78
BAB V HASIL PENELITIAN DAN PEMBAHASAN
5.1. Implementasi Supply Requirement Planning (SR Planning) dan Logistic Support Performance pada Logistic DC divisi Domestic Market-CP Prima. 5.1.1. Implementasi Supply Requirement Planning (SR Planning) pada Logistic CP Prima. Proses implementasi perencanaan Supply Requirement Planning (SR Planning) pada perusahaan berorientasi pada penentuan tingkat jumlah stok Product jadi (finished goods Product) yang akan dikirim atau disuplai (Stock to be Deliver point) dengan mengacu pada kebutuhan nasional (National order booking) yaitu Kebutuhan ini berdasarkan kebutuhan seluruh cabang untuk memenuhi
estimasi Monthly sales
target
yang disesuaikan
dengan
memperhitungkan tingkat inventory (Opening Stock dan Stock policy) dari masing-masing cabang dan National-DC Warehouse. SR Planning berdasarkan formulasi matematis tersebut menjelaskan bahwa elemen-elemen pada pembentukan SR Planning terdiri dari faktor-faktor sebagai berikut: a. National Sales Forecast (Ramalan Penjualan Nasional). b. National order booking (Estimasi kebutuhan permintaan Nasional). c. Buffer Stock Estimate (Estimasi kebutuhan Buffer Stock). d. Inventory
average
of
Processing
Plant
(rata-rata
proses/produksi).
http://digilib.mercubuana.ac.id/
persediaan
plant
79
e. Inventory average of DC Plant (rata-rata persediaan plant Logistik). f. Realisatios of Supply (tingkat realisasi suplai). a) National order booking Selama periode sampel penelitian didapatkan rata-rata jumlah National order booking berada pada point 299,491.49 Kg (2.99 MT) atau 102% dari nilai National Sales Forecast, dimana nilai prosentase tertinggi National order booking pada periode tersebut terjadi di periode Juli 2014 yaitu 128% dari nilai Sales Forecast (point of Demand Planning), nilai National order booking yang lebih besar dari jumlah Sales Forecast umumnya disebabkan oleh adanya kebijakan Buffer Stock yang cukup besar dari cabang sehingga kebutuhan stok yang direncanakan akan diorder melebihi nilai estimasi Sales Forecast awal. Nilai terendah National order booking pada periode tersebut terjadi di periode Februari 2016 yaitu 69% dari nilai Sales Forecast (point of Demand Planning), adapun nilai National order booking yang lebih kecil dari jumlah Sales Forecast umumnya disebabkan oleh adanya jumlah stok/persediaan awal di cabang yang masih cukup besar, sehingga stok awal tersebut akan mengurangi kebutuhan dari stok yang direncanakan akan diorder dengan estimasi Sales Forecast awal. Adapun terkait realisasi daripada pencapaian atau aktual dari National Order Booking selama periode sampel penelitian (Januari 2014 s/d Juni 2016) dapat ditunjukan dengan data pada tabel berikut ini :
http://digilib.mercubuana.ac.id/
80
Tabel 5.1.National order booking Estimate Vs Actual Order Booking National Order Booking Estimate
Actual National Order Booking
Jan-14
113,202
75,816
(37,386)
37,386
33%
67%
Feb-14
113,202
88,295
(24,907)
24,907
22%
78%
Mar-14
130,075
94,266
(35,810)
35,810
28%
72%
Apr-14
132,267
125,133
(7,134)
7,134
5%
95%
May-14
176,189
116,859
(59,330)
59,330
34%
66%
Jun-14
187,948
139,716
(48,233)
48,233
26%
74%
Jul-14
427,719
147,012
(280,707)
280,707
66%
34%
Aug-14
427,719
147,480
(280,239)
280,239
66%
34%
Sep-14
219,330
140,074
(79,256)
79,256
36%
64%
Oct-14
299,432
162,878
(136,554)
136,554
46%
54%
Nov-14
299,359
180,300
(119,059)
119,059
40%
60%
Dec-14
300,940
207,547
(93,392)
93,392
31%
69%
Jan-15
327,769
200,289
(127,480)
127,480
39%
61%
Feb-15
243,019
182,258
(60,761)
60,761
25%
75%
Mar-15
424,328
207,414
(216,913)
216,913
51%
49%
Apr-15
424,328
215,215
(209,112)
209,112
49%
51%
May-15
289,164
276,099
(13,065)
13,065
5%
95%
Jun-15
299,874
297,321
(2,553)
2,553
1%
99%
Jul-15
213,919
242,560
28,641
28,641
13%
113%
Aug-15
344,560
331,601
(12,959)
12,959
4%
96%
Sep-15
407,326
302,665
(104,660)
104,660
26%
74%
Oct-15
407,326
271,294
(136,031)
136,031
33%
67%
Nov-15
366,077
323,217
(42,860)
42,860
12%
88%
Dec-15
328,559
382,475
53,917
53,917
16%
116%
Jan-16
407,421
295,450
111,971
27%
73%
Feb-16
270,677
298,390
27,713
27,713
10%
110%
Mar-16
385,011
325,130
(59,881)
59,881
16%
84%
Apr-16
304,708
302,279
(2,429)
2,429
1%
99%
May-16
356,650
406,150
49,500
-14%
114%
Jun-16
356,650
498,491
141,841
141,841
40%
140%
Mean
299,491
232,789
(66,702)
83,510
26%
79%
Periode
error
(111,971)
Absolute Error
(49,500)
% Absolute Error
Estimate Accuracy (%)
Sumber :SR PlanningDatabase yang diolah (2016)
Tabel 5.1. memberikan informasi bahwa selama periode Januari 2014 s/d Juni 2016 rata-rata ketepatan dalam perkiraan permintaan barang ke Dc sebesar 79% dengan rata-rata persentase kesalahan estimasi mutlak sebesar 26%. Natioal Order Booking Estimate tidaklah hanya diukur dari sejauh mana permintaan aktual mencapai target penjualan yang diinginkan, tetapi selain dari pada itu,
http://digilib.mercubuana.ac.id/
81
keberhasilan dari pada National order booking Estimate juga diukur dari seberapa tepat perhitungann Estimasi tersebut memprediksi secara cermat dan tepat terhadap aktual permintaan yang terjadi dalam periode tersebut. Perhitungan estimasi yang akurat akan memberikan informasi yang tepat dalam proses dan strategi perencanaan suplai (Supply Planning) yang di hitung dalam Model SR Planning. b) National Sales Forecast (Ramalan Penjualan Nasional). SR Planning pada implementasinya di rancang dan disusun untuk memperhitungkan tingkat stok baik pada proses produksi, suplai, maupun pencadangannya sehingga ketersediaan stok yang ada akan mampu mendukung proses dan pencapaian penjualan yang terjadi dengan acuan awal adalah tingkat peramalan penjualan nasional (National Sales Forecast). Indikator keberhasilan dari peramalan penjualan tidaklah hanya diukur dari sejauh mana penjualan aktual mencapai target penjualan yang diinginkan, tetapi selain daripada itu, keberhasilan dari pada peramalan penjualan juga diukur dari seberapa tepat peramalan tersebut memprediksi secara cermat dan tepat terhadap penjualan yang terjadi dalam periode tersebut. Peramalan yang akurat akan memberikan informasi yang tepat dalam proses dan strategi perencanaan suplai (Supply Planning) dan perencanaan produksi (Productions Planning) yang di hitung dalam Model SR Planning. Prinsipnya nilai daripada ramalan penjualan (Sales Forecast) adalah merupakan nilai acuan sebagai rencana permintaan (Demand Planning), dan SR Planning adalah bentuk rencana tanggapan sebagai rencana suplai guna memenuhi rencana dan estiamasi permintaan tersebut.
http://digilib.mercubuana.ac.id/
82
Sehingga keduanya merupakan dua point yang saling berkaitan sebagai fungsi perencanaan (Planning Fungtions). Berikut adalah data National Sales Forecast (Peramalan Penjualan Nasional) dibandingkan dengan data aktual penjualan selama periode sampel yang dipakai dalam penelitian (Januari 2014 s/d Juni 2016), pada Tabel berikut juga di jelaskan tingkat error dari proses peramalan penjualan (Sales Forecast) dan tingkat keakuratanya (Sales Forecast Accuracy) terhadap aktual penjualan yang terjadi pada periode tersebut. Tabel 5.2. National Sales Forecast Vs Actual Sales Forecast
Periode
National_Sales Actual Forecast Sales_National( (Demand Actual Demand) Planing)
error
Absolute Error
% Absolute Error
Forecast Accuracy (%)
Jan-14
105,735
49,335
(56,400)
56,400
53%
47%
Feb-14
105,735
70,843
(34,893)
34,893
33%
67%
Mar-14
122,065
68,553
(53,512)
53,512
44%
56%
Apr-14
121,121
88,402
(32,719)
32,719
27%
73%
May-14
163,461
92,594
(70,866)
70,866
43%
57%
Jun-14
171,521
105,189
(66,332)
66,332
39%
61%
Jul-14
334,671
102,356
(232,315)
232,315
69%
31%
Aug-14
334,671
107,552
(227,119)
227,119
68%
32%
Sep-14
202,562
102,541
(100,020)
100,020
49%
51%
Oct-14
267,113
118,025
(149,088)
149,088
56%
44%
Nov-14
267,462
119,061
(148,402)
148,402
55%
45%
Dec-14
268,624
147,281
(121,343)
121,343
45%
55%
Jan-15
291,814
151,382
(140,432)
140,432
48%
52%
Feb-15
227,773
137,515
(90,257)
90,257
40%
60%
Mar-15
346,588
162,451
(184,138)
184,138
53%
47%
Apr-15
379,172
163,586
(215,586)
215,586
57%
43%
May-15
324,680
194,671
(130,008)
130,008
40%
60%
Jun-15
318,067
215,238
(102,829)
102,829
32%
68%
Jul-15
229,079
170,992
(58,087)
58,087
25%
75%
Aug-15
347,044
211,615
(135,429)
135,429
39%
61%
Sep-15
416,922
218,714
(198,208)
198,208
48%
52%
Oct-15
416,922
197,721
(219,201)
219,201
53%
47%
Nov-15
379,743
218,101
(161,642)
161,642
43%
57%
Dec-15
347,677
279,256
(68,421)
68,421
20%
80%
Jan-16
422,673
201,285
(221,388)
221,388
52%
48%
Feb-16
394,979
212,173
(182,806)
182,806
46%
54%
Mar-16
383,492
249,327
(134,165)
134,165
35%
65%
Apr-16
381,254
219,370
(161,885)
161,885
42%
58%
May-16
436,993
293,997
(142,997)
142,997
33%
67%
Jun-16
436,993
328,460
(108,533)
108,533
25%
M ean
298,220
166,586
(131,634)
131,634
Sumber :SR PlanningDatabase yang diolah (2016)
http://digilib.mercubuana.ac.id/
44%
75% 56%
83
Data pada Tabel 5.2. berikut ini memberikan informasi bahwa selama periode Januari 2014 s/d Juni 2016 rata-rata keakuratan peramalan penjualan (Sales Forecast Accuracy) berada pada prosetase 56% dengan rata-rata prosentase kesalahan mutlak (Mean Absolute Error Percente) sebesar 44%. Dengan rata-rata ketidaktercapaian ramalan penjualan dari yang direncanakan adalah sebesar 131 MT (131.634 Kg). Rata-rata Forecast
Accuracy selama
periode Januari 2014 s/d Juni 2016 Forecast Accuracy hanya berada pada prosentase 56% hal tersebut tidak hanya menggambarkan adanya kekurang akuratan dalam perhitungan peramalan penjualan (Sales Forecast) tetapi juga menunjukan pencapaian penjualan (Sales Achievement) belum ada yang mencapai target sesuai nilai yang diramalkan sehingga terjadi gap antara nilai peramalan penjualan dengan nilai aktual penjualan pada periode tersebut, maka dari informasi ini manajemen selain melakukan evaluasi terhadap metode peramalan juga harus melakukan evaluasi dan perbaikan strategi pada proses penjualan, terkait hal tersebut maka sesuai batasan penelitian maka permaslahan terkait strategi proses penjualan dan evaluasi peramalan penjualan tidak akan dianalisis lebih jauh pada penelitian ini. c)
Buffer Stock Estimate (Estimasi kebutuhan Buffer Stock) Implementasi dari proses penentuan nilai Buffer Stock Estimate pada SR
Planning Model CP Prima umumnya ditentukan sebagai prosentase estimasi stok pengaman dari Sales Forecast volume. Adapun rata-rata pada periode implementasi SR Planning yang dijadikan sample pada penelitian ini menunjukan rata-rata prosentase volume dari Buffer
http://digilib.mercubuana.ac.id/
84
Stock Estimate berada pada prosentase 46 % dari volume Sales Forecast. dimana nilai prosentase tertinggi Buffer Stock Estimate pada periode tersebut terjadi di periode April 2016 yaitu 118% dari nilai Sales Forecast (point of Demand Planning), nilai Buffer Stock Estimate yang lebih besar dari jumlah Sales Forecast umumnya disebabkan oleh adanya penyesuaiaan strategi kebijakan stok yang di sesuaikan dengan kondisi performance atau estimasi penjualan yang cukup besar (optimism sales performance) sehingga kebutuhan stok yang direncanakan akan diorder melebihi nilai estimasi Sales Forecast awal. Nilai terendah Buffer Stock pada periode tersebut terjadi di periode May 2014 yaitu 19% dari nilai Sales Forecast (point of Demand Planning), adapun nilai Buffer Stock Estimate yang lebih kecil dari jumlah Sales Forecast umumnya disebabkan juga oleh adanya penyesuaiaan strategi kebijakan stok yang di sesuaikan dengan kondisi performance atau estimasi penjualan yang cukup rendah (pesimism sales performance) sehingga kebutuhan stok yang direncanakan akan di Buffer nilainya tidak signifikan dari estimasi Sales Forecast awal.
