Lampjrjmjxsj

LAMPIRAN 1
Data Proses Bisnis dan Proses Produksi PT NIC, Tbk.

Industri Roti
Gambaran mengenai industri roti akan dijelaskan berupa ilustrasi

mengenai perusahaan, produk yang dihasilkan, proses bisnis dan proses produksi
pada PT Nippon Indosari Corpindo (PT NIC. Tbk) yang akan menjadi basis
perusahaan dimana rancangan sistem dan model akan dibangun. Berikut ini adalah
contoh produk roti yang diproduksi pada PT NIC. Tbk.\
Gambar 67 Produk roti trawar Sari Roti..
Keterangan gambar :
 Berat Bersih : 370 gr
 Komposisi : Tepung terigu, air, gula pasir, lemak reroti, ragi, garam,
susu bubuk, pengemulsi nabati, pengawet kalsium proponat
Gambar 68 Produk roti isi coklat Sari Roti.

146
Keterangan gambar :
 Berat Bersih : 72 gr
 Komposisi : Tepung terigu, pasta coklat, air, gula pasir, margarin, telur,
ragi, susu bubuk, pengganti minyak mentega, garam,
pengemulsi nabati.
Proses bisnis di PT Nippon Indosari Corpindo (PT NIC) diawali dari

diterimanya data pesanan produk (Order To Factory/OTF) oleh Departemen Sales
and Marketing. Data tersebut kemudian dikirimkan ke Departemen Production
Planning and Inventory Control (PPIC) dan Departemen Finish Good (FG).
Data yang diterima oleh Departemen PPIC mencakup nama item produk,
jumlah pesanan per item produk, dan kantor penjualan (sales office) atau saluran
distribusi (distribution channel) yang dituju. Sedangkan Departemen FG akan
menerima data OTF tersebut dalam bentuk dokumen untuk masing-masing sales
office. Dokumen ini dikenal dengan istilah Delivery Note (DN). DN bermanfaat
untuk memudahkan operator di Departmen FG dalam melakukan proses picking
yaitu proses pengelompokan produk sesuai pesanan masing-masing sales office.
Proses ini dilakukan kurang lebih 2 jam sebelum pengiriman produk. Selain itu,
DN juga digunakan sebagai media komunikasi sekaligus alat untuk memeriksa
kesesuaian antara produk yang dikirimkan oleh PT NIC dengan permintaan
pelanggan.
Selanjutnya, planner di Departemen PPIC mengelompokan pesanan-
pesanan untuk sales office dengan On Time Picking (OTP) yang sama, sehingga
didapatkan akumulasi jumlah pesanan yang harus dipenuhi oleh bagian produksi
per OTP, yaitu jam 02.00, jam 04.00, jam 09.00, jam 15.00 dan jam 23.00. Data
itulah yang merupakan jadwal produksi. Jadwal produksi tersebut selanjutnya
dikirimkan ke Departemen Produksi yaitu ke Administrasi Produksi dan checker
di Bagian Pengemasan (Packing). Administrator Produksi menggunakan jadwal
produksi tersebut untuk menentukan jadwal kerja di Bagian Pencampuran
(Mixing), sedangkan checker menggunakan data tersebut untuk memeriksa apakah
produk yang telah dihasilkan oleh Departemen Produksi telah memenuhi pesanan
per OTP.
Selain menghasilkan jadwal produksi, Departemen PPIC juga membuat
perencanaan terhadap material yang dibutuhkan untuk memenuhi produksi,
147
Departemen PPIC juga membuat perencanaan terhadap material yang dibutuhkan

untuk memenuhi produksi atau yang dikenal dengan Material Requirement
Planning (MRP). Berdasarkan perhitungan MRP tersebut, planner PPIC
mengeluarkan dokumen yang memuat jenis-jenis material dan banyaknya material
yang dibutuhkan untuk memenuhi OTF, total pesanan per-item produk dan ukuran
batch yang akan digunakan untuk memenuhi pesanan tersebut beserta jumlah total
batch yang dibutuhkan. Dokumen tersebut dikirimkan ke bagian Raw Material
(RM) dan Departemen Produksi. Bagian RM akan menggunakan data tersebut
guna mempersiapkan material yang sesuai dengan kebutuhan produksi, sedangkan
Departemen Produksi menggunakan data tersebut untuk menentukan ukuran batch
yang akan dipakai dalam proses produksi.
Setelah menerima jadwal produksi dan data mengenai jumlah dan ukuran
batch yang akan digunakan, maka administrator produksi mulai menyusun jadwal
kerja untuk work center mixing. Jadwal kerja dibuat dengan metode backwarding,
yaitu dibuat berdasarkan perhitungan mundur terhadap waktu pengiriman yang
harus dipenuhi di masa yang akan datang. Dalam jadwal produksi tersebut,
ditentukan pula urutan produk yang akan diproduksi. Urutan produk dibuat
dengan mengutamakan produk-produk yang harus dipenuhi pada pengiriman
paling awal dengan memperhitungkan lamanya proses persiapan dan pembersihan
setiap kali ada pergantian adonan dan ketersediaan jumlah pekerja di masing-
masing work center.
Selanjutnya proses produksi dimulai sesuai dengan jadwal kerja yang telah
disusun oleh administrator produksi. Penjelasan mengenai proses produksi
(sebagai contoh akan digunakan penjelasan pembuatan roti tawar).
148
Penerimaan Pesanan dari Pelanggan Departemen Sales

and Marketing
Penerimaan Data Order To Factory (OTF)
Departemen
Production
Pembuatan Jadwal Produksi Perhitungan Material
Planning and
berdasarkan On Time Requirement Planning
Inventory Control
Picking (OTP) (MRP) berdasarkan OTF
Pembuatan Jadwal Produksi
Proses Produksi
Departemen
Pemeriksaan & Perhitungan Jumlah Produk Production
Akhir
Ya
Tidak Tidak
Bahan Baku
Memenuhi OTF ?
Mencukupi ?
Ya
Penyerahan Produk Jadi ke Finish Food Warehouse (FGW)
Penerimaan Produk Jadi
Penerimaan Dokumen
Picking
OTF
Departemen
Finish Good
Pengiriman Produk ke Pelanggan Warehouse
(FGW)
Penarikan Return
Gambar 69 Proses bisnis perusahaan penghasil roti.

149
Gambar 70 Lantai produksi di PT NIC, Tbk,
Untuk menghasilkan produk yang berkualitas, salah satu faktor yang sangat
berperan adalah pemilihan bahan baku. Bahan baku yang berkualitas akan
memberikan hasil dengan kualitas yang cukup baik.
Dalam proses pembuatan roti, bahan baku dipilih melalui proses seleksi
yang ketat sesuai standar yang telah ditetapkan di internal perusahaan. Bahan
baku yang terpilih harus memenuhi syarat dapat memberikan hasil berupa roti
yang berkualitas, baik dari segi penampakan, tekstur, aroma, hingga rasa. Selain
itu, bahan baku yang digunakan harus memenuhi persyaratan halal agar dapat
menjamin status kehalalan roti yang dihasilkan.
Bahan baku yang dikirim oleh supplier (pemasok) diperiksa terlebih dahulu
melalui proses yang cukup ketat, dengan tujuan agar pemasok yang telah terpilih
dapat menjaga konsistensi kualitas dari bahan baku yang diterima. Bahan baku
yang diterima selanjutnya disimpan di gudang bahan baku sesuai dengan
persyaratan standar penyimpanan masing-masing bahan.
Pada saat proses pembuatan roti akan dimulai, bahan baku ditimbang sesuai
dengan standar formulasi yang telah ditetapkan. Operator yang bertugas harus
memastikan bahwa masing-masing bahan baku yang digunakan telah ditimbang
dengan benar agar dapat menjaga konsistensi kualitas roti yang dihasilkan.
Berikut dijelaskan mengenai proses kerja pembuatan roti di setiap bagian :
150
1. Proses Kerja di Work Center Mixing.

Proses pencampuran (mixing) adalah proses paling awal dalam
pembuatan roti, dimana semua bahan baku yang akan digunakan
dicampur dan diaduk menjadi satu sehingga semua unsur bahan
tercampur rata. Pada proses mixing, semua adonan diproses secara
batch sehingga proses berlangsung secara lebih efisien.
a. Tahap Pencampuran I (Sponge Mixing)
Pada proses sponge mixing, bahan yang dicampur adalah adonan
utama seperti tepung, gula, air, ragi dan bread improver. Adonan
hasil sponge mixing kemudian ditempatkan dalam dough box untuk
dimasukkan ke Ruang Fermentasi I.
b. Tahap Fermentasi Awal
Adonan difermentasi pada suhu 27ºC ± 0.5ºC dengan tingkat
kelembaban 75% selama kurun waktu kurang lebih 4 jam. Proses
fermentasi ini bertujuan untuk mengembangkan adonan sehingga
mencapai volume yang diinginkan.
c. Tahap Pencampuran II (Dough Mixing)
Pada proses dough mixing, adonan hasil pencampuran pertama
dicampur dengan beberapa bahan tambahan untuk adonan tersebut.
Setelah itu adonan diaduk hingga beberapa kali pengadukan sampai
semua bahan tercampur rata. Jenis adonan yang dihasilkan dari
proses ini adalah adonan yang kalis (tidak lengket). Proses setup di
mesin ini juga sama seperti proses setup di sponge mixing. Proses
setup dilakukan dengan mengatur tombol untuk menentukan
banyaknya tepung terigu dan jumlah air yang dibutuhkan dari silo
serta mengatur lamanya proses pencampuran untuk low speed dan
high speed.
d. Tahap Pengistirahatan Adonan (Floor Time)
Tahapan ini dilakukan setelah adonan melalui proses dough mixing,
dimana adonan diistirahatkan selama 15 menit dalam ruangan
fermentasi awal guna menghasilkan adonan yang lebih halus.
151
2. Proses Kerja di Work Center Make Up.

Proses di work center make up meliputi : pembagian adonan
(dividing), pembulatan adonan (rounding), pengistirahatan adonan
(intermediate proofing), pembentukan (moulding) adonan, peletakan
adonan ke dalam loyang (panning) dan penyusunan loyang ke dalam
rak (racking).
a. Tahap Pembagian Adonan (Dividing)
Adonan yang telah dihasilkan dari proses pencampuran,
selanjutnya dimasukkan ke dalam divider yang berfungsi membagi
adonan sesuai dengan berat adonan per potong (piece) untuk
masing-masing jenis roti yang diproduksi. Dengan menggunakan
alat ini, setiap potong adonan yang dihasilkan memiliki berat yang
sama. Untuk memulai proses ini, operator harus terlebih dahulu
memasukkan adonan ke dalam dough lift dan mensetup berat
adonan per piece serta kecepatan divider per menit. Hal ini
dikarenakan berat adonan per piece dan kecepatan divider untuk
masing-masing jenis adonan berbeda.
b. Tahap Pembulatan Adonan (Rounding)
Setelah adonan dipotong-potong, maka selanjutnya potongan-
potongan tersebut dibentuk menjadi bulatan-bulatan kecil dengan
menggunakan rounder. Tujuannya yaitu agar pada adonan
terbentuk lapisan tipis yang tidak lengket dan mudah dibentuk.
c. Tahap Pengistirahatan Adonan (Intermediate Proofing)
Proses ini dilakukan untuk menstabilkan adonan agar dapat
dibentuk dengan mudah pada proses selanjutnya. Tujuannya adalah
untuk menghilangkan gelembung yang disebabkan proses
pembulatan pada adonan. Proses intermediate proofing dilakukan
selama 15-17 menit.
d. Tahap Pembentukan Lembaran Adonan (Pressing & Sheeting)
Adonan selanjutnya melalui mesin press agar dihasilkan lembaran
adonan yang pipih. Proses ini bertujuan agar distribusi gas merata
sehingga roti yang dihasilkan memiliki crumb yang seragam.
152
e. Tahap Pembentukan Adonan (Moulding)

Pada tahap ini, adonan dibentuk sesuai dengan bentuk produk akhir
yang telah distandarkan dengan menggunakan dough moulder.
f. Tahap Pengolesan Loyang (Greasing)
Loyang yang telah selesai digunakan untuk proses pemanggangan
selanjutnya dikumpulkan dan ditumpuk menjadi satu lalu
didinginkan. Bila telah dingin, loyang tersebut akan kembali
digunakan dalam proses produksi dengan terlebih dahulu
mengolesinya dengan lemak putih (white fat). Tujuannya yaitu agar
adonan tidak lengket dan memudahkan pada saat roti dikeluarkan
dari loyangnya. Kondisi loyang yang digunakan akan sangat
berpengaruh terhadap bentuk dan kualitas produk yang dihasilkan.
g. Tahap Peletakan Adonan ke Dalam Loyang (Panning)
Adonan yang telah dibentuk kemudian dimasukkan ke dalam
loyang yang telah disemprot atau diolesi lemak cair oleh operator
greasing. Cara menempatkan adonan yaitu membentuk pola
menyerupai huruf ”N” agar roti yang dihasilkan memiliki bentuk
akhir yang bagus.
h. Tahap Penyusunan Loyang ke Rak (Racking)
Setelah berisi adonan, loyang disusun ke dalam rak untuk
dimasukkan ke Ruang Fermentasi II dan mengalami proses
fermentasi akhir.
3. Proses Kerja di Work Center Baking.

Proses kerja di work center baking meliputi : tahap fermentasi
akhir (Final Proofing), pemanggangan (Baking) dan pengeluaran roti
dari loyang (Depanning).
a. Tahap Fermentasi Akhir (Final Proofing)
Adonan yang telah selesai disusun ke dalam rak akan dimasukkan
ke dalam Ruang Fermentasi II (Final Proofing). Ruang Fermentasi
ini bersuhu 38ºC dengan tingkat kelembaban 82%. Tujuan dari
proses ini yaitu untuk mengembangkan adonan sehingga mencapai
volume yang diinginkan. Kecepatan pengembangan adonan sendiri
153
sangat ditentukan oleh 2 hal, yaitu kestabilan tingkat suhu dan

kelembaban di Ruang Fermentasi, serta kualitas adonan itu sendiri.
b. Tahap Pemanggangan (Baking)
Proses pemanggangan adonan roti tawar dilakukan dengan
menggunakan tunnel oven dan tray oven. Sebelum proses
pemanggangan roti dimulai, operator harus terlebih dahulu
mensetup oven sesuai dengan suhu yang telah ditetapkan dalam
SOP untuk produk yang akan diproses.
c. Tahap Pengeluaran Roti dari Loyang (Depanning)
Adonan yang telah keluar dari oven berarti telah matang. Roti
tersebut kemudian dikeluarkan lagi dari loyangnya dengan
menggunakan alat yang disebut depanner. Setelah itu, roti
diletakkan di atas cooling conveyor guna mengalami proses
pendinginan. Loyang yang telah digunakan untuk memanggang roti
kemudian dikumpulkan dan ditumpuk menajdi satu untuk
selanjutnya diambil oleh operator make up.
4. Proses Kerja di Work Center Packing.

a. Tahap Pendinginan Roti (Cooling)
Roti yang telah dikeluarkan dari oven langsung mengalami proses
pendinginan di atas ban berjalan (conveyor).
b. Tahap Pengemasan (Packing)
Proses pengemasan dilakukan setelah roti mencapai suhu yang
lebih rendah akibat proses pendinginan, yaitu 33ºC - 37 ºC. Proses
pertama yang dialami roti adalah pemotongan roti (slicing). Pada
tahap ini, kedua pangkal roti dibuang, kemudian badan roti
dipotong menjadi 30 pieces dengan menggunakan band slicer.
Setelah itu, potongan-potongan roti dibagi menjadi 3 bagian (satu
cetakan roti menghasilkan 3 pack roti tawar) dengan menggunakan
loaf separator. Selanjutnya loaf pusher pada mesin secara otomatis
akan mendorong roti masuk ke dalam pembungkus plastik (etiket)
yang telah disediakan. Pada mesin juga terdapat blower yang
berfungsi memberi angin pada etiket sehingga bentuk roti dalam
154
kemasan tetap terjaga dan tidak mudah rusak selama proses

distribusi. Kemasan lalu ditutup dengan menggunakan heat sealer
dan diberi segel berupa kwik lok. Warna kwik lok bervariasi
disesuaikan dengan waktu (hari) dimana roti diproduksi. Selain itu,
kwik lok juga dicantumkan tanggal kadaluarsa produk sehingga
konsumen mengetahui batas waktu yang baik dalam
mengkonsumsi produk tersebut.
Pada proses pengemasan roti, berlangsung pula kegiatan
pemeriksaan (inspeksi) terhadap kualitas produk. Produk-produk
yang tidak memenuhi standar kualitas yang ditetapkan oleh
Departemen PDQA akan dipisahkan dari produk-produk yang
memenuhi standar kualitas.
Produk yang telah dikemas selanjutnya melewati metal detector
untuk mencegah terkirimnya roti yang tercemar logam kepada
konsumen. Hal ini bertujuan agar roti yang akan dijual kepada
konsumen bebas dari kontaminasi fisik dan tidak membahayakan
konsumen. Proses metal detecting ini juga merupakan salah satu
bagian implementasi sistem HACCP (Hazard Analysis and Critical
Control Point) pada proses pembuatan roti. Roti yang terdeteksi
mengandung logam akan dipisahkan dan dicatat dalam lembar
periksa QC. Setelah itu, roti yang telah siap kirim disusun ke dalam
krat kuning untuk diserahterimakan kepada operator di Departemen
FG. Selanjutnya, dilakukan proses picking lalu didistribusikan
kepada pelanggan.
5. Distribusi
Proses pendistribusian produk roti berlangsung selama 24 jam. Dan
untuk menjamin bahwa produk yang sampai kepada konsumen adalah
produk yang fresh, roti dibuat setiap hari, sehingga setelah roti selesai
diproduksi, roti akan segera dikirimkan kepada konsumen, baik melalui
jalur traditional market maupun modern market
155
Gambar 71 Lini produksi pengemasan roti tawar.

