JENIS TUGAS : TUGAS INDIVIDU MPO DOSEN : Prof. Dr.Ir. MARIMIN, MSc.

TANGGAL PENYERAHAN : 21 April 2010 BATAS PENYERAHAN : 21 April 2010

MANAJEMEN PRODUKSI DAN OPERASI

SISTEM PENILAIAN SERTA SIKLUS DATA DAN INFORMASI

TRUDO H. D.
R-43

PROGRAM STUDI MANAJEMEN DAN BISNIS SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2010
A. SISTEM PENILAIAN

I. TERUKUR JELAS (NUMERIK/EKSAK/NYATA) Penilaian terukur jelas (eksak/nyata) menunjukkan kriteria atau alat ukur yang jelas (mempunyai satuan). Contoh: jarak kota (20km), lama waktu penerbangan (2 jam), tinggi tanaman (50 cm) dan laijn-lain. II. SKALA NOMINAL Penilaian nominal hanya menunjukkan perbedaan dan tidak bermaksud untuk mengurutkan atau memberi ranking. Contoh: 1 = Ya dan 0 = Tidak ; 1 = Laki-laki dan 0 = Perempuan. III.SKALA ORDINAL Skala ordinal adalah skala yang menunjukkan perbedaan tingkatan subjek secara kuantitatif. Contoh Kasus: nilai mahasiswa dalam bentuk huruf, A, B, C, D dan E. skala ordinal memiliki karakteristik: 1. Kategori data bersifat mutually eksklusif (setiap obyek hanya memiliki

satu kategori) 2. 3. Kategori data tidak disusun secara logis. Kategori data disusun berdasarkan urutan logis dan sesuai dengan

besarnya karakteristik yang dimiliki.

NILAI UJIAN TENGAH SEMESTER 45 67 89 45 67 79 98 69 78 11 NILAI UJIAN AKHIR SEMESTER 80 78 90 34 89 58 90 89 89 90 NILAI MUTU 62,5 72,5 89,5 39,5 78 68,5 94 79 83,5 50,5 HURUF MUTU C B A D A B A A A C

NO 1 2 3 4 5 6 7 8 9 10

NAMA AGUS BEJO TEJO TOLE MAMAN UCUP UJANG OTONG GAGAP UDIN

NIM A0445678 A0445679 A04456710 A04456711 A04456712 A04456713 A04456714 A04456715 A04456716 A04456717

Keterangan: A : > 75 B : 65 75 C : 45 64 D : 30 44 E : < 29 RATA-RATA : 63,5 NILAI MAXIMUM : 94 NILAI MINIMUM : 39,5 Secara singkat, dapat dikatakan bahwa data ordinal, disamping memiliki sifat yang dimiliki data nominal juga menunjukan kedudukan (tingkatan) subjek dalam suatu kelompok pada suatu variable. IV. PERBANDINGAN BERPASANGAN Penilaian perbandingan berpasangan menunjukkan tingkat nilai antara dua obyek yang diperbandingkan. Contoh: dalam mencari pekerjaan menjadi pegawai negeri sipil (N) atau menjadi pegawai swasta (S) berdasarkan jaminan kesehatan yang ditawarkan. Nilai 1 untuk jaminan kesehatan yang diberikan N lebih bagus dari S, nilai 3 untuk jaminan kesehatan yang diberikan N sama bagus dengan S, dan nilai 5 untuk jaminan kesehatan yang diberikan S lebih bagus dari N. V. PREFERENSI FUZZY. PENERAPAN LOGIKA FUZZY UNTUK IDENTIFIKASI RISIKO. Sekilas Logika Fuzzy Logika Fuzzy pertama kali diperkenalkan pada tahun 1965 oleh Prof. Lotfi A. Zadeh, seorang profesor untuk Ilmu Komputer Universitas California di Berkley. Logika Fuzzy tidak sekedar menghakimi sesuatu hanya pada: hitam atau putih, benar atau salah, 0 atau 1; melainkan dapat berada diantaranya, dan boleh jadi tidak menuju

