BAB 2 LANDASAN TEORIlibrary.binus.ac.id/eColls/eThesisdoc/Bab2/2008-1-00450-TISI-Bab 2.pdf · Risiko penyerobotan atau pencurian material itu. 8. Biaya kehabisan stok atau persediaan

BAB 2

LANDASAN TEORI

2.1 Klasifikasi ABC

Klasifikasi ABC atau sering juga disebut sebagai analisis ABC merupakan

klasifikasi dari suatu kelompok material dalam susunan menurun berdasarkan biaya

penggunaan material itu per periode waktu (harga per unit material dikalikan volume

penggunaan dari material itu selama periode waktu tertentu). Periode waktu yang umum

digunakan adalah satu tahun. Analisa ABC dapat juga ditetapkan menggunakan kriteria

lain – bukan semata-mata berdasarkan kriteria biaya – tergantung pada faktor-faktor

penting apa yang menentukan material itu. Klasifikasi ABC umum dipergunakan dalam

pengendalian inventori material pada pabrik, inventori produk akhir pada gudang barang

jadi, inventori obat-obatan pada apotek, inventori suku cadang pada bengkel atau toko,

inventori produk pada supermarket atau toko serba ada (toserba), dan lain-lain

(Gaspersz, 2000, p273).

Pada dasarnya terdapat sejumlah faktor yang menentukan kepentingan suatu

material yaitu:

1. Nilai total uang dari material.

2. Biaya per unit dari material.

3. Kelangkaan atau kesulitan memperoleh material.

4. Ketersediaan sumber daya, tenaga kerja, dan fasilitas yang dibutuhkan untuk

membuat material itu.

18

5. Panjang dan variasi waktu tunggu (lead time) dari material, sejak pemesanan

material itu pertama kali sampai kedatangannya.

6. Ruang yang dibutuhkan untuk menyimpan material itu.

7. Risiko penyerobotan atau pencurian material itu.

8. Biaya kehabisan stok atau persediaan (stockout cost) dari material itu.

9. Kepekaan material terhadap perubahaan desain.

Klasifikasi ABC mengikuti prinsip 80-20, atau hukum Pareto di mana sekitar

80% dari nilai total inventori material direpresentasikan (diwakili) oleh 20% material

inventori (Gaspersz, 2000, p273).

Untuk menentukan nilai uang tahunan dari volume dalam analisis ABC dilakukan

pengukuran permintaan tahunan dari setiap butir persediaan dikalikan dengan biaya

perunit. Butir persediaan kelas A adalah persediaan-persediaan yang jumlah nilai uang

pertahunnya tinggi. Butir-butir persediaan semacam ini mungkin hanya mewakili sekitar

15% dari butir-butir persediaan total, tetapi mewakili 70% sampai 80% dari total biaya

persediaan. Butir persediaan kelas B adalah butir-butir persediaan yang volume

tahunannya (dalam nilai uang) sedang. Butir-butir persediaan ini mungkin hanya

mewakili 30% dari keseluruhan persediaan dan 15% sampai 25% dari nilainya. Butir-

butir persediaan yang volume tahunannya kecil, dinamakan kelas C, yang mewakili

hanya 5% dari keseluruhan volume tahunan tetapi sekitar 55% dari keseluruhan

persediaan (Render dan Heizer, 2001, p316).

19

Butir Persediaan A

Butir Persediaan B

Butir Persediaan C

Persentase dari keseluruhan butir persediaan

Pers

enta

se p

emak

aian

tahu

nan

dala

m d

olar

80706050403020100

10 20 30 40 50 60 8070 90 100

Sumber : Render dan Heizer (2001, p316)

Gambar 2.1 Penggambaran Grafik Analisis ABC

Menurut Render dan Heizer (2001, p317) bahwa peramalan yang lebih baik,

pengendalian fisik, keandalan pemasok, dan pengurangan besar stok pengaman dapat

dihasilkan oleh semua teknik manajemen persediaan semacam klasifikasi ABC.

2.2 Peramalan

Setiap hari para manajer membuat keputusan tanpa mengetahui apa yang akan

terjadi di masa depan. Persediaan dipesan tanpa kepastian berapa jumlah penjualannya;

peralatan baru dibeli padahal tidak ada kepastian permintaan terhadap produk; dan

investasi dilakukan tanpa pengetahuan berapa laba yang akan diperoleh. Dalam

menghadapi ketidakpastian para manajer selalu berusaha membuat estimasi yang lebih

baik tentang apa yang akan terjadi di masa depan. Membuat estimasi yang baik adalah

tujuan utama peramalan (Render dan Heizer, 2001, p46).

20

Dalam suplemen ini kita mengkaji berbagai jenis peramalan, dan model-model

peramalan seperti rata-rata bergerak, penghalusan eksponensial, dan regresi linear.

Tujuannya adalah untuk menunjukan pada manajer bahwa ada banyak cara memprediksi

masa depan. Disajikan pula tinjauan tentang subjek peramalan penjualan perusahaan dan

menjelaskan bagaimana menyiapkan, memantau, dan menilai keakuratan peramalan.

Peramalan yang baik adalah bagian penting dari operasi jasa dan manufaktur yang

efisiensi; dan juga merupakan sarana pembentukan model yang penting untuk

pengambilan keputusan.

2.2.1 Pengertian Peramalan

Peramalan (forecasting) adalah seni dan ilmu memprediksi peristiwa-peristiwa

masa depan. Peramalan memerlukan pengambilan data historis dan memproyeksikannya

ke masa depan dengan beberapa bentuk model matematis. Bisa jadi berupa prediksi

subjektif atau intuitif tentang masa depan. Atau peramalan bisa mencakup kombinasi

model matematis yang disesuaikan dengan penilaian yang baik oleh manajer (Render

dan Heizer, 2001, p46).

Menurut Sumayang (2003, p23), peramalan penting artinya karena dengan

peramalan yang tepat guna diharapkan akan meningkatkan efisiensi produksi.

Sesungguhnya terdapat perbedaan antara peramalan dengan Perkiraan. Peramalan adalah

perhitungan yang objektif dan dengan menggunakan data-data masa lalu, untuk

menentukan sesuatu di masa yang akan datang sedangkan perkiraan dengan cara

subjektif dan atau tidak dari data-data masa lalu, memperkirakan sesuatu di masa yang

akan datang.

21

Dengan demikian, peramalan selalu memerlukan data-data dari masa lalu dan

apabila tidak ada data masa lalu maka penentuan sesuatu di masa yang akan datang

dapat dilakukan dengan cara perkiraan. Untuk melakukan perkiraan diperlukan keahlian,

pengalaman, dan pertimbangan seorang manajer operasi. Sedangkan untuk melakukan

peramalan diperlukan ilmu pengetahuan statistik dan teknologi (Sumayang, 2003, p24).

Meramalkan Horison Waktu

Peramalan biasanya dikelompokkan oleh horison waktu masa depan yang

mendasarinya (Render dan Heizer, 2001, p46). Tiga kategori yang bermanfaat bagi

manajer operasi adalah:

1. Peramalan jangka pendek. Rentang waktunya mencapai satu tahun tetapi

umumnya kurang dari tiga bulan. Peramalan jangka pendek digunakan untuk

merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan,

dan tingkat produksi.

2. Peramalan jangka menengah. Peramalan jangka menengah biasanya berjangka

tiga bulan hingga tiga tahun. Peramalan ini sangat bermanfaat dalam

perencanaan penjualan, perencanaan dan penganggaran produksi, penganggaran

kas, dan menganalisis berbagai rencana operasi.

3. Peramalan jangka panjang. Rentang waktunya biasanya tiga tahun atau lebih;

digunakan dalam merencanakan produk baru, pengeluaran modal, lokasi fasilitas,

atau ekspansi, dan penelitian serta pengembangan.

22

Peramalan jangka menengah dan jangka panjang mempunyai tiga ciri yang

membedakan keduanya dari peramalan jangka pendek. Peramalan jangka menengah dan

jangka panjang berhubungan dengan isu yang lebih kompetentif dan mendukung

keputusan manajemen berkaitan dengan perencanaan dan produk, pabrik, dan proses.

Kedua, peramalan jangka pendek biasanya menggunakan metodologi yang berbeda dari

pada peramalan yang lebih panjang waktunya. Teknik-teknik matematis seperti rata-rata

bergerak (moving averages), penghalusan eksponensial (exponential smoothing), dan

ekstrapolasi trend adalah biasa untuk proyeksi jangka pendek. Dan ketiga, peramalan

jangka pendek cenderung lebih akurat daripada peramalan jangka yang lebih panjang.

Faktor-faktor yang mempengaruhi permintaan berubah setiap hari, sehingga ketika

horison waktu semakin panjang, keakuratan peramalan akan berkurang. Dengan

demikian ramalan penjualan perlu diperbarui secara teratur untuk mempertahankan

nilainya. Setelah periode penjualan berlalu, ramalan harus dikaji kembali dan diperbaiki

(Render dan Heizer, 2001, p47).

2.2.2 Jenis-Jenis Peramalan

Menurut Render dan Heizer (2001, p47), organisasi menggunakan tiga jenis

peramalan ketika merencanakan masa depan operasinya, yaitu:

1. Ramalan ekonomi membahas siklus bisnis dengan memprediksi tingkat inflasi,

suplai uang permulaan perumahan, dan indikator-indikator perencanaan lain.