156
157
LAMPIRAN 2
Hasil Survei Mengenai Operasional PPIC pada Industri Pangan
1 Perusahaan Penghasil Makanan Olahan Daging

Pertanyaan dan jawaban terkait PPIC
1. Demand Management :
a. Bagaimana kegiatan ini dilakukan oleh perusahaan untuk
membantu melakukan perencanaan produksi
Jawab :
Demand dimaintain oleh bagian Sales, dari demand sales diolah
menjadi forecasting setelah itu baru masuk ke PPIC.
b. Apakah ada model peramalan yg digunakan : kalau ada, model apa

yang digunakan ; siapa yang melakukan ?
Jawab :
Peramalan dilakukan sederhana dengan melihat historical data
3-6 bulan terakhir dan disesuaikan dengan seasonal kondisi
eksternal yang ada. Metodenya menggunakan double moving
average yang melakukan adalah bagian PPIC.
c. Hal-hal apa saja yang dipertimbangkan dalam melakukan demand

management
Jawab :
Yang dipertimbangkan adalah kapasitas produksi, inventory
serta kondisi eksternal yang ada.
d. Bagaimana prosedur penerimaan order dan cara memanage order

yang masuk untuk dijadikan rencana produksi
Jawab :
Order biasa berupa PO diolah menjadi Sales order kemudian
menjadi Delivery order, historical order yang ada akan dijadikan
patokan untuk menentukan produk mana yang fast moving dan
slow moving.
e. Apakah terdapat item produk jadi pangan yang dijual memiliki

batasan umur ? Kalau ya, apakah ada kebijakan produksi terkait
dengan keterbatasan tsb ?
Jawab :
Ada, paling sedikit adalah 3 bulan dan terlama adalah 1 tahun
karena produknya adalah produk frozen. Kebijakan produksi
158
tentu ada terkait dengan kapasitas inventory. Produk dengan

batasan umur sedikit dan slow moving tentu produksinya tidak
terlalu banyak dan tidak akan menyediakan buffer.
2. Production Planning :
a. Apakah strategi yang selama ini dilakukan oleh perusahaan : make
to stock, make to order, assembly to order atau yang lainnya ?
Jawab :
Make to stock dan make to order. Make to stock untuk stock
produk yang biasa berjalan. Make to order dilakukan untuk
memenuhi kebutuhan retailer tertentu.
b. Bagaimana selama ini perusahaan membuat rencana produksinya ?
Jawab :
Rencana produksi dibuat sederhana sesuai dengan kapasitas
produksi dan mengacu kepada forecasting.
c. Apakah ada model atau metode khusus yang digunakan atau

heuristic saja.
Jawab :
Tidak ada metode khusus dalam merencanakan produksi.
d. Apakah dalam menentukan jumlah produksi sudah

mempertimbangkan safety stock untuk produk jadi? Kalau ya,
bagaimana cara penentuan safety stock untuk produk jadi?
Jawab :
Ya, safety stock ditentukan dengan historical demand setiap
bulannya. Rata – rata demand produk jadi dijadikan acuan
untuk safety stock.
3. Pemeriksaan Kapasitas Produksi : RCCP :

a. Apakah pemeriksaan kapasitas produksi dilakukan untuk setiap
hasil Master Production Schedule yang diperoleh hasil Production
Planning ?
Jawab :
Ya. Jika kapasitas tidak memenuhi maka schedule dapat
berubah.
b. Apakah ada metode yang digunakan untuk pemeriksaan kapasitas

suatu rencana produksi ?
Jawab :
159
Tidak ada metode khusus.
4. Perencanaan Kebutuhan Bahan Baku : MRP :

a. Bagaimana kegiatan perencanaan kebutuhan bahan baku yang
selama ini dilakukan oleh perusahaan ; periode perencanaan nya
hari-an atau minggu-an
Jawab :
Perencanaan bahan baku dilakukan harian, checking stock
dilakukan perhari.
b. Apakah ada metode Lotting (penentuan ukuran lot) tertentu yang

digunakan ?
Jawab :
Tidak ada metode lotting.
c. Apakah faktor safety stock sudah menjadi faktor pertimbangan

dalam penentuan kebutuhan bahan baku ? Kalau ya, bagaimana
perusahaan menentukan safety stock untuk bahan baku.
Jawab :
Ya, safety stock ditentukan dengan historical demand setiap
bulannya. Rata – rata demand produk jadi dijadikan acuan
untuk safety stock. Pemakaian vahan baku setiap bulan
dijadikan acuan.
d. Apakah terdapat item bahan baku yang memiliki batasan umur ?

Apakah ada kebijakan produksi terkait dengan keterbatasan tsb ?
Jawab :
Ada, kebijakannya bahan baku stocknya tidak terlalu banyak.
e. Apakah ada perjanjian kerjasama dengan supplier terkait dengan

adanya faktor musiman bahan baku agroindustri yang
mempengaruhi ketersediaan bahan baku ataupun karena hambatan
lainnya ?
Jawab :
Tidak ada.
5. Scheduling : apakah dilakukan secara heuristic atau ada model khusus,

misalnya penjadwalan batch
Jawab :
Dengan penjadwalan bacth.
160
6. Perencanaan Distribusi; penentuan rute pengiriman produk jadi ke

pelanggan; DRP : apakah menggunakan metode atau model tertentu untuk
optimasi ?
Jawab :
Menggunakan metode area atau district.
7. Production Input/Ouput Control : kriteria apa yang digunakan untuk

mengevaluasi nya ?
Jawab :
Inspeksi umum dan khusus.
8. Dalam pelaksanaan kegiatan PPIC, banyak ketidakpastian dan gangguan

sistem produksi yang mungkin terjadi. Gangguan/ketidakpastian dapat
dikelompokkan menjadi dikategorikan menjadi environmental uncertainty
(mencakup demand uncertainty dan supply uncertainty) serta system
uncertainty (ketidakpastian yang terkait dengan proses produksi).
a. Gangguan/ketidakpastian PPIC apa saja yang dialami di

perusahaan bapak/ibu
Jawab :
Ketersediaan bahan baku, kerusakan mesin.
b. Selama ini, bagaimana pihak perusahaan mengendalikan atau

mengantisipasi gangguan yang terjadi tersebut.
Jawab :
Mencari subtitute produk atau supplier lain. Melakukan
preventive maintenance.
2. Perusahaan Penghasil Tepung Terigu

a. Demand Management : apakah ada model peramalan yang digunakan :
kalau ada, model apa yang digunakan
Jawaban :
Utk demand management di perusahaan saya kurang tahu persis karena tidak
dibuat oleh PPIC melainkan oleh bagian sales, tepatnya Commercial
Support. Comm Support hanya sebagai koordinator, tidak membuat
peramalan sendiri. Di perusahaan, sales terbagi menjadi beberapa wilayah dan
161
masing-masing wilayah dibagi lagi menjadi beberapa region. Masing-masing

manager wilayah akan menyetor estimasi atau forecast-nya ke Comm Support,
kemudian Comm Support merekapnya dan memasukan kedalam sistem SAP.
b. Production Planning : apakah ada model khusus atau heuristic saja.
Jawaban :
Tidak ada model khusus dalam pembuatan planning. Karena sifat industrinya
kontinue, maka pada dasarnya dalam membuat jadwal produksi menjadi
lebih mudah.
Sebagai staf PPIC saya hanya menggunakan Gantt Chart dengan hitungan
yang dibuat di excell. Pembuatan jadwal menjadi kompleks karena banyak
sekali konstrain yang harus dipenuhi.
c. RCCP : apakah dilakukan untuk setiap hasil Master Prodution Schedule

yang diperoleh hasil Production Planning
Jawaban :
Pemeriksaan kapasitas tidak pernah dihitung secara detail. MPS dan MRP di
SAP tidak pernah digunakan. RCCP secara kasar dapat dihitung langsung dari
Forecast yg diberikan oleh Comm Support untuk menentukan apakah
permintaan tepung (agregat) dapat dicapai atau tidak. Tidak pernah dihitung
detail per produk.
d. MRP : apakah ada metode Lotting tertentu yang digunakan ?
Jawaban :
Perusahaan tidak menggunakan MRP melainkan menggunakan perhitungan
sederhana menggunakan excell. Memang ada beberapa supplier yg
menentukan minimum order.
e. Scheduling : apakah secara heuristic atau ada model khusus, misalnya

penjadwalan batch
Jawaban :
162
PPIC tidak menggunakan model khusus untuk menjadwalkan. Sederhana

saja, dengan menggunakan hitungan biasa di excell. Tetapi harus memenuhi
konstrain yg ada.
f. DRP : apakah menggunakan metode atau model tertentu untuk optimasi ?

Jawaban :
Untuk perencanaan distribusi, tidak menggunakan model tertentu. Karena
persuahaan tidak menggunakan truk sendiri untuk mengantar produk ke
customer. Customer atau distributor datang langsung ke gudang perusahaan
di Tanjung Priok atau depo terdekat. Sebenarnya pengertian depo juga bukan
depo milik perusahaan sendiri, melainkan kerjasama dengan distributor yang
punya gudang. Perusahaan hanya punya 4 depo utama di luar Jawa (sewa
gudang). Pengantaran barang ke depo milik sendiri dilakukan melalui
container atau jumbo bag.
g. Input/Ouput Control : kriteria apa yang digunakan untuk mengevaluasinya ?

Jawaban :
Secara harian kita tidak melakukan evaluasi. Secara bulanan kita akan melihat
extraksi tepung sebagai kriteria evaluasi pencapaian target.
Gangguan yang dialami dan antisipasinya :
1. Ketidaktersediaan gandum dengan spesifikasi yang diinginkan. Gandum bisa

di pesan sesuai dengan kebutuhan spesifikasi produk akhir. Namun kadang
karena gagal panen, gandum tersebut tidak tersedia di pasar.
Antisipasi : dengan mencari gandum alternatif, pengaturan komposisi blending

gandum, penambahan zat aditif pada produk akhir untuk
memperbaiki kualitasnya, menurunkan spesifikasi produk dan
menginformasikannya ke customer.
2. Keterlambatan kedatangan kapal pembawa gandum. Bisa terjadi apabila ada

cuaca buruk ataupun karena antrian panjang di pelabuhan muat gandum.
163
Antisipasi : melakukan pengaturan komposisi blending gandum, penghematan

gandum yang akan habis agar bisa menyambung saat kapal tiba,
menjaga inventory days yang tinggi untuk gandum-gandum tertentu
3. Antrian kapal pembawa gandum. Terbalik dengan masalah keterlambatan

kapal, hal ini terjadi apabila delivery produk jadi ke customer menurun
(demand turun). Karena demand turun, maka produksi juga turun. Produksi
turun maka gandum yang terpakai tidak banyak dan tersimpan di silo.
Akibatnya kapal yang datang tidak bisa dibongkar. Sementara kapal-kapal lain
sedang dalam perjalanan menuju pabrik.
Antisipasi : mengatur kembali jadwal kedatangan kapal, mendesak pihak
marketing untuk tetap mengusahakan penjualan sesuai dengan
targetnya (dibantu dengan program-program) , membatalkan pesanan
gandum yang belum deal (selektif)
4. Supply kemasan tidaksesuai spesifikasi.

Antisipasi: mempunyai lebih dari satu supplier, mempunyai buffer stok
5. Produksi stop mendadak karena ada kerusakan.

Antisipasi: adanya preventive maintenance dan maintenance reguler, apabila
tetap terjadi stop mendadak maka harus dilakukan pengaturan
kembali jadwal produksi di minggu berjalan
6. Turunnya demand customer. Hal ini akan secara cepat menaikkan stok di
gudang produk jadi.
Antisipasi: selektif stop line produksi
LAMPIRAN 3
LISTING PROGRAM
Model Prakiraan Permintaan JST , Model Penentuan Urutan Job

GA, Model Pengendalian Gangguan
Listing Program Jaringan Saraf Tiruan

[target1,o_train,target2,o_test,K1,K2]=TRANTESFOR(hl,tf,btf,epoch,lr
,g);
%hl = banyaknya jumlah hidden layer
%tf = fungsi transfer
%btf = fungsi training
%epoch = banyaknya epoch yang akan dilakukan
%lr = learning rate
%g = goal
%----------------------------------------------------------
%PROGRAM DEMAND MANAGEMENT ANN ROTI SOBEK COKLAT SARI ROTI
%Oleh:Iveline Anne Marie
%----------------------------------------------------------
function
[target1,o_train,target2,o_test,K1,K2]=TRANTESFOR(hl,tf,btf,epoch,lr
,g)
data=load('data/x.mat')%load data input
data = struct2cell(data);
data = cell2mat(data);
T=load('data/t.mat');%load data Target
T = struct2cell(T);
T = cell2mat(T);
%data training sebanyak 40 pola

x = data(:,1:40);
target1 = T(1:40);
%konversi data input ke 0 - 1
%-------------------------------------
%Konversi ke sigmoid biner
%-------------------------------------
[m n] = size(x);
P = [];
for i = 1:m
a = min(x(i,:));
b = max(x(i,:));
P = [P ;(0.8*(x(i,:)-a)/(b-a))+0.1];
end
a = min(target1);
b = max(target1);
T1 = (0.8*(target1-a)/(b-a))+0.1;
166
net=newff(minmax(P),[hl,1], {tf,tf},btf);%input, [jumlah neuron pd

hidden layer, juml output]
net.trainParam.lr=lr;
net.trainParam.epochs=epoch;
net.trainParam.goal=g;
net=train(net,P,T1);%training dgn supervisi (target)
[y,Pf,Af,e,perf]=sim(net,P,[],[],T1);
net.IW{1,1};%bobot variabel input ke hidden layer
net.b{1};%bobot bias input ke hidden layer
net.LW{2,1};%bobot variabel hidden layer ke output
net.b{2};%bobot bias hidden layer ke output
%Performance Program Training TOC');

W=perf;
A=ones(1 ,40); % matrix 1x40
B=[0.1];%dikalikan 0.1 spy matrix M berukuran 1x40 bernilai 0.1
M=B*A;
E=(b-a)/0.8;
%C=[E]% C adalah matrix E(1x1)
%D=A'*C % A'adalah matrix berukuran 40x1 yang berisi nilai C
F=[a];% F adalah nilai minimum dari input Data Target Training
G=F*A; % G adalah matrix berukuran 1x40 yang bernilai = F
H=y-M; % Matrix H (1x40) adalah selisih antara output pengujian
peramalan y (skala 0 - 1) dengan matrix M (1x40) yg bernilai 0.1
I=H*E; % Matrix I (1x40) adalah hasil perkalian skalar E dengan
matrix H
o_train=I+G; % TOC1T adalah output pengujian peramalan dengan skala
sesuai data input
save output/output_training.mato_train;
S=o_train-target1; %S adalah error pengujian peramalan
K1=abs(S);
Pres=0;
if K1==0
Pres=Pres+1;
L=Pres;
PersenPres=(L/40)*100;
else
L=Pres;
PersenPres=(L/40)*100;
end
PersenPres;
Kmax=max(K1);
Kmin=min(K1);
%Program TESTING dengan pola 25

y = data(:,41:65);
target2 = T(41:65);

