Faktor faktor yang mempengaruhi peramalan permintaan

BAB II LANDASAN TEORI

2.2. Peramalan permintaan

2.2.1. Faktor faktor yang mempengaruhi peramalan permintaan

dipengaruhioleh berbagai faktor lingkungan yang saling berinteraksi dalam pasaryang berada di luar kendali perusahaan. Dimana faktor – faktorlingkungan tersebut juga akan mempengaruhi peramalan.

Berikut inimerupakan beberapa faktor lingkungan yang mempengaruhi peramalan :

 Kondisi umum bisnis dan ekonomi

 Reaksi dan tindakan pesaing

 Tindakan pemerintah 2.3. Metode peramalan permintaan

Banyak jenis metode peramalan yang tersedia untuk digunakan, namun yang lebih penting adalah bagaimana memahami karakteristik suatu metode peramalan agar cocok untuk diterapkan pada kasus yang diteliti berdasarkan data–data yang telah terjadi sebelumnya.

Secara umum metode peramalan dapat dibagi dalam dua ketegori utama, yaitu metode kuantitatif dan metode kualitatif.

Metode kuantitatif dapat dibagi ke dalam deret berkala atau kurun waktu (time series) dan metode kausal, sedangkan metode kualitatif dapat dibagi menjadi metode eksploratoris dan normative

Metode kuantitatif sangat beragam dan setiap teknik memiliki sifat,

yang harus dipenuhi, yaitu:

 Tersedia informasi tentang masa lalu

 Informasi tersebut dapat dikuantitatifkan dalam bentuk numeric

 Diasumsikan bahwa beberapa pola masa lalu akan terus berlanjut Peramalan permintaan (forecasting demand) merupakan tingkat permintaan produk-produk yang diharapkan akan terealisasi untuk jangka waktu tertentu pada masa yang akan datang. Menurut Render dan Heizer dkk (2014), terdapat tujuh tahap dasar dalam melakukan peramalan permintaan :

1. Menentukan penggunaan dari peramalan

2. Memilih item atau kuantitas yang akan di ramalkan 3. Menentukan horizon dari peramalan

4. Memilih model peramalan

5. Mengumpulkan data yang di perlukan untuk memperoleh peramalan 6. Melakukan peramalan

7. Memvalidasi peramalan dan mengimplementasikan hasil peramalan

2.3.1. Metode peramalan permintaan time series

Analisa deret waktu didasarkan pada asumsi bahwa deret waktu tersebut terdiri dari komponen komponen Trend/kecenderungan (T), Siklus/cycle (C), Pola Musiman/Season (S), dan variasi acak/Random (R) yang akan menunjukan suatu pola tertentu.Penjelasan komponen – komponen tersebut adalah sebagai berikut:

a) Trend (T) merupakan sifat dari permintaan masa lalu terhadap waktu terjadinya apakah permintaan tersebut cenderung naik, turun atau konstan.

b) Cycle (C) merupakan sifat dari permintaan dalam satu periode apakah mengalami permintaan dengan jumlah yang sama atau tidak.

c) Season (S) merupakan Fluktuasi permintaan suatu produk yang dapat mengalami kenaikan atau penurunan pada saat saat musim tertentu. Pola ini biasanya disebabkan oleh factor cuaca, musim libur panjang, hari raya keagamaanyang akan berulang secara periodic tiap tahunnya.

d) Random (R) permintaan suatu produk dapat berubah secara tiba- tiba yang disebabkan oleh faktor tertentu. Contoh bencana alam,promosi

khusus, perusahaan pesaing, dimana faktor- faktor ini tidak dapat diperkirakan dan tidak mempunyai pola tertentu.

