jurnal

1. 112
MODEL SIMULASI SISTEM DINAMIK
DALAM SISTEM PRODUKSI DAN PERTUMBUHAN PASAR
Erma Suryani
Program Studi Sistem Infomasi,
Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember
Kampus ITS, Jl. Raya ITS, Sukolilo – Surabaya 60111, Telp. + 62 31 5939214, Fax. + 62 31 5913804
E-mail: erma@its-sby.edu
ABSTRAK
Adanya tingkat persaingan yang ketat saat ini, menuntut perusahaan untuk terus melakukan inovasi produk
supaya tetap bertahan. Saat yang tepat untuk inovasi produk inilah yang harus diidentifikasi oleh pihak
manajemen agar keputusan yang diambil tepat mengenai sasaran, sebelum pangsa pasarnya mengalami
penurunan. Hal lain yang tidak kalah pentingnya adalah membuat keputusan berapa banyaknya jumlah
produksi dan apakah kapasitas produksi perusahaan mampu untuk memenuhi kebutuhan pasar.
Penggunaan model simulasi sistem dinamik akan membantu memecahkan masalah tersebut. Terdapat
beberapa sub model yang dikembangkan diantaranya yaitu sub model customer, order serta produksi. Periode
simulasi dilakukan selama lima tahun dengan mempertimbangkan umur kapasitas fasilitas produksi dan
dinamika customer (konsumen).
Dari hasil simulasi didapat bahwa kapasitas produksi suatu perusahaan dipengaruhi oleh kapasitas yang
diinginkan (desired production), investasi (investment) dan pengurangan kapasitas akibat umur kapasitas
(reduction). Konsumen potensial suatu produk, pada awalnya bisa saja memiliki jumlah yang besar namun bisa
berkurang jika mereka beralih ke perusahaan lain karena perusahaan kurang baik dalam mengkomunikasikan
produknya dan adanya perubahan selera konsumen yang tidak dapat dibaca oleh perusahaan tersebut.
Besarnya jumlah Backlog (timbunan order) dipengaruhi oleh desired backlog yang tergantung pada service
level yang ditetapkan oleh manajemen , order yang diterima dan produksi .
Kata Kunci: Sistem Dinamik, Kapasitas, Order, Produk, Customer, Investasi,Umur Kapasitas, Simulasi
1. PENDAHULUAN
Seiring dengan meningkatnya preferensi
konsumen, perusahaan dituntut untuk melakukan
segmentasi pasar secara seksama, dan
mengidentifikasi kebutuhan mereka, serta siap untuk
mengembangkan dan meluncurkan produk baru.
Tingkat persaingan yang ketat saat ini, menuntut
perusahaan untuk terus melakukan inovasi produk
agar menang dalam persaingan.
Perubahan kebutuhan dan selera konsumen serta
perkembangan teknologi mengakibatkan siklus hidup
produk lebih singkat. Dari uraian diatas, maka
permasalahan yang dihadapi diantaranya adalah:
1. Bagaimana merancang model yang dapat
meramalkan pertumbuhan pangsa pasar
perusahaan
2. Bagaimana merancang model yang dapat
meramalkan jumlah order dan produksi
3. Bagaimana merancang model yang dapat
meramalkan kapasitas produksi perusahaan
2. PENGEMBANGAN MODEL SISTEM
DINAMIK
Model sistem dinamik merupakan metodologi
pemodelan sistem yang dikembangkan oleh Jay W.
Forrester. Prinsip utama dari metode ini adalah
umpan balik (close loop thinking) yang berupa
pengiriman dan pengembalian informasi. Adapun
tujuan dari pendekatan sistem dinamik adalah
memahami perilaku sistem. Pengembangan model
dilakukan dengan membuat beberapa sub model yang
erat kaitannya dengan tujuan pembuatan model.
Beberapa variabel model sistem dinamik diantaranya
yaitu : Level yang merupakan akumulasi aliran dari
waktu ke waktu, Rate yang menunjukkan laju aliran ,
dan Auxiliary yang merupakan variabel bantu.
Beberapa sub model yang dikembangkan pada pada
sistem ini diantaranya yaitu:
- Sub Model Customer (konsumen)
Pada sub model ini jumlah customer ditentukan oleh
jumlah customer awal dan customer potensial.
