Professional Documents
Culture Documents
Abstract: PT. XYZ is a company that specialized in the electronics field. One of the resulting
products is a washing machine. To fulfill the market demand, the company must have good
material requirements planning so that production can proceed smoothly and the company can
determine the optimal amount of raw material and make a profit by minimizing the costs
necessary for the purchase of raw material. In this paper, the studied product is the washing
machine WM-ADS-86 and WM-ADS-96. To overcome these problems, the first step to do is to
forecast production for a period of 12 months by using the forecasting methods that fit the
pattern of past sales data. The best forecasting method for both types of washing machines is
the Linear Regression method. After the method is validated with a Tracking Signal and
verified with the Moving Range Chart (MRC), obtained that the forecasting results by the
method of Linear Regression fit for use for a Master Production Schedule (MPS). From the
Master Production Schedule is then becomes the input for the material requirements planning.
Material requirements planning is done by calculating of lot sizing method with the method of
Economic Order Quantity (EOQ), the method of Lot for Lot (LFL), the method of Least Unit
Cost (LUC), and the method of Period of Supply (POS). The method chosen was a method that
gives a total cost of inventory at a minimum. The calculation result shows that the best method
for material requirements planning is a method of Lot for Lot (LFL).
PENDAHULUAN
Setiap produk yang dihasilkan perusahaan harus sesuai dengan permintaan pasar.
Untuk itu diperlukan suatu perencanaan sebelum melakukan proses produksi. Perencanaan
produksi ini dibuat agar perusahaan dapat memproduksi barang/jasa dengan efektif dan
efisien, memberikan kepuasan kepada pelanggan, serta memperoleh keuntungan yang
tinggi.
Suatu perencanaan bukan hanya meliputi perencanaan produk jadi tetapi juga
perencanaan kebutuhan material. Persediaan material berpengaruh terhadap jalannya
produksi sehingga dengan adanya perencanaan kebutuhan material maka perusahaan dapat
memperkirakan berapa kebutuhan material setiap periodenya agar dapat memproduksi
produk sesuai dengan permintaan pasar. Perencanaan kebutuhan material dan produk jadi
juga dapat menghindari terjadinya kekurangan atau kelebihan akan material. Apabila
terjadi kelebihan atau kekurangan baik material maupun produk jadi dapat merugikan
pihak perusahaan dan juga konsumen.
PT. XYZ merupakan perusahaan yang bergerak pada bidang elektronik. Perusahaan
ini memproduksi berbagai alat elektronik seperti Televisi, Air Conditioner (AC), Kulkas,
dan Mesin Cuci. PT. XYZ memiliki ciri khas serta nilai tambah yang berbeda
dibandingkan dengan produk elektronik lain sehingga konsumen setia dan percaya akan
produk elektronik PT. XYZ. Untuk Divisi Washing Machine, PT. XYZ memiliki standar
yang sudah ditentukan mulai dari perencanaan material yang akan digunakan, proses
produksi, hingga menjadi barang jadi (finished goods). Namun perencanaan kebutuhan
TI-1
TEMU ILMIAH NASIONAL DOSEN TEKNIK X-2012
Peran Perguruan Tinggi Dalam Pengembangan Teknologi Berwawasan Lingkungan
FAKULTAS TEKNIK UNIVERSITAS TARUMANAGARA
Jakarta, 29 Maret 2012
material untuk produksi belum berjalan dengan baik sehingga ketersediaan material kurang
dan cukup mengganggu kelancaran produksi.
Oleh karena itu perlu dibuat suatu sistem perencanaan material yang dapat
merencanakan penggunaan bahan untuk pembuatan suatu produk. Diharapkan sistem ini
dapat menentukan jumlah material yang optimal dan menghemat biaya pembelian material
sehingga keuntungan yang didapat perusahaan meningkat.
