BAB IV PEMODELAN SISTEM
4.1
ASUMSI PERHITUNGAN MODEL
Model pengendalian persediaan galon menggunakan berbagai asumsi untuk memberikan batasan terhadap model yang merepresentasikan sistem sebenarnya. Asumsi-asumsi ini yang digunakan antara lain : 1. Model pengendalian persediaan galon yang dilakukan terhadap satu ukuran galon yaitu galon dengan ukuran 19 liter. 2. Perhitungan hal-hal yang terdapat dalam model antara lain: estimasi jumlah permintaan per periode waktu, tingkat persediaan produk, estimasi kekurangan produk, estimasi produksi, realisasi produksi, pengiriman produk, tingkat pengembalian galon kosong, jumlah galon kosong yang kembali, kekurangan galon kosong, dan penambahan galon kosong serta antisipasi galon kosong 3. Ruang lingkup pemodelan hanya dalam rentang bulan Januari – Maret 2011. 4. Model pengendalian persediaan galon dikembangkan dalam periode harian. 5. Periode estimasi dilakukkan sebanyak 91 periode mendatang. 6. Pengendalian persediaan galon terbatas pada satu areal pabrik, sedangkan kondisi persediaan di gudang distribusi dan pemasaran tidak dipertimbangkan sebagai kajian dalam model. 7. Mesin-mesin, fasilitas dalam proses produksi, dan keadaan alat transportasi galon diasumsikan tidak terdapat gangguan. 8. Kegiatan produksi dilakukkan satu minggu selama 6 hari waktu kerja. 9. Kegiatan produksi dilakukkan dalam satu shift atau 8 jam waktu kerja, overtime dilakukan maksimal satu shift 10. Kapasitas produksi dalam satu shift kerja yaitu 800 buah galon atau setara dengan 1500 liter. 11. Pengiriman produk dan pengembalian galon kosong dilakukkan setiap hari. 12. Kerusakan atau reject galon diasumsikan 0,1 % dari total produksi yang dihasilkan dalam waktu satu shift kerja. 13. Estimasi penyimpangan pengiriman dari prakiraan permintaan diasumsikan 1%.
4.2
KONFIGURASI MODEL
Model pengendalian persediaan galon diberi nama PMIG 1.0 merupakan program aplikasi yang berguna untuk membantu perusahaan dalam mengambil kebijakan pengendalian persediaan galon dengan mempertimbangkan tingkat pengembalian galon dan permintaan terhadap produk. PMIG 1.0 terdiri dari sistem manajemen basis data, sistem manajemen basis model, dan sistem manajemen dialog. Pengembangan bahasa pemrograman menggunakan Borland Delphi 7.0 untuk pengembangan sistem, Microsoft Accsess 2007 untuk pengembangan tabel data, dan menggunakan perangkat lunak easy fit 5.5 untuk mengidentifikasi dan mensimulasikan data. Konfigurasi model dapat dilihat pada Gambar 8.
19
Pengguna Sistem Manajemen Dialog Sistem Pengolahan Problematik
Sistem Manajemen Basis Data
Sistem Manajemen Basis Model 1
Basis 1. Data Pengiriman 2. Data Pengembalian 3. Data Tingkat Pengembalian Galon Kosong 4. Data Persediaan Produk
2 4
Sub Model Tingkat Pengembalian Galon Kosong
Sub Model Prakiraan Permintaan
Konstanta Model
Konstanta Model
Hasil Estimasi
Hasil Prakiraan
EasyFit 3 Dokumentasi Data dan Hasil
Sub Model Estimasi Kondisi Persediaan Tingkat Persediaan Hasil Estimasi
Gambar 8. Konfigurasi Perangkat Lunak PMIG 1.0
4.3
KERANGKA MODEL
Kerangka model terdiri dari sistem manajemen dialog, sistem manajemen basis data dan sistem manajemen model yang terdiri dari beberapa sub model yaitu: 4.3.1
Sistem Manajemen Dialog
Sistem ini merupakan model yang berfungsi untuk mengatur interaksi antara pengguna dengan perangkat lunak sehingga dalam penggunaannya sesuai dengan fungsi. Pengaturan keluaran perangkat lunak dibuat dalam bentuk tabel dan kotak teks (textbook) yang mudah digunakan oleh pengguna. 4.3.2
Sistem Manajemen Basis Data
Sistem ini berfungsi untuk mengelola data-data yang diperlukan dalam perangkat lunak tersebut. Kelengkapan pengelolaan data, penghapusan data, perubahan data, dan tampilan data.
