4.8.3. Interpretasi Rancangan
4.8.3.1. Asumsi Perbaikan Akurasi Forecast yang Dicapai dengan Collaborative Forecast
62
produk yang lebih konstan sehingga akan memperbaiki manajemen persediaan dan mempermudah penanganan kedatangan komponen. Pemasok juga dapat menjalankan operasinya dengan lebih efisien dimana kapasitas dan perencanaan penggunaan tenaga kerja dapat dimaksimalkan. Perbaikan ini akan menghasilkan penghematan di setiap level yang akan mengakibatkan total biaya produksi unit kendaraan semakin murah.
Perencanaan forecast yang baik adalah dengan mengkolaborasikan informasi dan perencanaan yang dibutuhkan untuk mengolah forecast tersebut menjadi satu keputusan permintaan yang disepakati oleh setiap pemain dalam rantai pasok. Ini disebut collaborative forecast, yang direncanakan sesuai dengan kepentingan setiap pemain dalam rantai pasok untuk mencapai eksekusi yang produktif. Pada subbab berikut akan dijabarkan asumsi perbaikan akurasi forecast yang dicapai dengan collaborative forecast.
4.8.3.1. Asumsi Perbaikan Akurasi Forecast yang Dicapai dengan Collaborative Forecast
Seperti yang telah dijelaskan pada Bab II mengenai proses bisnis PT Pantja Motor, AI-ISO sudah memberikan forecast produksi sejak bulan M-6 sebagai dasar untuk menentukan jumlah aktual produksi bulan M. Tetapi dengan metoda lama setiap ordered forecast yang dikeluarkan oleh AI-ISO diterima sepenuhnya oleh PT Pantja Motor dan pemasok tanpa adanya proses kolaboratif.
Dengan metoda collaborative forecast setiap forecast penjualan yang dikeluarkan oleh AI-ISO akan dikolaborasikan dengan semua pemain melalui forum yang telah dibentuk. Forecast penjualan yang diterima PT Pantja Motor dari AI-ISO mulai dari M-6 sampai bulan M-2 akan dikonsolidasikan oleh forum dengan menyesuaikan forecast yang diberikan terhadap kapasitas produksi pemasok dan data historis penjualan unit kendaraan. Forecast ini akan digunakan oleh PT Pantja Motor sebagai
Ganda Christ Robert Manurung – 29104106
63
dasar penentuan agregasi perencanaan produksi yang bertujuan untuk perencanaan penggunaan SDM dan tingkat persediaan.
Mulai dari bulan M-3 sampai dengan bulan M-2 forum berkolaborasi untuk menentukan forecast pemesanan pada bulan M-3 dan bulan M-2. Forecast pemesanan ini akan digunakan sebagai dasar penyediaan bahan baku oleh pemasok yang membutuhkan lead time penyediaan bahan baku dan produksi komponen selama tiga bulan ataupun dua bulan. Penentuan forecast pemesanan didasarkan kepada forecast penjualan, data historis pemesanan bahan baku pemasok dan komponen PT Pantja Motor, serta strategi manajemen persediaan pemasok dan PT Pantja Motor.
Pada bulan M-1 forum akan berkolaborasi untuk menentukan frozen forecast yang akan digunakan sebagai dasar perencanaan produksi bulan M oleh PT Pantja Motor dan pemasok. Frozen forecast merupakan keputusan permintaan jumlah unit kendaraan yang tidak dapat diubah lagi. Oleh karena itu perencanaan produksi komponen oleh pemasok dan unit kendaraan oleh PT Pantja Motor didasarkan kepada frozen forecast dan perencanaan delivery.
Berikut ini digambarkan event-event yang dilakukan oleh forum mulai dari forecast M-6 sampai dengan produksi bulan M.