Gambar 5.1.Buffer Stock Vs National Sales Forecast Sumber :SR PlanningDatabase yang diolah
http://digilib.mercubuana.ac.id/
85
Gambar 5.1. merupakan gambaran daripada proporsi antara Buffer Stock dengan tingkat peramalan penjualan (Sales Forecast), dimana berdasarkan data SR Planning periode Januari 2014 s/d Juni 2016 menunjukan bahwa rata-rata proporsi Buffer Stock yang berfungsi sebagai stok cadangan atau pengaman terhadap adanya fluktuasi tingkat permintaan aktual sebesar 46% yang berarti stok cadangan/pegaman disiapkan sebesar 0,46 kali dari rencana penjualan. d) Inventory average of Processing Plant (rata-rata persediaan plant proses/produksi). Tabel 5.3. Average Inventory of Processing Plant
Periode
National Sales Forecast (Demand Planing)
Opening Stock in Processing Plant
Ending Stock in Processing Plant
Average Inventory
(%) Average Inventory in Processing Plant of Demand Planing
Jan-14
105,735
44,632
44,632
44,632
Feb-14
105,735
44,632
119,290
81,961
78%
Mar-14
122,065
119,290
131,765
125,528
103%
Apr-14
121,121
131,765
105,679
118,722
98%
May-14
163,461
105,679
95,360
100,519
61%
Jun-14
171,521
95,360
112,400
103,880
61%
Jul-14
334,671
112,400
112,400
112,400
34%
Aug-14
334,671
112,400
96,923
104,661
31%
Sep-14
202,562
96,923
146,177
121,550
60%
Oct-14
267,113
146,177
176,032
161,104
60%
Nov-14
267,462
176,032
212,548
194,290
73%
Dec-14
268,624
212,548
128,545
170,546
63%
Jan-15
291,814
128,545
149,780
139,162
48%
Feb-15
227,773
149,780
148,906
149,343
66%
Mar-15
346,588
148,906
116,682
132,794
38%
Apr-15
379,172
116,682
63,969
90,325
24%
May-15
324,680
63,969
84,081
74,025
23%
Jun-15
318,067
84,081
53,214
68,647
22%
Jul-15
229,079
53,214
56,374
54,794
24%
Aug-15
347,044
56,374
60,673
58,524
17%
Sep-15
416,922
60,673
60,673
60,673
15%
Oct-15
416,922
60,673
43,788
52,231
13%
Nov-15
379,743
43,788
85,839
64,814
17%
Dec-15
347,677
85,839
43,402
64,621
19%
Jan-16
422,673
43,402
93,037
68,220
16%
Feb-16
394,979
93,037
143,608
118,323
30%
Mar-16
383,492
143,608
176,792
160,200
42%
Apr-16
381,254
176,792
203,738
190,265
50%
May-16
436,993
203,738
203,738
203,738
47%
Jun-16
436,993
203,738
143,608
173,673
40%
Max
436,993
212,548
212,548
203,738
103%
Min
105,735
43,402
43,402
44,632
13%
Average
298,220
110,489
113,788
112,139
44%
Stdev
105,416
51,124
49,907
47,129
24%
Sumber : data SR Planing yang diolah (2016)
http://digilib.mercubuana.ac.id/
42%
86
Opening Stock Processing Plant rata–rata Opening Stock Processing Plant (stok awal Plant proses) pada periode penelitian adalah sebesar 42% dari volume Sales Forecast. Adapun rata-rata persedian pada plant produksi adalah rata-rata tingkat persedian awal (Opening Stock) dan stok akhir (Ending Stock) plant produksi. Rata-rata persediaan ini juga merupakan bagian yang dipertimbangkan atau diperhitungkan dalam perancangan dan penyusunan SRPlanning. Data pada Tabel 5.3. menunjukan rata-rata persediaan di plant produksi (Inventory Average of Processing Plant) selama periode sample penelitian berada pada point 112,13 MT atau rata-rata 44% dari nilai peramalan penjualan nasional (National Sales Forecast). e)
Inventory average of DC (rata-rata persediaan Plant Logistik-DC CWH) Opening Stock DC rata-rata yang terjadi pada periode penelitian adalah
sebesar 58 % dari nilai prosentase volume Sales Forecast. Semakin besar volume dari stok awal DC-CWH maka semakin kecil kebutuhan akan stok yang akan disuplai dari Plant proses ke Plant Logistik DC-CWH (point of Supply Planning), demikian sebaliknya. Adapun rata-rata persedian pada plant logistik (Logistic DC-CWH) adalah rata-rata tingkat persedian awal (Opening Stock) dan stok akhir (Ending Stock) plant logistik (Logistic DC-CWH). Sama halnya dengan rata-rata persedian pada plant produksi maka rata-rata persediaan pada plant logistik juga merupakan bagian yang dipertimbangkan atau diperhitungkan dalam perancangan dan penyusunan SR Planning, dimana stok awal pada plant logistik merupakan faktor pengurang pada tingkat suplai yang akan direncanakan (Supply Planning).
http://digilib.mercubuana.ac.id/
87
Tabel 5.4.Inventory Average of DC Plant Periode
National Sales Forecast (Demand Planing)
Opening Stock DCCWH
Ending Stock in DC-CWH
% Inventory Inventory Average in Average of DC of DC Demand Planing
Jan-14
105,735
49,713
49,713
49,713
47%
Feb-14
105,735
49,713
66,989
58,351
55%
Mar-14
122,065
66,989
71,349
69,169
57%
Apr-14
121,121
71,349
70,765
71,057
59%
May-14
163,461
70,765
72,564
71,664
44%
Jun-14
171,521
72,564
67,514
70,039
41%
Jul-14
334,671
67,514
67,514
67,514
20%
Aug-14
334,671
67,514
159,193
113,353
34%
Sep-14
202,562
159,193
148,623
153,908
76%
Oct-14
267,113
148,623
123,521
136,072
51%
Nov-14
267,462
123,521
153,756
138,638
52%
Dec-14
268,624
153,756
171,356
162,556
61%
Jan-15
291,814
171,356
177,006
174,181
60%
Feb-15
227,773
177,006
164,272
170,639
75%
Mar-15
346,588
164,272
206,347
185,309
53%
Apr-15
379,172
206,347
157,610
181,979
48%
May-15
324,680
157,610
97,340
127,475
39%
Jun-15
318,067
97,340
287,449
192,395
60%
Jul-15
229,079
287,449
169,757
228,603
100%
Aug-15
347,044
169,757
158,647
164,202
47%
Sep-15
416,922
158,647
158,647
158,647
38%
Oct-15
416,922
158,647
213,042
185,845
45%
Nov-15
379,743
213,042
233,836
223,439
59%
Dec-15
347,677
233,836
259,359
246,597
71%
Jan-16
422,673
259,359
285,081
272,220
64%
Feb-16
394,979
285,081
310,580
297,830
75%
Mar-16
383,492
310,580
337,000
323,790
84%
Apr-16
381,254
337,000
364,203
350,601
92%
May-16
436,993
364,203
364,203
364,203
83%
Jun-16
436,993
364,203
300,218
332,210
76%
Max
436,993
364,203
364,203
364,203
100%
Min
105,735
49,713
49,713
49,713
20%
Average
298,220
173,898
182,248
178,073
59%
Stdev
105,416
95,285
95,003
91,561
18%
Sumber : SR Planning Database yang diolah (2016)
f) Requirement Planning (Rencana Kebutuhan Stok) Rata-rata nilai dari Supply Planning pada periode penelitian ini adalah sebesar 90% dari volume Sales Forecast, rata-rata nilai dari Production Planning base SR Planning sebesar 50% dari Sales Forecast dengan rata-rata penyesuaian kapasitas produksi sebesar 12% dan menjadikan rata-rata Production Planning Final adalah sebesar 64%.
http://digilib.mercubuana.ac.id/
88
Demand Planning Vs Supply Planning Vs Production Planning Jan 2014 - Jun 2016 600000
300000
0
National Sales Forecast (Demand Planing)
Stock to Be Deliver (Supply Planing)
Stock to Be Produce (Production Planing) -Final
Gambar 5.2.Demand Planning Vs Supply Planning Vs Production PlanningVolume Sumber :SR Planning (2016)
Gambar 5.2 menunjukan gambaran perbandingan antara besarnya volume rencana permintaan (Demand Planning) terhadap rencana suplai (Supply Planning) dan rencana produksi (Productions Planning). Beberapa periode menunjukan adanya kondisi dimana rencana suplai (Supply Planning) dan juga rencana produksi (Productions Planning) volume nya lebih besar dari rencana permintaan (Demand Planning), kondisi tersebut dapat terjadi apabila rencana stok yang dibutuhakan atau akan di order secara nasional (National order booking Volume ) lebih besar dari rencana penjualan (Sales Forecast) sebagai rencana permintaan (Demand Planning), dimana hal tersebut dapat terjadi apabila estimasi Buffer stok keseluruhan cabang yang cukup tinggi dengan kondisi stok awal cabang (Opening Stock Branch) cukup kecil, demikian sebaliknya ketika terjadi kondisi dimana pada beberapa periode menunjukan adanya kondisi dimana rencana suplai (Supply Planning) dan juga rencana produksi (Productions Planning) volume nya lebih rendah dari rencana permintaan (Demand Planning).
http://digilib.mercubuana.ac.id/
89
Realisasi dari pada rencana suplai (Supply Planning) selama periode yang dijadikan sample penelitian (periode Januari 2014 s/d Juni 2016) adalah seperti pada Tabel berikut ini: Tabel 5.5. Realsasi Suplai (Supply Realisations) periode Januari 2014 s/d Juni 2016 Requirement Planning Periode
Stock to be Deliver (Supply Planning) a
Actual Balancement Realisation of Unfullfill to realese
Acv(%)
Actual Realisation of Supply
Gap
% Realisation of Supply
b
c=b-a
d=(b/a*100%)
Jan-14
93.851
78.602
(15.250)
84%
Feb-14
93.851
90.848
(3.003)
97%
Mar-14
101.930
85.909
(16.021)
84%
Apr-14
95.644
89.035
(6.609)
93%
May-14
157.241
114.752
(42.489)
73%
Jun-14
167.563
150.070
(17.493)
90%
Jul-14
476.878
176.262
(300.615)
37%
Aug-14
476.878
152.765
(324.112)
Sep-14
134.766
135.220
454.000
Oct-14
225.770
176.338
(49.433)
78%
Nov-14
260.931
125.092
(135.838)
48%
Dec-14
236.431
216.314
(20.118)
91%
Jan-15
241.435
171.975
(69.459)
Feb-15
170.159
172.648
Mar-15
330.675
290.892
(39.783)
88%
Apr-15
318.638
174.941
(143.698)
55%
May-15
193.888
189.756
(4.132)
Jun-15
266.536
315.656
Jul-15
167.577
Aug-15
304.624
Sep-15
2.489
32% 100%
71% 101%
98%
49.121
118%
179.137
11.559
107%
247.857
(56.767)
81%
346.595
296.372
(50.224)
86%
Oct-15
346.595
213.981
(132.614)
62%
Nov-15
390.360
244.013
(146.347)
Dec-15
273.297
295.463
Jan-16
442.392
227.620
(214.772)
51%
Feb-16
396.874
228.447
(168.427)
58%
Mar-16
425.685
176.809
(248.876)
42%
Apr-16
417.130
219.700
(197.430)
53%
May-16
316.227
215.146
(101.081)
Jun-16
316.227
319.866
Average
272.888
192.383
(80.505)
Max
476.878
319.866
49.121
93.851
78.602
118.503
68.905
Min Stdev
22.166
3.639
(324.112) 99.212
Sumber : data SR Planning yang diolah (2016)
http://digilib.mercubuana.ac.id/
63% 108%
68% 101% 77% 118% 32% 23%
90
Data realisasi suplai (Supply Realisations) pada periode penelitian seperti pada Tabel 5.5. menunjukan bahwa rata-rata suplai tercapai pada prosentase pencapaian 77% dari rencana suplai, adapun untuk pencapaian realisasi suplai tertinggi terjadi dengan prosentase 118% dari rencana suplai, hal tersebut dapat terjadi apabila stok awal pada Plant proses (processesing Plant) volume nya cukup besar yang diimbangi dengan reaisasi produksi (Production Realese) yang juga cukup besar dengan didukung proses suplai yang cukup lancar dari Plant proses (Processesing Plant) ke Plant logistik (DC-CWH), demikian sebaliknya ketika kondisi realisasi suplai rendah dimana pada periode tersebut kondisi terendah terjadi pada realisasi supai 32% dari rencana suplai. Perbedaan jumlah stok yang direncanakan untuk dikirim dengan yang terealisasi dapat ditunjukan pada gambar 5.3 dimana ditemukan selalu adanya gap antara rencana suplai (supply Planning) dengan realisasi suplai (Realisations of Supply).
Supply Planning Vs Actual Realisation Supply 600.000
300.000
-
Requirement Planning Stock to be Deliver (Supply Planning) Actual Realisation Actual Realisation of Supply
Gambar 5.3.Supply Planning Vs Realisation Sumber :Logistic DC-CWH database yang di olah (2016)
http://digilib.mercubuana.ac.id/
91
5.1.2. Implementasi Logistic Support Performance pada Logistic CP Prima Pencapaian kinerja dukungan layanan Logistic (Logistic Support Performance) merupakan beberapa ukuran-ukuran kinerja yang tersusun sebagai kunci pencapaian kinerja department logistik (Logistic Keys Performance Indicator). Ukuran-ukuran tersebut secara umum merupakan gambaran sejauh mana operasional logistik dapat mendukung dan memberikan layanan terhadap proses dan pencapaian penjualan produk dari perusahaan hingga ke pelanggan (Customer). 5.1.2.1. Logistic Service Level Logistic Service Level merupakan ukuran keberhasilan selain bersifat kuantitatif yaitu ketidaktersediaan stok, juga ditentukan oleh faktor-faktor kualitatif, karena proses perhitungannya diukur dari faktor-faktor yang bersifat kualitatif seperti adanya proses pemenuhan pengiriman pesanan (Delivery Order Fullfill) ditetukan oleh faktor-fakor seperti kesalahan pengiriman (Miss Delivery & Loading Prosses), kesalahan administrasi (miss on administration prosses), keterlambatan pengiriman (Delivery Late), isu armada (Truck Issue), masalah kualitas produk saat atau sebelum sampai ke pelanggan (Quality Issue). Berikut adalah data performance level layanan logistik (Logistic Service Level) pada periode yang dijadikan sample dalam penelitian (periode Januari 2014 s/d Juni 2016). Data tersebut merupakan data historikal level layanan (Service Level) baik untuk pengiriman atas adanya orderan pelanggan (DC-Market chanel), maupun pengiriman atas adanya permintaan operasional cabang (Branch Operational Warehouse), seperti pada Tabel berikut ini.
