PROGRAM MBA – Institut Teknologi Bandung
BAB IV ANALISA MASALAH 4.1. Metodologi Penelitian
Gambar 4.1. Diagram Alir Metodologi Penelitian Ganda Christ Robert Manurung – 29104106
34
PROGRAM MBA – Institut Teknologi Bandung
4.2. Studi Pendahuluan Studi pendahuluan dilakukan untuk mengetahui gambaran umum tentang proses bisnis PT Pantja Motor, beradaptasi dengan lingkungan kerja di perusahaan, berkenalan dengan key persons yang dapat membantu dalam penelitian, antara lain Kepala Departemen PPIC, Manager PPC dan Kepala Divisi Planning & Ordering, dan mencari tahu tentang permasalahan-permasalahan yang sedang dihadapi oleh perusahaan dengan melakukan wawancara bebas. Dari studi pendahuluan yang telah diperoleh bahwa PT Pantja Motor tidak efisien dalam melakukan proses bisnisnya. Hal ini terutama terjadi karena ordered forecast yang diterima PT Pantja Motor dari AI-ISO selalu mengalami forecast error. Forecast error ini mengakibatkan efek negatif kepada pemain-pemain lain yang berada dalam proses bisnis PT Pantja Motor. Mengenai efek negatif yang terjadi akan dibahas lebih lanjut pada subbab 4.8.1. Pemasok akan mengalami kesulitan dalam menentukan kuantitas efektif untuk pemesanan bahan baku, yang berakibat kepada pasokan komponen kepada PT Pantja Motor tidak dapat terpenuhi karena pemasok kekurangan bahan baku ataupun biaya persediaan pemasok tinggi akibat pemasok kelebihan bahan baku. PT Pantja Motor juga harus mencari produsen lain untuk memenuhi kebutuhan komponen agar produksi tidak terhenti jika pemasok tidak mampu memenuhi kebutuhan pasokan akibat dari forecast error. Pada bagian produksi, perencanaan SDM yang sudah dilakukan tidak akan maksimal karena eksekusi produksi aktual tidak sesuai dengan forecast. Jumlah produksi setiap bulan harus disesuaikan dengan perencanaan komposisi SDM produksi untuk efisiensi biaya produksi. Perencanaan komposisi SDM produksi yang telah direncanakan akan tidak efektif akibat dari forecast error yang terjadi. Dari grafik 4.1. terlihat perbandingan antara aktual produksi bulan M, yang ditentukan pada
Ganda Christ Robert Manurung – 29104106
35
PROGRAM MBA – Institut Teknologi Bandung
bulan M-1, dengan forecast bulan M-2 yang merupakan forecast terakhir sebelum penentuan jumlah produksi aktual. Tabel 4.1. Perbedaan Forecast dengan Aktual dalam Perencanaan Produksi BULAN Mei 1230 1080
Forecast M-2 AKTUAL
Des 750 1020
Jan 690 900
Feb 840 840
Mar 1080 960
Perbedaan
-26,5%
-23,3%
0,0%
12,5%
13,9%
Jun 1140 1200
Jul 1290 1200
Agus 1350 1320
Sep 1230 990
-5,0%
7,5%
2,3%
24,2%
Grafik 4.1. Perbedaan Forecast dengan Aktual dalam Perencanaan Produksi 1600 1400 1200 1000 800 600 400 200 0 Des
AKTUAL Forecast M-2
Feb
Mei
Jul
Sep
Dari Tabel 4.1 dapat dilihat perbedaan yang cukup besar pada bulan Desember, Januari dan September dimana perbedaan aktual dengan forecast lebih dari kesepakatan toleransi antara AI-ISO, PT Pantja Motor dan pemasok, yaitu ± 20%. Analisis permasalahan lebih lanjut akan dibahas pada subbab 4.8.1. 4.3. Perumusan Masalah Setelah dilakukan identifikasi terhadap permasalahan-permasalahan yang sedang dihadapi oleh perusahaan, maka dilakukan perumusan masalah yang akan menjadi
Ganda Christ Robert Manurung – 29104106
36
PROGRAM MBA – Institut Teknologi Bandung
topik pada penelitian. Perumusan masalah dilakukan berdasarkan kenyataan yang terjadi di lapangan. Permasalahan yang sedang dihadapi oleh Pantja Motor adalah tingginya forecast error, oleh sebab itu penelitian ini akan membahas topik “Strategi Perbaikan Forecast di PT Pantja Motor”. Strategi perbaikan forecast diharapkan dapat membantu PT Pantja Motor untuk memperbaiki efek-efek negatif yang disebabkan oleh forecast error, mengenai efek negatif yang terjadi akan dibahas lebih lanjut pada subbab 4.8.1. 4.4. Studi Lapangan Studi lapangan dilakukan untuk mengidentifikasi dan memperoleh data-data yang dibutuhkan untuk penelitian. Studi lapangan dilakukan dengan pengamatan langsung dan wawancara dengan key persons di lapangan, antara lain Kepala Divisi PPIC, Kepala Departemen PPC dan Supervisor Planing & Ordering. Wawancara dilakukan dengan wawancara bebas secara pertanyaan terbuka. 4.5. Studi Literatur Studi literatur dilakukan untuk mempelajari dasar-dasar teori yang akan digunakan untuk
menganalisa
topik
permasalahan.
Studi
literatur
bertujuan
untuk
membandingkan kondisi ideal dalam teori dengan keadaan di lapangan sehingga dapat dirumuskan perbaikan yang diperlukan sehubungan dengan forecast error PT Pantja Motor. 4.6. Pengumpulan Data Pengumpulan data dan informasi yang dibutuhkan dalam penelitian diperoleh melalui pengamatan di lapangan, wawancara dengan key persons dan data-data tertulis yang dimiliki oleh perusahaan.
