PENERAPAN KONSEP SIX SIGMA UNTUK MENINGKATKAN PROSES PERAMALAN PENJUALAN PADA PERUSAHAAN DISTRIBUSI (STUDI KASUS PT. BOGASARI FLOURMILLS DIV. PASTA )
Denny Michels Adlan, Anastasia Devitha, Satrio Wibowo dan Handry Satriago
Laporan Teknis
Jakarta, 2 Juli 2005 Menyetujui,
Handry Satriago, M.B.A
ABSTRAK Di era persaingan yang semakin ketat, perusahaan yang dapat bertahan adalah perusahaan yang dapat memahami dan memenuhi kebutuhan pasar yang terus berubah. Untuk itu proses bisnis perusahaan harus sesuai dengan kebutuhan pelanggan dan proses-proses yang tidak efisien harus dihilangkan. PT. Bogasari Flour Mills Divisi Pasta sebagai perusahaan nasional yang bergerak di bidang pangan memiliki kegiatan utama produksi pasta khususnya dan didistribusikan di seluruh Indonesia dan Internasional. Pada perusahaan, proses perencanaan persediaan memiliki peranan yang sangat penting untuk dapat memenuhi kepuasan pelanggan. Pada saat ini perusahaan memiliki permasalahan yaitu sukarnya memperkirakan kebutuhan pasar nasional akan pasta, dimana penyimpangan didalamnya cukup berpengaruh sehingga mengakibatkan kekosongan atau kelebihan barang produksi, yang akhirnya juga berpengaruh terhadap pemenuhan pesanan. Untuk itu dipakai suatu konsep yang disebut “Six Sigma” yang bertujuan untuk mengurangi variasi yang timbul seminim mungkin. Dari pengukuran terhadap proses peramalan penjualan dan aktual sales yang selama ini berjalan, ternyata kedua proses memiliki tingkat penyimpangan yang disebut “sigma level”. Dengan menggunakan metode langkah DMAIC (Define-Measure-Analysis-ImproveControl) maka dilakukan perbaikan dari proses yang telah berjalan. Solusi yang didapat adalah menggunakan metode peramalan penjualan dan “Order Form Distributor” untuk penyesuaian peramalan penjualan per bulannya. Solusi yang didapat ini diharapkan dapat membantu perusahaan dalam peramalan penjualan pasta di pasar nasional. Kata Kunci: Peramalan Penjualan, Six Sigma, Sigma Level, Pemenuhan Pesanan
2
PENDAHULUAN Pergerakan dunia bisnis yang cepat mengakibatkan semakin tidak pastinya kesuksesan suatu perusahaan. Kesuksesan suatu perusahaan di masa lalu tidak secara langsung diikuti dengan kesuksesan di masa yang akan datang. Untuk mengantisipasi keadaan ini, setiap perusahaan harus melakukan perubahan sesuai dengan keadaan dunia bisnis yang ada dan selalu menyesuaikan dengan kondisi pasar sekarang. Hanya dengan cara inilah suatu perusahaan dapat mampu bersaing. Perubahan dapat dimulai dengan melakukan perbaikan dari sisi sistem manajemen. Dampak internal dari perbaikan sistem manajemen dapat meningkatkan kenyamanan dalam bekerja sehingga produktifitas mencapai hasil yang maksimal. Pada akhirnya hal ini juga berguna untuk meningkatkan kepercayaan dan kepuasan pelanggan yang merupakan misi perusahaan.
RUMUSAN PERMASALAHAN Bogasari adalah produsen tepung terigu di Indonesia dengan kapasitas produksi sebesar 3,6 juta ton per tahun, terbesar di dunia dalam satu lokasi. Sejarah Bogasari dimulai pada tanggal 29 November 1971 dengan peresmian pabrik yang pertama di Tanjung Priok, Jakarta Utara. Setahun kemudian, pada tgl 10 Juli 1972, pabrik yang kedua di Tanjung Perak Surabaya dioperasikan. Selain dua pabrik tepung terigu, Bogasari juga memiliki tiga divisi lain: Divisi Pasta, dan dua divisi penunjang, yaitu kemasan (dahulu disebut Divisi Tekstil) dan Maritime. Pabrik Pasta didirikan pada Desember 1991 dengan kapasitas produksi 60.000 mt per tahun. Produk utama yang dihasilkan adalah “Long Pasta” dan “Short Pasta”, dan hampir 80% ditujukan untuk pasaran ekspor. Divisi pasta mempunyai serangkaian proses produksi yang menghasilkan produk akhir yang akan didistribusikan kepada pelanggan. Salah satu proses dalam proses produksi ini adalah peramalan penjualan (forecast), yang merupakan salah satu proses penting dari serangkaian proses produksi tersebut. 1 Dengan adanya variasi produk yang cukup banyak, menimbulkan kesulitan bagi departemen marketing untuk memperkirakan kebutuhan pasar akan masing-masing jenis produk. Tesis ini ditulis untuk memberikan suatu 1
“Sejarah Bogasari”. http://www.bogasariflour.com
3
peningkatan bagi pemenuhan kebutuhan pasar yang diukur dari keakuratan dalam melakukan peramalan penjualan. Dalam studi kelayakan ini juga akan membahas langkah-langkah yang dapat dipertimbangkan untuk dapat memaksimalkan peranan divisi pemasaran dalam perusahaan.