Dalam metode time series ada beberapa teknik yang biasa digunakan tergantung pola permintaan yang terjadi. Dibawah ini merupakan

penjelasannya :

1. Metode naive (naif)

Teknik peramalan yang mengasumsikan permintaan periode berikutnya sama dengan permintaan pada periode terakhir. Metode naif digambarkan secara matematis berikut :

Permintaan periode mendatang = permintaan periode terakhir 2. Moving Average

Peramalan moving average (rataan bergerak) menggunakan sejumlah

keterangan :

At = Permintaan aktual pada periode t

N = Jumlah data permintaan yang dilibatkan dalam perhitungan 3. Weighted Moving Average

Saat terdapat tren atau pola yang terdeteksi, bobot dapat digunakan untuk menempatkan penekanan yang lebih pada nilai terkini. Moving average dengan pembobotan disebut juga Weighted Moving Average. Weighted Moving Average dapat digambarkan secara matematik

sebagai berikut:

WMA = ∑ Wt – At persamaan (2)

Keterangan :

Wt = bobot permintaan aktual pada periode t At = permintaan aktual pada periode t 4. Exponential Smoothing

Exponential smoothing (penghalusan eksponensial) merupakan metode peramalan rataan bergerak dengan pembobotan di mana titik- titik data dibobotkan oleh fungsi eksponensial.

Single Exponential Smoothing dapat digambarkan secara matematis berikut:

Ft = Ft-1 + α (At-1 - Ft-1 ) Persamaan (3) keterangan:

Ft = peramalan baru

Ft-1 = peramalan sebelumnya

α = konstanta penghalusan (0 ≤ α ≤ 1) At-1 = permintaan aktual periode lalu

Single Exponential Smoothing yang telah disesuaikan dengan adanya

tren disebut Double Exponential Smoothing. Double Exponential Smoothing dapat digambarkan secara matematis sebagai berikut:

F(0) = F1 (0) = A(1) Persamaan (4) F(t) = α A(t) + (1 - α ) F(t - 1) Persamaan (5) 1 F (t) = α F(t) + (1 - α ) F1 (t - 1) Persamaan (6) f(t + τ ) = F1 (t) Persamaan (7) α = konstanta penghalusan (0 ≤ α ≤ 1)

2.3.2. Ukuran akurasi peramalan

Ukuran akurasi hasil peramalan yang merupakan ukuran tentang tingkat perbedaan atau kesalahan hasil peramalan dengan permintaan yang sebenarnya

Mean Absolute Deviation ( MAD ) merupakan rata – rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil jika dibandingkan dengan kenyataannya. Secara sistematis, MAD dirumuskan sebagai berikut :

MAD = ( ^{𝐴𝑡−𝐹𝑡}

𝑛 ) persamaan (10)

At = Permintaan aktual pada periode t Ft = Peramalan permintaan pada periode t n = Jumlah periode peramalan yang terlibat

2. Rata - rata kuadrat kesalahan ( Mean Square Error = MSE ) Mean Square Error ( MSE ) dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan. Secara matematis, MSE dirumuskan sebagai berikut :

MSE = ∑ ^{(𝐴𝑡−𝐹𝑡)}

𝑛 Persamaan (11)

keterangan :

At = Permintaan aktual pada periode t Ft = Peramalan permintaan pada periode t n = Jumlah periode peramalan yang terlibat

3. Rata – rata kesalahan peramalan ( Mean Forecast Error = MFE ) Mean Forecast Error MFE ) sangat efektif untuk mengetahui apakah suatu hasil

peramalan selama periode tertentu terlalu tinggi atau rendah. Bila hasil peramalan tidak bias, maka nilai MFE akan mendekati not. MSE dihitung dengan

menjumlahkan semua kesalahan peramalan selama periode peramalan dan membaginya dengan jumlah periode peramalan. Secara sistematis dirumuskan sebagai berikut

MFE = ∑ ^{(𝐴𝑡−𝐹𝑡)}

𝑛 persamaan (12)

At = Permintaan aktual pada periode t Ft = Peramalan permintaan pada periode t n = Jumlah periode peramalan yang terlibat

4. Rata – rata persentase kesalahan mutlak ( Mean Absolute Percentage Error = MAPE )

Merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan telalu tinggi atau rendah. Secara sistematis dirumuskan sebagai berikut :

