Analisis Robustness dan Tipping Point Proyek ERP Berbasis Simulasi Monte Carlo

Dicky Aditya; Muhammad Kharis Ihsan; Muhammad Ainul Yaqin

doi:10.47134/jacis.v6i2.184

Authors

Dicky Aditya Universitas Islam Negeri Maulana Malik Ibrahim Malang
Muhammad Kharis Ihsan Universitas Islam Negeri Maulana Malik Ibrahim Malang
Muhammad Ainul Yaqin Universitas Islam Negeri Maulana Malik Ibrahim Malang

DOI:

https://doi.org/10.47134/jacis.v6i2.184

Keywords:

ERP, Monte Carlo, robustness;, tipping point, ketidakpastian

Abstract

Penelitian ini menganalisis ketidakpastian dalam proyek Enterprise Resource Planning (ERP), yang sering menyebabkan deviasi terhadap target waktu dan biaya. Fokus penelitian ini adalah untuk mengevaluasi ketahanan kinerja proyek dalam menghadapi ketidakpastian serta mengidentifikasi titik kritis dalam hubungan antara durasi dan biaya proyek. Pendekatan kuantitatif berbasis simulasi Monte Carlo dengan 500 iterasi digunakan untuk menghasilkan berbagai skenario proyek berdasarkan distribusi probabilitas parameter durasi dan biaya. Hasil penelitian menunjukkan bahwa skenario S1.4 (fast-tracking) dan S2.5 (ideal case) memiliki ketahanan tertinggi (100%) karena dapat memenuhi target waktu dan biaya secara konsisten. Namun, S1.4 lebih realistis diterapkan dibandingkan S2.5. Sebaliknya, skenario S1.5 (extreme crashing) menunjukkan titik kritis, karena meskipun durasi tercepat tercapai, biaya proyek meningkat drastis dan probabilitas sesuai anggaran turun menjadi 0%. Temuan ini menegaskan bahwa percepatan proyek bukan solusi yang selalu efektif. Sebaliknya, strategi yang mempertahankan keseimbangan antara waktu, biaya, dan risiko lebih tahan terhadap ketidakpastian dalam proyek ERP. Penelitian ini memberikan wawasan baru dalam pengambilan keputusan berbasis probabilistik pada manajemen proyek ERP

References

[1] G. Ma, A. Wang, N. Li, L. Gu, and Q. Ai, “Improved critical chain project management framework for scheduling construction projects,” J. Constr. Eng. Manage., vol. 140, no. 12, p. 04014055, 2014.

[2] E. L. N. Refta, I. Kurnia, and S. Hadiwijaya, “Optimasi permintaan dengan simulasi Monte Carlo serta optimasi persediaan New Baleno dengan Silver-Meal heuristic di PT Sejahtera Buana Trada,” J. Industrikrisna, vol. 14, no. 2, pp. 107–118, 2025.

[3] M. R. Gymnastiar, M. Ilyas, R. Gunawan, and D. R. Pasaribu, “Analisis faktor-faktor kegagalan implementasi ERP dari perusahaan multinasional,” J. Studi Multidisipliner, vol. 9, no. 6, 2025.

[4] Project Management Institute, A Guide to the Project Management Body of Knowledge (PMBOK Guide), 7th ed. Newtown Square, PA, USA: Project Management Institute, 2021.

[5] I. A. Hasugian, K. Muhyi, and N. Firlidany, “Simulasi Monte Carlo dalam memprediksi jumlah pengiriman dan total pendapatan,” Bul. Utama Tek., vol. 17, no. 2, pp. 133–138, 2022.

[6] Yusmaity, J. Santony, and Yuhandri, “Simulasi Monte Carlo untuk memprediksi hasil ujian nasional,” J. Inf. Teknol., vol. 1, no. 4, pp. 1–6, 2019.

[7] A. M. Siregar and R. Puspita, “Penerapan simulasi Monte Carlo dalam mengestimasi waktu penyelesaian proyek pengembangan perangkat lunak,” J. Teknol. Sist. Inf., vol. 6, no. 3, pp. 210–218, 2020.

[8] I. E. Lianto and B. Anondho, “Analisis besaran koefisien ketidakpastian environmental uncertainty (EU) yang berpengaruh pada perhitungan buffer pada critical chain project management (CCPM) di Jakarta,” J. Mitra Tek. Sipil, vol. 1, no. 2, pp. 143–150, 2018.

[9] N. A. Dalimunthe, “Simulasi prediksi permintaan kue kacang di CV. Fawas Jaya Medan menggunakan metode Monte Carlo,” Skripsi, Universitas Medan Area, Medan, Indonesia, 2021.

[10] W. Na, P. Wu-Liang, and G. Hua, “A robustness simulation method of project schedule based on the Monte Carlo method,” Open Cybern. Syst. J., vol. 9, pp. 1–6, 2015.

[11] J. S. Ford and D. N. Taylor, “Managing tipping point dynamics in complex construction projects,” J. Constr. Eng. Manage., vol. 134, no. 6, pp. 421–431, 2008.

[12] A. Fadjar, “Aplikasi simulasi Monte Carlo dalam estimasi biaya proyek,” SMARTek, vol. 6, no. 4, pp. 222–227, 2008.

[13] M. Bara, “Enhanced Monte Carlo simulation for project risk analysis: Integrating cost and schedule impacts with time-shifted risks and dependency modeling,” Appl. Oper. Anal., vol. 1, no. 1, pp. 1–15, 2025, doi: 10.1080/29966892.2025.2552675.

[14] M. Ichsan, W. Isvara, and S. Karim, “Monte Carlo simulation for enhancing the schedule completion forecast of Jakarta Central Railway Station construction project,” Appl. Sci., vol. 15, no. 13, p. 7464, 2025, doi: 10.3390/app15137464.

[15] S. Senses and M. Kumral, “Trade-off between time and cost in project planning: A simulation-based optimization approach,” Simulation, vol. 100, no. 2, pp. 127–143, 2024.

[16] A. Ehnaish and I. Badi, “Optimizing project schedules under uncertainty: A hybrid approach to crashing and risk evaluation using Monte Carlo simulation and integer linear programming,” J. Intell. Manag. Decis., vol. 4, no. 4, pp. 268–277, 2025, doi: 10.56578/jimd040402.

[17] L. Guan, A. Abbasi, and M. Ryan, “A simulation-based risk interdependency network model for project risk assessment,” Decis. Support Syst., vol. 148, p. 113602, 2021.