TINJAUAN TEORI Konsep Manajemen Kualitas Menurut Gaspersz (Gaspersz, 2001, p.5), manajemen kualitas terpadu didefinisikan sebagai suatu cara meningkatkan performasi secara terusmenerus (continues performance improvement) pada level setiap operasi atau proses, dalam setiap area fungsional dari suatu organisasi, dengan menggunakan semua sumber daya manusia dan modal yang tersedia. Sementara Joseph Juran sangat terkenal dengan konsep trilogy kualitas, yaitu : perencanaan kualitas (quality planning), pengendalian kualitas (quality planning), dan perbaikan atau peningkatan kualitas (guality improvement). (Gryna, 2001, p.11). 2
Teori Peramalan (Forecast) Salah satu keputusan penting dalam perusahaan adalah kecilnya resiko kesalahan nilai produksi dan nilai penjualan. Resiko tersebut dapat dijadikan patokan suatu perusahaan untuk menghasilkan suatu produk, yang pada akhirnya produk tersebut dapat digunakan di masyarakat. Untuk membantu tercapainya suatu keputusan yang optimal, diperlukan adanya suatu cara yang tepat, sistematis dan dapat dipertanggungjawabkan. Salah satu alat yang diperlukan dan merupakan bagian integral dari proses pengambilan keputusan adalah dengan menggunakan metode peramalan. Peramalan (forecast) merupakan prediksi nilai-nilai sebuah peubah berdasarkan kepada nilai yang diketahui dari peubah tersebut atau peubah yang berhubungan. Meramal juga dapat didasarkan pada keahlian judgment,
2
“Six Sigma Dalam Manajemen Mutu”. http://www.angelfire.com/moon/artemisia_diana/files/UTSManajemenMutu.doc.
4
yang pada gilitannya didasarkan pada data histories dan pengalaman (Makridakis, S, 1991, p519).3 Peramalan adalah tingkat perkiraan yang diharapkan untuk suatu produk atau beberapa produk dalam periode waktu tertentu di masa yang akan datang. Dan dapat diartikan bahwa peramalan adalah suatu taksiran yang ilmiah, meskipun akan terdapat sedikit kesalahan (Biegel, JE, 1992, p19). Metode Dekomposisi Menurut Vincent Gaspersz (1991,p368-372), Metode dekomposisi merupakan salah satu model peramalan yang telah lama dipergunakan diantara metode-metode lainnya. Model ini diperkenalkan oleh para ahli ekonomi pada permulaan abad ke-20 dalam mencoba mengendalikan siklus usaha. Dasar dari metode dekomposisi yang sekarang diperkenalkan pada tahun 1920 ketika konsep rasio terhadap trend diperkenalkan. Sejak saat itu metode dekomposisi telah dipergunakan secara luas dalam bidang ekonomi dan bisnis. Metode dekomposisi mendasarkan asumsi bahwa data yang ada merupakan gabungan komponen pola dan error. Data
= pola + error = f (trend, siklik, musiman) + galat
Metode dekomposisi pada umumnya mencoba mengidentifikasikan tiga komponen secara terpisah sebagai pola dasar. Ketiga komponen tersebut adalah kecenderungan (trend), siklik (cyclical), dan faktor musiman (seasonal factor). • Kecenderungan (trend) menggambarkan perilaku data dalam jangka panjang, yang dapat bersifat menaik, menurun, atau tidak berubah. Misalnya, data peningkatan mengenai penjualan perumahan yang (sebagian) terjadi karena adanya pertumbuhan penduduk jangka panjang. • Faktor musiman berkaitan erat dengan fluktuasi periodik yang relatif konstan di sekitar garis trend yang berulang secara teratur dalam periode yang sama pada setiap tahun. Misalnya, volume penjualan pohon natal yang tinggi pada bulan Desember dalam setiap tahun, atau volume penjualan buku pelajaran pada awal-awal tiap tahun ajaran baru. Variasi datanya dapat terjadi dalam satuan hari, minggu, bulan, dan tahun.
3
Makridakis, Wheelwright, Ir, MSC. (1991). Ekonomi Terapan, Terjemahan Aroef. Matthias, MSIE, Dr, Prof. Tarsito, Bandung
5
• Faktor siklik merupakan suatu pola berkala dalam deret waktu yang terjadi dan berulang kembali setelah suatu masa dalam beberapa tahun dan biasanya dengan waktu yang tidak sama. Oleh karena itulah faktor siklis ini sangat sulit untuk diramalkan. Misalnya, resesi, depresi dan kondisi perekonomian lainnya. Konsep dasar dari metode dekomposisi adalah memisahkan secara empiris pengaruh dari faktor musiman, pengaruh trend dan pengaruh siklik. Faktor galat yang tidak lain adalah sisaan (selisih antara data actual dan model) tidak dapat diperkirakan tetapi dapat diidentifaksi. Bentuk fungsi metode ini, bisa dilakukan dalam bentuk penambahan atau perkalian. Model perkalian merupakan model yang sering digunakan, karena pada model ini faktor musim dan siklus dinyatakan dalam bentuk indeks. Model pertambahan jarang dipergunakan karena lebih sulit pengerjaannya. Hal ini disebabkan masing-masing faktor berdiri sendiri, sehingga trend tidak mempunyai pengaruh atas faktor musim.