Variabel CONTACT RATE merupakan rata-rata
kontak yang dilakukan terhadap customer dalam 1
tahun. Total market mewakili pangsa pasar
keseluruhan yang didapat dari variabel potential
customer, waiting customer, dan customer. Dalam
sub model ini ditampilkan variabel Waiting Customer
yang merupakan selisih antara rate completions
(customer yang sudah mendapatkan produk) dan
committals (customer yang tidak dihubungi dan

2. Suryani, Model Simulasi Sistem dinamik
113
beralih ke kompetitor). Diagram simulasi Sub
Model Customer dapat dilihat pada gambar 1.
totalmarket
<WaitingCustomers>
<PotentialCustomers>
SubModelCustomer
completions
Waiting
Customers
PRODUCTPER
CUSTOMER
INITIAL
CUSTOMERS
SALES
FRACTION
customerwithnon
customercontacts
customerprevalence
CONTACT
RATE
noncustomer
contacts
committals
Customers
Potential
Customers
Gambar 1. Diagram Simulasi Customer
- Sub Model Order (pesanan)
Pada sub model order terdapat beberapa variabel
level seperti New Backlog, Product In Use,
Replacement Backlog. Variabel level
mengidentifikasikan adanya akumulasi pada saat
tertentu. Variabel Backlog merupakan order yang
masih belum bisa dipenuhi oleh perusahaan. Dalam
model ini diasumsikan bahwa kecepatan pengiriman
normal ( NORMAL DELIVERY DELAY ) adalah
delapan kali dalam setahun. Diagram simulasi Sub
Model Order dapat dilihat pada gambar 2.
total orders
neworders replacement orders
replacement shipments
newshipments
<total backlog>
<NewBacklog>
Replacement
Backlog
New
Backlog
total backlog
total shipments
AVERAGE LIFE
PRODUCT
<NORMAL DELIV
ERY DELAY>
NORMAL
DELIVERY
DELAY
PRODUCT
PER
CUSTOMER
Product
In Use
<Customers>
<committals>
Gambar 2. Diagram Simulasi Order (Pesanan)
- Sub Model Produksi
Pada sub model produksi dapat dilihat bahwa
kapasitas produksi ditentukan oleh besarnya modal
investasi yang dimiliki perusahaan serta jumlah
produksi yang diinginkan. Dalam sub model ini
terdapat tiga buah variabel level yaitu Capacity,
Average Order, dan Backlog. Dalam sub model ini
diasumsikan umur kapasitas sebesar dua tahun dan
waktu order rata-rata 4 kali dalam satu tahun.
ordersreceived
deliverydelay
replacementinvestment
capacityadjustment
TIME
AVERAGE
ORDERS
TIME TO
CORRECT
BACKLOG
TIME TO
ADJUST
CAPACITY
production
TARGET
DELIVERY
DELAY
<total orders>
Backlog
backlog correction
desiredcapacity
desiredbacklog
desiredproduction potential production
CAPACITY LIFE
reductions
investment
Average
Orders
Capacity
Gambar 3. Diagram Simulasi Produksi
3. SIMULASI MODEL
Simulasi dilakukan dalam horizon waktu 5 tahun
dengan mempertimbangkan umur kapasitas fasilitas
produksi dan dinamika customer (konsumen). Jika
jika horizon waktu terlalu panjang, maka
kemungkinan struktur model tidak relevan lagi
karena dalam interval waktu tersebut dapat terjadi
berbagai aktivitas yang berada di luar kontrol struktur
model. Adapun software yang digunakan dalam
menjalankan aplikasi ini adalah Ventana Simulations
(Vensim).
4. UJI COBA DAN ANALISA
Proses uji coba dilakukan dengan menjalankan
simulasi tiap sub model dengan horizon waktu 5
tahun. Berikut akan dibahas hasil Simulasi dari tiap
sub model.
- Sub model customer . Beberapa variabel
penting diantaranya adalah potential customer
dan total market. Hasil Simulasi dari potential
customer dapat dilihat pada gambar 4.