http://digilib.mercubuana.ac.id/
92
Tabel 5.6. Logistic Service Level Performance Actual Order
Actual fullfill Realese Service Level (%)
Periode SO (In Kg)
STR (In Kg)
DO (In Kg)
STO (In Kg)
Jan-14
43,992
35,066
40,798
35,018
96%
Feb-14
61,679
29,176
59,205
29,090
97%
Mar-14
56,766
39,578
54,687
39,578
98%
Apr-14
79,822
48,456
76,856
48,277
98%
May-14
84,125
39,431
77,590
39,269
95%
Jun-14
82,947
59,245
81,206
58,510
98%
Jul-14
93,727
61,455
86,000
61,012
95%
Aug-14
87,329
65,733
81,779
65,701
96%
Sep-14
84,500
62,792
77,282
62,792
95%
Oct-14
102,702
70,774
92,798
70,080
94%
Nov-14
107,360
82,691
97,609
82,691
95%
Dec-14
139,059
86,078
121,573
85,974
92%
Jan-15
144,394
71,261
129,028
71,261
93%
Feb-15
115,942
68,590
114,082
68,176
99%
Mar-15
127,130
87,802
120,182
87,233
97%
Apr-15
130,260
95,200
120,087
95,128
95%
May-15
154,990
127,110
148,989
127,110
98%
Jun-15
151,456
155,552
141,769
155,552
97%
Jul-15
149,430
116,506
126,054
116,506
91%
Aug-15
170,855
168,268
163,915
167,686
98%
Sep-15
179,944
140,653
162,018
140,647
94%
Oct-15
168,400
122,083
149,243
122,051
93%
Nov-15
165,606
170,453
152,929
170,288
96%
Dec-15
227,793
162,954
219,615
162,860
98%
Jan-16
153,670
155,419
140,101
155,349
96%
Feb-16
161,481
137,754
160,678
137,712
100%
Mar-16
303,563
123,249
202,140
122,989
76%
Apr-16
286,175
128,355
173,959
128,320
73%
May-16
356,930
159,458
246,878
159,272
79%
Jun-16
396,414
227,777
270,876
227,615
80%
Average
152,281
103,297
129,664
103,125
93%
M ax
396,414
227,777
270,876
227,615
100%
M in
43,992
29,176
40,798
29,090
73%
Stdev
85,662
50,325
55,674
50,348
7%
Sumber : Data Logistic Service Level yang diolah. (2016)
Tabel 5.6. memberikan informasi bahwa rata-rata pencapaian level layanan logistik (Logistic Service Level) pada periode penelitian sebesar 93% artinya sebanyakrata-rata 7% volume penjualan tidak terlayani atau terpenuhi disebabkan oleh faktor ketidaktersedian stok dan atau faktor-faktor lainnya, sementara itu
http://digilib.mercubuana.ac.id/
93
pencapaian terbesar pernah dicapai sebesar 100% atau (99.9%) pada periode Februari 2016, dan pencapaian terendah dicapai pada prosentase 73% atau sebesar 27% volume penjualan tidak terlayani atau terpenuhi disebabkan oleh faktor ketidaktersedian stok dan atau faktor-faktor lainnya. Adapun pada pencapaian level layanan logistik (Logistic Service Level) pada periode penelitian secara keseluruhan sebesar 63.54% pesanan (Delivery Order) dapat terkirim tepat waktu (On Time Delivery) dengan 9.9% pesanan (Delivery Order) terkirim melebihi waktu yang di minta (Late Delivery). 5.1.2.2. Biaya Logistik (Logistic Cost) Biaya Logistik (Logistic Cost) secara operasional perusahaan merupakan keseluruhan biaya yang timbul diakbitkan adanya proses dan operasional logistik. Adapun operasional logistik terdiri dari tiga elemen aktivitas operasional yaitu meliputi; a)
Proses dan aktivitas operasional pengadaan produk atau suplai dari plant proses (Processing Plant) ke plant Logistik (DC-CWH) yaitu proses Supply In/Inbond Delivery. Adapun biaya yang terjadi dalam proses ini dikenal dengan biaya pengadaan (Freight In Cost).
b) Proses dan aktivitas operasional penanganan produk (meliputi proses storeging, carring, dan picking). Biaya pada proses ini meliputi biaya penanganan (Handling Cost), dan biaya simpan berupa biaya sewa gudang (Warehouse & Inventory Cost). c)
Proses dan aktivitas operasional pengiriman barang baik ke pelanggan (DCMarket Chanel) maupun kepada Cabang-cabang operasional (Branch
http://digilib.mercubuana.ac.id/
94
Operation WH). Biaya yang terjadi dalam proses ini disebut biaya pengiriman (Delivery Cost) yang masuk kedalam kategori Freight Out Cost. Berikut adalah data historikal aktual biaya logistik dan analisa rasio biaya logistik terhadap pencapaian penjualan, sebagai berikut : Tabel 5.7.Sum of Logistic Cost Ratios Supply In Cost
Distributions Handling & Out Cost WH-Cost
Periode Cost Rate (Rp/Kg)
Cost Rate (Rp/Kg)
Cost Rate (Rp/Kg)
Logistic Cost Rate (Rp/Kg)
Logistic Cost Ratio (% of Sales)
Jan-14
Rp
1,209
Rp
825
Rp
2,227
Rp
4,261
Feb-14
Rp
1,046
Rp
599
Rp
1,923
Rp
3,568
15% 9%
Mar-14
Rp
1,339
Rp
599
Rp
1,912
Rp
3,849
14%
Apr-14
Rp
1,123
Rp
255
Rp
1,613
Rp
2,990
11%
May-14
Rp
828
Rp
535
Rp
1,493
Rp
2,856
11%
Jun-14
Rp
900
Rp
649
Rp
1,198
Rp
2,747
11%
Jul-14
Rp
823
Rp
482
Rp
1,077
Rp
2,381
12%
Aug-14
Rp
818
Rp
616
Rp
1,157
Rp
2,591
11%
Sep-14
Rp
850
Rp
537
Rp
1,260
Rp
2,648
10%
Oct-14
Rp
1,219
Rp
874
Rp
1,027
Rp
3,120
13%
Nov-14
Rp
1,759
Rp
922
Rp
1,138
Rp
3,819
13%
Dec-14
Rp
809
Rp
276
Rp
827
Rp
1,912
7%
Jan-15
Rp
1,425
Rp
860
Rp
938
Rp
3,223
14%
Feb-15
Rp
1,014
Rp
644
Rp
983
Rp
2,641
11%
Mar-15
Rp
808
Rp
661
Rp
707
Rp
2,176
12%
Apr-15
Rp
1,258
Rp
606
Rp
999
Rp
2,863
10%
May-15
Rp
1,212
Rp
577
Rp
841
Rp
2,630
10%
Jun-15
Rp
1,093
Rp
641
Rp
645
Rp
2,379
10%
Jul-15
Rp
1,116
Rp
714
Rp
1,092
Rp
2,923
12%
Aug-15
Rp
1,251
Rp
523
Rp
802
Rp
2,576
11%
Sep-15
Rp
1,215
Rp
687
Rp
776
Rp
2,678
10%
Oct-15
Rp
1,425
Rp
1,165
Rp
952
Rp
3,542
13%
Nov-15
Rp
1,168
Rp
574
Rp
818
Rp
2,561
10%
Dec-15
Rp
1,032
Rp
512
Rp
689
Rp
2,233
9%
Jan-16
Rp
1,054
Rp
599
Rp
885
Rp
2,539
10%
Feb-16
Rp
1,313
Rp
514
Rp
879
Rp
2,707
10%
Mar-16
Rp
1,075
Rp
518
Rp
922
Rp
2,514
7%
Apr-16
Rp
1,047
Rp
430
Rp
887
Rp
2,364
9%
May-16
Rp
1,069
Rp
215
Rp
749
Rp
2,033
7%
Jun-16
Rp
813
Rp
329
Rp
575
Rp
1,717
7%
Max Min Average
Rp Rp Rp
1,125 1,209 1,091
Rp Rp Rp
1,165 215 598
Rp Rp Rp
2,227 575 1,066
Rp Rp Rp
4,261 1,717 2,768
15% 7% 11%
Sumber : Logistic Cost (2016)
Tabel 5.7 memberikan informasi bahwa rata-rata rasio biaya logistik terhadap total penujualan adalah 11%, nilai tersebut masihlah sangat tinggi dengan target
http://digilib.mercubuana.ac.id/
95
perusahaan yang bergerak di industry & distribusi makanan olahan yaitu 6%, besarnya rasio biaya logistik menunjukan bahwa adanya aktifias operasional logistik yang belum efisien dalam perusahaan yang perlu untuk dilakukan perbaikan. 5.1.3. Faktor-Faktor yang menyebabkan terjadinya gap antara SR Planing dengan realisai suplai. Tabel 5.8. % Realisation of Supply Vs % Realisations of Produce
Periode
Stock to Be Deliver (Supply Planing)
Stock to Be Opening Produce Stock in (Production Processing Planing)Plant Final
Ending Stock in Processing Plant
Actual Realisation of Supply
Kg
Kg
Kg
Kg
93,851
67,807
44,632
44,632
78,602
84%
78,602
116%
Feb-14
93,851
67,807
44,632
119,290
90,848
97%
165,507
244%
Mar-14
101,930
73,412
119,290
131,765
85,909
84%
98,383
134%
Apr-14
95,644
36,876
131,765
105,679
89,035
93%
62,950
171%
May-14
157,241
94,912
105,679
95,360
114,752
73%
104,432
110%
Jun-14
167,563
105,380
95,360
112,400
150,070
90%
167,110
159%
Jul-14
476,878
386,397
112,400
112,400
176,262
37%
176,262
46%
Aug-14
476,878
386,397
112,400
96,923
152,765
32%
137,288
36%
Sep-14
134,766
74,071
96,923
146,177
135,220
100%
184,474
249%
Oct-14
225,770
113,685
146,177
176,032
176,338
78%
206,193
181%
Nov-14
260,931
106,331
176,032
212,548
125,092
48%
161,608
152%
Dec-14
236,431
61,098
212,548
128,545
216,314
91%
132,311
217%
Jan-15
241,435
148,981
128,545
149,780
171,975
71%
193,210
130%
Feb-15
170,159
89,710
149,780
148,906
172,648
101%
171,775
191%
Mar-15
330,675
194,537
148,906
116,682
290,892
88%
258,668
133%
Apr-15
318,638
211,895
116,682
63,969
174,941
55%
122,227
58%
May-15
193,888
158,982
63,969
84,081
189,756
98%
209,868
132%
Jun-15
266,536
195,066
84,081
53,214
315,656
118%
284,789
146%
Jul-15
167,577
140,516
53,214
56,374
179,137
107%
182,297
130%
Aug-15
304,624
270,698
56,374
60,673
247,857
81%
252,155
93%
Sep-15
346,595
297,222
60,673
60,673
296,372
86%
296,372
100%
Oct-15
346,595
297,222
60,673
43,788
213,981
62%
197,096
66%
Nov-15
390,360
350,744
43,788
85,839
244,013
63%
286,064
82%
Dec-15
273,297
219,828
85,839
43,402
295,463
108%
253,026
115%
Jan-16
442,392
404,606
43,402
93,037
227,620
51%
277,255
69%
Feb-16
396,874
322,638
93,037
143,608
228,447
58%
279,018
86%
Mar-16
425,685
306,286
143,608
176,792
176,809
42%
209,993
69%
Apr-16
417,130
310,318
176,792
203,738
219,700
53%
246,645
79%
May-16
316,227
112,489
203,738
203,738
215,146
68%
215,146
191%
Jun-16
316,227
112,489
203,738
143,608
319,866
101%
259,736
231%
Average
272,888
190,613
110,489
113,788
192,383
77%
195,682
130%
M aksimum
476,878
404,606
212,548
212,548
319,866
118%
296,372
249%
93,851
36,876
43,402
43,402
78,602
32%
62,950
36%
118,503
114,273
51,124
49,907
68,905
23%
65,384
59%
n
Jan-14
M inimum St.Dev
Kg
Sumber : data SR Planning database yang diolah (2016)
http://digilib.mercubuana.ac.id/
%
Actual Realisation of Produce
Kg
%
96
Data pada Tabel 5.8 memberikan informasi bahwa rata-rata realisasi suplai (Realisations of Supply) berada pada prosentase pencapaian rata-rata 77 % dari nilai rencana suplai (Supply Planning) yang berarti bahwa pada periode tersebut rata-rata ketidakterpenuhainya sulai (unrealese of supply) sebesar 23% dari rencana suplai (Supply Planning), dengan prosentase maksimum realisasi yang pernah tercapai sebesar 118% dan prosentase minimum realisasi yang pernah dicapai adalah sebesar 32% dengan deviasi sebesar 23%. Realisasi yang melebihi point pencapaian 100% dimungkinkan dapat terjadi
apabila
terjadinya
kenaikan
volume
aktual
permintaan
(Actual
Demand/actual of National order Boooking) dari nilai ramalan awal (National order booking Estimate) yang dapat diimbangi dengan adanya penambahan kemampuan produksi atau pencapaian produksi pada waktu yang tepat.seperti pada beberapa beriode berikut ini; Tabel 5.9. Periode dengan Realisasi Suplai (> 100%)
Periode
n
Actual Realisation of Supply Kg
%
Actual Realisation of Produce Kg
National Order Booking_ Estimate
%
Kg
Actual National Order Booking
Kg
%
Sep-14
135,220
100%
184,474
249%
219,330
140,074
64%
Feb-15
172,648
101%
171,775
191%
243,019
182,258
75%
Jun-15
315,656
118%
284,789
146%
299,874
297,321
99%
Jul-15
179,137
107%
182,297
130%
213,919
242,560
113%
Dec-15
295,463
108%
253,026
115%
328,559
382,475
116%
Jun-16
319,866
101%
259,736
231%
356,650
498,491
140%
Average
236,332
106%
222,683
177%
276,892
290,530
101%
Sumber :data SR Planning database yang diolah (2016)
http://digilib.mercubuana.ac.id/
97
Data Tabel 5.9. dapat di interpretasikan bahwa untuk realisasi suplai yang melebihi nilai pencapaian 100% dapat dimungkinkan terjadi apabila adanya kenaikan pada aktual permintaan (Actual National Order Booking) yang melebihi estimasi awal dan kemudian diimbangi dengan kemampuan produksi untuk memproduksi melebihi daripada rencana produksi awal (Production Planning). Seperti pada data Tabel 5.11 menunjukan bahwa dengan rata rata pada periode penelitian pencapaian realisasi yang mencapai lebih dari nilai prosentase 100% dengan rata-rata pencapaian 106% disebabkan oleh adanya kenaikan pada aktual permintaan (actual order booking) sebesar 101% yang didukung dengan adanya kenaikan volume produksi dari rencana produksi awal dengan rata-rata 177%. Realisasi suplai (Supply Realisations) tidak tercapai secara penuh yaitu prosentase pencapaian berada pada nilai prosentase dibawah 100% dapat terjadi disebabkan oleh beberapa fakor. Hasil observasi data menunjukan faktor-faktor tersebut adalah sebagai berikut; a) Realisasi Suplai (Supply Realisations) tidak tercapai secara penuh dalam satu periode karena tidak tercapainya Realisasi Produksi dalam periode tersebut. Realisasi suplai merupakan kelanjutan daripada tahapan proses sebelumnya, yaitu proses di hulu logistik, atau pada proses produksi. Realisasi suplai yang besar tidak bisa secara langsung dijadikan sebagai ukuran realisasi produksi yang besar, karena pada prosesnya, stok awal pada plant produksi juga merupakan prioritas awal sebagai stok produk yang pertama harus disuplai sebelum hasil produksi baru disuplai, untuk mengetahui realisasi suplai maka besar nilai suplai dikurangi
http://digilib.mercubuana.ac.id/
98
dengan stok awal, maka hasil selisih (+) dari perhitugan tersebut adalah realisasi produksi. Tabel 5.10. % Factor of Unrelese Supply of Unrealese Produce
Periode
n
Stock to Be Stock to Be Produce Deliver (Production (Supply Planing)Planing) Final Kg
Kg
Actual Realisation of Supply Kg
%
Actual Realisation of Produce Kg
%Factor Balancement Balancement Unrealese of Supply of Produce Supply of Realisations Realisastion Unrealese Produce
%
Kg
Kg
%
Jul-14
476,878
386,397
176,262
37%
176,262
46%
(300,615)
(210,135)
70%
Aug-14
476,878
386,397
152,765
32%
137,288
36%
(324,112)
(249,109)
77%
Apr-15
318,638
211,895
174,941
55%
122,227
58%
(143,698)
(89,668)
62%
Aug-15
304,624
270,698
247,857
81%
252,155
93%
(56,767)
(18,543)
33%
Sep-15
346,595
297,222
296,372
86%
296,372
100%
(50,224)
(851)
2%
Oct-15
346,595
297,222
213,981
62%
197,096
66%
(132,614)
(100,126)
76%
Nov-15
390,360
350,744
244,013
63%
286,064
82%
(146,347)
(64,680)
44%
Jan-16
442,392
404,606
227,620
51%
277,255
69%
(214,772)
(127,351)
59%
Feb-16
396,874
322,638
228,447
58%
279,018
86%
(168,427)
(43,620)
26%
Mar-16
425,685
306,286
176,809
42%
209,993
69%
(248,876)
(96,292)
39%
417,130 4,342,649 394,786
310,318 3,544,424 322,220
219,700 2,358,766 214,433
53% 246,645 74% 2,480,377 56% 225,489
79% 97% 71%
(197,430) (1,983,883) (180,353)
(63,673) (1,064,047) (96,732)
32% 27% 47%
Apr-16 Total Average
Sumber : Lost Realisations analyze (2016)
Data pada periode berikut ini menunjukan bahwa ralisasi suplai tidak tercapai secara penuh dalam satu periode (realisasi < 100%) salah satunya dapat terjadi disebabkan oleh faktor tidak tercapainya realisasi pada proses hulu yaitu proses produksi. Data selama periode sample penelitian menunjukan bahwa total ketidakterpenuhinya suplai yang disebabkan oleh adanya ketidak tercapaian produksi adalah sebesar 1063 MT atau sebesar 55% dari jumlah ketidak tercapaian suplai selama periode tersebut. Adapun ketidaktercapaian produksi disebabkan faktor-faktor terkait proses produksi yang dipenelitian ini tidak dibahas dan dianalisis lebih jauh.