Six Sigma Pengertian Six Sigma Sigma merupakan symbol standard deviasi pada statistik (∑ atau σ) yang berasal dari huruf Yunani, suatu ukuran untuk menyatakan variasi (variance), atau ketidaktepatan sekelompok item atau proses. Tujuan dari Sigma adalah untuk mengurangi variasi pada output sehingga tidak akan melampaui enam standard deviasi (Sigma) antara rata-rata (mean) dan batas spesifikasi terdekat. Proses-proses Sigma harus dapat menghasilkan kesalahan kurang dari 3,4 per satu juta peluang (per million opportunities) atau mencapai 99.9966% tingkat kesuksesan. Makin tinggi nilai sigma, makin sedikit suatu proses mengalami variasi dan makin sedikit pula kesalahan yang akan dialami. Implementasi Six Sigma berokus pada proses, baik itu pada proses produksi atau jasa. Apabila tercapai, maka Six Sigma akan dapat memastikan bahwa keseluruhan proses produksi berjalan pada efisiensi yang optimal. Dari sekian banyak pengertian di atas, maka dapat disederhanakan menjadi satu definisi yang lengkap dan jelas, yaitu: Six Sigma merupakan suatu sistem yang komprehensif dan fleksibel untuk mencapai, memberi dukungan dan memaksimalkan proses usaha, yang berfokus pada pemahaman akan kebutuhan pelanggan dengan menggunakan fakta, data, dan analisis statistik serta terus menerus memperhatikan pengaturan, perbaikan dan mengkaji ulang proses usaha. 6
Keuntungan dari penerapan Six Sigma berbeda untuk setiap perusahaan tergantung pada usaha yang dijalankannya, visi dan misi serta strategi perusahaan bersangkutan. Tetapi umumnya dengan penerapan Six Sigma akan ada perbaikan dalam hal-hal berikut ini: 1. Pengurangan biaya 2. Pertumbuhan pangsa pasar 3. Pengurangan waktu siklus 4. Retensi pelanggan atau loyalitas pelanggan 5. Pengurangan kesalahan pada produk atau produk cacat 6. Perubahan budaya kerja 7. Pengembangan produk atau jasa Six Sigma mempunyai kesamaan dengan prinsip-prinsip dan alat-alat kualitas yang dikembangkan oleh W. Edwards Deming dan Joseph Juran. Metodologi Six Sigma (DMAIC) Model pendekatan Six Sigma yang paling umum digunakan sekarang adalah DMAIC (Define – mendefinisikan, Measure – mengukur, Analyze – menganalisis, Improve – memperbaiki, Control – mengendalikan). Terdapat dua macam metodologi dalam Six Sigma. Yang pertama adalah DMAIC, untuk proses yang sudah ada dan yang kedua adalah DMADV (Define, Measure, Analyze, Design, Verify)/DFSS (Design for Six Sigma) untuk proses yang belum ada. Ada tiga kualifikasi dasar yang harus dipenuhi bila akan menggunakan metode DMAIC, yaitu: 1. Ada celah antara kinerja sekarang dengan yang diharapkan. Pertamatama perlu ditentukan permasalahan apa yang harus dipecahkan, atau kesempatan apa yang akan diraih. Pada kasus desain proses, ada aktivitas baru yang diluncurkan di mana tidak ada proses yang muncul. 2. Penyebab masalah tidak dipahami secara benar. Pihak manajemen mungkin hanya mengerti permasalahan secara teoritis, tetapi tidak mengetahui akar penyebab masalah. 3. Solusi belum ditetapkan. Bila pihak manajemen telah merencanakan perubahan jangka pendek, masih ada waktu untuk menerapkan Six Sigma. Penerapan Six Sigma secara cepat dapat menghemat waktu untuk analisis yang lebih akurat. Bila suatu usaha secara signifikan telah dijalankan untuk menjembatani celah tersebut, penerapan Six Sigma tidak akan berguna.