pada kedua hal absolut tersebut. Hal ini dapat terjadi karena pengelompokan derajatkelasnya yang dicacah diantara kesamaan kontras absolut. Saat Logika Fuzzy diterapkan terhadap suatu permasalahan, akan muncul suatu aturan mendasar: sebab akibat (dalam bahasa komputer dikenali sebagai: INPUT OUTPUT; atau IF ... THEN ...). Dengan dasar tersebut, maka dapat dibuat penjelasan didasarkan pada: awal mula, alasan, kecenderungan, ketergantungan, akibat, hasil akhir, atau produk, dsb; selama didasarkan pada sebab akibat. Tentunya, pilihan kriteria dan penggabungan yang tepat dalam rentang yang sama juga merupakan salah satu syarat dalam penentuan suatu akibat. Akhirnya, pemecahan masalah menjadi lebih jelas. Untuk menjelaskan penerapan Logika Fuzzy, berikut ini uraian dalam contoh perumpamaan yang paling sangat disederhanakan. Perumpamaan Masalah

KASUS 1: Sebuah perusahaan Y secara tidak sengaja kebocoran tangki limbah bawah permukaan. Tangki tersebut bocor pada hari 4, lalu bocor langsung ditutup pada hari itu dan selesai tertutup di hari ke-5.

KASUS 2: Sementara itu, kawasan sekitar merupakan pemukiman padat penduduk, dengan ragam lapisan tanah yang relatif mudah meneruskan cairan (permeable), dan pertama kali dikeluhkan oleh pihak terdekat pada hari 5, dan keluhan meningkat seiring hari. Hari ke 12, bencana ditanggulangi, dan hari ke 13 bencana berhasil diatasi:

Sebagai upaya identifikasi resiko, serta dalam upaya pemecahan permasalahan dengan Logika Fuzzy, dapat digabungkan dengan dasar: AND (dibaca: dan) yaitu dengan menggabungkan data diatas, menjadi sebagai berikut:

Membaca kondisi sebagai FUZZY Sebagaimana diuraikan diatas, bahwa Logika Fuzzy memungkinkan untuk membahasakan suatu kondisi sehingga lebih manusiawi. Berikut ini adalah uraiannya, diupayakan sesederhana mungkin sehingga memudahkan pemahaman awam:

Proses Utama Logika FUZZY dengan dasar AND dibawah ini semakin diperjelas. Identifikasi SETELAH kejadian dapat diperhitungkan dan dibahasakan:

KASUS 1 AND KASUS 2: Mohon amati kembali penggabungan kedua kasus dalam persamaan grafis berikut ini:

Mohon amati pemecahan permasalahannya secara crude sebagai berikut dalam berbagai penjelasan kelasan (variable hari ke- tidak didefinisikan, agar lebih sederhana): Pola Dasar Terpelajari. Pada contoh diatas, terdapat 4 buah variabel, seperti dalam KASUS 1 dan KASUS 2: limbah vs resiko vs orang vs resiko (per hari). Saat keduanya digabungkan sebagai sebuah persamaan dengan dasar AND, maka didapatkan ragam kejelasan mendalam untuk mengidentifikasi suatu permasalahan, termasuk pemecahan yang relatif tepat didalam grafis yang sama (emasnya adalah: SEGI TIGA!jika tak ditemukan, cari dan tarik-tarik garis pertemuannya saja, dan coba terus bahasakan garisnya, hingga masalah pecah! Atau intervensikan variabel baru lainnya). Syarat tersebut dapat dipenuhi dengan: dua (atau lebih) variabel yang kemudian harus digabungkan agar semakin memperjelas suatu kondisi. KESIMPULAN Logika Fuzzy hanya merupakan dasar pemikiran agar selalu didapatkan pemecahan suatu kondisi kompleks. Implementasinya dapat menjadi sangat luas, variatif,

dan harus tetap dapat dibahasakan dari suatu proses. Kumpulan persamaannya (keanggotaan) dapat digunakan untuk mengkelompokkan ragam kondisi transisi (walau tidak harus mengarah pada nilai-nilai absolut dan presisi). Atau sebaliknya, mengambil ragam kemungkinan informasi-informasi yang tidak terbahasakan dengan logika lainnya. Logika Fuzzy lebih pada menyusun suatu sistem yang mengalir tidak linier (semua kemungkinan dapat muncul) dan mengakomodir semua batas keadaan, dibandingkan membuat suatu model baku; sehingga diperlukan pemahaman yang baik atas variabel yang dipilih dan penghubungannya.