Ganda Christ Robert Manurung – 29104106
37
PROGRAM MBA – Institut Teknologi Bandung
Data-data yang diperoleh antara lain: -
Forecast produksi
-
Pencapaian produksi tahunan
-
Penjualan tahunan
4.7. Pengolahan Data Pengolahan data dilakukan untuk memudahkan dalam proses analisis permasalahan dengan merangkum data-data yang diperoleh ke dalam gambar, grafik dan tabel sesuai kebutuhan penelitian. 4.8. Analisis dan Interpretasi Rancangan Analisis dilakukan untuk menemukan strategi yang akan digunakan untuk menentukan forecast sehingga dapat memperbaiki forecast error dan efek-efek negatif yang ditimbulkannya, mengenai efek negatif yang terjadi akan dibahas lebih lanjut pada subbab 4.8.1. 4.8.1. Analisis Isuzu telah dikenal luas oleh masyarakat Indonesia sebagai merek kendaraan disel yang memiliki keunggulan irit bahan bakar, kuat dan daya jelajah yang jauh. Untuk mempertahankan brand equity, PT Pantja Motor terus menerus melakukan pengembangan produk dan perbaikan proses bisnis agar lebih efektif dan efisien. Salah satu strategi PT Pantja Motor untuk membuat proses bisnisnya lebih efisien adalah dengan program “Cost Reduction”. Dalam program tersebut terdapat beberapa kegiatan yang dilakukan PT Pantja Motor secara berkesinambungan untuk mengurangi biaya produksi dan komponen, antara lain:
Ganda Christ Robert Manurung – 29104106
38
PROGRAM MBA – Institut Teknologi Bandung
1. Value Analysis (VA) dan Value Engineering (VE) Salah satu target dari Departemen PPIC setiap tahunnya adalah mereduksi biaya produksi unit kendaraan. VA dan VE merupakan kegiatan yang berperan besar dalam mereduksi biaya untuk unit kendaraan. Tim VA bertugas untuk menganalisis nilai setiap komponen yang dipasang ke dalam unit kendaraan. Analisis mencakup fungsional , harga, dan kualitas alat sehingga alat tersebut dinilai efisien. Tim VE bertugas untuk melakukan penelitian dan pengembangan terhadap komponen secara keteknikan dimana diharapkan tim tersebut mampu menciptakan komponen-komponen baru lebih efisien dari sebelumnya. 2. Perbaikan proses produksi PT Pantja Motor secara terus-menerus memperbaiki proses produksinya agar lebih efektif dan efisien. Misalnya dengan perubahan alur produksi menjadi lebih efektif, peletakan komponen lebih dekat dengan mesin produksinya, penggunaan jumlah SDM yang efektif untuk setiap alat, dan lain-lain. 3. Lokalisasi Lokalisasi merupakan proses pengubahan sumber pasokan komponen dari impor (CKD) menjadi komponen yang dapat diperoleh dari pemasok lokal. Dengan lokalisasi komponen impor, maka harga komponen tersebut akan turun secara drastis karena bea masuk barang impor tidak dibebankan. Dalam mengambil keputusan lokalisasi komponen, ada beberapa hal yang harus dipertimbangkan, antara lain kemampuan teknologi dan pengetahuan yang dimiliki
Ganda Christ Robert Manurung – 29104106
39
PROGRAM MBA – Institut Teknologi Bandung
oleh pemasok lokal untuk memproduksi komponen tersebut dan biaya dari investasi teknologi tersebut. 4. Multi sourcing PT Pantja Motor menetapkan multi sourcing untuk penyediaan komponen. Hal ini bertujuan untuk menjaga keberlangsungan pasokan komponen jikalau salah satu pemasok sedang bermasalah. 5. Change Sourcing Change sourcing dilakukan bila pemasok dinilai tidak memiliki service level yang sesuai dengan standar yang telah ditetapkan oleh PT Pantja Motor. Service level pemasok dinilai dari delivery dan persentase jumlah pasokan komponen yang baik. PT Pantja Motor selalu memantau performa pemasok. Jika ada pemasok yang service level-nya tidak sesuai standar, maka PT Pantja Motor akan langsung mendatangi pemasok tersebut untuk mengetahui permasalahan yang dihadapi pemasok dan membantu mereka untuk menyelesaikannya. Tetapi jika pemasok tidak dapat memperbaiki performanya, maka PT Pantja Motor akan melakukan change sourcing. 6. Renegosiasi dengan pemasok Renegosiasi dengan pemasok dilakukan PT Pantja Motor dalam jangka waktu tertentu untuk negosiasi harga maupun kapasitas pasokan komponen. 7. Kebijakan pemerintah Pemerintah kerap mengeluarkan regulasi-regulasi baru yang berhubungan dengan dunia industri. PT Pantja Motor harus terus memantau regulasi-regulasi yang dikeluarkan oleh pemerintah agar selalu memperoleh informasi yang terbaru. Informasi tersebut dapat digunakan sebagai dasar untuk melakukan renegosiasi
Ganda Christ Robert Manurung – 29104106
40
PROGRAM MBA – Institut Teknologi Bandung
dengan pemasok terhadap kebijakan harga. Misalnya pemerintah mengeluarkan regulasi penurunan bea masuk bahan baku atau komponen impor untuk kebutuhan industri, maka PT Pantja Motor dapat menegosiasikan penurunan harga komponen kepada pemasok yang menggunakan bahan baku impor. Terhadap pemasok, PT Pantja Motor juga memiliki kriteria sendiri dalam memilih. untuk menentukan pemasok yang akan diajak bekerja sama, PT Pantja Motor melakukan pertimbangan berdasarkan 5 aspek, yaitu: 1. Quality Kesesuaian komponen yang hasil produksi pemasok dengan standar kualitas yang ditetapkan oleh PT Pantja Motor. 2. Cost Kemampuan pemasok menawarkan harga yang cukup bersaing dibandingkan dengan pemasok lainnya. 3. Delivery Kemampuan pemasok melakukan delivery sesuai service level yang telah ditetapkan oleh PT Pantja Motor. Service level dinilai dari ketepatan waktu pengiriman komponen dan persentase jumlah komponen dengan mutu baik pada setiap pengiriman yang dilakukan. 4. Moral Merupakan penilaian PT Pantja Motor terhadap manajemen pemasok. PT Pantja Motor melihat apakah manajemen pemasok memiliki visi dan budaya yang sama dalam mengembangkan bisnis.
Ganda Christ Robert Manurung – 29104106
41
PROGRAM MBA – Institut Teknologi Bandung