7
Critical To Quality (CTQ) Critical to Quality (CTQ) adalah suatu cara pengukuran produk/proses yang mana standard kinerja atau batas spesifikasinya harus sesuai dengan kepuasan pelanggan. CTQ mensejajarkan perbaikan dengan persyaratan kepuasan pelanggan. CTQ mewakili karakteristik produk/jasa yang didefinisikan oleh pelanggan, baik pelanggan internal maupun eksternal. CTQ ini mencakup batas spesifikasi atas dan bawah atau faktor-faktor lainnya yang berhubungan dengan produk/jasa. Biasanya CTQ ini harus diterjemahkan dari pernyataan pelanggan yang kualitatif menjadi suatu tindakan spesifikasi bisnis yang kuantitatif.4
Tools Yang Dipakai Dalam Six Sigma Salah satu kunci keberhasilan Six Sigma adalah kerja tim dan juga alat-alat yang digunakan dapat memberi kekuatan pada proses usaha perbaikan dan usaha pembelajaran. Alat-alat atau metode-metode tersebut akan diuraikan pada bagian ini. Quality Function Deployment (QFD) adalah suatu proses yang sistematik untuk memotivasi suatu bisnis agar lebih fokus terhadap pelanggan. QFD ini digunakan untuk mengidentifikasi dan memecahkan masalah yang terlibat dalam penyediaan produk, proses, jasa dan strategi yang akan lebih memuaskan pelanggan. Ini merupakan suatu proses untuk mengerti keinginan pelanggan dan pentingnya keuntungan yang akan diperoleh.5 Diagram Boxplot adalah suatu alat grafik dasar yang menampilkan pengumpulan, penyebaran, dan pendistribusian dari kumpulan data yang berkesinambungan. Diagram boxplot ini menyediakan hasil ringkasan dari kumpulan data, yaitu nilai tengah dari 50% data, median, dan quartile.6 Grafik run chart adalh suatu pengukuran kinerja dari suatu proses pada suatu periode waktu yang digunakan untuk mengidentifikasi tren atau pola.7 4
“Critical To Quality” http://www.isixsigma.com/dictionary/Critical_To_Quality_-_CTQ-216.htm 5 “Quality Function Deployment” http://www.isixsigma.com/dictionary/QFD-103.htm 6 “Boxplot” http://www.isixsigma.com/dictionary/Boxplot-196.htm 7 “Run Chart” http://www.isixsigma.com/dictionary/Run_Chart-114.htm
8
Process capability menunjuk kepada kemampuan dari suatu proses untuk memproduksi suatu produk/jasa yang bebas dari penyimpangan (defect) di bawah kendali lingkungan produksi/jasa. Beberapa indikator yang digunakan menunjukkan kinerja keseluruhan dan kinerja potential.8 Diagram sebab akibat (Fishbone) adalah analisa yang dilakukan dengan memulai pada akibat atau masalah yang timbul kemudian secara terstruktur mencari kemungkinan penyebabnya. Pada umumnya ada enam faktor yang dapat menimbulkan penyimpangan di dalam proses bisnis yaitu 5 M (material, method, machine, measures, mother nature) dan 1 P (people). Failure Mode and Effects Analysis (FMEA) merupakan seperangkat pedoman, proses, dan format untuk mengidentifikasi dan memprioritas masalah penting atau kegagalan. Metode FMEA mempunyai banyak aplikasi dalam lingkungan Six Sigma, dalam hal mencari berbagai masalah bukan hanya dalam proses serta perbaikan kerja, tapi juga dalam aktivitas pengumpulan data, usaha-usaha Voice of Customer, prosedur dan bahkan dalam pelaksanaan inisiatif Six Sigma. Satu-satu prasyarat adalah adanya situasi yang kompleks atau berisiko tinggi dimana perlu diberikannya penekanan khusus untuk menghentikan masalah. Analisa pareto dilakukan dengan menyusun atau mengelompokan data dari yang terbesar sampai terkecil. Diagram Pareto ini membantu di dalam mengidentifikasi suatu penyebab masalah yang paling sering terjadi atau memberikan kontribusi terbesar. Analisa Pareto ini biasanya menggunakan aturan “80/20” yang mengindikasikan bahwa 80% biaya yang timbul di dalam perusahaan disebabkan oleh 20% masalah. Selain tools-tools di atas, terdapat tools lainnya seperti pengujian Tingkat Signifikan Statistik (Chi – Square, t – test, ANOVA) yang mana merupakan teknik yang digunakan para ahli statistik untuk mencari pola atau menguji kecurigaan mereka pada data yang ada. Pada Six Sigma, alat-alat ini dapat digunakan untuk9: a. Mengkonfirmasi permasalahan yang terjadi atau adanya perubahan yang berarti pada kinerja proses. b. Memeriksa validitas data. c. Menentukan jenis pola data atau distribusi dalam sekelompok data kontinu. d. Mengembangkan akar penyebab hipotesis berdasarkan pola dan perbedaan yang ada. 8
“Process Capability” http://www.isixsigma.com/dictionary/Process_Capability-299.htm 9 Pande,Peter S. - Neuman, Robert P. – Cavanagh, Roland R. Cavanagh. 2002. “The Six Sigma Way”. Yogyakarta: Andi
9
e. Validasi atau tidak menyetujui akar penyebab hipotesis. Analisis korelasi dan regresi menganalisa hubungan antara dua faktor atau lebih. Bila dua faktor saling berhubungan, berarti perubahan pada satu faktor akan berakibat pada faktor lain. Adapun kegunaan dari Korelasi dan Regresi itu sendiri adalah10: 1. Menguji hipotesa akar masalah dengan melihat apakah ada hubungan antar penyebab yang diduga (X) dan respon atau ouput (Y). 2. Mengukur dan membandingkan pengaruh berbagai faktor (X) pada hasil (Y). 3. Memprediksi kinerja sebuah proses, produk, atau jasa dibawah kondisi tertentu.
