OSCM Sesi 07 - aurinoworks.com

📺 Video Resources Sesi 07

Capacity Management: Playlist utama + video tambahan untuk Queuing Theory guna pemahaman yang komprehensif.

📺 PLAYLIST UTAMA 4 videos • ~87 menit

Capacity Planning Fundamentals

Tonton playlist ini untuk memahami dasar-dasar capacity planning: pengukuran kapasitas, break-even analysis, dan decision trees.

VIDEO TAMBAHAN Dari Business Decision Modeling

Teori Antrian (Queuing Theory)

Wajib ditonton setelah playlist! Video ini melengkapi materi yang tidak ada di playlist utama. Queuing theory penting untuk mengelola trade-off antara biaya layanan dan biaya menunggu.

📌 Topik yang Dibahas:

Waiting line models dan karakteristik antrian
Trade-off: Cost of service vs Cost of waiting
Single-server dan multi-server systems
Applications di service operations (bank, restoran, call center)

🎓 Urutan Menonton yang Direkomendasikan

1️⃣

Playlist Capacity Planning
S07.1 → S07.2 → S07.3 → S07.4

→

2️⃣

Video Queuing Theory
Waiting line analysis

→

3️⃣

Baca Materi Tertulis
Capacity strategies & workshop

💡 Tips: Video S07.4 dalam playlist sangat singkat (1:24). Untuk pemahaman mendalam tentang Lead, Lag, dan Match capacity strategies, silakan baca materi tertulis dengan teliti.

OSCM Sesi 07: Capacity Management

🎯 Tujuan Pembelajaran

Membedakan design capacity, effective capacity, dan actual output
Menghitung utilization dan efficiency sebagai metrik kinerja kapasitas
Menganalisis tiga strategi capacity: lead, lag, dan match
Menerapkan break-even analysis untuk keputusan kapasitas
Mengevaluasi keputusan kapasitas dalam kondisi ketidakpastian (decision theory)
Menerapkan waiting line analysis (queuing theory) untuk mengelola antrian
Memahami konsep capacity cushion dan economies/diseconomies of scale
WORKSHOP Melanjutkan fase Define (Round 02) — finalisasi problem statement

🎥 Video Kuliah: Capacity Management

📝 Panduan Menonton (Playlist):

Fokus: Capacity concepts, capacity strategies, break-even analysis, queuing theory, decision theory
Poin Kunci: Trade-off antara under-capacity (lost sales) dan over-capacity (idle cost); pentingnya capacity cushion
Siapkan kalkulator: untuk mengikuti contoh perhitungan break-even dan queuing
Catatan: Playlist berisi beberapa video — pilih yang relevan dengan topik capacity management

1. Fondasi Capacity Management: Mengukur Kemampuan Operasi

Apa itu Capacity?

Capacity adalah kapasitas maksimum suatu sistem operasi untuk menghasilkan output dalam periode waktu tertentu. Ini adalah batasan fundamental yang menentukan seberapa banyak value yang bisa diciptakan oleh sebuah operasi.

                        Mengapa Capacity Management Penting?
                        Too little capacity: Kehilangan pelanggan, sales turun, competitor ambil market share
Too much capacity: Biaya tetap tinggi, equipment menganggur, profit turun
Just right capacity: Optimal cost, customer satisfied, profit maximized

                    

Tiga Ukuran Kapasitas

Tiga Level Kapasitas

100 units

Design
Capacity

75 units

Effective
Capacity

60 units

Actual
Output

Design Capacity (teoritis)

Effective Capacity (realistis)

Actual Output (aktual)

Ukuran	Definisi	Formula	Contoh
Design Capacity	Output maksimum teoritis dalam kondisi ideal (tanpa henti, tanpa gangguan)	Maximum output per time period	Pabrik didesain untuk 100 unit/jam (24 jam nonstop)
Effective Capacity	Output maksimum yang realistis setelah dikurangi allowance (maintenance, break, setup, delay)	Design Capacity − Allowances	Setelah maintenance, break, setup = 75 unit/jam
Actual Output	Output yang benar-benar diproduksi (dipengaruhi demand, masalah, dll)	What is actually produced	Karena demand hanya 60 unit/jam, actual = 60

Dua Metrik Kinerja Kapasitas

UTILIZATION = Actual Output / Design Capacity × 100%

EFFICIENCY = Actual Output / Effective Capacity × 100%

                        📊 Contoh Perhitungan:

                        Kasus: Pabrik roti

                        • Design capacity: 200 roti/hari (24 jam)

                        • Effective capacity: 150 roti/hari (ada maintenance, break, setup)

                        • Actual output: 120 roti/hari

                        Utilization: 120 / 200 = 60%

                        Efficiency: 120 / 150 = 80%

                        Interpretasi:

                        • Utilization 60% → masih ada kapasitas menganggur 40% (opportunity untuk marketing atau diversifikasi)

                        • Efficiency 80% → kinerja operasional baik, hanya 20% loss karena faktor yang bisa dikontrol

Hubungan Utilization dan Efficiency

Situasi	Utilization	Efficiency	Interpretasi	Action
Ideal	Tinggi (>80%)	Tinggi (>90%)	Kapasitas terpakai baik, operasi efisien	Maintain, pertimbangkan ekspansi
Underutilized	Rendah (<60%)	Tinggi (>90%)	Operasi efisien tapi kapasitas menganggur	Tingkatkan demand (marketing) atau kurangi kapasitas
Inefficient	Tinggi (>80%)	Rendah (<70%)	Kapasitas terpakai tapi banyak waste	Perbaiki proses, training, maintenance
Bahaya	Rendah (<60%)	Rendah (<70%)	Kapasitas menganggur + tidak efisien	Restructuring drastis atau exit

🌍 Contoh Global: Hotel Industry

Design Capacity: 200 kamar × 24 jam = 4,800 room-nights/bulan

Effective Capacity: 4,800 − 10% (maintenance, deep cleaning) = 4,320 room-nights/bulan

Actual Output: Occupancy rate 75% = 3,600 room-nights/bulan

Utilization: 3,600 / 4,800 = 75%

Efficiency: 3,600 / 4,320 = 83.3%

Insight: Hotel biasanya target occupancy 70-80% untuk balance revenue dan service quality. 100% occupancy = overbooking risk, guest complaint.

