2.1. Konsep Dasar Sistem Produksi
Produksi adalah bidang yang terus berkembang selaras dengan perkembangan teknologi, di mana produksi memiliki suatu jalinan hubungan timbal balik (dua arah) yang sangat erat dengan teknologi (Dr.Vincent Gaspersz, 2001, p. 3).
Hubungan antara produksi dan teknologi dapat dijelaskan dengan kondisi yang saling membutuhkan. Produksi yang selalu ingin beroperasi dengan biaya yang lebih rendah, meningkatkan kualitas dan produktivitas serta menciptakan produk baru telah mendorong teknologi untuk terus maju dan berkembang dengan terobosan-terobosan baru.
Sistem produksi merupakan sistem integral yang mempunyai komponen struktural dan fungsional (Dr.Vincent Gaspersz, 2001, p. 3). Sistem produksi mempunyai beberapa karakteristik yaitu:
a. Mempunyai komponen-komponen atau elemen-elemen yang saling berkaitan satu sama lain dan membentuk satu kesatuan yang utuh. Hal ini berkaitan dengan komponen struktural yang membangun sistem produksi itu.
b. Mempunyai tujuan yang mendasari keberadaannya, yaitu menghasilkan produk (barang/jasa) berkualitas yang dapat dijual dengan harga kompetitif di pasar.
c. Mempunyai aktivitas berupa proses transformasi nilai tambah input menjadi output secara efektif dan efisien.
d. Mempunyai mekanisme yang mengendalikan pengoperasiannya, berupa optimalisasi pengalokasian sumber-sumber daya.
Sistem produksi memiliki komponen atau elemen struktural dan fungsional. Komponen atau elemen struktural terdiri dari: bahan (material), mesin dan peralatan, tenaga kerja, modal, energi, informasi, tanah. Sedangkan komponen atau elemen fungsional terdiri dari supervisi, perencanaan, pengendalian, koordinasi, dan kepemimpinan yang kesemuanya berkaitan dengan
manajemen dan organisasi. Selain komponen-komponen di atas masih ada faktor lain yang juga berpengaruh terhadap sistem produksi yaitu lingkungan. Aspek- aspek lingkungan seperti perkembangan teknologi, sosial, ekonomi, serta kebijakan pemerintah juga turut berpengaruh. Skema sistem produksi dapat dilihat pada gambar 2.1 sebagai berikut:
LINGKUNGAN
INPUT PROSES OUTPUT
* Tenaga Kerja
* Modal
* Material
* Energi
* Tanah
* Informasi
* Manajerial
Proses Transformasi Nilai Tambah
Produk ( Barang dan/atau
Jasa)
Umpan Balik untuk Pengendalian Input, Proses
dan Teknologi
Gambar 2.1. Skema Sistem Produksi
Perencanaan Produksi menentukan secara keseluruhan tingkatan output manufaktur dan aktivitas lain untuk menjalankan apa yang telah direncanakan seperti sasaran tingkat penjualan hasil bisnis profitabilitas umum, produktivitas.
Perencanaan produksi mempunyai kaitan dengan jumlah dari tiap produk menggolongkan pada setiap periode, tingkat persediaan yang diinginkan, sumber daya peralatan, tenaga kerja, dan kebutuhan material pada setiap periode, ketersediaan sumber daya diperlukan.
Dalam sistem produksi terdapat suatu strategi terhadap permintaan konsumen bagaimana suatu perusahaan industri manufaktur akan memberikan respon terhadap permintaan konsumen. Respon terhadap permintaan konsumen ini dapat diklasifikasikan dalam lima kategori yaitu (Gaspersz, 2001, p. 8)
a. Design to Order (Engineer to Order)
Strategi Design to Order yang sering juga disebut dengan Engineer to Order adalah strategi di mana perusahaan tidak membuat terlebih dahulu
produknya. Produk baru akan diproduksi setelah terdapat permintaan dari pelanggan. Biasanya konsumen akan meminta proposal yang berkaitan dengan biaya dan waktu pembuatan produk dari produsen. Apabila konsumen telah menyatakan persetujuannya maka perusahaan baru akan melakukan produksi.