METODOLOGI Define Identifikasi CTQ
Measure
Analyze
Pengukuran data pada proses berjalan
Analisa kenapa defect terjadi
Kontrol terhadap implementasi solusi
Alternatif Solusi untuk mengurangi defect
Control
Improve
Berdasarkan tahapan-tahapan yang terdapat dalam konsep six sigma maka dilakukan penelitian untuk mendapatkan hasil yang akan dapat digunakan untuk perbaikan proses pada PT. Bogasari Flour Mills Divisi Pasta dalam hal peramalan penjualan. Adapun tahapan-tahapan yang kami lalui adalah Define-MeasureAnalyze-Improve-Control (DMAIC).
10
Pande,Peter S. - Neuman, Robert P. – Cavanagh, Roland R. Cavanagh. 2002. “The Six Sigma Way”. Yogyakarta: Andi
10
Define (Definisi) Pertama-tama kami melihat dari alur-alur keseluruhan proses pada divisi pasta, lalu kami mengidentifikasi faktor yang terpenting dalam proses-proses yang ada di Bogasari dengan cara menentukan Critical To Quality (CTQ). Faktor penting tersebut menjadi batasan pembahasan kami selanjutnya.
Measure (Pengukuran) Pengukuran kami lakukan terhadap data-data yang kami peroleh dan proses yang ada sekarang (current process). Data tersebut merupakan data peramalan penjualan dan data aktual penjualan tahun 2004.
Analyze (Analisa) Setelah tahapan identifikasi masalah dan pengukuran data pada proses yang ada, pada tahapan analisa ini pertama kami menentukan Critical to Quality (CTQ) kemudian mengukur proses yang berjalan dengan kapabilitas proses. Analisa dikelompokkan dalam dua tahapan, yaitu: ¾ Analisa Data Untuk melakukan pengukuran dan analisa, kami mendapatkan data dari pihak Bogasari. Dari data yang kami peroleh tersebut, kami membatasinya dengan data peramalan penjualan dan data aktual penjualan tahun 2002 sampai dengan tahun 2005. Data ini cukup mewakili keseluruhan proses peramalan penjualan. Dari data yang kami kumpulkan tersebut, kami melakukan pengelompokkan data berdasarkan segmentasi pasar, yaitu: • Tradisional: pasar tradisional • Institusional: hotel dan restaurant • High Class Outlet (HCO): supermarket dan hipermarket (toko modern) Data diatas kami kelompokkan berdasarkan segmentasi pasar karena produk-produk yang dihasilkan ditujukan untuk pasar yang berbeda seperti yang tersebut diatas. Kami melakukan analisa data dengan bantuan software Minitab. Minitab digunakan untuk mengolah data untuk mendapatkan variasi yang merupakan selisih antara data peramalan penjualan dan aktual penjualan. Untuk melihat outliers, nilai ratarata dan range variasi digunakan diagram boxplot, sedangkan grafik runchart digunakan untuk mengetahui secara detil waktu kejadian dan nilai dari outliers tersebut. Sementara nilai sigma dan Defect per Million Opportunities (DPMO) bisa diketahui pada kapabilitas proses (process capability) yang dilakukan dalam periode Januari sampai dengan Juni 2004.
11
¾ Analisa Proses Pada analisa proses, untuk mengetahui kemungkinan penyebab timbulnya masalah pada proses peramalan penjualan, maka dilakukan analisa dengan menggunakan Diagram Sebab Akibat (Fishbone). Analisa dengan menggunakan metode CTQ dilakukan dua kali untuk fungsi yang berbeda. CTQ yang pertama kami gunakan untuk menganalisa faktor-faktor yang penting bagi Bogasari yang berhubungan dengan proses keseluruhan yang sedang berjalan. Sedangkan penggunaan CTQ yang kedua adalah untuk mengetahui faktor yang paling mempengaruhi proses peramalan penjualan yang ada. Untuk menganalisa dan mengetahui kegagalan yang mungkin timbul pada proses peramalan penjualan yang sedang berjalan, dilakukan metode Failure Modes and Effects Analysis (FMEA). Adapun hasil dari analisa kami, ditemukan variasi dari proses yang ada sekarang. Dengan hasil ini, maka selanjutnya kami akan menentukan penyebab variasi tersebut terjadi.
Improve (Perbaikan) Setelah mengetahui permasalahan yang terjadi, kami menentukan solusi untuk memperbaikinya, yaitu melakukan peramalan penjualan dengan metode dekomposisi untuk peramalan penjualan dalam satu tahun dan membuat order form distributor serta program sederhana input order untuk penyesuaian peramalan penjualan per bulannya. Setelah itu kami merekomendasikan solusi tersebut untuk diterapkan oleh PT. Bogasari Flour Mills Divisi Pasta.
Control (Kontrol) Apabila implementasi sudah dilakukan dan hasilnya sudah terlihat perbaikan, maka diperlukan tahapan kontrol. Pada tahapan ini, analisa juga diterapkan pada data dan proses untuk mengetahui perbandingan antara proses lama dan proses yang sudah mengalami perbaikan.
HASIL dan PEMBAHASAN Analisa Data Analisa data ini kami lakukan dengan menggunakan software minitab berdaraskan segmentasi pasar yang sudah kami definisikan sebelumnya. Perbandingan Antara Ketiga Segmen Untuk mengetahui perbandingan antara ketiga segmen data, dilakukan metode Anova dengan menggunakan grafik boxplot.