5. Research and Development Kemampuan proses pengembangan produk dari pemasok dalam melakukan inovasi untuk mencapai poses bisnis yang lebih efektif dan efisien. Dalam melakukan proses bisnisnya, PT Pantja Motor, sebagai ATPM Isuzu, berpatokan penuh terhadap ordered forecast yang diberikan oleh AI-ISO sebagai customer. AI-ISO sebagai unit penjualan produk Isuzu menerima pemesanan unit kendaraan dari 36 cabang dan 70 dealer nasional. Untuk menentukan produksi pada bulan M, Pantja Motor dan AI-ISO melakukan pertemuan pada minggu ketiga M-1. Pada pertemuan tersebut, AI-ISO memberikan jumlah produksi bulan M, termasuk tipe dan warna kendaraan, dan forecast produksi sampai M+6 kepada PT Pantja Motor. Pertemuan ini akan menghasilkan Master Production Schedule (MPS) dan diterjemahkan dalam Rangking Lot sebagai patokan untuk jadwal produksi (lihat Gambar 2.7. pada Bab II hal 8). Hasil pertemuan tersebut beserta forecast sampai dengan M+6 kemudian diteruskan kepada pemasok lokal, yang berguna sebagai dasar bagi pemasok untuk merencanakan persediaan bahan baku dan jadwal produksi (menentukan pemesanan komponen CKD sepenuhnya kebijakan dari direksi). Kebijakan persetujuan antara pemasok lokal dan PT Pantja Motor untuk jumlah aktual komponen adalah toleransi ± 20% dari forecast M-2. Sedangkan kebijakan untuk komponen impor (CKD) ditentukan oleh top management. Pemesanan komponen CKD untuk produksi bulan M dilakukan pada M-3. Permasalahan muncul ketika forecast yang diberikan oleh AI-ISO jauh berbeda dari keadaan aktual. Forecast error cukup sering terjadi dimana volatilitas forecast yang diberikan AI-ISO cukup tinggi sampai melewati batas kebijakan toleransi ± 20% yang diberikan oleh pemasok. Dari Tabel 4.2. dapat dilihat perubahan forecast per bulannya dari mulai saat pertama kali forecast dibuat sampai penentuan akhir jumlah
Ganda Christ Robert Manurung – 29104106
42
PROGRAM MBA – Institut Teknologi Bandung
unit yang akan diproduksi (data diperoleh dari PT Pantja Motor untuk forecast produksi Desember 2004 – Agustus 2005). Tabel 4.2 Forecast Produksi FORECAST ke 1 2 3 4 5 AKTUAL
Des
Jan
570 720 750 1020
630 630 750 690 900
Feb 600 720 720 870 840 840
Mar 690 750 690 840 1080 960
BULAN Apr Mei 750 690 780 840 840 1080 1110 1020 1230 1140 1080 1200
Jun 840 1080 1020 1080 1290 1200
Jul 1080 1020 1080 1290 1350 1320
Agus 1020 1080 1320 1290 1230 990
Persentase perbedaan forecast produksi dengan keadaan aktual dapat dihitung dengan menggunakan rumus:
% perbedaan =
( forecast − aktual ) x 100% aktual
Tabel 4.3. Persentase Perbedaan Forecast Produksi dengan Keadaan Aktual FORECAST Ke
1 2 3 4 5 AKTUAL
Des
Jan
-44,1% -29,4% -26,5% 1020
-30,0% -30,0% -16,7% -23,3% 900
Feb -28,6% -14,3% -14,3% 3,6% 0,0% 840
Mar -28,1% -21,9% -28,1% -12,5% 12,5% 960
BULAN Apr -30,6% -27,8% -22,2% 2,8% 13,9% 1080
Mei -42,5% -30,0% -10,0% -15,0% -5,0% 1200
Jun -30,0% -10,0% -15,0% -10,0% 7,5% 1200
Jul -18,2% -22,7% -18,2% -2,3% 2,3% 1320
Agus 3,0% 9,1% 33,3% 30,3% 24,2% 990
Pemasok membutuhkan lead time satu sampai tiga bulan untuk melakukan penyediaan bahan baku dan memproduksi komponen. Pemasok melakukan perencanaan penyediaan bahan baku untuk produksi komponen berdasarkan forecast M-3, M-2 dan permintaan aktual, tergantung kepada lead time yang dibutuhkan pemasok tersebut untuk melakukan penyediaan bahan baku dan memproduksi komponen. Jika pemasok membutuhkan lead time satu bulan, maka yang dijadikan sebagai dasar jumlah pemesanan bahan baku adalah permintaan aktual. Jika pemasok membutuhkan lead time dua bulan, maka yang dijadikan sebagai dasar jumlah
Ganda Christ Robert Manurung – 29104106
43
Ratarata 25,9% 20,7% 23,9% 13,6% 12,8% 1057
PROGRAM MBA – Institut Teknologi Bandung
pemesanan bahan baku adalah forecast M-2. Jika pemasok membutuhkan lead time tiga bulan, maka yang dijadikan sebagai dasar jumlah pemesanan bahan baku adalah forecast M-3. Dari Tabel 4.3. dapat dilihat perbandingan antara forecast dan produksi aktual untuk beberapa bulan cukup besar. Forecast M-3 untuk bulan Desember dan Agustus mengalami penyimpangan sebesar 29,4% dan 30,3%. Bahkan pada forecast M-2 terjadi penyimpangan cukup besar di bulan Desember, Januari dan Agustus masingmasing sebesar 26,5%, 23,3%, dan 24,2%. Pada Grafik 4.2. dapat dilihat perbandingan forecast dengan aktual produksi.
40.0%
Dec
Persen tase Perb ed aan
30.0%
Jan
20.0%
Feb
10.0%
Mar
0.0% -10.0%
1
2
3
-20.0%
4
5
Apr May Jun
-30.0%
Jul
-40.0%
Aug
-50.0% Forecast ke
Grafik 4.2. Perbandingan Forecast dengan Aktual Perencanaan produksi PT Pantja Motor ditetapkan berdasarkan ordered forecast yang diberikan oleh AI-ISO. AI-ISO memiliki hak penuh dalam menentukan forecast produksi untuk setiap bulannya. Tetapi pada kenyataannya forecast tersebut mengalami ketidakakuratan melebihi toleransi yang telah disepakati PT Pantja Motor dengan pemain lain dalam proses bisnisnya. Hal ini mengakibatkan efek negatif pada
Ganda Christ Robert Manurung – 29104106
44
PROGRAM MBA – Institut Teknologi Bandung
efektifitas dan efisiensi proses bisnis PT Pantja Motor dan pemain-pemain dalam rantai pasok PT Pantja Motor. 1. Efek negatif bagi pemasok
a. Pemasok tidak efektif dalam melakukan pemesanan bahan baku Ketidakakuratan ordered forecast yang diterima oleh PT Pantja Motor dari AI-ISO berakibat negatif kepada efektifitas pemasok dalam melakukan pemesanan bahan baku. Ordered forecast tersebut yang dijadikan dasar oleh pemasok untuk melakukan pemesanan
bahan
baku,
sehingga
ketidakakuratan forecast
tersebut
akan
mengakibatkan bullwhip effect mulai dari pemasok tier-1 sampai ke pemasok levellevel di bawahnya. b. Biaya persediaan pemasok tidak efisien Ketidakefektifan pemasok dalam melakukan pemesanan bahan baku akan mengakibatkan efisiensi biaya persediaan tidak maksimal. c. Perencanaan jadwal produksi pemasok akan terganggu Jadwal produksi pemasok yang telah disusun berdasarkan forecast M-2 dapat terganggu jika aktual produksi pada bulan M melebihi toleransi deviasi yang telah disepakati, seperti yang terjadi pada bulan Desember, Januari dan Agustus masingmasing sebesar 26,5%, 23,3%, dan 24,2%. Terganggunya perencanaan ini akan mengakibatkan pemanfaatan SDM untuk produksi tidak efektif. 2. Efek negatif bagi PT Pantja Motor
a. Ketidakakuratan forecast yang mengakibatkan kinerja pemasok tidak maksimal akan mempengaruhi pasokan komponen untuk produksi assembly PT Pantja Motor.