🇮🇩 Contoh Indonesia: KAI (Kereta Api Indonesia)

Design Capacity: Jumlah kursi × frekuensi perjalanan per hari

Effective Capacity: Design − allowance (maintenance, delay, cleaning)

Actual Output: Penumpang aktual yang terlayani

Challenge: Saat Lebaran, demand naik 300% → KAI harus tambah rangkaian (capacity lead strategy)

Strategy: Kereta tambahan, jadwal ekstra, harga dinamis (yield management)

Result: Occupancy rate naik dari 70% (normal) ke 95% (Lebaran), revenue naik 200%

2. Strategi Kapasitas: Lead, Lag, dan Match

Tiga Pendekatan Capacity Expansion

Keputusan kapan menambah kapasitas adalah strategic decision yang berdampak jangka panjang. Ada tiga pendekatan utama:

Strategi	Kapan Tambah Kapasitas	Risiko	Kapan Dipakai	Contoh
Capacity Lead (tambah SEBELUM demand naik)	Antisipasi pertumbuhan demand	Overcapacity jika demand tidak tumbuh sesuai prediksi	Demand tumbuh cepat & predictable, biaya ekspansi rendah, competitive pressure tinggi	Telco bangun tower sebelum user membludak
Capacity Lag (tambah SETELAH demand naik)	Tunggu sampai kapasitas penuh	Lost sales, customer kecewa, competitor ambil market	Demand tidak pasti, biaya ekspansi tinggi, konservatif	UMKM tambah karyawan setelah order menumpuk
Match Strategy (tambah BARENG demand)	Incremental, bertahap sesuai pertumbuhan	Moderate — balance antara lead dan lag	Demand stabil, pertumbuhan bertahap, risiko moderate	Indofood tambah pabrik bertahap sesuai market growth

                        Trade-off Analysis:
                        Lead strategy: High risk (overcapacity) vs high reward (capture market, no lost sales)
Lag strategy: Low risk (no overcapacity) vs low reward (lost sales, customer kecewa)
Match strategy: Moderate risk & reward — balance approach

                    

🌍 Contoh Global: Amazon Web Services (AWS)

Strategy: Capacity Lead

Rationale:

Cloud computing demand tumbuh eksponensial
Customer expect instant availability (no waiting for server provisioning)
Competitive pressure dari Microsoft Azure, Google Cloud

Implementation:

Bangun data center 2-3 tahun sebelum demand puncak
Global footprint: 30+ regions, 90+ availability zones
Investment: $50+ billion per tahun untuk infrastructure

Result: Market leader 32% global cloud market, customer satisfaction tinggi

🇮🇩 Contoh Indonesia: PLN (Capacity Lead Strategy)

Strategy: Capacity Lead

Rationale:

Listrik adalah kebutuhan dasar — blackout tidak acceptable
Demand listrik Indonesia tumbuh 5-7% per tahun
Pembangunan pembangkit butuh 3-5 tahun

Implementation:

Rencana pembangunan pembangkit 10 tahun ke depan (RUPTL)
Diversifikasi: PLTU, PLTA, PLTS, PLTB, PLTG
Reserve margin: 20-30% (kapasitas berlebih untuk antisipasi)

Result: Blackout frequency turun drastis, electrification ratio 99%+

Capacity Cushion

Capacity cushion adalah jumlah kapasitas di atas expected demand — sebagai buffer untuk ketidakpastian.

CAPACITY CUSHION = Capacity − Expected Demand

CUSHION % = (Capacity − Expected Demand) / Expected Demand × 100%

Konteks	Cushion yang Direkomendasikan	Alasan
Demand sangat volatile	20-30%	Antisipasi spike demand
Demand stabil	5-10%	Cukup untuk variasi normal
Service critical (RS, listrik)	15-25%	Tidak boleh ada stockout
Perishable goods (makanan)	5-10%	Hindari waste
Custom/low volume	10-15%	Antisipasi rush order

Economies & Diseconomies of Scale

Economies of Scale (Skala Ekonomi)

Biaya per unit turun seiring meningkatnya volume produksi.

Sumber	Penjelasan	Contoh
Fixed cost spreading	Biaya tetap dibagi ke lebih banyak unit	Pabrik Rp 10M, produksi 10K unit = Rp 1K/unit; 100K unit = Rp 100/unit
Volume discounts	Supplier kasih diskon untuk pembelian besar	Beli 1 ton bahan = Rp 10K/kg; 10 ton = Rp 8K/kg
Specialized equipment	Mesin besar lebih efisien per unit	Mesin 1000 unit/jam lebih murah per unit dari 10 mesin 100 unit/jam
Learning curve	Pekerja semakin terampil dengan repetisi	Setiap doubling output, waktu produksi turun 10-20%

Diseconomies of Scale (Skala Tidak Ekonomi)

Biaya per unit naik setelah volume melewati titik optimal.