MAPE = (¹⁰⁰

𝑛 ) ∑ │At-^𝐹𝑡

𝐴𝑡│ persamaan (13)

keterangan :

At = Permintaan aktual pada periode t Ft = Peramalan permintaan pada periode t n = Jumlah periode peramalan yang terlibat

BAB III 3.1. Pengumpulan data

3.1.1. Rekapitulasi data

Tabel 3.1 rekapitulsi data

3.1.2. Data harga barang

Tabel 3.2

daftar harga

barang

3.1.3 Tujuan peramalan

Untuk mengetahui peramalan di masa yang akan datang pada suatu produksi dengan menggunakan data lampau

Dengan menggunakan perhitungan Ms Excel dan Software QM For Windows

Periode Aktual

MATERIAL ESTIMASI BIAYA

Besi Hollo 4X2 112000

Besi Siku 2X3 32500

Besi plat 305000

Kayu papan multiplek 10 mm 156000 kayu papan multiplek 6 mm 132000

Baut 23000

Amplas Kayu 2500

Lem Aibon 72000

HPL 300000

3.1.4 Identifikasi pola data

Pola data yang kita pakai pada praktikum sistem produksi ini yaitu menggunakan pola data horizontal, Karena melihat dari data yang ada mengalami naik turun atau fluktuatif

Metode yang di gunakan pada praktikum ini yaitu dengan metode : Moving Average, Weighted Moving Average, Exponential Smoothing