Ganda Christ Robert Manurung – 29104106
45
PROGRAM MBA – Institut Teknologi Bandung
Jika jumlah produksi aktual melebihi toleransi deviasi 20% dan mengakibatkan pemasok tidak dapat memenuhi seluruh kebutuhan komponen, maka PT Pantja Motor harus mencari produsen lain untuk memenuhi kebutuhan komponen agar produksi tidak terhenti. b. Ketidakakuratan forecast yang diterima oleh pemasok cenderung akan mengakibatkan konflik antara pemasok dan PT Pantja Motor. 3. Efek negatif bagi produksi
a. Terganggunya perencanaan produksi karena pemasok tidak dapat memenuhi kebutuhan komponen yang diakibatkan oleh forecast error. Jika hal ini terjadi, maka produksi akan terhenti dan akan berlanjut jika pasokan komponen diperoleh dari produsen lain. b. Perencanaan SDM produksi yang telah disusun berdasarkan MPS, dimana MPS disusun berdasarkan ordered forecast yang diperoleh dari AI-ISO, tidak berjalan dengan efektif akibat dari forecast error. 4.8.2. Usulan Solusi
Solusi yang diberikan diharapkan mampu mengatasi efek-efek negatif yang disebabkan oleh forecast error. Untuk menemukan solusi, maka diketahui terlebih dahulu permasalahan dasar yang menyebabkannya. Dari analisis permasalahan subbab 4.8.1. dapat diambil garis besar ada dua permasalahan dasar yang menyebabkan terjadinya forecast error. Dua permasalahan dasar yang menyebabkan forecast error dan solusi dari masingmasing permasalahan tersebut adalah sebagai berikut:
Ganda Christ Robert Manurung – 29104106
46
PROGRAM MBA – Institut Teknologi Bandung
1. Kebijakan dalam menentukan forecast sepenuhnya dimiliki oleh AI-ISO PT Pantja Motor sebagai produsen dan pemasok sebagai penyedia komponen menerima ordered forecast yang sepenuhnya ditentukan oleh AI-ISO. Dan tidak dilakukan kolaborasi perencanaan tentang bagaimana eksekusi terhadap forecast tersebut untuk mencapai hasil yang paling produktif. Dimana jika ternyata forecast yang diberikan oleh AI-ISO error, maka PT Pantja Motor dan pemasok akan mengalami efek negatif dari forecast error tersebut, mengenai efek negatif forecast error telah dibahas pada subbab 4.8.1. Agar keputusan penentuan forecast dapat memfasilitasi kepentingan semua pemain dalam rantai pasok, yaitu permintaan unit kendaraan dapat terpenuhi bagi AI-ISO, produksi berjalan sesuai perencanaan kapasitas dan jadwal produksi bagi PT Pantja Motor serta tingkat persediaan yang efisien bagi pemasok, maka dibutuhkan kolaborasi perencanaan untuk melakukan eksekusi terhadap forecast harus dilakukan oleh AI-ISO, PT Pantja Motor dan pemasok. Dalam menciptakan hubungan kolaboratif, tidak semua pemasok diikut sertakan karena tidak akan efektif dan akan sulit dalam melakukan koordinasi. Pemasokpemasok yang akan diikutkan adalah pemasok yang memanfaatkan minimal 50% dari kapasitas produksi untuk memproduksi komponen PT Pantja Motor. Pemasok kategori ini akan memberi dampak lebih besar kepada PT Pantja Motor dalam menciptakan hubungan kolaboratif dan pemasok ini cenderung memiliki kemauan untuk berinvestasi guna menciptakan hubungan kolaboratif karena akan berdampak besar juga bagi proses bisnis mereka. Selain itu PT Pantja Motor membuat kriteriakriteria yang efektif untuk penyeleksian pemasok, antara lain:
Pemasok yang memproduksi unique component, yaitu komponen khusus hanya diproduksi untuk satu jenis kendaraan dimana komponen tersebut tidak dapat digunakan pada kendaraan lain. Unique component beresiko tinggi untuk menjadi
Ganda Christ Robert Manurung – 29104106
47
PROGRAM MBA – Institut Teknologi Bandung
obsolete, oleh karena itu untuk menjaga tingkat persediaan komponen ini, baik bahan baku maupun produk, memerlukan perhatian khusus.
Pemasok yang memiliki tingkat kesulitan tinggi dalam menyediakan bahan baku. Pemasok ini harus sangat ketat dalam mengontrol tingkat persediaannya karena jika persediaan bahan baku rendah maka dapat sangat menggangu proses produksi karena bahan baku yang dibutuhkan sulit untuk disediakan. Sedangkan jika persediaan bahan baku tinggi maka biaya persediaan akan tinggi juga.
Untuk memfasilitasi aktivitas untuk menjalankan hubungan kolaboratif, maka dibentuk forum yang anggotanya terdiri dari utusan masing-masing pemain. Forum ini akan membentuk aturan-aturan dasar yang harus disepakati semua pemain sebagai batasan-batasan dalam menjalankan hubungan kolaboratif. Antara lain aturan mengenai forecast error, frozen forecast, service level, tingkat persediaan, dan minimum pemesanan. •
Frozen Forecast
Frozen forecast merupakan keputusan forecast yang tidak dapat diubah lagi sama sekali dimana forecast inilah yang akan menjadi dasar perencanaan produksi. Frozen forecast berada pada bulan M-1 dari jadwal produksi bulan M. •
Forecast Error
Toleransi forecast error dari frozen forecast adalah ± 20% dari forecast pemesanan pada M-2. Forecast pemesanan untuk produksi bulan M ditetapkan oleh forum pada setiap bulan M-3, M-2 dan M-1 (pada bulan M-1 forecast pemesanan M-1 langsung dikoraborasikan oleh forum untuk diubah menjadi frozen forecast). Patokan pemasok untuk melakukan pemesanan bahan baku, tergantung lead time yang dibutuhkan untuk penyediaan bahan baku dan memproduksi komponen. Jika pemasok membutuhkan lead time tiga bulan, maka yang akan digunakan sebagai dasar
Ganda Christ Robert Manurung – 29104106
48
PROGRAM MBA – Institut Teknologi Bandung
pemesanan bahan baku adalah forecast pemesanan bulan M-3. Jika pemasok membutuhkan lead time dua bulan, maka yang akan digunakan sebagai dasar pemesanan bahan baku adalah forecast pemesanan bulan M-2. Dan jika pemasok membutuhkan lead time satu bulan, maka yang akan digunakan sebagai dasar pemesanan bahan baku adalah frozen forecast. •
Service Level
Perhitungan service level didasarkan pada dua kriteria, yaitu delivery dan persentase bahan baku dan komponen dengan kondisi baik. Akurasi delivery yang diinginkan sebesar 99% serta jumlah bahan baku dan komponen dengan mutu baik adalah sebesar 100%. •
Tingkat Persediaan
Tingkat persediaan dihitung dengan Inventory Turn Over (ITO). Cara PT Pantja Motor menentukan ITO adalah sebagai berikut : ITO =
Rata − rata penjualan selama 3 bulan Rata − rata tingkat persediaan selama 3 bulan
Dimana ITO yang diinginkan sebesar 21 hari, sesuai kebijakan pada strategi manajemen persediaan PT Pantja Motor. Tingkat persediaan yang diperhitungkan adalah komponen yang berada di gudang, work in process serta unit kendaraan di PT Pantja Motor dan AI-ISO. Dari waktu ITO selama 21 hari dapat disimpulkan sebagai berikut: -
Komponen di gudang
= 2 hari
-
Komponen di WIP
= 5 hari
-
Unit kendaraan di PT Pantja Motor
= 7 hari
-
Unit kendaraan di AI-ISO
= 7 hari
Total ITO
= 21 hari
Ganda Christ Robert Manurung – 29104106
49
PROGRAM MBA – Institut Teknologi Bandung
Maka tingkat persediaan yang dijadikan aturan dasar adalah sebagai berikut : 1. Tingkat persediaan unit kendaraan : -
Unit kendaraan di PT Pantja Motor
= 7 hari
-
Unit kendaraan di AI-ISO
= 7 hari
Total ITO
= 14 hari
2. Tingkat persediaan komponen : -
Komponen di pemasok
= 7 hari
-
Komponen di gudang dan WIP
= 7 hari
Total ITO
= 14 hari
3. Tingkat persediaan : -
Bahan baku di pemasok tier-2
= 7 hari
-
Bahan baku di gudang dan WIP
= 7 hari
Total ITO
= 14 hari
•
Minimum Pemesanan
Minimum pemesanan dilakukan dengan menentukan asumsi dimana toleransi pada forecast error adalah sebesar 20%. Maka minimum pemesanan dapat diasumsikan sebesar 80% dari penjualan terendah dalam jangka waktu satu tahun terakhir. Misalkan penjualan terendah untuk jangka waktu September 2004 sampai dengan Agustus 2005 berada pada bulan September 2004, yaitu sebanyak 1900 unit. Maka minimum pemesanan unit kendaraan dari AI-ISO kepada PT Pantja Motor adalah sebesar: 1900 unit x 80% = 1520 unit kendaraan. PT Pantja Motor dan pemasok juga memiliki minimum pemesanan sejumlah bahan baku dan komponen yang dibutuhkan untuk memproduski 1920 unit kendaraan.
