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
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.
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.
126 , ISSN:1411-6340
ada analisa kebutuhan, formulasi masalah, dengan adanya klasifikasi ini seorang
dan identifikasi sistem/diagram input- manajer dapat lebih fokus terhadap
output (Gambar 1 dan 2). persediaan yang memiliki nilai uang yang
tinggi karena akan berpengaruh terhadap
Klasifikasi ABC bisa memberikan analisa
cost management (Stanford, 2007).
kerangka kerja yang penting untuk
mengorganisir dan mengontrol persediaan,
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
128 , ISSN:1411-6340
4. RANCANG BANGUN MODEL diwakili oleh 70 ukuran kaca (A) senilai 26
Milyar, sementara 20% dari nilai
Penelitian ini menggunakan data
persediaan adalah akumulasi dari 354
masa lalu periode Oktober-Nopember 2010
ukuran kaca (B & C) senilai 6 Milyar.
yang diperoleh dari internal perusahaan.
Dari data tersebut dipetakan distribusi ke Petugas perencana produksi
dalam tiga kelompok yaitu A, B, dan C. hendaknya menetapkan tingkat persediaan
untuk kategori A sekecil mungkin karena
4.1. Sub model Nilai Uang
akan sangat berpengaruh terhadap nilai
Nilai uang diperoleh dari jumlah uang persediaan yang tertahan
permintaan dikalikan dengan harga jual kebalikannya untuk kategori C memiliki
kaca tersebut. Pada tabel 1 di bawah terlihat keleluasaan untuk menaikan persediaan
bahwa 80% dari nilai persediaan hanya karena nilai uangnya tidak begitu besar.
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:
130 , ISSN:1411-6340
Sehingga akan diperoleh nilai AAA, BBB, (B), akurasi peramalan selalu plus (+) 15%
CCC, ABB, dst. Jika ada ukuran kaca (C). Dengan model di atas pada akhirnya
statusnya ABC+ artinya nilai uangnya tingkat persediaan dapat digambarkan
tinggi (A), kritikalitas bisa dijadwal ulang dengan status berikut:
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.
132 , ISSN:1411-6340
MODEL KONSEPTUAL ANALISIS PERBAIKAN KINERJA
INDUSTRI GULA
Triwulandari S. Dewayana1, M. Syamsul Ma’arif2, Sukardi2, Sapta Raharja2
1
Magister Teknik Industri, Fakultas Teknologi Industri, Universitas Trisakti
2
Teknologi Industri Pertanian, Fateta, Institut Pertanian Bogor
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
134 , ISSN:1411-6340
kinerja), 3) peningkatan range ukuran pengukuran kinerja, yaitu dari sistem
kinerja (misalnya dari efisiensi menjadi informasi eksekutif (1980-1999) ke Sistem
efisiensi dan efektivitas). Dalam hal range Intelijen ( 2000-saat ini). Selain itu, Denton
ukuran kinerja, beberapa penelitian (2010) menyebutkan bahwa intranet dan
terdahulu menunjukkan adanya internet dapat digunakan untuk
keterbatasan dalam model pengukuran meningkatkan pengelolaan dan pengukuran
kinerja pabrik gula karena hanya dilakukan kinerja.
dengan menggunakan range ukuran kinerja
2.2 Penentuan Target Kinerja
yang sempit yaitu 1).Produktivitas
(Yusnitati (1994) dan Manalu (2009) terkait Sistem pengukuran kinerja
dengan kinerja output per input, 2).Efisiensi merupakan kunci untuk memandu dan
produksi (Siagian, 1999) terkait dengan menguji hasil dari proses perbaikan, tetapi
kinerja proses, dan 3).Efisiensi teknis tidak mengindikasikan bagaimana suatu
(LPPM IPB, 2002) terkait dengan kinerja proses harus diperbaiki. Salah satu
proses. pendekatan yang dapat membantu
melengkapi hal tersebut adalah
Berdasarkan kedalaman ukuran
benchmarking. Dattakumar (2003)
kinerja, pada penelitian terdahulu tidak
menyimpulkan bahwa pendekatan
memperhatikan keterkaitan ukuran kinerja.
benchmarking dapat digunakan untuk
Hal ini dapat menyebabkan upaya
perbaikan terus menerus. Hasil review
perbaikan yang dilakukan tidak
Grunberg (2003) terhadap metoda-metoda
menghasilkan perbaikan kinerja yang
yang digunakan untuk perbaikan kinerja
signifikan. Selain itu, jika merujuk pada
aktivitas operasional pada perusahaan
pernyataan Olsen et al. (2007) dapat
manufaktur menunjukkan bahwa
menyebabkan berkurangnya keefektifan
pendekatan benchmarking juga
sistem pengukuran kinerja.
memungkinkan untuk digunakan.
Kerangka kerja proses pengukuran
Aplikasi benchmarking dalam
kinerja perlu diperbaiki secara kontinu
perbaikan kinerja telah banyak dilakukan.
dengan mempertimbangkan berbagai model
Dimulai pada akhir 1970 oleh Xerox
pengukuran kinerja yang sesuai dengan
Corporation yang memutuskan untuk
permasalahan yang dihadapi (Nenadal
membandingkan operasional perusahaan
2008). Beheshti dan Lollar (2008)
dengan L.L. Bean yang memiliki produk
menyebutkan bahwa pengukuran kinerja
yang berbeda namun memiliki karakteristik
merupakan keputusan penting yang sering
fisik yang sama (Tucker et al. 1987 dalam
menggunakan informasi subyektif.
Elmuti dan Yunus 1997). Oleh karena itu,
Perbedaan satuan pada setiap ukuran
pengelompokan organisasi yang memiliki
kinerja yang digunakan menyebabkan
karakteristik yang serupa perlu dilakukan
proses aggregasi ukuran kinerja menjadi
sebelum proses benchmarking.
rumit. Oleh karena itu model keputusan
yang memanfaatkan logika fuzzy dapat Pengelompokan organisasi yang
memberikan solusi yang logis. Chan et al. memiliki karakteristik yang serupa dapat
(2002) mengusulkan penggunaan logika dilakukan dengan menggunakan metode
fuzzy dalam evaluasi kinerja dan clustering. Xu & Wunsch (2009)
Unahabhokha et al. (2007) menggunakan menyatakan bahwa pengelompokan
pendekatan fuzzy expert system untuk (clustering) obyek kedalam beberapa
memprediksi nilai kinerja. kelompok (cluster) yang mempunyai sifat
yang homogen atau dengan variasi sekecil
Terkait dengan infrastruktur yang
mungkin diperlukan untuk memudahkan
digunakan dalam pengukuran kinerja,
analisis data.
Santos et al. (2007) menunjukkan adanya
variasi infrastruktur yaitu secara manual Terdapat dua tahapan yang harus
dan pemanfaatan sistem informasi. dilakukan dalam analisis cluster yaitu 1)
Marchand dan Raymond (2008) memutuskan apakah jumlah cluster
menunjukkan pergeseran dalam ditentukan atau tidak dan 2) menentukan
pemanfaatan sistem informasi untuk algoritma yang akan digunakan dalam
136 , ISSN:1411-6340
solusi unik, perbedaan tipe bisa jadi akan digunakan untuk menentukan organisasi
memberikan perbedaan solusi. Adapun yang menjadi best in class yaitu pendekatan
jenis-jenis solusi pada masalah MCDM ranking memiliki kelemahan. Pada
(Kusumadewi et al. 2006) yaitu : 1) solusi pendekatan tradisional (Laise, 2004),
ideal, 2) solusi non-dominated (solusi permasalahan benchmarking dengan
Pareto-optimal), 3) solusi yang lebih banyak kriteria diselesaikan dengan
disukai , dan 4) solusi yang memuaskan. mengkonstruksi suatu indikator dengan
Pada solusi ideal, kriteria atau atribut dapat merata-ratakan semua score yang diperoleh
dibagi menjadi dua kategori, yaitu kriteria suatu organisasi atas ukuran-ukuran yang
yang nilainya akan dimaksimumkan berbeda. Rata-rata merupakan suatu ukuran
(kategori kriteria keuntungan), dan kriteria kecenderungan terpusat dari suatu
yang nilainya akan diminimumkan kelompok data dan cukup mewakili jika
(kategori kriteria biaya). Solusi ideal akan data mempunyai suatu variabilitas yang
memaksimumkan semua kriteria rendah, tetapi jika dilakukan pengamatan
keuntungan dan meminimumkan semua dengan variabilitas tinggi, rata-rata bukan
kriteria biaya (Daellenbach dan McNickle ukuran yang baik. Menggunakan rata-rata
2005). Solusi feasible MCDM dikatakan dapat menghilangkan informasi yang pantas
non-dominated jika tidak ada solusi feasible dipertimbangkan dan oleh karena itu tidak
yang lain yang akan menghasilkan cocok digunakan untuk membuat
perbaikan terhadap suatu atribut tanpa perbandingan.
menyebabkan degenerasi pada atribut
Selanjutnya, Laise (2004)
lainnya. Solusi yang memuaskan adalah
mengusulkan penggunaan metode yang
himpunan bagian dari solusi-solusi feasible
merupakan pengembangan dari konsep
dimana setiap alternatif melampaui semua
outranking yaitu ELECTRE. Metode
kriteria yang diharapkan.
ELECTRE merupakan kelompok dari
Zimmermann (1991) dalam algoritma yang dikembangkan dalam
Kusumadewi et al. (2006) menyatakan Operational Research (Roy 1985; Vincke
bahwa berdasarkan tujuannya, MCDM 1992; Roy dan Bouyssou 1993; Pamerol
dapat dibedakan menjadi dua yaitu : Multi dan Barba-Romero 2000).
Attribute Decision Making (MADM) dan
ELECTRE menurut Kusumadewi
Multi Objective Decision Making
et.al.(2006) didasarkan pada konsep
(MODM). MADM digunakan untuk
perankingan melalui perbandingan
menyelesaikan masalah-masalah dalam
berpasangan antar alternatif pada kriteria
ruang diskret, sedangkan MODM
yang sesuai. Suatu alternatif dikatakan
digunakan untuk menyelesaikan masalah-
mendominasi alternatif yang lainnya jika
masalah pada ruang kontinyu. Secara
satu atau lebih kriterianya melebihi
umum dapat dikatakan bahwa MADM
(dibandingkan dengan kriteria dari
menyeleksi alternatif terbaik dari sejumlah
alternatif yang lain) dan sama dengan
alternatif, sedangkan MODM merancang
kriteria lain yang tersisa.
alternatif terbaik.
