net/publication/317064378
CITATIONS READS
0 2,692
1 author:
Rina Fitriana
Universitas Trisakti
31 PUBLICATIONS 53 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGINTEGRASIAN SISTEM PERSEDIAAN-PRODUKSIDISTRIBUSI View project
All content following this page was uploaded by Rina Fitriana on 23 May 2017.
Jurnal
Teknik Industri
JURNAL KEILMUAN TEKNIK INDUSTRI
Diterbitkan oleh :
JURUSAN TEKNIK INDUSTRI, FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS TRISAKTI
Jurnal TI Vol. 1 No.2 Halaman 125-223 Jakarta, Juli 2011 ISSN 1411-6340
ISSN 1411 - 6340
Jurnal
Teknik Industri
JURNAL KEILMUAN TEKNIK INDUSTRI
Jurnal Teknik Industri diterbitkan sejak bulan Oktober 2000 oleh Jurusan Teknik Industri, Fakultas
Teknologi Industri, Universitas Trisakti.
Terbit tiga kali dalam setahun yaitu Maret, Juli dan Nopember.
Redaksi menerima karangan ilmiah berupa hasil penelitian, survey dan telaah pustaka yang erat
kaitannya dengan Bidang Teknik Industri. Ketentuan penulisan naskah dapat dilihat pada halaman
belakang.
ISSN 1411 - 6340
Jurnal
Teknik Industri
JURNAL KEILMUAN TEKNIK INDUSTRI
Diterbitkan oleh :
Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Trisakti
Jurnal TI Vol. 1 No.2 Halaman 125-223 Jakarta, Juli 2011 ISSN 1411-6340
MODEL RENCANA PRODUKSI KACA OTOMOTIF
DENGAN METODE KLASIFIKASI ABC UNTUK
MENURUNKAN TINGKAT PERSEDIAAN
(Studi kasus di PT. ASAHIMAS Flat Glass, Tbk.)
Agus Ruhimat
Production Planning and Inventory Control Division, PT. ASAHIMAS Flat Glass, Tbk.
ABSTRACT
The paper discusses about the model of production plan for automotive glasses using the
ABC classification method to reduce the supply level. The step being taken in this research is to
classify each glass size based on each class and calculate the weight of primary factors
influencing the accumulation of supply in form of cash value, risk of under supply and accuracy
of estimate. The model of proposed production planning is based on the ABC classification
method, and the result could direct the planning officer to conduct the different handling of
supply for all glass sizes based on their actual condition. Using this model, we obtain the
realistic figure of supply level according to the needs and after being verified the figure can be
reduced and the model cab be applied.
In this paper, we also conduct case study in a main producer of automotive glass in
Indonesia, which is PT. AMG Tbk., which hereinafter is called AMG. AMG is a primary
producer for automotive glass in Indonesia with a market share accounting for more than 80%.
Currently, almost all automotive industries implement Lean concept which among other is
known as Kanban system where the incoming goods should exact, either in time and in the
quantity. AMG as the supplier of automotive glasses should anticipate the risk of under supply
because of the lack of estimate accuracy or reliability of the production process; so far the
production planning officer has set the policy in the supply level of 1,3 month in the end of the
current month for all glass sizes with average value of supply per month reaching 20 billions
rupiah. The figure is too big because it is the retained cash flow, so that the level of supply for
1.3 month should be reviewed.
Keywords: ABC classification, level of supply, production planning.
ANALISIS SISTEM
1.Analisis Kebutuhan
2.Formulasi Masalah
3.Identifikasi Sistem
Diagram Input-Output [A]
BISA DIAPLIKASIKAN
SELESAI
MASUKAN TERKENDALI:
MASUKAN TIDAK TERKENDALI:
1. Peramalan permintaan
1. Aktual permintaan
2. Tingkat Persediaan
2. Reability Process produksi
3. Design ukuran supply vs order
MODEL
PERENCANAAN PRODUKSI
Aktual
Permintaan
Akurasi peramalan
Nature
Industri Peramalan Rencana Diterima
Produksi Inventory
Otomotif Permintaan Produksi Konsumen
Kebijakan tingkat persediaan Nilai persediaan
Kritikalitas
Fisik
Data
Gambar 3. Continues System Persediaan
4.2. Sub model Kritikalitas (Service produksi dan pengiriman bisa dijadwal
Level) ulang, dan ada 204 ukuran kaca yang
pengirimannya bisa jadwal ulang baik di
Kritikalitas adalah seberapa besar
pabrik sendiri maupun di konsumen.
resiko yang akan terjadi bila terjadi
kekurangan pasokan ke konsumen. Kebalikan dengan kategori nilai uang
Komposisi pada kategori kritikalitas di atas, untuk kategori A petugas perencana
berbeda dengan nilai uang di atas, pada produksi sebaiknya memiliki persediaan
kategori ini terdapat 125 ukuran kaca yang yang aman untuk menghindari berhentinya
tidak boleh terjadi kekurangan supply atau proses produksi di konsumen.
harus 100% (A), selanjutnya ada 95 ukuran
kaca yang bilamana persediaan kurang akan
mengakibatkan pabrik perubahan jadwal
Terlihat bahwa ada sejumlah 152 fenomena Bullwip yaitu sebuah kondisi
ukuran kaca yang memiliki penyimpangan dimana persediaan di proses selanjutnya
± 5% atau kategori A, 41 ukuran kaca akan terus membesar dibandingkan
masuk kategori B, dan 231 ukuran kaca kebutuhan sesungguhnya atau kebalikannya
masuk kategori C. Petugas perencana malah terjadi kekurangan barang, Nilai
produksi harus memperhatikan ukuran kaca Persediaan 3 kali lebih penting; seperti
yang memiliki akurasi tidak baik, semakin yang telah dijelaskan pada tujuan penelitian
tinggi persediaan maka akan semakin aman ini, dan Kritikalitas 2 kali.
dari fluktuasi peramalan. Kebalikannya
Walaupun kritikalitas bobotnya ada di
untuk akurasi yang baik (kelas A) maka
bawah akurasi namun sudah diamankan
persediaan bisa diturunkan seminimal
oleh adanya cycle-stock 1,0 bulan. Artinya
mungkin.
jika Reliability process tidak baik sehingga
ukuran kaca tertentu baru bisa diproduksi
Menentukan Kombinasi 3 Faktor Utama diakhir bulan maka perusahaan sudah
memiliki persediaan pengaman. Oleh
Ketiga sub model tersebut perlu
karena kebijakan persediaan perusahaan
diformulasikan untuk menghasilkan sebuah
maksimal 1,3 bulan maka angka tersebut
angka tunggal mengenai status tiap ukuran
dijadikan batas maksimal, sementara batas
kaca, caranya dengan dilakukan
minimalnya adalah 1,0 bulan atau tanpa
pembobotan untuk tiap sub model. Bobot
persediaan pengaman. Berikut data
Akurasi Peramalan adalah 5 kali lebih
pembagian target tingkat persediaan dan
penting karena ini merupakan sumber
bobot untuk tiap sub model (faktor utama):
utama dari kesalahan dalam perbuatan
rencana produksi dan bisa mengakibatkan
Setiap ukuran kaca dapat dihasilkan statusnya dengan mengalikan Kategori (A, B, C) dengan
Bobotnya sbb:
Dari tabel di atas dapat terlihat bahwa tingkat persediaan tersebut lebih realistis
tingkat persediaan dapat bervariasi sesuai daripada dianggap sama untuk semua jenis
dengan faktor dominannya; tingkat ukuran kaca. Jika simulasi dijalankan
persediaan paling rendah dimiliki adalah terdapat penghematan uang sebesar 2,6
1,07 (BAC+, BCB-), dan lain-lain. Variasi Milyar Rupiah tiap bulannya.