20
4.3.3
Sistem Manajemen Basis Model
Sistem ini terdiri dari model-model matematika yang digunakan untuk megelola data sehingga diperoleh solusi akhir yang diinginkan. Model-model tersebut memiliki fungsi tertentu dan saling berhubungan terdiri dari : 1.
Model Prakiraan Permintaan Produk Model ini digunakan untuk memprakirakan jumlah permintaan produk selama periode estimasi. Input data dari model ini adalah data pengiriman produk. Teknik estimasi yang disediakan metode peramalan deret waktu (time series). Penggunaan teknik prakiraan disesuaikan dengan pola data dan model prakiraan yang memiliki nilai persentase kesalahan absolut rata-rata (MAPE) terkecil. Output dari model ini menjadi masukan untuk model estimasi keadaan persediaan galon.
2.
Model Tingkat Pengembalian Galon Kosong Model ini menggunakan perangkat lunak easy fit 5.5 dengan mensimulasikan rasio tingkat pengembalian galon kosong dengan membandingkan antara pengembalian galon kosong dengan pengiriman produk pada periode tertentu. Model ini dimulai dengan mengidentifikasi jenis sebaran data dari nilai rasio tertentu apakah mengikuti sebaran teoritis tertentu atau tidak lalu disimulasikan berdasarkan sebaran data yang telah teridentifikasi. Input model ini adalah data pengiriman produk dan data pengembalian galon kosong. Output model ini menjadi masukan untuk model estimasi keadaan persediaan galon.
3.
Model Estimasi Kondisi Persediaan Galon Model estimasi ini mensimulasikan kondisi persediaan produk dan galon kosong di gudang Perum Perhutani Unit III Jawa Barat dan Banten jika dilakukan kebijakan persediaan tertentu. Input data dari model ini adalah data prakiraan permintaan, hasil estimasi rasio tingkat pengembalian galon kosong, estimasi kebocoran galon, dan estimasi penyimpangan pengiriman dari prakiraan permintaan. Model terdiri dari tujuh sub model yaitu:
3.1
Sub Model Tingkat Persediaan Produk Sub model ini berfungsi untuk menghitung tingkat persediaan produk pada setiap periode estimasi. Hasil perhitungan ini menunjukan jumlah persediaan produk di gudang setelah terpenuhinya permintaan produk pada periode sekarang. Sub model akan memberikan informasi mengenai jumlah persediaan yang tersedia sebagai input untuk mengestimasi kekurangan produk dalam model estimasi kekurangan galon. Apabila tingkat persediaan minus menandakan bahwa stok produk periode sebelumnya tidak mencukupi permintaan pada periode sekarang. Persediaan produk ditentukan oleh banyaknya stok produk yang tersedia di gudang. Pengiriman produk ke gudang distributor dan kebocoran produk saat penyimpanan.
3.2
Sub Model Estimasi Kekurangan Produk Sub model ini berfungsi untuk mengestimasi jumlah produk yang tidak mampu memenuhi permintaan pada periode sekarang atau periode mendatang. Sub model memberikan perintah untuk dilakukan rencana produksi minimal sejumlah kekurangan
21
produk tersebut. Output dari sub model akan memberikan masukan kepada model estimasi produksi untuk dilakukkan rencana produksi. 3.3
Sub Model Estimasi Produksi Sub model ini berfungsi sebagai rencana produksi oleh bagian produksi dengan mempertimbangkan estimasi kekurangan produk, jumlah galon kosong yang kembali dan kelebihan galon kosong. Selain itu, sub model memberikan informasi banyaknya jumlah galon kosong yang diperlukan untuk berproduksi. Semakin besar jumlah kekurangan produk maka semakin besar produk yang harus dihasilkan dan semakin banyak pula galon kosong yang diperlukan. Output sub model ini menjadi input untuk sub model realisasi produksi.