Sumber	Penjelasan	Contoh
Coordination cost	Semakin besar organisasi, semakin sulit koordinasi	Meeting berjenjang, birokrasi, komunikasi lambat
Complexity	Sistem menjadi kompleks, sulit dikelola	Supply chain global dengan 1000+ supplier
Worker alienation	Pekerja merasa seperti “cog in the machine”	Assembly line worker hanya pasang 1 baut berulang
Inventory cost	WIP dan finished goods inventory menumpuk	Gudang penuh, biaya holding tinggi

                        Minimum Efficient Scale (MES):

                        Titik volume minimum di mana economies of scale habis dan diseconomies mulai muncul. Di bawah MES = tidak kompetitif. Di atas MES = biaya naik.

                        Contoh:

                        • Pabrik semen: MES = 1 juta ton/tahun

                        • Pabrik mobil: MES = 200,000 unit/tahun

                        • Restoran: MES = 100 kursi (di atas itu, service quality turun)

🇮🇩 Contoh Indonesia: Pabrik Semen Indonesia

Economies of Scale:

Kiln besar (5,000 ton/hari) lebih efisien dari kiln kecil (500 ton/hari)
Volume discount untuk batu bara, clinker
Fixed cost (pabrik, tambang) dibagi ke jutaan ton

MES: 1 juta ton/tahun

Result: SIG (Semen Indonesia Group) bangun pabrik 3 juta ton/tahun di Rembang — cost per ton 30% lebih rendah dari pabrik kecil

3. Break-Even Analysis: Menentukan Kelayakan Investasi Kapasitas

Apa itu Break-Even Analysis?

Break-even analysis adalah teknik untuk menentukan volume output di mana total revenue = total cost (laba = 0). Di atas BEP = profit, di bawah BEP = loss.

TOTAL REVENUE = PRICE × QUANTITY

TOTAL COST = FIXED COST + (VARIABLE COST × QUANTITY)

BREAK-EVEN POINT (BEP) = FIXED COST / (PRICE − VARIABLE COST)

BEP (units) = FC / (P − VC)

                        Komponen:
                        FC (Fixed Cost): Biaya yang tidak berubah dengan volume (sewa, gaji tetap, depresiasi)
VC (Variable Cost): Biaya yang berubah proporsional dengan volume (bahan baku, upah langsung, listrik produksi)
P (Price): Harga jual per unit
(P − VC): Contribution margin — kontribusi setiap unit untuk menutup fixed cost

                    

                        📊 Contoh: Investasi Mesin Baru

                        Data:

                        • Fixed cost (sewa mesin + operator): Rp 50 juta/bulan

                        • Variable cost per unit: Rp 10,000

                        • Harga jual per unit: Rp 25,000

                        BEP:

                        BEP = 50,000,000 / (25,000 − 10,000)

                        BEP = 50,000,000 / 15,000

                        BEP = 3,333 unit/bulan

                        Interpretasi:

                        • Jika produksi < 3,333 unit/bulan → LOSS

                        • Jika produksi = 3,333 unit/bulan → BREAK EVEN

                        • Jika produksi > 3,333 unit/bulan → PROFIT

                        Contoh: Produksi 5,000 unit/bulan

                        • Revenue: 5,000 × 25,000 = Rp 125 juta

                        • Total cost: 50 juta + (5,000 × 10,000) = Rp 100 juta

                        • Profit: Rp 25 juta/bulan

Break-Even untuk Multiple Alternatives

Seringkali ada beberapa alternatif investasi (misal: mesin A vs mesin B). BEP membantu memilih yang paling ekonomis.

                        📊 Contoh: Pilih Mesin A atau B?

                            Mesin AMesin B
Fixed CostRp 100 jutaRp 200 juta
Variable Cost/unitRp 15,000Rp 10,000
Harga JualRp 25,000Rp 25,000

                        BEP Mesin A: 100,000,000 / (25,000 − 15,000) = 10,000 unit

                        BEP Mesin B: 200,000,000 / (25,000 − 10,000) = 13,333 unit

                        Crossover Point: Volume di mana total cost A = total cost B

                        100M + 15,000Q = 200M + 10,000Q

                        5,000Q = 100M

                        Q = 20,000 unit

                        Keputusan:

                        • Jika demand < 20,000 unit → pilih Mesin A (FC lebih rendah)

                        • Jika demand > 20,000 unit → pilih Mesin B (VC lebih rendah, economies of scale)

	Mesin A	Mesin B
Fixed Cost	Rp 100 juta	Rp 200 juta
Variable Cost/unit	Rp 15,000	Rp 10,000
Harga Jual	Rp 25,000	Rp 25,000

🇮🇩 Contoh: UMKM Keripik Pertimbangkan Mesin Vacuum Fryer

Current (manual):

FC: Rp 5 juta/bulan (sewa tempat, gaji 3 pekerja)
VC: Rp 8,000/bungkus (bahan, minyak, kemasan)
Price: Rp 15,000/bungkus
BEP: 5,000,000 / (15,000 − 8,000) = 714 bungkus/bulan

Option: Mesin Vacuum Fryer (Rp 150 juta):

FC: Rp 12 juta/bulan (sewa + cicilan mesin + gaji 2 pekerja)
VC: Rp 6,000/bungkus (lebih hemat minyak, tenaga kerja kurang)
Price: Rp 15,000/bungkus
BEP: 12,000,000 / (15,000 − 6,000) = 1,333 bungkus/bulan

Crossover: 5M + 8,000Q = 12M + 6,000Q → 2,000Q = 7M → Q = 3,500 bungkus

Keputusan:

Jika demand < 3,500 bungkus/bulan → tetap manual
Jika demand > 3,500 bungkus/bulan → invest mesin vacuum fryer

Limitasi Break-Even Analysis

Limitasi	Penjelasan
Asumsi linear	FC dan VC dianggap konstan — realita bisa step-function atau kurva
Single product	Sulit untuk multi-product (butuh weighted average)
Static	Tidak memperhitungkan time value of money, inflasi
Price constant	Harga jual bisa turun jika volume naik (discount)
No uncertainty	Tidak memperhitungkan risiko demand, supply disruption

4. Decision Theory: Kapasitas dalam Ketidakpastian CORE

Mengapa Decision Theory Penting?