ABSTRACT
Research related to the analysis of performance improvement (as used in a systematic
process to identify performance, determine the desired performance targets, and to determine
the priority of improvement at the sugar industry in Indonesia has not been done. This research
aims to produce a conceptual model that can be used to analyze the sugar industry performance
improvement. The model produced an integrated model to achieve the objectives of the analysis
phase of performance improvement. The resulting model consists of five sub-models : 1)
grouping, 2) performance measurement, 3) selection of the best performance, 4) analysis of best
practices, and 5) determination of priorities for improvement.
Keywords : conceptual model, analysis of performance improvement, sugar industry
ABSTRACT
The research builds an interactive game to help high school students in getting better
understanding of Industrial Engineering.. The game is about the flour production company
which process are procurement, production and sales, played by a team consisted of four
students. After design and construction phases, the game was tried in Tarakanita High school.
Using paired t-test for means, it is concluded that there is increasing grade in posttest value. It
means after playing the game ,students have better understanding about aspect that are
concerned in Industrial Engineering. Moreover, based on evaluation review, there are good
acceptances of the activities
Keywords: Industrial Engineering, Interactive Game, Logistic
Dalam menganalisis hasil pengujian alpha (α) 0.05. Oleh karena itu tolak H0 dan
hipotesis ini dilakukan, dengan terima H1, yang berarti kedua data berbeda
membandingkan P-value hasil pengujian secara signifikan. Karena uji ini dilakukan
dengan nilai kritis alpha (α) yang satu arah, maka dapat disimpulkan bahwa
digunakan yaitu 0.05. P-value atau P(T<t) H0 ditolak. Hasil (jumlah jawaban yang
merupakan kemungkinan |T hitung| lebih benar) sebelum melakukan permainan
kecil dari |t tabel|. Jika |T hitung| lebih besar lebih sedikit dari pada hasil (jumlah
dari |t tabel |, menunjukkan bahwa kedua jawaban yang benar) setelah melakukan
data berbeda. Sebaliknya jika |T hitung| permainan. Karena jumlah jawaban yang
lebih kecil dari |t tabel |, menunjukkan benar menunjukkan tingkat pemahaman
bahwa kedua data yang dibandingkan terhadap konsep keilmuan Teknik Industri,
adalah sama. terutama yang digunakan pada permainan
ini, maka terlihat bahwa terjadi peningkatan
Oleh karena itu jika P(T<t)
pemahaman dari para siswa setelah
mempunyai nilai kurang dari 0.05, berarti
melakukan permainan ini.
kemungkinan bahwa kemungkinan kedua
data yang dibandingkan adalah sama, 5.2. Analisis Respon Terhadap Kegiatan
adalah sangat kecil (lebih kecil dari nilai α Industrial Games
yang disyaratkan). Atau bisa dikatakan
Pada akhir kegiatan para siswa juga
bahwa perbedaan kedua data adalah bukan
dibagikan kuesioner yang digunakan untuk
karena kebetulan.
mengetahui respon siswa/i SMA terhadap
Oleh karena pada data ini nilai kegiatan Industrial Games yang diadakan.
P(T<t) adalah lebih kecil dari nilai alpha Tiap pertanyaan harus dijawab dengan
(α), yaitu 8.64661E05, lebih kecil dari nilai pendapat siswa terhadap item yang
Dari hasil 33 kuesioner yang terisi • Penambahan waktu untuk setiap sesi
dengan lengkap, disimpulkan bahwa secara (lelang gandum, produksi, dan tender
umum mereka menyambut positif terhadap gandum)
kegiatan ini. Siswa/i SMA setuju bahwa
metode permainan yang dilakukan dapat
lebih membantu untuk memahami ilmu 6. KESIMPULAN
khususnya Teknik Industri. Hal ini 1. Konsep dasar permainan ini merupakan
menunjukkan bahwa suatu metode kondisi sebuah perusahaan penghasil
permainan dapat lebih membantu dan tepung terigu yang pada prosesnya
mempermudah untuk mengenal dan terbagi menjadi tiga bagian besar yaitu
memahami suatu bidang ilmu dalam hal ini pembelian bahan baku atau gandum,
adalah bidang ilmu Teknik Industri. proses produksi tepung terigu dan
proses penjualan produk jadi yaitu
Kegiatan ini sendiri mendapat
tepung terigu. Dalam permainan ini
tanggapan yang baik dari pihak sekolah dan
beberapa mata kuliah Teknik Industri
siswa di SMA yang diadakan. Permainan
yang digunakan di antaranya
yang ada dianggap dapat lebih membantu
Perencanaan Produksi, Akuntansi dan
dan mempermudah untuk mengenal dan
Biaya, Analisis Keputusan,
memahami bidang ilmu khususnya Teknik
Pemrograman Linier serta ilmu
Industri. Dari feedback lisan juga diperoleh
manajerial.
beberapa masukan, antara lain :
2. Dalam permainan ini, dirancang untuk
• Penambahan animasi pada materi dapat merepresentasikan kondisi dalam
perlombaan sehingga terlihat lebih perusahaan dimana terdapat pembagian
menarik dan mengurangi kesan terlalu peran anggota tim yang berjumlah
serius empat orang yang dibagi menjadi
• Adanya mentor yang mendampingi tiap marketing and purchasing, production,
kelompok finance dan business analyst.
• Hadiah yang lebih besar jumlahnya 3. Berdasarkan hasil kuesioner dan
• Kegiatan lebih sering diadakan evaluasi pada saat uji coba yang telah
dilakukan, dapat diketahui bahwa
permainan ini cukup bermanfaat bagi
ABSTRACT
This paper was discussing about ISO 22000. ISO 22000 is an international standard that
defines the requirements of a food safety management system covering all organizations in the
food chain from “farm to table”. The standard combines generally recognized key elements to
ensure food safety along the food chain, including: interactive communication, system
management, control of food safety hazards through pre-requisite programmes and HACCP
plans, continual improvement and updating of the food safety management system. ISO
22000:2005 is also for companies seeking to integrate their quality management system, for
example ISO 9001:2000 and British Retail Consortium (BRC).
