Eksternal Basis pengeta huan Transaksi Penjualan
dan Pembelian Peramalan
Kualitas Rantai Pasok KPS Penilaian Resiko
Mutu Penjadwalan
Gambar 3. Diagram Alir SPK KPS
Sistem Manajemen Basis Data
Basis Data SPK KPS terdiri dari basis data internal yaitu Data Pembelian dan Penjualan. Setelah dianalisis basis data ini terdiri dari empat buah file yaitu File transaksi penjualan dan pembelian, penilaian Resiko Mutu, input resiko mutu, input peramalan, transportasi.
Perancangan Sistem Manejemen Basis Pengetahuan
Basis Pengetahuan SPK KPS terdiri dari berbagai tindakan yang dilakukan oleh lingkungan bisnis (misalnya pelanggan, pemerintah) serta tindakan yang dilakukan koperasi pengolahan susu untuk mengantisipasinya.
Sistem Manajemen Basis Model
a. Sistem Manajemen Dialog
Sistem Manajemen Dialog di dalam rekayasa sistem pendukung keputusan pengembangan agroindustri susu adalah komponen yang dirancang untuk mengatur
dan mempermudah interaksi antara model (aplikasi komputer) dengan pengguna.
b. Sub Model Pencatatan Transaksi
Penjualan dan Pembelian
Model ini berfungsi untuk melakukan pengolahan basis data dari basis data dari proses internal yaitu mengolah data pembelian dan penjualan untuk suatu perioda tertentu serta melakukan pencatatan dan pengolahan data untuk setiap transaksi yang dilakukan perusahaan.
Nilai Transaksi Penjualan dan
Pembelian
Penjulan > rata-rata penjualan = Baik Penjualan = rata-rata penjualan = Sedang Penjualan < rata-rata penjualan = Kurang Pembelian > rata-rata pembelian = Baik Pembelian = rata-rata pembelian = Sedang
Pembelian < rata-rata pembelian = Kurang
Contoh If Then Rule Transaksi Penjualan dan Pembelian (9 Rule)
If penjualan baik, pembelian baik then transaksi penjualan dan pembelian baik.
Gambar 4. Input Transaksi Pembelian dan Penjualan
c. Sub Model Penilaian Resiko Mutu
Lebih dari 80% jumlah produksi susu segar dari peternak dijual ke IPS. Dasar pijakan yang digunakan oleh para peternak dan IPS adalah apabila nilai TPC antara 10-15 juta dan nilai TS sebesar 11,3%, maka peternak akan memperoleh harga sebesar Rp 1.825/liter susu segar.
Pada sub model Penilaian Resiko Mutu dilakukan analisa terhadap penyebab dari permasalahan yang terjadi. Pada proses ini terdapat pembuatan :
1. Diagram Fishbone
Diagram fishbone ini dilakukan dengan cara brainstorming dari pihak perusahaan yang berkaitan dengan masalah cacat untuk menemukan
penyebab-penyebab dari cacat yang dihasilkan.
2. Failure Mode Effect Analysis (FMEA) Sumber-sumber resiko pada rantai pasok agroindustri susu diketahui berdasarkan koperasi, pabrik susu dan konsumen susu. Pemicu resiko pada agroindustri susu adalah kandungan protein, adanya antibiotic, makanan sapi, kualitas susu. Pemicu resiko pada transportasi agroindustri susu adalah kondisi jalan, ketersediaan truk dan pemuatan dan pemindahan susu dari mobil. Pemicu resiko pengolahan adalah teknologi pengemasan kurang baik, teknologi pengawetan susu kurang baik.
Mutu Susu Kurang Baik Metode
Mesin
Material
Man
Metode Penjadwalan transportasi kurang baik
Teknologi kurang canggih
Pola makan kurang baik
Manusia kurang terampil Peralatan-peralatan susu kurang memadai
Kurang makanan konsentrat
Gambar 5. Diagram Tulang Ikan Cacat Mutu Susu Kurang Baik Tabel 1 merupakan diagram FMEA untuk jenis cacat mutu Susu Kurang baik.