Keputusan kapasitas sering dibuat dalam kondisi ketidakpastian — kita tidak tahu pasti berapa demand di masa depan. Decision theory menyediakan framework untuk memilih alternatif terbaik meskipun ada ketidakpastian.

Payoff Table

Tabel yang menunjukkan profit/loss untuk setiap kombinasi alternatif dan state of nature.

                        📊 Contoh: Pilih Ukuran Pabrik

                            AlternatifDemand Rendah (30%)Demand Sedang (50%)Demand Tinggi (20%)
Pabrik KecilRp 100 jutaRp 150 jutaRp 200 juta
Pabrik SedangRp 50 jutaRp 250 jutaRp 400 juta
Pabrik Besar-Rp 50 jutaRp 200 jutaRp 600 juta

                        Probabilitas: Rendah 30%, Sedang 50%, Tinggi 20%

Alternatif	Demand Rendah (30%)	Demand Sedang (50%)	Demand Tinggi (20%)
Pabrik Kecil	Rp 100 juta	Rp 150 juta	Rp 200 juta
Pabrik Sedang	Rp 50 juta	Rp 250 juta	Rp 400 juta
Pabrik Besar	-Rp 50 juta	Rp 200 juta	Rp 600 juta

Kriteria Keputusan (Tanpa Probabilitas)

1. Maximax (Optimist)

Pilih alternatif dengan payoff maksimum tertinggi — untuk optimis.

                        Pabrik Kecil: max = 200

                        Pabrik Sedang: max = 400

                        Pabrik Besar: max = 600 ← PILIH

2. Maximin (Pessimist / Wald Criterion)

Pilih alternatif dengan payoff minimum tertinggi — untuk pesimis.

                        Pabrik Kecil: min = 100

                        Pabrik Sedang: min = 50

                        Pabrik Besar: min = -50

                        PILIH: Pabrik Kecil (min tertinggi = 100)

3. Minimax Regret (Savage Criterion)

Minimalkan regret maksimum — regret = selisih antara payoff aktual dengan payoff terbaik yang mungkin.

                        Regret Table:

                            AlternatifDemand RendahDemand SedangDemand TinggiMax Regret
Pabrik Kecil0100400400
Pabrik Sedang500200200
Pabrik Besar150500150 ← PILIH

                        Perhitungan Regret:

                        Demand Rendah: best = 100 (kecil). Regret kecil = 0, sedang = 100-50 = 50, besar = 100-(-50) = 150

                        Demand Sedang: best = 250 (sedang). Regret kecil = 250-150 = 100, sedang = 0, besar = 250-200 = 50

                        Demand Tinggi: best = 600 (besar). Regret kecil = 600-200 = 400, sedang = 600-400 = 200, besar = 0

                        Minimax regret: Pilih Pabrik Besar (max regret terkecil = 150)

Alternatif	Demand Rendah	Demand Sedang	Demand Tinggi	Max Regret
Pabrik Kecil	0	100	400	400
Pabrik Sedang	50	0	200	200
Pabrik Besar	150	50	0	150 ← PILIH

4. Laplace Criterion (Equal Likelihood)

Asumsikan semua state of nature equally likely, hitung rata-rata payoff.

                        Pabrik Kecil: (100 + 150 + 200) / 3 = 150

                        Pabrik Sedang: (50 + 250 + 400) / 3 = 233.3

                        Pabrik Besar: (-50 + 200 + 600) / 3 = 250 ← PILIH

5. Hurwicz Criterion (Realism)

Weighted average antara payoff terbaik dan terburuk, dengan koefisien α (0 ≤ α ≤ 1).

H = α × (max payoff) + (1 − α) × (min payoff)

α = 1 → maximax (optimis), α = 0 → maximin (pesimis)

                        Contoh dengan α = 0.7 (cenderung optimis):

                        Pabrik Kecil: 0.7(200) + 0.3(100) = 140 + 30 = 170

                        Pabrik Sedang: 0.7(400) + 0.3(50) = 280 + 15 = 295

                        Pabrik Besar: 0.7(600) + 0.3(-50) = 420 − 15 = 405 ← PILIH

Kriteria Keputusan (Dengan Probabilitas)

Expected Monetary Value (EMV)

Hitung expected value untuk setiap alternatif berdasarkan probabilitas.

EMV = Σ (Probability × Payoff)

                        Perhitungan EMV:

                        Pabrik Kecil: 0.3(100) + 0.5(150) + 0.2(200) = 30 + 75 + 40 = 145

                        Pabrik Sedang: 0.3(50) + 0.5(250) + 0.2(400) = 15 + 125 + 80 = 220

                        Pabrik Besar: 0.3(-50) + 0.5(200) + 0.2(600) = -15 + 100 + 120 = 205

                        PILIH: Pabrik Sedang (EMV tertinggi = 220 juta)

Expected Value of Perfect Information (EVPI)

Berapa nilai informasi sempurna (jika kita tahu pasti demand di masa depan)?

EVPI = Expected Value with Perfect Information (EVwPI) − Maximum EMV

                        Perhitungan EVPI:

                        EVwPI: Jika tahu pasti demand, selalu pilih alternatif terbaik

                        = 0.3(100) + 0.5(250) + 0.2(600)

                        = 30 + 125 + 120 = 275

                        Maximum EMV: 220 (Pabrik Sedang)

                        EVPI: 275 − 220 = 55 juta

                        Interpretasi: Kita bersedia bayar sampai Rp 55 juta untuk informasi sempurna tentang demand masa depan.