3.2 Pengolahan Data

3.2.1. Perhitungan peramalan menggunakan Ms Excel dengan metode Moving Average

Tabel 3.3 MA Periode Aktual Forecast by

4 MA

- Perhitungan Forecast by 4 MA

Gambar 3.1 forecast by 4 WMA

- Perhitungan Forecast Error

Gambar 3.2 forecase error MA

- Perhitungan ABS Error

Gambar 3.3 ABS error MA - Perhitugan MAD

Gambar 3.4 MAD error MA

3.2.2. Menghitung peramalan menggunakan Ms. Excel Dengan Metode Weight Moving Average

Tabel 3.4 WMA Periode Aktual Forecast by

3 WMA

- Perhitungan Forecast by 3 WMA

Gambar 3.5 forecase by 3 WM

- Perhitungan forecast Error

Gambar 3.6 forecaste erro WMA

- Perhirungan ABS Error

Gambar 3.7 ABS error WMA

- Perhitungan MAD Error

Gambar 3.8 MAD error WMA

3.2.3. Menggunakan Ms. Excel Dengan Metode Simple Exponential Smoothing

Tabel 3.5 SES

Periode Aktual Forecast by SES Forecast Error Abs Error MAD

JANUARI 744

FEBRUARI 757 744 -13 13 13

MARET 697 745.3 48.3 48.3 30.65

APRIL 709 740.47 31.47 31.47 30.923

MEI 688 737.323 49.323 49.323 35.523

JUNI 723 732.391 9.3907 9.391 30.297

JULI 714 731.452 17.452 17.452 28.156

AGUSTUS 745 729.706 -15.294 15.294 26.318

SEPTEMBER 722 731.236 9.236 9.236 24.183

OCTOBER 756 730.312 -25.688 25.688 24.350

NOVEMBER 739 732.881 -6.119 6.119 22.527

DESEMBER 780 733.493 -46.507 46.507 24.707

1- 0.9

0.1

- Perhitungan Forecast by SES

Gambar 3.9 forecaste error

- Peritungan Forecast Error

Gambar 3.10 forecast error SES

- Perhitungan ABS Error

Gambar 3.11 ABS error SES

- Perhitungan MAD Error

Gambar 3.12 MAD error SES

Windows For QM

1. Aktifkan program Windows For QM.

Gambar 3.13 langkah 1 MA

2. Pilih menu module lalu klik Forecasting

Gambar 3.14 langkah 2 MA

3. Klik menu File, pilih New dan kemudian pilih Times Series Analysis

Gambar 3.15 langkah 3 MA

4. Masukan jumlah data yang ada yaitu dengan Number Of Past Periode yaitu 12 bulan, lalu klik OK.

Gambar 3.16 langkah 4 MA 5. Masukan Data Demand yang diberikan asisten lab

Gambar 3.17 langkah 6 MA

6. Pilih metode Moving Average lalu masukan periods to average yang sudah di tentukan yaitu 4

Gambar 3.18 langkah 7 MA

7. Setelah di klik Solve, maka akan keluar tampilan data results yang berisi Error Measures pada forecasting.

8. Klik Solutions Control (Tracking Signal), setelah itu akan keluar

tampilan pada layar. Jadwal induk produksi yang diambil yaitu dari hasil Forecast.

Gambar 3.20 tracking signal MA

9. Klik Solutions lalu pilih Graph setelah itu akan keluar tampilan grapik pada Forcasting

Gambar 3.21 grafik MA

3.2.5. Perhitungan metode 4 WMA menggunkan software QM For Windows

1. Aktifkan program QM For Windows

Gambar 3.22 langkah 1 WMA 2. Pilih menu module lalu klik Forecasting

3.

Klik menu File, pilih New dan kemudian pilih Times Series Analysis

Gambar 3.24 langkah 3 WMA

4. Masukan jumlah data yang ada yaitu dengan Number Of Past Periode yaitu 12 bulan, lalu klik OK.

Gambar 3.25 langkah 5 WMA 5. Masukan Data Demand yang diberikan asisten lab

Gambar 3.26 langkah 6 WMA

6. Pilih metode Weighted Moving Average, lalu masukan period to average yang sudah di tentukan

Gambar 3.27 langkah 7 WMA

7. Setelah di klik Solve, maka akan keluar tampilan data results yang berisi Error Measures pada forecasting

Gambar 3.28 data result WMA

8. Klik Solutions Control (Tracking Signal), setelah itu akan keluar tampilan pada layar. Jadwal induk produksi yang diambil yaitu dari hasil Forecast.

Gambar 3.29 tracking signal WMA

9. Lalu pilih solution kembali, kemudian klik graph untuk melihat data grafik pada model Weighted Moving Average

Gambar 3.30 grafik WMA

3.2.6. Perhitungan metode SES menggunakan software QM For Windows Langkah-langkah Perhitungan peramalan dengan menggunakan

Windows For QM

1. Aktifkan program Windows For QM.

Gambar 2.31 langkah 1 SES

2.

Klik menu File, pilih New dan kemudian pilih Times Series Analysis

Gambar 2.32 langkah 2 SES

3. Masukan jumlah data yang ada yaitu dengan Number Of Past Periode yaitu 12 bulan, lalu klik OK.

Gambar 3.33 langkah 3 SES 4. Masukan Data Demand yang diberikan asisten lab

5. Selanjutnya jika akan merubah metode peramalan, klik edit data kemudian pilih model peramalan Exponential Smoothing lalu masukan alpha yg telah di tentukan yaitu 0.1

gambar 3.26 langkah 5 SES

6. Kemudian klik solutions, maka akan keluar tampilan data result yang berisi Error Measures pada forecasting

Gambar 3.27 data result SES

7. Lalu pilih solution kemudia klik Control (Tracking Signal) setelah itu akan keluar tampilan pada layar. Jadwal induk produksi yang diambil yaitu dari hasil Forecast.