3.4
Sub Model Realisasi Produksi Sub model ini berfungsi untuk menyesuaikan antara estimasi produksi dengan kapasitas terpasang. Sub model ini mensimulasikan jumlah produk yang akan dihasilkan bagian produksi. Realisasi produksi ditentukan oleh banyak atau sedikitnya galon kosong yang kembali pada setiap produk. Input sub model ini adalah jumlah produk yang harus diproduksi dari model estimasi produksi dengan jumlah stok galon kosong yang kembali pada periode sebelumnya. Output sub model ini menjadi masukan untuk model pengiriman produk.
3.5
Sub Model Pengiriman Produk Sub model ini menghitung jumlah produk yang siap dikirim per periode. Pertama sub model akan menghitung rencana jumlah pengiriman produk dengan mengalikan prakiraan permintaan dengan estimasi penyimpangan prakiraan permintaan. Setelah itu, sub model akan membandingkan antara nilai rencana jumlah pengiriman produk terhadap stok produk, stok awal ditambah denganproduk dari produksi. Nilai yang lebih kecil akan digunakan sebagai produk yang siap dikirim untuk periode tersebut. Output sub model ini menjadi masukan untuk model stok produk dan sub model estimasi pengembalian galon kosong.
3.6
Sub Model Stok Produk Sub model ini berfungsi untuk menghitung jumlah stok produk pada tiap akhir periode estimasi. Nilai stok diperoleh dari jumlah stok produk di awal periode ditambah dengan hasil produksi dikurangi volume produk yang dikirim ke gudang cabang dan estimasi kerusakana atau kebocoran galon. Output sub model ini menjadi masukan bagi sub model tingkat persediaan dan sub model pengiriman produk.
3.7
Sub Model Estimasi Pengembalian Galon Kosong Sub model ini berfungsi untuk mengestimasi jumlah kosong yang akan kembali pada periode estimasi. Banyak atau kecilnya estimasi galon kosong yang kembali bergantung pada rencana pengiriman produk. Sub model ini didapatkan dari perkalian antara rasio tingkat pengembalian galon kosong dengan jumlah produk yang akan dikirimkan pada periode tersebut. Rasio tingkat pengembalian galon kosong didapatkan dari hasil simulasi dengan sebaran data tertentu yang disimpan dalam basis data yang merupakan output dari sub model tingkat pengembalian galon kosong. 22
3.8
Sub Model Kekurangan Galon Kosong Sub model ini berfungsi menghitung kekurangan galon kosong untuk produksi yang didapatkan dari selisih antara volume galon kosong yang dibutuhkan untuk produksi dengan volume galon kosong yang kembali jika volume galon kosong kembali lebih kecil dari volume galon kosong yang dibutuhkan.
3.9
Sub Model Kelebihan Galon Kosong Sub model ini berfungsi untuk menghitung kelebihan galon kosong. Kelebihan galon diperoleh apabila estimasi jumlah produksi melebihi kapasitas pabrik terpasang. Kelebihan galon kosong dihitung dari selisih antara kapasitas produksi yang terpasang dikurangi dengan estimasi jumlah produksi.
4.4
RANCANGAN MODEL
4.4.1
Sistem Manajemen Dialog
Sistem digunakan untuk mempermudah pengguna dalam melakukan pengolahan data dengan memasukan data-data dari pengguna serta untuk menyampaikan solusi yang dihasilkan pengolahan perangkat lunak kepada pengguna. Dialog dibuat sebaik mungkin agar memudahkan interaksi antara pengguna dengan model. Tampilan program dapat dilihat pada Gambar 9.