%-------------------------------------
167

%-------------------------------------
[m n] = size(y);
Q = [];
for i = 1:m
a = min(y(i,:));
b = max(y(i,:));
Q = [Q; (0.8*(y(i,:)-a)/(b-a))+0.1];
end
a = min(target2);
b = max(target2);
T2 = (0.8*(target2-a)/(b-a))+0.1;
net=newff(minmax (Q),[hl,1], {tf,tf},btf);

net.trainParam.lr=lr;
net.trainParam.epochs=epoch;
net.trainParam.goal=g;
net=train(net,Q,T2);
[u,Pf,Af,e,perf]=sim(net,Q,[],[],T2);
W1=perf;
A1=ones(1 ,25);
B1=[0.1];
M1=B1*A1;
E1=(b-a)/0.8;
F1=[a];
G1=F1*A1;
H1=u-M1;
I1=H1*E1;
o_test=I1+G1;
save output/output_testing.mato_test;
%disp('Output training roti SOBEK COKLAT disimpan dalam file
dataTOC2Y.txt');
S1=o_test-target2;
K2=abs(S1);
Pres1=0;
if K2==0
Pres1=Pres1+1;
L1=Pres1;
PersenPres1=(L1/25)*100;
else
L1=Pres1;
PersenPres1=(L1/25)*100;
end
PersenPres1;
K2max=max(K2);
K2min=min(K2);
%Program Forecasting MRP ;
f1 = data(:,66:107);

%-------------------------------------
168
%-------------------------------------
[m n] = size(f1);
J=[];
FF = [];
for i = 1:m
a = min(f1(i,:));
b = max(f1(i,:));
FF = [FF;(0.8*(f1(i,:)-a)/(b-a))+0.1];
J = [J a b];
end
net=newff(minmax (FF),[hl,1], {tf,tf},btf);

Ramal = sim(net,FF)
W2=perf;
A2=ones(1,42);
B2=[0.1];
M2=B2*A2;
E2=(max(J)-min(J))/0.8;
F2=[min(J)];
G2=F2*A2;
H2=Ramal - M2;
I2=H2*E2;
o_mrp=I2+G2;
output_MRP = o_mrp(1:35);
name_file = load('type.mat');
name_file = cell2mat(struct2cell(name_file));
name ='MRP'
save temp.matname;
name_file = ['output/','output_',name_file,'_MRP'];
save (name_file,'output_MRP');
save (name_file,'output_MRP','-ascii');%dataRTG2Y.txt RTG2Y -ascii;
matriks = [];
matriks = output_MRP;
save matriks.matmatriks;
%Program Forecasting Untuk MPS;

[m n] = size(data);
if n ==121
%Program Forecasting MPS');
f2 = data(:,108:121);

%-------------------------------------
%-------------------------------------
169
[m n] = size(f2);
OO = [];
Jm=[];
for i = 1:m
a = min(f2(i,:));
b = max(f2(i,:));
OO = [OO ;(0.8*(f2(i,:)-a)/(b-a))+0.1];
Jm = [Jm a b];
end
net=newff(minmax (OO),[hl,1], {tf,tf},btf);
RamalMPS = sim(net,OO)
Wm2=perf;
Am2=ones(1,14);
Bm2=[0.1];
Mm2=Bm2*Am2;
Em2=(max(Jm)-min(Jm))/0.8;
Fm2=[min(Jm)];
Gm2=Fm2*Am2;
Hm2=RamalMPS-Mm2;
Im2=Hm2*Em2;
o_mps=Im2+Gm2;
output_MPS = o_mps(1:7);
name_file = load('type.mat');
name_file = cell2mat(struct2cell(name_file));
a = ['output_',name_file,'_MPS'];
name = 'MPS'
name_file = ['output/','output_',name_file,'_MPS'];
save (name_file,'output_MPS');
save (name_file,'output_MPS','-ascii');
matriks = [matriks output_MPS];
save matriks.matmatriks;
save temp.matname;
end
170
Listing Program Genetic Algorithm

file = load('file.mat');
file = struct2cell(file);
file = cell2mat(file);
%parameter
seleksi = handles.seleksi;
pindahsilang = handles.pindahsilang;
pc = str2num(get(handles.pc_edit,'String'));
pm = str2num(get(handles.pm_edit,'String'));
generasi = str2num(get(handles.generasi_edit,'String'));
jmlpop = str2num(get(handles.jmlpop_edit,'String'));
stage = str2num(get(handles.stage_edit,'String'));
lini = handles.lini;
[inputn input_text] = read_data(file,lini)
[nbatch input_text] = batch_job(inputn, input_text)
[job1 job2] = lini_part(nbatch,input_text);
JumGen1 = size(job1,2);
JumGen2 = size(job2,2);
%program GA
%inisialisasi populasi
popawal1 = myrand(jmlpop,1,JumGen1);
popawal2 = myrand(jmlpop,1,JumGen2);
maxFit1 = 0;
maxFit2 = 0;
%generasi = 100;
populasi1 = popawal1;
populasi2 = popawal2;
matriks1 = [];
ms1 = [];
matriks2 = [];
ms2 = [];
for iterasi = 1 : generasi
temp1=populasi1;
temp2=populasi2;
%check constrain every chromosome by stage
for m = 1 : jmlpop
kromosom1 = populasi1(m,:);
[nm_job1 b_job1 f_time1 Zp1 data1] =
check_constrain(kromosom1, lini,1);
ftime1(m,:)=f_time1;
nmjob1(m,:) = nm_job1;
bjob1(m,:)=b_job1;
makespan1(m)= Zp1;
171
bjob2(m,:)=b_job2;
makespan2(m)= Zp2;
end
%evaluasi kromosom_edit
fit1 = fitness(makespan1);
[sortFit1 m1] = sort(fit1,'ascend');

temp1 = temp1(m1,:);
maxF1 = max(fit1);
[sortFit2 m2] = sort(fit2,'ascend');
temp2 = temp2(m2,:);
maxF2 = max(fit2);
%proses elitisme
if maxFit1>maxF1
maxF1 = maxFit1;
else
elit_11 = temp1(size(temp1,1),:);
elit_21 = temp1(size(temp1,1)-1,:);
maxFit1 = maxF1;
end
if maxFit2>maxF2
maxF2 = maxFit2;
else
elit_12 = temp2(size(temp2,1),:);
elit_22 = temp2(size(temp2,1)-1,:);
maxFit2 = maxF2;
end
%proses seleksi
if seleksi == 1
newPop_rout1 = RouletteWheel(temp1(3:end,:),fit1(3:end)) ;
newPop_rout2 = RouletteWheel(temp2(3:end,:),fit2(3:end)) ;
else
newPop_rout1 = tournament(temp1(3:end,:),fit1(3:end));
newPop_rout2 = tournament(temp2(3:end,:),fit2(3:end));
end
newPop1 = [elit_11; elit_21; newPop_rout1];
newPop2 = [elit_12; elit_22; newPop_rout2];
%proses Pindah silang
Pindex1 = pilihKros(jmlpop,pc);
Pindex2 = pilihKros(jmlpop,pc);
switch pindahsilang
case 2
Anak1 = dua_titik_x(newPop1, Pindex1,JumGen1);
Anak2 = dua_titik_x(newPop2, Pindex2,JumGen2);
case 1
172
Anak1 = PindahSilang(newPop1,Pindex1,JumGen1);
Anak2 = PindahSilang(newPop2,Pindex2,JumGen2);
case 3
Anak1 = sojx(newPop1,Pindex1,JumGen1);
Anak2 = sojx(newPop2,Pindex2,JumGen2);
end
%Mutasi(revisi)
newPop_mutasi1 = mutasi(Anak1,pm);
newPop_mutasi2 = mutasi(Anak2,pm);
populasi1 = newPop_mutasi1;
populasi2 = newPop_mutasi2;
for m = 1 : jmlpop
bjob1(m,:)=b_job1;
makespan1(m)= Zp1;
bjob2(m,:)=b_job2;
makespan2(m)= Zp2;
end
%evaluasi kromosom_edit
[minM1 indexm1] = min(makespan1);
max_F1 = double(max(fit1));
[minM2 indexm2] = min(makespan2);
max_F2 = max(fit2);
fitness1(iterasi)=max_F1;
fitness2(iterasi)=max_F2;
end
Fungsi Check_Constrain.m
Fungsi ini untuk menghitung besar makespan dari setiap kromosom.
function [nmjob bjob ftime Zp data] = check_constrain(kromosom,

jenis, lini)
%jenis untuk tipe roti, RTG,RTS,...dst
%jenis roti akan diproses menggunakan 2 lini : roti tawar atau roti
manis
%lini : pembagian lini mesin
173
%waktu mesin
if jenis == 1
load data/roti_tawar.mat
stage_mesin = roti_tawar;
else
load data/roti_manis.mat
stage_mesin = roti_manis;
end
%me-load pembagian bobot lini

if lini == 1
load data/w_lini1.mat
jjob = job1;
else
load data/w_lini2.mat
jjob = job2;
end
%teks jenis roti, RTS,RTG,...dst

if lini == 1
load data/lini1.mat
tjob = input_text1;
else
load data/lini2.mat
tjob = input_text2;
end
finish_time = zeros(1,size(kromosom,2));
for i = 1 : size(kromosom,2)
job = kromosom(i);
bjob(i) = jjob(job);
nmjob(i) = tjob(job);
end
temp = 0;
ftemp = [];
data = [];
for stage = 1 : size(stage_mesin,1)
time_stage=0;
job = kromosom(i);
if finish_time(job) < time_stage

time_stage = time_stage +
(jjob(job)*stage_mesin(stage));
else
time_stage = finish_time(job) +
(jjob(job)*stage_mesin(stage));
end
finish_time(job) = time_stage;
end
174
if temp < time_stage

Zp = time_stage;
temp = time_stage;
else
Zp = temp;
end
data(stage,:) = finish_time;
end
job = kromosom(i);
bjob(i) = jjob(job);
nmjob(i) = tjob(job);
ftime(i) = finish_time(job);
end
%mengurutkan berdasarkan urutan job/kromosom
temp=[];
job = kromosom(i);
temp(:,i) = data(:,job);
end
data = temp
save data/data_makespan.matdata
Fungsi fitness.m
Fungsi evaluasi dari algoritme genetika.

function fit = fitness(temp_populasi)
%nilai makespan terkecil yang memiliki nilai fit yang baik

fit = 1./temp_populasi*10^10;
Fungsi Roulettewheel.m
Fungsi seleksi induk menggunakan fungsi roulette wheel.
function newPop = RouletteWheel(PopulasiAwal,Fitness)

%PopulasiAwal : populasi yang akan dipilih untuk dijadikan induk
%Fitness : besar fungsi evaluasi untuk mengetahui peluang
Jum_Krom=size(PopulasiAwal,1);
total_eval = sum(Fitness);
prob = Fitness/total_eval;
prob = sort(cumsum(prob));
a = min(prob);
b = max(prob);
175
RN=a+(b-a)*rand(1,Jum_Krom); %membuat kumpulan nilai random untuk

menentukan kemungkinan
fitIn = 1;
newIn = 1;
newPop = PopulasiAwal;
while newIn <= Jum_Krom & fitIn <=Jum_Krom
if (RN(newIn) <= prob(fitIn))
newPop(newIn,:)=PopulasiAwal(fitIn,:);
newIn=newIn+1;
fitIn = 1;
else
fitIn=fitIn+1;
end
end
Fungsi tournament.m
Fungsi seleksi induk menggunakan fungsi tournament.

function newPop = tournament (PopulasiAwal,Fitness)
%PopulasiAwal : populasi yang akan dipilih untuk dijadikan induk
%Fitness : besar fungsi evaluasi untuk mengetahui peluang
jmlpop = size(PopulasiAwal,1);
for i = 1:jmlpop
TP = sort(1 + fix(rand(1,2)*(jmlpop)));
if Fitness(TP(1)) > Fitness(TP(2))
newPop(i,:)=PopulasiAwal(TP(1),:);
else
newPop(i,:)=PopulasiAwal(TP(2),:);
end
end
Fungsi pilihkros.m
Berfungsi untuk memilih kromosom induk yang akan dipindahsilangkan berdasarkan

peluang pindah silang yang telah ditentukan.
function Pindex = pilihKros(jmlpop,Psilang);
%jmlpop = jumlah populasi
%Psilang = peluang pindahsilang
j=1;
RN=rand(1,jmlpop);
for i = 1 : jmlpop
if RN(i)<Psilang
Pindex(j) = i;
j=j+1;
end
end
176
Fungsi Pindahsilang.m
Fungsi pindahsilang untuk menyilangkan antar induk yang terpilih dengan

menggunakan fungsi PMX (Partially Mapped Crossover)
function Induk = PindahSilang(Induk,indeks,JumGen)

%induk = populasi yang telah terseleksi
%indeks = ialah populasi yang terpilih untuk di pindahsilang
%JumGen = jumlah job
parent = Induk;
u_indeks = size(indeks,2);
u_Induk = size(Induk,2);
%jika banyaknya yang dikros ganjil..maka dikurangi 1

u_indeks = size(indeks,2);
if mod(u_indeks,2)~=0
u_indeks = u_indeks-1;
end
for i = 1 : 2 : u_indeks
a = indeks(i);
b = indeks(i+1);
TP = sort(1 + fix(rand(1,2)*(JumGen-1))); %menentukan titik
potong
temp1=Induk(a,TP(1):TP(2));
temp2=Induk(b,TP(1):TP(2)) ;
Induk(a,TP(1):TP(2))=temp2;
Induk(b,TP(1):TP(2))=temp1;
%checking legalization
for n=1 : numel(Induk(a,:))
if( n >= TP(1) & n <= TP(2) )
else
loop = 1;
while loop == 1
[ok idx] = find(Induk(a,n) == temp2);
if numel(ok) == 1
Induk(a,n) = temp1(idx);
else
loop=0;
end
end
end
end
for n=1 : numel(Induk(b,:))
if( n >= TP(1) & n <= TP(2) )
else
177
loop = 1;
while loop == 1
[ok idx] = find(Induk(b,n) == temp1);
if numel(ok) == 1
Induk(b,n) = temp2(idx);
else
loop = 0;
end
end
end
end
end
Fungsi mutasi.m
function pop = mutasi(newPop,Pmutasi)
%newPop = populasi hasil pindahsilang
%Pmutasi = peluang mutasi
[m n] = size(newPop);
%banyaknya yang akan termutasi
banyakMutasi = Pmutasi*(m*n);
for i = 1 : banyakMutasi
x = fix(1+((m+1)-1)*rand); %baris
y = fix(1+((n+1)-1)*rand); %kolom
%proses pertukaran
if y ~= n
temp = newPop(x,y);
newPop(x,y) = newPop(x,(y+1));
newPop(x,(y+1)) = temp;
else%jika berada diurutan belakang maka dipertukarkan dengan urutan
awal
temp = newPop(x,y);
newPop(x,y) = newPop(x,1);
newPop(x,1) = temp;
end
end
pop = newPop;
178
Listing Program Gangguan
Fungsi ini untuk menyimpan semua input gangguan yang terjadi.
function
waktu_masalah(d,tanggal,bulan,y,p,t_p,t_d,index_list,tindakan,input,
sumber,lakukan)
%d = hari
%y = year (tahun)
%p =keyword
%t_p = tingkat keparahan
%t_d =tingkat dampak gangguan
%indeks_list = gangguan history yang mirip dengan yang terjadi
%tindakan = input tindakan yang dilakukan
%input = input masalah yang terjadi
%sumber = sumber PPIC
%lakukan = apakah tindakan tersebut dilakukan atau tidak
load('temp/temp_history.mat')
load('data/history.mat')
day =load('data/day.mat');
month = load('data/month.mat');
problem = load('data/problem.mat');
load('data/keyword_lain.mat')
day = struct2cell(day);
day = cellstr(day{1,1});
month = struct2cell(month);
month = cellstr(month{1,1});
problem = struct2cell(problem);
problem = cellstr(problem{1,1});
load('data/db_trouble.mat');
masalah = masalah(index_list);
n = size(history,1);
m = size(temp_history,1);
if p == 2
masalah =strcat(x);
else
masalah=problem(p)
end
temp=[];
if isempty(history)==1
temp = num2cell(d);
history(1,1)=temp;
date = num2str(tanggal);
tanggal = [date,'-',char(month(bulan)),'-',y]
history(1,2) = cellstr(tanggal);
history(1,3) = cellstr(masalah);
history(1,4) = cellstr(input);
history(1,5) = num2cell(t_p);
history(1,6) = num2cell(t_d);
history(1,7) = cellstr(masalah);
179
history(1,8) = cellstr(tindakan);
history(1,9) = cellstr(lakukan);
history(1,10) = cellstr(sumber);
else
temp = num2cell(d);
history(n+1,1) = temp;
date = num2str(tanggal);
tanggal = [date,'-',char(month(bulan)),'-',y]
history(n+1,2) = cellstr(tanggal);
history(n+1,3) = cellstr(problem(p));
history(n+1,4) = cellstr(input);
history(n+1,5) = num2cell(t_p);
history(n+1,6) = num2cell(t_d);
history(n+1,7) = cellstr(masalah);
history(n+1,8) = cellstr(tindakan);
history(n+1,9) = cellstr(lakukan);
history(n+1,10) = sumber;
end
if isempty(temp_history)==1
temp_history(1,1) = temp;
temp_history(1,2) = history(1,2);
temp_history(1,3) = cellstr(problem(p));
temp_history(1,4) = cellstr(input);
temp_history(1,5) = num2cell(t_p);
temp_history(1,6) = num2cell(t_d);
temp_history(1,7) = cellstr(masalah);
temp_history(1,8) = cellstr(tindakan);
temp_history(1,9) = cellstr(lakukan);
temp_history(1,10) = cellstr(sumber);
else
temp_history(m+1,1) = temp;
temp_history(m+1,2) = cellstr(tanggal);
temp_history(m+1,3) = cellstr(problem(p));
temp_history(m+1,4) = cellstr(input);
temp_history(m+1,5) = num2cell(t_p);
temp_history(m+1,6) = num2cell(t_d);
temp_history(m+1,7) = cellstr(masalah);
temp_history(m+1,8) = cellstr(tindakan);
temp_history(m+1,9) = cellstr(lakukan);
temp_history(m+1,10) = sumber;
end
save data/history.mathistory;
save temp/temp_history.mattemp_history
function waktu_masalah_cont(var_FG,var_RM,pic,hub_FG, hub_RM)