Decision Tree

Visualisasi keputusan berurutan dengan probabilitas dan payoff di setiap cabang.

                        Kapan pakai Decision Tree:
                        Keputusan berurutan (sequential)
Ada keputusan lanjutan setelah uncertainty terungkap
Multiple stages (misal: invest sekarang, expand nanti)

                    

🇮🇩 Contoh: Startup E-commerce Putuskan Kapasitas Server

Decision: Sewa server kecil (Rp 50 juta/tahun), sedang (Rp 100 juta), atau besar (Rp 200 juta)?

Uncertainty: User growth 1 juta (30%), 5 juta (50%), 10 juta (20%)

Payoff (profit, juta/tahun):

Server	1M user	5M user	10M user
Kecil	100	150	100 (overload, lost revenue)
Sedang	50	250	300
Besar	-50	150	500

EMV:

Kecil: 0.3(100) + 0.5(150) + 0.2(100) = 125
Sedang: 0.3(50) + 0.5(250) + 0.2(300) = 200 ← PILIH
Besar: 0.3(-50) + 0.5(150) + 0.2(500) = 160

Keputusan: Sewa server sedang (EMV tertinggi)

5. Waiting Line Analysis (Queuing Theory) CORE

Apa itu Queuing Theory?

Queuing theory adalah studi matematis tentang antrian — menganalisis trade-off antara biaya menyediakan layanan dan biaya menunggu.

                        Trade-off Fundamental:
                        Tambah server → biaya layanan naik, waktu tunggu turun
Kurangi server → biaya layanan turun, waktu tunggu naik
Optimal: Total cost (service cost + waiting cost) minimum

                    

Komponen Sistem Antrian

Komponen	Definisi	Contoh
Calling population	Sumber kedatangan (customer, job, dll)	Nasabah bank, pasien RS, order e-commerce
Arrival rate (λ)	Rata-rata kedatangan per waktu	20 nasabah/jam
Queue discipline	Aturan antrian	FIFO (first in first out), LIFO, priority
Service facility	Tempat layanan	Teller, kasir, server
Service rate (μ)	Rata-rata layanan per waktu	1 teller layani 5 nasabah/jam

Notasi Kendall

Format standar untuk mendeskripsikan sistem antrian: A/B/k

A: Distribusi kedatangan (M = Markovian/Poisson, D = Deterministic, G = General)
B: Distribusi layanan (M, D, G)
k: Jumlah server

                        Contoh:
                        M/M/1: Poisson arrival, exponential service, 1 server (paling umum)
M/M/2: Poisson arrival, exponential service, 2 server
M/D/1: Poisson arrival, deterministic service, 1 server

                    

Model M/M/1 (Single Server)

Model paling dasar — 1 server, arrival Poisson, service exponential.

Parameter:

λ = arrival rate (rata-rata kedatangan per waktu)
μ = service rate (rata-rata layanan per waktu)
ρ = utilization = λ / μ (harus < 1 agar stabil)

Metrik Kinerja:

Metrik	Formula	Arti
L (avg number in system)	λ / (μ − λ)	Rata-rata customer dalam sistem (antri + dilayani)
Lq (avg number in queue)	λ² / [μ(μ − λ)]	Rata-rata customer yang antri
W (avg time in system)	1 / (μ − λ)	Rata-rata waktu dalam sistem
Wq (avg time in queue)	λ / [μ(μ − λ)]	Rata-rata waktu menunggu antri
P0 (probability idle)	1 − ρ	Probabilitas server menganggur
ρ (utilization)	λ / μ	Utilisasi server

                        📊 Contoh: Antrian di Bank BRI

                        Data:

                        • Nasabah datang: λ = 20/jam (Poisson)

                        • Teller melayani: μ = 25/jam (exponential)

                        • 1 teller

                        Utilization: ρ = 20/25 = 0.8 (80%)

                        Metrik:

                        • L = 20 / (25 − 20) = 4 nasabah (rata-rata dalam sistem)

                        • Lq = 20² / [25(25 − 20)] = 400 / 125 = 3.2 nasabah (rata-rata antri)

                        • W = 1 / (25 − 20) = 0.2 jam = 12 menit (rata-rata waktu dalam sistem)

                        • Wq = 20 / [25(25 − 20)] = 20/125 = 0.16 jam = 9.6 menit (rata-rata waktu antri)

                        • P0 = 1 − 0.8 = 0.2 (20%) (teller menganggur 20% waktu)

                        Interpretasi:

                        • Nasabah rata-rata menunggu 9.6 menit sebelum dilayani

                        • Total waktu di bank: 12 menit (antri 9.6 menit + dilayani 2.4 menit)

                        • Rata-rata ada 3.2 nasabah antri, 4 nasabah di sistem

                        • Teller sibuk 80% waktu

Model M/M/k (Multiple Servers)

Untuk sistem dengan k server paralel (misal: 3 teller).

                        📊 Contoh: Tambah 1 Teller di Bank BRI

                        Current (1 teller):

                        • Wq = 9.6 menit

                        • Lq = 3.2 nasabah

                        Option: Tambah 1 teller (jadi 2 teller)

                        • λ = 20/jam, μ = 25/jam per teller, k = 2

                        • ρ = λ / (kμ) = 20 / (2×25) = 0.4 (40%)

                        Setelah hitung M/M/2:

                        • Wq = 0.53 menit (turun drastis dari 9.6 menit!)

                        • Lq = 0.18 nasabah (turun dari 3.2)

                        Trade-off analysis:

                        • Biaya teller: Rp 5 juta/bulan per teller

                        • Biaya tunggu nasabah: Rp 50,000/menit (opportunity cost)

                        • Current total cost: 1(5M) + 3.2(20×60×22)(50,000) = 5M + 422.4M = Rp 427.4 juta

                        • Option total cost: 2(5M) + 0.18(20×60×22)(50,000) = 10M + 23.76M = Rp 33.76 juta

                        Keputusan: Tambah 1 teller — total cost turun 92%!

