Program Studi Bisnis Digital • FEB

Manajemen Operasi

Pertemuan 14 — Pemeliharaan dan Keandalan

Preventive vs breakdown maintenance, dan bagaimana mengukur keandalan (reliabilitas) sistem produksi — menutup rangkaian materi Manajemen Operasi sebelum UAS.

RPS MINGGU 15 • 2 × 50 MENIT

Selamat pagi/siang, Anda semua — selamat datang di pertemuan terakhir kita sebelum UAS. Minggu lalu kita membahas lean operations dan just-in-time, bagaimana perusahaan menghilangkan pemborosan dari proses produksi. Hari ini kita bahas topik yang sering dianggap "urusan teknisi" tapi sebenarnya sangat strategis bagi manajer operasi: pemeliharaan mesin dan peralatan, serta bagaimana mengukur keandalan sebuah sistem produksi. Bayangkan Anda manajer pabrik roti Sari Roti atau manajer data center di GoTo yang harus memutuskan, apakah menunggu mesin rusak baru diperbaiki, atau merawatnya secara terjadwal sebelum rusak. Keputusan ini berdampak langsung pada biaya, downtime, dan kepuasan pelanggan, dan itulah yang akan kita bedah tuntas hari ini, sekaligus menutup keseluruhan mata kuliah Manajemen Operasi semester ini.

Bagian 1 dari 3

Preventive vs Breakdown Maintenance

Dua strategi dasar pemeliharaan, trade-off biayanya, dan perhitungan lengkap perbandingan total biaya.

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu membandingkan strategi pemeliharaan & menghitung ukuran keandalan sistem produksi (Sub-CPMK Minggu 15). Secara rinci:

Kognitif

Bedakan

Membedakan breakdown maintenance, preventive maintenance, dan predictive maintenance beserta kapan masing-masing tepat dipakai.

Aplikasi

Hitung & Rancang

Menghitung MTBF, MTTR, dan availability sistem, serta merancang konfigurasi keandalan seri/paralel yang lebih tangguh.

Apa Itu Pemeliharaan (Maintenance)?

Pemeliharaan (maintenance) adalah seluruh aktivitas menjaga peralatan & fasilitas produksi tetap berfungsi sesuai standar — mencegah kerusakan atau memulihkan kondisi setelah rusak.

Mengapa strategis? Downtime mesin tak terduga bisa menghentikan seluruh lini produksi, menunda pengiriman, dan merusak reputasi — pemeliharaan bukan sekadar biaya perawatan, tapi investasi menjaga kapasitas & keandalan operasi.

Contoh sehari-hari: maskapai Garuda Indonesia merawat mesin pesawat secara sangat ketat karena kegagalan berarti keselamatan, bukan hanya kerugian finansial; pabrik AMDK di Klaten merawat mesin pembotolan agar lini produksi tidak berhenti mendadak.

Mari kita mulai dari definisi. Pemeliharaan adalah seluruh aktivitas yang dilakukan perusahaan untuk menjaga peralatan dan fasilitas produksi tetap berfungsi sesuai standar yang diharapkan, baik dengan cara mencegah kerusakan sejak awal maupun memulihkan kondisi peralatan setelah rusak. Ini bukan sekadar urusan teknisi di lapangan, tapi keputusan strategis manajer operasi, karena downtime mesin yang tak terduga bisa menghentikan seluruh lini produksi, menunda pengiriman ke pelanggan, dan pada akhirnya merusak reputasi perusahaan. Contohnya, maskapai Garuda Indonesia merawat mesin pesawatnya dengan sangat ketat karena kegagalan di udara berarti taruhan keselamatan, bukan sekadar kerugian finansial; sementara pabrik air minum dalam kemasan di Klaten merawat mesin pembotolannya agar lini produksi yang berjalan nonstop tidak berhenti mendadak di tengah jam operasional.