Keywords: ISO 22000, HACCP, ISO 9001:2000, British Retail Consortium
Gambar 1. Skema penerapan sistem keamanan pangan pada tiap tahap produksi
Sumber: Djaafaar, TF dan Siti Rahayu (2007)
ABSTRACT
Optimization problem is the complex and the most encountered problem in every aspect
of life. There are many ways and approaches to be done to achieve optimization solution, either
using linear, non-linear, discrete, or continuous function. However, for more complex problems,
usually the existing approaches fail to solve the optimization problem. Genetics algorithm is the
algorithm to solve optimization problem using natural selection approach. This algorithm is
commonly used to solve complex optimization problem; in addition, the use of genetics
algorithm is very flexible because it can be combined with other methods in its application.
Keywords: Optimization, genetic algorithm, model, simulation.
Gambar 2. Penjadwalan yang belum optimal dengan penambahan job baru-waktu yang tersedia.
Gambar 3. Penjadwalan yang sudah optimal dengan 6 job (5 job yang sudah ada + 1 job baru)
Setelah penjadwalan dengan algoritma genetika, diperoleh waktu simulasi yang paling minimal
seperti yang diperlihatkan pada Tabel 1 berikut.
ABSTRACT
A decision support system is a computerized information system, designed to support
business and organizational decision-making activities. Agroindustrial Supply Chain
Management (Agro-SCM) is the management of the entire set of production,
transformation/processing, distribution and marketing activities in agroindustry by which a
consumer is supplied with a desired product. Milk Processing Cooperation has a strategic role
to support the milk industry development in Indonesia. The purpose of this research is to make a
proposal supply chain decision support system of Milk Processing Cooperative X in West Java.
The first sub model is Sales and Purchase. The second sub model is a Quality Risk. Third sub
model is the Forecasting. The fourth sub model is Transportation. The Fift sub model is Supply
Chain Management. Validation and Verification of Decison Support System conducted through
case studies with empirical data in Milk Processing Cooperative X in West Java.
Keywords : Decision Support System, Agro-SCM, Milk Processing Cooperative
Korespondensi :
1
Rina Fitriana
E-mail : rinauda@yahoo.com
Manajemen rantai pasok produk rantai pasok pada umumnya. Selain lebih
pertanian berbeda dengan manajemen rantai kompleks, manajemen rantai pasok produk
pasok produk manufaktur karena: (1) pertanian juga bersifat probabilistik dan
produk pertanian bersifat mudah rusak, (2) dinamis.
proses penanaman, pertumbuhan dan
Berdasarkan konsep supply chain
pemanenan tergantung pada iklim dan
terdapat tiga tahapan dalam aliran material.
musim, (3) hasil panen memiliki bentuk dan
Bahan mentah didistribusikan ke
ukuran yang bervariasi, (4) produk
manufaktur membentuk suatu sistem
pertanian bersifat kamba sehingga produk
physical supply, manufaktur mengolah
pertanian sulit untuk ditangani (Austin,
bahan mentah, dan produk jadi
1992; Brown, 1994). Seluruh faktor
didistribusikan kepada konsumen akhir
tersebut harus dipertimbangkan dalam
membentuk sistem physical distribution.
desain manajemen rantai pasok produk
Aliran material tersebut dapat dilihat pada
pertanian karena kondisi rantai pasok
Gambar 2 (Arnold dan Chapman, 2004).
produk pertanian lebih kompleks daripada
Dari gambar di atas dapat diketahui pengolahan sehingga menjadi barang jadi
bahwa bahan mentah didistribusikan siap didistribusikan kepada konsumen
kepada pemasok dan pabrik melakukan melalui distributor. Aliran produk terjadi
Gambar 2. Konfigurasi Sistem Penunjang Keputusan Rantai Pasok Koperasi Pengolahan Susu
Transaksi
Data/informasi
penjualan dan
eksternal
pembelian
Tabel 1. Diagram FMEA Untuk Jenis Cacat Mutu Susu Kurang Baik
Jenis Pengaruh Frekuen Bobot RPN Tindakan Yang
No. Penyebab
Kegagalan Buruk si S O D SxOxD direkomendasikan
Diberikan Standar
Operating Procedur
Tingginya
Kandang, di tingkat peternak.
Dari petani kandungan
Tangan Sapi dimandikan,
1 mutu Susu bakteri Total Sering 5 5 5 125
manusia atau tangan pemerah
kurang baik Plate Control
Ember kotor dicuci sebelum
(TPC)
memerah susu,
ember dibersihkan.
Sapi diberi makanan
Dari petani Kurang konsentrat, anggota
Rendahnya
2 mutu Susu konsentrat Sering 4 5 5 100 koperasi mendapat
Total Solid
kurang baik makanan subsidi makanan
konsentrat
Susu yang
mengandung
Sapi diberi
Susu antibiotik diberi
Dari petani obat yang
3 mengandung Jarang 3 3 4 36 tanda agar
susu ditolak mengandung
antibiotik dipisahkan untuk
antibiotik
diberikan ke anak
sapi (pellet)
Segel yang
Sopir dan Sopir dan Kernet
Kualitas dipasang di
Kernet diberi sanksi mulai
susu rusak KPS rusak
4 kurang Jarang 3 3 3 27 dari SP I,II,III,
dari KPS ke sebelum
bertanggung dipotong honor
IPS sampai ke
jawab sampai dikeluarkan
IPS
Susu rusak Terlalu lama Penjadwalan Penjadwalan
5 Jarang 5 3 5 45
di jalan di jalan kurang baik diperbaiki
Yoghurt/
susu Susu tidak
Teknologi Teknologi
pasteurisasi tahan lama
6 pengemasan Sering 5 4 4 80 pengemasan
cepat rusak pada suhu
kurang baik diperbaharui
di tangan kamar
konsumen
Kurang
SDM kurang
terampil
Kualitas terampil Diadakan pelatihan
dalam
7 yoghurt dalam Jarang 2 2 3 12 pembuatan yoghurt
membuat
kurang baik membuat yang berkualitas
yoghurt yang
yoghurt
berkualitas
SDM kurang SDM kurang
Proses
terampil terampil Diadakan pelatihan
pembuatan
8 dalam dalam Jarang 4 4 4 64 untuk pegawai
kemasan
membuat memakai pengemasan
kurang rapi
kemasan teknologi
Nilai Resiko Mutu untuk Severity, Ocu- Contoh If Then Rule Resiko Mutu Susu
rance, Detectability (9 rule)
Nilai 1-3 = Rendah If Severity Tinggi, Occurance Tinggi,
Nilai 4-6 = Sedang Detectability Tinggi then Resiko Mutu Susu
Nilai 7-9 = Tinggi Tinggi
Berdasarkan hasil SPK Resiko Mutu adalah biner dapat diformulasikan sebagai
Koperasi Pengolahan Susu terbesar adalah berikut :
Sedang.