Jafari et al. (2007) mengusulkan
Terdapat beberapa metode yang
kerangka kerja untuk memilih metode
dapat digunakan untuk menyelesaikan
penilaian kinerja terbaik menggunakan
masalah MADM, antara lain yaitu : 1)
SAW. Konsep dasar metode SAW adalah
Simple Additive Weighting Method (SAW),
mencari penjumlahan terbobot dari rating
2) Weighted Product (WP), 3) ELimination
kinerja pada setiap alternatif pada semua
Et Coix Traduisant la realitE (ELECTRE),
atribut (Kusumadewi et.al., 2006).
4)Technique for Order Preference by
Kelemahan pada metode SAW yaitu
Similarity to Ideal Solution (TOPSIS), dan
memerlukan proses normalisasi matriks
5)Analytic Hierarchy Process (AHP).
keputusan ke suatu skala yang dapat
Untuk melakukan pemilihan terhadap diperbandingkan dengan semua rating
organisasi yang berkinerja terbaik (menjadi alternatif yang ada.
best in class), Laise (2004) berpendapat
Metode lain yang dapat digunakan
bahwa pendekatan tradisional yang
dalam melakukan identifikasi terhadap
138 , ISSN:1411-6340
Is/Is not comparative analysis untuk mengetahui perbaikan yang perlu
merupakan metoda komparatif yang memperoleh prioritas, kemudian saran
digunakan untuk permasalahan sederhana, berdasarkan hasil analisis praktek terbaik
dapat memberikan gambaran detil apa yang diberikan.
terjadi dan telah sering digunakan untuk
Laugen et al. (2005) menyebutkan
menginvestigasi akar masalah. 5 Why
bahwa praktek terbaik yang menyebabkan
methods merupakan alat analisis sederhana
kinerja terbaik seringkali sulit untuk
yang memungkinkan untuk menginvestigasi
diidentifikasi. Davies (2000) mengusulkan
suatu masalah secara mendalam. Fishbone
pendekatan terstruktur (diagnostic) untuk
diagram merupakan alat analisis yang
memilih praktek terbaik berdasarkan pada
populer, yang sangat baik untuk
kekuatan hubungan dengan tujuan yang
menginvestigasi penyebab dalam jumlah
ingin dicapai.
besar. Kelemahan utamanya adalah
hubungan antar penyebab tidak langsung
terlihat, dan interaksi antar komponen tidak
3. METODOLOGI PENELITIAN
dapat teridentifikasi. Cause and effect
matrix merupakan matriks sebab akibat Untuk menghasilkan model konseptual
yang dituliskan dalam bentuk tabel dan analisis perbaikan kinerja industri gula
memberikan bobot pada setiap faktor dilakukan tahapan sebagai berikut :
penyebab masalah. Root Cause Tree 1. Melakukan kajian terhadap berbagai
merupakan alat analisis sebab-akibat yang buku referensi, jurnal-jurnal, laporan
paling sesuai untuk permasalahan yang penelitian terdahulu, pendapat para
kompleks. Manfaat utama dari alat analisis pakar serta sumber lain yang
tersebut yaitu memungkinkan untuk dipandang akurat dan relevan.
mengidentifikasi hubungan diantara 2. Identifikasi sub model berdasarkan
penyebab masalah. tujuan tahap analisis perbaikan kinerja.
Chandler (2004) dalam Ramadhani 3. Identifikasi keterkaitan antar sub
et.al (2007) menyebutkan bahwa dalam model.
memanfaatkan RCA terdapat empat 4. Identifikasi pendekatan yang
langkah yang harus dilakukan yaitu : 1) digunakan untuk setiap sub model.
mengidentifikasi dan memperjelas definisi
undesired outcome (suatu kejadiaan yang
tidak diharapkan), 2) mengumpulkan data, 4. HASIL DAN PEMBAHASAN
3) menempatkan kejadian-kejadian dan Model konseptual analisis perbaikan
kondisi-kondisi pada event and causal kinerja pabrik gula (PG) yang dirancang
factor table, dan 4) lanjutkan pertanyaan bangun terdiri dari 5 (lima) submodel yaitu:
“mengapa” untuk mengidentifikasi root 1)Sub model pengelompokan; 2)Sub model
causes yang paling kritis. pengukuran kinerja; 3)Sub model pemilihan
Selanjutnya, langkah ketiga dari kinerja terbaik; 4)Sub model analisis
benchmarking adalah penggunaan praktek terbaik; dan 5)Sub model
informasi untuk pengembangan dan penentuan prioritas perbaikan. Adapun
implementasi dari rencana peningkatan. secara ringkas model konseptual
Oleh karena itu, perlu dilakukan penentuan ditunjukkan pada Gambar 1.
prioritas perbaikan. Hal ini diperlukan
140 , ISSN:1411-6340
yang akan digunakan merujuk pada hasil kinerja yaitu nilai kinerja strategis, nilai
penelitian Unahabhokha et al. (2007). kinerja operasional dan nilai kinerja taktis
untuk seluruh pabrik gula yang menjadi
Model pengukuran kinerja bertujuan
anggota setiap alternatif kelompok.
untuk menentukan nilai kinerja setiap
pabrik gula. Pengukuran kinerja yang 4.3.1 Pemilihan Kinerja Terbaik secara
dilakukan adalah untuk kinerja input, keseluruhan
kinerja proses, dan kinerja output yang
Input model berupa basis data yang
dinamakan kinerja strategis, kinerja
diperlukan untuk pemilihan kinerja terbaik
operasional, dan kinerja taktis. Pengukuran
secara keseluruhan. Output dari model
kinerja dilakukan terhadap seluruh pabrik
berupa urutan (ranking/peringkat) pabrik
gula yang menjadi anggota untuk setiap
gula dalam kelompok. Pemilihan kinerja
alternatif kelompok pabrik gula. Oleh
terbaik secara keseluruhan dilakukan
karena itu, alternatif keputusan pada model
dengan menggunakan pendekatan
pengukuran kinerja pabrik gula adalah
PROMETHEE karena memiliki kesesuaian
seluruh pabrik gula yang menjadi objek
dengan permasalahan yang dihadapi dan
kajian yang telah dikelompokkan
sudah terbukti keunggulannya (seperti yang
berdasarkan karakteristik pembeda pabrik
dikemukakan oleh Amran dan Kiki (2005),
gula (merupakan output dari model
Prvlovic (2008), dan Triyanti dan Gadis
pengelompokan pabrik gula).
(2008)).
Input model berupa basis data yang
4.3.2 Pemilihan Kinerja Terbaik Per
diperlukan untuk pengukuran kinerja.
Jenis Kinerja
Output dari model pengukuran kinerja
berupa nilai kinerja untuk setiap jenis Input model berupa basis data yang
kinerja pada seluruh anggota kelompok PG. diperlukan untuk pemilihan kinerja terbaik
Pendekatan yang digunakan dalam proses per jenis kinerja. Output dari model berupa
pengukuran kinerja pada model pengukuran urutan (ranking) pabrik gula per jenis
kinerja adalah Fuzzy Expert System (FES). kinerja dalam kelompok. Pemilihan kinerja
terbaik per jenis kinerja dilakukan dengan
4.3 Model Pemilihan Kinerja Terbaik
menggunakan pendekatan Sorting.
Merujuk pada hasil penelitian
Pendekatan Sorting menentukan
Dattakumar (2003), Grundberg (2003),
urutan kinerja terbaik per jenis kinerja
Pierre dan Delisle (2006), Gleich et al.
dengan melakukan perbandingan antar nilai
(2008) serta hasil penelitian Tucker (1987)
kinerja per jenis kinerja untuk seluruh PG
yang membuktikan bahwa pendekatan
pada setiap kelompok PG. Nilai kinerja per
benchmarking dapat meningkatkan efisiensi
jenis kinerja akan diurutkan dari yang
dan produktivitas perusahaan maka dalam
nilainya terbesar sampai yang terkecil pada
penentuan target kinerja akan digunakan
setiap kelompok.
pendekatan benchmarking. Target kinerja
ditentukan berdasarkan kinerja terbaik 4.4 Model Analisis Praktek Terbaik
dalam kelompok (Tucker et. al. 1987). Prioritas perbaikan ditentukan
Model Pemilihan Kinerja Terbaik berdasarkan praktek terbaik. Merujuk pada
bertujuan untuk menentukan pabrik gula penelitian Jaffar dan Zairi (2000), maka
berkinerja terbaik secara keseluruhan analisis praktek terbaik merupakan praktek
maupun untuk setiap jenis kinerja (kinerja yang baik yang telah ditetapkan sebagai
strategis, kinerja operasional, kinerja taktis) pendekatan terbaik bagi banyak PG.
pada setiap kelompok pabrik gula. Hasil Pendekatan yang digunakan dalam
pemilihan pada setiap kelompok pabrik melakukan analisis praktek terbaik yang
gula akan digunakan sebagai standar kinerja diusulkan dalam penelitian Maire et al
pembanding bagi setiap pabrik gula pada (2005) dan Southard dan Parente (2007)
kelompok yang sama, baik untuk kinerja memiliki kelemahan mengingat praktek
keseluruhan maupun per jenis kinerja. Nilai terbaik yang dihasilkan masih terbatas pada
kinerja yang digunakan adalah nilai kinerja praktek yang baik (dilihat dari definisi
yang dihasilkan dari model pengukuran
142 , ISSN:1411-6340
and Performance Management 59 (2): and Performance Management 52 (2) :
186-200. 89-93.
[7] Cokins G. 2004. Performance [19] Halachmi A. 2005. Performance
Management : Finding the Missing Measurement is Only One Way of
Pieces (to Close the Intelligence Gap). Managing Performance. International
New Jersey : John Wiley & Sons. Journal of Productivity and
[8] Daellenbach HG, McNickle DC. Performance Management 54 (7): 502-
2005. Management Science : Decision 516.
Making Through System Thinking. [20] Jafari M, Bourouni A, Amiri RH.