Breakdown Maintenance: Perbaiki Setelah Rusak

Karakteristik Breakdown (Reactive) Maintenance

Definisi — mesin dibiarkan beroperasi sampai benar-benar rusak, baru diperbaiki (reaktif)
Kelebihan — tidak ada biaya perawatan rutin; cocok untuk komponen murah & non-kritis (mis. lampu, alat sederhana)
Kelemahan — downtime tak terduga, biaya perbaikan darurat lebih mahal, risiko kerusakan komponen lain menular
Cocok dipakai bila — kerusakan tidak berbahaya, biaya penggantian rendah, dampak henti produksi minimal

Strategi pertama adalah breakdown maintenance, kadang disebut reactive maintenance, di mana mesin sengaja dibiarkan beroperasi sampai benar-benar rusak, baru kemudian diperbaiki. Kelebihannya jelas: tidak ada biaya perawatan rutin yang dikeluarkan di muka, sehingga strategi ini cocok untuk komponen yang murah dan tidak kritis, misalnya lampu penerangan gudang atau alat sederhana yang mudah diganti. Namun kelemahannya juga besar: downtime terjadi tak terduga, sering di waktu yang paling merugikan, biaya perbaikan darurat biasanya jauh lebih mahal daripada perawatan terjadwal karena harus memanggil teknisi mendadak atau membeli suku cadang dengan harga premium, dan risiko kerusakan bisa menular ke komponen lain yang terhubung. Strategi ini paling tepat dipakai kalau kerusakan tidak membahayakan keselamatan, biaya penggantian rendah, dan dampak henti produksi terhadap keseluruhan lini bisa diabaikan.

Preventive Maintenance: Rawat Sebelum Rusak

Time-based (Terjadwal)

Perawatan/penggantian komponen berdasarkan jadwal tetap (mis. tiap 3 bulan)
Sederhana diterapkan, tapi bisa boros — komponen diganti walau kondisinya masih baik

Condition-based / Predictive

Perawatan berdasarkan kondisi aktual mesin (getaran, suhu, suara) via sensor
Lebih efisien — interval perawatan mengikuti kebutuhan riil, bukan asumsi kalender

Strategi kedua adalah preventive maintenance, merawat peralatan sebelum rusak, dan ini terbagi dua pendekatan. Pertama, time-based maintenance, perawatan atau penggantian komponen berdasarkan jadwal tetap, misalnya setiap tiga bulan sekali tanpa peduli kondisi aktualnya. Pendekatan ini sederhana diterapkan karena tinggal mengikuti kalender, tapi bisa boros karena komponen yang sebenarnya masih dalam kondisi baik tetap diganti sesuai jadwal. Kedua, condition-based maintenance atau predictive maintenance, di mana perawatan dilakukan berdasarkan kondisi aktual mesin yang dipantau lewat sensor getaran, suhu, atau suara, sehingga interval perawatan mengikuti kebutuhan riil mesin, bukan asumsi kalender semata. Pendekatan kedua ini jauh lebih efisien tapi butuh investasi teknologi sensor dan analitik data di awal, sesuatu yang akan kita bahas lebih dalam di bagian ketiga nanti.

Trade-off Klasik: Biaya Preventive vs Biaya Breakdown

Semakin besar investasi preventive maintenance, semakin kecil biaya breakdown — total biaya pemeliharaan minimum ada di titik keseimbangan, bukan di titik nol kerusakan.

Grafik ini adalah salah satu konsep paling penting dalam manajemen pemeliharaan, dan polanya sangat mirip dengan kurva biaya kualitas yang mungkin sudah Anda kenal dari mata kuliah akuntansi manajemen. Sumbu horizontal menunjukkan tingkat investasi preventive maintenance dari rendah ke tinggi, sumbu vertikal menunjukkan besarnya biaya. Ada dua kurva berlawanan arah: biaya breakdown terus turun seiring investasi preventive meningkat, sementara biaya preventive sendiri terus naik karena semakin sering dan intensif perawatan dilakukan. Jumlah keduanya membentuk kurva total biaya berbentuk U, dengan titik minimum di tengah. Artinya, mengejar nol kerusakan mutlak lewat preventive maintenance yang berlebihan justru tidak selalu optimal secara ekonomi; manajer operasi harus mencari titik keseimbangan itu, persis seperti yang akan kita hitung pada kasus berikutnya.