8. Kemudian pilih solution kembali lalu klik graph untuk melihat grafik dari data peramalan Exponential Smoothing

Gambar 3.29 grafik SES

3.2. pengolahan data

3.2.1. Pemilihan metode

Dari hasi perhitugan melalui perhitungan Ms Excel dan QM for Windows maka metode yang paling effektif adalah metode Weighted Moving Average karna metode tersebut memliki MAD terkecil

3.2.2. Verifikasi hasil peramalam

Tabel 3.6 verifikasi hasilperamalan Error/Metode Moving Average Weighted

Moving Average

Exponential Smoothing

MAD 21.75 20.4 24.707

MSE 692.125 551.8 863.378

MAPE 2.95% 2.80% 3.41%

3.2.3. perhitungan ongkos produksi perunit

Tabel 3.7 daftar harga produksi PLC

Amplas Kayu Estimasi Biaya NOTES

Besi Hollo 4X2 112000 215cm + 202cm

Besi Siku 2X3 32500 82cm x 2

Besi plat 305000 5cm x 4

Kayu papan multiplek 10 mm 156000 71cm x 33cm +71.5cm x 57cm

kayu papan multiplek 6 mm 132000 64.5cm x 82cm

Baut 23000 100 pcs

Amplas Kayu 25000 10 lembar

Lem Aibon 72000 1 kg

HPL 300000 71.5cmx57cm+64.5cmx82cm

GRAND TOTAL 1157500

Dari estimasi harga di atas untuk ongkos perhitungan biaya produksi di dapatkan Rp.

1.157.500 per 1 unit 3.2.4. Penyusunan JIP

Tabel 3.8 penyusunan JIP

3.2.5. Production rate

Tabel 3.9 production rate

PERIODE DATA BIAYA PER UNIT BIAYA

BAB IV ANALISIS

 Berdasarkan hasil perhitungan menggunakan Ms Excel dan software QM For Windows di dapatkan metode terbaik yaitu menggunakan metode WMA (Weight Moving Average) karna WMA mempunyai MAD terkecil dari metode yg lain

 Pola data perlu diketahui dikarenakan dalam meramalkan data yang akan kita lakukan adalah melakukan proyeksi data masa lalu ke masa depan. Pola yang terjadi pada data masa lalu akan sangat berpengaruh pada nilai data yang kita coba ramalkan pada masa yang akan datang.

Diagram Scatter Moving Average

Gambar 3.30 diagram scatter MA

744

Diagram Scatter Weighted Moving Average

Gambar 3.31 diagram scatter WMA

Diagram Scatter Simple Exponential Smoothing

744

DIAGRAM SCATTER 3 WMA

732

BAB V

KESIMPULAN DAN SARAN 5.1. KESIMPULAN

Berdasarkan hasil pembahasan di bab sebelumnya maka dapat disimpulkan adalahsebagai berikut :

Manafaat forecasting dalam sistem industri adalah berkaitan mengenai persediaan yang akan dilakukan oleh perusahaan yaitu sebagai acuan dalam melakukan proses produksinya. dengan melakukan forecasting, perusahaan dapat meramalkan permintaan konsumen dimasa yang akan datang berdasarkan permintaan pada periode sebelumnya terhadap produk perusahaannya. Posisi forecasting dalam system industry sangatlah penting dalam mengoptimalkan kinerja produksi perusahaan tersebut

sehingga dapat memenuhi permintaan konsumen dengan tepatserta sebagai langkah dalam pengambilan keputusan penentuan jumlah produksiyang akan dilakukan pada periode

selanjutnya sehingga tidak terjadi kekurangan atau kelebihan persediaan yang menyebabkan kerugian bagi perusahaan tersebut.

5.2. SARAN

S a r a n u n t u k p r a k t i k u m P e r a n c a n g a n T e k n i k I n d u s t r i m o d u l 3 F o r e c a s t i n g selanjutnya adalah : 1. Praktikan sebaiknya lebih teliti dalam melakukan pengolahan

data manual Forecasting sehingga didapatkan hasil sesuai dengan yang diinginkan.