New York : Palgrave Macmillan. 2009. A New Framework for Selection
[9] Dattakumar R, Jagadeesh R. 2003. A of the Best Performance Appraisal
Review of literature on Benchmarking. Method. European Journal of Social
Benchmarking: An International Sciences 7 (3): 92-100.
Journal 10 (3): 176-209. [21] Jaffar YF, Zairi M. 2000. Internal
[10] Davies AJ, Kochhar AK. 2000. A Transfer of Best Practice for
Framework for the Selection of Best Performance Excellence : A Global
Practices. International Journal of Survey. Benchmarking : An
Operations & Production Management International Journal 7 (4): 239-246.
20 (10): 1203-1217. [22] Jing GG. 2008. Diging for the Root
[11] Denton DK. 2010. Performance Cause. ASQ Six Sigma Forum
Measurement and Intranets : A Natural Magazine 7 (3): 19-24.
Partnership. International Journal of [23] Kusumadewi S, Hartati S, Harjoko S,
Productivity and Performance Wardoyo R. 2006. Fuzzy Multi-
Management 59 (7): 701-706. attribute Decision Making.
[12] Denton DK. 2005. Measuring Yogyakarta: Penerbit Graha Ilmu.
Relevant Things. International Journal [24] Laise D. 2004. Benchmarking and
of Productivity and Performance learning organizations : ranking
Management 54 (4):278 - 287. methods to identify “best in class”.
[13] Dragolea L, Cotirlea D. 2009. Benchmarking : An International
Benchmarking-A Valid Strategy for Journal 11 (6): 621-630.
the Long Term?. Annales [25] Latino RJ, Kenneth CL. 2006. Root
Universitatis Apulensis Series Cause Analysis : Improving
Oeconomica 11 (2) : 813 – 826. Performance for Bottom – Line
[14] Effendi A. 2009. Teknologi Gula. Results. Florida : CRC Press.
Jakarta : Penerbit BeeMarketer [26] Laugen BT, Acur N, Boer H. 2005.
Institute. Best Manufacturing Practices : What
[15] Elmuti D, Yunus K. 1997. An do the Best-Performing Companies
Overview of Benchmarking Process : Do?. International Journal of
A Tool for Continuous Improvement Operations & Production Management
and Competitive Advantage. 25 (2): 131-150.
Benchmarking for Quality [27] [LPPM-IPB] Lembaga Penelitian IPB.
Management & Technology 4 ( 4): 2002. Studi Pengembangan Agribisnis
229-243. Pergulaan Nasional.
[16] Gan G, Chaoqun M, Wu J. 2007. Data [28] [LPPM-IPB] Lembaga Penelitian IPB.
Clustering. United States of America : 2002. Studi Pengembangan Sistem
The America Statistic Association. Industri Pergulaan Nasional.
[17] Gleich R, Motwani J, dan Wald A. [29] Maire JL, Vincent B, Maurice P.
2008. Process Benchmarking : A New 2005 A Typology of “Best Practices”
Tool to Improve The Performance of for a Benchmarking Process.
Overhead Areas. Benchmarking : An Benchmarking : An International
International Journal 15 (3): 242-256. Journal 12 (1): 45-60.
[18] Grundberg T. 2003. A Review of [30] Manalu LP. 2009. Analisis Kinerja
Improvement Methods in Pabrik Gula Dengan Metoda DEA
Manufacturing Operations. (Data Envelopment Analysis). Jurnal
International Journal of Productivity
144 , ISSN:1411-6340
[52] Tangen S. 2004. Performance [55] Wibisono D. 1999. Analisis
Measurement : From Philosophy to Keterkaitan Variabel Kinerja dalam
Practice. International Journal of Perusahaan Manufaktur. Jurnal ISTMI
Productivity and Performance 3 (2) : 27-35.
Management 53 (8) : 726 – 737. [56] Wibisono D. 2006. Manajemen
[53] Unahabhokha C, Platts K, Tan KH. Kinerja : Konsep, Desain, dan Teknik
2007. Predictive performance Meningkatkan Daya Saing
measurement system : A fuzzy expert Perusahaan. Jakarta : Erlangga.
system approach. Benchmarking : An [57] Xu R, Wunsch DC. 2009. Clustering.
International Journal 14 (1) : 77 – 91. New Jersey : IEEE Press.
[54] Ungan MC. 2007. Manufacturing Best [58] Yasin MM. 2002. The Theory and
Practices : Implementation Success Practice of Benchmarking : Then and
Factors and Performance. Journal of Now. Benchmarking : An International
Manufacturing Technology Journal 9 (3) : 217-243.
Management 18 (3) : 333 – 348.
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
146 , ISSN:1411-6340
1.1. Rumusan Masalah dimaksudkan untuk membangun suasana
belajar yang dinamis, penuh semangat, dan
Berdasarkan uraian di atas, maka
antusiasme. Karakteristik permainan adalah
dapat dirumuskan permasalahan yaitu
menciptakan suasana belajar yang
masih banyak kalangan siswa/i yang belum
menyenangkan (fun) serta serius tapi santai
mengetahui Jurusan teknik Industri dengan
(sersan). Permainan digunakan untuk
jelas, terutama mengenai bidang ilmu dari
penciptaan suasana belajar dari pasif ke
Teknik Industri dan peranan Ilmu TI di
aktif, dari kaku menjadi gerak (akrab), dan
perusahaan. Oleh karena itu akan diujikan
dari jenuh menjadi riang (segar). Metode ini
konsep baru untuk memberikan informasi
diarahkan agar tujuan belajar dapat dicapai
tentang keilmuan TI kepada siswa/i SMA,
secara efisien dan efektif dalam suasana
berupa permainan interaktif. Hipotesis yang
gembira meskipun membahas hal-hal yang
akan dibuktikan dalam penelitian ini adalah
sulit atau berat. Sebaiknya permainan
bahwa melalui permainan interaktif maka
digunakan sebagai bagian dari proses
siswa/i SMA dapat lebih mengerti
belajar, bukan hanya untuk mengisi waktu
mengenai bidang ilmu Teknik Industri dan
kosong atau sekedar permainan. Permainan
peranannya di perusahaan. Hipotesis ini
sebaiknya dirancang menjadi suatu ‘aksi’
akan dibuktikan melalui tes yang diberikan
atau kejadian yang dialami sendiri oleh
kepada siswa/i SMA sebelum dan setelah
peserta, kemudian ditarik dalam proses
mengikuti permainan interaktif.
refleksi untuk menjadi hikmah yang
1.2 Tujuan Penelitian mendalam (prinsip, nilai, atau pelajaran-
Penelitian ini bertujuan untuk: pelajaran). Wilayah perubahan yang
1. Mengembangkan konsep dan detail dipengaruhi adalah rana sikap-nilai.
permainan interaktif yang dapat 2.2. Proses Generik Pengembangan
digunakan siswa/i SMA dalam Produk
memahami keilmuan Teknik Industri
Proses adalah urutan dari langkah-
dan peranan ilmu TI di perusahaan
langkah transformasi sebuah input menjadi
2. Konstruksi dan Uji permainan interaktif
output. Sehingga, proses pengembangan
yang dibuat
produk merupakan urutan-urutan langkah-
3. Aplikasi permainan interaktif pada
langkah perusahaan dalam menyusun,
siswa/i SMA
merancang dan mengkomersialkan suatu
4. Mengevaluasi hasil aplikasi permainan
produk.
interaktif yang diterapkan pada siswa/i
SMA Proses generik pengembangan
produk memiliki lima tahapan penting yaitu
1.3 Manfaat penelitian
pengembangan konsep, (concept
Dengan melakukan permainan ini, development), rancangan tingkat sistem
diharapkan agar siswa/i SMA dapat produk (system level design), rancangan
memperoleh gambaran yang lebih jelas detail (detail design), uji coba dan evaluasi
mengenai bidang ilmu Teknik Industri dan (testing and refinement), uji coba proses
peranannya di perusahaan untuk produksi (production ramp-up).
menyelesaikan masalah sebagai suatu
1. Pengembangan konsep: dalam tahapan
sistem yang integrasi.
ini kebutuhan pasar harus dapat
diketahui, juga perlu membangun dan
mengevaluasi alternatif konsep produk
2. TINJAUAN PUSTAKA
2.1. Permainan (Games) dan akhirnya terpilih satu konsep
produk yang akan dikembangkan.
Permainan (games), populer dengan Suatu konsep adalah suatu deskripsi
berbagai sebutan antara lain pemanasan tentang bentuk, fungsi dan fungsi
(ice-breaker) atau penyegaran (energizer). tambahan produk (features).
Arti harfiah ice-breaker adalah ‘pemecah 2. Rancangan tingkatan sistem produk:
es’. Jadi, arti pemanasan dalam proses tahapan ini meliputi pendefinisian
belajar adalah pemecah situasi kebekuan arsitektur produk dan pembagian
pikiran atau fisik peserta. Permainan juga produk atas komponen-komponennya,
148 , ISSN:1411-6340
tenaga kerja, biaya penyimpanan dan 7. Kesimpulan
biaya lainnya yang berhubungan
Setelah pelaksanaan analisis berhasil, maka
dengan biaya produksi
dapat ditarik kesimpulan berdasarkan hasil
d. Sistem Permainan
pengolahan data dan analisis.
Menjelaskan mengenai tahapan yang
harus dilalui oleh para pemain dan
peraturan permainan
4. HASIL PENELITIAN
2. Perancangan Form game
Pada tahap ini akan dibuat beberapa Kebutuhan mahasiswa Teknik
form game untuk membantu peserta Industri akan suatu metode yang dapat
dalam merekap datanya, misalnya digunakan untuk dapat berpikir integral
form pembelian bagan baku, form dituangkan dalam bentuk suatu metode
produksi, dan lain-lain. Form yang pembelajaran dengan menggunakan
akan dikembangkan meliputi form permainan interaktif. Pada permainan
untuk membantu penginputan dan interaktif ini, digunakan beberapa keilmuan
form untuk merekap hasil. dasar Teknik Industri yaitu Perencanaan
Produksi, Analisis Keputusan,
4. Perancangan Tingkat Detail Pemrograman Linier, Akuntansi dan Biaya
Pada tahap ini akan dilakukan konstruksi dan Manajemen.
alat bantu dengan program Microsoft Excel Pada permainan interaktif ini terdapat
dan verifikasi hasil sebuah kasus yang merepresentasikan suatu
1. Konstruksi perusahaan penghasil tepung terigu dimana
Berdasarkan hasil perancangan model setiap perusahaan ini terdiri atas empat
kasus serta perancangan form game, divisi utama yaitu production, finance,
maka Interactive Industrial Game ini marketing and purchasing serta business
dapat dirancang dengan menggunakan analyst. Setiap divisi dalam permainan ini
program Microsoft Excel. mempunyai tugas masing-masing.
