BAB 2 LANDASAN TEORI
2.1
Tinjauan Pustaka
2.1.1 Peramalan Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern mengetahui keadaan yang akan datang tidak saja penting untuk melihat yang baik atau buruk tetapi juga bertujuan untuk melakukan persiapan peramalan. Menurut Zulian Yamit (1999, p13), peramalan merupakan prediksi, proyeksi atau estimasi tingkat kejadian yang tidak pasti dimasa yang akan datang. Sedangkan menurut Makridakis (1999, lampiran p24), peramalan merupakan prediksi nilai-nilai sebuah variabel berdasarkan kepada nilai yang diketahui dari variabel tersebut atau variabel yang berhubungan. Beberapa faktor umum lingkungan yang mempengaruhi peramalan, yaitu : 1. Kondisi umum bisnis dan ekonomi 2. Reaksi dan tindakan pesaing 3. Tindakan pemerintah 4. Kecenderungan pasar 5. Inovasi teknologi
31
2.1.1.1 Klasifikasi Metode Peramalan Dalam metode peramalan secara umum dibagi menjadi dua, yaitu : 1. Kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut : a. Tersedia informasi tentang masa lalu. b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numeric. c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang. Metode kuantitatif dapat dibagi menjadi dua, yaitu : a. Deret Berkala (time series) Merupakan metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. Pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel dan/atau kesalahan masa lalu. Tujuannya adalah menentukan pola dalam deret data historis dan mengekstrapolasikan pola tersebut ke masa depan. Keuntungan dari model deret berkala yaitu dapat digunakan dengan mudah untuk meramal. Ada empat jenis pola data pada peramalan time series, yaitu :
32
•
Pola Horisontal atau Stationary (H) Dari pola data ini terjadi apabila nilai data observasi berfluktuasi disekitar nilai rata – rata yang konstan. y
waktu Diagram 2.1 Pola Data Horisontal •
Pola Musiman atau Seasonal (S) Dari pola data ini terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan atau hari-hari pada minggu tertentu).
y
s s f wss f w s s f w 1979
1980
1981
1982
waktu Diagram 2.2 Pola Data Musiman
33
•
Pola Siklus atau Cyclical (C) Dari pola data ini terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. y
waktu Diagram 2.3 Pola Data Siklis
•
Pola Trend (T) Pola ini terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.
y
waktu Diagram 2.4 Pola Data Trend
34
b. Model Causal Merupakan metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, yang bukan waktu. Model kausal mengasumsikan bahwa faktor yang diramalkan mewujudkan hubungan sebab akibat dengan satu atau lebih variabel bebas. Tujuan dari metode peramalan ini adalah untuk menemukan bentuk hubungan tersebut dan menggunakannya untuk meramalkan
nilai
mendatang
dari
variabel
tak
bebas.
Sedangkan
keuntungannya yaitu dapat digunakan dengan keberhasilan yang lebih besar untuk pengambilan keputusan dan kebijaksanaan. 2. Kualitatif (Teknologis), yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu. Metode ini biasa digunakan untuk meramalkan lingkungan dan teknologi, karena kondisi tersebut berbeda dengan kondisi perekonomian dan pemasaran. Input yang dibutuhkan tergantung pada metode tertentu dan biasanya merupakan hasil dari pemikiran intuitif, pertimbangan, dan pengetahuan yang telah didapat. Ramalan ini terutama digunakan untuk memberikan petunjuk, untuk membantu perencana dan untuk melengkapi ramalan kuantitatif, bukan untuk memberikan suatu ramalan numeric tertentu. Metode ini dibagi menjadi dua bagian, yaitu : a. Metode Eksploratoris
35
Metode ini dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan bergerak ke arah masa depan secara heuristik, seringkali dengan melihat semua kemungkinan yang ada. b. Metode Normatif Metode ini dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai, berdasarkan kendala, sumber daya, dan teknologi yang tersedia.
2.1.1.2 Langkah-langkah Peramalan Dasar peramalan ada tiga langkah yang penting, yaitu : 1. Menganalisa data yang lalu. Tahap ini berguna untuk pola yang terjadi pada masa lalu. Analisa ini dilakukan dengan cara membuat tabulasi dari data yang lalu. Dengan tabulasi data, maka dapat diketahui pola dari data tersebut. 2. Menentukan metode yang dipergunakan. Masing-masing metode memberikan hasil peramalan yang berbeda. Metode peramalan yang terbaik adalah metode yang memberikan hasil ramalan yang tidak jauh berbeda dengan kenyataan yang terjadi. 3. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan dan mempertimbangkan adanya beberapa faktor perubahan.