2. Praktikan sebaiknya memahami materi forecasting lebih baik sehingga mudahdalam melakukan pembahasan materi forecasting

DAFTAR PUSTAKA

 Heizer, Jay dan Render, Barry. 2009. Manajemen Operasi, Buku 1 Edisi 9. Jakarta: Salemba Empat.

 http://eprints.ums.ac.id

 https://jurnal.unigal.ac.id

LAPORAN PRAKTIKUM SISTEM PRODUKSI

MODUL II

MATERIAL REQUIREMENT PLANNING

Kelompok III

ABDILLAH NUR ALAMSYAH 2070031021

ICHSAN AGUNG P 2070031042

IRVAN SOFIAN 2070031005

MIFTAHKUL HUDA 2070031033

ALVI SHIVA NUGRAHA 2070031013

KHARISMA ILHAM SAPUTRA 2070031028

MUHAMMAD DIMAS 2070031015

LABORATORIUM SISTEM PRODUKSI PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS KRISNADWIPAYANA

LEMBAR PENGESAHAN

Laporan praktikum ini telah dibuat oleh :

DAFTAR ISI

KATA PENGANTAR ... 53 DAFTAR ISI ... 54

1.1. Latar Belakang Masalah 56 1.2. Identifikasi Masalah 57

1.3. Perumusan Masalah 57 1.4. Maksud dan Tujuan 57 1.5 Batasan Masalah 58

BAB II LANDASAN TEORI ... 59 2.1. Material Requirement Planning (MRP) 59

2.2. INPUT SISTEM MRP 62 2.3. Output sistem MRP 64

2.4. Istilah – istilah Yang Digunakan Dalam Sistem MRP 66 2.5 Syarat – syarat Sistem MRP 68

2.6. Langkah – langkah Dasar Pengolahan MRP 68 2.7. Rumus Dalam Sistem MRP 69

BAB III PENGUMPULAN DAN PENGOLAHAN DATA ... 72 3.1. Pengumpulan Data 72

3.2. Pengolahan Data Error! Bookmark not defined.

BAB IV ANALISIS ... 77 4.1. Tentukan faktor – faktor yang mempengaruhi akurasi MRP. 79

4.2. Bandingkan hasil MRP pada perhitungan dengan menggunakan software Microsoft Excel dan software Windows For QM. 79

4.3. Berikan komentar anda mengenai penerapan MRP di perusahaan yang memproduksinya seperti bahan praktikum ini. 79

BAB V KESIMPULAN DAN SARAN ... 80 4.1. Kesimpulan 80

4.2. Saran 81

KATA PENGANTAR

Inayah, Taufik dan Hidayahnya sehingga kami dapat menyelesaikan penyusunan laporan ini dalam bentuk maupun isinya yang sangat sederhana. Semoga laporan ini dapat dipergunakan sebagai salah satu acuan dari Tugas Praktikum nanti nya.

Harapan kami semoga laporan ini membantu menambah pengetahuan dan

pengalaman bagi para pembaca, sehingga kami dapat memperbaiki bentuk maupun isi laporan ini sehingga kedepannya dapat

Puji syukur kehadirat Tuhan Yang Maha Kuasa atas segala limpahan Rahmat lebih baik.

Laporan ini kami akui masih banyak kekurangan karena pengalaman yang saya miliki sangat kurang. Oleh kerena itu kami harapkan kepada para pembaca untuk memberikan masukan-masukan yang bersifat membangun untuk

kesempurnaan laporan ini.

BAB I PENDAHULUAN

1.1. Latar Belakang Masalah

Memasuki perkembangan zaman seperti saat ini, industri manufaktur dituntut untuk selalu meningkatkan daya beli masyarakat melalui pemasaran yang baik, selain itu harus juga menghasilkan produk secara massal dan murah dengan kualitas terbaik serta sesuai dengan keinginan konsumen.

Melalui perencanaan produksi terencana, keinginan konsumen ini akan terpenuhi. Namun demikian, tidak mungkin sebuah perencanaan produksi akan berjalan baik jika tidak ditunjang dengan persediaan bahan baku yang cukup.