2. Verifikasi Perusahaan tepung terigu pada
Verifikasi program dilakukan dengan permainan ini memproduksi empat jenis
menjalankan program serta melakukan tepung terigu yang diklasifikasikan
perbandingan antara hasil yang didapat berdasarkan kandungan protein yang
pada program yang dibuat serta terdapat dalam tepung terigu tersebut.
perhitungan manual yang dilakukan. Kandungan protein yang terdapat pada
5. Uji Coba tepung terigu tersebut berasal dari
pencampuran gandum. Gandum yang
Setelah dilakukan konstruksi game
menjadi bahan baku tepung terigu ini terdiri
serta melakukan validasi dan verifikasi,
atas delapan jenis yang mempunyai
maka langkah selanjutnya adalah
kandungan protein yang berbeda-beda.
melakukan uji coba. Uji coba dilakukan di
suatu SMA yang terpilih. Uji coba ini Permainan ini terbagi menjadi tiga
digunakan untuk mengetahui efek dari bagian yaitu pembelian gandum, produksi
permainan ini terhadap pemahaman peserta serta penjualan tepung terigu. Prosedur
uji coba mengenai integrasi di dalam pembelian gandum pada permainan ini
Teknik Industri. Pemberian tes dilakukan berdasarkan prosedur lelang. Sedangkan
sebelum dan sesudah permainan interaktif prosedur pada penjualan tepung terigu
dimulai. Hasilnya akan dibandingkan menggunakan skema tender. Untuk lebih
dengan uji statistik yang sesuai. jelasnya, prosedur permainan ini dapat
dilihat pada gambar 1.
6. Analisis
Pada permainan ini, digunakan form
Setelah dilakukan pengolahan data,
manual serta form pada komputer sebagai
maka dilakukan analisis terhadap aspek-
alat bantu pada permainan. Form pada
aspek yang berpengaruh dalam permainan
komputer dibuat dengan menggunakan
yang telah dirancang serta analisis hasil uji
program MS Excel. Sedangkan form
coba dan implementasi permainan ini.
manual dibuat untuk digunakan dalam
150 , ISSN:1411-6340
Kegiatan dilaksanakan pada : hasil kuesioner untuk setiap pertanyaan
Hari/ tanggal : Selasa, 12 Oktober 2010 yang diberikan adalah sebagai berikut:
Waktu : 11.00 – 14.00
Tempat : SMA Tarakanita-Pulo Raya
Tabel 1. Hasil Penyebaran Kuesioner
IV no 17, Kebayoran Baru
SEBELUM SESUDAH
Kegiatan Industrial Games telah 1 8 9
dilaksanakan dengan baik di SMA 2 4 9
Tarakanita, dengan jumlah peserta hampr 3 4 5
mendekati yang ditargetkan yaitu sebanyak 4 6 5
36 orang (9 tim). 5 6 8
6 5 9
7 5 6
5. ANALISIS
8 8 9
5.1. Pengujian Hipotesis 9 7 10
Kuesioner disini digunakan untuk 10 7 10
mengetahui pendapat siswa/i SMA 11 6 4
mengenai hal-hal yang berkaitan dengan 12 7 7
istilah maupun kegiatan di industri, 13 7 7
terutama pada kasus yang sedang dibahas. 14 5 8
Kuesioner ini diberikan sebelum dan 15 6 6
sesudah siswa/i SMA melakukan 16 5 7
permainan, dimana pada tahap selanjutnya 17 6 6
data sebelum melakukan permainan disebut 18 6 8
dengan pretest sedangkan data setelah 19 6 8
melakukan permainan disebut dengan 20 8 9
posttest. Kuesioner diberikan kepada 21 5 7
seluruh siswa/i SMA yang menjadi peserta 22 9 10
permainan. 23 9 10
Kuesioner yang diberikan merupakan 24 8 8
multiple choice, dimana hanya satu jawaban 25 7 7
yang benar. Siswa diminta untuk memilih 26 5 6
salah satu jawaban yang dianggap paling 27 5 6
benar. Kegiatan ini diikuti oleh 36 peserta. 28 3 6
Jadi terdapat 36 peserta yang mengisi 29 7 8
kuesioner. Namun karena satu dan lain hal, 30 8 8
ada 3 orang yang tidak dapat mengikuti 31 10 9
kegiatan sampai akhir. Oleh karena itu, 32 8 9
kuesioner yang diisi dengan lengkap
33 6 5
(sebelum dan sesudah kegiatan) ada 33
kuesioner. Pada kuesioner terdapat 10
Setelah itu data dibandingkan dengan
pertanyaan. Untuk masing-masing siswa,
menggunakan uji t bepasangan satu arah
dihitung berapa jawaban yang dijawab
untuk menguji apakah jumlah jawaban yang
dengan benar.
benar pada pengisian kuesioner setelah
Berdasarkan data hasil kuesioner kegiatan lebih besar daripada jumlah
yang diberikan, kemudian dilakukan jawaban yang benar pada pengisian
pengolahan data dengan menggunakan uji t kuesioner setelah kegiatan. Berdasarkan
berpasangan. Uji t berpasangan ini sendiri hasil pengujian uji t berpasangan dengan
merupakan uji yang dilakukan untuk menggunakan bantuan software Microsoft
menguji 2 sampel yang sama namun Excel, dapat diketahui apakah ada
memiliki perlakuan yang berbeda. Hasil perbedaan antara hasil pengujian sebelum
yang dilihat adalah perbedaan hasil rataan melakukan permainan dengan pengujian
data dengan nilai kritis yang dimiliki. Data setelah melakukan permainan.
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
152 , ISSN:1411-6340
ditanyakan. Penilaian adalah sebagai Bagian ini sendiri diberikan kepada
berikut: siswa/i SMA yang menjadi peserta
Baik Nilai = 3 Industrial Games setelah melakukan
Cukup Nilai = 2 permainan dan kegiatan Industrial Games
Kurang Nilai = 1 ini.
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
154 , ISSN:1411-6340
SISTEM MANAJEMEN KEAMANAN PANGAN ISO 22000
UNTUK INDUSTRI YANG BERHUBUNGAN DENGAN PANGAN
Wawan Kurniawan
Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Trisakti
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)
156 , ISSN:1411-6340
Gambar 2. From Farm to Table
Sumber: Djaafaar, TF dan Siti Rahayu (2007)
158 , ISSN:1411-6340
CCP dan batas kritis dari hasil sistem HACCP telah berjalan
pemantauan. dengan benar.
Prinsip 6 : Menetapkan prosedur
Berikut diberikan contoh sangat
penyusunan sistem pencatatan
sederhana pada penerapan HACCP pada
yang efektif sebagai
pembuatan telor mata sapi di suatu warung
dokumentasi dari rancangan
makan. Proses ini terdiri dari:
HACCP.
Prinsip 7 : Menetapkan prosedur 1) Memecahkan telur
verifikasi untuk menyakinkan, 2) Memasukkan ke penggorengan
bahwa sistem HACCP sudah 3) Diangkat dari penggorengan
dilakukan secara efektif. dimasukkan ke dalam kantong plastik.
b. Langkah-langkah dalam Dalam contoh ini prinsip HACCP
Perencanaan dan Penerapan memperhatikan apakah telurnya misalnya
HACCP terdapat bekas kotoran, dalam proses
Terdapat beberapa langkah yang penggorengannya apakah penggorengannya
umumnya dilakukan dalam Perencanaan higienis atau tergores (mengelupas)
dan Penerapan HACCP pada industri. sehingga dapat mengkontaminasi ke telur,
Menurut Fardiaz (1996), aplikasi sistem berapa kali minyak goreng dipakai, dan jika
HACCP terdiri dari tahapan-tahapan dimasukkan ke dalam plastik pada waktu
sebagai berikut: masih panas dari penggorengan dapat
mengakibatkan kontaminasi dari platik
1) Menyusun tim HACCP, dalam tim ini
tersebut serta apakah ada rambut si petugas
biasanya terdiri dari multidisiplin,
warung yang masuk ke dalam telur tersebut.
seperti bidang teknik, produksi,
jaminan mutu, dan lain-lain. Kalau dari contoh sederhana di atas
2) Membuat keterangan mengenal produk saja sudah ada beberapa faktor yang
makanan (deskripsi produk), termasuk menentukan kualitas pangan layak atau
cara formulasi, cara penyimpanan, dan tidak dikonsumsi. Bisa dibayangkan tentu
lain-lain. akan jauh lebih banyak lagi faktor penentu
3) Identifikasi mengenai cara kualitas pangan dalam suatu industri
penggunaan/konsumsi clan pangan yang besar.
konsumennya termasuk jenis
konsumen, seperti orang tua, orang
4.3. British Retail Consortium (BRC)
sakit, anak-anak, bayi dan lain-lain.
4) Menyusun diagram alir mengenai Menurut UU Keamanan Pangan
proses Inggris tahun 1990, pedagang atau
5) Verifikasi diagram alir distributor seperti halnya semua pihak yang
terlibat dalam rantai pasokan pangan,
Sedangkan prinsip-prinsip sebagai berikut: memiliki hak untuk melakukan pencegahan
Prinsip 1 : Analisis bahaya yang tepat atas kesalahan dalam
Prinsip 2 : Identifikasi CCP/titik kendali pengembangan, produksi, distribusi,
kritis setiap proses promosi dan penjualan produk pangan ke
Prinsip 3 : Menetapkan batas kritis untuk konsumen. BRC adalah suatu organisasi
setiap CCP perdagangan Inggris yang didirikan atas
Prinsip 4 : Menetapkan cara pemantauan prakarsa beberapa pemilik perusahaan
CCP supermarket atau swalayan di Inggris, yaitu
Prinsip 5 : Menetapkan tindakan koreksi Tesco, Mark & Spencer dan Sainsbury’s.
jika terjadi penyimpangan dari Tidak semua memiliki supermarket atau
batas kritis. swalayan menjadi standar BRC sebagai
Prinsip 6 : Menetapkan prosedur persyaratan dagang. Organisasi ini
pencatatan yang efektif yang menetapkan berbagai persyaratan bagi
dijadikan sebagai dokumen produsen atau pemasok produk pangan
sistem HACCP. yang ingin menjual produknya di
Prinsip 7 : Menyusun prosedur verifikasi supermarket Inggris (BRC, 2006) dalam
untuk membuktikan bahwa Friana (2006).