Gambar 9. Form Utama Perangkat Lunak PMIG 1.0
23
4.4.2
Sistem Manajemen Basis Data
Sistem Manjemen basis data terdiri dari dua modul yaitu untuk menyiman data dan untuk menyimpan paramenter evaluasi data. 4.4.2.1 Modul Data Modul ini menyimpan data dari jumlah pengiriman produk, jumlah pengembalian galon kosong, data hasil estimasi prakiraan permintaan dan data hasil simulasi tingkat pengembalian galon kosong. 4.4.2.2 Modul Parameter Parameter yang dimasukan dalam model ini adalah data terbaru saat dilakukan estimasi, parameter jumlah periode yang akan diestimasi, estimasi kerusakan atau kebocoran galon, dan estimasi penyimpangan pengiriman dari prakiraan permintaan. 4.4.3
Sistem Manajemen Basis Model
Model dikembangkan dalam tiga model yaitu model prakiraan permintaan, model tingkat pengembalian galon kosong dan model estimasi kondisi persediaan galon. Model prakiraaan permintaan berfungsi sebagai acuan untuk menyusun rencana produksi. Prakiraan permintaan dapat dijadikan acuan dalam penentuan tingkat persediaan, pengiriman produk dan kebutuhan galon kosong untuk produksi. Model prakiraan permintaan memberikan beberapa metode untuk menghitung perkiraan jumlah permintaan masa depan dengan menggunakan data historis pengiriman galon isi. Model estimasi kondisi persediaan galon berfungsi untuk menggambarkan keadaan nyata mutasi galon mulai dari kedatangan galon kosong atau penambahan galon baru, produksi, sampai dengan persediaan galon isi. Model ini memperhitungkan tingkat persediaan produk, kekurangan produk, estimasi permintaan produksi, realisasi produksi, pengiriman produk, hasil produksi, estimasi galon kembali, kekurangan galon kosong, dan stok produk. Diagram alir yang menggambarkan keterkaitan antara model dan sub model dapat dilihat pada Gambar 10. 1.
Model Prakiraan Permintaan Galon Isi Model ini berfungsi untuk memprediksi jumlah permintaan produksi dari konsumen. Model memprakirakan permintaan dalam periode harian dengan menggunakkan data historis pengiriman sebanyak 91 hari dari tanggal 2 Januari 2011 sampai dengan tanggal 2 April 2011. Model akan mengestimasi prakiraan permintaan sebanyak 91 periode mendatang. Dalam model ini akan disediakan beberapa metode pemulusan seperti, perataan bergerak tunggal, eksponensial tunggal, eksponensial ganda dan metode winters. Pemilihan teknik prakiraan permintaan dapat dilihat dari pola data yang terbentuk. Tabel 1 menunjukan cara pemilihan teknik prakiraan permintaan berdasarkan pola data yang terbentuk.
24
Tabel 1. Parameter Pemilihan Teknik Prakiraan Permintaan Deret Waktu Pola Data Perataan Perataan Perataan Metode Winters Bergerak Eksponensial Eksponensial Tunggal Tunggal Ganda Kerandoman Acak/Berpola Acak/Berpola Acak / Bepola Berpola/ Tidak Dapat Ditentukan Stasioner Non Stasioner Linear Non Stasioner Non Linear Non Stasioner Musiman
Ya
Tidak
Tidak
Ya
Ya
Tidak / Ya
Ya
Ya
Tidak / Ya
Tidak Tidak
Tidak
Tidak
Tidak
Ya
Ya
Pertama, data historis diplotkan dalam grafik lalu dibaca sesuai dengan pola data yang terbentuk. Teknik peramalan perataan bergerak tunggal dipilih apabila pola data yang terbentuk stasioner. Teknik perataan bergerak tunggal dipilih karena mampu mengubah pengaruh data masa lalu terhadap nilai tengah. Setiap muncul nilai observasi baru, nilai ratarata baru dapat dihitung dengan membuang nilai observasi yang paling tua dan memasukkan nilai observasi yang terbaru. Jika pola data menunjukan kecenderungan (trend) atau membentuk deret eksponensial, digunakan peramalan dengan teknik pemulusan eksponensial tunggal dan teknik pemulusan eksponensial ganda. Sedangkan apabila pola data menunjukan pola data tertentu dan adanya pengaruh musiman ataupun tidak dapat ditentukan pola datanya maka metode winters dapat digunakan. Setelah pemilihan teknik peramalan yang sesuai dengan pola data terbentuk maka nilai estimasi X(t) = nilai peramalan F(t+m). 1.1
Metode Perataan Bergerak Tunggal (SMA) Langkah-langkah pemodelan dengan metode perataan bergerak tunggal adalah: a. b.