%var_FG = nilai yang mempengaruhi FG
%var_RM = nilai yang mempengaruhi RM
180
%PIC = Person in Charge yang terlibat

%hub_FG = hubungan gangguan dengan FG
%hub_RM = hubungan gangguan dengan RM
load data/history.mat;
load temp/temp_history.mat;
n = size(history,1);
m = size(temp_history,1);
if isempty(history)==1
history(1,11) = num2cell(var_RM);
history(1,12) = num2cell(var_FG);
history(1,13) = cellstr(pic);
history(1,14) = cellstr(hub_FG);
history(1,15) = cellstr(hub_RM);
else
history(n,11) = num2cell(var_RM);
history(n,12) = num2cell(var_FG);
history(n,13) = cellstr(pic);
history(n,14) = cellstr(hub_RM);
history(n,15) = cellstr(hub_FG);
end
if isempty(temp_history)==1
temp_history(1,11) = num2cell(var_RM);
temp_history(1,12) = num2cell(var_FG);
temp_history(1,13) = cellstr(pic);
temp_history(1,14) = cellstr(hub_RM);
temp_history(1,15) = cellstr(hub_FG);
else
temp_history(m,11) = num2cell(var_RM);
temp_history(m,12) = num2cell(var_FG);
temp_history(m,13) = cellstr(pic);
temp_history(m,14) = cellstr(hub_RM);
temp_history(m,15) = cellstr(hub_FG);
end
save data/history.mathistory;
save temp/temp_history.mattemp_history;
Listing Program Follow Up
Setiap gangguan yang terjadi dalam 1 periode akan dilihat apakah gangguan tersebut
terjadi followup
function data=get_follow_up(keyword)
%keyword, load setiap database gangguan 1 periode berdasarkan
keyword
181
load ('temp/temp_history.mat');
keyword = char(keyword);
indeks = strfind(temp_history(:,3), keyword);
n = size(indeks, 1);
ind=[];
for i = 1 : n
if isempty(indeks{i})==0
ind=[ind i];
end
end
frekuensi = size(ind,2);
if isempty(ind)==1
mp=0;
md=0;
else
%hitung banyaknya parah
mp= skala_parah(ind);
%hitung banyaknya dampak

md= skala_dampak(ind);
end
%check sumber dan PIC

hist_sumber = temp_history(:,10);
hist_PIC = temp_history(:,13);
hist_fg = temp_history(:,11);
hist_rm = temp_history(:,12);
for i = 1:size(ind,2)
a = ind(i);
hasil_sumber(i,:) = hist_sumber(a,:);
PIC(i,:) = hist_PIC(a,:);
FG(i,:) = hist_fg(a,:);
RM(i,:) = hist_rm(a,:);
end
sumber = unique(hasil_sumber)
m = size(sumber,1);
a = [];
for i = 1:m
a = strcat(a, ',', hasil_sumber(i,:));
end
hasil_sumber = a;
PIC = unique(PIC);
m = size(PIC,1);
a = [];
for i = 1:m
a = strcat(a, ',', PIC(i,:));
end
PIC = a
FG = cell2mat(FG);
FG = sum(FG)
182
RM = cell2mat(RM);
RM = sum(RM)
if (frekuensi < 7) | (frekuensi>=7 & frekuensi<18)

follow = ['Tidak Perlu Follow Up'];
follow = char(follow);
end
if (frekuensi > 18) & mp==1
end
if (frekuensi > 18) & mp==2
end
if (frekuensi > 18) & (mp==3 & md ==1)
follow = ['Follow Up'];
end
if (frekuensi > 18) & (mp==3 & (md==2|md==3))
follow = ['Follow Up'];
end
%untuk ditampilkan dalam tabel
data = [cellstr(keyword),
cellstr(hasil_sumber),mat2cell(frekuensi),mat2cell(mp),mat2cell(md),
cellstr(follow),cellstr(PIC)]
Listing Program Update % Loss

load ('temp/hist_variansi.mat');
load ('temp/temp_history.mat');
load ('data/db_persenloss.mat');
%mengambil data dari database gangguan
gangguan = temp_history(:,4);
keyword = temp_history(:,3);
sumber = temp_history(:,10);
hist_rm = temp_history(:,11);
hist_fg = temp_history(:,12);
hub_rm = temp_history(:,14);
hub_fg = temp_history(:,15);
matrix =[gangguan, keyword, sumber, hist_fg, hist_rm,hub_rm,
hub_fg];
load ('temp/hist_variansi.mat');
load ('data/db_variansi.mat');
temp = [db_variansi(:,1),db_variansi(:,2),db_variansi(:,3),
data(:,2),data(:,3),db_variansi(:,4),db_variansi(:,5)];
matriks=[matrix;temp];
n = size(matriks,1);
save matriks1.matmatriks
183
jml_FG = cell2mat(matriks(:,4));
jml_RM = cell2mat(matriks(:,5));
loss_FG = sum(jml_FG)/n;
loss_RM = sum(jml_RM)/n;
last_loss(1)=get(handles.loss_edit_fg,'String');
last_loss(2)=get(handles.loss_edit_rm,'String');
update_FG = sum([loss_FG str2num(last_loss(1))]);

update_RM = sum([loss_RM str2num(last_loss(2))]);
%fungsi menampilkan
set(handles.uitable1,'Data',matriks);
set(handles.loss_update_FG,'String',update_FG);
set(handles.loss_update_RM,'String',update_RM);
LAMPIRAN 4
Data Pendukung Perhitungan Model PPIC Adaptif
MODEL PRAKIRAAN PERMINTAAN
Berdasarkan penelitian sebelumnya yang menggunakan data penjualan periode

yang berbeda untuk empat varian produk roti, diperoleh hasil bahwa metode JST
memberikan hasil pengujian yang jauh sangat akurat dibandingkan metode time
series. Hasil perbandingan perhitungan kesalahan beberapa metode untuk empat
varian produk di PT NIC (roti tawar RTS, roti isi ICK, roti sobek TOC dan roti
kasur RKJ) dapat dilihat pada tabel berikut :
188
189
190
191
Tabel 9 Data waktu produksi dan kapasitas produksi lini roti tawar
No. Stasiun Kerja Waktu (detik) Kapasitas (detik)
1 Penimbangan 13.734 172800
2 Mixing Sponge 2.681 172800
3 Fermentasi 16.786 172800
4 Mixing Dough 3.432 172800
5 Floor Time 2.198 172800
6 Dividing 8.556 172800
7 Rounder 8.284 172800
8 Intermediate Proofing 3.330 172800
9 Pressing 18.621 172800
10 Make Up 20.535 172800
11 Panning 20.778 172800
12 Racking 1.270 172800
13 Final Proofing 12.953 172800
14 Baking 7.298 172800
15 Cooling 9.003 172800
16 Slicing 14.538 172800
17 Sortasi 14.538 172800
18 Packaging 15.732 172800
Total waktu 194.267
Keterangan : RTS dan RTG diproses pada Lini Roti Tawar ; ICK, IKJ, TOC dan
RKJ diproses pada Lini Roti Manis
192
Hasil percobaan untuk berbagai nilai µbi memberikan hasil nilai fungsi tujuan
dalam model sebagai berikut :
Tabel 10 Perhitungan nilai fungsi tujuan MPS hari ke-1 untuk berbagai nilai µbi.
Biaya Produksi (Rp.) Utilisasi Produksi (detik)
μ = 0.001 39881876 1964789,63
μ = 0.1 38647232 1903913,88
μ = 0.2 38431628 1893414,63
μ = 0.5 38067128 1875497,75
μ = 0.6 37959496 1870248,13
μ = 0.7 37843732 1864551,25
μ = 0.8 37706500 1857559
μ = 0.9 37490896 1847081,5
μ = 0.95 37295944 1837430,5
μ = 0.99 36864460 1816096
μ = 0.995 36678792 1807071,25
μ = 0.999 36256248 1786205,63
Min 36256248 1786205,63
Max 39881876 1964789,63
Dengan menggunakan metode Composite Performance Index (CPI) untuk

menentukan nilai µbi terpilih, didapatkan hasil bahwa untuk pemberian bobot
fungsi tujuan yang sama antara biaya produksi dan utilisasi produksi (50 : 50) atau
bobot biaya produksi yang lebih besar dibandingkan bobot utilisasi produksi
193
(misal 60 : 40), nilai µbi = 0.999 memiliki nilai alternatif terbesar. Berdasarkan
hasil tersebut, ditentukan nilai µbi = 0.999 dalam perhitungan nilai fuzzy. Dengan
menggunakan nilai µbi = 0.999 tersebut, angka fuzzy untuk tiap variabel dalam
perhitungan model MPS adalah sama dengan nilai batas bawahnya (bia) sesuai
dengan hasil pada tabel berikut:
Tabel 11 Perhitungan nilai dan ranking untuk berbagai nilai µbi data MPS hari ke-
1
Biaya Produksi Utilisasi

μ (Rp.) Produksi (detik) Nilai Alternatif Ranking
μ = 0.001 90,90908361 100 94,54545017 12
μ = 0.1 93,81331113 96,90166575 95,04865298 11
μ = 0.2 94,33961007 96,36729557 95,15068427 10
μ = 0.5 95,24292981 95,45539743 95,32791686 9
μ = 0.6 95,51298574 95,18821259 95,38307648 8
μ = 0.7 95,80516002 94,89826399 95,44240161 7
μ = 0.8 96,15384085 94,5423862 95,50925899 6
μ = 0.9 96,70680583 94,009123 95,6277327 5
μ = 0.95 97,21230813 93,51792538 95,73455503 4
μ = 0.99 98,35013995 92,43208394 95,98291754 3
μ = 0.995 98,84798823 91,97275995 96,09789692 2
μ = 0.999 100 90,91078265 96,36431306 1
Bobot 0,6 0,4

194
Hasil perhitungan nilai fuzzy untuk nilai parameter fungsi sigmoid sebagai
berikut, dapat dilihat pada tabel berikut :
B= 1
C= 0,001001
α= 13,81381
µbi = 0,6
Tabel 12 Nilai fuzzy untuk variabel model MPS dengan µbi = 0.6 untuk MPS hari
ke-1
Atribut Fuzzy Interval bi
Biaya bia bib
1 RTS 3750 4125 3926
2 RTG 5000 5500 5235
3 ICK 2000 2200 2094
4 IKJ 2250 2475 2356
5 TOC 4500 4950 4712
6 RKJ 5000 5500 5235
Utilitas . . .
1 RTS 194,27 213,69 203,41
2 RTG 194,27 213,69 203,41
3 ICK 216,75 238,43 226,95
4 IKJ 216,75 238,43 226,95
5 TOC 216,75 238,43 226,95
6 RKJ 216,75 238,43 226,95

195
Waktu Produksi
1 Penimbangan Tawar 13,73 15,11 14,38
2 Penimbangan Manis 13,73 15,11 14,38
3 Mixing Sponge Tawar 2,68 2,95 2,81
4 Mixing Sponge Manis 2,68 2,95 2,81
5 Fermentasi Tawar 16,79 18,46 17,58
6 Fermentasi Manis 16,79 18,46 17,58
7 Mixing Dough Tawar 3,43 3,78 3,59
8 Mixing Dough Manis 3,43 3,78 3,59
9 Floor Time Tawar 2,20 2,42 2,30
10 Floor Time Manis 2,20 2,42 2,30
11 Dividing Tawar 8,56 9,41 8,96
12 Dividing Manis 8,56 9,41 8,96
13 Rounder Tawar 8,28 9,11 8,67
14 Rounder Manis 8,28 9,11 8,67
15 Interm. Proofing Tawar 3,33 3,66 3,49
16 Interm. Proofing Manis 3,33 3,66 3,49
17 Pressing Tawar 18,62 20,48 19,50
18 Pressing Manis 18,62 20,48 19,50
19 Filling Manis 37,02 40,73 38,77
20 Make Up Tawar 20,54 22,59 21,50
21 Make Up Manis 20,54 22,59 21,50
22 Panning Tawar 20,78 22,86 21,76
23 Panning Manis 20,78 22,86 21,76
24 Racking Tawar 1,27 1,40 1,33
25 Racking Manis 1,27 1,40 1,33

196
26 Final Proofing Tawar 12,95 14,25 13,56
27 Final Proofing Manis 12,95 14,25 13,56
28 Baking Tawar 7,30 8,03 7,64
29 Baking Manis 7,30 8,03 7,64
30 Cooling Tawar 9,00 9,90 9,43
31 Cooling Manis 9,00 9,90 9,43
32 Slicing Tawar 14,54 15,99 15,22
33 Sortasi Tawar 14,54 15,99 15,22
34 Sortasi Manis 14,54 15,99 15,22
35 Packaging Tawar 15,73 17,31 16,47
36 Packaging Manis 15,73 17,31 16,47
Total Produksi
1 Produksi RTS 3.865 3865 3.865
2 Produksi RTG 2.905 2905 2.905
3 Produksi ICK 1.153 1153 1.153
4 Produksi IKJ 0 0 0
5 Produksi TOC 337 337 337
6 Produksi RKJ 683 683 683
Bahan Baku Terigu
1 Terigu RTS 245,72 270,292 257,28
2 Terigu RTG 179,92 197,912 188,39
3 Terigu ICK 35,80 39,38 37,48
4 Terigu IKJ 35,80 39,38 37,48
5 Terigu TOC 143,20 157,52 149,94

197
6 Terigu RKJ 91,13 100,243 95,42
Bahan Baku Gula
1 Gula RTS 13,40 14,74 14,03
2 Gula RTG 10,01 11,011 10,48
3 Gula ICK 6,45 7,095 6,75
4 Gula IKJ 6,45 7,095 6,75
5 Gula TOC 25,80 28,38 27,01
6 Gula RKJ 20,70 22,77 21,67
Bahan Baku Shortening
1 Shortening RTS 16,240 17,864 17,00
2 Shortening RTG 12,020 13,222 12,59
Bahan Baku Telur
1 Telur ICK 0,95 1,05 0,99
2 Telur IKJ 0,95 1,05 0,99
3 Telur TOC 3,80 4,18 3,98
4 Telur RKJ 7,60 8,36 7,96
Bahan Baku Full Cream
1 Full Cream ICK 0,75 0,83 0,79
2 Full Cream IKJ 0,75 0,83 0,79
3 Full Cream TOC 3,00 3,30 3,14
4 Full Cream RKJ 5,60 6,16 5,86

198
Bahan Baku Coklat Pasta
1 Coklat Pasta ICK 23,00 25,3 24,08
2 Coklat Pasta TOC 92,00 101,2 96,33
Bahan Baku Keju
1 Keju IKJ 23,00 25,3 24,08
2 Keju RKJ 30,00 33 31,41
Bahan Baku Cheddar Cheese
1 Cheddar Cheese RKJ 24,00 26,4 25,13