2. Ramalan teknologi berkaitan dengan tingkat kemajuan teknologi, yang akan

melahirkan produk-produk baru yang mengesankan, membutuhkan pabrik, dan

peralatan baru.

23

3. Ramalan permintaan adalah proyeksi permintaan untuk produk atau jasa

perusahaan. Ramalan ini, disebut juga ramalan penjualan, mengarahkan

produksi, kapasitas, dan sistem penjadwalan perusahaan dan bertindak sebagai

masukan untuk perencanaan keuangan, pemasaran, keuangan, dan personalia.

2.2.3 Metode Peramalan

Situasi peramalan sangat beragam dalam horison waktu peramalan, faktor yang

menentukan hasil yang sebenarnya, tipe pola data dan berbagai aspek lainnya. Untuk

menghadapi penggunaan yang luas seperti itu, beberapa teknik telah dikembangkan.

Teknik tersebut dibagi dalam dua kategori utama, yaitu metode peramalan kuantitatif

dan metode peramalan kualitatif (Makridakis, 1999, p19-24).

2.2.3.1 Metode Peramalan Kuantitatif

Metode kuantitatif sangat beragam dan setiap teknik memiliki sifat, ketepatan

dan biaya tertentu yang harus dipertimbangkan dalam memilih metode tertentu. Metode

kuantitatif formal didasarkan atas prinsip-prinsip statistik yang memiliki ketepatan tinggi

atau dapat meminimumkan kesalahan (error), lebih sistematis, dan lebih populer dalam

penggunaannya.

Untuk menggunakan metode kuantitatif terdapat tiga kondisi yang harus

dipenuhi, yaitu :

1 Tersedia informasi tentang masa lalu.

2 Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik.

3 Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di

masa mendatang.

24

Metode kuantitatif dapat dibagi kedalam dua model, yaitu :

a. Model deret berkala (time series)

Pada model ini, pendugaan masa depan dilakukan berdasarkan nilai masa lalu

dari suatu variabel dan atau kesalahan masa lalu. Model deret berkala menggunakan

riwayat permintaan masa lalu dalam membuat ramalan untuk masa depan. Tujuan

metode peramalan deret berkala ini adalah menemukan pola dalam deret berkala

historis dan mengekstrapolasikan pola tersebut ke masa depan.

Prosedur peramalan permintaan dengan metode time series (Baroto, 2002,

p31) adalah sebagai berikut:

1. Tentukan pola data permintaan. Dilakukan dengan cara memplotkan data secara

grafis dan menyimpulkan apakah data itu berpola trend, musiman, siklikal, atau

random.

2. Mencoba beberapa metode time series – yang sesuai dengan pola permintaan

tersebut – untuk melakukan peramalan. Metode yang dicoba semakin banyak

semakin baik. Pada setiap metode, sebaiknya dilakukan pula peramalan dengan

parameter yang berbeda.

3. Mengevaluasi tingkat kesalahan masing-masing metode yang telah dicoba.

Tingkat kesalahan diukur dengan kriteria MAD, MSE, MAPE, atau lainnya.

Sebaiknya nilai tingkat kesalahan ini ditentukan dulu. Tidak ada ketentuan

mengenai berapa tingkat kesalahan maksimal dalam peramalan.

4. Memilih metode peramalan terbaik di antara metode yang dicoba. Metode

terbaik adalah metode yang memberikan tingkat kesalahan yang telah ditetapkan.

5. Melakukan peramalan permintaan dengan metode terbaik yang telah dipilih.

25

Langkah penting dalam memilih suatu metode deret berkala yang tepat

adalah dengan mempertimbangkan jenis pola data, sehingga metode yang paling

tepat dengan metode tersebut dapat diuji. Pola data dapat dibedakan menjadi :

1. Pola Horizontal (H) terjadi bilamana nilai data berfluktuasi disekitar nilai rata-

rata yang konstan (deret seperti itu adalah “stasioner” terhadap nilai rata-

ratanya). Suatu produk yang penjualannya tidak meningkat atau menurun selama

waktu tertentu termasuk jenis ini. Demikian pula suatu pengendalian kualitas

yang menyangkut pengambilan contoh dari suatu proses produksi berkelanjutan

yang secara teoritis tidak mengalami perubahan juga termasuk jenis ini.

Sumber: Makridakis (1999, p23) Gambar 2.2 Pola Data Horisontal

Teknik-teknik yang harus dipertimbangkan pada seri peramalan stationer

mencakup metode yang naif, rata-rata sederhana, moving averages, dan

autoregressive moving average (ARMA) model (metode Box-Jenskins). (Hanke,

2005, p75).

2. Pola musiman (S) terjadi bilamana suatu deret dipengaruhi oleh faktor musiman

(misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu).

Penjualan dari produk minuman ringan, es krim, dan bahan bakar pemanas

ruangan, menunjukkan jenis pola ini.

26

Sumber: Makridakis (1999, p23) Gambar 2.3 Pola Data Musiman

Teknik yang harus dipertimbangkan pada seri peramalan seasonal mencakup

dekomposisi clasical, census x-12, winter’s exponensial smoothing, multiple

regression dan ARIMA models (metode Box-Jenkins). (Hanke, 2005, p76).

3. Pola Siklis (C) terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi

jangka panjang seperti yang berhubungan dengan siklus bisnis. Penjualan produk

seperti mobil, baja dan peralatan utama lainnya menunjukkan jenis pola data ini.

Sumber: Makridakis (1999, p23) Gambar 2.4 Pola Data Siklis

Teknik yang harus dipertimbangkan pada peramalan seri cyclical mencakup

dekomposisi clasical, economic indicator, model-model econometric, multiple

regression, dan model-model ARIMA (metode Box-jenkins) (Hanke, 2005, p76).

27

4. Pola trend (T) terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka

panjang dalam data. Penjualan banyak perusahaan, produk bruto nasional (GNP)

dan berbagai indikator bisnis atau ekonomi lainnya mengikuti pola trend selama

perubahannya sepanjang waktu.

Sumber: Makridakis (1999, p23) Gambar 2.5 Pola Data Trend

Teknik-teknik yang harus dipertimbangkan pada seri peramalan trend mencakup

moving averages, holt’s exponential smoothing, regresi sederhana, growth

curves, model-model exponential, dan autoregressive integrated moving average

(ARIMA) model (metode Box-Jenkins). (Hanke, 2005, p76).

b. Model kausal

Model kausal mengasumsikan bahwa faktor yang diramalkan menunjukkan

suatu hubungan sebab-akibat dengan satu atau lebih variabel bebas. Maksud dari

model kausal adalah menemukan bentuk hubungan tersebut dan menggunakannya

untuk meramalkan nilai mendatang dari variabel tak bebas. Setelah hubungan ini

ditemukan, nilai-nilai masa mendatang dapat diramalkan cukup dengan memasukkan

nilai-nilai yang sesuai untuk varibel-variabel independen.

28

2.2.3.2 Metode Peramalan Kualitatif dan Teknologi

Metode peramalan ini tidak memerlukan data yang serupa seperti metode

peramalan kuantitatif. Input yang dibutuhkan tergantung pada metode tertentu dan

biasanya merupakan hasil dari pemikiran intuitif, perkiraan dan pengetahuan yang telah

didapat. Pendekatan teknologis seringkali memerlukan input dari sejumlah orang yang

terlatih. Metode kualitatif mengandalkan opini pakar atau manajer dalam membuat

prediksi tentang masa depan. Metode ini berguna untuk tugas peramalan jangka panjang.

Penggunaan pertimbangan dalam peramalan, tampaknya tidak ilmiah dan bersifat

sementara. Tetapi bila data masa lalu tidak ada atau tidak mencerminkan masa

mendatang, tidak banyak alternatif selain menggunakan opini dari orang-orang yang

berpengetahuan. Ramalan teknologis terutama digunakan untuk memberikan petunjuk,

untuk membantu perencana dan untuk melengkapi ramalan kuantitatif, bukan untuk

memberikan suatu ramalan numerik tertentu.

Metode kualitatif dapat dikelompokkan menjadi 2, yaitu :

a. Metode eksploratoris

Metode eksploratoris (seperti Delphi, kurva-S, analogi, dan penelitian

morfologis) dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan

bergerak kearah masa depan secara heuristik, seringkali dengan melihat semua

kemungkinan yang ada.

b. Metode normatif.

Metode normatif (seperti matriks keputusan, pohon relevansi, dan analisis

sistem) dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian

bekerja mundur untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala,

sumber daya, dan teknologi yang tersedia.

29

2.2.4 Metode Peramalan Asosiatif (Linear Regresion)

Model asosiatif bergantung kepada pengenalan variabel yang dapat dikaitkan dan

dapat digunakan untuk meramalkan nilai variabel yang menjadi perhatian kita. Metode

utama yang dikenal dan digunakan secara luas dalam metode ini adalah regresi.

Berikut ini rumus – rumus regresi linear sederhana (Makridakis, 1999, p209-218)

adalah:

( )tbya

ttn

yttynb

bay tt

−=

−

−=

+=

∑ ∑∑ ∑ ∑

22

Dimana: y = nilai peramalan

a = konstanta y

b = nilai kemiringan

n = jumlah data

t =indeks penunjuk waktu (dimulai dari 0 dan terus berlanjut

untuk periode yang diramalkan).