Ganda Christ Robert Manurung – 29104106
50
PROGRAM MBA – Institut Teknologi Bandung
Setelah menentukan aturan-aturan dasar, forum ini juga akan menyusun metrik pengukuran untuk mengetahui performa dari collaborative forecast, yang akan diterjemahkan ke dalam bentuk Key Performance Indicator (KPI) dan akan memonitor dan mengevaluasi kinerja dari collaborative forecast berdasarkan KPI tersebut. Mengenai monitor dan evaluasi yang dilakukan oleh forum lebih lanjut dibahas pada subbab 5.1. 2. Tidak adanya pertukaran informasi perencanaan antara pemain dalam rantai pasok. Permasalahan umum pada rantai pasok adalah bullwhip effect. Fluktuasi permintaan yang kecil sekalipun akan menghasilkan efek yang semakin besar terhadap levellevel di bawahnya akibat tidak adanya informasi yang dialirkan sepanjang rantai pasok, seperti yang terlihat pada Gambar 4.2.
Gambar 4.2. Bullwhip effect di Sepanjang Rantai Pasok Untuk mengendalikan bullwhip effect dan meningkatkan efisiensi modal kerja maka dibutuhkan hubungan kolaboratif antara pemain dalam rantai pasok. Hubungan kolaboratif dilakukan dengan pertukaran seluruh informasi yang dibutuhkan untuk memperbaiki produktifitas di keseluruhan rantai pasok. Informasi-informasi yang dibutuhkan untuk menjalankan hubungan kolaboratif ini antara lain forecast penjualan, forecast pemesanan, data historis penjualan, data historis pemesanan komponen, data historis pemesanan bahan baku, strategi manajemen persediaan, perencanaan produksi, dan delivery. Dimana informasi forecast penjualan dan data historis penjualan dikeluarkan oleh AI-ISO yang akan
Ganda Christ Robert Manurung – 29104106
51
PROGRAM MBA – Institut Teknologi Bandung
digunakan forum sebagai dasar perencanaan forecast pemesanan. Informasi data historis pemesanan komponen dikeluarkan oleh PT Pantja Motor dan informasi data historis pemesanan bahan baku dikeluarkan oleh pemasok, dimana kedua informasi tersebut digunakan sebagai dasar penentuan forecast pemesanan. Informasi forecast pemesanan dikeluarkan oleh forum yang akan digunakan sebagai dasar pemasok melakukan pemesanan bahan baku dan perencanaan produksi komponen serta sebagai dasar PT Pantja Motor melakukan perencanaan produksi unit kendaraan. Informasi strategi manajemen persediaan dikeluarkan oleh pemasok yang akan digunakan untuk menjaga tingkat persediaan pemasok efisien. Informasi delivery dikeluarkan oleh AI-ISO yang akan digunakan sebagai dasar PT Pantja Motor dan pemasok
merencanakan
jadwal
produksi.
Informasi
perencanaan
produksi
dikeluarkan oleh PT Pantja Motor dan pemasok yang akan digunakan mengkolaborasikan jadwal produksi terhadap permintaan dari AI-ISO. Aliran dari informasi dalam hubungan kolaboratif dapat dilihat pada Gambar 4.3. Untuk produksi bulan M, AI-ISO memberikan forecast penjualan mulai M-6 sampai dengan M-1 dimana frozen forecast berada pada M-1. Setiap forecast penjualan yang dikeluarkan AI-ISO dikonsolodasikan oleh forum dimana akan dipertimbangkan kesesuain forecast penjualan dengan data historis penjualan dan kapasitas produksi PT Pantja Motor dan pemasok. Kemudian mulai bulan M-3 sampai bulan M-1, forum melakukan konsolidasi untuk menentukan forecast pemesanan. Masing forecast pemesanan akan digunakan pemasok untuk melakukan penyediaan bahan baku tergantung kepada lead time yang dibutuhkan (kecuali untuk pemasok dengan lead time satu bulan, dimana pemasok tersebut akan menggunakan frozzen forecast sebagai dasar penyediaan bahan baku). Dalam menentukan forecast pemesanan, forum akan mempertimbangkan data historis pemesanan bahan baku dan komponen dari pemasok dan PT Pantja Motor serta strategi manajemen persediaan pemasok dan PT Pantja Motor. Pada bulan M-1, forum akan menentukan frozen forecast yang merupakan keputusan forecast yang tidak dapat diubah lagi dimana forecast inilah yang akan menjadi dasar perencanaan produksi bagi pemasok dan PT Pantja Motor. Kemudian berdasarkan frozen forecast dan perencanaan delivery, forum akan
Ganda Christ Robert Manurung – 29104106
52
PROGRAM MBA – Institut Teknologi Bandung
menyusun perencanaan produksi komponen bagi pemasok dan unit kendaraan bagi PT Pantja Motor.
Asal Informasi Jenis Informasi
AI-ISO
Forecast penjualan
AI-ISO memberikan data forecast penjualan kepada forum
Data historis penjualan
AI-ISO memberikan data historis penjualan kepada forum
PT Pantja Motor
Pemasok
Forum
Kesepakatan forecast penjualan
PT Pantja Motor memberikan data historis pemesanan komponen kepada forum
Data historis pemesanan komponen
Data historis pemesanan bahan baku
Pemasok memberikan data historis pemesanan bahan baku kepada forum PT Pantja Motor memberikan data strategi manajemen persediaan kepada forum
Strategi manajemen persediaan
Pemasok memberikan data strategi manajemen persediaan kepada forum
Kesepakatan forecast pemesanan
Kesepakatan forecast pemesanan
Delivery
AI-ISO memberikan data delivery unit kendaraan kepada forum
Perencanaan Produksi
Perencanaan Produksi
Gambar 4.3. Aliran Informasi Ganda Christ Robert Manurung – 29104106
53
PROGRAM MBA – Institut Teknologi Bandung
Informasi-informasi ini akan digunakan dalam perencanaan eksekusi terhadap forecast yang diberikan AI-ISO. Pengolahan informasi dilakukan oleh sebuah forum yang dibentuk oleh AI-ISO, PT Pantja Motor dan pemasok dengan mengutus anggotanya masing-masing. Forum ini akan menyusun kesepakatan sebagai dasar kolaborasi perencanaan dalam mengubah forecast menjadi satu keputusan permintaan yang akan dijadikan dasar PT Pantja Motor dan pemasok untuk melakukan proses produksi. Selain itu forum akan menyusun metrik pengukuran performa dari hasil eksekusi berdasarkan Key Performance Indicator (KPI), mengenai KPI dijelaskan lebih mendalam pada subbab 5.1.3. Informasi digunakan sebagai dasar perencanaan eksekusi dalam tiga tahap, yaitu planning, execution, dan controlling. Tabel 4.4. memperlihatkan sumber dari informasi dan kapan digunakan pada ketiga tahap tersebut. Tabel 4.4. Tiga Tahap Penggunaan Informasi
T a h a p
Planning
AI-ISO Forecast Penjualan Data historis penjualan
Execution
Delivery
Controlling
KPI
Informasi PT Pantja Motor Pemasok Data historis Data historis pemesanan pemesanan komponen bahan baku Strategi Strategi Manajemen Manajemen Persediaan Persediaan Perencanaan Perencanaan Produksi Produksi KPI
KPI
Forum Forecast Pemesanan
KPI
Kedua solusi dari permasalahan akan mengubah ordered forecast AI-ISO yang sebelumnya merupakan basis produksi menjadi collaborative forecast yang memfasilitasi kepentingan semua pemain, yaitu permintaan unit kendaraan dapat
Ganda Christ Robert Manurung – 29104106
54
PROGRAM MBA – Institut Teknologi Bandung
terpenuhi bagi AI-ISO, produksi berjalan sesuai perencanaan kapasitas dan jadwal produksi bagi PT Pantja Motor serta tingkat persediaan yang efisien bagi pemasok. Collaborative forecast akan menghasilkan satu keputusan forecast penjualan dan forecast pemesanan. Forecast penjualan menggambarkan permintaan unit kendaraan dari end customer kepada AI-ISO, sedangkan forecast pemesanan menggambarkan permintaan komponen dari PT Pantja Motor kepada pemasok dan permintaan bahan baku dari pemasok kepada pemasok di bawahnya. Kesatuan putusan permintaan ini dapat menjadi dasar dari semua kegiatan perencanaan yang berhubungan dengan produk yang dibutuhkan oleh semua pemain. Dalam kata lain, hal ini dapat menciptakan integrasi dari rantai pasok. Perubahan yang terjadi dari sistem lama yang hanya berpatokan kepada ordered forecast AI-ISO menjadi collaborative forecast terdapat pada pertukaran informasi yang dilakukan. Berikut ini digambarkan perbedaan dari sistem forecasting yang lama dengan sistem baru.