199
199
Tabel 13 Model matematis optimasi MPS.
Variabel Keputusan
RTS RTG ICK IKJ TOC RKJ
X1 X2 X3 X4 X5 X6
Minimasi Biaya Produksi (Rp.) 3750 5000 2000 2250 4500 5000
Fungsi Tujuan
Maksimasi Utilisasi Produksi (detik) 194.27 194.27 216.75 216.75 216.75 216.75
Fungsi Pembatas Tanda Pembatas
1 Penimbangan Tawar 13.73 13.73 ≤ 172800
2 Penimbangan Manis 13.73 13.73 13.73 13.73 ≤ 172800
3 Mixing Sponge Tawar 2.68 2.82 ≤ 172800
4 Mixing Sponge Manis 2.68 2.68 2.68 2.68 ≤ 172800
5 Fermentasi Tawar 16.79 16.79 ≤ 172800
6 Fermentasi Manis 16.79 16.79 16.79 16.79 ≤ 172800
7 Mixing Dough Tawar 3.43 3.43 ≤ 172800
STASIUN 8 Mixing Dough Manis 3.43 3.43 3.43 3.43 ≤ 172800
KERJA
9 Floor Time Tawar 2.2 2.2 ≤ 172800
10 Floor Time Manis 2.2 2.2 2.2 2.2 ≤ 172800
11 Dividing Tawar 8.56 8.56 ≤ 172800
12 Dividing Manis 8.56 8.56 8.56 8.56 ≤ 172800
13 Rounder Tawar 8.28 8.28 ≤ 172800
14 Rounder Manis 8.28 8.28 8.28 8.28 ≤ 172800
15 Intermediate Proofing Tawar 3.33 3.33 ≤ 172800
16 Intermediate Proofing Manis 3.33 3.33 3.33 3.33 ≤ 172800
199
199
200
200
Variabel Keputusan
X1 X2 X3 X4 X5 X6
Fungsi Tujuan
17 Pressing Tawar 18.62 18.62 ≤ 172800
18 Pressing Manis 18.62 18.62 18.62 18.62 ≤ 172800
19 Filling Manis 37.02 37.02 37.02 37.02 ≤ 172800
20 Make Up Tawar 20.54 20.54 ≤ 172800
21 Make Up Manis 20.54 20.54 20.54 20.54 ≤ 172800
22 Panning Tawar 20.78 20.78 ≤ 172800
23 Panning Manis 20.78 20.78 20.78 20.78 ≤ 172800
24 Racking Tawar 1.27 1.27 ≤ 172800
25 Racking Manis 1.27 1.27 1.27 1.27 ≤ 172800
26 Final Proofing Tawar 12.95 12.95 ≤ 172800
27 Final Proofing Manis 12.95 12.95 12.95 12.95 ≤ 172800
28 Baking Tawar 7.3 7.3 ≤ 172800
29 Baking Manis 7.3 7.3 7.3 7.3 ≤ 172800
30 Cooling Tawar 9 9 ≤ 172800
31 Cooling Manis 9 9 9 9 ≤ 172800
32 Slicing Tawar 14.54 14.54 ≤ 172800
33 Sortasi Tawar 14.54 14.54 ≤ 172800
34 Sortasi Manis 14.54 14.54 14.54 14.54 ≤ 172800
201
Variabel Keputusan
X1 X2 X3 X4 X5 X6
Fungsi Tujuan
35 Packaging Tawar 15.73 15.73 ≤ 172800
36 Packaging Manis 15.73 15.73 15.73 15.73 ≤ 172800
37 RTS 1 ≥ 3,865
38 RTG 1 ≥ 2,905
PRODUKSI 39 ICK 1 ≥ 1,153
40 IKJ 1 ≥ 0
41 TOC 1 ≥ 337
42 RKJ 1 ≥ 683
43 Terigu 245.72 179.92 35.8 35.8 143.2 91.13 ≤ 10000000
44 Gula 13.4 10.01 6.45 6.45 25.8 20.7 ≤ 650000
45 Shortening 16.24 12.02 ≤ 600000
BAHAN BAKU 46 Telur 0.95 0.95 3.8 7.6 ≤ 60000
47 Full Cream 0.75 0.75 3 5.6 ≤ 50000
48 Coklat Pasta 23 92 ≤ 600000
49 Keju 23 30 ≤ 500000
50 Cheddar Cheese 24 ≤ 200000
51 Lower Bound 0 0 0 0 0 0
52 Upper Bound M M M M M M
201
201
202
202
MODEL PERENCANAAN DAN PENGENDALIAN PERSEDIAAN BAHAN BAKU
Tabel 14 Hasil prakiraan permintaan jangka menengah produk roti \untuk perhitungan MRP.
JENIS ROTI
Hari
1 2788 1928 1910 1568 15 534
2 3093 2076 2396 1568 206 843
3 2565 1873 2222 1572 390 266
4 2956 2105 2457 1366 225 270
5 2335 2377 2271 1431 251 931
6 2992 1905 1224 1573 71 890
7 3102 1964 1608 1331 75 368
8 2468 2112 864 1562 369 462
9 2926 2110 2518 1525 325 781
10 3066 1837 1878 1564 391 539
11 2626 2286 2403 1357 397 557
12 2841 2086 716 1394 297 561
13 2788 1879 281 1600 184 496
14 2579 1863 2296 1504 266 456
15 2366 1983 2219 1559 125 200
16 2511 1957 2433 1497 293 67
17 2437 1902 2322 1534 238 550
18 2523 2271 2398 1510 162 907
19 2826 2236 2325 1429 199 646
203
JENIS ROTI
Hari
20 2784 1873 2067 1541 179 319
21 2227 1890 2316 1531 179 220
22 2200 2087 2176 1534 279 528
23 2449 2072 2169 1572 165 477
24 2812 1918 2233 1581 271 388
25 2421 2257 2455 1536 127 374
26 2122 2150 2406 1459 159 614
27 2392 1934 2255 1434 102 522
28 2398 1882 1447 1393 323 549
29 2572 1962 1516 1297 333 906
30 2243 1996 2032 1502 107 762
31 2183 1903 2229 1558 388 143
32 2270 2078 2473 1453 112 0
33 2621 1941 921 1482 414 136
34 2854 1858 141 1573 294 621
35 2217 1887 809 1584 80 451
36 2184 1913 1668 1587 51 647
37 2384 1862 2194 1539 146 516
38 2698 1915 2327 1558 221 471
39 2352 1835 2376 1552 240 245
40 2090 1866 2313 1467 356 478
41 2211 1859 2040 1532 2 639
42 2401 1874 2063 1572 158 662
203
204
204
Tabel 15 Recipe roti dan batas minimum persediaan bahan baku
Produk Roti
Batas Minimum Persediaan (gr) Persediaan (kg)
Bahan Baku RTS RTG ICK IKJ TOC RKJ
Terigu 245,72 179,92 35,8 35,8 143,2 91,13 10000000 10000
Gula 13,4 10,01 6,45 6,45 25,8 20,7 650000 650
Shortening 16,24 12,02 0 0 0 0 600000 600
Fine Bran 0 26,32 0 0 0 0 1000000 1000
Telur 0 0 0,95 0,95 3,8 7,6 60000 60
Full Cream 0 0 0,75 0,75 3 5,6 50000 50
Coklat Pasta 0 0 23 0 92 0 600000 600
Keju 0 0 23 30 500000 500
Cheddar
0 0 0 0 0 24 200000 200
Cheese
205
Berikut adalah informasi terkait bahan baku kelas A yang digunakan untuk membuat produk roti.
Tabel 16 Informasi bahan baku kelas A untuk produksi roti
Material Tumpukan Maks Umur Simpan

NO Material Pack Kg/pack Tempat Penyimpanan
Description (pack) (hari)
1 RM101001 Tepung Terigu #N/A 10000 Trevira silo 20 ton 7

o o
2 RM101024 Gula Pasir Sack 50 suhu ruang 28 c -35 c 7 365
o o
3 RM221004 Filler Keju Dus 5 chiller 0 c -4 c (besar) 5 180
o o
4 RM221003 Filler Coklat Pcs 20 AC 16 c -23 c 5 180
5 RM221018 Cheedar Cheese Dus 16 chiller 0 o c -4o c (besar) 5 180
6 RM101014 Milk Full Cream Sack 25 suhu ruang 28 o c -35o c 7 365
o o
7 RM101005 Shortening Dus 15 suhu ruang 28 c -35 c 7 300
o o
8 RM101011 Telur Ayam Krat 20 chiller 0 c -4 c (kecil) 4 7
Berdasarkan data prakiraan permintaan produk roti yang merupakan hasil prakiraan permintaan jangka menengah berdasarkan
metode Jaringan Syaraf Tiruan, data Recipe untuk tiap varian roti, kemudian dilakukan perhitungan kebutuhan bahan baku untuk
tiap-tiap varian bahan baku. Berikut ini adalah tabel kebutuhan tepung terigu berdasarkan prakiraan permintaan berbagai varian
produk roti:
205
206
Tabel 17 Perhitungan kebutuhan tepung terigu (gram) berdasarkan prakiraan permintaan.
206
JENIS ROTI Total
Hari Total (gr)
RTS RTG ICK IKJ TOC RKJ (kg)
1 685045 346954 68395 56141 2098 48673 1207306 1207
2 760123 373498 85786 56143 29501 76860 1381910 1382
3 630225 336960 79539 56276 55918 24251 1183169 1183
4 726469 378656 87956 48910 32164 24622 1298777 1299
5 573670 427587 81315 51231 36008 84854 1254665 1255
6 735125 342717 43817 56304 10224 81126 1269313 1269
7 762142 353329 57549 47662 10669 33572 1264923 1265
8 606412 379980 30927 55928 52871 42126 1168244 1168
9 719006 379655 90162 54595 46505 71193 1361116 1361
10 753274 330583 67225 55997 56061 49160 1312301 1312
11 645153 411279 86035 48581 56912 50732 1298692 1299
12 698039 375288 25645 49907 42539 51117 1242534 1243
13 685072 338145 10047 57275 26375 45168 1162081 1162
14 633685 335132 82200 53851 38046 41594 1184507 1185
15 581302 356861 79424 55801 17875 18186 1109449 1109
16 617047 352026 87108 53591 42003 6124 1157899 1158
17 598704 342258 83142 54911 34038 50143 1163196 1163
18 619915 408519 85865 54063 23131 82691 1274184 1274
19 694353 402220 83236 51141 28442 58852 1318245 1318
20 684112 336936 73994 55183 25574 29056 1204855 1205
21 547098 340106 82920 54825 25661 20015 1070625 1071
207
JENIS ROTI Total

Hari Total (gr)
RTS RTG ICK IKJ TOC RKJ (kg)
22 540550 375455 77915 54907 40001 48132 1136960 1137
23 601717 372872 77656 56270 23608 43478 1175600 1176
24 690906 344998 79955 56602 38806 35364 1246631 1247
25 594927 406096 87902 54992 18257 34104 1196277 1196
26 521379 386779 86143 52218 22722 55970 1125211 1125
27 587679 348039 80740 51341 14588 47553 1129939 1130
28 589124 338593 51803 49863 46268 50015 1125666 1126
29 631987 353048 54269 46440 47651 82552 1215946 1216
30 551165 359122 72756 53771 15275 69412 1121501 1122
31 536321 342427 79781 55776 55610 13002 1082917 1083
32 557858 373811 88537 52018 16046 0 1088269 1088
33 643941 349167 32971 53043 59245 12430 1150797 1151
34 701211 334338 5043 56314 42132 56589 1195628 1196
35 544739 339516 28962 56694 11448 41056 1022416 1022
36 536611 344129 59718 56827 7235 58963 1063483 1063
37 585824 334970 78551 55103 20895 47040 1122383 1122
38 662896 344624 83308 55766 31610 42920 1221124 1221
39 577865 330175 85045 55562 34434 22307 1105387 1105
40 513552 335725 82804 52514 50912 43529 1079037 1079
41 543390 334558 73042 54844 295 58243 1064372 1064
42 589910 337211 73851 56265 22558 60282 1140079 1140
Total 26259521 15034344 2913035 2265446 1312211 1913058 49697615 49698
207
208
Untuk keseluruhan varian bahan baku kelas A yang diamati, rekapitulasi kebutuhan bahan baku dapat dilihat pada tabel berikut.
Tabel 18 Rekapitulasi kebutuhan bahan baku sesuai prakiraan permintaan seluruh varian produk roti.
208
Data Permintaan Bahan Baku (dalam kg)
Periode
Tepung Terigu Gula Pasir Filler Keju Filler Coklat Cheedar Cheese Milk Full Cream Shortening 1 Telur Ayam
1 1.207 91 52 45 13 6 68 7
2 1.382 111 61 74 20 8 75 7
3 1.183 93 44 87 6 6 64 7
4 1.299 97 40 77 6 5 73 7
5 1.255 105 61 75 22 9 66 12
6 1.269 97 63 35 21 7 71 10
7 1.265 90 42 44 9 4 74 6
8 1.168 89 50 54 11 6 65 7
9 1.361 111 59 88 19 8 73 11
10 1.312 103 52 79 13 7 72 9
11 1.299 104 48 92 13 7 70 9
12 1.243 92 49 44 13 6 71 7
13 1.162 83 52 23 12 5 68 6
14 1.185 94 48 77 11 6 64 8
15 1.109 83 42 63 5 4 62 6
16 1.158 88 36 83 2 4 64 5
17 1.163 94 52 75 13 7 62 9
18 1.274 105 62 70 22 8 68 11
19 1.318 103 52 72 15 7 73 9
20 1.205 91 45 64 8 5 68 7
21 1.071 83 42 70 5 5 59 6
209
Data Permintaan Bahan Baku (dalam kg)

Periode
Tepung Terigu Gula Pasir Filler Keju Filler Coklat Cheedar Cheese Milk Full Cream Shortening 1 Telur Ayam
22 1.137 92 51 76 13 7 61 9
23 1.176 92 50 65 11 6 65 8
24 1.247 96 48 76 9 6 69 8
25 1.196 92 47 68 9 5 66 7
26 1.125 92 52 70 15 7 60 9
27 1.130 89 49 61 13 6 62 8
28 1.126 89 48 63 13 6 62 8
29 1.216 100 57 65 22 8 65 11
30 1.122 91 57 57 18 7 60 10
31 1.083 86 40 87 3 5 58 6
32 1.088 79 33 67 0 3 62 4
33 1.151 84 38 59 3 4 66 5
34 1.196 88 55 30 15 6 69 7
35 1.022 75 50 26 11 5 59 6
36 1.063 84 56 43 16 6 58 8
37 1.122 89 51 64 12 6 61 8
38 1.221 96 50 74 11 6 67 8
39 1.105 86 43 77 6 5 60 7
40 1.079 90 48 86 11 7 56 9
41 1.064 85 54 47 15 6 58 8
42 1.140 92 56 62 16 7 62 9
Total 49.698 3.872 2.085 2.715 504 254 2.740 328
209
210
Setelah diketahui data kebutuhan bahan baku tiap varian, tahap perhitungan berikutnya adalah menentukan ukuran pemesanan
210
ekonomis untuk tiap varian bahan baku (Economic Order Quantity/EOQ). Berikut ini adalah input data untuk perhitungan EOQ
bahan baku di PT NIC. Untuk contoh perhitungan EOQ akan diberikan contoh bahan baku Tepung Terigu.
Tabel 19 Input data perhitungan EOQ bahan baku tepung terigu
Produk yang diamati TEPUNG TERIGU
Cp biaya pesan (Rp) 120.000,00 per sekali pesan
Cs biaya simpan (Rp) 190,29 per kg/42 hari
D permintaan slama T periode (Kg) 49.697,62 kg untuk 42 hari
T periode perencanaan 42 hari
P harga beli 6.750,00 / kg
Lt lead time 2,00 hari
d permintaan selama T periode (Kg) 1.183,28 kg untuk 1 hari
211
Tabel 20 Hasil perhitungan EOQ dan total biaya persediaan bahan baku tepung terigu.
EOQ (Kg) 7.917
Qpack 1
Ukuran pemesanan ; Q** (Kg) 10.000
Interval pemesanan ; t* (hari) 8,45
Frekuensi pemesanan ; n (kali) 5
Ongkos simpan (Rp.) 951.472,60
Ongkos pesan (Rp.) 600.000,00
Total Biaya Persediaan ;TC (Rp.) 1.551.472,60
Berikut adalah rekapitulasi hasil perhitungan EOQ dan Total Biaya Persediaan untuk seluruh bahan baku yang menjadi fokus
bahasan dalam penelitian ini. Sesuai dengan hasil perhitungan EOQ yang merupakan fase Lotting dalam perhitungan MRP, data EOQ
akan disesuaikan dengan ukuran pemesanan dan minimum order berdasarkan kesepakatan dengan masing-masing suplier bahan
baku.
211
212
Tabel 21 Rekapitulasi perhitungan EOQ dan total biaya persediaan.