http://digilib.mercubuana.ac.id/
99
b) Realisasi Suplai (Supply Realisations) tidak tercapai secara penuh dalam satu periode karena adanya proses yang kurang maksimal dalam penggunaan kapasitas muat dari Truck pengiriman dari plant proses (Processing Plant) ke plant Logistic (LogisticDC-CWH). Tabel5.11. % Factor Unrealese Supply of Less Capacity Vehicle Utilizations
Periode
Maximum Stock to Capacity Utilization Average Unfullfill Actual Be Average Delivery Maximum of Vehicle Capacity Remark of Utilization Deliver Realisation of Capacity Count Per Truck Estimate Vehicle Utilizations of Vehicle Supply (Supply Used Load on Utilizations on Periode Planing) Periode
Jan-14 Feb-14 Mar-14 Apr-14 Jun-14 Oct-14 Nov-14 Jan-15 Feb-15 Apr-15 May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16
93,851 93,851 101,930 95,644 167,563 225,770 260,931 241,435 170,159 318,638 193,888 266,536 167,577 304,624 346,595 346,595 390,360 273,297 442,392 396,874 425,685 417,130 316,227
78,602 90,848 85,909 89,035 150,070 176,338 125,092 171,975 172,648 174,941 189,756 315,656 179,137 247,857 296,372 213,981 244,013 295,463 227,620 228,447 176,809 219,700 215,146
84% 97% 84% 93% 90% 78% 48% 71% 101% 55% 98% 118% 107% 81% 86% 62% 63% 108% 51% 58% 42% 53% 68%
Average
271,394 187,987 76%
19 19 23 20 27 43 44 49 35 44 46 69 40 62 72 61 57 61 48 60 38 46 46 42
Absolute of Absolute of Balancemen Balanceme t of Supply nt of Supply Realisations Realisations after
Factor Unrealese Supply of Unfulfill Utilizations of Vehicle on Periode
7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200 7200
136800 136800 165600 144000 194400 309600 316800 352800 308000 316800 331200 427000 399000 446400 518400 439200 410400 322000 345600 432000 273600 331200 331200
4,137 4,781 3,735 4,452 5,558 4,101 2,843 3,510 4,933 3,976 4,125 4,575 4,478 3,998 4,116 3,508 4,281 4,844 4,742 3,807 4,653 4,776 4,677
57% Less 66% Less 52% Less 62% Less 77% Less 57% Less 39% Less 49% Less 69% Less 55% Less 57% Less 64% Less 62% Less 56% Less 57% Less 49% Less 59% Less 67% Less 66% Less 53% Less 65% Less 66% Less 65% Less
58,198 45,952 79,691 54,965 44,330 133,262 191,708 180,825 135,352 141,859 141,444 111,344 219,863 198,543 222,028 225,219 166,387 26,537 117,980 203,553 96,791 111,500 116,054
15,250 3,003 16,021 6,609 17,493 49,433 135,838 69,459 143,698 4,132 56,767 50,224 132,614 146,347 214,772 168,427 248,876 197,430 101,081
15,250 3,003 16,021 6,609 17,493 49,433 135,838 69,459 54,030 4,132 38,224 50,224 32,488 81,667 87,421 124,807 152,584 133,757 101,081
15,250 3,003 16,021 6,609 17,493 49,433 135,838 69,459 54,030 4,132 38,224 50,224 32,488 81,667 87,421 124,807 96,791 111,500 101,081
7,200
303,648
4,658
65%
104,255
86,365
49,703
37,775
Sumber : Lost Realisations analyze (2016)
http://digilib.mercubuana.ac.id/
100
Proses Suplai pada prosesnya dilakukan dengan menggunakan truk pengiriman, adapun truk armada pengiriman yang dipakai merupakan Cold Diesel Truck-Tronton (CDT-T) dengan kapasitas maksimal adalah 8 Ton dengan space ruang udara yang di gunakan untuk sirkulasi udara produk sebesar 10% dari kapasitas ruang (10% of Kapasitas Maksimum), sehingga kapasitas optimal adalah 7,2 Ton. Data pada Tabel 5.11 menunjukan bahwa faktor kurang maksimalnya penggunaan kapasitas optimal dari truk armada pengiriman berpotensi terhadap terjadinya tidak ter-realisasinya volume
suplai dari rencana suplai (Supply
Planning), dimana, hasil uji analsis data menunjukan selama periode sample yang dipakai dalam penelitian (Periode Januari 2014 s/d Juni 2016) didapatkan informasi rata-rata penggunaan kapasitas armada berada pada rata-rata penggunaan sebesar 65% dengan total keseluruhan tidak terpenuhinya suplai karena faktor kurang maksimalnya penggunaan kapasitas truk armada selama periode tersebut sebesar 1095 MT atau 44% dari keseluruhan ketidakterpenuhan suplai atau rata-rata 37.7 MT per periode bulan atau (52% of unfullfill Supply). Dari hasil analisis data selama periode Januari 2014 s/d Juni 2016 menunjukan bahwa proses suplai dalam realisasinya ditentukan oleh dua faktor yaitu; a) Tingkat Realisasi produksi (Realisations of Produce Point) dan b) Tingkat maksimalisasi penggunaan kapasitas truk armada yang dipakai dalam proses suplai, dan faktor-faktor lainnya yang berpotensi terhadap realisasi suplai. Berikut adalah prosentase dari faktor-faktor tersebut terhadap realisasi suplai.
http://digilib.mercubuana.ac.id/
101
Gambar 5.4. Lost Realisations of Supply Analys Sumber : Lost Realisations analyze (2016)
Gambar 5.4. menunjukan bahwa selama periode yang digunakan sebagai sampel dalam penelitian ini realisasi suplai tidak tercapai secara penuh disebabkan oleh beberapa faktor yaitu faktor tidak terealisasinya rencana produksi (Unrelese of Productions Planning) yang memiliki bobot 42% dari keseluruhan jumlah suplai yang tidak terealisasi, 44% disebabkan oleh kurang maksimalnya dalam proses penggunaan kapasitas truk armada pengiriman pada proses suplai (Unmaxsimize of Vehicle Utilizations) dan 14 % disebabkan oleh faktor-faktor lain yang tidak diananlisis lebih dalam pada penelitian ini. 5.2.
Perancangan formulasi prediksi (persamaan matematis) pada model
SR Planning untuk menentukan tingkat realisasi suplai optimum (Optimum Realisations of Supply) sehingga dapat meningkatkan Logistic Support Performace menjadi lebih efektif dan efisien. Proses perhitungan Supply Requirement Planning seperti diterangkan sebelumnya, merupakan perancangan dengan memperhitungkan elemen-elemen
http://digilib.mercubuana.ac.id/
102
atau faktor-faktor yang digunakan dalam menentukan nilai jumlah yang direncanakan akan di suplai (Stock to be Deliver-Supply Planning Point), sehingga untuk menentukan perancangan model formulasi dan prediksi pada Model dan Realisasi Supply Requirement Planning maka faktor-faktor yang menjadi elemen-elemen dalam perhitungan model SR Planning harus dijadikan sebagai indikator model. Tujuan utamaa daripada perancangan formulasi dan prediksi pada model & realisasi SR Planning adalah guna mengetahui saling keterkaitan antara setiap elemen-elemen perancangan sehingga didapatkan formulasi strategi untuk menentukan nilai realisasi suplai yang optimum (Optimum Realisations of Supply) sehingga dapat menigkatkan Logistic Support Performance yaitu Service Level berada pada pencapaian yang efektif dan Logistic Cost yang berada pada level efisien. 5.2.1. Uji Asumsi Klasik Tahapan selanjutnya elemen-elemen atau faktor-faktor tersebut di jadikan sebagai indikator dalam variabel–variabel penelitian, yaitu: National Sales Forecast (ܺଵ ) sebagai dasar daripada data Demand Planning maka dijadikan sebagai variabel Moderator, adapun National order booking Accuracy (ܺଶ), Buffer Stock Estimate Portions (ܺଷ), Processing Plant Inventory Level/average (ܺସ), DC
Inventory Level/average (ܺହ), realisasi suplai (Realisation of Supply (ܺ) adalah variabel bebas (Indevendent Variable) pada penelitian ini. Formulasi prediksi
pada model & realisasi SR Planning bertujuan untuk menemukan formulasi prediksi yang mendukung tercapainya Logistic Support Performance yang efektif
http://digilib.mercubuana.ac.id/
103
(Service Level) dan efisien (Logistic Cost), maka dua indikator daripada Logistic Support Performance ini dijadikan sebagai Variabel terikat (Dependent Variable) pada penelitian ini, yaitu Logistic Service Level (ܻଵ) dan Logistic Cost (ܻଶ).
Proses perancangan formulasi prediksi pada model & realisasi SR
Planning dilakukan dengan menggunakan pendekatan regresi secara simultan, dengan menentukan persamaan prediksi berdasarkan hubungan keterkaitan antar variabel. Adapun sebelum dilakukan proses regresi linier yang merupakan tahapan pada analisis dengan pendekatan metode statistik parametrik, maka data harus melalui proses uji analisis asumsi klasik yang meliputi : a) Uji Normalitas, b) Uji Heterokedastisitas, c) Uji Autokorelasi, d) Uji Multikolinieritas. a) Uji Normalitas Uji Normalitas digunakan untuk mengetahui apakah data diambil dari populasi yang berdistribusi normal atau tidak. Pentingnya mengetahui data berdistribusi normal atau tidak, karena data yang berdistribusi normal merupakan salah satu syarat untuk dilakukannya parametric-test (tes statistik parametrik), sementara untuk data yang tidak berdistribusi normal maka digunakan non-parametric test. Untuk mendeteksi normalitas data, maka pada penelitian ini digunakan pendekatan kurva Normal P-P Plot, dimana data pada variabel yang digunakan (variabel bebas/independent variable) dinyatakan normal atau mendekati normal jika gambar disribusi dengan titik-titik data menyebar disekitar garis diagonal dan penyebaran titik-titik data searah mengikuti garis diagonal (medekati kemiringan 45º).
http://digilib.mercubuana.ac.id/
104
Gambar 5.5.Output Kurva Normal P-P Plot Dependent Variable Logistic Service Level & Logistic Cost Hasil Output uji Normalitas dengan menggunakan pendekatan kurva normal P-P Plot untuk data pencapaian Logistic Service Level secara residual, dapat dilihat bahwa sebaran titik-titik data pada kurva normal P-P Plot menyebar disekitar garis diagonal (kemiringan 45º). Hasil tersebut menunjukan data dari 2 variabel tersebut diambil dari data berdistribusi normal, sehingga data tersebut layak untuk di uji dengan analisis regresi sehingga variabel independent dapat digunakan untuk memprediksi variabel dependent. b) Uji Heterokedastisitas Heterokedastisitas terjadi dalam regresi apabila varian error tidak konstan untuk beberapa nilai x. Pendekatan konstan tidaknya varian error dapat dilakukan dengan menggambar grafik antara Y dengan residu, apabila garis yang membatasi sebaran titik-titik relatif pararel maka varian error dikatakkan konstan.
http://digilib.mercubuana.ac.id/
105
Gambar 5.6.Scatterplot Hasil output uji heterokedastisitas diatas menunjukan grafik Scatterplot tampak bahwa titik-titik menyebar dan tidak membentuk pola tertentu. Dengan demikian, dapat disimpulkan bahwa tidak terjadi heterokedastisitas.Artinya data tersebut layak untuk diuji dengan analisis regresi sehingga semua variabel independent dapat digunakan untuk memprediksi variabel dependen. c) Uji Autokorelasi Autokorelasi adalah korelasi yang terjadi diantara anggota observasi yang terletak berderetan. Autokorelasi terjadi dalam regresi apabila dua error et-1 dan et tidak independen. Untuk mendeteksi adanya autokorelasi dapat dilakukan dengan uji Durbin-Watson
dengan
ketentuan
autokorelasi
tidak
terjadi
bila
nilai
durbinwatson mendekati 2, dan autokorelasi positife terjadi apabila mendekati 0, sedangkan autokorelasi negatife terjadi apabila nilai durbin watson mendekati 4.