Mulai
Forecast dibuat AI-ISO
Forecast diterima PT Pantja Motor
Forecast diterima Pemasok Tier 1
Membuat perencanaan produksi dan pemesanan komponen
Eksekusi produksi
Gambar 4.4. Flow Chart Ordered Forecast
Ganda Christ Robert Manurung – 29104106
55
PROGRAM MBA – Institut Teknologi Bandung
Prosedur ordered forecast dimulai dengan forecast produksi yang dikeluarkan oleh AI-ISO. Forecast tersebut kemudian diedarkan kepada PT Pantja Motor dan pemasok. Kemudian PT Pantja Motor bersama dengan AI-ISO menyusun perencanaan produksi unit kendaraan berdasarkan forecast tersebut sementara pemasok menyusun perencanaan produksi komponen dan pemesanan bahan baku menurut pertimbangan mereka sendiri. Eksekusi produksi unit kendaraan dijalankan tanpa adanya kolaborasi perencanaan di antara PT Pantja Motor, AI-ISO dan pemasok. Kondisi ini akan menyebabkan bullwhip effect yang tinggi di sepanjang rantai pasok dan semakin bertambah buruk dengan rendahnya tingkat akurasi forecast dari AI-ISO.
Gambar 4.5. Flow Chart Collaborative Forecast Prosedur collaborative forecast dimulai dengan forecast penjualan yang dikeluarkan oleh AI-ISO yang kemudian forecast tersebut diedarkan kepada PT Pantja Motor dan AI-ISO. Masing-masing PT Pantja Motor dan pemasok akan mempelajari forecast tersebut serta membandingkannya dengan kapasitas produksi mereka dan data historis
penjualan.
Alasan
kapasitas
produksi
dimasukkan
sebagai
dasar
pertimbangan adalah untuk melihat kemampuan pemasok dan PT Pantja Motor untuk
Ganda Christ Robert Manurung – 29104106
56
PROGRAM MBA – Institut Teknologi Bandung
memproduksi permintaan AI-ISO. Sedangkan data historis dibutuhkan untuk melihat apakah forecast yang diberikan AI-ISO beralasan untuk dieksekusi. Jika terdapat ketidaksesuaian antara kapasitas dengan forecast penjualan, semua pemain akan berkolaborasi, melalui forum yang telah dibentuk, untuk melakukan penyesuaian, baik dengan merevisi forecast maupun merevisi jadwal produksi PT Pantja Motor serta pemasok. Setelah dicapai kesepakatan mengenai forecast penjualan, forum kemudian berkolaborasi untuk menyusun perencanaan pemesanan bahan baku, komponen, maupun unit kendaraan dengan membuat forecast pemesanan. Forum akan menganalisis data historis pemesanan, strategi manajemen persediaan pemasok dan PT Pantja Motor, serta kapasitas produksi dalam menentukan forecast pemesanan. Forecast pemesanan ini akan membantu PT Pantja Motor dan pemasok untuk mengalokasikan kapasitas sesuai dengan permintaan sambil meminimalisasi tingkat persediaan. Kemudian berdasarkan forecast pemesanan akan diubah menjadi frozen forecast dan dieksekusi dengan menentukan jumlah unit kendaraan yang akan diproduksi untuk AI-ISO, komponen yang akan dipasok kepada PT Pantja Motor dan bahan baku yang harus dipesan oleh pemasok. Pada akhirnya eksekusi collaborative forecast akan diterjemahkan dalam satu keputusan permintaan antara AI-ISO, PT Pantja Motor dan pemasok. Eksekusi permintaan yang berdasarkan frozen forecast akan diterjemahkan ke dalam perencanaan produksi dan perencanaan delivery unit kendaraan kepada AIISO. Selama sistem collaborative forecast dijalankan, forum akan selalu memonitor performanya dengan menggunakan KPI yang didasarkan pada aturan-aturan dasar yang telah ditetapkan. KPI tersebut antara lain akurasi forecast, jumlah pemesanan, tingkat persediaan, service level, dan pertukaran informasi. (Penjelasan lebih lanjut dapat dilihat pada subbab 5.1.3.)
Ganda Christ Robert Manurung – 29104106
57
PROGRAM MBA – Institut Teknologi Bandung
Pada Gambar 4.6. terlihat perubahan kondisi dengan menggunakan ordered forecast menjadi collaborative forecast berdasarkan dua solusi yang diberikan, yaitu hubungan kolaboratif dan pertukaran informasi antara pemain dalam rantai pasok.
Gambar 4.6. Perubahan Kondisi Ordered Forecast Menjadi Collaborative Forecast
Ganda Christ Robert Manurung – 29104106
58
PROGRAM MBA – Institut Teknologi Bandung
Perubahan proses bisnis PT Pantja Motor setelah menggunakan collaborative forecast dapat dilihat pada Gambar 4.7.