Psychology of Waiting

Selain metrik matematis, ada aspek psikologis yang mempengaruhi persepsi pelanggan:

Prinsip	Penjelasan	Solusi
Unexplained waits feel longer	Tidak tahu kenapa antri = frustrasi	Beri informasi: “Estimasi tunggu 10 menit”
Uncertain waits feel longer	Tidak tahu berapa lama = cemas	Display nomor antrian, progress bar
Unfair waits feel longer	Lihat orang lain didahulukan = marah	Sistem antrian jelas, FIFO konsisten
Anxious waits feel longer	Cemas (RS, airport) = waktu terasa lama	Komunikasi proaktif, update berkala
Empty waits feel longer	Tidak ada aktivitas = bosan	Entertainment: TV, musik, WiFi, majalah
Solo waits feel longer	Antri sendiri = lebih terasa lama	Group seating, social interaction

🇮🇩 Contoh: Psychology of Waiting di BPJS Kesehatan

Problem: Pasien antri 2-3 jam di RS, banyak komplain

Solusi Teknis: Tambah dokter, perbaiki alur

Solusi Psikologis:

Nomor antrian digital: Pasien bisa cek posisi antrian via app
Estimasi waktu: “Estimasi dipanggil: 45 menit lagi”
Entertainment: TV edukasi kesehatan, WiFi gratis
Comfort: Kursi empuk, AC, air minum
Transparency: Display “Sedang dilayani: Nomor 45”

Result: Komplain turun 60% meskipun waktu tunggu aktual sama

Managing Queues: Strategies

Strategi	Cara	Contoh
Determine demand pattern	Analisis kapan peak & off-peak	Restoran ramai jam makan siang
Adjust capacity	Tambah server saat peak	Bank buka lebih banyak teller jam lunch
Share resources	Cross-train worker untuk multi-task	Kasir supermarket bisa jadi stocker
Shift demand	Pricing, promotion untuk geser ke off-peak	Happy hour, weekday discount
Make wait pleasant	Entertainment, comfort, information	Disneyland queue dengan entertainment
Encourage customer participation	Self-service	Self-checkout, ATM, mobile ordering
Take long-term view	Investasi kapasitas jangka panjang	PLN bangun pembangkit untuk 10 tahun ke depan

6. Workshop DT 06: Problem Definition Round 02 WORKSHOP

🎨 Workshop DT 06: Problem Definition Round 02

Tujuan: Finalisasi problem statement berdasarkan feedback dari Round 01 dan validasi tambahan. Output siap untuk fase Ideate di sesi berikutnya.

Durasi: 90-120 menit

Format: Kelompok 3-5 orang

Transisi dari Define Round 01 ke Round 02

Di sesi 06 (Define Round 01), Anda sudah membuat:

POV statement
5 Whys analysis
HMW questions
Constraints & assumptions

Sekarang di Round 02, kita akan:

Review & refine berdasarkan feedback dosen & teman
Validasi assumptions dengan data tambahan
Prioritize HMW questions
Finalize problem statement untuk Ideate phase

                        Prinsip Finalisasi Problem Statement:
                        “Good enough, not perfect” — jangan terjebak perfectionism
Testable — bisa divalidasi dengan prototype di fase berikutnya
Inspiring — memotivasi tim untuk cari solusi kreatif
Measurable — bisa diukur keberhasilannya

                    

Evolusi Design Thinking Rounds

✓ Sesi 02-05: Empathize Rounds 01-04

Fokus: Operasi, Customer, Supply Chain, Worker

✓ Sesi 06: Define Round 01

Fokus: Sintesis insights → Problem statement awal

🎯 Sesi 07: Define Round 02 — Finalisasi

Fokus: Refine, validate, prioritize, finalize problem statement

Langkah-Langkah Define Round 02

Langkah 1: Review Feedback Round 01 (15 menit)

Kumpulkan feedback dari presentasi sesi 06:

Apa kritik dari dosen & teman?
Apa yang kurang jelas atau perlu diperdalam?
Apakah ada insights baru yang terlewat?

Langkah 2: Refine POV Statement (20 menit)

Perbaiki POV statement berdasarkan feedback:

Apakah user-nya sudah spesifik?
Apakah verb-nya actionable?
Apakah insight-nya supported by data?

Template: [Specific user] needs to [actionable verb] because [data-backed insight].

Langkah 3: Validate Assumptions (25 menit)

Untuk setiap assumption di Round 01, lakukan validasi:

Data validation: Cari data sekunder (laporan, statistik, riset)
Quick interview: Tanya 2-3 orang untuk konfirmasi
Observation: Observasi langsung untuk verifikasi

Output: Assumption yang validated vs invalidated. Jika invalidated, revisit POV.

Langkah 4: Prioritize HMW Questions (20 menit)

Dari 5-10 HMW di Round 01, pilih 3 teratas berdasarkan:

Kriteria	Bobot	Penjelasan
Impact	30%	Seberapa besar dampak jika berhasil?
Feasibility	25%	Seberapa mungkin direalisasikan?
Alignment	20%	Seberapa selaras dengan insight dari Empathize?
Inspiration	15%	Seberapa memotivasi untuk tim?
Measurability	10%	Seberapa mudah diukur keberhasilannya?

Voting dengan scoring matrix, pilih 3 HMW dengan skor tertinggi.

Langkah 5: Define Success Metrics (15 menit)

Untuk setiap HMW terpilih, tentukan:

Success criteria: Apa yang menandakan solusi berhasil?
KPIs: Metrik apa yang akan diukur?
Target: Berapa target pencapaian?
Timeline: Kapan harus tercapai?