http://digilib.mercubuana.ac.id/
106
Tabel 5.12.uji Durbin Watson Independent Variable terhadap Dependent Variable Logistic Service Level&Logistic Cost Ratio
Dependent Variable
Durbin-Watson
Logistic_CostRatio Logistic_ServiceLevel
2,648 1,314
a. Predictor : (Constant), Realisations_ofSupply,Inv.Avg_ofDCPlant, Inv.Avg_ofPPlant,BufferStock_Estimate,NationalSalesForecast_Accuracy, NationalOrderBooking_Accuracy
Sumber :Uji SPSS
Hasil output didapatka nilai statistik uji Durbin Watson sebesar : 1,314& 2,648 Nilai tersebut berada pada kisaran point mendekati 2, maka sesuai ketetuan dapat disimpulkan bahwa tidaak terdapat autokorelasi antara variabel bebas dengan variabel terikat. Hasil tersebut menunjukan bahwa data layak untuk dilakukan uji regresi. d) Uji Multikolinieritas Multikolinieritas timbul sebagai akibat adanya hubungan kausal antara dua variabel bebas atau lebih.Uji Multikolinieritas dapat dideteksi dengan menghitung koefisien ganda dan embandingkannya dengan koefisien korelasi antar variabel bebas.Uji Multikolinieritas melalui SPSS dapat dilihat dari Output Collinierity Diagnostics pada uji Regresi, dengan nilai VIF (Variance Inflation Factor) dan koefisien korelasi variabel bebas. Adapun kriteria yang digunakan adalah sebagai berikut : a)
Jika nilai VIF disekitar angka 1 atau memiliki toleransi mendekati 1, maka dapat dikatakan tidak terdapat masalah multikolinieritas.
http://digilib.mercubuana.ac.id/
107
b) Jika koefisien korelasi antar variabel bebas kurang dari 0.5, maka tidak terdapat masalah multikolinieritas. c)
Jika nilai VIF lebih kecil dari 10 maka variabel bebas dari asumsi klasik multikoliieritas. Tabel 5.13. Collinearity Statistics-VIF Value
Independent Variable of Model
VIF
(Constant) NationalSalesForecast_Accuracy
6,447
NationalOrderBooking_Accuracy
7,695
BufferStock_Estimate
3,298
Inv.Avg_ofPPlant Inv.Avg_ofDCPlant Realisations_ofSupply
1,246 3,362 3,184
a. Dependent Variable : Logistic_CostRatio & Logistic_ServiceLevel
Sumber : Uji SPSS
Hasil analisis pada Tabel 5.13 menunjukan untuk semua variabel nilai VIF berada pada nilai lebih kecil dari 10, maka variabel bebas terbebas dari asumsi klasik multikolinieritas. Setelah dilakukannya Uji Analisis Klasik, dapat disimpulkan bahwa data dari variabel-variabel penelitian tersebut telah memenuhi asumsi normalitas data dan terbebas dari asumsi asumsi klasik lainnya, maka atas dasar hal tersebut maka analisis data yang dapat dilakukan untuk tujuan perancangan persamaan matematis guna formulasi & prediksi pada model & realisasi SR Planningadalah tes analisis statistik parametrik yang pada penelitian ini digunakan meliputi : Uji Koefisien determinan Simultan, dan Uji regresi linier berganda.
http://digilib.mercubuana.ac.id/
108
5.2.2. Uji Koefisien determinan Simultan Tujuan daripada perhitungan koefisien determinan simultan adalah untuk mengetahui besar pengaruh variabel bebas terhadap variabel terikat. Adapun pada perhitungan inidilakukan untuk tujuan perancangan persamaan matematis guna formulasi & prediksi pada model & realisasi SR Planningsebagai sebuah model yang setiap elemen atau faktornya merupakan kesatuan model, maka koefisien determinan yang dihitung adalah koefisien determinan secara simultan. Tabel 5.14.Uji Regresi SimultanIndependent Variable terhadap Dependent Variable Logistic Service Level& Logistic Cost Ratio
Dependent Variable
R
R Square
Logistic_CostRatio
,692
,639
Logistic_ServiceLevel
,799
,478
a. Predictor : (Constant), Realisations_ofSupply,Inv.Avg_ofDCPlant, Inv.Avg_ofPPlant,BufferStock_Estimate,NationalSalesForecast_Accuracy, NationalOrderBooking_Accuracy
dari Output Model Summary Uji Regresi linier secara simultan antara variabelvariabel bebas (Independent Variables) terhadap variabel terikat (Dependent Variable)Logistic Service Leveldidapat nilai Rsquare = 0,545 yang artinya besar koefisien determinan secara simultan antara variabel-variabel bebas (Independent Variables) terhadap variabel terikat (Dependent Variable)Logistic Service Leveladalah kuadrat persen dari nilai tersebut, atau Koefisen determinan = R݁ݎܽݑݍݏଶX 100% = 0,639ଶX 100% = 40,8 %, dari hasil tersebut dapat
disimpulkan bahwa variabel-variabel bebas (Independent Variables) yaitu faktor-
http://digilib.mercubuana.ac.id/
109
faktor pada perancangan SR Planning berpengaruh sebesar 40,8% terhadap pencapaian Logistic Service Level.UntukOutput Model Summary Uji Regresi linier secara simultan antara variabel-variabel bebas (Independent Variables) terhadap variabel terikat (Dependent Variable)Logistic Cost Ratio didapat Rsquare = 0,478 yang artinya besar koefisien determinan secara simultan antara variabel-variabel bebas (Independent Variables) terhadap variabel terikat (Dependent Variable)Logistic Cost Ratio adalah kuadrat persen dari nilai tersebut, atau Koefisen determinan =R݁ݎܽݑݍݏଶX 100%= 0,478ଶX 100% = 22,84 % , dari hasil tersebut dapat disimpulkan bahwa variabel-variabel bebas (Independent Variables)yaitu faktor-faktor pada perancangan SR Planning berpengaruh sebesar 22,84 % terhadap pencapaianLogistic CostRatio. 5.2.3. Uji Regresi Linier Simultan. Uji regresi linier simultan atau berganda pada penelitian ini bertujuan untuk mendapatkan persamaan formulasi & prediksi pada model & realisasi SR Planningterhadap Logistic Service Level&Logistic Cost Ratio sebagai 2 point ukuran Logistic Support Performance. Berikut ini adalah Output Coefficients Uji Regresi Linier Simultan antara variabel-variabel
bebas
(Independent
Variables)
perancangan
SR
Planningmeliputi National Sales ForecastAccuracy (X1), National order booking Accuracy (X2), Buffer Stock Estimate (X3), Inventory Average of Processing Plant (X4), Inventory Average of DC Plant (X5), dan Realisations of Supply (X6) terhadap variabel terikat (Dependent Variable) Logistic Service Level (Y1) dan Logistic Cost Ratio (Y2)
http://digilib.mercubuana.ac.id/
110
Tabel 5.15.OutputCoefficients UjiLinier Regression Simultan antara VariabelVariabel bebas terhadap Variabel terikat
Independent Variable of Model (Constant) NationalSalesForecast_ Accuracy NationalOrderBooking_ Accuracy BufferStock_Estimate Inv.Avg_ofPPlant Inv.Avg_ofDCPlant Realisations_ofSupply a. Dependent Variable : Logistic_ServiceLevel & Logistic_CostRatio
Logistic_ServiceLevel B
Sig. 1,084 -,226
Logistic_CostRatio B
Sig.
,000
,164
,000
,232
-,102
,144
,565 ,596 ,024 ,079 ,263
,010 ,018 -,002 -,007 ,018
,775 ,395 ,470 ,045 ,463
,056 -,030 -,022 -,016 -,077
Sumber : Uji SPSS Output Coefficient uji regresi simultan pada Tabel 5.15 dapat diketahi nilai a (Costant) = 1,084 dengan koefisien regresi National Sales ForecastAccuracy = 0,226 , National order booking Accuracy = 0,056, Buffer Stock Estimate = -0,03, Inventory Average of Processing Plant = -0,022, Inventory Average of DC Plant = -0,016 dan Realisations of Supply = 0,077 sehingga model persamaan formulasi dan prediksi pada Model & Realisasi SR Planningterhadap Logistic Service LevelInterpretasi dari nilai pada tabel 5.15 diatas adalah, jika National Sales ForecastAccuracy naik 1% maka Logistic Service Levelakan turun sebesar 0.226 Kali, jika National order booking Accuracy naik 1% maka Logistic Service Levelakan naik sebesar 0.056 Kali, jika Buffer Stock Estimate naik sebesar 1% maka Logistic Service Levelakan turun sebesar 0,03 Kali, jika Inventory Average of Processing Plantnaik 1% maka Logistic Service Levelakan turun sebesar 0.022 Kali, jika Inventory Average of DC Plantnaik 1% makaLogistic Service Levelakan
http://digilib.mercubuana.ac.id/
111
turun sebesar 0.016 Kali, dan Jika Realisations of Supplynaik 1% maka Logistic Service Levelakan naik sebesar 0.077 Kali, dengan faktor yang berpengaruh secara signifikan adalah Inventory average of Processing Plant (sig = 0,024 < 0,05), dimana faktor-faktor lain yang mempengaruhi dalam keadaan tetap (Ceteris Paribus). Dengan persamaan sebagai berikut: = 1,084 – 0,226 ࢄ + 0,056 ࢄ – 0,03ࢄ – 0,022 ࢄ –0,016 ࢄ + 0,077 ࢄ ࢅ
(5.1)
Adapun Output Coefficients Uji Regresi Linier Simultan antara variabel-variabel bebas (Independent Variables) perancangan SR Planningmeliputi National Sales ForecastAccuracy (X1), National order booking Accuracy (X2), Buffer Stock Estimate (X3), Inventory Average of Processing Plant (X4), Inventory Average of DC Plant (X5), dan Realisations of Supply (X6) terhadap variabel terikat (Dependent Variable) Logistic Cost Ratios (Y2) pada tabel 5.15dapat diketahi nilai
a
(Costant)
=
0.164
dengan
koefisien
regresi
National
Sales
ForecastAccuracy = -0.102 , National order booking Accuracy = 0,010, Buffer Stock Estimate =0.018, Inventory Average of Processing Plant = -0,002, Inventory Average of DC Plant = -0,007 dan Realisations of Supply = 0,018 sehingga model persamaan formulasi dan prediksi pada Model & Realisasi SR Planningterhadap Logistic Cost Ratios adalah sebagai berikut:, jika National Sales ForecastAccuracy naik 1% maka Logistic Cost Ratios akan turun sebesar 0.164 Kali, jika National order booking Accuracy naik 1% maka Logistic Cost Ratios akan naik sebesar 0.016 Kali, jika Buffer Stock Estimate naik sebesar 1% maka Logistic Cost Ratios akan naik sebesar 0,018 Kali, jika Inventory Average of
http://digilib.mercubuana.ac.id/
112
Processing Plantnaik 1% maka Logistic Cost Ratios akan turun sebesar 0.002 Kali, jika Inventory Average of DC Plantnaik 1% maka Logistic Cost Ratios akan turun sebesar 0.007 Kali, dan Jika Realisations of Supplynaik 1% maka Logistic Cost Ratios akan naik sebesar 0.018 Kali, dengan faktor yang berpengaruh secara signifikan adalah Inventory Average of Dc Plant (Sig = 0,045 < 0,05), dimana faktor-faktor lain yang mempengaruhi dalam keadaan tetap (Ceteris Paribus). = 0,164 – 0,102ࢄ + 0,010ࢄ + 0,018ࢄ – 0,002ࢄ –0,007ࢄ + 0,018ࢄ ࢅ
(5.2)
5.2.4. Perancangan Formulasi Prediksi untuk mendapatkan nilai realisasi optimum Dua Persamaan Y1 & Y2 merupakan 2 persamaan dengan 2 tujuan prediksi yang berbeda, yaitu persamaan Y1 adalah persamaan yang digunakan untuk memprediksi Logistic Support Performancedari sisi Performace terkait efektifitas operasional logistik yaitu Logistic Service Leveldan Y2 adalah persamaan yang digunakan untuk memprediksi Logistic Support Performancedari sisi Performace terkait efisiensu operasional logistik yaitu Logistic CostRatios. Secara Operasional Logistic Service Levelyang menjadi target perusahaan adalah berada pada level lebih besar atau sama dengan 95%, sedangkan Logistic Cost Ratios yang ditargetkan oleh perusahaan untuk operasional logistik adalah lebih kecil atau sama dengan 6%. Guna mencapai 2 pencapaian tersebut salah satunya dapat dilakukan dengan melakukan perbaikan (Improvement) pada sisi perencanaan suplai (SR Planning), yaitu dengan mendapatkan besarnya point rencana supali yang memberikan kesetimbangan antara Logistic Service
http://digilib.mercubuana.ac.id/
113
Levelyang mencapai 95% dengan Logistic Cost Ratios yang berada pada efisiensi dibawah atau sama dengan 6%. Untuk itu persamaanya adalah sebagai berikut: a) Kriteria Logistic Support Performance yaitu Logistic Service Levelberada pada level efektif. Logistic Service Level ≥ 95 % ≥ 0,95 ࢅ
(5.3)
1,084 – 0,226 ܺଵ + 0,056 ܺଶ– 0,03ܺଷ– 0,022 ܺସ–0,016 ܺହ+ 0,077 ܺ≥ 0,95 b)
(5.4)
Kriteria Logistic Support Performance yaitu Logistic Cost Ratiosberada pada level efisien.