160 , ISSN:1411-6340
PENERAPAN ALGORITMA GENETIKA DALAM OPTIMASI
MODEL DAN SIMULASI DARI SUATU SISTEM
Anastasia Widya Wati B
Mahasiswa Magister Teknik Industri, Universitas Trisakti
Engineering Division PT. Dwiwahana Handayaprima
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.
162 , ISSN:1411-6340
yang baru terbentuk kembali. Proses ini probabilitas. Diharapkan kode
akan diulang sampai jumlahnya sesuai string terakhir yang diperoleh
dengan input jumlah generasi dari user atau merupakan solusi terbaik untuk
memberikan output yang dianggap telah permasalahan yang dihadapi.
memenuhi kriteria permasalahan.
b. Crossover (Kawin silang)
Dalam pembentukan generasi awal ini, Proses penggabungan string dari
satu nomor (kromosom) mewakili satu dua kode yang berbeda yang berarti
sifat, yang akan diacak oleh komputer mengambil bagian solusi yang
untuk menyusun suatu gen, proses ini terbaik dari dua solusi yang
disebut reproduksi. Gen adalah susunan berlainan, dengan harapan akan
kromosom dalam bentuk nomor yang dihasilkan suatu solusi yang
terkumpul menjadi suatu string dalam terbaik. Crossover dilakukan
bentuk kode. Jumlah gen yang disusun dengan beberapa langkah sederhana
tergantung pada input dari user. sebagai berikut:
b. Mencari fitness cost • Pertama, dipilih lokasi string
Pada tahap ini, setiap individu yang secara random
terbentuk dicari fitness costnya sebagai • Kedua, dipilih panjang string
pembanding antara individu satu dengan yang akan dikawinkan secara
individu lainnya. Metode fitness cost yang random
diambil dengan menjumlahkan semua nilai • Ketiga, menukartempatkan gen
pembanding yang dihasilkan dari susunan yang dipilih dengan bagian
populasi. Perubahan solusi dapat diperoleh string dari gen terbaik.
melalui 2 proses yaitu proses mutasi dan • Keempat, memposisikan bagian
proses persilangan. kromosom yang tidak tertukar.
c. Pengurutan (sorting) e. Tahap pengulangan
Individu yang ada di populasi Setelah proses regenerasi selesai, maka
diurutkan berdasarkan fitness cost-nya. dilakukan pengulangan sampai sejumlah
Tujuannya adalah untuk mencari individu generasi yang dikehendaki. Gen dari
terbaik dari populasi yang ada, yang disebut generasi sebelumnya digantikan posisinya
sebagai solusi terbaik sementara. dengan generasi yang baru. Individu yang
d. Proses Regenerasi diperoleh dari proses mutasi dan crossover
Terdiri dari 2 metode yaitu dianggap sebagai populasi awal lagi.
Algoritma Genetika akan mengulang tahap
• Metode Elitism b sampai e secara terus menerus sampai
Metode dimana individu-individu yang pada sejumlah generasi yang telah
akan mengalami regenerasi, yaitu ditentukan. Pada akhir proses pengulangan
mutasi dan crossover, didasarkan pada ini, diharapkan diperoleh individu terbaik
nilai fitness yang rendah, sedangkan dengan FC=0.
individu yang memiliki nilai fitness
tinggi akan dipertahankan untuk
dibandingkan dengan individu hasil 3. APLIKASI ALGORITMA GENETIK
proses regenerasi.
• Metode Non-Elitism Algoritma Genetika dalam
Metode yang melibatkan semua mengoptimasikan model dan simulasi suatu
individu, baik individu/gen terbaik sistem sudah banyak diterapkan pada
maupun gen yang kurang baik. Ada bidang manufaktur, di sini dibahas
beberapa proses: beberapa contoh mengenai hal tersebut.
a. Mutasi 1. Optimasi Penjadwalan Produksi
Mutasi adalah perubahan yang Contoh aplikasi yang akan dibahas
terjadi pada suatu individu, terlepas untuk masalah ini diambil berdasarkan
dari pengaruh individu yang lain, jurnal mengenai perencanaan produksi
yang dilakukan dengan cara menggunakan simulasi dan algoritma dalam
mengubah kode string secara optimasi penjadwalan multi-kriteria.
164 , ISSN:1411-6340
Gambar 1. Penjadwalan yang sudah optimal dari 5 job
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.
166 , ISSN:1411-6340
dalam tiap putaran, sebagai pointer 3. Dapat menghindari penemuan solusi
menentukan individu-individu yang dipilih. yang berupa lokal optimum
Operator seleksi digunakan untuk 4. Mudah untuk di-hibrid (digabungkan)
menyaring populasi awal. dengan metoda lain untuk problem-
problem yang spesifik.
Dalam makalah ini, metode
5. Ketidakpastian untuk menghasilkan
crossover satu titik digunakan untuk
solusi optimal global, karena sebagian
memilih titik potong K dalam interval [1,
besar dari algoritma ini berhubungan
m-1] secara acak, dimana m adalah jumlah
dengan bilangan acak yang bersifat
gen dari populasi. Titik potong membagi
probabilistik.
kromosom menjadi dua bagian beririsan.
6. Sangat flexible dalam memecahkan
Kemudian crossover menciptakan
masalah, tergantung dari input yang
keturunan oleh bagian pertukaran dari
dimasukkan dari permasalahan yang
kromosom induk dengan ukuran langkah 2.
dihadapi suatu sistem.
Untuk menghindari jawaban yang
terjebak dalam lokal optima, mutasi akan
muncul dengan probabilitas yang sangat 5. DAFTAR PUSTAKA
kecil. Disini akan ditunjukan lokus
[1] Ke Zhu, Hengshan Wang, Yuanyuan
kromosom sebagai titik perubahan dengan
Kong, Sheng Li, 2011. Optimization of
probabilitas mutasi Pm = 0,02. Kemudian
The Replenishment Strategy for The
masing-masing gen dari titik perubahan
Supplier Based on Genetic Algorithm.
akan bermutasi secara integer dari 0 ke 1.
International Business and
Dari penelitian yang dilakukan dapat Management Vol 6, No.1; January
diambil kesimpulan sebagai berikut : model 2011. hal : 218 - 222
ini dapat digunakan secara efektif baik [2] Miroljub K, Igor B.K, Uros B. 2003.
untuk memecahkan persoalan dengan Production Planning Using Simulation
banyak retailer juga untuk kondisi biaya and Genetic Algorithms in Multi-
pemesanan dari retailer berbeda satu criteria Scheduling Optimation. Journal
dengan yang lainnya. Dalam dunia nyata, of the Operational Research Society.
untuk supplier besar, metode ini sangat Vol 58 No. 7, hal. 15.
efektif selain untuk meningkatkan kerja [3] Mitchell, M. 1996. An Introduction to
sama supplier dengan retailer juga untuk Genetic Algorithms. Cambridge, MA:
pengambilan keputusan replenishment MIT Press.
dalam waktu yang singkat. [4] Mitsuo Gen, Runwei Cheng. 2000.
Genetic Algorithms & Engineering
Optimization. Willey – IEEE.
4. KESIMPULAN
Algoritma genetika sangat efektif
untuk memecahkan permasalahan
optimisasi suatu model. Algoritma genetika
dapat diterapkan dalam berbagai bidang
kehidupan, baik di bidang teknik, sains,
ekonomi, sosial, seperti penjadwalan,
penugasan, kalibrasi model jaringan,
perancangan mesin, dan sebagainya.
Keuntungan dengan menggunakan
algoritma genetika adalah
1. Tidak membutuhkan perhitungan dan
rumus-rumus matematika yang rumit.
2. Dapat menangani berbagai macam
fungsi antara lain : linear, non linear,
diskrit, kontinu.
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
168 , ISSN:1411-6340
Gambar 1. Skema rantai pasok pertanian (Sumber: Vorst, 2004, Hadiguna, 2007)
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
170 , ISSN:1411-6340
3. Interaksi. Pengetahuan pekerja dapat 3. Desain sistem untuk merancang model-
berinteraksi pada SPK untuk model pengambilan keputusan, basis
melakukan analisa. data dan user interface pada sistem
4. Manajemen Pengetahuan. Modul penunjang keputusan.
Manajemen Pengetahuan juga 4. Verifikasi model menggunakan data
berinterkoneksi dengan Sistem Koperasi Pengolahan Susu (KPS) X
Integrasi Manajemen Pengetahuan sebagai studi kasus
Perusahaan.
Gambar 2. Konfigurasi Sistem Penunjang Keputusan Rantai Pasok Koperasi Pengolahan Susu
172 , ISSN:1411-6340
Berikut adalah Diagram Alir SPK KPS :
174 , ISSN:1411-6340
Tabel 1 merupakan diagram FMEA untuk jenis cacat mutu Susu Kurang baik.