36
2.1.1.3 Peranan Metode Peramalan Metode peramalan memiliki beberapa peranan, yaitu : 1. Penjadwalan sumber daya yang tersedia. Penggunaan sumber daya yang efisien memerlukan penjadwalan produksi, transportasi, kas, personalia, dan sebagainya. Input yang penting untuk penjadwalan seperti itu adalah ramalan tingkat permintaan untuk produk, bahan, tenaga kerja, finansial, atau jasa pelayanan. 2. Penyediaan sumber daya tambahan. Waktu tenggang untuk memperoleh bahan baku, menerima pekerjaan baru, atau membeli mesin dan peralatan dapat berkisar antar beberapa hari sampai beberapa tahun. Peramalan diperlukan untuk menentukan kebutuhan sumber daya di masa mendatang. 3. Penentuan sumber daya yang diinginkan. Setiap organisasi harus menentukan sumber daya yang ingin dimiliki dalam jangka panjang. Keputusan semacam itu bergantung pada kesempatan pasar, faktor-faktor lingkungan, dan pengembangan internal dari sumber daya finansial, manusia, produk, dan teknologis. Semua penentuan ini memerlukan ramalan yang baik dan manajer yang dapat menafsirkan pendugaan serta membuat keputusan yang tepat.
37
2.1.1.4 Metode Pemulusan (Smoothing) Strategi untuk menilai suatu metode peramalan pemulusan terdiri dari enam tahap, yakni : 1. Tahap 1 :
Pilih suatu deret berkala (kelompok data) untuk dianalisis.
2. Tahap 2 :
Pilihlah suatu metode pemulusan.
3. Tahap 3 :
Inisialisasi metode. Gunakan kelompok data inisisalisasi.
4. Tahap 4 :
Gunakan metode pemulusan untuk meramalkan seluruh
kelompok “pengujian”. 5. Tahap 5 :
Mengoptimalkan Memodifikasi prosedur inisialisasi. Melacak nilai parameter yang optimum.
6. Tahap 6 :
Keputusan penilaian : keuntungan dan kerugian
Klasifikasi metode pemulusan (smoothing) : 1. Metode Perataan (Average) Tujuan dari metode ini adalah memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang. Metode perataan ini meliputi : a. Metode rata-rata bergerak sederhana (simple moving average) Metode rata-rata sederhana adalah mengambil rata-rata dari semua data dalam kelompok inisialisasi :
38
T
F T +1 = X = ∑ X i T i =1
sebagai ramalan untuk periode (T+1). Kemudian bilamana data periode (T+1) tersedia, maka dimungkinkan untuk menghitung nilai kesalahannya :
e
T +1
=
X
T +1
− F T +1
Metode ini akan menghasilkan ramalan yang baik hanya jika proses yang mendasari nilai pengamatan X : tidak menunjukkan adanya trend dan tidak menunjukkan adanya unsur musiman. b. Metode rata-rata bergerak tunggal (single moving average) Metode ini memiliki karakteristik sebagai berikut :
•
hanya menyangkut T periode terakhir dari data yang diketahui,
•
jumlah titik data dalam setiap rata-rata tidak berubah dengan berjalannya waktu.
Secara aljabar, rata-rata bergerak (MA) dapat dituliskan sebagai berikut :
F T +1 = F
T +2
=
X +X 1
2
+ ... +
X
T
T
X
2
+ ... +
X T
T
+
X
=
T +1
1 T ∑ T i =1 X i 1 T +1 = ∑Xi T i =2
c. Metode rata-rata bergerak ganda (double moving average) Metode ini dapat mengatasi adanya trend secara lebih baik. Rata-rata bergerak ganda ini merupakan rata-rata bergerak dari rata-rata bergerak, dan menurut simbol dituliskan sebagai MA(M x N) dimana artinya adalah MA M-periode
39
dari MA N-periode. Prosedur rata-rata bergerak linier secara umum dapat diterangkan melalui persamaan berikut :
X
S' =
t
+
X
t −1
+
X
t
t −2
+ ... +
X
t − N +1
N
S '' =
S' + S'
t −1
t
+ S 't − 2 + ... + S 't − N +1
t
N
a = S ' + (S ' − S '' ) = 2S ' − S '' t
b
t
F
t
=
t
t
t
t
2 ( − ) N − 1 S 't S ''t
t +m
= at + bt m
2. Metode Pemulusan Eksponensial (Exponential Smoothing) a. Metode Pemulusan Eksponensial Tunggal Metode ini banyak mengurangi masalah penyimpanan data, karena tidak perlu lagi menyimpan semua data historis atau sebagian daripadanya. Persamaan berikut merupakan bentuk umum yang digunakan dalam menghitung ramalan dengan metode pemulusan eksponensial :