Logistic Cost Ratios ≤ 6% ≤ 0,06 ࢅ
(5.5)
0,164 – 0,102ܺଵ + 0,010ܺଶ + 0,018ܺଷ– 0,002ܺସ–0,007ܺହ+ 0,018ܺ≤ 0,06
(5.6)
Logistic Service Levelakan dinilai berada pada taraf efektif & efisien jika kedua indikatornya yaitu Logistic Service Level&Logistic Cost Ratios dapat tercapai sesuai target.Supply Requirement Planningsebagai sebuah model yang berfungsi sebagai fungsi perencanaan harus mampu memprediksi berapa jumlah rencana suplai yang optimal sehingga dua aspek Logistic Support Performancedapat dicapai, sehingga operasional logistik dapat berjalan secara efektif dan efisien. Dari hal tersebut maka persamaan yang berlaku harus mewakili kriteria sebagai berikut: Kriteria Logistic Support Performance Efektif & Efisien Efektif Operations = Efisien Operations Logistic Service Level (≥ 95 %) = Logistic Cost Ratios (≤ 6%)
http://digilib.mercubuana.ac.id/
114
≥ 0,95 = ࢅ ≤ 0,06 ࢅ
(5.7)
Syarat Optimum adalah = ࢅ = 0 ࢅ
(5.8)
ଵ Untuk ܻ
1,084 – 0,226 ܺଵ + 0,056 ܺଶ– 0,03ܺଷ– 0,022 ܺସ–0,016 ܺହ+ 0,077 ܺ≥ 0,95
1,084 – 0,226 ܺଵ + 0,056 ܺଶ – 0,03ܺଷ – 0,022 ܺସ –0,016 ܺହ + 0,077 ܺ – 0,95≥
00,134 – 0,226 ࢄ + 0,056 ࢄ – 0,03ࢄ – 0,022 ࢄ –0,016 ࢄ + 0,077 ࢄ ≥ 0 (5.9)
Untuk ܻଶ
0,164 – 0,102ܺଵ + 0,010ܺଶ + 0,018ܺଷ– 0,002ܺସ–0,007ܺହ+ 0,018ܺ≤ 0,06
0,164 – 0,102ܺଵ + 0,010ܺଶ + 0,018ܺଷ– 0,002ܺସ–0,007ܺହ+ 0,018ܺ – 0,06≤ 0
0,104 – 0,102ࢄ + 0,010ࢄ + 0,018ࢄ – 0,002ࢄ –0,007ࢄ + 0,018ࢄ ≤ 0 (5.10) Maka persamaanya didapatkan sebagai berikut:
0,030 – 0,124ࢄ + 0,046ࢄ - 0,048ࢄ – 0,020ࢄ –0,009ࢄ + 0,095ࢄ ≥ 0
(5.11)
Karena X1 (National Sales ForecastAccuracy) dan X2 (National order booking Accuracy) kedua adalah fungsi daripada perencanaan, yaitu National Sales ForecastAccuracy terkait perencanaan penjualan &National order booking terkait perencanaan estimasi permintaan yang keduanya mewakili rencana permintaan (Demand Planning) maka nilainya dianggap 100% (kondisi optimis) saat proses rencana suplai (Supply Planning) dibuat. Dari hal tersebut maka guna menemukan nilai rencana suplai optimal (Optimum Supply Planning) maka didapatkan persamaan sebagai berikut: X1 = 100% dan X2 = 100% atau =1
http://digilib.mercubuana.ac.id/
115
0,030 – 0,124 (1) + 0,046(1) - 0,048ܺଷ– 0,020ܺସ–0,009ܺହ+ 0,095ܺ≥ 0 -0,048 - 0,048ࢄ – 0,020ࢄ –0,009ࢄ + 0,095ࢄ ≥ 0
(5.12)
Karena persamaan ini dimaksudkan untuk menemukan nilai rencana suplai yangoptimal sehingga tercapai Logistic Support Performanceyang efektif (Logistic Service Level ≥ 95%) dan efisien (Logistic Cost Ratios ≤ 6%) maka selanjutnya persamaan ini dibuat untuk memprediksi nilai rencana suplai tersebut atau sama dengan memprediksi nilai dari X6 (Realisations of Supply). ࢄ = 0,505 + 0,505ࢄ + 0,211ࢄ + 0,095ࢄ (5.13)
Interpretasi dari persamaan (v) sebagai perhitungan realisasi suplai optimum adalah jika Buffer Stock Estimate naik 1% maka Optimum Realisations of Supply point akan naik sebesar 0,50 Kali, dan apabila Inventory Average of Processing Plant naik 1% maka Optimum Realisations of Supply point akan naik sebesar 0,21 Kali, serta apabila Inventory Average of DC Plant naik 1% maka Optimum Realisations of Supply point akan naik sebesar 0,095 Kali, dimana faktor-faktor lain yang mempengaruhi dalam keadaan tetap (Ceteris paribus). 5.3.
Perancangan Strategi Improvement pada Model SR Planning untuk
meningkatkan Logistic Support Performace. Gambar 5.7. adalah gambaran tahapan menjelaskan bahwa fungsi daripada adanya formulasi & prediksi dalam model SR Planning adalah untuk mendapatkan atau menentukan prediksi terhadap nilai atau jumlah realisasi suplai yang optimum dengan kondisi elemen-elemen atau faktor-faktor Supply Requirement Planning yang ada, sehingga realisasi suplai tersebut dapat secara optimal
mendukung
tercapainya
atau
meningkatnya
http://digilib.mercubuana.ac.id/
Logistic
Support
116
Performance secara efektif (Service level ≥ 95%) dan efisien (Logistic Cost Ratio≤ 6%).
National Sales Forecat Metode
To Estimate
-Up-Down -Bottom-Up
Sales ForecatBranch A
Sales Forecat Branch B
To Estimate
DC Buffer Stock Estimate
National Order Booking
Opening Stock DC
Buffer StockBranch A
Buffer StockBranch B
Opening Stock Branch A
Order Booking Branch A
Opening Stock Branch B
Order Booking Branch B
Supply Planing : NOB + BSE – OS’DC
Supply Planing
Optimum Realisasi Suplai
Menghitung Seasonal Weekly Demand Indexs dengan Review Weekly Demand
Weekly Supply Planing
Menghitung Maxzimize Vehicle Utilizations Capacity
Weekly Delivery Count Planing
Gambar 5.7. Bagan Improvement Model Formulasi & Prediksi SR Planning 5.3.1. Menggunakan pendekatan Persamaan formulasi & prediksi pada model SR Planninguntuk mendapatkan nilai rencana suplai
optimum
(Optimum of Supply Planning). Persamaan (5.13) merupakan persamaan untuk mendapatkan nilai rencana suplai yang optimum untuk mecapai Logistic Service Levelyang efektif dengan biaya (Logistic Cost) yang efisien.
http://digilib.mercubuana.ac.id/
117
Persamaan tersebut selanjutnya dipakai dalam proses perancangan SR Planningdimana nilai nilai pada 3 faktor atau indikator perancangan SR Planningmeliputi Buffer Stock Estimate (X3), Inventory Average of Processing Plant(X4) dan Inventory average of DC Plant(X5) diperhitungkan dalam persamaan tersebut sehingga didapatkan nilai Realisations of Supplysebagai nilai SR Planningyang diestimasikan akan optimal terhadap kinerja operasional logistik yang efektif & efisien. Adapun dengan data pada periode penelitian maka hasil analisisnya dengan menggunakan persamaan (v) adalah sebagai berikut ; Tabel 5.16. Hasil analisis Optimum Realisations of Supply
Periode
n
Constant
Koefisien Regresi Buffer Stock Estimate
Buffer Stock Estimate
Koef.Regre Optimum Optimum Stock to be si of Inventorya Koef.Regre Inventorya of Realisations of Deliver (Supply Inventorya verageof_ siInventory verageof_ Realisation Supply Base Planing) Base verageof_ Processin averageof DCPlant sof_Supply on Formulasi on SR Planing Processin gPlant _DCPlant (in %) Prediksi gPlant
a
b3
X3
b4
X4
b5
0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505
0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505 0.505
0.287 0.287 0.318 0.287 0.317 0.304 0.349 0.349 0.368 0.281 0.318 0.332 0.291 0.457 0.204 0.265 0.192 0.201 1.053 0.374 0.235 0.235 0.625 0.514 0.696 1.041 0.916 1.179 0.741 0.741
0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211 0.211
1.000 1.836 2.813 2.660 2.252 2.327 2.518 2.345 2.723 3.610 4.353 3.821 3.118 3.346 2.975 2.024 1.659 1.538 1.228 1.311 1.359 1.170 1.452 1.448 1.529 2.651 3.589 4.263 4.565 3.891
0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095 0.095
X5
In Kg
In Kg
67,807 67,807 73,412 36,876 94,912 105,380 386,397 386,397 74,071 113,685 106,331 61,098 148,981 89,710 194,537 211,895 158,982 195,066 140,516 270,698 297,222 297,222 350,744 219,828 404,606 322,638 306,286 310,318 112,489 112,489
64,824 77,910 102,140 49,666 121,227 135,262 518,333 538,044 115,536 189,671 196,618 109,347 244,759 158,609 309,278 299,585 190,065 253,354 243,432 347,677 360,712 364,297 545,058 338,781 687,580 696,694 717,831 828,481 285,536 262,670
Average
161%
190,613
311,766
Maximum
267%
404,606
828,481
36,876
49,666
Minimum
1.000 1.174 1.391 1.429 1.442 1.409 1.358 2.280 3.096 2.737 2.789 3.270 3.504 3.433 3.728 3.661 2.564 3.870 4.598 3.303 3.191 3.738 4.495 4.960 5.476 5.991 6.513 7.053 7.326 6.683
X6 96% 115% 139% 135% 128% 128% 134% 139% 156% 167% 185% 179% 164% 177% 159% 141% 120% 130% 173% 128% 121% 123% 155% 154% 170% 216% 234% 267% 254% 234%
Jan-14 Feb-14 Mar-14 Apr-14 May-14 Jun-14 Jul-14 Aug-14 Sep-14 Oct-14 Nov-14 Dec-14 Jan-15 Feb-15 Mar-15 Apr-15 May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16 Jun-16
96%
Sumber : Optimum Realisations Supply Analyze
http://digilib.mercubuana.ac.id/
118
Dari hasil analisis menggunakan pendekatan formulasi & prediksi SR Planninguntuk menentukan nilai volume rencana suplai yang optimal sehingga tercapai Logistic Support Performanceyang efektif dan efisien, dengan estimasi optimis bahwa penjualan akan tercapai sesuai target sehingga ekspektasi adalah National Sales ForecastAccuracy &National order booking Accuracy 100% maka didapatkan rata-rata rencana suplai optimum berada pada point rata-rata 311.766 Kg atau rata-rata realisasi yang optimum adalah berada pada realisasi 161% atau naik 61% dari rencana suplai awal.
Supply Planing Base on SR Planing Vs Optimum Predictions 800,000
400,000
-
Stock to be Deliver (Supply Planing) Base on SR Planing Optimum Realisations of Supply Base on Formulasi Prediksi
Gambar 5.8. Supply Planning Base on SR PlanningVs Optimum Predictions Sumber : analisis optimum realisasi suplai.
Gambar 5.8. menunjukan adanya gap antara rencana suplai dengan acuan SR Planningdengan rencana suplai dengan pendekatan Optimum Predictions, dari gambar tersebut dapat ditunjukan pada beberpa periode ditemukan kesesuaian antara dua point suplai dari dua pendekatan tersebut yang artinya bahwa rencana suplai pada SR Planningsudah sesuai dengan prediksi rencana suplai yang
http://digilib.mercubuana.ac.id/
119
optimum, sementara pada beberapa periode ditemukan nilai SR Planninglebih rendah ataupun lebih tinggi dari nilai rencana suplai Optimum predictions, yang artinya bahwa secara predictable nilai volume tersebut SR Planningdinilai belum optimal untuk mencapai operasional logistik yang efektif dan efisien dalam menjalankan fungsi supportnya dengan rata-rata gap sebesar 121.153 Kg (121 MT) . 5.3.2. Maksimalisasi penggunaan kapasitas Armada Suplai (Maksimize Vehicle Utilizations for Truck Supply Capacity). Truck pengiriman dalam proses suplai produk dari plant produksi (Processing Plant) ke plant logistik (Logistic DC) merupakan salah satu faktor pendukung tercapainya proses terpenuhinya rencana suplai (Supply Planning), akan tetapi, jika penggunaan truck pengiriman dalam proses suplai tidak dikontrol sesuai kebutuhan maka akan berakibat kepada tidak efektifnya penggunaan kapasitas truk sehingga dapat juga menimbulkan inefisiensi dalam biaya yang ditimbulkan dari penggunaan truk untuk proses suplai tersebut.
Gambar 5.9.Truck pengiriman merupakan salah satu faktor pendukung tercapainya proses terpenuhinya rencana suplai (Supply Planning) Sumber : Dokumentasi logistik CP Prima
http://digilib.mercubuana.ac.id/
120
Maksimalisisasi terhadap penggunaan kapasitas armada suplai (Maksimize Vehicle Utilizations for Truck Supply Capacity) perlu dilakukan untuk menemukan kesesuaian antara efektifitas proses suplai dengan efisiensi dari biaya penggunaan truk dalam proses suplai. Tabel 5.17. Perhitungan Delivery Count Planning with Maksimize Vehicle Utilizations Capacity Base on Actual Realisations Supply
Periode
Supply Volume
I
Kg
Capa city Max imu m Truck Load Kg
Delivery Count Planing
Rea lisati ons Planing (%)
Unit
Jan-14
93,851
7000
13
100%
Feb-14
93,851
7000
13
100%
Mar-14
101,930
7000
15
100%
Apr-14
95,644
7000
14
100%
May-14
157,241
7000
22
100%
Jun-14
167,563
7000
24
100%
Jul-14
476,878
7000
68
100%
Aug-14
476,878
7000
68
100%
Se p-14
134,766
7000
19
100%
Oct-14
225,770
7000
32
100%
Nov-14
260,931
7000
37
100%
De c-14
236,431
7000
34
100%
Jan-15
241,435
7000
34
100%
Feb-15
170,159
7000
24
100%
Mar-15
330,675
7000
47
100%
Apr-15
318,638
7000
46
100%
May-15
193,888
7000
28
100%
Jun-15
266,536
7000
38
100%
Jul-15
167,577
7000
24
100%
Aug-15
304,624
7000
44
100%
Se p-15
346,595
7000
50
100%
Oct-15
346,595
7000
50
100%
Nov-15
390,360
7000
56
100%
De c-15
273,297
7000
39
100%
Jan-16
442,392
7000
63
100%
Feb-16
396,874
7000
57
100%
Mar-16
425,685
7000
61
100%
Apr-16
417,130
7000
60
100%
May-16
316,227
7000
45
100%
Jun-16
316,227
7000
45
100%
8,186,648
7,000
272,888
7,000
Total Average
Sumber : analisis delivery count
http://digilib.mercubuana.ac.id/
1,170 39
100% 100%
121
Perhitungan ini dilakukan dengan membagi nilai rencana suplai (Supply PlanningVolume ) dengan kapasitas maksimum truk (Maxsimum Truck Capacity), hasil perhitungan ini kemudian dijadikan sebagai estimasi berapa kali proses suplai dilakukan dalam satu periode (bulan) sehingga terpenuhinya jumlah rencana suplai.Melalui perhitungan maksimalisasi penggunaan kapasitas truk pengiriman untuk proses suplai produk dari plant produksi (Processing Plant) ke plant logistik (LogisticDC-CWH) dengan estimasi realisasi suplai 100% didapatkan rata-rata jumlah unit pemakaian truk adalah sejumlah 27 Unit per periode atau sama dengan 27 kali pengiriman (Delivery Count) atau lebih hemat 15 Unit atau 75 Juta dari aktual suplai yang terjadi selama periode Januari 2014 s/d Juni 2016. Adapun jika menggunakan data pendekatan formulasi & prediksi model & realiasi SR Planningdengan ekspektasi optimis realisasi penjualan sesuai target (National Sales Forecast& Order Booking 100%) maka data penggunaan kapasitas pengiriman untuk proses suplai adalah seperti ditunjukan pada table 5.18. Melalui perhitungan maksimalisasi penggunaan kapasitas truk pengiriman untuk proses suplai produk dari plant produksi (Processing Plant) ke plant logistik (LogisticDC-CWH) dengan estimasi realisasi suplai 100% didapatkan rata-rata jumlah unit pemakaian truk adalah sejumlah 45 Unit per periode atau sama dengan 30 kali pengiriman (Delivery Count).