3. Volume 4, Nomor 2, Juli 2005 : 112-117
114
ER_PROD2
PotentialCustomers
20 M
15 M
10 M
5 M
0
committals
6 M
4.5 M
3 M
1.5 M
0
0 1.25 2.5 3.75 5
Time
Gambar 4. Hasil Simulasi Potential Customer
ER_PROD2
Customers
20 M
15 M
10 M
5 M
0
completions
6 M
4.5 M
3 M
1.5 M
0
0 1.25 2.5 3.75 5
Time
Gambar 5. Hasil Simulasi Variabel Customer
Dari hasil simulasi pada gambar 4 dapat
diinterpretasikan bahwa potensial customer terhadap
suatu produk, awalnya memiliki jumlah yang besar di
tahun pertama. Namun di tahun kedua, banyak
customer potensial yang beralih karena perusahaan
kurang baik dalam mengkomunikasikan produknya
dan adanya perubahan selera konsumen yang tidak
dapat dibaca oleh perusahaan , sehingga perusahaan
kehilangan pangsa pasarnya. Sedangkan dari hasil
simulasi terhadap variabel customer pada gambar 5
dapat dilihat bahwa pada tahun pertama s/d tahun ke
tiga mengalami pertumbuhan, namun mendekati
tahun ke empat s/d tahun ke lima, jumlah customer
mengalami stagnasi.
Untuk melihat pangsa pasar keseluruhan kita dapat
menggunakan hasil simulasi terhadap variabel total
market seperti terlihat pada gambar 6.
ER_PROD2
totalmarket
20M
15M
10M
Customers
20M
10M
0
PotentialCustomers
20M
10M
0
WaitingCustomers
800,000
400,000
0
0 1.25 2.5 3.75 5
Time
Gambar 6. Hasil Simulasi Variabel Total
Market
Dari gambar 6 dapat dilihat bahwa total market
selama 5 tahun praktis tidak mengalami perubahan,
karena dipicu oleh variabel customer yang hanya
tumbuh di tahun pertama s/d tahun ke dua, potensial
customer yang mulai menurun setelah tahun pertama
dan menurun terus di tahun-tahun berikutnya, serta
waiting customer yang mencapai puncak di tahun ke
dua dan menurun lagi ditahun-tahun berikutnya.
- Sub model Orders.
Beberapa variabel penting diantaranya adalah
total orders, new orders, dan replacement
orders. Hasil Simulasi dari variabel total orders
dapat dilihat pada gambar 7. Dari hasil simulasi
ini dapat dilihat bahwa total orders mengalami
peningkatan di tahun pertama dan mencapai
puncaknya di tahun ke dua, namun kemudian
menurun lagi sampai di tahun ke tiga dan
akhirnya stagnan mulai tahun ke empat sampai
dengan tahun ke lima.
New order memiliki peningkatan yang drastis
memasuki tahun kedua, namun setelah tahun ke
dua mengalami penurunan yang drastic, karena
dipicu oleh meningkatnya variabel

4. Suryani, Model Simulasi Sistem dinamik
115
replenishment order yang erat kaitannya dengan
umur produk (AVERAGE LIFE PRODUCT )
ER_PROD2
totalorders
8M
6M
4M
2M
0
neworders
6M
4.5M
3M
1.5M
0
replacementorders
6M
4.5M
3M
1.5M
0
0 1.25 2.5 3.75 5
Time
Gambar 7. Hasil Simulasi Variabel Total Orders
- Sub model Produksi.
Beberapa variabel penting dalam sub model
produksi diantaranya adalah production, desired
production, potential production, capacity dan
backlog. Dari gambar 8 dapat dilihat bahwa
produksi di tahun pertama dan kedua mengalami
stagnasi beberapa varibel yang mempengaruhi
seperti desired production dan potential
production juga mengalami hal yang sama.
Variabel potential production sangat
dipengaruhi oleh kapasitas produksi yang
dimiliki oleh suatu perusahaan, dalam simulasi
ini terlihat mencapai puncaknya setelah tahun
ketiga dan menurun secara perlahan sampai
tahun ke lima.