Ukuran
212
NO Material Material Description Min Order (kg) EOQ TC (Rp)
Pemesanan
1 RM101001 Tepung Terigu 10.000 7.917 10.000 1.551.472,60
2 RM101024 Gula Pasir 100 1.967 2.000 480.334,93
3 RM221004 Filler Keju 100 689 700 729.217,89
4 RM221003 Filler Coklat 100 1.191 700 635.715,62
5 RM221018 Cheedar Cheese 80 268 320 509.770,53
6 RM101014 Milk Full Cream 50 244 250 368.625,00
7 RM101005 Shortening 75 1.580 1.650 457.534,12
8 RM101011 Telur Ayam 100 483 500 204.575,34
Berikut adalah hasil perhitungan total biaya persediaan berdasarkan ukuran pemesanan yang dilakukan oleh perusahaan.
.
213
Tabel 22 Rekapitulasi ukuran pemesanan dan total biaya persediaan perusahaan.

Material Min Order Ukuran
NO Material EOQ TC (Rp)
Description (kg) Pemesanan
1 RM101001 Tepung Terigu 10.000 7.917 20.000 2.262.945,21
2 RM101024 Gula Pasir 100 1.967 1.000 600.167,47
3 RM221004 Filler Keju 100 689 1.000 887.454,12
4 RM221003 Filler Coklat 100 1.191 1.000 699.526,03
5 RM221018 Cheedar Cheese 80 268 160 614.885,27
6 RM101014 Milk Full Cream 50 244 250 368.625,00
7 RM101005 Shortening 75 1.580 750 578.879,15
8 RM101011 Telur Ayam 100 483 1.000 289.150,68
Berdasarkan hasil perhitungan EOQ kemudian dilakukan perhitungan percent loss bahan baku (% Loss RM) atau umumnya
dinamakan persediaan pengaman (safety stock) dan nilai titik pemesanan kembali (Reorder Point/ROP) untuk seluruh varian bahan
baku.
213
214
Tabel 23 Perhitungan % Loss bahan baku dan Reorder Point.
214
Demand Demand Lead Safety ROP
Material %
No Material / 42 hari / hari Time Stock unit
Description Loss
(D) (d) (hari) (kg) (kg)
1 RM101001 Tepung Terigu 49698 1183,28 2 4,00% 331 2698

2 RM101024 Gula Pasir 3872 92,2 3 3,00% 19 296
3 RM221004 Filler Keju 2085 49,65 7 4,00% 14 362
4 RM221003 Coklat Pasta 2715 64,63 7 4,00% 18 471
5 RM221018 Cheedar Cheese 504 12 14 4,00% 3 172
6 RM101014 Milk Full Cream 254 6,04 7 3,00% 1 44
7 RM101005 Shortening 2740 65,24 7 3,00% 14 471
8 RM101011 Telur Ayam 328 7,82 2 4,00% 2 18
215
Berikut adalah perhitungan MRP untuk bahan baku Tepung Terigu:
Tabel 24 Contoh perhitungan MRP tepung terigu
Tepung Safety Stock = 331

Persediaan Awal = 10000 kg = 1E+07 gram
Terigu kg
Lead Time =
2 hari
Period -1 0 1 2 3 4 5 6 7 8 9
Gross
1.207 1.382 1.183 1.299 1.255 1.269 1.265 1.168 1.269
Requirement
Inventory 10000 8.793 7.411 6.228 4.929 3.674 2.405 1.140 9.972 8.702
Net - - - - -
-8.793 -6.228 -2.405 28
Requirement 7.411 4.929 3.674 1.140 8.702
Planned
Order 0 0 0 0 0 0 0 10000 0
Receipt
Planned
Order 0 0 0 0 0 0 10000 0 0 0
Release
215
216
Untuk mengendalikan persediaan bahan baku, diusulkan pendekatan Continuous Review

System dengan mempertimbangkan Stock Opname untuk item bahan baku kelas A
dimana untuk PT NIC, kegiatan ini dilakukan setiap hari. Selain itu, model ini juga
mempertimbangkan output jadwal induk produksi (MPS). Dengan dilakukannya
pendekatan ini, apabila terjadi gangguan internal sistem produksi, dapat diketahui
apakah perlu dilakukan penyesuaian atas MRP yang telah dibuat. Contoh
perhitungannya dapat dilihat untuk contoh bahan baku Tepung Terigu berikut ini.
Tabel 25 Output MPS

Output Jadwal Induk Produksi Roti (bungkus)
Hari ke- X1 X2 X3 X4 X5 X6
(RTS) (RTG) (ICK) (IKJ) (TOC) (RKJ)
1 3865 2905 1153 0 337 683
2 2674 2747 2004 35 269 410
3 2909 2776 2532 225 598 334
4 2776 2532 225 598 610 328
5 3578 2257 8 144 176 81
217
Tabel 26 Perhitungan kebutuhan bahan baku sesuai MPS hari ke-1

Bahan Baku
Produk Roti Terigu Gula Pasir Shortening Telur Full Cream Coklat Pasta Keju Cheddar Cheese
RTS 949707,80 51791,00 62767,60 0,00 0,00 0,00 0,00 0,00
RTG 522667,60 29079,05 34918,10 0,00 0,00 0,00 0,00 0,00
ICK 41277,40 7436,85 0,00 1095,35 864,75 26519,00 0,00
IKJ 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
TOC 17204,20 8694,60 0,00 1280,60 1011,00 31004,00 0,00
RKJ 62241,79 14138,10 0,00 5190,80 3824,80 0,00 20490,00 16392,00
Gross
Requirement_MP 1593098,79 111139,60 97685,70 7566,75 5700,55 57523,00 20490,00 16392,00
S hari-1 (gr)
Gross
Requirement_MP 1593,10 111,14 97,69 7,57 5,70 57,52 20,49 16,39
S hari-1 (kg)
217
218
Tabel 27 Perhitungan pengendalian persediaan bahan baku tepung terigu.
Tepung Terigu
ROP (gr) = 2698000 Lead Time (hari) = 2 Q (gram )= 10.000.000
1
Hari Gross Beginning Ending Stock Order Sched.
ke- Req. OH OH Opname Revised Receipt
0 1,00E+07
1 1593099 1,00E+07 8406901 8400000 0
2 1300176 8400000 7099824 7000000 0
3 1429029 7000000 5570971 5000000 0 0
4 1284382 5000000 3715618 3715000 0 0
5 1323292 3715000 2391708 2490000 0 0
6 2490000 0
7 0
219
MODEL PENJADWALAN FLOWSHOP

Berdasarkan output model Master Production Scheduling (MPS) diperoleh item produk
yang akan diproduksi per-hari selama 7 hari seperti yang terlihat pada tabel berikut :
Tabel 28 Permintaan produk roti hari ke 1 - 5
Produk Roti
Periode RTS RTG ICK IKJ TOC RKJ
Hari-1 3865 2905 1153 0 337 683
Hari-2 2674 2747 2004 35 269 410
Hari-3 2909 2776 2532 225 598 334
Hari-4 2776 2532 225 598 610 328
Hari-5 3578 2257 8 144 176 81
Terdapat dua lini produksi yang akan menghasilkan roti tawar (RTS dan RTG) dimana
sudah terdapat ketentuan pembagian batch sesuai dengan kebutuhan adonan roti, seperti
yang terlihat pada tabel berikut.
Tabel 29 Ukuran batch produk roti.
Produk Roti Ukuran batch (unit)

RTS 225 250 180
RTG 175 200
IKJ,ICK 40 50 60
TOC 40 50 60 70 140
RKJ 40 50 60
220
Sebagai contoh perhitungan, akan dilakukan perhitungan penjadwalan lini produksi roti tawar dengan menggunakan metode Genetic
220
Algorithm. Berdasarkan data output MPS hari ke-1 untuk produk RTS dan RTG, ditentukan hasil penjadwalan batch sebagai berikut :
Tabel 30 Job pada lini 1 dan lini 2 roti tawar.
Lini 1 Roti Tawar

RTS RTS RTS RTS RTS RTS RTS RTS RTG RTG RTG RTG RTG RTG RTG RTG RTG
250 250 250 250 250 250 250 225 200 200 200 200 200 200 175 175 175
Lini 2 Roti Tawar

RTS RTS RTS RTS RTS RTS RTS RTS RTG RTG RTG RTG RTG RTG RTG RTG
250 250 250 250 250 250 225 180 200 200 200 200 200 200 175 175
221
Batch roti tersebut akan dikerjakan pada lini roti tawar sesuai dengan kebutuhan waktu
sebagai berikut :
Tabel 31 Waktu proses lini roti tawar.
No. Stasiun Kerja Waktu (detik) per-unit

1 Penimbangan 13,734
2 Mixing Sponge 2,681
3 Fermentasi 16,786
4 Mixing Dough 3,432
5 Floor Time 2,198
6 Dividing 8,556
7 Rounder 8,284
8 Intermediate Proofing 3,330
9 Pressing 18,621
10 Make Up 20,535
11 Panning 20,778
12 Racking 1,270
13 Final Proofing 12,953
14 Baking 7,298
15 Cooling 9,003
16 Slicing 14,538
17 Sortasi 14,538
18 Packaging 15,732
Total waktu 194,267
Pada penjelasan operasional model, akan dilakukan penjelasan perhitungan dengan

menggunakan data job pada Lini 1 Roti Tawar. Hasil perhitungan kebutuhan waktu
proses pengerjaan job pada Lini 1 Roti Tawar adalah sebagai berikut :
222
Tabel 32 Hasil perhitungan kebutuhan waktu proses pengerjaan job pada lini 1 roti tawar.
222
Job
(Ji) M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 M13 M14 M15 M16 M17 M18
1 3433,5 670,2 4196,5 858 549,5 2139 2071 832,5 4655,2 5133,7 5194,5 317,5 3238,2 1824,5 2250,7 3634,5 3634,5 3933
2 3433,5 670,2 4196,5 858 549,5 2139 2071 832,5 4655,2 5133,7 5194,5 317,5 3238,2 1824,5 2250,7 3634,5 3634,5 3933
3 3433,5 670,2 4196,5 858 549,5 2139 2071 832,5 4655,2 5133,7 5194,5 317,5 3238,2 1824,5 2250,7 3634,5 3634,5 3933
4 3433,5 670,2 4196,5 858 549,5 2139 2071 832,5 4655,2 5133,7 5194,5 317,5 3238,2 1824,5 2250,7 3634,5 3634,5 3933
5 3433,5 670,2 4196,5 858 549,5 2139 2071 832,5 4655,2 5133,7 5194,5 317,5 3238,2 1824,5 2250,7 3634,5 3634,5 3933
6 3433,5 670,2 4196,5 858 549,5 2139 2071 832,5 4655,2 5133,7 5194,5 317,5 3238,2 1824,5 2250,7 3634,5 3634,5 3933
7 3433,5 670,2 4196,5 858 549,5 2139 2071 832,5 4655,2 5133,7 5194,5 317,5 3238,2 1824,5 2250,7 3634,5 3634,5 3933
3090,1
8 603,2 3776,8 772,2 494,5 1925,1 1863,9 749,2 4189,7 4620,3 4675 285,7 2914,4 1642 2025,6 3271 3271 3539,7
9 2746,8 536,2 3357,2 686,4 439,6 1711,2 1656,8 666 3724,2 4107 4155,6 254 2590,6 1459,6 1800,6 2907,6 2907,6 3146,4
10 2746,8 536,2 3357,2 686,4 439,6 1711,2 1656,8 666 3724,2 4107 4155,6 254 2590,6 1459,6 1800,6 2907,6 2907,6 3146,4
11 2746,8 536,2 3357,2 686,4 439,6 1711,2 1656,8 666 3724,2 4107 4155,6 254 2590,6 1459,6 1800,6 2907,6 2907,6 3146,4
12 2746,8 536,2 3357,2 686,4 439,6 1711,2 1656,8 666 3724,2 4107 4155,6 254 2590,6 1459,6 1800,6 2907,6 2907,6 3146,4
13 2746,8 536,2 3357,2 686,4 439,6 1711,2 1656,8 666 3724,2 4107 4155,6 254 2590,6 1459,6 1800,6 2907,6 2907,6 3146,4
14 2746,8 536,2 3357,2 686,4 439,6 1711,2 1656,8 666 3724,2 4107 4155,6 254 2590,6 1459,6 1800,6 2907,6 2907,6 3146,4
15 2403,4 469,1 2937,5 600,6 384,6 1497,3 1449,7 582,7 3258,6 3593,6 3636,1 222,2 2266,7 1277,1 1575,5 2544,1 2544,1 2753,1
16 2403,4 469,1 2937,5 600,6 384,6 1497,3 1449,7 582,7 3258,6 3593,6 3636,1 222,2 2266,7 1277,1 1575,5 2544,1 2544,1 2753,1
17 2403,4 469,1 2937,5 600,6 384,6 1497,3 1449,7 582,7 3258,6 3593,6 3636,1 222,2 2266,7 1277,1 1575,5 2544,1 2544,1 2753,1
223
Dalam penjadwalan urutan pengerjaan batch roti tawar pada lini roti tawar,
diusulkan pemanfaatan model Genetic Algorithm Flow Shop (GAFS) sesuai dengan
karakteristik proses produksi pada industri pangan umumnya serta pada pada PT NIC
khususnya. Sesuai dengan kebutuhan penyelesaian penjadwalan dengan menggunakan
model GAFS, dikembangkan populasi awal meliputi dua populasi, dimana pada tiap
populasi masing-masing terdapat 10 kromosom. Dalam penentuan kromosom yang akan
mengalami proses cross over maupun mutasi, sebagai contoh akan digunakan angka
acak berdasarkan pendekatan LCG. Selain itu pendekatan LCG ini juga akan
dimanfaatkan untuk menentukan posisi gen pada tiap kromosom terpilih yang akan
mengalami proses cross over dan mutasi. Tahapan perhitungan di atas dilakukan
sebanyak n generasi sesuai dengan kebutuhan.
224
MODEL PENGENDALIAN GANGGUAN
Berikut adalah contoh gangguan yang terjadi dan kegiatan pengendalian gangguan yang
dilakukan
225
Tabel 33 Tabel kegiatan pengendalian gangguan
PERIODE 1
Sumber Aksi
Keteranga
No. Nama Gangguan Keyword Internal Sistem Produksi
S D Pengendalian n
ISP-1 ISP-2 ISP-3 ISP-4 ISP-5
Divider masih belum normal untuk
memotong adonan dimana hal ini Perbaikan
1 Divider √ Adonan
menyebabkan adonan masih sering teknik
double
Kadang sering tidak mengikat etiket
dengan sempurna dan hasil seal Perbaikan
2 Kwiklock √ √ Roti Tawar
terkadang miring, sehingga produk teknik
harus dirework.
Perbaikan
3 Silo eror pada mixer SB Silo √ Silo CKE
teknik
Telur di rejec sebanyak 20.215

kg yang merupakan telur sisa dari Sampaikan
4 tanggal 07/09/10 karenakan kondisinya Telur √ informasi pada Telur
yang tidak segar lagi(agak bau) dan leader RM
warnanya tampak coklat
Adonan
Water meter tinggi yaitu 11,5 dan
sampai selesai proses mixing suhu
water temperatur tetap masih tinggi dan Water Meter Perbaikan
5 √
mencapai 13,5 dimana hal ini Tinggi teknik
menyebabkan suhu adonan setelah di
mixing mencapai 27,9
225
226
226
PERIODE 1
Sumber Aksi
Keteranga
S D Pengendalian n
Water meter di area mixer WB sering

error, air yang di tranfer ke mixer tidak
sesuai dengan yang di display(lebih
Water Meter Perbaikan
6 banyak) dimana hal ini menyebabkan √ Adonan
Eror teknik
adonan menjadi lembek dan selama
perbaikan penambahan air di lakukan
secara manual oleh produksi
Perusahaan melakukan promosi Penyesuaian

7 penjualan karena tuntutan penambahan Demand Naik √ jumlah Umum
pabrik baru oleh share holder produksi
Jumlah karyawan dibawah kbthn