Dengan demikian bagi perusahaan yang memilih strategi ini tidak mempunyai sistem inventori, sehingga perusahaan tidak mempunyai resiko yang berkaitan dengan investasi inventori. Strategi Design to Order cocok untuk produk- produk baru yang secara keseluruhan unik.
b. Make to Order
Perusahaan dengan strategi Make to Order hanya mempunyai desain produk dan beberapa material standar dalam sistem inventori dari produk- produk yang telah dibuat sebelumnya. Aktivitas proses pembuatan produk bersifat khusus yang disesuaikan dengan setiap pesanan dari konsumen.
Siklus pesanan dimulai ketika pelanggan menspesifikasikan produk yang dipesan, dalam hal ini produsen dapat membantu pelanggan untuk menyiapkan spesifikasi sesuai kebutuhan konsumen. Perusahaan menawarkan harga dan waktu penyerahan berdasarkan atas permintaan konsumen itu. Proses pengajuan proposal dalam strategi Make to Order lebih sederhana dan akan lebih murah bila dibandingkan dengan design to order.
Dalam strategi Make to Order perusahaan mempunyai resiko yang sangat kecil berkaitan dengan investasi inventori. Produk-produk seperti kerajinan tangan dapat dikategorikan sebagai strategi Make to Order.
c. Assemble to Order
Perusahaan yang mempunyai strategi Assemble to Order akan memiliki inventori yang terdiri dari semua subassemblies atau modul-modul. Apabila pelanggan memesan produk, produsen secara cepat merakit modul-modul yang ada dan mengirimkan dalam bentuk produk akhir ke produsen. Strategi Assemble to Order digunakan oleh perusahaan-perusahaan industri yang memiliki produk modular, di mana beberapa produk akhir membentuk modul-
modul umum. Permintaan untuk modul-modul dapat diramalkan secara akurat dibandingkan peramalan untuk produk akhir. Dengan demikian perusahaan industri dapat menanggapi permintaan pelanggan secara lebih efisien melalui permalan dan penyimpanan modul-modul dalam inventori, kemudian merakit produk akhir hanya berdasarkan penerimaan pesanan dari pelanggan.
Dalam strategi Assemble to Order , perusahaan industri memiliki resiko yang moderat berkaitan dengan investasi inventori. Industri yang cocok dengan strategi Assemble to Order adalah industri otomotif, komputer komersial, dan lain-lain.
d. Make to Stock
Perusahaan industri yang memilih strategi Make to Stock akan memiliki inventori yang terdiri dari produk akhir (finished product) untuk dapat dikirim dengan segera apabila ada permintaan dari konsumen. Dalam strategi Make to Stock, siklus waktu dimulai ketika produsen memspesifikasikan produk,
memperolah bahan baku, dan memproduksi produk akhir untuk disimpan dalam stock.
Dalam strategi Make to Stock, perusahaan industri mempunyai resiko yang tinggi berkaitan dengan investasi inventori, karena pesanan konsumen secara aktual tidak dapat diidentifikai secara tepat dalam proses produksi.
Fokus operasional dari perusahaan industri yang memilih strategi Make to Stock tearah pada pengisian kembali inventori, di mana sistem produksi
menerapkan tingkat inventori berdasarkan antisipasi pesanan yang akan datang, dan bukan pada pesanan yang ada sekarang. Industri untuk barang- barang konsumsi seperti pakaian, peralatan rumah tangga, telepon, produk makanan, dan lain-lain.
e. Make to Demand
Strategi Make to Demand merupakan strategi terhadap permintaan konsumen secara total adalah fleksibel. Dalam strategi Make to Demand, penyerahan produk dari perusahaan berkaitan dengan kualitas dan waktu penyerahan secara tepat berdasarkan keinginan pelanggan. Perusahaan industri dapat menggunakan kombinasi dari berbagai strategi yang ada untuk memenuhi permintaan pelanggan.