Penentuan panjang periode perataan bergerak N, banyak data m prakiraan . Perhitungan rata-rata data T-n+1 sampai data ke t, S
ST c.
Xt Xt 1 Xt 2 ... Xt N 1 N
Tentukan peramalan data ke t dengan m =1 dengan persamaan
Ft 1 ST atau MAT 1.2
Metode Pemulusan Eksponensial Tunggal (SES) Langkah-langkah pemodelan dengan metode pemulusan eksponensial tunggal adalah: a.
Penentuan nilai konstanta alfa ( ) antara 0 sampai 1, banyak data m prakiraan
b.
Inisiasi F 1 X 1 X 2 X 3 X 4 X 5 X 6 6
25
c.
Perhitungan peramalan (F(t)) : Ft 1 X t 1 Ft atau Ft X t 1 1 Ft 1 Ft 1 Ft X t Ft atau Ft 1 Ft t
dimana, Ft = Nilai peramalan = Konstanta Pemulusan t
1.3
= Kesalahan (error)
Metode Pemulusan Eksponensial Ganda (Holt’s Method) Langkah-langkah pemodelan dengan merode pemulusan eksponensial (Holt‟s Method) adalah: a.
Penentuan nilai konstanta alfa ( ) dan beta ( ), banyak data m prakiraan
b.
Inisiasi nilai F1 =X1 dan b1 = X2-X1
c.
Perhitungan pemulusan:
St X t 1 St 1 bt 1 bt St St 1 1 bt 1 dimana, St = Pemulusan Keseluruhan bt = Pemulusan Trend d. 1.4
Perhitungan Peramalan F(t) : Ft m St bt (m)
Metode Winters Langkah-langkah pemodelan dengan metode winters adalah : a. Penentuan nilai konstanta alfa ( ), beta ( ),dan gamma ( ), banyak data m prakiraan _
b.
_
Inisiasi nilai I t X t / X , X
L
X i 1
bawal
c.
i
/ L , dan
X X1 , S X 1 X L1 X 1 X L 2 X 2 L L L1 L 1 L L L L
Perhitungan pemulusan St
Xt 1 St 1 bt 1 It L
bt St St 1 1 bt 1 It
Xt 1 I t L St
dimana, St = Pemulusan Keseluruhan bt = Pemulusan Trend It = Pemulusan Musiaman d.
Perhitungan Peramalan F (S b m) I tm t t t Lm
26
2.
Model Tingkat Pengembalian Galon Kosong
Model ini akan mensimulasikan rasio tingkat pengembalian yang didapatkan dari perbandingan antara jumlah galon kosong yang kembali dengan jumlah produk yang dikirim. Pertama hitung rasio tingkat pengembalian dari data historis jumlah pengembalian galon kosong dari konsumen atau distributor dan data historis jumlah pengiriman produk. Setelah dihitung nilai rasio dari data historis maka nilai tersebut diidentifikasi menurut sebaran teoritis tertentu. Kemudian pembangkitan data menggunakan teori simulasi monte carlo dengan menggunakan bantuan program EasyFit 5.5 sebanyak data yang diperlukan. 3.