Sumber:

B. SIKLUS DATA DAN INFORMASI SIKLUS DATA

Data : Produksi Pupuk Urea Nasional serta Kebutuhan Urea Domestik dan Target Ekspor Tahun 2010 Produksi Urea PT Pupuk Sriwijaya Produksi Urea PT Petrokimia Gresik Produksi Urea PT Pupuk Kujang Produksi Urea PT Pupuk Iskandar Muda Produksi Urea PT Pupuk Kaltim Kebutuhan Urea Domestik Subsidi Kebutuhan Urea Domestik Non Subsidi Target Ekspor Urea = 2.262.000 ton/tahun = 460.000 ton/tahun = 1.140.000 ton/tahun = 1.140.000 ton/tahun = 2.980.000 ton/tahun = 4.500.000 ton/tahun = 4.000.000 ton/tahun = 387.480 ton/tahun

Informasi Total produksi urea nasional tahun 2010 yang dihasilkan sesuai dengan kapasitas pabrik lima pabrik pupuk nasional adalah 7.982.000 ton dan total kebutuhan urea domestik tahun 2010 adalah 8.500.000 ton, sedangkan target ekspor urea yang ditetapkan pemerintah untuk tahun 2010 sebesar 387.480 ton. Terdapat kekurangan kapasitas produksi nasional dalam memenuhi kebutuhan domestik dan target ekspor sebesar 905.480 ton.

Alternatif Keputusan :
1. Menambah kapasitas produksi PT Pupuk Sriwijaya, sehingga bisa memenuhi

kebutuhan domestik dan target ekspor tahun 2010.

2. Menambah kapasitas produksi PT Petrokimia Gresik, sehingga bisa memenuhi

kebutuhan domestik dan target ekspor tahun 2010.

3. Menambah kapasitas produksi PT Pupuk Kujang, sehingga bisa memenuhi

kebutuhan domestik dan target ekspor tahun 2010.

4. Menambah kapasitas produksi PT Pupuk Iskandar Muda, sehingga bisa

memenuhi kebutuhan domestik dan target ekspor tahun 2010.

5. Menambah kapasitas produksi PT Pupuk Kaltim, sehingga bisa memenuhi

kebutuhan domestik dan target ekspor tahun 2010.

6. Menambah kapasitas produksi kombinasi dua pabrik dari lima pabrik pupuk

nasional tersebut, sehingga bisa memenuhi kebutuhan domestik dan target ekspor tahun 2010.
7. Menambah kapasitas produksi kombinasi tiga pabrik dari lima pabrik pupuk

nasional tersebut, sehingga bisa memenuhi kebutuhan domestik dan target ekspor tahun 2010.
8. Menambah kapasitas produksi kombinasi empat pabrik dari lima pabrik pupuk

nasional tersebut, sehingga bisa memenuhi kebutuhan domestik dan target ekspor tahun 2010.
9. Menambah kapasitas produksi seluruh pabrik pupuk nasional tersebut secara

serentak, sehingga bisa memenuhi kebutuhan domestik dan target ekspor tahun 2010.

Keputusan Menambah kapasitas produksi urea pabrik pupuk PT Petrokimia Gresik sebesar 1.000.000 ton/tahun dikarenakan kapasitas produksi urea pabrik pupuk PT Petrokimia Gresik yang ada saat ini paling kecil dibandingkan dengan pabrik pupuk urea lainnya serta sumber pasokan gas yang dimiliki oleh PT Petrokimia Gresik masih memadai guna memenuhi kebutuhan bahan baku pabrik pupuk urea baru tersebut . Selain itu, lokasi pabrik pupuk PT Petrokimia Gresik yang relatif strategis terhadap pasar, baik wilayah barat maupun wilayah timur Indonesia akan memudahkan jalur distribusi produk sehingga lebih efisien dalam waktu dan biaya.

Aksi Telah dimulai pembangunan pabrik pupuk urea baru dengan kapasitas 1.000.000 ton/tahun di PT Petrokimia Gresik sejak April 2010 dengan estimasi operasi pabrik akan dimulai pada September 2010. Selanjutnya data performance test dan kinerja pabrik akan menghasilkan data produksi baik kuantitas maupun kualitas sebagai informasi evaluasi dan pengambilan keputusan selanjutnya bagi manajemen.