2.2.5 Metode Peramalan Double Exponential Smoothing dari Brown

Dasar pemikiran dari pemulusan eksponensial linear dari Brown adalah kedua

nilai pemulusan tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana

terdapat unsur trend. Perbedaan antara nilai pemulusan tunggal dan ganda dapat

ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Metode

pemulusan ini menambahkan parameter α dalam modelnya untuk mengurangi faktor

kerandoman.

30

Perumusan dasar untuk metode DES (Makridakis, 1999, p111-115) adalah:

( )

mbaF

SSb

SSa

SSS

SXS

ttmt

ttt

ttt

ttt

ttt

+=

−−

=

−=

−+=

−+=

+

−

−

)(1

2

)1(.

1.

'''

'''

'')1(

'''

)1('

αα

αα

αα

Dimana: tX = Data penerimaan pada periode t

a = Faktor atau konstanta pemulusan

mtF + = Perkiraan untuk periode t

Pada saat nilai t=1, nilai S’t-1 dan S”t-1 tidak tersedia. Jadi, nilai-nilai itu harus

ditentukan pada awal periode. Hal ini dapat dilakukan dengan menetapkan nilai S’t dan

S”t sama dengan Xt atau dengan menggunakan suatu nilai rata-rata dari beberapa nilai

pertama sebagai titik awal.

2.2.6 Metode Peramalan Triple Exponential Smoothing dari Winter

Pada umumnya, metode rata-rata bergerak dan pemulusan eksponensial dapat

digunakan untuk hampir segala jenis data stasioner atau non stasioner sepanjang data

tersebut tidak mengandung faktor musiman. Tetapi bilamana terdapat faktor musiman,

metode-metode tersebut akan menghasilkan peramalan yang buruk. Untuk data

stasioner, digunakan metode rata-rata bergerak atau pemulusan eksponensial. Jika

datanya menunjukkan suatu trend linear, maka baik model linear dari Brown atau Holt

dapat diterapkan. Tetapi jika datanya musiman, metode tersebut tidak bisa mengatasinya

dengan baik. Walaupun demikian, metode Winter dapat menangani faktor musiman

secara langsung.

31

Metode Winter didasarkan atas tiga persamaan pemulusan, yaitu satu untuk unsur

stasioner, satu untuk trend dan satu untuk musiman. Hal ini serupa dengan metode Holt,

dengan satu pemulusan tambahan untuk mengatasi musiman. Perumusan dasar untuk

metode Winter (Makridakis, 1999, p121-127) adalah sebagai berikut :

Pemulusan Keseluruhan : ))(1( )1()1( −−−

+−+= ttLt

tt bS

IX

S αα

Pemulusan Trend : )1()1( )1()( −− −+−= tttt bSSb γγ

Pemulusan Musiman : )()1( Ltt

tt I

SX

I −−+= ββ

Peramalan : )()( )*( mLtttmt ImbSF +−+ +=

Dimana : L = Panjang musiman

b = Komponen trend

I = Faktor penyesuaian musiman

Ft+m = Peramalan untuk m periode ke depan

Salah satu masalah dalam menggunakan metode Winter adalah menentukan

nilai-nilai untuk ,, βα dan γ tersebut yang akan berpengaruh dalam perhitungan nilai-

nilai error seperti MAE atau MAPE. Pendekatan untuk menentukan nilai ini biasanya

secara trial and error, walaupun mungkin juga digunakan algoritma optimasi non-linear

untuk mendapatkan nilai parameter optimal. Karena kedua pendekatan tersebut

memakan banyak waktu dan mahal, maka metode ini jarang digunakan. Metode ini baru

dipakai jika banyak himpunan data yang harus ditangani.

Untuk menginisialisasi metode peramalan Winter yang diterangkan di atas, kita

perlu menggunakan paling sedikit satu data musiman lengkap (yaitu L periode) untuk

menentukan estimasi awal dari indeks musiman, Lt-1, dan kita perlu menaksir faktor

trend dari satu periode ke periode selanjutnya.

32

Adapun rumus yang digunakan untuk inisialisasi awal yaitu :

XXI

SX

Lt

LL

=

= ++ 11

2.2.7 Metode Dekomposisi

Metode Dekomposisi mendasarkan penganalisaan untuk mengidentifikasi tiga

faktor utama yang terdapat dalam suatu deret waktu, yaitu faktor trend, faktor siklus, dan

faktor musiman. Di dalam beberapa hal, peramal hanya mendasarkan penyusunannya

pada dua faktor yang penting yaitu trend dan musiman. Faktor trend menggambarkan

perilaku data dalam jangka panjang, dan dapat meningkat, menurun atau tidak berubah.

Pengukuran perkembangan faktor trend dilakukan untuk periode waktu yang panjang

dengan menghilangkan variasi musim dan variasi siklus. Faktor siklus menggambarkan

baik turunnya ekonomi atau industri tertentu. Faktor musiman berkaitan dengan

fluktuasi periodik dengan panjang konstan. Perbedaan antara musiman dan siklus adalah

bahwa musiman berulang dengan sendirinya pada interval yang tetap seperti tahun atau

bulan, sedangkan faktor siklus mempunyai jangka waktu yang lebih lama dan lamanya

berbeda dari satu siklus ke siklus yang lainnya.

Ada beberapa pendekatan alternatif untuk mendekomposisi suatu deret waktu,

dengan tujuan untuk mengisolasikan masing-masing komponen dari deret itu setepat

mungkin. Konsep dasar dari dekomposisi ini adalah data empiris di mana yang pertama

adalah pergeseran musim, kemudian trend dan terakhir adalah siklus. Residu yang ada

dianggap unsur acak yang walaupun tidak dapat ditaksir, tetapi dapat diidentifikasi

(Makridakis, 1999, p150-156).

33

Langkah-langkah dekomposisi :

1. Pada deret data yang sebenarnya (Xt) hitung rata-rata bergerak yang panjangnya

(N) sama dengan panjang musiman. Maksud dari rata-rata bergerak adalah

menghilangkan unsur musiman dan keacakan. Meratakan sejumlah periode yang

sama dengan panjang pola musiman akan menghilangkan unsur musiman dengan

membuat rata-rata dari periode yang musimannya tinggi dan periode yang

musimannya rendah. Karena galat acak tidak mempunyai pola yang sistematis,

maka perata-rataan ini juga mengurangi keacakan.

2. Pisahkan rata-rata bergerak N periode (langkah satu) dari deret data semula

untuk memperoleh unsur trend dan siklus.

3. Pisahkan faktor musiman dengan menghitung rata-rata untuk tiap periode yang

menyusun panjang musiman secara lengkap.

4. Identifikasi bentuk trend yang tepat (linear, eksponensial, kurva-S, dan lain-lain)

dan hitung nilainya untuk setiap periode (Tt).

5. Pisahkan hasil langkah empat dari hasil langkah dua (nilai gabungan dari unsur

trend dan siklus) untuk memperoleh faktor siklus.

6. Pisahkan musiman, trend dan siklus dari data asli untuk mendapatkan unsur acak

yang ada, Et.

Metode dekomposisi dapat berasumsi pada model aditif atau multiplikatif dan

bentuknya dapat bervariasi. Model aditif berbentuk :

Xt = It + Tt + Ct + Et

Model multiplikatif berbentuk :

Xt = It x Tt x Ct x Et

34

Rumus Perhitungan Seasonal:

nTotal MovingMonth 12 = 12654321 yyyyyyy +++++++ Κ

nTotal MovingYear 2 = 1nn Total MovingMonth 12Total MovingMonth 12 ++

24Total MovingYear 2

enteredC nn =

n

nn Centered

)y(emandDIndexSeasonal =

Index = Xbulan Jumlah

Xbulan Index Seasonal TotalJumlah

Multiplier = IndexSum

12

MultiplierIndexIndex Adjusted n ×=

Rumus Perhitungan Trend :

DemandPeriodexy ×=

∑ ∑∑ ∑ ∑

−

−= 22 )x(xn

yxxynb

xbya −=

bxa(T) Trend n +=

nnn IndexAdjustedTrendFt ×=

35

2.2.8 Statistik Ketepatan Peramalan

2.2.8.1 Ukuran Statistik Standar

Jika Xt merupakan data aktual untuk periode t dan Ft merupakan ramalan (atau

nilai kecocokan/fitted value) untuk periode yang sama, maka kesalahan didefinisikan

sebagai :

ttt FXe −=

Jika terdapat nilai pengamatan dan ramalan untuk n periode waktu, maka akan

terdapat n buah galat dan ukuran statistik standar berikut dapat didefinisikan :

• Nilai Tengah Galat Absolut (Mean Absolute Error)

∑==

n

tet

nMAE

1

1

2.2.8.2 Ukuran-Ukuran Relatif

Karena adanya keterbatasan MSE sebagai suatu ukuran ketepatan peramalan,

maka muncul usulan alternatif – alternatif lain yang diantaranya menyangkut galat

persentase. Tiga ukuran yang sering digunakan (Makridakis, 1999, p61-62) adalah :

• Galat Persentase (Percentage Error)

100*⎟⎟⎠

⎞⎜⎜⎝

⎛ −=

t

tt

XFX

PE

• Nilai Tengah Galat Persentase Absolut (Mean Absolute Percentage Error)

tn

tPE

nMAPE ∑ =

=1

1

36

2.3 Peta Proses Operasi

Peta Proses Operasi merupakan suatu diagram yang menggambarkan langkah-

langkah proses yang akan dialami bahan baku mengenai urutan-urutan operasi dan

pemeriksaan. Sejak dari awal sampai menjadi produk jadi utuh maupun sebagai

komponen, dan juga memuat informasi-informasi yang diperlukan untuk analisa lebih

lanjut, seperti waktu yang dihabiskan, material yang digunakan, dan tempat atau mesin

yang dipakai. Jadi dalam suatu peta proses operasi, dicatat hanya kegiatan-kegiatan

operasi dan pemeriksaan saja, kadang-kadang pada akhir proses dicatat tentang

penyimpanan (Sutalaksana, 1979,p21). Dalam peta proses operasi pekerjaan dibagi

menjadi elemen-elemen operasi secara detail. Disini, tahapan proses operasi kerja harus

diuraikan secara logis dan sistematis.