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
176 , ISSN:1411-6340
Tabel 2. Penjadwalan transportasi dengan menggunakan colt tangki ke petani susu
Jadwal Keberangkatan
No TPK
Jarak Pagi Sore
1 Pencut 5 km 03.55 14.50
2 Ciater 37 km 04.08 14.55
3 Genteng 3 km 04.15 15.30
4 Barunagri 4 km 04.20 15.23
5 Pasiripis 4 km 04.20 15.30
6 Gunung Putri 4 km 04.27 15.43
7 Manoko 4 km 04.27 15.43
8 Pasar Kemis 6 km 04.20 15.20
9 Keramat 4 km 04.28 15.50
10 Citespong 4 km 04.30 15.25
11 Pojok 4 km 04.32 15.20
12 Cibulakan 4 km 04.25 15.10
13 Suntenjaya 15 km 03.45 14.40
14 Cibodas 15 km 04.20 15.20
15 Cibogo 4 km 04.35 15.50
16 Cikawari 7 km 04.20 15.20
17 Cikole 6 km 04.30 15.35
18 Cilumber 6 km 04.35 15.35
19 Cibedug 6 km 04.20 14.50
20 Nagrak 6 km 04.30 15.30
21 Bukanagara 4 km 04.30 15.30
22 Pagerwangi 4 km 04.33 15.40
23 Cibolang 12 km 04.20 14.20
24 Yampai 6 km 04.30 14.30
178 , ISSN:1411-6340
Peramalan pembelian = rata-rata pembelian
= Sedang
Peramalan pembelian < rata-rata pembelian
=Kurang
180 , ISSN:1411-6340
PENERAPAN SIMULASI PADA PERUSAHAAN BERBASIS LEAN
Arie Respama Putra
Alumni Jurusan Teknik dan Manajemen Industri, Sekolah Tinggi Manajemen Industri
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
182 , ISSN:1411-6340
• Meningkatkan pemanfaatan sumber menghilangkan overproduksi karena
daya menggunakan sistem tarik.
• Memudahkan penjadwalan Diagram Alir : tata letak yang
• Aliran proses lebih efisien menggambarkan aliran fisik pekerjaan
• Mengurangi area produksi (ruang) (bahan dan orang), menghilangkan
• Meningkatkan kualitas gerakan yang tidak perlu dalam aliran
• Meningkatkan moral tenaga kerja kerja tersebut.
Sel Kerja : sebuah pengaturan
Lean thinking menurut James P. Womack streamline (biasanya dalam bentuk U).
dan Daniel T. Jones, ada lima yaitu : 5S : sebuah metode sistematis untuk
• Tentukan nilai, menentukan apa yang mengatur tempat kerja, menghilangkan
pelanggan nilai dan inginkan dalam cacat dan gerakan yang tidak berguna.
sebuah produk atau jasa seperti dalam Quick Changeover : metode untuk
hal fitur, fungsi, pengiriman, pelayanan mengurangi waktu set up operasi,
dan lain sebagainya. dengan ukuran batch yang lebih kecil,
• Tentukan value stream, dapat menghilangkan waktu tunggu dan
mengidentifikasi proses atau urutan dari over produksi.
langkah penyediaan produk dan Total Productive Maintenance (TPM) :
layanan secara efisien dan efektif. sistematis untuk kegiatan pemeliharaan
• Aliran dari produk dan pelayanan, yang dapat meminimalkan gangguan
merampingkan proses sehingga setiap kerja, menekankan keterlibatan semua
langkah proses lebih terpadu, ganti karyawan dalam kegiatan TPM
batch dan antrian dengan aliran (preventif) dan mengurangi idle time.
tunggal. Kontrol visual : pemanfaatan sinyal
• Sistem tarik, membuat atau visual untuk menghilangkan
memberikan hanya apa yang diinginkan overproduksi dan waktu menunggu.
pelanggan. Poka Yoke (pemeriksaan kesalahan):
• Mengejar kesempurnaan, terus membuat proses operasi sedemikian
berusaha mengurangi waktu, ruang, rupa sehingga proses hanya bisa jalan
biaya dan cacat dan menawarkan apabila dilakukan dengan cara benar,
produk yang sesuai dengan keinginan apabila terjadi kesalahan, proses
pelanggan. otomatis terhenti sehingga produk cacat
dapat dicegah.
1.3. Alat dan Teknik Lean Pelatihan : dengan adanya pelatihan,
Ada banyak alat bantu dan teknik karyawan dapat menjalankan berbagai
untuk menciptakan proses lean, termasuk fungsi kerja lebih fleksibel, sehingga
yang dijelaskan di bawah ini. Alat dan operator dapat menghilangkan idle time
teknik di bawah tidak hanya terbatas pada nya.
proses manufaktur tetapi dapat juga Tools pada lean di atas harus
digunakan dalam pelayanan proses. digunakan secara sistematis, dengan cara
Value Streaming Mapping (VSM) : mengidentifikasi waste yang paling
digunakan untuk visualisasi statis, merugikan dalam sistem dan baru
menganalisa dan meningkatkan proses ditetapkan solusi yang terbaik untuk
serta aliran informasi. menghilangkan waste.
Laporan A3: digunakan untuk Lean tidak hanya menguntungkan
mendefinisi masalah, mengidentifikasi jika diterapkan pada pada proses operasi,
solusi dan mengembangkan, keuntungan lebih besar akan didapat jika
mendokumentasikan, lean diterapkan pada perusahaan secara
mengimplementasikan rencana kegiatan menyeluruh. Lean merupakan sebuah
perbaikan proses. budaya yang dimulai dari atas dan
Kanban produksi : digunakan untuk menembus ke divisi paling bawah. Sebuah
mengatur produksi dan pergerakan perusahaan yang ingin berbudaya lean,
aliran produksi, kanban dapat terlebih dahulu harus menanamkan
kesadaran dan intoleransi terhadap waste.
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
184 , ISSN:1411-6340
Tabel 1. Bagaimana Simulasi Membantu Mencapai Tujuan dari Lean
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
186 , ISSN:1411-6340
Perbaikan diusulkan ke VSM state berkesinambungan dalam sel. Setiap proses
saat ini untuk digunakan membuat VSM dalam aliran menarik (sistem tarik) materi
state yang baru untuk kegiatan yang akan dari langkah sebelumnya. Persediaan, hasil
datang. Pada gambar 4 diilustrasikan aliran dan waktu dikurangi lebih dari 75 persen
proses yang lebih simpel, pengelasan tanpa mengubah desain produk atau
terisolasi dan proses perakitan telah melakukan investasi pada peralatan yang
ditempatkan dalam aliran yang mahal.
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
188 , ISSN:1411-6340
PENGUKURAN KINERJA CUSTOMER RELATIONSHIP
MANAGEMENT (CRM) CDMA ESIA MENGGUNAKAN CRM
SCORECARD PADA PT BAKRIE TELECOM Tbk
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
190 , ISSN:1411-6340
matrix dengan sumbu x adalah kinerja dan sumbu y adalah harapan.
192 , ISSN:1411-6340
Hasil analisa Importance- kuesioner adalah 3.86 dan 3.93.
Performance Matrix adalah mendapatkan Sebaiknya Prioritas yang diperbaiki
atribut yang terdapat pada wilayah kuadran dilihat dari nilai rata-rata tingkat
I untuk diperbaiki. Kemudian hasil kepuasan yang masih lebih kecil dari
pengukuran kinerja CRM digunakan untuk tingkat kepentingan dan dari analisa
melengkapi usulan perbaikan terutama pada Importance-Performance Matrix di
tujuan strategis dengan skor kinerja yang bawah ini.
masih rendah.
4.2 Importance-Performance Matrix
Nilai rata-rata setiap atribut tingkat
4. HASIL DAN PEMBAHASAN kepentingan dan tingkat kepuasan
yang didapat diplot dalam diagram
4.1 Nilai rata-rata tingkat kepentingan
Importance-Performance Matrix.
dan tingkat kepuasan pelanggan yang
diperoleh dari pengolahan data
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
194 , ISSN:1411-6340
Gambar 3. Strategy Map Solusi Esia
196 , ISSN:1411-6340
Tabel 4. Penentuan Nilai Setiap Tujuan Strategis Perspektif Customer Satisfaction
198 , ISSN:1411-6340
4.4. Pengukuran Kinerja Solusi Esia dijumlahkan untuk mendapatkan hasil
keseluruhan perspektif Customer Value.
Berikut adalah hasil pengukuran
Nilai yang diperoleh perspektif Customer
kinerja Solusi Esia untuk perspektif
Value adalah sebesar 3.32. Nilai, bobot dan
Customer Value, total hasil diperoleh dari
skor dapat dilihat pada tabel 7 berikut ini.
skor setiap tujuan strategis dikalikan
dengan bobotnya kemudian hasilnya
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
200 , ISSN:1411-6340
4. Meningkatkan kemampuan Totalitas pelayanan dari pegawai
memonitor kondisi signal dengan Customer Service, wawasan
mendirikan network operations pengetahuan mengenai Esia, dan signal
center yang dapat memantau dan (jaringan).
mengelola jaringan 24 jam sehari, 7 b. Sistem pengukuran kinerja CRM
hari seminggu guna mendeteksi dan Bakrie Telecom (Solusi Esia)
memperingatkan adanya gangguan berdasarkan model CRM Scorecard
dalam jaringan sehingga dapat menggunakan empat perspektif CRM
meminimalkan downtime yang Scorecard gagasan Jonghyeok Kim,
dialami pelanggan. Euiho Suh dan Hyunseok Hwang
b. Peningkatan skor kinerja CRM (2003) diturunkan menjadi sepuluh
diusulkan melalui peningkatan skor tujuan strategis, dilengkapi dengan peta
tujuan strategis yang berkontribusi kecil strategi dan tabel penilaian yang berisi
pada nilai perspektif dan nilai perspektif, tujuan strategis masing-
keseluruhan yaitu: masing, tolok ukur, target dan skala
1. Tujuan Strategis peningkatan penilaian dilengkapi dengan
volume penjualan pada perspektif pembobotan antar tujuan strategis.
customer value dengan skor 0,64 c. Hasil pengukuran kinerja CRM Bakrie
melalui peningkatan kualitas dalam Telecom diperoleh skor total kinerja
segala aspek seperti kualtas produk, Solusi Esia sebesar 3,46 (Baik).
layanan, tarif, dan jaringan. Perspektif Customer Knowledge
Kemudian dengan memberikan memberikan kontribusi terbesar yaitu 4,
bonus-bonus khusus yang kemudian diikuti oleh perspektif
bermanfaat kepada pelanggan Customer Interaction. Kontribusi
sehingga pelanggan tertarik untuk perspektif Customer Satisfaction hanya
menggunakan produk perusahaan. sebesar 3,07 disebabkan oleh kontribusi
2. Tujuan Strategis Peningkatan terkecil oleh tujuan strategis
kualitas layanan pada perspektif peningkatan inovasi produk dan
Customer Satisfaction dengan skor layanan yang memiliki skor 0,6 dan
0,9 agar jumlah keluhan turun peningkatan kualitas layanan dengan
menggunakan record voice agar skor 0,9
apa yang disampaikan pelanggan d. Alat ukur kinerja ini dapat terus
dan apa yang disampaikan oleh digunakan dengan melakukan
pegawai customer service dapat penyesuaian target dan pembobotan
dievaluasi. antar tujuan strategis.