http://digilib.mercubuana.ac.id/
122
Tabel 5.18. Perhitungan Delivery Count Planning base on Maksimize Vehicle Utilizations Capacitydengan kondisi ekspektasi realisasi National Sales Forecast& Order Booking 100% (Nilai Optimum Realisasi Suplai)
Optimum Realisations Capacity of Supply Maximum Base on Truck Formulasi Load Prediksi
Periode
n
In Kg
Jan-14 Feb-14 Mar-14 Apr-14 May-14 Jun-14 Jul-14 Aug-14 Sep-14 Oct-14 Nov-14 Dec-14 Jan-15 Feb-15 Mar-15 Apr-15 May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16 Jun-16 Average Maximum Minimum
64,824 77,910 102,140 49,666 121,227 135,262 518,333 538,044 115,536 189,671 196,618 109,347 244,759 158,609 309,278 299,585 190,065 253,354 243,432 347,677 360,712 364,297 545,058 338,781 687,580 696,694 717,831 828,481 285,536 262,670 311,766 828,481 49,666
In Kg 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7000 7,000 7,000
Delivery Realisations Count Planing (%) Planing
In Unit 9 11 15 7 17 19 74 77 17 27 28 16 35 23 44 43 27 36 35 50 52 52 78 48 98 100 103 118 41 38 45 118 7
Sumber : analisisDelivery Count
http://digilib.mercubuana.ac.id/
(%) 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100%
123
5.3.3. Menggunakan PerhitunganIndeks Permintaan musiman (mingguan) (Weekly Seasonal Demand Indeks) untuk perancangan rencana kebutuhan suplai mingguan (Weekly Demand &Supply Planning). SR Planningsebagai model yang digunakan terkait perencanaan suplai (Supply Planning) merupakan rencana suplai yang meReviewkebutuhan atau estimasi permintaan dalam satu bulan kedepan.SR Planningyang berorientasi pada fungsi perencanaan supali bertujuan agar proses suplai yang dilakukan akan mendorong tercapainya pemenuhan terhadap kebutuhan produk dari adanya proses permintaan penjualan (Sales Demand), sehingga layanan terhadap adanya Sales Demandtersebut mencapai level yang maksimum atau dapat diartikan bahwa proses suplai memberikan dampak yang efektif terhadap pencapaian penjualan (Sales). SR Planningsebagai sebuah fungsi perencanaan suplai pada kelanjutanya akan berhubungan dengan proses dan aktivitas operasional logistik terkait realisasi suplai tersebut, sehingga proses SR Planningjuga berkaitan dengan biaya yang terjadi dalam proses suplai tersebut. Realisasi yang baik haruslah tercapai dengan biaya yang efisien. Proses untuk meningkatkan nilai efektifitas dan efisiensi realisasi SR Planningmaka perencanaan terhadap realisasinya juga harus diReviewdengan melihat tingkat permintaan mingguan dalam satu bulan. Reviewini penting agar proses suplai dalam satu periode (bulan) dapat dilakukan pada jumlah dan waktu yang tepat sehingga Logistic Support Performanceterkait fungsi Support terhadap proses penjualan akan berjalan secara efektif dan efisien.
http://digilib.mercubuana.ac.id/
124
Metode yang dapat dipakai untuk menentukan atau melihat pergerakan tingkat permintaan produk minguan maka digunakan perhitungan dengan menggunakan pendekatan indeks permintaan musiman mingguan (Weekly Seasonal Demand Indexs. Tabel 5.19.Weekly Seasonal Demand Indexs
Periode
n Jan-14 Feb-14 Mar-14 Apr-14 May-14 Jun-14 Jul-14 Aug-14 Sep-14 Oct-14 Nov-14 Dec-14 Jan-15 Feb-15 Mar-15 Apr-15 May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16 Jun-16 Average Maximum Minimum
Sales (Actual Sales (Actual Demand) Average on 3 Last Demand) Month Per Week Average on 3 Last Month
Week-1
Week-2
Week-3
13,237 14,010 13,842 10,874 14,885 16,613 18,222 21,181 22,197 21,913 15,926 19,245 22,257 23,427 23,394 26,138 33,165 35,938 36,090 42,896 52,027 56,906 49,025 42,728 43,351 38,926 35,817 35,663 43,054 46,111
8,900 9,575 11,433 11,546 12,649 13,887 17,359 21,862 22,614 23,123 23,053 23,347 25,709 24,911 24,822 24,626 28,530 35,922 45,123 54,594 59,298 53,301 46,994 37,728 43,884 41,604 44,627 47,662 53,238 61,379
13,592 13,707 17,144 18,303 18,569 19,363 22,096 29,829 30,164 31,302 26,649 31,045 34,381 34,972 29,656 31,318 31,002 40,095 39,724 30,883 30,492 33,358 47,517 48,506 56,303 55,659 51,418 43,007 43,532 51,774
Week-4 24,468 26,099 25,607 18,574 25,467 25,328 32,745 29,972 35,557 39,175 39,125 38,037 43,275 50,941 50,058 48,043 45,610 55,536 55,333 64,772 67,384 65,419 59,788 57,006 65,428 63,163 56,248 83,827 90,791 110,911
80,263 84,522 90,701 79,064 95,427 100,254 120,564 137,126 147,376 154,016 139,671 148,899 167,496 179,002 170,572 173,260 184,408 223,321 235,028 257,459 278,935 278,646 271,100 247,957 278,619 265,802 250,812 280,212 307,487 360,233
Weekly Seasonal Demand Indexs
Week-1
Week-2
Week-3
Week-4
0.16 0.17 0.15 0.14 0.16 0.17 0.15 0.15 0.15 0.14 0.11 0.13 0.13 0.13 0.14 0.15 0.18 0.16 0.15 0.17 0.19 0.20 0.18 0.17 0.16 0.15 0.14 0.13 0.14 0.13 0.15 0.20 0.11
0.11 0.11 0.13 0.15 0.13 0.14 0.14 0.16 0.15 0.15 0.17 0.16 0.15 0.14 0.15 0.14 0.15 0.16 0.19 0.21 0.21 0.19 0.17 0.15 0.16 0.16 0.18 0.17 0.17 0.17 0.16 0.21 0.11
0.17 0.16 0.19 0.23 0.19 0.19 0.18 0.22 0.20 0.20 0.19 0.21 0.21 0.20 0.17 0.18 0.17 0.18 0.17 0.12 0.11 0.12 0.18 0.20 0.20 0.21 0.21 0.15 0.14 0.14 0.18 0.23 0.11
0.56 0.56 0.53 0.48 0.52 0.50 0.53 0.47 0.50 0.51 0.53 0.50 0.51 0.53 0.54 0.53 0.50 0.50 0.49 0.50 0.49 0.49 0.47 0.48 0.48 0.48 0.47 0.55 0.55 0.56 0.51 0.56 0.47
Sumber: analisis weekly seasonal demand indexs Tabel 5.19 merupakan TabelSummary perhitungan indeks permintaan musiman mingguan (Weekly Seasonal Demand Indexs) dari periode sample penelitian Januari 2014 s/d Juni 2016. Dari hasil perhitungan rata-rata trend permintaan mingguan menunjukan bahwa rata-rata trend permintaan mingguan
http://digilib.mercubuana.ac.id/
125
adalah minggus pertama 0.15 Kali dari estimasi rencana suplai, minggu kedua rata-rata trend adalah 0.16 Kali dari estimasi rencana suplai, minggu ketiga ratarata trend adalah 0.18 Kali dari estimasi rencana suplai mingguan, dan minggu keempat rata-rata trend adalah 0.26 Kali dari estimasi rencana suplai mingguan. Tabel 5.20.Weekly Demand Estimate Base on Indexs
Periode
Optimum Realisations of Supply Base on Formulasi Prediksi
n
In Kg
Jan-14 Feb-14 Mar-14 Apr-14 May-14 Jun-14 Jul-14 Aug-14 Sep-14 Oct-14 Nov-14 Dec-14 Jan-15 Feb-15 Mar-15 Apr-15 May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16 Jun-16 Average Maximum Minimum
64,824 77,910 102,140 49,666 121,227 135,262 518,333 538,044 115,536 189,671 196,618 109,347 244,759 158,609 309,278 299,585 190,065 253,354 243,432 347,677 360,712 364,297 545,058 338,781 687,580 696,694 717,831 828,481 285,536 262,670 311,766 828,481 49,666
Weekly Seasonal Demand Indexs
Week-1
Week-2
Week-3
Week-4
0.16 0.17 0.15 0.14 0.16 0.17 0.15 0.15 0.15 0.14 0.11 0.13 0.13 0.13 0.14 0.15 0.18 0.16 0.15 0.17 0.19 0.20 0.18 0.17 0.16 0.15 0.14 0.13 0.14 0.13 0.15 0.20 0.11
0.11 0.11 0.13 0.15 0.13 0.14 0.14 0.16 0.15 0.15 0.17 0.16 0.15 0.14 0.15 0.14 0.15 0.16 0.19 0.21 0.21 0.19 0.17 0.15 0.16 0.16 0.18 0.17 0.17 0.17 0.16 0.21 0.11
0.17 0.16 0.19 0.23 0.19 0.19 0.18 0.22 0.20 0.20 0.19 0.21 0.21 0.20 0.17 0.18 0.17 0.18 0.17 0.12 0.11 0.12 0.18 0.20 0.20 0.21 0.21 0.15 0.14 0.14 0.18 0.23 0.11
0.56 0.56 0.53 0.48 0.52 0.50 0.53 0.47 0.50 0.51 0.53 0.50 0.51 0.53 0.54 0.53 0.50 0.50 0.49 0.50 0.49 0.49 0.47 0.48 0.48 0.48 0.47 0.55 0.55 0.56 0.51 0.56 0.47
Weekly Demand Estimate as Weekly Supply Planing Base On Indexs
Week-1 10,372 13,245 15,321 6,953 19,396 22,995 77,750 80,707 17,330 26,554 21,628 14,215 31,819 20,619 43,299 44,938 34,212 40,537 36,515 59,105 68,535 72,859 98,110 57,593 110,013 104,504 100,496 107,703 39,975 34,147 47,715 110,013 6,953
Sumber: analisis weekly seasonal demand indexs \
http://digilib.mercubuana.ac.id/
Week-2 7,131 8,570 13,278 7,450 15,759 18,937 72,567 86,087 17,330 28,451 33,425 17,496 36,714 22,205 46,392 41,942 28,510 40,537 46,252 73,012 75,750 69,216 92,660 50,817 110,013 111,471 129,210 140,842 48,541 44,654 51,174 140,842 7,131
Week-3 11,020 12,466 19,407 11,423 23,033 25,700 93,300 118,370 23,107 37,934 37,358 22,963 51,399 31,722 52,577 53,925 32,311 45,604 41,383 41,721 39,678 43,716 98,110 67,756 137,516 146,306 150,745 124,272 39,975 36,774 55,719 150,745 11,020
Week-4 36,301 43,629 54,134 23,840 63,038 67,631 274,716 252,881 57,768 96,732 104,208 54,673 124,827 84,063 167,010 158,780 95,032 126,677 119,282 173,839 176,749 178,506 256,177 162,615 330,038 334,413 337,381 455,665 157,045 147,095 157,158 455,665 23,840
126
Data Tabel 5.20.menunjukan perhitungan rencana suplai mingguan dimana Weekly Seasonal Demand Indeks kemudian dikalikan dengan estimasi rencana suplai bulanan. Adapun rencana suplai yang dipakai pada analisis ini adalah rencana suplai (Supply Planning) yang menggunakan pendekatan formulasi
prediksi model & realisasi SR Planningpada nilai realisasi yang
optimal guna tercapainya Logistic Support Performance yang efektif dan efisien. Minggu pertama rata-rata estimasi permintaan adalah sebesar 47 MT dengan nilai estimasi tertinggi sebesar 110 MT dan nilai estimasi minimum sebesar 6 MT, minggu kedua rata-rata estimasi permintaan adalah sebesar 51 MT dengan nilai estimasi tertinggi sebesar 140 MT dan nilai estimasi minimum sebesar 7 MT,minggu ketiga rata-rata estimasipermintaan adalah sebesar 55 MT dengan nilai estimasi tertinggi sebesar 150 MT dan nilai estimasi minimum sebesar 11 MT,minggu keempat rata-rata estimasipermintaan adalah sebesar 157 MT dengan nilai estimasi tertinggi sebesar 455 MT dan nilai estimasi minimum sebesar 23 MT. Hasil perhitungan estimasi rencana suplai mingguan dengan berdasarkan nilai indeks permintaan mingguan kemudian disesuaikan atau diintegrasikan dengan data pada Tabel 5.21 sehingga didapat data informasi untuk estimasi rencana pengiriman per minggu (Weekly Delivery Count) dengan maksimalisasi penggunaan kapasitas truk (Maxsimize Vehicle Utilizations of Truck Capacity).