12
Adapun perbandingannya bisa dilihat pada grafik di bawah ini: Boxplot of SELISIH % vs TYPE 300
SELISIH %
200
100
0
-100
-200 BOGASARI LOGO Total
BOGASARI MERAH Total TYPE
HCO Total
Gambar 4.3 Grafik Boxplot Dari grafik di atas dapat dilihat perbandingan variasi antara ketiganya, dimana variasi pada segmen institusi (Bogasari Logo) memiliki variasi yang paling kecil (baik), sedangkan segmen HCO memiliki variasi yang paling besar (buruk). Hal ini disebabkan karena jenis produk yang ada pada segmen HCO lebih banyak daripada segmen lainnya. Jika dilihat dari sisi rata-rata data tersebut, Bogasari Logo (segmen institusi) mempunyai nilai rata-rata dari persentasi selisih sebesar 11.1, Bogasari Merah (segmen tradisional) 3.54 dan segmen HCO 67.93. Dari nilai tersebut, maka yang paling baik adalah segmen tradisional dan yang paling buruk adalah segmen HCO. Lebih detil mengenai data persegmen dapat dilihat dari grafik pada penjelasan outliers. Run Chart Berdasarkan gambar 4.3, terlihat pada segmen institusi dan HCO terdapat outliers. Outliers adalah variasi data yang signifikan jika dibandingkan dengan rata-rata dari keseluruhan data yang ada. Dengan melakukan run chart bisa dilihat dimana terjadinya outliers. Pada segmen institusi, outliers terjadi pada bulan Januari sedangkan pada segmen HCO, outliers terjadi pada bulan November. Outliers ini terjadi karena adanya penumpukan stok pada distributor akibat penyesuaian peramalan penjualan per bulan. Berikut ini adalah penjelasan detil mengenai run chart. Contoh yang kami gunakan adalah run chart pada segmen institusi.
13
Run Chart of SELISIH 6000 5000 4000 SELISIH
3000 2000 1000 0 -1000 -2000 -3000 1
2
3
Number of runs about median: Expected number of runs: Longest run about median: A pprox P-Value for C lustering: A pprox P-Value for Mixtures:
4 6 7.00000 3 0.27241 0.72759
5
6 7 Observation
8
Number of runs up or down: Expected number of runs: Longest run up or down: A pprox P-Value for Trends: A pprox P-Value for Oscillation:
9
10
11
12
6 7.66667 4 0.10778 0.89222
Grafik Run Chart Segmen Institusi Dari run chart di atas, terlihat nilai P-Value untuk clustering, mixtures, trends, dan oscillation adalah lebih besar dari 0.05. Hal ini mengindikasikan bahwa keempat gambaran tersebut terjadi. Kapabilitas Proses Untuk menentukan variasi antara data peramalan penjualan dan data aktual penjualan dilakukan analisa kapabilitas proses. Analisa ini dilakukan dalam periode Januari sampai dengan Desember 2004. Process Capability of SELISIH LSL
USL Within O v erall
P rocess D ata LS L -1378 Target * USL 1378 S ample M ean 1115.36 S ample N 36 S tD ev (Within) 3332.22 S tD ev (O v erall) 3561.05
P otential (Within) C apability Z.Bench -0.51 Z.LS L 0.75 Z.U SL 0.08 C pk 0.03 C C pk 0.14 O v erall C apability Z.Bench Z.LS L Z.U SL P pk C pm
-8000 O bserv ed P erformance P P M < LS L 194444.44 P P M > U S L 500000.00 P P M Total 694444.44
E xp. PPM PPM PPM
-4000
Within P erformance < LS L 227152.12 > U S L 468588.69 Total 695740.81
0
4000
-0.56 0.70 0.07 0.02 *
8000
E xp. O v erall P erformance P P M < LS L 241908.93 P P M > U S L 470603.40 P P M Total 712512.33
Gambar 4.5 Grafik Kapabilitas Proses Keseluruhan Segmen Grafik di atas merupakan grafik kapabilitas proses keseluruhan segmen di Bogasari. Pada keterangan gambar terdapat nilai LSL dan USL yang artinya adalah nilai batas bawah dan batas atas dari data yang di analisa. Nilainilai ini didapat dari sepuluh persen dari nilai rata-rata penjualan, yang mana merupakan nilai toleransi dari keseluruhan produksi. Nilai sigma dapat dilihat dari nilai Z.Bench Potential (Within) Capability, yaitu -0.51 yang artinya nilai tersebut didapat dari proses yang sesungguhnya terjadi. Sementara nilai Z.Bench pada Overall Capability 14