Model Kondisi Persediaan Galon Model Kondisi Persediaan galon terdiri dari banyak sub bab yaitu :
3.1
Sub Model Tingkat Persediaaan Sub model berfungsi untuk mengetahui tingkat persediaan yang ada di gudang apabila kebutuhan permintaan periode sekarang telah terpenuhi. Input dari sub model ini adalah prakiraan permintaan pada setiap periode dan jumlah persediaan produk pada periode sebelumnya. Output yang dihasilkan merupakan selisih antara jumlah persediaan produk pada periode sebelumnya dengan jumlah prakiraan permintaan pada periode sekarang. Kondisi persediaan tingkat persediaan diperoleh dengan menggunakan persamaan 1. TPP(t) = SGI(t-1) – PP(t) .................................................(1) dimana, TPP(t) = Tingkat persediaan galon isi pada periode ke-t SGI(t-1) = Volume stok galon isi satu periode sebelum periode ke-t PP(t) = Prakiraan permintaan periode pada periode ke-t (galon/hari)
3.2
Sub Model Estimasi Kekurangan Produk Sub model ini berfungsi untuk mengetahui kekurangan sejumlah produk yang tidak mampu mencukupi permintaan pada periode estimasi. Estimasi kekurangan produk dibagi ke dalam dua kondisi. Kondisi pertama untuk periode 6, 13, 20 dan kelipatannya, dimana periode estimasi pada hari sabtu. Kondisi kedua untuk periode selain 6, 13, 20 dan kelipatannya, dimana periode estimasi berada pada hari senin, selasa, rabu, kamis, dan jumat. Output sub model ini akan menjadi input bagi sub model estimasi permintaan produksi. Sub model dapat ditulis pada persamaan 2, 3, 4, dan 5. Untuk t < > 6, 13, 20…dst. Jika TPP(t) >= 0 maka EKP(t) = “0” ................................................................(2) Jika TPP(t) < 0 maka EKP(t) = |TPP(t)|...............................................................(3) Untuk t = 6, 13, 20…dst. Jika TPP(t) >= PP(t+1) maka EKP(t) = “0” ..........................................................(4) Jika TPP(t) < PP(t+1) maka EKP(t) = PP(t+1) – TPP(t) ...........................................(5) dimana, EKP(t) = Estimasi kekurangan produk pada periode ke-t PP(t+1) = Prakiraan permintaan pada satu periode setelah periode ke-t
27
3.3
Sub Model Estimasi Permintaan Produksi Sub model ini berfungsi untuk memberikan perintah kepada bagian produksi untuk memproduksi minimal sejumlah produk berdasarkan kekurangan produk, jumlah galon kosong yang kembali dan kelebihan galon kosong. Pada periode ke 7 dan kelipatannya, dimana tidak ada aktivitas produksi karena bertepatan dengan hari minggu sehingga estimasi produksi tidak dilakukan atau bernilai nol. Output model ini akan menjadi input bagi model realisasi produksi. Sub model ini dituliskan dengan persamaan 6, 7, dan 8. Untuk t = 7, 14, 21…dst. EPP(t) = “0” ......................................................................................................(6) Untuk t < > 7, 14, 21…dst. Jika EKP(t) > = GKK(t-1) + KeGK(t-1) maka EPP(t) =EKP(t) ...............................(7) Jika EKP(t) < GKK(t-1) + KeGK(t-1) maka EPP(t) = GKK(t-1) + KeGK(t-1) .........(8) dimana, EPP(t) = Estimasi permintaan produksi periode ke-t EKP(t) = Estimasi kekurangan produk periode ke-t GKK(t-1) = Galon kosong yang kembali satu periode sebelum periode ke-t KeGK(t-1) = Estimasi kelebihan galon kosong satu periode sebelum periode ke-t