Minimasi Z =∑ ∑ !"
d. Sub Model Penjadwalan
Kumpulan kendala yang harus
Transportasi
diperhatikan adalah pengaturan jadwal agar
Penjadwalan transportasi susu segar satu jadwal dengan jadwal lainnya tidak
adalah upaya mengangkut seluruh hasil dari bentrok. Setiap truk hanya melakukan
petani susu dengan menggunakan colt kegiatan satu jadwal di setiap perjalanan
tangki yang berjumlah 24 dan setelah
∑ !" =1 a=1,2…,m; b=1,2,….n
melalui proses pendinginan di koperasi susu
segar dibawa ke IPS (Industri Pengolahan Pengaturan setiap truk dilakukan
Susu) dengan menggunakan Truk tangki untuk menjamin truk yang tersedia bertugas
yang berjumlah 14 buah. Penjadwalan di lokasi yang berbeda di lokasi yang
trasnportasi dilakukan dua kali sehari dan berbeda di awal penugasan
setiap hari. Tabel 2 adalah salah satu contoh
∑ !" <=1, a=1,2…,m; b=1,2,….n
hasil penugasan 24 colt tangki.
Jumlah penerimaan susu segar
Transportasi Agroindustri
(SUSU) dari petani harus diangkut
Agroindustri Susu adalah transportasi truk
seluruhnya dengan kapasitas Truk per unit
dari koperasi ke lokasi petani susu dengan
adalah sama untuk setiap truk.
menggunakan Colt Tangki dan dari
koperasi ke industri pengolahan susu Truk ∑∑ !" # =SUSU, c=1,2,….s
Tangki.
Kegiatan transportasi dilakukan
Fungsi obyektifnya adalah total jarak dalam satu kali trip sehingga perlu dijamin
tempuh yang minimimum. Jika jarak truk ditugaskan mengangkut panen pada
tempuh truk a pada perjalanan ke b dari lokasi sebelumnya yang belum diangkut.
koperasi ke lokasi panen c adalah xabc
∑∑∑ !" $ 1,
1,2, . .
dengan variabel-variabel keputusan yabc
ABSTRACT
Lean Manufacturing is an approach to make the system efficient using the waste
reduction. The approach is conducted by understanding the general picture of the company
using the flow of information and materials in the production floor by creating value stream
mapping. Lean Manufacturing is not only useful in the production floor; however it can be
implemented in various levels of company organization. However the simulation is a totally
different discipline which can support applications in other disciplines. Using the simulation,
the implementation process of Lean Manufacturing can be conducted precisely and result in
more alternative solutions in the production processes. Simulation has many types of tools, of
which the most popular one is the Pro Model. The tool tries to illustrate the model from the
actual production process by conducting several simulations until the optimum solution can be
achieved for the Lean Manufacturing.
Keywords: Lean Manufacturing, Waste, Value Stream Mapping, Simulation
Korespondensi :
Arie Respama Putra
E-mail : arierespama@yahoo.com
Penerapan Simulasi Pada Perusahaan Berbasis Lean (Arie Respama Putra) 181
Gambar 1. Simulasi dapat mengembangkan Lean dengan baik dan cepat
Promodel telah mengembangkan alat menciptakan nilai yang tepat untuk
khusus yang disesuaikan untuk metode pelanggan dengan kualitas yang lebih tinggi
lean, dan dapat membantu mewujudkan dan cacat lebih sedikit. Semua itu juga
potensi penuh dari lean pada seluruh didapat dengan mengurangi tenaga
perusahaan. Pada promodel ini, bisa diberi manusia, mengurangi ruang, mengurangi
gambaran lean diikuti dengan deskripsi modal, mengurangi waktu kerja dari pada
tentang bagaimana simulasi digunakan sistem industri tradisional. Tujuan utama
untuk meningkatkan kinerja lean. Melalui dari lean mengembangkan proses yang
prediksi pemodelan simulasi, waktu untuk bebas dari waste. Pemborosan (waste) atau
implementasi lean sangat berkurang dan muda didefinisikan oleh Shoichiro Toyoda
bentuk waste (perencanaan operasional pendiri Toyota sebagai sesuatu yang tidak
yang buruk, optimalisasi sumber daya) memberi nilai tambah kepada produk.
menjadi jauh lebih jelas. Simulasi dengan Dalam industri jasa, ini ditunjukkan dengan
promodel membuat perusahaan bisa sesuatu yang tidak memberikan nilai
menciptakan solusi inovatif untuk kepada layanan jasa pada perusahaan jasa.
menciptakan nilai tambah dan Taiichi Ohno, pelopor Toyota Production
menghilangkan limbah dengan bebas risiko. System (TPS) telah mengidentifikasi tujuh
bentuk dari waste di bidang manufaktur,
1.2. Tinjauan Lean
dan ini juga bisa berlaku untuk industri
Untuk memahami bagaimana jasa:
simulasi dapat membantu penerapan lean,
Over produksi
tentu perlu dipahami dulu konsep berpikir
Idle time : menunggu bahan, peralatan,
lean. Maka muncul pertanyaan “Apa yang
personil atau informasi
lean dapat lakukan dan apa saja yang
Transportasi : gerakan yang tidak perlu
dibutuhkan lean untuk mencapai
Kegiatan tanpa nilai tambah: kegiatan
tujuannya”. Bagaimana proses menjadi
tidak penting yang tidak memberi nilai
perusahaan lean dan apa arti dari
pada produk dan jasa
perusahaan lean? Semua pertanyaan ini
Kelebihan persediaan: terjadi karena
harus dijawab untuk mendapatkan
kelebihan produksi
gambaran yang memadai, untuk
Waste of motion : gerakan dalam proses
mengetahui apapun tentang lean. Berikut
yang tidak memberi nilai tambah pada
ini akan akan diberikan gambaran tentang
produk
lean, dan bagaimana simulasi digunakan
Produk cacat
untuk membantu mewujudkan potensi
penuh dari lean. Manfaat menggunakan lean manufacturing:
The Lean Enterprise Institute • Mengurangi waktu siklus
mendefinisikan lean sebagai suatu prinsip, • Mengurangi work in process (WIP)
praktek dan alat yang digunakan • Mengurangi biaya
Penerapan Simulasi Pada Perusahaan Berbasis Lean (Arie Respama Putra) 183
Ketika kesadaran akan waste menyebar ke awal yang sama, tapi kemudian memiliki
seluruh oraganisasi, orang akan secara pipa yang berbeda dan persyaratan
proaktif mencari perbaikan dan memastikan perakitan menggunakan campuran yang
berada pada jalur tujuan bisnis dan nilai berbeda. Industrial Engineering pada
terhadap pelanggan. Sebuah perusahaan perusahaan mempelajari dalam workshop
lean akan memberikan nilai maksimal lean untuk mengurangi batch produksi
kepada para stakeholders dengan konsumsi sehingga menghasilkan produktivitas yang
sumber daya yang tidak berlebihan. Lean besar. Setelah membuat perkiraan ukuran
pada dasarnya adalah tentang mencapai batch yang tepat, Industrial Engineering
hasil yang diinginkan dengan limbah tadi membangun sebuah model simulasi
minimal. dan menemukan bahwa dengan
menggandakan ukuran batch yang bisa
mencapai throughput 12% lebih tinggi dari
2. SIMULASI DAN LEAN perkiraan awal. Lebih lanjut ditemukan
Dengan pemahaman tentang prinsip bahwa dengan peningkatan ukuran batch
dasar lean yang baik di tingkat proses dan sebenarnya WIP jadi menurun.”