Dengan demikian, keseluruhan operasi kerja dapat digambarkan dari awal (raw

material) sampai menjadi produk akhir (finished good product) sehingga analisa

perbaikan dari masing-masing operasi kerja secara individual maupun urut-urutannya

secara keseluruhan akan dapat dilakukan (Wignjosoebroto, 2000, p131).

Untuk bisa menggambarkan peta proses operasi dengan baik, ada beberapa

prinsip yang perlu diikuti, sebagai berikut:

1. Pertama-tama, pada baris paling atas dinyatakan kepalanya “Peta Proses

Operasi” yang diikuti oleh identifikasi lain seperti nama objek, nama pembuat

peta, tanggal dipetakan cara lama atau cara sekarang, nomor peta dan nomor

gambar.

2. Material yang akan diproses diletakkan di atas garis horizontal, yang

menunjukkan bahwa material tersebut masuk ke dalam proses.

37

3. Lambang-lambang ditempatkan dalam arah vertikal, yang menunjukkan

terjadinya perubahan proses.

4. Penomoran terhadap suatu kegiatan operasi diberikan secara berurutan sesuai

dengan urutan operasi yang dibutuhkan untuk pembuatan produk tersebut atau

sesuai dengan proses yang terjadi.

5. Penomoran terhadap suatu kegiatan pemeriksaan diberikan secara tersendiri dan

prinsipnya sama dengan penomoran untuk kegiatan operasi.

2.4 Pengukuran Waktu

Berdasarkan pendapat Sutalaksana (1979,p131) pengukuran waktu adalah

pekerjaan mengamati dan mencatat waktu kerja baik setiap elemen ataupun siklus

dengan menggunakan alat-alat yang telah disiapkan.

Teknik pengukuran waktu dibagi ke dalam dua bagian, yaitu secara langsung dan

tidak langsung. Secara langsung berarti pengukuran dilaksanakan secara langsung yaitu

di tempat dimana pekerjaan yang bersangkutan dijalankan. Cara yang termasuk secara

langsung, yaitu metode cara jam henti. Sedangkan cara tidak langsung melakukan

perhitungan waktu tanpa harus berada ditempat pekerjaan yaitu dengan membaca tabel-

tabel yang tersedia asalkan mengetahui jalannya pekerjaan melalui elemen-elemen

pekerjaan atau gerakan. Untuk pengukuran waktu penulis memakai metode secara

langsung.

Pengukuran waktu ditujukan untuk mendapatkan waktu baku penyelesaian

pekerjaan yaitu waktu yang dibutuhkan secara wajar oleh seorang pekerja normal untuk

menyelesaikan suatu pekerjaan yang dijalankan dalam sistem kerja terbaik.

38

2.4.1 Pengukuran Pendahuluan

Pengukuran pendahuluan merupakan hal pertama yang harus dilakukan. Tujuan

melakukan pengukuran waktu adalah untuk mengetahui berapa kali pengukuran harus

dilakukan untuk tingkat ketelitian dan keyakinan yang diinginkan. Istilah pengukuran

pendahuluan terus digunakan selama jumlah pengukuran yang telah dilakukan belum

mencukupi. Langkah-langkah pemrosesan hasil pengukuran adalah:

1. Hasil pengukuran dikelompokkan ke dalam subgrup-subgrup dan hitung rata-rata

dari tiap subgrup:

nx

x i∑=−

Dimana: n = ukuran subgrup, yaitu banyaknya data dalam satu subgrup

k = jumlah subgrup yang terbentuk

xi = data pengamatan

2. Hitung rata-rata keseluruhan, yaitu rata-rata dari rata-rata subgrup:

k

xx

g

ii∑

== 1

3. Hitung standar deviasi dari waktu penyelesaian:

( )1n

xxs

n

1i

2

i

−

−=∑=

dimana : n = jumlah pengamatan pendahuluan yang telah dilakukan.

4. Hitung standar deviasi dari distribusi harga rata-rata subgrup:

Nss

x=

39

2.4.2 Pengujian Keseragaman Data

Pengukuran keseragaman data perlu dilakukan terlebih dulu sebelum kita

menggunakan data yang diperoleh guna menetapkan waktu standar, dengan tujuan untuk

mengetahui apakah hasil pengukuran waktu cukup seragam. Suatu data dikatakan

seragam, yaitu data yang berasal dari sistem sebab yang sama, bila berada di antara

kedua batas kendali. Perumusan batas kendali tersebut adalah sebagai berikut:

BKA = XZX σ+

BKB = XZX σ−

Z = 2

11 β−−

Dimana: BKA = Batas kendali atas

BKB = Batas kendali bawah

Z = Nilai konversi pada distribusi normal sesuai tingkat keyakinan (β)

2.4.3 Pengujian Kecukupan Data

Menurut Sutalaksana (1974, p134), uji kecukupan data dilakukan untuk

mendapatkan apakah jumlah data hasil pengamatan cukup untuk melakukan penelitian.

Uji kecukupan data ini digunakan pada proses sampling, apabila variabilitas data yang

dianalisis semakin kecil, maka jumlah sampel yang dibutuhkan akan semakin kecil,

sedangkan apabila variabilitas pengumpulan data semakin besar, maka jumlah data yang

dikumpulkan akan semakin besar pula. Rumus yang dipakai adalah sebagai berikut:

N’ = ( )

222

⎟⎟⎟

⎠

⎞

⎜⎜⎜

⎝

⎛ −

∑∑ ∑

xj

xjxjnsk

40

Dimana : N’ = jumlah data yang seharusnya dilakukan pengamatan

N = jumlah data yang aktual

Dengan kesimpulan:

Apabila N’ ≤ N, maka jumlah data sudah cukup

Apabila N’ ≥ N, maka jumlah data belum cukup

Tingkat ketelitian menunjukkan penyimpangan maksimum hasil pengukuran dari

data pengukuran sebenarnya. Hal ini biasanya dinyatakan dalam persen, sedangkan

tingkat keyakinan menunjukkan besarnya keyakinan pengukur bahwa hasil yang

diperoleh memenuhi syarat ketelitian tadi.

Pengukuran yang ideal adalah pengukuran dengan data yang sangat banyak

karena dengan demikian diperoleh jawaban yang pasti. Tingkat ketelitian dan tingkat

keyakinan adalah pencerminan tingkat kepastian yang diinginkan pengukur setelah

memutuskan tidak akan melakukan pengukuran yang sangat banyak.

Tingkat ketelitian menunjukkan penyimpangan maksimum hasil pengukuran dari

waktu penyelesaian sebenarnya, biasanya dinyatakan dalam persen dari waktu

penyelesaian sebenarnya yang harus dicari. Sedangkan tingkat keyakinan menunjukkan

besarnya keyakinan pengukur bahwa hasil yang diperoleh memenuhi syarat ketelitian

tadi.

2.4.4 Penyesuaian

Penyesuaian bertujuan untuk menormalkan waktu proses operasi jika pengukur

berpendapat bahwa operator bekerja dengan kecepatan tidak wajar, agar waktu

penyelesaian proses operasi tidak terlalu singkat atau tidak terlalu panjang.

41

Terdapat tiga batasan dalam penyesuaian (Sutalaksana, 1979,p138) yaitu:

1. p > 1 : jika pengukur menganggap bahwa pekerja bekerja terlalu cepat (diatas

normal)

2. p = 1 : jika pengukur menganggap bahwa pekerja bekerja normal.

3. p < 1 : jika pengukur menganggap bahwa pekerja bekerja terlalu lambat

(dibawah normal)

Salah satu metode yang digunakan untuk menentukan faktor penyesuaian adalah

metode Westinghouse (Sutalaksana,1979,p140-146). Cara Westinghouse mengarahkan

penilaian pada 4 faktor yang dianggap menentukan kewajaran dan ketidakwajaran dalam

bekerja yaitu keterampilan, usaha, kondisi kerja dan konsistensi. Setiap faktor terbagi

kedalam enam kelas, yaitu perfect, excellent, good, average, fair dan poor dengan

nilainya masing-masing.