Sedangkan persediaan bahan baku juga memberikan kontribusi biaya yang cukup besar dalam sebuah industri manufaktur, sehingga komponen biaya ini juga perlu untuk dikendalikan. Dengan demikian fungsi perencanaan produksi dan pengendalian persediaan perlu dikelola secara baik dan efisien untuk memperoleh hasil yang optimal sesuai rencana perusahaan. Agar pemahaman tentang kegiatan sistem produksi termasuk di dalamnya perencanaan produksi dan pengendalian persediaan, memerlukan penerapan secara nyata dalam bentuk praktik langsung mengenai masalah-masalah atau kasus-kasus yang berkaitan dengan sistem produksi.

Kasus-kasus tersebut salah satunya adalah dengan menggunakan metode peramalan yaitu mencoba melakukan teknik peramalan untuk

menentukan kebutuhan pasar secara periodik sebagai dasar penyusunan rencana produksi. Sebuah metode untuk menetapkan apa, kapan, dan berapa komponen dan material yang dibutuhkan untuk mencukupi rencana produksi untuk menyelesaikan produk sampai batas akhir waktu yaitu MRP (Material Requirements Plannring).

MRP mempunyai keuntungan yaitu dapat meningkatkan pelayanan dan kepuasan konsumen, peningkatan pemanfaatan fasilitas dan tenaga kerja, perencanaan dan penjadwalan persediaan yang lebih baik, tanggapan yang lebih cepat terhadap perubahan dan pergeseran pasar, tingkat persediaan menurun tanpa mengurangi pelayanan terhadap konsumen.

1.2. Identifikasi Masalah 1.3. Perumusan Masalah

Untuk mengatasi permasalahan-permasalahan yang mengemuka dari penjelasan diatas, maka diperlukan :

1. Bagaimana mengetahui jumlah perkiraan produk dari produk yang dihasilkan agar dapat diserap oleh pasar?

2. Bagaimana perencanaan komponen bahan baku serta penjadwalan produksi agar mendapatkan hasil yang optimal?

3. Apa Metode yang digunakan untuk mendapatkan efisiensi terbaik pada industri.

1.4. Maksud dan Tujuan

Adapun maksud dan tujuan laporan praktikum ini adalah :

1. Mengenal elemen-elemen penyusun dari MRP (Material Requirements

Planning).

2. Dapat menentukan perencanaan kebutuhan kapasitas untuk memprediksi kebutuhan sumber yang diperlukan dalam proses produksi.

3. Melakukan perencanaan kebutuhan material (Material Requirements Planning) melalui perencanaan produksi yang baik dan efisien.

1.5 Batasan Masalah

Pada penulisan laporan ini, penulis memberikan batasan masalah adalah sebagai berikut :

1. Perencanaan yang dilakukan hanya untuk horizon waktu 12 periode.

2. Pengolahan data menggunakan Software WinQSB.

3. Data yang digunakan adalah Item Master File, Master Production Schedule, Bill Of Material, Inventory On Hand dan Purchase Order File.

4. Metode perencanaan yang digunakan yaitu metode Lot for Lot (LFL).

BAB II

LANDASAN TEORI

2.1. Material Requirement Planning (MRP)

Menurut Gasperz (2004), Material Requirement Planning (MRP) adalah metode penjadwalan untuk purchased planned orders dan manufactured planned orders, kemudian diajukan untuk analisis lanjutan berkenaan dengan persediaan kapasitas dan keseimbangan menggunakan perencanaan kebutuhan kapasitas. Sistem MRP mengkoordinasikan pemasaran, manufacturing, pembelian, rekayasa melalui pengadopsian rencana produksi serta melalui penggunaan satu data base terintegrasi guna merencanakan, dan memperbaharui aktivitas dalam sistem industri modern secara keseluruhan. Salah satu alasan mengapa MRP digunakan secara cepat dan meluas sebagai teknik manajemen produksi, yaitu karena MRP menggunakan kemampuan komputer untuk menyimpan dan mengelola data yang berguna dalam menjalankan kegiatan perusahaan.