Hasil simulasi variabel kapasitas dapat dilihat
pada gambar 9. Dari gambar 9 dapat dilihat
bahwa kapasitas produksi suatu perusahaan
dipengaruhi oleh kapasitas yang diinginkan
(desired production), investasi (investment) , dan
pengurangan kapasitas akibat umur kapasitas
(reduction). Hasil simulasi variabel investment
dapat dilihat pada gambar 10. Sedangkan hasil
simulasi variabel desired production dapat
dilihat pada gambar 11.
ER_PROD2
production
6M
4.5M
3M
1.5M
0
desiredproduction
8M
6M
4M
2M
0
potentialproduction
6M
4.5M
3M
1.5M
0
0 1.25 2.5 3.75 5
Time
Gambar 8. Hasil Simulasi Variabel Production
ER_PROD2
Capacity
6M
3M
0
desiredcapacity
8M
4M
0
investment
6M
3M
0
reductions
4M
2M
0
0 1.25 2.5 3.75 5
Time

5. Volume 4, Nomor 2, Juli 2005 : 112-117
116
Gambar 9. Hasil Simulasi Variabel Capacity
Gambar 10. Hasil Simulasi Variabel Investment
ER_PROD2
desiredproduction
8M
6M
4M
2M
0
AverageOrders
4M
3.5M
3M
2.5M
2M
backlogcorrection
4M
3M
2M
1M
0
0 1.25 2.5 3.75 5
Time
Gambar 11. Hasil Simulasi Variabel Desired
Production
Hasil simulasi variabel Backlog dapat dilihat pada
gambar 12. Dari gambar 12 dapat dilihat bahwa
variabel Backlog dipengaruhi oleh desired backlog,
order received dan production. Desired backlog ini
dipengaruhi oleh service level yang ditetapkan oleh
manajemen perusahaan. Di tahun pertama s/d tahun
ke dua backlog mengalami stagnasi, meningkat
dengan tajam s/d tahun ke tiga serta mulai menurun
sampai dengan tahun ke lima. Hal ini disebabkan
karena order yang diterima dan timbunan order
(backlog) yang diinginkan cenderung datar mulai
tahun ke tiga s/d ke lima, sedangkan produksi
mencapai puncak mendekati tahun ke empat,
kemudian mulai menurun s/d tahun ke lima.
Gambar 12. Hasil Simulasi Variabel Backlog
ER_PROD2
investment
6 M
4.5 M
3 M
1.5 M
0
capacityadjustment
4 M
2.85 M
1.7 M
550,000
-.6 M
replacementinvestment
4 M
3 M
2 M
1 M
0
0 1.25 2.5 3.75 5
Time
ER_PROD2
Backlog
2M
1M
0
desiredbacklog
600,000
400,000
200,000
ordersreceived
6M
4M
2M
production
6M
3M
0
0 1.25 2.5 3.75 5
Time

6. Suryani, Model Simulasi Sistem dinamik
117
5. KESIMPULAN
Dari analisa hasil simulasi diatas dapat diambil
beberapa kesimpulan diantaranya yaitu:
1. Konsumen potensial (potensial customer) suatu
produk, pada awalnya memiliki jumlah yang
besar namun bisa berkurang jika mereka beralih
ke perusahaan lain karena perusahaan kurang
baik dalam mengkomunikasikan produknya dan
adanya perubahan selera konsumen yang tidak
dapat dibaca oleh perusahaan tersebut.
2. Kapasitas produksi suatu perusahaan
dipengaruhi oleh kapasitas yang diinginkan
(desired production), investasi (investment) dan
pengurangan kapasitas akibat umur kapasitas
(reduction).
3. Besarnya jumlah Backlog (timbunan order)
dipengaruhi oleh desired backlog, order received
dan production. Desired backlog ini dipengaruhi
oleh service level yang ditetapkan oleh
manajemen perusahaan.
6. DAFTAR PUSTAKA
1. R. G. Coyle, ”System Dynamics Modeling”,
cranfield university.
2. Jay W forrester,” Industrial Dynamics”, mit
press. Cambridge.
3. Sushil, “System Dynamics: A Practical
Approach for Managerial Problems”, Wiley
Eastern Limited.
4. “Vensim Reference Manual”, Ventana Systems
Inc.
5. “Vensim User’s Guide” Ventana Systems Inc.