Ganda Christ Robert Manurung – 29104106
59
PROGRAM MBA – Institut Teknologi Bandung
Gambar 4.7. Proses Bisnis PT Pantja Motor dengan Menggunakan Collaborative Forecast Ganda Christ Robert Manurung – 29104106
60
PROGRAM MBA – Institut Teknologi Bandung
Adapun usulan pendukung untuk memperbaiki tingkat persediaan PT Pantja Motor adalah sebagai berikut: 1. Untuk memperbaiki tingkat persediaan komponen, maka PT Pantja Motor dapat lebih banyak melakukan perubahan unique component menjadi common use component. Dimana sebuah komponen dapat digunakan terhadap berbagai tipe kendaraan, sehingga PT Pantja Motor lebih fleksibel dalam pemesanan komponen tanpa harus memberi perhatian khusus untuk menjaga ketersediaan unique component tersebut. 2. Volatilitas permintaan yang berfluktuatif dapat diatasi dengan menciptakan jumlah produksi bulanan yang lebih konstan, walaupun ini dapat menyebabkan kehilangan penjualan. Namun produksi penjualan yang konstan akan membuat persediaan bahan baku atau komponen lebih stabil tanpa harus mengkhawatirkan fluktuasi permintaan, penggunaan kapasitas produksi dan tenaga kerja serta transportasi pengiriman bahan baku lebih efektif. 4.8.3. Interpretasi Rancangan
Kompetisi yang sangat ketat dalam industri otomotif membuat produsen harus mampu memperbaiki proses bisnisnya untuk menciptakan produksi yang semakin murah sehingga dapat meningkatkan kemampuan bersaingnya. Strategi untuk menciptakan produksi dengan biaya murah adalah dengan menyesuaikan pasokan dan permintaan disertai dengan siklus produksi yang cepat dan sambil menjaga tingkat persediaan tetap rendah serta pada setiap tingkat dalam rantai pasok. Semua hal tersebut dapat dicapai dengan merencanakan forecast yang akurat dengan mengetahui berapa banyak, jenis dan kapan kendaraan yang akan diproduksi serta kapasitas produksi yang dimiliki. Forecast yang akurat memberi keuntungan yang bersifat momentum ke dari level atas level berikutnya dalam rantai pasok. Assembly plant akan menerima aliran
Ganda Christ Robert Manurung – 29104106
61
PROGRAM MBA – Institut Teknologi Bandung
produk yang lebih konstan sehingga akan memperbaiki manajemen persediaan dan mempermudah penanganan kedatangan komponen. Pemasok juga dapat menjalankan operasinya dengan lebih efisien dimana kapasitas dan perencanaan penggunaan tenaga kerja dapat dimaksimalkan. Perbaikan ini akan menghasilkan penghematan di setiap level yang akan mengakibatkan total biaya produksi unit kendaraan semakin murah. Perencanaan forecast yang baik adalah dengan mengkolaborasikan informasi dan perencanaan yang dibutuhkan untuk mengolah forecast tersebut menjadi satu keputusan permintaan yang disepakati oleh setiap pemain dalam rantai pasok. Ini disebut collaborative forecast, yang direncanakan sesuai dengan kepentingan setiap pemain dalam rantai pasok untuk mencapai eksekusi yang produktif. Pada subbab berikut akan dijabarkan asumsi perbaikan akurasi forecast yang dicapai dengan collaborative forecast. 4.8.3.1. Asumsi Perbaikan Akurasi Forecast yang Dicapai dengan Collaborative Forecast
Seperti yang telah dijelaskan pada Bab II mengenai proses bisnis PT Pantja Motor, AI-ISO sudah memberikan forecast produksi sejak bulan M-6 sebagai dasar untuk menentukan jumlah aktual produksi bulan M. Tetapi dengan metoda lama setiap ordered forecast yang dikeluarkan oleh AI-ISO diterima sepenuhnya oleh PT Pantja Motor dan pemasok tanpa adanya proses kolaboratif. Dengan metoda collaborative forecast setiap forecast penjualan yang dikeluarkan oleh AI-ISO akan dikolaborasikan dengan semua pemain melalui forum yang telah dibentuk. Forecast penjualan yang diterima PT Pantja Motor dari AI-ISO mulai dari M-6 sampai bulan M-2 akan dikonsolidasikan oleh forum dengan menyesuaikan forecast yang diberikan terhadap kapasitas produksi pemasok dan data historis penjualan unit kendaraan. Forecast ini akan digunakan oleh PT Pantja Motor sebagai
Ganda Christ Robert Manurung – 29104106
62
PROGRAM MBA – Institut Teknologi Bandung
dasar penentuan agregasi perencanaan produksi yang bertujuan untuk perencanaan penggunaan SDM dan tingkat persediaan. Mulai dari bulan M-3 sampai dengan bulan M-2 forum berkolaborasi untuk menentukan forecast pemesanan pada bulan M-3 dan bulan M-2. Forecast pemesanan ini akan digunakan sebagai dasar penyediaan bahan baku oleh pemasok yang membutuhkan lead time penyediaan bahan baku dan produksi komponen selama tiga bulan ataupun dua bulan. Penentuan forecast pemesanan didasarkan kepada forecast penjualan, data historis pemesanan bahan baku pemasok dan komponen PT Pantja Motor, serta strategi manajemen persediaan pemasok dan PT Pantja Motor. Pada bulan M-1 forum akan berkolaborasi untuk menentukan frozen forecast yang akan digunakan sebagai dasar perencanaan produksi bulan M oleh PT Pantja Motor dan pemasok. Frozen forecast merupakan keputusan permintaan jumlah unit kendaraan yang tidak dapat diubah lagi. Oleh karena itu perencanaan produksi komponen oleh pemasok dan unit kendaraan oleh PT Pantja Motor didasarkan kepada frozen forecast dan perencanaan delivery. Berikut ini digambarkan event-event yang dilakukan oleh forum mulai dari forecast M-6 sampai dengan produksi bulan M.
Gambar 4.8. Event yang Dilakukan oleh Forum Ganda Christ Robert Manurung – 29104106
63
PROGRAM MBA – Institut Teknologi Bandung
Untuk menggambarkan perbaikan akurasi forecast dengan metoda collaborative forecast akan digunakan asumsi hasil dari rancangan yang diberikan. Asumsi yang digunakan adalah dengan memakai persentase perbedaan forecast dengan pemesanan aktual paling tinggi pada forecast bulan M-3 dan bulan M-2. Digunakan forecast bulan M-3 dan bulan M-2 karena forecast tersebut yang digunakan pemasok untuk jumlah pemesanan bahan baku, seperti yang sudah dijelaskan subbab 4.8.1. hal 43. Dari Tabel 4.3. (hal 43) diperoleh persentase perbedaan forecast dengan pemesanan aktual paling tinggi adalah pada bulan Agustus, yaitu sebesar 30.3%. Kemudian diasumsikan forecast pemesanan yang disepakati oleh forum mencapai batas maksimum dari forecast error, yaitu ± 20% (tertera pada Tabel 4.6 sebesar 18.2% karena forecast dibulatkan menjadi 1170 disebabkan basis produksi PT Pantja Motor berdasarkan lot yang berjumlah 30 unit kendaraan per lot). Maka diperoleh perbaikan akurasi forecast sebesar 66%. Perbaikan akurasi forecast 66% tersebut kemudian dikonversikan ke seluruh forecast yang diberikan AI-ISO, maka diperoleh hasil seperti yang terdapat pada Tabel 4.5. dan Tabel 4.6. Tabel 4.5. Forecast Produksi dengan Metode Collaborative Forecast FORECAST ke 1 2 3 4 5 AKTUAL
Des
Jan
750 840 870 1020
750 750 810 780 900
Feb 690 780 780 870 840 840
Mar 810 840 780 900 1050 960
BULAN Apr Mei 870 870 900 990 930 1140 1110 1080 1170 1170 1080 1200
Jun 990 1140 1080 1140 1260 1200
Jul 1170 1140 1170 1320 1350 1320
Agus 1020 1050 1200 1170 1140 990
Tabel 4.6. Perbedaan Keadaan Aktual dan Forecast Produksi dengan Metode Collaborative Forecast FORECAST ke 1 2 3 4 5 AKTUAL
BULAN
Des
-26.5% -17.6% -14.7% 1020
Jan
Feb
Mar
Apr
Mei
Jun
Jul
Agus
-16.7% -16.7% -10.0% -13.3% 900
-17.9% -7.1% -7.1% 3.6% 0.0% 840
-15.6% -12.5% -18.8% -6.3% 9.4% 960
-19.4% -16.7% -13.9% 2.8% 8.3% 1080
-27.5% -17.5% -5.0% -10.0% -2.5% 1200
-17.5% -5.0% -10.0% -5.0% 5.0% 1200
-11.4% -13.6% -11.4% 0.0% 2.3% 1320
3.0% 6.1% 21.2% 18.2% 15.2% 990
Ganda Christ Robert Manurung – 29104106
64
AVG 16.0% 11.9% 14.5% 8.2% 12.8% 1057
PROGRAM MBA – Institut Teknologi Bandung
P e rs e n t a s e P e rb e d a a n
30.0%
Dec Jan
20.0%
Feb
10.0%
Mar Apr
0.0% -10.0%
1
2
3
4
5
May Jun Jul
-20.0%
Aug
-30.0% Forecast ke
Grafik 4.3. Perbandingan Forecast dan Aktual dengan metode Collaborative Forecast Dari Grafik 4.3 terlihat perbaikan akurasi forecast yang dicapai dengan collaborative forecast cukup signifikan dimana pada forecast M-3 dan M-2 tidak terdapat forecast error melebihi ± 20% sesuai dengan aturan dasar yang menjadi kesepakatan AI-ISO, PT Pantja Motor dan pemasok. Sementara forecast error melebihi ± 20% hanya terjadi di tiga titik, yaitu pada bulan M-4 untuk produksi bulan Desember sebesar -26.5% dan produksi bulan Agustus sebesar -21.2% serta pada M-6 untuk produksi bulan Mei sebesar -27.5%. Berikut ini kita akan membandingkan kondisi lama dimana masih proses bisnis masih menggunakan ordered forecast dengan collaborative forecast yang menjadi proposal solusi terhadap permasalahan PT Pantja Motor.