Supervisor
standard karena ijin atau alasan yang
Operator membantu
8 jelas & direncanakan sebelum √ Umum
Absen operator
ketidakhadiran, namun tidak
produksi
didapatkan karyawan pengganti
Hitung
kekurangan
Kesalahan penentuan jumlah produksi Kesalahan jumlah produk
9 √ Umum
oleh PPIC dikarenakan kelalaian Planning utk Revisi
MPS periode
berikutnya
227
PERIODE 1
Sumber Aksi
Keteranga
S D Pengendalian n
Hitung
kekurangan
Kesalahan penyampaian order oleh Kesalahan jumlah produk
10 √ Umum
point outlet Informasi utk Revisi
MPS periode
berikutnya
Periksa Stock
Opname RM
terkait -
siapkan
Keterlambatan pengiriman bahan baku
antisipasi
dikarenakan supplier mengalami
11 Supply RM √ perubahan Telur
hambatan untuk memperoleh bahan
item yang
baku berkualitas untuk diproduksi
diproduksi
bila RM
terkait blm
tersedia
RR4 roti banyak yang gosong pada
12 bagian bawah sehingga banyak yang √ Produk direjec RR4
dirijek
227
228
228
PERIODE 1
Sumber Aksi
Keteranga
S D Pengendalian n
RTS banyak yang bagian bawahnya

sobek dikarenakan pada saat RTS di
transfer dari cooling conveyor oven ke
Kesalahan Sampaikan
cooling conveyor packing posisinya
13 Operator √ informasi pada RTS
banyak yang berdempetan (tidak ada
Produksi Shift Leader
jarak) sehingga roti yang ada di cooling
conveyor mernimpa batas-batasnya dan
a
Kwiklok kadang tidak dapat mengikat

etiket dengan sempurna dimana hal ini Perbaikan
14 Kwiklock √ Kwiklock
menyebabkan produk banyak dirework teknik
dan di kwiklok manual
Kwiklok tidak mencetak dengan

sempurna sehingga roti banyak yang Perbaikan
tercecer, dan dimasukkan kedalam krat teknik
cooling.
Perbaikan
16 Hasil divider masih kadang dobel. Divider √ Umum
teknik
229
PERIODE 1
Sumber Aksi
Keteranga
S D Pengendalian n
Timbangan tepung (silo) error, tidak

sesuai dengan display, rata-rata
kelebihan tepung untuk spong dan
dough SB sekitar 20 - 45 kg dan hal Perbaikan
17 Timbangan √ Silo CKE
yang sama juga terjadi di line WB, teknik
selama perbaikan penimbangan tepung
dilakukan secara manual oleh RM dan
produksi
Perbaikan
18 Kwiklok tidak berfungsi Kwiklock √ Kwiklock
teknik
Item CCP dirijek sebanyak 219 Rejeck Produk

19 √ CCP
pcs karena permukaan atas pada pecah Produk Dirijeck
Perbaikan
Hasil cetak Kwiklok, harga dan exp
20 Kwiklock √ teknik Kwiklock
date kadang tidak jelas
berulang
Perbaikan
sering
dilakukan
Dividernya kadang tidak berfungsi
21 Divider √ tetapi masih Umum
dengan baik
sering rusak
(adonan sering
double)
Perbaikan Chiffon
22 Lampu Oven Chiffon mati Lampu Oven √
229
teknik
230
230
PERIODE 1
Sumber Aksi
Keteranga
S D Pengendalian n
Perbaikan
Humidity final proofing kadang Final
23 √ teknik Adonan
dibawah standar antara 40-47 % Proofing
berulang
Perbaikan
24 Mesin seal tidak dapat mengeseal etiket Mesin Seal √ Etiket
teknik
RH & Suhu ruang Final Proofing, Final Perbaikan

25 √ Umum
mencapai 94 % & 44ºC Proofing teknik
Buang RM
bermasalah,
Ditemukan Box yang berisi Raisin FG & RM
26 RM Raisin √ laporkan ke
diarea MIxer WB berlumut Raisin
leader untuk
ditindaklanjuti
Kwiklock tidak dapat berfungsi dengan Perbaikan
baik teknik
Krat cooling SB kurang sehingga Sudah di

28 beberapa item roti manis menggunakan Krat kurang √ informasikan Umum
krat tawar dan ditumpuk ke leader
Cutting tidak dapat memotong dengan Perbaikan

29 Cutting √ Umum
baik teknik
Print Inkjet eror (tdk dapat
Perbaikan
mengeprint), produk pukul 07.55 s.d.
30 Print Inkjet √ teknik Etiket
08.22 & 10.59 s.d. 11.17 di pack tanpa
berulang
kode produksi
Perbaikan
31 Slicer sering macet Slicer √ Umum
teknik
231
PERIODE 1
Sumber Aksi
Keteranga
S D Pengendalian n
Sering ditemukan logam, umumnya Sampaikan

Detector
32 sisa dari clening mesin (oli) & loyang √ informasi pada Umum
Logam
(scotbrigh) Shift Leader
CCP di rejec di karenakan pada bagian

permukaanya banyak
yang retak sebanyak 149 pcs, Produk
33 √ Produk dirijek CCP
disebabkan pada saat proses mixing BJ Rejeck
dari adonan ccp adalah 0.36 (agak
kental)
Perbaikan
34 Mesin Slicer putus Slicer √ Umum
teknik
Mesin seal tidak dapat bekerja dengan
Perbaikan
35 baik (macet), selama perbaikan coolong Mesin Seal √ Umum
teknik
conveyor dimatikan.
231
232
Tabel 34 Sumber gangguan
Kode
Nama Sumber Keterangan
Sumber
Internal Sistem
ISP-1 Raw Material
Produksi
Internal Sistem
ISP-2 Mesin
Produksi
Internal Sistem
ISP-3 Operator
Produksi
Internal Sistem
ISP-4 Energi
Produksi
Internal Sistem
ISP-5 Kebijakan/Metode/Budaya/Teknologi/Lingkungan
Produksi
S Supply Supply
D Demand Demand
Sebagai contoh, akan digunakan data gangguan berdasarkan sub model sebelumnya,
sebagai berikut :
233
Tabel 35 Penentuan kebijakan lanjutan pengendalian gangguan.
Sumber Skala
Keyword Internal Sistem Produksi Tingkat Dampak Follow Up PIC
S D Frekuensi
ISP-1 ISP-2 ISP-3 ISP-4 ISP-5 Keparahan Gangguan
Divider ? 2 2 2 Tidak
Kwiklock ? ? 3 2 1 Ya Div PPIC dan Div Maintenance
Telur ? 1 3 2 Tidak
Water Meter ? 1 1 1 Tidak
Demand Naik ? 1 1 1 Tidak
Operator Absen ? 1 1 1 Tidak
Kesalahan Planning ? 1 2 1 Tidak
Kesalahan Informasi ? 1 1 1 Tidak
Supply RM ? 1 2 2 Tidak
Kesalahan Oprt Produksi ? 1 1 1 Tidak
Timbangan ? 1 2 2 Tidak
Reject Produk ? 1 1 1 Tidak
Lampu Oven ? 1 1 2 Tidak
Final Proofing ? 1 1 2 Tidak
Mesin Seal ? 2 1 1 Tidak
Krat Kurang ? 1 1 1 Tidak
RM Raisin ? 1 1 1 Tidak
Cutting ? 1 1 2 Tidak
Print Inkjet ? 2 1 1 Tidak
Slicer ? 1 2 2 Tidak
Detector Logam ? 1 2 2 Tidak
Bauran Pemasaran ? 1 1 2 Tidak
Retur ? 2 1 2 Tidak
?
233
Order FG Mendadak 1 1 1 Tidak
Kualitas RM ? 1 1 3 Tidak
SL Supplier ? 1 1 1 Tidak
234
234
Sebagai contoh perhitungan penyesuaian nilai % Loss dapat dilihat tabel berikut :
Tabel 36 Input data untuk perhitungan perubahan % Loss.
Pengaruh Pengaruh
Sumber
nya pada nya pada FG RM
Keywo Terkait Terkait
No. Nama Gangguan
rd % Loss % Loss
Internal Sistem Produksi
S D FG RM
ISP-1 ISP-2 ISP-3 ISP-4 ISP-5 ↓ ↑ ↓ ↑
Divider masih belum normal
untuk memotong adonan
1 Divider √ 0 3 0 3 Umum Umum
dimana hal ini menyebabkan
adonan masih sering double
Kadang sering tidak mengikat
etiket dengan sempurna dan
Kwiklo RTS,
2 hasil seal terkadang miring, √ √ 0 4 0 4 Umum
ck RTG
sehingga produk harus
dirework.
Tepung
3 Silo eror pada mixer SB Silo √ 0 5 0 3 Umum
Terigu
Telur di reject sebanyak 20.215
kg yang merupakan telur
sisa dari tanggal 07/09/10
4 Telur √ 0 1 0 3 Umum Telur
karenakan kondisinya yang
tidak segar lagi(agak bau) dan
warnanya tampak coklat
235
Pengaruh Pengaruh
Sumber
No. Nama Gangguan
rd % Loss % Loss
S D FG RM
Water meter tinggi yaitu 11,5
dan sampai selesai proses
mixing suhu water temperatur
Water
tetap masih tinggi dan
5 Meter √ 0 2 0 2 Umum Umum
mencapai 13,5 dimana hal ini
Tinggi
menyebabkan suhu adonan
setelah di mixing mencapai
27,9
Water meter di area mixer WB

sering error, air yang di tranfer
ke mixer tidak sesuai dengan
yang di display(lebih banyak) Water
6 dimana hal ini menyebabkan Meter √ 0 2 0 3 Umum Umum
adonan menjadi lembek dan Eror
selama perbaikan penambahan
air di lakukan secara manual
oleh produksi
Perusahaan melakukan promosi

penjualan karena tuntutan Deman
7 √ 0 4 0 4 Umum Umum
penambahan pabrik baru oleh d Naik
share holder
235
236
236
Pengaruh Pengaruh
Sumber
No. Nama Gangguan
rd % Loss % Loss
S D FG RM
Jumlah karyawan dibawah

kbthn standar karena ijin atau
alasan yang jelas & Operato
8 √ 0 0 0 0 Umum Umum
direncanakan sebelum r Absen
ketidakhadiran, namun tidak
didapatkan karyawan pengganti
Kesalah
Kesalahan penentuan jumlah
an
9 produksi oleh PPIC √ 0 1 0 1 Umum Umum
Plannin
dikarenakan kelalaian
g
Kesalah
Kesalahan penyampaian order an
10 √ 0 1 0 1 Umum Umum
oleh point outlet Informa
si
Keterlambatan pengiriman
bahan baku dikarenakan
Supply
11 supplier mengalami hambatan √ 0 0 0 3 Umum Telur
RM
untuk memperoleh bahan baku
berkualitas untuk diproduksi
Roti ICK banyak yang gosong
12 pada bagian bawah sehingga √ 0 2 0 1 ICK Umum
banyak yang dirijek
237
Pengaruh Pengaruh
Sumber
No. Nama Gangguan
rd % Loss % Loss
S D FG RM
RTS banyak yang bagian
bawahnya sobek dikarenakan
pada saat RTS di transfer dari Kesalah
cooling conveyor oven ke an
cooling conveyor packing Operato
13 √ 0 2 0 1 RTS, Umum
posisinya banyak yang r
berdempetan (tidak ada jarak) Produk
sehingga roti yang ada di si
cooling conveyor mernimpa
batas-batasnya dan a
Kwicklock kadang tidak dapat

mengikat etiket dengan
sempurna dimana hal ini Kwiklo RTS,R Kwikloc
14 √ 0 0 0 2
menyebabkan produk banyak ck TG k
dirework dan di kwiklok
manual
Kwicklock tidak mencetak
dengan sempurna sehingga roti
Kwiklo RTS,R Kwikloc
15 banyak yang tercecer, dan √ 0 1 0 2
ck TG k
dimasukkan kedalam krat
cooling.
Hasil divider masih kadang RTS,R
16 Divider √ 0 2 0 2 Umum
dobel. TG
237
238
238
Pengaruh Pengaruh
Sumber
No. Nama Gangguan
rd % Loss % Loss
S D FG RM
Timbangan tepung (silo) error,

tidak sesuai dengan display,
rata-rata kelebihan tepung
untuk spong dan dough SB
Timban Tepung
17 sekitar 20 - 45 kg dan hal yang √ 0 1 0 0 Umum
gan Terigu
sama juga terjadi di line WB,
selama perbaikan penimbangan
tepung dilakukan secara
manual oleh RM dan produksi
RTS,
Kwiklo Kwikloc
18 Kwicklock tidak berfungsi √ 1 0 2 RTG,R
ck k
KU
Item IKJ dirijek sebanyak 219
Rejeck
19 pcs karena permukaan atas √ 0 2 0 2 ICK Umum
Produk
pada pecah
Hasil cetak Kwicklock, harga Kwiklo Kwikloc
20 √ 0 1 0 2 Umum
dan exp date kadang tidak jelas ck k
Dividernya kadang tidak
21 Divider √ 0 1 0 2 Umum Umum
berfungsi dengan baik
Lampu
22 Lampu Oven mati √ 0 0 0 0 Umum Umum
Oven
Humidity final proofing kadang Final
23 dibawah standar antara 40-47 Proofin √ 0 1 0 1 Umum Umum
% g
239
Pengaruh Pengaruh
Sumber
No. Nama Gangguan
rd % Loss % Loss
S D FG RM
Mesin seal tidak dapat Mesin
24 √ 0 1 0 2 Umum Etiket
mengeseal etiket Seal
RH & Suhu ruang Final Final
25 Proofing, mencapai 94 % & Proofin √ 0 0 0 0 Umum Umum
44ºC g
Ditemukan Box yang berisi
RM
26 Keju diarea MIxer √ 0 0 0 2 Umum Keju
Raisin
WB berlumut
RTS,
Kwiklock tidak dapat berfungsi Kwiklo Kwikloc
27 √ 0 1 0 2 RTG,R
dengan baik ck k
KU
Krat cooling SB kurang
sehingga beberapa item roti Krat
28 √ 1 0 0 0 Umum Umum
manis menggunakan krat kurang
tawar dan ditumpuk
Cutting tidak dapat memotong
29 Cutting √ 0 0 0 0 Umum Umum
dengan baik
Print Inkjet eror (tdk dapat
mengeprint), produk pukul
Print
30 07.55 s.d. 08.22 & 10.59 s.d. √ 0 1 0 0 Umum Etiket
Inkjet
11.17 di pack tanpa kode
produksi
31 Slicer sering macet Slicer √ 0 1 0 0 Umum Umum
239
240
240
Pengaruh Pengaruh
Sumber
No. Nama Gangguan
rd % Loss % Loss
S D FG RM
Sering ditemukan logam,
Detecto
umumnya sisa dari clening
32 r √ 0 0 0 0 Umum Umum
mesin (oli) & loyang
Logam
(scotbrigh)
RKJ di rejec di karenakan pada
bagian permukaanya banyak
yang retak sebanyak 149 pcs, Produk
33 √ 0 2 0 2 RKJ Umum
disebabkan pada saat proses Rejeck
mixing BJ dari adonan ccp
adalah 0.36 (agak kental)
34 Mesin Slicer putus Slicer √ 0 1 0 0 Umum Umum
Mesin seal tidak dapat bekerja
dengan baik (macet), selama Mesin
35 √ 0 1 0 0 Umum Umum
perbaikan coolong conveyor Seal
dimatikan.
Adanya permintaan yang
Deman
36 belum terpenuhi kebutuhannya √ 0 2 0 2 RKU Umum
d Naik
pada periode sebelumnya
Adanya perubahan selera
Deman
37 masyarakat yang memicu √ 0 3 0 3 RTG Umum
d Naik
permintaan produk roti
Bauran
Adanya rencana promosi pada
38 Pemasa √ 0 3 0 3 RTS Umum
periode berikutnya
ran
241
Pengaruh Pengaruh
Sumber
No. Nama Gangguan
rd % Loss % Loss
S D FG RM
Bauran
Adanya rencana penetrasi pasar
39 Pemasa √ 0 2 0 2 TOC Umum
atau penambahan pasar baru
ran
Dugaan kecenderungan
Deman
40 peningkatan permintaan item √ 0 1 0 1 RTS Umum
d Naik
tertentu
Adanya informasi dari
customer yang menyampaikan
Deman
41 keluhan mengenai kesulitan √ 0 1 0 1 RTG Umum
d Naik
memperoleh item produk
tertentu (suara pelanggan)
Adanya kebutuhan FG yang

belum terpenuhi, yang ditandai
dengan adanya peningkatan
Varians
42 angka % variansi d √ 0 2 0 2 RTS Umum
id
(penyimpangan antara rencana
produksi output MPS dengan
aktual produksi )
241
242
2472
Pengaruh Pengaruh
Sumber
No. Nama Gangguan
rd % Loss % Loss
S D FG RM
Adanya kebutuhan FG yang
belum terpenuhi, yang ditandai
dengan adanya peningkatkan
angka %variansi e
Varians
43 (penyimpangan antara waktu √ 0 2 0 2 RTS Umum
ie
target penyelesaian produksi
output Penjadwalan Flowshop
Genetic Algorithm dengan
makespan produksi actual)
Adanya % produk yang tidak

RKJ,
44 terjual sehingga menyebabkan Retur √ 1 0 1 Umum
TOC
retur
Adanya kondisi internal sistem
produksi dimana terjadi
kecenderungan penurunan Ganggu
45 0 0 0 0 Umum Umum
kejadian-kejadian gangguan an ISP
yang bisa menurunkan jumlah
produksi

berlebih dikarenakan adanya :
peningkatan angka %variansi
a (penyimpangan antara Varians
46 √ 2 0 2 0 RKJ Umum
Purchase Order (PO) item ia
produk hasil prakiraan
permintaan (DM – ANN)
dengan Aktual Penjualan)
243
Pengaruh Pengaruh
Sumber
No. Nama Gangguan
rd % Loss % Loss
S D FG RM
berlebih dikarenakan adanya
peningkatan % variansi f RTS,
Varians
47 (penyimpangan antara rencana √ 1 0 1 0 ICK, Umum
if
distribusi sesuai pesanan RO IKJ
dan FO dengan penerimaaan
aktual distribusi)

berlebih dikarenakan adanya
peningkatan % variansi g RTS,
Varians
48 (penyimpangan antara waktu √ 1 0 1 0 ICK, Umum
ig
tempuh jalur distribusi output IKJ
Genetic Algorithm dengan
aktual waktu tempuh distribusi)
Adanya kebutuhan RM yang

supply-nya belum terpenuhi
pada periode sebelumnya (à
diperoleh dari analisis bagian
purchasing dan gudang RM Varians
49 √ 0 0 0 1 Umum Umum
dengan mempertimbangkan ib
adanya : % variansi b
(penyimpangan antara PO
bahan baku ke supplier dengan
aktual penerimaan bahan baku
243
244
244
Pengaruh Pengaruh
Sumber
No. Nama Gangguan
rd % Loss % Loss
S D FG RM
Adanya penurunan
ketersediaan jumlah RM yang
tidak direncanakan yang
ditandai dengan adanya
kecenderungan peningkatan % Varians
50 √ 0 0 0 1 Umum Umum
variansi c (penyimpangan ic
antara jumlah persediaan bahan
baku hasil perhitungan MRP
dengan aktual Stock Opname
bahan baku.)
Terjadinya kecenderungan Kualita

51 √ 0 0 1 Umum Umum
penurunan kualitas RM terkait s RM
Order
Adanya kecenderungan
FG
52 peningkatan order mendadak √ 0 1 0 Umum Umum
Menda
atau sisipan.
dak
Adanya penurunan % service SL
53 level rata-rata oleh supplier Supplie √ 0 0 0 1 Umum Umum
RM terkait. r
Order
Adanya kecenderungan
FG
54 penurunan order mendadak √ 2 0 0 0 Umum Umum
Menda
atau sisipan.
dak
Adanya peningkatan % service SL
55 level rata-rata oleh supplier Supplie √ 0 0 2 0 Umum Umum
RM terkait. r
245
Pengaruh Pengaruh
Sumber
No. Nama Gangguan
rd % Loss % Loss
S D FG RM
Adanya kondisi internal sistem
produksi yang menyebabkan
terjadinya penurunan kejadian- Kualita
56 0 0 1 0 Umum Umum
kejadian gangguan yang bisa s RM
menurunkan ketersediaan
jumlah RM
Adanya peningkatan
ketersediaan jumlah RM yang
tidak sesuai dengan rencana
yang ditandai dengan adanya
kecenderungan penurunan % Varians
57 √ 0 0 1 0 Umum Umum
variansi c (penyimpangan ic
antara jumlah persediaan bahan
baku hasil perhitungan MRP
dengan aktual Stock Opname
bahan baku.)
245
246
Tabel 37 Contoh perhitungan % Loss bahan baku (RM) dan % Loss produk jadi (FG)
% Loss Produk % Bahan

BAHAN BAKU TEPUNG TERIGU Jadi Baku
JUMLAH -- -- 9 52
∆ -- -- 43
RATA-RATA -- -- 0,75
% Loss Periode ini -- -- 3
% Loss Periode Berikutnya -- -- 3,75
% Loss Produk % Bahan

PRODUK JADI RTS Jadi Baku
JUMLAH 5 51 -- --
∆ 46 -- --
RATA-RATA 0,81 -- --
% Loss Periode ini 3 -- --
% Loss Periode Berikutnya 3,81 -- --

LAMPIRAN 5
PERHITUNGAN MENGGUNAKAN TEKNIK KLASIFIKASI UNTUK

PENENTUAN ATURAN KEPUTUSAN KEBIJAKAN LANJUTAN
PENGENDALIAN GANGGUAN
Untuk membentuk aturan keputusan yang mendukung Model Pengendalian Gangguan

khususnya sub model Kebijakan Lanjutan Pengendalian Gangguan, digunakan teknik
klasifikasi yang merupakan bagian dari pendekatan Data Mining. Dalam proses perhitungan
digunakan data hipotetik yang telah mengakomodasi seluruh kemungkinan keputusan untuk
kategori penentu keputusan sesuai tabel 38 berikut ini.
Tabel 38 Kategori gangguan dalam penentuan kebutuhan kebijakan lanjutan pengendalian

gangguan
Gangguan
Skala Frekuensi Tingk Keparahan Dampak
1 Jarang Ringan Tidak Berpotensi Mengganggu
2 Cukup Biasa saja Berpotensi Mengganggu
3 Sering Sangat Parah Sangat Berpotensi Mengganggu
Data keputusan untuk ke-3 kategori dapat dilihat pada tabel 39 berikut ini.
Tabel 39 Data keputusan kebutuhan Kebijakan Lanjutan Pengendalian Gangguan
Data Frekuensi Gangguan Tingkat Keparahan Gangguan Dampak Gangguan Keputusan

1 2 1 2 Tidak
2 3 1 1 Tidak
3 1 1 1 Tidak
4 2 2 1 Tidak
5 1 1 3 Tidak
6 2 1 1 Tidak
7 1 3 3 Tidak
8 1 3 1 Tidak
9 1 1 1 Tidak
10 2 1 3 Tidak
11 3 3 2 Ya
12 1 1 2 Tidak
13 1 2 2 Tidak
14 3 2 2 Ya
15 2 3 3 Ya
16 2 2 1 Tidak
17 2 3 2 Ya
18 3 2 2 Ya
19 3 3 3 Ya
20 3 1 3 Tidak
21 3 3 3 Ya
22 2 3 1 Tidak
23 1 3 2 Tidak
24 2 1 3 Tidak
25 3 1 3 Tidak
26 1 2 2 Tidak
27 2 1 3 Tidak
28 3 3 3 Ya
29 1 3 3 Tidak
30 1 1 1 Tidak
31 2 2 3 Ya
32 3 2 2 Ya
33 2 3 3 Ya
34 1 1 2 Tidak
35 2 3 2 Ya
36 1 2 3 Tidak
37 1 3 1 Tidak
38 1 2 3 Tidak
39 2 3 2 Ya
40 3 2 2 Ya
Mula-mula dilakukan perhitungan jumlah keputusan untuk tiap kategori, dimana
hasil perhitungan akan menjadi dasar penentuan percabangan pohon keputusan.
Tabel 40 Keputusan Kategori Frekuensi
Komponen Keputusan Jumlah Q1 0

1 Tidak 15 Q2 0,98523
1 Ya 0 Q3 0,67937
2 Tidak 8 E 0,53166
2 Ya 6
3 Tidak 3
3 Ya 8
Tabel 41 Keputusan Kategori Keparahan
Komponen Keputusan Jumlah Q1 = 0

1 Tidak 14 Q2 = 0,99403
1 Ya 0 Q3 = 0,97095
2 Tidak 6 E= 0,63746
2 Ya 5
3 Tidak 6
3 Ya 9
Tabel 42 Keputusan Kategori Dampak\
Komponen Keputusan Jumlah Q1 = 0

1 Tidak 10 Q2 = 0,98523
1 Ya 0 Q3 = 0,95443
2 Tidak 6 E= 0,7266
2 Ya 8
3 Tidak 10
3 Ya 6
Berdasarkan hasil perhiungan di atas, dipilih kategori Frekuensi yang memiliki nilai
enthropy minimum. Untuk kategori Frekuensi, pada tabel terlihat bahwa kategori Frekuensi
untuk sub kategori Jarang dan sub kategori Cukup didominasi oleh keputusan Tidak, maka
ke-2 sub kategori ini menjadi cabang dengan output keputusan Tidak dan berikutnya tidak
akan dilanjutkan percabangannya.
Untuk menentukan percabangan berikutnya dilakukan perhitungan tabulasi silang

untuk Kategori terpilih dengan Kategori lainnya yaitu antara Kategori Frekuensi Sering dan
Kategori Keparahan juga tabulasi silang antara Kategori Frekuensi Sering dan Dampak
Keparahan seperti yang terlihat pada tabel di bawah ini.
Tabel 43 Keputusan tabulasi silang Frekuensi Sering - Keparahan
Keparahan Keputusan Jumlah

1 Tidak 3 Q1 = 0
1 Ya 0 Q2 = 0
2 Tidak 0 Q3 = 0
2 Ya 4 E= 0
3 Tidak 0
3 Ya 4
Tabel 44 Keputusan tabulasi silang Frekuensi Sering – Dampak
Dampak Keputusan Jumlah

1 Tidak 1 Q1 = 0
1 Ya 0 Q2 = 0
2 Tidak 0 Q3 = 1
2 Ya 5 E= 0
3 Tidak 2
3 Ya 3
Hasil perhitungan enthropy menunjukkan nilai yang sama, maka dapat dipilih salah
satu diantaranya, yaitu Kategori Dampak yang tidak akan dilakukan perhitungan untuk
penentuan percabangan selanjutnya, dan yang akan dilakukan perhitungan untuk penentuan
percabangan berikutnya adalah Kategori Keparahan. Kategori Kaparahan didominasi oleh
keputusan Ya untuk sub kategori Sangat Parah dan sub kategori Biasa Saja serta keputusan
Tidak untuk sub kategori Ringan. Berikutnya dilakukan perhitungan untuk penentuan
percabangan dengan melakukan tabulasi silang antara kategori Keparahan – Sangat Parah
dan kategori Dampak.
Tabel Keputusan tabulasi silang Frekuensi Sering – Keparahan menunjukkan bahwa

kategori Frekuensi Sering dengan Tingkat Keparahan Ringan didominasi oleh keputusan
Tidak. Lanjutnya, Tabel Keputusan tabulasi silang Frekuensi Sering – Dampak menunjukkan
bahwa kategori Frekuensi Sering dengan Dampak tidak berpotensi didominasi oleh keputusan
Tidak.
Tabel 45 Keputusan tabulasi silang Keparahan – Sangat Parah dengan Dampak Gangguan
Keputusan
Dampak Gangguan Tidak Ya
Tidak Berpotensi 3 0
Biasa saja 1 4
Sangat Berpotensi 2 5
Berdasarkan tabel tabulasi silang di atas, dapat ditentukan bahwa cabang Frekuensi
Sering – Keparahan Sangat Parah dengan Dampak Biasa Saja dan dan Sangat Berpotensi
didominasi oleh keputusan Ya, sedangkan Dampak Tidak Berpotensi didominasi oleh
keputusan Tidak.
Uraian penjelasan berdasarkan perhitungan dengan menggunakan Teknik Klasifikasi

yang merupakan bagian dari pendekatan Data Mining membentuk aturan keputusan dalam
penentuan kebutuhan kebijakan lanjutan pengendalian gangguan. Gambar pohon keputusan
dan aturan keputusan yang terbentuk terlihat pada bab Pemodelan Sistem.

Lampjrjmjxsj

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Lampjrjmjxsj

Diunggah oleh

Hak Cipta:

Format Tersedia

LAMPIRAN 1

Data Proses Bisnis dan Proses Produksi PT NIC, Tbk.

Gambaran mengenai industri roti akan dijelaskan berupa ilustrasi

Gambar 67 Produk roti trawar Sari Roti..

Gambar 68 Produk roti isi coklat Sari Roti.

Proses bisnis di PT Nippon Indosari Corpindo (PT NIC) diawali dari

Departemen PPIC juga membuat perencanaan terhadap material yang dibutuhkan

Penerimaan Pesanan dari Pelanggan Departemen Sales

Penerimaan Data Order To Factory (OTF)

Pembuatan Jadwal Produksi

Penyerahan Produk Jadi ke Finish Food Warehouse (FGW)

Penerimaan Produk Jadi

Gambar 69 Proses bisnis perusahaan penghasil roti.

Gambar 70 Lantai produksi di PT NIC, Tbk,

1. Proses Kerja di Work Center Mixing.

2. Proses Kerja di Work Center Make Up.

e. Tahap Pembentukan Adonan (Moulding)

3. Proses Kerja di Work Center Baking.

sangat ditentukan oleh 2 hal, yaitu kestabilan tingkat suhu dan

4. Proses Kerja di Work Center Packing.

kemasan tetap terjaga dan tidak mudah rusak selama proses

Gambar 71 Lini produksi pengemasan roti tawar.

1 Perusahaan Penghasil Makanan Olahan Daging

b. Apakah ada model peramalan yg digunakan : kalau ada, model apa

c. Hal-hal apa saja yang dipertimbangkan dalam melakukan demand

d. Bagaimana prosedur penerimaan order dan cara memanage order

e. Apakah terdapat item produk jadi pangan yang dijual memiliki

tentu ada terkait dengan kapasitas inventory. Produk dengan

b. Bagaimana selama ini perusahaan membuat rencana produksinya ?

c. Apakah ada model atau metode khusus yang digunakan atau

d. Apakah dalam menentukan jumlah produksi sudah

3. Pemeriksaan Kapasitas Produksi : RCCP :

b. Apakah ada metode yang digunakan untuk pemeriksaan kapasitas

Tidak ada metode khusus.

4. Perencanaan Kebutuhan Bahan Baku : MRP :

b. Apakah ada metode Lotting (penentuan ukuran lot) tertentu yang

c. Apakah faktor safety stock sudah menjadi faktor pertimbangan

d. Apakah terdapat item bahan baku yang memiliki batasan umur ?

e. Apakah ada perjanjian kerjasama dengan supplier terkait dengan

5. Scheduling : apakah dilakukan secara heuristic atau ada model khusus,

6. Perencanaan Distribusi; penentuan rute pengiriman produk jadi ke

7. Production Input/Ouput Control : kriteria apa yang digunakan untuk

8. Dalam pelaksanaan kegiatan PPIC, banyak ketidakpastian dan gangguan

a. Gangguan/ketidakpastian PPIC apa saja yang dialami di

b. Selama ini, bagaimana pihak perusahaan mengendalikan atau

2. Perusahaan Penghasil Tepung Terigu

masing-masing wilayah dibagi lagi menjadi beberapa region. Masing-masing

b. Production Planning : apakah ada model khusus atau heuristic saja.

c. RCCP : apakah dilakukan untuk setiap hasil Master Prodution Schedule

d. MRP : apakah ada metode Lotting tertentu yang digunakan ?

e. Scheduling : apakah secara heuristic atau ada model khusus, misalnya

PPIC tidak menggunakan model khusus untuk menjadwalkan. Sederhana

f. DRP : apakah menggunakan metode atau model tertentu untuk optimasi ?

g. Input/Ouput Control : kriteria apa yang digunakan untuk mengevaluasinya ?

Gangguan yang dialami dan antisipasinya :

1. Ketidaktersediaan gandum dengan spesifikasi yang diinginkan. Gandum bisa

Antisipasi : dengan mencari gandum alternatif, pengaturan komposisi blending

2. Keterlambatan kedatangan kapal pembawa gandum. Bisa terjadi apabila ada

Antisipasi : melakukan pengaturan komposisi blending gandum, penghematan

3. Antrian kapal pembawa gandum. Terbalik dengan masalah keterlambatan

4. Supply kemasan tidaksesuai spesifikasi.

5. Produksi stop mendadak karena ada kerusakan.

Model Prakiraan Permintaan JST , Model Penentuan Urutan Job

Listing Program Jaringan Saraf Tiruan