Contoh:

HMW: “How might we reduce waiting time at kantin?”
Success: Customer served in < 10 minutes
KPI: Average waiting time, customer satisfaction score
Target: Reduce waiting time by 50% in 1 month

Langkah 6: Finalize Problem Statement Package (20 menit)

Susun paket final untuk Ideate phase:

Final POV Statement (1 kalimat)
Root Cause Analysis (5 Whys chain)
Top 3 HMW Questions (dengan scoring rationale)
Validated Assumptions (dengan evidence)
Constraints (batasan yang harus dihormati)
Success Metrics (KPIs & targets)

Langkah 7: Final Presentation (25 menit)

Setiap kelompok presentasi 7 menit + 3 menit Q&A. Struktur:

POV statement (30 detik)
Root cause dari 5 Whys (1 menit)
Top 3 HMW dengan justifikasi (2 menit)
Validated assumptions (1 menit)
Success metrics (1 menit)
Next steps untuk Ideate phase (30 detik)

Template Final Problem Statement Package

                        1. Final POV Statement:

                        [Specific user] needs to [actionable verb] because [data-backed insight].

                        2. Root Cause (5 Whys):

                        Problem → Why 1 → Why 2 → Why 3 → Why 4 → Why 5 (root cause)

                        3. Top 3 HMW Questions (dengan scoring):

                        1. How might we…? (Score: Impact 8, Feasibility 7, Alignment 9, Inspiration 7, Measurability 8 = 39)

                        2. How might we…? (Score: … = 36)

                        3. How might we…? (Score: … = 34)

                        4. Validated Assumptions:

                        • Assumption 1: [validated/invalidated] — Evidence: …

                        • Assumption 2: [validated/invalidated] — Evidence: …

                        5. Constraints:

                        • Budget: max Rp X

                        • Timeline: Y weeks

                        • Regulation: …

                        • Technology: …

                        6. Success Metrics:

                        • KPI 1: [metric] → Target: [number] by [date]

                        • KPI 2: [metric] → Target: [number] by [date]

                        • KPI 3: [metric] → Target: [number] by [date]

                        💡 Kriteria Final Problem Statement yang Baik:
                        ✅ Specific: Jelas siapa user, apa masalah, kenapa penting
✅ Validated: Assumptions sudah dicek dengan data/observasi
✅ Actionable: Tim bisa mulai generate solusi
✅ Measurable: Ada KPI & target yang jelas
✅ Constrained: Batasan sudah didefinisikan (budget, time, dll)
✅ Inspiring: Memotivasi tim untuk cari solusi kreatif

                    

💡 Apa Selanjutnya?

Output dari Define Round 02 ini akan jadi input untuk Ideate phase di sesi 08, di mana Anda akan generate banyak ide solusi (divergent thinking) untuk HMW questions yang sudah difinalisasi.

Persiapan untuk Ideate:

Baca tentang brainstorming techniques (SCAMPER, mind mapping, dll)
Siapkan mentalitas “yes, and…” — terima semua ide dulu, evaluasi nanti
Bawa referensi solusi dari industri lain (analogical thinking)

🔑 Key Takeaways Sesi 07

Capacity management adalah fondasi keputusan operasi — terlalu sedikit = lost sales, terlalu banyak = idle cost.
Tiga ukuran kapasitas: Design (teoritis), Effective (realistis), Actual (aktual).
Utilization = Actual / Design; Efficiency = Actual / Effective — keduanya penting untuk evaluasi.
Tiga strategi capacity: Lead (tambah sebelum demand), Lag (tambah setelah demand), Match (bertahap).
Capacity cushion = buffer untuk antisipasi ketidakpastian — 5-30% tergantung konteks.
Economies of scale = biaya per unit turun dengan volume; Diseconomies = biaya naik setelah MES.
Break-even analysis menentukan volume minimum untuk profit — alat fundamental untuk keputusan investasi.
Decision theory membantu pilih alternatif dalam ketidakpastian: Maximax, Maximin, Minimax Regret, EMV, EVPI.
Queuing theory menganalisis trade-off service cost vs waiting cost — M/M/1 dan M/M/k adalah model dasar.
Psychology of waiting sama pentingnya dengan metrik matematis — kelola persepsi, bukan hanya waktu aktual.
Define Round 02 memfinalisasi problem statement: refine POV, validate assumptions, prioritize HMW, define success metrics.
Output Define Round 02 siap untuk Ideate phase — generate solusi kreatif di sesi berikutnya.

💬 Diskusi & Tugas Kelompok

Tugas 1: Capacity Analysis

Pilih satu bisnis (hotel, RS, restoran, pabrik). Hitung:

Design capacity, effective capacity, actual output
Utilization dan efficiency
Capacity cushion
Rekomendasi: lead, lag, atau match strategy?

Tugas 2: Break-Even Analysis

Sebuah UMKM pertimbangkan investasi mesin baru:

Fixed cost: Rp X, Variable cost: Rp Y/unit, Price: Rp Z/unit
Hitung BEP dalam unit dan rupiah
Jika demand forecast 1,000 unit/bulan, apakah layak investasi?
Berapa profit/loss?