Tabel 1. Diagram FMEA Untuk Jenis Cacat Mutu Susu Kurang Baik No. Jenis Kegagalan Penyebab Pengaruh Buruk Frekuen si
Bobot RPN Tindakan Yang direkomendasikan S O D SxOxD 1 Dari petani mutu Susu kurang baik Tingginya kandungan bakteri Total Plate Control (TPC) Kandang, Tangan manusia atau Ember kotor Sering 5 5 5 125 Diberikan Standar Operating Procedur di tingkat peternak. Sapi dimandikan, tangan pemerah dicuci sebelum memerah susu, ember dibersihkan. 2 Dari petani mutu Susu kurang baik Rendahnya Total Solid Kurang konsentrat makanan Sering 4 5 5 100 Sapi diberi makanan konsentrat, anggota koperasi mendapat subsidi makanan konsentrat 3 Dari petani susu ditolak Susu mengandung antibiotik Sapi diberi obat yang mengandung antibiotik Jarang 3 3 4 36 Susu yang mengandung antibiotik diberi tanda agar dipisahkan untuk diberikan ke anak sapi (pellet) 4 Kualitas susu rusak dari KPS ke IPS Segel yang dipasang di KPS rusak sebelum sampai ke IPS Sopir dan Kernet kurang bertanggung jawab Jarang 3 3 3 27
Sopir dan Kernet diberi sanksi mulai
dari SP I,II,III, dipotong honor sampai dikeluarkan 5 Susu rusak di jalan Terlalu lama di jalan Penjadwalan
kurang baik Jarang 5 3 5 45
Penjadwalan diperbaiki 6 Yoghurt/ susu pasteurisasi cepat rusak di tangan konsumen Susu tidak tahan lama pada suhu kamar Teknologi pengemasan kurang baik Sering 5 4 4 80 Teknologi pengemasan diperbaharui 7 Kualitas yoghurt kurang baik Kurang terampil dalam membuat yoghurt yang berkualitas SDM kurang terampil dalam membuat yoghurt Jarang 2 2 3 12 Diadakan pelatihan pembuatan yoghurt yang berkualitas 8 Proses pembuatan kemasan kurang rapi SDM kurang terampil dalam membuat kemasan SDM kurang terampil dalam memakai teknologi Jarang 4 4 4 64 Diadakan pelatihan untuk pegawai pengemasan
Nilai Resiko Mutu untuk Severity, Ocu-rance, Detectability
Nilai 1-3 = Rendah Nilai 4-6 = Sedang Nilai 7-9 = Tinggi
Contoh If Then Rule Resiko Mutu Susu (9 rule)
If Severity Tinggi, Occurance Tinggi, Detectability Tinggi then Resiko Mutu Susu Tinggi
Hasil penilaian Resiko mutu memperlihatkan bahwa beberapa kegiatan perlu dikelola dengan lebih baik lagi dengan prioritas yang memiliki Resiko mutu yang
paling besar dengan tindakan rekomendasi diberikan Standar Operating Procedur ditingkat peternak. Sapi dimandikan, tangan
pemerah dicuci sebelum memerah susu, ember dibersihkan.
Gambar 6. Input Transaksi Mutu
Berdasarkan hasil SPK Resiko Mutu Koperasi Pengolahan Susu terbesar adalah Sedang.
d. Sub Model Penjadwalan
Transportasi
Penjadwalan transportasi susu segar adalah upaya mengangkut seluruh hasil dari petani susu dengan menggunakan colt tangki yang berjumlah 24 dan setelah melalui proses pendinginan di koperasi susu segar dibawa ke IPS (Industri Pengolahan Susu) dengan menggunakan Truk tangki yang berjumlah 14 buah. Penjadwalan trasnportasi dilakukan dua kali sehari dan setiap hari. Tabel 2 adalah salah satu contoh hasil penugasan 24 colt tangki.