adalah nilai yang didapat dari proses yang berdasarkan simulasi nilai-nilai yang diinput. Defect Per Million Opportunity (DPMO) adalah sebesar 695740.81. Artinya dalam satu juta kali proses peramalan penjualan terjadi 695740.81 terjadi defect, yang mana lebih besar dari batas atas (1378) dan batas bawah (1378)nya. Sementara itu, grafik pada proses yang sesungguhnya terjadi terletak jauh berada dari batas atas dan batas bawah. Sedangkan nilai Defect per Million Opportunity (DPMO) dapat dilihat dari nilai PPM Total pada grafik di atas. Dari analisa data dan proses yang sudah kami lakukan, dapat disimpulkan bahwa keseluruhan proses masih berjalan tidak baik dan masih diperlukan adanya perbaikan. Dari seluruh analisa yang kami lakukan, dapat disimpulkan bahwa penyebab-penyebab terjadinya defect adalah: Kurang terlibatnya distributor dalam proses peramalan penjualan yang juga mempengaruhi proses analisa pasar. Defect ini terjadi akibat masih adanya kekurangan pada peta proses berjalan. Tidak adanya suatu metode peramalan penjualan khusus juga mengakibatkan tejadinya defect yang mengakibatkan besarnya variasi yang terjadi antara proses peramalan penjualan dan proses aktual penjualan. Selain itu, prioritas terjadinya resiko yang paling besar terdapat pada proses penyesuaian peramalan penjualan. Hal ini dikarenakan tidak adanya input dari distributor akibat kurang terlibatnya distributor dalam proses peramalan penjualan. Penyebab-penyebab diatas mengakibatkan kurang akuratnya peramalan penjualan pada PT.Bogasari Flour Mills Divisi Pasta. Analisa Diagram Sebab Akibat Untuk mengetahui kemungkinan penyebab timbulnya masalah pada proses peramalan penjualan, dilakukan analisa dengan menggunakan Diagram Sebab Akibat (Fishbone). Hasilnya adalah sebagai berikut : Marketing Kurang Komunikasi dengan PPIC Kurang me-manage distributor Kurang baik menganalisa pasar Forecast Penjualan tidak akurat Hanya mengandalkan data historis Penyerapan pasar tidak menentu
Tidak ada metode khusus Pasar
Metode
Diagram Sebab Akibat Peramalan Penjualan 15
Dari hasil Diagram Sebab Akibat tersebut diketahui bahwa penyebab utama kurang akuratnya peramalan penjualan antara lain adalah : 1. Tidak adanya metode khusus dalam melakukan peramalan. 2. Penyerapan pasar yang tidak menentu. Critical to Quality (CTQ) Proses Peramalan Untuk mengetahui faktor yang paling penting dalam melakukan proses peramalan penjualan, kami melakukan metode yang pernah dilakukan sebelumnya yaitu quality functional deployment (QFD). Proses
Total
Penyesuaian Peramalan
per bulan
Breakdown produksi
Penentuan
Importance
Data Historis
Customer CTQ
Analisa Pasar yang baik
4
L
H
M
H
88
Perlunya Suatu Metode Peramalan Penjualan
3
L
H
H
L
60
Masukan dari Distributor
2
L
M
M
H
32
Masukan dari Program marketing
1
L
M
H
L
14
Results Analisa Pasar yang baik
4
4
36
12
36
88
Perlunya Suatu Metode Peramalan penjualan
3
3
27
27
3
60
Masukan dari Distributor
2
2
6
6
18
32
Masukan dari Program marketing
1
1
3
9
1
14
1
72
54
58
Total
QFD ini merupakan analisa hubungan antara faktor-faktor yang mempengaruhi peramalan penjualan dengan proses peramalan penjualan yang ada.
16
Tabel QFD Proses Peramalan Forecast Pareto
Penentuan Target Penjualan Data Historis Breakdown production per month Adjustment per month 0
20
40
60
80
Diagram Pareto untuk QFD Proses Peramalan Dari QFD diatas didapat dua faktor yang paling berpengaruh atau kritikal pada proses peramalan penjualan, yaitu analisa pasar yang baik dan perlunya suatu metode peramalan penjualan sehingga menjadikan keduanya prioritas utama yang perlu diperbaiki. Dari dua faktor tersebut kami membatasi penulisan tesis ini pada perlunya suatu metode peramalan penjualan sebagai topik pembahasan kami yang nantinya juga akan mempengaruhi peta proses yang sudah ada. Failure Mode and Effects Analysis (FMEA) Berikut ini adalah analisa proses peramalan penjualan yang ada dengan menggunakan modul kegagalan FMEA. Proses-proses yang ada pada proses peramalan penjualan adalah sebagai berikut: 1. Penentuan target penjualan. 2. Pengumpulan data historis. 3. Breakdown production per bulan. 4. Adjustment production per bulan. Dari proses-proses tersebut dapat dianalisa: Potensi kegagalan dari setiap proses. Efek kegagalan tersebut bagi Bogasari. Penyebab kegagalan tersebut. Proses pencegahan dan pengendalian yang sedang berjalan untuk mencegah terjadinya kegagalan tersebut. 5. Tindakan yang dilakukan untuk mengurangi kesulitan atau meningkatkan identifikasi dini. 6. Siapa yang bertanggung jawab dari setiap tindakan yang diambil. Tindakan yang perlu dilakukan untuk memperbaiki kegagalan. 1. 2. 3. 4.