DASAR TEORI
Peramalan (forecasting) adalah upaya untuk memperkirakan apa yang akan terjadi
di masa yang akan datang, dan objek yang diramalkan dapat meliputi apa saja. Analisa
kebutuhan bertujuan untuk melihat atau memperkirakan prospek ekonomi atau kegiatan
usaha serta pengaruh lingkungan terhadap prospek tersebut. Usaha-usaha untuk
mengantisipasi apa yang akan terjadi dimasa yang akan datang tidak akan terlepas dari
kegiatan peramalan (forecasting) (Gaspersz, 2002).
Prinsip-prinsip Peramalan
Prinsip-prinsip peramalan yang perlu dipertimbangkan antara lain:
1. Peramalan melibatkan kesalahan (error)
Peramalan hanya megurangi ketidakpastian tetapi tidak menghilangkannya, ini
memungkinkan adanya kesalahan peramalan.
2. Peramalan sebaiknya memakai tolak ukur kesalahan peramalan
Besar kesalahan dapat dinyatakan dalam satuan unit atau persentase permintaan aktual
akan jatuh dalam interval peramalan.
3. Peramalan family produk lebih akurat dari peramalan produk individu (item)
TI-2
TEMU ILMIAH NASIONAL DOSEN TEKNIK X-2012
Peran Perguruan Tinggi Dalam Pengembangan Teknologi Berwawasan Lingkungan
FAKULTAS TEKNIK UNIVERSITAS TARUMANAGARA
Jakarta, 29 Maret 2012
Jika suatu family produk tertentu diramal sebagi suatu kesatuan, persentase kesalahan
cenderung lebih kecil daripada persentase kesalahan peramalan produk-produk
individu penyusun family.
4. Peramalan jangka pendek lebih akurat daripada peramalan jangka panjang
Dalam waktu jangka pendek, kondisi yang mempengaruhi permintaan cenderung tetap
atau berubah lambat, sehingga peramalan jangka pendek cenderung lebih akurat.
Kesalahan Peramalan
Ukuran kesalahan (error) adalah besarnya penyimpangan antara aktual demand
dengan hasil ramalan. Terdapat beberapa besaran kesalahan peramalan:
1. Mean Absolute Error (MAE)
n
∑t =1
ΙetΙ
MAE =
n
2. Mean Square Error (MSE)
n
∑
2
et
t =1
MSE =
n
TI-3
TEMU ILMIAH NASIONAL DOSEN TEKNIK X-2012
Peran Perguruan Tinggi Dalam Pengembangan Teknologi Berwawasan Lingkungan
FAKULTAS TEKNIK UNIVERSITAS TARUMANAGARA
Jakarta, 29 Maret 2012
∑ ΙPE Ι t
MAPE = t =1
n
Validasi Peramalan
Langkah selanjutnya yang dilakukan setelah peramalan yaitu untuk validasi
peramalan, yaitu untuk memvalidasikan bahwa data tersebut dapat dianggap layak sebagai
ramalan yang akan datang.
Berkaitan dengan validasi peramalan, kita dapat menggunakan tracking signal.
Dengan rumus sebagai berikut:
RSFE
Tracking signal =
MAD
Verifikasi Peramalan
Peramalan diverifikasi dengan peta rentang bergerak (moving range chart), peta ini
dirancang untuk membandingkan nilai yang diamati dengan yang diramalkan dari suatu
permintaan. Rumus untuk menghitung verifikasi peramalan dengan menggunakan moving
range chart adalah sebagai berikut:
MR = | (d’t – dt ) – (d’t1 – dt-1 ) |
Batas kontrol Moving Range Chart didefinisikan sebagai berikut:
UCL = + 2.66 MR dan LCL = - 2.66 MR
Daerah A merupakan daerah yang dibatasi ± 2/3 (2.66MR) = ± 1.77MR
Daerah B merupakan daerah yang dibatasi ± 1/3 (2.66MR) = ± 0.89 MR
Daerah C merupakan daerah diatas atau dibawah garis sumbu (central line).