Transportasi Agroindustri Agroindustri Susu adalah transportasi truk dari koperasi ke lokasi petani susu dengan menggunakan Colt Tangki dan dari koperasi ke industri pengolahan susu Truk Tangki.
Fungsi obyektifnya adalah total jarak tempuh yang minimimum. Jika jarak tempuh truk a pada perjalanan ke b dari koperasi ke lokasi panen c adalah xabc dengan
variabel-variabel keputusan yabc adalah biner dapat
diformulasikan sebagai berikut :
Minimasi Z =∑ ∑𝑎𝑏𝑐𝑥𝑦
Kumpulan kendala yang harus diperhatikan adalah pengaturan jadwal agar satu jadwal dengan jadwal lainnya tidak bentrok. Setiap truk hanya melakukan kegiatan satu jadwal di setiap perjalanan
∑𝑎𝑏𝑐𝑦=1 a=1,2…,m; b=1,2,….n
Pengaturan setiap truk dilakukan untuk menjamin truk yang tersedia bertugas di lokasi yang berbeda di lokasi yang berbeda di awal penugasan
∑𝑎𝑏𝑐𝑦<=1, a=1,2…,m; b=1,2,….n
Jumlah penerimaan susu segar (SUSU) dari petani harus diangkut seluruhnya dengan kapasitas Truk per unit adalah sama untuk setiap truk.
∑ ∑𝑎𝑏𝑐𝑇𝑟𝑢𝑘 𝑦 =SUSU, c=1,2,….s
Kegiatan transportasi dilakukan dalam satu kali trip sehingga perlu dijamin truk ditugaskan mengangkut panen pada lokasi sebelumnya yang belum diangkut.
Tabel 2. Penjadwalan transportasi dengan menggunakan colt tangki ke petani susu
Gambar 7. Input Transportasi
Nilai Transportasi
Jumlah truk yang dibutuhkan < Jumlah Truk tersedia = Baik
Jumlah truk yang dibutuhkan = Jumlah Truk Tersedia = Sedang
Jumlah truk yang dibutuhkan > Jumlah truk yang tersedia = Kurang
Jumlah rute yang dibutuhkan < jumlah rute yang tersedia = Baik
Jumlah rute yang dibutuhkan = Jumlah rute Tersedia = Sedang
Jumlah rute yang dibutuhkan > Jumlah rute yang tersedia = Kurang
Contoh If then Rule Transportasi (9 rule)
If jumlah truk baik, jumlah rute baik then transportasi baik.
No TPK Jadwal Keberangkatan
Jarak Pagi Sore
1 Pencut 5 km 03.55 14.50 2 Ciater 37 km 04.08 14.55 3 Genteng 3 km 04.15 15.30 4 Barunagri 4 km 04.20 15.23 5 Pasiripis 4 km 04.20 15.30 6 Gunung Putri 4 km 04.27 15.43 7 Manoko 4 km 04.27 15.43 8 Pasar Kemis 6 km 04.20 15.20 9 Keramat 4 km 04.28 15.50 10 Citespong 4 km 04.30 15.25 11 Pojok 4 km 04.32 15.20 12 Cibulakan 4 km 04.25 15.10 13 Suntenjaya 15 km 03.45 14.40 14 Cibodas 15 km 04.20 15.20 15 Cibogo 4 km 04.35 15.50 16 Cikawari 7 km 04.20 15.20 17 Cikole 6 km 04.30 15.35 18 Cilumber 6 km 04.35 15.35 19 Cibedug 6 km 04.20 14.50 20 Nagrak 6 km 04.30 15.30 21 Bukanagara 4 km 04.30 15.30 22 Pagerwangi 4 km 04.33 15.40 23 Cibolang 12 km 04.20 14.20 24 Yampai 6 km 04.30 14.30
Berdasarkan hasil SPK Input Transporasi Nilai Transportasi adalah sedang.
e. Sub Model Peramalan
SPK KPS dapat melakukan menilai apakah peramalan untuk memperkirakan tingkat penjualan dan tingkat pembelian
pada periode berikutnya, yang pengolahan dilakukan dengan metode time series sudah baik, sedang atau buruk berdasarkan rata-rata penjualan. Tabel 3 dan 4 berikut adalah tabel hasil peramalan menggunakan Single Moving Average 3 dan 6.