Pada strategi Make to Demand, desain, bahan baku, komponen- komponen, assembly, dan/atau produk akhir dapat disimpan dalam inventori asalkan tetap memperhitungkan efisiensi dan efektivitas dari sistem inventori itu.
Strategi Make to Demand cocok untuk produk-produk industri yang telah berada pada tahap penurunan (declining) dari siklus hidup produk, karena produk-produk itu membutuhkan pilihan-pilihan yang lebih banyak yang disertai harga yang lebih rendah serta waktu penyerahan lebih cepat agar dapat bertahan di pasaran. Pada gambar 2.2. dapat dilihat siklus hidup produk seperti pada gambar di bawah ini:
D E M A N D
T I M E Development
Growth
Maturity
Decline
Gambar 2.2. Siklus Hidup Produk
Development merupakan tahap di mana perusahaan melakukan riset pada pangsa pasar yang kemudian hasil riset dari pasar akan menjadi dasar dalam tahap selanjutnya yaitu growth. Tahap growth (pertumbuhan) dicirikan dengan volume produk yang menjelaskan banyak sedikitnya jenis produk, desain produk dan permintaan konsumen yang mulai meningkat. Tahap maturity (kestabilan/kematangan) dicirikan dengan permintaan yang tinggi, dan volume produk mencapai puncak. Biasanya pada tahap ini variety sangat sedikit dan relatif stabil. Tahap decline (penurunan) dicirikan dengan angka penjualan produk yang mulai menurun. Perusahaan biasanya menambah banyak jenis baru untuk mengembangkan siklus hidup, dan biasanya volume per jenis produk akan berkurang.
2.2. Forecasting and Time Series Analysis
Ide yang tertuang dalam forecasting adalah menggunakan data masa lalu untuk meramalkan nilai pada waktu yang akan datang.
Yang pertama dalam merencanakan produksi adalah menentukan suatu peramalan yang akurat mengenai permintaan untuk materi yang diproduksi.
Peramalan ini kemudian digunakan sebagai suatu basis untuk menetapkan kebijakan kendali sistem inventori, menentukan material dan permesinan yang menangani kebutuhan dan untuk menentukan tenaga kerja selama periode produksi. Peramalan tidak hanya digunakan untuk merencanakan permintaan untuk produk, tetapi juga secara luas digunakan dalam sistem non manufaktur.
Peramalan adalah suatu proses yang berorientasi pada waktu, oleh karena itu model peramalan menyediakan suatu nilai peramalan pada periode waktu yang ditentukan. Keakuratan dari ramalan tergantung pada keakuratan dari data, kestabilan dari proses, panjang waktu peramalan, metode peramalan yang digunakan.
Langkah-langkah dalam melakukan peramalan terdiri dari (Hanke, 2005):
1. Formulasi dari masalah dan ketersediaan data
Langkah yang pertama adalah melihat apakah ada ketersediaan data mendukung untuk melakukan peramalan. Apabila melakukan teknik peramalan kuantitatif, maka data masa lalu harus telah tersedia sehingga mudah dalam melakukan peramalan. Sebaliknya jika dalam pelaksanaan, data yang sesuai tidak tersedia mungkin akan dilakukan teknik peramalan yag lain yaitu metode non kuantitatif (kualitatif).
2. Manipulasi data
Manipulasi data di sini bukan berarti yang negatif. Manipulasi data yang dimaksud di sini adalah bagaimana ketersediaan data yang digunakan apakah terlalu sedikit ataukah malah data terlalu banyak untuk digunakan dalam peramalan. Mungkin juga data tidak berhubungan dengan permasalahan, atau harus mengolah data itu terlebih dahulu sehingga baru didapatkan data yang sebenarnya. Jadi manipulasi data di sini adalah memeriksa ketersediaan data apakh telah sesuai dengan permasalahan dan data telah tersedia dengan tepat.
3. Membuat model dan evaluasi
Membuat model dan evaluasi berhubungan dengan fitting data yang ada pada model peramalan yang dengan melihat nilai error yang terkecil. Semakin sederhana model maka akan semakin mudah dalam penerimaan metode peramalan yang sesuai. Bagaimanapun juga penilaian digunakan dalam pemilihan metode peramalan yang sesuai yang nantinya akan digunakan.