MRP dapat mengkoordinasikan kegiatan dari berbagai fungsi dalam perusahaan manufaktur, seperti teknik, produksi, dan pengadaan. Oleh karena itu, hal yang menarik dari MRP tidak hanya fungsinya sebagai penunjang dalam pengambilan keputusan, melainkan keseluruhan peranannya dalam kegiatan perusahaan. MRP sangat bermanfaat bagi perencanaan kebutuhan material untuk komponen yang jumlah kebutuhannya dipengaruhi oleh

komponen lain (dependent demand). MRP memberikan peningkatan efisiensi karena jumlah persediaan, waktu produksi, dan waktu pengiriman barang dapat direncanakan dengan lebih baik, karena ada keterpaduan dalam kegiatan yang didasarkan pada jadwal induk. Moto dari MRP adalah memperoleh material yang tepat, dari sumber yang tepat, untuk penempatan yang tepat, dan pada waktu yang tepat (Gasperz, 2004).

Material Requirement Planning System (sistem MRP) dikembangkan untuk mengelola persediaan barang yang permintaannya memiliki ketegantungan (dependent demand) maksudnya adanya hubungan antara suatu permintaan barang dengan barang lainya yang kedudukannya Iebih tinggi. Misalnya permintaan bahan mentah atau produk setengah jadi tergantung dari besarnya permintaan produk jadinya.

Sistem-sistem MRP dimaksudkan untuk memberikan :

a. Kebutuhan-kebutuhan persediaan yang berkurang Dengan MRP dapat ditentukan berapa banyaknya komponen yang diperlukan dan waktu pemenuhan terhadap jadwal induknya. Hai ini memungkinkan untuk menyediakan komponen pada waktu diperlukan, sehingga menghindarkan biaya-biaya karena penyimpanannya secara kontinu dan persediaan penyangga yang berlebihan di gudang.

b. Waktu tenggang (lead time) poduksi dan waktu tenggang penyerahan yang dikurangi kepada para pelanggan Adanya MRP dapat diidentifikasikan bahan dan komponen yang diperlukan (jumlah dan

memenuhi batas waktu penyerahan. Pengkoordinasian keputusan - keputusan hal-hal diatas membantu menghindarkan keterlambatan (penundaan) dalam produksi.

c. Komitmen penyerahan

Dengan MRP bagian produksi dapat memberikan kepada bagian pemasaran informasi yang tepat waktu mengenai kemungkinan waktu penyerahan kepada calon pelanggan. Dengan berbagai elemen-elemen dari MRP dapat memberikan informasi mengenai beban total yang direvisi dapat ditangani dangan kapasitas yang ada. Hasilnya dapat memberikan data yang lebih realistis.

d. Efisiensi operasi yang meningkat

Pada MRP dapat terjadi pengkoordinasian berbagai departemen dan pusat-pusat kerja ketika pembuatan produksi berlangsung melalui departemen pusat kerja tersebut. Akibatnya, produksi dapat berjalan dengan personil lebih sedikit tidak langsung seperti ekspeditor bahan, dan terjadi gangguan produksi yang tidak direncanakan lebih kecil karena MRP memusatkan pada tersedianya seluruh komponen pada waktu yang dijadwalkan secara tepat. Informasi yang diberikan oleh MRP mendorong dan mendukung efisiensi produksi.

Agar MRP dapat dioperasikan secara aktif maka perlu diperhatikan asumsi berikut :

1. Lead time seluruh item diketahui atau dapat diperkirakan.

2. Setiap item persediaan selalu dalam kontrol, maksudnya semua

transaksi yang terjadi harus dicatat, karena menyebabkan perubahan pada jumlah transaksi.

3. Semua komponen untuk suatu perakitan harus tersedia pada saat suatu pesanan untuk perakitan tersebut dilakukan, sehingga jumlah

Dalam dokumen LAPORAN PRAKTIKUM SISTEM PRODUKSI MODUL 1 FORECASTING (Halaman 21-128)