Tabel 3. Peramalan Penjualan 2009
Penjualan SMA 3 SMA 6
2008 Peramalan 2009 Peramalan 2009 Januari 1.684.103.590 1.661.008.735 1.701.697.791 Februari 1.766.470.689 1.678.027.979 1.712.344.749 Maret 1.684.649.061 1.706.100.036 1.686.858.730 April 1.633.907.634 1.681.712.250 1.680.654.579 Mei 1.729.327.729 1.688.613.422 1.692.438.508 Juni 1.587.092.314 1.692.141.903 1.708.876.292 Juli 1.637.816.043 1.687.489.191 1.697.145.108 Agustus 1.865.260.863 1.689.414.839 1.696.386.328 September 1.724.083.635 1.689.681.978 1.693.726.591 Oktober 1.609.951.003 1.688.862.002 1.694.871.234 Nopember 1.593.811.805 1.689.319.606 1.697.240.677 Desember 1.779.263.396 1.689.287.862 1.698.041.038
Tabel 4 Peramalan Pembelian 2009
Pembelian SMA 3 SMA 6
2008 Peramalan 2009 Peramalan 2009 Januari 1.624.202.497 1.719.113.690 1.758.160.999 Februari 1.612.135.828 1.745.884.379 1.759.049.378 Maret 1.602.343.456 1.782.113.511 1.770.268.781 April 1.757.125.427 1.749.037.193 1.740.803.372 Mei 1.605.588.970 1.759.011.694 1.757.803.663 Juni 1.614.234.380 1.763.387.466 1.777.904.776 Juli 1.752.830.728 1.757.145.451 1.760.665.161 Agustus 1.691.732.959 1.759.848.204 1.761.082.522 September 1.947.061.238 1.760.127.041 1.761.421.379 Oktober 1.638.801.624 1.759.040.232 1.759.946.812 Nopember 1.637.196.984 1.759.671.826 1.763.137.386 Desember 1.881.342.463 1.759.613.033 1.764.026.339
Nilai Peramalan
Peramalan penjualan > rata-rata penjualan = Baik Peramalan penjualan = rata-rata penjualan = Sedang Peramalan penjualan < rata-rata penjualan = Kurang Peramalan pembelian > rata-rata pembelian = Baik Peramalan pembelian = rata-rata pembelian = Sedang Peramalan pembelian < rata-rata pembelian =Kurang
Contoh If Then Rule Peramalan (9 rule)
If peramalan penjualan baik, peramalan pembelian baik then peramalan baik.
Gambar 8. Input Peramalan Hasil Input Peramalan Pembelian dan
Penjualan berdasarkan hasil SPK adalah Baik.
Penentuan Kualitas Rantai Pasok
Penentuan kualitas rantai pasok ditentukan oleh empat faktor, yaitu :
1. Transaksi pembelian dan penjualan (baik, sedang,kurang)
2. Resiko mutu susu (tinggi, sedang, rendah) 3. Peramalan (baik, sedang, kurang)
4. Transportasi (baik,sedang, kurang)
Berdasarkan nilai dari keempat variable tersebut maka dapat ditentukan Kualitas Rantai Pasok (Baik,Sedang,Kurang)
Contoh If Then Rule Rantai Pasok (81 rule)
If rasio transaksi pembelian dan penjualan baik, resiko mutu baik, peramalan baik, transportasi baik then rantai pasok baik.
Gambar 9. Kualitas Rantai Pasok Hasil Kualitas Rantai Pasok berdasarkan SPK adalah Baik.
