BAB 1. PENDAHULUAN

1.1 Latar Belakang

Perencanaan kapasitas adalah suatu proses sistematis untuk menentukan

kapasitas optimal atas dasarpermintaan pasar yang diperkirakan.

Suatu kapasitas organisasi merupakan konsep dinamis yang dapat diubah

dan dikelola. Untuk berbagai keperluan, kapasitas dapat disesuaikan dengan

tingkat penjualan yang sedang berfluktuasi yang dicerminkan dalam skedul

produksi induk. Kapasitas dan skedul-skedul induk mempunyai hubungan yang

penting. Skedul produksi mencerminkan apa yang akan diproduksi organisasi,

kemampuan untuk memenuhi rencana ini tergantung pada kapasitas yang tersedia

sekarang atau dalam jangka pendek di waktu mendatang, atau kemampuannya

untuk memperluas kapasitas dalam jangka waktu lebih panjang.

Meramalkan besarnya permintaan jauh di masa depan sangat sulit. Selalu

ada hal-hal yang tidak terduga yang dapat memberi suatu akibat penting, seperti

resesi ekonomi, embargo,dan penemuan teknologi. Oleh karenanya,

memperkirakan permintaan juga harus memperhatikan hal-hal yang tidak terduga

itu. Tetapi penanganannya tergantung pada situasinya. Produk yang mapan

berkembang dengan stabil dan pasti, sedangkan pasar untuk produk mungkin tak

mendukung.

Tujuan

Mempelajari penggunaan program Qiesbe dengan sub program DA dalam

melakukan suatu perencanaan kapasitas dengan metode pohon keputusan dan

analisis Bayesian.

BAB 2. TINJAUAN PUSTAKA

Kapasitas merupakan suatu tingkat keluasan, suatu kuantitas

keluarandalam periode tertentu dan merupakan kuantitas keluaran tertinggi yang

mungkin selama periode waktu tersebut. Berbagai macam metode yang biasa

digunakan yaitu:

1. Pohon keputusan yang menyediakan metode grafis menganalisis

keputusan rumit yang meliputi tahapan alternatif. Suatu diagram pohon ini

digunakan untuk mengaitkan beragam pilihan keputusan, pernyataan keadaan

(state of nature), nilai-nilai imbalan, (pay off values), dan CMOM bisa

menyediakan masalah-masalah yang terdiri hingga 99 peristiwa.

2. Analisis Bayesian yaitu analisis menghitung marginal dan disosiasi dari

data peluang seblumnya dan kondisional. Analisis ini digunakan dalam

keputusan kapasitas di ruang informasi survai tentang keadaan mereka

mendatang dari ekonomi bisa dibeli.

Manajemen operasi juga menekankan pentingnya dimensi waktu kapasitas.

Dari sudut pandangan ini, kapasitas umumnya dibedakan antara perencanaan

kapasitas jangka penjang, jangka menengah, dan jangka pendek.

Perencanaan kapasitas jangka panjang lebih dari satu tahun. Dimana sumber

daya-sumber daya produktif memakan waktu lama untuk memperoleh atau

menyelesaikan, seperti bangunan, peralatan, dan fasilitas. Perencanaan kapasitas

jangka panjang memerlukan partisipasi dan persetujuan manajemen puncak.

Perencanaan kapasitas jangka menengah, rencana-rencana bulanan atau

kuartalan untuk 6 sampai 18 bulan yang kana datang. Dalam hal ini, kapasitas

dapat bervariasi karena alternatif seperti penarikan tenaga kerja, pemutusan kerja,

peralatan baaru, dan pemeblian peralatan bukan utama.

Perencanaan kapasitas jangka pendek, kurang dari satu bulan. Ini dikaitkan

pada proses penjadwalan harian atau mingguan dan menyangkut pembuatan

penyesuaian-penyesuaian untuk menghapuskan variance antara keluaran yang

direncanakan dan keluaran nyata. Keputusan perencanaan mencakup alternatif

seperti kerja lembur dan penggantian rauting produksi (Handoko, 1984).

Menurut Buffa (1993), proses dalam perencanaan kapasitas dapat diringkas

sebagai berikut:

1. Memperkirakan permintaan di masa depan, termasuk dampak dari

teknologi dan persaingannya;

2. Menjabarkan perkiraan itu dalam kebutuhan kapasitas fisik;

3. Menyusun pilihan rencana kapasitas yang berhubungan dengan kebutuhan

itu;

4. Menganalisis pengaruh ekonomi pada pilihan rencana;

5. Meninjau resiko dan pengaruh strategi pada pilihan rencana;

6. Memutuskan rencana pelaksanaan.

Mengetahui besar dan kapan terjadinya kekurangan kapasitas dapat

memberikan masukan dalam menyusun pilihan rencana. Kita dapat merencanakan

untuk memenuhi permintaan dengan menyediakan kapasitas yang dibutuhkan atau

sebagian dengan menggunakan sumber lain atau bersedia mengalami kerugian

penjualan tertentu. Kita dapat menyediakan akan kapasitas yang dibuthkan dengan

penambahan sedikit sesuai dengan yang dibuthkan atau dengan tambahan yang

lebih besar dengan akibat kelebihan kapasitas yang ada sekarang, membangun

pabrik di lokasi baru untuk menampung peningkatan kapasitas atau dengan

memindahkan seluruh operasi ke tempat baru (Anjari, Agus. 1987).

