HASIL DAN PEMBAHASAN
4.3 Analisis Hasil Pengolahan Data .1Forecasting
Dalam Metode Time-series Decomposition cocok digunakan untuk data yang memiliki trend, level, serta seasonal. Grafik data permintaan pada PT. ToysRoyale yang terbentuk merupakan grafik seasonal dimana terdapat 4 pola dengan masing-masing pola memiliki 6 titik sehingga CMA yang digunakan adalah CMA 6. Nilai forecast merupakan hasil perhitungan dari hasil perhitungan nilai level atau intercept dengan perkalian nilai trend atau slope
dengan periode. Nilai level, trend serta seasonal dipengaruhi oleh data permintaan yang ada dan periode permintaan. Jumlah nilai TS yang diperoleh dalam metode ini tidak ada yang melewati batas jangkauan standar yaitu tidak melebihi -6 dan 6 sehingga nilai forecast yang diperoleh tidak ada yang membias. Berdasarkan data yang diperoleh, nilai MAD yang diperoleh sebesar 243,38.
Metode selanjutnya adalah Metode Moving Average. Metode ini tidak dipengaruhi oleh nilai level, trend dan seasonal melainkan dipengaruhi oleh data permintaan dan periode permintaan. Nilai forecast dalam metode ini diperoleh dari nilai rata-rata permintaan pada periode yang ditentukan. Pada 10 percobaan, terdapat 7 percobaan dimana nilai TS melebihi batas jangkauan standar. Nilai MAD yang terkecil sebesar 612,47 pada MA 6. Namun, data
forecast pada MA 6 tidak dapat digunakan karena terdapat nilai TS yang melebihi batas. Diantara 3 percobaan yang nilai TSnya tidak melebihi batas standar, nilai MAD yang terkecil adalah pada MA 4 sebesar 852,15. Nilai MAD pada metode ini dipengaruhi oleh data permintaan yang ada. Apabila data permintaan besar nilai MAD yang diperoleh lebih besar dibandingkan apabila data permintaan memiliki nilai yang kecil.
Metode Holt’s atau Exponential Smoothing Double Parameter
merupakan metode perhitungan forecast yang cocok digunakan untuk data yang memiliki level dan trend. Kedua faktor tersebut dipengaruhi oleh konstanta smoothing yaitu alpha dan beta yang bernilai antara 0 dan 0,99 dimana semakin besar nilai konstanta tersebut semakin besar nilai level dan
trend. Nilai alpha mempengaruhi nilai level sedangkan nilai beta mempengaruhi nilai
trend. Nilai forecast pada metode ini merupakan hasil penjumlahan nilai level
dan trend sehingga dapat dikatakan bahwa semakin besar nilai alpha dan beta
maka semakin besar nilai forecast. Berdasarkan 11 percobaan dengan nilai
alpha dan beta yang bervariasi, nilai TS yang diperoleh tidak ada yang melebihi batas standar yang telah ditentukan sehingga hasil forecast dari 11 percobaan tersebut dapat dikatakan akurat. Percobaan pertama merupakan hasil dengan nilai keakuratan paling tinggi dengan nilai alpha sebesar 0,01 dan beta
sebesar 0,01 serta nilai MAD sebesar 788,83. Hal ini dikarenakan nilai MAD yang diperoleh merupakan nilai terkecil dibandingkan dengan 11 percobaan lainnya. Salah satu variabel yang mempengaruhi nilai MAD dalam Metode Holt’s adalah nilai alpha dan beta, jika nilai alpha dan beta semakin mendekati 1 maka nilai MAD yang merupakan variabel yang mengukur tingkat error
memperoleh nilai yang besar dibandingkan dengan apabila nilai alpha dan beta
mendekati 0. Secara keseluruhan percobaan pertama memiliki tingkat ketepatan yang lebih besar dibandingkan dengan percobaan lainnya.
Metode selanjutnya adalah Metode Winters’ atau Exponential Smoothing Triple Parameter. Metode ini digunakan ketika pada data permintaan terdapat tiga faktor yaitu level, trend dan seasonal. Pada metode ini terdapat tiga
konstanta smoothing yang digunakan yaitu alpha, beta serta gamma dimana
alpha mempengaruhi nilai level, beta mempengaruhi nilai trend dan gamma
mempengaruhi nilai seasonal. Nilai forecast pada metode ini diperoleh dari hasil perkalian antara seasonal dengan penjumlahan antara level dan trend. Berdasarkan beberapa percobaan dalam Metode Winters’ dengan ketiga konstanta yang bervariasi, menyatakan bahwa 9 percobaan dari 10 percobaan memiliki nilaiTS yang melewati batas standar yaitu di bawah -6 dan di atas 6. Percobaan ke-6 merupakan percobaan dengan hasil forecast yang diperoleh lebih akurat dibandingkan dengan percobaan lainnya. Hal tersebut dikarenakan tidak ada nilai TS yang melebihi batas standar nilai MAD yang diperoleh merupakan nilai terkecil dari percobaan lainnya yaitu sebesar 239,25. Nilai MAD pada percobaan ke-6 ini dipengaruhi oleh nilai alpha, beta serta gamma
yang secara berturut-turut bernilai 0,32, 0,01, dan 0,01. Apabila nilai alpha
besar sedangkan nilai beta dan gamma kecil maka nilai MAD akan lebih besar dibandingkan jika nilai alpha kecil sedangkan nilai beta dan gamma besar. Berdasarkan data yang diperoleh, maka percobaan ke-6 merupakan percobaan dengan hasil forecast yang diperoleh lebih tepat dibandingkan dengan percobaan lainnya.