perusahaan, maka eksplorasi penerapan Analisis ini menghasilkan
simulasi dalam lean dapat dilakukan. keuntungan bagi perusahaan, sehingga
Simulasi menyediakan cara yang efektif perusahaan terhindar dari biaya sebesar
untuk mencapai tujuan dari lean pada $100.000. Gambaran di atas merupakan
berbagai tingkatan. Pada tingkatan lean satu contoh bagaimana simulasi telah
manapun, simulasi dapat membantu terbukti efektif dalam perencanaan strategis
mencapai potensi penuh dari lean, secara yang lebih taktis dalam perencanaan
cepat dan lebih baik. operasional. Dalam tahapan lean manapun
Contoh skenario penerapan simulasi berada, Promodel bisa membantu
adalah sebagai berikut : mempercepat perjalanan dan menghindari
rintangan-rintangan yang tidak terduga.
“Sebuah produsen membuat tiga
model berbeda dari kolam air panas,
masing-masing dengan berbagai tuntutan.
Semua model memiliki beberapa operasi
Penerapan Simulasi Pada Perusahaan Berbasis Lean (Arie Respama Putra) 185
informasi dari kanan ke kiri. Idenya adalah aktivitas dasar seperti waktu siklus. Setelah
tidak hanya memahami urutan aliran VSM dirancang, maka dilakukan analisa di
material tetapi link informasi yang memicu daerah berpotensi waste agar bisa segera
aliran dan produksi. Dari suatu SCM dihilangkan. Gambar 3 mengilustrasikan
dengan cepat bisa mendapat gambaran bagaimana tidakan perbaikan diidentifikasi.
umum dari proses termasuk parameter
Kanban
Salah satu kegunaan efektif
simulasi adalah dalam membentuk kontrol
kanban. Putaran dari kanban dapat dilihat
pada gambar 5, yang perlu diketahui saat
membuat kontrol kanban adalah kapan
sinyal memberi instruksi mengenai jumlah
pemesanan. Kanban harus didasari oleh dua
hal yaitu tingkat penggunaan dan waktu
pemesanan.
Gambar 5. Kanban Kontrol
Penerapan Simulasi Pada Perusahaan Berbasis Lean (Arie Respama Putra) 187
Tingkat penggunaan adalah tingkat ProModel merupakan solusi yang tepat
dimana barang-barang yang diambil dari untuk membantu mencapai proses akhir
penyimpanan dan umumnya didasarkan lean.
pada tingkat takt (tingkat permintaan untuk
item tersebut). Waktu untuk mengisi
permintaan kanban didasarkan pada waktu 4. KESIMPULAN
tunda kumulatif yang terjadi untuk Teknologi simulasi ProModel
produksi, pengangkutan barang, dansetiap menyediaakan alat dan layanan yang anda
keterlambatan akibat pekerjaan lain yang butuhkan untuk memodelkan lean beserta
dilakukan, kegagalan peralatan, tidak dengan analisa lean itu sendiri. Simulasi
tersedianya operator dan lain sebagainya. akan membantu mencapai semua tingkatan
Tentu saja, anda tidak ingin merencanakan lean pada setiap level organisasi. Termasuk
sebuah skenario yang buruk, tapi setiap juga tingkat strategis, dan membentuk suatu
kemungkinan wajar untuk diperhitungkan. budaya lean dan memprioritaskan proyek
yang lebih taktis. Dengan demikian
Perbaikan yang Sedang Berlangsung perencanaan operasional akan lebih mudah
dalam mendesain proses yang optimal
Untuk perbaikan yang sedang
dengan waktu yang lebih cepat dan hasil
berlangsung, simulasi akan menjaga proses
yang lebih baik.
transformasi lean. Salah satu hambatan
besar untuk mempertahankan lean adalah
cepat puas pada sistem yang ada sehingga 5. DAFTAR PUSTAKA
ide perbaikan menjadi tidak ada. Simulasi [1] Mike R. and John S. 1999, Learning to
merangsang untuk berpikir kreatif dan See: Value Stream Mapping to Add
melibatkan perencanaan untuk menemukan Value and Eliminate Muda, Lean
bentuk waste yang lain. Jenis waste yang Enterprise.
paling merusak adalah waste yang tidak [2] Taiichi O. 1998, Toyota Production
dikenali. Dalam fase transformasi lean System-Beyond Large Scale
banyak waste yang muncul ke permukaan Production. Cambridge, MA.
dan solusi dapat lebih jelas dilakukan. [3] Womack, J.P.and Daniel T. J, 1998.
Dengan mengurangi waktu set up dan Lean Thinking Free Press.
mengatur aliran proses dengan sistem tarik, [4] Womack, J, 2007. The Challenge of BP
serta menerapkan single flow, WIP dan Transformation, BP Trends.
waktu siklus sangat dapat dikurangi. Ketika [5] http://www.lean.org/WhatsLean
sedang merancang work cells atau [6] http://www.providence.edu/acc/pae/ais/
merampingkan rantai pasok, maka student/feene/feene.html
ABSTRACT
Bakrie Telecom realizes it is importance to know the customer needs that have not been
fulfilled and the effectiveness of its CRM (Solusi Esia). The purpose of this study is to analyze
the Importance-Performance Matrix and designing performance measurement systems and
measure of Solusi Esia performance, then propose development program of Solusi Esia for the
next year. Designing a CRM Scorecard start from cascading the vision, mission and strategy of
the company to the vision, mission and strategy of Solusi Esia, then translate into fours CRM
Scorecard perspective, setting strategic objectives, building a strategy map, set targets, and
strategic initiatives and weighing of each strategic objective as lag indicators relative to a
leading indicator in each perspective using pair wise comparisons. The score of Solusi Esia
Performance is 3.46 considered good. Some development programs are call center phone
charge change to be free of charge, establish training centers, network operations, voice
recording the conversation between costumer and costumer service and periodically doing a
market survey.
