Teknik Proses Produksi Dalam Teknik Industri

  • Published on
    12-Oct-2015

  • View
    48

  • Download
    4

Embed Size (px)

Transcript

  • 21

    BAB III

    LANDASAN TEORI

    2.1 Produksi

    Secara umum, kegiatan produksi/operasi merupakan suatu kegiatan yang

    berhubungan dengan penciptaan/pembuatan barang, jasa, atau kombinasinya,

    melalui proses transformasi dari masukan sumber daya produksi dan operasi

    keluaran yang diinginkan (Herjanto, 1999).

    Istilah produksi cenderung dikaitkan dengan pabrik, mesin ataupun lini

    perakitan karena pada mulanya teknik dan metode dalam manajemen produksi

    memang digunakan untuk mengoperasikan pabrik atau kegiatan perakitan yang

    lain. Namun, dengan berkembangnya teknik dan metode manajemen produksi maka

    penerapannya tidak hanya berlaku bagi kegiatan pembuatan barang barang

    berwujud, melainkan juga bisa diterapkan dalam pembuatan barang barang tak

    berwujud atau jasa (Herjanto, 1999).

    2.2 Sistem produksi

    2.2.1 Konsep Dasar

    Organisasi industri merupakan salah satu mata rantai dari sistem perekonomian,

    karena memproduksi dan mendistribusikan produk (barang atau jasa). Produksi

  • 21

    merupakan fungsi pokok dalam setiap organisasi, mencangkup organisasi yang

    bertanggung jawab untuk menciptakan nilai tambah produk yang merupakan

    output dari setiap organisasi industry (Gaspersz, 2004).

    Produksi adalah bidang yang terus berkembang selaras dengan perkembangan

    teknologi, dimana produksi memiliki suatu jalinan hubungan timbal balik (dua

    arah) yang sangat erat dengan teknologi, karena produksi dan teknologi saling

    membutuhkan. Kebutuhan produksi untuk beroperasi dengan biaya yang paling

    rendah, meningkatkan kualitas dan produktivitas, dan menciptakan produk baru

    telah menjadi kekuatan yang mendorong teknologi untuk melakukan berbagai

    terobosan dan penemuan baru. Produksi dalam sebuah organisasi pabrik merupakan

    inti yang paling dalam, spesifik serta berbeda dengan bidang fungsional lain seperti

    : keuangan, personalia,dll (Gaspersz, 2004).

    Sistem produksi merupakan sistem integral yang mempunyai komponen

    struktural dan funsional. Dalam sistem produksi modern terjadi suatu proses

    trenformasi nilai tambah yang mengubah input menjadi output yang dapat dijual

    dengan harga kompetitif di pasar (Gaspersz, 2004).

    Gambar 3.1 Skema Sistem Produksi

  • 22

    2.2.2 Sistem Produksi Menurut Jenis Produksinya

    Sistem produksi bertujuan untuk merencanakan dan mengendalikan produksi

    agar lebih efisien, efektif, dan produktif, atau optimal. Jumlah sistem sistem

    produksi yang banyak. Sistem produksi yang tepat bagi suatu industri akan sangat

    tergantung pada jenis industrinya (Nasution, 2006).

    Berdasarkan cara pembuatan (dan masa pengerjaan), produksi dapat diklasifikan

    menjadi tipe-tipe berikut (Nasution, 2006):

    1. Engineering To Order (ETO), yaitu bila pemesanan meminta produsen

    untuk membuat produk yang dimulai dari proses perancangannya

    (rekayasa).

    2. Make To Order (MTO), yaitu bila produsen menyelesaikan item akhirnya

    jika dan hanya jika telah menerima pesanan konsumen untuk item tersebut.

    Bila item tersebut bersifat unik dan mempunyai desain yang dibuat menurut

    pesanan, maka konsumen mungkin bersedia menunggu hingga produsen

    dapat menyelesaikannya.

    3. Assembly To Order (ATO), yaitu bila produsen membuat desain standar,

    modul-modul opsional standar yang sebelumnya dan merakit suatu

    kombinasi tertentu dari modul-modul tersebut sesuai dengan pesanan

    konsumen. Modul-modul standar tersebut bisa dirakit untuk berbagai tipe

    produk. Contohnya adalah pabrik mobil di mana meraka menyediakan

    pilihan ternmisi secara manual atau otomatis, AC, audio, opsi-opsi interior,

    dan opsi-opsi mesin khusu sebagaimana juga model bodi dan warna bodi.

    Komponen komponen tersebut telah disiapkan terlebih dahulu dan akan

    mulai diproduksi begitu pesanan dari agen datang.

  • 23

    4. Make To stock (MTS), yaitu bila produsen membuat item-item yang

    diselesaikan dan ditempatkan sebagai persediaan sebelumpesanan

    konsumen diterima. Item akhir tersebut baru akan dari sistem persediaan

    setelah persediaan setelah pesanan konsumen diterima.

    2.3 Peramalan

    2.3.1 Pengertian Peramalan

    Peramalan merupakan suatu dugaan terhadap permintaan yang akan datang

    berdasarkan pada beberapa vaiabel peramal, sering berdasarkan data deret waktu

    historis. Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha

    memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu

    dapat dibuat dalan kuantitas yang tepat. (Gaspersz, 2004).

    2.3.2 Tahapan Peramalan

    Terdapat sembilan langkah yang harus diperhatikan untuk menjamin efektivitas

    dan efisiensi dari sistem peramalan dalam manajemen permintaan (Gaspersz,

    2012):

    1. Menentukan tujuan yang dilakukannya peramalan.

    2. Memilih item independent demand yang akan diramalkan.

    3. Menentukan horizon waktu dari peramalan.

    4. Memilih model model peramalan.

    5. Memperoleh data yang dibutuhkan untuk melakukan peramalan.

    6. Membuat peramalan.

    7. Validasi hasil peramalan.

    8. Implementasi hasil peramalan.

    9. Memantau keadaan hasil peramalan.

  • 24

    2.3.3 Pola Permintaan

    Dalam time series terdapat empat jenis pola permintaan, yaitu (1) trend, (2)

    musiman, (3) siklikal, (4) eratik/random. Pola permintaan ini akan berhubungan

    dengan metode peramalan yang digunakan. Setiap metode peramalan memiliki

    karakteristik tertentu sehingga memerlukan persyaratan atau asumsi tertentu pula.

    Salah satu persyaratannya adalah pola permintaan berpola trend (Baroto, 2002).

    1. Pola Trend

    Pola trend adalah bila data permintaan menunjukan pola kecenderungan

    gerakan penurunan atau kenaikan jangka panjang. Data yang kelihatannya

    berfluktuasi, apabila dilihat pada rentang waktu yang panjang akan dapat

    dapat ditarik suatu garis maya. Bila data berpola trend, maka metode

    peramalan yang sesuai adalah metode regresi linear, exponential smoothing,

    atau double exponential smoothing. Metode regresi linear biasanya

    memberikan tingkat kesalahan yang lebih kecil.

    Gambar 3.2 Pola Permintaan Trend (Sumber: Baroto, 2002)

  • 25

    2. Pola Musiman

    Bila data yang kelihatannya berfluktuasi, namun fluktuasi tersebut akan

    terlihat berulang dalam suatu interval waktu tertentu, maka data tersebut

    berpola musiman. Disebut pola musiman karena permintaan ini biasanya

    diperngaruhi oleh musim, sehingga biasanya interval perulangan data ini

    adalah satu tahun. Sebagai contoh payung dan jas hujan di musim hujan

    adalah lbeih besar ketimbang di musim kemarau. Metode peramalan yang

    sesuai dengan pola musiman adalah metode winter (sangat sesuai), atau

    moving average, atau weight moving average.

    Gambar 3.3 Pola Permintaan Musiman (Sumber: Baroto, 2002)

    3. Pola Siklikal

    Pola siklikal adalah bila fluktuasi permintaan secara jangka panjang

    membentuk pola sinusoid atau gelombang atau siklus. Pola siklikal mirip

    dengan pola musiman. Pola musiman tidak harus berbentuk gelombang,

  • 26

    bentuknya bervariasi, namun waktunya akan berulang setiap tahun

    (umumnya). Pola siklikal bentuknya selalu mirip gelombang sinusoid.

    Untuk menentukan data berpola siklis tidaklah mudah. Kalau pola musiman

    rentang waktu satu tahun dapat dijadikan pedoman, maka rentang waktu

    perulangan siklikal tidak tentu. Metode yang sesuai bila data berpola

    siklikal adalah metode moving average, weight moving average, dan

    eksponential smoothing.