4.3.2 Aggregate Planning
Forecast yang diperoleh dengan metode yang tepat kemudian di transformasikan kedalam suatu perencanaan yang disebut sebagai Aggregate Planning. Terdapat berbagai macam Aggregate Planning yaitu Zero Inventory Plan, Constant Workforce Plan, Mixed Strategies (Overtime and Backorder Plan, Overtime and Subcontract Plan). Ke-3 metode tersebut digunakan untuk mengetahui strategi produksi yang terbaik sehingga dapat memenuhi demand
yang diminta. Pada kasus yang terdapat pada Bab 1, diperoleh bahwa jumlah
inventory pada periode sebelumnya adalah sebesar 125 sehingga pada demand
bulan Januari 2016 merupakan hasil pengurangan dari forecast yang ada dengan 125. Selain hal tersebut, pada akhir periode yaitu Desember 2016 perusahaan diharapkan memiliki jumlah inventory sebesar 70 sehingga pada
demand Desember 2016 ditambahkan dengan 70 dan juga pada total inventory, hal ini disebabkan karena nilai 70 yang ditambahkan pada demand pertama itu merupakan demand yang dibeli untuk dijadikan safety stock sehingga secara tidak langsung jumlah ending inventory juga akan bertambah sesuai jumlah
demand yang sudah dibeli pada bulan Desember 2015 sebelumnya.
Metode Zero Inventory Plan (ZIP) merupakan metode yang bertujuan untuk meminimalkan jumlah inventory yang ada pada sebuah perusahaan. Dalam Metode ZIP jumlah pekerja tiap bulan berbeda satu dengan yang lain karena dalam Metode ZIP jumlah pekerja disesuaikan dengan kebutuhan yang ada berdasarkan pembagian antara jumlah demand dengan jumlah unit yang dapat diproduksi oleh satu pekerja sehingga apabila jumlah pekerja yang ada terlalu banyak untuk target pada bulan berikutnya akan ada beberapa pekerja yang harus dipecat dan sebaliknya. Dalam metode ini diperlukannya biaya
hiring, biaya firing, dan biaya tersebut adalah biaya gaji pekerja yang diberikan kepada pekerja tiap bulan. Selain biaya-biaya tersebut terdapat biaya holding inventory. Berdasarkan data yang telah diperoleh dan diolah, dapat dinyatakan bahwa metode ZIP ini memiliki jumlah ending inventory yang lebih kecil jumlahnya. Kelebihan metode ini adalah meminimalkan jumlah inventory
tetapi kekurangan pada metode ini adalah adanya penyesuaian jumlah pekerja Integrated Industrial Engineering Laboratory
Industrial Engineering Department BINUS University
tiap bulan. Secara keseluruhan, total cost yang diperoleh dalam metode ini adalah sebesar $ 1.894.784,00 yang berasal dari jumlah dari biaya total hiring
($ 78.000,00), total firing ($ 118.800,00), total inventory ($ 4.384,00), dan
totalwage ($ 1.693.600,00).
Metode selanjutnya adalah Metode Constants Workforce Plan (CWP). Metode ini tidak sama seperti Metode Zero Inventory Plan dimana pada metode ini hiring dan firing pekerja tidak dilakukan setiap bulan, dalam metode ini jumlah pekerja selama 12 bulan yang akan datang merupakan rasio terbesar dalam perhitungan selama 12 bulan. Rasio terbesar dalam metode ini adalah sebesar 154 sehingga diibaratkan bahwa selama 12 bulan kedepan, jumlah pekerja yang ada adalah 154 walaupun sebenarnya jumlah pekerja yang dibutuhkan tidak sebesar itu. Tidak ada hiring dan firing pekerja dalam metode ini sehingga biaya hiring dan firing yang dikeluarkan akan lebih kecil dari Metode ZIP, akan tetapi hal ini tentu membawa dampak buruk yang berujung pada ending inventory yang bernilai sangat besar. Hal tersebut dikarenakan semakin banyak pekerja akan semakin banyak gaji yang harus diberikan sehingga nilai ending inventory akan bertambah dan akan mengakibatkan total cost yang semakin besar. Kelebihan pada metode ini adalah mengurangi proses
hiring dan firing pekerja, tetapi kelemahan pada metode ini adalah jumlah pekerja yang ada sesuai dengan rasio terbesar sehingga membuat biaya gaji menjadi besar. Berdasarkan data yang telah diperoleh dan diolah pada bab sebelumnya dapat dinyatakan bahwa total cost yang diperoleh adalah sebesar $ 3.890.168,00 yang berasal dari jumlah dari biaya total hiring ($ 41.600,00),
total firing ($ 0), total ending inventory ($ 475.968,00), dan total wage ($ 3.372.600,00). Dapat dilihat bahwa total cost pada Metode CWP lebih besar dari pada Metode ZIP.