Keywords: IP Matrix, CRM, CRM Scorecard, Strategy Map
Korespondensi :
Didien Suhardini
E-mail : didien.suhardini@yahoo.com
Suci Lestari
E-mail : suciiilestariii@gmail.com
Dari Gambar 2 di atas atribut yang berada • Cara bicara pegawai Customer Service
pada wilayah Kuadran I yang merupakan dengan pelanggan
atribut-atribut yang harus diperbaiki adalah: • Lama pelayanan Customer Service saat
• Pelayanan Call Center memberikan respon keluhan
• Pegawai Customer Service yang • Tanggapan pegawai Customer Service
memiliki totalitas dalam melayani saat memberikan solusi
pelanggan • Pulsa yang terpakai saat menghubungi
• Wawasan pengetahuan pegawai Call Center
mengenai Esia • Tanggapan pegawai Customer Service
• Signal (Jaringan) saat merespon keluhan
Atribut pada Kuadran II tingkat Atribut pada Kuadran III tingkat kepuasan
kepuasannya sudah di atas rata-rata dan dan tingkat kepentingan di bawah rata-rata
tingkat kepentingan di atas rata-rata dan hampir semua atribut pada kuadran ini
ditingkatkan hanya untuk yang nilai kepuasan lebih tinggi dari
kepuasannya masih lebih rendah dari kepentingan.
kepentingannya. • Ruang tunggu pada Gerai Esia
• Tanggapan pegawai Customer Service • Lama waktu tersambung pada call
saat menangani keluhan center 24 jam
• Sikap pegawai Customer Service dalam • Lokasi Gerai Esia
melayani pelanggan • Harga pulsa yang terjangkau
Hasil keseluruhan kinerja CRM dengan bobot pada setiap perspektif yang sama yaitu sebesar
0.25 dapat dilihat sebagai berikut.
Tabel 11. Pengukuran Kinerja Solusi Esia Berdasarkan CRM Scorecard
Perspektif Skor Bobot Skor x bobot
Customer Value 3,32 0,25 0,83
Customer Satisfaction 3,07 0,25 0,77
Customer Interaction 3,44 0,25 0,86
Customer Knowledge 4,00 0,25 1,00
Total 1 3,46
ABSTRACT
Quality of a performance has relationship with operational process of a product or
whenever the company really implements or conducts a service and measurement towards the
degree of level of satisfaction for the consumer. In this research the writer tries to model the
optimization of the performance of general purpose manganese battery using polynomial
regression meta-model approach with the surface responses of the methodology from some
factors influencing the quality of manganese battery. There are some basic considerations that
underlie the research; one of them is the company has not known exactly the most optimum
performance condition from the general purpose battery type towards the influence of storage
time and temperature.
By implementing the polynomial regression meta-model with Response Surface
Methodology (RSM), we can model a optimization solution to the combination of input variable
of temperature and storage time at certain observation area by estimating the optimum output
value (response value) so that we can obtain the most optimum battery performance in order to
meet the consumers demand.
There are matters to be considered in implementing RSM: level of confidence (α), meta-
model fitting area, step measurement on the steepest ascent and central composite design. The
result of the research on general purpose manganese battery shows the mathematical model of
the optimization of performance of general purpose manganese battery using appropriate
polynomial regression meta-model of Y (T, S) = 62.385 + 1.282 T + 0.00029 TS - 0.201 T2 -
0.0052 S2 using variable combination to the influence of temperature 32.347°C, where the
storage time of 63.306 days obtain the optimum battery performance of 103.663 minutes, using
temperature performance index (PI) of 32°C (rounded) and the storage time of 90 days obtain
the performance index-1 (PI-1) of 127.53% and PI-2 of 112.82%. Where the initial condition of
temperature Performance Index of 20°C with the storage time of 90 days obtain PI-1 of
124.34% and PI-2of 109.81%. This shows that there is improvement and increase of battery
performance of 3% for PI-1 and PI-2.
Keywords: Response Surface Methodology, Polynomial Regression Meta-model, Central Composite
Design, Performance Index.
3.2. Langkah-langkah
langkah Implementasi dalam bentuk bagan. Bagan ini merupakan
RSM modifikasi bagan tahapan RSM yang
terdapat pada Box, et al (1978) dan
Gambar 3 berikut
erikut ini adalah
Neddermeijer, et al (2000).
penggambaran langkah implementasi RSM
Tabel 1. Data I/O simulasi dengan desain factorial 22 ditambah Titik tengah untuk T [10,30] °C
dan S [60,80] hari pada discharge 3,9Ω-C
3,9
Kombinasi
asi Replikasi Output / Lamanya Str.dev
Faktor Rataan
No Faktor Ketahanan Baterai (menit) .
Output
T S T S 1 2 3 4 Output
1 - - 10 60 99.22 99.20 99.25 99.40 99.238 0.097
2 + - 30 60 103.05 103.02 102.51 102.50 102.77 0.31
3 - + 10 80 98.00 98.02 98.05 97.55 97.905 0.238
4 + + 30 80 101.40 101.35 101.44 101.30 101.37 0.06
5 0 0 20 70 101.03 100.55 100.58 100.45 100.65 0.26
(25,85) (45,85)
85
(35,75)
(15,75) (55,75)
65
(25,65) (45,65)
(35,55)
25 45 T (°C)
105
75
100
65
Y 95
95 55
90 85
15 65
75
Storage 15 25 35 45 55
25
35 55 Temperature
Temperature 45
55
Tabel 5. Rekapitulasi uji statistik untuk metamodel orde dua dari titk awal 1
Uji Lack of Uji. Sig regresi Titik Optimum Nilai
Metamodel
fit α = 0,05 T S Maksimum
1. Daerah 227.28
19,52
diperkecil, (P-Value 0,00) 31,099 -118.863 135.08
(Signifikan)
r = √50 Signifikan
2. Daerah mula- 1,66 1021,2848
mula, pers IV.3, (Tidak (P-Value 0,00) 32,347 63,306 103.663
r = √200 Signifikan.) Signifikan
3. Daerah 195,78
198,56
diperbesar, (P-Value 0,00) 28.254 34.446 104.3303
(Signifikan)
r = √400 Signifikan
Contour Plot of Y
Surface Plot of Y
1 98
99
100
101
Storage
101
0
100
99
Y 98
97
1
-1 96
-1
0
Storage
-1 0 1 0 -1
Temperature Temperature 1
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
(response is Y ) (response is Y )
2
1
Standardized Residual
1
Normal Score
0
0
-1 -1
-2
-1 0 1 96.5 97.5 98.5 99.5 100.5 101.5
Pada kondisi ini hal berikutnya yang dapat berbentuk lingkarang dengan r = √200 =
dilakukan adalah melakukan fitting regresi 14,142.
orde 2.
Hasil fitting regresi orde satu menunjukan
ketidaksesuaian sangat signifikan. Pada
Strategi Orde Dua bagian ini akan dicobakan untuk melakukan
fitting regresi polynomial orde 2 untuk
Pada kondisi ini dicobakan fitting
daerah diatas, tetapi dengan lebih diperluas
regresi orde 2. Desain eksperimen
lagi dengan menggunakan Centtral
menggunakan central Composite Design
Composite Design.
dengan penambahan empat titik kombinasi.
Apabila digambarkan, maka desain ini akan
Model secara statistik tidak sesuai namun nilai R2 yaitu 0,957 tetapi bila model
regresi signifikan. Penggambaran residual diestimasi dari nilai rataannya maka
dapat dilihat sebagai berikut : metamodel yang sama akan meiliki nilai R2
= 0,958
Bila diturunkan terhadap T dan S,
dan dicari nilai T dan S yang memenuhi Karena model diatas tidak sesuai maka
criteria maksimasi (turunan sama dengan tidak dilakukan analisa canonic. Maka
nol) maka diperoleh nilai T dan S spesifik langkah selanjutnya adalah memperkecil
yaitu T = -105.475 dan S = 275,782 dengan daerah fitting. Untuk itu dilakukan
Y = 79.324 Bila menggunakan 36 data pengecilan daerah fitting sebesar radius r =
diatas, metamodel yang terbentuk memiliki √50.
Model secara statistik tidak sesuai namun regresi signifikan. Penggambaran residual dapat
dilihat sebagai berikut :
Surface Plot of Y
Contour Plot of Y
80 97.5
98.5
99.5
100.5
102
101.5
Storage
101
100 70
99
Y 98
97
80
96
0
70
Storage 60
10 60
Temperature 0 10 20
20
Temperature
Karena model diatas tidak sesuai maka tidak dilakukan analisa canonic. Maka langkah
selanjutnya adalah memperluas daerah fitting.
Tabel 13. Rekapitulasi hasil eksperimen dengan perluasan daeraf fitting dengan radius r = √250.
Faktor dengan Kombinasi Replikasi Output / Lamanya
Rataan Stdev.
α = 1.414 Faktor Ketahanan Baterai (menit)
Output Output
No T S T S 1 2 3 4
1 -1 -1 0 60 97.48 97.45 97.42 97.47 97.455 0.026
2 +1 -1 20 60 101.30 101.35 101.32 101.36 101.333 0.03
3 -1 +1 0 80 96.28 96.30 96.25 96.32 96.29 0.030
4 +1 +1 20 80 101.10 101.15 101.14 101.12 101.123 0.02
5 -1.414 0 -6 70 95.20 95.25 95.20 95.20 95.212 0.025
6 +1.414 0 26 70 102.07 102.10 102.05 102.08 102.07 0.02
7 0 -1.414 10 54 99.49 99.50 99.48 99.52 99.498 0.017
8 0 1.414 10 86 96.46 96.45 96.47 96.43 96.453 0.017
9 0 0 10 70 98.30 98.35 98.34 98.30 98.32 0.026
ABSTRACT
Target of research with Data method of Envelopment Analysis ( DEA) is to determine
efficiency storey; level of expense of and factor - factor having an effect on to efficiency of
expense of in office of branch of Perum Pawnship office of region of Bangkalan. Result of this
research is got by branch of Perum inefficient Pawnship office is Perum Pawnship office of
Bangkalan with efficiency storey; level equal to 0,144236, Perum pawnship office of Kamal in
januari 2009 with Storey; Level Efficiency equal to 0,3650507,pada months of Februari 2009
equal to 0,4614362 and in March 2009 equal to 0,2610103 until March 2009 and Perum
pawnship office of Foreland Earth with its Efficiency storey; level is equal to 0,1390164 pada
March months 2009.
Keywords : Data Envelopment Analysis, cost efficiency, Perum Pawnship.
4.1. Formulasi Model Matematis DEA Tabel 2 maka dibuat formulasi LP untuk
pergitungan efisiensi DMU1 (Cabang
Perhitungan Analisa Efisiensi DMU
Bangkalan).
bulan Januari 2009 dengan menggunakan
empat Input dan satu Output. Berdasarkan
Hasil Output Formulasi Linier Programing Kendala ketiga terjadi penurunan biaya
dengan menggunakan Sofware Lindo sebesar 0,907534, dan pada fungsi kendala
seperti Gambar 1. Bangkalan (DMU 1) ke empat menunjukkan peningkatan biaya
maka di dapatkan nilai rating efisiensi sebesar 0,210967 dengan nilai reduced cost
(Objective Fuction Value ) sama dengan sama dengan nol. dan pada fungsi kendala
0,1442363 dengan reduce cost nol, hal ini kelima menunjukkan penurunan biaya
menunjukkan bahwa Cabang Bangkalan sebesar 0,189354. Berdasarkan analisa
tidak efisien, pada fungsi kendala pertama reduced cost tersebut maka DMU 1 pada
menunjukkan besarnya penurunan biaya bulan januari 2009 tidak efisien karena
sama dengan 0,855764, Fungsi kendala pada fungsi kendalanya terjadi penurunan
kedua menunjukkan besarnya Penurunan biaya yaitu pada fungsi kendala satu, dua,
biaya sebesar 0,231634, untuk fungsi tiga dan lima.
Baris kendala yang mempunyai nilai slack 4.2. Analisa Efisiensi pada setiap DMU
nol disebut fungsi kendala aktif artinya
Gambar 3 menunjukkan DMU yang
tidak ada slack yang terjadi dengan Duel
Efisien dan yang tidak efisein. DMU yang
Prices sebagai pertambahan nilai optimal
Efisien adalah DMU 3 (Cabang Kwanyar),
sebesar dual prices/shadow prices apabila
DMU 4 (Cabang Klampis), DMU 1
pada baris tersebut nilai RHS-nya ditambah
(Cabang Bangkalan) pada bulan Februari-
1 unit dari hasil output Lindo diatas
Maret 2009. DMU 5 (Cabang Tanjung
menunjukkan tidak adanya pertambahan
Bumi) pada Bulan Januari – Februari 2009.
nilai optimal karena nilai dari dual prices
Sedangkan DMU yang tidak efisien yaitu
sama dengan nol. Karena nilai RHS pada
DMU 1 (Cabang Bangkalan) pada bulan
DMU 1 berupa variabel positif, jadi DMU 1
Januari 2009, DMU 2 (Cabang Kamal ) dan
untuk mencapai nilai optimal perlu
DMU 5 (Cabang Tanjung Bumi ) pada
dilakukan penambahan variabel keputusan
Bulan Maret 2009.