F
t +1
=α
X + (1 − α ) F t
t
Karena nilai untuk F1 tidak diketahui, maka dapat digunakan nilai observasi pertama (X1) sebagai ramalan pertama (F1 = X1) dan kemudian dialnjutkan dengan menggunakan persamaan di atas. Ini merupakan salah satu metode inisialisasi. b. Metode Pemulusan Eksponensial Tunggal : Pendekatan Adaptif
40
Metode ini bersifat adaptif dalam arti bahwa nilai α akan berubah secara otomatis bilamana terdapat perubahan pada pola data dasar dan dapat bermanfaat untuk sistem peramalan yang melibatkan sejumlah besar item. Inisialisasi :
F2 = X1 α2 = α3 = α4 = β E1 = M1 = 0
Persamaan dasar untuk peramalan dengan metode ini adalah :
F
t +1
(
= α t X t + 1 −α t
)F
t
dimana :
α
t +1
E
t
M
=
E M
t t
= β et + (1 − β ) E t −1 t
= β et + (1 − β ) M t −1
e = X −F t
t
t
Et = unsur kesalahan yang dihaluskan. Mt = unsur kesalahan absolut yang dihaluskan. c. Metode Pemulusan Eksponensial Ganda : Metode Linear Satu-Parameter dari Brown Dasar pemikiran dari pemulusan eksponensial metode Brown adalah serupa dengan rata-rata bergerak linier karena kedua nilai pemulusan tunggal dan
41
ganda ketinggalan dari data yang sebenarnya bilamana terdapat unsur trend, perbedaan antara nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend. Persamaan yang dipakai dalam implementasi pemulusan eksponensial linear satu-parameter dari Brown ditunjukkan dibawah ini : Inisialisasi awal : S '1 = S ' '1 = X 1 S 't = α . X t + (1 − α ) S ' ( t −1)
S '' = α .S ' +(1 − α )S ' ' t
t
( t −1)
at = 2.S 't − S ' 't bt =
α ( S 't − S ' 't ) 1−α
Ft + m = at + bt .m
dimana :
S’t = nilai pemulusan eksponensial tunggal. S’’t = nilai pemulusan eksponensial ganda. m = jumlah periode ke muka yang diramalkan.
d. Metode Pemulusan Eksponensial Ganda : Metode Dua-Parameter dari Holt Metode pemulusan eksponensial linear dari Holt dalam prinsipnya sama dengan Brown kecuali bahwa Holt tidak menggunakan rumus pemulusan berganda secara langsung. Sebagai gantinya, Holt memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret
42
yang asli. Ramalan dari pemulusan eksponensial linear Holt didapat dengan menggunakan dua konstanta pemulusan (dengan nilai antara 0 dan 1) dan tiga persamaan sebagai berikut : S t = αX t + (1 − α )( S t −1 + bt −1 ) bt = γ ( S t − S t −1 ) + (1 − γ )bt −1 Ft + m = S t + bt .m
Inisialisasi :
S1 = X1 b1 = X2 – X1
e. Metode Pemulusan Eksponensial Tripel : Metode Kuadratik Satu-Parameter dari Brown Pendekatan dasarnya adalah memasukkan tingkat pemulusan tambahan (pemulusan tripel) dan memberlakukan persamaan peramalan kuadratik Persamaan untuk pemulusan kuadratik adalah : Inisialisasi awal : S '1 = S ' '1 = S ' ' '1 = x1 Pemulusan pertama : S 't = α . X t + (1 − α )S 't −1 Pemulusan Kedua : S ' 't = α .S 't +(1 − α )S ' 't −1 Pemulusan Ketiga : S ' ' 't = α .S ' 't +(1 − α )S ' ' 't −1 a t = 3.S ' t −3.S ' ' t + S ' ' ' t
43
bt =
α 2(1 − α ) 2
[(6 − 5α )S 't −(10 − 8α )S ' 't +(4 − 3α )S ' ' 't ]
⎛ α ⎞ ct = ⎜ ⎟ ( S ' t −2.S ' ' t + S ' ' 't ) ⎝1 − α ⎠ 2
dan Ft + m = a t + bt m +
1 ct 2
m
2
f. Metode Pemulusan Eksponensial Tripel : Metode Tiga-Parameter untuk Kecenderungan dan Musiman dari Winter. Metode Winter didasarkan atas tiga persamaan pemulusan, yaitu satu untuk unsur stasioner, satu untuk trend, dan satu untuk musiman. Hal ini serupa dengan metode Holt, dengan satu persamaan tambahan untuk mengatasi musiman. Persamaan dasar untuk metode Winter adalah sebagai berikut : Pemulusan Keseluruhan : St = α.