BAB 3. METODOLOGI PRAKTIKUM

3.1 Pohon Keputusan

Windows explorer

folder Qiesbe

program DA

gambar kotak di pojok atas di bawah file (new problem)

Decision Tree Analysis

“problem title” dan “number of node”

OK

Tabel yang muncul (sesuai data di soal: D = Dummy; C = Chance)

Solve and Analyze

Solve the problem

tombol gambar grafik (untuk menampilkan diagram)

3.2 Analisis Bayesian

Windows explorer

folder Qiesbe

program DA

gambar kotak di pojok atas di bawah file (new problem)

Bayesian Analysis

“problem title” dan “number of the states of nature” dan

“Number of Surney Outcomes”

OK

Tabel yang muncul (sesuai data di soal)

Solve and Analyze

Solve the problem

BAB 4. HASIL PEMBAHASAN dan PERHITUNGAN

3.3 Hasil Praktikum

> Contoh Soal

1/ Pohon Keputusan

Model TipeNo/

Payoff

End

Node

Alt/

Prob

End

Node

Alt/

Prob

End

Node

Alt/

Prob

N1 1 2 2 1 3 2 0 0

N2 2 3 4 0,3 5 0,4 6 0,3

N3 2 3 7 0,3 8 0,4 9 0,3

N4 3 500000 0 0 0 0 0 0

N5 3 150000 0 0 0 0 0 0

N6 3 300000 0 0 0 0 0 0

N7 3 150000 0 0 0 0 0 0

N8 3 150000 0 0 0 0 0 0

N9 3 150000 0 0 0 0 0 0

Dari data tersebut pohon keputusannya adalah :

0,3 (500.000) = 150.000

0,4

(150.000) = 60.000 + 300.000

0,3

(300.000) = 90.000

0,3 (150.000) = 45.000

0,4

(150.000) = 60.000 + 150.000

0,3

(150.000) = 45.000

N1

N2

N6

N5

N4

N3

N8

N9

N7

2. Analisis Bayesian

Jumlah Indikator : 3

Jumlah State : 3

Peluang Sebelumnya

S1 0,3

S2 0,4

S3 0,3

Model I1 I2 I3

S1 0,9 0,1 0

S2 0,1 0,8 0,1

S3 0,1 0,2 0,7

Dari data tersebut pohon keputusannya adalah :

79,41% - State 1

34,00% 11,76% - State 2

8,82% - State 3

7,32% - State 1

41,00% 78,05% - State 2

14,63% - State 3

- State 1

25,00% 16,00% - State 2

84,00% - State 3

Indicator 1

Indicator 2

Indicator 3

Berikut adalah table data Indicator / State

Indicator / State State 1 State 2 State 3

Indicator 1 0,7941 0,1176 0,0882

Indicator 2 0,0732 0,7805 0,1463

Indicator 3 0 0,16 0,83

BAB 5. PEMBAHASAN

Dalam perencanaan kapasitas ada beberapa langkah yang harus diambil.

Diantaranya yaitu dengan menggunakan metode Pohon Keputusan dan Analisis

Bayesian. Pohon keputusan digunakan untuk mengaitkan beragam pilihan

putusan, pernyataan keadaan, dan nilai-nilai tambahan. Sedangkan Analisis

Bayesian seringkali digunakan dalam keputusan kapasitas dimana informasi

survey tentang keadaan mendatang dan ekonomi bisa dibeli.

Berdasarkan hasil praktikum dan perhitungan dengan menggunakan

program Qiesbe di dapat hasil contoh soal yang pertama yaitu menggunakan

Pohon Keputusan.

Dari hasil perkalian probability dan end off pada masing-masing cabang,

diperoleh keuntungan total yang mampu dicapai pada cabang indikator N2 = Rp

300.000 (jumlah antara hasil state N4, N5, dan N6), sedangkan pada indikator N3

(jumlah antara hasil state N7, N8, dan N9) = Rp 150.000. Hal tersebut

menunjukkan bahwa daya beli pada indikator N2 paling besar dibandingkan

dengan indikator N3 (dilihat dari hasil/keuntungan yang mampu diraih lebih

tinggi). Ini berarti keputusan terbaik yang harus dipilih oleh perusahaan adalah

alternatif indikator N2 dari pohon faktor dan terutama difokuskan pada state N4

dari indikator N2 tersebut karena dari 3 state yang ada pada pohon faktor indikator

N2, state N4 memiliki nilai yang paling besar dibandingkan state. Hal tersebut

menunjukkan indikator N2 dengan fokus state N4 akan memberikan hasil yang

paling optimal/maksimal dibandingkan dengan alternatif keputusan lainnya yang

tersedia. Kalaupun suatu perusahaan menginginkan juga menggunakan indikator

N3 dalam menjalankan perusahaannya, akan lebih maksimal apabila dipilih state

N8 sebab state ini memiliki nilai tertinggi pada indikator N3, berarti akan

memberikan keuntungan lebih besar.