Hitung dari Nol: Breakdown vs Preventive Maintenance

Kasus: PT Armada Logistik Semarang, 50 truk. Tanpa program preventive, terjadi 8 insiden breakdown/tahun, biaya per insiden (kerugian pengiriman + perbaikan darurat) Rp 15.000.000. Program preventive baru: biaya Rp 1.000.000/truk/tahun, menekan breakdown jadi 2 insiden/tahun.

Langkah	Perhitungan	Nilai
Biaya breakdown tanpa preventive	8 insiden × Rp 15.000.000	Rp 120.000.000
Biaya program preventive (baru)	50 truk × Rp 1.000.000	Rp 50.000.000
Biaya breakdown residual (dengan preventive)	2 insiden × Rp 15.000.000	Rp 30.000.000
Total biaya dengan preventive	Rp 50.000.000 + Rp 30.000.000	Rp 80.000.000

Interpretasi: penghematan = Rp 120 juta − Rp 80 juta = Rp 40.000.000 (40 juta ÷ 120 juta ≈ 33% lebih hemat) — program preventive terbukti lebih murah meski ada biaya rutin di depan.

Sekarang kita hitung langsung dari data mentah untuk membandingkan dua strategi. PT Armada Logistik di Semarang punya lima puluh truk. Tanpa program preventive, historisnya terjadi delapan insiden breakdown per tahun, masing-masing merugikan lima belas juta rupiah karena gabungan kerugian pengiriman tertunda dan biaya perbaikan darurat, totalnya seratus dua puluh juta rupiah setahun. Kalau perusahaan menerapkan program preventive baru dengan biaya satu juta rupiah per truk per tahun, totalnya lima puluh juta rupiah, breakdown yang tersisa turun jadi dua insiden per tahun, atau tiga puluh juta rupiah. Total biaya dengan preventive jadi delapan puluh juta rupiah. Bandingkan dengan seratus dua puluh juta tanpa preventive, perusahaan menghemat empat puluh juta rupiah, atau sekitar tiga puluh tiga persen lebih hemat. Ini bukti nyata bahwa membayar biaya rutin di depan bisa jauh lebih murah daripada menanggung akibat breakdown yang tak terduga.

Coba Sendiri: Uji Ulang Kelayakan Program Preventive

Ubah jumlah insiden, biaya per insiden, dan biaya program preventive untuk melihat apakah preventive tetap lebih hemat.

Bagian 2 dari 3

Keandalan Sistem (Reliability)

Mengukur keandalan lewat MTBF, MTTR, dan availability, lalu merancang konfigurasi seri vs paralel untuk sistem yang lebih tangguh.

Mengukur Keandalan: MTBF, MTTR, Availability

Reliabilitas (keandalan) adalah probabilitas sebuah sistem/komponen berfungsi sesuai spesifikasi selama periode waktu tertentu tanpa mengalami kegagalan.

MTBF

Mean Time Between Failures — rata-rata waktu operasi normal antar kerusakan

MTTR

Mean Time To Repair — rata-rata waktu yang dibutuhkan untuk memperbaiki kerusakan

Availability

Persentase waktu sistem benar-benar siap beroperasi = MTBF ÷ (MTBF+MTTR)

Reliabilitas atau keandalan didefinisikan sebagai probabilitas sebuah sistem atau komponen berfungsi sesuai spesifikasi selama periode waktu tertentu tanpa mengalami kegagalan. Untuk mengukurnya secara praktis, industri memakai tiga metrik utama. Pertama, MTBF, singkatan dari Mean Time Between Failures, yaitu rata-rata waktu sistem beroperasi normal di antara satu kerusakan dengan kerusakan berikutnya; semakin besar MTBF, semakin andal sistemnya. Kedua, MTTR, Mean Time To Repair, rata-rata waktu yang dibutuhkan teknisi untuk memperbaiki kerusakan begitu terjadi; semakin kecil MTTR, semakin cepat sistem pulih. Ketiga, availability atau ketersediaan, yaitu persentase waktu sistem benar-benar siap beroperasi, dihitung dari MTBF dibagi dengan jumlah MTBF dan MTTR. Ketiga metrik ini akan kita hitung langsung dari data mesin produksi pada slide berikutnya.

Hitung dari Nol: MTBF, MTTR & Availability

Kasus: Mesin produksi PT Sinar Abadi Kudus beroperasi 720 jam/bulan (30 hari × 24 jam). Dalam sebulan terjadi 4 kali kerusakan, total waktu perbaikan (downtime) 24 jam.

Langkah	Perhitungan	Nilai
Waktu operasi normal (uptime)	720 jam − 24 jam	696 jam
MTBF	696 jam ÷ 4 kerusakan	174 jam
MTTR	24 jam ÷ 4 kerusakan	6 jam
Availability	174 ÷ (174 + 6)	96,7%

Interpretasi: mesin ini rata-rata bertahan 174 jam antar kerusakan & pulih dalam 6 jam — siap beroperasi 96,7% dari total waktu, sisanya 3,3% (≈24 jam/bulan) hilang untuk perbaikan.

Sekarang kita hitung langsung dari data mentah. Mesin produksi PT Sinar Abadi di Kudus seharusnya beroperasi tujuh ratus dua puluh jam sebulan, hasil dari tiga puluh hari dikali dua puluh empat jam. Dalam sebulan itu terjadi empat kali kerusakan dengan total waktu perbaikan dua puluh empat jam. Langkah pertama, waktu operasi normal atau uptime adalah tujuh ratus dua puluh jam dikurangi dua puluh empat jam downtime, hasilnya enam ratus sembilan puluh enam jam. MTBF dihitung dengan membagi uptime dengan jumlah kerusakan, enam ratus sembilan puluh enam dibagi empat, hasilnya seratus tujuh puluh empat jam antar kerusakan. MTTR dihitung dari total downtime dibagi jumlah kerusakan, dua puluh empat dibagi empat, hasilnya enam jam rata-rata waktu perbaikan. Terakhir, availability dihitung dari MTBF dibagi jumlah MTBF dan MTTR, seratus tujuh puluh empat dibagi seratus delapan puluh, hasilnya sembilan puluh enam koma tujuh persen. Artinya mesin ini siap beroperasi hampir sembilan puluh tujuh persen dari total waktu yang tersedia.

Coba Sendiri: Hitung Keandalan Mesin Anda

Ubah jam operasi, jumlah kerusakan, dan total downtime untuk melihat MTBF, MTTR, dan availability terhitung otomatis.

Konfigurasi Seri vs Paralel: Dampak ke Keandalan Sistem

Reliabilitas sistem seri = perkalian reliabilitas tiap komponen (lebih rapuh); reliabilitas sistem paralel (redundan) jauh lebih tinggi karena ada cadangan.

Konteks digital: server web yang di-backup server cadangan (paralel) jauh lebih andal daripada satu server tunggal yang harus selalu berfungsi (seri).

Cara komponen dirangkai dalam sebuah sistem sangat memengaruhi keandalan keseluruhan. Pada konfigurasi seri, seluruh komponen harus berfungsi agar sistem berfungsi, sehingga reliabilitas total adalah hasil perkalian reliabilitas tiap komponen; kalau tiga komponen masing-masing punya reliabilitas sembilan puluh lima persen, reliabilitas total sistem turun jadi sekitar delapan puluh lima koma tujuh persen saja, karena setiap komponen tambahan justru menurunkan keandalan total. Sebaliknya, pada konfigurasi paralel atau redundan, sistem tetap berfungsi selama minimal satu dari beberapa unit cadangan bekerja, sehingga reliabilitas totalnya jauh lebih tinggi, dua unit paralel dengan reliabilitas sembilan puluh lima persen masing-masing bisa mencapai keandalan hampir seratus persen. Konsep ini sangat relevan untuk bisnis digital: server web yang punya server cadangan atau backup jauh lebih andal daripada satu server tunggal yang harus selalu berfungsi tanpa cadangan, itulah mengapa perusahaan seperti Tokopedia atau Gojek menjalankan banyak server paralel di data center mereka.

Walkthrough: Dari Breakdown Reaktif ke Predictive Maintenance

Studi kasus bertahap: pabrik tekstil menghadapi kerusakan mesin tenun berulang, lalu bertransisi ke predictive maintenance berbasis sensor.

Langkah	Kejadian	Kategori/Dampak
1. Kondisi awal	Mesin tenun berhenti mendadak tanpa peringatan	Breakdown maintenance reaktif, downtime tak terduga tinggi
2. Analisis data	Riwayat kerusakan menunjukkan pola: bearing aus setiap ~4 bulan	Terindikasi kebutuhan preventive terjadwal
3. Preventive time-based	Bearing diganti rutin tiap 3 bulan, tanpa cek kondisi aktual	Downtime turun, tapi sebagian part diganti saat masih baik (boros)
4. Upgrade predictive	Pasang sensor getaran (IoT) untuk memantau kondisi bearing real-time	Condition-based/predictive maintenance
5. Hasil akhir	Penggantian hanya saat sensor deteksi anomali getaran	Downtime & biaya part turun, keandalan meningkat

Mari kita telusuri kasus ini langkah demi langkah karena polanya sangat umum terjadi di industri manufaktur Indonesia. Kondisi awal, pabrik tekstil mengalami mesin tenun yang berhenti mendadak tanpa peringatan, khas breakdown maintenance reaktif dengan downtime tak terduga yang tinggi. Manajemen kemudian menganalisis data riwayat kerusakan dan menemukan pola: komponen bearing selalu aus sekitar setiap empat bulan, mengindikasikan kebutuhan preventive maintenance terjadwal. Langkah ketiga, perusahaan menerapkan preventive time-based, mengganti bearing rutin setiap tiga bulan tanpa mengecek kondisi aktualnya; downtime memang turun, tapi sebagian bearing diganti padahal kondisinya masih baik, jadi boros biaya part. Langkah keempat, perusahaan meng-upgrade dengan memasang sensor getaran berbasis IoT untuk memantau kondisi bearing secara real-time, beralih ke condition-based atau predictive maintenance. Hasil akhirnya, penggantian bearing hanya dilakukan saat sensor mendeteksi anomali getaran yang mengindikasikan keausan nyata, sehingga downtime dan biaya part turun sekaligus, dan keandalan mesin secara keseluruhan meningkat.

Latihan Kelas: Pilih Strategi Pemeliharaan yang Tepat

Kerjakan berpasangan (5 menit). Untuk setiap kasus berikut, tentukan strategi paling tepat: breakdown, preventive time-based, atau predictive — beserta alasannya.

Lampu penerangan gudang toko ritel kecil
Mesin turbin pembangkit listrik PLN yang beroperasi 24 jam
Server utama aplikasi e-commerce yang melayani jutaan transaksi/hari
Mesin fotokopi kantor cabang bank kecil
Mesin CNC presisi tinggi di pabrik komponen otomotif

Instruksi: tulis jawaban & alasan di kertas, kita bahas bersama 5 menit lagi.

Bagian 3 dari 3

Total Productive Maintenance & Teknologi

Dari strategi individual menuju budaya pemeliharaan menyeluruh (TPM) dan peran teknologi digital dalam predictive maintenance modern.

Total Productive Maintenance (TPM)

TPM adalah pendekatan pemeliharaan yang melibatkan seluruh karyawan, bukan hanya tim teknisi — operator ikut bertanggung jawab merawat mesin yang mereka jalankan sehari-hari.

Prinsip Inti TPM

Autonomous maintenance — operator melakukan perawatan dasar (bersihkan, lumasi, cek rutin) sendiri
Planned maintenance — jadwal preventive terstruktur oleh tim teknisi khusus
Fokus zero breakdown — target menghilangkan kerusakan mendadak lewat deteksi dini bersama
Terkait erat dengan lean operations (P13) — mesin rusak = salah satu bentuk pemborosan

Total Productive Maintenance, atau TPM, adalah pendekatan pemeliharaan yang melibatkan seluruh karyawan di lini produksi, bukan hanya tim teknisi khusus. Filosofinya, operator mesin yang setiap hari menjalankan peralatan itulah yang paling tahu kondisi normalnya, sehingga mereka dilatih untuk melakukan perawatan dasar sendiri, disebut autonomous maintenance, seperti membersihkan, melumasi, dan mengecek kondisi rutin sebelum ada tanda kerusakan serius. Di sisi lain, tim teknisi khusus tetap menjalankan planned maintenance, jadwal perawatan terstruktur yang lebih kompleks. Target akhir TPM adalah zero breakdown, menghilangkan kerusakan mendadak lewat deteksi dini yang dilakukan bersama-sama oleh operator dan teknisi. TPM juga terkait erat dengan lean operations yang kita bahas minggu lalu, karena mesin rusak mendadak adalah salah satu bentuk pemborosan paling mahal dalam kerangka lean, menghentikan aliran produksi yang seharusnya lancar.

Predictive Maintenance & Teknologi Digital

Predictive maintenance modern memanfaatkan sensor IoT, big data, dan machine learning untuk memprediksi kapan komponen akan gagal — sebelum gejalanya terlihat kasat mata.

Sensor IoT

Memantau getaran, suhu, tekanan, arus listrik secara real-time dan mengirim data ke sistem pusat

Analitik & ML

Model prediktif mengenali pola anomali dan memperkirakan sisa umur pakai (remaining useful life) komponen

Relevansi bisnis digital: perusahaan seperti GoTo & Telkomsel memantau kesehatan server/BTS secara real-time agar downtime layanan digital terdeteksi & dicegah sebelum pelanggan merasakan gangguan.

Bagian ini paling relevan untuk Anda sebagai mahasiswa program studi bisnis digital. Predictive maintenance modern memanfaatkan sensor IoT, singkatan dari Internet of Things, yang memantau getaran, suhu, tekanan, atau arus listrik mesin secara real-time dan mengirim datanya ke sistem pusat secara terus-menerus. Data mentah ini kemudian diolah lewat analitik data dan model machine learning yang dilatih mengenali pola anomali, sehingga sistem bisa memperkirakan sisa umur pakai atau remaining useful life sebuah komponen sebelum benar-benar rusak. Contoh nyata di industri digital Indonesia, perusahaan seperti GoTo dan Telkomsel memantau kesehatan server dan BTS, singkatan dari base transceiver station, secara real-time agar potensi downtime layanan digital bisa terdeteksi dan dicegah sebelum pelanggan benar-benar merasakan gangguan aplikasi atau sinyal, konsep yang sama persis dengan predictive maintenance mesin pabrik yang baru saja kita bahas.

Studi Kasus: Pemeliharaan sebagai Keunggulan Bersaing

Kasus: Maskapai penerbangan yang menerapkan predictive maintenance pada mesin pesawat bisa mendeteksi potensi kerusakan komponen mesin beberapa penerbangan sebelum gejala terlihat — mengurangi pembatalan mendadak & menjaga jadwal on-time performance.

Menyatukan seluruh materi hari ini: strategi pemeliharaan yang tepat (P14 bagian 1) + pengukuran keandalan yang akurat (P14 bagian 2) + budaya TPM & teknologi digital (P14 bagian 3) = keunggulan bersaing operasional, bukan hanya urusan teknis.

Mari kita lihat bagaimana seluruh materi hari ini menyatu dalam satu contoh nyata. Maskapai penerbangan yang menerapkan predictive maintenance pada mesin pesawatnya, memanfaatkan ribuan sensor yang memantau performa mesin secara real-time selama penerbangan, bisa mendeteksi potensi kerusakan komponen beberapa penerbangan sebelum gejalanya benar-benar terlihat atau dirasakan awak pesawat. Hasilnya, jumlah pembatalan penerbangan mendadak berkurang drastis, dan jadwal on-time performance terjaga, yang secara langsung memengaruhi kepuasan pelanggan dan reputasi maskapai. Ini adalah contoh sempurna bagaimana tiga bagian materi hari ini bersatu: memilih strategi pemeliharaan yang tepat, mengukur keandalan secara akurat lewat MTBF dan availability, dan membangun budaya TPM didukung teknologi digital, semuanya bermuara pada satu hal, yaitu keunggulan bersaing operasional, bukan sekadar urusan teknis di ruang mesin.