17
Improvement (Perbaikan) Dari metode peramalan yang sudah ada, kami mengajukan perbaikan di 2 bidang, yaitu : 1. Metode Peramalan Penjualan, tidak adanya suatu metode khusus yang digunakan untuk peramalan penjualan merupakan alasan khusus mengapa variasi yang terjadi cukup besar. Metode dekomposisi kami pilih sebagai metode peramalan yang tepat bagi Bogasari karena berdasarkan data yang kami peroleh dari tahun 2002 sampai dengan 2004, terlihat suatu pola data yang acak yang tergantung pada faktor musiman. Kami mensimulasikan data metode peramalan penjualan ini dengan menggunakan data dari tahun 2002 sampai dengan 2004 Dari metode ini didapat hasil akhir peramalan penjualan untuk tahun 2005. 2. Order Form Pelanggan (Check-list), distributor kurang dilibatkan dalam analisa pasar. Perbaikan metode peramalan yang kami susun akan memperlihatkan keterlibatan dan masukkan yang cukup besar dari distributor dalam kegiatan analisa pasar. Hal ini diharapkan dapat memperbaiki keakuratan penyesuaian peramalan per bulan yang merupakan masukkan pada proses peramalan yang akan dilakukan oleh pihak Bogasari.
KESIMPULAN dan SARAN Dengan konsep Six Sigma yang kami gunakan, kami melakukan perbaikan (improvement) untuk proses peramalan penjualan. Hal ini dilakukan dengan menggunakan metode peramalan dekomposisi dan program komputer sederhana untuk penyesuaian peramalan per bulan. Karena keterbatasan waktu, alternatif solusi yang kami ajukan belum dapat diimplementasi secara langsung. Tetapi kami melakukan simulasi pada pelaksanaan proses peramalan penjualan ini yang menghasilkan variasi yang lebih kecil. Kami mengharapkan pihak Bogasari dapat mengimplementasikan solusi yang kami ajukan sehingga dapat memperbaiki tingkat akurasi proses peramalan penjualan yang ada.
18
DAFTAR PUSTAKA Assauri, Sofyan (1984). Teknik dan Metode Peramalan, Penerapannya dalam Ekonomi dan dunia usaha. Bounds, Greg, Lyle Yorks, Mel Adams, Gipsie Ranney, “Total Quality Management : Toward The Emerging Paradigm”. International Edition, Singapore: McGraw-Hill, 1994. Brue, Greg, “Six Sigma for Managers”. Jakarta: Canary, 2002. Dale, B.G., and Plunkett, J.J, “Managing Quality”. Great Britain: Philip 1990.
Allan,
Goetsch, David.L. Davis, Stanley B.. 2003. “Quality management : Introduction to Total Quality Management for Production, Processing, and Services”. Fourth Edition. Pearson Education, Inc Makridakis, Wheelwright, Ir, MSC. (1991). Ekonomi Terapan, Terjemahan Aroef. Matthias, MSIE, Dr, Prof. Tarsito, Bandung Miranda, dan Tunggal, Amin Widjaja, “Six Sigma: Gambaran Umum, Proses dan Metode-Metode yang Digunakan untuk Perbaikan: MOTOROLA”. Jakarta: Harvarindo, 2002.
Penerapan GE
Pande, Peter S. Holpp, Larry. 2003. “Berpikir Cepat Six Sigma”. Yogyakarta: Andi. Pande, Peter S. Neuman, Robert P. Cavanagh, Roland R. 2002. “The Six Way”. Yogyakarta: Andi
Sigma
Prof. Dr. Sofjan Assauri, MBA, “Manajemen Produksi dan Operasi”, Jakarta: Fakultas Ekonomi Universitas Indonesia, 2004. “Six Sigma Dalam Manajemen Mutu”. http://www.angelfire.com/moon/artemisia_diana/files/UTSManaje menMutu.doc. “Six Sigma DMAIC Roadmap”. http://www.isixsigma.com/library/content/c020617a.asp “Six Sigma - What is Six Sigma?”. http://www.isixsigma.com/sixsigma/six_sigma.asp
19
“Sekilas GE”. http://www.ge.com/id/sekilas2.htm “what is six sigma?”. http://www.adamssixsigma.com/Glossary_of_terms/what_is_six_sigma.htm “Customer satisfaction and customer loyalty are the best predictors of customer retention”. http://www.adamssixsigma.com/Newsletters/customers_results.htm “DMAIC is define measure analyze improve and control in the six sigma approach to projects”. http://www.adamssixsigma.com/six_sigma_approach.htm “Six Sigma Plus”. http://www.honeywell.com/sites/honeywell/ourculturen3_cata3ced9fb861f0f3e3e3e4447ab3472a0c2a5e5fdc1e6517d_HTM a3ced9-fb861ffbb83e3e4447ab3472a0c2a5e5fdc1e6517d.htm “Leaders The Deployment of Six Sigma.” http://www.bmgi.com/ “Customer Experience and Service Level: Field Service Operation Improvement”. http://www.tefen.com/services.asp?pageInstanceId=27v
Assauri, Sofyan (1984). ”Teknik dan Metode Peramalan, Penerapannya dalam Ekonomi dan dunia usaha.” Makridakis, Wheelwright, Ir, MSC. (1991). “Ekonomi Terapan”. Terjemahan Aroef. Matthias, MSIE, Dr, Prof. Tarsito, Bandung”
20