4. Implementasi model
Implementasi model merupakan peramalan model aktual yang didapatkan setelah pengumpulan data dan memilih metode peramalan yang sesuai.
Nilai ramalan pada periode selanjutnya digunakan untuk mengecek keakuratan dari koleksi data yang digunakan. Selanjutnya baru melihat nilai error yang terkecil.
5. Evaluasi peramalan
Evaluasi peramalan merupakan langkah membandingkan antara nilai pada hasil ramalan dengan nilai pada koleksi data, tentu saja dengan tetap melihat nilai MAPE (Mean Abosolute Percentage Error), MAD (Mean Absolute Deviation) , MSD (Mean Square Deviation)
Ada beberapa faktor yang berhubungan dengan forecasting, faktor- faktor itu terdiri dari (Wheelwright, 1980):
1. horison waktu 2. pola data 3. tipe dari model 4. biaya
5. keakuratan
6. kemudahan dalam aplikasi
Terdapat pembagian dalam teknik peramalan salah satunya berdasarkan data yang digunakan, teknik ini dibagi menjadi dua macam yaitu teknik peramalan kualitatif dan kuantitatif (Bowerman, 1993, p.8) Teknik peramalan kualitatif digunakan apabila terdapat keterbatasan data masa lalu atau tidak tersedianya data masa lalu. Dalam teknik ini forecasting dilakukan berdasarkan pendapat ahli.
Sebagai contoh adalah pada saat peramalan untuk penjualan produk baru. Pada teknik kualitatif ini tidak dapat meramalkan adanya perubahan pada pola data.
Teknik kuantitatif menggunakan data masa lalu untuk meramalkan data yang akan datang sesuai dengan periode waktu yang ditentukan. Terdapat 2 macam dalam teknik peramalan kuantitatif yaitu time series analysis dan structural models.
Gambar 2.3 di bawah ini menunjukkan pembagian teknik peramalan kualitatif dan kuantitatif.
Metode
Kualitatif Kuantitatif
Struktural Time Series
Intuisi, pengalaman tanpa data. Peramalan hanya didasarkan pada
penilaian seorang ahli. Meramalkan yang
akan datang berdasarkan rangkaian data yang berurutan dari masa lalu
Gambar 2.3. Teknik Peramalan
Pembagian teknik peramalan ada juga yang didasarkan pada panjang waktu peramalannya, pembagiannya terdiri dari:
a. Short Range Forecasting
Teknik peramalan ini lebih akurat bila dibandingkan dengan medium atau long range forecasting. Teknik peramalan jangka pendek ini mulai dari periode jam sampai dengan satu tahun. Oleh karena itu forecasting dalam periode jam, harian, mingguan, dan bulanan masuk pada short range forecasting.
b. Medium Range Forecasting
Jangka waktu dalam medium range forecasting adalah mulai dari satu
tahun sampai pada lima tahun. Apabila forecasting di bawah satu tahun akan menghasilkan hasil yang akurat tapi jika dalam jangka medium ini maka metode peramalan kurang akurat, hal ini disebabkan karena ketidakpastian dari kestabilan data seiring dengan meningkatnya periode waktu ramalan.
c. Long Range Forecasting
Jangka waktu bagi long range forecasting adalah lebih dari lima tahun.
Pada metode peramalan ini akan lebih sulit mengandalkan hasil ramalannya, belum lagi jika terjadi perubahan teknologi dan juga kebijakan ekonomi.
Selain metode peramalan, pola data juga dapat dibedakan menjadi tiga macam, yaitu (Hanke, 2005, p.59):
a. Pola data trend adalah komponen pada jangka panjang yang menunjukkan pertumbuhan atau penurunan dalam time series atas periode waktu yang diperluas
b. Pola data komponen cyclical merupakan pola data yang bergejolak yang ada di sekitar pola data trend.
c. Pola data komponen seasonal merupakan suatu pola perubahan yang berulang tahun demi tahun
Pola data di atas dapat diperjelas dengan melihat gambar 2.4 yang menunjukkan pola data trend dan cyclical, sedangkan gambar 2.5 yang menunjukkan pola data seasonal.
C yc lic al P e a k
T re n d L ine
C yc lic al V a le y
Gambar 2.4 Pola data trend dan cyclical
Gambar 2.5 Pola data seasonal
2.2.1. Moving Average
Metode Moving Average berasumsi bahwa data proses yang digunakan
konstan tapi masih terdapat komponen acak, jadi tidak mempunyai pola data trend dan seasonal. Formulasi untuk moving average method adalah sebagai berikut:
(2.1)
Keterangan:
At = rata-rata periode t setelah periode t Ft+1 = hasil ramalan untuk periode t+1 Xi = penjualan pada
Agar dapat lebih jelas maka plot pola data dapat dilihat pada gambar 2.6 di bawah ini:
Gambar 2.6. Plot data acak tanpa komponen trend dan seasonal
2.2.2. Exponential Smoothing
Metode Exponential Smoothing adalah suatu teknik matematik yang menggunakan prinsip yang sama dengan metode N-Period moving average, bagaimanapun metode exponential smoothing memerlukan lebih sedikit perhitungan dibanding dengan metode moving average. Metode peramalan ini digunakan untuk pola data konstan dan acak, juga tidak memerlukan untuk menyimpan data dalam jangka waktu yang panjang tetapi cukup data saat ini.
Exponential Smoothing bermanfaat untuk peramalan jangka pendek. Gambar 2.7 menunjukkan plot data acak dengan ada komponen trend.
t
Ft+1= At = ;L
i= t-N+1
Gambar 2.7. Plot data acak dengan komponen trend
Exponential Smoothing dibagi menjadi 2 yaitu Single Exponential Smoothing dan Double Exponential Smoothing.
a. Single Exponential Smoothing
Metode ini digunakan untuk meramalkan apabila data masa lalu konstan (data dengan trend yang tidak terlalu mencolok). Smoothing dikendalikan dengan SHQJJXQDDQ VXDWX IDNWRU . QLODLQ\D DQWDUD GDQ )RUPXODVL XQWXN PHWRGH
peramalan ini adalah sebagai berikut:
t .[t + (1-. t-1 (2.2)
Keterangan:
t = prediksi eksponensial . = konstanta smoothing t-1 = data sebelumnya
b. Double Exponential Smoothing.
Apabila dalam data masa lalu terdapat trend, maka metode yang digunakan adalah double exponential smoothing. Pada metode peramalan ini dilakukan 2 langkah exponential smoothing. Formulasi untuk metode peramalan ini adalah seperti di bawah ini:
XW2 = .0,t.1t,2 (2.3)
Keterangan:
XW2 = prediksi eksponensial
.0,t = konstanta smoothing pada periode akhir t .1t,2 = parameter proses
2.2.3. Winter’s Method
Apabila variasi musiman dan trend terdapat pada data permintaan, maka metode yang cocok untuk digunakan adalah winter’s method. Model ini mengasumsikan tiga komponen yaitu: suatu komponen permanen, trend, dan suatu komponen musiman. Masing-Masing komponen dibaharui dengan penggunaan konstanta smoothing.
t .0,t.1,t) Ct (2.4)
Keterangan:
t = prediksi eksponensial .1,t = trend pada periode t
.0,t = konstanta smoothing pada periode akhir t
Pada gambar 2.8 menunjukkan plot data dengan komponen trend dan komponen seasonal seperti di bawah ini:
Gambar 2.8. Plot data acak dengan komponen trend dan seasonal
Selain metode peramalan, di sini akan dijelaskan mengenai hubungan antara safety stock dengan peramalan. Peramalan itu digunakan untuk memberikan gambaran mengenai demand pada periode selanjutnya. Safety Stock berfungsi untuk mengantisipasi kesalahan pada peramalan yang masih bisa ditoleransi.