Validasi Model SPK KPS
Model SPK KPS divalidasi dengan menggunakan teknik Face Validity (Sargent,1999) yaitu dengan jalan meminta pendapat para pakar yang merupakan manajemen dari koperasi pengolahan susu X Jawa Barat. Prosedur validasi dilakukan dengan cara memberikan penjelasan mengenai model SPK KPS dalam bentuk presentasi dan demo program dan dilanjutkan dengan diskusi dan Tanya jawab.
Verifikasi Model SPK KPS
Resiko penurunan mutu yang tertinggi terdapat pada petani susu, ketersediaan truk susu dan waktu angkut. Petani susu adalah unit pasok yang berisiko paling tinggi terhadap penurunan susu. Penanganan resiko mutu didasarkan agregasi nilai resiko setiap unit rantai pasok. Penanganan di petani menjemput sendiri susu ke petani, pengawasan pemuatan susu meminimumkan waktu angkut, mengevaluasi jumlah trip dan menjamin ketersediaan truk. Penanganan di koperasi dilakukan pengawasan pembongkaran susu, pendinginan, kemudian pengawasan pemuatan susu. Penanganan di pabrik meningkatkan mutu perawatan dan kebersihan peralatan, sedangkan penanganan di industri pengolahan susu pengawasan pembongkaran susu dengan baik.
5. KESIMPULAN
Usulan Sistem Pendukung Keputusan (SPK) dari rantai pasok koperasi susu di Jawa Barat terdiri sub model transaksi penjualan dan pembelian, resiko mutu susu, peramalan, transportasi dan Rantai Pasok.
6.
DAFTAR PUSTAKA
[1] Arnold, J. R dan S. N. Chapman, 2004. Introduction to Materials Management, Upper Saddle River. New Jersey. [2] Austin, J.E, 1981. Agroindustrial Projet
Analysis, The John Hopkin, Marylnd. [3] Brown, JG, 1994. Agroindustrial
Investment and Operation, The World Bank, Washington.
[4] Chopra, Sunil et.al, 2007. Supply Chain Management Strategy, Planning & Operations. Third Edition, Pearson International Edition, New Jersey.
[5] Eriyatno. 2003. Ilmu Sistem: Meningkatkan Mutu dan Efektivitas Manajemen, Jilid 1, IPB Press.
[6] Gasperz, Vincent, 2002. Pedoman Implementasi Program Six Sigma, PT Gramedia Pustaka Utama, Jakarta. [7] Hadiguna Rika Ampuh, Marimin, 2007.
Alokasi Pasokan Berdasarkan Produk Unggulan untuk Rantai Pasok Sayuran Segar, Jurnal Teknik Industri, Vol 9, No.2, Desember 2007, 85-101
[8] ICH Harmonised Tripatite Guidelines,
2005. Quality Risk
Management.International Conference on Harmonisation of Technical Requirement for Registration of Pharmaceuticals for Human Use.
[9] L. Niu, J. Lu dan G. Zhang, 2009. Cognition-Driven Decision Support for Business Intellegent, Springerlink.com, Springer-Verlag Berlin Heidelberg, [10] Sargent, Robert G, 1998, Verification
and Validation of Simulation Model, Proceedings of the 1998 Winter Simulation Conference, pp.122-128. [11] Stefanovic, N. dan D. Stefanovic, 2009.
Supply Chain Business Intelligence, Technology, Issues and Trends in M.
Bramer(Ed.): Artificial
Intelligence.LNAI 5640. IFIP International Federation for Information Processing.
[12] Vercellis Carlo, 2009. Business
Intelligence: Data Mining and
Optimization for Decision Making, Italia: John Wiley & Sons, Ltd.
Vorst, J.G.A.J. van der, 2004. Supply Chain Management: Theory and Practice. Di dalam T.Champs, P. Diederm,G.J Hofstede,B.Vos (Eds). The Emerging World of Chain & Networks, Elsevier, Hoofdstuk