http://digilib.mercubuana.ac.id/
127
. Tabel 5.21.Delivery Count Estimate Base on Maxsimize Vehicle Utilizations of Truck Capacity
Periode
Optimum Realisations of Supply Base on Formulasi Prediksi
n
In Kg
Jan-14 Feb-14 Mar-14 Apr-14 May-14 Jun-14 Jul-14 Aug-14 Sep-14 Oct-14 Nov-14 Dec-14 Jan-15 Feb-15 Mar-15 Apr-15 May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16 Jun-16 Average Maximum Minimum
64,824 77,910 102,140 49,666 121,227 135,262 518,333 538,044 115,536 189,671 196,618 109,347 244,759 158,609 309,278 299,585 190,065 253,354 243,432 347,677 360,712 364,297 545,058 338,781 687,580 696,694 717,831 828,481 285,536 262,670 311,766 828,481 49,666
Weekly Demand Estimate as Weekly Supply Planing Base On Indexs
Week-1 10,372 13,245 15,321 6,953 19,396 22,995 77,750 80,707 17,330 26,554 21,628 14,215 31,819 20,619 43,299 44,938 34,212 40,537 36,515 59,105 68,535 72,859 98,110 57,593 110,013 104,504 100,496 107,703 39,975 34,147 47,715 110,013 6,953
Week-2 7,131 8,570 13,278 7,450 15,759 18,937 72,567 86,087 17,330 28,451 33,425 17,496 36,714 22,205 46,392 41,942 28,510 40,537 46,252 73,012 75,750 69,216 92,660 50,817 110,013 111,471 129,210 140,842 48,541 44,654 51,174 140,842 7,131
Week-3 11,020 12,466 19,407 11,423 23,033 25,700 93,300 118,370 23,107 37,934 37,358 22,963 51,399 31,722 52,577 53,925 32,311 45,604 41,383 41,721 39,678 43,716 98,110 67,756 137,516 146,306 150,745 124,272 39,975 36,774 55,719 150,745 11,020
Week-4 36,301 43,629 54,134 23,840 63,038 67,631 274,716 252,881 57,768 96,732 104,208 54,673 124,827 84,063 167,010 158,780 95,032 126,677 119,282 173,839 176,749 178,506 256,177 162,615 330,038 334,413 337,381 455,665 157,045 147,095 157,158 455,665 23,840
Maxzimize Capacity of Vehicle
Kg 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000 7,000
Weekly Delivery Count Planing Base On Weekly Supply Planing and Maxzimize Vehicle Capacity Utilizations
Week-1
Week-2
Week-3
Week-4
1 2 2 1 3 3 11 12 2 4 3 2 5 3 6 6 5 6 5 8 10 10 14 8 16 15 14 15 6 5 7 16 1
1 1 2 1 2 3 10 12 2 4 5 2 5 3 7 6 4 6 7 10 11 10 13 7 16 16 18 20 7 6 7 20 1
2 2 3 2 3 4 13 17 3 5 5 3 7 5 8 8 5 7 6 6 6 6 14 10 20 21 22 18 6 5 8 22 2
5 6 8 3 9 10 39 36 8 14 15 8 18 12 24 23 14 18 17 25 25 26 37 23 47 48 48 65 22 21 22 65 3
Sumber : Analisis Weekly Delivery Count
Hasil perhitungan estimasi rencana suplai mingguan dengan berdasarkan nilai indeks permintaan mingguan kemudian disesuaikan atau diintegrasikan dengan
http://digilib.mercubuana.ac.id/
128
data pada Tabel 5.21 sehingga didapat data informasi untuk estimasi rencana pengiriman per minggu (Weekly Delivery Count) dengan maksimalisasi penggunaan kapasitas truk (Maxsimize Vehicle Utilizations of Truck Capacity). Hasil analisis Tabel 5.21 memberikan data hasil perhitungan analisis, jika menggunakan acuan data Weekly Seasonal Demand Indexs sebagai rencana suplai mingguan (Weekly Supply Planning) dengan kondisi memaksimalkan kapasitas optimum dari kapasitas truk pengiriman, maka didapatkan jumlah kali pengiriman (Delivery Count) rata-rata pada minggus pertama, kedua dan ketiga adalah 7 kali pengiriman (7 kali proses suplai/7 unit Truk) dan di minggus ke empat rata-rata kali pengiriman (Delivery Count) selama periode penelitian adalah 22 kali pengiriman (22 kali proses suplai/22 unit Truk), nilai tersebut tentu akan sangat lebih efisien jika dibandingkan dengan data aktual pengiriman tanpa memperhitungkan penggunaan kapasitas dan Weekly Seasonal Demand Indexs yaitu didapatkan rata-rata pengiriman pada 11 Kali pengiriman (44 dibagi 4 periode mingguan data pada Tabel 5.21. 5.3.4. Simulasi Implementasi Strategi Improvement SR Planninguntuk meningkatkan Logistic Support Performance. Strategi
Improvement
pada
model
SR
Planningbertujuan
untuk
menemukan nilai optimum dari SR Planningsebagai rencana suplai bulanan yang efektif dan efisien terhadap fungsi dukungan logistik (Logistic Support Performance) terhadap aktifitas dan proses penjualan (Sales Process), dan Weekly Seasonal Demand Indexs bertujuan untuk meReviewrencana suplai mingguan
http://digilib.mercubuana.ac.id/
129
sehingga rencana suplai bulanan pada SR Planningmenjadi lebih efektif dan efisien proses realisasinya. Tabel 5.22.Service Level Base on Simulations of Strategic Vs Actual Achievment
Periode
Estimate of Supply Realisatio Opening ns Base Stock DC Optimum Realisatio ns
Actual Order
Opening Stock Plant
Stock Ready Estimate
Ending Stock Estimate
Service Service Level (%)- Level (%)Simulasi Actual
Jan-14
43,992
35,066
64,824
49,713
44,632
114,537
35,479
100%
96%
Feb-14
61,679
29,176
77,910
35,479
44,632
113,389
22,533
100%
97%
Mar-14
56,766
39,578
102,140
22,533
119,290
124,673
28,329
100%
98%
Apr-14
79,822
48,456
49,666
28,329
131,765
77,994
-
61%
98%
May-14
84,125
39,431
121,227
-
105,679
121,227
-
98%
95%
Jun-14
82,947
59,245
135,262
-
95,360
135,262
-
95%
98%
Jul-14
93,727
61,455
518,333
-
112,400
518,333
363,151
100%
95%
Aug-14
87,329
65,733
538,044
363,151
112,400
901,195
748,133
100%
96%
Sep-14
84,500
62,792
115,536
748,133
96,923
863,669
716,377
100%
95%
Oct-14
102,702
70,774
189,671
716,377
146,177
906,047
732,571
100%
94%
Nov-14
107,360
82,691
196,618
732,571
176,032
929,189
739,138
100%
95%
Dec-14
139,059
86,078
109,347
739,138
212,548
848,485
623,347
100%
92%
Jan-15
144,394
71,261
244,759
623,347
128,545
868,106
652,451
100%
93%
Feb-15
115,942
68,590
158,609
652,451
149,780
811,060
626,528
100%
99%
Mar-15
127,130
87,802
309,278
626,528
148,906
935,807
720,874
100%
97%
Apr-15
130,260
95,200
299,585
720,874
116,682
1,020,459
794,999
100%
95%
May-15
154,990
127,110
190,065
794,999
63,969
985,064
702,964
100%
98%
Jun-15
151,456
155,552
253,354
702,964
84,081
956,318
649,310
100%
97%
Jul-15
149,430
116,506
243,432
649,310
53,214
892,742
626,806
100%
91%
Aug-15
170,855
168,268
347,677
626,806
56,374
974,483
635,360
100%
98%
Sep-15
179,944
140,653
360,712
635,360
60,673
996,072
675,475
100%
94%
Oct-15
168,400
122,083
364,297
675,475
60,673
1,039,772
749,288
100%
93%
Nov-15
165,606
170,453
545,058
749,288
43,788
1,294,346
958,287
100%
96%
Dec-15
227,793
162,954
338,781
958,287
85,839
1,297,069
906,322
100%
98%
Jan-16
153,670
155,419
687,580
906,322
43,402
1,593,901
1,284,812
100%
96%
Feb-16
161,481
137,754
696,694
1,284,812
93,037
1,981,506
1,682,271
100%
100%
Mar-16
303,563
123,249
717,831
1,682,271
143,608
2,400,102
1,973,290
100%
76%
Apr-16
286,175
128,355
828,481
1,973,290
176,792
2,801,771
2,387,241
100%
73%
May-16
356,930
159,458
285,536
2,387,241
203,738
2,672,777
2,156,389
100%
79%
Jun-16
396,414
227,777
262,670
2,156,389
203,738
2,419,059
1,794,869
100%
80%
Average
152,281
103,297
311,766
1,794,869
110,489
1,053,147
797,568
98%
93%
Max
396,414
227,777
828,481
797,568
212,548
2,801,771
2,177,581
100%
100%
Min
43,992
29,176
49,666
2,177,581
43,402
77,994
4,826
61%
73%
Stdev
85,662
50,325
214,498
4,826
51,124
754,341
618,355
7%
7%
Sumber : Simulasi Service Level Estimate
Proses simulasi implementasi dilakukan dengan membandingkan antara hasil pencapaian Logistic Support Performance dengan simulasi strategi Improvement dibandingkan dengan pencapaian aktual pada periode Sample
http://digilib.mercubuana.ac.id/
130
penelitian yaitu pencapaian aktual di periode Januari 2014 s/d Juni 2016 dengan hasil analisis sebagai pada tabel 5.22 menunjukan bahwa rata-rata pencapaian Service Level diestimasikan jika menggunakan pendekatan implementasi strategi Improvement SR Planningdengan metode perhitungan realisasi suplai optimum dan rencana suplai mingguan melalui pendekatan Seasonal Demand Indexs adalah sebesar 98%, atau berada diatas target pencapaian efektifitas Service Level 95%, sementara kondisi aktual tanpa simulasi berada pada level rata-rata sebesar 93% atau lebih rendah, hal tersebut dapat digambarkan melalui pendekatan grafik perbandingan (Comparative Grafic) sebagai berikut:
Service Level ofSimulations Vs Actual Achievment 100%
50%
0%
Service Level (%)-Simulasi
Service Level (%)-Actual
Gambar 5.10. Grafic of Service Level Base on Simulations of Strategic Vs Actual Achievment Sumber : Analisis simulasi service level achievment Rata-rata estimasi pencapaian Service Level simulasi lebih besar daripada pencapaian aktual maka dapat diberi kesimpulan bahwa strategi Improvement SR Planningdengan menggunakan pendekatan perhitungan realisasi optimum (Optimum Realisations of Supply) dan perhitungan rencana suplai mingguan
http://digilib.mercubuana.ac.id/
131
melalui pendekatan Seasonal Indexs Demand dapat direkomendasikan untuk dapat di terapkan atau diimplementasikan pada proses Supply di logistik CP Prima Proses simulasi untuk pengujian implementasi strategi improvement SR Planning sehingga dapat meningkatkan atau mendukung pencapaian Logistic Support Performance tidak hanya dilihat dari sisi efektifitasnya terhadap Service Level, tetapi juga harus dilakukan pengujian terhadap efisiensinya terhadap biaya logistik (Logistic Cost) yang terjadi yang dapat di ukur melalui perbandingan Logistic Cost Ratiospada estimasi simulasi dengan Logistic Cost Ratios Actual, Tabel 5.23.Logistic Cost Base on Simulations of Strategic Vs Actual Achievment
http://digilib.mercubuana.ac.id/
132
Logistic Cost Rate (Rp/Kg)
Logistic Cost Rate (Rp/Kg)Simulasi
Jan-14
Rp
4,261
Rp
3,732
Rp
528
Feb-14
Rp
3,568
Rp
3,219
Rp
348
Mar-14
Rp
3,849
Rp
3,212
Rp
637
Apr-14
Rp
2,990
Rp
2,736
Rp
255
May-14
Rp
2,856
Rp
2,723
Rp
133
Jun-14
Rp
2,747
Rp
2,583
Rp
164
Jul-14
Rp
2,381
Rp
2,247
Rp
134
Aug-14
Rp
2,591
Rp
2,465
Rp
126
Sep-14
Rp
2,648
Rp
2,485
Rp
163
Oct-14
Rp
3,120
Rp
2,562
Rp
558
Nov-14
Rp
3,819
Rp
2,728
Rp
1,092
Dec-14
Rp
1,912
Rp
1,796
Rp
116
Jan-15
Rp
3,223
Rp
2,452
Rp
772
Feb-15
Rp
2,641
Rp
2,334
Rp
307
Mar-15
Rp
2,176
Rp
2,060
Rp
117
Apr-15
Rp
2,863
Rp
2,292
Rp
571
May-15
Rp
2,630
Rp
2,120
Rp
510
Jun-15
Rp
2,379
Rp
1,980
Rp
399
Jul-15
Rp
2,923
Rp
2,458
Rp
465
Aug-15
Rp
2,576
Rp
2,028
Rp
548
Sep-15
Rp
2,678
Rp
2,139
Rp
539
Oct-15
Rp
3,542
Rp
2,754
Rp
788
Nov-15
Rp
2,561
Rp
2,085
Rp
476
Dec-15
Rp
2,233
Rp
1,904
Rp
329
Jan-16
Rp
2,539
Rp
2,172
Rp
367
Feb-16
Rp
2,707
Rp
2,106
Rp
600
Mar-16
Rp
2,514
Rp
2,031
Rp
484
Apr-16
Rp
2,364
Rp
1,915
Rp
449
May-16
Rp
2,033
Rp
1,633
Rp
401
Jun-16
Rp
1,717
Rp
1,552
Rp
165
Max Min Average
Rp Rp Rp
4,261 1,717 2,768
Rp Rp Rp
3,732 1,552 2,350
Rp Rp Rp
1,092 116 418
Periode
Eficiensi (Rp/Kg)
Sumber : Analisis Logistic Cost Rate Simulasi rata-rata Logistic Cost Ratesimulasi lebih rendah yaitu berada pada taraf Rp. 2350/Kg dibandingkan dengan Logistic Cost Rate Actual aktual yang berada pada rate Rp.2765/kg, atau memiliki rata-rata efisiensi biaya sebesar Rp. 418/Kg. Tentu strategi Improvement SR Planningdengan menggunakan pendekatan perhitungan realisasi optimum (Optimum Realisations of Supply) dan perhitungan rencana suplai
mingguan
melalui
pendekatan
Seasonal
Indexs
Demand
dapat
direkomendasikan untuk dapat di terapkan atau diimplementasikan pada proses
http://digilib.mercubuana.ac.id/
133
Supply di logistik CP Prima.Dengan rata-rata estimasi pencapaian Logistic Cost Ratios simulasi lebih rendah daripada pencapaian aktual maka dapat diberi kesimpulan bahwa strategi Improvement SR Planningdengan menggunakan pendekatan perhitungan realisasi optimum (Optimum Realisations of Supply) dan perhitungan rencana suplai mingguan melalui pendekatan Seasonal Indexs Demand diikuti dengan proses maksimalisasi penggunaan kapasitas truk armada pengiriman dalam proses Supply maka dapat direkomendasikan untuk dapat di terapkan atau diimplementasikan pada proses Supply di logistik CP Prima. Pendekatan dengan simulasi diatas masih bersifat estimasi terhadap nilai pencapaian Logistic Service Level untuk keseluruhan secara umum persediaan yang merupakan agregat persediaan barang jadi (Aggregat of Finished Good Inventory). Hasil daripada analisis perancangan strategi improvement SR Planninguntuk meningkatkan dan mendukung tercapainya Logistic Support Performance maka model SR Planningselanjutnya dapat digambarkan dengan penambahan
instrument-instrument
Improvement,
yaitu
pada
tahapan
Improvement SR Planningyang bertujuan untuk mendukung dan meningkatkan Logistic Support Performance secara efektif dan efisien. Model awal SR Planningsebelum penambahan Improvement adalah hanya sampai pada penentuan jumlah produk yang akan di suplai (Supply Planning) dari plant produksi (Processing Plant) ke plant logistik (Logistic DC Plant) dalam satu periode (satu bulan). Hal tersebut memiliki beberapa kelemahan untuk dipakai sebagai fungsi pendukung efektifitas serta efisiensi operasional dan aktifitas logistik terkait fungsi dukungannya (Support Fungtions) terhadap proses pemenuhan adanya
http://digilib.mercubuana.ac.id/
134
permintaan (Demand), karena nilai yang dihasilkan hanya merupakan gambaran umum rencana suplai (Supply Planning) bulanan, tanpa memperhitungkan ketepatan waktu dan jumlah yang akan disuplai dalam periode satu bulan tersebut. Oleh karena itu, Improvement dilakukan dengan menambahkan beberapa Instrument sebagai berikut: 1. Melakukan
perhitungan
Jumlah
realisasi
suplai
optimum
(Optimum
Realisastions of Supply) sehingga Logistic Support Performance tercapai secara efektif (Kriteria Service Level ≥ 95%) dan efisien (kriteria Logistic Cost Ratios ≤ 6%). 2. Melakukan perhitungan estimasi rencana suplai mingguan (Weekly Supply Planning) dengan menggunakan pendekatan Weekly Seasonal Demand Indexs. 3. Melakukan perhitungan jumlah pengiriman (Delivery Count) atau jumlah pemakaian armada kiriman per minggus (Weekly Vehicle Utilizations) dengan pendekatan maksimalisasi penggunaan kapasitas muat armada suplai (Maxsimize of Vehicle Capacity Utilizations).
http://digilib.mercubuana.ac.id/