3.4
Sub Model Realisasi Produksi Sub model ini berfungsi untuk menyesuaikan antara estimasi produksi dengan kapasitas terpasang. Setelah dilakukkan penyesuaian maka jumlah produk yang harus diproduksi sesuai dengan penyesuaian tersebut. Pada periode ke 7, 14 dan kelipatannya, dimana tidak ada aktivitas produksi karena bertepatan dengan hari minggu sehingga realisasi produksi tidak dilakukan. Sedangkan periode ke 8, 15, 22 dan kelipatannya merupakan hari senin. Output sub model ini merupakan jumlah produk yang akan dihasilkan dan akan menjadi masukan bagi sub model pengiriman produk dan pengiriman produk. Sub model ini dapat dituliskan dengan persamaan 9, 10, 11, 12, dan 13. Untuk t = 7, 14, 21…dst. RP(t) = “0” ........................................................................................................(9) Untuk t = 8, 15, 22…dst. Jika EPP(t) > = 1600 maka RP(t) = 1600 ...........................................................(10) Jika EPP(t) < 1600 maka RP(t) = EPP(t) + GKK(t-2) ..........................................(11) Untuk t < > 7, 14, 21…dst dan t < > 8, 15, 22 dst. Jika EPP(t) > = 1600 maka RP(t) = 1600 ...........................................................(12) Jika EPP(t) < 1600 maka RP(t) = EPP(t) .............................................................(13) dimana, RP(t) = Realisasi produksi pada periode ke-t GKK(t-2) = Estimasi galon kosong kembali dua periode sebelum periode ke- t
28
3.5
Sub Model Pengiriman Produk Sub model ini berfungsi untuk pengiriman produk yang siap untuk dikirim ke distributor atau konsumen. Sub model ini bergantung pada jumlah prakiraan permintaan dan kecukupan stok akhir setelah produksi untuk memenuhi jumlah permintaan pengiriman. Sub model ini dapat dituliskan dengan persamaan 14 dan 15. Jika PP(t) * (1-Est. Pen) > = RP(t) + SGI(t-1) maka MPP(t) = RP(t) + SGI(t-1) ........(14) Jika PP(t) * (1-Est. Pen) < RP(t) + SGI(t-1) maka MPP(t) = PP(t)*(1- Est. Pen) ..... (15) dimana, MPP(t) = Model pengiriman produk pada periode ke-t SGI(t) = Stok Produk pada periode ke-t Est. Pen = Persentase penyimpangan pengiriman produk dari prakiraan permintaan.
3.6
Sub Model Stok Produk Sub model ini berfungsi untuk menghitung total stok produk akhir setelah penambahan produk yang dihasilkan dengan stok produk periode sebelumnya dan dikurangi dengan pengiriman produk. Sub model ini dapat dituliskan dengan persamaan 16. SGI(t) = (SGI(t-1) + RP(t) – MPP(t)) *(1- Est. Bocor) .......................(16) dimana, SGI(t) = Stok produk pada periode ke-t RP(t) = Relalisasi produksi pada periode ke-t Est.Bocor = Persentase kemungkinan produk akan bocor selama penyimpanan.