Contoh soal yang kedua yaitu menggunakan Analisis Bayesian.

Berdasarkan hasil praktikum diperoleh perencanaan kapasitas yang terbaik yaitu

dengan menggunakan indikator 3 pada state 3. Sebab dari perhitungan persentase

diperoleh bahwa indikator 3 state 3 menunjukkan persentase terbesar diantara

state pada indikator-indikator lainnya yang tersedia. Berarti dengan hasil 84%

perusahaan paling tidak akan memiliki 84% kesempatan mendapatkan laba yang

lebih di masa yang akan datang. Kalupun perusahaan ingin menggunakan semua

alternatif indikator yang tersedia, hasil yang akan diperoleh oleh perusahaan akan

lebih optimal apabila perusahaan memilih indikator 1 state 1 atau indikator 2 state

2. Pemilihan tersebut didasarkan pada hasil perhitungan persentase kemungkinan

laba yang akan muncul. Semakin besar persentase yang terlihat, maka akan

semakin besar pula kesempatan perusahaan untuk mendapatkan keuntungan lebih

besar di masa yang akan datang.

Perencanaan kapasitas adalah dimana kita harus memilih suatu alternatif

yang memberikan nilai terbesar, sebab nilai itu akan menunjukkan besarnya

kemungkinan laba atau keuntungan bagi perusahaan di masa mendatang yang

mampu diperkirakan oleh perusahaan melalui dua cara tadi, yaitu pohon

keputusan dan analisis bayesian.

Indikator atau state dapat berfungsi sebagai alternatif cadangan. Jadi

apabila suatu perusahaan menjalankan 1 saja dari 3 indikator yang ada, maka

apabila dengan indikator tersebut tidak cukup berhasil atau bahkan jauh dari

perkiraaan, maka perusahaan dapat mengggunakan 2 indikator lainnya sebagai

alternatif. Itu pulalah yang menjadi keuntungan adanya state perkiraan. Jadi

perusahaan dapat memilih state mana yang akan dijalankan dengan kemungkinan-

kemungkinan yang telah diperhitungkan dan diperlihatkan pada state tersebut.

Perusahaan dapat menjadikan suatu indikator atau state yang sudah

diperkirakan sebagai faktor koreksi. Indikator atau state dijadikan tolak ukur bagi

perusahaan untuk mengambil keputusan, indikator atau state mana yang layak

dijalankan dan mana yang tidak layak. Dengan adanya dua metode serta

penjelasan melalui contoh-contoh soal tersebut, tentu saja perusahaan akan lebih

mudah untuk menjalankan prosesnya. Sebab selain perusahaan mampu

menyajikan data kemungkinan yang akan terjadi di masa yang akan datang,

perusahaan juga dapat mengambil langkah terlebih dahulu apabila dalam

pelaksanaannya terjadi kendala.

BAB 6. KESIMPULAN

Berdasarkan praktikum dan pembahasan yang telah dilakukan, diperoleh

beberapa kesimpulan yaitu sebagai berikut:

1. Perencanaan kapasitas adalah suatu proses sistematis untuk menentukan

kapasitas maksimal atas dasar permintaan pasar yang diperkirakan.

2. Pohon keputusan digunakan untuk mengaitkan beragam pilihan keputusan,

pernyataan keadaan, dan nilai-nilai tambahan.

3. Analisis Bayesian digunakan dalam keputusan kapasitas dimana informasi

survey tentang keadaan mendatang dan ekonoi bisa dibeli.

4. Pda contoh soal pertama terlihat bahwa indikator N2 menunjukkan daya

beli tertinggi sebesar Rp 300.000, khususnya state N4.

5. Pada contoh soal kedua terlihat bahwa perencanaan kapasitas yang terbaik

untuk kasus ini adalah dengan menggunakan indikator 3 pada state 3.

6. Semakin besar persentase yang terlihat, maka akan semakin besar pula

kesempatan perusahaan untuk mendapatkan keuntungan lebih besar di

masa yang akan datang.

7. Untuk perencanaan kapasitas ini harus dipilih suatu alternatif yang

memberikan nilai terbesar sebab nilai itu akan menunjukkan besarnya

kemungkinan laba atau keuntungan bagi perusahaan di masa mendatang

yang mampu diperkirakan oleh perusahaan melalui dua cara tadi, yaitu

pohon keputusan dan analisis bayesian.

DAFTAR PUSTAKA

Anonim. 2008. Petunjuk Praktikum Perencanaan Industri. Jember: FTP UNEJ

Buffa. 1996. Manajemen Operasi dan Produksi Modern. Jakarta: Binarupa Aksara

Handoko. 2000. Dasar-Dasar Manajemen Produksi dan Operasi Edisi 1. Yogyakarta: BPFE

PERHITUNGAN

POHON KEPUTUSAN

ANALISIS BAYESIAN