    Gambar 3.4 Pola Permintaan Siklikal (Sumber: Baroto, 2002)

    4. Pola Eratik/Random

    Pola eratik (random) adalah bila fluktuasi data permintaan dalam jangka

    panjang tidak dapat digambarkan dengan ketiga pola lainnya. Fluktuasi

    permintaan bersifat acak atua tidak jelas. Tidak ada metode peramalan yang

    direkomendasikan untuk pola ini. Hanya saja, tingkat kemampuan seorang

    analis peramal sangat menentukan dalam pengabilan kesimpulan mengenai

    pola data. Seorang analis, untuk data yang sama mungkin menyimpulkan

    berpola random dan analis lainnya menyimpulkan musiman. Keterampilan

  • 27

    imajinasi analis peramal memang merupakan faktor yang paling

    menentukan dalam pelaksanaan peramalan. Bisa jadi, pola data peramalan

    yang random ini ternyata mengikuti pola tertentu bukan seperti ketiga pola

    yang dijelaskan, untuk ini diperlukan metode khusus (mungkin subjektif

    untuk melakukan peramalan).

    Gambar 3.5 Pola Permintaan Random (Sumber: Baroto, 2002)

    2.3.4 Model Peramalan

    Dalam sistem peramalan, penggunaan berbagai model peramalan akan

    memberikan nilai ramalan yang berbeda dan derajat dari galat ramalan (forecast

    error) yang berbeda pula. Salah satu seni dalam melakukan peramalan adalah

    memilih model peramalan terbaik yang mampu mengidentifikasi dan menanggapi

    pola aktivitas historis dari data. Secara umum, model-model peramalan dapat

    dikelompokan ke dalam dua kelompok utama, yaitu: (1) metode kualitatif, dan (2)

    metode kuantitatif. Selanjutnya metode kuantitatif dikelompokan ke dalam dua

    bagian utama, yaitu: (a) intrinsik, dan (b) ekstrinsik (Gaspersz, 2012).

  • 28

    Menurut Vincent Gaspersz (2012) beberapa model peramalan yang digolongkan

    sebagai kualitatif, adalah:

    1. Dugaan manajemen (management estimate), di mana peramalan semata-

    mata berdasarkan pertimbangan manajemen, umumnya oleh manajemen

    senior. Metode ini akan cocok dalam situasi yang sangat sensitif terhadap

    intuisi dari satu atau sekelompok kecil orang yang karena pengalamannya

    mampu memberikan opini yag kritis dan relevan. Teknik ini akan

    dipergunakan dalam situasi di mana tidak ada alternatif lain dari model

    peramalan yang dapat diterapkan. Bagaimanapun metode ini mempunyai

    banyak keterbatasan, sehingga perlu dikombinasikan dengan metode

    peramalan yang lain.

    2. Riset pasar (market research), merupakan metode peramalan berdasarkan

    hasil-hasil dari survei pasar yang dilakukan oleh tenaga-tenaga pemasar

    produk atau yang mewakilinya. Metode ini akan menjaring informasi dari

    pelanggan atau pelanggan potensial (konsumen) berkaitan dengan rencana

    pembelian mereka di masa mendatang. Riset pasar akan membantu tidak

    hanya untuk peramalan, tetapi juga untuk meningkatkan desain produk dan

    perencanaan untuk produk-produk baru.

    3. Metode kelompok terstruktur (structured group methods), seperti metode

    Delphi, dll. Metode Delphi merupakan teknik peramalan yang berdasarkan

    pada proses konvergensi dari opini beberapa orang atau ahli secara iteratif

    tanpa menyebutkan identitasnya. Dalam metode Delphi sangat diharapkan

    peranan dari fasilitator untuk memperoleh atau menyimpulkan hasil-hasil

    peramalan itu.

  • 29

    4. Analogi historis (historical analogy), merupakan teknik peramalan

    berdasarkan pola data masa lalu dari produk-produk yang dapat disamakan

    secara analogi. Misalnya peramalan untuk pengembangan pasa televisi

    multisistem berlayar datar menggunakan model permintan televisi berwarna

    biasa. Analogi historis cenderung akan menjadi terbaik untuk penggantian

    produk di pasar dan apabila terdapat hubungan substitusi langsung dari

    produk dalam pasar itu.

    Pada dasarnya metode kualitatif ditujukan untuk peramalan terhadap produk

    baru, pasar baru, proses baru, perubahan sosial dari masyarakat, perubahan

    teknologi, atau penyesuaian terhadap ramalan-ramalan berdasarkan metode

    kuantitatif (Gaspersz, 2012).