Xt + (1 − α )( S t −1 + bt −1 ) I t−L
Pemulusan Trend : bt = γ ( S t + S t −1 ) + (1 − γ )bt −1 Pemulusan Musiman : It = β
Xt + (1 − β ) I t − L St
Ramalan :
44
Ft + m = (S t + bt m )I t − L + m Inisialisasi awal : S L −1 = X L −1
It =
Xt X L
X =
∑X
bL +1 =
i =1
t
L 1 [( X L +1 − X 1 ) + ( X L + 2 − X 2 ) + ........ + ( X L + L − X L )] L2
2.1.1.5 Ketepatan Metode Peramalan
Dalam pembuatan peramalan, kesalahan mempengaruhi keputusan melalui dua cara yaitu kesalahan dalam memilih teknik peramalan dan kesalahan dalam mengevaluasi keberhasilan penggunaan teknik peramalan.bagi pemakai peramalan, ketepatan ramalan yang akan datang adalah yang paling penting. Ketepatan metode peramalan secara garis besar dibagi menjadi : 1. Ukuran Statistik Standar Jika Xi merupakan data aktual untuk periode i dan Fi merupakan ramalan untuk periode yang sama, maka kesalahan didefinisikan sebagai : ei = Xi – Fi Jika terdapat nilai pengamatan dan ramalan untuk n periode waktu, maka ukuran statistik standar berikut yang dapat didefinisikan :
45
a. Nilai Tengah Galat (Mean Error) n
ME = ∑ ei n i =1
b. Nilai Tengah Galat Absolut (Mean Absolute Error) n
MAE = ∑ ei n i =1
c. Jumlah Kuadrat Galat (Mean Squared Error) n
SSE = ∑ ei
2
i =1
d. Nilai Tengah Galat Kuadrat (Mean Squared Error) n
MSE = ∑ ei n 2
i =1
e. Deviasi Standar Galat (Standard Deviation of Error)
∑ e (n − 1)
SDE =
2
i
2. Ukuran-ukuran Relatif Tiga ukuran berikut sering digunakan : a. Galat Persentase (Percentage Error)
PE
t
⎛ =⎜ ⎜ ⎝
X − F ⎞⎟(100) X ⎟⎠ t
t
t
b. Nilai Tengah Galat Persentase (Mean Pencentage Error) n
MPE = ∑ PEi n i =1
46
c. Nilai Tengah Galat Persentase Absolut (Mean Absolute Percentage Error) n
MAPE = ∑ PEi n i =1
3. Statistik-u dari Theil 2
⎛ F i +1 − X i +1 ⎞ ⎜ ⎟ ∑ ⎟ ⎜ i =1 ⎝ X i ⎠ U= 2 n −1 ⎛ − Xi⎞ X i + 1 ⎜ ⎟ ∑ ⎜ i =1 ⎝ X i ⎟⎠ n −1
4. Statistik Durbin-Watson
∑ (e n
D -W =
t=2
t n
e )
∑e t =1
2.1.2
−
2
t −1
2 t
Material Requirement Planning (MRP)
Konsep Material Requirement Planning (MRP) telah banyak berkembang dan digunakan dalam penyelesaian proyek industri. Menurut Zulian Yamit (1999, p151), MRP merupakan suatu sistem yang dirancang secara khusus untuk situasi permintaan bergelombang, yang secara tipikal karena permintaan tersebut dependen. Sedangkan menurut Vinchent Gaspersz (2001, p177), perencanaan kebutuhan material adalah metode penjadwalan untuk purchased planned orders dan manufactured planned orders.
47
Metode MRP merupakan suatu metode perencanaan dan pengendalian pesanan dan inventori untuk item-item dependent demand, dimana permintaan cenderung terputus-putus (discontinuous) dan tidak halus (lumpy). Item-item yang termasuk dalam dependent demand adalah bahan baku (raw materials), parts, subassemblies, dan assemblies, yang kesemuanya disebut manufacturing inventories. Menurut Vinchent Gaspersz (2001, p177) moto dari MRP adalah memperoleh material yang tepat, dari sumber yang tepat, untuk penempatan yang tepat, pada waktu yang tepat. Tujuan sistem MRP adalah : 1. Menjamin tersedianya material, item atau komponen pada saat dibutuhkan untuk memenuhi skedul produksi, dan menjamin tersedianya produk jadi bagi konsumen. 2. Menjaga tingkat persediaan pada kondisi minimum. 3. Merencanakan aktivitas pengiriman, penjadwalan, dan aktivitas pembelian.
2.1.2.1 Karakteristik Dasar Sistem MRP
Dalam sistem MRP memiliki karakteristik sebagai berikut : 1. Perhatian terhadap kapan dibutuhkan. Integrasi pemikiran antara fungsi pengawasan produksi dan manajemen persediaan mengakibatkan pergeseran perhatian terhadap kapan dibutuhkan dibandingkan dengan perhatian langsung terhadap kapan melakukan pemesanan.
48
2. Perhatian terhadap prioritas pemesanan Adanya kesadaran bahwa semua pesanan konsumen tidak memiliki prioritas yang sama atau produk yang satu lebih penting dari produk yang lain. Hal ini memungkinkan dilakukannya penjadwalan untuk memenuhi prioritas pesanan. 3. Penundaan pengiriman permintaan Konsekuensi dari prioritas pesanan menghasilkan konsep penundaan pengiriman yaitu menunda produksi atau pesanan terhadap item yang telah dijadwal, untuk memaksimumkan keseluruhan operasi. 4. Fungsi integrasi Pengawasan produksi dan manajemen persediaan dipandang sebagai fungsi yang terintegrasi.