Tugas 3: Decision Theory

Diberikan payoff table dengan 3 alternatif dan 3 states of nature. Hitung:

Maximax, Maximin, Minimax Regret, Laplace
EMV dengan probabilitas yang diberikan
EVPI
Rekomendasi keputusan

Tugas 4: Queuing Analysis

Analisis antrian di satu layanan (bank, RS, supermarket):

Ukur arrival rate (λ) dan service rate (μ)
Hitung metrik: L, Lq, W, Wq, ρ
Evaluasi: apakah perlu tambah server?
Hitung trade-off: biaya server vs biaya tunggu

Tugas 5: Workshop Output Submission

Kumpulkan Final Problem Statement Package dari Workshop DT 06:

Final POV Statement
5 Whys Analysis
Top 3 HMW Questions (dengan scoring)
Validated Assumptions
Constraints
Success Metrics

Tugas 6: Indonesian Context

Analisis tantangan capacity management khusus di Indonesia:

Bagaimana mengelola capacity dengan demand yang sangat musiman (Lebaran, Natal, tahun ajaran)?
Bagaimana dampak infrastruktur yang tidak merata terhadap capacity planning?
Studi kasus: PLN mengelola kapasitas listrik di Papua vs Jawa
Studi kasus: KAI mengelola kapasitas kereta saat mudik Lebaran

📚 Referensi

Russell, R. S. & Taylor, B. W. Operations and Supply Chain Management — Chapter 10 (Capacity Management)
Heizer, J., Render, B., & Munson, C. (2020). Operations Management: Sustainability and Supply Chain Management. Pearson. (Chapter: Capacity and Constraint Management)
Render, B., Stair, R. M., & Hanna, M. E. (2017). Quantitative Analysis for Management. Pearson. (Decision Theory & Queuing Theory)
Maister, D. H. (1985). The Psychology of Waiting Lines. Harvard Business Review.
Grossman, E. (2014). The Economics of Capacity Management. MIT Sloan Management Review.
Banker, R. D., & Datar, S. M. (1989). The Measurement of Capacity and Utilization. Management Science.

🌐 Open Educational Resource (OER)

Materi ini disusun sebagai sumber belajar terbuka untuk mahasiswa, dosen, dan praktisi Operations & Supply Chain Management di Indonesia dan negara berkembang lainnya.

📜 Lisensi: CC BY-NC-SA 4.0 (Atribusi – NonKomersial – BerbagiSerupa)

🎓 Selamat Belajar!

Capacity is not just about how much you can produce — it’s about how well you match capability to opportunity.

Manajemen Kapasitas (Capacity Management)

1. Tujuan Sesi

Sesi ini bertujuan membekali mahasiswa dengan pemahaman bahwa kapasitas adalah komitmen strategis yang menentukan kemampuan organisasi memenuhi permintaan pelanggan. Mahasiswa diarahkan melihat manajemen kapasitas sebagai keputusan yang menyeimbangkan biaya, tingkat layanan, dan fleksibilitas.

Fokus sesi adalah bagaimana kapasitas direncanakan dan dikelola secara manajerial, bukan sekadar dihitung.

2. Konsep Dasar Kapasitas dalam Operasi

Kapasitas menggambarkan kemampuan maksimum sistem operasi untuk menghasilkan output dalam periode tertentu. Dalam praktik, dikenal kapasitas desain, kapasitas efektif, dan kapasitas aktual—yang jarang sama karena adanya pembatas proses, variasi, dan gangguan.

Memahami perbedaan ini membantu manajer mengidentifikasi celah kinerja dan peluang perbaikan.

3. Utilisasi dan Bottleneck

Utilisasi menunjukkan seberapa besar kapasitas digunakan. Namun, utilisasi tinggi tidak selalu baik jika menyebabkan antrian, kelelahan, atau penurunan kualitas. Bottleneck adalah titik proses yang membatasi output sistem secara keseluruhan.

Sesi ini menekankan prinsip bahwa peningkatan di luar bottleneck tidak meningkatkan kinerja sistem.

4. Strategi Kapasitas: Lead, Lag, dan Match

Organisasi dapat memilih strategi lead (kapasitas mendahului permintaan), lag (kapasitas mengikuti permintaan), atau match (penyesuaian bertahap). Setiap strategi memiliki risiko dan implikasi biaya yang berbeda.

Pemilihan strategi harus diselaraskan dengan ketidakpastian permintaan dan toleransi risiko organisasi.

5. Fleksibilitas Kapasitas

Fleksibilitas kapasitas memungkinkan organisasi merespons fluktuasi permintaan melalui lembur, penjadwalan ulang, outsourcing, atau pemanfaatan teknologi. Fleksibilitas meningkatkan responsivitas, tetapi juga membawa konsekuensi biaya dan kompleksitas.

Mahasiswa belajar bahwa fleksibilitas perlu dirancang, bukan diimprovisasi.

6. Risiko Overcapacity dan Undercapacity

Overcapacity meningkatkan biaya tetap dan menurunkan efisiensi, sementara undercapacity menyebabkan keterlambatan, kehilangan penjualan, dan ketidakpuasan pelanggan. Keduanya merupakan risiko strategis yang harus dikelola.

Sesi ini menekankan pentingnya trade-off manajerial dalam keputusan kapasitas.

7. Contoh Aplikasi Manajemen Kapasitas

Manajemen kapasitas terlihat jelas pada rumah sakit, maskapai penerbangan, dan industri jasa lainnya yang menghadapi permintaan berfluktuasi. Keputusan kapasitas di sektor ini berdampak langsung pada kualitas layanan dan biaya.

Contoh ini membantu mahasiswa memahami relevansi kapasitas dalam konteks nyata.

8. 🎥 Video Pendukung

Tambahkan video pengantar tentang:
Capacity Management and Bottleneck Analysis in Operations

🔔 Catatan:
Video digunakan untuk memvisualisasikan hubungan antara kapasitas, utilisasi, dan bottleneck, bukan untuk menggantikan diskusi konseptual.

Key Takeaway

Kapasitas bukan sekadar angka, melainkan keputusan strategis yang menentukan kemampuan organisasi melayani pelanggan secara berkelanjutan.

OSCM Sesi 06

Learning Path OSCM

OSCM – Sesi 08