Ganda Christ Robert Manurung – 29104106
64
Untuk menggambarkan perbaikan akurasi forecast dengan metoda collaborative forecast akan digunakan asumsi hasil dari rancangan yang diberikan. Asumsi yang digunakan adalah dengan memakai persentase perbedaan forecast dengan pemesanan aktual paling tinggi pada forecast bulan M-3 dan bulan M-2. Digunakan forecast bulan M-3 dan bulan M-2 karena forecast tersebut yang digunakan pemasok untuk jumlah pemesanan bahan baku, seperti yang sudah dijelaskan subbab 4.8.1. hal 43. Dari Tabel 4.3. (hal 43) diperoleh persentase perbedaan forecast dengan pemesanan aktual paling tinggi adalah pada bulan Agustus, yaitu sebesar 30.3%. Kemudian diasumsikan forecast pemesanan yang disepakati oleh forum mencapai batas maksimum dari forecast error, yaitu ± 20% (tertera pada Tabel 4.6 sebesar 18.2% karena forecast dibulatkan menjadi 1170 disebabkan basis produksi PT Pantja Motor berdasarkan lot yang berjumlah 30 unit kendaraan per lot). Maka diperoleh perbaikan akurasi forecast sebesar 66%. Perbaikan akurasi forecast 66% tersebut kemudian dikonversikan ke seluruh forecast yang diberikan AI-ISO, maka diperoleh hasil seperti yang terdapat pada Tabel 4.5. dan Tabel 4.6.
Tabel 4.5. Forecast Produksi dengan Metode Collaborative Forecast
BULAN
FORECAST ke
Des Jan Feb Mar Apr Mei Jun Jul Agus
1 690 810 870 870 990 1170 1020 2 750 780 840 900 990 1140 1140 1050 3 750 750 780 780 930 1140 1080 1170 1200 4 840 810 870 900 1110 1080 1140 1320 1170 5 870 780 840 1050 1170 1170 1260 1350 1140 AKTUAL 1020 900 840 960 1080 1200 1200 1320 990
Tabel 4.6. Perbedaan Keadaan Aktual dan Forecast Produksi dengan Metode Collaborative Forecast
BULAN
FORECAST
ke Des Jan Feb Mar Apr Mei Jun Jul Agus AVG
1 -17.9% -15.6% -19.4% -27.5% -17.5% -11.4% 3.0% 16.0% 2 -16.7% -7.1% -12.5% -16.7% -17.5% -5.0% -13.6% 6.1% 11.9% 3 -26.5% -16.7% -7.1% -18.8% -13.9% -5.0% -10.0% -11.4% 21.2% 14.5% 4 -17.6% -10.0% 3.6% -6.3% 2.8% -10.0% -5.0% 0.0% 18.2% 8.2% 5 -14.7% -13.3% 0.0% 9.4% 8.3% -2.5% 5.0% 2.3% 15.2% 12.8% AKTUAL 1020 900 840 960 1080 1200 1200 1320 990 1057
Ganda Christ Robert Manurung – 29104106 65 -30.0% -20.0% -10.0% 0.0% 10.0% 20.0% 30.0% 1 2 3 4 5 Forecast ke P er sen tase P er b ed aa n Dec Jan Feb Mar Apr May Jun Jul Aug
Grafik 4.3. Perbandingan Forecast dan Aktual dengan metode Collaborative Forecast
Dari Grafik 4.3 terlihat perbaikan akurasi forecast yang dicapai dengan collaborative forecast cukup signifikan dimana pada forecast M-3 dan M-2 tidak terdapat forecast error melebihi ± 20% sesuai dengan aturan dasar yang menjadi kesepakatan AI-ISO, PT Pantja Motor dan pemasok. Sementara forecast error melebihi ± 20% hanya terjadi di tiga titik, yaitu pada bulan M-4 untuk produksi bulan Desember sebesar -26.5% dan produksi bulan Agustus sebesar -21.2% serta pada M-6 untuk produksi bulan Mei sebesar -27.5%.
Berikut ini kita akan membandingkan kondisi lama dimana masih proses bisnis masih menggunakan ordered forecast dengan collaborative forecast yang menjadi proposal solusi terhadap permasalahan PT Pantja Motor.
Ganda Christ Robert Manurung – 29104106
66 4.8.3.2. Ordered Forecast
Pada situasi sekarang AI-ISO hanya mengeluarkan informasi ordered forecast dan production order kepada PT Pantja Motor pemasok. Dengan hanya bergantung pada informasi tersebut akan menyebabkan bullwhip effect yang besar. Hal ini akan semakin buruk karena ordered forecast AI-ISO sering tidak akurat. Pemasok kemudian akan membuat perencanaan produksi dan pemesanan bahan baku menurut pertimbangan sendiri tanpa memperhatikan kondisi dari pemain-pemain lain dalam rantai pasok, yaitu kondisi kapasitas dan jadwal produksi serta strategi manajemen persediaan. Kondisi ini akan bermomentum ke pemasok tier level di bawahnya sehingga akan terbentuk situasi distorsi permintaan yang chaos. Ini akan memberi efek-efek negatif seperti yang telah dijabarkan pada subbab 4.8.1.