TI-4
TEMU ILMIAH NASIONAL DOSEN TEKNIK X-2012
Peran Perguruan Tinggi Dalam Pengembangan Teknologi Berwawasan Lingkungan
FAKULTAS TEKNIK UNIVERSITAS TARUMANAGARA
Jakarta, 29 Maret 2012
TI-5
TEMU ILMIAH NASIONAL DOSEN TEKNIK X-2012
Peran Perguruan Tinggi Dalam Pengembangan Teknologi Berwawasan Lingkungan
FAKULTAS TEKNIK UNIVERSITAS TARUMANAGARA
Jakarta, 29 Maret 2012
PENGOLAHAN DATA
Langkah pertama yang dilakukan adalah membuat plot data historis penjualan
kedua jenis mesin cuci selama periode 1 tahun yang lalu. Plot data penjualan kedua mesin
cuci dapat dilihat pada gambar 1 dan gambar 2.
550
500
450
400
1 2 3 4 5 6 7 8 9 10 11 12
Dari plot data penjualan kedua mesin cuci, dapat dilihat bahwa plot data penjualan
produk kedua mesin cuci memiliki grafik yang cenderung naik dengan membentuk linier
dan siklis. Dengan demikian metode peramalan yang dapat digunakan untuk meramalkan
permintaan produk-produk tersebut di masa mendatang adalah metode Double Moving
Average, Double Exponential Smoothing, Regresi Linier, dan Siklis yang selanjutnya
dilakukan untuk melakukan perhitungan peramalan permintaan produk untuk 12 bulan
mendatang.
TI-6
TEMU ILMIAH NASIONAL DOSEN TEKNIK X-2012
Peran Perguruan Tinggi Dalam Pengembangan Teknologi Berwawasan Lingkungan
FAKULTAS TEKNIK UNIVERSITAS TARUMANAGARA
Jakarta, 29 Maret 2012
Dari semua jenis peramalan yang dipakai untuk meramalkan permintaan dimasa
mendatang, yang terpilih adalah tipe peramalan Regresi Linier yang mempunya nilai
kesalahan yang paling kecil.
Validasi Peramalan
Salah satu cara untuk mengontrol peramalan untuk memastikan bahwa metode
peramalan yang digunakan akan menghasilkan peramalan yang baik adalah dengan
menggunakan tracking signal. Dengan tracking signal maka dapat diketahui sebaik apakah
metode peramalan yang digunakan dalam memprediksi data aktualnya. Hasil dari proses
validasi dengan menggunakan tracking signal dapat dilihat pada gambar 3 dan gambar 4.
TI-7
TEMU ILMIAH NASIONAL DOSEN TEKNIK X-2012
Peran Perguruan Tinggi Dalam Pengembangan Teknologi Berwawasan Lingkungan
FAKULTAS TEKNIK UNIVERSITAS TARUMANAGARA
Jakarta, 29 Maret 2012
6.00
4.00
2.00 Tracking Signal
0.00 UCL
1 2 3 4 5 6 7 8 9 10 11 12
-2.00 LCL
-4.00
-6.00
6.00
4.00
-4.00
-6.00
Dari hasil tracking signal dapat diketahui bahwa metode peramalan yang
digunakan terdapat dalam batas kontrol.
Verifikasi Peramalan
Setelah melakukan proses validasi dengan menggunakan tracking signal, maka
metode yang terpilih harus melalui proses verifikasi apakah metode peramalan tersebut
merupakan metode terbaik atau tidak. Proses verifikasi dilakukan dengan menggunakan
peta rentang bergerak/kendali (Moving Range Chart). Gambar Moving Range Chart dapat
dilihat pada gambar 5 dan gambar 6.