2.1.2.2 Arus Informasi Sistem MRP
Masukan MRP, yaitu : 1. Master Production Schedule (MPS) MPS merupakan ringkasan skedul produksi produk jadi untuk periode mendatang yang dirancang berdasarkan pesanan pelanggan atau ramalan permintaan. Sistem MRP mengasumsikan bahwa pesanan yang dicatat dalam MPS adalah pasti, walaupun hanya ramalan. 2. Inventory Master File (IMF) atau Inventory Status Record (ISR) Terdiri dari semua catatan tentang persediaan produk jadi, komponen dan subkomponen lainnya, baik yang sedang dipesan maupun persediaan pengaman.
49
Tiga keluaran MRP, yaitu : 1. Purchase Order (PO), merupakan surat perintah untuk melakukan pembelian barang. 2. Work Order (WO), merupakan surat perintah untuk melakukan pekerjaan tertentu. 3. Reschedule Notices (RN), merupakan surat perintah untuk melakukan penjadwalan kembali.
2.1.2.3 Langkah-langkah Proses Perhitungan MRP
Untuk menentukan langkah proses pembuatan perhitungan MRP adalah sebagai berikut : 1. Menentukan kebutuhan bersih (netting) Besarnya kebutuhan bersih (net requirements) adalah selisih antara kebutuhan kotor (gross requirements) dengan persediaan di tangan (on hand). Data yang diperlukan dalam menentukan kebutuhan bersih adalah kebutuhan kotor setiap periode, persediaan yang ada di tangan, dan rencana penerimaan (scheduled receipt) pada periode mendatang. Sedangkan kebutuhan kotor yang dimaksud
adalah jumlah permintaan produk akhir. Untuk komponen yang lebih rendah, kebutuhan kotor dihitung dari komponen yang berada di atasnya dengan dikalikan kelipatan tertentu sesuai dengan kebutuhan. Perhitungan kebutuhan bersih dapat diperbaiki dengan menambahkan faktor persediaan pengaman, tetapi hanya ditujukan untuk permintaan independen. Sedangkan persediaan pengaman untuk
50
komponen dapat diperlukan apabila reability process pembuatan komponen sangat tidak menentu. 2. Menentukan jumlah pesanan/ukuran lot (lotting/lot sizing) Penentuan jumlah pesanan baik untuk item maupun komponen, didasarkan kebutuhan bersih. Lot sizing (lotting) mencoba untuk mencari jumlah pesanan yang optimal berdasarkan pertimbangan : a. Biaya pesan Adalah biaya yang harus dikeluarkan setiap kali memesan barang ke supplier, atau biaya setup yang terjadi setiap kali ada pergantian proses produksi dari satu produk ke produk lainnya. b. Biaya simpan Adalah biaya yang harus dikeluarkan karena harus menyimpan barang. Biayabiaya yang termasuk kelompok ini misalnya listrik, pajak, premi asuransi, biaya tenaga kerja yang mengawasi persediaan, dan lain-lain. Alternatif yang dapat digunakan untuk menentukan besarnya ukuran lot pemesanan diantaranya : a. Lot-For-Lot (LFL) Metode Lot For Lot merupakan metode yang paling sederhana dimana pada dasarnya metode ini mengadakan pemesanan persediaan setiap subperiode. Tujuannya adalah untuk meminimasi biaya simpan, karena tidak adanya persediaan yang tersisa setiap pergantian sub-periode.
51
b. Periodic Order Quantity (POQ) Metode POQ sebenarnya adalah pengembangan dari metode EOQ. Jika pada metode EOQ jumlah barang setiap pemesanan adalah konstan, maka pada metode POQ ini interval periode pemesanannya yang bersifat konstan. Rumusan untuk menentukan jumlah dan periode POQ adalah : EOI =
EOQ = R
2C RFP
dimana : EOI (Economic Order Interval)
= jumlah periode pemesanan
EOQ (Economic Order Quantity)
=
jumlah
barang
setiap
pemesanan R
= tingkat permintaan rata-rata
C
= biaya pesan per sekali pesan
F
= persentase biaya simpan
P
= biaya pembelian per unit.