3. Tujuan Strategis Peningkatan e. Pembobotan dapat dilakukan dengan
inovasi produk dan layanan pada metode yang berbeda.
perspektif Customer Satisfaction
meskipun nilainya cukup tinggi (4)
tetapi bobotnya kecil sehingga 6. DAFTAR PUSTAKA
kontribusinya juga kecil (0,6) perlu [1] Barnes, James. 2003. Secrets of
ditingkatkan dengan mengadakan Customer Relationship Management
survey pasar dan keinginan (terjemahan). Penerbit Andi,
pelanggan secara berkala dan Yogyakarta.
menarik kembali produk yang [2] Buttle, F. 2007. Customer Relationship
kurang diminati oleh masyarakat. Management Concepts and Tools
(Terjemahan). Bayumedia, Jakarta.
5. KESIMPULAN [3] Dyche, Jill. 2002. The CRM Handbook
: A Business Guide to Customer
a. Berdasarkan IP Matrix, atribut-atribut
Relationship Management. Addison-
yang perlu ditingkatkan adalah atribut
Wesley.
yang tingkat kepentingannya tinggi
namun tingkat kepuasannya masih
[4] Tjiptono, Gregorious Chandra. 2005.
Service, Quality, & Satisfaction.
dibawah rata-rata (Atributes to
Penerbit Andi. Yogyakarta.
Improve) adalah pelayanan Call Center,
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.
202 , ISSN:1411-6340
penyimpanan yang sangat berpengaruh metamodel adalah pendekatan transformasi
terhadap performansi baterai. Hal ini dari input/output (I/O) yang terkandung
diakibatkan karena baterai adalah suatu dalam model simulasi untuk suatu lingkup
produk yang mudah rusak dan memburuk daerah amatan tertentu. Model ini bersifat
sebagai suatu hasil dari proses kimia selama black-box dan dikenal juga sebagai
masa penyimpanan. Jenis pada desain sel, response surface (Klejnen, 2000:15).
sistem elektrokimia, temperatur, dan Karena metamodel dihasilkan dari sampel
lamanya masa penyimpanan merupakan hubungan input dan output, maka validitas
faktor-faktor yang mempengaruhi metamodel dalam merepresentasikan model
performansi baterai, sehingga perlu adanya simulasi terbatas pada daerah/dominan
suatu pengendalian dalam rangka menjaga yang dicakup oleh data asal tersebut. Dalam
performansi baterai berupa informasi tahapan studi simulasi, metamodel
mengenai tingkat performansi baterai mengambil peran sebagai salah satu alat
terhadap faktor-faktor yang dalam menganalisis output simulasi.
mempengaruhinya. Berikut adalah penggambaran hubungan
antara sistem diamati, model simulasi dan
Oleh karena itu, desain ataupun
metamodel.
perbaikan dari suatu sistem dalam hal ini
performansi baterai merupakan proses yang
kompleks dimana model digunakan sebagai
dasar pertimbangan pengambilan keputusan
terhadap sistem yang telah ada atau sistem
yang diusulkan. Tujuan dari proses desain
adalah merancang sistem yang memenuhi
performansi tertentu tanpa melanggar
konstrain yang ada. Ketika hubungan yang
membentuk suatu model cukup sederhana, Gambar 1. Sistem nyata, model simulasi
maka dimungkinkan untuk menggunakan dan metamodel
metode matematis analitik (seperti program Barton (1998) mengemukakan bahwa
linear, program dinamis, aljabar, kalkulus, terdapat tiga hal penting yang harus
atau teori probabilistik) untuk memperoleh diperhatikan dalam kontruksi metamodel
informasi atau jawaban mengenai yaitu (1) pemilihan fungsi umum (apakah
pertanyaan berkaitan dengan sistem yang regresi polynomial, neural network atau
diamati. Akan tetapi, kebanyakan sistem model umum yang lain), (2) penentuan
nyata begitu kompleks sehingga model kombinasi input yang akan digunakan
yang dikembangkan harus dipelajari untuk menjalankan simulasi dan
melalui simulasi. mengumpulkan data I/O simulasi (desain
Metamodel merupakan simplifikasi eksperimen), dan (3) penilaian validitas dari
dari model simulasi, sehingga dapat metamodel yang telah dibentuk.
dipandang sebagai ‘model dari model Sifat metamodel yang analitik
simulasi’ (Du et al, 2001). Apabila terdapat memungkinkan untuk dilakukan proses
output respon simulasi, Y, yang optimasi, yaitu pencarian kombinasi input
berhubungan dengan k variable terbaik diantara seluruh kemungkinan
independent, katakanlah x1,x2, …, xk kombinasi input tanpa secara langsung
dengan variable dependen Y adalah melakukan evaluasi terhadap semua
bilangan acak, sementara variable kemungkinan alternative yang ada (Carlos
independent x1,x2, …, xk adalah variabel dan Maria, 1997). Salah satu aplikasi
desain dan dapat dikontrol, maka hubungan metamodel yang sering digunakan dalam
antara variabel Y dan x dapat proses optimasi adalah Response Surface
direpresentasikan oleh fungsi matematis Methodology (RSM). Contoh aplikasi
yang lebih sederhana Y = f(x1,x2, …, xk). metode ini dalam eksperimen real dapat
fungsi matematis yang bersifat pendekatan dilihat pada Box et al (1978) dan
ini disebut metamodel dan dapat Montgomery (1976).
merepresentasikan model simulasi yang
lebih kompleks. Dalam penjabaran lain,
204 , ISSN:1411-6340
Gambar
ar 2. Strategi untuk membangun sebuah model regre
gresi
4. HASIL PERAN
ANCANGAN penyimpanan yang berbed beda. Peralatan
PERCOBAAN pengujian yang digunakan meliputi
me :
Pengukuran dilakukan
an dengan 1. Voltmeter
pengujian performansi bater aterai yaitu 2. Amperemeter
lamanya ketahanaan baterai terhadap
ter test 3. Ruangan khusus denga gan dilengkapi
discharge sampai batas voltage
ge yang telah temperature setting.
distandarkan secara internasion
ional setelah 4. Panel discharge dengann resistensi
r yang
disimpan pada temperatur ddan waktu telah ditetapkan sesuaii ddengan standar
IEC dengan kapasitas 100000 pcs.
Tabel 1. Data I/O simulasi dengagan desain factorial 22 ditambah Titik tengah untuk
tuk T [10,30] °C
dan S [60,80] hari pada discharge
rge 3,9 -C
Kombinasi si Replikasi Output / Lamanya Str.dev
Faktor Rata
ataan
No Faktor Ketahanan Baterai (menit) .
Outp
utput
T S T S 1 2 3 4 Output
1 - - 10 60 99.22 99.20 99.25 99.40 99.23
.238 0.097
2 + - 30 60 103.05 103.02 102.51 102.50 102.7 2.77 0.31
3 - + 10 80 98.00 98.02 98.05 97.55 97.90
.905 0.238
4 + + 30 80 101.40 101.35 101.44 101.30 101.3 1.37 0.06
5 0 0 20 70 101.03 100.55 100.58 100.45 100.6 0.65 0.26
206 , ISSN
N:1411-6340
Berikut adalah persamaan metamodel yang 4.1. Uji Statistik Metamodel
dihasilkan, diasumsikan dengan X1 adalah
Berikut adalah tabel analisis variansi
T dan X2 adalah S tetapi dalam bentuk
untuk pengujian ketidaksesuaian dan
terkode. Bentuk terkode adalah bentuk level
keberartian pengaruh variabel dependen dan
tinggi (+1) dan level rendah (-1) sesuai
independen.
dengan teori desain eksperimen.
Y=100,394+1.7425X1–0.690X2 (1)
Tabel 2. Anova Untuk pengujian lack of fit dan Signifikansi metamodel orde 1 pers. (1)
Sumber variansi (Source) df SS MS F
Regresi 2 56.199 28.099 467.24
Residual 17 1.022 0.060
Ketidaksesuaian (Lack Of Fit) 2 0.337 0.168 3.68
Error Murni (Pure Error) 15 0.686 0.046
Total 19 57.221
Keterangan :
a. SS : Sum of Square (Jumlah Kuadrat)
b. df : Degree of Freedom (Derajat Kebebasan)
c. MS : Mean Square (Rataan Kuadrat)
105
75
100
65
Y 95
95 55
90 85
15 65
75
St
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
208 , ISSN:1411-6340
Tabel 6. Rekapitulasi Performansi Metamodel Orde dua
Estimasi dari seluruh data Estimasi dari rataan
Metamodel (36 data) (36 data)
2 2
R F R F
1.Daerah diperkecil, 227,28 41.39
0,975 0.986
r = √50 (p-value 0,00) (p-value 0,05)
2.Daerah mula-mula,
1021,2848 668.87
pers IV.3, 0,994 0.999
(p-value 0,000) (p-value 0,00)
r = √200
3.Daerah diperbesar, 195,78 20.62
0,937 0.972
r = √400 (p-value 0,000) (p-value 0,008)
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
St
Storage
-1 0 1 0 -1
Temperature Temp
mperature 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
210 , ISSN:1411-6340
Tabel 9. Rekapitulasi hasil eksperimen dengan simulasi
Faktor dengan Kombinasi Replikasi Output / Lamanya Ketahanan
Rataan Stdev.
No α = 1.414 Faktor Baterai (menit)
Output Output
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 -4 70 95.58 95.52 95.55 95.55 95.55 0.024
6 +1.414 0 24 70 101.50 101.49 101.47 101.53 101.498 0.03
7 0 -1.414 10 56 99.38 99.35 99.40 99.34 99.367 0.028
8 0 1.414 10 84 96.57 97.05 96.55 97.02 96.798 0.275
9 0 0 10 70 98.30 98.35 98.34 98.30 98.32 0.026
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
St
Storage 60
10 60
Temp
mperature 0 10 20
20
Temperature
Karena model diatas tidak sesuai maka tidak dilakukan analisa canonic. Maka langkah
selanjutnya adalah memperluas daerah fitting.