Rangkuman: Perjalanan 14 Pertemuan Kita

P1–P7: Fondasi, Strategi & Desain

Pengantar MO, strategi operasi, peramalan permintaan (P1–P3)
Desain produk/jasa, manajemen kualitas, proses & kapasitas, lokasi/layout (P4–P7)

P8–P14: Perencanaan & Pengendalian Operasional

Perencanaan agregat, persediaan, MRP, rantai pasokan (P8–P11)
Penjadwalan, lean/JIT, dan pemeliharaan & keandalan (P12–P14)

Benang merah: manajemen operasi selalu menjawab pertanyaan yang sama — bagaimana mengubah sumber daya menjadi barang/jasa secara efisien & andal, dari merancang strategi sampai menjaga mesin tetap berjalan.

Sebelum kita tutup pertemuan hari ini sekaligus mata kuliah ini, mari kita lihat kembali perjalanan empat belas pertemuan yang sudah Anda lalui. Tujuh pertemuan pertama adalah fondasi, strategi, dan desain: memahami peran fungsi operasi, merumuskan strategi bersaing, meramalkan permintaan, mendesain produk dan jasa, menjaga kualitas, merencanakan kapasitas, sampai memilih lokasi dan tata letak fasilitas. Tujuh pertemuan berikutnya bergerak ke perencanaan dan pengendalian operasional: perencanaan produksi agregat, manajemen persediaan lewat EOQ, MRP untuk komponen bertingkat, manajemen rantai pasokan, penjadwalan jangka pendek, lean operations minggu lalu, dan pemeliharaan-keandalan hari ini. Kalau ditarik benang merahnya, seluruh mata kuliah ini sebenarnya menjawab satu pertanyaan yang sama terus-menerus: bagaimana mengubah sumber daya menjadi barang atau jasa secara efisien dan andal, mulai dari merancang strategi besar sampai memastikan mesin tetap berjalan setiap hari.

Penutup: Persiapan UAS

UAS mencakup materi P8–P14 (setelah UTS) — fokus pada perhitungan (EOQ/ROP, MRP, penjadwalan, MTBF/availability) dan konsep (rantai pasokan, lean/JIT, TPM).

Checklist Belajar Mandiri

Ulangi seluruh tabel "Hitung dari Nol" P8–P14 tanpa melihat jawaban
Bedakan istilah berpasangan: preventive vs breakdown, MTBF vs MTTR, seri vs paralel
Latih soal studi kasus terintegrasi (gabungan ≥2 topik) di modul latihan
Bawa kalkulator; sebagian besar soal UAS berbasis perhitungan numerik

Sesi konsultasi/tanya-jawab tersedia sebelum UAS — manfaatkan untuk klarifikasi konsep yang masih rancu. Terima Kasih atas partisipasi Anda sepanjang semester ini.

Sebagai penutup, mari kita bicara persiapan UAS. Cakupannya adalah seluruh materi setelah UTS, dari pertemuan delapan sampai pertemuan empat belas hari ini, dengan penekanan pada dua jenis kemampuan: perhitungan untuk topik seperti EOQ dan ROP dalam manajemen persediaan, MRP, penjadwalan jangka pendek, serta MTBF dan availability yang baru kita hitung hari ini; dan pemahaman konsep untuk topik rantai pasokan, lean operations dan JIT, serta total productive maintenance. Saran belajar mandiri saya: ulangi semua tabel "Hitung dari Nol" yang sudah kita kerjakan bersama tanpa melihat jawaban lebih dulu, pastikan Anda bisa membedakan istilah-istilah berpasangan yang sering tertukar seperti preventive versus breakdown maintenance, MTBF versus MTTR, atau konfigurasi seri versus paralel, dan berlatih soal kasus yang menggabungkan lebih dari satu topik karena soal UAS biasanya terintegrasi. Jangan lupa bawa kalkulator karena sebagian besar soal berbasis hitungan. Sesi konsultasi akan saya buka sebelum UAS, manfaatkan sebaik-baiknya, dan Terima Kasih atas partisipasi aktif Anda sepanjang semester ini.