20
15 MR
10 Batas Daerah A (Atas)
5 Batas Daerah A (Bawah)
0 Batas Daerah B (Atas)
-5 1 2 3 4 5 6 7 8 9 10 11 12 Batas Daerah B (Bawah)
-10 UCL
-15 LCL
-20
Gambar 5. Moving Range Chart Regresi Linier Produk Mesin Cuci WM-ADS-86
TI-8
TEMU ILMIAH NASIONAL DOSEN TEKNIK X-2012
Peran Perguruan Tinggi Dalam Pengembangan Teknologi Berwawasan Lingkungan
FAKULTAS TEKNIK UNIVERSITAS TARUMANAGARA
Jakarta, 29 Maret 2012
40
30
MR
20 Batas Daerah A (Atas)
10 Batas Daerah A (Bawah)
0 Batas Daerah B (Atas)
1 2 3 4 5 6 7 8 9 10 11 12 Batas Daerah B (Bawah)
-10
UCL
-20
LCL
-30
-40
Gambar 6. Moving Range Chart Regresi Linier Produk Mesin Cuci WM-ADS-96
Dari gambar di atas dapat dilihat bahwa peta kendali berada dalam batas kendali (in
control), karena tidak ada data yang melewati batas yang telah ditentukan, sehingga dapat
disimpulkan bahwa metode Regresi Linier adalah metode peramalan terbaik untuk kedua
produk.
TI-9
TEMU ILMIAH NASIONAL DOSEN TEKNIK X-2012
Peran Perguruan Tinggi Dalam Pengembangan Teknologi Berwawasan Lingkungan
FAKULTAS TEKNIK UNIVERSITAS TARUMANAGARA
Jakarta, 29 Maret 2012
TI-10
TEMU ILMIAH NASIONAL DOSEN TEKNIK X-2012
Peran Perguruan Tinggi Dalam Pengembangan Teknologi Berwawasan Lingkungan
FAKULTAS TEKNIK UNIVERSITAS TARUMANAGARA
Jakarta, 29 Maret 2012
Dari tabel dapat dilihat bahwa metode Lot for Lot yang memberikan total biaya
persediaan yang paling rendah.
KESIMPULAN
1. Metode peramalan yang digunakan untuk meramalkan permintaan kedua jenis mesin
cuci untuk periode 12 bulan mendatang adalah metode Regresi Linier karena memiliki
nilai kesalahan terkecil dari metode lainnya. Untuk Regresi Linier WM-ADS-86; Nilai
MAD = 3,37, MSE = 23,43, MAPE = 0,42. Untuk Regresi Linier WM-ADS-96; Nilai
MAD = 8,67, MSE = 97,00, MAPE = 1,65.
2. Metode Regresi Linier yang telah dipilih kemudian melalui proses validasi
menggunakan tracking signal dan melalui proses verifikasi dengan menggunakan
Moving Range Chart (MRC) yang hasilnya dapat dilihat pada Gambar 3, Gambar 4,
Gambar 5, dan Gambar 6 yang menunjukkan data peramalan tersebut dalam batas
kontrol. Sehingga metode ini layak dijadikan Jadwal Induk Produksi (JIP) yang
merupakan input untuk menentukan perencanaan kebutuhan material untuk produksi
kedua jenis mesin cuci tersebut.
3. Perencanaan kebutuhan material dibuat dengan metode lot sizing. Dari perhitungan
yang telah dilakukan dapat dilihat bahwa metode Lot for Lot (LFL) merupakan teknik
lot sizing terbaik yang tepat untuk menentukan jumlah pemesanan material yang
optimal. Karena metode ini menghasilkan biaya persediaan yang minimum
dibandingkan dengan metode lot sizing yang lainnya yang dapat dilihat pada Tabel 5.
DAFTAR PUSTAKA
Gaspersz, Vincent, Production Planning and Inventory Control. Jakarta: PT. Gramedia
Pustaka Utama, 2002.
Makridakis, S., Stevan C. Wheelwright., and Victor E. McGee., Forecasting Methods and
Application, 2nd Edition. New York: John Willey and Sons, 1993.
Plossl, George W., Material Requirement Planning. New York: Mc. Graw-Hill, Inc, 1994.
TI-11