2.4.5 Kelonggaran

Kelonggaran (Sutalaksana, 1979,p149-154) adalah waktu yang dibutuhkan

pekerja yang terlatih, agar dapat mencapai performance kerja sesungguhnya, jika ia

bekerja secara normal. Seorang pekerja tidak mungkin bekerja sepanjang waktu tanpa

adanya beberapa interupsi untuk kebutuhan tertentu yang sifatnya manusiawi, seperti

kebutuhan pribadi, menghilangkan rasa fatique dan gangguan-gangguan yang mungkin

terjadi yang tidak dapat dihindarkan oleh pekerja. Umumnya kelonggaran dinyatakan

dalam persen dari waktu normal.

42

Kelonggaran dapat diberikan untuk tiga hal yaitu:

a. Kelonggaran untuk kebutuhan pribadi

Yang termasuk dalam kebutuhan pribadi disini adalah hal-hal seperti minum

untuk menghilangkan dahaga, ke kamar kecil, bercakap-cakap untuk

menghilangkan ketegangan atau kejenuhan dalam bekerja. Kebutuhan ini jelas

terlihat sebagai sesuatu yang mutlak yang harus diberikan kepada pekerja karena

merupakan tuntutan fisiologis dan psikologis yang wajar.

b. Kelonggaran untuk rasa fatique

Rasa fatique tercermin dari menurunnya hasil produksi dari segi kualitas maupun

kuantitas. Cara menentukan kelonggaran ini adalah dengan melakukan

pengamatan sepanjang hari kerja dan mencatat pada saat-saat dimana hasil

produksi menurun.

c. Kelonggaran untuk hambatan yang tak terhindarkan

Dalam melaksanakan pekerjaan, pekerja tidak akan lepas dari hambatan. Adapun

beberapa contoh yang termasuk kedalam hambatan tak terhindarkan adalah:

- menerima petunjuk kepada pengawas

- melakukan penyesuaian-penyesuaian mesin

- memperbaiki kemacetan-kemacetan singkat seperti mengganti alat potong

yang patah, memasang kembali ban yang lepas dan sebagainya

- mengasah peralatan potong

- mengambil alat-alat khusus atau bahan-bahan khusus dari gudang.

43

2.4.6 Perhitungan Waktu Baku

Apabila semua data yang diperoleh telah seragam, dan jumlahnya telah

memenuhi tingkat ketelitian dan keyakinan yang diinginkan. Selanjutnya adalah

mengolah data untuk menghitung waktu baku yang diperoleh dengan langkah-langkah:

1. Menghitung waktu rata-rata

Wr = N

Xi∑

Dimana: Xi = data yang termasuk dalam batas kendali

2. Menghitung waktu normal

Wn = Wr x p

Dimana : p = faktor penyesuaian

3. Menghitung waktu baku

Wb = Wn (1+a)

Dimana: a = kelonggaran yang diberikan pekerja untuk menyelesaikan

pekerjaannya disamping waktu normal.

2.5 Konsep Penjadwalan

2.5.1 Definisi Penjadwalan

Penjadwalan (scheduling) merupakan salah satu kegiatan penting dalam

perusahaan. Dalam suatu perusahaan industri, penjadwalan diperlukan dalam

mengalokasikan tenaga operator, mesin, dan peralatan produksi, urutan proses, jenis

produk, pembelian material dan sebagainya. Terlepas dari jenis perusahaannya, setiap

perusahaan perlu untuk melakukan penjadwalan sebaik mungkin agar memperoleh

utilisasi maksimum dari sumber daya produksi dan aset lain yang dimiliki.

44

Penjadwalan adalah pengaturan waktu dari suatu kegiatan operasi. Penjadwalan

mencakup kegiatan mengalokasikan fasilitas, peralatan ataupun tenaga kerja bagi suatu

kegiatan operasi. Dalam hierarki pengambilan keputusan, penjadwalan merupakan

langkah terakhir sebelum dimulainya operasi.

Teori penjadwalan berhubungan terutama dengan model-model matematika yang

berhubungan dengan proses penjadwalan (Baker, 2001, p1.3). Pengembangan dari

model-model yang berguna, yang menuju kepada teknik-teknik solusi dan pandangan-

pandangan praktikal, telah menjadi interface yang terus-menerus antara teori dan

praktek. Perspektif teorikal juga merupakan pendekatan kuantitatif yang besar, satu yang

mengusahakan menggambarkan struktur permasalahan dalam bentuk perhitungan

matematika. Secara khusus, pendekatan kuantitatif ini dimulai dari deskripsi sumber

dan tugas-tugas dan dengan translasi akan tujuan-tujuan pengambilan keputusan ke

dalam fungsi objektif yang eksplisit.

Idealnya, fungsi objektif harus berisikan semua biaya-biaya dalam sistem yang

tergantung pada keputusan-keputusan penjadwalan. Di dalam praktek, meskipun begitu,

biaya-biaya seperti itu sering sulit untuk dihitung, atau bahkan diidentifikasi seluruhnya.

Sebagai fakta, biaya operasi utama - dan yang paling sering diidentifikasikan -

ditentukan oleh fungsi perencanaan, dimana biaya-biaya yang berhubungan dengan

penjadwalan sulit untuk diisolasi dan sering muncul telah fixed. Meskipun begitu, 3 tipe

dari tujuan–tujuan pengambilan keputusan terlihat biasa di dalam penjadwalan;

turnaround, timeliness, dan throughput. Turnaround menghitung waktu yang

dibutuhkan untuk menyelesaikan sebuah kegiatan. Timeliness menghitung konformansi

dari penyelesaian tugas-tugas tertentu pada deadline yang diberikan. Throughput

menghitung jumlah dari kerja yang diselesaikan sewaktu waktu yang telah ditentukan.

45

Kedua tujuan-tujuan ini nantinya akan membutuhkan elaborasi lebih lanjut,

karena meskipun kita dapat membicarakan turnaround atau timeliness untuk tugas yang

diberikan, permasalahan-permasalahan penjadwalan membutuhan kita mengembangkan

fungsi-fungsi objektif untuk keseluruhan kegiatan di dalam penjadwalan. Throughput,

yang kontras sudah merupakan sebuah perhitungan yang diaplikasikan ke dalam

keseluruhan set.

Baker (2001, p1.3) mengkategorikan model-model penjadwalan utama dengan

menspesifikasikan konfigurasi sumber dan sifat dari kegiatan. Sebagai contoh, sebuah

model mungkin berisikan satu mesin atau beberapa mesin. Jika hanya berisikan satu

mesin, pekerjaan-pekerjaan akan berada pada single stage, dimana model banyak mesin

biasanya mencakup pekerjaan-pekerjaan dengan multiple stages.

2.5.2 Tujuan Penjadwalan

Pentingnya penjadwalan (Render dan Heizer, 2001, p467) :

1. Dengan penjadwalan secara efektif, perusahaan menggunakan asetnya dengan

efektif dan menghasilkan kapasitas keuntungan yang dihasilkan menjadi lebih

besar, yang sebaliknya akan mengurangi biaya.

2. Penjadwalan menambah kapasitas dan fleksibilitas yang terkait memberikan

waktu pengiriman yang lebih cepat dan dengan demikian pelayanan kepada

pelanggan menjadi lebih baik.

3. Keuntungan yang ketiga dari penjadwalan yang baik adalah keunggulan

kompetitif dengan pengiriman yang bisa diandalkan.

46

2.5.3 Penjadwalan Kriteria Proses

Teknik penjadwalan yang benar tergantung pada volume pesanan, ciri operasi,

dan keseluruhan kompleksitas pekerjaan, sekaligus pentingnya tempat pada masing-

masing dari empat kriteria (Render dan Heizer, 2001, p467). Empat kriteria itu adalah :

1. Meminimalkan waktu penyelesaian. Ini dinilai dengan menentukan rata-rata

waktu penyelesaian.

2. Memaksimalkan utilitas. Ini dinilai dengan menentukan persentase waktu

fasilitas itu digunakan.

3. Meminimalkan persediaan barang dalam proses. Ini dinilai dengan menentukan

rata-rata jumlah pekerjaan dalam sistem. Hubungan antara jumlah pekerjaan

dalam sistem dan persediaan barang dalam proses adalah tinggi. Dengan

demikian semakin kecil jumlah pekerjaan yang ada dalam sistem, maka akan

semakin kecil persediaannya.

4. Meminimalkan waktu tunggu pelanggan. Ini dinilai dengan menentukan rata-rata

jumlah keterlambatan.

Empat kriteria ini digunakan dalam industri untuk mengevaluasi kinerja

penjadwalan. Sebagai tambahan, pendekatan penjadwalan yang baik haruslah sederhana,

jelas, mudah dimengerti, mudah dilaksanakan, fleksibel, dan realistik. Diberikan

pertimbangan ini, sasaran dari penjadwalan adalah untuk mengoptimalkan penggunaan

sumber daya sehingga tujuan produksi bisa tercapai.

2.6 Penjadwalan Produksi

Penjadwalan produksi memiliki beberapa fungsi dalam sistem produksi,

aktivitas-aktivitas fungsi tersebut adalah sebagai berikut (Baroto, 2002, p167) :

47

1. Loading (pembebanan). Bertujuan mengkompromikan antara kebutuhan yang

diminta dengan kapasitas yang ada. Loading ini untuk menentukan fasilitas,

operator, dan peralatan.

2. Sequencing (penentuan urutan). Bertujuan membuat prioritas pengerjaan dalam

pemrosesan order-order yang masuk.