3.7
Sub Model Estimasi Pengembalian Galon Kosong Sub model ini berfungsi untuk memprakirakan galon kosong yang akan kembali ke pabrik. Pengembalian galon kosong sangat bergantung pada hasil simulasi dari tingkat pengembalian galon kosong. Sub model ini dapat dituliskan dengan persamaan 17. GKK(t) = TP(t) *( PP(t)*(1- Est. Pen)) .................................(17) dimana, GKK(t) = Galon Kosong yang kembali pada periode ke-t TP(t) = Tingkat pengembalian galon kosong pada periode ke-t
3.8
Sub Model Kekurangan Galon Kosong Sub model ini berfungsi untuk menghitung kekurangan galon kosong berdasarkan estimasi permintaan produksi. Pada periode 7, 14 dan kelipatannya tidak ada aktivitas produksi, sehingga tidak ada kekurangan galon kosong untuk produksi. Sub model ini dapat dituliskan dengan persamaan 18 dan 19. Untuk t <> 7, 14, 21…dst. KGK(t) = EPP(t) - GKK(t-1) ................................................................................(18) Untuk t = 7, 14, 21…dst. KGK(t) = “0” ....................................................................................................(19) dimana, KGK(t) = Kekurangan galon kosong pada periode ke-t EPP(t) = Estimasi produksi pada periode ke-t
29
3.9
Sub Model Kelebihan Galon Kosong Sub model ini berfungsi untuk menghitung kelebihan galon kosong apabila estimasi jumlah produksi melebihi kapasitas pabrik terpasang. Kapasitas pabrik yang terpasang adalah 1600. Sub model ini dapat dituliskan dengan persamaan 20 dan 21 Jika EPP(t) >1600 maka KeGK(t) = EPP(t) – 1600 ............................................(20) Jika EPP(t) < 1600 maka KeGK(t) =”0” ............................................................(21) dimana, KeGK(t) = Kelebihan galon kosong pada periode ke-t EPP(t) = Estimasi produksi pada periode ke-t
30
Mulai
Data Permintaan Produk
Data Pengembalian Galon Kosong
Analisis Pola Data : Plot Data per periode hari
Tingkat Pengembalian TP= Data Pengembalian/ Data Pengiriman
Pemilihan Teknik Perkiraan
Uji Distribusi Data (EasyFit 5.5)
Model Peramalan Permintaan
H0: data berdistribusi teoritis tertentu Uji Kolmogrov Sminorv
Hasil Prakiraan Permintaan
Ya Tidak Terima H0
Terima Nilai Error (MAPE)
Uji Anderson Darling
Terima H0
Ya
TIdak
Ya
Model Estimasi Prakiraan Permintaan
Estimasi Tingkat Pengembalian Galon Menggunakan Simulasi Teoritis
Estimasi Prakiraan Permintaan menggunakan Pemulusan Eksponensial Tunggal
Model Estimasi Kondisi Persediaan
Tidak
Estimasi Tingkat Pengembalian Galon Meggunakan Simulasi empiris
A
31
A
Mulai Stok Awal Produk Jumlah Galon Kosong Kembali Estimasi Kerusakan Galon Estimasi Penyimpangan Pengiriman
Data Permintaan Produk PP(t) Periksa Tingkat Persediaan Produk TPP(t) = SGI(t-1) – PP(t) Estimasi Kekurangan Produk (t mod 7) = 6
Ya
TPP(t) < PP(t+1)
Tidak Ya TPP(t) < 0 Ya
Tidak Tidak
EKP =|TPP(t)|
EKP(t) = PP(t+1) – TPP(t)
EKP =”0"
Est. Permintaan Produksi If (t mod 7)=0 then
Ya
EPP(t) = „0‟
Ya
EPP(t) =EKP(t).
Tidak EKP(t) > = GKK(t-1) + KeGK(t-1) Tidak EPP(t) = GKK(t-1) + KeGK(t-1) Ya RP(t) = “0"
Ya
Realisasi Produksi If (t mod 7)=0
Tidak Realisasi Produksi If (t mod 7)=1
Ya
Tidak EPP(t) > = 1600
EPP(t) > = 1600
Tidak
Ya Ya
RP(t) = 1600
RP(t) = EPP(t) + GKK(t-2)
RP(t) =EPP(t)
C
B
32
C
B
Pengiriman Produk PP(t) * (1-Est. penyimpangan) > = RP(t) + SGI(t-1)
Tidak
MPP(t) = PP(t)*(1- Est. penyimpangan)
Ya
MPP(t) = RP(t) + SGI(t-1)
Galon Kosong Kembali GKK(t) = TP(t) *( PP(t)*(1- Est. penyimpangan))
Stok Galon SGI(t) = (SGI(t-1) + RP(t) – MPP(t)) *(1- Est. Kebocoran Galon) Next t
Selesai
Gambar 10. Diagram Alir Deskriptif Model Pengendalian Persediaan Galon
33