sebesar 0,15 dengan Rentang Side >=
1,5e+08
Grafik Prankingan DMU (Maret 2009) Grafuk Efisiensi DMU
5 1
5
4
4 0,8
3
3 0,6
Rank 2 Rating Efisiensi
2 Jan-09
1 0,4 Feb-09
1
0,2 Mar-09
0
Bangkalan Kamal Kwanyar Klampis Tanjung 0
bumi DMU 1 DMU 2 DMU 3 DMU 4 DMU 5
Kantor Cabang Perum Pegadaian DMU
Gambar 3. Rating Efisien Tiap DMU
4.3. Analisis Target Perbaikan DMU (X3) Mengalami penurunan biaya sebesar
yang tidak Efisien Rp.229.799 dari jumlah biaya sebelumnya
sebesar Rp.8.454.897 dan Untuk biaya
Tabel 3 memperlihatkan perbandingan
pemeliharaan kendaraan Dinas (X4)
antara nilai input pada DMU 1 (Cabang
mengalami penurunan sebesar Rp. 336.070
Bangkalan) di bulan Januari mengalami
dari nilai sebelumnya Rp. 2.330.000.
penurunan Biaya, sebagai berikut: untuk
biaya Pegawai (X1) mengalami penurunan Tabel 3. Perbaikan DMU 1 (Januari 2009)
sebesar Rp.7.790.424 dari nilai yang Xi Lama (Rp) Baru (Rp)
sebelumnya yaitu Rp. 73.875.622, Untuk X1 73.875.822 7.790.424
biaya Umum & administrasi (X2) X2 5.673.419 432.733
mengalami penurunan sebesar Rp.432.733 X3 8.454.897 229.799
dari jumlah sebelumnya Rp.5.673.419, X4 2.330.000 336.070
Untuk biaya Pemeliharaan bangunan kantor
1. Naskah berupa hasil penelitian atau non penelitian (konseptual), yang merupakan naskah asli
dan belum pernah dipublikasikan di media masa manapun. Makalah yang telah
dipresentasikan dalam suatu pertemuan ilmiah, apabila belum dipublikasikan dapat diterima.
2. Naskah diketik dengan menggunakan MS Word, Times New Roman 11pt dan 1 spasi di atas
kertas A4 (21x29,7 mm). Makalah (selain abstrak) ditulis dalam 2 kolom. Jumlah halaman
(termasuk gambar, ilustrasi dan daftar pustaka) 10-15 halaman.
3. Naskah ditulis dalam Bahasa Indonesia atau Bahasa Inggris. Apabila naskah ditulis dalam
Bahasa Indonesia, hendaknya berpedoman pada Pedoman Umum Ejaan Bahasa Indonesia
yang disempurnakan.Hindari pemakaian istilah asing (kecuali bila sangat diperlukan).
Penulisan istilah asing dicetak miring (italic).
4. Judul ditulis HURUF BESAR, di tengah atas halaman font Times New Roman 14 Bold.
Tulisan singkat dengan kata-kata atau frasa kunci yang mencerminkan isi tulisan.
5. Memperhatikan sistematika penulisan :
• Makalah Penelitian : JUDUL (singkat tetapi jelas, 5-15 kata), Penulis (tanpa gelar,
asal instansi/alamat pada catatan kaki), ABSTRACT (dalam Bahasa Inggris yang
berisikan masalah dan tujuan penelitian, metoda/pendekatan, hasil penelitian, satu
paragraf 50-75 kata), Keywords (kata/terminologi khusus bidang ilmu yang dibahas,
punya makna yang khas untuk makalah, 3-5 kata kunci) PENDAHULUAN (berisi
permasalahan, wawasan dan rencana pemecahan masalah, tujuan penelitian, kajian
teoritik, hipotesa (jika ada) dan manfaat hasil penelitian (tidak ada)) METODA
PENELITIAN (Rancangan/desain penelitian, sasaran penelitian, teknik
pengembangan/pengumpulan data dan teknik analisis data yang disajikan secara naratif)
HASIL PENELITIAN (Hasil pengolahan data, pemakaian tabel/grafik/bagan sangat
disarankan) PEMBAHASAN (Menjawab tujuan penelitian, memaparkan logika
diperolehnya dan menginterpretasikan penemuan, mengaitkan dengan teori yang relevan
serta pembahasan terhadap tabel/grafik/bagan secara naratif) KESIMPULAN DAN
SARAN (Esensi hasil penelitian dan pembahasan, harus relevan dengan penemuan yang
disampaikan dalam butir-butir paragraf pendek) DAFTAR PUSTAKA/RUJUKAN
(hanya memuat rujukan yang benar-benar disebut dalam makalah).
• Makalah Konseptual : 1JUDUL (singkat tetapi jelas, 5-10 kata), 2Penulis (tanpa gelar,
asal instansi/alamat pada catatan kaki), 3ABSTRACT (dalam Bahasa Inggris yang
berisikan ringkasan makalah yang ditulis secara padat dan menampilkan isu-isu pokok dan
alternatif pemecahan, satu paragraf 50-75 kata), Keywords (kata/terminologi khusus
bidang ilmu yang dibahas, punya makna yang khas untuk makalah, 3-5 kata kunci)
4PENDAHULUAN (berisi latar belakang, permasalahan, tujuan, ruang lingkup dan
metodologi 5ISI (tinjauan pustaka, data dan pembahasan), 6PENUTUP (kesimpulan
dan saran) dan 7DAFTAR PUSTAKA/RUJUKAN (hanya memuat rujukan yang benar-
benar disebut dalam makalah).
6. Cara merujuk dan mengutip : 1)Tulis nama akhir pengarang dan tahun terbitan, 2)Jika
pengarang lebih dari satu, tulis “Nama Pertama, dkk”, 3)Jika terjemahan, tulis “Nama
Pengarang Asli”, 4)Jika lebih dari satu sumber, pisahkan dengan titik koma (;), 5)Jika dari
Internet : Nama pengarang, tahun, judul karya, alamat sumber rujukan dan tanggal diakses.
7. Daftar pustaka disusun menurut alfabet pengarang, dengan urutan penulisan : nama
pengarang, (tahun terbitan), judul buku (cetak miring), penerbit dan kota terbit. Nama
pengarang mendahulukan nama keluarga atau nama dibalik, tanpa gelar. Kutipan acuan
pustaka yang digunakan dinyatakan dengan menuliskan nama pengarangnya.
8. Isi tulisan bukan tanggung jawab redaksi. Redaksi berhak mengedit redaksionalnya, tanpa
mengubah arti. Dan tidak diadakan surat menyurat kecuali tulisan disertai perangko akan
dikembalikan (karena tidak memenuhi persyaratan atau perlu perbaikan).