3. Dispatching. Pemberian perintah-perintah kerja ke tiap mesin atau fasilitas

lainnya.

4. Pengendalian kinerja penjadwalan, dengan cara:

a. monitor perkembangan pencapaian pemenuhan order dalam semua sektor

b. merancang ulang sequencing, bila ada kesalahan atau prioritas utama baru

5. Updating schedules. Pelaksanaan jadwal biasanya selalu ada masalah baru yang

berbeda dari saat pembuatan jadwal, maka jadwal harus segera di-update bila ada

permasalahan baru yang memang perlu diakomodasi.

Kompleksitas aktivitas penjadwalan produksi tersebut dapat ditangani secara

sistematik dengan berbagai macam metode-metode khusus untuk penjadwalan produksi.

2.6.1 Pembebanan (Loading)

Pembebanan berarti penugasan pekerjaan untuk dilaksanakan atau pusat

pengolahan/pusat pemrosesan. Manajer operasi menugaskan pekerjaan untuk

dilaksanakan sehingga biaya, waktu menganggur atau waktu penyelesaian harus dijaga

agar tetap minimum. Pusat pembebanan pekerjaan terbagi menjadi dua bentuk. Satu

diorientasikan terhadap kapasitas, yang kedua dikaitkan ke penugasan tugas tertentu ke

pusat pekerjaan. Dua pendekatan yang digunakan untuk membebankan yaitu : diagram

Gantt dan metode penugasan linear (Render dan Heizer, 2001, p469).

48

(1) Diagram Gantt

Diagram Gantt merupakan alat bantu visual yang sangat berguna dalam

pembebanan dan penjadwalan. Diagram ini membantu melukiskan penggunaan

sumber daya, seperti pusat pekerjaan dan lembur.

Pada saat digunakan dalam pembebanan, diagram Gantt menunjukkan waktu

pembebanan dan waktu menganggur dari beberapa departemen seperti mesin-mesin

atau fasilitas. Diagram ini menampilkan beban kerja relatif di dalam sistem sehingga

para manajer bisa tahu penyesuaian seperti apa yang tepat. Sebagai contoh, pada saat

satu pusat pekerjaan kelebihan pusat kerja, karyawan dari pusat beban yang rendah

bisa dipindahkan secara temporer untuk menambah jumlah karyawan. Atau jika

pekerjaan yang sedang menunggu bisa diproses pada pusat pekerjaan yang berbeda,

beberapa pekerjaan pada pusat beban tinggi bisa dipindahkan ke yang rendah.

Peralatan serba guna bisa juga dipindahkan di antara pusat-pusat itu.

Diagram beban Gantt memiliki batasan-batasan utama. Salah satunya,

diagram ini tidak bisa diandalkan untuk variabilitas produksi seperti kerusakan yang

tidak diharapkan atau kesalahan manusia yang mensyaratkan pekerjaan itu dilakukan

lagi. Diagram itu harus diperbaharui secara teratur untuk melakukan pekerjaan baru

dan merevisi perkiraan waktu.

Diagram jadwal Gantt digunakan untuk memonitor kemajuan pekerjaan. Ini

menunjukkan pekerjaan mana yang berada pada jadwal dan yang mana yang berada

didepan atau dibelakang skedul/jadwal. Dalam bentuk dasarnya diagram Gantt

menunjukan alokasi sumber berdasarkan waktu, dengan sumber-sumber spesifik

yang ditunjukan sepanjang garis vertikal dan skala waktu yang ditunjukan sepanjang

garis horizontal, seperti pada gambar 2.6.

49

Sumber: Baker (2001, p1.3)

Gambar 2.6 Diagram Gantt

Sebuah diagram seperti pada gambar 2.6 membantu kita untuk memvisualkan

elemen-elemen detail dari sebuah permasalahan penjadwalan karena sumber-sumber

dan kegiatan-kegiatan ditunjukan dengan jelas. Dengan sebuah diagram Gantt kita

dapat menganalisa hubungan-hubungan geometrik untuk mendapatkan informasi

tentang fitur dari jadwal yang diberikan. Sebagai tambahan, kita dapat membahas

diagram tersebut dan mengatur kegiatan-kegiatan untuk mendapatkan informasi

pembanding mengenai penjadwalan lainnya.

(2) Metode Penugasan

Metode penugasan melibatkan penugasan suatu pekerjaan atau sumber daya.

Sebagai contoh adalah penugasan pekerjaan ke mesin, kontrak kerja pada penawar,

dan sebagainya. Tujuannya adalah untuk meminimalisasi total biaya atau waktu yang

diminta untuk melakukan tugas yang sedang dijalankannya.

50

2.6.2 Pengurutan (Sequencing)

Pengurutan pengerjaan merupakan problem yang cukup penting dalam analisis

produksi. Masalah yang dihadapi karena adanya banyaknya job dan ketersediaan mesin

yang terbatas. Job sequencing bertujuan untuk mencapai kriteria performance tertentu

yang optimal. Beberapa kriteria yang sering dipakai dalam pengurutan job antara lain

sebagai berikut (Baroto, 2002, p170) :

1. Mean flow time (MFT) atau rata-rata waktu job berada dalam mesin

2. Idle time atau waktu menganggur dari mesin

3. Mean lateness atau rata-rata keterlambatan

4. Mean number job in the system (WIP) atau rata-rata jumlah job dalam mesin

5. Make-span atau total waktu penyelesaian seluruh job

Sedangkan faktor-faktor yang mempengaruhi pelayanan (pengerjaan) suatu job

diantaranya (Baroto, 2002, p170) :

1. jumlah job yang harus dijadwalkan.

2. jumlah mesin yang tersedia.

3. tipe manufaktur (flow shop atau job shop).

4. pola kedatangan job (statik atau dinamis).

2.7 Sistem Informasi

2.7.1 Pengertian Sistem

Pengertian sistem menurut McLeod (2001, p11) adalah sekelompok elemen-

elemen yang terintegrasi dengan maksud yang sama untuk mencapai suatu tujuan. Suatu

organisasi seperti perusahaan atau suatu area bisnis cocok dengan definisi ini.

51

Organisasi terdiri dari sejumlah sumber daya dan sumber daya tersebut bekerja

menuju tercapainya suatu tujuan tertentu yang ditentukan oleh pemilik atau manajemen.

Dan menurut Mathiassen (2000, p9), Sistem adalah kumpulan dari komponen yang

mengimplementasikan persyaratan model, function dan interface.

2.7.2 Pengertian Informasi

Pengertian informasi menurut McLeod (2001, p15) adalah data yang telah

diproses, atau data yang memiliki arti. Perubahan data menjadi informasi dilakukan oleh

pengolah informasi (information processor). Pengolah informasi dapat meliputi elemen-

elemen komputer, elemen-elemen non-komputer, atau kombinasi keduanya.

2.7.3 Pengertian Sistem Informasi

Menurut McLeod (2001, p4), sistem informasi adalah suatu kombinasi yang

terorganisasi dari manusia, perangkat lunak, perangkat keras, jaringan komunikasi, dan

sumber daya data yang mengumpulkan, mentransformasikan, serta menyebarkan

informasi dalam sebuah organisasi. Sedangkan menurut Alter sistem informasi adalah

suatu sistem kerja yang menggunakan teknologi informasi untuk mengumpulkan,

meneruskan, menyimpan, mendapatkan kembali, memanipulasi, ataupun menampilkan

informasi, sehingga mendukung satu atau lebih sistem kerja. Sedangkan sistem kerja

adalah sistem dimana manusia berpartisipasi untuk melakukan proses bisnis dengan

menggunakan teknologi informasi dan sumber daya yang lain untuk menghasilkan suatu

produk bagi pihak internal maupun eksternal.

52

2.8 System Object Oriented Analysis and Design

2.8.1 Analisis Sistem

Analisis sistem adalah penelitian atas sistem yang telah ada dengan tujuan untuk

merancang sistem yang baru atau diperbaiki (Mcleod, 2001, p234). Jadi dapat

disimpulkan bahwa analisis sistem adalah penelitian sistem yang ada dengan tujuan

penyempurnaan sistem yang dapat dimanfaatkan oleh pengguna sistem.

2.8.2 Object Oriented Analysis and Design (OOAD)

Menurut Mathiassen (2000, p5), Analisis dan Perancangan Berorientasi Objek

mendeskripsikan dua permasalahan yang berbeda, yakni di dalam sistem dan di luar

sistem. Analisis objek mendeskripsikan fenomena di luar sistem, seperti orang dan

barang, yang dapat berdiri sendiri. Perancangan objek mendeskripsikan fenomena di

dalam sistem yang dapat diawasi. Kita dapat mendeskripsikan behavior mereka sebagai

operasi untuk komputer yang menyelesaikannya.

2.8.3 Tahapan Object Oriented Analysis and Design (OOAD)

2.8.3.1 System Definition

Menurut Mathiassen (2000, p24), System Definition (Definisi Sistem) adalah

deskripsi singkat dari sistem yang terkomputerisasi yang ditampilkan dalam bahasa

sehari – hari. Sebuah system definition menunjukan properties fundamental untuk

pengembangan dan kegunaan sistem. Menjelaskan sistem dalam konteks, informasi yang

harus ada, fungsi yang harus disediakan, dimana akan digunakan, dan kondisi

pengembangan mana yang diaplikasikan.