Ganda Christ Robert Manurung – 29104106
65
PROGRAM MBA – Institut Teknologi Bandung
4.8.3.2. Ordered Forecast
Pada situasi sekarang AI-ISO hanya mengeluarkan informasi ordered forecast dan production order kepada PT Pantja Motor pemasok. Dengan hanya bergantung pada informasi tersebut akan menyebabkan bullwhip effect yang besar. Hal ini akan semakin buruk karena ordered forecast AI-ISO sering tidak akurat. Pemasok kemudian akan membuat perencanaan produksi dan pemesanan bahan baku menurut pertimbangan sendiri tanpa memperhatikan kondisi dari pemain-pemain lain dalam rantai pasok, yaitu kondisi kapasitas dan jadwal produksi serta strategi manajemen persediaan. Kondisi ini akan bermomentum ke pemasok tier level di bawahnya sehingga akan terbentuk situasi distorsi permintaan yang chaos. Ini akan memberi efek-efek negatif seperti yang telah dijabarkan pada subbab 4.8.1. 4.8.3.3. Collaborative Forecast
Dasar pemikiran dari collaborative forecast adalah pertukaran informasi antara pemain dalam rantai pasok. Forecast awal, berupa forecast penjualan, diberikan oleh pemain yang paling dekat dengan penjualan kepada end customer, yaitu AI-ISO. Forecast penjualan akan diberikan kepada pemain, yaitu PT Pantja Motor dan pemasok, yang kemudian akan disesuaikan dengan kapasitas, baik kapasitas produksi maupun SDM, oleh masing-masing pemain. Jika forecast tersebut sesuai dengan kapasitas seluruh pemain, kemudian akan disusun forecast pemesanan baik pemesanan bahan baku, komponen dan unit kendaraan untuk pemasok, PT Pantja Motor dan AI-ISO. Forecast pemesanan tersebut akan dieksekusi dengan mengkolaborasikan perencanaan-perencanaan dari masing-masing pemain, misalnya perencanaan produksi, persediaan, distribusi, transportasi, replenishment, dan lainlain. Eksekusi collaborative forecast merupakan satu kesatuan permintaan antara AIISO, PT Pantja Motor dan pemasok.
Ganda Christ Robert Manurung – 29104106
66
PROGRAM MBA – Institut Teknologi Bandung
4.8.3.4. Manfaat Collaborative Forecast Terhadap PT Pantja Motor
Dengan collaborative forecast, pemasok dapat melakukan pemesanan bahan baku dengan jumlah yang lebih akurat kepada pemasok di level bawahnya sehingga fenomena bullwhip effect dapat diminimalisasi. Kondisi ini akan dapat mereduksi biaya persediaan di semua level menjadi lebih efisien. Pemanfaatan transportasi juga lebih efektif karena pertukaran informasi menghasilkan pengangkutan bahan baku atau komponen yang terencana. Pemasok dapat merencanakan replenishment sesuai dengan kemampuan kapasitas produksi efektif mereka dan rencana pemesanan komponen dari PT Pantja Motor. Efek dari ini adalah lebih membaiknya kontinuitas pasokan komponen untuk produksi pada assembly plant, sehingga eksekusi jadwal produksi dan penggunaan SDM akan berjalan sesuai dengan rencana yang telah disusun. Kepuasan pelanggan juga akan meningkat karena pertukaran informasi dapat memperbaiki akurasi aliran unit kendaraan ke cabang maupun dealer. Dan pada akhirnya akan memberi keuntungan pada shareholders karena peningkatan pemenuhan permintaan pelanggan akan disertai dengan semakin efisein biaya produksi dari unit kendaraan. Collaborative forecast akan memberikan efek positif di sepanjang rantai pasok, sehingga proses bisnis masing-masing pemain akan menjadi semakin produktif. Efek positif dari collaborative forecast akan dijabarkan Tabel 4.7.
Ganda Christ Robert Manurung – 29104106
67
PROGRAM MBA – Institut Teknologi Bandung
Tabel 4.7. Efek Positif dari Collaborative Forecast Aspek Kebijakan Forecast Perencanaan pemesanan bahan baku, komponen dan unit kendaraan Perencanaan produksi
Tingkat persediaan
Kondisi Lama Forecast error tinggi dengan ordered forecast dari AI-ISO Kebijakan perencanaan pemesanan dilakukan masingmasing pemain tanpa melakukan koordinasi Perencanaan produksi dilakukan tanpa koordinasi Kurang efisien
Usulan Solusi Collaborative Forecast
Efek Positif Akurasi forecast lebih baik
Kolaborasi perencanaan dimana semua pemain dalam rantai pasok melakukan perencanaan pemesanan berdasarkan satu keputusan permintaan
Strategi manajemen persediaan lebih efektif
Perencanaan produksi dilakukan dengan kolaborasi antara pemain dalam rantai pasok
Pemanfaatan kapasitas dan jadwal produksi menjadi lebih produktif Mengubah lebih banyak Biaya unique componenet menjadi persediaan lebih common use component dan efisien pengaturan jumlah produksi bulanan lebih konstan
Efek positif dari collaborative forecast dapat disimpulkan sebagai perbaikan dari permasalahan PT Pantja Motor, seperti yang digambarkan dalam CRT permasalahan PT Pantja Motor pada Gambar 3.2. Pada Gambar 4.8. di bawah ini digambarkan efek positif dari collaborative forecast dalam Future Reality Tree (FRT).
Ganda Christ Robert Manurung – 29104106
68
PROGRAM MBA – Institut Teknologi Bandung
P4Gambar 4.9. FRT dari Collaborative Forecast
Ganda Christ Robert Manurung – 29104106
69