c. Algoritma Wagner-Within Algoritma ini memberikan solusi optimum bagi persoalan ukuran pemesanan dinamis-deterministik pada suatu kurun waktu tertentu dimana kebutuhan pada seluruh perioda harus terpenuhi. Prosedur perhitungan terdiri dari 3 langkah sebagai berikut :
52
1. Hitung matrix total variabel untuk seluruh alternatif pemesanan yang dapat dilakukan selama kurun waktu yang terdiri dari N perioda. Ongkos total variabel ini meliputi ongkos pemesanan dan ongkos simpan. Definisikan Zce sebagai ongkos total variabel pada periode c hingga e sebagai akibat melakukan pesanan pada perioda c yang akan memenuhi kebutuhan pada perioda c hingga e. e
Zce = C + FP∑ i =c
(Q
ce
−Q
ci
)
untuk i ≤ c ≤ e ≤ N dimana :
C = biaya pesan per sekali pesan
F = persentase biaya simpan per perioda P = biaya pembelian per unit e
Q
ce
= ∑ Rk k =c
dimana Rk = tingkat kebutuhan pada perioda k. 2. Definisikan fe sebagai ongkos minimum yang mungkin terjadi pada periode 1 hingga e, dimana tingkat persediaan pada akhir perioda e adalah nol. Algoritma dimulai dengan f0 = 0, kemudian hitung f1, f2, …, fn berturut-turut fe dihitung pada urutan yang menaik dengan menggunakan rumus :
f
e
= Min (Zce + f c-1)
53
untuk c = 1, 2, …, e. artinya : -
Pada setiap perioda seluruh kombinasi dari alternatif pemesanan dengan strategi fe dibandingkan.
-
Kombinasi terbaik yaitu yang memberikan ongkos terendah, dinyatakan sebagai strategi fe untuk memenuhi kebutuhan pada perioda 1 hingga e.
-
Nilai fN adalah ongkos dari jadwal pemesanan yang optimal.
3. Terjemahkan solusi optimum (fN) yang diperoleh dari algoritma ini untuk menentukan ukuran pemesanan sebagai berikut :
f
N
= zWN + f W -1
Pemesanan terakhir terjadi pada perioda W dan dapat memenuhi kebutuhan pada perioda W hingga N.
f
W -1
= zV(W -1) + f V -1
Pemesanan yang mendahului pemesanan terakhir terjadi pada perioda V dan dapat memenuhi kebutuhan pada perioda V hingga W-1.
f
U -1
= z1(U -1) + f 0
Pemesanan pertama terjadi pada perioda i dan memenuhi kebutuhan pada perioda 1 hingga U-1.
54
d. Algoritma Silver-Meal Metode ini dikembangkan oleh Edward Silver dan Harlan Meal yang didasarkan pada least period cost. Metode ini bertujuan untuk meminimasi ongkos per periode. Ukuran lot ditentukan dengan cara menjumlahkan kebutuhan beberapa periode yang berturut-turut sebagai kumulatif demand. Penjumlahan dilakukan terus sampai ongkos total dibagi dengan
banyaknya periode yang kebutuhannya termasuk dalam kumulatif demand tersebut meningkat. Rumus untuk menghitung ongkos total per periode adalah : TRC (T) C + Total Ongkos Simpan hingga Akhir Perioda T = T T T
=
C + FP ∑ (K -1)R k =1
k
T
dimana : C
= biaya pesan per sekali pesan
F
= persentase biaya simpan per perioda
P
= biaya pembelian per unit
Rk
= tingkat kebutuhan pada periode k
T
= waktu supply dilakukannya pemenuhan (dalam perioda)
TRC(T)
= total ongkos relevan selama T perioda.
55
Rumus untuk memilih T yaitu dievaluasi dengan penambahan nilainya sampai diperoleh: TRC (T + 1) TRC (T) > T +1 T Jika total ongkos relevan per unit waktu mulai naik pada T+1 maka T dipilih sebagai jumlah perioda supply untuk pemenuhan pesanan, dengan ukuran : T
Q = ∑ RK K =1
e. Part Period Balancing Prosedur Part Period Balancing berusaha menyeimbangkan ongkos pesan dan ongkos simpan dengan menggunakan Economic Part Period (EPP) yaitu : EPP =
Ongkos pesan Ongkos simpan per unit tiap periode
Rumus untuk menghitung banyaknya jumlah persediaan pada suatu periode (disebut juga Part Period) yang disebabkan oleh ukuran lot sementara tertentu adalah sebagai berikut : L
PP(L) = ∑ [(t - T ) ∗ dt ] t =T
dimana : PP
= Part Period (unit)
t
= periode ke-t
56
T
= periode awal dimana lot sementara mulai dihitung
L
= periode terakhir yang kebutuhannya termasuk dalam lot sementara
dt f.
= kebutuhan pada periode t.
Economic Order Quantity
Metode ini dicetuskan pertama kali oleh Ford Harris pada tahun 1915, tetapi lebih dikenal dengan nama metode Wilson, karena dikembangkan oleh Wilson pada tahun 1934. Metode ini digunakan untuk menghitung minimasi total biaya persediaan berdasarkan persamaan tingkat atau titik equilibrium kurva biaya simpan dan biaya pesan. Rumusan untuk menentukan jumlah EOQ adalah: Q=
2 DS H
dimana: Q
= jumlah barang setiap pemesanan
D
= jumlah permintaan dalam periode N
S
= biaya pesan
H
= harga simpan dalam periode N
g. Least Total Cost Teknik ini berusaha untuk menyeimbangkan biaya simpan dan biaya pesan. Besarnya biaya simpan untuk masing-masing gabungan periode dengan rumus: Lot size x Lama Penyimpanan x Biaya simpan
57
Kemudian ditentukan gabungan periode berdasarkan komulatif biaya simpan yang mendekati biaya pesan. h. Least Unit Cost Metode Least Unit Cost ini sebenarnya serupa dengan metode silver meal. Perbedaannya adalah pada metode silver meal yang dihitung adalah ongkos per periode, sedangkan pada metode ini yang dihitung adalah ongkos per unit. Rumus untuk menghitung ongkos per unit adalah: L
U ( L) =
s + (h∑ (t − T )dt ) t =T
J
dimana : s
= ongkos pesan
h
= ongkos simpan
dt
= kebutuhan pada periode t
T
= periode awal dimana lot komulatif mulai dihitung
L
= periode terakhir yang kebutuhannya termasuk dalam lot komulatif
J
= jumlah lot komulatif tiap periode
T
= periode ke – t
58
Langkah-langkah dalam Metode Least Unit Cost: 1. Ukuran lot tentative ditentukan mulai periode T. Ukutannya sama dengan dT, yaitu kebutuhan pada periode T. Dengan rumus diatas hitunglah ongkos perunit dalam periode ini. 2. Tambahkan kebutuhan periode berikutnya pada lot awal tersebut, kemudian hitung kembali ongkos per unitnya. 3. Bandingkan ongkos per unit periode sekarang U(L) dengan ongkos perunit satu periode sebelumnya U ( L − 1) , dimana L adalah nomor
periode pada langkah 2. Jika U(L) ≤ U(L-1), kembali ke langkah 2 Jika U(L) ≥ U(L-1), lanjutkan ke langkah 4 t −1
4. Ukuran lot pada periode T adalah:
∑ dt t =T
5. Sekarang T=L, jika akhir dari perencanaan telah dicapai, langkah pembuatan selesai, jika belum kembali kelangkah 1. 3. Menentukan tanggal pemesanan (off setting) Penentuan saat yang tepat untuk melakukan pemesanan, dipengaruhi oleh rencana penerimaan (planned order receipts) dan tenggang waktu pemesanan (lead time).
2.1.2.4 Format Material Requirement Planning (MRP)
59
Tabel 2.1 Format MRP Part No. : BOM UOM : Lead Time : Safety Stock : Periode Past due Kebutuhan Kotor Jadwal Penerimaan Persediaan di tangan Kebutuhan Bersih Rencana Penerimaan Rencana Pemesanan
1
2
Deskripsi On Hand Order Policy Lot Size 3 4
: : : : 5
6
Format MRP dapat dilihat dalam tabel 2.1 dan keterangannya adalah sebagai berikut : 1. Part No. menyatakan kode komponen atau material yang akan dirakit. 2. BOM UOM menyatakan satuan komponen atau material yang akan dirakit. 3. Lead Time menyatakan waktu yang dibutuhkan untuk me-release atau memanufaktur suatu komponen. 4. Safety Stock menyatakan cadangan material yang harus ada di tangan sebagai antisipasi kebutuhan di masa yang akan datang. 5. Description menyatakan deskripsi material secara umum. 6. On Hand menyatakan jumlah material yang ada di tangan sebagai sisa periode sebelumnya. 7. Order Policy menyatakan jenis pendekatan yang digunakan untuk menentukan ukuran lot yang dibutuhkan saat memesan barang. 8. Lot Size menyatakan penentuan ukuran lot saat memesan barang.
60
9. Kebutuhan kotor menyatakan jumlah yang akan diproduksi atau dipakai pada setiap periode. 10. Jadwal penerimaan menyatakan material yang dipesan dan akan diterima pada periode tertentu. 11. Persediaan di tangan menyatakan kuantitas material yang ada di tangan sebagai persediaan pada awal periode. Rumus persediaan di tangan : (Persediaan di Tangan)t = (Persediaan di Tangan)t-1 – (Kebutuhan Kotor)t-1 + (Jadwal Penerimaan)t-1 + (Rencana Penerimaan)t-1. 12. Kebutuhan bersih menyatakan jumlah bersih dari setiap komponen yang harus disediakan untuk memenuhi induk komponennya atau untuk memenuhi Master Production Schedule (MPS). Rumus kebutuhan bersih : Kebutuhan Bersih = Kebutuhan Kotor – Persediaan di Tangan – Jadwal Penerimaan (jika persediaan di tangan ≤ 0). Kebutuhan Bersih = 0 (jika persediaan di tangan > 0). 13. Rencana Penerimaan menyatakan kuantitas pemesanan yang dibutuhkan pada suatu periode. 14. Rencana Pemesanan menyatakan kapan suatu order sudah harus di-release atau dimanufaktur sehingga komponen ini tersedia ketika dibutuhkan oleh induk itemnya.
61
2.1.2.5 Jenis Material Requirement Planning (MRP)
Menurut Schroeder (1997, p45-46) MRP dalam perkembangannya sesuai dengan tuntutan kemajuan teknologi dan masalah yang dihadapi oleh perusahaan terdiri dari 3 jenis yaitu: 1. Tipe I : Suatu Sistem Pengendali Sediaan. Sistem MRP tipe I adalah sistem pengendali sediaan yang memungkinkan bagian manufaktur dan pembelian memesan barang dalam jumlah dan waktu yang tepat untuk mendukung jadwal induk. Sistem ini melakukan pemesanan-pemesanan untuk mengendalikan sediaan barang dalam proses dan bahan baku, melalui pengaturan waktu pemesanan yang tepat.
Namun sistem tipe ini tidak mencakup perencanaan
kapasitas. 2. Tipe II : Suatu Sistem Produksi dan Pengendali Sediaan. Sistem MRP tipe II adalah sistem informasi yang dipakai untuk merencanakan dan mengendalikan sediaan serta kapasitas dalam perusahaan-perusahaan manufaktur. Pada sistem tipe ini juga mencakup perencanaan kapasitas. Jadi pemesanan yang berasal dari pemecahan bagian (parts explosion) akan diperiksa dengan kapasitas produksi, apakah kapasitas yang ada mencukupi atau tidak. Jika kapasitas tidak cukup, maka perlu dilakukan penyesuaian ulang jadwal induk produksi. Sistem tipe ini memberikan umpan balik antara pemesanan yang dilakukan dengan ketersediaan kapasitas produksi. Sistem ini disebut juga sistem lingkar tertutup (close loop system) yang mengendalikan baik persediaan maupun kapasitas.
62
3. Tipe III : Suatu Sistem Perencanaan sumber Pabrikan. Sistem MRP tipe III digunakan untuk merencanakan dan mengendalikan semua sumber daya manufaktur yaitu sediaan, kapasitas, karyawan, fasilitas dan alat modal. Adanya suatu perubahan misalnya pada jadwal induk produksi akan menyebabkan perubahan juga pada seluruh subsistem perencanaan sumber pada perusahaan.
2.2
Kerangka Pemikiran
Dalam merancang suatu sistem persediaan dengan menggunakan metode MRP, ada beberapa tahap yang harus dilakukan. Pada tahap pertama kita harus melakukan pengumpulan data. Data yang berhubungan dengan pengumpulan tersebut sangat erat dengan sistem persediaan yang ada. Data-data tersebut meliputi data hasil penjualan beberapa periode terakhir, data kebutuhan bahan baku, data persediaan bahan baku (Inventory Master File), serta data biaya pesan dan biaya simpan. Bila seluruh data terkumpul, tahap selanjutnya yang harus dilakukan adalah membuat peramalan produksi untuk mengetahui perkiraan atau estimasi produksi di masa yang akan datang. Ada beberapa metode peramalan yang dapat digunakan untuk dapat meramalkan jumlah produksi di masa yang akan datang, tetapi dari seluruh metode peramalan tersebut hanya satu metode peramalan yang dipilih yaitu metode peramalan yang mampu memberikan hasil yang terbaik. Artinya, metode peramalan tersebut memiliki nilai error yang paling kecil dibandingkan dengan metode peramalan yang lainnya. Untuk dapat mengetahui besar nilai error tersebut, maka setiap metode peramalan harus dihitung ketepatan peramalannya.
63
Ada empat langkah dalam proses perhitungan dalam membuat MRP. Langkah pertama yaitu perhitungan exploding. Pada perhitungan exploding ini, kebutuhan kotor untuk setiap material dihitung. Caranya adalah dengan mengalikan hasil peramalan produksi dengan kebutuhan material. Langkah lain yang harus dilakukan dalam proses perhitungan MRP yaitu perhitungan ukuran lot (lotting). Metode perhitungan ukuran lot ini terdiri dari beberapa metode. Oleh karena itu, agar dapat mengetahui hasil perencanaan kebutuhan material dengan total biaya yang minimum, maka seluruh metode pengukuran lot tersebut harus dihitung. Dua langkah lain yang harus dilakukan dalam proses perhitungan MRP yaitu perhitungan netting dan off setting. Netting adalah proses perhitungan kebutuhan bersih, sedangkan off setting adalah tahap untuk melakukan rencana pemesanan. Kedua langkah ini dapat langsung dihitung dalam perhitungan MRP. Sesudah seluruh perhitungan MRP dibuat dengan berbagai macam metode lotting, maka total biaya antara biaya pesan dan biaya simpan dapat dihitung dari masingmasing perhitungan MRP tersebut. Jadi hasil perhitungan MRP dengan total biaya yang terkecil yang merupakan hasil perhitungan MRP yang nantinya akan diusulkan untuk sebagai bahan perbandingan dan pertimbangan di PT Pulogadung Pawitra Laksana.