53

Tujuan dari definisi ini untuk menjelaskan interpretasi dan kemungkinan-

kemungkinan yang berbeda. System definition membantu anda untuk menjaga overview

dari pilihan yang berbeda, dan anda bisa menggunakannya untuk membandingkan

alternative-alternatif. System definition yang akhirnya dipilih harus menyediakan fondasi

yang penting untuk analisis lanjut dan aktivitas desain.

Sebuah system definition harus singkat dan tepat, dan mengandung sebagian

besar keputusan-keputusan fundamental mengenai system. Menciptakan formulasi yang

singkat dan tepat menyediakan sebuah overview dan membuatnya mudah untuk

membandingkan alternatif.

Sumber : Mathiassen (2000, p25)

Gambar 2.7 Subactivities in choosing a system

Setiap system definition merepresentasikan persepsi spesifik dari kenyataan yang

disaring melalui ide-ide, konsep, pendidikan, dan latar belakang dari orang-orang yang

terkait. System definition akan menjelaskan pengembangan yang memfokuskan pada

property system dibandingkan detail property yang berorientasi pada komponen.

The FACTOR criterion (Mathiassen, 2000, p40) berisikan akan 6 elemen:

• Functionality: fungsi-fungsi sistem yang mendukung tugas application domain.

• Application domain: bagian dari organsasi yang mengadministrasi, memonitor, atau

mengatur sebuah problem domain.

54

• Condition: kondisi dimana sistem akan dikembangkan dan digunakan.

• Technology: kedua teknologi digunakan baik untuk sistem yang dikembangkan dan

juga sistem yang sedang berjalan.

• Objects: objek utama di dalam problem domain.

• Responsibility: keseluruhan tanggung jawab sistem di dalam hubungannya dengan

context.

2.8.3.2 Rich Picture

Sebuah rich picture adalah gambar tidak formal yang menunjukan pengertian

illustrator mengenai situasi yang ada. Sebuah rich picture memfokuskan pada aspek

penting dari situasi, yang ditentukan oleh illustrator. Meskipun begitu, rich picture harus

memberikan penjelasan yang luas akan situasi yang memungkinkan beberapa intepretasi

alternatif (Mathiassen, 2000, p26).


Gambar 2.8 Contoh Rich Picture

55

2.8.3.3 Aktifitas Utama Object Oriented Analysis and Design (OOAD)

Mathiassen et al. (2000, pp14-15) menjelaskan empat buah aktivitas utama dalam

analisa dan perancangan berorientasi objek yang digambarkan dalam gambar 2.9 berikut.


Gambar 2.9 Main activitities in Object Oriented Design

2.8.3.3.1 Problem Domain Analysis

Menurut Mathiassen (2000, p45), Problem Domain Analysis merupakan bagian

dari sebuah konteks yang diadministrasi, dimonitor dan dikontrol oleh sebuah sistem.

Tujuannya adalah untuk mengidentifikasi dan memodelkan sebuah problem domain.


Gambar 2.10 Activities in Problem Domain

56

Menurut Mathiassen (2000, p46), Problem Domain Modelling mempunyai 3

aktivitas :

a. Classes

Object adalah suatu entitas dengan identity (identitas), state (pernyataan) dan

behavior (perilaku). Sedangkan Event adalah kejadian terus – menerus yang

melibatkan satu atau dua objek. (Mathiassen, 2000, p51).

Menurut Mathiassen (2000, p53), Class adalah suatu deskripsi dari sekumpulan

objek yang mempunyai structure, behavioral pattern dan attributes.

Aktivitas class akan menghasilkan event table. Baris yang horizontal berisikan

class-class yang terpilih. Kolom vertikal berisikan event-event yang terpilih. Sebuah

tanda cek menandakan bahwa objek dari class terhubung dengan event tertentu.


Gambar 2.11 Contoh Class Diagram

57

Menurut Mathiassen (2000, p55) ada 3 sub aktivitas dalam memilih Class dan

Event, yaitu :

1. Menemukan kandidat untuk classes

Pemilihan class merupakan kunci utama dalam membuat problem domain. Pada

umumnya yang dilakukan adalah mencari semua kata benda sebanyak mungkin

yang terdapat pada system definition.

Menurut Mathiassen (2000, p57), penggunaan nama class sebaiknya :

- Sederhana dan mudah dimengerti

- Sesuai dengan problem domain

- Menunjukkan satu kejadian


Gambar 2.12 Memilih Class dan Event

2. Menemukan kandidat untuk event

Selain class, event juga merupakan bagian penting dalam problem domain. Cara

untuk mencarinya adalah dengan mencari kata kerja pada system definition

sebanyak mungkin.

3. Mengevaluasi dan memilih secara sistematik

58

Jika daftar class dan event telah lengkap, maka mereka dievaluasi secara

sistematik. Kriteria umum untuk mengevaluasi adalah :

- class dan event ada dalam system definition

- class dan event relevan untuk problem domain

b. Structure

Menurut Mathiassen (2000, p69), tujuan structure adalah untuk mendeskripsikan

hubungan struktural antara classes dan objects dalam problem domain.

Menurut Mathiassen (2000, p72), konsep structure dibedakan atas :

1. Class structure

Menggambarkan hubungan konseptual yang statis antar class. Terdiri atas :

- Generalization Structure :

Merupakan suatu hubungan antara satu atau lebih subclass dengan satu atau

lebih superclass.

- Cluster Structure

Merupakan kumpulan dari classes yang saling berhubungan.

2. Object structure

Menggambarkan hubungan yang dinamis antara objects yang ada dalam problem

domain. Terdiri atas :

- Agregation structure

Mendefinisilkan hubungan antara 2 buah objects atau lebih. Menurut

Mathiassen (2000, p79), ada 3 tipe aplikasi dari aggregation structure :

1. Whole part

Object superior adalah jumlah dari object inferior, jika menambah atau

mengurangi maka akan mengubah pokok object superior.

59

2. Container content

Object superior adalah container bagi object inferior, jika menambah

atau mengurangi object inferior maka tidak akan mengubah object

superior.

3. Union member

Object superior adalah object inferior yang terorganisasi. Tidak akan

terjadi perubahan pada object superior apabila melakukan penambahan

atau pengurangan pada object inferior namun tetap memiliki batasan –

batasan.


Gambar 2.13 Aggregation Structure

- Association structure

Merupakan relasi antara 2 atau lebih objek. Digambarkan sebagai

sebuah garis sederhana antara class yang berhubungan. Association

multiplicity diuraikan dengan cara yang sama seperti menguraikan

aggregation.


Gambar 2.14 Association Structure

60

Perbedaan antara association structure dan aggregation structure

adalah hubungan antar class pada aggregation mempunyai pertalian yang

kuat sedangkan pada association tidak kuat. Dan dalam aggregation

dilukiskan hubungan yang definitive serta fundamental sedangkan dalam

association dilukiskan hubungan yang tidak tetap.

c. Behavior

Menurut Mathiassen (2000, p89), tujuan behavior adalah untuk memodelkan

problem domain yang dinamis. Dan 3 konsep yang terkandung dalam behavior

adalah :

• Event Trace: Merupakan urutan dari events yang melibatkan objek secara

spesifik.

• Behavioral Pattern: Suatu deskripsi dari kemungkinan events traces untuk

semua object dalam class.

• Attribute: Suatu deskripsi dari class atau event.


Gambar 2.15 Contoh State Chart

61

2.8.3.3.2 Application Domain Analysis

Menurut Mathiassen (2000, p115), Application Domain Analysis adalah

organisasi yang mengadministrasi, memonitor atau mengontrol sebuah problem domain.

Tujuannya adalah untuk menetapkan system usage requirements. Aktivitas dari

Application Domain Analysis adalah : Usage, Functions dan Interfaces.


Gambar 2.16 Application Domain Analysis

a. Usage

Menurut Mathiassen (2000, p119), usage untuk menetapkan bagaimana actor

berinteraksi dengan sistem. Konsepnya adalah :

- Actor : sebuah abstraksi dari user atau sistem lain yang berinteraksi dengan

target system.

- Use case : urutan kejadian – kejadian antara system dan actor dalam application

domain.

62


Gambar 2.17 Contoh Use Case

b. Functions

Menurut Mathiassen (2000, p137), functions merupakan fasilitas untuk

membuat sebuah model berguna bagi actor. Tujuannya adalah untuk menetapkan

kemampuan berproses sistem informasi.

Secara tradisional, sebuah function dianggap sebagai perhitungan, dimana input

data diubah menjadi output data. Sebuah function diaktivasikan, dijalankan, dan

menyediakan sebuah hasil. Dijalankannya sebuah function dapat mengubah model

component state atau menciptakan reaksi di dalam application domain atau problem

domain. Sebuah function adalah kebutuhan; merupakan property abstract dari

sebuah sistem.

63


Gambar 2.18 Function Analysis

Tipe – tipe functions adalah :

- Update functions

Diaktifkan dengan problem domain event dan hasilnya didalam perubahan model

state.

- Signal functions

Diaktifkan dengan merubah model state dan hasilnya pada reaksi di konteks.

Reaksi ini mungkin menampilkan actor pada application domain atau intervensi

langsung di problem domain.

- Read functions

Diaktifkan oleh kebutuhan akan informasi di lembar kerja actor dan hasilnya

tampilan sistem yang relevan dari model.