    Model kuantitatif intrinsik, sering disebut sebagai model-model deret waktu

    (time series model). Beberapa model deret waktu yang populer dan umum

    diterapkan dalam peramalan permintaan adalah: rata-rata bergerak (moving

    average), pemulusan eksponensial (exponential smoothing), dan proyeksi

    kecenderungan (trend projection). Sedangkan model kuantitatif ekstrinsik disebut

    sebagai model kausal, dan yang populer adalah model-model regresi (regression

    causal model).

    - Model Rata-rata Bergerak (Moving Average Model)

    Model rata-rata bergerak menggunakan sejumlah data aktual permintaan yang

    baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan

    datang. Metode rata-rata bergerak akan efektif diterapkan apabila kita dapat

    mengasumsikan bahwa permintaan pasar terhadap produksi akan tetap stabil

  • 30

    sepanjang waktu. Metode rata-rata bergerak n-periode menggunakan formula

    (Gaspersz, 2012) berikut:

    Di mana n adalah banyaknya dalam rata-rata bergerak. Apabila kita menggunakan rata-

    rata bergerak 3-periode, maka tentu saja formula dari metode rata-rata bergerak 3-

    periode adalah:

    - Model Rata-rata Bergerak Terbobot (Weighted Moving Average Model)

    Model rata-rata bergerak terbobot lebih responsif terhadap perubahan, karena

    data dariperiode yang baru biasanya diberi bobot lebih besar. Suatu model rata-

    rata bergerak n-periode terbobot, weighted MA(n), dinyatakan sebagai

    (Gaspersz, 2012) berikut:

    - Model Pemulusan Eksponensial (Exponential Smoothing Model)

    Model peramalan pemulusan eksponensial bekerja hampir serupa dengan alat

    thermostat, dimana apabila galat ramalan (forecast error) adalah positif yang

    berarti nilai aktual permintaan lebih tinggi daripada nilai ramalan (A-F > 0), maka

  • 31

    model pemulusan eksponensial akan secara otomatis meningkatkan nilai ramalan

    (Gaspersz, 2012).

    Sebaliknya apabila galat ramalan (forecast error) adalah negatif yang berarti

    niai aktual permintaan lebih rendah daripada nilai ramalan (A-F < 0), maka model

    pemulusan eksponensial akan secara otomatis menurunkan nilai ramalan (Gaspersz,

    2012).

    Proses penyeusaian ini berlangsung terus menerus, kecuali galat ramalan telah

    mencapai nol. Kenyataan inilah yang mendorong peramal (forecaster) untuk lebih

    suka menggunakan model peramalan pemulusan eksponensial, apabila pola historis

    dari data aktual permintaan bergejolak atau tidak stabil dari waktu ke waktu

    (Gaspersz, 2012).

    Peramalan menggunakan model pemulusan eksponensial dilakukan

    berdasarkan formula (Gaspersz, 2012) berikut:

    Ft = Ft-1 + (At-1-Ft-1)

    Di mana:

    Ft = nilai ramalan untuk periode waktu ke-t

    Ft-1 = nilai ramalan untuk satu periode waktu yang lalu, t-1

    At-1 = nilai aktual untuk satu periode waktu yang lalu, t-1

    = Konstanta pemulusan (smoothing constant)

    2.3.5 Pengujian Peramalan

    Ukuran akurasi hasil peramalan yang merupakan ukuran kesalahan peramalan

    merupakan ukuran tentang tingkat perbedaan antara hasil peramalan dengan

  • 32

    permintaan yang terjadi. Ada lima ukuran yang biasa digunakan, (Nasution, 2008)

    yaitu :

    1. Rata-rata Deviasi Mutlak (Mean Absolute Deviation = MAD)

    MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa

    memperhatikan apakah hasil peramalan lebih besar atau lebih kecil

    dibandingkan kenyataannya. Secara sistematis MAD dirumuskan sebagai

    berikut :

    n

    FAMAD tt

    di mana :

    At = permintaan aktual pada periode t

    Ft = peramalan permintaan pada periode t

    n = jumlah periode peramalan yang terlibat

    2. Rata-rata kuadrat kesalahan (Mean Square Error = MSE)

    MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan

    pada setiap periode dan membaginya dengan jumlah periode peramalan.

    Secara matematis MSE dirumuskan sebagai berikut :

    n

    )F(AMSE

    2

    tt

    3. Rata-rata Kesalahan Peramalan (Mean Forecast Error =MFE)

    MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama

    periode tertentu terlalu tinggi atau terlalu...