212 , ISSN:1411-6340
Untuk itu dilakukan perluasan daerah fitting sebesar radius r = √250.
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
214 , ISSN:1411-6340
Mc.Graw-Hill International edition Optimization, And Validation of
chemical engineering series. Simulation Models, Draft prepared
[5] Hick,Charles R. 1993. Fundamental for handbook of simulation. New
Concepts in the Design of york: Jhon Wiley & Sons.
Experiments, New York: Saunders [11] Luftig, Jeffrey T., Jordan, Victoria S.
college publishing. 1998. Design Of Experiments In
[6] Irizarry, Maria De Los A., Kuhl, Quality Engineering. Luftig &
Michael E., Lada, Emily K., Warrem International: Mc.Graw-Hill.
Subramanian, Sriram, and Wilson, [12] Montgomery, Douglas C. Design and
James R. 2003. Analyzing Analysis of experiments. 1976. New
Transformation-based Simulation York: Jhon wiley & Sons.
Metamodels.IIE Transaction 35, hal. [13] Neddermeije, G. H., Piersma, N. dan
271-283, 2003 Oormarssen G., J. 2000. A
[7] Keppel, Geoffrey. 1991. Design And Framework For Response Surface
Analysis A Researchers Handbook Methodology For Simulation
Third Edition.Prentice Hall. Optimization. Procceeding of the
[8] Kleijnen, Jack P.C., Hertog, Dick 2000 Winter Simulation Conference,
den., Angün, Ebru. 2003. Response hal. 129-136.
Surface Methodology’s Steepest [14] Neter, Kutner, Nachsheim,
Ascent and Step Size Revisited. Wasserman. 1996. Applied Linear
Netherlands: Working paper from Statistical Models “Fourth
Department of Information Edition”.Mc.Graw-Hill : IRWIN.
System/Center for Economic [15] Schimek, Michael G. 2000. Smooting
Research (CentER) Tilburg & Regression Approaches
University (UvT). Computation and Application.
[9] Kleijnen, Jack P.C. 2001. Newyork: Wiley Interscience Jhon
Experimental Design For Sensitivity Wiley & Sons.
Analysis Of Simulation Models. [16] Xu,Kai., K.J. Lin, Dennis., Tang,
Proceedings of EUROSIM. 2001. Loon-Ching., Xie, Min. 2004.
Delft, 26-29 June 2001. Multiresponse Systems Optimization
[10] Kleijnen, J.P.C. 1997. Experimental Using a Goal Attainment Approach.
design for Sensitivity Analysis, IIE Transaction. 2004 hal 433-445.
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.
216 , ISSN:1411-6340
dengan langkah mengidentifikasi unit- merupakan suatu pendekatan non
unit yang akan dievaluasi, input serta parametrik yang pada dasarnya merupakan
output unit tersebut. Kemudian teknik berbasis pemrograman linier. DEA
selanjutnya, dihitung nilai produktivitas bekerja dengan langkah mengidentifikasi
dan mengidentifikasi unit mana yang tidak unit-unit yang akan dievaluasi, input serta
menggunakan input secara efisien atau output unit. Selanjutnya, dihitung nilai
tidak menghasilkan output secara efektif. produktivitas dan mengidentifikasi unit
DEA adalah model analisis faktor mana yang tidak menggunakan input secara
produksi untuk mengukur tingkat efisien atau tidak menghasilkan output
efisiensi relatif dari set unit kegiatan secara efektif. Produktivitas yang diukur
ekonomi (UKE). Skor efisiensi dari bersifat komparatif atau relatif, karena
banyak faktor input dan output. hanya membandingkan antar unit
dirumuskan sebagai berikut (Talluri, 2000, pengukuran dari 1 set data yang sama. DEA
Purwanoro, 2004). adalah model analisis faktor produksi untuk
mengukur tingkat efisiensi relatif dari set
Tujuan yang ingin dicapai dalam
unit kegiatan ekonomi (Talluri, 2000).
penelitian ini adalah: (1) menentukan
tingkat efisiensi biaya di Perusahaan Perum DEA berasumsi bahwa setiap UKE
Pegadaian wilayah Bangkalan, sehingga akan memilih bobot yang memaksimumkan
dapat mengetahui Perum Pegadaian yang rasio efisiensinya (maximize total weighted
efisien atau inefisien. (2) menganalisa output/total weighted input). Karena setiap
tingkat efisiensi biaya pada setiap kantor UKE menggunakan kombinasi input yang
cabang perum Pegadaian wilayah berbeda untuk menghasilkan kombinasi
Bangkalan, sehingga dapat meningkatkan output yang berbeda pula, maka setiap
kinerja perusahaan. (3) Memberikan usulan UKE akan memilih seperangkat bobot yang
perbaikan pada perusahaan Perum mencerminkan keragaman tersebut. Secara
Pegadaian wilayah Bangkalan. umum UKE akan menetapkan bobot yang
tinggi untuk input yang penggunaanya
Permasalahan yang dihadapi diatas
sedikit dan untuk output yang dapat
dapat diselesaikan dengan metode DEA.
diproduksi dengan banyak. Bobot-bobot
Metode DEA dipergunakan untuk
tersebut bukan merupakan nilai ekonomis
mengetahui kantor cabang mana yang tidak
dari input dan outputnya, melainkan
efisien dengan melakukan perbandingan
sebagai penentu untuk memaksimumkan
antara beberapa unit atau kantor cabang
efisiensi dari suatu UKE. Sebagai
berdasarkan input dan output yang
gambararan, jika suatu UKE merupakan
didapatkan. Unit-unit tersebut harus
perusahaan yang berorientasi pada
memiliki karakteristik yang sama, dalam
keuntungan (profit-maximizing firm) dan
arti memiliki output dan input yang sama.
setiap input dan outputnya memiliki biaya
Dengan adanya penelitian yang melakukan
per unit serta harga jual per unit, maka
pengukuran efisiensi biaya pengeluaran di
perusahaan tersebut akan berusaha
Perusahaan Perum Pegadaian Wilayah
menggunakan sesedikit mungkin input yang
Bangkalan akan dapat meningkatkan
biaya per unitnya termahal dan berusaha
kinerja, serta dapat mengupayakan strategi
memproduksi sebanyak mungkin output
perbaikan bagi kantor cabang yang kurang
yang harga jualnya tinggi.
efisien pada bagian keuangan, dalam hal ini
yang dijadikan sebagai sumber pengukuran DEA untuk suatu UKE dapat
adalah dari aspek biaya. diformulasikan sebagai program linier
fraksional yang solusinya dapat diperoleh
jika model tersebut ditransformasikan ke
2. TINJAUAN PUSTAKA dalam program linier dengan bobot dari
Data Envelopment Analysisis (DEA) input dan output UKE tersebut sebagai
diperkenalkan oleh Charnes, Cooper dan variabel keputusan (decision variables).
Rhodes. Metode DEA dibuat sebagai alat Metode simpleks dapat digunakan untuk
bantu untuk evaluasi kinerja suatu aktifitas menyelesaikan model yang sudah
dalam sebuah unit entitas (organisasi). DEA ditransformasikan ke dalam program linier.
DEA memerlukan penyelesaian program
218 , ISSN:1411-6340
selisih nilai input aktual dengan nilai slack untuk Perum Pegadaian ke-p = 1,2,3,4,5
inputnya, sedangkan untuk output didapat maka :
dengan menjumlahkan hasil perkalian
Objective function:
tingkat efisiensi DMU inefisien dan nilai
aktual dengan nilai slack outputnya dalam min hk = λj (1)
perhitungan ini dengan menggunakan
bantun Software Lindo. Subject to
Pada tahap Analisa ini, akan n m
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.
220 , ISSN:1411-6340
Gambar 2. RHS Parameter baris 6
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
222 , ISSN:1411-6340
2. Perum Pegadaian yang tidak efisien tetapi masih perlu peningkatan
adalah Cabang Bangkalan, dengan produktivitas.
nialai efisiensi sama dengan 0,1442363
pada bulan Januari 2009, Cabang 6. DAFTAR PUSTAKA
Kamal dari bulan Januari sampai [1] Charnes, A., W.W Cooper dan E.
dengan Maret 2009, mendapatkan nilai Rhodes. 1978. Measuring the
efisiensi berturut-turut sebesar Efficiency of Decision Making Units.
0,3650507, 0,4614362 dan 0,2610103 European Journal of Operation
dan Cabang Tanjung Bumi Research, vol. 2 p.429-444.
mendapatkan nilai efisiensi sama [2] Hadinata, Ivan dan Manurung Adler H,
dengan 0,1390164 pada bulan Maret 2000. Penerapan Data Envelopment
2009. Analysis (DEA) untuk mengukur
Efisiensi Kinerja Reksadana Saham.
Saran-saran yang bisa diberikan pada
[3] Kumbhakar, S.C dan Knox, Lovell.
Perum Pegadaian adalah
2000. The Effect of Deregulation on
1. Dalam meningkatkan efisiensinya
performance of financial institutions:
sebesar 100%, maka perlu melakukan
The Case of Spanish Saving Banks,
perbaikan terhadap faktor Biaya
Department of Economic University of
Pegawai, Biaya Umum & administrasi,
Texas.
biaya pemeliharaan Bangunan Kantor
[4] Purwanoro, N. 2004. Efektivitas
dan Biaya pemeliharaan kendaraan
Kinerja Pelabuhan dengan Data
Dinas, dengan cara melakukan
Envelopment Analysis (DEA),
pengurangan biaya.
Usahawan No. 05 th. XXXIII.
2. Bagi Perum Pegadaian yang sudah
[5] Talluri, Srinivas, 2000. Data
efisien (Perum Pegadaian Kwanyar
Envelopment Analysis: Model and
dan, Perum Pegadaian Klampis), bukan
Extension. Decision Line
berarti tidak ada yang harus diperbaiki
Production/Operations Management,
dan ditingkatkan, namun harus tetap
Silberman Colledge of Business
ada kontrol dari pihak Perum
Administration, Fairleih Deckinson
Pegadaian. Mengingat masih ada
University.
Perum Pegadaian yang sudah efisien
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).