- Compute functions

Diaktifkan oleh kebutuhan akan informasi di lembar kerja actor melibatkan

informasi yang disediakan actor atau model. Hasilnya adalah tampilan dari

kegiatan compute tersebut.

64

c. Interfaces

Menurut Mathiassen (2000, p151), interfaces adalah fasilitas yang membuat system

model dan functions dapat digunakan oleh actor. Tujuannya adalah untuk

menetapkan system interfaces. Hasil dari interfaces adalah:

- User interfaces

Tipe dialog dan form presentasi, daftar lengkap dari elemen user interface,

window diagram dan navigation diagram.

- System interfaces

Class diagram untuk peralatan luar dan protokol - protokol untuk berinteraksi

dengan sistem lain.


Gambar 2.19 Interfaces Analysis

2.8.3.3.3 Architectural Design

Menurut Mathiassen (2000, p173), tujuan dari architectural design adalah untuk

menstruktur sistem yang terkomputerisasi.

65


Gambar 2.20 Activities in Architectural Design

Menurut Mathiassen (2000, p173), 3 aktivitas yang terdapat pada Architectural

Design adalah:

a. Criteria

Menurut Mathiassen (2000, p177), tujuan dari criteria adalah untuk mengatur

prioritas perancangan. Konsepnya adalah :

- Criterion : Properti dari architecture

- Conditions : kesempatan dan batas technical, organizational dan human yang

telibat dalam suatu tugas.

Menurut Mathiassen (2000, p178) terdapat 12 jenis kriteria software :

1. Usable: kemampuan sistem untuk beradapatasi dengan situasi organisasi, tugas

dan hal – hal teknis.

2. Secure: kemampuan untuk melakukan pencegahan terhadap akses yang tidak

berwenang.

3. Efficient : penggunaan secara ekonomis terhadap fasilitas technical platform.

4. Correct: sesuai dengan kebutuhan.

5. Reliable: ketepatan dalam melakukan suatu fungsi.

66

6. Maintainable: kemampuan untuk perbaikan sistem yang rusak.

7. Testable: penempatan biaya untuk memastikan sistem bekerja sesuai dengan

yang diinginkan.

8. Flexible: kemampuan untuk modifikasi sistem yang berjalan.

9. Comprehensible: usaha yang diperlukan untuk memperoleh pengertian akan

suatu sistem.

10. Reusable: potensi untuk menggunakan sistem pada bagian sistem lain yang

saling berhubungan.

11. Portable: kemampuan sistem untuk dapat dipindahkan ke technical platform

yang lain.

12. Interoperable: kemampuan untuk merangkai sistem ke dalam sistem yang lain.

Selain kriteria – kriteria diatas, menurut Mathiassen (2000, p184), terdapat pula

kondisi – kondisi yang harus diperhitungkan :

• Technical

Adalah perangkat keras yang tersedia, perangkat lunak dasar dan sistem;

menggunakan kembali bahan – bahan dan komponen – komponen yang telah

ada; menggunakan komponen standar yang dapat dibeli.

• Organizational

Adalah perjanjian kontrak; rencana pengembangan dan pembagian kerja antara

pengembang.

• Human

Adalah kemampuan untuk mendesain; pengalaman dengan sistem yang serupa;

pengalaman dengan technical platform.

67

b. Component

Sebuah component architecture adalah pandangan sistem structural yang

membedakan sistem concern. Sebuah component architecture yang baik membuat

sebuah sistem lebih mudah untuk dimengerti, mengatur desain kerja dan

merefleksikan stabilitas dari konteks sistem. Juga mengubah design task ke dalam

beberapa task yang lebih mudah.

Menurut Mathiassen (2000, p189), Component architecture adalah sebuah

struktur sistem dari components yang saling berhubungan untuk menentukan

keseluruhan struktur system.

Bagian program yang menyusun classes disebut component-kumpulan dari

bagian sistem yang membentuk keseluruhan dan memiliki tanggung jawab yang

jelas. Tujuan utama dari component architecture adalah agar kedua hal tersebut

lengkap dan fleksibel.

Berikut beberapa pattern umum yang dapat digunakan secara kreatif mendesain

sebuah component architecture:

• the layered architecture pattern

• the generic architecture pattern

• the client-server architecture pattern

68


Gambar 2.21 Contoh Component Architecture

c. Process

Menurut Mathiassen (2000, p209), tujuan process adalah untuk mendefinisikan

struktur program secara fisik. Process activity dibuat berdasarkan 2 level abstraksi.

Yang pertama, level kseluruhan dimana kita mendefinisikan distibusi program

component dari prosesor sistem yang ada. Kedua level yang berhubungan dengan

proses yang membangun kolaborasi diantara objek yang ada ketika dijalankan.

Process activity akan cepat selesai apabila kita membuat system administrative yang

berdiri sendiri. Meskipun begitu, kerumitan dari process architecture meningkat

secara signifikan untuk memonitor dan mengontrol sistem, sistem dengan interaksi

yang dekat dengan sistem yang lain.

Process activity menghasilkan deployment diagram yang menjelaskan

distribusi dan kolaborasi program component dan active objects pada prosesor.

Sebagai tambahan anda mungkin memiliki spesifikasi yang lebih detail untuk

mengkoordinasikan resource sharing.

69


Gambar 2.22 Contoh Deployment Diagram

Menurut Mathiassen (2000, p215-218) terdapat 3 distribution pattern, yaitu:

• The centralize pattern, solusi termudah untuk permasalahan distribusi adalah

untuk mendistribusikan sedikit mungkin. Hal ini dapat dicapai dengan menjaga

semua data pada satu central server dan memiliki client hanya untuk mengatur

user interface. Beberapa keuntungan untuk proses arsitektur ini, yaitu dapat

mengimplementasikannya dengan client dengan cukup terjangkau. Semua data

konsisten karena berada di satu tempat, struktur berbentuk simple untuk

dimengerti dan diimplementasikan, dan network traffic moderate. Kerugiannya

adalah low level robustness. Access time akan tinggi karena mengaktivasikan

setiap client function mencakup pertukaran dengan server. Data hanya ada di

satu tempat, sehingga design tidak memfasilitasi backup.

70

• The distribute pattern, design yang berlawanan dengan centralized pattern.

Disini, semua didstribusikan ke client dan server hanya untuk mem-broadcast

model update diantara client. Keuntungan dari architecture ini adalah

rendahnya waktu akses; robustness dapat dimaksimalkan, banyak backup.

Kelemahannya adalah jumlah dari data yang sama dan yang lebih bermasalah-

potensial ketidak-konsistenan data dari client yang berbeda. Kebutuhan

teknikal client yang tinggi dan architecture yang lebih rumit dan sulit

dimengerti dan diimplementasikan.

• The decentralize pattern, berada di antara kedua pattern di atas. Idenya adalah

agar client memiliki data mereka sendiri, sehingga hanya data umum yang ada

pada client di luar server. Structural design dari client dan server sama.

Isinya yang berbeda. Keuntungannya adalah konsistensi network load rendah,

access time low. Kerugiannya adalah semua prosesor harus mampu untuk

menjalankan function yang rumit dan menjaga model yang besar, peningkatan

biaya hardware, tidak adanya fasilitas build-in backup.

2.8.3.3.4 Component Design

Menurut Mathiassen (2000, p231), tujuan component design adalah untuk

menetapkan sebuah implementasi pada sebuah architectural framework.

Aktivitas pada component design adalah :

1. Model component

Menurut Mathiassen (2000, p235), model component adalah bagian dari sistem yang

mengimplementasikan problem domain model.

71

2. Function component

Tujuan function component menurut Mathiassen (2000, p252) adalah untuk

menetapkan functions implementation. Function implementation adalah bagian dari

sistem yang mengimplementasikan persyaratan functions.

3. Connecting component

Tujuan dari connecting components menurut Mathiassen (2000, p271) adalah untuk

menggabungkan system components.

2.9 Keuntungan dan Kelemahan Object Oriented Analysis and Design (OOAD)

Mathiassen et al. (2000, p5-6) menyebutkan bahwa terdapat keuntungan

menggunakan OOAD diantaranya adalah:

1. OOAD memberikan informasi yang jelas mengenai context sistem.

2. Dapat menangani data yang seragam dalam jumlah yang besar dan

mendistribusikannya ke seluruh bagian organisasi.

3. Berhubungan erat dengan analisa berorientasi objek, perancangan berorientasi

objek, user interface berorientasi objek, dan pemrograman berorientasi objek.

Selain keuntungan yang diperoleh dalam menggunakan OOAD seperti yang telah

disebutkan di atas, ternyata juga terdapat beberapa kelemahan yang berhasil

diidentifikasi oleh Raymond McLeod, Jr (2001, p615) yaitu:

1 Diperlukan waktu lama untuk memperoleh pengalaman pengembangan.

2 Kesulitan metodologi untuk menjelaskan sistem bisnis yang rumit.

3 Kurangnya pilihan peralatan pengembangan yang khusus disesuaikan untuk

sistem bisnis.

BAB 2 LANDASAN TEORIlibrary.binus.ac.id/eColls/eThesisdoc/Bab2/2008-1-00450-TISI-Bab 2.pdf · Risiko penyerobotan atau pencurian material itu. 8. Biaya kehabisan stok atau persediaan

Documents