Metode Mixed Strategies dibagi menjadi dua yaitu Metode Overtime and Backorder dan Metode Overtime and Subcontract. Metode Overtime and Backorder merupakan metode penggabungan antara Overtime dan Backorder
dimana Overtime merupakan metode dimana para pekerja lembur atau melebihi batas waktu jam kerja yang seharusnya untuk memenuhi kebutuhan
demand yang lebih besar dibandingkan dengan jumlah produksinya sedangkan metode Backorder adalah ketika demand yang diminta lebih besar dibandingkan dengan hasil produksi sehingga membuat perusahaan tidak dapat memenuhinya maka perusahaan akan membuat pesanan tersebut pada produksi selanjutnya. Hal tersebut menyebabkan perusahaan membayar biaya lembur pekerja diluar biaya gaji dan biaya backorder. Pada Metode Overtime and Backorder jumlah pekerja dianggap tetap yaitu 50 sehingga tidak dibutuhkan biaya penyewaan dan pemecatan pekerja. Jumlah inventory yang ada adalah sebesar 70 karena produksi tidak dapat memenuhi kebutuhan demand, jadi nilai ini didapat dari expected ending inventory pada soal. Kelebihan pada metode ini adalah tidak adanya proses pemecatan dan penyewaan pekerja tetapi kelemahan pada metode ini adalah pekerja yang ada diharuskan lembur dan dengan adanya backorder perusahaan harus membayar biaya backorder. Secara keseluruhan, total cost yang diperoleh dalam metode ini adalah sebesar $ 2.561.132,00 yang berasal dari jumlah dari biaya total overtime cost ($ 508.950,00), total backorder cost ($ 1.046.622,00), total inventory ($ 560,00), dan totalwage ($ 1.095.000,00).
Metode selanjutnya adalah Metode Overtime and Subcontract. Metode ini merupakan penggabungan Metode Overtime dan Subcontract. Metode
Overtime and Subcontract adalah ketika pekerja yang bekerja melebihi batas jam kerjanya tetapi demand tetap tidak dapat dipenuhi maka perusahaan membuat kontrak dengan perusahaan lain untuk memenuhi demand yang ada. Pada metode ini jumlah pekerja tidak berubah yaitu 50 untuk 12 bulan sehingga tidak diperlukannya biaya hiring dan firing tetapi diperlukan biaya lembur pekerja dan biaya kontrak untuk perusahaan lain. Kelebihan pada metode ini adalah tidak adanya proses firing dan hiring pekerja tetapi kelemahan pada metode ini adalah pekerja yang ada diharuskan lembur dan dengan adanya subcontract dengan perusahaan lain perusahaan harus membayar biaya subcontract. Secara keseluruhan, total cost yang diperoleh dalam metode ini adalah sebesar $ 1.536.688,00 yang berasal dari jumlah dari biaya total overtime cost ($ 283.400,00), total subcontract cost ($ 150.280,00),
total inventory ($ 8.008,00), dan totalwage ($ 1.095.000,00).
Integrated Industrial Engineering Laboratory Industrial Engineering Department BINUS University
DAFTAR PUSTAKA
(n.d.). Retrieved from http://www/feifeimix.taobao.comChopra, S., & Meindl, P. (2010). Supply Chain Management: Strategy, Planning, and Operation 4th edition. New Jerey: Prentice Hall.
Ivanov, D., Tsipoulanidis, A., & Schönberger, J. (2016). Global Supply Chain and Operations Management: A Decision-Oriented Introduction to the Creation of Value. New York: Springer.
Magad, E. L. (2013). Total Materials Management: The Frontier for Maximizing Profit in the 1990s. New York: Springer Science & Business Media.
Nahmias, S. (2009). Production and Operations Analysis 6th edition. USA: McGraw Hill.
Nahmias, S. (2015). Production and Operations Analysis (th ed.). North America: McGraw Hill.
Reid, W. J., & Sanders, N. R. (2010). Operations Management 4th edition. New York: John Wiley.
Render, B., Stair, R. M., & Hanna, M. E. (2009). Quantitative Analysis for Management 4th edition. New Jersey: Pearson.
Shapiro, J. F. (2007). Modeling the Supply Chain 2nd edition. USA: Thompson. Stevenson, W. J., & Chuong, S. C. (2014). Operations Management. Singapore: